1.3 數字經濟對管理學研究方法的影響

在數字經濟時代，大數據、數據挖掘和人工智能等新技術的應用，給管理學的研究方法和研究范式帶來重要影響，促使研究方法不斷創新，推動管理學研究發生變化。

（1）從模型驅動到數據驅動的轉變。

在數字經濟時代，數據要素在整個管理環境和管理研究范式中都起著重要作用。傳統的管理學研究方法，多從建模分析、調查研究、定量實證分析等入手；而在數字經濟時代，數據的極大豐富，將會改變管理學研究的方法，尤其是模型假設部分。傳統模型假設是因信息獲取不充分而進行的重要補充，或者是在無法處理的情況下做出的簡化舉措。而當前在擁有更加豐富的數據的前提下，許多假設和參數可以由數據分析直接得到，尤其是一些機器學習算法，不用給出關系函數的具體形式，并直接獲得相關關系，具有較大的靈活性，分析結果更接近真實狀態。數據驅動的研究特點，將是管理學研究范式的重大改變之一。

（2）從低維建模到高維建模。

在傳統的管理學研究方法中，尤其是在管理學模型中，變量維度較少，未知變量也少，更多保留主要的影響因素和重要變量。這樣做的原因有兩個：一是很多變量的數據無法獲得，無法很好地估計，如果增加更多變量，可能會造成更大的誤差；二是從可求解性角度看，高維建模會使得求解變得困難，出現“維度災難”問題，而解決這一問題的重要方法就是進行降維處理。數字經濟背景下的研究問題，隨著可利用數據的量增加，我們可以假設更加真實的環境，相關參數可以由真實數據估計。另外，應用大數據分析技術和數據挖掘技術，可以更好地解決可求解性的問題，解決高維求解的困境，更加真實有效地求解問題。

（3）從結構化數據到非結構化數據。

在傳統的研究方法中，更多依靠數值來刻畫變量，并應用到模型中，數據以結構化數據為主，可能來自問卷調查、抽樣調查、相關采集記錄等。而在數字經濟時代，獲取數據的形式和內容多樣，更多的非結構化數據包括文本、音頻、圖像、視頻等，被應用到管理問題研究中。因為非結構化數據更容易刻畫人的行為和經濟活動，如行為變化、心理變化、企業文化等。而應用人工智能的圖像識別技術、自然語言處理技術在處理上述非結構化數據時，可以更好地分析諸如社交網絡評論、政府報告、公司年報等內容，可以更好地估計發展趨勢和用戶的情感、滿意度、行為習慣等。而這些將是管理決策中重要的變量，在傳統的研究范式中，是無法精準刻畫的。用非結構化數據替代部分結構化數據，能夠更好地還原現實場景，幫助企業做出精準決策。

（4）從人工分析到智能分析。

在傳統管理學研究中，不論數據收集、采訪調研等，還是最終的決策推理、政策制定等，都出自人工分析。但在數字時代，企業、政府等單位運營過程中的數據具有海量性和復雜性（多來源、異結構、噪聲等），僅靠人工收集、存儲、處理和分析，本身就具有極大的挑戰性。人工智能，特別是機器學習將成為重要的分析工具。在企業中，商務智能系統的應用也將成為必然發展趨勢。數據清洗、數據倉庫存儲、數據挖掘分析、可視化呈現、智能決策建議等一系列智能化過程由計算機和相關系統一并完成，并針對不同的業務進行相關的編程設計，最終完成所有的管理決策和智能分析過程。

相關鏈接1-3 國內外重要生產制造智能管理平臺

國內外重要生產制造智能管理平臺及說明如表1-1所示。