1.3 数字经济对管理学研究方法的影响

在数字经济时代，大数据、数据挖掘和人工智能等新技术的应用，给管理学的研究方法和研究范式带来重要影响，促使研究方法不断创新，推动管理学研究发生变化。

（1）从模型驱动到数据驱动的转变。

在数字经济时代，数据要素在整个管理环境和管理研究范式中都起着重要作用。传统的管理学研究方法，多从建模分析、调查研究、定量实证分析等入手；而在数字经济时代，数据的极大丰富，将会改变管理学研究的方法，尤其是模型假设部分。传统模型假设是因信息获取不充分而进行的重要补充，或者是在无法处理的情况下做出的简化举措。而当前在拥有更加丰富的数据的前提下，许多假设和参数可以由数据分析直接得到，尤其是一些机器学习算法，不用给出关系函数的具体形式，并直接获得相关关系，具有较大的灵活性，分析结果更接近真实状态。数据驱动的研究特点，将是管理学研究范式的重大改变之一。

（2）从低维建模到高维建模。

在传统的管理学研究方法中，尤其是在管理学模型中，变量维度较少，未知变量也少，更多保留主要的影响因素和重要变量。这样做的原因有两个：一是很多变量的数据无法获得，无法很好地估计，如果增加更多变量，可能会造成更大的误差；二是从可求解性角度看，高维建模会使得求解变得困难，出现“维度灾难”问题，而解决这一问题的重要方法就是进行降维处理。数字经济背景下的研究问题，随着可利用数据的量增加，我们可以假设更加真实的环境，相关参数可以由真实数据估计。另外，应用大数据分析技术和数据挖掘技术，可以更好地解决可求解性的问题，解决高维求解的困境，更加真实有效地求解问题。

（3）从结构化数据到非结构化数据。

在传统的研究方法中，更多依靠数值来刻画变量，并应用到模型中，数据以结构化数据为主，可能来自问卷调查、抽样调查、相关采集记录等。而在数字经济时代，获取数据的形式和内容多样，更多的非结构化数据包括文本、音频、图像、视频等，被应用到管理问题研究中。因为非结构化数据更容易刻画人的行为和经济活动，如行为变化、心理变化、企业文化等。而应用人工智能的图像识别技术、自然语言处理技术在处理上述非结构化数据时，可以更好地分析诸如社交网络评论、政府报告、公司年报等内容，可以更好地估计发展趋势和用户的情感、满意度、行为习惯等。而这些将是管理决策中重要的变量，在传统的研究范式中，是无法精准刻画的。用非结构化数据替代部分结构化数据，能够更好地还原现实场景，帮助企业做出精准决策。

（4）从人工分析到智能分析。

在传统管理学研究中，不论数据收集、采访调研等，还是最终的决策推理、政策制定等，都出自人工分析。但在数字时代，企业、政府等单位运营过程中的数据具有海量性和复杂性（多来源、异结构、噪声等），仅靠人工收集、存储、处理和分析，本身就具有极大的挑战性。人工智能，特别是机器学习将成为重要的分析工具。在企业中，商务智能系统的应用也将成为必然发展趋势。数据清洗、数据仓库存储、数据挖掘分析、可视化呈现、智能决策建议等一系列智能化过程由计算机和相关系统一并完成，并针对不同的业务进行相关的编程设计，最终完成所有的管理决策和智能分析过程。

相关链接1-3 国内外重要生产制造智能管理平台

国内外重要生产制造智能管理平台及说明如表1-1所示。

表1-1 国内外重要生产制造智能管理平台及说明

（续表）

（续表）