大數據分析、組織學習與商業模式創新關系研究

李忠順 王少瑜

摘 要：以動態能力為理論基礎探討了環境不確定下大數據分析對商業模式創新的影響以及組織學習在其中的中介作用。研究表明，大數據分析對商業模式創新具有顯著積極影響，探索式學習在大數據分析與商業模式創新關系中起著部分中介作用。環境不確定性在大數據分析與利用式學習二者關系中具有正向調節作用。

關鍵詞：大數據分析;商業模式創新;組織學習;環境不確定性

引言：近年來，大數據作為一種新技術、新能力和新思維，影響企業經營管理的各個方面，促進了大量新興商業模式的涌現。大數據驅動商業模式創新的內在邏輯在于應用大數據分析對海量、多來源、多類型數據進行充分挖掘，深入分析用戶真實需求，重新設計客戶價值主張，創新客戶細分標準和交易方式，進一步對價值發現、價值創造及價值實現進行全新思考。企業在大數據時代將面臨比以往更復雜、動態、不確定的經營環境，企業應用大數據分析能夠降低決策環境的不確定性，增強戰略決策的有效性，其本質是一種動態能力。在大數據分析生成大量新信息、新知識、新模式的過程中，迫切需要企業加強學習型組織建設進一步完善內部學習機制，通過組織學習提高商業模式創新活動的效率，協助商業模式適應外部環境的變化。商業模式創新是企業持續適應環境并不斷重構的動態過程，應全面考慮企業內外部因素的匹配，外部環境極有可能是大數據分析作用商業模式創新的重要邊界條件。鑒于此，本文從動態能力理論出發，檢驗組織學習在大數據分析與商業模式創新二者關系中的中介作用，以及環境不確定性對中介效應的調節作用，揭示大數據分析對商業模式創新的作用機理，為促進商業模式在大數據時代的變革和創新提供重要的理論借鑒。

一、文獻回顧與研究假設

1.大數據分析與商業模式創新

企業應用大數據分析能夠幫助企業在動態性較高的市場環境下獲取常規慣例，這是動態能力的體現。商業模式創新的定義存在多種觀點，如研究認為商業模式創新是指企業價值創造基本邏輯的創新變化，或是商業模式構成元素的變革，涉及行業價值鏈、盈利模式、企業模式中的創新，或是在技術、價值網絡等方面的創新。研究表明，大數據分析有助于商業模式創新。一些文獻通過實證論證了大數據分析能夠促進組織創新進而為企業贏得更多的績效回報。李文蓮和夏健明提出了大數據背景下商業模式創新的三維視角，即大數據資源與技術的工具化運用、商品化推動大數據產業鏈的形成、大數據所引發的商業跨界與融合，分別從企業、大數據產業鏈、行業三個層面剖析了大數據在商業模式創新中的促進作用。對此，本文提出以下假設：

H1：大數據分析能夠有效促進商業模式創新

2.組織學習的中介作用

組織學習可以分為利用式學習和探索式學習。利用式學習是對企業現有技術和能力進行提高和拓展。探索式學習用以培育新產品研發，開辟新產品和服務的市場領域。大數據分析能夠對體量龐大、結構復雜以及實時更新的企業內外部數據和信息進行獲取和處理分析，有利于推動對已有知識和信息的深度挖掘和分析，繼而更容易找到解決問題的新工具和新方法，促進企業的利用式學習。大數據分析本身作為一種全新的技能和思維，可以在海量復雜的數據中獲取新規律和新發現。對一些隱形知識來說，大數據分析通過關聯分析等新技術能對其進行全面刻畫乃至可視化形象展示，為企業帶來全新知識和創新思維，為新產品的培育、新市場發掘以及探索式學習的開展提供基礎。對此我們提出以下假設：

H2a：大數據分析對利用式組織學習有積極的正向影響

H2b：大數據分析對探索式組織學習有積極的正向影響

組織學習對商業模式創新具有促進作用。Chesbrough指出，商業模式創新的過程也是開放式學習的過程。企業通過組織學習將會創造和使用更多新產品和新創意，有效提升商業模式創新活動的效率與效能，同時還能協助商業模式對外界環境變化進行有效適應。對于企業而言，保持競爭優勢的關鍵在于通過不斷的學習來促進組織的創新程度，并在合適時機為商業模式創新提供策略性的方向。可以說，無論是利用式學習還是探索式學習，都能為商業模式創新提供不同的信息和資源。基于此，本文提出假設：

H3a：利用式學習對商業模式創新有積極的促進作用

H3b：探索式學習對商業模式創新有積極的促進作用

進一步認為，企業應用大數據分析促進商業模式創新過程中關鍵在于構建學習型組織提升組織學習的能力。組織學習將由大數據分析所獲得的資源和知識轉化成促進商業模式創新的積極因素。對此，本文提出如下假設：

H4a：利用式學習在大數據分析與商業模式創新關系中起中介作用

H4b：探索式學習在大數據分析與商業模式創新關系中起中介作用

3.環境不確定性的調節作用

企業在應用大數據分析和開展組織學習的過程中不可忽視外部環境的影響。在大數據時代這一高度不確定性環境下，通過大數據分析可以將企業內外部的各項數據進行收集，對企業內部運行狀態及外部環境或者競爭情況進行準確刻畫和全方位把握，還可以從多個維度對數據的結果進行分析和驗證，保證數據真實性，從而在高度不確定環境下為企業提供豐富的學習資源和便利條件，在廣度和深度兩個方面促進組織學習。對此，提出以下假設：

H5a：環境不確定性在大數據分析與利用式學習關系中起調節作用

H5b：環境不確定性在大數據分析與探索式學習關系中起調節作用

在環境不確定環境下，通過組織學習獲取知識是企業克服困難沖破阻礙進行商業模式創新的重要方法。通過構建學習型組織學習，可以對知識和資源形成創造性組合乃至顛覆以往的基本假設和既有的商業模式。通過開展利用式學習和探索式學習能夠獲取企業內外部知識，實現知識創新。以往研究也表明，組織學習能夠提升商業模式創新活動的效率與效能，而環境不確定性對二者關系產生著重要的影響。基于以上分析，本文提出假設：

H6a：環境不確定性在利用式學習與商業模式創新關系中起調節作用

H6b：環境不確定性在探索式學習與商業模式創新關系中起調節作用

二、研究方法

1.數據來源

本文通過對珠三角地區企業進行調查問卷收集數據，正式問卷共發放500份，最終獲得有效問卷198份，有效回收率為39.6%。其中，企業資產規模以500萬元-2000萬元為主，占19.2%。在所屬行業類型中，以服務業行業企業為主，占40.9%。

2.變量測量

主要變量采用Likert七分制量表，1表示非常低或非常不同意，7表示非常高或非常同意。大數據分析參考了Chen等的測量和描述形成。商業模式創新的量表參照了曾萍和宋鐵波的研究。組織學習參照Atuahene和Murray的描述形成。環境不確定性的測量則參考郭海和沈睿的研究量表，將行業類型、資產總額及所有制性質作為控制變量。

三、假設檢驗

1.信度和效度

檢驗結果顯示各觀測變量的Cronbach's α值和CR均大于0.85，表明各量表具有較高的信度。各主要變量間相關系數都處于顯著相關關系（見表1），這為驗證中介與調節關系假設提供了可能。首先問卷變量的測量都是借鑒成熟量表，具有較高的內容效度;其次，按照維度的劃分，建立一個5因子模型（χ2/df=2.562;RMSEA=0.089，CFI=0.960，NNFI=0.950，IFI=0.960），優于Harman單因子模型，說明區別效度較好。同時，本研究中所有題項的標準化后的因子載荷在0.59至0.94之間，并且T值顯示均具有較高的顯著性。各變量的CR值均在0.85以上，AVE值均超過0.5的門檻值，大部分都大于0.7，表明有較好的收斂效度。

2.假設檢驗

首先，采用回歸分析方法檢驗組織學習的中介效應，表2顯示了回歸分析結果。數據顯示，大數據分析對商業模式創新、利用式學習及探索式學習均有顯著正向影響（β=0.409，p<0.001;β=0.312，p<0.001;β=0.328，p<0.001），同時利用式學習及探索式學習對商業模式創新也均有顯著正向影響（β=0.165，p<0.05;β=0.572，p<0.001），故H1、H2a、H2b、H3a、H3b均獲得支持。模型6是引入中介變量對商業模式創新的影響模型，通過與模型5相比較，在引入中介變量組織學習之后，大數據分析對商業模式創新的顯著影響變弱，探索式學習對商業模式創新仍有顯著影響，而利用式學習對商業模式創新的影響沒有顯著性。根據Baron和Kenny對中介作用的判斷，探索式學習在大數據分析與商業模式創新中間起到部分中介作用，因此，H4b獲得支持，H4a沒有獲得支持。

其次，對環境不確定性的調節效應進行檢驗。根據表3中模型3、4的實證結果，大數據分析對利用式學習和探索式學習均有顯著的正向影響，結合表4的數據分析，發現大數據分析和環境不確定性對利用式學習有顯著正向影響（模型1），回歸系數分別為β=0.260（p<0.001）和β=0.284（p<0.001），對探索式學習也有顯著的正向影響（模型3），回歸系數分別為β=0.270（p<0.001）和β=0.408（p<0.001）。在模型2中，加入交互項后，交互項系數顯著（β=0.153，p<0.05且Adj-R2=0.229，p<0.05），在模型4中，加入交互項后，交互項系數不顯著（β=0.031，p>0.05）。因此，H5a獲得支持。

對于H6a、H6b的檢驗，如模型5所示，大數據分析對商業模式創新有顯著的正向影響（β=0.370，p<0.001）;模型1、3數據顯示，大數據分析對利用式學習和探索式學習均存在顯著的正向影響;商業模式創新對大數據分析、環境不確定性和組織學習的回歸（見模型6），結果顯示探索式學習對商業模式創新具有顯著的正向影響（β=0.516，p<0.001），以上步驟證明探索式學習的中介效應顯著。最后，做商業模式創新對大數據分析、環境不確定性、探索式學習以及探索式學習與環境不確定性的交互項的回歸，如模型7所示，探索式學習與環境不確定的交互項對商業模式創新的影響不顯著（β=-0.034，p>0.05），即環境不確定性在組織學習和商業模式創新的關系中不起調節作用，H6a、H6b不成立。由于只有H4b、H5a獲得支持，可以確定環境不確定性不是有中介的調節變量，也即大數據分析與環境不確定性的交互項不會通過組織學習來影響商業模式創新，環境不確定性僅在前半環節“大數據分析與利用式學習”的關系中起到了正向調節作用。

四、結論與管理啟示

本文獲得以下研究結論：（1）大數據分析對商業模式創新具有顯著的積極影響作用。（2）探索式學習在大數據分析與商業模式創新的關系中發揮了部分中介作用。（3）環境不確定性在大數據分析和利用式學習的關系中起著正向的調節作用。在管理啟示方面，首先，企業應充分把握大數據時代商業模式創新所面臨的發展機遇，結合業務需求對大數據資源和基礎設施進行相應的投入，提高企業大數據分析的應用能力。其次，企業應著力構建學習型組織，強化組織學習的能力與效果。最后，在日益動態復雜的大數據環境下，企業更應該重視通過應用大數據分析來推動對已有知識基礎和數據資源進行精煉和挖掘，加深對現有知識與資源的理解與應用，進一步拓展知識資源的內容與深度。利用大數據分析來促進深入了解市場細分和當前的競爭形勢，并通過利用式學習不斷積累的知識與經驗來提升威脅感知與規避能力，以有效應對環境不確定性帶來的影響。

參考文獻：

[1]Chen D Q， Preston D S， Swink M. How the Use of Big Data Analytics Affects Value Creation in Supply Chain Management[J].Journal of Management Information Systems，2015，32（4）：4-39.

[2]李文蓮，夏健明.基于“大數據”的商業模式創新[J].中國工業經濟，2013（5）：83-95.

[3]謝康，夏正豪，肖靜華.大數據成為現實生產要素的企業實現機制：產品創新視角[J].中國工業經濟，2020（05）：42-60.

[4]Ritter T，Lettl C. The wider implications of business-model research[J].Long Range Planning，2018，51（1）：1-8.

[5]呂鴻江，程明，吳利華.CAS視角下的商業模式設計與組織適應性[J].管理科學學報，2016，19（9）：94-108.

[6]易加斌，謝冬梅，高金微.高新技術企業商業模式創新影響因素實證研究—基于知識視角[J].科研管理，2015，36（2）：50-59.

[7]Wiener M， Saunders C， Marabelli M. Big-data business models： A critical literature review and multiperspective research framework[J].Journal of Information Technology，2020，35（1）：66-91.

[8]曾萍，宋鐵波.基于內外因素整合視角的商業模式創新驅動力研究[J].管理學報，2014，11（7）：989-996.

[9]郭海，沈睿.環境包容性與不確定性對企業商業模式創新的影響研究[J].經濟與管理研究，2012（10）：97-104.