中图分类号：F272 文献标识码：A 文章编号：1674-6511(2020)01-0060-10 随着工业4.0、工业互联网、“中国制造2025”等国家战略的推进，世界各主要经济体争相利用新一代信息技术改造传统制造业[1]。尤其是以传感器技术、RFID标签、嵌入式系统技术和微机电系统MEMS(Micro Electro Mechanical System)为代表的核心技术，能够对设备物联数据、生产经营业务数据、外部互联网数据进行自动化采集、存储、分析与可视化，实现了工业化数据与自动化数据的两化融合，融入了更多来自产业链上下游以及跨界的数据[2]。工业大数据逐渐成为智能工业化高级形态中最核心的生产资源[3]，它可以有效地驱动企业内部实现个性化定制、智能化生产，企业与企业之间实现网络化协同，对组织产生颠覆性的影响[4]。探索如何利用工业大数据促进传统企业实现转型升级关系到国计民生。在第四次工业革命席卷全球的背景下，充分挖掘工业大数据的潜在价值，促进传统企业发展，具有很强的实践价值。 在理论层面，Kusiak发表于Nature的文章明确指出，工业大数据是实现智能制造的重要资源，然而已有的研究十分匮乏，亟须对工业大数据进行深入探索[5]。虽然大数据驱动的研究范式已经成为重要研究议题[6]，如在社交媒体[7]、商务智能[8]、企业创新能力[9]等方面有关大数据的研究不断增多，但工业大数据的研究尚不多见，且已有的研究大多侧重于技术层面，尚未解释如何有效利用工业大数据提高生产效率、创造价值，其管理理论支撑不足，难以为实践提供切实可行的建议。鉴于此，本文引入示能性—实现(affordance-actualization，A-A)作为新的理论视角[10]，打开工业大数据实现潜在价值的机制。示能性—实现是信息系统(information system，IS)与组织行为领域的重要理论[11]，它在国际主流期刊已形成日益丰富的研究成果，非常适合用于探索新兴技术，如区块链[12]、社交媒体[13]、电子健康档案(EHR)[14]等对组织的影响。实现工业大数据潜在价值的过程即为工业大数据示能性实现的过程。因此，本文将研究问题分为两部分：工业大数据为组织提供的示能性是什么，组织如何实现工业大数据的这些示能性。 基于上述问题，本文采用案例研究的方法，构建工业大数据的“示能性—实现”理论框架，探讨工业大数据实现其潜在价值的机制。本研究具有重要的理论与实践价值：首先，基于示能性—实现的全新视角，打开了工业大数据由潜在可能性到实现组织目标的过程机制，依据数字经济时代特征提出数字化示能性的逻辑框架，从而丰富了大数据驱动的管理理论研究；其次，国内学者对技术示能性的研究尚不多见，本文通过案例探索，提出工业大数据的三种示能性以及实现过程，辨识前沿研究主题，丰富了技术示能性的研究成果，扩展了示能性研究的地理边界；最后，本文提出了工业大数据实现价值的具体行为，为企业实施数字化转型战略提供指导，也为传统制造业利用数据实现智能制造提供实践启示。 二、文献综述与研究框架 (一)示能性—实现理论 在管理信息系统领域，技术示能性(technology affordances)是指以目标为导向的行为主体利用技术工具采取行为的可能性[15]，它产生于主体对技术客观功能属性的感知。这一概念有效地融合了社会构建主义和技术决定论，显示了一种关系属性，不同的个体基于其内在的认知模式、行为能力、习惯等因素，对同一技术工具可能会形成不同的示能性[16]。示能性不仅可以用于个体层面的研究，也可以用于组织层面的研究。组织示能性是指在组织目标的指引下，组织利用技术工具实现潜在行为的可能性[17]，如Strong等分析了电子健康系统在组织层面的示能性以及实践活动[14]，Du和Pan分析了区块链技术对组织的潜在影响以及行为过程[12]。本文也关注组织层面的示能性，即技术工具为组织提供的潜在行为，以及产生于技术工具和组织之间的动态关系。 实现示能性的过程是指行为主体基于感知到的示能性，利用信息技术采取的有助于实现预期目标的行为[14]。这一过程是在目标的指引下，不断迭代的过程[18-19]。示能性作为潜在行为，是内在感知，而实际行为结果可能会偏离预期认知。因此，Strong等提出了示能性—实现的理论视角，将示能性的实现定义为“行为主体为了完成组织目标利用技术工具的示能性实现具体结果的行为”[14]，Du在此基础上将示能性实现提炼概括为“行为主体利用技术工具采取的以目标为导向的行为结果”[12]。示能性实现对组织的影响可分为两种，短期内的影响表现为具体业务实践结果，长期内会影响组织战略目标[14]。技术示能性实现的结果为新示能性奠定基础，如此循环往复，形成动态反馈，促进技术工具和行为实践协同演化，直至完成组织变革。 示能性—实现这一视角之所以备受IS学者重视有两方面原因：一方面是因为示能性既重视信息技术的物理属性，也强调用户的主体属性，关注的是行为主体和技术工具二者之间的关系，而已有IS采纳和使用的研究大多只关注人的心理、认知和行为，忽略了信息技术的性能要素[20]；另一方面在于示能性是一种可能性行为，为具体实践活动指明方向，但落实到实际情景可能受各种因素的制约，主体不一定会实现示能性，这一视角有效地区分了潜在行为、实现过程、完成结果。 (二)工业大数据驱动的数字化转型 近年来，随着智能产品和设备的广泛普及，生产装备、感知设备、联网终端，包括生产者本身都在源源不断地产生数据，这些数据将会渗透到产品设计、建模、工艺、维护等全生命周期，企业的生产、运营、管理、服务等各个环节，以及供应商、合作伙伴、客户等全价值链，并将成为智能制造的基石[21]。与此同时，物联网、5G、人工智能、数字孪生等科技的爆发性发展带来了算力和算法的巨大进步，三者的日益融合逐渐形成了以“数据+算力+算法”为核心的智能制造技术体系。在此背景下，工业大数据成为新的生产要素，也成为推动传统制造业实现智能制造的重要决策依据，传统决策正在变为基于数据分析的决策。
