1988年，Vandermerwe and Rada首次提出“服务化(Servitization)”的概念，将服务化定义为“一种更充分的市场组合包，或者将产品、服务、支持、自助服务和知识等组合在一起来增加核心产品价值的客户综合服务方案”。多数学者认为服务化是以产品为中心向以服务为中心或者在其产品中增加服务成分的一种趋势或动态转变过程，表现为服务要素在制造业投入中的地位越来越重要(White et al., 1999；Desmet et al., 2003；刘继国，2006)。关于服务化的动因，Baines et al.(2008)指出服务化是通过从卖产品向卖产品服务系统(PSS)的转变来更好地创造价值。周艳春(2010)等指出服务化是为了更好地满足顾客需求以获得竞争优势。Sheikhzadeh and Elahi(2013)指出获得价格优势、节约成本、保持竞争优势以及阻止潜在进入者等特点使服务化成为制造业发展的基础。

鉴于服务化所能带来的竞争优势，20世纪90年代以来，无论是全球大型的跨国企业，还是一些中小型制造企业开始纷纷尝试服务化战略的转型。然而很多企业为实现服务化进行大量投资，增加服务化产品，却导致成本升高，而非更高的回报；或是服务收入的增长未能达到预期目标，Gebauer et al.(2004)将这一现象称为“制造业的服务悖论”。Neely(2007)在分析制造业服务化的全球化趋势时发现，1994-2004年间实施服务化的部分企业因破产而在统计数据中消失了，这进一步证明了“服务悖论”的存在。高传胜、李善同(2007)则提出了经济服务化过程中的“中国悖论”问题，指出中国服务业发展状况滞后，与经济服务化总体趋势是相背离的，这极大地制约了经济转型和产业升级。

尽管存在“服务悖论”，服务化仍是当前中国制造业转型升级的必然选择(徐久香、拓晓瑞，2016)。国家相继出台了一系列政策支持服务型制造的发展。《中国制造2025》中提出，要加快制造与服务的协同发展，推动商业模式创新和业态创新，促进生产型制造向服务型制造转变。近年来大数据的飞速发展为制造企业服务化创造了新的条件，也为“服务悖论”的克服提供了新的路径。2015年《国务院关于积极推进“互联网+”行动的指导意见》中明确鼓励制造企业利用物联网、云计算、大数据等技术，实现从制造向“制造+服务”的转型升级。目前大数据刚刚兴起，一些研究者肯定了大数据对制造企业服务化的价值和积极作用，但大数据如何驱动服务化创新、克服“服务悖论”的作用机制尚不十分明确。

本文首先分析了造成制造企业“服务悖论”的主要成因，然后从大数据价值创造的过程与特征出发，沿着服务化产品(Product-Services)设计、服务化产品生产和服务化产品交付三个维度分析了大数据缓解克服服务化困境的路径与机制。最后提出了一个简单的大数据驱动制造业服务化转型的战略框架模型。

制造企业为什么会纷纷选择服务化战略？国内外学者曾从不同视角展开研究，目前比较公认服务化战略可以给企业带来财务、战略和市场三方面的竞争优势。

首先，服务化可以使企业获得更高的利润率和更稳定的收入。Sawhney et al.(2004)曾通过对GE、IBM、西门子和惠普公司服务化战略成功案例的研究，证实了虽然服务化过程中企业的销售额会有所下降，但是在服务方面取得了更稳定的收入。这主要是因为企业提供的产品与服务组合对以价格为基础的竞争不敏感，所以往往比单独提供实物产品有更高的盈利水平。特别是对于诸如航空航天、电力、电子信息和机车产品等高安装成本的产品制造商而言，这些行业常常有通过服务化提高收入的更高的潜力，其服务收入可能是其销售产品的一到两倍。此外，服务化产品的销售往往具有逆周期性，因而比影响投资和购买商品的经济周期更稳定，这将有助于平衡市场和经济周期为企业带来的不利影响，从而稳定企业收入流。

服务化还能够帮助制造企业获得战略竞争优势。引入服务因素能够使制造产品实现差异化，从而给企业创造了重要的竞争机会。而且通过服务取得的竞争优势具有持久性、无形性、劳动力的依赖性(Gebauer and Friedli, 2005)，这使得服务获得的竞争优势更加难以被竞争对手所模仿。全球化市场竞争不断增强的情况下，制造企业要维持建立在产品创新、技术领先以及低价策略上的差异化战略变得越来越困难，而通过提供增值服务可以提升客户感知价值的同时，实现同质产品的个性化，从而能够极大提高竞争者的进入障碍。

此外，由于服务是影响产品采购决策和其重要性评估的关键因素，因此企业可以通过良好的服务增加产品的市场销量。该特征在客户对服务要求越来越高的B2B市场和工业市场表现尤为突出(Vandermerwe and Rada, 1988；Oliva and Kallenberg, 2003；Slack，2005)。顾客需求是推动制造企业服务化的核心动因，因为服务能够建立客户忠诚度，提高客户对供应商的依赖度，服务还可带来重复销售，并通过与客户的多次接触加强彼此之间的联系，从而能够引导客户购买企业的其他商品或服务。此外，企业通过向客户提供服务还能够深入了解客户需求，从而使企业开发出更多符合客户个性化需求的定制产品。

既然服务化能够给企业带来诸多竞争优势，究竟为何会出现“服务悖论”？多名学者在研究制造企业成功实施服务化战略的影响因素时发现，服务化的障碍主要来自于组织方面，包括：服务设计和组织流程重组、组织结构和冲突、战略联盟和供应链关系以及组织服务文化的转变等(Gebauer et al., 2004；Baines，2008；Bustinza et al., 2015；Coreynen et al., 2016；王绒等，2016)。由于很多制造企业服务化过程中的组织创新跟不上服务化战略的要求，虽然增加了服务化产品的投入，却并未带来应有的回报，这是导致“服务悖论”的重要成因，也是企业从传统制造向服务型制造转型中面临的主要困难(见图 1)。

图 1

图 1 服务悖论的主要成因

服务型制造不再进行大批量生产，转而针对顾客的个性化需求进行个性化设计定制(Baines et al., 2009)。企业进行服务化转型过程中，其服务范围会从简单维护到知识密集型服务，再到全生命周期综合解决方案(Valtakoski，2017)，这就意味着服务设计重要性逐渐增加。服务设计不同于产品设计，因为服务通常是模糊的且难以被界定的(Slack，2005)。服务设计的这一特性可能会阻碍企业扩大其服务的维度。制造企业在服务化过程中需要考虑原有竞争者以外的难以预知的新竞争者带来的挑战，这些竞争者甚至可能包括他们自己的供应商、分销商以及消费者等(Mathieu，2001；Oliva and Kallenberg, 2003)。服务化过程中制造企业要承担以前由消费者所承担的活动，而这必须是基于对消费者行为和需求的真正了解的基础上来进行的。现实中制造企业由于缺少消费者知识和经验积累，服务设计方案常常不能满足消费者的真正需求，最终造成服务化转型的失败。由于服务化是企业将服务与产品结合提供综合解决方案的过程，服务设计中如何通过多种渠道获得能有效反映顾客需求和较强时效性的数据信息是服务化战略成功实施的关键。此外，服务设计中还必须注重与客户间沟通策略的选择，以便能够向客户清晰地传递企业的价值主张。

组织结构与业务流程没有随着服务化战略的实施而进行相应的调整和重组是造成“服务悖论”的另一个原因。钱德勒早在20世纪60年代研究美国大企业组织结构和经营战略演变的过程时就发现，企业组织结构不仅具有多样性特征，还具有动态适应性特征，因而提出了著名的“钱德勒命题”：即企业的经营战略决定着企业组织结构模式的设计与选择，反过来，企业经营战略的实施过程及效果又受到所采取的组织结构模式的制约。服务化企业通过产品服务的综合集成提供解决方案，以客户为中心，交付定制化成果，这些都必须围绕企业特殊的能力优势和客户需求来组织实施，因而其组织结构常常要打破传统职能部门的边界，其业务流程也不再是简单的设计、生产、交付，而是变为更加复杂的交互过程，顾客将全程参与其中。Gebauer et al.(2004)最早主张采用服务导向战略的制造企业应当进行必要的组织结构调整和流程重组。最根本的原因是服务管理与传统生产制造活动的组织原理往往是相悖的，因而必须根据服务活动的组织原理和原则进行组织结构调整和流程的重组。Davies et al.(2006)曾建议服务化过程中根据“前端面向客户单元，后端作为功能提供者和强大的战略中心”的原则，来对组织业务单元进行重组。此外，Windahl and Lakemond(2004)通过实证研究说明，要维持提供产品与服务集成解决方案所需要的客户忠诚度，还必须考虑有利于维护和拓展客户伙伴关系的组织能力的建立。现实中成功实现服务化转型的企业都进行了组织结构和流程重组，例如海尔集团(2006年)将自身组织结构由正三角逐渐变革为倒三角正是基于服务化战略的需要。红领集团(2012年)则在建立个性化定制品牌的全套解决方案的过程中，将传统的科层组织体系转变为“源点组织体系”，建立了“细胞组织工作模型”。在服务化转型的过程中，组织创新往往是企业感到最为困难，也是容易忽略的方面。

传统制造商转变为服务化组织还面临着文化方面的挑战。服务文化具有特殊性，它不同于传统的制造文化(Mathieu，2001)。为实现服务化并保证传统优势产品的发展，企业观念的转变是必须的，而企业观念上的显著改变往往需要长期的引导和实践(Foote et al., 2001)。企业放弃原来以产品为中心的观念体系转变为以客户为中心的观念体系是个缓慢的过程，这使得企业观念体系的转变总是滞后于服务化战略，而成为造成“服务悖论”的主要原因之一。企业可能会遭到组织内部不了解服务化战略或者害怕基础结构改变的人员的反对，这就涉及人力资源政策的调整。因此，创建一个以服务为导向的环境并选用和激励合适的人才来推动实现服务化就是关键(Baines et al., 2008)。管理者必须重新认识服务化过程中最重要的资产是什么，这是从制造文化到服务文化的一个重大转变(Mathieu，2001)。这种文化上的转变将伴随着整个企业度量评价体系、控制系统以及专业服务组织激励体制的改变。此外，从传统制造向服务型制造转变的过程中，会增加管理的复杂性(Ayala et al., 2016)。由于服务是有形产品的延伸，可能会因为缺乏跨职能的支持，而导致服务运营的失败，这使客户导向的项目化管理成为管理变革的一个重要方向。此外，Gebauer and Friedli(2005)指出授权可以促使转变心态建立服务文化，建立单独服务机构也是营造服务文化，避免主导的制造文化与服务文化之间冲突的重要途径，这些都与企业管理模式的转型有关。

制造企业服务化的过程中，其价值创造已延伸至整个产业链，其实质是服务价值链和产品价值链的融合，因而不再适用简单的供应链管理。为实现企业的个性化定制过程，在服务化过程中必须逐步形成能够进行资源整合与协同管理的供应网络，这一转变过程有时会非常困难。相对于有形产品，服务具有无形性、异质性、不可存储性以及生产与消费同步性的特征(Gadrey，2000)，这使得服务价值链较短(赵振，2016)，其要素整合机制和要素提供者都不同于产品价值链。产品价值链以制造技术、资本、原材料或中间产品为关键要素，而服务价值链则以顾客互动、人员技能、过程监督和质量评价为关键要素。将两种价值链的关键要素进行匹配，同时将两个价值链上的优势资源整合在一起并不容易。此外，由于服务业务的轻资产倾向，服务化企业的资产专用性程度会不断下降，服务要素提供商与制造企业间机会主义倾向和道德风险较高，难以形成稳定的联盟关系，对其相互间进行协同管理的难度也更高。当产品类别超出企业所在网络关系的资源和能力范围时，其生产与交付会难以实现(Coase，1992)。因而一些企业尽管能设计出好的产品服务方案，却因为超出了其资源整合与协同管理的能力而无法实现。

2011年5月麦肯锡公司发布的《大数据：创新、竞争和生产力的下一个前沿领域》报告，标志着“大数据”时代的到来。目前学术界对大数据的定义尚未统一。一些学者认为“大数据”是来自各种渠道的数据，包括传感器、卫星、社交媒体、照片、视频、手机和GPS信号(Wamba，2015)。大数据的特征从3Vs(Laney，2001)发展到5Vs(White，2012)，即大数据具有规模性、多样性、高速性、价值性、真实性五个特征(Volume, Variety, Velocity, Value, Veracity)。IDC(International Data Corporation，2013)指出大数据的应用过程包括：数据本身、数据分析、数据结果的呈现，同时指出产品与服务可以通过一个或者全部大数据元素进行包装。麦肯锡的报告指出，大数据分析利用能力成为未来企业竞争力的核心要素。2013年，美国GE公司在全球推广工业互联网，提出利用传感器和大数据重塑工业系统，通过物理世界与信息世界融合，实现生产力的突破性发展。随着全球化竞争的加剧，德国提出了“工业4.0”，中国提出“中国制造2025”以促进其制造业的发展和转型升级，大数据是二者的关键技术。新时期制造业全面变革的核心就是利用互联网和大数据激活传统制造业。

大数据将驱动和加快新时期制造企业的服务化进程。Opresnik and Taisch(2015)指出，大数据战略是制造业企业服务化进程中获得竞争优势的新基础。Niño et al.(2015)则指出，服务化战略的采用是企业进行数据分析的重要驱动力。换句话说，企业的服务化将需要进行数据分析以便促进其实现。服务型制造是以顾客需求为驱动，企业只有深入挖掘顾客偏好和潜在需求才能正确定位，进而在生产和服务环节合理布局。大数据的分析将产生大量顾客行为的数据，这恰恰对制造企业服务化的推进提供了条件(李晓华，2016)。另一方面，大数据给制造企业提供的是一种全方位全程式的服务，从设计到制造、从使用到维护、再到维修等产品全生命周期阶段所产生的正向数据以及逆向数据，都能全方位地得到使用(张洁，2015)。工业大数据的急剧增大使得制造分析的服务业比过去更为重要(程晓蕾，2015)。

大数据的兴起不仅为新时期制造企业服务化转型提供了新的驱动力量，大数据价值创造的新特征也为缓解和克服“服务悖论”提供了具体的路径与机制。沿着服务化产品(Product-Services)设计、服务化产品生产和服务化产品交付三个维度的分析会发现，大数据可以有效地缓解和克服来自于服务设计、组织结构与业务流程重组、服务文化与管理模式转型、以及服务制造价值链的资源整合与协同管理的服务化困境(见图 2)。

图 2

图 2 大数据对“服务悖论”的缓解与克服机制

服务化的第一个障碍就是服务化产品设计的困难性，这种障碍本质上源于无法准确把握顾客需求。传统上制造企业顾客需求数据的获得往往是基于抽样调查的基础上，所以获得信息数据的范围和规模始终是有限的。大数据所具有的规模性(Volume)特征却克服了这一难题。另外，顾客需求具有一定的时效性，快速反应是企业取得竞争优势的关键，而通过传统调研进行顾客需求分析在很多情况下滞后于顾客需求的变化。大数据随着互联网以及智能产品使用的快速增加而产生，交易数量与频率高速增长，同时也是顾客需求数据的快速集聚。大数据的高速性(Velocity)特征，使得企业在构思、创新与设计新的服务化产品时，确保数据更新后所有合作者能够快速获得，保证对顾客需求做出及时响应。除此之外，基于关联规则的大数据分析，也将有助于企业对顾客需求的深度挖掘与开发，从而进一步促进企业服务化产品设计的不断创新。

Hammer(1990)首次提出企业业务流程重组，他指出企业必须对业务流程进行重新设计，从而在成本、质量、服务以及速度等关键指标上显著提高整个组织的效率。企业服务化过程中，其设计、生产、交付等环节都会相应发生变革，但流程重组并非易事。而若以数据为基础，服务化产品的设计、生产、交付等流程整合便有了依据和线索。大数据推动组织结构与流程重组的核心是将企业的关键业务和关键流程进行“数据化”，并通过对企业“信息流”、“物流”、“资金流”等多流整合和优化，来强化企业内部各领域的协调性，使各流程相互关联形成完整的系统，以实现各流程环节执行力的全面提升。红领集团以顾客需求大数据为基础(刘艳杰、朱楠，2016)，每件西装配以一个存储着数据信息的电子卡，其设计、生产、交付等流程得到了合理整合，较好的完成了服务型制造的转型。现实中许多企业缺乏科学方法与工具进行组织与流程重组来保证服务化产品的开发与实现，服务工程^①正好弥补了这一缺陷。服务工程是服务系统的工程实现方法、实施步骤和运营管理体系，强调服务的系统性、技术性、共性以及标准化(Opresnik and Taish, 2015)。企业可利用服务工程的优势帮助企业将已有资源转换成数据，并整合到其服务化的组织过程中。

①服务工程(Service Enginearing)始于上世纪90年代中期德国和以色列的研究，是一种基于替代方法、目标、约束和过程的启发式方法，主张系统地应用工程科学知识以有效地开发服务系统和产品服务系统。

企业以顾客需求为导向进行服务化转型时，企业战略决策、营销服务模式、生产运营模式等都将进行系统性变革。大数据将是管理模式变革的催化剂，它让企业管理者的决策有合理的顾客需求为准确依据，进而推动生产、营销、财务等管理模式“活”起来，共同促进服务化产品的交付。与此同时，以数据为基础满足顾客需求的行为导向会促使企业员工形成一种有依据的“服务意识”，这对于企业服务文化的形成有着促进作用。此外，互联网使组织内大量的数据信息迅速传递至各层级各部门，不仅取代了中间组织层级的存在，高速数据信息流动极大地强化了组织中广泛的知识分享，进而促进组织员工对于一致的组织运营模式的共同理解。高速数据信息的流动共享使各类员工具有相似的问题分析结构和价值评价结构，从而使组织能够在转型中保持较高的执行能力和服务文化的认同性。

制造服务供应链中的资源管理对于服务化企业来说是一个难点。服务供应链不同于产品供应链，相比之下，服务供应链需要更加灵敏，这种灵敏性依赖于信息的实时反馈。另外，与合作伙伴建立更加紧密的合作是提供服务化产品所必不可少的，这对服务化战略的重要性不言而喻。制造业企业间相互合作高效地创新服务化产品并将其推向市场，往往需要一个服务制造生态系统(MSE)^①来实现。在服务制造生态系统中，不同企业拥有不同的核心能力以及优势资源，资源的形式可能会各不相同，如何实现资源的标准化是实现制造服务供应链资源集成与协同管理的关键。通过使用专门的信息通信技术(ICT)和程序，将合作者的核心资产进行虚拟化，转化为各种形式的数据，不仅能够使合作企业间实现资源共享，还将提高整个服务制造生态系统的运行效率。这源于资源共享中的互补效应会使企业资源、技术和能力所发挥的价值比其资产总和要大得多，这种整合能力直接影响到服务化产品的交付以及顾客满意度。制造企业在这一过程中往往还可以获得一些外部能力和技能，这将扩展其服务化创新的自由度，减小其路径依赖性。此外，服务化的数据产生于服务制造生态系统中的多个合作伙伴，由此产生的大数据的多样性也涉及到企业如何基于大数据实现协同开发与创新。可见，服务化是一个数据集聚并通过程序利用的过程，这些数据从消费者使用服务化产品的过程中收集而来，然后在服务制造生态系统中得以利用，这将是服务化企业新的利润增长点。

①服务制造生态系统(Manufacturing Service Ecosystem，简称MSE)，其概念是在商业生态系统的基础上增加了服务的典型特征。MSE是一种非层次的合作形式，即不同的组织和个人在共同或互补的目标上共同创造新的增值产品和相关服务。在MSE中，各成员能够共享知识、创新与协作、互动交流、设计综合解决方案并基于MSE中的资源进行交付实施。

大数据时代，需要对制造企业服务化战略进行创新，通过将大数据整合到服务化战略中可以促进服务化的实现并带来新的竞争优势。从大数据对“服务悖论”的缓解和克服机制的分析中可以看出，大数据基本贯穿了服务化的全过程，由此，可建立一个简单的大数据驱动制造企业服务化战略框架模型(见图 3)。

图 3

图 3 大数据驱动下制造业服务化战略框架模型

构建服务制造生态系统(MSE)是基于大数据进行服务化转型的第一步。服务化企业通过加入服务制造生态系统明确与其它企业的协作关系后，确定并加载各个企业主要资产的数据，并且获得访问合作者服务化过程中运营数据的权利。资产数据的加载与运营数据的共享，一是有利于企业间的了解，充分利用各个企业间的优势资源；二是有利于提升服务化企业对顾客需求的响应速度，及时向顾客提供满足其需求的服务化产品；三是有利于顾客参与到整个过程中，实现实时互动和信息反馈，以促进新服务化产品的构想与设计和已有服务化产品的改进。基于大数据运用平台进行服务制造生态系统的构建是服务化转型企业的一个方向，海尔等企业已经进行了实践，通过构建服务制造生态系统平台，广纳优秀的企业加入其中，运用全球资源进行服务化产品设计、相关产品的生产以及最终服务化产品交付。

在服务制造生态系统中服务化转型企业的边界逐渐变得模糊。服务化产品的设计与创新不再局限在一个企业内部，每个合作者都可能参与到新服务化产品的构思中，利用合作企业资产的虚拟化数据更能创造出满足顾客需求的服务化产品。基于服务工程方法，不仅可以增加创新的潜力，还可以最小化交易成本和反应时间，以充分利用各个企业的资源优势。当然，这个过程中不仅仅涉及“物料清单”等传统数据，还包含价格和供货能力等其他关键性的商业信息。这些综合数据也能使其他合作者在服务化过程中受益。由于这些数据资产可以被定价并动态的调整，理论上企业在服务制造生态系统网络中就可以进行数据资产的交易，从而同时形成一个数据资产市场。

每个服务化产品最终都要交与顾客手中，但这不是企业与顾客合作的终结，却是大数据给予企业的新机遇。顾客在服务化产品的使用过程中会生成新的数据，包括对服务化产品的反馈、改进建议以及新需求的产生。对这些数据进行收集、分析以及再利用是服务化转型企业不可忽视的。这也是除了处理服务化中协作企业资产虚拟化数据以外的第二个数据来源。大数据被提出以来得到众多学者与企业肯定的一点便是更加有利于企业对顾客需求的分析与把握。服务制造生态系统为服务化企业提供了收集数据的有利途径。对这些非结构化数据的收集与分析将有利于企业进行已有服务化产品的改进及新服务化产品的构想与设计，进一步推动整个服务制造生态系统的良性循环。

对顾客使用服务化产品过程中收集的数据进行开发，能够获取新的顾客需求，这是企业进行服务化产品改进与创新的根本源泉。对已有数据进行充分挖掘与分析，可进一步将其应用到已有服务化产品的创新或新服务化产品开发中。此时，制造商与消费者不再分离，并且能够做出快速反应，在顾客与企业间形成良性循环。在此过程中需注意两点：一是大数据本身的特点决定了其价值，但对非结构化的大数据进行分析开发的困难也给企业带来了挑战，只有准确把握了顾客需求才会实现良性发展。另一方面，数据分析开发得到的顾客诉求与需求要与服务制造生态系统中的企业进行共享，这样才能实现企业间的良性合作与共同发展，但合理把握这个度也较为困难。因为数据的价值性(Value)决定了企业可以选择将在此过程中产生的数据，转卖给其他营销机构、制造商和服务供应商等。制造企业产品服务化程度越深，他们拥有的客户就越多，可以收集到更多的数据与信息，从而可以进一步通过转售或再利用已收集数据来获得更多的利润。

虽然一些企业已开始利用大数据实现其服务化转型，但本文的模型仍然是一个概念性的模型。大数据有效利用的一个障碍来自企业组织本身，有时数据流不能在组织内部实现畅通远比无法在企业间实现畅通要严重的多，因而基于大数据的组织与流程再造会是未来研究的一个重点。此外，到目前为止，数据收集与分析大多发生在软件企业中，而非制造企业中。尽管一些软件巨头已经开始通过其产品完善其服务并收集更多的数据，很多制造企业也已经开始通过服务化完善其产品服务，但能够通过收集利用潜在的数据以创造显著竞争优势的企业还很少见。制造企业可以多从那些创新与收入迅速提高的行业中借鉴一些经验。