来源：创新科技杂志社本文约16000字，建议阅读20 分钟本文介绍了神经科学和机器学习的进一步发展。近年来，信息技术迅猛发展，人类社会正在由工业时代迈入以数字化为特征的数字时代。[ 摘要 ] 针对当前数字化研究概念混淆与界定缺乏的情况，以SCI、SSCI一区期刊与自然科学基金委管理科学部认定的30种重要期刊为主要文献来源，使用文献计量法与文献研究法对“数字化”与“数据化”以及“数字化转型”与“数据化转型”两组中英文概念进行区分与界定，明确其内涵外延、演化规律及应用现状，提出数字化未来的研究框架。在数字化快速发展的初期阶段，明确概念的区别与联系，将减少后续研究中的混淆与偏误，为数字化领域的理论积淀提供语义基础，这有助于数字化研究的开展与深化，有利于消除语言障碍，推动成果推广。
近年来，信息技术迅猛发展，人类社会正在由工业时代迈入以数字化为特征的数字时代。数字技术的发展与融合带来了前所未见的数字化浪潮，其以移动互联网、云计算、物联网、人工智能、机器学习等技术的突破与融合发展为重要特征。数字技术的爆发创造了大量的创业机会，在世界范围内带来了价值创造新范式，使数字经济成为新的风口。数据显示，2020年我国数字经济规模达到了39.2万亿元，占GDP比重的近40%，2021年我国数字经济增加值规模进一步达到45万亿元。“十四五”期间，数字经济核心产业增加值占GDP的比重将从2020年的7.8%上升至2025年的10%。
实践的繁荣与政策的推动引起了学术界对数字经济的关注。Industrial Marketing Management在过去5年间发表了100多篇关于“Digitization”“Digitalization”和“Digital”的文章。国内期刊近5年也发表了上千篇与“数字化”相关的论文。但因概念模糊和界定缺失，数字化领域的基础研究尚不充分。“数字化”与“数据化”以及“Digitization”“Datafication”与“Digitalization”在应用中均存在不同程度的混淆。
Ronda和Koontz等指出，若想理解任何概念的本质，就要先有一个明确的定义。概念的定义是逻辑分析的起点。如果没有对概念进行统一的界定，那么逻辑推理就有可能出现漏洞，不同研究者之间的对话和交流也可能会缺乏一致性比较的基础。在数字化逐渐成为管理领域一个重要研究方向的过程中，对其概念本质认识模糊，对其边界、联系与区别把握不准，对其历史演变规律缺乏了解等成为当下不可忽视的问题。
针对上述研究缺口，本文旨在对“数字化”与“数据化”以及“数字化转型”与“数据化转型”这两组概念及其对应的英文术语进行辨析。具体来讲，研究问题包括：
①“数字化”与“数据化”及其下位词“数字化转型”与“数据化转型”，这两组概念及其对应的英文术语的内涵外延应该如何界定？
②“数字化”与“数据化”及其下位词“数字化转型”与“数据化转型”，这两组概念及其对应的英文术语的概念演化规律是怎样的？
在数字化快速发展的初期，明确概念的区别与联系，将大大减少后续研究中的混淆与偏误，为数字化理论的积淀提供语义基础，这有助于数字化研究的深化和科研成果的推广，为政企交流、学企交流消除语言障碍。
1 研究方法与文献选择
现代科学计量学技术可以对海量文献进行多元、历时性的动态分析，例如：以CiteSpace软件为代表的科学知识图谱即是一种重要的文献计量分析和可视化方法；文献研究法是指搜集、鉴别、整理文献，并通过对文献的研究形成对事实的科学认识的方法等。本文首先应用基于CiteSpace的文献计量法进行定量的可视化分析，再使用文献研究法从质性角度有针对性地对资料进行梳理与归纳。
根据所研究的问题，本文选择标准抽样法来确定文献范围。借鉴Wolfswinkel等的文献选择指南，将具体过程分为5个步骤。
第一，在中国知网数据库中，以“数字化”“数据化”“数字化转型”及“数据化转型”为关键词，分别以主题和篇名为依据检索相关文章。根据经验，CiteSpace在分析单元为100~600时效果最佳。受存续时间与研究热度的影响，上述4个概念的研究规模差别较大。故本文采用“独立检索标准”，多次比较后有针对性地设置检索条件，在期刊权威度与检索结果数间进行平衡，从而既保证期刊来源的质量，又将检索结果数控制在最优分析区间内。表1 展示了检索标准、检索条件以及剔除书评、开刊词等不相关内容后的有效检索结果。
第二，运用CiteSpace软件对检索的有效结果进行文献计量学分析，通过数据分析和信息挖掘展现研究的现状、热点和趋势。
第三，阅读每篇文章的正文及参考文献，删除对研究主题贡献度小的文献，增加遗漏的文献，最终将与本研究紧密相关的134篇文献作为对4个中文概念进行文献研究的分析对象。文献筛选过程由几位作者“背靠背”独立做出判断，针对意见不一致的文献经讨论后予以确定；同步记录所研究关键词的所有英文翻译，共有Digitalization、Digitization、Digitalized、Datafication、Datalization、Data Transformation、Datamation、Datazation、Digital Transformation、Digitization Transformation等10种。
第四，在Web of Science科研数据库平台中以主题、篇名为依据，从SSCI及SCI期刊中依次检索上述10种翻译方式，阅读检索结果，敲定中文概念对应的英文单词应为Digitization、Digitalization、Datafication、Digital Transformation。接下来同步骤三，由几位作者对与Digitization、Digitalization、Datafication、Digital Transformation主题相关的论文进行筛选，最终将符合条件的206篇文献作为对4个英文概念进行文献研究的分析对象。
第五，使用文献研究法对步骤三确定的134篇中文文献与步骤四确定的206篇英文文献进行梳理与总结，确定各个概念的定义内涵、演化过程、实践应用，最后基于系统性综述的结果绘制各概念间的联系与区别图表，并提出未来研究展望。
此外，为避免由翻译问题导致的偏误，本研究在界定中文概念时仅参考中文文献的原创内容，剔除了翻译后引用的英文论文部分；同样，在界定英文概念时仅参考英文文献的原创内容，以保证研究的准确性与可信度。
2 文献可视化分析
2.1 “数字化”与“数据化”
2.1.1 关键词共现及聚类分析。本文分别制作了“数字化”和“数据化”文献关键词共现与聚类叠加图谱，如图1和图2所示。在图谱中，黑色字体为文献关键词，彩色字体及色块代表关键词的聚类结果。通过关键词聚类分析可以发现，“数字化”与“数据化”聚类图谱中聚类模块值均远大于0.3，聚类平均轮廓值均远大于0.5，这表明关键词共现网络结构较为紧密，聚类结构显著。
由图1可知，“数字化”聚类有数字化、企业管理、数字经济、价值共创、电子政务与知识产权。图谱中的关键词与各个聚类均紧密相关。除代表聚类的关键词外，出现频次最高的关键词依次为数字技术、数字创新、数字金融及数字平台等。从聚类结果及高频关键词共现结果来看，“数字化”的研究方向较为聚焦，成规模的子领域有数字经济、企业管理与价值共创。这表明，此前“数字化”领域的研究侧重于数字经济背景下数字技术对企业管理模式及价值创造方式的影响，而数字技术驱动下的技术创新与平台经济研究也具有一定的理论积淀。此结果与实践的结合较为紧密，与中国当前良好的数字经济土壤密切相关。
由图2可知，“数据化”的聚类结果较为多元，呈“五大类五小类”分布，规模较大的聚类有大数据、数据化、关联数据、人工智能与数据资源，规模较小的聚类有数据共享、数据分析、个人数据、“互联网 ”及信息技术。除代表聚类的关键词外，出现频次最高的关键词依次为数字人文、数据驱动、数据挖掘等。从聚类结果及高频关键词共现结果来看，“数据化”的研究呈现两大方向：其一是以数据驱动、数据挖掘、数据分析、大数据、区块链等数据价值挖掘技术为代表的微观研究；其二是以数字化、数据化、智能化、智慧化等为代表的数字技术整体影响研究。
总体而言，“数字化”主题研究与“数据化”主题研究属于同根同源，但各自发展的状况，具体体现在两个图谱的高频关键词小部分的重合与大部分的差异上。“数字化”主题关键词围绕各自聚类，内部关系紧密，而“数据化”主题关键词则整体分布较为均匀且内容多元。比较而言，“数字化”的关键词更加宏观，与社会联系更加密切，如数字经济、数字创新、企业管理等；“数据化”的关键词更加微观，与新兴数字技术联系更加密切，如数据挖掘、区块链、大数据等。
2.1.2 关键词时区分析。本文分别制作了“数字化”和“数据化”文献关键词时区图谱，如图3和图4所示。在图谱中，关键词所处的位置代表其在分析对象中首次出现的年份，连线代表关键词在不同文献中的共现关系。时区图谱可以较为清晰地展现关键词的更迭进程与研究热点的演进规律。
由图3可知，“数字化”研究领域最早出现的关键词是1989年的“地理信息”。高频关键词出现较密集的时间段有1996—2004年以及2018—2021年。其中，1996—2004年出现的高频关键词有数字技术、信息服务、企业管理等；2018—2021年出现的高频关键词有动态能力、数字平台、价值共创、案例研究、数字创新、数字经济等。随着时间发展可以清晰地看出，“数字化”领域关注的技术类别中，最开始是信息技术，中期是数字技术，最近是新兴数字技术。2018—2021年出现的关键词表明，当下“数字化”领域的前沿研究热点聚焦在价值创造方式以及数字经济与创新方面。
由图4可知，“数据化”研究领域最早出现的关键词是1998年的“数据化”。2011年是“数据化”领域研究规模的分水岭，2011年之前该领域的研究热度不温不火，2011年之后其高频关键词则以每年3～5个的频率快速涌现。2013—2015年“数据化”领域有较大部分研究重心落在出版业与媒体业的数据化方面；2018年之后“数据化”领域的关键词逐渐与新兴数字技术产生密切关联，如大数据、区块链、人工智能等；最新出现的数据利用技术方面的关键词代表了数据化研究的新方向。
对比而言，“数字化”领域的关键词出现时间更早，涌现节奏也更均匀；“数据化”领域的关键词出现时间虽晚一些，但近年来呈现集中爆发趋势。最新的研究热点中，“数字化”的相关研究多集中在中观与宏观层面，“数据化”的相关研究则多在中观与微观层面。
2.2 “数字化转型”与“数据化转型”
2.2.1 关键词共现及聚类分析。本文分别制作了“数字化转型”和“数据化转型”文献关键词共现与聚类叠加图谱，如图5和图6所示。在图谱中，黑色字体为文献关键词，彩色字体及色块代表关键词的聚类结果。通过关键词聚类分析可以发现，“数字化转型”与“数据化转型”聚类图谱中聚类模块值与聚类平均轮廓值同样均远大于0.3与0.5，这表明关键词共现网络结构较为紧密，聚类结构显著。
由图5可知，“数字化转型”的关键词之间分布比较均匀，呈“五大一小六个中心”分布。6个中心以各自的聚类结果为代表，分别是数字化、媒介融合、数字经济、数字政府、数字出版与产业化。除代表聚类的关键词外，出现频次最高的关键词依次是传统出版、媒介融合、创新、转型、商业模式、中小企业等。从聚类结果及高频关键词共现结果来看，现有“数字化转型”研究可分为三大集群：第一集群是出版传媒行业数字化转型研究，出版传媒业是最早触及数字化转型的行业领域，该集群的主要研究内容有数字化转型下传统媒体与数字媒体的融合问题以及在线教育与知识服务等行业新兴业态；第二集群是以数字政府为代表的数字时代新型治理方式研究；第三集群是数字经济中以制造业为代表的各个行业商业模式、产业结构的转型升级研究。从主体上看，“数字化转型”涉及的领域十分多元，有已经完成数字化转型的出版传媒界，也有正在进行数字化转型的政府、中小企业等。
由图6可知，“数据化转型”的文献关键词共现网络联系较为紧密，各个关键词间共现关系较为清晰，呈“大中心加多核心”分布。围绕数据化这一中心，依次有大数据、转型、信息化、数据量、互联网化等聚类核心。除代表聚类的关键词外，出现频次最高的关键词依次为档案数据、智能化、路径、战略转型、数据服务等。从组成部分来看，“数据化转型”的文献关键词共现情况兼具一部分“数据化”与“数字化转型”关键词共现图谱的特点，其以数据化转型为研究主体，往外发散至数据服务、大数据技术、业务流程改造、企业战略转型等内容。
对比来看，“数字化转型”主题研究因为内容庞杂所以关键词较为分散且涉及面广；“数据化转型”则因为发展规模较小所以更加聚焦，主要围绕数据的收集、存储、分析、利用等一系列数据价值挖掘技术开展研究。“数字化转型”关键词共现图中更多展现的是数字化转型的主体与数字化转型的影响，“数据化转型”的关键词则多为技术手段与转型方向。
2.2.2 关键词时区分析。本文分别制作了“数字化转型”和“数据化转型”文献关键词时区图谱，如图7和图8所示。由图7可知，“数字化转型”研究领域最早出现的关键词为2002年的“数字化”和“转型”，此后关于数字化转型的研究沉寂多年，直至2009年才重新成为研究热点。数字经济是未来全球发展的大趋势，其落脚点在于企业的数字化转型。2009—2015年，数字化转型领域主要关注出版业、传媒业的数字化转型实践；2016—2018年，则与数字经济关联较大，关于产业层面数字化转型与数字技术促进产业转型升级的研究较多；近三年来，数字化转型的浪潮席卷了各行各业，研究目标延伸至制造企业、中小企业、企业网络等具体的微观主体。以上演进过程展示了数据成为新型生产要素，并不断在行业间蔓延，催化并衍生出新一代管理形式的规律。此外，数字政府与数字治理作为一条支线，在2018年首次出现后一直保持着较高的研究热度，也是当下具有价值的研究热点。时区图分析印证了“数字化转型”研究不断演进的3个重要驱动力，即：①数字技术不断创新给传统产业发展带来的新挑战；②基于数字技术涌现的新产品、新服务和新业态；③将“数字”作为产品的创新与创业活动。
由图8可知，“数据化转型”研究领域的关键词在2013年才首次出现，即“信息化”“数据化”与“转型”。2013—2021年间该领域关键词的涌现呈现均匀且密集的状态，最新出现的关键词有数字转型、智能化、转型策略、数字经济等。这表明“数据化转型”的相关研究开始向“数字化转型”研究靠拢并接轨。纵览整个时区图的关键词演进历程可以看出，数字技术及其应用是主线，在主线外，还有人力资源、档案数据等与数据化转型实践相关的支线。
对比来看，“数字化转型”的关键词出现时间比“数据化转型”的关键词早，且2016年至今研究热度层层攀升，最新的研究方向落脚在产业层面转型升级、企业层面技术赋能与政府层面数字治理上。而“数据化转型”的早期研究主要集中于信息技术与数据分析的连接，最新研究主要集中于新兴数字技术与数据分析的整合，这展现出不同时代技术与数据相结合的演进规律。
3 概念界定、演化进程与应用现状研究
3.1 数字化与数据化
3.1.1 数字化。①中文“数字化”。《新华汉语词典》仅收录了“数字”词条，释义为代表数目的文字或代表数目的符号，尚未收录“数字化”。在最早的数字化主题文献中，数字化多用于测量与计算，指依靠计算机技术把各种形式的信息转换成二进制数字代码，以方便处理加工、储存传输，并在需要时进行还原，从而实现信息快速处理与交流的过程。由此，以二进制数字形式表达的作品被称为数字作品，经过数字化处理并通过数字网络传输的产品被称为数字产品。在这层含义上，基于二进制的计算机历史有多长，“数字化”的历史就有多长。
1994年，袁正光将数字化描述为一场新的革命，其含义超越了此前沿袭的“用0和1来表示信息”的概念。袁正光所写《数字革命：一场新的经济战》一文，首次从整合的视角总结了数字化对于各个行业的影响。此后，数字化更多地表现为数字技术发展及应用的一种社会趋势和过程状态。例如：余江等提出，数字化创业是指大量使用数字化技术参与创业机会的识别、捕捉、实现和改进的过程；金珺等提出，数字化开放式创新是指企业通过大数据、云技术等数字技术，有目的地管理知识流和资源流的跨组织边界流动，以实现企业自身创新的过程；傅颖等提出，数字化就是数字技术和物理组件对企业数字资源、基础设施和战略的影响等。综上，本文界定“数字化”为，使用计算机技术将自然信息与表述信息（所有字符、图、文、语言等）转换为以0、1为代表的数字信号的过程，以及由此给生产生活方式带来的广泛影响。
当下数字化研究有两大缺点：第一，多从静态的结果观出发，缺乏动态的过程观研究。例如，刘政等认为，数字化挑战了组织的传统权力结构，削弱了高管信息垄断优势，催生了去中心化、去中介化、开放式、生态式的网格组织和基层自治组织，增加了基层决策权限。郭海和韩佳平提出，数字化大大增强了企业连接外部环境与整合外部知识的能力，不仅能提高效率，更可能创造出新的商业模式，定义新的竞争范式，进而颠覆现有的运营流程，带来运营管理模式的创新。第二，对数字化的属性界定研究较少，直接研究数字化动态能力、数字化管理等“数字化 XX”概念的较多。例如，王小龙和侯汉坡提出，在数字化时代，传统的管理手段和方法已经不能适应市场要求，由此催生了数字化管理。企业数字化管理是以先进的管理思想和方法为基础，以企业信息系统为工具，对企业生产经营和需求实施的全方位实时管理；除企业外，数字化管理的对象也可以是城市、政府等主体。总体而言，中文论文较多是从整合视角出发的宏观与中观层面数字化对社会及企业影响的归纳研究，缺乏从过程视角出发的微观层面数字化影响机制机理研究。
②Digitization。在信息技术领域，“数字”明确对应英文的“digit”，指二进制数字中的数位，而“数字化”则有Digitization和Digitalization两种翻译。《牛津高阶英语词典》认为，Digitization与Digitalization是同一个词。这种解释并不准确且已过时——在研究与实践中，Digitization和Digitalization大相径庭。
Digitization的含义与计算机及网络的发明紧密相关，技术意义上用以指代将模拟信息转换为数字信息的过程；具体指将模拟信号转换为以0和1为代表的数字信号，从而使计算机可以存储、处理和传输这些信息的技术过程。可以将其概念化为信息技术与现有资料的整合，但这种整合没有改变价值创造的方式。Digitization具有呈现性、连接性、聚合性以及交互性等4个特点，其在创造、存储、传输和分析等方面的进步使资料的可用性得到增强。通过以极低成本进行大规模数据处理、存储和传输，Digitization改造了一切与数据和认知相关的人类生产生活方式。综上，本文界定“Digitization”为，将模拟信号转换为由0和1所代替的数字信号，进而使计算机可以存储、传输、分析处理这些信息的过程。
现有研究主要从组织逻辑、产品与生产、营销与服务等3个方面，探析Digitization对于企业的影响。在组织逻辑方面，通过提供新型信息交换形式，Digitization影响了参与者的交互方式和交互范围，逐步改变了组织逻辑，如Digitization被认为是平台生态系统的有力驱动因素；在产品与生产方面，Digitization使数字产品的开发必须服从可重编程性、数据同质化、解耦合分布式等数字技术特性所要求的新设计规则，并将生产系统从物理处理集成转变为信息功能服务集成，从而可以更好地协调生产过程；在营销与服务方面，Digitization带来的技术变革从根本上改变了许多行业，使企业能够在实体销售渠道外依靠互联网进行营销，降低了运营成本，且通过更有效的资源配置和更准确的企业内外信息共享提高了服务质量。当下对于Digitization的研究多采用技术视角，将Digitization对企业的影响描述为促使企业使用数字技术来连接人、系统、公司、产品和服务，这种认知与Digitization的本质含义较为贴切。
③Digitalization。Digitalization强调Digitization对社会的影响，属于Digitization的递进层次。其是基于信息通信技术发展起来的，但影响要比信息通信技术深远。例如：Autio等认为，Digitalization是指将数字技术应用于各行各业，使之成为基础设施的过程，此过程广泛影响了商业运行和社会生活；Li等认为，Digitalization描述了数字技术改变现有业务流程的过程等；Bjrkdahl等认为，Digitalization是指产生、收集和分析数据以创造价值的过程等。对已有定义进行归纳后发现，“数字技术的应用”“所产生的影响”及“多种资源结合”是Digitalization定义中的三大要素。故本文将“Digitalization”定义为，数字技术与原有生产资料、生活方式深度结合，对商业乃至社会产生广泛影响的过程。
已有研究主要从价值创造方式、业务流程、组织形式、创新以及决策等5个角度分析了Digitalization对企业的影响。在价值创造方式方面，Digitalization促使企业从以产品为中心的事务型经营转向以服务为中心的关系型经营。这种转变涉及数字技术的使用和企业内外部资源的整合，使企业在创造和获取价值上产生了根本性变化，因而被视为未来竞争力的源泉。在业务流程方面，Digitalization改变了传统的企业与客户的互动关系，其通过改善用户体验来创造额外的客户价值，同时优化了现有业务流程，让流程更协调，成本更低廉。例如，Digitalization全方面改善了制造业企业的功能，使产品开发更加高效，制造过程更加智能，故障中断频次更低，企业运营更加高效，价值链条更加完善，产品与服务的智能化水平更高等。在组织形式方面，Rialti指出，Digitalization提升了组织的柔性、敏捷性和自适应性，增强了组织对环境变化的动态适应能力，这种进化使企业能够迅速整合内外部资源，研发新技术，推出新产品，以在市场中获得优势的竞争地位。在创新方面，Digitalization通过增强行为主体之间的知识交流和吸收能力来促进创新行为，加速了数字化环境中的商业模式创新。在决策方面，Digitalization将资料信息与过往经验转化为知识和解决方案，提高了决策的透明度和准确性。
相较于Digitization，有关Digitalization的研究更加深刻，突破了模拟信号到数字信号这一具体的技术过程，从整体角度探究数字技术的影响。在组织结构方面，相比于Digitization驱动了平台生态系统的结果观，Digitalization的相关研究从过程观角度给出了提升组织柔性、敏捷性与适应性的补充建议，丰富了数字技术作用于组织架构的过程与方式。其作用对象也不再局限于生产、服务、营销等企业具体活动，而是整合为数字技术对业务流程和价值创造产生的变革。同时，Digitalization强化了知识交流速率和知识吸收能力的作用机制，对创新与决策有较大的影响。如果把Digitization比作数字世界向物理世界拉开的弓，那么Digitalization就是射出的箭，在Digitization的技术基础上对社会环境所产生的巨大影响都可以归为Digitalization。
3.1.2 数据化。①中文“数据化”。在物联网、大数据、云计算、人工智能等新兴技术快速发展的背景下，数据作为继劳动力、土地、资本、技术后的新型生产要素，已升级为企业的核心资产，并日益成为经济发展的新动力源泉，同时也进一步催化了原有生产要素的新价值。与数据紧密相关的“数据化”一词，是在电子化、信息化和网络化等术语间自然而然出现的，在文章中常与量化、数字化相混淆。对此，姜浩提出，数据化是指对连续的数字比特流进行分割与组合，使之实现结构化和颗粒化，最终形成标准化、非线性的数据对象的过程。实质上，数据化就是数字态转化为数据态的过程，通过对信息进行结构化标识，将数据从不存在的地方提取或生成出来，从而以数字形态记录一切事物和一切事物之间的联系。数字时代，数据的价值由基本用途转变为未来的潜在用途，这一转变影响并改变了组织看待和使用数据的方式。数据化则是数据成为人类社会实践必不可少的工具前的必经过程。综上，本文界定数据化为，对信息进行结构化、颗粒化处理，使之成为标准化数据对象的过程，其是数据产生价值的基础。
数据化和数字化不是对立的，数据化是数字化的子集，数字化是数据化的一个必经阶段。相比于数字化对信息技术的侧重，数据化着重关注信息内容及形态。数据化强调的是一种记录、量化、分析的思维，其甚至先于信息技术存在。数字化为大数据提供了技术条件，但大数据发展的核心动力来源于人类测量、记录和分析世界的渴望，也就是对数据化的需求。最后，从科学哲学的角度来看，科学的本质就是数据化，科学化的过程与数据化的进程是同步的。
②Datafication。“数据化”对应哪一个英文单词是存在过争议的。最早舍恩伯格将Datafication定义为，把现象转变为可制表分析的量化形式的过程，并表示Datafication与Digitization有本质不同。姜浩认为，舍恩伯格的论断切割了数据化与数字化在理论源头上的联系，并根据构词法构造出动词Datumize与名词Datumization，来指代中文的数据化。实际上，姜浩没有注意到舍恩伯格原文中使用的是Digitization而不是Digitalization，误解了其表述。据上文研究，虽然Digitization和Digitalization同为“数字化”的英文翻译，但Digitization侧重于将模拟数据转换成用0和1表示的二进制码的过程。因此，舍恩伯格提出的定义及区分在逻辑上并无不妥。事实也证明，当前英文文章中，用Datafication表达数据化之意的为主流作法。例如：Paul和Jeffery定义Datafication为，将活动、行为、过程转化为有意义数据的实践；Mark认为，Datafication被用来描述企业对数据及数据基础设施的依赖，指出Datafication是一个由信息技术驱动的“意义构建”过程，是获取价值的关键手段。综上，本文将Datafication定义为，将各种现象中包含的信息转变为可分析的量化形式的过程。相比于“数据化”的结构化过程，Datafication更加强调量化过程。
Digitization是Datafication的基础，计算速度和存储能力的指数级进步推动了Datafication的发展。Digitization和Datafication均对组织的结构形式与业务流程产生了影响。此外，Datafication是大数据技术得以发展的底层逻辑：虽然单个数据体量很小，但大量数据结合叠加后就能产生可观的数据总量并加强结构的复杂性。这种万事万物的数据化将带来两个趋势：从传统的依赖小样本到分析一个主题的整体数据情况；从寻找因果解释到更依赖事件相关性。由此可见，Datafication的贡献在于提供了一种新的了解世界的方式，这种方式允许质疑此前所有用于探索世界的方法的客观性和准确性。
3.2 数字化转型与数据化转型
3.2.1 数字化转型。
①中文“数字化转型”。在各个行业中，媒体行业受数字化的影响是最早的，也是最具颠覆性的。因此，早期数字化转型的研究对象多为其中的出版行业。而出版数字化表示，纸质出版物转型为电子出版物的过程，彼时数字化转型主要针对产品，是产品的数字化转型。直到2014年，周志明和崔森指出，数字化转型是运用信息技术的手段和信息化的思维对企业结构和工作流程进行全面的优化和根本性改革，而非仅从技术层面进行简单的系统搭建；并首次总结了影响企业数字化转型的五类因素。由此数字化转型的概念内涵才变得立体起来。综上，本文界定数字化转型为，运用新兴数字技术对组织结构、运营模式、战略等进行全面优化和根本性重塑的过程。
现有中文文献对数字化转型的认识大致可以分为4个层次：产品层次、技术层次、特定变革层次与广泛变革层次。第一，产品层次上。企业可以通过业务活动实施数字化转型，并在产品层面上利用用户反馈的数据进行产品多样化与创新。第二，技术层次上。企业数字化转型经历了从电子化到信息化再到数字化的渐进发展路径。第三，特定变革层次上。数字化转型是企业利用数字技术驱动核心产品、服务和流程变革的过程。数字化转型带来的价值包括利用数据大幅激活供应链的敏感性，实现组织管理去中介化，提高实体企业运营效率以及跨时空的资源匹配效率等。第四，广泛变革层次上。数字化转型涉及全面重塑公司的战略思维、业务流程、组织结构和商业模式，构建以数据为核心驱动因素的价值创造体系，实现与利益相关者的紧密关联和价值共创，提升企业的市场竞争力和促进创新增长。
②Digital Transformation。“数字化转型”英文所对应的“Digital Transformation”，是国际期刊近年来讨论的重要话题，学者们研究了其驱动因素、所需数字化基础设施、资源与能力，以及转型过程和转型模式等内容。已往对Digital Transformation的探索多从技术视角出发，将其视为数字技术迫使组织被动做出响应或者组织为寻求更好绩效主动应用数字技术的过程。本文称之为数字化转型技术派，其研究重点是数字技术在各种场景中的应用和影响。例如：Guinan提出，Digital Transformation是组织面对快速发展的技术时，自身适应变化、准确定位以获得成功的能力；Nambisan和Singh认为，Digital Transformation是企业为了满足不断变化的市场需求，通过运用社交媒体、云计算、传感器等新兴数字技术而使市场产品、业务流程或商业模式等产生的变化；Warner认为，Digital Transformation是组织使用新数字技术的持续过程，由此带来的敏捷性提升是推动组织商业模式、协作方式以及内部文化更新的核心机制。但另一派学者却认为，数字技术只是“术”，由此引发的组织存在方式以及战略目标的根本性变革才是“道”。
本文称之为数字化转型战略派。例如：Rogers认为，从根本上讲Digital Transformation与战略有关；Verhoef和Vial等指出，Digital Transformation本质上是多学科的，涉及战略、组织、信息技术、供应链和营销等方面的变化。总结上述两派观点，可以发现3点共性：第一，Digital Transformation被公认为是一项重大变革，其实现需要Digitization和Digitalization两个阶段的铺垫；第二，Digital Transformation所涉及的技术为新兴数字技术，如大数据、社交媒体、移动技术或云计算等，这与早期的数字技术如信息通信技术有很大不同；第三，Digital Transformation使实体组织的内部结构与外部环境均产生了根本性变化。综上，本文界定“Digital Transformation”与“数字化转型”同义，均是指运用新兴数字技术对组织的结构、运营模式、战略等进行全面优化和根本性重塑的过程。
Digital Transformation既可以指企业等主体组织层面的变革，也可以泛指整个社会的变革。随着新兴技术的飞速发展，企业逐渐意识到数字化转型是提升竞争力的一种战略选择。第一，业务流程方面。Digital Transformation不仅有助于企业实现数字技术与不同业务间的紧密联结，提升运营效率，还能够通过增强产品或服务品质，提高顾客满意度，最终提升企业的市场地位与影响力。第二，商业模式方面。Digital Transformation作为一种战略变革，改变了企业的产品形式、价值创造方式和商业模式，影响着企业的价值主张、市场细分、价值链以及适应突发事件的能力，进而改变消费者的期望和行为，最终颠覆无数市场。第三，组织架构方面。Digital Transformation支持由独立的业务单元、敏捷的组织形式组成的灵活结构，并将数字平台纳入企业未来的发展战略，推进了组织变革的进程。第四，价值创造方面。Digital Transformation促使企业重新思考数据在其商业模式中的作用，通过新的业务逻辑创造和获取价值。综上，对于企业而言，Digital Transformation是一系列数字创新的综合效应，产生了新的经营理念和新的价值观，推动了技术和组织变革，形成了数字治理的新规则。
新兴数字技术、消费者行为、行业竞争模式以及新型商业模式是Digital Transformation主要的驱动因素。按照诞生于数字化时代前后的时间顺序，学界将企业分为天生数字化企业（Born-Digital Enterprise）与前数字化企业（Pre-Digital Enterprise）两类。诞生于数字化时代之前的制造、零售、金融、服务等在位企业是重点转型主体。这些企业在工业时代取得了成功，但数字技术对它们构成了威胁。数字化时代，Digital Transformation意味着企业需要以系统为基础，以价值创造为中心，重新设计能力体系，调整资源结构。事实上，半数以上的企业在实施转型后业绩反而不如从前，这是因为前数字化企业在采用新兴数字技术时往往需要改变整个组织架构、业务流程，使得转型成为一项具有风险的投资活动。此外，并不是所有企业开展Digital Transformation都是有计划的，多数企业是在模棱两可的情况下开始的。例如，企业通常将任命CDO作为数字化转型的第一步，后续步骤如何开展却没有明确的规划。这反映出一个规律，即Digital Transformation是一个“旅程”而不是一个“项目”。它是一个动态过程，需要不断从前面的工作中吸收新知识与新经验。
3.2.2 数据化转型。
“数据化转型”出现的时间较晚，应用范围也较小。目前，在中国知网数据库中，与数据化转型相关的论文仅有17篇，主要涉及图书馆、情报学及档案学等领域。数据化转型的本质是在5G、传感器、大数据等新兴数字技术背景下数据化概念的动态深化与延伸，目的是发掘数据价值，加速数据向生产力的转化。王便芳和周燕提出，数据化转型涉及海量数据的存储、加工、处理与分析。曹惠娟等指出，数据化转型的内涵突出体现在业务对象数据化、业务体系生态化、业务内容服务化和手段方法智能化等方面。综上，本文将“数据化转型”定义为，通过提高获取和分析数据的能力，组织能够有效挖掘与分析数据，最终增强数据利用效率与决策精准度的过程。此外，“数据化转型”是中文情境下的特有术语，没有对应的英文术语。
4 中英文概念区别与联系
4.1 中文概念定义、区别及联系
表2对上文所述“数字化”与“数据化”、“数字化转型”与“数据化转型”这两组概念的界定进行了总结。
其中，数字化与数据化以及数字化转型与数据化转型的区别主要体现在适用对象和具体过程上。在适用对象上，狭义数字化的对象为模拟信号资料，广义数字化的对象为社会中的每一个主体；数据化的对象为数字信号资料；数字化转型及数据化转型的对象为各级各类组织实体（企业、政府、医院等）。在具体过程上，狭义数字化是将模拟信号转变为数字信号的过程，广义数字化是各级各类数字技术应用的过程；数据化是将计算机可识别的数字信号转变为计算机可分析的“数据态”信息的过程；数字化转型是应用新兴数字技术使组织的结构、目标、实现手段都产生根本性变革的过程；数据化转型是增强组织获取和分析数据的能力，使组织通过有效挖掘与分析数据，提高数据利用效率与决策精准度的过程。
数字化与数据化以及数字化转型与数据化转型之间具有紧密的逻辑关系。狭义数字化将自然信息、表述信息转变为以0和1为代表的二进制数位，数据化再进一步将计算机可识别的二进制数位整理成计算机可分析的结构化数据信息。狭义数字化是广义数字化的基础，广义数字化与数据化共同衍生出数字化转型，而数据化转型是数字化转型的一个子集。据此，本文绘制出如下的概念逻辑关系图（见图9）。图中虚线代表技术类型，实线代表逻辑关系。
4.2 英文概念定义、区别及联系
研究发现，Digitization、Datafication、Digitalization与Digital Transformation在适用对象、驱动因素、技术类别、完成边界、价值创造及影响维度等6个方面均有明显区别，归纳总结见表3。
上述4个概念之间存在3方面联系。第一，Digitization、Digitalization与Digital Transformation分别所代表的含义是一个连续渐进的过程。其中，Digitization是基础，Digitalization是Digitization的进一步影响，Digital Transformation是Digitalization在特定应用对象上的深化形式。第二，4个概念均对企业的组织架构产生影响，打破了科层制结构，使企业能够更好地赋能员工，进而迈向扁平化的组织形态。第三，数据成为数字时代重要的生产要素，4个概念均与数据利用密切相关。
表3中，4个概念的适应对象与技术类别的区分度较大。参考表3，本文绘制了英文概念关系明晰图，如图10所示。在图10中，纵轴代表“所涉及数字技术的先进程度”，横轴代表“概念产生影响的范围大小”。其中，Digitization使用的数字技术层级是最基础的，为计算机技术，应用范围也仅限模拟信号；Datafication使用的数字技术上了一个层级，为信息处理技术，应用范围为数字信号；Digitalization涉及数字技术的类别最多，从基础的信息通信技术到互联网技术再到最新的大数据、人工智能、区块链、物联网、云计算等都有涉及，影响范围也最广，所有由数字技术带来的影响都可以归入其中；Digital Transformation是Digitalization针对特定实体（企业、政府等）的深化，因而影响范围相比Digitalization有所聚焦，同时由于所涉及的技术多为新兴数字技术，技术种类也比Digitalization更集中。
在四者的交叉关系上，Digitization是Digitalization的基础条件，两者是顺承关系，无重叠部分。Datafication的应用对象是Digitization处理后的数字化资料，范围上与其无交叠。Datafication涉及大数据技术，因而与Digital Transformation有重叠。Datafication与Digital Transformation都包含在Digitalization中，是其特定对象的深化。
4.3 中英文概念对比
数字化语境中,数字化对应英文的Digitization与Digitalization，数字化转型对应Digital Transformation；数据化对应Datafication，数据化转型则是中文情境下的特有术语，没有与之对应的英文概念。图11展示了其对应关系。
中文数字化包含Digitization与Digitalization两个英文术语的含义，既指将自然信息与表述信息转换为数字信号的过程，也泛指数字技术给人们生产生活所带来的影响。这种一对多的关系容易造成混淆，因此，本文建议中文论述在引用英文文献时，将Digitization译为数码化而非数字化，这样更加贴近英文语境的含义。而中文数字化转型与英文Digital Transformation所指代的含义基本一致；中文数据化相比英文Datafication的“量化”含义，更加强调数据的“结构化过程”。
5 研究结论
概念的内涵外延随时间不断变化，不同时代情景下同一概念会被赋予不同的指代意义。内涵外延的每次更替都是彼时社会大环境的反映，对其进行及时梳理明晰，于学术研究发展具有重要价值。本文使用文献计量法对“数字化”与“数据化”以及“数字化转型”与“数据化转型”的主题文献进行了可视化分析，生成研究全景图；在此基础上，使用文献研究法对其定义内涵、演化规律、应用现状及所对应的英文术语进行了研究与辨析，探索性地总结出以下5个结论，以期推动数字化相关研究的不断延伸与深化。
①“数字化”领域的研究侧重于数字经济背景下数字技术对企业管理模式及价值创造方式的影响。数字技术驱动下的技术创新与平台经济研究也具有一定的理论积淀。现有的“数字化”相关研究与实践结合得较为深入，这与中国当前良好的数字经济土壤紧密相关。
②“数据化”领域的研究呈现两大方向：其一是以数据驱动、数据挖掘、数据分析、大数据、区块链等数据价值挖掘技术为代表的微观研究；其二是以数字化、数据化、智能化、智慧化等为代表的数字技术整体影响研究。
③现有的“数字化转型”研究可分为三大集群：第一集群是出版传媒行业数字化转型研究，出版传媒业是最早触及数字化转型的行业领域，该集群的主要研究内容有数字化转型下传统媒体与数字媒体的融合问题以及在线教育与知识服务等行业新兴业态；第二集群是以数字政府为代表的数字时代新型治理方式研究；第三集群是数字经济中以制造业为代表的各个行业商业模式、产业结构的转型升级研究。
④“数据化转型”研究从属于“数字化转型”研究。具体而言，其以数据化转型为研究主体，往外发散至数据服务、大数据技术、业务流程改造、企业战略转型等内容。
⑤两组概念的中英文术语并不是简单的一一对应关系。数字化转型对应英文术语Digital Transformation，二者所指代的含义也基本一致；Digitization与Digitalization两个英文术语依次对应中文情境下的狭义数字化与广义数字化，为避免混淆，本文建议中文论述在引用英文文献时，将Digitization译为数码化；数据化对应Datafication，并且相比英文Datafication的“量化”含义，更加强调数据的“结构化过程”；数据化转型无相对应的英文术语。各概念的具体含义及现有研究综述在上文中已进行过详细分析，在此不再赘述。
6 研究展望
本文有助于未来数字化研究的深入开展，减少后续研究中的混淆与偏误，同时为政企交流、学企交流消除了语言障碍。本研究还可以在理论研究、研究方法与研究思路以及实践应用等方面进行拓展与深化，研究展望如图12所示。
6.1 理论研究
①横向来看，对两组概念的理解是一个涉及多学科的研究议题。本文主要从管理领域切入，未来研究可从信息系统、经济学、公共事业等多学科的综合视角进行探析，以获得对概念本质更为深入的理解。
②我国企业面对的制度环境、社会文化和思维方式具有独特性，因此，将中国独特性情境嵌入数字化研究十分重要。一方面，中国在第四次工业革命中处于第一梯队，这使得数字化、数据化、数字化转型在中国具备良好的发育土壤和发展机遇，中国独特的社会制度与数字化技术碰撞、交互、结合而生成的管理实践将为世界提供多样化的中国方案；另一方面，中国的高语境文化决定了信息的意义较多寓于传播环境和传播参与者之间的关系中，中国本土研究将有助于明晰概念之间的微妙差别。
③对数字化能力进行深入探析。现有研究指出，数字化能力建立在企业各要素数字化的基础之上，是企业实现数字化转型的重要前提。英文期刊中数字化能力的表述有Digitization Capability与Digitalization Capability两种，二者在内涵上具有明显差异；而中文文献均将其译为数字化能力。未来可以对Digitization Capability与Digitalization Capability的联系与区别以及各自的形成前提、开发过程和影响因素进行研究。
④数字化、数字化转型与数字商业生态系统之间的关系探究。已有研究指出，数字化、数字化转型都与数字商业生态系统相关联。数字化、数字化转型在多大程度上推动了数字商业生态系统的形成，以及未来数字化转型是否会迫使企业在构建平台与加入平台间二选一等，这些均有较大的研究价值。
⑤不同产业的数字化转型异同探析。当下数字化转型的研究多以制造业为样本，提出的定义潜在上也以制造业为对象。农业与服务业在价值创造方式上与工业有着根本区别，对其数字化转型进行研究必将得出一些新颖的结论。
6.2 研究方法与研究思路
①研究方法上。当下对于数字化、数据化、数字化转型的研究多采用案例研究法，且以单案例研究为主。质性研究方面：后续可尝试多案例研究法，综合多层次、多维度视角对数字化机理机制进行拓展研究，增强研究结论的普适性与研究成果的指导性。定量研究方面：其一，量表是概念测量的重要工具，目前对于数字化、数据化、数字化转型的研究缺乏针对性量表，未来可以尝试开发专用量表；其二，对数据科学的大量运用会成为管理学转变的重大契机，借助大数据和数据科学进行的管理学研究将提高实证研究结果的准确性，未来数字化研究可以从传统实证方法转向大数据实证方法，采用更精细的分析单元，这有利于提炼出新的理论机制；其三，数字化转型中人的因素至关重要，行为实验与仿真模拟等多种人因研究方法的运用，将有助于开拓新的研究领域，发现新的研究课题。
②研究思路上。未来的数字化、数字化转型研究可以从行为学、心理学的视角出发，采用以人为中心而不是以变量为中心的方法进行理论构建。将人作为一个整体的分析单元，探究基层员工与高管团队的创造力、执行力、认知能力、风险承受力、企业家精神等不同特征的组合是如何参与和影响企业数字化转型的，从不同角度对数字化、数字化转型的本质进行解读。
6.3 实践应用
①数字化转型落地的途径探究。当前主流观点认为，数字化转型在实践中的途径主要有“分离”与“整合”两种。多数企业采用的方法是“分离”，即创建一个单独部门，负责探索数字化机会和指导整个组织的数字化转型。当企业的核心活动与新的数字业务之间的关系较远时，通常采用此途径。“整合”为难度较大的方式，是指在现有企业结构内进行数字活动，从而与传统业务保持紧密的联系。在实践中，数字化转型的途径是否只存在“分离”与“整合”两种？每种途径具体的实现过程是怎样的？对应到具有差异性的企业个体上又有哪些适应性变化？这些问题目前仍不清楚。
②数字化转型失败的因素探析。现有案例研究的对象多为数字化转型成功的企业，研究内容主要是归纳其独创的数字化转型模式与经验。然而在研究“变革”时，将传统的“失败偏见”转化为从正面探讨的失败的价值更具指导意义。因此，企业数字化转型失败因素的探索大有可为。有关数字化转型失败的研究有两条路径：其一是采用案例研究或者实证研究的方法，直接从数字化转型失败企业的资料中分析导致失败的原因；其二是采用整体视角，建立数字化转型评价指标体系，从而全面评价企业数字化转型的成熟度并找出缺失项。两条研究路径，一正一反，将助力探索数字化悖论的破解之道。
本文节选自《创新科技》杂志2022年第6期《数字化与数据化——概念界定与辨析》一文。
基金项目：国家自然科学基金项目“复杂适应系统视角下的众包平台激励机制研究”（72172031）；首批新文科研究与改革实践项目“‘工商管理 大数据’专业建设研究与实践”（745）；2020年辽宁省“兴辽英才计划”项目“数字辽宁发展战略研究”（XLYC2006009）。
作者简介：孙新波（1971—），男，山东招远人，管理学博士，教授，博士生导师，东北大学工商管理学院副院长，研究方向：组织与战略管理、数据化转型和管理哲学；孙浩博（1997—），男，山东潍坊人，硕士研究生，研究方向：组织与战略管理、数据赋能；钱 雨（1994—），男，黑龙江哈尔滨人，博士研究生，研究方向：数字商业模式。本文通信作者为孙新波。
编辑：黄继彦
