Photo by drmakete lab on Unsplash.  

吴江  邹柳馨  胡忠义

(武汉大学信息管理学院,武汉,430072;

武汉大学电子商务研究与发展中心,武汉,430072)

目的/意义

对大数据环境下的电子商务学科智能化转型和转型中重要的商务智能研究的思路和定位等进行讨论，对促进大数据环境下电子商务学科的发展和社会服务能力提升有重要意义。

研究设计/方法

面向大数据和人工智能的国家战略需求，从复杂社会技术系统视角，通过文献总结和理论研究，探究电子商务学科的智能化转型思路和定位，对智能化转型中重点领域之一的新型商务智能研究进行思考。

结论/发现

面向国家重大战略，系统全面地从技术子系统、社会子系统和社会技术系统三部分构建基于大数据融合的新型商务智能，并提出从“电子”商务向“智能”商务的学科智能化转型的定位体系。

创新/价值

从复杂系统视角对电子商务学科智能化转型进行思考，并从商务智能研究点出发探索学科转型，为大数据环境下的电子商务学科建设和科学研究提供思路借鉴。

关键词

电子商务  学科发展  商务智能  大数据  

复杂系统

0 引言

信息技术与经济社会的交汇融合引发了数据迅猛增长，人类正在从IT时代走向DT（DataTechnology）时代，大数据成为推动经济转型发展的新动力。在DT时代，企业的决策也从以经验为主的人工决策和以模型为主的模型决策，向以大数据驱动的智能决策快速发展[1-4]。国务院文件《促进大数据发展行动纲要》明确将推动大数据在电子商务等新兴产业的应用列为国家需求。在国务院文件《新一代人工智能发展规划》中也明确指出国家急需推广基于人工智能的新型商务服务与决策系统并鼓励围绕企业管理提供定制化商务智能决策服务。在大数据时代，电子商务学科正在向智能化方向进行转型，在国内电子商务作为一门在本世纪初诞生的新兴学科，对数据的重视程度一直很高，商务数据分析是电子商务重要的基础。但是，当前时代下，一方面，数据作为企业核心资产被受到前所未有的重视，企业坐拥数据金山，数据为王；另一方面，企业对发挥数据价值力不从心，数据无用，IT时代的生产率悖论正在演变为DT时代的大数据悖论[5]。基于数据让商务决策拥有智能，电子商务向智能商务推进，精准营销、计算广告、个性化推荐、区块链等技术在电子商务领域中发挥着越来越重要的作用。电子商务智能化转型中的基础研究方向之一的商务智能（BI: Business Intelligence）早在90年代末就诞生于IT时代，是基于数据的商务决策技术，企业利用商务智能能够进行业务监控、业务分析、工作协作和知识发现；在DT时代，大数据悖论正在成为企业使用商务智能的最大痛点之一，企业期望充分利用商务智能发掘大数据价值，从而在战略上获得竞争优势，面临着巨大挑战[6,7]。当前，电子商务学科如何能够很好地进行智能化转型，在大数据环境下对商务智能研究在提升商务服务和决策能力上的重新思考，显得至关重要。

本文对大数据环境下的电子商务学科转型进行思考，对在学科智能化转型中重要的商务智能研究进行回顾总结，从复杂系统视角提出大数据环境下商务智能的研究思路，并对大数据环境下商务智能中大数据融合问题进行思考，提出基于大数据融合的新型商务智能的研究思路和要解决的主要问题，最后基于新型商务智能研究的思想对电子商务学科智能化转型的定位进行思考。

1 电子商务学科智能化转型的思路

电子商务随着互联网的应用普及而孕育而生，它是依托现代信息技术进行的新型商务活动，是现代服务业的重要组成部分，包括商品和服务的网上贸易以及与之紧密相关的物流配送、网上支付、信用认证、信息技术等支撑服务产业，逐步渗透到研发、生产、流通、消费等实体经济活动的全过程。互联网+正在强力助推中国经济的数字化转型，中国的数字技术在众多场景得到了深入应用。电子商务的产生也是一种互联网+的形式，传统集市+互联网有了淘宝，传统百货卖场+互联网有了京东，传统银行+互联网有了支付宝。互联网的作用首先是联——联结：把人通过互联网联结起来；其次是互——互动：使得海量的人同时互动的能力；再次是网——结网：让海量的人通过协作的方式去完成一件事情，塑造各种新的商业组织方式[8]。最终的网实现了信息和人之间的连接，人和人、人和信息之间进行丰富的互动，加速了信息的流动，从而促使电子商务中的信息流、物流、支付流的一体化整合。电子商务经历了通过因特网企业网页来宣传企业的初级层次，到企业在网上开展在线销售的中级层次，再到企业将商务活动全部过程用计算机网络的信息处理所代替的高级层次的三个时代，从而成为这个时代重要的行业之一。

电子商务专业在2012年《普通高等学校本科专业目录》中被设为一级专业目录，代码是1208——电子商务类，专业代码是电子商务（注：可授管理学或经济学或工学学士学位），反映电子商务已成为当前社会经济发展中支撑行业之一，也体现国家对电子商务的高度重视。目前全国开设电子商务专业的学校有545所，其中985高校中开设此专业的有西安交通大学、武汉大学、厦门大学、天津大学、四川大学、湖南大学、南开大学、重庆大学、东南大学、山东大学、中山大学、中南大学、吉林大学、浙江大学、南京大学、西北工业大学等。其中，1999年，西安交通大学首次获得教育部批准试办电子商务专业；2001年，浙江大学、厦门大学等13所高校获批开设电子商务本科专业。浙江大学于2001年开始招收电子商务专业本科生，率先在国内开设了电子商务本科二专业。天津大学于2002年开始招收电子商务本科专业，隶属于天津大学信息管理与管理科学系。武汉大学在2002年正式设置电子商务本科专业，2005年成立电子商务系，并设置硕士点、博士点。电子商务学科是个新兴的学科，也是应用性极强的一个学科，随着互联网的应用而繁荣，在大数据时代也正在向智能化进行转型。在大数据时代，一个电子商务企业的核心竞争力是平台、金融、数据，最基础的是数据。电子商务企业的内部包含运营数据、决策数据、消费数据等大数据，企业外部有战略数据、经济数据等大数据，如何整合利用数据并通过数据可以拥有更大的智能是现在电子商务企业和行业面对的最大的问题之一。大数据正在电子商务行业和电子商务学科进行赋能，加速电子商务学科的智能化转型。在电子商务学科智能化转型过程中，对商务智能（BI: Business Intelligence）的重视程度进一步提高。2020年全球商务智能市场突破228亿美元[9]。目前商务智能在我国发展速度迅猛，应用行业和领域也非常广泛，典型的有电信、银行、保险、医疗、零售等，但我国的商务智能应用总体上仍然有很大的发展空间[10]。在大数据环境下，数据就好比商务智能系统的血液，从互联网+到如今的智能+时代，在电子商务广泛应用的传统批发零售领域，传统企业在转型过程中沉淀了大量的多源异构数据，数据孤岛和管理割裂还一直困扰着企业。其他行业领域的商务智能应用也存在类似的问题[11,12]。企业商务大数据要实现融合并打通业务流程，从而增强商务智能分析能力，使得大数据直接进行决策形成数据智能，并对企业业务模式带来创新[13]。因此，在电子商务学科的智能化转型过程中，亟待对大数据环境下的商务智能研究进行全面思考，包括如何对商务大数据进行融合和利用，如何基于大数据融合构建全新的商务智能系统，从而为企业商务决策提供有价值的信息支撑。2大数据环境下的商务智能研究商务智能最初被定义为基于数据支持的、帮助企业进行商务决策制定的工具和技术；90年代末，这个定义被广泛传播[14]。随着数据挖掘等技术在商务智能上的运用，一部分学者认为商务智能会成为一种全新的高级信息系统，而不再是决策支持系统中的一部分[15]。随后，作为一种战略信息系统，商务智能通过集中的数据存储机制，可以最大限度的对信息加以利用[16]。

在大数据环境下，数据驱动的商务智能被认为是大数据的重要应用，在不同企业规模与行业背景下，数据驱动的决策正在发挥着越来越重要的作用[17]。区别于以往的商务智能，大数据背景下的商务智能数据来源的维度与广度有了质的飞跃，更加实时、细颗粒度的数据以及来源于不同传感器的数据被广泛收集用于分析[18]。此时，商务智能被赋予了新的含义。从技术角度看[19-21]：（1）实时的活数据与精准匹配的不同来源数据被用于商务智能分析，此时分析也更加敏捷；（2）商务智能分析将有新的技术与管理学方法模型不断加入，预测与分析的可解释性尤为重要，新的商务智能分析能够帮助企业完善知识表达。从社会角度看[22-24]：（1）大数据环境下的商务智能应用将促进业务流程快速变化，同时带来深层次的组织管理变革；（2）互联网规模的不断扩大，更多传统产品和行业将被互联网+化，使新型商务智能应用领域变得更加广阔。

图1展示了2010—2019年期间大数据环境下商务智能相关研究主题演化，其中数据来源于Web of Science中在这段时间内主题词同时包括“bigdata”加“business intelligence”的文献，图1中主题演化线条的粗细代表了当前时间该主题相关研究数量的多少。从图1所示，主题词为“bigdata”的曲线在2010—2012年期间呈现明显的上升趋势，这与大数据的发展特征一致：大数据相关研究数量也是在这段时间呈现明显上升趋势，而后趋于平稳[25]。在2012—2018年期间，除“bigdata”与“business intelligence”外，其他主题词更多是与大数据处理方法、分析方法相关的研究词，大数据环境下商务智能的应用几乎没有；这表明这个阶段的研究重点在于攻克大数据处理与分析方法的相关问题，而商务数据分析与应用的研究才是未来研究的重难点，首当其冲的就是数据融合[26]。所以，新型商务智能分析能够将企业外部数据以及非结构化的数据与其结构化的数据进行融合，并通过快速反应的系统、精准的分析方法产生反馈；但其中最基础也是最难的是不同来源、不同类型数据的融合，其次是基于大数据融合商务分析系统构建。

在大数据环境下，如果不同来源的异构大数据无法融合，基于大数据融合商务智能系统的构建只能是空中楼阁。面临同样挑战的还有随着大数据处理技术的发展，数据的有效提取、整合、融合、转换、流通、分析、应用已经成为大数据环境下商务智能系统构建所面临的诸多严峻挑战。

总体来看，商务智能目前面临的挑战，一方面来自于技术本身，以人工智能、区块链等为主的新兴技术正在以颠覆性的潜力为商务智能带来方法和思路的变革[27]，数据孤岛依旧存在，并且大数据所具有的数据体量大、数据类型多、处理速度快、价值密度低的4V特征，使得商务智能数据分析的挑战更加复杂[28]；另一方面来自于人类社会，面对着复杂性和不确定性围绕的现代社会，出现信息管理部门割裂和管理流程落后的问题，企业的大数据思维与管理实际存在着脱节，大数据使能得不到充分发挥[29]。从复杂社会技术系统视角看[30-32]，商务智能的发展离不开数据，需要以数据为桥梁，如图2所示，商务智能系统要联接技术和社会两大交错相联的子系统，两个子系统通过数据、信息和知识在三个层面交互，将涌现出商务智能的新思维、新方法和新模式[33]。

社会技术系统（Socio-Technical Systems, STS）最早由Trist在煤矿中采煤时发现技术系统与社会系统相结合可以提高效率而提出的概念[34]。社会技术系统由社会系统及技术系统两个子系统所组成，社会系统包括人、价值观、信念等因素，技术系统包括工具、技术、操作系统、专业知识等因素[35]，社会技术系统则是由组织、技术系统、成员素质、社会环境等各方因素组成的复杂系统，强调社会系统与技术系统应相互作用于组织，而组织技术应与人、市场环境以及管理过程相结合。现有研究主要包括以下几个方面：（1）基于社会可持续发展构建评估指标，如绿色建筑[36]等；（2）基于社会技术系统优化组织设计[37]；（3）基于系统信息质量建模分析系统性能[38]；（4）基于社会技术系统探索因素间依赖关系[39]。

实际中企业组织是具有复杂性的，工作流程和绩效会相互作用，其关键取决于整个组织中个体的存在以及个体间的动态协调和沟通[40]。而复杂系统指的是一类组成关系复杂且具有自组织性、不确定性、涌现性的系统[41]，因此，社会技术与社会环境中的个体或组织会相互影响，从而形成复杂社会技术系统。复杂社会技术系统由政府层面、监管和协调层面、公司层面、管理层面、员工水平和工作水平组成层级结构，其中自上而下的决策流程（如法律和政策等）和自下而上的信息反馈（如外部环境变化）是相互影响的[42]。因此，在众多领域中，复杂社会技术系统被应用于解决复杂性问题。在交通领域，通过仿真模拟机场安全检查分析了不同区域的安全检查点性能曲线，还关注安全操作员的准确性[43]；在健康医疗领域，从生态系统的层面考虑参与者的存在可以完善医疗健康系统[44]；在建筑领域，塔式起重机的安全性需要从利益相关者、设备、员工、工作流程和环境五个方面保证，来解决安全隐患问题[45]；在消费者行为方面，政策会影响消费者对使用可再生能源技术的态度，也间接影响消费者的积极参与使用行为[46]，患者在信息通信技术设计方面的价值观敏感度会影响患者自我管理活动的能力[47]。

复杂社会技术系统在宏观层面主要应用于安全管理和技术优化等可持续性发展问题上，在微观层面主要用于观察人类的表现、行为和决策。然而，在互联网和大数据环境下，商务智能可以从复杂社会技术系统的角度去进行技术创新和管理优化，从而成为企业获得竞争优势的必备条件。在大数据驱动中，厘清融合复杂社会技术系统的外部环境和社会技术的内在机制，了解系统元素间的相互关系以及掌握系统层级间的过渡和互动演化是未来研究需要突破的重要方面。

商务智能系统可以看作是一个复杂社会技术系统[48,49]，它的成败不仅取决于技术因素，环境、人员、组织等社会因素也起着重要的作用[50]，这种复杂性体现在商务智能系统在快速变化和突发性频出的复杂大数据环境中，体现在各种因素的互动中，以及局部和整体之间存在的非线性关系，并且面对复杂性的决策问题，整体问题往往很难用还原论思维来通过解释局部因素再组合叠加去进行解释[51]。因此，需要以复杂系统视角系统地、全面地思考商务智能系统的构建。如图2所示，整个商务智能系统应该由技术子系统和社会子系统构成，以用户为中心，在技术和社会两方面，技术系统最终要实现的是数据智能，社会系统最终要实现的是网络协同[52]；在企业、用户、市场等多源异构大数据融合的大数据环境中，消除物理和逻辑数据孤岛，实现大数据的价值创造。

3 基于大数据融合的新型商务智能

大数据融合定义为一个多学科跨领域的研究问题，它的任务是将碎片化的数据相联系，将分散的数据集中，形成表层知识，即知识资源；进而使隐性知识显性化，使表层知识上升为普适机理；从而在数据资源、知识资源与用户之间建立有效的联系，缓解数据的无限性、知识的零散性与用户需求无法满足之间的矛盾，最大限度地提升大数据的价值[53]。

大数据融合主要包括两个难点：（1）大数据逻辑孤岛的存在。大数据的多源异构特征使得实时数据融合难度较大；数据融合的关键技术包括用于解决本体和数据源异构问题的本体和模式对齐技术[54]、作为大数据融合基础的实体识别和记录链接以及实体关联[55]、对模式冲突、标识符冲突和数据冲突的解决方案[56]、自动找到关联数据中的路径模式和关系词汇之间对应关系的关系推演[57]等。（2）大数据物理孤岛的存在。数据分散的特征使数据融合过程中数据权属不清，降低了数据融合的可靠性与稳定性[58]。数据作为一种重要资产，其流通和应用必然涉及数据的权属问题；明晰数据的所有权，是大数据交易的前提和基础，基于区块链技术的大数据确权方法比较可靠并且操作性强[59]。区块链有助于构建多方高效协作的数据标准流程、构建和更新机制、安全可靠的数据共享和访问控制，实现数据治理协同[60]。

数据融合技术集中在数据和知识层面。目前对大数据融合的研究随着大数据的深入应用，受到越来越大的重视，但是相关研究还主要集中在数据层面，很多只能称为数据整合；商务智能中数据是来自于企业、用户和市场的多源异构多模大数据，这样的大数据还有着数据权属不清的管理问题，所以数据层面的融合面临很大挑战。在知识层面的融合，主要探究对数据的知识表达，以及基于知识图谱发现数据之间的关联性，进行接近认知的数据融合，但是这类融合在中国情景下，也因中文优秀知识库的缺乏以及知识图谱构建和更新的困难而面临挑战。同时不同领域的知识库之间的界限明显，它们未能真正融会贯通起来为企业数据驱动决策提供指导。

最高级别的融合是在知识层面，将数据变成可以理解的知识资源，利用知识图谱[61]，进行推理归纳，并进行知识发现，从而最优化利用数据[62]。大数据时代背景对知识融合提出了新的目标[63,64]：（1）庞大的数据资源总量要求知识发现、融合算法随之改变以提升计算效率和响应速度；（2）多源异构的数据种类，要求知识融合系统、算法结构有更大的扩充性和兼容性，以满足不断发展的数据处理需求；（3）更加精准、及时的知识需求要求知识融合的实时响应。知识融合的重点还在于知识库的建立与知识表达，大量知识之间复杂关联形成强大知识库，它们可以通过图谱等方式进行表达，同时建立开放网络知识扩充方法体系将知识库不断扩充，这将走向知识融合的深层次[65]。当传感器将各领域的物品都以数字化形式加入互联网，并且大数据融合与知识库完善到一定程度，商务智能的应用将会发生质变，商务智能的应用将使用多领域知识融合的知识库，不同领域知识及其应用之间的界限将被打通，社交媒体数据与食品工业、社交网络数据与公司战略、机器学习方法与车辆轨迹数据等许多看似关系并不明显的领域正逐步交融[66-68]。

专业BI调研机构BARC在2019年商务智能趋势报告中指出，数据质量/主数据管理、数据发现/可视化、自助式商务智能、数据治理、建立数据驱动文化是今年五大最重要的发展趋势，其中第五项是今年新上榜的[69]。可见，商务智能的发展正在从侧重技术变革又回到侧重商务智能根源的数据。一方面，商务智能最困难的就是让企业将各种分散的多源异构的数据进行融合，消除数据孤岛（如图3所示），让数据协同增值[70]，因此，大数据融合成为主数据管理的重中之重，通过融合能够升华对各种数据的利用。另外一方面，国际著名的商务智能公司Tableau也在2019年的商务智能趋势中将“可解释性AI正在崛起”排第一位，也就是商务智能应用需要知其然之后，还需知其所以然，业务部门需要更易于解释的模型[71]。这些都说明了商务智能发展更加关注技术和社会两方面的结合，商务智能也不仅仅是技术上的诸如大数据融合方面的问题，还是在社会上更需要与企业的商务活动和组织文化匹配，不仅需要相关分析，而且需要因果解释，才能有效发挥作用。

大数据环境下的商务智能也正在向基于大数据融合的数据智能方向发展[72]，这需要数据驱动与模型驱动结合，需要同时关注因果和相关，大数据融合驱动的商务智能，需要在分析方法上进行外部嵌入和技术增强，在价值创造上进行使能创新[73]。基于大数据融合的新型商务智能与传统商务智能的最大区别在于，基于大数据融合要建立数据互联网，即实现商务大数据的“联接”、“互动”、“结网”，在复杂社会技术系统视角下去思考商务智能系统的构建：（1）在数据层与分析层的协同中实现数据联接，即实现大数据联接增强商务智能用户分析；（2）在分析层与应用层的协同中实现数据互动，即实现大数据相关主体互动从而促使商务智能新业务模式涌现；（3）在技术子系统与社会子系统的协同中实现数据结网，即实现大数据的技术和社会方面诸多元素的结网从而推动大数据使能创新，最终实现商务智能与企业管理浑然一体的新型商务智能系统。

面对大数据技术的快速发展和大数据时代管理的复杂性，基于大数据融合商务智能的研究，需要紧密围绕大数据融合的特点，需要主要针对商务大数据的多样性V（Variety）特点，目前依然存在诸多问题，如图3所示，其中以下三方面的科学问题亟待解决：

（1）大数据异构权属问题。在商务大数据融合中，数据权属不清的问题导致了数据难以交换和流通，数据在物理上形成物理孤岛，数据所有者缺乏信任基础，难以实现数据的可信高效流通交换，难以实现流畅高效的价值创造；并且数据存在异构问题，结构化、非结构化和半结构化的异构数据不能产生关联，数据在语义上形成逻辑孤岛，无法进行深层次的关联分析，从而真正发挥数据价值。

（2）大数据跨界关联问题。商务大数据融合后将会使得大数据产生联接，将企业内外部各种类型的用户、企业、市场异构大数据进行跨应用领域界限的关联，以“用户”为中心，运用跨界关联思路将为商务智能的分析方法带来外部嵌入和技术增强；并且，商务智能如何能将大数据与管理决策特点相互结合，在广度上跨越原有管理决策边界，提升商务智能用户分析能力，也显得非常关键。

（3）大数据多元交互问题。商务大数据融合使得大数据产生了联接，商务智能分析能力也因数据关联能够得以提升，大数据相关主体多元交互方式也会发生改变，会带来企业流程和组织的变化，商务智能的业务模式随之发生变化，在更加有效的多元交互中将使得商务智能业务模式中的信息流、资金流和实物流的流动潜力得到释放，业务的去中心化程度将得到提高。最终，交互方式将从节点连边互动到网络协同互动，从而促进大数据使能创新。

4 电子商务学科智能化转型的定位

在大数据时代，为了更好地服务于大数据和人工智能的国家战略，电子商务学科到了迫切需要智能化转型的关键时间点。电子商务学科是应用型非常强的学科，在数字经济蓬勃发展的时代，以各种数字化的数据为基础，采用互联网等电子化技术为手段，企业的商务活动在数字化和电子化后成为电子商务；在大数据环境下，学科有必要向智能商务的学科目标进行发展和重构。电子商务学科在应用基础上要寻求突破，学科如何定位，学科的优势和核心如何发挥，在商务智能研究基础上如何定位电子商务学科智能化转型。以下从复杂社会技术视角对此问题进行思考。

在大数据环境下，电子商务学科要实现智能化转型，从根本上看，可以从商务大数据使能本质出发，解决企业、用户、市场中的关键问题，围绕商务大数据的融合、联接、互动、结网和系统，从而形成“智能”商务（如图4所示）。数据层面的融合促进了基于数据联接的分析方法增强，数据融合和联接分析进一步改变了商务活动中各个元素之间的互动，驱动了多元交互业务模式的涌现，进一步是结网，将融合、联接和互动协同进行整合，增强大数据在商务活动中的使能创新，最终在系统层面做好管理。构建智能“商务”学科体系，可以分别从技术子系统，到社会子系统，再到社会技术系统的复杂性整体来进行实施，并围绕大数据环境下企业、用户、市场中产生的关键问题进行理论研究和应用实践。

在理论研究中，需要围绕商务大数据在融合、联接、互动、结网和系统方面的关键问题开展。其中，（1）商务数据融合是智能“商务”的基础，重点探讨商务大数据融合，涉及智能“商务”系统的数据层，重点解决商务大数据融合的异构权属问题；（2）智能商务分析需要基于各种类型商务大数据的深度融合，以用户为中心，强调商务大数据融合带来的“联接”所增强的全景式的商务用户分析，涉及智能“商务”系统的分析层，重点解决基于商务大数据融合后的商务跨界关联问题；（3）智能商务模式则基于大数据融合从信息、资金、实物三流融合出发，探究电子商务在大数据环境下的用户、企业、市场中的各种主体多元交互业务模式的涌现，也包括供应链管理以及B2B、B2C、C2C等电子商务市场的管理，强调大数据融合所提升的全方位“互动”进行驱动的业务模式演化，涉及智能“商务”系统的应用层，重点解决是商务大数据融合后的多元互动问题；（4）智能赋值创新是从社会子系统视角，研究基于商务大数据融合后的智能化商务模式带来的网络协同下的“结网”效应所催化的使能创新，重点解决基于商务大数据融合后智能化使能创新问题。（5）复杂系统管理则从“系统”整体，重点研究整个智能“商务”系统在大数据融合环境下落地实施以及对系统的整体管理。

在应用实践中，电子商务学科在智能化转型过程中应该注重中国情景下的技术应用和管理实践。“智能”商务是大数据时代企业全面进入数据决策转型的战略变革。在电子商务学科的教学科研中，一方面要加强对知识图谱、深度学习、区块链、数据挖掘、人工智能等新兴技术在电子商务上的智能+应用的基础研究；另外一方面也要加强与企业和行业的合作，面向实际问题，应用跨学科思维和知识，在企业管理、供应链管理等具体应用中，开展落地应用实践创新。两方面创新的协同推进，将加速推动我国电子商务学科的智能化变革，使得电子商务学科真正跟上大数据时代发展的步伐。

5 结语

电子商务学科随着电子商务行业一同发展起来，已经经历了二十多年，在大数据时代，面对大数据环境，商业的社会环境在变，电子商务行业在变，消费者行为在变，电子商务学科的科学研究、社会服务、人才培养、学科建设等都亟需进行智能化转型。

本文对电子商务学科的智能化转型以及重要研究领域的商务智能在大数据环境下的定位、研究问题、研究体系进行了探究。全文重点聚焦于基于大数据融合下如何发挥大数据的赋能作用，从而推进电子商务学科的智能化转型。但是，因为电子商务学科的理论和方法体系庞大而且发展迅速，本文并不能对电子商务中电子商务安全、电子商务支付、电商供应链、电商法律法规等在大数据环境下的定位进行一一思考；并且，电子商务学科建设所依托的传统学科也有很大差别，在学科建设中，国内不同高校有依托计算机学科的，有依托经济学科的，有依托管理科学与工程学科的，也有依托于图书情报与档案学科的，因此电子商务学科天生具有包容交叉的学科基因，但是本文并不能涵盖所有不同学科基础的电子商务学科的转型定位。

从本质上来说，人类在认知世界和探索未知的时候，并没有学科界限，学科是被人类强行加上的一种规范和条框。未来，电子商务学科的发展应该不拘泥于自身学科，要坚持懂技术懂管理并具备互联网思维的综合性商业分析人才培养的理念，坚持面向国家重大战略需求的应用基础导向，坚持面向电子商务行业的服务意识，坚持开放地与其他学科的交叉融合，面对时代变革，要以变应变，不断推进学科转型。

参考文献

*本文原载于《图书情报知识》2020年第5期94-103页

版权归《图书情报知识》所有，欢迎转发到朋友圈，转载请联系后台。

制版编辑 | 姚志臻

END