基于多案例研究的数据中心化B2B平台价值创造模型

本研究的主要作者是来自意大利巴里理工大学（Department of Mechanics, Mathematics, and Management, Politecnico di Bari）的Ilaria Mancuso、Antonio Messeni Petruzzelli和Umberto Panniello。该研究作为一篇学术论文发表于《工业营销管理》（Industrial Marketing Management）期刊的第119卷（2024年），已于2024年4月6日在线发布。这篇研究探讨了在商业领域中日益重要的“数据中心化B2B平台”（data-centric B2B platforms）的价值创造机制。

一、 研究的学术背景

研究的主要科学领域集中于平台战略、B2B营销和数字化转型的交叉领域，特别是针对以数据为核心的商业平台。平台（Platforms）作为一种促进多方直接互动、交换产品、服务和信息的架构，通过降低交互摩擦、提升效率，已在学术界和工业界获得广泛关注。近年来，兴趣点逐渐转向“数据中心化B2B平台”，即多个B2B用户通过互动和管理数据来创造价值的平台。在这类平台中，数据的收集和操控被认为是配置工业用户间新关系、定义新商业模式的关键战略活动。越来越多的B2B企业采用此类平台来创新传统业务，以增强竞争力和盈利能力。

然而，尽管此类平台备受关注，现有研究未能充分阐明几个核心问题：第一，在数据中心化B2B平台中，由哪些主体（“边”）来管理数据？第二，这些主体在平台内执行何种活动来管理数据？第三，旨在管理数据的主体间关系是如何被治理的？因此，关于数据中心化B2B平台如何创造价值（即涉及哪些人、允许进行哪些活动、如何管理主体间关系）仍不明确。这构成了一个显著的研究缺口。具体而言，现有研究的不足体现在四个方面：其一，数据中心化B2B平台对公司战略的影响尚不清晰，传统线性企业向非线性的平台模式转型面临特定挑战；其二，平台内的主体身份复杂，既是数据源也是数据消费者，还可能包括技术伙伴等异构参与者，但现有文献缺乏对这些数据管理用户的明确分类；其三，平台内以管理数据为目的的关系涉及多种活动，但文献并未深入探讨这些数据管理的具体内容，不清楚是哪些具体的数据活动促成了价值创造；其四，平台内的关系需要治理机制来简化数据管理、互补性资产整合和协作创新，但现有研究主要关注作为平台属性的治理机制，而缺乏从“关系”视角出发、将治理机制视为调节特定主体间具体关系方式的探讨。

为了弥补这些不足，本研究旨在回答以下三个具体的研究问题（RQs）： （1）“在数据中心化B2B平台中，哪些主体管理数据？” （2）“这些主体在数据中心化B2B平台中执行何种活动来管理数据？” （3）“在数据中心化B2B平台中，旨在管理数据的关系是如何被治理的？”

二、 研究方法与设计：基于多案例研究的定性分析

为了解决上述研究问题，本研究采用了多案例研究（Multiple Case Study）这一定性方法论。这种方法被广泛用于探索新兴和复杂现象，如平台创新，尤其适合于阐明数据中心化B2B平台的价值创造这一尚不明确的主题。采用多案例而非单案例研究，目的是通过比较和复制不同案例中的发现，来构建更具普适性和内部有效性的理论。

（一）样本选择：三个典型案例 研究者根据“字面复制逻辑”（literal replication logic），选取了三个数据中心化B2B平台作为关键和极端案例进行分析，预期它们能产生相似的研究发现。这四个选择标准是：第一，这些平台连接不同B2B行业中的多个参与者，可以降低行业偏见；第二，它们通过物联网、大数据等技术建立关系并促进数据管理，能够揭示平台商业模式的“全部潜力”；第三，它们都展现出交易型多边平台（Transactional MSPs）和创新平台（Innovation Platform）的特征，有助于理解两种平台的价值创造机制；第四，它们反映了既有企业（incumbents）向数据中心化B2B平台的转型尝试，这种方式被认为比小型企业发起的平台更有效。 所选案例及其概况如下： 1. MindSphere： 由西门子（Siemens）集团开发的基于云的工业物联网（IoT）平台，旨在通过数据加速工业数字化转型，发布于2017年。 2. Skywise： 由空客（Airbus）集团开发的基于云的航空数据平台，旨在通过数据改善运营效率，发布于2017年。 3. Open-ES： 由埃尼（Eni）集团发布的面向可持续发展的数字平台，旨在通过数据支持可持续转型，发布于2021年。

（二）数据收集：多源数据三角验证 数据收集过程采用了多种来源，包括一手和二手数据，以丰富分析视角、减少偏见并增强研究的稳健性。 * 二手数据： 从两个主要来源收集：一是官方材料，如平台官网、开发者门户、指南、公司博客、新闻稿、YouTube/LinkedIn频道等；二是独立材料，如学术文章、新闻和专业杂志文章、第三方机构及平台用户发布的网络研讨会、评论和教程。这些数据用于提供平台及其所有者的背景信息，并阐明平台促进互动和价值创造的主要机制。 * 一手数据： 通过与平台用户的直接访谈来确认和扩展二手数据的见解。受访者包括MindSphere用户协会总监、西门子外部的MindSphere业务伙伴、Skywise的客户代表以及Open-ES的主要项目经理。访谈采用半结构化协议，围绕平台各方的角色、数据、平台架构、治理和价值创造机制等问题展开，同时对每个平台的特性进行探究。

（三）数据分析：编码与模型构建 数据分析遵循了Eisenhardt和Graebner推荐的两步法。 1. 案例内分析（Within-case Analysis）： 首先，对每个案例进行深入分析，形成叙事性描述和描述性图式，描绘与平台互动的各方主体及其活动。 2. 跨案例分析（Cross-case Analysis）： 其次，比较不同平台的特征，识别相似性、差异和模式。通过讨论会和比较表格，将发现的证据与现有平台文献进行对比。

数据分析过程涉及编码（Coding），通过手动将原始数据组织为一级类别（First-order Categories）、二级主题（Second-order Themes）和聚合维度（Aggregate Dimensions）。例如，从原始数据中识别出“OEM”、“工业终端用户”、“开发者”等一级类别；然后围绕“平台的角色”、“数据整合与互操作性”等二级主题进行组织；最后，根据平台文献，将这些主题归入三个聚合维度： * 平台的主体（Platform’s Sides）： 指积极参与数据管理的多方参与者和角色。 * 治理机制（Governance Mechanisms）： 指促进各方互动和协调以创造价值的控制工具、平台规则和边界资源（如共享技术、接口）。 * 价值创造机制（Value Creation Mechanisms）： 指平台各方之间关系和交换的产出。 治理机制和价值创造机制在数据管理的两个关键活动中表现出特定性：数据获取（Data Acquisition） 和数据操控（Data Manipulation）。数据获取源自各方在平台上的入驻、使用和互动，以及将各方的资产连接到平台；数据操控则涉及将数据处理和转化为有洞察力的知识，以支持决策、运营问题解决以及产品/商业模式的改进。

三、 研究发现与案例分析

通过对MindSphere、Skywise和Open-ES的深入分析，研究详细揭示了各方如何互动以管理数据并创造价值。主要发现总结如下表所示：

• MindSphere： 作为工业物联网平台，它将客户（OEMs和终端用户）、提供者（应用开发者）和赋能者（系统集成商）连接起来。客户通过连接资产、利用数据获得业务机会（如新的服务合同）。提供者利用平台工具和市场（如应用商店）创建和销售工业应用。赋能者（如微软Azure）提供基础设施和集成服务，支持数据获取。平台的治理机制（如标准化API、“跨租户”数据共享功能）促进了各方关系。价值创造体现在通过数据获取实现更好的资产可见性，以及通过数据操控（如工业应用）实现新的服务化商业模式和运营优化。
• Skywise： 作为航空数据平台，它连接客户（航空公司、供应商）、提供者（业务伙伴和开发者）和赋能者（金融机构等）。客户共享飞行和维护数据，以获取数字服务（如预测性维护应用），从而提升运营效率和决策质量。提供者利用航空数据和平台工具开发应用程序，并通过平台商店进行销售。赋能者提供额外数据或利用平台数据进行业务管理。平台通过硬件（如FOMax）、本体论（统一术语）和开发环境等治理机制支持数据活动。价值创造包括更好的供应链协作（数据获取）和基于应用的运营优化与决策改进（数据操控）。
• Open-ES： 作为可持续发展平台，它连接客户（各类公司）、提供者（可持续发展服务商）和赋能者（公共机构、评级机构等）。客户通过回答动态问卷来评估和分享其可持续发展绩效数据。提供者通过市场提供咨询服务或解决方案（如自动生成可持续发展报告）。赋能者利用平台获取或验证价值链的ESG数据。平台通过游戏化、标准化和社区等治理机制来激励数据共享和互动。价值创造体现在通过数据获取改善价值链透明度，以及通过数据操控（如基于数据分析推荐的改进计划）推动循环经济商业模式和可持续发展绩效提升。

四、 核心结论：数据中心化B2B平台价值创造模型

本研究的核心成果是提出了一个数据中心化B2B平台模型（见图5），该模型定义了此类平台如何通过允许各方建立关系来主动、协作地管理数据，从而实现价值创造。模型突出了两个截然不同但相互关联的价值创造层，每一层都体现了平台在交易和创新两方面的行为。

第一层价值创造（数据获取层）： * 平台目标： 数据的测量（将非结构化信息转化为有用数据）和聚合（将分散的数据源汇集到统一的数据池中）。 * 核心关系： 客户与赋能者之间的关系。客户提供数据或数据源，赋能者提供连接资源、基础设施或补充数据，共同完成数据获取活动。 * 治理机制： 主要包括（1）连接资源与能力（硬件、软件、服务），用于支持从资产直接获取数据（如MindSphere的MindConnect、Skywise的FOMax）；（2）标准化技术（规则集、统一问卷），用于支持从用户直接获取和整合数据（如MindSphere语义、Skywise本体、Open-ES的动态问卷）。 * 价值创造机制： 实现个体及价值链层面的数据可见性和透明度。具体包括：对先前未测量或未监控的关键信息的深入理解；基于新数据洞察优化内部运营；在价值链中建立统一的“单一事实来源”，改善跨组织沟通和供应链管理。这为后续的价值创造奠定了基础。

第二层价值创造（数据操控层）： * 平台目标： 围绕已获取的数据协调资源，促进持续的互动与协作。 * 核心关系： 客户与提供者之间的关系。提供者利用数据开发数据驱动的产品或服务（如数字应用、业务改进计划），并将其出售或提供给客户，完成数据操控活动。客户之间也可能通过平台工具进行协作创新。 * 治理机制： 主要包括（1）边界资源（SDKs, APIs, 数据共享协议等），支持数据产品（如应用）的开发；（2）网络构建工具（集成的商店、市场、社区），为数据产品和服务的交易及经验交流提供场所。本研究的一个重要发现是，平台可以利用其聚合的大量数据来增强其交易行为，实现数据驱动的匹配和数据网络效应，从而提升各方关系和交易的价值（如Open-ES根据数据分析推荐发展计划）。 * 价值创造机制： 基于数据衍生的知识识别业务机会，主要包括三个方面：（1）定义新商业模式：例如，通过数据丰富传统商业模式（Open-ES的可持续发展计划），或基于数据可用性创建全新服务（MindSphere的个性化服务合同）。（2）增强运营活动：即数字化服务化，通过使用数字应用来优化内部流程，如能源管理、预测性维护等。（3）实现更快、更好的决策：平台通过提供行业基准、统计数据或数据驱动的洞察，帮助各方（如Skywise的航空公司、Open-ES的服务提供商）做出更明智的战略或运营决策。

五、 研究的理论与应用价值

（一）理论贡献： 1. 主体角色分类： 研究首次对数据中心化B2B平台中管理数据的主体进行了清晰分类，明确界定了“客户边”、“提供者边”和“赋能者边”及其互动方式。特别是对“赋能者边”的界定是一大贡献，他们提供可转移的资源和数据，降低了“提供者边”进行关系专用性投资的必要性和对平台所有者的技术依赖，从而增加了关系灵活性。 2. 数据管理活动深化： 研究深入阐述了“数据获取”和“数据操控”这两类关键数据管理活动，并详细说明了它们如何触发价值创造，弥补了现有文献的不足。 3. 治理机制的关系视角： 研究从“关系”而非“平台属性”的角度，考察了数据管理关系的治理，区分了支持数据获取（客户-赋能者关系）和数据操控（客户-提供者关系）的不同治理机制，拓展了平台治理理论。

（二）管理启示： 1. 参与现有平台的指导： 研究明确了三类参与角色（客户、提供者、赋能者）及其核心活动和可获取的价值，帮助企业根据自身资源和目标选择合适的角色，制定有效的平台参与策略。 2. 构建新平台的指引： 研究提供了平台设计所需的核心元素清单（连接资源、标准化工具、边界资源、网络构建工具），并阐述了平台所有者在与各方互动中可以采取的三种策略：竞争（如西门子自身提供产品/服务）、合作（如埃尼作为协调者，不直接提供互补品）、竞合（如空客既合作提供数据，又竞争提供应用）。

六、 研究亮点与未来方向

（一）研究亮点： * 系统性框架： 提出的“数据中心化B2B平台模型”首次系统性地整合了平台主体、数据管理活动、治理机制和价值创造机制，为该领域提供了一个清晰的分析框架。 * 微观活动洞察： 通过对两个关键数据活动（获取与操控）的细致拆解，揭示了价值创造的具体路径和微观机制。 * 跨案例验证： 基于三个不同行业的深度案例研究，增强了研究发现的稳健性和可推广性。 * 赋能者角色创新： 识别并论证了“赋能者边”在降低交易成本和依赖关系方面的独特作用，是对传统平台双边模型的重要补充。

（二）未来研究方向： 1. 本研究仅聚焦于工业制造等生产环境中的三个案例，未来研究可扩展到其他行业，并通过定量方法增强结论的普适性。 2. 研究主要分析了大型既有企业（Incumbents）的平台，未来可关注中小企业（SMEs）或初创企业在数据中心化B2B平台中的策略。 3. 采用纵向研究（Longitudinal Study）探讨平台配置的演化过程将具有重要价值。 4. 本研究专注于价值创造，未来可进一步探讨价值捕获（Value Capture）机制，这是平台可持续运营的关键。 5. 本研究的发现主要针对各方积极参与数据创造和操控的平台，未来可检验其结论在其他类型数据平台（如纯粹的数据交易市场）的适用性。