平台生态嵌入、数据治理与参与者企业数字创新绩效.pdf

一尧引 言数字创新是指企业对数字化运营活动进行配置与管理以改进流程尧创新产品并最终为客户创造新价值袁进而构筑竞争优势的过程咱1暂遥相对于一般的创新模式而言袁数字创新强调对数字技术的应用袁包括数字产品创新尧数字过程创新尧数字组织创新和数字商业模式创新咱2暂遥在数字化时代袁数字创新的能力与绩效对于企业的生存和发展具有重要意义袁 因此数字创新成为学术界和企业界关注的焦点遥研究者已经发现袁数字创新的新技术应用袁如人工智能尧区块链尧云计算尧大数据等可以有效提升企业的数字创新绩效咱3暂袁但这种提升企业数字创新绩效的方式是辅助性的袁关注的数字创新绩效是短期的袁而对数据的有效管理与运用则是数字创新的关键咱4暂遥 尽管企业已经认识到数字创新的重要性袁但是数据资源不足尧数据利用效率低袁使其难以提升数字创新绩效咱5暂遥随着数字技术的发展袁 众多优秀的企业依靠企业资源优势构建工业互联网平台袁 如海尔COSMOPlat 平台尧华为 OceanConnect IoT 平台等袁根据工信部数据截至 2023 年初国内具有影响力的工业互联网平台已达 240 个袁它们连接双边或多边用户形成生态系统遥 这些平台生态系统通过数据资源与非数据资源的聚合形成庞大的资源池袁进而为生态内企业提供资源支撑咱6暂遥 因此袁广大参与者企业镶嵌到平台生态中实现对平台生态系统内的数据资源共享与利用咱7暂袁一方面可以缓解自身数据收稿日期院2023-02-25基金项目院国家社会科学基金重点项目渊21AZD120冤曰国家自然科学基金青年项目渊72201147冤作者简介院赵宏霞渊1978要冤袁女袁蒙古族袁内蒙古赤峰人袁博士袁青岛科技大学经济与管理学院教授尧博士生导师袁研究方向院数字创新创业管理遥徐光明渊1999要冤袁男袁山东临沂人袁青岛科技大学经济与管理学院硕士研究生袁研究方向院数字治理遥 赵慧娟渊1977要冤袁通信作者袁女袁山西晋城人袁博士袁青岛科技大学经济与管理学院副教授尧硕士生导师袁研究方向院数字运营管理遥平台生态嵌入尧数据治理与参与者企业数字创新绩效赵宏霞袁徐光明袁赵慧娟渊青岛科技大学 经济与管理学院袁山东 青岛 266061冤摘要院数字经济时代袁如何通过提高数字创新绩效获取竞争优势成为广大企业面临的新问题遥既有研究虽然注意到了平台生态系统嵌入对企业创新具有正向影响袁但是对其内在机理的研究存在缺失遥 基于资源编排理论袁研究了平台生态嵌入对参与者企业数字创新绩效的促进作用袁并创新性地引入了数据流耦合和数据治理能力两个变量来解析其内在机理遥以来自参与平台生态的 512 份企业调研数据为样本进行实证分析袁结果表明院平台生态嵌入对参与者企业数字创新绩效具有正向作用袁同时受到数据治理能力的正向调节曰平台生态嵌入通过数据流耦合的部分中介作用促进了数字创新绩效袁这一间接影响同样受到数据治理能力的正向调节遥 该研究从数据要素视角切入袁丰富了企业数字创新绩效的研究袁对企业有效利用数据资源来提高数字创新绩效具有一定指导意义遥关键词院平台生态嵌入曰数据流耦合曰数字创新绩效曰资源编排理论中图分类号院F426曰F273文献标识码院A文章编号院1674-6511渊2023冤03-0068-17DOI:10.19808/ki.41-1408/F.2023.00252023 年 6 月第 36 卷第 3 期Jun.2023Vol.36 No.3Journal of Management68-资源不足的约束袁另一方面可以基于数据资源的支持实现与参与者的深度互动与合作遥 资源编排理论指出袁企业可以通过构建资源组合尧利用捆绑资源产生能力和运用能力创造新价值的资源管理过程袁解决资源来源尧转换与使用等问题咱8暂袁循此逻辑袁参与者企业镶嵌到数字平台生态中之后袁可以获取异质性数据资源袁通过不同数据资源的编排形成数字创新能力袁进而提高其数字创新绩效遥 例如青岛双星集团依托海尔 COSMOPlat 工业互联网平台的数字技术和数据资源袁完成了从野卖产品冶到野卖服务冶的转型升级袁通过平台生态实现轮胎数据线上化尧智能化的全生命周期管理袁引领了轮胎行业的跨时代变革遥又如 Yeelight 自身营销尧供应链等方面资源不足袁致使其在市场竞争中不占优势袁随后加入小米生态圈袁先后与生态圈中的华米公司尧绿米联创公司在智能家居领域进行合作袁通过数据赋能实现了产品创新袁提升了市场竞争力遥数据作为数字创新必不可少的战略资源的重要性已经毋庸置疑袁 但只是获取数据是不够的袁企业只有在获取外部数据的基础上袁结合已有的数据资源对数据进行融合转化袁才能激发企业创新活力袁进而提高企业的数字创新绩效咱9暂遥 借鉴知识管理中知识流耦合的概念咱10暂袁本文定义野数据流耦合冶表示内外部数据融通形成数据资源互补和兼容的过程遥 数据流耦合有助于数据的重组尧转化袁从而提升数据的利用效率袁不断催生新灵感尧新产品袁有利于提高企业数字创新绩效咱11暂遥 这与资源编排理论中的资源野组合要捆绑冶机制相吻合袁是一种将资源转化为能力的过程与机制袁而非资源或能力本身咱8暂遥参与者企业在加入平台生态获取所需数据资源之后袁可以通过数据流耦合的过程与机制袁提升数字创新能力袁最终实现数字创新绩效的提高遥在现实当中袁参与者企业加入数字平台并形成平台生态嵌入并不一定能实现对多方数据的有效耦合袁这是因为院一方面袁平台生态系统内的海量资源池并非都是可利用的尧高质量的数据资源袁如不加以甄别袁容易造成数据冗余尧数据失真等问题咱12暂曰另一方面袁企业所获取的数据面临传输尧存储尧标准化等过程袁如不加以监督袁容易造成数据泄露尧数据失效等问题袁不利于数据流的耦合遥 因此袁在数据获取尧利用的过程中离不开数据的治理遥 数据治理的实施者既包括平台企业也包括参与企业袁相对而言袁平台的数据治理旨在提高数据供给的质量袁参与企业的数据治理旨在提高数据吸收与应用的质量袁由此可见袁参与企业切实提高自身数据治理能力袁对实现数据流耦合至关重要遥 已有研究证实袁政府为履行职能对自身尧市场和社会中的数据资源和数据行为的治理袁可以提高政府决策效率咱13暂遥而目前对于企业数据治理的研究比较缺乏袁尤其是定量研究遥 因此袁本文致力于探究平台生态中参与者企业的数据治理能力对于其数据的获取与转化是否具有积极作用遥综上分析袁加入数字平台并实现平台生态嵌入弥补了参与者企业开展数字创新过程中数据资源不足袁尤其是异质性数据资源不足袁数据流耦合能推动数据资源的转化袁数据治理能力能确保数据资源的高效转化与利用袁三者协同促进企业数字创新绩效的提高遥 基于资源编排理论袁下文探索参与者企业的平台生态嵌入对其数字创新绩效的影响路径袁其中重点关注了数据流耦合的中介和数据治理能力的调节作用遥 与已有研究相比袁本文的主要不同表现在三个方面院首先袁针对现有文献对数据资源转化关注不够的现状袁基于资源编排理论的过程视角分析了平台生态嵌入寅数据流耦合寅数字创新绩效的内在机制曰其次袁从微视角入手袁研究数据流耦合对于数字创新绩效的影响袁呼应了野数据是创新活动中的第一要素冶这一观点咱1暂曰最后袁将平台生态嵌入这一外部过程与数据治理能力这一内部过程相结合袁分析其对数据流耦合的影响袁明确了数据获取与数据治理对数字创新的协同作用遥平台生态嵌入尧数据治理与参与者企业数字创新绩效69-二尧理论假设渊一冤平台生态嵌入与数字创新绩效平台生态嵌入是指企业通过将自身融入到平台生态中袁实现对平台生态系统内的资源共享与利用袁通过与生态系统内的其他企业互动与合作发挥互补资源协同效应的过程咱14暂遥 根据上述定义可知袁参与者企业加入数字平台只是实现平台生态嵌入的第一步袁与其他企业的互动尧合作与协同才是平台生态嵌入的核心遥 参与者加入平台之后可以选择野战略嵌入尧资源嵌入和生态嵌入冶三种嵌入行为袁下文所言的参与者嵌入数字平台均指平台生态嵌入遥参与者企业的平台生态嵌入可分为产业链嵌入尧互补品嵌入和生态资源嵌入三个维度咱14暂袁平台生态嵌入具有如下特征院渊1冤平台生态嵌入是以双方中长期成长为目标的袁而不是单项合作曰渊2冤平台企业和嵌入企业是主从关系曰渊3冤平台企业持股不控股袁嵌入企业仍保持高度独立曰渊4冤双方资源共享遥 这些特征明确了平台企业和嵌入企业在责权利方面的分配关系袁增进了资源尧技术和能力在生态内的流动和共享咱14暂遥 参与者企业通过平台生态嵌入可以获取与整合各种资源尧技术和知识等袁通过数字化赋能开发相关产品与服务咱15暂尧改进业务流程袁最终为客户创造新价值咱16暂遥 当前的平台生态系统融合了人工智能尧大数据尧物联网等新兴技术袁促进了企业对于数据尧知识尧信息等资源的获取袁实现了数据与知识等资源的边界跨越咱17暂袁更重要的是改变了企业之间传统的合作方式袁通过数字技术和数据资源优化了合作主体之间相关资源和能力的组合遥 企业嵌入平台生态系统之后袁可以获取与整合各种数据资源袁通过数据新要素的介入与数字化赋能开发相关产品与服务袁通过数字创新改进流程尧改进产品袁最终为客户创造新价值进而构筑竞争优势咱16暂袁提升数字创新绩效遥首先袁平台生态系统打破了时间和空间的束缚袁其积累的供应尧生产尧营销尧物流等数据资源非常丰富袁使得嵌入其中的参与者企业可以充分挖掘与利用数据资源库咱17暂遥 根据资源编排理论袁参与者企业嵌入平台生态之后通过对数据资源的整合尧利用袁将这些数据资源转化为自身资源并形成能力尧创造新价值袁从而提升数字创新绩效遥 具体而言就是袁参与者企业根据自身发展战略选择平台生态中的数据尧物质尧技术等资源袁然后通过对这些新资源的整合编排袁对自身的研发尧生产尧销售等多个环节进行数字化重构袁进而提高数字创新能力袁如在产品开发阶段通过技术重组将数字技术尧数据资源应用到产品与服务的创新流程中咱18暂袁在过程管理与产品推广阶段运用数字技术尧数据资源将流程变得更加透明尧将营销变得更具针对性咱2暂袁从而以低成本尧高技术推动产品与服务的数字化升级遥其次袁数字创新强调数字技术在创新过程中的应用袁而数字技术包括设备层渊硬件及操作系统等冤尧网络层渊网络传输设施等冤尧服务层渊应用软件等冤以及内容层渊用户信息等冤咱19暂遥 基于数字技术融合与基础设施共享的平台生态系统具有共享性尧无界性尧一致性尧开放性等特点咱20暂袁它不仅能够提供完善的硬件与软件设施袁而且能为嵌入其中的参与者企业提供多样性数字技术以及供应商尧用户信息等遥 根据资源编排理论的资源搜索尧选择与编排流程咱21暂袁参与者企业利用完善的数字基础设施袁能够识别各种机会进行技术组合袁 快速改进或创造新的产品与服务以应对灵活敏捷的外在需求变化袁提高数字产品创新的产生以及加快创新的速率遥最后袁参与者企业嵌入数字平台生态之后可以借助平台的智能算法与供应商和用户数据进行智能匹配袁在有效降低信息搜寻成本的同时实现多方数据的共享与精准匹配咱22暂袁从而在更广域寻求更多与自身资源与能力互补的合作伙伴遥 根据资源编排理论的资源配置尧能力部署和价值创造的流程袁管理前沿2023 年 6 月70-嵌入平台生态系统的参与者企业越来越倾向于改变传统的组织结构袁参与者企业间的创新合作方式也由单链式向网络式转变咱21,23暂袁这种基于数字技术尧智能匹配尧网络式的合作创新活动意味着会融入更多新创意尧新技术与新资源服务袁促进参与者企业新产品与新服务的产生袁进而提升企业的数字创新绩效遥 基于上述分析袁提出如下假设院H1:平台生态嵌入对参与者企业数字创新绩效具有正向促进作用遥渊二冤数据流耦合的中介作用基于动态视角袁数字创新是通过数据的流通与互相作用来赋能创新的袁借鉴知识管理中知识流耦合的概念咱24暂袁可将数据赋能创新的动态机制称为数据流耦合咱11暂遥 在平台生态中袁数据流耦合可定义为不同生态主体之间开展数据互联互通袁并对获取的数据内化融合袁最终发挥数据价值的过程遥数据流耦合的作用类似于资源编排理论中的资源捆绑机制遥从作用上来讲袁数据流耦合涉及数据的融合尧编码和转化袁企业通过耦合机制对数据进行获取和重组袁优化业务流程袁不断催生新创意尧新技术袁有利于提升企业经营效率和竞争力咱11暂遥 数据流耦合发端于数据互动袁最终目的是实现数字创新袁数据流耦合的过程便是实现数据要素集聚创新的具体实践活动咱11暂遥根据资源编排理论的资源捆绑过程袁嵌入数字平台的参与者企业可以与平台生态内的其他主体进行数据交流袁从而获取海量的外部数据资源袁结合内部数据资源对现有数据进行融合转化袁实现数据流耦合遥 参与者企业通过数据流耦合提升数字创新能力袁进而加速新技术尧新产品尧新服务的出现袁企业的数字创新绩效由此得到提高遥平台生态嵌入会促进参与者企业的数据流耦合遥 首先袁企业嵌入数字平台之后可以基于合作共赢观念与其他参与企业开展互动交流袁进而促进数据在不同主体之间流动遥 其次袁平台生态和实体企业深度融合袁例如商业企业尧非营利机构尧公共机构和其他中介机构等的互动袁加速了经济活动的泛数据化咱25暂遥 再次袁平台生态系统本身融合了云计算尧物联网尧大数据等多种新兴技术袁辅之数字基础设施袁方便了数据在不同主体之间低成本尧快速流动遥 最后袁平台生态凭借其开放性和网络性袁可以吸引更多的参与者融入其中袁加速了生态内的数据流动和集结咱26暂遥 因此袁平台生态嵌入加速了参与者企业与外界的数据交流咱27暂袁促进了参与者企业内外数据的耦合袁激活了数据要素的价值遥嵌入数字平台后的数据流耦合有利于推动参与者企业的数字创新遥 数据积累可以激发创新活力袁提升创新效率袁但仅仅拥有数据资源并不能确保竞争优势咱28暂袁根据资源编排理论袁企业只有对数据进行积累尧整合和利用袁才能形成创造价值的能力咱8,29暂袁即只有在获取数据资源的基础上袁促进数据流的有效耦合袁形成一种企业自身的能力袁才有助于数字创新绩效的提高遥 首先袁当平台生态内的数据流入参与者企业后袁参与者企业通过数据流耦合袁可以构建新的数据资源组合袁这有利于企业以一种更全面尧更灵活的视角审视创新活动中遇到的问题袁激发企业创新活力咱9暂遥其次袁数据流耦合有利于突破信息壁垒袁促进新想法的诞生袁与传统要素结合形成新产品咱30暂袁进而提升企业数字创新绩效遥 最后袁参与者企业通过对平台内相关数据进行内化融合袁一方面可以找出企业自身存在的问题袁从而优化业务流程袁补齐技术短板袁进而不断凸显数据要素在数字创新中的价值袁另一方面可以对产品消费数据尧目标群体行为习惯以及用户或市场的潜在需求进行深入挖掘咱3暂袁从而有针对性地开发新产品尧推出新服务袁不断提升企业的数字创新绩效遥 基于上述分析袁本文提出如下假设院H2院数据流耦合在平台生态嵌入和数字创新绩效之间发挥中介作用遥平台生态嵌入尧数据治理与参与者企业数字创新绩效71-渊三冤数据治理能力的调节作用当前袁数据治理在学界和业界都受到了广泛关注咱31暂遥 从与数据的关系来看袁数据治理可划分为野依靠数据治理冶与野对数据的治理冶袁前者把数据视为一种治理的工具袁后者把数据视为治理的对象咱32暂遥本研究以嵌入平台生态的企业为研究对象袁侧重于对数据本身的治理遥基于现有研究可将数据治理能力定义为院企业建立在数据存储尧访问尧验证尧保护和使用之上的一系列程序尧标准尧角色和指标袁希望通过持续筛选尧分析和监督袁确保高效地利用数据的能力咱9,13暂遥 依据定义本文将其划分为数据筛选尧数据分析和数据监督遥 数据筛选的目的是确保数据资源的高质量供给曰数据分析的目的是保障外部数据与企业各部分数据合理匹配曰数据监督的目的则是确保数据资源在形成能力的过程中安全高效地进行咱25,33暂遥 与平台企业的数据治理能力相比袁参与者企业的数据治理能力更强调在平台生态中对数据的吸收与应用袁其对企业的数字创新绩效的影响更加直接遥 根据资源编排理论袁把资源捆绑形成能力的机制是资源创造价值的关键一环咱21暂袁而参与者企业具有较高的数据治理能力则有利于促进异质性数据的吸收尧捆绑与编排袁进而实现数据流的耦合尧促进数据产生价值遥根据前述对数字治理能力的定义袁参与者企业可通过数据治理能力的提升袁优化其嵌入平台生态的过程来提升数字创新绩效咱34暂遥 首先袁在高数据治理能力水平下袁参与者企业通过平台生态嵌入可以更精准地获取所需数字创新资源袁降低数据资源与技术搜寻的成本袁有助于产品设计多样化遥 其次袁在高数据治理能力水平下袁参与者企业可以更容易尧更快速地分析在平台生态中所获取的数据资源袁并促进资源的有效转换与利用袁极大地缩短产品研发周期袁以最快的速度响应用户需求遥 最后袁在高数据治理能力水平下袁参与者企业从获取数据资源到有效识别数据资源再到精准分析数据资源的过程能够得到有效保障这就使得在数字创新过程中遇到问题时能够及时解决袁提升了数字创新的质量和效率咱35暂遥反之袁参与者企业如果数据治理能力较低袁根据资源编排理论袁即便其选择或实现了数字平台的生态嵌入也很难提升数字创新绩效要么对数据资源的识别能力不足袁无法实现数据资源的有效获取与积累曰要么对数据资源的解析能力不强袁无法挖掘数据资源的价值曰要么把数据资源转化为产品与服务的能力弱袁无法实现能力部署袁导致数字创新活动开展不顺利遥 由此可见袁在低数字治理能力水平下袁参与者企业的平台生态嵌入对其获得数字创新绩效的促进作用将大打折扣遥 综上分析袁较高的数据治理能力能够弥补参与者企业资源和能力的不足袁 强化平台生态嵌入与数字创新绩效的关系遥因此袁提出假设院H3a院参与者企业的数据治理能力正向调节平台生态嵌入与数字创新绩效的关系遥较高的数据治理能力有助于强化参与者平台生态嵌入对数据流耦合的正向作用遥 首先袁在数据的筛选方面袁对于具有高数据治理能力的参与者企业而言袁其嵌入数字平台后更能快速地筛选出异质性资源并去除冗余数据资源袁进而强化平台生态嵌入对数据流耦合的影响遥 其次袁在数据的分析方面袁具有高数据治理能力的参与者企业在以生态嵌入的方式嵌入数字平台之后袁能更好地构建数据组合袁发挥数据作用并将其及时处理尧转化袁企业数据流耦合的效率相对较高遥 最后袁在数据流的管理方面袁参与者企业具有较强的数据治理能力有助于保障参与者企业内部数据转换尧应用等流程得到有效监督袁从而推动数据流耦合高质量地开展遥反之袁根据资源编排理论的资源和能力互动逻辑咱8暂袁当参与者企业数据治理能力较低时袁尽管平台生态嵌入使其获取了数据资源袁但由于其筛选尧分析数据管理前沿2023 年 6 月72-资源的能力有限袁数据资源的组合过程将十分困难袁致使平台生态嵌入对数据流耦合的促进效果不理想袁很难有效完成数据捆绑并形成能力的环节遥由于平台生态嵌入可通过数据流耦合的中介机制间接影响数字创新绩效袁根据资源编排理论的资源管理流程袁 数据治理能力也会调节数据流耦合在平台生态嵌入与数字创新绩效之间的中介效应遥 其主要原因如下院在高数据治理能力水平下袁参与者企业的平台生态嵌入不但有助于企业获取尧转换资源能力的增强袁而且有助于提高数据流耦合质量袁通过构建新的数据资源组合袁实现数据资源的有效捆绑袁形成数字创新能力咱34暂袁为数字创新发展提供必要的数据准备咱30暂遥 反之袁在低数据治理能力水平下袁即使参与者企业实现了平台生态嵌入袁由于其筛选尧分析能力低以及无法对数据流程实施有效监督袁其数据流耦合也困难重重遥 低效的数据流耦合将导致企业对数据资源编排的过程受阻袁或者涌现出新资源和新能力袁因此企业数据处理能力低不利于数字创新绩效的提升遥 综上分析袁提出如下两个假设院H3b院企业的数据治理能力正向调节平台生态嵌入与数据流耦合的关系遥H3c院数据治理能力调节了数据流耦合在平台生态嵌入与数字创新绩效之间的中介作用遥综上假设袁可以建立如图 1 所示的理论模型遥 根据前述对数据流耦合的定义袁在该模型中数据流耦合对应于资源编排过程中构建资源组合尧捆绑资源形成能力的动态过程遥 如果该动态过程能够有效完成袁说明该企业具有较强的数据资源编排能力咱21暂遥 而嵌入数字平台的参与者企业能否有效地完成数据流耦合这一动态过程袁能否提升数字创新绩效袁一方面取决于参与者企业从平台中获取数据资源的种类与多寡袁另一方面取决于参与者企业对这些数据资源的治理与管理成效遥图 1 理论模型三尧研究设计渊一冤样本选取与数据来源首先袁选取发展较为成熟的 30 家以生态嵌入方式参与数字平台的参与者企业为预调研对象袁并以中高层管理者为调查对象采用线上线下相结合问卷调查的方式收集数据袁回收了 26 家问卷渊有效率为 86.7%冤袁根据反馈结果对调查问卷进行修正与完善遥其次袁从 2021 年 3 月到 2022 年 1 月通过线上线下相结合的方式进行正式调研袁为了便于对比袁正式调研的对象既包括嵌入数字平台的企业也包括未嵌入数字平台的企业遥 具体细节如下院渊1冤线下调研对象主要是青岛当地企业袁通过在企业任职或与企业有联系的学院老师尧MBA 学员或一些商界人士搭建桥梁袁 在征得企业同意后前往收集数据遥 渊2冤线上调研借助学院老师尧MBA 学员以及团队成员的人际关系网络袁寻找不同地域的企业作为调研对象袁与其中高层管理者取得联系并征得同意后袁通过 E-mail尧微信等方式发放电子问卷并告知调研事项袁最后将问卷通过相同方式返回遥 根据预先设置的问题袁回收的问卷中袁判定有 649 个样本平台生态嵌入尧数据治理与参与者企业数字创新绩效73-不同程度地以生态嵌入的方式嵌入了数字平台袁 还有 213 份问卷判定为没有选择或实现平台生态嵌入遥 其中 649 份问卷中袁剔除信息不完整尧选项完全一致等无效问卷袁回收有效问卷 512 份渊有效回收率为 78.89%冤曰213 份问卷中有效问卷为 176 份遥 由于非平台生态嵌入的样本在平台生态嵌入尧数据流耦合两个变量上没有回答数据或者数据不可靠袁本文在后面的实证检验中袁除了在对两类样本的数字创新绩效均值作比较的部分之外袁均以 512 份数据为样本开展研究袁样本数据的相关信息如表 1所示遥渊二冤变量测量平台生态嵌入渊PEE冤采用赵慧娟等咱36暂开发的量表袁该量表共包含 5 个题项袁分别从产业链嵌入尧互补品嵌入和生态资源嵌入三个方面论述袁如野平台生态企业间的产品呈现兼容性尧互补性和协同性渊PEE1冤冶野贵企业成为生态内某一供应链上其他企业的上下游或客户渊PEE2冤冶野贵企业与生态内其他参与者建立紧密的伙伴关系 渊PEE3冤冶野在营销环节袁 生态企业能够合作提供配套系列产品渊PEE4冤冶野贵企业以平台企业为桥梁袁可调配生态资源池内的可用资源渊PEE5冤冶袁该量表的信度系数=902袁CR=0.902遥数据流耦合渊DC冤在吴言波咱10暂开发的知识耦合量表基础上袁结合数据流的特点由多名专家进行措辞上修改并通过德尔菲法整合而成袁共包括两个维度 10 个题项袁如野通过平台生态获取的新数据能使原有数据资源发挥更大作用冶袁 因子分析二阶因子拟合效果加好 渊字2/df=1.285,RMSEA=0.024,SRMR=0.019,CFI=0.996,TLI=0.995冤袁信度系数=0.897袁CR=0.898遥数据治理能力渊DGC冤结合数据治理的概念在芮正云和罗瑾琏咱37暂所采用的知识治理能力量表的基础上进行修改提炼共得到 9 个题项袁如野企业具有明确的数据战略冶野企业具有数据管理部门冶野企业具用数据说话的文化冶野企业的数据管理有高效的管理流程冶野企业有明确的数据治理制度冶野企业重视内外数据的共享冶野企业有专门从事数据管理的高端人才冶野企业具有先进的数据治理技术冶野企业有完备的数据处理信息系统冶遥 因子分析显示该单维度因子拟合效果较好渊字2/df=1.207,RMSEA=0.020,SRMR=0.016,CFI=0.998,TLI=0.997冤袁信度系数 琢=0.910袁CR=0.910遥数字创新绩效渊DIP冤采用了 Khin 和 Ho咱35暂年使用的量表袁并通过翻译-再回译的程序袁在借鉴叶丹等咱38暂使用的中文版量表的基础上袁对部分题项的表达作了措辞上的修改袁保证了本土的情境适用性遥 该量表共有 6 个题项袁如野在同行业内袁我们的数字解决方案质量更高冶袁该量表的信度系数 琢=0.888袁CR=0.889遥控制变量院参考已有研究咱3暂袁本文选取企业年龄尧企业规模尧企业性质渊是否国企冤尧行业类型渊是否技术密集型冤作为控制变量遥 其中企业年龄和企业规模被证明对企业创新活动具有重要影响咱38暂袁而数字创新也是企业创新活动的一种曰企业性质涉及企业所有权问题袁国有企业所有权属于国家袁进行数字创新维持企业竞争优势的动力不足咱39暂曰行业类型涉及数字技术问题袁而数字创新区别于一般创新的关键在于创新过程中对数字技术的应用遥上述变量中袁数据流耦合尧数据治理能力和数字创新绩效三个变量均与数字尧数据有关袁存在一定的相关性遥 相对而言袁数据流耦合是过程导向的袁强调不同数据间的协同作用曰数据治理能力是能管理前沿2023 年 6 月74-力导向的袁强调对数据或数据集管理的顶层设计曰数字创新绩效是结果导向的袁强调利于数字技术和数据资源赋能创新绩效的结果遥表 1 样本统计数量5040755464254017023993371238664544341101百分比(%)9.7779.4910.748.9883.017.8133.2046.6818.160.591.3724.0216.8012.5010.558.408.0119.73测量题项5 年以内510 年10 年以上500 人以下5001000 人1000 人以上国有企业民营企业中外合资企业外资企业其他电气机械和器材制造业计算机尧通信和其他电子设备制造业纺织业仪器仪表制造业医药制造业铁路尧传播尧航空航天和其他运输设备制造业其他企业特性企业年龄企业规模企业性质行业类型四尧实证分析渊一冤数据检验1.信度检验与效度检验为了检验各个构念量表的内部一致性和稳定性袁本文运用 SPSS 25.0 软件对量表进行信度检验袁结果如表 2 所示袁平台生态嵌入尧数据流耦合尧数据治理能力尧数字创新绩效的 Cronbach爷s 琢 系数均大于最低标准 0.7袁表明各量表内部一致性较好袁四个量表均具有良好的信度袁可以进行下一步效度分析遥 继续采用 Mplus 7.4 进行验证性因子分析袁检验四个变量之间的区分效度袁如表 3 所示袁通过比较各模型拟合指数袁四因子模型对样本数据的拟合效果最好袁明显优于其他四个模型袁单因子模型的整体拟合优度最差袁表明本文四个变量之间具有较好的区分效度袁适合做进一步分析遥表 2 信效度分析因子载荷0.775-0.8180.692-0.7950.673-0.8120.696-0.796CR 值0.9020.8980.9100.889琢 系数0.9020.8970.9280.888变量维度平台生态嵌入数据流耦合数据治理能力数字创新绩效AVE 值0.6480.6650.5900.5712.数据同源偏差分析首先袁运用 Mplus 7.4 软件将平台生态嵌入尧数据流耦合尧数据治理能力尧数字创新绩效对应的测量题项合并成一个因子袁 结果显示袁 单因子模型的检验值为 字2=4591.010袁df=405袁字2/df=11.336袁TLI=平台生态嵌入尧数据治理与参与者企业数字创新绩效75-0.503袁CFI=0.537袁RMSEA=0.142袁SRMR=0.166袁由此可见单因子模型的拟合度不高袁初步说明不存在同源偏差遥 接着袁采用 Harman 单因素方法进行检验袁将研究变量所有题项进行未旋转探索性因子分析袁 结果发现袁 特征值大于 1 的因子累计方差贡献率为 72.86%袁 其中第一个因子的方差解释度为31.974%袁低于总解释变量的一半遥 综合以上分析袁本研究回收问卷数据不存在严重同源偏差问题遥表 3 模型验证性因子分析对比RMSEA0.1420.1300.1150.0840.044SRMR0.1660.1640.1080.0720.039CFI0.5370.6120.6990.8330.957字2/df11.3369.6817.7814.5971.997df405404402402399TLI0.5030.5820.6740.8200.953字24591.0103911.2793127.9971849.165789.851模型单因子院PEE+DC+DGC+DIP二因子院PEE,DC+DGC+DIP三因子 a院PEE,DC+DGC,DIP三因子 b院PEE,DGC,DC+DIP四因子院PEE,DC,DGC,DIP注院PEE 表示野平台生态嵌入冶袁DC 表示野数据流耦合冶袁DGC 表示野数据治理能力冶袁DIP表示野数字创新绩效冶袁下同遥3.相关性检验变量的相关性分析结果如表 4 所示袁其中企业年龄尧企业规模尧行业性质尧企业性质为控制变量遥根据表 4 可知院渊1冤平台生态嵌入与数字创新绩效显著正相关渊r=0.521,p0.01冤遥 渊2冤平台生态嵌入与数据流耦合显著正相关 渊r=0.654,p0.01冤袁 数据流耦合与数字创新绩效显著正相关 渊r=0.474,p0.01冤遥 渊3冤数据治理能力与数据流耦合呈正相关渊r=0.101,p0.05冤袁数据治理能力与数字创新绩效呈正相关渊r=0.396,p0.01冤遥与假设一致袁以上结果为验证假设提供了初步支持遥 另外袁根据所有变量之间的相关系数与各变量 AVE 值的平方根袁各变量之间的相关系数均小于 AVE 值的平方根袁说明各变量之间的聚合效度较好遥表 4 各变量相关性分析表PEE0.654*0.0660.521*4.0191.111DC0.101*0.474*3.7090.680DGC0.396*4.0410.868C4-0.0060.016-0.0090.0590.5800.493C30.569*-0.0110.033-0.0270.0350.3300.471DIP3.7190.801C2-0.0300.004-0.0020.033-0.0410.0771.9900.410C1-0.052-0.0310.001-0.0050.0320.0390.0552.0100.453C1C2C3C4PEEDCDGCDIP平均值标准差注院C1为企业年龄袁C2为企业规模袁C3为企业性质袁C4为行业类型袁N=512袁*表示 p约0.001,*表示 p0.01,*表示p0.05遥渊二冤假设检验1.直接效应检验本文利用 SPSS 25.0 软件检验直接效应遥 在表 5 中袁将平台生态嵌入作为自变量袁将数字创新绩效作为因变量作回归分析遥 由模型 4 可知袁平台生态嵌入对参与者企业数字创新绩效有显著正向影管理前沿2023 年 6 月76-响渊茁=0.340,p0.01冤袁由此袁假设 H1 得以验证遥 在此基础上袁根据调研企业是否嵌入某平台生态将样本企业分为两类袁 对两类企业的数字创新绩效进行均值比较检验袁 令嵌入平台生态的企业总体数字创新绩效均值为 滋1袁未嵌入平台生态的企业数字创新绩效均值为 滋2袁根据前面的数据调查袁两者样本量分别为 512 和 176袁对应的数字绩效样本均值为和袁检验显示两个总体均值之差的点估计为=0.570袁95%的置信区间为咱0.433,0.708暂袁对应的 t 值为 8.147袁伴随概率 p0.01袁再次说明嵌入平台生态能显著提升数字创新绩效遥表 5 回归分析结果模型 20.0200.030-0.079-0.134*0.417*0.4700.458*89.895模型 30.0710.021-0.221*-0.1360.0111.473模型 40.0420.097-0.172*-0.135*0.340*0.1980.187*24.964模型 10.0310.062-0.138*-0.135*0.0121.497C1C2C3C4PEEDC拟合优度 R2拟合优度变化吟R2F值自变量中介变量统计量模型 50.0440.108-0.141*0.0840.185*0.371*0.2770.079*26.944DCDIP变量控制变量注院*表示 p约0.01,*表示 p0.05,*表示 p0.1袁下同遥2.中介效应检验本文采用逐步回归方法与 Bootstrap 并行的方法检验数据流耦合的中介作用遥 由于平台生态嵌入与数据流耦合的相关系数为 0.654袁高于 0.6袁在回归分析之前需要进行多重共线性检验袁检验结果显示平台生态嵌入尧数据流耦合和数据治理能力作为解释变量在预测数字创新绩效时袁最大的方差膨胀因子 VIF 为 2.446袁远远小于 10袁可以判定不存在多重共线性问题袁可以进行多元回归分析遥首先袁通过逐步回归方法袁由模型 2 可知袁平台生态嵌入对数据流耦合有显著正向影响渊茁=0.417,p0.01冤袁由模型 5 可知袁数据流耦合对参与者企业数字创新绩效有显著正向影响渊茁=0.371,p0.01冤遥对比模型 4 和模型 5袁 在加入数据流耦合后袁 平台生态嵌入对参与者企业数字创新绩效的效应值由茁1=0.340 变为 茁2=0.185袁在假定两个统计量 茁1和 茁2均值相同的前提下袁采用两个独立样本 t 检验方法计算得到 t=4.867袁p0.01袁表明与模型 4 相比袁模型 5 中平台生态嵌入对参与者企业数字创新绩效的效应显著降低袁说明中介变量的效应值显著袁由此可知袁数据流耦合在平台生态嵌入与企业的数字创新绩效之间发挥中介作用袁假设 H2 得以验证遥其次袁 本文利用 Bootstrap 法检验数据流耦合的中介效应袁 以弥补逐步回归方法的不足遥 利用SPSS 的 process V3.3 插件中的模型 Model 4 对应的分析功能袁通过对有效样本进行 5000 次有放回的重复抽样袁得到总中介效应和具体中介路径效应的非参数近似抽样分布袁结果如表 6 所示袁并构建第2.5 百分位点渊LLCI冤和第 97.5 百分位点渊ULCI冤置信度为 95%的中介效应置信区间遥 根据表 6 所示袁平台生态嵌入寅数据流耦合寅数字创新绩效的路径值=0.154袁且 95%的置信区间为咱0.104,0.209暂袁12xx1x2x平台生态嵌入尧数据治理与参与者企业数字创新绩效77-不包含 0袁间接效应显著遥表 6 中介路径 Bootstrap 分析结果SE0.0280.0370.027LLCL0.2830.1100.104酌0.3390.1840.154模型路径总效应 PEE寅噎寅DIP直接效应院PEE寅DIP中介路径院PEE寅DC寅DIPULCL0.3940.2580.2093.调节效应检验本文认为数据治理能力能够正向调节平台生态嵌入与数据流耦合尧平台生态嵌入与数字创新绩效之间的关系袁利用 SPSS 25.0 进行层次回归分析检验中介效应遥 首先袁检验数据治理能力对平台生态嵌入与数据流耦合的调节作用遥 由表 7 可知袁模型 7 在加入交互项渊平台生态嵌入伊数据治理能力冤后袁模型拟合优度比模型 2 有显著提升袁交互项前的系数为正且具有显著性渊茁=0.104,p0.01冤袁表明数据治理能力在平台生态嵌入与数据流耦合中起正向调节作用袁即前文所提假设 H3b 成立遥 同理袁由模型 9 可知袁加入交互项渊平台生态嵌入伊数据治理能力冤后袁模型拟合优度比模型 5 有显著改善袁交互项前的系数为正且具有显著性渊茁=0.070,p0.05冤袁表明数据治理能力在平台生态嵌入与数字创新绩效的关系中起正向调节作用袁假设 H3a 得以验证遥表 7 数据治理能力在模型中的调节回归模型 7-0.0520.045-0.0500.082*0.362*0.274*0.104*0.6310.113*123.118模型 8-0.013-0.0390.143*-0.0710.185*0.371*0.2900.018*23.988模型 9-0.036-0.0330.138*-0.0760.216*0.229*0.134*0.070*0.3220.032*23.466模型 6-0.0230.048-0.074-0.099*0.417*0.5180.136*90.531C1C2C3C4PEEDCDGCPEE伊DGC拟合优度 R2拟合优度变化吟R2F值自变量中介变量调节变量交互项统计量DCDIP变量控制变量继续利用 Bootstrap 法检验被调节的中介效应袁通过对有效样本进行 5000 次有放回的重复抽样袁得到中介效应在调节变量不同水平下的参数估计袁如表 8 所示遥 可以看出在数据治理能力 DGC 在三个不同水平下数据流耦合的中介效应