数据治理协作中的战略等待与突破：一种数据激活门控进化学习模型

《Computers & Industrial Engineering》：Strategic waiting and breakout in data governance collaboration: a data activation gated evolution-learning model

　　

摘要

数据基础设施的协作价值取决于数据激活与协作承诺。在回报不确定的情况下，以等待为导向的行动可能相互强化，并累积为系统级的战略等待。本文提出了数据激活门控演化-学习耦合框架（DAG-ELC），该框架将数据存量与数据激活分离，并将激活门控与随机演化动力学及Q学习耦合。内生激活条件决定了收益的实现，而继承的行动价值则反馈至扩散过程，使等待惯性呈现状态依赖性。DAG-ELC产生了三个诊断条件：门控可及性、当前收益支持和企业侧学习确认。在确定性局部分析下，三者的联合满足是企业侧扩散非负的局部充分条件。随机系统将这三者追踪为首达里程碑。基于山西煤矿情境校准的仿真得出基线突破概率为0.700（95%置信区间[0.658, 0.739]）。当前收益支持是主要的时间瓶颈，学习确认则增加了延迟。在收益支持建立之前，学习反馈在激活-承诺转换点附近放大了等待惯性。联合主导结构将概率提升至1.000，相对于标准主导结构，平均删失突破时间减少了64%。补贴主导和均衡结构在给定时间范围内无法产生突破。在十个场景中，随着约束条件的放宽，政策要求从联合干预转向标准导向支持和低强度维护。

引言

资产密集型行业的数字化转型正从孤立的设备自动化向数据互联的生态系统转变（Zutshi和Grilo，2019）。在煤炭开采领域，实时感知、工业通信和人工智能日益将生产与安全运营跨系统连接起来（Young和Rogers，2019）。数字孪生进一步将物理资产与运营数据和数字应用连接起来（Garcia等，2022）。这些技术提供了数字基础，其价值取决于分布在设备、业务系统和组织边界上的数据能否被共享并用于联合决策。因此，数据治理已成为数智转型的核心（Vial，2023）。

这一问题在中国智能煤矿建设中尤为明显。数据整合与共享已进入国家治理要求（国家矿山安全监察局，2023），而煤矿建设已从单体设备控制向全矿系统集成推进（Wang等，2019）。这些发展扩大了设备连接、系统接入和数据聚合。这一累积基础构成了数据存量。数据激活指的是经过治理的数据在多大程度上能够跨越接口和平台流动并进入跨主体的运营使用。异构系统和碎片化治理可能中断这一转化过程（Abraham等，2019）。不断增长的数据存量与有限的激活之间的持续差距，解释了为何大规模数字化建设可以与,薄弱的协作价值实现并存。

宏力源矿业展示了累积数据如何被激活。统一的大数据平台和数字孪生平台整合了运营技术和信息技术数据，连接了45个子系统和超过3000台设备。标准云接口使应用可以直接访问井下数据，将聚合数据带入共享业务使用。相比之下，一些矿区为满足项目考核要求而优先建设了集成管控平台，而数据采集和跨业务接口则相对滞后。系统已经到位，但大量数据仍处于休眠和弱使用状态。这一对比凸显了拥有数字基础与通过协作使用激活它们之间的区别。

数据激活需要煤炭开采企业、数智解决方案供应商和地方政府采取实质性行动。实质性协作会带来协调成本，而其回报取决于其他各方的互补行动（Vivona等，2023）。实物期权理论表明，有限试点和分阶段参与可以在不确定性下保留灵活性（Xie等，2026）。当此类以等待为导向的行动相互强化时，它们会生成系统级的战略等待状态；协作停滞是其可观察的表现形式。现有研究尚未解决三个问题。第一，从数据存量到数据激活的转化过程仍缺乏充分解释。第二，相互依赖的等待导向行动累积为系统级战略等待的动态过程缺乏解释。第三，激活约束、群体层面的协作扩散和跨期价值更新如何共同决定在异质性初始状态下战略等待是否被打破仍不清楚。

重复博弈表征了反复出现的战略依赖关系，基于主体的模型可以再现异质性轨迹。当前问题还要求一个模型，在该模型中，激活依赖的收益实现、群体扩散和跨期行动价值更新共同演化。演化动力学表征了行动者群体中的扩散，而Q学习则在跨期传递行动价值评估。数据激活门控演化-学习耦合框架（DAG-ELC）将激活门控嵌入这两种动力学的共享状态和收益结构中，使收益实现、策略扩散和跨期估值能够内生地相互作用。

研究目标是解释数据激活约束下的战略等待，识别其突破条件，并在异质性初始状态下诊断政策需求。该框架在两级动态系统中表征了数据存量、数据激活、协作承诺和政策支持。确定性局部分析产生了一个三条件诊断准则，用于识别哪个约束阻碍了企业侧的协作扩散。以山西煤矿数据治理情境为校准对象的数值分析首先考察了基线路径和关键机制，然后在十个诊断场景中比较了政策结构。政策选择区分了词典序优选政策L和最小可行政策V。

本研究在三个方面做出贡献。首先，将数据存量与数据激活分离，解释了为何大规模数字化建设可以与薄弱的协作价值实现并存，以及等待导向的行动如何累积为系统级战略等待。其次，DAG-ELC使收益实现以内生激活状态为条件，并将其与群体层面的协作扩散和跨期行动价值学习耦合。现有的演化-学习模型在给定的收益结构下更新策略；而在此，收益结构本身受行动者自身行动所改变的状态门控。这将平台治理、价值共创和协作优化研究从合作结果扩展到维持或打破生态系统级等待的条件。第三，三条件诊断通过区分词典序优选政策L和最小可行政策V，将机制识别与政策设计联系起来。同一机制对供应链数据平台、能源数据互操作和跨组织医疗数据共享同样适用。在每种情境中，价值实现都取决于控制互补数据和能力的组织之间的协调激活。

章节摘要

煤矿数智转型中的数据治理

煤炭开采企业的数智转型建立在新一代信息技术与采矿生产融合的基础之上。现有研究和工程实践主要关注智能设备升级、生产控制系统和全矿集成。Wang等（2024）从复杂巨系统视角回顾了绿色煤炭开发的数智技术。Wang等（2022）开发了一套技术体系

煤矿数据治理中的激活困境与战略等待

随着煤矿数智发展从设备部署向系统集成和决策协作推进，数据治理已成为深化转型的关键。早期发展可以通过感知网络和业务系统建立数据基础。然而，仅靠数据聚合并不能直接产生生产优化或跨主体的协作收益。煤矿数据治理协作的核心问题已经

数据激活门控演化-学习耦合框架

数据激活门控演化-学习耦合框架将群体层面的策略扩散、行动者类型的行动价值学习和数据激活门控整合在一个动态系统中。上层使用随机演化动力学追踪实质性协作行动份额的变化。下层使用Q学习更新各行动者类型行动的跨期价值。共享状态包含宏观层面的协作承诺、数据存量，

战略等待突破的理论判据与阈值条件

理论分析在三个约束条件下从随机非线性DAG-ELC系统中提取局部可解释的诊断条件。第一，将上层动力学中的随机扰动设为零，以识别给定状态附近群体演化的确定性方向。第二，企业收益差在标准主导基线状态附近进行局部近似。第三，K次期内学习更新在s_t保持固定的条件下完成。该

数值分析与基于仿真的政策诊断

理论分析确定了门控可及性、当前收益支持和企业侧学习确认为战略等待突破的联合条件。数值分析评估它们在完整随机系统中的达到时机和方式。分析从基线突破路径出发，依次涉及交互机制、政策结构比较和状态条件诊断。

讨论与启示

当已建立的数据基础无法产生运营数据激活时，战略等待就会出现。数据存量代表已连接的设备、信息系统和累积的数据资源。数据激活捕捉经过治理的数据是否进入跨主体共享、运营流程和产生价值的决策。实质性协作要求煤炭开采企业、数智解决方案供应商和地方政府在协作

利益冲突声明

作者声明他们没有已知的竞争性经济利益或个人关系可能影响本文所报告的工作。

致谢

本研究得到了中国矿业大学研究生创新计划（编号：2026WLKXJ133）和江苏省研究生科研与实践创新计划（编号：26CXJH4716）的资助。

李梦奇|刘泉龙|李彤彤

中国矿业大学经济管理学院，徐州 221116，中国