基于SECI框架的企业知识生成系统动力学模型
〔摘要〕基于SECI知识螺旋，构建了企业知识生成“风暴眼”模型，并将模型作了系统动力学表达、训练和模拟。模拟结果表明，在良好的环境下，企业可以有效吸收外部知识并在内部进行知识转化循环，从而产生巨型的知识生成风暴。但当环境恶化或者企业知识存量以及知识转化能力下降时，知识生成风暴就会减弱甚至消亡。结果显示，创造知识的企业只有努力提升自己的知识吸收能力和知识转化能力，并防止已有知识的流失，才会走向并保持卓越。
〔关键词〕企业；SECI；知识生成；知识风暴；系统动力学模型
DOI：10.3969/j.issn.1008-0821.2016.11.002
〔中图分类号〕F2724〔文献标识码〕A〔文章编号〕1008-0821（2016）11-0008-08
〔Abstract〕A“storm eye”model for firms knowledge creation was constructed from SECI knowledge spiral，and then its system dynamic expressing，training and simulation was carried out.The simulation results showed that firms could effectively absorb external knowledge and conduct an internal knowledge conversion cycle in a good environment，which would result in a huge knowledge creation storm.However，the knowledge creation storm might weaken or even die out when the environment was deteriorated，or the stock of firms knowledge declined，and or firms knowledge transformation ability dropped.The results implied that a knowledge creation company could be to and maintain excellence only by improving its ability of knowledge absorption and conversion and preventing its knowledge from loss.
〔Key words〕enterprise；SECI；knowledge creation；knowledge storm；system dynamics model
众所周知，当前我国正处于发展转型的关键时期。发展转型的真正主体是企业，而我们的企业在复杂纷扰的众多风险与众多诱惑面前，又该如何抉择才能最终完成自己的发展转型呢？正如Nonaka & Takeuchi（1995）所言，影响企业成功与否的因素众多，过于众多的因素往往会使得企业迷失于其中而不能自拔。在此情形下，这两位学者的建议是，知识才是企业获取竞争优势的终极资源，知识创造才是决定企业可否达到卓越（国语“臻于至善”）的首要因素，因而，一个有追求的企业应当而且必须去创造知识，并最终成为一个“创造知识的公司”。
问题是，企业又该如何去创造知识呢？Nonaka & Takeuchi（1995）基于日本企业创新转型的经验，构建了企业创造知识的SECI框架，论证了企业通过隐性知识与显性知识之间的相互转换来创造新知识的原理与机制，为企业如何创造知识提供了一种概念模式。但是，SECI框架仅仅是一种定性的概念模式，两位作者对SECI框架的论证主要是通过案例说明的方式，而未能将其转化为可以自行运转的动力学模型，这无疑是SECI框架的一个短板。
基于上述背景，本文拟借用风暴生成原理，将SECI知识螺旋系统重构成为一种类似于“风暴眼”的知识生成系统动力学模型，并通过对模型的训练，运用该模型来对企业的知识生成机理进行动态模拟。本文的改进有助于将SECI框架从黑箱式的定性概念模式，“白化”为可以窥探内部结构并且能够模拟运转的数学模型，从而在更加精妙的层次上阐释企业创造知识的机理。
1相关文献回顾
对于知识的价值与功用，学术界的共识是，知识是企业最为重要的无形资源，根植并散布于企业组织体系的方方面面，难以模仿且具有社会复杂性，因而可以为企业带来持续竞争优势。主流的企业知识观认为，与所拥有的知识相比，企业更重要的资源是有效运用其知识的能力，尤为重要的是运用现有知识创造新知识的能力。因而，如何提高企业的知识创造能力，就成为学术界广为关注的重要话题。
早期关于知识创造的研究，更多地关注知识的源头和知识的状态，但后来更多地是关注知识创造的条件（Alavi & Leidner，2001）。杨燕、高山行（2011）认为驱动企业知识创造的条件可分为外部和内部两个方面。章立军（2006）和张媛媛、张宗益（2009）等人认为驱动创新的外部条件包括基础设施水平、市场需求、劳动力素质、金融环境和创业水平等；胡明勇、周寄中（2001）认为政府资助对私人部门技术创新有一定的影响；张雁、王涛（2012）认为制度环境是创新提升活动的重要基础，外部制度环境可以同时作用于外部知识吸收和内部知识创造；饶扬德、王学军（2006）认为创新文化、激励机制和社会资本等对提高创新能力有重要的影响。汪建成、毛蕴诗（2007）认为驱动创新的内部条件包括企业家精神、有创造性的员工、知识基础和组织架构等；秦世亮（2004）、蒋军锋（2008）、牛盼强（2011）等人认为，知识基础影响企业创新的过程和本质，进而对创新体系的构建产生影响；韩智慧、李南（2004）认为组织战略、组织结构、知识技术、组织文化和组织机制影响组织获取、创造并应用知识；郝迎潮（2007）证实工作团队支持、挑战性工作和工作资源与知识创造活动之间存在显著的正相关关系；朱春燕等（2010）认为组织文化是组织知识管理的推动力，知识支持型和知识共享型的组织文化会对组织中的知识管理具有正面影响；陈建勋等（2010）认为，社会互动能够促进知识的社会化和组合化过程，规范能够促进知识的外部化过程，而共同愿景能促进知识的内部化过程；王毅、吴贵生（2005）认为影子系统和合法系统的相互作用决定着一个企业的创造性。
近年来，系统动力学在知识管理研究方面的应用日益增多。何晓兰、王贤裕（2012）将组织的隐性知识管理任务划分为3部分，据此设计系统动力学模型，对各因素之间的逻辑因果及反馈关系进行模拟分析，提出了提高组织隐性知识管理效率的若干措施；王玉梅、张靖（2009）利用系统动力学方法分析组织知识创新的内部、外部支持子系统，探讨组织知识创新的影响因素及其运行机制，得到了可借鉴的结果；杨刚、薛惠锋（2009）运用系统动力学方法分析了高校团队内知识转移的因果关系，表明能够较好地拟合实际的团队内知识转移过程，并能为相似的知识转移过程提供有效的决策支持；王秀红、刘源（2006）建立了主体隐性知识转化的系统动力学模型，从定量的角度描述了各因素对企业知识存量的影响；王欣、孙冰（2012）构建了企业内部知识转移的系统动力学模型，对企业内部知识转移进行因果关系分析，为企业制定有效的知识转移策略提供理论依据。
事实上，正如人们所公认的那样，现代社会是一个知识爆炸的社会，新知识正在以越来越快的速度而不断地诞生着。但现有文献少有从知识爆炸的角度来系统地考察和勾绘现代社会创造知识的动态轨迹，而这正是本文所希望探讨的课题。
2基于SECI框架的企业知识生成“风暴眼”模型
21SECI知识体系框架
Nonaka & Takeuchi（1995）在其名著《创造知识的公司》一书中认为，新知识是通过隐性知识与显性知识之间的相互转换而创造出来的，并用SECI知识螺旋模型来形象地描述企业新知识被源源不断地创造出来的动态过程。SECI模型的名称取自上述两类知识之间的4种转化过程，其中，S系指隐性知识由个人向组织扩散的社会化过程（Socialization）；E系指将隐性知识转化为显性知识的外部化过程（Externalization）；C系指对一系列显性知识进行整合的组合化过程（Combination）；I系指将显性知识再度转化为隐性知识的内部化过程（Internalization）。上述4类过程之间前后衔接并彼此关联，构成企业创造新知识的螺旋式循环（参见图1）。
22企业知识生成的“风暴眼”模型
对于SECI知识螺旋系统，我们可以借用风暴生成的概念，来系统地描述其内在运行机理。考察风暴的发育过程，起决定性作用的因素有三：一是巨大的水汽供给源——海水；二是巨大的能量来源——太阳辐射；三是平滑而辽阔的空间舞台——洋面。类似地，知识的生成过程亦需要三大要素：一是企业要有足够大的知识存量；二是企业要有足够大的知识转化动力；三是企业要有足够宽松、便于知识转化的环境空间。据此，本文构建如图2所示的企业知识生成的“风暴眼”模型。图2组织新知识生成的“风暴眼”模型
图2中，外圈的4类知识代表了企业的知识存量，4类知识之间的社会化、外部化、组合化和内部化等4种过程代表了企业的知识转化动力，4类知识、4种过程与新知识之间的平滑连接代表了知识转化的环境空间。该模型的运转原理是，4类知识之间通过4种过程的相互转化，产生新知识；生成的新知识又回到4类知识之中，参与下一轮的知识转化过程；如此循环往复，生成的新知识越来越多，知识存量越来越多，知识转化动力越来越强，最终就形成了超级规模的新知识风暴。此外，图2中的外部知识库亦是企业知识存量的重要来源，并且，随着新知识风暴的不断加强，外部知识库中的知识将不断加速流向企业。当然，在图2中，如果企业的知识存量出现剧烈下降，或者企业的知识转化动力大幅度减弱，或者企业与外部知识库的联系被中断，则企业的新知识生成过程就会发生逆转并最终趋于停滞。上述分叉过程可以形象地表达为图3。图3知识生成过程的演化路径分叉图
3企业知识生成模型的系统动力学表达
为了对图2所示的企业知识生成模型进行模拟，需将图2转化成为系统动力学模型。图4即为企业知识生成模型的系统动力学表达。
图4中，4类知识之间的社会化、外部化、组合化和内部化等4种转化过程，分别受到社会化乘子、外部化乘子、组合化乘子和内部化乘子的正向促进作用，以及社会化摩擦系数、外部化摩擦系数、组合化摩擦系数和内部化摩擦系数的负向抑制作用。为了反映组织与环境之间的知识流动，图4还设置了外部知识获取率、个人内隐知识流失率、组织内隐知识流失率、组织外显知识流失率、组织集成图4企业知识生成模型的系统动力学表达
知识流失率等变量。各变量之间的量化关系参见附录A。
4企业知识生成模型的系统动力学模拟
41模型训练
为校验图4企业知识生成系统动力学模型的模拟效果，可以选用代表性企业的真实数据对模型进行训练。鉴于商业秘密和数据可获得性的考虑，可采用国家数据作为替代来进行模拟训练。本文拟采用我国2002-2011年间的实际数据来训练模型，其中，外部知识存量采用全球专利申请量来代理（数据来源：《2002-2011年中国统计年鉴》），个人内隐知识采用我国全体企业的员工受教育程度及其年龄结构来代理（数据来源：《2002-2011年中国劳动统计年鉴》），组织内隐知识采用我国全体企业组织的数量及其规模来代理（数据来源：《2002-2011年中国统计年鉴》），组织外显知识采用我国全体企业的职业培训人数来代理（数据来源：《2002-2011年中国劳动统计年鉴》），组织集成知识采用我国全体企业的新产品项目数、R&D项目及人员数来代理（数据来源：《2002-2011年中国科技统计年鉴》），组织新知识采用我国全体企业的专利授权量来代理（数据来源：《2002-2011年中国统计年鉴》）。代理关系式参见附录B。
对于模型中的外生变量，拟赋初值如下：（1）社会化乘子、外部化乘子、组合化乘子和内部化乘子，其定义域为[0，1]区间，不妨将其初始值皆设置为中数05；（2）个人内隐知识流失率、组织内隐知识流失率、组织外显知识流失率和组织集成知识流失率，其定义域为[0，1]区间，不妨将其初始值皆设置为无流失发生时的0值；（3）新知识分配率1、新知识分配率2、新知识分配率3与新知识分配率4，其定义域为[0，1]区间，但四者之和恒等于1，不妨将其初始值皆设置为相同值025；（4）外部知识获取率，其定义域为[0，1]区间，但鉴于外部知识的庞大性，不妨将其初始值设置为充分小的0001。
根据上述数据，对外部知识存量、个人内隐知识、组织内隐知识、组织外显知识、组织集成知识和组织新知识等6个状态变量，进行系统动力学模拟训练，最终使得6个状态变量的模拟值充分接近于真实值，训练即告结束。图5是该6个状态变量的最终模拟结果。
从图5可见，外部知识存量、个人内隐知识、组织内隐知识、组织外显知识、组织集成知识和组织新知识的模拟值（图5中的虚线）与真实值（图5中的实线）已经充分接近，说明模型的拟合度已经足够高，从而可以用于下一步的模拟分析了。
42企业知识生成风暴的形成过程模拟
当企业具备足够大的知识存量、足够强的知识转化动力以及足够宽松的知识转化环境空间时，企业的个人内隐知识、组织内隐知识、组织外显知识和组织集成知识这4类知识，就会通过社会化、外部化、组合化和内部化这4种过程的相互转化而产生组织新知识，由此生成的组织新知识又回到4类知识之中参与下一轮的知识转化过程，如此循环往复，组织新知识将呈现爆炸式增长。
运用经过图5训练过的企业知识生成系统动力学模型，在2002-2022年之间的时间跨度内，对组织新知识的增长图5对6个状态变量真实值的系统动力学模拟训练效果
过程进行模拟，得到企业知识风暴生成轨迹，如图6a所示。图6a所示的结果，正是企业在“未遇发育障碍”时的知识生成过程演化路径（参见图3右上部分）。
对图6a所示的组织新知识增长曲线进行数学拟合，可以得到该曲线的数学表达式为：
y=44821e04855t（1）
式（1）表明，组织新知识（y）以指数函数的形式而爆炸式增长，单位时间（t）增长率接近50%。如果企业在2002的新知识为1个单位，则按此增长率，企业在2022年的新知识将达到3 300单位，即在20年里膨胀了3 300倍——这无疑类似于爆炸。
43企业知识生成风暴的消亡过程模拟
图3右下部分提示我们，当企业“遇到发育障碍”时，其新知识生成过程就会发生逆转并最终趋于停滞。这些发育障碍主要包括：企业的知识存量出现剧烈下降；企业的知识转化动力大幅度减弱；企业与外部知识库的联系被阻隔。下面分别来模拟这3种情形下企业知识生成风暴的消亡过程。
431企业知识存量下降导致的知识生成风暴消亡
企业的知识存量，系指企业所拥有的个人内隐知识、组织内隐知识、组织外显知识和组织集成知识的总和。企业的知识存量增多，会促进新知识的4个转化过程，从而产生更多的新知识；但反过来，如果企业的知识存量下降，则会抑制新知识的4个转化过程，从而导致新知识的生成受阻。
企业知识存量的下降现象，可以用4类知识的流失率增加来表达。为了模拟企业知识存量下降对知识生成的阻碍效应，我们可以以图6a为基础，分别在2012年、2015年、2018年和2021年这4个时点，每3年1次将4类知识的流失率等额提高01个单位，最终使得4类知识的流失率由其初始值0上升至终值04，阶跃算式为：
个人内隐知识流失率=0+STEP（01，2012）+STEP（01，2015）+STEP（01，2018）+STEP（01，2021）
组织内隐知识流失率=0+STEP（01，2012）+STEP（01，2015）+STEP（01，2018）+STEP（01，2021）
组织外显知识流失率=0+STEP（01，2012）+STEP（01，2015）+STEP（01，2018）+STEP（01，2021）
组织集成知识流失率=0+STEP（01，2012）+STEP（01，2015）+STEP（01，2018）+STEP（01，2021）图6企业知识生成模型的系统动力学模拟（M代表百万）
此时，图6a就演变为图6b。从图6b中可见，随着4类知识流失率的提高，组织新知识的增长势头受到压制，并大致在2019年达到顶峰，之后便开始急速下降，最终趋于消亡。
432企业知识转化动力减弱导致的知识生成风暴消亡
企业的知识转化动力，主要体现在4类转化乘子，即社会化乘子、外部化乘子、组合化乘子和内部化乘子。这4类转化乘子上升，会促进新知识的4个转化过程，从而产生更多的新知识；反之，如果这4类转化乘子下降，则会抑制新知识的4个转化过程，从而导致新知识的生成受阻。
企业知识转化动力的减弱现象，可以用4类转化乘子的下降来表达。为了模拟企业知识转化动力减弱对知识生成的阻碍效应，仍以图6a为基础，分别在2012年、2015年、2018年和2021年这4个时点，每3年1次将4类转化乘子等额减少01个单位，最终使得4类转化乘子由其初始值05下降至终值01，阶跃算式为：
社会化乘子=05-STEP（01，2012）-STEP（01，2015）-STEP（01，2018）-STEP（01，2021）
外部化乘子=05-STEP（01，2012）-STEP（01，2015）-STEP（01，2018）-STEP（01，2021）
组合化乘子=05-STEP（01，2012）-STEP（01，2015）-STEP（01，2018）-STEP（01，2021）
内部化乘子=05-STEP（01，2012）-STEP（01，2015）-STEP（01，2018）-STEP（01，2021）
此时，图6a就演变为图6c。从图6c中可见，随着4类转化乘子的下降，组织新知识的增长势头受到压制，并大致在2019年达到顶峰，之后便开始急速下降，最终趋于消亡。
433企业与外部知识库联系受阻导致的知识生成风暴消亡
企业与外部知识库联系，主要体现在企业的外部知识获取率。外部知识获取率上升，会促进新知识的4个转化过程，从而产生更多的新知识；反之，如果外部知识获取率下降，则会抑制新知识的4个转化过程，从而导致新知识的生成受阻。
企业与外部知识库联系的受阻现象，可以用外部知识获取率的下降来表达。为了模拟企业与外部知识库联系受阻对知识生成的阻碍效应，仍以图6a为基础，分别在2012年、2015年、2018年和2021年这4个时点，每3年1次将外部知识获取率等额减少00002个单位，最终使得外部知识获取率由其初始值0001下降至终值00002，阶跃算式为：
外部知识获取率=0001-STEP（00002，2012）-STEP（00002，2015）-STEP（00002，2018）-STEP（00002，2021）
此时，图6a就演变为图6d。从图6d中可见，随着外部知识获取率的下降，组织新知识的增长势头受到压制，并大致在2020年达到顶峰，之后便开始急速下降，最终趋于消亡。
5结论与启示
本文基于SECI知识螺旋系统，借用风暴生成原理，构建了企业知识生成的“风暴眼”模型，并将其表达为系统动力学模型。通过我国2002-2012年间的经验数据对模型进行训练，再运用训练好的模型对企业知识生成机理进行模拟，得到如下研究结果：
（1）当企业具备足够大的知识存量、足够强的知识转化动力以及足够宽松的知识转化环境时，就可以越来越多地吸收外部知识，并在内部进行越来越强烈的知识转化正反馈循环，从而生成越来越多的新知识，最终达到组织新知识的爆炸式增长。
（2）当企业遇到自身知识存量下降，或者内部知识转化动力减弱，或者外部知识吸收受阻等障碍时，企业的新知识生成过程就会发生逆转并最终趋于停滞，从而导致企业知识生成风暴的发育停滞乃至消亡。
上述结果提示我们，为了成为创造知识的卓越企业，企业必须采取强力措施提升自身吸收外部知识的能力，提升自己的知识转化能力，并防止因人才流动或者技术外溢而导致的知识流失。
下一步，我们可对企业知识生成过程中的关键影响因素作深入的敏感性分析，从而为企业知识生成机制研究提供更加精确的量化结果。
参考文献
[1]Nonaka，I.，HTakeuchi.The Knowledge-Creating Company：How Japanese Companies Create the Dynamics of Innovation[M].New York：Oxford University Press，1995.
[2]Alavi M，Leidner D.Knowledge Management and Knowledge Management Systems：Conceptual Foundations and Research Issues[J].MIS Quarterly，2001，25（1）：107-136.
[3]杨燕，高山行.创新驱动、自主性与创新绩效的关系实证研究[J].科学学研究，2011，29（10）：1568-1576.
[4]章立军.创新环境、创新能力及全要素生产率——基于省际数据的经验证据[J].南方经济，2006，20（11）：43-56.
[5]张媛媛，张宗益.创新环境、创新能力与创新绩效的系统性研究——基于面板数据的经验分析[J].科技管理研究，2009，（12）：91-93.
[6]胡明勇，周寄中.政府资助对技术创新的作用：理论分析与政策工具选择[J].科研管理，2001，22（1）：38-36，30.
[7]张雁，王涛.提升企业创新能力的制度环境分析[J].天津商业大学学报，2012，32（3）：3-7.
[8]饶扬德，王学军.知识互动共享视角——区域创新环境机理研究[J].中国工程科学，2006，8（7）：72-77.
[9]汪建成，毛蕴诗.技术引进、消化吸收与自主创新机制[J].经济管理，2007，29（3）：22-27.
[10]秦世亮，万威武，朱莉欣.个人知识和企业知识创造[J].研究与发展管理，2004，16（1）：55-60.
[11]蒋军锋，王修来.网络环境下技术创新过程中企业知识基础的演变[J].管理学报，2008，5（4）：561-567.
[12]牛盼强，谢富纪.综合型知识基础与解析型知识基础的比较研究[J].科学学研究，2011，29（1）：25-30.
[13]韩智慧，李南.知识创造的组织环境分析[J].科学学与科学技术管理，2004，25（12）：77-80.
[14]郝迎潮，万迪，吴翠花.工作环境与科技型中小企业知识创造关系研究[J].科研管理，2007，28（5）：87-93.
[15]朱春燕，孙林岩，汪应洛.组织文化和领导风格对知识管理的影响[J].管理学报，2010，7（1）：11-16.
[16]陈建勋，勾东宁，吴隆增.基于社会资本视角的知识螺旋过程研究[J].研究与发展管理，2010，22（4）：53-61.
[17]王毅，吴贵生.基于复杂理论的知识创造机理研究[J].科学学研究，2005，23（1）：101-105.
[18]何晓兰，王贤裕.基于组织视角的隐性知识管理系统动力学分析[J].图书情报工作，2012，56（10）：107-112.
[19]王玉梅，张靖.基于系统动力学的组织知识创新影响因素分析[J].青岛科技大学学报：社会科学版，2009，25（4）：58-62.
[20]杨刚，薛惠锋.高校团队内知识转移的系统动力学建模与仿真[J].科学学与科学技术管理，2009，30（6）：87-92.
[21]王秀红，刘源.主体隐性知识转化的系统动力学模型研究[J].科学学与科学技术管理，2006，27（5）：90-94.
[22]王欣，孙冰.企业内知识转移的系统动力学建模与仿真[J].情报科学，2012，30（2）：173-177，195.