大數據能力對企業(yè)創(chuàng)新績效的影響——IT-業(yè)務融合與雙元環(huán)境的調節(jié)作用

張振剛，尚 鈺，陳一華

(1.華南理工大學 工商管理學院，廣東 廣州 510641；2.廣東省科技革命與技術預見智庫，廣東 廣州 510641；3.廣州數字創(chuàng)新研究中心，廣東 廣州 510641;4. 海南大學 管理學院，海南 ?？?570228)

0 引言

在以數字創(chuàng)新為核心的第四次工業(yè)革命浪潮中，數據已成為產業(yè)和企業(yè)發(fā)展的重要基本要素[1]，越來越多的企業(yè)認識到大數據在經營管理中的潛在價值。目前，企業(yè)群體緊抓大數據投資機遇，挖掘大數據商業(yè)價值，構筑競爭優(yōu)勢[2]。然而，大數據投資真的有效嗎？Gartner公司早在2016年的調查中發(fā)現，計劃投資大數據的企業(yè)機構數量逐年增長，但大多停留在試水階段，難以創(chuàng)造可觀的投資回報。他們認為，大數據投資成敗取決于企業(yè)能否圍繞業(yè)務流程、技術人員、數據基礎設施進行整體戰(zhàn)略思考與布局。學術界提出從大數據中獲益的局限性質疑，學者們認為，獲取好的數據并不意味著能夠制定更優(yōu)的決策，如果組織內部缺乏有效管理支持同樣會導致數據價值失效[3]。另有研究表明，對企業(yè)數據驅動洞察力產生實質性影響的并不是數據容量[4]，僅憑大數據投資難以促進創(chuàng)新[5]。大數據生產力悖論成為亟待解決的難題。對此有研究表明，培育優(yōu)于競爭對手、難以模仿的大數據能力，充分發(fā)揮能力效應，才是利用大數據創(chuàng)造價值的關鍵[6]。

當前，大數據能力研究尚處于起步階段，是新興研究領域，學者們紛紛嘗試探索其對企業(yè)創(chuàng)新的影響[7]?？傮w來看，學術界就大數據能力對企業(yè)創(chuàng)新具有積極影響的觀點已基本達成共識[4,7,8]，主流研究聚焦于探究大數據能力對企業(yè)創(chuàng)新的直接影響及中介效應，而內外部情境因素研究有待深入：第一，大數據能力領域的主流研究聚焦于資源基礎理論，從要素—結構—功能視角對其進行解構[1,2]，僅將該能力視作一種資源，尚未重視可能導致企業(yè)形成對資源體系、資源獲取途徑慣性和過分依賴性的問題[9,10]。同時，針對基于戰(zhàn)略決策層面的大數據能力構筑問題，現有文獻尚未給予充分重視[8]。因此，基于動態(tài)能力理論對大數據實踐在能力層面進行全面概念性解讀，有待進一步探討。第二，大數據能力轉化為企業(yè)創(chuàng)新績效產出，既要融入組織戰(zhàn)略，也要在組織架構和流程方面與組織情境相契合[11]，但現有研究并未詳細剖析內部情境特征對大數據能力與創(chuàng)新績效間關系的影響。IT-業(yè)務融合概念的提出，進一步引導管理者思考如何通過信息技術與企業(yè)基礎設施、業(yè)務流程以及戰(zhàn)略的有效結合，為組織帶來戰(zhàn)略性商業(yè)價值以及運營層面的收益[12]。數據賦能理論認為，數據賦能企業(yè)創(chuàng)新發(fā)展不僅取決于能力構建，也有賴于基于技術優(yōu)勢的融合機制[8,13,14]。因此，IT-業(yè)務融合作為內部情境特征在大數據應用中發(fā)揮何種調節(jié)效應具有探討價值[15]。第三，已有文獻基于進化適應性觀點，提出大數據能力在高度不確定性條件下可能更有價值，有助于組織在不斷變化的環(huán)境中重新定位自己[7]。既有研究將這種不確定性環(huán)境歸結為以技術高速迭代、需求劇烈變化和材料供應劇烈波動為主要特征的環(huán)境動態(tài)性，以及以行業(yè)變化、監(jiān)管壓力和對手競爭為特征的環(huán)境競爭性，即雙元環(huán)境[16,17]，強調二者是企業(yè)運營的重要驅動力。換言之，組織績效不僅是(內部)能力的結果呈現，也是(內部)能力與(外部)業(yè)務環(huán)境匹配的結果呈現[18]。現有文獻大多僅考慮了雙元環(huán)境的正向、負向單一效應[16,19,20]，而環(huán)境不可預測性能夠為組織開發(fā)和探索大數據能力提供更多市場機會，同時帶來更多風險[21,22]，因而可能存在促進和抑制的雙重效應。換言之，環(huán)境動態(tài)性和環(huán)境競爭性在企業(yè)大數據能力對創(chuàng)新績效作用機制中的邊界效用可能不是線性的。

基于上述分析，為彌合現有研究的知識鴻溝，本文圍繞如下問題展開探討：大數據能力與創(chuàng)新績效之間具有怎樣的關系？IT-業(yè)務融合與雙元環(huán)境對上述關系具有怎樣的影響？上述問題的答案有益于引導企業(yè)培育與組織情景高度匹配的大數據能力，進而提升創(chuàng)新績效產出。為此，本研究構建并實證檢驗大數據能力對創(chuàng)新績效的影響理論模型，并引入情境變量IT-業(yè)務融合和雙元環(huán)境，探討二者在上述作用中的權變效應，可為組織成功應用大數據，實現數字化轉型提供有益的借鑒。

1 理論回顧與研究假設

1.1 大數據能力

大數據能力是指企業(yè)所具備的識別所需資源，并收集、存儲和分析大量類型各異、高速流動的數據，用以支持企業(yè)實現戰(zhàn)略和運營目標的能力[8]。盡管主流研究基于資源基礎理論提出大數據分析能力[9,14]、大數據管理能力[23]等相似概念，從要素—結構—功能視角對大數據能力進行解構，發(fā)現該能力或由有形資源、無形資源和人力資源要素構成[9]，或由技術技能、管理能力和人才技能構成[14]，但仍存在以下兩方面的不足：第一，基于資源基礎理論視角的研究將該能力視為一種資源，并未明確闡釋可能導致企業(yè)形成對資源體系、資源獲取途徑慣性和過分依賴性的問題[9,10]；第二，在解釋企業(yè)大數據能力有限效益問題方面，主流研究強調技術、人才、基礎設施等因素，并未明晰戰(zhàn)略決策層面大數據能力構建問題[8]。隨著研究不斷深入，有學者提出基于動態(tài)能力理論建構大數據能力，有助于厘清企業(yè)通過獲取并存儲大數據資源，利用大數據技術和基礎設施進行數據挖掘并制定數據驅動戰(zhàn)略決策等一系列大數據實踐在能力層面的系統(tǒng)性邏輯[8,24]。與基于資源基礎理論界定的大數據管理能力、大數據分析能力不同，它不僅體現了能力動態(tài)發(fā)展特性，而且反映了能力要素構成以及與組織其它資源、能力的協調/協同作用。因此，本研究借鑒Lin&Kunnathur[8]對大數據能力概念的界定，將其定義為企業(yè)所具備的識別所需資源，并收集、存儲和分析大量類型各異、高速流動的數據，用以支持企業(yè)實現戰(zhàn)略和運營目標的能力。

1.2 大數據能力與創(chuàng)新績效

Gupta&George[9]的研究指出，大數據資源獲取和相關能力構建是企業(yè)創(chuàng)新的潛在價值點，關乎績效表現。通過大數據賦能企業(yè)創(chuàng)新發(fā)展不僅體現在獲取數據的連接能力以及將數據數字化處理并轉化為價值信息的分析能力層面，更反映在低人為干預條件下感知和捕獲信息進行決策的智能能力層面[13,25]。這一影響機制的基本邏輯為：企業(yè)通過連接機制建立數據獲取渠道，運用分析模型將海量數據轉化為有價值的信息和知識，通過創(chuàng)建多元化智能應用場景開展智能認知、智能管理、智能決策，推動企業(yè)創(chuàng)新活動高效、有序地開展，實現數據資源、智力資源、財務資源等各類型資源高度整合與高效利用，從而提升創(chuàng)新績效。

(1)從連接機制角度，大數據能力構建意味著企業(yè)需要通過與數據平臺、合作企業(yè)以及企業(yè)內部的人、設備、車間等建立連接機制，進而實現數據流動自動化，為企業(yè)開展數據收集、分析與應用建立渠道。例如，Ferraris等[3]研究指出，具有高水平大數據能力的企業(yè)能夠充分利用跨越多個分析平臺的軟件應用程序和硬件設備，將分散在不同組織信息系統(tǒng)中結構上不相連的海量數據進行傳輸和分享，從而掌握大數據資源。相反，當企業(yè)大數據能力較弱時，則需耗費較多的時間和較高的成本獲取大量且分散的數據資源，導致企業(yè)創(chuàng)新效率降低[6]。

(2)從分析模型角度，大數據能力培育，使企業(yè)掌握將結構化數據和非結構化數據等海量數據通過編碼、運算、轉化為有價值信息數據的分析技術與方法工具，進而將價值信息轉化為可用知識[26]，從而推動企業(yè)創(chuàng)新。具體而言，收集、存儲、轉換、分析大數據的硬件、軟件以及數據分析技巧/技能作為大數據能力的工具基礎[8]，數據挖掘、文本分析、Web分析、移動分析等作為大數據能力的技術基礎[27]，兩者結合可以將所收集的海量數據轉化為有價值信息和知識，促使企業(yè)從以往成功或失敗的產品、服務中找出內部運營效率低下的原因。同時，能夠精準辨別、挖掘客戶潛在需求，開發(fā)新的產品和服務[28]。最后，精準把握客戶需求和非客戶需求，實現對競爭對手的行為監(jiān)測等，從而提升創(chuàng)新效率。

(3)從智能模式角度，充分利用數據挖掘和分析提煉出的有價值信息,可以幫助企業(yè)在經營管理中實現智能認知、智能管理及智能決策制定，進而優(yōu)化業(yè)務戰(zhàn)略、提高創(chuàng)新效率、開發(fā)新的產品、創(chuàng)造新的市場。智能認知方面，隨著大數據能力提升，企業(yè)依據實時數據對產品質量、生產加工時間進行精準預測[29]，創(chuàng)新活動的時效性、動態(tài)性、自適應性和精確度隨之提升。Cheng等[30]研究指出，實時生產系統(tǒng)能夠自主識別生產制造過程中出現的故障、缺陷及其它異常情況，從而及時采取維修、調整工序等措施。智能管理方面，Grover等[31]研究表明，大數據能力促使企業(yè)擁有數字化、智能化的“頭腦”，可以幫助企業(yè)優(yōu)化業(yè)務流程，協調生產、供應鏈、物流和倉儲活動。智能決策方面，強大的大數據能力不僅可以幫助企業(yè)識別機會和風險，還可以發(fā)現新的生產要素組合方式，識別用戶需求或細分市場，為復雜系統(tǒng)中的決策制定提供客觀依據，開發(fā)新產品或提供服務，從而表現出更好的市場績效[3]。由此，本文提出以下假設：

H1：大數據能力對創(chuàng)新績效具有正向促進作用。

1.3 IT-業(yè)務融合的調節(jié)作用

IT-業(yè)務融合是企業(yè)采納IT的高級階段，企業(yè)在實施IT后，為充分發(fā)揮IT戰(zhàn)略價值、提高企業(yè)績效，通過不斷調整IT與企業(yè)業(yè)務關系，使二者形成一個相互交融的有機整體[32]。數據賦能理論認為，數據賦能企業(yè)創(chuàng)新發(fā)展不僅取決于能力構建，也有賴于基于技術優(yōu)勢的融合機制[8,13,14]。IT-業(yè)務融合是指新技術嵌入組織，促使技術與社會環(huán)境、組織結構、人員水平密切聯系和互動的“社會-技術”過程[32,33]，在很大程度上影響著基于大數據能力的創(chuàng)新績效轉化機制。對此，Luftman等[34]、Sharma等[35]研究提出，企業(yè)只有具備技術融合優(yōu)勢的決策組織架構、資源配置流程以及戰(zhàn)略一致性，才能夠充分發(fā)揮創(chuàng)新協同/互補效用。

在IT-業(yè)務融合水平較高的情境下，企業(yè)所擁有的IT資源(知識或管理能力)與組織因素(戰(zhàn)略、過程、文化、結構)處于協調、一致的狀態(tài)[36]。這意味著從戰(zhàn)略融合角度，企業(yè)業(yè)務戰(zhàn)略與IT戰(zhàn)略在戰(zhàn)略目標和發(fā)展方向上達到一致，相較于融合程度較低的企業(yè)，其在IT應用方面具有更強的目的性和規(guī)劃性，與組織情境良好匹配，所形成的合力能夠驅動組織有效利用大數據能力實現創(chuàng)新績效提升。Crte-Real等[37]研究發(fā)現，較高的IT和業(yè)務戰(zhàn)略一致性有助于企業(yè)實現基于大數據分析的價值創(chuàng)造。同時，從基礎架構融合角度，IT部門與業(yè)務部門保持合作伙伴關系，參加彼此的計劃制定過程，提升兩部門對于彼此使命、目標和計劃的理解程度[32]，減少組織對IT架構的認知隔閡，提升組織架構適應性和靈活度，促進企業(yè)更好地利用大數據能力提高創(chuàng)新效率、開發(fā)產品和服務。從流程融合角度，企業(yè)業(yè)務流程與IT流程融合，最終達到 IT 流程有效支持業(yè)務流程的狀態(tài)，企業(yè)可以高效利用大數據能力挖掘市場潛在需求，推動技術研發(fā)、產品創(chuàng)新等價值創(chuàng)造。反之，若IT戰(zhàn)略與企業(yè)業(yè)務戰(zhàn)略融合度較低，IT戰(zhàn)略就難以準確反映組織戰(zhàn)略導向，大數據能力可能會因為戰(zhàn)略方向性偏差而失效[38]。當組織架構與IT架構不匹配時，可能導致設施不完善、組織架構適應性差以及組織靈活度降低等問題，進而在企業(yè)獲取與存儲大數據資源，并利用大數據技術、基礎設施進行數據挖掘、制定數據驅動戰(zhàn)略決策等大數據實踐中產生大數據生產力悖論。同樣，若IT流程與組織業(yè)務流程不匹配，則會增加組織運營成本，導致業(yè)務流程中產生的動態(tài)數據難以在IT流程中被準確記錄與分享[39]，大數據能力對創(chuàng)新績效的積極影響也會因此降低。由此,本文提出以下假設：

H2：IT-業(yè)務融合正向調節(jié)大數據能力與創(chuàng)新績效之間的關系。

1.4 雙元環(huán)境的調節(jié)作用

(1)環(huán)境動態(tài)性對大數據能力與創(chuàng)新績效間關系的影響。雙元環(huán)境是組織面臨的兩種具有相反張力和不同壓力的外部環(huán)境的統(tǒng)稱，存在動態(tài)性和競爭性兩種環(huán)境要素[17]。環(huán)境動態(tài)性能夠反映技術發(fā)展和市場需求動態(tài)變化，同時體現著組織利益相關者行為或需求、技術創(chuàng)新程度、行業(yè)發(fā)展趨勢和產品服務類型變化程度[40]。不同環(huán)境的動態(tài)性水平代表不同的環(huán)境情境，企業(yè)績效表現也會存在差異。低動態(tài)性環(huán)境中，技術與市場趨于平穩(wěn)，企業(yè)所捕獲的信息時效性價值較高，能夠滿足企業(yè)利用信息、知識實施創(chuàng)新的基本生存需求[41]。在上述情境下，企業(yè)所具備的實時捕獲市場數據、存儲并分析數據信息以及重構自身資源的能力難以發(fā)揮[7,42]，因而對企業(yè)創(chuàng)新績效提升的促進作用并不顯著。同時，企業(yè)培育大數據能力所付出的額外成本無法有效轉化為經濟價值或社會價值，企業(yè)利潤率可能因此降低。換言之，此時環(huán)境動態(tài)性會削弱大數據能力對創(chuàng)新績效的正向影響。

隨著環(huán)境動態(tài)性程度升高，環(huán)境不可預測性為組織開發(fā)和探索大數據能力提供了更多市場機會，同時帶來了更多風險[21,22]。一方面，行業(yè)趨勢、技術、競爭對手行為以及顧客需求變化迅速，驅動企業(yè)更快速地獲取新技術、新信息、新知識，精準把握新興客戶偏好，定位細分市場[40]，開發(fā)新產品和服務，同時增強內部業(yè)務流程及運營活動的靈活性和敏捷性，提高企業(yè)資源配置和服務提供效率，從而提升創(chuàng)新效率[43]。也就是說，高動態(tài)性環(huán)境促使企業(yè)憑借大數據能力在精準把握行業(yè)動態(tài)、實時洞察市場機會、提供決策支持等方面發(fā)揮更大的效用，并將其高效轉化為創(chuàng)新績效產出。另一方面，高度動態(tài)環(huán)境中，企業(yè)面臨較大的內部信息沖突和較高的外部資源要求[19]，其依賴傳統(tǒng)渠道所獲取的信息、特定技術解決方案等可能會大幅貶值[43]。因此，需要企業(yè)利用大數據能力發(fā)揮資源獲取、數據挖掘、智能認知、智能管理等優(yōu)勢，及時找到運營效率低的原因，提高內部資源配置效率，實現創(chuàng)新產品/服務開發(fā)等，同時精準把握外部需求變化，做到對癥下藥，從而促進創(chuàng)新績效提升。此時，環(huán)境動態(tài)性程度提升能夠強化大數據能力對創(chuàng)新績效的正向影響。由此，本文提出以下假設：

H3a：環(huán)境動態(tài)性在大數據能力對創(chuàng)新績效的影響過程中起正U型調節(jié)作用。

(2)環(huán)境競爭性對大數據能力與創(chuàng)新績效間關系的影響。環(huán)境競爭性反映外部環(huán)境中的競爭者數量以及競爭領域數量[44]。在競爭環(huán)境中，企業(yè)會受到同行業(yè)企業(yè)數量、技術更新速度等因素影響。因此，面對不同競爭環(huán)境，企業(yè)大數據能力的有效性有所不同。在競爭程度較小的環(huán)境中，企業(yè)面臨的競爭對手較少、競爭壓力較小，而傳統(tǒng)創(chuàng)新方式成本低、風險小[45]，企業(yè)依靠現有資源足以應對市場挑戰(zhàn)。此時，大數據能力優(yōu)勢并未凸顯，大數據能力對創(chuàng)新績效的正向影響相對較弱。隨著環(huán)境競爭程度提升，競爭對手數量增多，傳統(tǒng)創(chuàng)新方式弊端開始顯露，企業(yè)需要采取變革性較強的創(chuàng)新方式提升自身競爭優(yōu)勢[45,46]。大數據能力為企業(yè)帶來新的資源獲取渠道，優(yōu)化管理方案并更新技術，彌補企業(yè)短板，使其能夠快速研發(fā)新技術或產品[45]。例如，企業(yè)既可以利用大數據能力進行供應鏈瓶頸成因分析，進而改進操作和業(yè)務流程[47]，也可以通過開發(fā)數據分析平臺，實現對客戶數據的實時監(jiān)測與分析，及時制定解決方案，防止被其他競爭者搶占先機[7]。此時，具備大數據能力的企業(yè)能夠發(fā)揮其獨特優(yōu)勢，實現創(chuàng)新績效較大提升。

然而，環(huán)境競爭性存在一定的閾值效應，對大數據能力與創(chuàng)新績效間關系具有非線性影響?？赡茉蛟谟冢獠凯h(huán)境中的過度競爭伴隨著降本、增效、減價的多重壓力，此時企業(yè)亟待提升自身能力以適應激烈的競爭環(huán)境[44,48]。同時，競爭程度過高的環(huán)境中，競爭對手激增且同質化程度較高，可用的探索性創(chuàng)新資源減少[46,49]，企業(yè)難以通過塑造異質性特征在市場中獲得優(yōu)勢地位。在此情境下，盡管企業(yè)能夠利用大數據能力提高自身戰(zhàn)略靈活性，進而獲得一定的競爭優(yōu)勢，但隨著競爭對手行為的隨機性、不可預測性增強，企業(yè)增長空間隨之縮小，需要從事更高風險的探索性創(chuàng)新活動才能夠維持績效，難以獲得超額收益，從而在很大程度上影響創(chuàng)新績效提升[50]。同時，利用大數據能力發(fā)掘潛在增長點，需要企業(yè)憑借資源能力探索新技術、開拓新市場等，導致創(chuàng)新投入成本大幅增加，獲得超額利潤的可能性降低，利潤率也因此降低[18]。因此，隨著環(huán)境競爭性水平提升，企業(yè)憑借大數據能力促進創(chuàng)新績效提升，當該水平超過某個臨界點后，大數據能力轉而會削弱企業(yè)創(chuàng)新績效表現。由此，本文提出以下假設：

H3b：環(huán)境競爭性在大數據能力對創(chuàng)新績效的影響過程中起倒U型調節(jié)作用。

本研究理論模型構建如圖1所示。

圖1 理論研究模型

2 研究設計

2.1 研究樣本

鑒于企業(yè)大數據能力、IT-業(yè)務融合、雙元環(huán)境等數據較難從公開資料中獲取，本研究采用實地調研和電子郵件兩種方式發(fā)放調查問卷，采集樣本數據。樣本企業(yè)以珠江三角洲地區(qū)制造企業(yè)為主，調研主要面向企業(yè)高/中/基層管理人員與核心技術人員，需確保填答者對企業(yè)創(chuàng)新、大數據管理與應用等方面有深刻的認識。本文分兩階段共發(fā)放500份問卷收集數據：2019年8-11月，現場發(fā)放調研問卷260份，回收有效問卷184份；2020年4-5月，郵件發(fā)放問卷140份，回收有效問卷130份，共回收有效問卷314份，有效回收率為62.8%，經對比發(fā)現，兩種方式回收的問卷數據無顯著差異，因而合并分析。樣本描述性統(tǒng)計結果如表1所示，樣本企業(yè)在企業(yè)規(guī)模、年齡、類型、所屬行業(yè)、產業(yè)類型以及大數據應用年限方面均呈現差異化特征，表明研究樣本具有較強代表性。

表1 樣本描述性統(tǒng)計結果(N=314)

2.2 變量測量

本研究選用國內研究的成熟量表，確保測量量表的信度與效度。大數據能力測量采用Lin & Kunnathur[8]開發(fā)的測量量表，包含16個題項；創(chuàng)新績效測量借鑒錢錫紅等[51]的研究成果，包含5個題項；IT-業(yè)務融合測量參考顧美玲和畢新華[32]、顧美玲[39]的研究成果，包含15個題項；環(huán)境動態(tài)性和環(huán)境競爭性主要借鑒Jansen等[16]、陳建勛[17]的測量方式，各包含4個題項。所有題項均采用Likert 7點量表進行測度。此外，依據Mikalef等[7]的研究，企業(yè)大數據能力的商業(yè)價值實現還會受企業(yè)年齡、企業(yè)規(guī)模、企業(yè)類型等因素影響。因此，本研究將上述變量作為控制變量。

3 實證分析與假設檢驗

3.1 共同方法偏差檢驗

為保障調查結果的客觀性，本研究采用過程控制、統(tǒng)計控制兩種方法規(guī)避共同方法偏差的影響。首先，過程控制主要通過匿名填答、內容保密實現。調查問卷發(fā)放時向填答者明確表示所填內容將嚴格保密且僅供學術研究，采用不記名方式回收問卷，以減輕填答者的心理壓力，獲得更為真實的信息。其次，統(tǒng)計控制主要利用Harman單因素檢驗方法實現，結果表示，在未旋轉情況下第一個主成分解釋了總方差變異的23.046%，低于40%的臨界值。由此推斷，研究數據的共同方法偏差問題在可接受范圍內。

3.2 信度與效度檢驗

本研究采用SPSS和Amos軟件進行信度與效度檢驗。首先，如表2所示，各變量的Cronbach' α系數和CR值均大于0.7，AVE值均高于0.5，表明研究中各構念所采用的量表具有較好的內部一致性。其次，效度檢驗主要包括聚合效度、區(qū)分效度兩個方面。一方面，大數據能力、IT-業(yè)務融合、環(huán)境動態(tài)性、環(huán)境競爭性和創(chuàng)新績效的KMO檢驗系數分別為0.969、0.966、0.819、0.813、0.876，各題項標準化因子載荷均大于0.5，Bartlett球形檢驗顯著性系數均為0，表明變量量表具有良好的聚合效度，滿足實證分析要求。另一方面，通過對單因子模型、二因子模型、三因子模型、四因子模型和五因子模型進行比較分析，結果如表3所示，五因子模型相較于其它模型擬合效果較好(χ2/df=1.725<3；RMSEA= 0.048<0.05；IFI=0.947>0.9；TLI=0.942>0.9；CFI=0.947>0.9)，且表4中AVE平方根值均大于潛變量間的相關系數，說明研究量表具有較好的區(qū)分效度。

表2 信度與效度檢驗結果

表3 變量區(qū)分效度檢驗結果

3.3 描述性統(tǒng)計與相關分析

如表4所示，本研究中主要變量間顯著相關。此外，模型檢驗中方差膨脹因子(VIF)值均小于3，處于0

表4 主要變量均值、標準差與Pearson相關系數(N=314)

3.4 假設檢驗

本研究采用層次回歸方法進行假設檢驗。為降低多重共線性影響，在構建乘積項前對變量進行標準化處理，結果如表5所示。模型1是包含控制變量、自變量(大數據能力)和因變量(創(chuàng)新績效)的主效應模型，結果顯示，大數據能力對創(chuàng)新績效的作用顯著(β=0.746，p<0.001)，H1得到實證支持；模型2與模型3是在模型1的基礎上加入調節(jié)變量IT-業(yè)務融合及其交互項的基礎調節(jié)模型，交互項回歸系數顯著為正(β=0.175，p<0.001)，表明IT-業(yè)務融合水平越高，大數據能力對企業(yè)創(chuàng)新績效的促進作用越顯著，H2得到支持。為驗證雙元環(huán)境的調節(jié)作用，借鑒Jaccard&Turrisi[52]的研究方法，加入兩調節(jié)變量及其平方項、結果顯示，交互項形成模型3，結果顯示，環(huán)境動態(tài)性平方項與大數據能力的交互項回歸系數顯著為正(β=0.215，p<0.05)，表明環(huán)境動態(tài)性對大數據能力與創(chuàng)新績效間關系的影響呈正U型，H3a得到支持；環(huán)境競爭性平方項與大數據能力的交互項回歸系數顯著為負(β=-0.165，p<0.1)，即環(huán)境競爭性對大數據能力與創(chuàng)新績效間關系的影響呈倒U型，H3b得到支持，表明適度水平的競爭性環(huán)境對大數據能力創(chuàng)新轉化具有促進作用，當環(huán)境競爭水平過高或過低時，其對大數據能力與創(chuàng)新績效間關系的促進作用較弱。

表5 主效應及調節(jié)作用檢驗結果(N=314)

4 結語

4.1 研究結論

總體來看，大數據能力對企業(yè)創(chuàng)新績效具有積極正向影響，但企業(yè)不可忽視不同內外部情境對該作用機制的差異化影響。因此，探究大數據能力對創(chuàng)新績效作用機制，需考慮IT-業(yè)務融合與外部雙元環(huán)境可能產生的邊界效用。本文通過理論研究提出研究假設，以314份企業(yè)問卷為樣本，運用實證研究方法得出如下結論：

(1)大數據能力培育有利于企業(yè)創(chuàng)新績效提升?，F有研究對大數據本身如何影響企業(yè)創(chuàng)新存在爭議，可能原因在于，大數據的多樣性、高頻率和準確性能夠幫助企業(yè)獲取有價值的見解[4]，但組織內部缺乏有效的管理支持同樣會導致數據價值失效[3]。目前，大數據生產力悖論成因尚未得到充分解答。鑒于此，本研究從動態(tài)能力視角探索大數據能力對創(chuàng)新績效的影響，實證結果表明，大數據能力對創(chuàng)新績效具有正向促進作用。該結論是就現有觀點大數據能力對組織績效具有積極影響[3]的進一步響應與詮釋。因此，企業(yè)只有從能力層面加強內部有效管理，突破從大數據中獲益的局限，才能對企業(yè)創(chuàng)新績效產生實質性作用。

(2)IT-業(yè)務融合在大數據能力與創(chuàng)新績效關系間存在顯著正向調節(jié)效應，這意味著不同程度的IT-業(yè)務融合狀態(tài)會影響大數據能力對企業(yè)創(chuàng)新的作用效果，IT-業(yè)務融合水平越高，對大數據能力與創(chuàng)新績效間關系的積極影響越顯著。這一結論支持Tallon等[11]的觀點，拓展了企業(yè)內部情境特征對大數據能力與創(chuàng)新績效間關系的影響研究。因此，企業(yè)要建立并完善具有技術融合優(yōu)勢的決策組織架構，確保資源配置流程以及戰(zhàn)略的一致性，促使企業(yè)處于高水平IT-業(yè)務融合狀態(tài)，進而充分發(fā)揮大數據能力對創(chuàng)新績效的促進作用。

(3)雙元環(huán)境在大數據能力與創(chuàng)新績效關系中發(fā)揮調節(jié)器的作用。本研究結果表明，環(huán)境動態(tài)性有利于企業(yè)大數據能力培育與創(chuàng)新轉化，但存在正U型調節(jié)效應，因而企業(yè)要防范在大數據能力構建方面盲目投入。環(huán)境競爭性對大數據能力與創(chuàng)新績效間關系的影響存在最佳點，即存在倒U型調節(jié)效應，在最佳點之前，隨著環(huán)境競爭程度提升，大數據能力對創(chuàng)新績效的正向影響逐漸加強；在最佳點之后，對大數據能力與創(chuàng)新績效間關系具有負向影響。以上研究結論，進一步證實了陳建勛[17]的觀點，雙元環(huán)境是企業(yè)在環(huán)境中運營的重要驅動力，從理論上深化了對大數據能力影響創(chuàng)新績效過程的認識，檢驗了這一作用機制的邊界條件。因此，企業(yè)在培育大數據能力時，要適時依據外部環(huán)境動態(tài)性和競爭程度進行調整，避免企業(yè)將有限的資源過多投入到大數據能力培育中，從而削弱大數據能力對創(chuàng)新績效的積極作用。

4.2 理論意義

(1)基于動態(tài)能力理論，從大數據賦能視角研究企業(yè)創(chuàng)新績效提升的動力學機制，擺脫現有研究的局限，構建資源整合、數據挖掘與分析以及組織戰(zhàn)略決策邏輯框架，既拓展了動態(tài)能力視角下大數據對創(chuàng)新績效作用機制相關研究，也豐富了現有大數據能力影響因素研究。

(2)綜合考慮組織內外部情境因素，剖析IT-業(yè)務融合和雙元環(huán)境在大數據能力與創(chuàng)新績效之間的調節(jié)機制，進一步拓展影響大數據能力與創(chuàng)新績效之間關系的邊界條件。一方面，進一步對IT-業(yè)務融合進行探索，彌補現有研究的不足。另一方面，基于權變理論，聚焦企業(yè)環(huán)境適配性問題，引入雙元環(huán)境變量，進一步證實大數據能力向創(chuàng)新績效轉化既是一個內部驅動過程，也是一個被動的應激改變過程的觀點，豐富了雙元環(huán)境與企業(yè)創(chuàng)新績效關系研究。

4.3 管理啟示

一方面，與大多數大數據能力研究的關注點不同，本文突出大數據能力影響企業(yè)創(chuàng)新的動態(tài)性，發(fā)現組織不僅應注重對大數據技術的投資，更應培育處理、管理和部署大數據資源的能力，從數據管理、基礎架構、專業(yè)人才等方面支持業(yè)務洞察，將大數據視為一種資源、分析工具和技能，進而將其培育成為一種可被應用、難以模仿的能力，通過資源、資產、技能和競爭力間的相互作用，支持公司戰(zhàn)略以及經營目標實現，從而實現可持續(xù)創(chuàng)新。另一方面，企業(yè)大數據能力績效目標的實現離不開內外部情境因素的作用。因此，在大數據能力培育與轉化過程中，企業(yè)應同時關注內部信息技術與企業(yè)融合情況，以及外部環(huán)境動態(tài)變化與競爭情況。在內部信息技術與企業(yè)融合方面，需要重點關注與信息技術相關的硬件設備、軟件系統(tǒng)、業(yè)務流程以及戰(zhàn)略目標能否有效支持企業(yè)運營與發(fā)展；在外部環(huán)境動態(tài)性與競爭性方面，應重點從技術趨勢、行業(yè)發(fā)展、市場需求以及利益相關者行為等方面切入，利用環(huán)境的引導性作用，夯實組織大數據能力創(chuàng)新效益支撐。

4.4 不足與展望

首先，研究樣本集中于珠三角地區(qū)，未來可以提高樣本企業(yè)地域分布的廣泛性，增強研究結論的普適性；其次，本研究采用橫截面數據進行實證檢驗，未來可以嘗試采用動態(tài)分析進行縱向研究，探討大數據能力向創(chuàng)新績效轉化機理，彌補當前研究的不足。另外，本研究基于動態(tài)能力觀，將大數據能力納入企業(yè)創(chuàng)新績效研究范疇，僅打開了該影響機制“黑箱”的“能力”面。鑒于此，未來研究可以更全面、系統(tǒng)地探究該機制的約束和促進條件。