大數據分析能力、協同創新能力與協同創新績效

任 南，魯麗軍,何夢嬌

(1.江蘇科技大學服務制造模式與信息化研究中心,江蘇 鎮江 212003；2.江蘇科技大學經濟管理學院,江蘇 鎮江 212003)

為了推動制造業轉型升級，2015年國務院出臺《積極推進“互聯網+”行動的指導意見》，鼓勵制造業骨干企業通過互聯網與產業鏈各環節緊密協同以實現網絡化制造模式。作為產業鏈協同的重要一環，企業間協同過程中會產生大量數據，這些數據會掩蓋有價值的信息，其中噪聲數據、低質數據還會對企業間協同績效、產業鏈運行產生嚴重負面影響[1]。在這樣的背景下，有學者提出企業擁有大數據分析能力(BDAC)成為推進企業間協同創新的必要因素[2]，但對企業擁有大數據分析能力如何影響協同創新缺乏相應的理論詮釋和實證檢驗。與此同時，大數據分析能力作為一個多維變量[3]，其各維度之間是否存在關系以及各維度對企業間協同創新的影響作用是否存在差異，也缺乏相應的研究。在協同創新能力(CIC)與協同創新績效(CIP)方面，雖有學者認為協同創新能力對協同創新績效有積極影響[4]，但有關協同創新能力、協同創新績效的定義更多站在企業自身角度，缺乏基于企業間協同互動視角的理解。

基于此，本研究選取全國217家制造企業為實證對象，探析企業大數據分析能力各維度間的影響關系；各維度對協同創新能力、績效是否有影響以及如何影響；協同創新能力對協同創新績效是否有影響以及如何影響。

1 理論回顧與研究假設

1.1 大數據分析能力

Davenport等認為,大數據分析能力由開放性資源平臺和大數據人力資源能力構成[5]。Akter等認為大數據分析能力由大數據技術和大數據人員能力構成[6]。Wang等認為大數據分析能力由信息技術基礎設施和分析能力、預測能力構成[7]。但資源基礎理論認為，企業獨特的能力是一系列有形、無形等資源的集合。可見，前述定義并未考慮大數據分析能力中的無形資源。依據該理論，Gupta認為大數據分析能力由大數據有形、人力、無形三種資源構成[3]。借鑒其維度劃分方式，本研究也將大數據分析能力劃分為有形資源(BDTR)、人力資源(BDHR)、無形資源(BDIR)三種資源，但在有形資源方面，Gupta認為其包括專業的技術，數據和基礎資源，且技術主要指各種分析、存儲、可視化等技術，數據側重指對數據資源的獲取與整合，基礎資源指對大數據所能投入的時間與投資，而本研究傾向于有形資源體現為已有資源，且數據資源的獲取與整合需要企業內部專業人員依托專業大數據技術才能實現，本研究認為將其放入大數據人力資源維度更為合理；在大數據人力資源方面，Gupta認為其主要包括對企業內外部數據的分析、處理以及進行需求預測所需要的能力，結合數據獲取與整合能力的調整，本研究中的大數據人力資源包括數據獲取與整合能力、分析能力以及預測能力；在大數據無形資源方面，本研究完全借鑒Gupta的研究成果，包括組織學習強度和數據驅動文化。

1.2 協同創新能力

隨著創新復雜性增強，傳統線性創新范式逐漸被開放式創新模式所顛覆，學術界從研究協同創新結果轉向探析企業協同創新能力，認為企業的協同創新能力主要是指供應商開發、參與以及集成[8]，組織創新能力、技術創新能力、產品開發能力、市場創新能力[9]等。但此類定義關注的是創新主體自身，而協同創新的本質是協同創新主體通過要素互動形成創新合力并實現創新績效的協作行為。基于互動視角，本研究認為企業的協同創新能力主要表現為企業與產業鏈其他節點企業間的耦合互動及多樣化協作。這些互動和多樣化協作主要表現為各創新主體在技術、戰略、組織、制度等創新要素方面的協同[10]。借鑒 “戰略—知識—組織”三重互動的協同創新模式[11]，并考慮到制造企業在產品開發過程中注重保持合作企業技術創新活動以及技術標準的一致性。因此，本研究認為企業的協同創新能力主要表現為企業與其他企業在技術、組織以及戰略三方面的協同。

1.3 協同創新績效

對于協同創新績效，目前還沒有一個統一的定義。多數學者從企業的目標實現程度來評價協同創新績效，認為企業層面的協同創新績效主要體現在專利和獲獎情況[12]、流程創新以及管理創新[13]等方面。但Wang認為創新績效的衡量應該從市場和運營兩個方面著手[14]。相比企業的自主創新績效，企業間的協同創新績效源于各協同主體協同創新的結果，主要表現為各協同主體共同完成產品投入市場以及協同過程中的運行效率。基于此，本研究主要采用Wang的研究成果，從市場、運營兩方面衡量協同創新績效。

1.4 大數據有形資源與人力資源、無形資源

隨著互聯網的迅猛發展，各種數據爆發式增長給數據存儲、管理以及分析帶來了極大的挑戰，而大數據技術給數據采集、信息抽取、集成、分析等提供了強大的技術支撐。利用大數據技術，企業可以對各類數據進行實時分析，可以從大量數據中分離出有價值的信息，從而對市場發展趨勢、競爭環境以及客戶行為做出正確預測。企業擁有大數據技術可以有效提高企業的組織學習強度。大數據技術還可以促進數據信息在企業內部的交流共享，這有利于促進數據驅動文化的建設。基于此，提出假設H1a：大數據有形資源對大數據人力資源具有顯著的正向影響；H1b：大數據有形資源對大數據無形資源具有顯著的正向影響。

1.5 大數據分析能力與協同創新能力

(1)大數據有形資源與協同創新能力。協同創新過程中會產生大量數據，而數據的獲取、傳輸、共享均依賴于信息技術的創新及應用，大數據技術的出現能很好地解決這些問題。例如，大數據信息化平臺的搭建，有利于企業及時獲取內外部有關技術研發和產品生產的最新信息，便于企業實時掌握合作進度，便于企業間進行信息交流、共享以及合作管理過程的靈活化[7]，這有利于實現企業間技術和組織協同。大數據技術促進節點企業采用靈活的扁平化組織結構，這將大幅度減少企業的管理層次，企業內部溝通將更加順暢，有利于產業鏈整體價值觀在各企業內的傳播，還可實時監測產業鏈協作的整體價值觀在各企業得到認同的程度[15]。基于此，提出假設H2a：大數據有形資源對協同創新能力具有顯著的正向影響。

(2)大數據人力資源與協同創新能力。對獲取的客戶需求、客戶意見等反饋信息進行充分挖掘和深度分析，可以獲得技術研發和產品生產、質量等多方面有價值的信息，這些信息可以促進技術研發，提高技術協同創新能力[16]。對供應商的產品質量、交貨時間、交貨保證和成本等方面數據進行分析，能夠確定各供應商的相對優勢，促進同一產業鏈上同一種業務類型的企業之間進行合理組織分工[17]。動態環境下，管理層和決策制定者通過大數據分析能預測市場變化情況，并且管理者和決策者依托大數據分析結果制定企業的運行戰略，可以使企業戰略與產業鏈整體戰略相匹配[6]。基于此，提出假設H2b：大數據人力資源對協同創新能力具有顯著的正向影響。

(3)大數據無形資源與協同創新能力。通過學習，企業可以利用外部知識源的技術知識溢出機會，促進不同領域技術的融合與全球范圍內的技術資源整合，從而提升企業協同創新能力[18]。在擁有數據驅動文化的企業中，管理層能夠給供應鏈伙伴分工和權力方面提供正確的指導，實現企業間的組織協同；員工能夠實時發現技術研發和產品生產過程中出現的問題，從而采取措施實現企業間的技術協同[19]。基于此，提出假設H2c：大數據無形資源對協同創新能力具有顯著的正向影響。

1.6 大數據分析能力與協同創新績效

(1)大數據有形資源與協同創新績效。大數據信息化平臺的建立為企業充分獲取有關市場發展趨勢、合作伙伴供需、顧客需求以及技術研發等多方面數據資源提供了條件。依托市場和合作伙伴的供需信息，企業可以及時整合企業生產資源，調整生產進度，從而滿足合作伙伴的供貨需求以及整個市場需求[20]。依托顧客的反饋信息和最新的技術研發信息，可以提升企業的技術研發水平，從而提高產品的競爭力[21]。與此同時，大數據信息化平臺的建立，為企業間溝通交流提供了便捷通道，有利于合作雙方及時處理合作過程中出現的矛盾與問題，提升供應鏈信息化管理的水平，有利于供應鏈優化與升級，從而產生更多的價值[1]。基于此，提出假設H3a：大數據有形資源對協同創新績效具有顯著的正向影響。

(2)大數據人力資源與協同創新績效。IT能力能直接促進協同創新主體間關系機制和知識共享機制的建立，優化創新主體管理流程，對協同創新績效產生影響[22]。大數據時代，企業僅有數據資源并不一定帶來創新績效的提升，需要對數據資源進行整合和深度分析，并且整合和分析的效果越好，協同創新績效就越高[23]。企業進行大數據預測性分析可以提高供應鏈的靈活性，而供應鏈靈活性的提高可以提升供應鏈整體績效[24]。基于此，提出假設H3b：大數據人力資源對協同創新績效具有顯著的正向影響。

(3)大數據無形資源與協同創新績效。以數據驅動的文化作為企業的主導，領導層總是基于數據對有關情況進行分析和預測，能有效適應內外環境的變化，能有效分析供應鏈合作伙伴的需求，提高供應鏈運作水平，最終維持整體效益[19]。哈佛商業評論的一側調查結果顯示，數據驅動文化對供應鏈的成功運行至關重要[25]。基于此，提出假設H3c：大數據無形資源對協同創新績效具有顯著的正向影響。

1.7 協同創新能力與協同創新績效

企業間協同可以促進產品創新，提高協同創新績效[26]。具體來說，企業間技術協同可以實現資源互補，獲取企業不具備的技術研發優勢，提高企業的創新績效，企業間生產協同，可以極小化生產成本，獲得更多的合作優勢[27]。企業間戰略協同有利于增強合作雙方之間信任，雙方也就更加積極主動參與到協同創新活動中，加強信息的交流與共享，充分利用各自的優勢資源達成協同效應，提升協同創新績效[11]。基于此，提出假設H4：協同創新能力對協同創新績效具有顯著的正向影響。

本研究的概念模型如圖1所示。

圖1 概念模型

2 研究設計

2.1 變量測量

為確保測量項的信度及效度，本研究以已有文獻研究結論和部分成熟子量表為基礎，并結合具體的研究問題，按照簡潔、準確的原則設計變量的測量項。具體如下：

(1)大數據分析能力的測量。大數據有形資源、無形資源測量項的設計參考了Gupta[3]等人的研究成果；大數據人力資源測量項的設計參考了謝衛紅[15]等人的研究成果。

(2)協同創新能力的測量。技術協同測量項的設計參考了司林波[28]的研究成果；組織協同測量項的設計參考了Akhtar[19]、Fayoumi[29]等人的研究成果；戰略協同測量項的設計參考了何郁冰[11]的研究成果。

(3)協同創新績效的測量。基于Wang[14]的研究成果，協同創新績效體現在市場績效和運作績效兩個方面，而二者具體的測量項均來自路正南[30]等人的研究成果。

問卷采用了通用的李克特五級量表形式，其中1代表“非常不同意”，5代表“非常同意”，具體的測量項見表2。

2.2 研究樣本

本研究通過專業的問卷發放網站—問卷星進行問卷的發放。共面向制造企業發放問卷300份，實際回收300份，剔除無效問卷93份，得有效問卷207份，有效回收率為69%。其中，從企業成立年限來看，成立10年以上的占48.64%，成立9年的占26.82%；從企業性質來看，私企占60.46%，國企占16.82%；從員工數來看，擁有101～500人的企業數量最多，占48.18%，500人以上的占42.27%。從調查對象職位來看，均為中高層管理者；從工作年限來看，4年以上工齡的占81.36%：從受教育程度來看，大學及以上學歷的占97.27%。

2.3 信度與效度

信度檢驗方面，依據Cronbach’s α值判斷量表的信度，如表1所示，各潛在變量的Cronbach’s α均大于0.7，表明量表具有較好的信度。

效度檢驗方面，從收斂效度和區別效度對量表效度進行檢驗。在收斂效度方面，用因子載荷、AVE、CR三項指標來檢驗，如表2所示，測量項因子載荷均大于0.5，變量的AVE大于0.5，CR大于0.7，可知量表具有較好的收斂效度。在區別效度方面，依據每個變量的AVE的開方與該變量與其他所有變量的相關系數之間的關系。經計算，每個潛變量的AVE的開方均大于該變量與其他所有變量的相關系數，表明量表具有較好的區別效度。

表1 信度檢驗

表2 收斂效度檢驗

3 研究結果

3.1 描述性統計及相關性分析

如表3所示，變量間相關系數都是顯著相關，初步驗證了研究假設，為后續路徑分析奠定基礎。

3.2 假設檢驗

首先基于圖1的概念模型，給出本研究的結構方程模型，如圖2所示。其次對模型整體擬合度進行評價，見表4，各擬合指標均在可接受范圍內，因此認為模型整體擬合度較好。然后使用AMOS24.0的路徑分析對結構方程模型中路徑系數進行分析，見表5，大數據有形資源與人力資源、無形資源的路徑系數達到顯著水平，假設H1a、H1b成立；大數據有形資源與協同創新能力的路徑系數未達到顯著水平，假設H2a不成立；大數據人力資源、無形資源與協同創新能力的路徑系數達到顯著水平，假設H2b、H2c成立；大數據有形資源、人力資源、無形資源對協同創新績效的路徑

表3 變量的描述性統計及相關系數

注：**代表在0.01水平上顯著相關(雙尾檢驗)，括號中數據為AVE的算術平方根。

圖2 結構方程模型

擬合指標X2/dfGFIRMSEATLICFIPGFIPNFI實際結果1.6570.8460.0550.9250.9320.7160.766建議范圍<3>0.8<0.08>0.9>0.9>0.5>0.5

系數均未達到顯著水平，假設H3a、H3b、H3c不成立；協同創新能力與協同創新績效的路徑系數達到顯著水平，假設H4成立。

表5 路徑系數與假設檢驗

4 結論與啟示

本研究通過實證分析得出如下結論：①大數據有形資源對大數據人力資源、大數據無形資源均具有顯著的正向影響，且大數據有形資源對大數據人力資源的影響作用強于大數據有形資源對大數據無形資源的影響作用。②大數據有形資源對協同創新能力、協同創新績效沒有顯著的直接影響，通過大數據人力資源、大數據無形資源對協同創新能力產生間接影響。③大數據人力資源、大數據無形資源均通過協同創新能力對協同創新績效產生間接影響，且大數據無形資源對協同創新能力的影響作用強于大數據人力資源對協同創新能力的影響作用。④企業的協同創新能力對協同創新績效具有顯著的正向影響。

本研究結論的管理啟示在于：一方面，企業投資大數據技術是形成大數據人力資源、大數據無形資源的基礎，是促進企業間協同創新的一個前提條件，因此企業要加大對大數據分析技術的引進，形成完善的大數據技術體系。另一方面，在同等大數據有形資源條件下，大數據無形資源的形成相比大數據人力資源的形成需要企業付出更長的時間、更多的精力，但形成后的大數據無形資源在提升企業的協同創新能力方面發揮的作用更大。因此企業在引進專業的大數據分析技術后，不僅需要企業對員工、管理人員進行專業的技術培訓，讓其掌握相應的分析技能，參與相應的數據分析案例實踐，提高企業整體數據分析與預測能力，更需要企業轉變傳統經驗式、直覺式決策，吸收大數據思維，監督員工時刻依據數據分析結果解決問題，實現企業內數據公開共享，促使企業內部養成良好的數據分析習慣，從而建設數據驅動文化。

本研究尚存一定局限，實證數據包含了國企、私企等不同類型的企業，企業規模也存在差別，不同類型及規模的企業在大數據投入和使用情況上可能存在差異，但本研究并未過多考慮上述差異對研究結論的影響。在未來的研究中，可加入企業性質、規模等控制變量，以提高研究結果的準確性。

[1]陳永平，蔣寧.大數據時代供應鏈信息聚合價值及其價值創造能力形成機理[J].情報理論與實踐，2015，38(7)：80-85.

[2]HAZEN B T，SKIPPER J B，EZELL J D，et al.Big data and predictive analytics for supply chain sustainability：a theory-driven research agenda[J].Computers & industrial engineering，2016，101(6)：592-598.

[3]GUPTA M，GEORGE J F.Toward the development of a big data analytics capability[J].Information & management，2016，53(8)：1049-1064.

[4]張志華，陳向東.企業學習方式、創新能力與創新績效關系的實證研究[J].系統管理學報，2016，25(5)：829-836.

[5]DAVENPORT T H，PATIL D J.Data scientist：the sexiest job of the 21st century[J].Harvard business review，2012，90(10)：70-77.

[6]AKTER S，WAMBA S F，GUNASEKARAN A，et al.How to improve firm performance using big data analytics capability and business strategy alignment[J].International journal of production economics，2016，182(12)：113-131.

[7]WANG Y，KUNG L，BYRD T A.Big data analytics：understanding its capabilities and potential benefits for healthcare organizations[J].Technological forecasting and social change，2016，26(2)：1-11.

[8]LUZZINI D，BRANDON-JONES E，BRANDON-JONES A，et al.From sustainability commitment to performance：the role of intra-and inter-firm collaborative capabilities in the upstream supply chain[J].International journal of production economics，2015，165(7)：51-63.

[9]ALTUNTAS S，DERELI T，KUSIAK A.Assessment of corporate innovation capability with a data-mining approach：industrial case studies[J].Computers & industrial engineering，2016，102(6)：58-68.

[10]鄭剛，朱凌，金珺.全面協同創新:一個五階段全面協同過程模型——基于海爾集團的案例研究[J].管理工程學報，2008，22(2)：24-30.

[11]何郁冰.產學研協同創新的理論模式[J].科學學研究，2012，30(2)：165-174.

[12]解學梅，劉絲雨.協同創新模式對協同效應與創新績效的影響機理[J].管理科學，2015，28(2)：27-39.

[13]孫新波，張大鵬，吳冠霖，等.知識聯盟協同創新影響因素與績效的關系研究[J].管理學報，2015，12(8)：1163-1171.

[14]WANG N，LIANG H，ZHONG W，et al.Resource structuring or capability building? an empirical study of the business value of information technology[J].Journal of management information systems，2014，29(2)：325-367.

[15]謝衛紅，劉高，王田繪.大數據能力內涵、維度及其與集團管控關系研究[J].科技管理研究，2016，36(14)：170-177.

[16]REHMAN M H U，CHANG V，BATOOL A，et al.Big data reduction framework for value creation in sustainable enterprises[J].International journal of information management，2016，36(6)：917-928.

[17]WALKER H，BRAMMER S.The relationship between sustainable procurement and e-procurement in the public sector[J].International journal of production economics，2012，140(1)：256-268.

[18]奉小斌，陳麗瓊.外部知識搜索能提升中小微企業協同創新能力嗎?——互補性與輔助性知識整合的中介作用[J].科學學與科學技術管理，2015，36(8)：105-117.

[19]AKHTAR P，TSE Y K，KHAN Z，et al.Data-driven and adaptive leadership contributing to sustainability：global agri-food supply chains connected with emerging markets[J].International journal of production economics，2016，181(11)：392-401.

[20]CHEN A，BLUE J.Performance analysis of demand planning approaches for aggregating，forecasting and disaggregating interrelated demands[J].International journal of production economics，2010，128(2)：586-602.

[21]SALEHAN M，KIM D J.Predicting the performance of online consumer reviews：a sentiment mining approach to big data analytics[J].Decision support systems，2016，81(1)：30-40.

[22]孫金花，楊陳.新視角下IT能力與協同創新績效作用機理研究[J].華東經濟管理，2014，39(12)：104-108.

[23]林健，王亞洲.創新資源整合、團隊互動與協同創新績效(下)[J].中國高校科技，2013，23(5)：72-74.

[24]BARRATT M，OKE A.Antecedents of supply chain visibility in retail supply chains：a resource-based theory perspective[J].Journal of operations management，2007，25(6)：1217-1233.

[25]DUTTA D，BOSE I.Managing a big data project：the case of Ramco cements limited[J].International journal of production economics，2015，165(7)：293-306.

[26]KANG K-N，PARK H.Influence of government R&D support and inter-firm collaborations on innovation in Korean biotechnology sems[J].Technovation，2012，32(1)：68-78.

[27]謝宗曉，林潤輝，李康宏，等.協同對象、協同模式與創新績效——基于國家工程技術研究中心的實證研究[J].科學學與科學技術管理，2015，36(1)：63-74.

[28]司林波.裝備制造業技術協同創新運行機制構建[J].科技進步與對策，2017，34(2)：72-79.

[29]FAYOUMI A.Ecosystem-inspired enterprise modelling framework for collaborative and networked manufacturing systems[J].Computers in industry，2016，80(4)：54-68.

[30]路正南，劉春奇，王國棟.光伏產業鏈協同績效評價指標體系研究[J].科技與經濟，2013，26(1)：106-110.