知識搜尋、知識吸收與服務創新：大數據能力的調節效應

簡兆權，戴炳欽，2，盧荷芳，劉 念，胡品平，4

(1.華南理工大學工商管理學院，廣東廣州 510640；2.福建省龍巖市閩西職業技術學院財經商貿學院，福建龍巖 364021；3.武漢輕工大學管理學院，湖北武漢 430048；4.廣東省科學技術情報研究所，廣東廣州 510033）

1 研究背景

在產品科技化和同質化并存的背景下，企業如何獲得和積累競爭優勢已成為企業界和學術界討論的重要話題［1］。魏江等［1］指出，服務創新（service innovation，SI）有助于提升企業的競爭力，與客戶需求相適配的專業服務能夠推動企業轉型升級。當前，國家大力支持和推進服務業的發展，服務經濟在整體經濟結構中的占比不斷增大。隨著數字技術的快速發展和大數據應用的興起，促進了企業對運營系統的優化，提升了企業的運營效率，為企業實現SI 提供了保證［2-3］。與此同時，數字技術也使企業服務面臨需要在更加開放和動態的環境中進行創新，單個企業的知識庫很難滿足持續的SI要求，因此，企業SI 的難度變得越來越大［4］。相反，知識搜尋能夠使企業獲取與現有知識庫形成互補的多元新知識，跨越單一封閉的知識庫資源，與外部組織形成協同SI。鑒于此，本研究認為知識搜尋如何影響企業進行SI，是一個亟需解決的重要課題。

現有研究是否已經解決了以上問題？基于現有研究，Spender 等［5］認為與企業SI 相關的多元化、互補性知識可以在企業間互動中獲取，如與供應商互動獲取生產技術信息，與客戶互動獲取市場發展趨勢信息等。Kindstr? 等［6］認為多元化SI 知識的獲取增加了企業對知識庫的動態管理難度，特別是對外部搜尋所獲得知識的轉移、內化和運用到新服務中的管理難度更大。Lütjen 等［7］認為互聯網等數字技術的發展增加了單一企業SI 的難度，企業SI 模式由原先獨自創新向與外部關鍵合作伙伴協同創新轉變，企業開始重視從社會網絡中獲取競爭優勢。綜上，現有關于知識搜尋對企業SI 影響的研究主要從知識基礎、社會網絡理論、動態管理知識庫等視角展開探討。而對基于創新擴散理論視角下，知識搜尋如何通過知識吸收影響企業SI 之間關系的研究還有待深入探討。

理論界和企業界都充分重視知識搜尋對企業SI的影響［8］。例如，有研究指出知識資源、搜尋流程、搜尋范圍、高層管理者的支持程度對企業的SI 能力和創新效果均有顯著正向影響［5，8］。Moanibaa 等［9］認為，外部知識來源的多樣性和地理距離對搜索過程和服務創新的成功有很大的影響。其他研究指出知識搜尋對SI除了有直接影響外，還有間接的影響，它能夠通過對外部知識的吸收、內化（比如知識吸收）而起間接作用［10］。根據創新擴散理論，企業通過對知識搜尋獲得的知識進行吸收，可以豐富自身的知識庫，填補與知識源的知識和技術差距［11］。即知識吸收很可能在知識搜尋和SI 之間起到中介作用，然而現有研究忽視了對這一作用機制的探討。鑒于此，本研究認為企業通過對知識搜尋實施吸收、內化、重組等知識吸收程序，豐富企業自身的知識庫，從而提升企業的SI 能力。此外，作為在數字技術環境下的創新活動，企業知識吸收和SI 可能還會受到大數據能力的影響。已有研究表明，大數據分析能夠有效整合和協調企業各種資源，降低企業運營環境的不確定性和模糊性［12-13］。由此，本研究認為大數據分析作為一種邊界條件，對企業的知識吸收和SI 有著重要的影響作用。

綜上所述，本研究基于創新擴散理論視角，重點探討知識搜尋對SI 的影響，并對知識吸收在知識搜尋和SI 之間可能存在的中介作用，以及大數據能力在知識搜尋和知識吸收、知識吸收和SI 之間可能存在的調節作用進行檢驗。本研究的理論模型見圖1。

圖1 研究模型

2 理論基礎與研究假設

2.1 知識搜尋與SI

基于進化經濟學文獻［14］，知識搜尋是指根據供給和需求，在地理空間中非本地搜索解決方案所需知識和信息的行為［15-16］。Katila 等［8］認為企業的搜索實際上可以分為深度搜尋和廣度搜尋兩個不同的維度：深度搜索是指企業重復使用現有知識的頻率，搜索廣度是指企業探索新知識的范圍。統計結果表明搜索深度和廣度都與企業的產品創新數量呈倒“U”型曲線關系,搜索深度和廣度的交互作用與企業的產品創新數量呈正相關。Laursen 等［17］以工業企業為樣本，通過實證研究發現知識搜尋可以幫助企業實現和維持創新，廣泛且深入的知識搜尋與企業產品創新績效呈倒“U”型曲線關系。Verde 等［18］對知識搜尋與內部研發的研究發現，它們之間在口碑好的企業中呈互補關系，其交互作用正向影響產品創新績效；在口碑差的企業中呈替代關系，當企業知識搜尋的深度和廣度加大時，企業的內部研發努力邊際效應會減弱，其交互作用負向影響產品創新績效。

服務的無形性、不可儲存性和消費服務的即時性特征，決定了服務類產品不僅與其他有形性產品創新存在著差異，即便是同一類服務產品，在不同時間段的消費也會存在差異，服務的這種多樣化特征讓學者們對SI可以從不同視角展開研究。Gallouj［19］從新熊彼特理論的視角從發，指出Barras 在20 世紀90 年代提出的逆向創新新理論，實際上是一種從制造業的技術創新擴散到服務業SI 的理論。后來的研究者認為SI 應該以顧客為中心，企業進行SI 的主要目的是實現滿足消費者需求的目標，因此Sundbo［20］提出企業應建立捕捉客戶思想的渠道，重視SI 的后創新。以顧客為中心的后創新是讓顧客參與SI 的理想方式，后創新不應該在創新過程的早期階段尋找客戶參與，而應該在后期階段尋找，SI 的研究應該延伸到新服務首次進入市場后的一段時間。國內學者也對SI 進行了相關研究，魏江等［1］從獨占機制的角度對SI 進行了研究，指出服務業獨占性機制包含防御策略、進攻策略和顧客錨定3 種微觀機制，目的是避免企業SI 被模仿，保護企業SI 成果。劉念等［4］的研究把SI 提升到企業戰略的高度。

雖然現有研究對知識搜尋與企業創新之間的關系進行了比較廣泛的探討，但探討的企業創新基本都是聚焦于產品創新。如前所述，企業的產品創新與SI 存在差異，然而，現有研究對外部知識與企業SI 之間的關系研究還比較缺乏。已有研究表明，知識搜尋的廣度和深度對企業創新績效的作用有顯著提高［17］。由此，本研究認為，從知識搜尋的廣度和深度而言，知識搜尋對企業SI 可能有促進作用。

首先，根據創新擴散理論，企業在SI 的決策階段就已經進行了議程設置，明確了需要解決的服務問題，明確信息搜尋旨在SI，知識搜尋人員會主動尋找獲取企業互補性知識和建立捕捉客戶思想的渠道［18，20］，若有可能，企業方會積極與信息源方的人員進行雙向溝通［21］，以確認信息的真實性和加深對知識理解，提升企業對新知識的轉換接收效率。其次，企業會把通過外部搜尋獲得的知識與需要解決的服務問題進行匹配，分析這些知識能否真正解決企業所需解決的問題，一旦匹配成功，企業找到面臨問題的解決方案，企業就會把通過外部搜尋獲得的知識運用到解決企業面臨的問題上［22］。而且，從企業外部搜尋的廣度來看，通過知識搜尋可以豐富企業的知識庫，增加企業知識組合數和解決問題的方案，能有效支持企業的SI［23］。從知識搜尋深度來看，重復使用同一知識，可以加強對該知識的理解，增加熟悉程度，為SI 提供基礎［24］。由此，提出以下假設：

H1：知識搜尋和SI 間呈正向相關關系。

2.2 知識吸收的中介作用

知識吸收可分為知識吸收的過程和知識吸收的效果兩個角度。從過程角度來看，知識吸收是指知識從發出方傳遞到吸收方的過程［10］；從效果角度看，知識吸收是包括知識接收方對知識的理解、吸收和應用等階段［25］。加速合作伙伴之間的關系，能夠提升企業對合作伙伴知識的關注度，從而提升企業對合作伙伴知識的理解能力，加強對新知識的理解、吸收和應用能增加企業的知識存量，增強企業的SI能力，知識接收者在實踐中使用已吸收的新知識是知識吸收的關鍵［26-27］。周密等［28］在網絡結構層面對知識吸收的環境進行了研究，研究范圍從簡單的二元層次擴展到多元網絡的復雜層次，多元網絡具有巨大的創造知識潛力，能充分展現知識搜尋對企業創新績效的正向作用［27］。由此，探討知識吸收在知識搜尋和SI 之間的關系所起的作用，具有較強的理論意義和現實意義。目前，關于知識搜尋和SI之間的關系研究大多表明知識搜尋往往是通過知識吸收對其行為產生間接影響［10］。本研究贊同這一觀點，而且認為，知識搜尋對企業的SI 的影響不僅是直接的，也有可能是間接的，即知識吸收可能在知識搜尋和SI 之間起中介作用。

首先，根據創新擴散理論，當企業在客戶服務方面遇到難題，或發現競爭者在使用一種比自己目前使用的服務方法更有優勢的服務方法時，企業就會通過知識搜尋去獲取相關知識［22］。新知識是企業成長的重要資本，順暢的知識吸收活動能夠降低企業運作成本，提高創新效率［29］。創新擴散理論指出，創新決策過程包括獲知、說服、決策、實施、確認5 個階段。知識搜尋有助于企業獲知和確認自身與知識源企業的服務差距，促進企業與知識源企業建立互動網絡關系，通過實施知識吸收彌合企業自身與知識源的知識和技術差距，豐富企業的知識庫［11］。通過新舊知識的碰撞重組，消除企業中原有的創新干擾因素，形成企業的新慣例并進行推廣，提高企業的SI 能力，增加企業知識吸收的積極性［30］。由此，知識搜尋所獲取的與企業自身互補的知識和技術能夠正向影響企業知識吸收。

其次，李丹等［31］研究發現知識吸收對SI 有正向的促進作用。SI 作為對知識和技術依存度很高的創新行為，知識吸收也理應對其具有正向影響。根據創新擴散理論，企業將經過轉移、內化的知識與創新需求進行匹配，尋找服務問題的解決辦法［32］。一旦匹配成功，企業就會將這些知識應用到解決特定的服務問題上［22］。從另一個視角而言，結合知識基礎理論，那些創新績效相對更好的企業大多是擅長利用已吸收、內化的新知識，在實施階段將知識吸收整合到組織慣例中，作用于SI［33］。知識吸收目標是致力于提升企業的創新績效，它是一個中間機制，并不是最終結果［34］。由此，企業將知識吸收內化和匹配能夠正向影響企業SI。

綜上所述，知識搜尋通過所獲取的與企業自身互補的知識和技術正向影響企業知識吸收，企業將轉移的知識內化并與創新需求匹配，尋找創新服務問題的解決辦法，所以，知識吸收正向影響企業SI。由此，提出以下假設：

H2：知識吸收在知識搜尋和SI 間起中介作用。

2.3 大數據能力的調節作用

大數據能力是指以大數據思維為指導，以數據是重要資源為前提，基于組織機制和數字技術手段，科學有效地對已收集的大數據進行分析，以有效整合人才資源、技術資源和數字資源，將數據信息可視化、直觀化的一種能力［12］。它是一種為協調企業各種活動而洞察集、聚、配置和利用有價值的數據資源的能力，能夠降低企業運營環境的不確定性和模糊性，從而提升企業的競爭力和績效［13］。從動態能力的視角來看，大數據能力中的個性化、功能性和實體性能夠對企業SI 績效產生正向影響［35-36］。在數字技術快速發展的背景下，大數據能力能夠基于市場預測結果提供行業洞見和顧客需求意向，設計與市場環境匹配的SI 方案，加強知識吸收對SI 的作用，以及加強知識吸收對企業良性運營的支持作用，使得企業內部SI需求與外部搜尋的知識更適配［2］。

根據創新擴散理論，如果企業意識到所搜尋的外部知識無法給企業的創新帶來正向影響作用，那么該知識搜尋和知識吸收將會停止［37］。大數據能力能夠加快對知識的認知和吸收利用進程，在企業外部知識吸收和SI 中發揮了重要的作用［38］。企業擁有較強大數據能力能夠改善企業外部搜尋獲得的知識，加快理順多而雜的知識，促進知識吸收的進程，提升企業獲取、內化、吸收新知識的能力，增加企業知識庫的存量，提升企業的SI能力和SI效果。相反，擁有較低大數據能力的企業處理企業外部搜尋獲得的知識，知識吸收的效率和質量無法保證，與SI 需求相匹配的知識選擇效率降低，知識吸收對SI 的作用受到影響。基于此，可推斷，在高大數據能力的企業中，知識吸收對SI 的影響作用可能變強；在低大數據能力的企業中，知識吸收對SI 的影響作用可能變弱。由此，提出以下假設：

H3：大數據能力在知識搜尋和知識吸收間起到正向的調節作用。

由前文所述可知，知識吸收在知識搜尋和SI 之間可能存在中介作用，大數據能力正向調節知識搜尋對知識吸收的影響，大數據能力也正向調節知識吸收對SI 的影響。基于假設2、假設3 和假設4，本研究認為大數據分析能對該中介也可能起到調節作用，即有調節的中介。主要原因在于：在高大數據能力中，企業外部搜尋的知識得到了整合與解析，使無序變成了有序，便于企業對外部知識的理解、吸收和內化，知識吸收效率比未梳理前更高，有序的知識便于選擇和匹配SI 需求，使知識吸收對SI 的影響更顯著。而在低大數據能力的企業中，企業通過外部搜尋獲取的知識無法得到有效的梳理，雜亂無章的知識會影響知識吸收、吸收和內化，知識吸收效率變得低下，無序的知識會降低企業的SI 效率和效果，使知識吸收對SI 的影響減弱。由此，提出以下假設：

H4：大數據能力正向調節知識吸收在知識搜尋和SI 間的中介作用。

3 研究方法

3.1 樣本選擇和數據收集

本研究采用的量表來自高水平英文期刊上的成熟量表，并遵循由翻譯到回譯的程序。研究團隊先自行把英文量表翻譯成中文，再請3 位博士研究生將翻譯完的中文量表回譯成英文，如此反復，不斷修正。調查問卷采用面對面調查、郵寄和電子郵件等方式發放給企業中層或高層管理者，每家被調查企業的填表者均為1 人。調查區域和調查行業見表1。

問卷調查分為預測試和正式調查，為確保樣本數據真實有效和避免共同方法偏差，預測試和正式調查均以縱向配對的方式分3 個階段進行，3 個階段的調研對象為同一批人。第一階段的調研內容是知識搜尋、知識吸收、大數據能力，第二階段的調研的內容是SI，第三階段的調研內容與第一階段相同。在第一階段調研結束1 個月后開展第二次調研，第二階段調研結束1 個月后開展第三次調研，第一階段調研時調研者這會留下被調研者的聯系方式，以便第二和第三階段調研時找到第一階段的被調研者。第三階段結束后，調研者對比第一階段和第三階段的數據，如果發現存在較大的差異的問卷，調研者會訪問填表者，并要求被調查者確認評價結果；如果同一個被調研者在第一階段和第三階段填寫的問卷差異不大，則使用第一階段的數據。以上方式可以有效降低共同方法偏差，提高數據的精確度［38］。

預測試的目的是檢驗問卷量表的信度和效度，預測試所用數據來自面對面調查問卷。我們在2020年7 月至10 月進行了預測試，第一階段發放了232份問卷，回收169 份，第二階段針對第一階段調研有回應者發放問卷，回收133 份，第三階段針對第二階段調研有回應者發放問卷，回收103 份，剔除不符合時點匹配、主管與員工匹配、漏填、錯填和被甄別出不符合填寫條件或隨意填寫的無效問卷后，確定有效問卷86 份。通過檢驗得知，每個潛在變量的Cronbach'sα系數都大于0.7，說明變量的內部一致性良好；KMO 值是0.918(大于0.7)，巴特利特的球形檢驗值顯著(Sig.＜ 0.001)。因此，可以正式確定本研究的調查問卷。

然后，研究團隊在2020 年11 月和2021 年3 月開展了正式調查，正式調查采用郵寄和電子郵件等方式發放問卷。第一階段發放了517 份問卷，第二階段針對第一階段調研有回應者發放問卷，回收263份，第三階段針對第二階段調研有回應者發放問卷，回收182 份，剔除不符合時點匹配、主管與員工匹配、漏填、錯填和被甄別出不符合填寫條件或隨意填寫的無效問卷后，確定有效問卷127 份，加上預測試有效問卷86 份，最終獲得有213 份有效問卷。接著，本研究對213 個樣本的行業特征、公司性質、公司所在區域、服務年限、公司規模等基本特征數據進行描述性統計分析。分析結果見表1。

表1 樣本數據基本特征

3.2 研究測量工具

本研究所采用的測量量表均來自國內外核心期刊的成熟量表，對于英文量表課題組嚴格按照翻譯—回譯的程序，將英文量表翻譯成適合中國情境的中文量表。本研究所有題項均采用Llikert 五點量表進行測量，從“非常不同意”到“非常同意”用1～5 表示。

知識搜尋：該潛變量測量采用Laursen 等［17］開發的4 個維度，16 個題項。如“您所在的企業在創新過程中是否使用專家或顧問的知識來開展相關的活動”。本研究中，其Cronbach'sα系數為0.82。

知識吸收：該潛變量采用Gao 等［39］開發的2個維度，6 個題項。如“因為和關聯企業的合作關系，我們得到大量的技術知識”。本研究中，其Cronbach'sα系數為0.871。

大數據能力：該潛變量采用唐擁軍等［36］學者開發的3 個維度，11 個題項。如“我們能夠獲得足夠的數據分析所需的專業人才”“我們能夠獲得足夠份數據分析所需的技術設備和技能”。本研究中，其Cronbach'sα系數為0.938。

SI：該潛變量采用Salunke 等［40］學者開發的1個維度，6 個題項。如“您是否同意您所在的企業在服務的產出方式上采用了新的舉措并且直接或者間接地為企業或者顧客帶來了新的價值”。本研究中，其Cronbach'sα系數為0.886。

控制變量：鑒于公司規模、公司性質、應用大數據年限、企業提高服務年限等變量會影響因變量SI，本研究將以上變量作為控制變量。其中，本研究將公司性質設置分類變量，1 為國有企業，0 為非國有企業。

4 數據分析及結果

4.1 共同方法偏差檢驗

首先，本文通過Harman 單因子法來檢驗共同方法偏差，對所有題項進行探索性因子分析后，共析出特征值大于1 的因子4 個，其中，最大因子方差解釋度是41.354%，小于50%的建議值。由于檢驗測量方法的敏感性不高，本研究還采用共同方法因子來進一步檢驗共同方法偏差。分析結果顯示，加入共同方法因子后，五因子模型的擬合度比四因子模型的擬合度沒有顯著改善（RMSEA 和SRMR 的減少值小于0.05，FLI 和CFL 的增加值不到0.1，具體分析結果見表2）。綜上，本研究的共同方法偏差在可接受范圍內。

4.2 驗證性因子分析（CFA）

本研究通過因子分析對本研究對知識搜尋、知識吸收、大數據能力、SI 等4 個變量的區分效度進行檢驗，檢驗結果見表2。從檢驗結果可以看出，四因子模型的擬合指標要顯著優于其他模型，這表明本研究的4 個變量具有良好的區分效度。

表2 驗證性因子分析結果

4.3 描述性分析

本研究各變量的相關系數、均值、標準差見表3。由表3 可以看出，知識搜尋與SI 呈顯著正相關關系（r=0.341,P＜0.001）；知識搜尋與知識吸收呈顯著正相關關系（r=0.384,P＜0.001）；知識吸收與SI 呈顯著正相關關系（r=0.499,P＜0.001）。

表3 各變量的均值、標準差及相關系數

4.4 假設檢驗

4.4.1 知識搜尋的主效應

采用多元回歸，通過SPSS23.0 對知識搜尋和SI的關系進行檢驗，具體步驟為：首先，將公司性質、公司規模、服務年限、大數據引用年限作為控制變量，SI 作為因變量放入回歸模型，回歸結果見表4 模型M1。接著，將知識搜尋作為自變量放入回歸模型，回歸結果見表4 模型M2，從模型M2 可知，知識搜尋對SI 有顯著的正向影響（B=0.291，P＜0.001），由此，假設1 得到驗證。

表4 回歸分析結果

4.4.2 知識吸收的中介效應

對知識吸收在知識搜尋和SI 間中介作用的檢驗，參考溫忠麟等［41］的中介檢驗方法，分四步對其進行檢驗。具體步驟為：首先，檢驗主效應知識搜尋對SI 是否顯著，檢驗結果見表4 模型M2，知識搜尋對SI 具有顯著的正向影響。其次，對知識搜尋和知識吸收之間的關系進行檢驗，檢驗結果見表4 模型M8，知識搜尋對知識吸收有顯著正向影響(β=0.384，P＜0.01)。然后，對知識吸收和SI 的關系進行檢驗，檢驗結果見表4 模型M3，知識吸收對SI 有顯著的正向影響(β=0.475，P＜0.001)。最后，在M1 和M2 的基礎上，加入知識吸收進行回歸，對知識吸收和SI 的關系進行檢驗，同時對知識搜尋與SI的關系進行檢驗，檢驗結果見表4 模型M4，知識吸收對SI 有顯著影響(β=0.430，P＜0.001)，但知識搜尋對SI 影響的顯著性消失(β=0.126，P＞0.05)。這說明知識吸收在知識搜尋和SI 之間起了完全中介作用。為了計算知識吸收的中介系數，以及進一步驗證其中介效應，采用SPSS 中的Process 宏程序檢驗知識吸收的中介效應。檢驗結果顯示，知識吸收的中介效應顯著，系數為0.219 1，置信區間為(LLCI=0.130 5，ULCI=0.324 1)。由此，假設2 得到證實。

4.4.3 大數據能力的調節效應

大數據能力對知識搜尋和知識吸收之間的調節效應檢驗具體步驟如下：首先，檢驗知識搜尋對知識吸收影響的顯著性。其次，將知識搜尋和大數據能力放入回歸方程，檢驗知識搜尋的顯著性。然后，將中心化后的知識搜尋和大數據能力的交乘項放入回歸方程，檢驗交乘項的系數的顯著性。由于知識搜尋對知識吸收的顯著性已經被證實，且由表4 中的模型M9 可知，在將知識搜尋和大數據能力同時放入回歸方程后，知識搜尋對知識吸收有顯著的正向影響(β=0.211，P＜0.001)。最后，將知識搜尋和大數據能力的交互項放入回歸方程，從模型M10 的結果可以看出，知識搜尋和大數據能力的交互項顯著(β=0.144，P＜0.05)。這表明大數據能力在知識搜尋和知識吸收間起正向調節作用。有關調節效應見圖2，因此，假設3 得到證實。

圖2 大數據能力對知識搜尋和知識吸收的調節作用

4.4.4 被調節的中介效應

本研究運用SPSS 中Process 宏程序中的模型7對被調節的中介效應進行檢驗。其中，高大數據能力是指高于大數據能力均值的一個標準差，低大數據能力是指低于大數據能力均值的一個標準差，結果見表4 下半部分。在低大數據能力下，知識吸收的中介效應較弱且不顯著（r=0.719，SE=0.046 5，BootLLCI=-0.030 2，BootULCI=0.158 7），在 高大數據能力下知識吸收的中介效應較強且顯著（r=0.198 7，SE=0.057 0，BootLLCI=-0.091 9，BootULCI=0.313 8）。且高低大數據能力下知識吸收的中介效應差異的置信區間不包含0，說明差異顯著。Hayes（2015）認為INDEX 指標可以對調節效應作出進一步判斷。由表4 底部數據可以看出，INDEX值為0.063 8，置信區間是［0.002 8,0.139 5］，沒有包含0。因此可得，大數據能力對知識吸收在知識搜尋和SI 間的中介效應有調節作用。由此，假設4得到證實。

5 結論與啟示

5.1 研究結論

本研究的研究結論主要有：（1）知識搜尋對SI有顯著的正向影響；（2）知識搜尋通過知識吸收的中介作用能夠促進企業SI；（3）大數據能力能夠有效調節知識搜尋對知識吸收的影響，即大數據能力越強，知識搜尋對知識吸收的正向影響越強；（4）大數據能力會調節知識吸收在知識搜尋和SI 之間的中介作用，即大數據能力越強，知識吸收在知識搜尋和SI 之間的中介效應就越強。

5.2 理論意義

本研究的理論意義體現在以下3 方面：（1）本研究聚焦于SI 的前因變量，驗證了知識搜尋對SI 的促進作用，豐富了影響SI 的前因研究成果，響應了Katila 等［8］提出的企業對外部知識搜尋的深度和廣度會影響企業產品創新的觀點。并為這一領域的后續研究者提供一定的啟發。（2）為“知識搜尋為何會影響SI”這一問題提供了理論解釋視角。本研究基于創新擴散理論視角對該問題進行了探究，從一個成熟的視角來解讀知識搜尋對SI 發生的作用機制這一新問題。（3）本研究驗證了外部知識搜尋會調節知識搜尋與知識吸收之間的關系，并且通過知識吸收間接調節了知識搜尋對SI 的影響，構建了被調節的中介模型，進而豐富了SI 的有關理論。

5.3 管理啟示

由以上結論可知，由于知識搜尋對企業SI 具有促進作用，因此，企業管理者應該鼓勵和支持包括企業服務人員在內的企業員工，在日常的工作和生活中采用數字技術、面對面交流、報刊等多種渠道收集企業互補性知識，豐富企業的數據庫，以提升企業的創新服務能力；同時，在服務崗位人員選聘時，可以把知識搜尋能力作為任職條件之一。另外，由于知識吸收對企業的SI 具有顯著的正向影響，因此，企業應該重視通過外部搜尋知識獲得的互補性知識的吸收和內化程度，提升外部知識的轉移效率。此外，企業應當提升自己的大數據能力，加強對企業大數據分析人員的培訓，建立提升企業大數據能力的機制，從而提升企業外部知識吸收效率和SI 能力。

5.4 研究局限于展望

本研究還存在以下一些局限性：第一，雖然本研究從不同時點，不同地區收集了知識搜尋對SI 影響的數據，減低了同源偏差的影響，但本研究所有變量均采取企業管理人員自評方式進行測量，這可能會提高共同方法偏差，未來研究可以用員工和管理者的配對數據的方法來進一步降低同源偏差。第二，本研究僅研究大數據能力對知識搜尋與知識吸收、知識吸收與SI 的調節作用。現實環境中，對知識搜尋、知識吸收、SI 有調節作用的可能還有領導風格、企業文化、數字技術等多因素影響。因而，在未來的研究中，可以考慮從領導風格、企業文化、數字技術等層面出發，探討領導風格、企業文化、數字技術對知識搜尋、知識吸收、SI 的調節作用。