摘 要：为更好地指导我国服装零售企业构建数据驱动型商业模式，本文以数据驱动型商业模式构建蓝图为指引，对大数据在服装行业内应用的相关文献资料进行分析。借助NVivo软件，完成574个节点编码，以此生成37个初始范畴、15个主范畴和6个核心范畴，并构建了以预期目标、输出内容、数据来源、数据处理、盈利方式及困难点为核心的服装零售企业数据驱动型商业模式构建模型。研究发现，企业以优化供应链与业务管理为目标，通过对内外部数据的分析处理，实现精准目标定位和产品输出，并通过精准营销、个性化营销以及体验营销实现大数据环境下的企业盈利。同时，大数据意识不足、人才缺失、应用困难以及数据安全隐患等，影响企业向数据驱动型商业模式转变。据此，本文提出相关建议对策。
关键词：数据驱动；商业模式；大数据；服装零售；企业转型
中图分类号：F724.2 文献标识码：A 文章编号：2096-0298（2024）11（a）--04
数据要素是加快经济社会发展质量变革、效率变革、动力变革的重要引擎。作为我国传统产业之一，服装零售业正面临着市场竞争加剧、获客成本上升、利润下降、消费需求快速变化等挑战。科学有效地利用数据要素、实现大数据驱动的商业模式创新成为破局关键。近年来，国内外学者针对新型商业模式的构成要素、新兴技术的赋能路径和影响因素等，基于创新价值链、获取竞争优势、重塑生产关系等经济、运营与战略视角，开展了大量理论探索[1-4]。整体而言，目前针对大数据环境下商业模式的创新研究更多侧重于宏观视角的理论分析，缺少与具体行业应用相结合的梳理与总结。为此，本文以服装零售业为研究领域，通过对商业模式构成要素和商业模式创新等研究进行梳理分析，并以Brownlow等（2015）[5]提出的数据驱动型商业模式构建办法为理论指导，开展大数据在服装零售业内应用的扎根分析，归纳形成服装零售企业在大数据环境下构建数据驱动型商业模式的关键要素，为服装零售企业构建数据驱动型商业模式提供指导建议。
1 理论基础
1.1 大数据时代下商业模式的创新
国内外学者对商业模式内涵的理解，主要基于对其构成要素的探讨展开。其中，Osterwalder（2004）[6]基于客户、产品、基础设施及财务四个视角所提出的商业模式画布九要素被广为接受。后续，学者们基于各自研究视角，分别对商业模式要素进行了归纳总结。基于利益相关者视角，魏炜等（2012）[7]提出业务系统、定位、盈利模式、关键资源能力、现金流结构和企业价值六要素模型；基于知识管理视角，汪寿阳等（2015）[8]依据显性知识和隐性知识，提出商业模式冰山理论。近年来，基于价值创造视角的商业模式要素研究不断增多。例如，李永海（2016）[9]从价值链组成要素、企业内部价值、渠道、客户价值四维度提炼出商业模式构成六要素；江娟等（2018）[10]提出零售业商业模式应包含价值主张、核心资源、关键流程、盈利模式四大要素；李文等（2020）[11]则将新零售商业模式的构成划分为价值主张、价值创造、价值传递和价值实现四个要素。
本文对商业模式构成要素的探讨为后续的商业模式创新研究提供了理论基础。Osterwalder（2005）[12]指出企业可以通过改变商业模式构成要素来驱动商业模式创新；高闯等（2006）[13]基于价值链创新理论，提出价值链延展型、价值链拆分型、价值创新型、价值链延展与分拆相结合、混合创新型五类商业创新模式。在针对大数据环境下的商业模式创新时，陈建新等（2021）[14]认为改变商业要素之间的关联方式是实现商业模式重构的途径，并提出了“分销渠道+价值配置”等四项大数据时代零售商业模式重构的策略。此外，李文等（2020）[15]通过对小米和网易严选进行案例分析，提出了立足客户价值、企业资源和能力、盈利模式的大数据驱动型商业模式创新路径。不过，以上研究多为宏观层面的理论探讨，针对数据驱动型商业模式创新的实现路径、影响要素等并未形成统一认识，很难用于针对服装零售业的数据驱动型商业模式创新指导。
1.2 数据驱动型商业模式构建蓝图
英国剑桥大学学者Brownlow等通过对金融、保险、出版、零售和电信五大行业的大数据应用模式进行研究，提出了数据驱动型商业模式（data-driven business models，DDBM）构建蓝图，并指出企业在进行数据驱动型商业模式的创新时，需要回答预期目标、输出内容、数据来源、数据处理、盈利方式及困难点六个基本问题。其中，预期目标是指企业通过数据驱动来实现的目标和成果，如提高销售额、降低成本、减少人力资源浪费、提升客户满意度等。输出内容是企业通过分析和有效利用数据所得到的直接结果，是具体业务环节中的实现内容。数据来源是构建数据驱动型商业模式所使用的数据渠道，而数据处理是指对采集的数据进行清洗、转换、分析和建模的过程。盈利方式是指通过数据驱动型商业模式实现盈利的途径，困难点则是企业在构建数据驱动型商业模式时面临的困难和挑战。
相比过往的商业模式创新研究，通过回答以上六个基本问题，企业可以更加清楚自身对数据驱动型商业模式的需求与动机、内外部条件，以及所面临的问题，并以此指导企业构建满足自身需要的数据驱动型商业模式。这一数据驱动型商业模式的构建办法得到西方商界与学术界的广泛关注，并成为企业构建数据驱动型商业模式的指导性文件。例如，Lange（2021）[16]、Ritala（2023）[17]等学者探讨了头部企业、B2B型企业等不同企业场景下的数据驱动型商业模式构建。本文也将参考这一数据驱动型商业模式构建蓝图，开展针对服装零售企业数据驱动型商业模式构建的研究。
2 服装零售企业数据驱动型商业模式构建
为更好地回答数据驱动型商业模式构建蓝图中所提及的六大问题，本文采用扎根理论的研究方法，对大数据在服装零售业内应用的相关文献资料进行扎根分析。文献资料来源于中国知网数据库。为确保数据的全面性，本文设定的文献检索条件为“主题=大数据+服装or大数据+纺织or大数据+时尚”。检索时间为2023年12月20日，检索期限截至2023年12月20日。对检索结果进行筛选和人工判读，剔除与研究无关的文献后，共得到文献367篇。研究借助NVivo软件对文献资料进行分析。
2.1 开放式编码
基于资料发表时间排序，前350份资料首先导入NVivo软件，并从资料原文中进行节点编码和初始概念提取。编码过程充分参考了DDBM所列六个问题的语义内涵，对文献资料中所涉内容进行辨别和筛选。完成首轮编码后，由另一位研究者对编码情况进行检查，对存有分歧的编码内容进行讨论与二次编码，以形成编码逻辑共识。最终，共获取编码节点574个，分属37个初始范畴。剩余17份资料用于结果验证，并没有新的节点出现，可认为开放式编码过程中的信息饱和度较好。
2.2 主轴式编码
主轴式编码是通过对初始范畴与各概念的不断比较，寻找初始范畴之间的内在类属逻辑，以整合出更高抽象层次的主范畴。基于研究主题，参照数据驱动型商业模式构建蓝图，将37个初始范畴做进一步的组织、整合，共归纳出15个主范畴，如表1所示。
2.3 选择式编码
本文基于主范畴的语义与涵盖内容，对主轴式编码所形成的15个主范畴进行归纳整合，最终形成预期目标、输出内容、数据来源、数据处理、盈利方式和困难点六个核心范畴。其中，“预期目标”包含供应链管理和业务优化两个主范畴，是企业通过数据驱动型商业模式来实现的目标和成果；“输出内容”包含精准目标定位、精准产品输出两个主范畴，是企业通过分析和有效利用数据所得到的直接结果；“数据来源”包含内部数据获取和外部数据获取两个主范畴；“数据处理”包含内部数据架构和数据分析两个主范畴；“盈利方式”包含精准营销、个性化营销和体验营销三个主范畴，是企业通过数据驱动型商业模式以实现盈利的途径；“困难点”包含意识不足、人才缺失、应用困难和数据安全四个主范畴，是企业在打造数据驱动型商业模式时面临的困难和挑战。最终形成服装零售企业数据驱动型商业模式构建模型，如图1所示。
3 结果分析
3.1 预期目标
大数据技术在服装零售企业内应用的主要预期目标是实现供应链的有效管理和业务优化。在供应链管理目标下，企业希望通过大数据帮助其实施原材料供应管理、生产端信息管理、供应链协同管理、店铺商品管理、物流管理以及库存管理，从而有效提升供应链反应效率，缩短供应链周期。在业务优化目标下，企业希望通过数字辅助设计、精准量体与版型匹配等达成个性定制、众创设计等新型营销手段，帮助企业提高业务效率。例如，通过集成市场、设计、工艺、生产、管理和销售等海量数据，可将大数据技术应用于众创设计平台、自动工艺规划和自适应生产调整等环节，为服装零售企业带来新的业务增长点。
图1 服装零售企业数据驱动型商业模式构建模型
3.2 输出内容
服装零售企业对大数据技术的应用，主要体现在精准目标定位和精准产品输出两个层面。在精准目标定位方面，企业期望通过大数据开展消费行为习惯研究、目标市场划分、制定消费者画像以及消费者评价监测。例如，通过获取多样化的数据、精细的信息分析、实时跟踪市场行情以及关注客户需求变化，及时开发并预测市场需求，从而有预见性地调整策略，定位新的商机。在精准产品输出方面，企业希望借助大数据技术实现流行趋势预测、智能化选品、个性化推荐以及产品的个性化定制。例如，本文利用大数据技术分析消费者的喜爱偏好，把握并预测流行趋势、热门款式等，可以从很大程度上解决存货积压问题；智能化推荐系统通过量化影响顾客选择因素的权重，将产品特征与顾客属性进行匹配，使营销活动更有针对性。
3.3 数据来源
服装零售企业在应用数据驱动型商业模式时，其数据来源于企业内部数据和外部数据。企业内部数据主要来自企业内部留存的销售数据，以及客户个人信息数据。一般而言，企业会实时追踪销售数据，并基于不同产品款式、品类、面料、店铺、销售区域、销售时段等开展分析。客户个人信息多来自品牌会员、线上商城、品牌社群等的用户申请注册，以及线上平台对客户个人消费记录的追踪。另外，部分商家引入智慧店铺等智能化设备，可以在店铺内收集消费者试衣与购买过程中所产生的体型数据、产品喜好数据等。外部数据则多来自第三方市场调查数据和社交媒体数据。如通过对社交媒体平台上用户发布信息的梳理分析，挖掘客户个性特征、喜好变化、社会关系等内容，有助于企业理解顾客购买偏好、产品热度和社交互动等关键信息，从而指导制定更具针对性的生产与销售策略。
3.4 数据处理
在数据驱动型商业模式中，数据处理主要体现在数据架构的搭建以及后续的数据分析。在数据架构方面，企业期望通过构建数据中心和数据系统，依赖高效的数据存储，最终建立统一的数据管理平台。在数据分析方面，企业多采用规范性分析、预测性分析、描述性分析以及非特定分析。例如，通过关注销售额、推广费用和商品结构来评估企业的成长潜力并调整营销策略。此外，退款率、浏览量和访客数等指标也被用于评估运营效率和客户满意度。市场趋势、消费者偏好和竞争对手数据则可以用于预测市场走向，帮助企业评估竞争地位并制定竞争策略。
3.5 盈利方式
数据驱动型商业模式中，企业主要通过精准营销、个性化营销和体验营销三种方式实现盈利。在精准营销方面，企业可以依托网络大数据将用户基本信息、消费习惯、兴趣爱好、价值导向等进行信息整合与运算，实现向特定目标群体传播针对性内容。在个性化营销方面，企业通过满足用户的个性化需求，增强了顾客黏性并实现产品附加值提升。例如，Stitch Fix已实现通过将领型、袖型、颜色、面料等服饰类商品特征以及用户体型、年龄、面容、着装偏好等个人特征量化，采用智能系统进行匹配，为顾客提供精准的产品推送。在体验营销方面，企业重点关注顾客在购买和使用产品中的个人感受，力图通过满足顾客感官与情感需要而达到吸引和保留顾客、获取利润的目的。各类智慧店铺、智能试衣镜、智慧衣架等已开始在服装零售终端应用，以期为顾客提供更加贴心便捷的销售服务。
3.6 困难点
目前，数据驱动型商业模式运行中的主要困难点在于大数据意识不足、人才缺失、应用困难以及数据安全隐患等方面。在数据驱动型商业模式中，大数据意识是大数据技术发挥效能的底层基础，特别是企业管理者与决策者的思维意识至关重要。在大数据人才方面，国内服装零售企业对大数据相关技术的使用水平普遍较低，缺乏同时精通数据分析和业务管理的复合型人才，从而造成了管理与技术之间的脱节。同时，数据驱动型商业模式所要求的大数据系统建设往往需要投入大量资源，产生包括硬件设备、软件工具、人力培训等方面的成本，会对企业的财务状况造成一定压力。最后，个人消费记录、社会关系、三维人体数据等也面临着极大数据安全问题。倒卖消费者信息、恶意软件窃取个人信息、网站漏洞被利用进行数据盗取等都会引发严重的数据信任危机，企业在此方面的防护依然存在较大困难。
4 对策建议
4.1 注重大数据技术与企业需求的结合落地
我国服装产业正处于结构转型的关键时期，亟须进一步平衡供给与需求，以提高产品与服务品质，满足顾客的个性化与多元化需求。目前，服装零售企业对大数据技术在供应链各环节和各业务流程的应用赋能更为关注，寄希望大数据技术实现更为精准的营销策略。因此，数据驱动型商业模式构建应该一方面继续深挖企业需求痛点，明确技术应用方向与所需功能，以需求带动技术创新；另一方面，技术提供商也应进一步加强对服装产业技术应用场景的了解，提供模块化、灵活式的技术解决方案，以满足企业的个性化技术需求。
4.2 注重高质量数据的获取与存留
数据的准确性、完整性和一致性是建立数据驱动型商业模式的关键基础条件。随着数据日益成为企业生产运营的重要资源，企业需要建立一套成熟的数据获取体系，注重内部和外部数据的积累和收集，必要时可选择直接购买数据或者向技术服务商定制数据采集服务，以满足数据分析需求。同时，还需要通过建立统一的数据平台或数据中心，打破部门之间的数据壁垒，避免企业内部数据孤岛现象的出现。另外，企业还要制定明确的数据存留政策，包括数据备份、归档和保护措施，以应对潜在的数据丢失或损坏风险。
4.3 注重数据驱动型企业文化的构建
数据驱动型商业模式需要企业形成一种注重数据分析和数据驱动决策的内部文化。企业管理层应加强数据思维意识，养成以数据制定决策的管理模式，积极尝试大数据技术在企业内的应用。企业在内部执行层面，构建面向应用的数据平台或架构，完善数据处理与分析技术手段，鼓励员工学习掌握大数据相关技能，通过培训现有员工或招募专业人才来提升数据分析能力。
4.4 注重人才培养与政策支持
教培机构应加强与企业合作，开展定制化培训项目，帮助企业员工提升大数据相关技能。政府可以制定扶持政策来鼓励企业开展大数据技术的研发和应用。同时，政府可以搭建数据共享平台，为企业提供更广泛的数据资源，促进行业内部数据的共享与交流，从而推动整个行业的信息化和数字化转型。此外，还可以通过举办行业峰会、研讨会等活动，促进企业间的合作交流，推动行业内的大数据应用与创新发展。
参考文献
荆浩.大数据时代商业模式创新研究[J].科技进步与对策，2014，31（7）： 15-19.
李文，张珍珍，梅蕾.企业网络、大数据能力与商业模式创新机制研究： 基于fsQCA方法的实证分析[J].科技进步与对策，2022， 39（1）：121-131.
易加斌，徐迪，王宇婷，等.学习导向，大数据能力与商业模式创新：产业类型的调节效应[J].管理评论， 2021， 33（12）： 137.
王立夏，程子琦，王沅芝.共情视角下大数据赋能商业模式创新的研究[J]. 科学学研究， 2022， 40（3）： 525-533.
Brownlow J， Zaki M， Neely A， et al. Data and analytics-data-driven business models： A blueprint for innovation[J].Cambridge Service Alliance， 2015.
Osterwalder A. The business model ontology a proposition in a design science approach[D].Université de Lausanne， Faculté des hautes études commerciales， 2004.
魏炜，朱武祥，林桂平.基于利益相关者交易结构的商业模式理论[J].管理世界，2012（12）：125-131.
汪寿阳，敖敬宁，乔晗，等.基于知识管理的商业模式冰山理论[J].管理评论，2015，27（6）：3-10.
李永海.价值链视角下企业商业模式创新的案例决策分析方法[J].科技进步与对策，2016，33（20）：83-90.
江娟，杨奇星，陈家淳.基于大数据的零售业商业模式创新路径探讨[J].商业经济研究，2018（18）：11-13.
李文，武飞，张珍珍，等.基于大数据能力的新零售商业模式研究[J].商业经济研究，2020（6）：118-120.
Osterwalder A， Pigneur Y， Tucci C L. Clarifying busi-ness models： Origins， present， and future of the con-cept[J]. Communications of the association for Infor-mation Systems， 2005， 16（1）： 1.
高闯，关鑫.企业商业模式创新的实现方式与演进机理： 一种基于价值链创新的理论解释[J].中国工业经济，2006（11）：83-90.
陈建新，赵小克.大数据背景下零售商业模式的重构： 要素视角[J].商业经济研究， 2021（16）： 21-24.
李文，张珍珍，梅蕾.消费升级背景下大数据能力对商业模式创新的影响机理： 基于小米和网易严选的案例研究[J].管理案例研究与评论，2020，13（1）：102-117.
Lange H E， Drews P， Höft M. Realization of Data-Driven Business Models in Incumbent Companies： An Explora-tory Study Based on the Resource-Based View[C]//ICIS. 2021.
Ritala P， Keränen J， Fishburn J， et al. Selling and monetiz-ing data in B2B markets： Four data-driven value proposi-tions[J].Technovation， 2024， 130： 102935.Junchao G， Tze Fong G， Hiu Hong T， et al. Study on function and appearance design of smart street lamps based on Kansei engineering： a literature review[J]. Jurnal Kejuruteraan， 2023， 35（5）： 1227-1238.