服務外包如何影響企業知識吸收能力與績效？

丁慧平侯文華++董坤祥

摘要：本文應用知識基礎理論和組織學習理論，研究了電商企業服務外包對其知識吸收能力和績效的影響。通過天貓平臺上電商企業服務外包項目的調研發現：隨著服務外包程度的增加，電商企業的知識吸收能力和運營績效降低；而其運營經驗和運營能力會調節上述影響機制，即運營經驗和運營能力越高，外包程度對知識吸收能力和績效的負向影響越小。此外，電商運營經驗的調節作用大于電商運營能力的調節作用，即電商企業的運營經驗要比運營能力更重要。本文結論可為傳統企業轉型為電商企業提供理論指導。

關鍵詞：服務外包；運營經驗；運營能力；知識吸收能力；績效

中圖分類號：F272.3文獻標識碼：A文章編號：1003-5192（2016）05-0001-08doi：

10.11847/fj.35.5.1

1引言

電商外包服務是伴隨信息技術和電子商務快速發展的新興服務業。一方面，線下傳統企業希望通過電商實現轉型；另一方面，通過電商成長起來的網絡品牌迫切需要新的提升。因此，越來越多的企業選擇與專業的電子商務服務商合作，據天貓平臺統計，80%的品牌商欲將電商業務部分或全部托管給電商外包服務商。傳統品牌企業若不能有效整合服務商提供的新業務、新技術和新模式，便無法獲得良好的運營績效，導致雙方合作時間短，續約率低等問題。

外包具有諸如提高運營效率，縮減成本，獲得專業資源[1]，提升自主創新能力[2]，快速便捷引進外部技術和助于培育創新等正面效應；但運營外包會弱化品牌商自身組織能力，損傷跨組織協調能力[3]。Weigelt通過對網絡銀行技術外包的研究發現，過度外包會降低組織的技術整合能力，且組織前期的運營經驗可以調節因外包程度加大給外包績效帶來的負向效應[4]；此外，Whitaker等認為，在組織ITO向BPO延伸過程中，有過ITO經驗的組織更傾向于BPO，系統整合能力強的組織更傾向于開展BPO外包[5]。外包情境下組織經驗與組織創新有很強的相關性[6]，組織學習可調節組織資源獲取與組織模仿能力構建[7]，并在創業導向和創業績效關系之間起到調節作用[8]；差異化的組織運營能力是競爭優勢的來源[9]，并在IT采納與組織績效關系中起到中介作用[10]。

上述文獻雖然關注了服務外包對于組織績效的影響，并在不同情境下探討了組織學習和組織能力的作用；但尚未從項目層面識別電商企業服務外包過程中的運營經驗和運營能力，剖析其對外包程度與企業知識吸收能力和外包績效之間關系的影響。本文基于知識基礎理論和學習理論，探討了傳統企業采納電商服務外包與組織吸收能力和績效的關系，構建電商服務外包對于績效影響的實證模型。本研究旨在回答：（1）傳統企業轉型電商企業過程中服務外包如何影響企業的知識吸收能力和績效？（2）企業運營經驗與運營能力如何調節二者的關系？

與現有研究不同，本文的創新點是：（1）構建電子商務服務外包與知識吸收及運營績效的模型，并以天貓平臺上電商企業的電子商務服務外包項目為樣本，研究電商企業的服務外包對使用和同化新技術或新模式的知識吸收能力及運營績效的影響。（2）通過實證分析從運營經驗和運營能力兩個角度驗證了電商企業前期的電商外包經驗、運營能力和IT管理能力可以抵消因外包帶來整合能力及運營績效的負面影響。（3）本研究結論為傳統企業在“互聯網+”的形式下如何借助于服務外包成功轉型升級，實現可持續發展及協同創新提供了理論依據。

丁慧平，等：服務外包如何影響企業知識吸收能力與績效？——運營經驗和運營能力的調節作用

2研究理論與假設

2.1服務外包與電商企業的知識吸收能力

知識基礎理論認為知識是組織的重要資源，組織需要擁有對外部知識的吸收及轉化能力。知識吸收能力指品牌商使用和吸收新技術并整合到其自身業務流程中的能力[11]。傳統品牌商企業向互聯網經營轉型為電商企業過程中，將服務商的特有知識整合成為電商企業的組織能力，提高其核心競爭力。然而，隨著外包程度的增大，電商企業的知識吸收能力可能被削弱，其原因在于：（1）電子商務運營服務具有很強的實踐性，干中學是新業務開發、新技術采納的有效方法[12]；然而隨著服務外包程度的增加，服務外包限制了品牌商自身接觸新知識、新模式及管理實踐的機會，同時，電商企業需要投入更多的內部時間和管理成本來維護雙方的合約關系，削弱了用于學習服務外包關鍵技術和核心資源的能力。（2）服務外包實踐產生的知識多為隱性知識，在跨組織轉移過程中涉及到知識的編碼與整理，服務外包程度的加大限制了電商企業內部知識的轉移，在決策過程中容易產生錯誤的假設和結論[13]，降低了電商企業的知識吸收能力。因此，得出如下假設：

假設1電商企業服務外包程度越大，其知識吸收能力越低。

2.2服務外包與電商企業的績效

不同電商企業采納服務外包的感知風險、學習成本和所期望的時間及成本節約具有差異性，服務商應該充分理解電商企業的需求及服務外包的動機[14]，幫助電商企業利用電商運營服務知識。然而，外包程度加大可能對市場績效產生負面影響，其原因在于：（1）服務商需要深入了解所提供服務的技術屬性、實時收集品牌商的需求信息才可以了解其精準需求；服務外包程度的增加，加大了服務商收集電商企業需求的難度，從而降低了外包的績效。（2）服務商為電商企業定制服務時需要進行連續且復雜的評估和試錯過程，隨著服務外包程度的加大和市場環境的變化，電商企業的服務需求不斷調整，并與服務商重新協商合約內容，導致了雙方成本的增加和績效的降低[15]。（3）因發包方的需求具有波動性，為避免服務提交過程產生失誤，服務商需要關注電商企業對服務的接受程度，隨著服務外包程度的增加，電商企業與服務商的知識距離也增加，使得在服務提交過程中容易產生無法預測的問題，影響了電商企業外包的績效。因此，得出如下假設：

假設2電商企業服務外包程度越大，其服務外包績效越小。

2.3電商企業運營經驗的調節作用

組織學習理論認為，學習是組織通過對外部知識的了解、吸收和轉化，對組織過去從事活動評估并指導現在及將來的活動，構建企業的運營經驗，形成企業的競爭戰略。其路徑是通過從事的活動獲得經驗，總結規則，得到專業技能，為重復性的日常工作提供指導[16]。首先，服務外包過程中組織將利用前期的相關經驗和知識構建后續外包的隱性知識，可消除因外包產生的組織知識吸收能力的降低；其次，業務外包使電商企業在相關功能上分配較少的資源，降低了組織功能的效率，但是前期的學習經驗可以抵消上述影響。電商企業在前期的ITO或BPO的經驗，以及類似的平臺運營經驗中學會如何處理技術和服務在組織間的流動[17]，同時可識別有價值的服務商，維護與服務商關系，監控服務過程中合約執行情況。因此，得出如下假設：

假設3a電商企業的運營經驗對服務外包和知識吸收能力之間的關系起到調節作用，即隨著電商企業運營經驗的增加，可降低服務外包程度對知識吸收能力的負向影響。

通過組織學習和運營經驗的積累，電商企業可以抵消因服務外包的增加所導致的低市場運營績效。前期從事相關活動的經驗知識，可改進在網絡平臺運營中的績效。此外，經過重組與再創新，可以降低跨組織之間的技術轉移對知識吸收能力的負面影響[17]。電商企業從前期相關電商平臺的運營經驗可獲取客戶對產品和服務的體驗信息，幫助電商企業識別不同客戶的偏好。同時，電商企業與服務商其他形式的外包合作經驗，也可以幫助其有效管理雙方外包關系，提升服務質量，提高合約管理效率，從而獲得良好的績效，并減少因服務外包增加對績效的負向影響。因此，得出如下假設：

假設3b電商企業的運營經驗對服務外包和績效之間的關系起到調節作用，即隨著電商企業運營經驗的增加，可降低服務外包程度對外包績效的負向影響。

2.4電商企業運營能力的調節作用

組織通過開發、訪問和整合形成具有競爭戰略的運營能力，可以幫助電商企業識別有資質的服務商，并協助管理外包關系。運營能力包括系統能力和過程處理能力[18]。電商企業的系統能力指電商企業的IT系統運作情況及成熟度，IT系統可協助電商企業與運營服務商有效合作，調節因服務外包產生的知識吸收能力的降低；運營管理系統有利于信息和知識跨組織邊界傳遞，使工作流程更加標準化[19]，改善服務外包所造成的企業績效降低。電商企業的過程處理能力指傳統企業為實現互聯網轉型而構建的電子商務管理能力，專業化的電子商務能力可以改進電商企業的電商處理效率，加快服務及技術在電商企業終端客戶之間的轉移[20]，從而降低因服務外包而產生對知識吸收能力的負向效應，加快服務商與電商企業的交互速度，良好的電商運營能力可以為終端客戶提供定制產品，提高客戶滿意度[21]和服務的體驗，降低外包造成的外包績效減少。因此，得出如下假設：

假設4a電商企業的運營能力對服務外包和知識吸收能力之間的關系起到調節作用，即隨著電商企業運營能力的增加，可降低服務外包程度對知識吸收能力的負向影響。

假設4b電商企業的運營能力對服務外包和績效之間的關系起到調節作用，即隨著電商企業運營能力的增加，可降低服務外包程度對外包績效的負向影響。

綜上所述，我們構建了本文的研究模型（如圖1所示），探討服務外包、運營經驗和運營能力對知識吸收能力和績效的影響。

3研究設計與方法

為了深入、有效地分析電商企業服務外包與績效的關系，本文進行了定量的實證研究。研究方法主要采取問卷調查形式，下面將詳細闡述問卷設計、數據收集、變量測度及統計結果。

3.1樣本和數據

本研究基于中國情境下第三方平臺的電商企業服務外包項目為研究主體，首先預調研了30個電商服務外包項目，并通過對問卷的信度和效度分析及電商服務外包行業相關領域專家的咨詢，確定項目調研問卷。從2013～2015年，通過在線問卷調研和參加青島、杭州、天津和河南周口等地服務商年會發放問卷500份，收集有效問卷158份，問卷回收率在31.6%，所選樣本的電商企業年營業額在100萬以下占13.9%，100萬～200萬占8.9%，200萬～500萬占46.8%，500萬～1000萬占18.4%，1000萬以上占12.0%；按產品標準化程度從高到低抽取天貓平臺上家電、美容、母嬰、男裝、女裝、居家日用、內衣鞋類等7個類目分析，各類目比重分別為：家電占13.9%，美容占13.9%，母嬰占13.9%，男裝占15.8%，女裝占15.2%，居家日用占13.3%，內衣鞋類占13.9%；被調研者的平均年齡為28歲，男女性別比為4∶1，其工作職位電子商務項目負責人占29.1%，網絡店鋪店長占33.9%，運營經理占37.3%。

3.2變量定義與測量

服務外包程度：Gilley和Rasheed，Arbaugh通過是否（1、0表示）外包為自變量[22，23]，衡量企業外包對其績效的影響，而本文將其進行拓展，以外包程度測量服務外包，從電子商務運營過程價值鏈的角度，將品牌商外包過程分解為店鋪入駐、攝影、裝修、運營、營銷推廣、網絡營銷、數據報告、人員培訓、渠道管理和物流配送等10個部分。在借鑒Poppo和Zenger，Ang和Straub外包程度測試模型的基礎上[24，25]，得出電商服務外包程度的測量方法：電商外包程度=外包廣度×深度兩維度，其中外包廣度指電子商務業務中所包含結點活動的數目，取值范圍為0～10；外包深度指的是在電子商務服務外包中，每項活動被外包的程度，其取值是0～100%。電商企業服務外包程度如（1）式所示

SO=∑n=10，m=100%i=0，j=0RiDj（1）

其中R表示外包廣度，D表示外包深度，SO表示服務外包程度，其取值范圍為0～10。

本文界定知識吸收能力與績效為因變量，其中知識吸收能力反映了電商企業進行電子商務服務外包后可以消化、吸收和應用該模式的能力。本文參考Steensma和Corley的測量標注[26]，并結合電商企業運營的特點，用里克特量表來測量電商企業的知識吸收能力，如（2）式所示

KA=α+β+γ（2）

其中α表示電商企業是否可以為自己定制電商服務，β表示電商企業是否可以正常運營自己的電商，γ表示電商企業能否使用相關電子商務外包的技術，KA表示電商企業知識吸收能力，其取值范圍為0～3。

在借鑒傳統外包行業績效度量指標上，結合電商行業內專家訪談，本文從財務績效和服務績效兩個角度來衡量電商企業績效。其中財務績效是指運營期間店鋪交易情況，銷售目標達成情況及獲利的滿意度[27]，主要包括：（1）店鋪交易額。外包期間店鋪交易額與同行業其他店鋪相比的情況。（2）店鋪的投入產出比（ROI）。外包期間電商企業所投入相關費用與產出情況的比值，這是電商企業運營健康情況的重要依據。（3）店鋪客單價。外包期間成交金額與成交用戶數的比值。服務績效是指運營服務商所運營店鋪的服務綜合評價指標，指外包期間最終客戶體驗的服務指標變化程度，包括運營服務期間店鋪的產品與描述相符合水平、物流水平及客戶服務滿意度。本研究通過里克特量表來表示外包后電商企業各項運營績效指標與平臺內的主要競爭對手相比所處的地位，其中1表示非常低，7表示非常高。

本文界定電商運營經驗和運營能力為調節變量。其中電商企業運營經驗主要包括電商企業是否有其他形式的外包，以及電商企業前期的互聯網經營經驗，主要從兩個方面來反映：（1）前期外包經驗，本研究用0或1來表示是或否有過外包[5]。（2）前期互聯網經營經驗，通過運營渠道、運營時間和運營銷量三個指標來表示，其中運營渠道指前期在其他平臺或自運營的經驗；運營時間指電商企業參與互聯網運營的時間長短；運營銷量指運營時間和線上銷量占電商企業年度總銷量的比重。運營經驗的測量是前期外包經驗和互聯網運營經驗所述四個方面的累積加總。

電商企業運營能力包括電商企業與外包服務商的協調能力和互聯網經營能力，其度量指標來源于IT基礎設施的指標設計[28]，并結合訪談中相關領域專家意見，從而識別出電商企業運營能力衡量指標。其中協調能力可通過電商企業內部IT系統的部署來體現，主要包括電商企業的ERP系統、商務智能系統、業務流程管理系統、移動商務應用系統、OA系統等的部署情況；電商企業的互聯網經營能力主要包括：（1）有單獨的電子商務部門，（2）有電商專屬倉，（3）有線上定制的產品。上述協調能力和互聯網經營能力分別用0和1來表示是否具有或實施該方面的能力，加總后可得到電商企業的運營能力。

本文界定電商企業規模和行業類型為控制變量。電商企業規模：從規模經濟的角度來說，規模大的運營服務商，擁有更多的能力、技術與資本及動機來吸收新的能力。本文以天貓店鋪的年營業額表示電商企業規模，并界定年營業額大于500萬以上為樣本企業。

電商企業所處行業：按行業的標準化程度不同，分為標類產品、非標類產品及中間產品，不同類型的產品運營難度不同，對于模型的影響程度也有差別。本文選取成交額比較大的7個代表類目作為研究對象，按其標準化程度從高到低依次：家電、美容、母嬰、男裝、女裝、居家日用和內衣鞋等，用1～7來表示標準化程度的高低。

3.3信效度檢驗和描述性統計

3.3.1量表信效度檢驗

運用 SPSS 20.0對數據進行信度和效度分析，電商企業運營經驗和運營能力兩個量表的整體信度系數分別為0.838和0.662，均大于0.6，可以接受。兩個量表各題項的標準化因子載荷系數基本在0.4以上。電商企業外包程度、知識吸收能力和績效三個量表的整體信度系數分別為0.689、0.707和0.745，均大于0.6，可以接受。三個量表各題項的標準化因子載荷系數基本在0.4以上。上述幾個量表的效度比較理想。

3.3.2描述性統計

描述性統計結果顯示，服務外包程度與知識吸收能力和績效呈負相關（r=-0.381，p<0.01；r=-0.491，p<0.01）；電商企業的知識吸收能力與外包績效呈正相關（r=0.386，p<0.01）。此外，電商企業的年營業額與服務外包程度呈負相關（r=-0.308，p<0.01），與知識吸收能力（r=0.626，p<0.01）、績效（r=0.309，p<0.01）和運營經驗（r=0.257，p<0.01）呈正相關。

4假設檢驗與結果分析

4.1主效應假設檢驗

本文將外包程度作為自變量，分別以知識吸收能力、績效為因變量，建立回歸分析模型，驗證假設1和假設2。回歸分析結果如表1顯示。模型1和2的F值分別為33.271和58.214，對應的概率p值均小于顯著性水平0.001，表示自變量外包程度對因變量均存在顯著影響作用。DW值也均在2左右，說明模型殘差不存在自相關性，模型擬合效果很理想。調整后R2值顯示：外包程度對知識吸收能力、績效的解釋能力分別為20.1%和25.1%。

從參數檢驗結果可知，服務外包程度對知識吸收能力、績效均存在顯著的負向影響作用（p<0.05），影響系數分別為-0.311和-0.166，即電商企業外包程度每增加1個單位，電商企業的知識吸收能力和績效將相應降低0.311和0.166個單位。因此，實證結果支持假設1和假設2。

4.2電商企業運營經驗和運營能力的調節效應假設檢驗

本文調節作用的檢驗主要分三步來完成：（1）將自變量、調節變量做均值中心化轉換。（2）生成自變量乘以調節變量交互作用項。（3）進行SEM路徑分析或者回歸分析，本文采用回歸分析。將自變量、調節變量主效應項，以及自變量和調節變量交互作用項一起引入模型，通過檢測交互作用項的回歸系數是否顯著，來判斷調節變量的調節效應是否成立。

（1）共線性診斷。共線性診斷主要識別變量之間是否存在高的相關性，進而增加模型擬合誤差。服務外包程度、運營經驗和運營能力的VIF值均小于10，運營經驗×服務外包程度、運營能力×服務外包程度的VIF值亦小于10，說明各變量之間不存在明顯的共線性，可以一起放入模型進行分析。

（2）調節效應檢驗。表1顯示，電商企業運營經驗、運營能力與服務外包程度的交互項對知識吸收能力均存在顯著的影響（β4=0.226，p<0.001；β5=0.088，p<0.05）；兩個交互項對績效同樣存在顯著的影響（β9=0.279，p<0.001；β10=0.068，p<0.001）。因此，我們可以認為，電商企業的運營經驗和運營能力在服務外包程度對知識吸收能力、績效的關系中均起到顯著的調節作用，且為正向調節作用，即隨著運營經驗和運營能力的提升，服務外包程度對知識吸收能力和績效的負向影響作用會減弱。從交互項的系數大小來看，電商企業運營經驗在服務外包程度對知識吸收能力和績效的影響關系中的調節作用大于運營能力的作用。這說明，電商企業的運營經驗比運營能力在提高績效上具有更大的優勢，同時也說明，擁有較好運營能力的大型傳統企業轉型電商的績效，并不一定比有運營經驗的小企業的績效好。因此，傳統企業轉型到電商企業，在保持原有運營能力的同時，應增加電商運營經驗，以獲得更高的績效。

為了解不同電商企業運營經驗和運營能力在服務外包程度對知識吸收能力與績效的影響關系中的調節作用，本研究將調節變量分成兩組后分層回歸分析，采用Aiken和West的作圖方法[29]，并進行斜率分析。首先，將電商企業運營經驗、運營能力根據均值分為高運營經驗和低運營經驗、高運營能力和低運營能力，再比較服務外包程度對知識吸收能力和績效的影響作用及方向。如圖2a所示，在低運營經驗中，服務外包程度對知識吸收能力存在顯著的負向影響；在高運營經驗中，服務外包程度對知識吸收能力不存在顯著的負向影響。因此，電商企業的運營經驗在服務外包程度對知識吸收能力存在顯著正向調節作用的假設成立。如圖2b所示，運營經驗在服務外包程度與績效關系中的調節作用機制與知識吸收能力類似。

圖2電商企業運營經驗的調節作用

電商企業的運營能力在服務外包程度與知識吸收能力關系中的調節作用，與運營經驗的影響相似。當電商企業具有高運營能力時，服務外包程度對知識吸收能力不存在顯著的影響作用；而在低運營能力時，服務外包程度對知識吸收能力存在非常顯著的負向影響作用，且明顯高于高運營能力下的情形。運營能力在服務外包程度與績效關系中的調節作用機制與知識吸收能力類似。這說明，具有較高運營能力的大型傳統企業在轉型電商企業過程中，可以采取較高程度的服務外包，使得企業本身專注其核心競爭力，而較低運營能力的傳統企業在轉型過程中，應慎重考慮服務外包的程度，以權衡核心業務經營和績效降低之間的關系。

5結論與管理啟示

5.1結論

本文研究了電商企業的服務外包是如何影響其知識吸收能力和績效的，前人多用技術接受度模型來研究企業外包過程中的新技術采納，而本文則重點研究跨越組織邊界資源和知識的傳遞，發現過度實施服務外包會減弱其自身的知識吸收能力，進而影響運營績效；前期有過運營經驗或運營能力強的電商企業可降低因外包程度增加而產生的負面影響。

首先，本文研究了服務外包是如何削弱電商企業知識吸收能力，過度依賴服務外包會導致電商企業自身干中學能力的降低[18]，從而影響其運營績效及知識吸收能力。電商企業只有參與到服務外包的過程之中，才能構建平臺的整合能力，被動的知識積累是無意義的。若要提高電商企業對外包模塊的價值感知度，服務商需要實時收集、解釋電商企業的需求信息并進行有效反饋。由于此過程無法標準化和提前預見，從而使雙方的合約關系不斷更新，增加了談判、簽約等相關成本。

其次，本文嘗試解釋在傳統企業轉型為電商企業過程中，若企業實施外包，則其運營經驗和運營能力對績效和企業知識吸收能力具有正向調節作用。電商企業根據自身運營經驗和運營能力，選擇外包其運營經驗不足、前期沉沒成本較大的項目，當服務外包程度較低時，電商企業的運營經驗和運營能力對吸收能力和績效的調節效應并不明顯。然而，隨著服務外包程度的增大，電商企業的運營經驗和運營能力對知識吸收能力與績效的調節效應更加顯著。同時發現，電商企業運營經驗的調節作用大于運營能力的調節作用，即前期平臺運營及外包活動為后期采納服務外包提供了管理經驗和技術借鑒。

本文研究的局限性及未來的研究展望主要包括以下兩個方面：首先，本文對知識吸收能力和績效的測度主要基于問卷的數據調研所得，后期的研究可以挖掘其他維度的變量，或者考查項目外包前后的實時交易數據來度量；其次，可以將電商企業服務外包交易雙方的協作程度和努力水平等因素作為中間變量來驗證電商企業采納服務外包與績效之間的關系。

5.2管理啟示

首先，將技術采納領域中技術接收與知識吸收能力應用于電商企業的服務外包中，這有助于電商企業在選擇服務外包商時，根據其現有運營經驗和運營能力選擇服務商，并顯著提高具有較強運營經驗和運營能力電商企業的知識吸收能力和運營績效。

其次，為服務商選擇合適的客戶，提高服務外包成功率提供了理論依據?？蓽p少那些具有運營經驗和運營能力的企業在實施服務外包過程中出現的問題，降低成本，提高項目成功率。因此，服務商應將市場開發重點放在具有電商運營和外包經驗、且具有較強IT應用能力和過程處理能力的電商企業。這對雙方外包關系的管理，獲取雙方滿意績效具有重要的管理意義。

最后，研究中還考慮了電商企業運營經驗和運營能力對外包績效和知識吸收能力的調節作用。電商企業的前期運營經驗可以降低因采納服務外包造成的負面風險，電商企業擁有的相關經驗可以促進其學習及對新技術和模式的吸收，有助于服務商資源的整合，提高服務項目的績效。

參考文獻：

[1]Poppo L， Zenger T. Do formal contracts and relational governance function as substitutes or complements[J]. Strategic

Management Journal， 2002， 23（8）： 707-725.

[2]陳啟斐，王晶晶，岳中剛.研發外包是否會抑制我國制造業自主創新能力[J].數量經濟技術經濟研究，2015，32（2）：53-69.

[3]Gilley K M， McGee J E， Rasheed A A. Perceived environmental dynamism and managerial risk aversion as antecedents of manufacturing outsourcing： the moderating effects of firm maturity[J]. Journal of Small Business Management， 2004， 42（2）： 117-133.

[4]Weigelt C. The impact of outsourcing new technologies on integrative capabilities and performance[J]. Strategic Management Journal， 2009， 30（6）： 595-616.

[5]Whitaker J， Mithas S， Krishnan M S. Organizational learning and capabilities for onshore and offshore business process outsourcing[J]. Journal of Management Information Systems， 2010， 27（3）： 11-42.

[6]王永貴，王娜，趙宏文.組織記憶、組織學習與供應商創新能力關系研究——基于外包情境的實證研究[J].科研管理，2014，35（10）：1-8.

[7]代吉林，張書軍，李新春. 知識資源的網絡獲取與集群企業模仿創新能力構建——以組織學習為調節變量的結構方程檢驗[J].軟科學，2009，22（7）：76-82.

[8]Real J C， Roldán J L， Leal A. From entrepreneurial orientation and learning orientation to business performance： analysing the mediating role of organizational learning and the moderating effects of organizational size[J]. British Journal of Management， 2014， 25（2）： 186-208.

[9]Lim J H， Stratopoulos T C， Wirjanto T S. Path dependence of dynamic information technology capability： an empirical investigation[J]. Journal of Management Information Systems， 2011， 28（3）： 45-84.

[10]Benitez-Amado J， Walczuch R M. Information technology， the organizational capability of proactive corporate environmental strategy and firm performance： a resource-based analysis[J]. European Journal of Information Systems， 2012， 21（6）： 664-679.

[11]Helfat C E， Raubitschek R. Product sequencing： co-evolution of knowledge， capabilities and products[J]. Strategic Management Journal， 2000， 21（10-11）： 961-979.

[12]Ethiraj S K， Kale P， Krishnan M S， et al.. Where do capabilities come from and how do they matter？ A study in the software services industry[J]. Strategic Management Journal， 2005， 26（1）： 25-45.

[13]Pisano G P. Learning-before-doing in the development of new process technology[J]. Research Policy， 1996， 25（7）： 1097-1119.

[14]Curran J M， Meuter M L. Self-service technology adoption： comparing three technologies[J]. Journal of Services Marketing， 2005， 19（2）： 103-113.

[15]Conner K R， Prahalad C K. A resource-based theory of the firm： knowledge versus opportunism[J]. Organization Science， 1996， 7（5）： 477-501.

[16]Gulati R. Social structure and alliance formation patterns： a longitudinal analysis[J]. Administrative Science Quarterly， 1995， 40（4）： 619-652.

[17]Eisenhardt K M， Tabrizi B N. Accelerating adaptive processes： product innovation in the global computer industry[J]. Administrative Science Quarterly， 1995， 40（1）： 84-110.

[18]Gold A H， Malhotra A， Segars A H. Knowledge management： an organizational capabilities perspective[J]. Journal of Management

Information Systems， 2001， 18（1）： 185-214.

[19]Mithas S， Ramasubbu N， Sambamurthy V. How information management capability influences firm performance[J]. MIS Quarterly， 2011， 35（1）： 237-256.

[20]Banker R D I R， Bardhan S， Lin Chang H. Plant information systems manufacturing capabilities and plant performance[J]. MIS Quarterly， 2006， 30（2）： 315-337.

[21]Mithas S， Tafti A R， Bardhan I， et al.. Information technology and firm profitability： mechanisms and empirical evidence[J]. MIS Quarterly， 2012， 36（1）： 205-224.

[22]Gilley K M， Rasheed A. Making more by doing less： an analysis of outsourcing and its effects on firm performance[J]. Journal of Management， 2000， 26（4）： 763-790.

[23]Arbaugh J B. Outsourcing intensity， strategy， and growth in entrepreneurial firms[J]. Journal of Enterprising Culture， 2003， 11（2）： 89-110.

[24]Poppo L， Zenger T. Testing alternative theories of the firm： transaction cost， knowledge-based， and measurement explanations for make-or-buy decisions in information services[J]. Strategic Management Journal， 1998， 19（9）： 853-877.

[25]Ang S， Straub D W. Production and transaction economies and IS outsourcing： a study of the US banking industry[J]. MIS Quarterly， 1998， 22（4）： 535-552.

[26]Steensma H K， Corley K G. On the performance of technology-sourcing partnerships： the interaction between partner interdependence and technology attributes[J]. Academy of Management Journal， 2000， 43（6）： 1045-1067.

[27]OSullivan D， Abela A V. Marketing performance measurement ability and firm performance[J]. Journal of Marketing， 2007， 71（2）： 79-93.

[28]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.

[29]Aiken L S， West S G. Multiple regression： testing and interpreting interactions[M]. Newbury Park， CA： Sage， 1991. 9-27.