知識動態能力視角的電商平臺大數據分析價值鏈戰略

豐佳棟

摘要：電子商務領域信息技術的開放性提高了服務創新的可見性，為適應多維度要素交互的平臺競爭環境，需要基于電商平臺豐富的數據資源，通過大數據分析提高戰略規劃的動態性、靈活性和響應敏捷性，形成一種能夠快速集合與組織資源的模式，實現業務價值傳遞的可持續，滿足競爭對抗與互動以及時間軸動態演化的需要。鑒于此，基于大數據分析、知識管理、動態能力、業務流程理論和指向性網絡調查數據，構建大數據分析價值鏈戰略研究模型，探討大數據分析、動態能力、流程級創新與核心競爭力及戰略績效之間的關聯。研究結果表明，大數據分析能實現有效的內生源和外生源知識管理，幫助企業形成動態能力，構建核心競爭力，進而提高戰略績效；大數據分析能提高企業組織的靈活性，可作為企業在競爭中賴以生存發展的戰略投資；外生源知識管理和內生源知識管理均可單獨運作產生知識動態能力，但外生源知識管理的作用更顯著有效，更值得重視；知識共享是流程級創新的潛在障礙，與合作商進行知識共享需要選擇合適的路徑；動態能力既可直接影響流程級創新與核心競爭力，也可調節知識資產對競爭力的影響。總之，大數據分析能夠通過影響動態能力和流程級創新來提高核心競爭力，且動態能力在知識管理與流程級創新及核心競爭力（戰略績效）間具有中介作用，電商平臺應客觀認識大數據分析潛在價值，將之納入信息技術戰略，通過梳理大數據分析→動態能力→核心競爭力→戰略績效的價值鏈過程，形成戰略協同，最終提高知識創新的邊際績效。

關鍵詞：大數據分析價值鏈戰略；知識管理；知識動態能力；流程級創新；核心競爭力

中圖分類號：F272.4文獻標識碼：A文章編號：1007-8266（2021）02-0037-12

基金項目：2013年國家社會科學基金資助項目“公立醫院服務補救機制的建立與完善”（13XGL020）

一、引言

近二十年來，我國電子商務平臺依托互聯網技術快速發展，擁有巨大的用戶量、活躍度和交易額，如阿里巴巴、京東、美團、攜程等已初具復雜商務活動的生態模式，建立了交易、物流、客服、擔保等配套服務體系，成為國民經濟與社會發展的新動力以及各行業服務創新的重要介質，對企業用戶、合作商及市場環境具有倍數級影響。據統計，全球電子商務用戶普及率為78.8%，我國作為全球最大的電子商務市場，預計2023年電子商務用戶普及率將達到80.4%[ 1 ]。不過，隨著知識經濟的不斷發展和第四次工業革命的沖擊，電商平臺資源密集階段直接爭奪顧客的模式已經無法持續，平臺獲利性和競爭力持續下降，需要聚焦服務創新，提高服務敏捷化感知化水平，研究平臺知識性動態性戰略能力構建和調整方式以突破管理瓶頸。

隨著電商平臺的規模化發展，可基于電商平臺海量的數據資源，通過大數據分析形成細節化效益化戰略模式，形成商業開發、運作、傳遞階段競爭重心與綜合績效協調的多維動態能力，其中包含兩個關鍵戰略層面。第一個層面，全球電子商務平臺單日產生的數據量早已達到太字節（TB）級別，2020年達到100皮字節（PB），平臺成規模的數據處理量已經成為獨占且不可替代的資源，需要在軟硬件方面進行合理投資，建設基本的信息工程，確立企業戰略方向，對數據資源進行有目標、有效率的分享利用。第二個層面，隨著電商平臺競爭戰略的動態升級，需要對基礎大數據進行更加深入的開發研究，制定系列性程序以形成競爭力構建的過程路徑與內容，使戰略具有快速而及時的執行力和獲利性，使企業可以敏捷地獲得核心競爭力[ 2 ]。同時，有目的地聚集管理智能，確立企業在第四次工業革命中的發展定位，促進平臺與平臺的協同運作。早在2011年，阿里巴巴就通過大數據分析幫助商家進行數據化運營，并陸續推出御膳房、品牌數據銀行等數據平臺，幫助商家進行數據管理。但是，由于自然聚集的大數據價值密度低，隨著數據的快速積累，數據的價值占比會不斷降低，難以對組織績效產生影響。

因此，本研究將探討通過大數據分析[ 3 ]對數據資源進行戰略導向分析處理的方法，進而深入剖析價值形成過程（包括價值基本概念、演化博弈、形成機理等）[ 4 ]，探尋利潤形成路徑，使戰略模式具有廣泛的契合性和高度的響應性，即構建電商平臺大數據分析價值鏈戰略（Big Data Analysis Value Chain Strategy，BDAVCS）[ 5 ]。具體內容，一是從系統整體角度解讀大數據分析所形成知識資產的來源；二是研究如何通過知識管理進行大數據分析，形成動態能力；三是分析知識動態能力如何促進價值創造、流程級創新與核心競爭力構建；四是探討知識動態能力和大數據分析價值鏈的形成受哪些內外部因素影響，可從哪些方面入手構建獨特的價值增值與核心競爭力聚合模式；五是基于知識動態能力視角探討大數據分析在提高企業競爭力、完善產業鏈供應鏈方面的戰略作用。

二、大數據分析價值戰略與知識動態能力理論

（一）大數據分析價值鏈戰略

1.價值鏈

自20世紀邁克爾·波特[ 6 ]首次提出價值鏈（Value Chain，VC）概念以來，學術界在企業價值創造、創新及企業間合作等領域進行了頗多研究。關于信息技術對企業價值過程的貢獻，奧拉（Olla P）等[ 7 ]指出，價值鏈模型的構建涉及價值傾向、成本驅動、顧客價值標準等因素以及變化態勢、關系管理、組織結構、運作管理等多個方面；布凌根（Buel？ lingen F）等[ 8 ]、斯特沃德（Osteitvalder A）等[ 9 ]從功能和體制角度對移動電商價值鏈的要素進行解析，強調在價值鏈上要實現以顧客為核心的價值觀。國外學者的研究明確了數據信息在經營中所具有的價值與傳遞特點。我國學者張海濤等[ 10 ]、許孝君等[ 11 ]、馮立杰等[ 12 ]對中國特色商務網絡價值鏈模型進行比較，聚焦價值網絡理論演變、組件識別、迭代更新及拓展深化過程，認為商務信息生態鏈的信息、主體、技術、環境等要素具有相關性，價值與系統功能是一個優化上升的過程，可以通過網絡融合提高企業核心競爭力；呂樹豪[ 13 ]通過對京東商業模式價值創造過程的分析，進一步探討信息與顧客之間的關聯，拓展價值的外延。由上述研究可以看出，企業之間和企業內部均存在信息傳遞的價值鏈條[ 7，10 ]，在平臺企業數據信息價值鏈形成過程中需要制定能夠快速集成多元要素的戰略規劃[ 8，11-12 ]，可利用信息價值鏈方法快速提取核心要素——顧客[ 9，13 ]以找到敏捷管理途徑。

2.大數據分析

信息技術的發展促進了大數據技術的出現與不斷完善，大數據分析（Big Data Analysis，BDA）概念由此提出。大數據分析主要涉及數據挖掘、統計方法、商業智能等相關領域[ 14 ]，旨在通過數據高速捕獲、發掘分析、經濟價值提取等新一代技術架構[ 15 ]，進行核心競爭力業務環節實踐，改進企業現有應用程序[ 16-17 ]。可以說，大數據分析既是信息技術的深化，也是信息客體在管理環境中的有效聚集和問題展示。

3.大數據分析價值鏈戰略

大數據分析價值鏈戰略指從戰略角度來研究大數據分析商業價值開發和挖掘問題的流程性思路。[ 5，18-19 ]相關研究涉及以下幾個方面：一是從知識的內生源角度看，大數據分析價值鏈需要延伸到技術采用和競爭力形成的戰略階段[ 20 ]。二是從知識的外生源角度看，格羅弗（Grover V）等[ 21 ]通過案例分析構建大數據分析的戰略性商務價值可見度框架，探討如何利用大數據資源制定實施組織戰略以創造不同的價值。三是從知識分享的角度看，帕克（Park Y K）等[ 22 ]從數據或系統角度分析價值鏈形成過程，探討通過大數據分析形成組織能力的戰略；楠（Nan N）等[ 23 ]利用仿真建模方法構建大數據分析價值鏈的多層理論模型，并進行實證檢驗。由上述研究可以看出，大數據分析價值鏈戰略[ 20-22 ]主要關注大數據創造企業價值的過程，可以通過時點戰略的多維組合演化，形成以電商平臺戰略為導向的大數據分析價值鏈及增值過程，對內實現平臺技術設計、商務治理、創新融合等的協同放大效應，對外實現平臺間競爭戰略動態響應價值的提高。

（二）知識動態能力理論

動態能力（Dynamic Capabilities，DC）是戰略管理領域非常有效的理論透鏡。蒂斯（Teece D J）等[ 24 ]對動態能力進行了定義，認為它是通過集成、構建和重新配置內外部競爭力來應對環境快速變化的能力，包括感知威脅和塑造機會的能力，抓住機會的能力，加強、合并、保護、重新配置資產的能力。舍爾奇（Schilke O）[ 25 ]在企業管理領域應用動態能力理論衡量構建核心競爭力的能力。在電子商務領域，由于平臺所具有的科技特征，知識管理與動態能力處于互動上升的過程。這個過程主要涉及以下三個層面：

第一個層面：對大數據知識資源的有效分析管理是動態能力形成的基礎。電商平臺最重要的知識資源就是平臺海量的數據，可通過大數據分析對海量數據進行處理[ 26-27 ]。伍（Wu L Y）[ 28 ]進一步指出，大數據分析為企業更新或重新配置資源和構建動態能力提供知識基礎資源，大數據分析是企業動態能力形成的推動者。埃雷爾斯（Erev？ elles S）等[ 29 ]也認為，只有通過大數據分析，企業才有可能形成可持續的核心競爭力。

第二個層面：知識管理對動態能力形成具有戰略影響。格蘭特（Grant R M）[ 30 ]、沃爾伯達（Vol？ berda H W）[ 31 ]最早指出，企業知識資源所具有的不可模仿性可產生生產性結果，并提供更新、配置、構建動態能力的基礎資源。王（Wang C L）等[ 32 ]認為，動態能力屬于高階能力，只有以知識基礎為支撐，才能調整提升基本能力，重構能夠適應環境變化的核心能力，提高企業在動態市場環境中獲取競爭力的潛力，如組織敏捷性。塔洛特（Tallott M）等[ 33 ]、哈尼（Harney B）等[ 34 ]、彼得羅夫（Peteraf M）等[ 35 ]、希利亞德（Hilliard R）等[ 36 ]通過對影響戰略能力的創新關鍵要素的識別，展示知識創新整合與動態能力形成的過程，并基于案例分析和跨層次研究方法實證分析知識資源對動態能力的影響，拓展知識管理與動態能力互動運用的邊界。

第三個層面：知識動態能力對組織績效具有貢獻。帕夫盧（PavlouPA）等[ 37 ]、周（ZhouSS）等[ 38 ]、比特科（Bitencourt C C）等[ 39 ]、伊勒木迪（Ilmudeen A）等[ 40 ]認為，知識資源可以提高概念化信息技術投資的績效。此外，他們還遵循技術市場創新路徑探究了元分析方法中的知識管理、動態能力與組織績效的作用關系。這樣，國外學者基本理清了從知識管理到動態能力再到組織績效的邏輯過程。我國學者杜小民等[ 41 ]、簡兆權等[ 42 ]研究了國內技術創新對動態能力的正向影響作用，從戰略與創業融合視角分析了機會與資源要素匹配層面動態能力的衍生機理。彭新敏等[ 43 ]、金昕等[ 44 ]、朱曉紅等[ 45 ]結合縱向案例研究，實證檢驗了知識資源對組織績效的影響過程和動態能力的中介作用，揭示了組織內外部知識資源整合與動態能力的演化過程。這些觀點與國外學者的觀點基本是一致的。

綜上所述，電商平臺的大數據分析價值鏈戰略以企業戰略目標為起點，確定知識管理的核心與基本思路，形成動態能力，進而通過戰略規劃的實施，構建核心競爭力與戰略優勢，實現價值鏈增值與組織績效長效提升。按照這樣的思路，提出圖1所示的概念模型。

三、研究假設與模型構建

由于要評估整個價值鏈的績效，我們把大數據知識管理所得到的成果稱為知識資產，用以衡量知識管理的效能。考慮到電商平臺競爭的多維性特點，把核心競爭力與戰略優勢合并考慮。從研究動態能力的角度，狹義化組織績效為戰略績效指標。

（一）研究假設

1.大數據分析通過影響動態能力提高戰略績效

大數據是一種無形的潛在資產，包括數據、知識和智力，需要通過動態性知識管理實現卓越的業務流程，其效能和產出取決于能否正確使用相關知識[ 46 ]。知識管理代表支持維度，通過高效地管理數據，將之交付給終端用戶以支持業務流程，提高動態能力，實現具體功能，改善業務績效[ 24 ]。大數據知識管理是一個通過分析組織知識來形成戰略知識資產（大數據）的技術驅動績效的過程，如操作規程、技能與專門知識構成競爭力的關鍵來源[ 30 ]，并提供更加透明而準確的結果以支持多個業務領域的決策，增加價值鏈的潛力。

大數據分析通過知識管理形成知識資產并驅動績效的過程包括以下幾個階段：一是動態能力屬于信息密集型要素，大數據分析通過感知、獲取、處理、存儲、分析數據的過程，把數據轉化為組織的系統性動態能力[ 40 ]；二是大數據分析通過存儲和共享知識資產來提高組織內部效率，通過數據集成和分析工具來利用組織知識資產，把知識資產轉化為新的管理工具等，使組織知識庫保持持續更新，提高知識管理水平[ 41 ]；三是大數據分析按照數據的來源把知識分為內生源知識和外生源知識并進行分類管理，進而分別通過改進創新響應和自動化業務流程來提高知識管理對動態能力反應的敏捷性[ 45 ]。

基于上述研究，提出以下假設：

H1：大數據分析的內生源知識管理可以積極影響動態能力。

H2：大數據分析的外生源知識管理可以積極影響動態能力。

知識共享指電商平臺上所有參與者（包括生產商、零售商、物流商、企業用戶）對各自業務流程進行的分享[ 46 ]。渠道合作商在戰略和戰術上對企業非常重要，它們可以幫助企業收集關鍵市場信息，用以微調企業戰略，滿足客戶需求，從長期提升財務業績[ 38 ]。參與者之間的協同知識分享能力可以增加價值與動態能力[ 42 ]提升的機會。同時，考慮到動態能力理論所包含的多層次關系視圖，動態能力需要有效的知識共享的支持[ 39 ]；這種交互也可受益于大數據分析技術的使用，通過影響感知機會和威脅，塑造并利用分析結果來增強組織的動態能力[ 36 ]。由此，提出以下假設：

H3：大數據分析通過與合作商進行有效的知識共享，對動態能力產生積極影響。

大數據分析以上三方面因素的綜合對核心競爭力產生影響。由此，提出以下假設：

H4：大數據分析對核心競爭力產生積極影響。

2.知識動態能力

何素（Hsu L C）等[ 47 ]認為，知識動態能力在大數據知識資產與組織績效間起調節和中介作用。蘇蘭斯基（Szulanski G）[ 48 ]認為，知識資產作為一種靜態資源，需要經過利用才能轉化為組織產出。因此，大數據知識資產作為組織知識與能力的集合，可以通過對知識資源的獲取、創造、整合與高效利用，提升知識動態能力與核心競爭力[ 24 ]。同時，動態能力并不能直接形成可持續競爭力，而是通過推動業務流程的改進來實現[ 34，43 ]。由此，提出以下假設：

H5：大數據分析既積極影響知識動態能力，又積極影響流程級創新。

流程級創新是服務組織提供優質服務的關鍵一環，可以通過感知顧客需求和市場研發來調整流程級性能指標[ 34 ]。大數據分析是流程級創新的來源，可為企業提供創新的可能路徑，并正向作用于創新效果[ 33 ]。由此，提出以下假設：

H6：大數據分析對流程級創新具有積極影響。

3.大數據分析、知識動態能力與核心競爭力及戰略績效的關系

信息技術領域的早期相關研究認為，動態能力可以建立大數據知識資產與戰略績效之間的聯系[ 37-38，44-45 ]。在管理領域，相關研究把動態能力作為知識管理與戰略績效之間的中介[ 31，49 ]，所得到的研究結果表明，在知識管理與兩類性能（流程級創新與核心競爭力）之間的關系中，動態能力具有潛在的中介作用。由此，提出以下假設：

H7.動態能力正向調節大數據分析與核心競爭力之間的關系。

H8.流程級創新正向影響核心競爭力。

4.核心競爭力與戰略績效

對一家企業而言，核心競爭力顯示了其與當前或潛在競爭對手相比更多的成功機會。考慮到企業基本管理目標，學界普遍建議以企業績效作為衡量核心競爭力的常用和經驗性指標[ 25 ]，而大數據分析對技術主導環境下的企業經營可能特別有幫助，有利于核心競爭力的形成[ 50 ]。此外，隨著時間的推移，技術的發展使組織可以通過大數據分析獲得知識和經驗，形成動態能力，進行流程級創新，實現核心競爭力與戰略層面操作性戰略績效的提高[ 51 ]。可以認為，在基于知識動態能力的價值鏈形成核心競爭力后，企業戰略績效的定性指標就實現了。

（二）模型構建

從通過不同形式的大數據分析來進行知識管理進而形成動態能力（H1、H2、H3）開始，既可直接形成核心競爭力（H4），也可經由流程級創新（H6）來形成核心競爭力。有效的知識管理可提高知識動態能力。知識動態能力既可直接形成核心競爭力（H7），也可通過流程級創新間接形成核心競爭力（H5）。此外，大數據分析還通過流程級創新對核心競爭力產生影響（H8），動態能力還可調節大數據分析與戰略績效之間的關系。本研究模型與相關假設參見圖2。

四、實證分析

（一）數據來源與樣本分析

為檢驗本研究模型與相關假設（圖2），采用基于文獻綜述的調查工具，組織相關學者對問卷每個題項的內容效度進行審查，評估其內容、范圍和目的，然后再通過在線調查工具對多家電商平臺的企業用戶和各級供應商進行問卷調查。這項調查開始于2019年6月，為提高調查的指向性，首先組織戰略研究專家描述被調查電商平臺參與企業的資格，然后使用某調查公司的在線調查工具，以有獎答題的方式對京東、淘寶、美團、唯品會四家電商平臺的各類企業用戶隨機發放問卷300份。問卷題項采用李克特五點量表記分方式。截至2020年3月，總計回收可用問卷185份，總回收率為61.7%。調查內容及題項參見表1。本次調查的對象是電商平臺上具有一定影響力的企業用戶，代表性和針對性較強，樣本數量可以滿足研究模型的需要。如表2所示，樣本來自不同的行業，其中供應商占比為34.6%，零售商占比為33.4%，物流商占比為23.1%，信息服務商、金融商、企業用戶、顧問咨詢等其他行業樣本占比為8.9%，基本涵蓋電商平臺知識管理與共享的所有方面。從企業規模看，樣本在大中小型企業之間的分布比較平均。

（二）信度與效度評估

為對概念模型進行估計，研究使用偏最小二乘法（PLS）[ 52 ]。在不要求變量符合正態分布的情況下，偏最小二乘法通過變量的有效性來達到研究目的。偏最小二乘法要求有10倍樣本數量的路徑指向同一個特定指標，在研究模型中，n=185，說明樣本數量是足夠的。在進行正式分析之前，需要對研究模型進行信度與效度評估。

本研究以量表信度、結構信度、收斂效度、區別效度來對本研究模型進行評估，模型分析結果參見表3。本研究僅考慮復合可靠性（CR）大于0.7的變量。如表3所示，模型各變量的復合可靠性均在0.70以上，量表信度良好。由于可靠性考慮了不同的變量及載荷，本研究采用復合信度系數來評估結構信度[ 53 ]。由表3可以看出，所有變量的復合信度系數都在0.7以上，說明結構信度良好。為檢驗收斂效度，本研究求取平均方差提取值（AVE）。平均方差提取值應高于0.5，即潛在變量要解釋其指標中超過一半的方差[ 54 ]。表3顯示，所有變量都滿足這個標準。在區分效度方面，本研究采用福內爾—拉克爾（Fornell-Larcker）標準[ 54 ]衡量，即平均方差提取值的平方根大于與其他潛在變量之間的相關系數。表3顯示，各變量平均方差提取值的平方根大于與其他變量之間的相關性，所有變量均顯示出可以接受的區別性證據。總體來看，模型具有較好的量表信度、結構信度、收斂效度和區別效度。滿足上述標準后，就可以利用研究模型進行正式分析了。

（三）假設檢驗

本研究通過路徑引導技術檢驗路徑系數的顯著性[ 52 ]，本研究模型中各變量均呈現合理值，具體參見圖3。

本研究模型解釋了從知識管理到動態能力，再到核心競爭力，最終實現戰略績效的整個過程。如圖3所示，內生源知識管理（ENKM）到知識動態能力（KDC）的路徑系數為0.161，在p<0.01的水平上顯著，驗證了內生源知識管理對知識動態能力積極影響的假設；外生源知識管理（EXKM）到知識動態能力（KDC）的路徑系數為0.237，在p< 0.001的水平上顯著，驗證了外生源知識管理對知識動態能力積極影響的假設；知識共享（KS）到知識動態能力的路徑系數為0.010，不顯著，沒能驗證知識共享對知識動態能力積極影響的假設。因此，H1、H2得到確認，H3未得到確認。大數據分析到核心競爭力的路徑系數為0.148，到流程級創新（PI）的路徑系數為0.344，分別在p<0.05和p<0.001的水平上顯著，驗證了大數據分析對核心競爭力和流程級創新積極影響的假設，即H4、H6得到確認。知識動態能力（KDC）到流程級創新（PI）的路徑系數為0.421，在p<0.001的水平上顯著，驗證了知識動態能力對流程級創新積極影響的假設；知識動態能力（KDC）到核心競爭力的路徑系數為0.197，在p<0.01的水平上顯著，驗證了知識動態能力對核心競爭力積極影響的假設；流程級創新（PI）到核心競爭力的路徑系數為0.106，不顯著，沒能驗證流程級創新對核心競爭力積極影響的假設。因此，H5、H7得到確認，H8未得到確認。

五、研究結論、貢獻與啟示

（一）研究結論

大數據分析可通過多種方式為企業創造價值，有必要研究如何獲得核心競爭力。知識動態能力視角的電商平臺大數據分析價值鏈戰略可通過多種方式產生價值，需要對整個價值鏈進行分析。本研究基于知識管理和動態能力視角，通過構建大數據分析價值鏈戰略研究模型，探討大數據分析對戰略績效與核心競爭力的影響。

本研究模型能較好地解釋所有變量，其實證結果表明，大數據分析可以提高企業組織的靈活性，可作為企業在競爭中生存發展的一項戰略投資；為形成知識動態能力，在創造敏捷性方面通過大數據分析獲得的外生源知識比內生源知識更加有效；知識共享是流程級創新的潛在障礙，與合作商共享知識是有問題的；動態能力既可以直接導致更好的流程級創新與核心競爭力，也可以調節大數據分析對流程級創新的影響。本研究結論具體如下：

一是大數據分析能夠支持組織知識管理，在進行有效分析基礎上形成的大數據知識資產具有獨特性、轉讓性和價值性。外生源知識管理和內生源知識管理均可單獨運作并產生知識動態能力，但外生源知識管理的作用更顯著有效，更值得重視。

二是知識共享對動態能力的影響并不顯著，與合作商共享知識的假設沒有得到確認。大數據分析可以推動供應鏈上合作者之間的知識共享，有利于商業價值的創造，但知識共享對動態能力的影響需要多視角審視，其可行性需要進一步探討。有研究認為，在生產運營或產品服務方面與合作商共享知識，可以推動企業核心業務、合作效率、業務流程的改進與升級，其中的關鍵環節可以通過信息共享協議打破合作壁壘，形成長效解決方案。

三是大數據分析可直接或通過知識動態能力影響核心競爭力，進而提高戰略績效。通過大數據分析，將數據資源轉化為知識資產；通過知識資產運作產生績效導向的動態能力，形成核心競爭力，提高戰略績效。

四是流程級創新對核心競爭力不存在顯著影響。盡管流程級創新有助于實現高效管理，但不一定能對戰略績效產生很大影響。這是因為，戰略績效取決于一系列因素，這些因素都可能對戰略績效產生影響。

總而言之，以大數據分析為核心的知識管理可以產生知識資產，形成動態能力，提高運營效率，通過直接或間接作用影響核心競爭力，提高戰略績效。

（二）研究貢獻

目前，關于知識管理、組織動態性與企業績效之間關系的研究較少。本研究對大數據分析價值鏈構建進行研究，從理論上提出并實證基于戰略管理動態能力理論和大數據價值鏈理論的概念模型，解釋整個大數據分析價值鏈形成與作用的過程，證明基于有效知識管理的大數據分析應用可以幫助企業形成動態能力從而獲得核心競爭力，為從大數據分析到動態能力，再到核心競爭力，進而實現戰略績效的理論鏈條提供了具體而細化的思路，后續研究可使用這個理論框架評估流程級創新和其他信息技術創新中的業務價值，具有積極意義。

（三）研究啟示

大數據分析可以在知識資產、動態能力、流程級創新、戰略績效方面創造價值。對電商平臺、相關企業及各級管理者而言，本研究展示了通過大數據分析實現核心競爭力的路徑。盡管大數據分析在實施與維護方面需要大量的投資，但考慮到其潛在價值和好處，企業仍然需要把大數據分析價值鏈戰略嵌入自己的信息技術戰略。

1.管理策略

一是可通過大數據分析進行知識管理，通過有效的培訓幫助用戶提取、管理和利用知識，進而借此形成快速響應外部需求的能力，實現創新，如優化業務流程。企業在信息化發展中可以形成有效的自底向上策略，可以從特定的性能指標中獲益，可以通過評估把組織知識轉化為業務流程和企業級別的能力，提高從業者的生產能力。

二是可通過大數據分析提高核心競爭力，實現潛在商業價值。可通過信息系統與戰略管理的交互，在流程級創新與核心競爭力之間建立聯系，評估大數據分析對決策過程的影響，為信息技術資源管理提供有效支持。可通過大數據分析應用的知識管理功能，特別是外生源知識管理功能支持生產運營或產品服務，幫助企業在競爭中生存發展。

三是知識動態能力既可直接影響核心競爭力與戰略績效，也可中介大數據分析對戰略績效的影響，通過多種路徑促進核心競爭力的形成。企業可考慮投資大數據分析技術，通過大數據分析進行知識管理，推動動態能力的形成，進而實現可持續核心競爭力的構建。

2.實施路徑

平臺知識動態能力貫穿兩個階段：一是洞察性大數據分析階段，即感知機會和威脅，深入挖掘大數據分析的結果，對競爭對手的新產品或新服務做出反應；二是形成管理措施的行動結果階段，即采用新的技術，形成新的管理路徑，開發可能的機會，如開拓新領域、新市場或新角度。可基于本研究結論，確定各階段具體的實施路徑。

在洞察性大數據分析階段，大數據分析價值鏈戰略的第一步是初步確定戰略要求，提出知識管理目標，包括大數據獲取途徑、體系構建與分析。第二步是選擇合適的數據源，包括自有數據、交易數據、客戶關系管理數據、運營數據、第三方數據，并進行數據分析。應用大數據挖掘算法對海量數據進行預測分析，形成可視化分析結果并進行語義引擎管理，通過構建相應的數據模型分析數據之間的關聯。第三步是圍繞企業戰略，通過大數據分析發掘潛在可能的新服務或新商業模式，這是大數據價值實現的可能與方向，其主要活動包括戰略的制定與細化執行，如戰略新思維的形成、討論和評估，基于自身戰略目標和能力選擇具體業務部門予以落實。

在形成管理措施的行動結果階段，為形成完整的閉環，應實現從大數據分析到知識管理，到動態能力，再到核心競爭力與戰略績效的轉化。大數據分析可以通過一系列測量指標以動態化戰略對資產端進行差異化、敏捷化定位，影響商業模式的成本端，提升動態能力，實現流程級創新，形成更強的核心競爭力，促進大數據價值鏈的價值增值，提高企業戰略績效。

3.戰略模式

基于知識動態能力，電商平臺可采取的大數據分析價值鏈戰略模式包括以下五種：

一是咨詢型大數據分析價值鏈戰略模式。即平臺基于客戶（包括供應商、零售商、企業用戶）需求，通過大數據分析收集多來源數據，并進行處理和分析，洞察發掘客戶意向，為客戶提供服務；客戶基于大數據分析結果動態調整企業戰略，提高戰略績效。在此過程中，大數據分析的角色類似于咨詢企業。

二是嵌入型大數據分析價值鏈戰略模式。電商平臺一般信息化基礎較好，具有進行大數據分析的能力，可以自建平臺內部的大數據部門，并基于業務部門動態需求，收集多來源海量數據，依次生成創新戰略。嵌入于電商平臺的大數據部門承擔數據分析的角色，實現業務管理的大數據賦能。一些具有原住性領先技術的企業（如阿里巴巴）一般會采用這種模式。

三是拓展型大數據分析價值鏈戰略模式。電商平臺（如淘寶、天貓、京東等）在業務往來中積累了海量數據，擁有大量數據資源，可以通過大數據分析賦能價值鏈，創新管理思路，拓展廣告、直播等營銷活動。

四是運營型大數據分析價值鏈戰略模式。隨著大數據的興起，電商平臺憑借自身在大數據方面的優勢，打破零售行業壁壘，強勢改變傳統零售業務生存空間與戰略規劃模式，成為運營模式的主導，這就是運營型大數據價值鏈分析戰略模式。

五是專業型大數據分析價值鏈戰略模式。大數據分析通過知識管理來提升電商平臺的專業化程度。

無論是咨詢型模式還是嵌入型模式，均介入企業從戰略制定到戰略實施再到戰略實現的全過程，期望提供完整的價值鏈增值服務。比如，美的集團的美云智數現已發展成為國內領先的大數據分析服務提供商，為行業內企業用戶提供大數據創新戰略賦能服務。

（四）研究局限與展望

本研究提出了基于知識管理和動態能力的大數據分析價值鏈戰略，并對主要路徑進行了實證分析，取得了一些有益的結論，但仍然存在許多局限。一是動態能力的前因并沒有擴展到模型所包含的特定知識資產之外的其他因素，未來研究可考慮增加其他知識資產，以此作為模型的變量或調節現有變量；二是盡管本研究考慮了流程級創新的影響，但并未多方位考慮流程的環節性和立體性，未來研究應在過程方法基礎上著眼于縱向研究，詳細評估大數據分析對特定業務流程級創新的影響；三是由于管理措施具有以問題為導向的感性性質，未來研究應進一步識別與橫斷面研究設計相關的內容；四是盡管本研究樣本量在統計學上是足夠的，但樣本量的進一步增加可能有助于提高研究結論的代表性。

參考文獻：

[1]程永義.電子商務的大規模事務數據高效處理關鍵問題研究[D].長春：吉林大學，2020.

[2]ABBASI A，SARKER S，CHIANG R H L.Big data research in information systems：toward an inclusive research agenda[J].Journal of the association for information systems，2016，17（2）：1-32.

[3]C？RTE-REAL N，OLIVEIRA T，RUIVO P.Understanding the hidden value of business intelligence and analytics（BI&A）[EB/OL].[2020- 11- 25].https：//aisel.aisnet.org/cgi/ viewcontent.cgi？referer=&httpsredir=1&article=1543&con？ text=amcis2014.

[4]MORABITO V.Big data and analytics：strategic and organi？ zational impacts[EB/OL].[2020-11-25]. https：//www.abe.pl/ pl/book/9783319106649/big-data-and-analytics-strategicand-organizational-impacts.

[5]LA VALLE S，LESSER E，SHOCKLEY R，et al.Big data，analytics and the path from insights to value[J].MIT sloan management review，2011，52（2）：20-33.

[6]邁克爾·波特.國家競爭優勢[M].北京：華夏出版社，2002： 219-420.

[7]OLLA P，PATEL N V.A value chain model for mobile data service providers[J].Telecommunications policy，2002，26（9）：551-571.

[8]BUELLINGEN F，WOERTER M.Development perspec？ tives，firm strategies and applications in mobile commerce[J]. Journal of business research，2004，57（12）：1 402-1 408.

[9]OSTEITVALDER A，PIGNEUR Y.Business model genera？ tion[EB/OL].[2020- 11- 25].https：//123doc.net//document/1 259903-business-model-generation-com-ppt.htm.

[10]張海濤，王丹，張連峰，等.商務網站信息生態系統演進機理——價值鏈視角的研究[J].圖書情報工作，2015，59（15）：80-86.

[11]許孝君，張連峰，張海濤.國內外商務網絡信息生態鏈研究綜述[J].情報科學，2016，34（10）：169-176.

[12]馮立杰，杜靖宇，王金鳳，等.顛覆式創新視角下后發企業價值網絡演變路徑[J].科學學研究，2019，37（1）：175-183.

[13]呂樹豪.互聯網時代基于價值創造的商業模式創新——以“京東”為例[J].河北企業，2019（2）：63-64.

[14]CHEN D Q，MOCKER M，PRESTON D S，et al.Informa？ tion systems strategy：reconceptualization，measurement，and implications[J].MIS quarterly，2010，34（2）：233-259.

[15]CARTER P.Big data analytics：future architectures，skills and roadmaps for the CIO[EB/OL].[2020-11-25].https：// xueshu.baidu.com/usercenter/paper/show？paperid=cb4e52f c63966d33b34a854ad919648f&site=xueshu_se.

[16]CHEN H C，CHIANG R H L，STOREY V C.Business intel？ ligence and analytics：from big data to big impact[J].MIS quarterly，2012，36（4）：1 165-1 188.

[17]DAVENPORT T H.Competing on analytics[EB/OL].[2020-11-25]. https：// www.oracle.com/technetwork/database/op？ tions/advanced- analytics/odm/competing- on- analyticshbr-art-160028.pdf？ssSourceSiteId=otncn.

[18]KWON O，LEE N，SHIN B.Data quality management，data usage experience andacquisition intention of big data ana？ lytics[J].International journal of information management，2014，34（3）：387-394.

[19]EREVELLES S，FUKAWA N，SWAYNE L.Big data con？ sumer analytics and the transformation of marketing[J].Jour？ nal of business research，2016，69（2）：897-904.

[20]MALLADI S.Adoption of business intelligence & analytics in organizations—an empirical study of antecedents[C].Chi？ cago，Illinois：19th American Conference on Information Systems（AMCIS），2013.

[21]GROVER V，KOHLI R.Revealing your hand：caveats in implementing digital business strategy[J].MIS quarterly，2013，37（2）：655-662.

[22]PARK Y K，MITHAS S.Organized complexity of digital business strategy：a configurational perspective[J].MIS quarterly，2020，44（1）：85-127.

[23]NAN N，TANRIVERDI H.Unifying the role of IT in hyper？ turbulence and competitive advantage via a multilevel per？ spective of IS strategy[J].MIS quarterly，2017，41（3）：937-958.

[24]TEECE D J，PISANO G，SHUEN A.Dynamic capabilities and strategic management[J].Strategic management journal，1997，18（7）：509-533.

[25]SCHILKE O.On the contingent value of dynamic capabili？ ties for competitive advantage：the nonlinear moderating ef？ fect of environmental dynamism[J].Strategic management journal，2014，35（2）：179-203.

[26]CHEN Y，WANG Y，NEVO S，et al.IT capability and orga？ nizational performance：the roles of business process agility and environmental factors[J].European journal of informa？ tion systems，2014，23（3）：326-342.

[27]SHER P J，LEE V C.Information technology as a facilitator for enhancing dynamic capabilities through knowledge management[J].Information & management，2003，41（8）：933-945.

[28]WU L Y.Resources，dynamic capabilities and performance in a dynamic environment：perceptions in Taiwanese IT en？ terprises[J].Information and management，2006，43（4）：447-454.

[29]EREVELLES S，FUKAWA N，SWAYNE L.Big data con？ sumer analytics and the transformation of marketing[J].Jour？ nal of business research，2016，69（2）：897-904.

[30]GRANT R M.Prospering in dynamically-competitive envi？ ronments：organizational capability as knowledge integra？ tion[J].Organization science，1996，7（4）：375-387.

[31]VOLBERDA H W.Toward the flexible form：how to remain vital in hypercompetitive environments[J].Organization sci？ ence，1996，7（4）：359-374.

[32]WANG C L，AHAMED P K.Dynamic capabilities：a review and research agenda[J].International journal of manage？ ment reviews，2007，9（1）：31-51.

[33]TALLOTT M，HILLIARD R.Developing dynamic capabili？ ties for learning and internationalization：a case study of di？ versification in an SME[J].Baltic journal of management，2016，11（3）：328-347.

[34]HARNEY B，FALLON-BYRNE L.Microfoundations of dy？ namic capabilities for innovation：a review and research agenda[J].Irish journal of management，2017，36（1）：21-31.

[35]PETERAF M，DI STEFANO G，VERONA G.The elephant in the room of dynamic capabilities：bringing two diverging conversations together[J].Strategic management journal，2013，34（12）：1 389-1 410.

[36]HILLIARD R，GOLDSTEIN D.Identifying and measuring dynamic capability using search routines[J].Strategic orga？ nization，2019，17（2）：210-240.

[37]PAVLOU P A，EL SAWY O A.From IT leveraging compe？ tence to competitive advantage in turbulent environments：the case of new product development[J].Information sys？ tems research，2006，17（3）：198-227.

[38]ZHOU S S，ZHOU A J，FENG J Z，et al.Dynamic capabili？ ties and organizational performance：the mediating role of innovation[J].Journal of management & organization，2019，25（5）：731-747.

[39]BITENCOURT C C，SANTINI F O，LADEIRA W J，et al. The extended dynamic capabilities model：a meta-analysis[J].European management journal，2020，38（1）：108-120.

[40]ILMUDEEN A，BAO Y K，ALHARBI I M，et al.Revisiting dynamic capability for organizationsinnovation types：does it matter for organizational performance in China？[J]. European journal of innovation management，2020（3）：1-26.

[41]杜小民，高洋，劉國亮，等.戰略與創業融合新視角下的動態能力研究[J].外國經濟與管理，2015，37（2）：18-28.

[42]簡兆權，王晨，陳鍵宏.戰略導向、動態能力與技術創新：環境不確定性的調節作用[J].研究與發展管理，2015，27（2）：65-76.

[43]彭新敏，姚麗婷.機會窗口、動態能力與后發企業的技術追趕[J].科學學與科學技術管理，2019，40（6）：68-82.

[44]金昕，陳松.知識源戰略、動態能力對探索式創新績效的影響——基于知識密集型服務企業的實證[J].科研管理，2015，36（2）：32-40.

[45]朱曉紅，陳寒松，張騰.知識經濟背景下平臺型企業構建過程中的迭代創新模式——基于動態能力視角的雙案例研究[J].管理世界，2019，35（3）：142-156，208.

[46]ERICKSON S，ROTHBERG H.Big data and knowledge management：establishing a conceptual foundation[J].The electronic journal of knowledge management，2014，12（2）：108-116.

[47]HSU L C，WANG C H.Clarifying the effect of intellectual capital on performance：the mediating role of dynamic capa？ bility[J].British journal of management，2012，23（2）：179-205.

[48]SZULANSKI G.Exploring internal stickiness：impediments to the transfer of best practice within the firm[J].Strategic management journal，1996，17（S2）：27-43.

[49]LIU H F，SONG D D，CAI Z.Knowledge management capa？ bility and firm performance：the mediating role of organiza？ tional agility[EB/OL].[2020-11-25].https：//aisel.aisnet.org/ cgi/viewcontent.cgi？article=1224&context=pacis2014.

[50]WADE M，HULLAND J.Review：the resource-based view and information systems research：review，extension，and suggestions for future research[J].MIS quarterly，2004，28（1）：107-142.

[51]ELBASHIR M Z，COLLIER P A，SUTTON S G，et al.En？ hancing the business value of business intelligence：the role of shared knowledge and assimilation[J].Journal of in？ formation systems，2013，27（2）：87-105.

[52]HAIR J F，RINGLE C M，SARSTEDT M.PLS-SEM：in？ deed a silver bullet[J].Journal of marketing theory and prac？ tice，2011，19（2）：139-152.

[53]HENSELER J，RINGLE C M，SINKOVICS R R.The use of partial least squares path modeling in international market？ ing[J].Advances in international marketing，2009，20：277-319.

[54]FORNELL C，LARCKER D F.Structural equation models with unobservable variables and measurement error：alge？ bra and statistics[J].Journal of marketing research，1981，18（3）：382-388.

責任編輯：陳詩靜

E-business Platform Big Data Analysis Value Chain Strategy from the Perspective of Knowledge Dynamic Capability

FENG Jia-dong

（School of Business Management，Inner Mongolia University of Finance & Economic，Huhhot 010070，Inner Mongolia，China）

Abstract：The dissemination of e-commerce big data information technology increases the visibility of service innovation. To adapt to the competition environment of multidimensional element interaction platform，based on the abundant data resource of e-commerce platform，we could improve the dynamics，flexibility，and responsiveness of strategic planning by using big data analysis，cultivate a pattern that can rapidly integrate and organize resources，realize the sustainability of business value transmission，and meet the requirement of competitive confrontation and interaction，and timeline dynamic evolution. Because of this，we could，based on big data analysis，knowledge management，dynamic capability，business process theory，and directive online investigation data，formulate the big data analysis value chain strategy（BDAVCS）to analyze the relationship between big data analysis，dynamic capability and process innovation，and the core competitiveness and strategic performance. It is found that：big data analysis can realize the effective internal and external knowledge management，help the enterprises to cultivate their dynamic capability，foster the core competitiveness，and improve strategic performance；big data analysis can improve the flexibility of enterprise organizations，and can be used as the strategic investment for the enterprises to survive and develop in competition；both the external and internal knowledge management could independently operate to generate knowledge dynamic capability （KDC），while we should pay more attention to the external knowledge management because of its more significant effectiveness；knowledge sharing is the potential barrier for process innovation，and knowledge sharing with business partners should be carried out through a suitable way；and dynamic capability can not only have direct impact on process innovation and core competitiveness，but also play the role in mediating the impact of knowledge asset on competitiveness. Generally speaking，big data analysis can improve core competitiveness byhaving influence on dynamic capability and process innovation；dynamic capability plays the mediatory role between knowledge management and process innovation，and core competitiveness （strategic performance）；and e-business platforms should objectively understand the potential value of big data analysis，involve it into IT technology，form the strategic coordination，and finally improve the marginal performance of knowledge innovation.

Key words：BDAVCS；KDC；knowledge management；process innovation；core competitiveness