数智赋能: 信息系统研究的新跃迁

一、信息系统研究的历史发展

（一）信息系统的基本概念

传统信息系统主要聚焦于事务处理和信息存取，强调功能性和稳定性；而在当前数智化时代，信息系统正向智能化、自动化和平台化转型，不仅具备多源数据集成与实时分析能力，还逐步具备预测判断、自主学习与辅助决策功能。其内涵也从“系统工具”向“战略资产”演进，成为组织数字化转型与业务创新的重要驱动力量 [1]。

（二）中国信息系统研究的演变过程

1. 起步探索阶段（20 世纪80 年代初至90 年代中）

中国信息系统研究在 20 世纪 80 年代初进入起步阶段，彼时国内信息化基础薄弱，研究资源有限，信息系统作为一个新兴领域主要集中在管理信息系统（MIS）与决策支持系统（DSS）等基础概念的引入和理解上。研究重心集中在如何构建能够支持组织内部业务流程的信息处理系统，注重系统功能的实现和技术架构的建立。该阶段的信息系统多为封闭式结构，技术以计算机处理能力为核心，强调系统的可运行性和数据处理效率。高校和研究机构普遍采用教材翻译、引进案例和试点系统建设等方式进行初步探索，企业则开始尝试将信息系统应用于财务、库存等基础管理环节。

2. 模仿借鉴阶段（20 世纪90 年代中至21 世纪初）

随着我国市场经济体制的逐步建立与对外开放的深入推进，信息系统研究进入快速发展的模仿借鉴阶段。这一时期，国内学者广泛引入国外成熟的信息系统理论、研究方法与模型，如信息系统成功模型（IS Success Model）、技术接受模型（TAM）等，逐步推动了信息系统研究由技术功能向用户接受与系统绩效的转变。同时，信息系统的应用领域不断拓展，ERP 系统、CRM 系统和电子政务成为研究与实践的热点，企业对信息系统的认知也从工具层面逐步转向管理支持工具。

3. 融合提升阶段（21 世纪初至2020 年前后）

进入 21 世纪，随着互联网和移动通信技术的广泛应用，中国的信息系统研究迎来了融合提升的新阶段。在此阶段，研究视角从以往的“技术—应用”逐步过渡到“技术—组织—环境”（TOE）三位一体的系统性思考模式。信息系统不再被视为孤立的技术工具，而是嵌入在组织战略、流程变革和用户行为之中。数据分析、商业智能、流程再造等成为研究热点，系统效能评价、组织绩效关系、用户采纳行为等也得到深入探讨。

4. 创新发展阶段（2020 年代至今）

近年来，随着大数据、人工智能、区块链等新一代数字技术的快速发展，信息系统研究已进入创新驱动的新阶段 [2]。系统的角色正在从支持管理转向引领变革，研究重点从以往的系统构建、技术采纳，转向智能系统的设计、人机协作机制、组织数字化转型路径等前沿议题。信息系统不仅需要具备数据处理与洞察能力，还要能够实现自主学习、智能反馈与持续优化。

二、大数据时代与“数智化”跃迁

（一）大数据的特性

在大数据时代，信息系统面临着前所未有的挑战与机遇。数据的体量持续增长，传统信息系统在存储、处理与管理方面承压显著；数据生成与流转的速度空前加快，要求系统具备实时感知与快速响应能力；数据类型由结构化向非结构化、半结构化扩展，涵盖文本、图像、视频、传感器等多种形式；海量数据中蕴含的信息价值比例相对较低，如何高效挖掘有用信息成为关键 [3]。这些特性要求信息系统从架构设计到运行机制全面升级，具备更强的数据整合能力、智能分析能力与可扩展性，推动其从静态存储与被动分析向动态感知与主动决策转变。

（二）管理决策方式的转型

在大数据环境下，管理决策逻辑经历了从“经验—判断”向“数据—算法—洞察”的根本性转变。传统决策高度依赖管理者的直觉与经验，数据在决策中的角色多为辅助佐证。而如今，基于海量数据的建模与分析成为决策的出发点与核心依据。信息系统通过算法挖掘数据中潜在的模式和趋势，支持更为科学、系统和精准的预测性分析、实时监

控与策略优化。

（三）前沿研究的探索

1.“大数据驱动”的研究范式

随着大数据成为组织管理与业务创新的重要资源，信息系统研究范式正由传统的理论驱动逐步转向数据驱动。在“大数据驱动”的研究框架中，研究者更加依赖于真实世界中的大规模数据集，通过数据挖掘、机器学习等技术手段发现规律、建构模型，并进行动态验证。

2. 智能方法的创新

人工智能、深度学习、自然语言处理、图神经网络等先进技术正被广泛引入，用于建模用户行为、优化业务流程、强化系统学习与推理能力。这些智能方法不仅提升了信息系统的预测精度与处理效率，也使系统具备了从环境中自适应演化的能力。例如，通过强化学习，系统可以在不断交互中优化策略决策；通过语义理解技术，系统能够更有效地处理文本与语言信息。

3. 人机融合行为的研究

人机融合行为关注的是人在与智能系统交互过程中的信任形成、认知适配、协同效率及行为反馈机制等问题。在实际应用中，系统的智能化程度越高，用户对系统的依赖性也随之提升，这既带来效率红利，也引发信任危机与伦理担忧。研究表明，用户对系统的接受程度不仅取决于其功能性表现，还受到感知透明度、公平性与可控性的影响。

三、“数智化”跃迁的特征

（一）数据层面

在“数智化”跃迁过程中，数据成为系统运行与价值创造的核心资源。传统信息系统侧重于对结构化业务数据的处理，而如今的数据层面已呈现出多源异构、实时动态、情境关联等新特征。组织在经营活动中生成的数据类型日益多样，包括用户行为数据、社交媒体数据、物联网传感数据等，催生出对数据治理能力的更高要求。

（二）算法层面

“数智化”跃迁推动信息系统从规则驱动走向算法驱动，算法层面成为连接数据与智能的关键纽带。过去系统依赖预设规则与静态模型，如今则借助机器学习、深度学习、图算法等先进技术实现对复杂问题的动态建模与智能优化。这种转变不仅提高了系统的自动化与预测能力，也对算法的可解释性、公平性与鲁棒性提出新挑战。

（三）赋能层面

在“数智化”时代，信息系统的角色从支持工具升级为赋能引擎，推动组织结构、流程、能力与文化的全面重构。赋能层面体现为通过系统释放数据价值与智能能力，赋予个体更强的决策支持、任务协同与创新能力。这一阶段的信息系统不再仅仅是用的工具，而是深度嵌入组织运行机制中的运行机制。

四、结论

信息系统研究正处于数智化驱动的关键跃迁期。从以流程与技术为核心的传统范式，逐步转向以数据与智能为核心的创新体系。

参考文献

[1] 贾东琴 , 张亚璇 , 张静冉 , 等 . 新质生产力视角下信息管理与信息系统专业人才培养与社会需求融合研究 [J/OL]. 图书馆建设 ,1-26[2025-04-29].

[2] 陈国青, 任明, 卫强, 等. 数智赋能：信息系统研究的新跃迁[J].管理世界 ,2022,38(01):180-196.

[3] 郭迅华 . 数智赋能：信息系统研究的新跃迁 [Z/OL].[2025-04-29]

作者简介：田柯芸，出生日期：2000 年 11 月 21 日，性别：女，籍贯：重庆市彭水苗族土家族自治县，民族：苗族，学历：本科，研究方向：大数据与人工智能。

刘巧李：出生日期：1999 年3 月，性别：女，籍贯：重庆市，民族：汉，学历：本科，研究方向：大数据。