IT驱动下商业模式创新风险评价方法——以Online to Offline模式为例

韩 菁

（陕西师范大学 国际商学院，西安 710062）

1 研究背景

随着信息技术（information technology，IT）的发展，企业间的竞争已不是产品间的竞争，而是商业模式间的竞争［1］，企业创新呈现出由产品创新和工艺创新转向商业模式创新的发展趋势［2］。在移动互联网为背景下的商业模式创新过程中，Online to Offline模式（即O2O 模式）将线上营销与线下交易的商业模式进行了很好的融合，使得传统服务行业与移动互联网发生联系，新技术经济范式正影响着传统商业模式的变革。Pateli和Giaglis指出，在每个商业模式创新过程中，企业都会面临来自于不同方面的各种风险，尤其在信息和通信技术的影响下，目前许多商业模式受到质疑，企业正面临着商业模式创新带来的挑战［3］。传统行业采取O2O 模式意味着要“双线”作战，能否有效地识别商业模式创新的风险对其经营成败有着至关重要的影响。如何识别、评价商业模式创新的风险已成为重要的评价与决策问题，研究该问题对于企业获得竞争优势具有重要意义。

Timmers最先对商业模式进行了系统性定义［4］。之后，有关商业模式创新风险的研究主要分为两类。一类是针对静态的商业模式创新的体系结构、驱动要素等进行分析。例如：Doganova 和Eyquem-Renaultb探索了商业模式创新体系结构面临的风 险［5］；Johnson、Christensen 和Kagermann提出通过分析商业模式组成要素来评价商业模式创新风险［6］；Lindgardt、Reeves和Stalk 等在此基 础上对商业模式创新风险的子要素进行了重点分析［7］。一类是针对动态的商业模式创新的实施过程进行评价。例如：Magretta整合了商业模式和价值链理论，对价值链中的制造和销售过程进行了测评［8］；Suh和Han提出了一种基于年度损失预期计算的商业模式风险分析方法［9］。需要指出的是，已有研究多从宏观层面对商业模式创新风险进行解释和分析，研究风险测评的定量分析方法的文献还不多见。

本文以IT 驱动下商业模式创新的风险为研究对象，对商业模式创新风险的测评方法进行深入剖析。同时，考虑到现实中决策者对商业模式创新风险的评价结果可能是高、低、好、差等，此时很难用精确的数值描述所涉及效率矩阵中的元素，而用语言评价信息则更为方便、合适［10］。鉴于此，本文分析商业模式创新过程中的风险要素并构架相应的指标体系，依据专家对商业模式创新风险要素给出的语言评价信息，使用二元语义信息处理方法对商业模式创新风险进行评价，从而为商业模式创新活动提供重要的决策支持，并为企业决策者进行商业模式创新风险分析提供了一种思路和方法。

2 IT驱动下商业模式创新的风险要素分析

商业模式创新风险是企业在商业模式创新变革过程中可能面临的各种风险，主要包括技术风险、运营风险、市场风险、法律风险和政策风险。商业模式创新风险要素指标体系的构建过程如下：首先，整理和分析关于商业模式创新的相关研究文献［3-9，11-13］，分别提取出与技术、运营、市场、法律和政策等维度相关的风险要素，形成备选风险要素指标集合；然后，运用专家调查法，对备选风险要素指标进行评价；最后，通过对评分进行统计分析，并结合专家的建议，确定IT 驱动下商业模式创新的风险要素识别体系。

通过对已有文献中的相关风险要素进行筛选，得到技术维度的风险要素为“数据安全”“技术创新水平”“技术选择水平”和“系统安全与稳定性”［3，5-7］，运营维度的风险要素为“员工满意度”“新产品开发周期”“资金周转率”“合作伙伴水平”“顾客保有水平”和“顾客参与”［6-7，12-13］，市场维度的风险要素主要为“产品/服务价格”［8-9］，法律维度的风险要素为“知识产权保护”和“隐私保护”［8，11］，政策维度的风险要素是“政策监管”［6，12］。

为了检验并修正预选的商业模式创新风险要素指标体系，本文对来自移动通信服务业的移动通信运营商、互联网运营商、内容提供商、服务提供商和技术提供商5家企业的12位专家进行了问卷调查。选择移动通信服务业作为本研究的行业背景，主要是因为移动通信服务业是一个受IT 驱动的服务行业，提供包括移动互联网、无线通信、终端线上与线下应用等多种服务，更需要考虑IT 驱动下商业模式创新的风险。首先，对每位专家发放商业模式创新风险要素列表的调查问卷；然后，专家针对列表中的要素进行评分，即针对要素的重要程度按照1～10分（1分为完全不重要、10分为非常重要）的评分标准进行打分，假设12 位专家的重要程度是相同的。

进一步，对专家给出的评分进行统计分析。针对调查结果，计算12位专家对每个指标的评分的平均值及标准差（平均值≥7.5、标准差＜2），统计检验结果如表1所示。其中，有2个指标没有通过信度检验，其余12个指标的信度较好。综上，IT 驱动下商业模式创新的风险要素识别体系如表2所示。

表1 IT驱动下商业模式创新风险要素指标体系统计检验结果

表2 IT驱动下商业模式创新风险要素指标体系

本文考虑解决的问题是：按照上述商业模式创新风险要素指标体系，依据专家针对各创新风险指标给出的语言评价信息以及专家针对指标权重给出的语言评价信息，给出相应的决策分析方法，以实现对商业模式创新风险的定量识别评价。

3 商业模式创新风险评价方法

基于已构建的IT 驱动下商业模式创新风险要素指标体系，本文首先描述商业模式创新风险要素评价问题，然后给出商业模式创新风险要素评价方法的原理和运用步骤。

3.1 问题描述

在商业模式创新风险评价问题中，假设待评价的商业模式创新方案集F=｛F1，F2，…，Fn｝，其中Fp为第p（p=1，2，…，n）个商业模式创新方案。商业模式创新风险要素评价指标集C=｛C1，C2，…，Cg｝，其中Cq表示第q（q=1，2，…，g）个评价指标。不失一般性，本文假设考虑的属性都为效益型属性，将成本型属性转化为效益型属性［14］。设语言评价集L=｛l0，l1，…，lT｝，li∈L是第i（i=0，1，…，T）个语言短语。L是一个预先定义好的、由奇数个元素构成的有序集合。本文考虑的集合L是一个由5个元素（即语言短语）构成的集合，即L=｛l0=VP（非常低/非常差/非常不满意），l1=P（差/低/不满意），l2=M（中等/一般/一般），l3=G（好/高/满意），l4=VG（非常好/非常高/非常满意）｝。这里考虑使用集合L中的语言短语描述商业模式创新风险水平。参与商业模式创新风险评价的专家集合E=｛E1，E2，…，Em｝（m≥2），其中Ek表示第k（k=1，2，…，m）个专家；专家的权重向量V=（v1，v2，…，vm）T，其中vk（k=1，2，…，m）表示第k个专家的重要程度；专家Ek针对指标集C给出语言形式的权重向量，即Wk=（wk1，wk2，…，wkg）T，其中wkq是专家Ek从语言评价集L中选择的、描述指标Cq的重要程度的一个元素；专家从语言短语集合L中选择一个语言短语描述在指标Cq对拟评企业Fp的语言评价信息；记专家给出的语言形式的评价矩阵L′=［lkq］m×g，其中lkq为专家Ek从预先定义好的语言评价集L中选择的、作为指标Cq的评价值的一个元素。

3.2 方法原理与步骤

在商业模式创新风险评价过程中，针对多个指标的创新风险水平评价结果可能是高、低、满意或不满意等，因此语言信息最适合表达专家对企业商业模式创新风险的评价。首先，根据文献［15-16］，通过下面的转换函数θ可将语言短语li转化为二元语义形式：

设实数β表示语言短语集结运算的结果，β∈［0，T］，则称（li，αi）是与β相应的二元语义形式，可由如下函数Δ得到：

其中：round表示“四舍五入”取整运算；li为L中第i个元素；αi为符号转移值，表示li与信息β的偏差。反之，若（li，αi）是一个二 元语义，ai∈［-0.5，0.5），则存在一个逆函数Δ-1，可将二元语义（li，αi）转化为相应的数值β∈［0，T］，即

假设（li，αi）和（lj，αj）为任意两个二元语义，则它们具有下列性质：

第一，有序性。具体而言，当i＜j时，有（li，αi）″＜″（lj，αj）或（lj，αj）″＞″（li，αi）。这里的符号″＜″和″＞″分别表示“劣于”和“优于”；当i=j时，有：若αi=αj，则（li，αi）″=″（lj，αj），这里符号″=″表示“等于”；若αi＜αj，则（li，αi）″＜″（lj，αj）；若αi＞αj，则（li，αi）″＞″（lj，αj）。

第二，存在逆 运算算 子“neg”。neg（li，αi）=Δ［T-Δ-1（li，αi）］，这里T+1表示集合L中元素的个数。

第三，极大化运算。当（li，αi）″≥″（lj，αj）时，有max（（li，αi），（lj，αj））=（li，αi）。

第四，极小化运算。当（li，αi）″≥″（lj，αj）时，有min（（li，αi），（lj，αj））=（lj，αj）。

设（l1，α1），（l2，α2），…，（lm，αm）是一组要被集结的m个二元语义，则可将二元语义算数平均算子表示为：

综上，基于语言评价信息的商业模式创新风险评价的具体步骤见步骤1～步骤4。

步骤1：依据式（1）和式（2），将专家权重vk、指标权重wkq、针对指标的语言评价信息lkq均转化为二元语义形式的评价信息（vk，0）、（wkq，0）和（lkq，0）。这样针对商业模式创新风险的评价矩阵L′=［lkq］m×g就被转化为二元语义形式的评价矩阵其中

步骤2：将专家给出的、针对创新风险要素指标的评价信息进行综合。具体而言，将专家权重信息（vk，0）和专家给出的针对指标的语言评价信息（lkq，0）进行综合，得到专家群体的指标评价值（lq，αq），计算方法见式（6）：

步骤3：将专家给出的、针对指标权重的信息进行综合。具体而言，将专家权重信息（vk，0）和专家针对指标权重的信息（wkq，0）进行综合，得到指标权重向量计算方法见式（7）：

步骤4：将专家群体的指标评价值（lq，αq）和指标权重向量相集结，得到专家针对商业模式创新风险的综合评价值，即

根据遵循上述步骤计算得到的商业模式创新风险综合评价结果，可定量地识别和分析企业的商业模式创新风险，进而有针对性地实施改进措施以防范风险。

4 实例分析

在移动互联网时代，O2O 模式已备受风险投资商关注。本文以S 省移动运营商与上海YM 公司的O2O 运营合作为例，验证本文提出的商业模式创新风险评价方法。S省移动运营商与上海YM 公司针对手机二维码支付凭证进行了O2O 运营合作，已成功帮助S省的麦当劳、Shell石油、华润万家等企业的商品"穿上二维码的外衣"，实现了"线上营销、线下交易"的商业模式创新。上海YM 公司拟针对S省分别来自娱乐、健身、医疗和餐饮4个行业的4家企业的服务产品进行评估并建立线上营销方案和线下支付平台。在创新型项目风险投资选择的过程中，为了实现投资的合理性并进行快速的价值创造，上海YM 公司邀请了来自移动通信运营商、互联网运营商、技术平台提供商、科研院所等不同单位的信息工程师、市场总监、数据分析人员、专家和学者共5人组成专家小组，针对4类（娱乐、健身、医疗、餐饮）企业的商业模式创新方案（F1，F2，F3，F4）的风险进行评价，为其投入资金、设备、技术和服务等提供决策支持。这里考虑使用3.1节中给出的语言短语集合。设专家小组的5名专家为E1，E2，E3，E4，E5，专家的权重向量V=（M，M，G，VG，G）T。根据表2所示的商业模式创新风险要素指标体系（C1，C2，…，C12），5 名专家分别给出了商业模式创新风险要素指标权重向量（见表3），以及专家对各指标的语言评价信息（见表4～表7）。

表3 5位专家给出的商业模式创新风险要素指标权重

表4 专家对商业模式创新方案F1的风险要素的评价信息

表5 专家对商业模式创新方案F2的风险要素的评价信息

表6 专家对商业模式创新方案F3的风险要素的评价信息

表7 专家对商业模式创新方案F4的风险要素的评价信息

步骤1：依据式（1）和式（2），将专家权重向量V=（M，M，G，VG，G）T、专家给出的指标权重（见表2）以及表4～表7中专家对指标的语言评价信息均转化成为二元语义的形式。

步骤2：依据式（6），将专家权重信息和专家对指标的语言评价信息进行综合，得到专家群体指标评价值，如表8所示。

表8 专家群体的指标评价值

步骤3：依据式（7），将专家权重信息与专家对指标的权重信息进行综合，得到专家群体的指标权重向量

步骤4：依据式（8），将专家群体的指标评价值和指标权重向量相集结，得到专家对4个商业模式创新方案的风险综合评价值，分别为（G，-0.27）、（G，-0.29）、（G，0.05）和（M，-0.01），据此可知F3＞F1＞F2＞F4。方案F3在各个维度下的整体表现较好，应优先选择该商业模式下的投资方案。

为了进一步分析每个商业模式创新方案的风险情况，依据式（8）分别计算各方案在不同维度下的风险表现，如图1所示。从图1可以直观地发现，不同商业模式创新方案的风存在差异。以优先选择的商业模式创新方案F3为例，该方案在市场风险维度下的表现最好，而在法律风险维度、政策风险维度方面相对比较薄弱。在选择方案F3的情况下，为了更好地提升创新风险管理能力和水平，企业可以在保持市场竞争优势的前提下对其他方面进行有针对性的改进和提升，如进一步加强隐私保护以提升顾客满意度、进一步完善有关管理制度以降低政策风险等。

图1 F1、F2、F3和F4在5个风险维度下的表现

5 结论

本文从企业实现商业模式创新的可能性入手，通过分析商业模式创新的驱动要素，从技术、运营、市场、法律和政策等维度建立了商业模式创新风险要素指标体系，可从定性和定量两个方面对商业模式创新风险进行全面评价。企业风险投资实例分析结果表明，本文提出的IT 驱动下商业模式创新风险评价方法具有合理性和可行性，可较准确和直观地识别商业模式创新风险，能帮助企业实施商业模式创新。需要指出的是，商业模式创新风险评价过程中可能存在评价指标之间相互关联、互不独立的情形，如何解决指标之间关联的问题，未来商业模式创新风险研究也应给予关注。

［1］DRUCKER P F.The daily Drucker：366Days of Insight and Motivation for Getting the Right Things Done［M］.New York：Harper Collins，2004：209.

［2］陈劲.创新管理及未来展望［J］.技术经济，2013，32（6）：1-9.

［3］PATELI A G，GIAGLIS G M.Technology innovation-induced business model change：a contingency approach［J］.Journal of Organization Change Management，2005，18（2）：167-183.

［4］TIMMERS P.Business models for electronic markets［J］.Journal on Electronic Markets，1998，8（2）：3-8.

［5］DOGANOVA L，EYQUEM-RENAULTB M.What do business models do？Innovation devices in technology entre-Preneurship［J］.Research Policy，2009，38（10）：1559-1570.

［6］JOHNSON M W，CHRISTENSEN C M，KAGERMANN H.Reinventing your business model［J］.Harvard Business Review，2008（9）：51-59.

［7］LINDGARDT Z，REEVES M，STALK G，et al.Business model innovation-when the game gets tough，change the game［J］.The Boston Consulting Group，2009（9）：1-8.

［8］MAGRETTA J.Why business models matter［J］.Harvard Business Review，2002，80（5）：86-92.

［9］SUH B，HAN I.The IS risk analysis based on a business model［J］.Information &Management，2003，41（2）：149-158.

［10］HWANG C L，YOON K.Multiple Attribute Decision Making［M］.New York：Springer-Verlag，1981：36.

［11］ZOTT C，AMIT R，MASSA L.The business model：recent developments and future research［J］.Journal of Management，2011，37（4）：1019-1042.

［12］HALL J，WAGNER M.Integrating sustainability into firms＇processes：performance effects and the moderating role of business models and innovation［J］.Business Strategy and the Environment，2012，21（3）：183-196.

［13］SCHALTEGGER S，FREUND F，HANSEN E G.Business cases for sustainability：the role of business model innovation for corporate sustainability［J］.International Journal of Innovation and Sustainable Development，2012，6（2）：95-119.

［14］YOON K P，HWANG C L.Multiple Attribute Decision Making：An Introduction［R］.Thousand Oaks，CA：Sage，1995.

［15］DELGADO M，HERRERA F，HERRERA V E.A communication model based on the 2-tuple fuzzy linguistic representation for a distributed intelligent agent system on Internet［J］.Soft Computing-A Fusion of Foundations，Methodologies and Applications，2002，6（5）：320-328.

［16］樊治平，王欣荣.具有语言评价信息的指派问题的求解方法［J］.系统工程学报，2004，19（1）：14-19.