基于SECI框架的企業知識生成系統動力學模型

高錫榮　楊娜　萬倩

〔摘要〕基于SECI知識螺旋，構建了企業知識生成“風暴眼”模型，并將模型作了系統動力學表達、訓練和模擬。模擬結果表明，在良好的環境下，企業可以有效吸收外部知識并在內部進行知識轉化循環，從而產生巨型的知識生成風暴。但當環境惡化或者企業知識存量以及知識轉化能力下降時，知識生成風暴就會減弱甚至消亡。結果顯示，創造知識的企業只有努力提升自己的知識吸收能力和知識轉化能力，并防止已有知識的流失，才會走向并保持卓越。

〔關鍵詞〕企業；SECI；知識生成；知識風暴；系統動力學模型

DOI：10.3969/j.issn.1008-0821.2016.11.002

〔中圖分類號〕F2724〔文獻標識碼〕A〔文章編號〕1008-0821（2016）11-0008-08

〔Abstract〕A“storm eye”model for firms knowledge creation was constructed from SECI knowledge spiral，and then its system dynamic expressing，training and simulation was carried out.The simulation results showed that firms could effectively absorb external knowledge and conduct an internal knowledge conversion cycle in a good environment，which would result in a huge knowledge creation storm.However，the knowledge creation storm might weaken or even die out when the environment was deteriorated，or the stock of firms knowledge declined，and or firms knowledge transformation ability dropped.The results implied that a knowledge creation company could be to and maintain excellence only by improving its ability of knowledge absorption and conversion and preventing its knowledge from loss.

〔Key words〕enterprise；SECI；knowledge creation；knowledge storm；system dynamics model

眾所周知，當前我國正處于發展轉型的關鍵時期。發展轉型的真正主體是企業，而我們的企業在復雜紛擾的眾多風險與眾多誘惑面前，又該如何抉擇才能最終完成自己的發展轉型呢？正如Nonaka & Takeuchi（1995）所言，影響企業成功與否的因素眾多，過于眾多的因素往往會使得企業迷失于其中而不能自拔。在此情形下，這兩位學者的建議是，知識才是企業獲取競爭優勢的終極資源，知識創造才是決定企業可否達到卓越（國語“臻于至善”）的首要因素，因而，一個有追求的企業應當而且必須去創造知識，并最終成為一個“創造知識的公司”。

問題是，企業又該如何去創造知識呢？Nonaka & Takeuchi（1995）基于日本企業創新轉型的經驗，構建了企業創造知識的SECI框架，論證了企業通過隱性知識與顯性知識之間的相互轉換來創造新知識的原理與機制，為企業如何創造知識提供了一種概念模式。但是，SECI框架僅僅是一種定性的概念模式，兩位作者對SECI框架的論證主要是通過案例說明的方式，而未能將其轉化為可以自行運轉的動力學模型，這無疑是SECI框架的一個短板。

基于上述背景，本文擬借用風暴生成原理，將SECI知識螺旋系統重構成為一種類似于“風暴眼”的知識生成系統動力學模型，并通過對模型的訓練，運用該模型來對企業的知識生成機理進行動態模擬。本文的改進有助于將SECI框架從黑箱式的定性概念模式，“白化”為可以窺探內部結構并且能夠模擬運轉的數學模型，從而在更加精妙的層次上闡釋企業創造知識的機理。

1相關文獻回顧

對于知識的價值與功用，學術界的共識是，知識是企業最為重要的無形資源，根植并散布于企業組織體系的方方面面，難以模仿且具有社會復雜性，因而可以為企業帶來持續競爭優勢。主流的企業知識觀認為，與所擁有的知識相比，企業更重要的資源是有效運用其知識的能力，尤為重要的是運用現有知識創造新知識的能力。因而，如何提高企業的知識創造能力，就成為學術界廣為關注的重要話題。

早期關于知識創造的研究，更多地關注知識的源頭和知識的狀態，但后來更多地是關注知識創造的條件（Alavi & Leidner，2001）。楊燕、高山行（2011）認為驅動企業知識創造的條件可分為外部和內部兩個方面。章立軍（2006）和張媛媛、張宗益（2009）等人認為驅動創新的外部條件包括基礎設施水平、市場需求、勞動力素質、金融環境和創業水平等；胡明勇、周寄中（2001）認為政府資助對私人部門技術創新有一定的影響；張雁、王濤（2012）認為制度環境是創新提升活動的重要基礎，外部制度環境可以同時作用于外部知識吸收和內部知識創造；饒揚德、王學軍（2006）認為創新文化、激勵機制和社會資本等對提高創新能力有重要的影響。汪建成、毛蘊詩（2007）認為驅動創新的內部條件包括企業家精神、有創造性的員工、知識基礎和組織架構等；秦世亮（2004）、蔣軍鋒（2008）、牛盼強（2011）等人認為，知識基礎影響企業創新的過程和本質，進而對創新體系的構建產生影響；韓智慧、李南（2004）認為組織戰略、組織結構、知識技術、組織文化和組織機制影響組織獲取、創造并應用知識；郝迎潮（2007）證實工作團隊支持、挑戰性工作和工作資源與知識創造活動之間存在顯著的正相關關系；朱春燕等（2010）認為組織文化是組織知識管理的推動力，知識支持型和知識共享型的組織文化會對組織中的知識管理具有正面影響；陳建勛等（2010）認為，社會互動能夠促進知識的社會化和組合化過程，規范能夠促進知識的外部化過程，而共同愿景能促進知識的內部化過程；王毅、吳貴生（2005）認為影子系統和合法系統的相互作用決定著一個企業的創造性。

近年來，系統動力學在知識管理研究方面的應用日益增多。何曉蘭、王賢裕（2012）將組織的隱性知識管理任務劃分為3部分，據此設計系統動力學模型，對各因素之間的邏輯因果及反饋關系進行模擬分析，提出了提高組織隱性知識管理效率的若干措施；王玉梅、張靖（2009）利用系統動力學方法分析組織知識創新的內部、外部支持子系統，探討組織知識創新的影響因素及其運行機制，得到了可借鑒的結果；楊剛、薛惠鋒（2009）運用系統動力學方法分析了高校團隊內知識轉移的因果關系，表明能夠較好地擬合實際的團隊內知識轉移過程，并能為相似的知識轉移過程提供有效的決策支持；王秀紅、劉源（2006）建立了主體隱性知識轉化的系統動力學模型，從定量的角度描述了各因素對企業知識存量的影響；王欣、孫冰（2012）構建了企業內部知識轉移的系統動力學模型，對企業內部知識轉移進行因果關系分析，為企業制定有效的知識轉移策略提供理論依據。

事實上，正如人們所公認的那樣，現代社會是一個知識爆炸的社會，新知識正在以越來越快的速度而不斷地誕生著。但現有文獻少有從知識爆炸的角度來系統地考察和勾繪現代社會創造知識的動態軌跡，而這正是本文所希望探討的課題。

2基于SECI框架的企業知識生成“風暴眼”模型

21SECI知識體系框架

Nonaka & Takeuchi（1995）在其名著《創造知識的公司》一書中認為，新知識是通過隱性知識與顯性知識之間的相互轉換而創造出來的，并用SECI知識螺旋模型來形象地描述企業新知識被源源不斷地創造出來的動態過程。SECI模型的名稱取自上述兩類知識之間的4種轉化過程，其中，S系指隱性知識由個人向組織擴散的社會化過程（Socialization）；E系指將隱性知識轉化為顯性知識的外部化過程（Externalization）；C系指對一系列顯性知識進行整合的組合化過程（Combination）；I系指將顯性知識再度轉化為隱性知識的內部化過程（Internalization）。上述4類過程之間前后銜接并彼此關聯，構成企業創造新知識的螺旋式循環（參見圖1）。

22企業知識生成的“風暴眼”模型

對于SECI知識螺旋系統，我們可以借用風暴生成的概念，來系統地描述其內在運行機理?？疾祜L暴的發育過程，起決定性作用的因素有三：一是巨大的水汽供給源——海水；二是巨大的能量來源——太陽輻射；三是平滑而遼闊的空間舞臺——洋面。類似地，知識的生成過程亦需要三大要素：一是企業要有足夠大的知識存量；二是企業要有足夠大的知識轉化動力；三是企業要有足夠寬松、便于知識轉化的環境空間。據此，本文構建如圖2所示的企業知識生成的“風暴眼”模型。圖2組織新知識生成的“風暴眼”模型

圖2中，外圈的4類知識代表了企業的知識存量，4類知識之間的社會化、外部化、組合化和內部化等4種過程代表了企業的知識轉化動力，4類知識、4種過程與新知識之間的平滑連接代表了知識轉化的環境空間。該模型的運轉原理是，4類知識之間通過4種過程的相互轉化，產生新知識；生成的新知識又回到4類知識之中，參與下一輪的知識轉化過程；如此循環往復，生成的新知識越來越多，知識存量越來越多，知識轉化動力越來越強，最終就形成了超級規模的新知識風暴。此外，圖2中的外部知識庫亦是企業知識存量的重要來源，并且，隨著新知識風暴的不斷加強，外部知識庫中的知識將不斷加速流向企業。當然，在圖2中，如果企業的知識存量出現劇烈下降，或者企業的知識轉化動力大幅度減弱，或者企業與外部知識庫的聯系被中斷，則企業的新知識生成過程就會發生逆轉并最終趨于停滯。上述分叉過程可以形象地表達為圖3。圖3知識生成過程的演化路徑分叉圖

3企業知識生成模型的系統動力學表達

為了對圖2所示的企業知識生成模型進行模擬，需將圖2轉化成為系統動力學模型。圖4即為企業知識生成模型的系統動力學表達。

圖4中，4類知識之間的社會化、外部化、組合化和內部化等4種轉化過程，分別受到社會化乘子、外部化乘子、組合化乘子和內部化乘子的正向促進作用，以及社會化摩擦系數、外部化摩擦系數、組合化摩擦系數和內部化摩擦系數的負向抑制作用。為了反映組織與環境之間的知識流動，圖4還設置了外部知識獲取率、個人內隱知識流失率、組織內隱知識流失率、組織外顯知識流失率、組織集成圖4企業知識生成模型的系統動力學表達

知識流失率等變量。各變量之間的量化關系參見附錄A。

4企業知識生成模型的系統動力學模擬

41模型訓練

為校驗圖4企業知識生成系統動力學模型的模擬效果，可以選用代表性企業的真實數據對模型進行訓練。鑒于商業秘密和數據可獲得性的考慮，可采用國家數據作為替代來進行模擬訓練。本文擬采用我國2002-2011年間的實際數據來訓練模型，其中，外部知識存量采用全球專利申請量來代理（數據來源：《2002-2011年中國統計年鑒》），個人內隱知識采用我國全體企業的員工受教育程度及其年齡結構來代理（數據來源：《2002-2011年中國勞動統計年鑒》），組織內隱知識采用我國全體企業組織的數量及其規模來代理（數據來源：《2002-2011年中國統計年鑒》），組織外顯知識采用我國全體企業的職業培訓人數來代理（數據來源：《2002-2011年中國勞動統計年鑒》），組織集成知識采用我國全體企業的新產品項目數、R&D項目及人員數來代理（數據來源：《2002-2011年中國科技統計年鑒》），組織新知識采用我國全體企業的專利授權量來代理（數據來源：《2002-2011年中國統計年鑒》）。代理關系式參見附錄B。

對于模型中的外生變量，擬賦初值如下：（1）社會化乘子、外部化乘子、組合化乘子和內部化乘子，其定義域為[0，1]區間，不妨將其初始值皆設置為中數05；（2）個人內隱知識流失率、組織內隱知識流失率、組織外顯知識流失率和組織集成知識流失率，其定義域為[0，1]區間，不妨將其初始值皆設置為無流失發生時的0值；（3）新知識分配率1、新知識分配率2、新知識分配率3與新知識分配率4，其定義域為[0，1]區間，但四者之和恒等于1，不妨將其初始值皆設置為相同值025；（4）外部知識獲取率，其定義域為[0，1]區間，但鑒于外部知識的龐大性，不妨將其初始值設置為充分小的0001。

根據上述數據，對外部知識存量、個人內隱知識、組織內隱知識、組織外顯知識、組織集成知識和組織新知識等6個狀態變量，進行系統動力學模擬訓練，最終使得6個狀態變量的模擬值充分接近于真實值，訓練即告結束。圖5是該6個狀態變量的最終模擬結果。

從圖5可見，外部知識存量、個人內隱知識、組織內隱知識、組織外顯知識、組織集成知識和組織新知識的模擬值（圖5中的虛線）與真實值（圖5中的實線）已經充分接近，說明模型的擬合度已經足夠高，從而可以用于下一步的模擬分析了。

42企業知識生成風暴的形成過程模擬

當企業具備足夠大的知識存量、足夠強的知識轉化動力以及足夠寬松的知識轉化環境空間時，企業的個人內隱知識、組織內隱知識、組織外顯知識和組織集成知識這4類知識，就會通過社會化、外部化、組合化和內部化這4種過程的相互轉化而產生組織新知識，由此生成的組織新知識又回到4類知識之中參與下一輪的知識轉化過程，如此循環往復，組織新知識將呈現爆炸式增長。

運用經過圖5訓練過的企業知識生成系統動力學模型，在2002-2022年之間的時間跨度內，對組織新知識的增長圖5對6個狀態變量真實值的系統動力學模擬訓練效果

過程進行模擬，得到企業知識風暴生成軌跡，如圖6a所示。圖6a所示的結果，正是企業在“未遇發育障礙”時的知識生成過程演化路徑（參見圖3右上部分）。

對圖6a所示的組織新知識增長曲線進行數學擬合，可以得到該曲線的數學表達式為：

y=44821e04855t（1）

式（1）表明，組織新知識（y）以指數函數的形式而爆炸式增長，單位時間（t）增長率接近50%。如果企業在2002的新知識為1個單位，則按此增長率，企業在2022年的新知識將達到3 300單位，即在20年里膨脹了3 300倍——這無疑類似于爆炸。

43企業知識生成風暴的消亡過程模擬

圖3右下部分提示我們，當企業“遇到發育障礙”時，其新知識生成過程就會發生逆轉并最終趨于停滯。這些發育障礙主要包括：企業的知識存量出現劇烈下降；企業的知識轉化動力大幅度減弱；企業與外部知識庫的聯系被阻隔。下面分別來模擬這3種情形下企業知識生成風暴的消亡過程。

431企業知識存量下降導致的知識生成風暴消亡

企業的知識存量，系指企業所擁有的個人內隱知識、組織內隱知識、組織外顯知識和組織集成知識的總和。企業的知識存量增多，會促進新知識的4個轉化過程，從而產生更多的新知識；但反過來，如果企業的知識存量下降，則會抑制新知識的4個轉化過程，從而導致新知識的生成受阻。

企業知識存量的下降現象，可以用4類知識的流失率增加來表達。為了模擬企業知識存量下降對知識生成的阻礙效應，我們可以以圖6a為基礎，分別在2012年、2015年、2018年和2021年這4個時點，每3年1次將4類知識的流失率等額提高01個單位，最終使得4類知識的流失率由其初始值0上升至終值04，階躍算式為：

個人內隱知識流失率=0+STEP（01，2012）+STEP（01，2015）+STEP（01，2018）+STEP（01，2021）

組織內隱知識流失率=0+STEP（01，2012）+STEP（01，2015）+STEP（01，2018）+STEP（01，2021）

組織外顯知識流失率=0+STEP（01，2012）+STEP（01，2015）+STEP（01，2018）+STEP（01，2021）

組織集成知識流失率=0+STEP（01，2012）+STEP（01，2015）+STEP（01，2018）+STEP（01，2021）圖6企業知識生成模型的系統動力學模擬（M代表百萬）

此時，圖6a就演變為圖6b。從圖6b中可見，隨著4類知識流失率的提高，組織新知識的增長勢頭受到壓制，并大致在2019年達到頂峰，之后便開始急速下降，最終趨于消亡。

432企業知識轉化動力減弱導致的知識生成風暴消亡

企業的知識轉化動力，主要體現在4類轉化乘子，即社會化乘子、外部化乘子、組合化乘子和內部化乘子。這4類轉化乘子上升，會促進新知識的4個轉化過程，從而產生更多的新知識；反之，如果這4類轉化乘子下降，則會抑制新知識的4個轉化過程，從而導致新知識的生成受阻。

企業知識轉化動力的減弱現象，可以用4類轉化乘子的下降來表達。為了模擬企業知識轉化動力減弱對知識生成的阻礙效應，仍以圖6a為基礎，分別在2012年、2015年、2018年和2021年這4個時點，每3年1次將4類轉化乘子等額減少01個單位，最終使得4類轉化乘子由其初始值05下降至終值01，階躍算式為：

社會化乘子=05-STEP（01，2012）-STEP（01，2015）-STEP（01，2018）-STEP（01，2021）

外部化乘子=05-STEP（01，2012）-STEP（01，2015）-STEP（01，2018）-STEP（01，2021）

組合化乘子=05-STEP（01，2012）-STEP（01，2015）-STEP（01，2018）-STEP（01，2021）

內部化乘子=05-STEP（01，2012）-STEP（01，2015）-STEP（01，2018）-STEP（01，2021）

此時，圖6a就演變為圖6c。從圖6c中可見，隨著4類轉化乘子的下降，組織新知識的增長勢頭受到壓制，并大致在2019年達到頂峰，之后便開始急速下降，最終趨于消亡。

433企業與外部知識庫聯系受阻導致的知識生成風暴消亡

企業與外部知識庫聯系，主要體現在企業的外部知識獲取率。外部知識獲取率上升，會促進新知識的4個轉化過程，從而產生更多的新知識；反之，如果外部知識獲取率下降，則會抑制新知識的4個轉化過程，從而導致新知識的生成受阻。

企業與外部知識庫聯系的受阻現象，可以用外部知識獲取率的下降來表達。為了模擬企業與外部知識庫聯系受阻對知識生成的阻礙效應，仍以圖6a為基礎，分別在2012年、2015年、2018年和2021年這4個時點，每3年1次將外部知識獲取率等額減少00002個單位，最終使得外部知識獲取率由其初始值0001下降至終值00002，階躍算式為：

外部知識獲取率=0001-STEP（00002，2012）-STEP（00002，2015）-STEP（00002，2018）-STEP（00002，2021）

此時，圖6a就演變為圖6d。從圖6d中可見，隨著外部知識獲取率的下降，組織新知識的增長勢頭受到壓制，并大致在2020年達到頂峰，之后便開始急速下降，最終趨于消亡。

5結論與啟示

本文基于SECI知識螺旋系統，借用風暴生成原理，構建了企業知識生成的“風暴眼”模型，并將其表達為系統動力學模型。通過我國2002-2012年間的經驗數據對模型進行訓練，再運用訓練好的模型對企業知識生成機理進行模擬，得到如下研究結果：

（1）當企業具備足夠大的知識存量、足夠強的知識轉化動力以及足夠寬松的知識轉化環境時，就可以越來越多地吸收外部知識，并在內部進行越來越強烈的知識轉化正反饋循環，從而生成越來越多的新知識，最終達到組織新知識的爆炸式增長。

（2）當企業遇到自身知識存量下降，或者內部知識轉化動力減弱，或者外部知識吸收受阻等障礙時，企業的新知識生成過程就會發生逆轉并最終趨于停滯，從而導致企業知識生成風暴的發育停滯乃至消亡。

上述結果提示我們，為了成為創造知識的卓越企業，企業必須采取強力措施提升自身吸收外部知識的能力，提升自己的知識轉化能力，并防止因人才流動或者技術外溢而導致的知識流失。

下一步，我們可對企業知識生成過程中的關鍵影響因素作深入的敏感性分析，從而為企業知識生成機制研究提供更加精確的量化結果。

參考文獻

[1]Nonaka，I.，HTakeuchi.The Knowledge-Creating Company：How Japanese Companies Create the Dynamics of Innovation[M].New York：Oxford University Press，1995.

[2]Alavi M，Leidner D.Knowledge Management and Knowledge Management Systems：Conceptual Foundations and Research Issues[J].MIS Quarterly，2001，25（1）：107-136.

[3]楊燕，高山行.創新驅動、自主性與創新績效的關系實證研究[J].科學學研究，2011，29（10）：1568-1576.

[4]章立軍.創新環境、創新能力及全要素生產率——基于省際數據的經驗證據[J].南方經濟，2006，20（11）：43-56.

[5]張媛媛，張宗益.創新環境、創新能力與創新績效的系統性研究——基于面板數據的經驗分析[J].科技管理研究，2009，（12）：91-93.

[6]胡明勇，周寄中.政府資助對技術創新的作用：理論分析與政策工具選擇[J].科研管理，2001，22（1）：38-36，30.

[7]張雁，王濤.提升企業創新能力的制度環境分析[J].天津商業大學學報，2012，32（3）：3-7.

[8]饒揚德，王學軍.知識互動共享視角——區域創新環境機理研究[J].中國工程科學，2006，8（7）：72-77.

[9]汪建成，毛蘊詩.技術引進、消化吸收與自主創新機制[J].經濟管理，2007，29（3）：22-27.

[10]秦世亮，萬威武，朱莉欣.個人知識和企業知識創造[J].研究與發展管理，2004，16（1）：55-60.

[11]蔣軍鋒，王修來.網絡環境下技術創新過程中企業知識基礎的演變[J].管理學報，2008，5（4）：561-567.

[12]牛盼強，謝富紀.綜合型知識基礎與解析型知識基礎的比較研究[J].科學學研究，2011，29（1）：25-30.

[13]韓智慧，李南.知識創造的組織環境分析[J].科學學與科學技術管理，2004，25（12）：77-80.

[14]郝迎潮，萬迪，吳翠花.工作環境與科技型中小企業知識創造關系研究[J].科研管理，2007，28（5）：87-93.

[15]朱春燕，孫林巖，汪應洛.組織文化和領導風格對知識管理的影響[J].管理學報，2010，7（1）：11-16.

[16]陳建勛，勾東寧，吳隆增.基于社會資本視角的知識螺旋過程研究[J].研究與發展管理，2010，22（4）：53-61.

[17]王毅，吳貴生.基于復雜理論的知識創造機理研究[J].科學學研究，2005，23（1）：101-105.

[18]何曉蘭，王賢裕.基于組織視角的隱性知識管理系統動力學分析[J].圖書情報工作，2012，56（10）：107-112.

[19]王玉梅，張靖.基于系統動力學的組織知識創新影響因素分析[J].青島科技大學學報：社會科學版，2009，25（4）：58-62.

[20]楊剛，薛惠鋒.高校團隊內知識轉移的系統動力學建模與仿真[J].科學學與科學技術管理，2009，30（6）：87-92.

[21]王秀紅，劉源.主體隱性知識轉化的系統動力學模型研究[J].科學學與科學技術管理，2006，27（5）：90-94.

[22]王欣，孫冰.企業內知識轉移的系統動力學建模與仿真[J].情報科學，2012，30（2）：173-177，195.