大數(shù)據(jù)分析能力、知識動(dòng)態(tài)能力與制造企業(yè)服務(wù)創(chuàng)新
——環(huán)境不確定性的調(diào)節(jié)效應(yīng)

董海林，陳菊紅

（1.西安理工大學(xué)經(jīng)濟(jì)與管理學(xué)院，陜西西安 710064；2.甘肅政法大學(xué)商學(xué)院，甘肅蘭州 730070）

1 研究背景

制造企業(yè)的服務(wù)創(chuàng)新是制造商堅(jiān)持服務(wù)主導(dǎo)邏輯、提供與其產(chǎn)品直接相關(guān)的衍生服務(wù)，以成功實(shí)現(xiàn)客戶鎖定，重塑差異化競爭優(yōu)勢的變革過程。近年來，隨著大數(shù)據(jù)、物聯(lián)網(wǎng)、云計(jì)算等數(shù)字技術(shù)的興起，為制造企業(yè)服務(wù)創(chuàng)新帶來革命性動(dòng)力源泉［1］，通過提供復(fù)雜而新穎的服務(wù)進(jìn)一步提升服務(wù)創(chuàng)新績效［2］。如通用電氣、西門子、陜鼓等知名企業(yè)高度重視信息系統(tǒng)建設(shè)，積極開發(fā)大數(shù)據(jù)能力（例如，處理、分析和解釋安裝基地的數(shù)據(jù)），以提供遠(yuǎn)程監(jiān)測及運(yùn)維等服務(wù)，助力企業(yè)實(shí)現(xiàn)價(jià)值交付和捕獲［3］。然而，Wamba 等［4］的研究認(rèn)為，大數(shù)據(jù)等信息系統(tǒng)的投資可能導(dǎo)致“IT 悖論”，并不總會(huì)提升企業(yè)運(yùn)營效率和業(yè)務(wù)績效。相較于對大數(shù)據(jù)投資的重視，企業(yè)往往忽視了如何將大數(shù)據(jù)轉(zhuǎn)化為有用知識和商業(yè)洞見的動(dòng)態(tài)能力培養(yǎng)，這很可能是造成組織績效差異的重要原因。因此，本研究從知識動(dòng)態(tài)能力視角去剖析大數(shù)據(jù)分析能力對制造企業(yè)服務(wù)創(chuàng)新的驅(qū)動(dòng)機(jī)制及觸發(fā)效能發(fā)揮的具體情境。

目前，大數(shù)據(jù)分析能力及其對業(yè)務(wù)績效的影響已引起學(xué)術(shù)的關(guān)注。Akter 等［5］、Albergaria 等［6］研究發(fā)現(xiàn)大數(shù)據(jù)分析能力有利于重塑企業(yè)競爭優(yōu)勢，提升企業(yè)運(yùn)營效率。Janssen 等［7］、簡兆權(quán)等［8］認(rèn)為企業(yè)通過使用先進(jìn)的分析技術(shù)，處理和分析大量數(shù)據(jù)，塑造大數(shù)據(jù)分析能力以實(shí)施精準(zhǔn)靶向決策；Wamba 等［4］、Albergaria 等［6］、Khan 等［9］、馮文娜等［10］研究發(fā)現(xiàn)通過大數(shù)據(jù)分析可以改善客戶體驗(yàn)、優(yōu)化業(yè)務(wù)流程，提升組織敏捷性、服務(wù)效率及企業(yè)的財(cái)務(wù)績效與非財(cái)務(wù)績效；Chen［11］的研究表明，大數(shù)據(jù)分析能力的實(shí)質(zhì)是通過對大數(shù)據(jù)收集、分析、理解和整合，以便提取和生成有用的信息和知識，其主要目標(biāo)是開發(fā)可操作的見解和新知識，以建立競爭優(yōu)勢。然而，如何利用大數(shù)據(jù)分析能力處理、組織和分析整合數(shù)據(jù)，以轉(zhuǎn)化為有用的知識和商業(yè)洞見，促進(jìn)制造企業(yè)服務(wù)創(chuàng)新的研究還很缺乏。近年來，隨著數(shù)字經(jīng)濟(jì)的發(fā)展和市場需求不斷變化，外部環(huán)境的不確定性和模糊性不斷增強(qiáng)，倒逼企業(yè)不斷調(diào)整其運(yùn)營戰(zhàn)略，強(qiáng)化與外部利益相關(guān)者進(jìn)行合作，催化企業(yè)利用大數(shù)據(jù)分析能力對內(nèi)外部知識進(jìn)行整合。然而，Li 等［12］、Dutot 等［13］的研究較少關(guān)注到環(huán)境不確定性情況下，大數(shù)據(jù)分析能力對知識獲取能力、知識共享能力及服務(wù)創(chuàng)新績效的作用情境。且單一的資源基礎(chǔ)觀和動(dòng)態(tài)能力理論不能為上述情境提供足夠的理論支撐?；诖耍狙芯恳?23 家正在利用大數(shù)據(jù)進(jìn)行服務(wù)化轉(zhuǎn)型的制造企業(yè)為樣本，基于知識動(dòng)態(tài)能力理論和組織信息處理理論，采用層次回歸分析法和Bootstrap 法分析大數(shù)據(jù)分析能力對制造企業(yè)服務(wù)創(chuàng)新績效驅(qū)動(dòng)機(jī)制及環(huán)境不確定性的效用邊界。研究結(jié)果表明：大數(shù)據(jù)分析能力顯著促進(jìn)了知識獲取能力、知識共享能力與制造企業(yè)服務(wù)創(chuàng)新績效，且在高不確定環(huán)境下其促進(jìn)作用更加顯著；由知識獲取能力和知識共享能力構(gòu)成的知識動(dòng)態(tài)能力起到部分中介作用，且知識共享能力的驅(qū)動(dòng)路徑明顯優(yōu)于知識獲取能力的驅(qū)動(dòng)路徑。

2 研究設(shè)計(jì)

2.1 理論基礎(chǔ)與研究假設(shè)

制造企業(yè)服務(wù)創(chuàng)新是一個(gè)數(shù)據(jù)密集型的過程，在產(chǎn)品服務(wù)系統(tǒng)中從需求端動(dòng)態(tài)收集數(shù)據(jù)，然后在服務(wù)生態(tài)系統(tǒng)層面上加以整合、利用，進(jìn)而為制造企業(yè)帶來新的價(jià)值創(chuàng)造［14］。Chen 等［11］、Srinivasan 等［15］研究發(fā)現(xiàn)大數(shù)據(jù)分析能力通過支持工具、技術(shù)和流程等，能夠在制造企業(yè)服務(wù)創(chuàng)新過程中處理、組織、可視化和分析整合數(shù)據(jù)，以便提取和生成有用的信息和知識，開發(fā)可操作的見解和新知識，以建立競爭優(yōu)勢。Shamim 等［16］認(rèn)為大數(shù)據(jù)分析能力在很大程度上依賴于知識，并且在給定的環(huán)境中處理和分析大數(shù)據(jù)，以創(chuàng)造能夠驅(qū)動(dòng)企業(yè)價(jià)值提升的知識。然而，在不確定性和動(dòng)蕩的外部環(huán)境下增加了知識整合與吸收的難度，組織信息處理理論為此情境提供了較好的理論支撐。該理論認(rèn)為組織在面對相互依存的復(fù)雜任務(wù)時(shí)，更需要高效地搜集和使用多樣化的外部知識，并且當(dāng)知識的整合需求與知識處理能力相適配時(shí)才能更好地服務(wù)于價(jià)值創(chuàng)造［15］。知識動(dòng)態(tài)能力正是這樣一種能力，通過動(dòng)態(tài)化地獲取、集成與整合知識，增強(qiáng)對外部環(huán)境的感知能力，并將知識轉(zhuǎn)化為企業(yè)的創(chuàng)新產(chǎn)出［17］。基于此，本研究將剖析知識動(dòng)態(tài)能力在大數(shù)據(jù)分析能力與服務(wù)創(chuàng)新績效之間的作用機(jī)制，以及環(huán)境不確定性的效用邊界。

2.1.1 大數(shù)據(jù)分析能力與服務(wù)創(chuàng)新績效

大數(shù)據(jù)分析能力是指利用有形資源（支持工具、基礎(chǔ)設(shè)施）、無形資源（技術(shù)）和人力資源在項(xiàng)目執(zhí)行過程中處理、組織、可視化和分析整合數(shù)據(jù)，以形成具有商業(yè)洞見的能力［11］。動(dòng)態(tài)能力理論認(rèn)為，企業(yè)要根據(jù)外部環(huán)境的變化對其資源和能力進(jìn)行重新整合和構(gòu)建，以獲取企業(yè)內(nèi)外部資源［18］。因此，諸多企業(yè)開始重視在動(dòng)蕩的外部環(huán)境下提升自身的大數(shù)據(jù)分析能力，以提升組織柔性和決策精準(zhǔn)性，快速響應(yīng)市場需求獲得創(chuàng)新績效［19］。Wamba 等［4］將大數(shù)據(jù)分析能力解構(gòu)為：大數(shù)據(jù)分析技術(shù)能力、管理能力和人員（人才）能力。大數(shù)據(jù)技術(shù)能力是指通過兼容性分析技術(shù)、社交媒體、移動(dòng)設(shè)備、支持物聯(lián)網(wǎng)的自動(dòng)識別技術(shù)以及企業(yè)運(yùn)營的云平臺或網(wǎng)絡(luò)等設(shè)施，提升技術(shù)的協(xié)作性和組織開放性的能力［20］。大數(shù)據(jù)管理能力是指通過基于大數(shù)據(jù)驅(qū)動(dòng)的文化和組織學(xué)習(xí)，對目標(biāo)任務(wù)的分析規(guī)劃、共享協(xié)調(diào)、精準(zhǔn)決策和控制的能力；大數(shù)據(jù)人員能力是指大數(shù)據(jù)分析的人員或IT 團(tuán)隊(duì)所具備的專業(yè)技術(shù)、業(yè)務(wù)知識及管理決策的能力［4］。

大數(shù)據(jù)分析能力通過在整個(gè)企業(yè)范圍內(nèi)的流程、角色和結(jié)構(gòu)中有效部署其數(shù)據(jù)、技術(shù)和人才，捕獲和分析數(shù)據(jù)，使企業(yè)變得積極主動(dòng)，具有前瞻性，被認(rèn)為是高績效組織和低績效組織之間的主要區(qū)別［20］。首先，大數(shù)據(jù)分析能力通過使用先進(jìn)的分析技術(shù)，處理和分析大量數(shù)據(jù)（即數(shù)量、種類、速度、準(zhǔn)確性和價(jià)值），從而促進(jìn)數(shù)據(jù)驅(qū)動(dòng)的決策，提升決策質(zhì)量新服務(wù)開發(fā)績效［21］。如Chae［22］發(fā)現(xiàn)在社交媒體行業(yè)中，使用數(shù)據(jù)驅(qū)動(dòng)決策的公司比競爭對手的生產(chǎn)率高5%，利潤高6%。其次，通過構(gòu)建大數(shù)據(jù)平臺或網(wǎng)絡(luò)，與利益相關(guān)者強(qiáng)化溝通協(xié)作形成創(chuàng)新生態(tài)系統(tǒng)，通過精益共創(chuàng)快速響應(yīng)市場需求，提升客戶滿意度和資源的利用效率［10］；Liu［20］發(fā)現(xiàn)使用大數(shù)據(jù)分析能力將客戶獲取成本降低約47%，并將企業(yè)收入提高約8%。再次，通過大數(shù)據(jù)分析能力，能夠?qū)κ袌霏h(huán)境實(shí)施持續(xù)動(dòng)態(tài)監(jiān)控，并根據(jù)需求變化重塑業(yè)務(wù)流程，整合價(jià)值鏈上下游的業(yè)務(wù)活動(dòng)，提高組織敏捷性，縮短新產(chǎn)品或服務(wù)的開發(fā)進(jìn)程，從而提升服務(wù)創(chuàng)新績效［23］。最后，大數(shù)據(jù)分析中的專業(yè)人員在服務(wù)創(chuàng)新績效中發(fā)揮著積極的能動(dòng)作用，通過對企業(yè)內(nèi)外部數(shù)據(jù)的整合利用，更精準(zhǔn)、更前瞻地識別服務(wù)創(chuàng)新的機(jī)會(huì)，積極響應(yīng)客戶的個(gè)性化需求，優(yōu)化交易體驗(yàn)，增強(qiáng)客戶黏性［24］。基于此，提出以下假設(shè)：

H1：大數(shù)據(jù)分析能力對制造業(yè)服務(wù)創(chuàng)新績效存在正向影響。

2.1.2 大數(shù)據(jù)分析能力與知識動(dòng)態(tài)能力

知識基礎(chǔ)觀（knowledge-based view,KBV）將知識視為幫助組織獲得競爭優(yōu)勢的關(guān)鍵戰(zhàn)略資源［25］，并將組織視為知識承載單位，通過知識創(chuàng)造提升企業(yè)績效［17］。然而，動(dòng)態(tài)能力理論認(rèn)為，沒有有效的管理實(shí)踐，僅靠戰(zhàn)略資源不足以確保可持續(xù)的競爭優(yōu)勢［18］。結(jié)合知識基礎(chǔ)觀和動(dòng)態(tài)能力理論，學(xué)者們提出了基于知識的動(dòng)態(tài)能力，是指為獲取、創(chuàng)建和匯集知識以感知、探索和解決環(huán)境動(dòng)態(tài)的能力，并將其解構(gòu)為：知識獲取能力、知識生成能力和集成能力［17］。如Gold 等［26］、Schulz［27］認(rèn)為與創(chuàng)新相關(guān)的兩種知識動(dòng)態(tài)能力是知識獲取能力和知識共享能力。知識獲取能力是獲取和積累知識的過程，而知識共享能力是共享新創(chuàng)建知識的過程。這兩種能力強(qiáng)調(diào)基于大數(shù)據(jù)收集、分析、理解和整合，企業(yè)通過考慮外部知識獲取和跨組織內(nèi)外邊界的內(nèi)部知識共享來管理產(chǎn)品服務(wù)系統(tǒng)中的知識能力。

大數(shù)據(jù)分析能力的目的通過大數(shù)據(jù)工具，從內(nèi)部或外部合作伙伴獲取知識，形成服務(wù)于新產(chǎn)品或服務(wù)開發(fā)的商業(yè)洞見［11］。然而，知識具有隱含性和復(fù)雜性，并以隱性編碼和封裝為特征，因此獲取服務(wù)于企業(yè)價(jià)值創(chuàng)造的知識并非一帆風(fēng)順。而使用大數(shù)據(jù)分析能力有機(jī)會(huì)獲取隱藏的知識并生成新知識，并對現(xiàn)有的資源和流程組合進(jìn)行整合、更新，實(shí)現(xiàn)現(xiàn)有組織資源、能力與市場需求的匹配，提升組織運(yùn)營效率［28］。Shamim 等［29］認(rèn)為，大數(shù)據(jù)分析能力在很大程度上依賴于知識，通過處理和分析大數(shù)據(jù)以創(chuàng)造知識，而新知識反過來又會(huì)支持創(chuàng)新等動(dòng)態(tài)能力?；诖?，提出以下假設(shè)：

H2a：大數(shù)據(jù)分析能力對知識獲取能力存在正向影響；

H2b：大數(shù)據(jù)分析能力對知識共享能力存在正向影響。

2.1.3 知識動(dòng)態(tài)能力與服務(wù)創(chuàng)新績效

與單獨(dú)使用知識基礎(chǔ)觀和動(dòng)態(tài)能力相比，二者聯(lián)合形成的知識動(dòng)態(tài)能力可以顯著提高組織的競爭力，包括卓越的產(chǎn)品和服務(wù)質(zhì)量、更大的客戶群、更高的市場份額、利潤率和銷售收入［30］。Lin 等［31］認(rèn)為市場知識和客戶知識獲取和管理在市場導(dǎo)向和服務(wù)創(chuàng)新績效之間起中介作用，通過更有效地獲取、共享和利用知識的公司可以更好地了解市場動(dòng)態(tài)，并創(chuàng)造新產(chǎn)品以滿足客戶和市場需求。此外，具有較強(qiáng)知識共享能力的公司能夠在商業(yè)交流中建立良好聲譽(yù)。這種聲譽(yù)有助于企業(yè)吸引更多潛在的商業(yè)伙伴，并促進(jìn)其創(chuàng)新發(fā)展。相反，不具備知識共享能力的企業(yè)，它可能很難實(shí)現(xiàn)其預(yù)期的創(chuàng)新成果，因?yàn)樵摴究赡軙?huì)錯(cuò)過與外部知識共享的機(jī)會(huì)，同時(shí)也影響了內(nèi)部知識潛力的發(fā)揮［32］。

H3a：知識獲取能力與服務(wù)創(chuàng)新績效之間存在正向影響；

H3b：知識共享能力與服務(wù)創(chuàng)新績效之間存在正向影響。

2.1.4 知識動(dòng)態(tài)能力的中介作用

大數(shù)據(jù)分析能力的實(shí)質(zhì)是通過對大數(shù)據(jù)收集、分析、理解和整合，以便提取和生成有用的信息和知識，其主要目標(biāo)是開發(fā)可操作的見解和新知識，以建立競爭優(yōu)勢［14］。具有該能力的公司能夠更好地從外部合作伙伴獲取關(guān)鍵知識，外部網(wǎng)絡(luò)新信息的注入可能會(huì)擴(kuò)展現(xiàn)有的知識庫，知識獲取能力越高，在給定時(shí)期內(nèi)可以收集的外部知識就越多，最終可能會(huì)提升服務(wù)創(chuàng)新績效［33］。Connell 等［34］認(rèn)為于兼容性分析技術(shù)、社交媒體以及企業(yè)運(yùn)營的云平臺或網(wǎng)絡(luò)等大數(shù)據(jù)設(shè)施，組織合作伙伴之間通過有效的知識共享，塑造組織創(chuàng)新所需的核心能力。同時(shí)，通過IT 平臺或網(wǎng)絡(luò)孵化了與合作伙伴之間的交流合作和知識共享，使其能夠動(dòng)態(tài)協(xié)調(diào)生產(chǎn)、供應(yīng)鏈、物流和倉儲活動(dòng)；通過完善業(yè)務(wù)流程，并及時(shí)發(fā)現(xiàn)服務(wù)缺陷或運(yùn)營障礙，以降低運(yùn)營風(fēng)險(xiǎn)，提升企業(yè)績效［35］。基于此，提出以下假設(shè)：

H4a：大數(shù)據(jù)分析能力通過知識獲取能力影響制造企業(yè)服務(wù)創(chuàng)新績效，知識獲取能力在大數(shù)據(jù)分析能力與服務(wù)創(chuàng)新績效之間中發(fā)揮中介作用；

H4b：大數(shù)據(jù)分析能力通過知識共享能力影響制造企業(yè)服務(wù)創(chuàng)新績效，知識共享能力在大數(shù)據(jù)分析能力與服務(wù)創(chuàng)新績效之間發(fā)揮中介作用。

2.1.5 環(huán)境不確定性的調(diào)節(jié)作用

Drnevich 等［36］認(rèn)為外部商業(yè)環(huán)境是動(dòng)態(tài)能力增加價(jià)值的一個(gè)重要條件。在相對穩(wěn)定的環(huán)境中，外部變化較少，市場變化往往可預(yù)測，企業(yè)可以基于歷史數(shù)據(jù)指導(dǎo)生產(chǎn)。此時(shí)，動(dòng)態(tài)能力扮演的角色很小。相反，VUCA（不穩(wěn)定、不確定、復(fù)雜和模糊）環(huán)境下，現(xiàn)有的運(yùn)營模式會(huì)被迅速侵蝕和顛覆，此時(shí)的動(dòng)態(tài)能力是保持競爭力的必要條件［37］。大數(shù)據(jù)分析能力作為知識動(dòng)態(tài)能力的驅(qū)動(dòng)因素，在持續(xù)的、不可預(yù)測的環(huán)境中，擁有較強(qiáng)大數(shù)據(jù)分析能力的企業(yè)更容易在競爭過程中凸顯優(yōu)勢［38］。Newkirk 等［39］認(rèn)為外部環(huán)境具有動(dòng)態(tài)性、異質(zhì)性和不可預(yù)測性。以上特征是影響企業(yè)大數(shù)據(jù)分析能力對企業(yè)績效和競爭優(yōu)勢的重要因素。動(dòng)態(tài)環(huán)境倒逼企業(yè)加速與內(nèi)外部合作伙伴構(gòu)建共生系統(tǒng)，通過組織學(xué)習(xí)和開放式創(chuàng)新強(qiáng)化相互之間的知識共享，以滿足不斷變化的客戶需求［12］。異質(zhì)性和不可預(yù)測的外部環(huán)境給公司帶來了壓力，迫使企業(yè)通過大數(shù)據(jù)基礎(chǔ)設(shè)施或IT 支持技術(shù)來管理多個(gè)業(yè)務(wù)目標(biāo)［13］，并通過大數(shù)據(jù)分析能力聚合龐雜的數(shù)據(jù)信息，分析整合挖掘隱性知識，幫助企業(yè)跨越“知識鴻溝”，提升企業(yè)的前瞻性和對新機(jī)會(huì)的識別能力，通過快速響應(yīng)市場需求提升增加客戶黏性，提升企業(yè)績效［40］?；诖?，提出以下假設(shè)：

H5a：環(huán)境不確定性正向調(diào)節(jié)大數(shù)據(jù)分析能力對知識獲取能力和知識分享能力的影響。

H5b：環(huán)境不確定性正向調(diào)節(jié)大數(shù)據(jù)分析能力對企業(yè)服務(wù)創(chuàng)新績效的影響。

綜上，本研究模型如圖1 所示。

圖1 理論模型

2.2 研究方法

2.2.1 樣本與數(shù)據(jù)

本研究在正式發(fā)放問卷之前，通過系列訪談了解到數(shù)字化部、信息管理、數(shù)據(jù)應(yīng)用、研發(fā)部門等制造企業(yè)的管理者可成為本研究的潛在調(diào)研對象，他們能夠深度參與大數(shù)據(jù)管理與服務(wù)創(chuàng)新。同時(shí)，樣本企業(yè)必須來源于服務(wù)型制造較發(fā)達(dá)的地區(qū)且提供產(chǎn)品延伸服務(wù)超過兩年、涉獵大數(shù)據(jù)超過1 年的制造企業(yè)。通過采取“滾雪球式”的抽樣方法，通過實(shí)地走訪現(xiàn)場發(fā)放問卷、問卷星、微信鏈接等方式對制造企業(yè)數(shù)字化部門經(jīng)理、信息經(jīng)理、研發(fā)部門經(jīng)理等中高層管理者進(jìn)行調(diào)研，共發(fā)放問卷675份，剔除雷同、存在明顯錯(cuò)誤、填寫時(shí)間較短等無效問卷后，最終得到有效問卷423 份，有效回收率為62.67%，樣本基本情況如下表1 所示。

表1 樣本特征

2.2.2 變量的測量

為保證量表測量的有效性，本研究對大數(shù)據(jù)分析能力、知識獲取能力、知識共享能力、服務(wù)創(chuàng)新績效與環(huán)境不確定性的測量均采用成熟的經(jīng)典量表，并經(jīng)過翻譯、回譯，不斷修正形成初始量表，通過對本校EMBA、MBA 學(xué)員進(jìn)行小樣本測試，根據(jù)回收的81 份問卷及被調(diào)研者的相關(guān)反饋對初始量表中的部分表達(dá)進(jìn)行修正和調(diào)整，最終確定了測量量表，各變量題項(xiàng)均采用Likert5 級量表進(jìn)行評價(jià)。其中大數(shù)據(jù)分析能力（BDAC）參考了Akter 等［5］、Wamba 等［4］、馮文娜等［10］的量表；知識獲取能力（KAC）和知識共享能力(KSC)借鑒Gold［26］、Schulz［27］的量表；服務(wù)創(chuàng)新績效(SIP)采用Tian 等［41］、馮文娜等［42］的量表；環(huán)境不確定性借鑒Miller 等［43］的量表?？刂谱兞拷梃b馮文娜等［10］的研究，將企業(yè)成立時(shí)間、規(guī)模、企業(yè)性質(zhì)、類型及涉獵大數(shù)據(jù)的年限作為控制變量。具體題項(xiàng)如表2 所示。

2.2.3 問卷的信度與效度

信度檢驗(yàn)方面，如表2 所示，各潛變量的Cronbach'sα系數(shù)值和組合信度CR 均大于0.8，兩指標(biāo)均超過信度檢驗(yàn)的良好閾值水平（0.8），說明量表的內(nèi)部一致性較高。效度檢驗(yàn)方面，通過聚合效度和區(qū)分效度來進(jìn)行分析。如上表所示，各題項(xiàng)的因子載荷均大于0.6，平均方差萃取值（AVE）均大于0.5，說明問卷的聚合效度較好；通過選取χ2/df、RMSEA、SRMR、CFI、TLI 指標(biāo)檢驗(yàn)五因子模型的結(jié)構(gòu)效度與變量間的區(qū)分效度。如表3 所示，五因子的模型擬合指數(shù)明顯優(yōu)于其他因子模型，說明五因子模型的變量間有較好的區(qū)分效度。

表3 CFA 驗(yàn)證區(qū)分性擬合指數(shù)

2.2.4 共同方法偏差檢驗(yàn)

本研究采用事前控制與事后控制的方法來控制共同方法偏差。事前控制方面，通過匿名調(diào)查、設(shè)置清晰簡明的多題項(xiàng)來測量潛變量，調(diào)換題目順序等方法來盡可能減少人為的共變性。事后控制方面，采用Harman 單因素檢驗(yàn)的統(tǒng)計(jì)方法進(jìn)行檢驗(yàn)，探索性因子分析結(jié)果表明，特征值大于1的因子共有5個(gè)，且最大因子的方差解釋率為21.791%，小于40%，說明不存在明顯的共同方法偏差問題。

3 實(shí)證分析

如表4 所示，各潛變量之間的相關(guān)系數(shù)在0.212～0.614 之間，存在顯著的相關(guān)關(guān)系，且相關(guān)系數(shù)均小于AVE 的平方根，符合理論預(yù)期，為進(jìn)一步的回歸研究提供初步支持。同時(shí)方差膨脹因子（VFI）最高為1.879，遠(yuǎn)小于閾值10，說明模型的多重共線性在可接受范圍內(nèi)。

表4 變量的均值、標(biāo)準(zhǔn)差與相關(guān)系數(shù)

本研究采用層次回歸分析法對研究假設(shè)進(jìn)行檢驗(yàn)，回歸模型如表5 所示。模型1 為控制變量對知識動(dòng)態(tài)能力的回歸模型，模型2 和模型3 分別為知識動(dòng)態(tài)能力的兩個(gè)維度與大數(shù)據(jù)分析能力的回歸模型。首先，對比發(fā)現(xiàn)模型2 和模型3 的R2顯著增加，說明模型2 和模型3 的擬合效果更理想。其次，模型2 和模型3 與大數(shù)據(jù)分析能力的系數(shù)顯著為正（β=0.434，P＜0.001；β=0.530，P＜0.001），表明大數(shù)據(jù)分析能力正向影響知識獲取能力與知識共享能力。因此，假設(shè)H2a、H2b成立。

表5 回歸模型及結(jié)果

模型4為控制變量對服務(wù)創(chuàng)新績效的回歸模型，模型5 為服務(wù)創(chuàng)新績效與大數(shù)據(jù)分析能力的回歸模型，且兩者之間的回歸系數(shù)（β=0.501，P＜0.001）顯著為正，說明大數(shù)據(jù)分析能力對服務(wù)創(chuàng)新績效具有顯著的正向影響。因此，假設(shè)1 成立。

由模型6 可知，服務(wù)創(chuàng)新績效與知識動(dòng)態(tài)能力兩個(gè)維度的回歸模型系數(shù)（β=0.292，P＜0.001，β=0.435，P＜0.001）顯著為正，說明知識獲取能力與知識共享能力正向影響服務(wù)創(chuàng)新績效。因此，假設(shè)H3a，H3b成立。

模型7 是控制變量、大數(shù)據(jù)分析能力與知識動(dòng)態(tài)能力兩個(gè)維度對服務(wù)創(chuàng)新績效的回歸全模型，用來檢驗(yàn)知識動(dòng)態(tài)能力的中介效應(yīng)。與模型5 相比，添加中介變量后，知識獲取能力（β=0.252，P＜0.001）知識共享能力（β=0.356，P＜0.001）均顯著正向影響服務(wù)創(chuàng)新績效，大數(shù)據(jù)分析能力仍然顯著正向影響服務(wù)創(chuàng)新績效（β=0.203，P＜0.01），但顯著性有所降低，說明知識獲取能力與知識共享能力在大數(shù)據(jù)分析能力與服務(wù)創(chuàng)新績效之間起到部分中介作用。此外，利用Bootstrap 法再次對知識獲取能力、知識共享能力的中介效應(yīng)進(jìn)行穩(wěn)健性檢驗(yàn)。在95%的置信水平下，知識獲取能力的中介效應(yīng)值為0.122 5，置信區(qū)間為［0.057 9，0.165 8］，知識共享能力的中介效應(yīng)值0.293 4，置信區(qū)間為［0.119 6,0.264 2］，均不包括0，說明知識獲取能力與知識共享能力在大數(shù)據(jù)分析能力與服務(wù)創(chuàng)新績效之間的中介效應(yīng)顯著。因此，假設(shè)H4a，H4b成立。同時(shí)，兩個(gè)路徑差異顯著為-0.170 9，置信區(qū)間為［0.692,0.181 5］,不包括0，說明知識共享能力是較優(yōu)的中介路徑。

調(diào)節(jié)效應(yīng)檢驗(yàn)如表6 所示，大數(shù)據(jù)分析能力與環(huán)境不確定性的交互項(xiàng)（β=0.119，P＜0.01）正向影響知識獲取能力，且高環(huán)境不確定性情況下大數(shù)據(jù)分析能力與知識獲取能力的影響（β=0.566，P＜0.001）顯著高于低環(huán)境不確定性的影響（β=0.338，P＜0.001）；同時(shí)，大數(shù)據(jù)分析能力與環(huán)境不確定性的交互項(xiàng)（β=0.130，P＜0.001）與知識共享能力顯著正相關(guān)，且高環(huán)境不確定性情況下大數(shù)據(jù)分析能力對知識共享能力的影響（β=0.655，P＜0.001）顯著高于低環(huán)境不確定性的影響（β=0.410，P＜0.001），說明環(huán)境不確定性正向調(diào)節(jié)大數(shù)據(jù)分析能力對知識獲取能力與知識共享能力的影響，假設(shè)H5a成立；其次，大數(shù)據(jù)分析能力與環(huán)境不確定性的交互項(xiàng)（β=0.091，P＜0.05）正向影響服務(wù)創(chuàng)新績效，且高環(huán)境不確定性情況下大數(shù)據(jù)分析能力與服務(wù)創(chuàng)新績效的影響（β=0.485，P＜0.001）顯著高于低環(huán)境不確定性的影響（β=0.339，P＜0.001），說明環(huán)境不確定性正向調(diào)節(jié)大數(shù)據(jù)分析能力對制造企業(yè)服務(wù)創(chuàng)新績效的影響，假設(shè)H5b成立。

4 研究結(jié)論與啟示

利用大數(shù)據(jù)分析賦能服務(wù)創(chuàng)新是制造企業(yè)提升服務(wù)衍生質(zhì)量，塑造可持續(xù)競爭優(yōu)勢的重要途徑，也是實(shí)現(xiàn)數(shù)字經(jīng)濟(jì)與實(shí)體經(jīng)濟(jì)深度融合微觀基礎(chǔ)?；诖耍疚幕谥R動(dòng)態(tài)能力理論與組織信息處理理論，探討了大數(shù)據(jù)分析能力對制造企業(yè)服務(wù)創(chuàng)新的影響機(jī)制，分析了環(huán)境不確定性對知識獲取能力、共享能力與服務(wù)創(chuàng)新的作用邊界。研究發(fā)現(xiàn)：（1）大數(shù)據(jù)分析能力促進(jìn)了制造企業(yè)服務(wù)創(chuàng)新績效，且在較高的環(huán)境不確定下，大數(shù)據(jù)分析能力的促進(jìn)作用更加顯著；（2）大數(shù)據(jù)分析能力促進(jìn)了制造企業(yè)的知識獲取能力與知識共享能力，在環(huán)境不確定性較高時(shí)，更加催化了制造企業(yè)利用大數(shù)據(jù)分析能力與外部利益相關(guān)者進(jìn)行合作，加速對市場信息及知識的獲取、分享與整合；（3）知識獲取能力與知識共享能力在大數(shù)據(jù)分析能力與服務(wù)創(chuàng)新績效之間發(fā)揮部分中介作用；（4）大數(shù)據(jù)分析能力對服務(wù)創(chuàng)新的雙元路徑中知識共享能力為較優(yōu)路徑。研究結(jié)論不僅厘清了大數(shù)據(jù)分析能力這一低階運(yùn)營能力與高階知識動(dòng)態(tài)能力之間的關(guān)系及其對制造業(yè)服務(wù)創(chuàng)新績效的影響，拓展了制造業(yè)服務(wù)化的相關(guān)研究。而且為制造企業(yè)利用數(shù)字技術(shù)賦能服務(wù)創(chuàng)新，實(shí)現(xiàn)高質(zhì)量發(fā)展提供實(shí)踐參考。

基于研究結(jié)論，得出以下管理啟示：（1）首先，利用大數(shù)據(jù)賦能傳統(tǒng)制造業(yè)向服務(wù)化轉(zhuǎn)型是當(dāng)前制造業(yè)突破能力壁壘，構(gòu)建可持續(xù)競爭優(yōu)勢的重要路徑。制造企業(yè)應(yīng)該從戰(zhàn)略高度重視大數(shù)據(jù)分析能力的塑造，構(gòu)建基于產(chǎn)品生命周期的全流程化的數(shù)字化，充分發(fā)揮大數(shù)據(jù)在科學(xué)預(yù)測消費(fèi)偏好、精準(zhǔn)靶向決策、產(chǎn)品服務(wù)研發(fā)、遠(yuǎn)程運(yùn)維監(jiān)控等方面的作用。具體而言，制造企業(yè)應(yīng)該完善IT 基礎(chǔ)設(shè)施，構(gòu)建數(shù)字化平臺，柔性調(diào)整服務(wù)方案，快速實(shí)現(xiàn)企業(yè)產(chǎn)品與客戶需求良好匹配；通過組織學(xué)習(xí)、交流培訓(xùn)等強(qiáng)化大數(shù)據(jù)分析人員的能力培養(yǎng)，培養(yǎng)將分析洞察力與直覺相融合的決策能力，以更好地識別服務(wù)機(jī)會(huì)并提供新的價(jià)值主張；（2）其次，制造企業(yè)要充分利用大數(shù)據(jù)分析能力不斷強(qiáng)化外部資源的跨域跨界搜索和整合，深度挖掘和整合價(jià)值共創(chuàng)參與者的非結(jié)構(gòu)化隱性知識，并通過數(shù)字平臺強(qiáng)化與合作伙伴之間的知識共享，以高效利用外部知識實(shí)現(xiàn)精準(zhǔn)化服務(wù)創(chuàng)新；（3）重視外部環(huán)境的影響。面對充滿競爭性、動(dòng)蕩性及模糊性的市場環(huán)境，制造企業(yè)應(yīng)該抓住數(shù)字化轉(zhuǎn)型的契機(jī)，增強(qiáng)組織柔性和市場需求的響應(yīng)能力，向更持續(xù)更具韌性的高端制造業(yè)方向邁進(jìn)。

5 不足與展望

（1）中介機(jī)制存在進(jìn)一步挖掘空間。企業(yè)能力對績效的影響可通過多個(gè)變量發(fā)揮作用，本研究只關(guān)注了知識動(dòng)態(tài)能力的中介效應(yīng)，且知識動(dòng)態(tài)能力只發(fā)揮了部分中介作用。從理論上講，知識搜尋、知識獲取、知識吸收及共享之間存在互補(bǔ)關(guān)系，但是這些策略之間的互補(bǔ)及組合關(guān)系如何，未來需要做進(jìn)一步研究。同時(shí)，未來研究可以基于不同的理論角度深入挖掘其他中介機(jī)制，如組織學(xué)習(xí)、戰(zhàn)略柔性等，探索制造企業(yè)服務(wù)創(chuàng)新的多元機(jī)制。

（2）樣本可以進(jìn)一步優(yōu)化。一方面，數(shù)據(jù)主要來自于制造業(yè)較發(fā)達(dá)的省份的多個(gè)細(xì)分行業(yè)，未來可以通過增加不同區(qū)域的樣本增強(qiáng)結(jié)論普適性；另一方面，可以深入挖掘各細(xì)分行業(yè)中大數(shù)據(jù)分析能力對服務(wù)創(chuàng)新作用的具體規(guī)律，細(xì)化研究粒度提升結(jié)論的現(xiàn)實(shí)指導(dǎo)價(jià)值。