大數據能力、知識動態能力與商業模式創新
——創新合法性的調節效應

張吉昌 ,龍 靜 ,陳 鋒

(1.南京大學 商學院,江蘇 南京 210093;2.華南師范大學 經濟與管理學院,廣東 廣州 510006)

一、引言

伴隨著互聯網經濟的發展和大數據時代的到來,數據已成為土地、資本、勞動力之外的第四類重要資產,其中大數據被許多國家視為“未來的新石油”“鉆石礦”。中國政府同樣高度重視大數據在社會變革、經濟發展和產業升級中的作用,黨的十八屆五中全會公報明確強調“實施國家大數據戰略”,這標志著大數據戰略正式提升為國家級戰略。此后,中國政府圍繞大數據發展工作制定和頒布了諸多政策文件,致力于加快中國數字化進程,將中國打造成為數據強國。這一系列政策和措施,極大地推進了大數據戰略的落地,以大數據為代表的數字經濟為傳統產業升級和企業商業模式創新帶來前所未有的新機遇。相關學者指出,商業模式創新受到數字技術和網絡技術的深刻影響,但許多企業尤其是中小企業和傳統企業對大數據背景下的商業模式創新依然面臨較多困惑,缺乏深刻和系統的理論指導,亟需開展“大數據時代”對商業模式創新的影響研究[1],這是一個極具意義的研究問題[2]。

近年來,圍繞大數據與商業模式創新的關系,學者們做了諸多有益的探索。早期研究以定性分析為主。李文蓮等[2]較早從理論思辨的視角系統論述了大數據資源與技術對企業商業模式的影響。Hartmann et al.[3]易加斌等[4]提出大數據驅動商業模式創新的綜合分析框架。曾鏘[5]對大數據驅動商業模式創新的類型進行了區分。此外,關于大數據應用實踐對企業創新的影響,學術界還存在諸多爭議。大部分學者肯定了大數據應用實踐對企業創新的積極作用,但也有少數學者對該積極影響提出質疑。例如,Yang et al.[6]認為大數據資源本身并不能直接驅動企業創新,需要利用新型的大數據處理技術和工具對海量數據加以有效挖掘和應用,否則大數據將毫無用處。Ghasemaghaei et al.[7]通過實證研究發現,大數據的大體量特性對企業創新沒有發揮顯著的積極作用。隨著研究的深入,少數學者在定性分析的基礎上跳出資源與技術的視角,提煉出大數據能力這一概念,并開展相關的實證研究。謝衛紅等[8]探討了大數據能力與商業模式創新的直接關系,這是國內外較早探討二者關系的定量研究?；谀芰σ暯堑膶W者發現大數據本身的價值是有限的,只有將大數據資源上升到能力層面,充分挖掘大數據的商業價值和經驗性知識,對企業的創新活動才更有意義[9],這為揭開大數據能力對商業模式創新的作用機理提供了研究契機。

從現有研究脈絡來看,大數據能力與商業模式創新的關系探討才剛剛起步,后續研究至少可以從以下四個方面進一步探討。第一,從作用機制來看,現有文獻對于大數據能力驅動商業模式創新的影響機理研究僅僅停留在初步的認知階段,鮮有學者實證研究大數據能力對商業模式創新的影響機理,這顯然不利于企業利用大數據開展創新實踐活動[5]。第二,從作用邊界來看,現有文獻對大數據能力應用情境的考察還較為匱乏,特別是當下企業通過收集、利用消費者的行為數據進行商業模式創新時所面臨的合法性問題層出不窮[10-11],但少有學者關注,使得有關大數據有效性的研究結論大多泛泛而談[12],甚至存在諸多爭議。第三,從大數據能力的演化來看,早期研究將大數據能力視為動態能力,但近期研究指出大數據能力是促進高階動態能力形成的一種低階運營能力[13],但相關的實證證據還很匱乏。第四,從研究方法來看,現有研究以理論思辨和定性研究居多,大樣本的實證研究非常欠缺,混合方法的研究更是寥寥無幾。

大數據能力是指企業對內外部大數據資源與技術進行部署、管理和應用的能力。根據動態能力理論的觀點:一方面,動態能力具有層次性和演化性的特點,大數據能力是一種低階的運營能力,還不具備動態能力的特質,是其他高階動態能力形成的基礎[13]。另一方面,企業動態能力的關鍵是對資源的整合和重構,其中知識資源是企業形成和保持可持續競爭優勢的核心資源[14]。企業如果只具有收集大數據的能力,而不具備從大數據中提取信息并加工成知識的能力,就難以驅動和引領商業模式創新。換言之,企業需要將基于大數據資源的運營能力上升到基于知識的動態能力。因此,知識動態能力為探討大數據能力如何驅動商業模式創新提供了切入點。此外,大數據所引發的許多商業模式創新面臨合法性的問題[10]。近年來,關于“過度抓取用戶信息”“濫用用戶數據”“大數據殺熟”等事例報道引起社會的廣泛關注[15]。企業在利用大數據能力進行商業模式創新的同時還需要接受市場的檢驗并受到合法性約束[11],創新合法性是需要考慮的重要邊界條件。

本文綜合運用動態能力理論與合法性理論,探討大數據能力影響企業商業模式創新的中間機制及邊界條件,構建以知識動態能力為中介變量,創新合法性為調節變量的理論模型,利用回歸分析與模糊集定性比較分析(fsQCA)對302 家已進行大數據應用實踐的企業調查數據對模型進行檢驗。本文可能的貢獻在于:第一,拓展了企業商業模式創新的前因研究。本文除了發現大數據能力與商業模式創新的顯著正相關關系,還發現知識動態能力和創新合法性對商業模式創新的促進作用,而組態視角下不同要素組合間協同聯動對商業模式創新產生殊途同歸效果。第二,發現知識動態能力在大數據能力與商業模式創新之間起中介作用,從動態能力視角揭開了大數據能力轉化為商業模式創新過程中的“黑箱”,同時響應了Teece[16]對于動態能力與商業模式關系的探索。此外,本文聚焦于當前中國蓬勃發展的數字經濟背景,對促進數字化情境下動態能力理論的進一步成熟與發展具有一定貢獻,也是對焦豪等[17]、張吉昌等[18]研究呼吁的積極響應。第三,現有研究已經關注到大數據的合法性問題[2,15,19],但已有研究較少將創新合法性作為一個重要的情境變量來考察大數據能力與商業模式創新的關系。本文基于合法性理論,考察創新合法性對大數據能力與商業模式創新的調節效應,為后續關于大數據驅動的創新研究提供了一種新的理論視角。第四,現有研究大多停留在個案描述和定性分析的階段,缺乏實證研究。本文通過大樣本實證研究對“大數據能力如何影響商業模式創新”的問題提供新的實證證據。本文還進一步采用fsQCA方法,從組態視角探索了高商業模式創新的殊途同歸路徑,為該主題的探索提供了研究方法上的新思路。

二、文獻綜述與研究假設

(一)大數據能力與商業模式創新

2014 年,程剛等[20]首次提出大數據能力這一術語并將其內涵概括為:企業在大數據開發、管理和利用過程中,所表現出的收集、存儲、挖掘和使用大數據的能力。謝衛紅等[8]率先開發大數據能力的測量量表,隨后國外學者Lin et al.[21]基于動態能力理論提出大數據能力這一術語并開發測量量表,將其定義為:企業為實現戰略目標和經營目標而對各種高速流動的數據進行識別、收集、存儲和分析的能力。在新興數字技術和大數據蓬勃發展的時代背景下,企業與大數據之間的關系變得日益緊密,大數據作為一種新的技術工具和資源不斷推動企業商業模式創新。商業模式用于描述企業達成市場交易的邏輯和架構[22-23],其過程可以用企業創造價值、傳遞價值和獲取價值來加以概括,該過程中的每個環節都有可能成為商業模式創新的觸發點[2]。

大數據能力對商業模式創新的影響表現為以下三個方面:第一,大數據資源為企業商業模式尋找新的價值主張提供基礎[24]。大數據資源孕育著商業模式變革的潛力,當產品和服務產出過程被離散化解構、進行數字化表達后,企業能在此基礎上通過價值關聯發現新的價值主張和尋找新的商業機會。第二,企業通過整合大數據資源可以革新商業模式中的價值創造路徑。企業基于大數據設施和技術,打通各業務部門的信息交流和傳遞渠道,為吸收外部大數據資源提供堅實的軟硬件基礎,各交易方的數據貫穿整個業務流程,推動企業進行生產和服務流程的再設計與再改造。由此,傳統的企業價值創造流程得到升級甚至被顛覆,企業催生出新的創造價值方式[2,25]。第三,企業通過利用大數據的預測能力可以改變商業模式的價值傳遞方式。企業是一個決策系統,大數據的預測能力可以為企業的精準決策提供強有力的支持。傳統意義上的企業基本是“千篇一律”地向消費者傳遞產品或服務的價值,而擁有大數據預測能力的企業通過收集、整理、分析消費者海量的軌跡數據,可以有效捕捉和洞悉消費者的潛在需求和個性化需求,在傳遞產品或服務價值時能做到“千人千面”[5,26]。據此,提出假設:

H1:大數據能力正向影響商業模式創新。

(二)知識動態能力的中介作用

動態能力是指企業整合、構建和重新配置內外部資源以適應快速多變的外部環境的能力[14]。由此可見,資源是影響動態能力形成和進化的核心要素。在眾多異質性資源中,學者們普遍認為最具價值性、稀缺性、難以替代性和難以模仿性的資源是企業的知識資源,企業的各類型知識活動是促使企業動態能力形成的來源。在此背景下,Wang et al.[27]聚焦知識資源,提出了知識動態能力這一新的學術概念,將其定義為企業通過動態整合、調整和應用企業知識庫以獲取競爭優勢的能力。后續學者從不同視角對動態能力理論進行拓展和解讀,指出動態能力具有層次性以及演化性特點[28-29]。大數據能力作為一種低階運營能力可以通過驅動其他高層次動態能力的形成來為企業創造競爭優勢[30]。

基于上述觀點,本文認為大數據能力是一種低階的運營能力,是可以被其他企業模仿的,而知識動態能力則是在大數據能力基礎上發展起來的一種高階異質性能力,即難以被其他企業模仿的動態能力。首先,大數據能力可以增強企業獲取知識的能力。在知識獲取階段,大數據能力能夠顯著提升當前數字化背景下企業對于有效信息和知識的獲取,保證知識儲備的及時性和精準性,從而更好地用于內部知識結構的完善。其次,大數據能力可以提升企業對新舊知識融合的能力。在知識整合階段,大數據能力具有整合利用與共享的屬性,將已獲取的知識與當前的知識儲備進行高效融合,從而使內部人員能夠更好地學習和掌握與企業發展高度匹配的內容,協助企業提升整體的知識融合能力。最后,大數據能力可以提高企業創造知識的能力。在知識重構階段,大數據能力對于融合后的知識實施再分析,從而有效進行知識的分類,為企業創造出更符合當前趨勢和市場發展需求的知識。Chen et al.[30]指出大數據能力能幫助企業對外界環境進行掃描和解讀,為企業提供規律性知識,提前對環境進行預判,能有效激發知識創造能力。

基于動態能力理論的層次性觀點,知識動態能力是高階的動態能力,通過對知識基礎和結構的動態調整能夠幫助企業打破路徑依賴和核心剛性,識別并捕捉創新機會。從知識的角度出發,企業創新活動是指企業對新舊知識的重新組合。因此,對知識的動態管理能力會影響企業如何進行資源配置和發掘機會[31],進而驅動商業模式創新。首先,知識獲取能力拓展了企業知識來源的深度和廣度,快速識別商業模式創新的機會窗口,對創新機會進行轉換。數字化時代背景下的企業商業模式創新邊界逐漸模糊,知識來源的主體難以預先定義,顧客、競爭對手、供應商、政府等利益相關者都可能成為企業知識的來源。擁有知識獲取能力的企業可以通過開放式的形式獲取來源多樣化的知識,為商業模式創新提供知識資源支持。其次,知識整合能力幫助企業融合內外部知識、構建獨特和有價值的知識體系從而影響商業模式創新。企業在創新商業模式時需要對現有知識要素進行整合和重塑,企業把多渠道獲取的外部知識與企業內部已有的知識架構進行融合,從而為企業探尋新的發展機會提供可能性。最后,知識再配置能力是企業對整合后的知識體系進行迭代優化的能力。知識動態能力是嵌入在企業流程中的能力,其作用的發揮受到企業路徑依賴和發展機會的影響,企業通過知識的再配置可以不斷更新現有的知識結構,使能力得到進化,由此擺脫路徑依賴陷阱,捕捉新的市場機會和技術機會,最終驅動商業模式創新。

由上述分析可知,企業通過利用大數據能力可以快速完成數據資源到知識資源的轉化,生成知識動態能力,進而促進商業模式創新。國內外眾多研究成果也不同程度地對這一觀點予以支持。例如,Yang et al.[6]認為企業需要對海量數據加以有效挖掘,提取出知識和信息并加以有效利用,大數據才能有效驅動企業創新。Mikalef et al.[13]發現大數據能力驅動漸進型創新和激進型創新的路徑中,動態能力起到完全中介作用。豐佳棟[32]實證發現,大數據分析通過正向影響知識動態能力從而驅動企業流程創新。唐彬等[9]通過對螞蟻金服的案例研究發現,螞蟻金服憑借大數據能力推動了商業模式創新,而知識創造在兩者之間起到橋梁作用。據此,提出假設:

H2:知識動態能力在大數據能力與商業模式創新之間起中介作用。

(三)創新合法性與商業模式創新

合法性是指主體行為在社會建構的規范、價值和標準中是可取的、適當的或合意的[33],合法性的獲取有助于增強企業吸引和獲取資源的能力,并對組織的生存和發展具有直接而重要的影響作用[33]。創新合法性是指企業的創新行為及創新成果在社會道德、規范以及法律法規體制內能夠被利益相關者接受的程度[34]。創新合法性對商業模式創新者的影響表現在以下兩個方面[34]:一是利益相關者的認可本身即為一種關鍵資源,對企業商業模式創新的重要性毫不亞于人力、資本、技術等資源。二是利益相關者對企業創新行為的高接受度為企業商業模式創新營造了良好的外部環境。商業模式創新的合法性意味著商業模式與現有的法律法規、行業標準、社會價值體系等相吻合,能夠增強利益相關者對企業商業模式創新行為的認同和理解,這為商業模式創新創造了優質的外部環境,提高了商業模式創新的效率[11]。據此,提出假設:

H3:創新合法性正向影響商業模式創新。

(四)創新合法性的調節作用

大數據能力作為一種新穎的企業能力,在驅動商業模式創新時所表現出來的超前性和新生性往往會超越利益相關者的現有接受范圍,而創新合法性能夠增強公眾對大數據應用實踐的認知程度,為企業商業模式創新吸引更豐富、更高層次的資源和認可度。創新合法性對大數據能力與商業模式創新關系的調節作用表現在以下兩個方面。一方面,從大數據資源獲取的角度來看。新事物得到理解與支持直接關系到它對資源的動員能力,合法性對于新技術調動資源以謀存活或發展是第一位的[35]。合法性是企業調動各方面資源實現商業模式創新的“隱形門檻”,是企業在競爭環境中重要的決勝因素,也被稱為“資源中的資源”。大數據是企業經營發展的重要資源,而商業模式創新是否具有合法性是大數據能力能夠有效發揮作用的關鍵。另一方面,從大數據應用的角度來看,資源的多寡是成功變革商業模式的影響因素之一,但社會化的制度規范同樣不容忽視。合法性理論認為,商業模式創新實質上是一種“制度創新”,這種“制度創新”需要建立在合法性基礎上,需要獲得企業內外部利益方的接受與支持。在社會化的制度框架下,企業的大數據應用實踐必須符合制度規范的要求,滿足相關利益者的社會期望和認知,使股東、客戶、員工等利益相關者對大數據能力的形式、影響和結果給予認可,從而有效驅動企業商業模式創新。據此,提出假設:

H4:創新合法性正向調節大數據能力對商業模式創新的影響。

綜上,本文的研究模型如圖1 所示。

圖1 研究模型

三、研究設計

(一)研究方法

本文同時采用層級回歸法和模糊集定性比較分析方法(fsQCA)進行數據處理。一方面,層級回歸法只是依據理論構建出固定變量路徑進行簡單的統計驗證,不能分析多個前因變量的交互對企業商業模式創新的復雜作用機制,即發現多種因素之間的組態關系與“殊途同歸”效果。而模糊集定性比較分析方法是基于組態思維對各前因變量進行復雜因果性分析,是對主流定量研究中凈效應思維的一種重要補充[36]。因此,本文同時利用fsQCA 對研究中各個前因變量與商業模式創新的關系進行驗證性分析,提高研究結果的可信性與穩健性,以期獲得更具有實踐價值的研究結論。

(二)樣本選取與數據收集

本文對已開展大數據應用實踐活動的企業進行問卷調查,調查對象為企業創始人及中高層管理者。本文通過電子問卷與紙質問卷兩種形式共發放問卷500 份,共回收問卷373 份,再對回收的問卷進行逐一檢查,剔除問卷填寫不完整、選項呈現明顯規律、均為同一選項等無法進入下一步分析的問卷71 份,最終可供分析的問卷為302 份,有效回收率為60.4%。表1 匯報了樣本的基本特征。

表1 樣本基本信息的描述性統計

(三)變量測量

本文采用Likert 五級量表制作問卷。大數據能力的測量借鑒Lin et al.[21]、謝衛紅等[8]的研究,共11 個題項。知識動態能力的測量采用Wang et al.[27]和Han et al.[31]提出的量表,共9 個題項。創新合法性的測量借鑒Suchman[33]、王炳成等[34]在研究中所使用的量表,共9 個題項。商業模式創新的測量借鑒Zott et al.[22]所使用的量表,共12 個題項。此外,本文對企業的基本特征進行控制,具體包括企業年齡、規模、產權性質與所屬行業。

四、數據分析與假設檢驗

(一)信度與效度檢驗

表2 匯報了本文的量表信度檢驗結果,結果顯示各量表的克隆巴赫α 系數值與組合信度(CR)均在臨界值0.7 之上,表明本文的量表信度較高。

表2 量表的信度檢驗

效度檢驗包括內容效度、聚合效度與區分效度三個方面的檢驗。(1)內容效度方面,本文的量表均是以現有的成熟量表為基礎,并邀請相關領域的研究學者與企業從業者對量表題項的表述、問題量等方面給出改進建議,本文根據建議進行修訂后確定問卷終稿。因此,本文的量表具有較高的內容效度。(2)聚合效度方面,大數據能力、知識動態能力、創新合法性與商業模式創新的因子載荷系數均介于0.5～0.7,說明本文的量表具有較好的聚合效度。(3)區分效度方面,本文構建了一個四因子基準模型和三個對比模型,并對比其擬合程度。由表3 可知,四因子基準模型的各項指標擬合效果均優于其他三個比較模型,說明本文的量表具有較好的區分效度。

表3 量表的區分效度檢驗

(二)共同方法偏差檢驗

根據Podsakoff et al.[37]的建議,本文在事前的程序控制與事后的統計檢驗兩方面減輕與衡量可能存在的同源偏差問題。程序控制方面,本文采取如下方式進行事前控制:(1)對于英文量表,本文采取回譯的措施,進行反復比對,向受訪者提供表述清晰、易懂的問卷。(2)為了降低受訪者在填寫問卷時的心理因素干擾,本文打亂了各量表的順序、向受訪者說明了數據收集的用途并讓受訪者匿名填寫問卷。事后檢驗方面,本文采用以下兩種方法:(1)進行Harman 單因素檢驗。對所有變量的選項數據進行主成分因子分析,旋轉方式選擇無旋轉,得到KMO=0.911、χ2=3 817.625、P=0.000,第一個因子的最大方差貢獻率為26.059%。(2)比較潛變量的相關系數。本文各潛變量的相關系數均未超過0.9。這表明本文的問卷數據不存在嚴重的共同方法偏差問題。

(三)相關性分析

由表4 可知,大數據能力與知識動態能力(r=0.782,P＜0.001)、商業模式創新(r=0.727,P＜0.001)均顯著正相關。知識動態能力與商業模式創新(r=0.759,P＜0.001)顯著正相關;創新合法性與商業模式創新(r=0.622,P＜0.001)顯著正相關,這為進一步的實證檢驗奠定了基礎。

表4 相關系數分析

(四)假設檢驗

首先,本文對大數據能力與商業創新的直接關系以及創新合法性與商業模式創新的直接關系進行檢驗,實證檢驗結果如表5 所示。模型1 是基礎模型,只納入了控制變量。將自變量大數據能力納入模型1,得到模型2,顯示大數據能力顯著正向影響商業模式創新(β=0.692,P＜0.01),假設H1得到支持。模型4 顯示創新合法性顯著正向影響商業模式創新(β=0.588,P＜0.01),說明假設H3是成立的。

表5 大數據能力、創新合法性與商業模式創新間關系檢驗

其次,本文借鑒溫忠麟等[38]的依次檢驗法,檢驗知識動態能力在大數據應用能力與商業模式創新之間的中介效應。第一步,分析自變量對因變量是否有顯著影響,模型2 顯示大數據能力對商業模式創新的影響達到了顯著的正向水平(β=0.692,P＜0.01)。第二步,判斷自變量對中介變量的影響,模型5 顯示大數據能力對知識動態能力具有顯著的正向影響(β=0.776,P＜0.01)。第三步,同時檢驗自變量和中介變量對因變量的影響,模型3 顯示大數據能力顯著影響因變量商業模式創新(β=0.314,P＜0.01),知識動態能力也顯著影響商業模式創新(β=0.487,P＜0.01),但大數據能力的回歸系數有所下降(0.314＜0.692)。這說明知識動態能力的加入,削弱了大數據能力對商業模式創新的促進作用,表明大數據能力在兩者間起部分中介作用,假設H2得到支持。

最后,本文運用SPSS 23.0 軟件中自帶的Process 程序,采用Bootstrap 拔靴法,選擇5 000 個樣本數量,將置信水平設定為95%,選擇模型1 對創新合法性的調節效應進行檢驗,結果如表6 所示。在低、中、高三種不同水平的創新合法性下,自變量對因變量發生影響的直接效應值也隨之增加,并且不同創新合法性水平下的置信區間均不包含0,假設H4得到驗證。

表6 創新合法性的調節作用檢驗

為更直觀地體現調節效應,本文繪制了創新合法性的調節效果圖,如圖2 所示。

圖2 創新合法性的調節作用

(五)模糊集定性比較分析

1.數據校準。校準是指給案例和條件賦予集合隸屬分數的過程。參考Ragin[39]的建議,按照0.95、0.5、0.05 的臨界值將數據轉換為模糊集隸屬分數。各變量的校驗賦值情況如表7 所示。

表7 數據校準

2.單個條件的必要性分析。單個條件的必要性分析是檢驗某個特定的前因條件是否為結果發生的必要條件[39],分析結果如表8 所示。判斷單個前因條件是否為結果條件的必要條件的標準是看一致性水平是否大于0.9。由表8 可知,三個前因條件的一致性水平都小于0.9 這一閾值,因此三個前因條件均不構成高商業模式創新的必要條件。

表8 必要條件分析

3.條件組態的充分性分析。條件組態的充分性分析是以各前因條件的不同組合為基礎,判斷真實存在的組合是否會導致結果條件的發生。參考權威的fsQCA 研究[36],本文的一致性閾值為 0.84,頻數閾值為6。fsQCA 程序會輸出三類不同的組態:復雜組態、簡約組態和中間組態。表9 匯報的是中間組態,其中核心條件是同時出現在中間組態與簡約組態的要素[36]。組態分析結果如表9 所示,共有兩條影響商業模式創新的組態路徑。

表9 組態分析

由表9 可知,總體解的一致性為0.862,高于可接受的最低標準0.75,這類似于實證研究中的R2,表明整體方案的一致性較好;覆蓋率為0.857,表明兩條路徑可以解釋85.7%的案例。組態1 的前因構型為“大數據能力-知識動態能力”,大數據能力與知識動態能力是引致高商業模式創新的核心條件,進一步支持了假設H1,而大數據能力與知識動態能力的共同存在進一步驗證了假設H2。組態2 的前因構型為“大數據能力-創新合法性”,大數據能力與創新合法性是引致高商業模式創新的核心條件,進一步支持了假設H3與假設H4。

(六)穩健性檢驗

回歸分析的穩健性檢驗方面:一是考慮到制度環境是影響組織管理實踐有效性的重要情境因素[12],良好的制度環境有助于企業將資源更有效地運用于商業模式創新。因此,本文借鑒王小魯等[40]編制的市場化指數衡量各地區的制度環境,在回歸方程中加入制度環境這一控制變量,重新檢驗本文論。二是在加入制度環境這一控制變量后,運用Bootstrap 拔靴法再次對前文的假設進行檢驗(限于篇幅,該部分的穩健性檢驗結果未在文中匯報,留存備索)。組態分析的穩健性檢驗方面,參考Ragin[39]的建議,調整數據校準的方法,按照 “5、均值、1”的臨界值將數據轉換為模糊集隸屬分數,結果如表10 所示。上述穩健性檢驗結果均再次支持了前文的結論。

表10 組態分析的穩健性檢驗

五、結論與啟示

(一)研究結論

本文通過回歸分析與模糊集定性比較分析兩種方法實證檢驗了大數據能力對商業模式創新的影響,探討了知識動態能力的中介作用,創新合法性的調節作用。主要結論如下:

第一,大數據能力顯著正向影響商業模式創新,并且對知識動態能力具有正向促進作用。本文再次證實了大數據能力是企業商業模式創新的關鍵因素,這與以往的研究結論保持一致[8]。大數據能力對知識動態能力有顯著的正向影響,這呼應了部分學者關于大數據與知識類能力提升的相關研究[9,32]。

第二,知識動態能力在大數據能力與商業模式創新的關系中起部分中介作用。這一研究結論有效回答了“大數據能力如何驅動商業模式創新”這一難題,進一步明確了知識動態能力在大數據能力影響商業模式創新過程中的地位和作用,是打開企業商業模式創新黑箱的有益嘗試。

第三,創新合法性正向影響商業模式創新,并且正向調節大數據能力與商業模式創新的關系。這部分驗證了王炳成等[34]的研究結論。此外,李文蓮等[2]對大數據驅動商業模式創新的益處做了系統闡述,同時指出大數據本身具有陰暗面,如信息安全、隱私保護等,這是探討大數據與商業模式創新的新方向,而本文從創新合法性視角對該研究方向進行了補充和拓展。

第四,通過進一步的定性比較分析,發現存在兩條影響商業模式創新的前因組態。大數據能力、知識動態能力與創新合法性的組態匹配可以促進商業模式創新,其中,大數據能力與知識動態能力形成的組態1 和大數據能力與創新合法性形成的組態2 均能解釋超過70%的案例,說明各要素間協同聯動對驅動商業模式創新具有重要作用。

(二)實踐啟示

第一,企業應重視數據資源,培育大數據能力。隨著社會信息化程度不斷提升,經濟活動的各個環節均充斥了大量數據,企業在運營過程中也累積了許多數據資源。海量繁雜的非結構化數據為企業實施精準有效的商業分析策略帶來機遇與挑戰,管理者需要將數據資源上升到能力層面。企業只有具備對大數據資源、技術及人才的有效管理能力才能精準識別和匹配商業模式創新所需的資源,更合理地改變企業的價值主張、價值創造和價值傳遞,并提高大數據驅動商業模式創新的針對性和成功率,從而真正發揮大數據的商業價值。

第二,企業應打造知識型組織,塑造知識動態能力。數字經濟和互聯網經濟的發展與知識經濟密切相關。管理者需要區分保障企業生存的運營能力與幫助企業獲取持續競爭優勢的高階能力,在利用大數據能力變革商業模式的過程中,要發揮知識動態能力的橋梁作用,從戰略高度塑造知識動態能力。尤其是在大數據時代背景下,大數據引發的商業活動愈發密集,大數據能力的重要性不言而喻,但企業不能只停留在對大數據資源和技術的積累,更應該著眼于長遠發展,塑造基于知識的動態能力,對知識的整合、應用能力對企業具有更高的戰略價值。

第三,企業應重視商業模式創新的合法性問題,這關系到企業能否合理、正當、持續地獲取大數據資源。雖然大數據應用對企業商業模式創新起到巨大的賦能作用,但也導致了許多社會熱議的合法性問題,如“大數據殺熟”“定位服務記錄顧客位置、逗留時間”“訪問網頁記錄顧客訪問軌跡”等,這需要企業在商業模式創新和顧客權益之間尋求平衡。否則,企業就可能因為創新合法性不足而失去生存空間,自然就談不上利用大數據能力提升商業模式創新。