当前，数据已成为实现经济高质量增长的关键要素，最大化释放数据要素的价值是数字经济时代的重点。2021年3月发布的《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》中明确提出要“激活数据要素潜能，推进网络强国建设，加快建设数字经济、数字社会、数字政府，以数字化转型整体驱动生产方式、生活方式和治理方式变革”。2022年1月发布的《“十四五”数字经济发展规划》中指出“协同推进技术、模式、业态和制度创新，切实用好数据要素，将为经济社会数字化发展带来强劲动力”，并明确提出“支持有条件的大型企业打造一体化数字平台，全面整合企业内部信息系统，强化全流程数据贯通，加快全价值链业务协同，形成数据驱动的智能决策能力”“实施中小企业数字化赋能专项行动”等，为数据要素价值释放、构建数据驱动型企业提供了重要的政策引领。围绕数据进行深度的价值挖掘，用数据全方位地驱动企业的发展成为数字经济时代企业实现可持续健康发展的关键课题。 人机协同思想诞生于工业时代，强调人与机器在劳动层面的协作关系。本文基于数字化时代人与智能系统共存共生的背景，多维度、立体地对数据驱动的内涵和价值进行阐释，通过构建数据驱动的概念框架，科学设计数据驱动的能力建设体系和配套保障体系，以助力企业更好地释放数据要素潜能，高效实现数据驱动。 二、文献综述 在数据驱动方面，对数据驱动(data driven)的早期研究源于计算机架构设计。Treleaven(1985)基于数据驱动标记的机器架构设计，使其拥有更好的性能和新颖的并行控制机制。近几年，随着新一代信息技术的快速发展，数据驱动的相关研究从自然科学领域延伸至社会科学领域。维基百科对数据驱动的定义是：数据驱动指的是流程中的行为是被数据驱动而不是被人的直觉和经验驱动的。全国科学技术名词审定委员会(2011)提出：“数据驱动是一种问题求解方法。从初始的数据或观测值出发，运用启发式规则，寻找和建立内部特征之间的关系，从而发现一些定理或定律。”Carl Anderson(2015)提出，数据驱动指的是创建数据分析工具、培养数据分析能力，以及最重要的，创建依据数据进行决策和行动的文化。Jennifer Zaino(2019)认为“数据为数字化转型提供动力，而不仅仅是为报告提供信息并支持商业智能”，并提出数据驱动“是一种结合了成功的数据存储、建模、可用性和技术的决策方法”。Matthew Baird(2019)指出，数据驱动利用现有的运营和客户数据以及外部数据源进行战术和战略决策。Anna Visvizi等(2021)认为，数据驱动意味着数据将被视为复杂商业环境下更有效决策的动力。李少帅、孙丽文(2021)提出：数据驱动将采集到的海量数据进行组织以形成信息流，并经过训练和拟合形成自动化的决策模型，从而在数据支撑或指导下进行科学而精准的行动。在人机协同方面，Rosenfeld A.和Richardson A.(2019)提出以人为中心的视角，强调人在多大程度上能够将智能系统的逻辑解释给人的可解释性，是更能直接影响人机智能协同的因素。孙效华、张义文等(2020)总结了人机交互演进的三个阶段，提出了技术视角下人机智能协同的关键问题，包括人机能动性分配、动态学习和修正、情境自适应及主动响应模式等，并指出了人机智能协同全方位、多类型及体系化的发展趋势。 从现有文献看，国内外学者和企业对数据虽尚未提出内容清晰、路径明确的数据驱动概念，但在论及数据驱动时，都离不开以下关键词：数据、模型、价值、决策和行动。数据是数据驱动的基础，模型是利用数据的方法和手段，是数据从简单反映客观情况跨越到数据分析、数据洞察的基础。数据驱动的是决策和行动，但具体而言，数据在这一过程中起的是“支持”作用、“支撑”作用，还是“引擎”作用则大有不同；国内文献更多将数据驱动视为“支撑和指导决策和行动”，国外文献对数据驱动的理解则强调了动力和实时。数据驱动在企业决策和行动中的定位，无疑是理解数据驱动、发挥数据驱动最大效力的关键。在人机协同方面，国内外学者普遍认为人机协同将向人机共生的更高融合形式发展，并从不同视角对人机协同所涉及的定位问题、技术问题以及机制问题等进行了研究探讨。整体上看，目前对促进人机协同的看法都是需要综合全方位的因素，通过智能算法来实现人机的配合，实现人的决策与智能算法高度融合。 三、数据驱动的内涵辨析 数据和模型是数据驱动的基本前提，数据价值的利用和发挥是数据驱动的目标。辨析和明确数据驱动内核要解决的主要问题，就是数据驱动在企业决策和行动中到底扮演什么角色，数据驱动的作用方式、作用过程和应用场景。因此，我们将从对这几个问题的分析和解决入手，对数据驱动的内涵进行辨析，为数据驱动概念框架的提出做铺垫。 (一)数据驱动是以数据支撑的，能根据用户需求自助地决策和行动 在原理上，通过对数据的整理、抽取，将数据转化为可读的知识，形成分析结果，决策者根据分析结果考虑并决定决策结果，最终决策由人做出。这就是“以数据为中心进行决策”。这种概念下：人为决策的本质未变，决策者作为个人的局限性无法避免；难以应对复杂多变的数字化时代高频次动态决策的需求。同时，仍旧打不破企业业务流程环节多、决策链条长、信息不对称等传统决策模式下存在的问题；也没有完全体现当下自动化智能化的发展趋势。在这种定位下，数据驱动所带来的效率和价值都会大打折扣。 以一个简单的例子作为说明：假设有A和B两家订票网站，A公司将从网站采集到的数据进行分析，通过数据分析结果认为五一是出行高峰，于是决定抬高价格，并手动从后台调整了五一前后的机票价格和酒店价格，这就是以“数据为中心进行决策”。B公司通过自动化手段实时采集、分析相关信息，总结规律，形成智能模型，当用户进行搜索时，后台自动根据模型规则，对价格进行调整，这是数据驱动。在A公司中，数据和系统处于被动地位，人机属于简单互动，数据更多的是呈现客观事实或根据分析需要简单加工，在B公司的人机交互过程中，数据实际上形成了一个“自助池”，能根据用户需求和习惯主动自动地进行决策和行动，故此它不仅仅是“以数据为中心进行决策”。
