数据生态系统研究前沿：基础、配置与价值的融合演进

《Electronic Markets》：Data ecosystems in IS research: The road so far, where we are now, and the road ahead

本刊推荐研究人员为解决数据共享中的复杂挑战，开展数据生态系统基础架构、配置模式与价值创造机制研究，提出治理框架、业务模型等解决方案，对推动跨组织数据协作与AI应用具有重要意义。

　　

在数字化浪潮席卷全球的今天，数据已成为驱动组织创新与增长的核心资产。然而，跨组织数据共享却如同在迷雾中航行——尽管通过电子邮件发送Excel文件看似简单，但数据一旦离开提供者的控制范围，就如同脱缰的野马：即使后续发现错误、缺乏权限或希望撤回，数据早已在第三方手中被使用、共享、重组甚至篡改（Jarvenpaa & Markus, 2020; Parmiggiani et al., 2024）。这种失控风险使得许多组织在数据共享的门口徘徊不前，而日益增长的监管要求（如《数据治理法案》《数据法案》）和内在业务需求又迫使它们必须迈出这一步。正是在这种张力之下，数据生态系统（Data Ecosystems）研究应运而生，致力于破解复杂网络中数据提供者、服务提供者、数据消费者和数据中介之间的协作难题。

数据生态系统的概念融合了两个关键要素：一是作为现实数字表征的（数字）数据（Alaimo & Kallinikos, 2021），二是源自生物学的生态系统概念，强调不同实体共生于一个系统之中，常呈共生关系（Tansley, 1935）。其核心逻辑在于不同角色围绕数字数据这一共享对象协作创造价值（尽管各参与方的价值定义可能大相径庭）。从确保法规遵从到开发新商业模式，再到通过优化业务流程实现卓越运营（M?ller et al., 2024; Toorajipour et al., 2024），数据生态系统的价值创造维度日益多元。

《Electronic Markets》期刊推出的特刊通过14篇论文系统梳理了该领域的研究进展，论文框架围绕三大维度展开：基础（Foundation）、配置（Configuration）和价值（Value）。基础维度关注存储处理数据的基础设施、确保质量隐私信任的治理机制、管理数据共享关系的实践，以及技能人才、协作关系与法规制度；配置维度聚焦于为特定目标构建有效数据生态系统所需的参与者、基础设施、数据及运作模式的独特组合；价值维度则深入探讨“谁从中获益”这一根本问题，揭示价值创造的多元路径。

研究人员主要采用案例研究（如Catena-X汽车网络）、设计科学研究（DSR，如合成数据生态系统构建）、 taxonomy（分类学）开发（如数据共享实践分类）、访谈与问卷调查（如教育生态系统愿景分析）等方法，并结合文献分析对数据协作体（Data Collaboratives）等现象进行大规模实证考察。

基础

Schweihoff等（2024）聚焦数据中介（Data Intermediaries）这一关键但未被充分研究的角色，概念化了数据中介及其与数据提供者、消费者的服务、资金流和活动关系，为理解新兴法规（如《数据治理法案》）下的中介作用提供了框架。Degen与Teubner（2024）以欧盟eIDAS 2.0立法为背景，探索数字身份生态系统，提出政府作为协调者的治理模型，并识别出市场多样性与易用性等关键张力。Kari等（2025）通过Catena-X汽车网络的案例研究，细致描述了网络驱动平台生态系统的涌现过程，构建了涵盖形成、发展与运营阶段的 process model（过程模型）。Karst等（2025）报道了采用DSR方法设计的合成数据生态系统（Synthetic Data Ecosystem），在金融服务与欺诈检测场景下，通过生成合成数据训练机器学习模型，实现了隐私保护下的数据利用。Lefebvre等（2025）关注水平数据共享（Horizontal Data Sharing）（与传统垂直价值链共享相对），基于超过40家跨国公司的数据共享社区实践，提炼出围绕兴趣领域、社区成员、制度框架与共享实践的八项设计原则。

配置

Fassnacht等（2024）构建了数据共享实践 taxonomy（分类法），提出合规导向、效率导向、收入导向和社会导向四种原型，为理解与实践数据共享提供了系统框架。Althaus等（2025）以文化事件平台为例，开发了数据生态系统分类体系，识别出票务提供商、公共资助文化平台等六种原型，将研究延伸至文化创意产业。Burmeister等（2025）将 Architectural Thinking（AT，架构思维）延伸至生态系统层面，构建数据生态系统架构元模型，为系统分析与缓解隐私风险提供了基础。Kernstock等（2025）通过多案例研究，揭示了数据生态系统从去中心化向中心化治理结构的演变理性，指出在成熟生态系统中，过于理想化的去中心化模式可能难以应对运营复杂性。

价值

Degen等（2025）探讨德国国家数字教育生态系统，通过访谈、问卷等数据构建了教育工作者对（个人）数据共享的愿景谱系，揭示了政府协调者面临的张力。Ammann与Hess（2025）基于Catena-X与Mobility Data Space（移动数据空间）案例，提炼出物物交换（Bartering）与市场（Marketplace）两种基于数据空间（Data Spaces）的通用商业模式，丰富了数据生态系统的价值捕获研究。Brechtel（2025）分析汽车行业参与Catena-X的动机与激励因素，发现供应链各层级的参与取决于收入增长（Top-line Benefits）与成本节约（Bottom-line Benefits）等多重因素，揭示了跨层级供应链复杂互动的动力机制。Bartolomucci与Bresolin（2025）考察171个数据协作体（Data Collaboratives），归纳出支持创新的数据驱动倡议、大规模研究协作、系统性响应改进、应急响应与国际发展动员五类特征，深化了对数据向善（Data for Social Good）机制的理解。Nienstedt与Trenz（2025）通过健康数据生态系统案例，提出选择性合作、数据定制、利益保障与控制强化四种价值占有（Value Appropriation）策略，深化了数据共享中价值创造与价值占有的互动关系研究。

展望未来，数据生态系统研究将沿三大交织的路径深化：人工智能（AI）、可持续发展（Sustainability）与法规（Regulation）。AI与数据的共生关系（Gr?ger, 2021）意味着数据共享需求将因AI训练与应用而激增，但同时也面临数据滥用、提示词注入（Prompt Injection）、幻觉（Hallucinations）与越狱（Jailbreaks）等新型威胁（Bánh & Strobel, 2023; Russinovich et al., 2025）。可持续发展目标要求跨组织数据共享以实现透明度，但构建全面的可持续性图景可能产生意外后果，如缺乏数据提供能力的企业被排除在全球供应链之外（Schoormann et al., 2025）。法规层面，《数据法案》《人工智能法案》等不断扩大的法规体系要求企业协作共享数据以确保合规，这必然催生用于集体数据收集、共享与管理的生态系统。

综上所述，特刊研究表明，数据生态系统研究已从概念探索发展为融合基础、配置与价值的成熟领域。未来研究需在AI驱动、可持续导向和法规约束的复杂互动中，不断探索平衡创新与风险、效率与公平、控制与开放的新路径，为构建可信、高效且负责任的数据经济奠定坚实基础。