李 冰，李玉博

(哈尔滨工程大学经济管理学院，黑龙江 哈尔滨 150001)

基于外部动力的大数据环境下产品创新模式研究

李 冰，李玉博

(哈尔滨工程大学经济管理学院，黑龙江 哈尔滨 150001)

本文基于产品创新的外部动力，认为传统的产品创新过程都是在单一作用力或多力的独立作用下实现的，大数据将这些外部作用力进行了充分有效的融合，使力与力之间协同作用，因此提出风车型产品创新模式。从产品创新阶段视角分析了大数据环境下产品创新的外部驱动力作用机制，从数据处理阶段视角分析了制约力的作用机制，并通过华为公司利用大数据进行产品创新的案例分析，证明了在大数据环境下风车型产品创新模式的可行性和有效性。

大数据；外部动力；产品创新；风车型模式

1 引言

随着互联网技术、物联网技术、传感器技术等快速发展，越来越多的数据被不断产生，这些数据让企业一时之间难以选择和处理，如何及时洞察出有用的信息，以适应快速动态的市场竞争环境，对企业来说是一个难题和挑战[1-2]。市场调研机构(IDC)的最新报告显示，2014—2019年大数据技术和服务市场创造的价值的年复合增长率(CAGR)预计为23.1%，并且在2019年社会在大数据方面的支出将达到486亿美元[3]。大数据中蕴含的巨大商业价值、科学研究价值、社会管理与公共服务价值以及支撑科学决策的价值，正在被认知与开发利用[4-6]。

产品创新是企业赖以生存和发展的基础，在大数据环境下，如何利用大数据技术，快速推出新产品并占领市场，成为企业进一步发展的目标。Zhang认为虽然大数据在创新领域的应用存在存储难、安全性低和处理速度慢等挑战，但是通过大数据分析技术可以促进创新管理，以及帮助企业制定创新战略[7]；McAfee等指出大数据可以帮助企业创造新产品和服务，升级现有产品和创造全新的商业模式，比如通过获取现有产品的相关数据，促进下一代产品的更新，以及提供具有创新性的产品售后服务[8-9]；Regina结合大数据分析结果，发现加快产品更新速度和提高产品质量都能提高产品的盈利能力[10]；经济合作发展组织(OECD)在其2013年发布的研究报告中指出，数据已成为创造竞争优势和驱动创新、可持续发展的核心资产[11]；Xu从知识融合角度研究发现，通过大数据分析进行的产品创新，更容易取得成功[12]；陈以增等探讨了大数据环境下用户参与产品开发方法，并通过用户参与小米手机开发案例，论证企业可以运用大数据技术提高产品创新能力[13]。

综上所述，已有文献从宏观角度对大数据在产品创新中的应用进行了充分研究，但是对大数据如何驱动产品创新，以及如何引起产品创新模式的变革则较少涉及。本文从产品创新的外部动力角度出发，研究在大数据环境下的产品创新动力作用机制，并提出风车型的产品创新模式，以期为大数据环境下产品创新的研究提供借鉴。

2 大数据环境下风车型产品创新模式

2.1 传统环境下产品创新的外部动力分析

从动力角度，可以将产品创新的驱动力分为内部动力和外部动力。综合已有文献可知，产品创新的外部动力主要包括技术进步的推力、市场需求的拉力、市场竞争的压力和政府引导的支持力(见图1)。

图1 传统环境下产品创新的外部动力

(1)技术推力[14-15]。这种模式认为市场和消费者是新产品的接受者，产品创新的目的是创造新的市场需求，而任何一项新产品的设计和开发都需要技术的支持，因此技术作为产品开发最基本的动力，作用于产品创新的各个阶段，推动产品创新。

(2)市场拉力[16]。市场需求是产品创新的出发点和创意源泉，对产品和技术提出了明确的要求，可见产品创新的直接动力来源于市场需求。

(3)竞争压力[17]。在市场需求尚未完全满足的情况下，企业通过对竞争产品进行详细分析并获取相应的技术和产品创新知识，结合企业自身情况，对知识和技术进行引进消化再吸收，实现对现有产品的升级改造，快速推出具有竞争力的新产品。

(4)政府支持力[18]。在苏联和中国计划经济时代，主要通过政府制定创新计划、鼓励政策来引导企业开展研发工作，提高科技水平，或直接创造新的市场需求，促使企业进行产品创新。

综上可知，传统环境下产品创新是在多种力的综合作用下进行，因此可以得出传统环境下的产品创新综合模式(见图2)。

图2 传统环境下的产品创新综合模式

综合传统环境下的产品创新外部动力分析和产品创新综合模式可知，企业的产品创新是在单一力作用下或多种力独立作用下实现。比如在创意产生阶段，传统环境下企业获取用户需求的方式通常是填写问卷、接受访问等，然而由于消费者的真实需求具有隐蔽性、复杂性和易变性，利用历史的、静态的、结构化的数据，企业很难获得用户的真实需求，使得一部分产品在生产出来之后就被市场淘汰。在大数据环境下，则可以轻易解决这些问题，企业通过互联网技术、物联网技术轻松获得用户的行为数据、属性信息以及地理位置信息等，并利用大数据分析技术，掌握消费者的真实需要，在对企业自身技术水平和研发能力准确评估基础上，形成产品创意。因此，如何充分有效利用产品创新的外部动力，成为大数据环境下产品创新研究的重点。

2.2 大数据环境下产品创新的外部动力分析

尽管本文的研究重点是在产品创新的外部驱动力上，但是产品创新的制约力也是客观存在的，尤其是在大数据环境下，大数据本身的不足更是无法忽略的。除此之外，政策因素、资金因素、环境因素等也会影响产品创新，鉴于已有学者在这方面进行了深入研究，所以本文不做赘述[19]。本文从作用力的作用阶段、作用形式，分析风车型产品创新模式的驱动力和制约力，得出大数据环境下产品创新的动力作用机制(见图3)。

图3 大数据环境下产品创新的动力作用机制

从图3可以看出，在大数据环境下的产品创新过程中，驱动力的本质没有发生变化，只是作用形式发生改变，从传统环境下的单一作用力转变为大数据环境下的合力，即在大数据环境下，将技术推力、市场拉力、竞争压力和政府支持力转化为数据，结合大数据分析的结果来进行产品创新。可以看出，在大数据环境下，产品创新外部动力的融合更为紧密，各力环环相扣，同时作用于产品创新的各个阶段，像风吹动风车转动一样，加速产品创新流程。因此，本文提出了大数据环境下的产品创新模式——风车型产品创新模式(见图4)。在风车型产品创新模式中，技术推力、市场拉力、竞争压力和政府支持力仍是“风车转动”的驱动力，而大数据自身所面临的挑战，诸如数据存储成本高、数据获取困难、技术人员不足和价值密度低等，形成“风车转动”的制约力[20-22]。

图4 风车型产品创新模式

3 大数据环境下风车型产品创新模式的动力作用机制分析

3.1 风车型模式下产品创新的驱动力分析

结合产品创新流程，从以下六个阶段研究风车型模式下产品创新的驱动力。

(1)创意产生。新产品创意来源于多个方面，如科学技术突破、顾客需求、市场竞争、环境问题、政策鼓励等。在互联网世界，通过网络爬虫技术，可以轻易掌握目标用户和潜在用户的个人属性数据、行为数据以及社交数据；在物联网世界，企业也可以运用来自内置于产品中的传感器数据，了解商品的真实使用情况；在真实世界，对竞争对手的销售数据分析、政府政策和引导计划进行分析，评估市场环境和经济环境。

(2)概念设计。这个阶段首先要考虑用户对产品功能结构的需求，对产品内置传感器和用户反馈的数据进行分析，获得产品最常被使用的功能，以及最符合用户习惯的产品功能结构，通过市场需求分析数据，获得用户最期望增加的功能；其次通过对技术和生产相关数据的分析，获得最有可能实现的功能；最后综合已有的产品设计数据和竞争对手推出的新产品数据，设计出最符合用户需求的产品功能。

(3)立项分析。企业在对一个新产品进行立项分析时，需要对其业务操作、技术等方面进行可行性分析。在大数据环境下，通过企业业务流程数据(如产品物料、采购、生产等)，对新产品概念的业务操作可行性进行评价决策，以确定其是否可行；通过对新技术试制新产品过程中反馈的传感器数据、良品率以及所消耗的成本等综合数据分析评价，确定技术上的可实施性。

(4)设计开发。新产品的设计开发过程是一个迭代开发的循环过程，在大数据环境下，可以采用“数据-产品-数据”的数据驱动型产品设计开发模式。通过分析竞争对手采用的新技术、开发出的新产品、政府引导的科技计划取得的专利和创新性技术、消费者行为信息等数据，企业研发人员可以及时了解行业内最先进的技术和最全面的发展动态，掌握消费者的个性化需求，最大程度的拓宽设计思路，进行新产品的设计和开发，并制造出新产品的原型样品后进行测试，根据测试得到的相关数据再进行产品的修正，形成依托数据进行迭代开发的循环模式。

(5)测试矫正。产品试制过程中可以依据生产记录数据，对生产运营过程进行分析，针对试制过程中的生产不足等问题提出改进计划，制定更合理的生产计划；针对产品质量、劳动成本、完工时间等数据进行分析，找出生产控制的关键内容，并制定相应的生产计划，从而使得生产过程能够得到更好的保障。产品试销时通过对顾客需求数据以及市场竞争环境数据的分析，可以优化产品组合，调整产品投放策略；对产品的销售统计数据分析，可以合理设置存货位置，减少销售渠道层数，加快供货速度。

(6)上市管理。大数据环境下，可以通过搜集消费者的行为数据，通过情感分析、语义分析等大数据分析技术，对特定消费群体进行精准定位，制定营销策略；然后根据市场竞争对手销售数据和市场产品结构数据，确定产品组合方案和市场投放策略；最后结合消费者的购买动机、购买方式、信息接收习惯等数据，设计产品销售方案。

3.2 风车型模式下产品创新的制约力分析

在大数据融合产品创新外部动力，加速产品创新流程的同时，大数据本身存在的一些问题，成为风车型产品创新模式的制约力。本文从数据处理的四个阶段——数据采集、数据存储、数据分析、数据应用，详细分析风车型模式下产品创新的制约力[23]。

(1)数据采集。数据采集阶段主要存在数据获取困难的问题，主要表现在三个方面。首先，在信息时代下，用户对隐私的关注会带来用户对网络的不安全感，造成不登录、注册、使用网络平台，进而无法对其在线行为数据进行捕捉；其次，产品内置传感器、多渠道获取信息和企业进行信息化建设等，都会提高企业获取数据的成本；最后，在大数据资源与共享方面，由于受发展程度、经济利益、文化传统和其他因素的影响，我国数据资源的“孤岛化”“荒漠化”与“不完整化”现象比较严重，数据交换、利用和共享率低下，这在一定程度上增加了数据获取的难度，形成风车型模式下产品创新的初始阻力。

(2)数据存储。随着数据量的爆发性增长，普通的服务器和数据库难以满足大数据的存储要求，因此需要采用独特的分布式存储架构，配置相当高的大型服务器，以及访问速度快、保障性高的磁盘阵列，来满足海量数据的高速存储需求，保证数据的处理性能[4]。在当前环境下，大型服务器和高性能磁盘阵列等硬件设备非常昂贵，同时对于服务器及数据库的维护也需要专业的技术人员，投入及运营维护成本都很高，一般企业难以接受 。因此，数据存储成本高昂，无形中增加产品创新风险，造成风车型模式下产品创新的动力不足。

(3)数据分析。传统数据分析技术力求通过复杂算法从有限的数据集中获取信息，其更加追求准确性；大数据分析技术则是通过高效的算法和模式对全体数据进行分析。因此，出现了许多专门针对大数据的集成、管理及分析的技术和方法，如布隆过滤器(Bloom Filter)、散列法(Hash法)、字典树(Trie树)、并行计算(MapReduce)等。然而，一方面由于大数据来源多样化，且应用于不同的领域，需要采用不同的分析处理模式，当前技术水平下，难以满足业务需求；另一方面，新兴的大数据分析技术，带来的还有相关技术人员不足，据麦肯锡全球研究院估计，2018年美国对数据高级分析师的需求为19万，对数据管理和普通数据分析的岗位需求将达150万。因此，大数据环境下的风车型模式中，技术和人员的缺失成为产品创新最大的阻力。

(4)数据应用。这里所说的数据应用阶段为狭义的数据应用，即大数据的价值实现。大数据具有数据价值巨大的特点，使得大数据应用在多个领域，但是相应的数据价值密度低，成为风车型模式产品创新的制约力。第一，大数据由于数据量巨大，同时数据量又在不断增长，因此单位数据的价值密度在不断降低；第二，如果所采集的信息本身噪声较大或者一些关键性的数据没有包含进来，那么所挖掘出来的价值也就大打折扣；第三，大数据需要进行深度的数据挖掘和分析，而在挖掘过程中所需的人力、财力耗费巨大，项目周期也相对较长，挖掘出来的信息对于企业决策、成本效益等方面的贡献并不大。因此，在大数据环境下产品创新的过程中，数据价值密度低会造成动力的偏差。

4 案例分析

华为公司作为信息、通信和技术(ICT)行业的领军企业，在大数据、云计算和互联互通领域具有天然优势，因而能够在大数据环境下，快速适应产品创新模式的变革。

4.1 广泛的数据来源

华为目前实行“以客户需求为导向”的产品创新战略，对客户的行为分析采用机器学习制和全量多维分析，通过构建全数据模型，实现百万维度数据实时分析。在市场和用户的数据采集方面，华为拥有广泛的数据来源。首先，华为与全球领先的通信运营商建立了 34 个联合创新中心或实验室，通过合作协议，从运营商处获取大量的用户数据资源，包括用户消费数据、用户个人属性数据等，以此拓宽数据采集渠道，全面获取目标用户的数据，把领先技术转化为自身的竞争优势和商业成功。其次，花粉俱乐部也是一个很重要的渠道，截至2016年5月1日，论坛内帖子总数达到158263125个，注册用户达到25758777位，在花粉俱乐部这个开放社区里，每周都有上万个用户反馈的帖子，其中不乏一些深度的产品使用体验报告，华为公司通过整合分析用户的发言信息，可以低成本、高效率地获取用户的需求信息，为智能手机的研发提供创新思路。最后，华为公司结合自身的技术和硬件优势，为每个智能手机内置了反馈软件和传感器，根据用户使用手机过程中传回的各种数据，有针对性地对产品进行功能设计，推出更符合用户功能需求的智能手机。

4.2 大数据技术全球研究院

业界领先的大数据技术是华为公司的核心竞争优势，目前华为在全球共设有23个研究院，其中有一部分专门从事大数据技术方面的研究。例如，华为在美国、欧洲、印度、深圳、杭州和南京分别建立了MOLAP、分布式计算算法、数据可视化、大数据管理平台、流计算、实时决策等专业研究院，专注于大数据的技术研究。经过1000多名员工8年多的持续努力，华为公司已经全方位掌控大数据核心技术，同时为了增加大数据平台的易用性和复杂查询能力，创新设计了表聚簇和多级索引方案，实现与公司现有数据库、数据仓库的无缝对接。

4.3 云计算数据中心

随着数据的不断产生以及数据体量的持续增大，华为公司通过建立云计算数据中心来解决数据存储难的问题。目前华为已在安徽宿州、贵州玉溪、江苏盐城、浙江湖州、山东济宁等五个地区建立了云计算数据中心，专门用来存储和处理大数据，同时拥有FusionSphere云操作系统、FusionStorage分布式存储系统和FusionInsight大数据分析平台、ManageOne数据中心管理系统等，并推出面向未来业务驱动的分布式云计算数据中心架构(SD-DC2)，将其应用在智能手机的产品开发和风险控制方面，实现更高效的运作和管理。华为公司通过重构以大数据为基础的决策和分析体系，建立基于大数据和云计算的产品创新和反馈机制，极大地提高了产品竞争力和客户满意度。

5 结论

传统环境下，产品创新的外部动力主要来源于技术进步、市场需求、市场竞争和政府引导，存在作用力单一、缺乏协同的问题。大数据环境下，尽管产品创新驱动力没有发生变化，但是大数据成功地将这些驱动力进行了融合，使它们能步调一致、相互促进，实现更高效地产品创新，即本文提出的风车型的产品创新模式。从物理学角度来看，在大数据环境下的风车型产品创新模式中，外部驱动力在产品创新六个阶段的融合效果，远远超过了因大数据特点所带来的制约力，完全可以胜任风车型产品创新模式动力源，并且取得了更好的作用效果。同时，华为公司利用大数据开展产品创新的过程和成果有力地证明了风车型产品创新模式的可行性和高效性。因此，风车型产品创新模式将成为大数据时代企业产品创新的最佳选择。

[1]LEE Jay，KAO Hung，YANG Shan.Service innovation and smart analytics for industry 4.0 and big data environment[C]// Proceedings of the 6th CIRP Conference on Industrial Product-Service Systems.Canada，Windsor，2014:3-8.

[2]LABRINIDIS Alexandros.Challenges and opportunities with big data[J].Journal proceedings of the VLDB endowment，2012，5(12):2032-2033.

[3]IDC Special Study.New IDC forecast sees worldwide big data technology and services market growing to $48.6 billion in 2019，driven by wide adoption across industries[R].Framingham，Mass：Research Press Release，2015.

[4]CHEN Hsinchun，CHIANG Roger，STOREY Veda.Business intelligence and analytics：from big data to big impact[J].MIS quarterly，2012,36(4):1165-1188.

[5]BRYANT Randal，KATZ Randy，LAZOWSKA Edward.Big-data computing：creating revolutionary breakthroughs in commerce，science，and society[J].Computing community consortium，2008，8:1-7.

[6]WEF Mobile Financial Services Development Report.Big data，big impact：new possibilities for international development[R].Switzerland，World Economic Forum,2012.

[7]ZHANG Jinsong，CHEN Yan，LI Taoying.Opportunities of innovation under challenges of big data[C]// Proceedings of the 10th International Conference on Fuzzy Systems and Knowledge Discovery.Shenyang，China，IEEE，2013:669-673.

[8]MCAFEE Andrew，BRYN Erik.Big data：the management revolution[J].Harvard business review，2012(10):61-68.

[9]LAVALLE Steve，LESSER Eric，SHOCKLEY Rebecca，HOPKINS Michael，KRUSCHWITZ Nina.Big data，analytics and the path from insights to value[J].MIT sloan management review，2011，52(2):21-32.

[10]MCNALLY Regina，AKDENIZ Billur.New product development processes and new product profitability：exploring the mediating role of speed to market and product quality[J].Journal of product innovation management，2011，28(S1)：63-77.

[11]OECD Digital Economy.Exploring data-driven innovation as a new source of growth：mapping the policy issues raised by big data[R].OECD Publishing.2013，http://dx.doi.org/10.1787/5k47zw3fcp43-en.

[12]XU Zhenning，FRANK Gary.Effects of big data analytics and traditional marketing analytics on new product success：a knowledge fusion perspective[J/OL].Journal of business research,2015.http://dx.doi.org/10.1016/j.jbusres.

[13]陈以增,王斌达.大数据驱动下顾客参与的产品开发方法研究[J].科技进步与对策，2015，32(10)：72-77.

[14]SUBRAHMANYA Bala.Model of technological innovations in small enterprises：comparative perspective of Bangalore(India) and northeast England(UK)[J].Technovation，2005，25(3):269-280.

[15]ORIHATA Motokazu，WATANABE Chihiro.Evolutional dynamics of product innovation：the case of consumer electronics[J].Technovation，2000，20(8):437-449.

[16]MOWERY David，ROSENBERG Nathan.The influence of market demand upon innovation：a critical review of some recent empirical studies[J].Research policy，1979，8(2):102-153.

[17]孙平，王谊.产品创新——巨变时代中权利的获得与利用[M].成都：西南财经大学出版社，1998.

[18]GEORG Susse，ROPKE Inge，JORGENSEN Ulrik.Clean technology innovation and environmental regulation[J].Environmental and resource economics，1992，2(6)：533-550.

[29]JURADO Jaider，GRACIA Antonio，LUCIO Ignacio，HENRIQUEZ Liney.The effect of external and internal factors on firms’product innovation[J].Research policy，2008，37(4)：616-632.

[20]HILBERT Martin.Big data for development：a review of promises and challenges[J].Development policy review，2016，34(1):135-174.

[21]SAGIROGLU Seref，SINANC Duygu.Big data：a review[C]// Proceedings of the 2013 International Conference on Collaboration Technologies and Systems(CTS)，San Diego，CA，2013:42-47.

[22]BHATIA Anuradha，VASWANI Gaurav.Big data-a review[J].International journal of engineering sciences & research technology，2013，2(8)：2102-2106.

[23]MADDEN Sam.From databases to big data[J].IEEE internet computing，2012(5):4-6.

(责任编辑 沈蓉)

Product Innovation Model Based on External Power in Big Data Environment

Li Bing，Li Yubo

(School of Economics and Management，Harbin Engineering University，Harbin 150001，China)

In the view of external power，all traditional product innovations were done in a single acting force or multiple independent ones.The big data made these acting forces fused fully and efficiently.There was quite obviously a lot of synergy among the forces to push forward product innovations，which worked just like windmill.So the model of windmill-type product innovation was first put forward in this paper.In big data circumstances，it analyzed mechanism of external acting forces from the perspective of different stages of product innovation and mechanism of restrained forces from the view of data processing.It also proved the feasibility and availability of windmill-type product innovation in the environment of big data by the case study of Huawei Company using big data in product innovation.

Big data；External power；Product innovation；Windmill-type model

黑龙江省自然科学基金项目“节能减排的低碳效应与绩效评价研究”(G201313)。

2016-06-02 作者简介：李冰(1978-),女，黑龙江人，副教授，博士；研究方向：科技与创新管理。

F273

A