面向共享制造的數據治理接力鏈形成
——基于接力三方演化博弈

胡曉雪

（1.西安財經大學 管理學院，陜西 西安 710100；2.西安財經大學現代企業管理研究中心，陜西 西安 710100）

一、引言及文獻綜述

共享制造是共享經濟在生產制造領域的一種應用創新。工業和信息化部發布的《關于加快培育共享制造新模式新業態促進制造業高質量發展的指導意見》中，將其定義為圍繞生產制造各環節，運用共享理念將分散、閑置生產資源集聚起來，彈性匹配、動態共享給需求方的新模式新業態[1]。數據資源作為新型生產要素，已快速融入生產制造的各個環節，在驅動制造業創新發展中發揮著關鍵作用。數據治理是保障共享數據資源質量，管控數據流通過程中各種可能風險的主要手段[2]。共享制造模式使得企業可利用的數據資源由其內部不斷向關聯外部業務生態擴展，相應地，與之匹配的數據治理也從單一主體內部治理向多主體協同共治的方向發展。研究各主體的協作模式和協作動力，為共享制造模式下的數據治理實踐提供新思路，對于創新數據要素開發利用，以數據賦能驅動制造業高質量發展具有重要意義。

國內外學者對多主體協同數據治理模式開展了多視角研究。Broek&Veenstra 依據敏感數據監管壓力和共享數據類型提出了市場型、集市型、層次型和網絡型四種治理模式，并對比了不同模式的特征和適用情境[3]。Micheli 等(2020)從社會科學的視角提出數據共享池、數據合作社、公共數據信托和私有數據主權四種治理模式[4]。宋俊典等(2018)從技術視角提出基于區塊鏈的數據治理協同模型[5]。馬廣惠、安小米(2019)研究了大數據共享交換情境下的政府大數據治理路徑，提煉出重構式和探索式兩種路徑[6]。上述研究為探索共享制造數據治理具體協作方式提供啟發，但現有數據治理模型集中在政府、公共、科學數據領域，不適應共享制造的場景需求和治理主體的關系特征。因此，文章引入接力創新和信息生態鏈理論刻畫共享制造數據治理主體間的協作關系。

在數據共享、數據質量、共享制造領域，博弈論是研究決策者意愿、行為和干預機制的常用方法。徐緒堪等(2020)構建了由政府數據提供方、使用方和政府開放數據管理組織組成的政府開放數據共享模型，探討開放數據的數據質量對博弈三方策略演化路徑的影響[7]。祝凌瑤等(2022)構建通過中央政府和不同地方政府數據質量管理機制演化博弈模型，論述了中央政府通過獎罰統一監督和管理地方政府數據質量管理的必要性[8]。吳軍等(2022)基于前景理論和心理賬戶理論，研究了共享制造供需雙方機會主義共享行為的策略選擇和影響因素[9]。

多主體數據治理的成功實施離不開各個主體的積極參與和密切協作，本研究在建模治理主體協作方式的基礎上，利用演化博弈工具，進一步探討各主體參與數據治理接力的動力來源和影響因素，以期為共享制造數據治理接力鏈的形成和引導政策的制定提供理論依據。

二、共享制造數據治理接力鏈關系模型

1. 理論基礎

（1） 信息生態鏈理論

信息生態鏈理論將信息生態系統視作由信息、信息人和信息環境三個要素構成的有機整體，按照角色和分工可將信息人劃分為信息供應者、信息傳遞者、信息消費者和信息分解者四類，不同種類信息人之間信息流轉的鏈式依存關系稱為信息生態鏈[10]，描述了各類信息人在自身信息需求和價值實現目的的驅動下向同一價值鏈上聚合而形成的上下游關系和鏈式狀態。以信息流轉和信息共享活動為核心，通過各種要素的相互作用和有機整合，生態鏈上的信息人之間相互依存，協同進化，促進信息的高效流轉[11]。

（2） 接力創新理論

接力創新是大數據價值孵化的典型方式之一[12]。接力創新是指由能力顯著異質、優勢明顯互補的不同主體分別承擔創新鏈上不同環節的任務，以“接力”傳遞的方式依次完成一項創新從構思、研發、生產到商業應用等活動，最終實現創新價值的過程[13]。接力創新具有以下特性：多主體參與，各創新主體之間地位平等，能力異質、互補；各創新主體在不同階段加入創新，依據自身能力優勢承擔創新鏈上某個特定環節的任務，形成縱向分工合作；接力之前，創新主體之間的合作目標和合作規則不明確，各主體更關注自身目標的實現，創新不依靠國家意志引導和預定義的機制安排[14]。接力創新的這些特性使其更適用于描述具有復雜性、不確定性、階段性、風險性和多主體參與特征的創新過程。

2. 共享制造數據治理難點分析

共享制造模式下的數據治理除具有工業數據治理在數據質量、采集、應用和互通方面的技術障礙問題[15]，還面臨以下的管理挑戰：

第一，多主體參與是前提。共享制造數據資源服務于具體的數據應用和業務場景，定制的、差異化的數據需求對治理目標、內容和方式提出了不同要求，單個治理主體無法準確掌握數據概貌，也不具備匹配各種復雜場景要求的全部治理能力。

第二，數據治理是具有異質能力的多個主體靈活組合，優勢互補的過程。共享制造是制造資源和能力的優化配置模式。在這一模式下，數據治理主體的能力具體體現為資源能力，即擁有制造關聯的數據資源；創新能力，指對數據資源進行加工處理、洞察和挖掘數據價值；服務能力，即存儲和分析數據資源的能力。治理主體通過專業化分工發揮各自的優勢能力，解決綜合的、復雜的治理問題，共同促進數據價值實現。

第三，治理績效取決于治理主體之間的通力合作。數據價值實現程度依賴于是否形成了有效的協作關系及各個治理主體的優勢能力是否得到充分發揮。

第四，各個治理主體地位對等，共治關系不具備強制性。治理主體主要包括數據供需雙方和各利益相關方，各方地位對等，在數據治理過程中國家意志引導和政策規定的約束力較弱，一方難以對其他方的行為進行監督干預，不易形成某一方主導的合作局面。

由上述分析可知，如何在多個治理主體之間建立并維持良性的合作關系，充分調動各主體參與治理的積極性，是成功實施共享制造數據治理的關鍵。

3. 共享制造數據治理接力鏈關系模型構建

在共享制造模式下，數據作為一種生產要素，經由共享制造平臺，在產能提供方和需求方之間進行跨組織流通以支持制造中的各環節。數據需求的個性化和數據價值實現具有的場景依賴性決定了數據治理是具有異質能力的治理主體按需組合的協同治理過程。為最大化實現數據價值并管控數據流通過程中可能出現的各種風險，治理活動須貫穿數據從產生、傳遞、利用到消亡的全生命周期且活動間具有固有的先后次序，承擔數據流通各環節治理任務的治理主體間形成了縱向分工的合作關系。在這種伴隨共享制造業務數據需求建立的短期、動態合作中，各個治理主體地位平等，專注于實現各自負責環節的治理目標，符合接力創新模式的根本特征。因此，文章將治理主體間的縱向協作關系視為一種接力關系，借鑒接力創新和信息生態鏈理論，構建共享制造數據治理接力鏈關系模型，如圖1 所示。

圖1 共享制造數據治理接力鏈關系模型

根據數據全生命周期涉及的治理活動關聯角色，首先抽取出三類治理主體：數據提供者、數據聚合者和數據利用者。在共享制造場景中，數據提供者可以是制造企業、供應商、客戶、政府部門和行業協會、網絡資訊平臺等數據資源提供方，是數據的源頭，對應信息生態鏈上的信息供應者；數據聚合者主要包括共享制造平臺運營方、數據托管機構和分析機構等，負責數據流動過程中的匯聚、篩選、整合、規范化、安全性和訪問權屬管理，兼具信息生態鏈上信息傳遞者和信息分解者功能；數據利用者主要是制造企業，其按需應用制造資源池中的數據，挖掘數據潛在價值并將其轉化為服務和產品，對應信息生態鏈上的信息消費者。三方主體以“接力”的方式開展數據治理合作，保障數據由供方向需方傳遞全過程的數據質量、安全和合規。共享制造數據治理接力鏈的形成主要依靠治理主體的自發行為和市場機制作用，也受到信息環境的影響，同時，遵循接力創新的一般規律，參與順序接力的各個治理主體之間存在較強的博弈關系。

三、共享制造數據治理演化博弈模型

1. 博弈動因分析

共享制造數據治理接力鏈上的三方治理主體進行博弈的動因主要體現在：一是信息不對稱，具體表現為數據概貌未知和對積極治理帶來的數據價值與消極治理面臨的風險的預期不同；二是各個主體在數據治理資源和能力方面的差異；三是由于數據在接力鏈上單向傳遞，鏈上某個治理主體的績效將直接影響其后繼治理主體的治理成本，下游主體存在“搭便車”行為的空間。

基于成本—收益理論和風險管理理論，結合共享制造數據治理的接力特點，本研究認為各治理主體在共治收益、治理成本、放任風險和信息環境等因素的共同作用下，以自身利益最大化為目標進行演化博弈。信息環境主要體現在政府監管部門或相關監督機構能以激勵、懲罰政策對治理主體的決策行為進行干預，不同干預措施和干預力度構成了不同的信息環境。

2. 博弈基本假設

假設H1：共享制造數據治理過程主要涉及數據提供者、數據聚合者和數據利用者三方主體。每類主體都有積極進行數據治理和消極進行數據治理兩種策略。數據提供者群體以x的比例選擇積極治理策略，以1-x比例選擇消極治理策略；數據聚合者群體以y的比例選擇積極治理策略，以1-y的比例選擇消極治理策略；數據利用者群體以z的比例選擇積極治理策略，以1-z的比例選擇消極治理策略；其中x、y、z均為時間t的函數。

假設H2：若三方主體均積極進行數據治理，將形成共治收益F，包括經濟利益和社會收益。其中，經濟利益主要來源于高質量共享制造數據的價值變現；數據提供者的社會收益源于數據治理知識的收集和轉換所形成（或增強） 的數據治理能力及數據引用、重用和賦能制造過程帶來的影響力提升；數據聚合者的社會收益源于通過數據治理獲得的聲譽、口碑和影響度及由技術工具革新和管理手段完善形成的數據治理能力；數據利用者的社會收益主要體現為數據洞察力和挖掘能力的增強。只要有一方主體消極治理，就無法形成數據治理接力鏈，且不產生共治收益。

假設H3：數據提供者積極治理，通過貢獻高質量數據將從監管方處獲得激勵R，開展相關數據治理活動需付出成本C1，消極治理節省了成本，但需要承擔由數據質量、數據安全和數據違規使用可能對其造成的經濟損失和聲譽等負面影響F2。

假設H4：數據提供者積極治理數據時，數據聚合者選擇積極治理策略，開展相關數據治理活動需付出成本C2，消極策略可獲得“搭便車”收益F3，但可能受到監管方的處罰P，同時需要向數據提供者支付補償O2，彌補數據在聚合階段缺乏管控可能給數據提供者帶來的損失L2；數據提供者消極治理數據時，數據聚合者選擇積極治理策略，開展相關數據治理活動的難度增大，需付出成本C2′，且C2′>C2，消極策略在支付罰金P和補償O2的基礎上，還將承擔數據質量、安全和違規使用風險可能對其造成的聲譽、信用、影響力下降等負面影響F4。

假設H5：數據治理是三方主體接力合作的過程，接力鏈上的上游主體消極治理，將增加下游主體的治理成本。若數據聚合者積極開展數據治理，數據利用者選擇積極策略需付出成本C3，數據提供者積極而數據聚合者消極治理時，數據利用者選擇積極策略需付出成本C3′，治理提供者和數據聚合者均消極治理，數據利用者選擇積極策略需付出大額成本C3″，且C3″>C3′>C3。

假設H6：數據利用者選擇消極治理策略，數據在應用階段遭到破壞、更改、泄露或違規使用被查處時，需向數據提供者支付補償O1以彌補其損失L1。位于數據治理接力鏈上的上游主體均積極治理，數據利用者選擇消極治理策略時，可獲得“搭便車”收益F1。當數據利用者的上一接力節點數據聚合者消極治理時，數據利用者選擇消極策略，可能因使用低質量數據致使決策失誤造成損失L3，其中，β1為數據提供者提供經過治理的高質量數據，數據聚合者和利用者均消極治理的情況下，數據利用者使用數據作出錯誤決策的概率，β2為三方主體均消極治理，數據利用者使用低質量數據作出錯誤決策的概率，0≤β1<β2≤1。

表1 模型參數及其說明

3. 博弈模型構建

基于上述假設，構建數據提供者、數據聚合者和數據利用者三類主體間的數據治理演化博弈模型。三方主體不同策略組合的得益情況如表2 所示。

表2 三方主體各策略組合的得益情況

根據表2 策略組合的得益情況，可分別計算出三方主體積極數據治理策略和消極數據治理策略的期望得益及策略的平均期望得益。

數據提供者主體積極數據治理策略S(1)和消極數據治理策略S(0)的期望得益及策略的平均期望得益分別為：

由此，求得數據提供者主體積極數據治理策略的復制動態方程為：

同理可知，數據聚合者主體積極數據治理策略C(1)和消極數據治理策略C(0)的期望得益及策略的平均期望得益分別為：

數據聚合者主體積極數據治理策略的復制動態方程為：

數據利用者主體積極數據治理策略U(1)和消極數據治理策略U(0)的期望得益及策略的平均期望得益分別為：

要以矯正為主要目的，切實推進勞動改造功能回歸，在按體施勞、勞動保護等制度的基礎上，對勞動改造制度進行理性化設計，從而適應罪犯作為人的本質需要和重新社會化的需要，充分發揮勞動改造在矯正罪犯惡習、培養勞動習慣、培訓勞動技能等方面的作用。

數據利用者主體積極數據治理策略的復制動態方程為：

4. 博弈模型求解

聯立式(4)、(8)和(12)，可得到數據提供者、聚合者和利用者的三維動力系統，分別令F(x)=0，F(y)=0，F(z)=0，進一步求解該復制動態方程組，可知系統存在8 個均衡點，分別為：E1=(0，0，0)，E2=(0，0，1)，E3=(0，1，0)，E4=(1，0，0)，E5=(1，1，0)，E6=(1，0，1)，E7=(0，1，1)，E8=(1，1，1)。

根據Friedman(1998)[16]的方法，通過求均衡點對應的雅克比矩陣的特征值，可判定各均衡點是否是演化穩定點，一個均衡點的所有特征值均小于0 時，該均衡點是穩定點。博弈系統的雅克比矩陣如式(13)所示。

將各均衡點的值代入雅克比矩陣，可進一步求得各均衡點對應雅克比矩陣的特征值如表3 所示。

表3 各均衡點對應雅可比矩陣的特征值

若均衡點是演化博弈的穩定點，該點對應的所有特征值均需小于0，即：λ1<0，λ2<0，λ3<0，可進一步求出各均衡點的局部穩定性分析條件。

四、模型分析與模擬仿真

基于模型求解結果，在Matlab R2017b 環境下仿真了不同情形下三類治理主體的行為演化路徑，進一步分析策略選擇行為的影響因素。

1. 數據提供者的行為演化路徑和影響因素

分析各均衡點的局部穩定性條件發現，數據提供者積極開展數據治理的策略選擇行為主要受共治收益、治理成本、消極治理造成的負面影響和激勵等因素的影響。

（1） 激勵對提供者行為演化路徑的影響

在不產生共治收益的時期，數據提供者的數據治理行為演化路徑受治理成本和消極治理造成的負面影響的共同制約。激勵措施和激勵力度對提供者行為演化路徑影響的仿真結果如圖2 所示。圖2 表明，治理成本較高而消極治理策略造成的負面影響較低時，激勵的有效性取決于激勵力度。無激勵或激勵力度較小的情況下，提供者將選擇消極治理策略，要促使其積極開展數據治理，必須提供足夠的激勵，較大的激勵將加快提供者行為的收斂速度。

圖2 激勵對提供者行為演化路徑的影響(F2

（2） 共治收益對提供者行為演化路徑的影響

假設數據提供者的治理成本和消極治理造成的負面影響是一定的，共治收益對提供者行為演化路徑影響的仿真結果如圖3 所示。圖3 顯示，共治收益無法抵消治理成本時，提供者的策略選擇受激勵力度和共治收益的共同作用，兩者呈現互補關系。共治收益較小時，大力度的激勵才能促使數據提供者選擇積極治理策略，隨著共治收益的增長，激勵力度可相應下降。

圖3 共治收益對提供者行為演化路徑的影響（有激勵）

2. 數據聚合者的行為演化路徑和影響因素

分析各均衡點的局部穩定性條件發現，數據聚合者積極治理的策略選擇受到數據提供者的策略、治理成本、“搭便車”效應、消極治理所需承擔的負面影響和懲罰措施等多重因素的綜合影響。

（1） 提供者消極治理情形下聚合者的行為演化路徑

在數據提供者消極治理的情形下，聚合者的策略選擇行為受到治理成本、消極治理造成的負面影響和懲罰措施的共同作用。有三種情形：一是治理成本小于消極治理所需承擔的負面影響；二是治理成本大于消極治理所需承擔的負面影響，懲罰力度較??；三是治理成本大于消極治理所需承擔的負面影響，懲罰力度大，仿真結果如圖4 所示。圖4 表明，治理成本是影響聚合者行為演化路徑的關鍵因素，當治理成本小于消極治理造成的負面影響時，無需進行干預，聚合者會自發選擇積極治理策略。而當治理成本較大時，懲罰是必要的，但小的懲罰無效，要引導聚合者選擇積極治理策略，懲罰力度要大于治理成本和負面影響的差值。

圖4 提供者消極治理時聚合者的行為演化路徑

（2） “搭便車”收益對聚合者行為演化路徑的影響

在數據提供者積極治理的情形下，數據聚合者消極治理可獲得“搭便車”收益。若治理成本和懲罰力度固定，“搭便車”收益對聚合者行為演化路徑的影響仿真結果如圖5 所示?！按畋丬嚒笔找孑^小時，懲罰能約束聚合者選擇積極治理策略，但當聚合者通過“搭便車”行為能獲取可觀收益時，其將選擇“搭便車”行為，較大的“搭便車”收益將加快聚合者消極治理行為的收斂速度。

圖5 “搭便車”收益對聚合者行為演化路徑的影響

（3） 共治收益對聚合者行為演化路徑的影響

固定“搭便車”收益和治理成本，不加干預的前提下，共治收益對聚合者行為演化路徑影響的仿真結果如圖6 所示。圖6 表明，較小的共治收益無法抵消治理成本，聚合者將選擇消極治理策略；但當共治收益足夠大，超過治理成本和機會收益之和時，懲罰措施是“無用”的，積極治理將成為聚合者的自發選擇。

圖6 共治收益對聚合者行為演化路徑的影響

3. 數據利用者的行為演化路徑和影響因素

分析各均衡點的局部穩定性條件發現，數據利用者積極治理的策略選擇不僅受到數據提供者和聚合者策略選擇的影響，還受治理成本、錯誤決策導致的損失、“搭便車”收益、共治收益和懲罰力度等因素的制約。

（1） 聚合者消極治理情形下利用者的行為演化路徑

數據聚合者消極治理將增加數據利用者的治理成本，將治理成本固定為較大的值，懲罰力度對利用者行為演化路徑影響的仿真結果如圖7 所示。表明小的懲罰力度是無效的，數據利用者仍將選擇消極治理策略，要引導其選擇積極治理策略，懲罰力度需大于治理成本與決策失誤損失的差值。

圖7 懲罰力度對利用者行為演化路徑的影響

（2） 聚合者積極治理、提供者消極治理情形下利用者的行為演化路徑

在數據聚合者積極治理、提供者消極治理的情形下，數據利用者的策略選擇行為受治理成本和懲罰措施的共同影響。假設治理成本固定，不同懲罰力度下利用者的行為演化路徑仿真結果如圖8 所示。即無懲罰情形下，在治理成本作用下，利用者選擇消極治理策略，較小的懲罰力度無法改變策略選擇行為的演化方向，但會減緩收斂速度，懲罰力度超過治理成本時，利用者會選擇積極治理策略，大的懲罰力度將加快利用者行為的收斂速度。

圖8 聚合者積極治理、提供者消極治理時利用者的行為演化路徑

（3） 提供者、聚合者積極治理情形下利用者的行為演化路徑

數據提供者、聚合者均選擇積極治理策略的情形下，數據利用者的策略選擇行為受治理成本、“搭便車”收益、共治收益和懲罰措施的共同影響。假設治理成本和“搭便車”收益是固定的，圖9 仿真了共治收益和懲罰力度對利用者行為的共同作用。在共治收益無法覆蓋治理成本和機會收益時，無懲罰的情形下利用者將選擇消極治理策略；共治收益和懲罰力度呈互補關系，共治收益較小時，大的懲罰力度才能促使利用者選擇積極治理策略。而當共治收益較大時，懲罰力度可相應減??；兩者之和越大越能加快行為的收斂速度。

圖9 共治收益、懲罰力度對利用者行為演化路徑的共同影響

五、共享制造數據治理接力對策建議

文章構建共享制造數據治理接力鏈關系模型，通過接力三方的演化博弈建模，探討了數據提供者、聚合者和利用者積極參與數據治理的影響因素和策略選擇行為演化路徑。綜合上述研究結果，提出“自治先行—監管保障—利益驅動”的階段式策略，促進數據治理接力鏈的形成。

第一，鼓勵數據自治，克服成本障礙，為接力鏈的形成奠定良好基礎。治理成本越高，各利益相關方參與接力的意愿就越低，難以形成共治局面。尤其是大數據體量大、多樣化、高速性、價值高但價值密度低等特點加大了治理難度的情況下，加強數據自治能為數據治理接力鏈的形成奠定基礎。一方面，數據自治有助于數據提供者有效管理自身數據資產，從源頭上保障共享制造數據資源的質量，降低治理成本；另一方面，通過數據自治形成的數據治理能力（體現為技術工具革新，管理手段完善，數據管理人員信息素養的提升，數據洞察力的增強等） 能提高治理效率，降低接力的時間成本。因此，培養共享制造參與方的數據治理意識，積累和發展成功經驗，不斷提升治理能力，是控制成本、開展接力治理實踐的前提。

第二，完善激勵和懲罰機制，為接力鏈的形成提供管控保障。由于消極治理策略需承擔的損失往往存在滯后性，治理主體通常無法在決策前對損失大小進行合理預判，又面臨相對高昂的治理成本，此時，監管是促成接力的必要手段。作為接力鏈的起點，數據提供者的策略選擇同時影響下游主體的策略和治理成本，給予其一定激勵有助于形成良好的共治開端，而懲罰機制能有效制約接力鏈下游主體的“搭便車”行為，但獎懲力度要隨接力治理進程的推進作出適應性調整以避免失靈。接力初期，獎懲力度要足夠大才有效，隨著合作的深入，接力各方密切交互，建立信任關系，達成共同愿景，治理成本隨之降低并開始產生共治收益，獎懲力度可相應減小以降低監管成本，引導共治策略由“監管驅動”向“利益驅動”過渡。待共治收益足以覆蓋成本和各種機會收益時，數據治理進入“利益驅動”的成熟階段。

第三，建立合理的利益分配機制，為接力鏈的維持提供持續動力。公平獲益是數據治理的主要目標之一，而數據治理的價值常常難以從數據共享、共用、決策創新等其他活動中剝離出來單獨進行量化，給準確度量數據治理收益帶來挑戰。針對接力鏈上治理主體地位的對等性，探索合理的利益分配方式和協調機制，保障接力各方的獲益和公平感，調動其持續參與接力的積極性，是數據治理接力鏈有待進一步探究的關鍵問題。