大数据分析能力与数字创新的关系研究——基于组织能力的视角.pdf

2023年8 月第4期第36 卷总第2 14期科技山经济大数据分析能力与数字创新的关系研究基于组织能力的视角冯檬莹张英豪（重庆交通大学经济与管理学院，重庆40 0 0 7 4）摘要：为探究数字创新的驱动要素，基于资源基础理论与动态能力理论，探讨大数据分析能力对企业数字创新产生的影响以及不同组织能力在此路径中的作用。进一步提出研究假设，构建理论框架模型，对2 8 5份来自企业的有效样本进行实证检验。研究发现：大数据分析能力对数字创新及3种组织能力均存在显著正向影响；动态能力与创造性即兴能力在大数据分析能力与数字创新之间起部分中介作用，而自发性即兴能力不具有中介作用。在理论上揭示了不同组织能力在大数据分析能力与数字创新之间的影响路径，在实践上明确了企业需要重视大数据分析资源的开发与相关组织能力的培养,从而提升数字创新水平。关键词：大数据分析能力；数字创新；动态能力；即兴能力；中介效应0 引 言数字化在根本上改变了企业的经营方式以及新产品/服务的开发和生产过程，企业面临数字市场下的快速变革与激烈竞争。在此背景下,数字创新是指企业通过应用数字技术，整合新的数字解决方案，创造性地开发新产品、改进生产流程、变革组织模式以及更新商业模式，已经成为企业在数字变革中赢得竞争优势的关键 。数字创新区别于传统创新，要求企业更加合理地配置数字资源，将数字资源与业务流程相结合，为创新活动提供支撑。然而，现有研究主要聚集于探讨数字创新理论框架的构建,数字技术与非技术的组织要素驱动数字创新的相关路径以及机理研究仍然呕待探讨。同时，大数据分析作为企业在数字市场中收集和处理海量大数据信息的关键数字技术迅速发展，企业能够应用大数据分析技术深挖大数据中蕴藏的商业价值，实现“数据驱动”的数字化转型。因此，对大数据进行收集、处理、分析和解释的大数据分析能力已经成为企业在数字市场中实现创新创造、获取竞争优势的关键能力 2 。另一方面，在动态的数字市场中，企业需要不断变革自身的资源特点与核心能力以适应环境的高速变化，大数据分析能力能够通过影响各类组织要素的开发与构建，为组织创造可持续的竞争优势。进一步，基于数据处理的大数据分析能力能够积极影响组织高阶能力的构建，帮助企业实现数字变革以适应数字化转型的发展需求 3。但目前,大数据分析通过组织能力要素影响数字创新的具体路径尚未得到揭示。鉴于此，本文将通过理论与文献分析,并采用实证研究的方法，基于资源基础理论与动态能力理论，将大数据分析视为数字环境中的重要资源，大数据分析能力能够通过增强组织动态能力与即兴能力为数字创新创造价值，试图从不同组织能力的视角探讨大数据分析能力与数字创新之间的关系及影响机理。1文献综述与研究假设1.1大数据分析能力与动态能力大数据分析为企业从广泛复杂的异构数据库中提取有用信息与知识提供条件，学界开始使用大数据分析能力表示组织利用各类资源从大数据中获取基金项目：四川省人文社会科学基地重点项目一“区块链技术背景下川渝装备制造产业集群创新驱动发展策略研究”（项目编号：Xqz2021;项目负责人：邢青松）成果之一；重庆市统计科学研究项目大数据视角下重庆市居民低碳消费行为研究”（项目编号：2021KY17;项目负责人：冯檬莹)成果之一。作者简介：冯檬莹，管理学博士，重庆交通大学经济与管理学院教授、博士生导师，研究方向：运营与供应链管理；张英豪（通信作者），重庆交通大学经济与管理学院硕士研究生，研究方向：运营管理。41科技山经济第36 卷总第2 14期2023年8 月月第4期业务洞察力以实现战略目标的熟练程度。根据资源基础理论的研究框架，大数据分析能力主要包含有形资源、人力资源以及无形资源三种不同的资源形式 4。动态能力理论扩展了传统资源基础理论静态的视角，解释了企业在动态环境中响应外部技术与市场的变化，从而获取竞争优势；动态能力被定义为企业能够感知和把握新兴的业务机会，并不断地重新配置和更新其运营方式，以适应不断变化的市场条件的高阶变革能力;维度包含机会感知能力、机会把控能力和变革重构能力 5。大数据分析能力可以被认为是一种基于数据分析的低阶组织能力，是高阶动态能力的重要驱动要素 6 。在机会感知方面，由大数据分析所产生的业务洞察力有助于组织识别动荡数字环境中新出现的威胁与机会，更好地适应市场的快速变化并相应地重新定位自身。在机会把控方面，通过对大数据的处理分析，企业更能深入地认识与预测市场趋势，帮助组织优先考虑目标客户以及细分市场，并挖掘出大数据产生的真实且有价值的见解；在此基础上，拥有数字驱动文化的企业被认为更能利用产生的见解进行基于数据证据的有效决策。在变革重构方面，通过大数据分析能力，组织能够更好地分析、利用、加工和处理数字资源与信息，进一步将数字信息嵌人业务流程，通过数字资源与业务流程的整合重组，实现组织内部资源与外部数字环境的协调。因此，本文提出假设H：大数据分析能力显著正向影响动态能力。1.2大数据分析能力与即兴能力即兴能力指组织在动态环境与时间压力下，通过利用当下可获取的资源，以创造性的方式自发应对问题或机遇的能力,维度可以被划分为自发地对未预料到的事件做出快速反应的自发性即兴能力和能够使用创造性的方式解决无完善计划的事件的创造性即兴能力 7 。即兴能力被认为是对强调计划性的动态能力的扩展，两者均体现了对现有运营能力的重新配置，主要区别在于：动态能力目的是预测、感知和“驾驭”环境中的可预测事件（波动），而即兴能力目的在于自发且快速地响应未预料到的和不可预测的事件（风暴）；两者在事先规划、潜在性质以及培养逻辑等方面同样存在明显差异 8-1在动态的数字竞争中，对大数据的快速整合与处理帮助组织掌握实时的环境信息，有利于即兴活动及时且自发地产生，并能实时反馈即兴活动带来42的结果,进一步优化后续管理活动 10 。同时，即兴活动的开展是无正式计划的，但绝非随意的、无意识的决定，而是基于组织所积累的知识基础的有意识的即时决策,知识的动态能力理论表明对大数据的分析强化了组织对内外部知识的获取、创造与整合能力，为组织变革提供源泉；大数据分析能力为组织塑造广泛且有深度的知识库，提升组织在即兴行为中管理决策的质量 2 。丰富的知识储备与组织学习赋予组织更多的积极性与创造性，有效驱动即兴行为的自发产生。因此，本文提出假设H2a：大数据分析能力显著正向影响自发性即兴能力;H2b：大数据分析能力显著正向影响创造性即兴能力。1.3大数据分析能力与数字创新数字创新被定义为组织通过结合数字技术，开发和改进开放的、情景交融的、持续迭代的数字产品、服务、流程和商业模式的过程。数字创新主要包含数字技术、创新过程和创新产出三大核心要素。其中,数字技术的独特性质改变了创新进程,对数字技术和数字资源的不断重组与利用，使数字创新区别于传统创新，具有收敛性与自生长性等特征 。作为数字技术的关键一环，以往研究试图探讨以大数据分析为主的数字技术对数字创新的驱动机制。基于资源基础理论，企业需要通过部署数字资源与非数字资源的组合来开发大数据中蕴藏的巨大的潜在商业机遇，以引导创新进程 3。从信息处理的角度,从大数据中获取的有价值的见解已经成为创新活动的重要驱动力，通过部署大数据分析能力，组织能够及时准确地洞察客户的数字需求，发掘数据中的新模式与关系,并产生数据驱动的创新见解，改善数字决策与战略，实现对数字创新流程的重塑 。基于知识基础理论,大数据已成为创新过程中知识创造的推动者，大数据分析在塑造更广泛的知识库的同时深化了组织内部的专业知识，通过对不同领域广泛知识的整合，寻找互补的、创新的数字解决方案，而专业知识的深人帮助组织进一步实践与优化现有的创新方案 12 。因此，本文提出假设H3：大数据分析能力显著正向影响数字创新。1.4动态能力的中介作用在数字创新的进程中，由大数据分析产生的洞察力有助于动态能力的构建，被视为创新的重要驱动力，能够帮助组织更好地感知市场环境，识别客户需求，进而激发新颖的产品创意；同样，不同来源的庞大数据库使组织能够感知商业环境的高速变化并预测Science&Technology and Economy 2023 Vol.36 No.4冯檬莹张英豪大数据分析能力与数字创新的关系研究创新体系建设43未来趋势，主动挖掘市场中潜在的数字创新机遇,开发与改进现有的数字解决方案 。通过构建大数据分析能力,组织能够更有效地识别运营效率低下与瓶颈的环节、灵活配置资源、优化创新流程、开发组织双元性，最终推动数字创新进程。同时，数字技术为数字创新带来开放性与收敛性等属性，使数字创新高度依赖于组织通过开发新的动态能力所构建的复杂且高度动态的创新生态网络 13。因此,本文提出假设H4：动态能力显著正向影响数字创新;H,：动态能力在大数据分析能力对数字创新的影响中起中介作用。1.5即兴能力的中介作用在数字化的动荡环境中，进行快速且高效的资源重组为组织带来竞争优势，即兴能力允许组织快速响应外部环境变化，充分利用现有资源以新颖的方式自发地应对问题与机遇，最终通过即兴活动实现创新创造 8 。另一方面，拥有即兴能力的组织被认为其研发过程更具有灵活性和创造力。然而，即兴活动未必都会带来好的创新结果，组织在资源特点与能力上的异质性均会对即兴活动的有效性产生影响。因此，通过大数据分析获取的实时信息与知识资源允许组织实时地指导与规范即兴活动，并帮助组织在重复的即兴实践中不断学习，提升即兴活动的创造性 7 。因此，本文提出假设Ha：自发性即兴能力显著正向影响数字创新;H6b：创造性即兴能力显著正向影响数字创新;H7a：大数据分析能力通过自发性即兴能力影响数字创新；Hzb：大数据分析能力通过创造性即兴能力影响数字创新。2研究设计2.1样本与数据本研究主要对中国各地区以制造业与电子信息行业为主的企业开展问卷调研，通过线上与线下两种渠道进行调查问卷的数据收集，主要包括面对面访谈填写、线上问卷平台（问卷星和Credamo）填写、纸质版与E-mail版邮寄询问、委托第三方询问等方式。为保证问卷填写质量，要求问卷填写对象为该企业中工作时间较长、掌握企业整体运行状况的中高层管理人员或数字战略骨干。企业调研时间为2022年2 7 月，共发放48 0 份问卷，回收336 份，经剔除无效问卷后得到2 8 5份有效问卷，有效问卷的回收比例为59.4%。对问卷信息进行描述性统计分析，结果显示问卷调研的样本整体较为均衡，涵盖各行业大小规模企业，具有较好的代表性。科技与经济2 0 2 3年8 月第4期第36 卷/总第2 14期2.2变量测量大数据分析能力借鉴Mikalef等研究使用的量表 3,共18 个题项。动态能力的测度主要参考Pro-togerou等的设计 14,共10 个题项。两种即兴能力参考Vera 和Crossan 的研究 10 ,同时参考马鸿佳等设计的量表 9 ,分别使用3个题项和5个题项测量。数字创新参考Wei等设计的量表 12 ,共计4个题项。控制变量包含企业性质、企业年龄、企业规模以及行业类型四个方面，对分类变量类型的控制变量进行虚拟变量处理。除控制变量外，各潜变量题项采用Likert七点量表形式,其中1表示非常不同意，7表示非常同意，顺次渐进。3数据分析与假设检验3.1信度和效度检验本研究使用SPSS26.0与AMOS24.0进行信度和效度检验。使用Cronbachs系数对样本数据进行信度检验，结果显示各变量的Cronbachs系数均大于0.7,整体信度良好。使用验证性因子分析检验收敛效度与区分效度，在模型适配度各指标良好的前提下,收敛效度的检验结果显示各题项的因子载荷值均大于0.6,组合信度CR值均大于0.8,平均方差抽取量AVE值均大于0.5,表明量表各题项能较好地反映其所在维度,具有良好的收敛效度。区分效度的检验中各变量AVE的平方根均大于变量之间的相关系数,证明变量间区分效度良好。从过程控制与统计控制两方面控制共同方法偏差的影响,过程上强调填写的匿名性与自愿性,同时打乱部分题项顺序进行;统计分析上进行Harman单因素检验,结果显示存在的共同方法偏差影响在可控范围以内。3.2假设检验使用AMOS24.0对各变量关系的研究假设进行结构方程模型（SEM）的检验，检验开始前先评价整体模型的配适度指标，主要使用/df、R M SEA、CFI、IFI、T L I 指数评价模型与样本的拟合程度。模型拟合指标达到可接受范围后，得到结构方程模型最终计算结果。拟合指数与模型计算结果见图1。根据图1结构方程模型的路径分析结果,其中实线代表存在显著影响的路径，虚线则代表无显著影响的路径,进一步观测路径系数、t值以及显著性水平等指标。结果显示，大数据分析能力显著正向影响动态能力（假设H,成立）、自发性即兴能力（假设H2a成立）、创造性即兴能力（假设H2b成立）、数字科技山经济第36 卷总第2 14期2023年8 月第4期创新（假设H,成立）。同时，动态能力显著正向影响数字创新（假设H4成立），创造性即兴能力显著正向影响数字创新（假设Hb成立），而自发性即兴能力对数字创新无显著影响（假设H6a不成立）。控制变量中仅企业规模对数字创新存在正向显著影响，认为规模越大的企业越能够整合各类资源与能力开展数字创新活动。0.618*(=8.60)动态能力0.359*(=4.232)R=-0.380.155(t=2.075)大数据分析能力0.483(t=7.043)0.580*(=8.992)注：*表示p0.001,表示p0.01,*表示p0.05。其中：x/df-1.5513,RMSEA-0.0440.8,TLI-0.9220.8,NFI-0.8210.8。在结构方程模型的基础上，进一步使用Boot-strapping法检验动态能力、自发性即兴能力与创造性即兴能力的中介作用。检验结果见表1。如表1所示，路径1中大数据分析能力对数字创新的直接效应显著,效应值为0.17 6，认为大数据分析能力能够直接正向影响数字创新，假设H,成立,表明大数据分析能力与数字创新之间的中介路径表现为部分中介作用。路径2 检验了动态能力的中介作用,中介效应值为0.2 2 2,Bootstrapping检验结果p0.05,在9 5%置信度的置信区间包含0,表明自发性即兴能力在检验路径中无明显中介作用，假设H7a不成立；路径4检验了创造性即兴能力的中介作用，中介效应值为0.139,Bootstrapping检验结果p0.01,在9 5%置信度的置信区间不包含0，表明创造性即兴能力在检验路径中起到部分中介作用，假设H成立。路径1大数据分析能力一数字创新2大数据分析能力动态能力一数字创新3大数据分析能力一自发性即兴能力一数字创新4大数据分析能力一创造性即兴能力数字创新4结论与讨论4.1研究结论与启示大数据分析能力对组织动态能力与两种即兴能力的积极作用均得到证实，其中对动态能力的影响路径最为明显，对创造性即兴能力的影响次之,最后对自发性即兴能力的影响最低。研究结论也支持了Mikalef等的研究 3,认为组织能够通过整合各类技术与非技术资源培养大数据分析能力，积极影响组控制变量织以动态能力为首的高阶能力的构建，以应对数字行业类型国有企业-0.10 0（=-1.340）数字创新民营企业-0.134（-1.6 8 9）R=0.50外商企业-0.118（-1.8 2 7）企业年龄0.0 0 4（=0.0 58）企业规模0.157（F-2.432）自发性即兴0.094(=1.329)能力R=0.23创造性即兴0.229(=3.219)能力R=0.34图1结构方程模型检验结果环境下的激烈市场竞争。因此，建议企业应积极投资大数据分析资源，重视数字人才的管理，主动培养行业类型-0.0 14（-0.2 6 9)数据驱动的组织文化，构建基于数字技术的组织能力,并以此不断更新组织的运营与变革能力,这对数字环境中竞争优势的形成至关重要。大数据分析能力对数字创新的积极作用得到证实。具体来说，本文发现企业通过对大数据分析能力的投资能够显著提升其数字创新水平，这也与Wei等的研究一致 12 ,同时也证实了大数据分析能力对于数字创新的影响是相对间接的,很大程度上取决于所构建的组织能力对数字创新的影响程度。因此,建议企业应将大数据视为关键的组织资源,重视大数据分析的积极作用，通过对技术资源与非技术资源的整合与协同构建自身独特的大数据分析能力，充分提取大数据中蕴含的关键信息与知识，灵活配置各种类型的资源与能力，实现对创新流程以及业务系统的重构，驱动数字创新活动的产生。动态能力与创造性即兴能力对数字创新产生积极影响,两者的中介作用也得到证实，但自发性即兴能力对数字创新无显著影响且中介作用未得到证实。研究认为，组织仅仅通过投资大数据分析所获取的洞察力不足以提供竞争优势以及支撑数字创新过程,在此基础上,组织能力能够作为重要的中介资源，影响大数据分析能力的作用过程，优化与改善数字创新活动。因此，建议企业重视组织能力的培养，充分利用大数据分析资源，以数字技术为核心构建与更新独特的组织能力，通过不断创新数字资源组表1中介效应Bootstrapping检验结果Bias-corrected 95%CI效应值标准误Boot LLCI0.1760.0790.2220.0550.0460.0390.1390.048结论Boot ULCIP0.0070.3110.1210.336-0.0240.1320.0450.2300.0390.0010.1890.002（部分中介）假设H,成立假设Ha不成立假设H成立44Science&Technology and Economy 2023 Vol.36 No.4冯檬莹张英豪大数据分析能力与数字创新的关系研究创新体系建设合、更新运营能力、提升组织灵活性等方式，应对数字环境的高速变化，实现数字创新产出。另一方面，自发性即兴能力的中介作用未得到证实，但并非暗示自发性即兴能力对数字创新的影响不重要，其原因可能在于：大部分企业对即兴行为的准备不足,仅仅是快速自发地反应，但缺乏充分知识与经验支持，很难实现创新创造的结果。因此，建议企业在组织能力构建的同时重视知识的获取与创造,结合两种即兴能力共同驱动即兴行为，引导组织在快速反应的情况下更为高效地即兴创造。4.2研究不足与展望本文仍存在不足：未能考虑不同的情境环境对研究结果的影响，今后可针对不同的情境条件开展研究；研究数据主要来自制造业的截面数据，未能掌握不同行业中企业的动态纵向变化，今后可采用追溯性的研究并结合案例访谈的方式开展调研。参考文献【1刘洋，董久钰，魏江.数字创新管理：理论框架与未来研究J.管理世界,2 0 2 0,36(7):19 8-2 17.2 李树文，罗瑾琏，葛元驳.大数据分析能力对产品突破性创新的影响 J.管理科学,2 0 2 1,34（2）：3-15.3 MIKALEF P,KROGSTIE J,PAPPAS I O,et al.Exploring the re-lationship between big data analytics capability and competitiveperformance:The mediating roles of dynamic and operational ca-pabilities J.Information&Management,2019,57（2):103169.Study on the Relationship between Big Data Analytics Capability andDigital Innovation:Based on the Perspective of Organizational Capability(School of Economics and Management,Chongqing Jiaotong University,Chongqing 400074,China)4 GUPTA M,GEORGE J F.Toward the development of a big dataanalytics capability J.Information&Management,2016,53(8):1049-1064.【5焦豪，杨季枫，应瑛.动态能力研究述评及开展中国情境化研究的建议 J.管理世界，2 0 2 1,37（5）：19 1-2 10.61MIKALEF P,WETERING R V D,KROGSTIE J.Building dynamiccapabilities by leveraging big data analytics:The role of organization-al inertiaJ.Information&Management,2021,58(6):103412.7 李拓晨，乔琳,杨萍.企业间信任对供应链企业组织即兴的影响机理研究一一供应链柔性的中介作用与交互记忆系统的调节作用 J.南开管理评论,2 0 18,2 1（4）：7 4-8 4.8 PAVLOU P A,EL SAWY O A.The“Third Hand:IT-Enabledcompetitive advantage in turbulence through improvisational capa-bilities JJ.Information Systems Research,2010,21(3):443-471.9马鸿佳，宋春华，葛宝山.动态能力、即兴能力与竞争优势关系研究 J.外国经济与管理,2 0 15,37（11）：2 5-37.10VERA D,CROSSAN M.Improvisation and innovative perform-ance in teamsJ.Organization Science,2005,16(3):203-224.11张海丽，王宇凡,SONGM.大数据驱动创新过程提高数字创新绩效的路径 J.科学学研究，2 0 2 3,41（6）：110 6-112 0.12WEI S,XU D,LIU H.The effects of information technology capa-bility and knowledge base on digital innovation:The moderatingrole of institutional environments J.European Journal of Inno-vation Management,2021,25(3):720-740.13屋廖民超，蒋玉石，金佳敏，高增安.创新生态系统下的企业数字创新能力：内涵重构与量表开发J.软科学，2 0 2 3，37(5):62-70.14 PROTOGEROU A,CALOGHIROU Y,LIOUKAS S.Dynamic ca-pabilities and their indirect impact on firm performance J.In-dustrial and Corporate Change,2011,21(3):615-647.FENG Mengying ZHANG YinghaoAbstract:To explore the drivers of digital innovation,based on the resource-based view and dynamic capability theory,this paper dis-cussed the impact of big data analytics capability on enterprise digital innovation and the explored the impact of different organizationalcapabilities on this influence path.Research hypotheses were further proposed and a theoretical framework was established to conductempirical testing on 285 valid samples from enterprises.The results showed that big data analytics capability has a significant positiveimpact on digital innovation and three organizational capabilities;dynamic capability and creative improvisation capability play a partialmediating role between big data analytics capability and digital innovation,while spontaneous improvisation capability does not play asignificant mediating role.The research theoretically reveals the influence path of different organizational capabilities between big dataanalytics capability and digital innovation.The research also provides practical guidance for enterprises to develop big-data analytics re-sources and the cultivation of relevant organizational capabilities so as to improve the capability of digital innovation.Key words:big data analytics capability;digital innovation;dynamic capability;improvisation capability;mediating effect（收稿日期：2 0 2 3-0 3-0 3)45科技与经济2 0 2 3年8 月第4期第36 卷/总第2 14期