大數(shù)據(jù)分析能力對產品突破性創(chuàng)新的影響

李樹文，羅瑾璉，葛元骎

1 同濟大學 經(jīng)濟與管理學院，上海 201804 2 石河子大學 經(jīng)濟與管理學院，新疆 石河子 832000

引言

大數(shù)據(jù)分析能力被認為是推動數(shù)字經(jīng)濟發(fā)展的重要動力[1]，是企業(yè)利用數(shù)據(jù)管理、數(shù)據(jù)基礎設施和數(shù)據(jù)人才提供的新見解，將業(yè)務轉化為競爭優(yōu)勢的能力[2]。雖然已有研究已經(jīng)證實大數(shù)據(jù)分析能力能夠幫助企業(yè)快速提升經(jīng)營績效[3]，但并未深入探討其如何幫助企業(yè)獲得競爭優(yōu)勢。而在數(shù)字經(jīng)濟背景下，產品突破性創(chuàng)新成為企業(yè)在技術和市場方面獲得競爭優(yōu)勢的重要表現(xiàn)[4-5]，該創(chuàng)新是指采用與已有產品不同技術、比已有產品更好地滿足客戶需求，且能夠帶來技術躍遷和市場顛覆的新產品[6]。有研究發(fā)現(xiàn)，與在大數(shù)據(jù)分析能力方面落后的企業(yè)相比，領先企業(yè)能在動蕩環(huán)境中捕捉產品發(fā)展方向，獲得技術知識，開發(fā)新產品并成功實現(xiàn)產品創(chuàng)新[7-8]。尤其當前中國企業(yè)屢屢遭受國外在位企業(yè)在高端產品方面的“卡脖子”，解決這一問題更需要強化產品突破性創(chuàng)新在技術躍遷和市場顛覆方面的競爭優(yōu)勢。

進一步看，基于資源基礎觀和動態(tài)能力觀，大數(shù)據(jù)是一種重要的組織資源[2]，大數(shù)據(jù)分析能力從龐雜的大數(shù)據(jù)中分析出通用知識，并借助基于知識的動態(tài)能力將有形知識資源與無形知識資源組合為產品突破性創(chuàng)新需要的特定知識資源，為在產品創(chuàng)新活動中創(chuàng)建、更新、重新配置資源提供了工具性支持[9]。部分學者也強調知識融合是大數(shù)據(jù)分析能力向產品突破性創(chuàng)新轉化的重要路徑選擇，但知識融合不是自動的，而是在系列內部知識適配中完成的，并相繼通過知識獲取能力、知識創(chuàng)造能力和知識整合能力等基于知識的動態(tài)能力的多個過程將內部知識轉變?yōu)楫a品需要的特定知識[10-11]。因此，本研究試圖從基于知識的動態(tài)能力視角探討大數(shù)據(jù)分析能力對產品突破性創(chuàng)新的影響。

1 相關研究評述

大數(shù)據(jù)是大數(shù)據(jù)分析能力的數(shù)據(jù)基礎，是一種來自異質性和自主性資源的數(shù)據(jù)集，其規(guī)模超出了傳統(tǒng)流程或傳統(tǒng)工具捕獲、存儲、管理、分析和利用數(shù)據(jù)的能力[12]。已有研究將大數(shù)據(jù)的特征描述為“5V”，即大量(volume)、快速(velocity)、多樣(variety)、準確(veracity)和價值(value)。大量是指以指數(shù)級增長的數(shù)據(jù)數(shù)量，快速是指實時數(shù)據(jù)收集、處理和分析的速度，多樣是指在大數(shù)據(jù)環(huán)境中收集不同類型的數(shù)據(jù)，準確是指數(shù)據(jù)源的可靠性，價值是指大數(shù)據(jù)在交易、戰(zhàn)略和信息方面的有用性[13]。有部分研究在“5V”基礎上增加了可變性(variability)和可視化(visualization)特征，前者是指通過解讀大數(shù)據(jù)而獲得的動態(tài)機會，后者是指通過人工智能方法以有意義的方式表示數(shù)據(jù)[14]。

已有研究認為，大數(shù)據(jù)是一個復雜的數(shù)據(jù)集或靜態(tài)的資源集，需要借助數(shù)據(jù)的識別、收集、存儲和分析等多個動態(tài)程序發(fā)揮作用[7]。而在這些程序中，大數(shù)據(jù)分析被認為是將數(shù)據(jù)中的通用知識轉化為產品特定知識的最關鍵環(huán)節(jié)[10,15]。唐彬等[16]構建的知識創(chuàng)造模型表明，在眾多大數(shù)據(jù)處理程序中，大數(shù)據(jù)分析能夠有效地將數(shù)據(jù)庫中的數(shù)據(jù)信息轉化為特征庫中的知識。與大數(shù)據(jù)識別、收集和存儲等程序相比，大數(shù)據(jù)分析更能體現(xiàn)大數(shù)據(jù)產生商業(yè)價值的技術工具和資源轉化過程[17-18]。GANTZ et al.[19]在對大數(shù)據(jù)分析定義中著重闡述了其與大數(shù)據(jù)的區(qū)別，認為大數(shù)據(jù)分析應該圍繞數(shù)據(jù)本身、應用于數(shù)據(jù)的分析程序和分析技術3個主要特征，以一種能夠創(chuàng)造商業(yè)價值的方式呈現(xiàn)結果。為了更加突顯二者的區(qū)別，學術界逐漸采用大數(shù)據(jù)分析(big data analytics)這一概念強調從大數(shù)據(jù)中提取新見解所經(jīng)歷的過程和所使用的工具，即大數(shù)據(jù)分析不僅包含了數(shù)據(jù)本身，而且涵蓋了數(shù)據(jù)分析工具、基礎設施、可視化以及呈現(xiàn)新見解的方法[2,20]。與大數(shù)據(jù)相比，雖然大數(shù)據(jù)分析包含了更廣泛的元素，但卻忽略了組織如何運用大數(shù)據(jù)分析后的新見解來創(chuàng)造商業(yè)價值這一問題[21-22]。數(shù)據(jù)驅動是一個涵蓋多層面要素、復雜的、系統(tǒng)化的組織任務，需要來自管理者和組織的賦能，需要組織上下為數(shù)據(jù)管理和分析提供指導[2]?；趧討B(tài)能力觀的研究認為，大數(shù)據(jù)分析對績效的貢獻取決于組織動態(tài)能力，即大數(shù)據(jù)分析能力[23-24]。因此，理論界開始以大數(shù)據(jù)分析能力(big data analytics capability)表示企業(yè)在利用大數(shù)據(jù)實現(xiàn)戰(zhàn)略目標和獲得新見解的熟練程度[1]。

在信息系統(tǒng)領域，學者們已經(jīng)認識到大數(shù)據(jù)分析的商業(yè)價值不僅體現(xiàn)在簡單的數(shù)據(jù)結果或者作為一種數(shù)據(jù)分析工具，而且包含了更廣泛的商業(yè)元素[25]。為了明晰這一問題，正式提出大數(shù)據(jù)分析能力的概念，它是指組織使用數(shù)據(jù)管理、基礎設施和人才為組織發(fā)展提供新見解，并將業(yè)務轉化為競爭優(yōu)勢的能力[2]。與基于知識的動態(tài)能力強調的知識基礎不同，大數(shù)據(jù)分析能力更強調取得競爭優(yōu)勢的數(shù)據(jù)基礎，而數(shù)據(jù)基礎是知識基礎的知識來源[10]。與一般動態(tài)能力不同，大數(shù)據(jù)分析能力是一種能夠通過提供新見解而增強組織動態(tài)能力的能力[11]。已有研究主要從資源基礎觀和動態(tài)能力觀解析大數(shù)據(jù)分析能力的內在機制[2,26]。從資源基礎觀看，大數(shù)據(jù)分析能力包含有形資源、人力技能和無形資源3種資源形式，有形資源是指基礎資源、技術和數(shù)據(jù)，人力技能是指技術技能和管理技能，無形資源是指數(shù)據(jù)驅動文化和組織學習。從動態(tài)能力觀看，大數(shù)據(jù)分析能力是一種基于數(shù)據(jù)分析的組織能力，不是一個臨時性事件，而是一個持續(xù)適應和變化的過程，能夠通過將其嵌入組織結構而幫助企業(yè)更新或重新配置已有經(jīng)營模式[2]。無論從資源基礎觀還是動態(tài)能力觀，已有研究對大數(shù)據(jù)分析能力的探討僅局限于組織績效[15,20]，忽視了對產品突破性創(chuàng)新的影響。因此，本研究結合資源基礎觀和動態(tài)能力觀，將大數(shù)據(jù)分析能力作為一種能夠轉化有形、無形和人力技能等多種資源的組織能力，并著重探討大數(shù)據(jù)分析能力如何更好地驅動產品突破性創(chuàng)新的問題。

2 理論分析和研究假設

2.1 大數(shù)據(jù)分析能力與基于知識的動態(tài)能力

知識基礎觀將知識作為一種重要的戰(zhàn)略性資源，認為它能夠幫助企業(yè)快速獲得核心競爭優(yōu)勢、開發(fā)新產品[27]。但知識是靜態(tài)的資源，需要借助組織開發(fā)和應用動態(tài)能力獲取、創(chuàng)造和整合并發(fā)揮作用。因此，知識管理學者將知識與動態(tài)能力相結合，提出基于知識的動態(tài)能力的概念，指企業(yè)獲取、創(chuàng)造、整合知識資源，以感知、應對、利用和開創(chuàng)產品變革的能力[28]。本研究將基于知識的動態(tài)能力界定為企業(yè)從大數(shù)據(jù)分析中獲取、創(chuàng)造、整合知識資源，以感知、應對、利用和開創(chuàng)產品變革的能力。與一般動態(tài)能力相比，它將以往獨特性資源聚焦為具有強觀測性和強操作性的知識資源，并將基于知識的動態(tài)能力的塑造過程總結為獲取、創(chuàng)造和整合3個階段[29]。知識獲取能力是企業(yè)從大數(shù)據(jù)分析中獲取和利用外部知識的能力，如創(chuàng)造性搜索、外部互動；知識創(chuàng)造能力是企業(yè)從大數(shù)據(jù)分析中發(fā)展和改進內部知識以產生更多新知識的能力，如通過戰(zhàn)略意義建構、內部研發(fā)等產生新知識；知識整合能力是企業(yè)從大數(shù)據(jù)分析中組合和運用既有知識的能力，既可以組合已獲取的知識，也可以組合新產生的知識[29]。與知識吸收能力側重于外部知識獲取、內化、吸收和利用等知識過程不同[30]，基于知識的動態(tài)能力更強調知識來源差異以及利用不同來源的知識的能力[28]。

大數(shù)據(jù)分析能力的重要目的在于從龐雜的數(shù)據(jù)中提取能夠服務于企業(yè)產品發(fā)展、市場需求以及獲取競爭優(yōu)勢的知識[11]，這些知識的獲取、認知和再加工過程構成了完整的基于知識的動態(tài)能力[29]。有研究認為大數(shù)據(jù)分析能力重新定義了關于知識構成和知識分類的問題，并為重構基于知識的動態(tài)能力提供必要的知識來源[10,16]?；谫Y源基礎觀，組織是系列獨特資源的聚合體，獲得組織競爭優(yōu)勢依次取決于資源選擇和能力建構兩個過程[31]。資源選擇過程主張組織主動識別、汲取和控制具有戰(zhàn)略價值的組織資源，這與大數(shù)據(jù)分析能力中深度解析數(shù)據(jù)、技術、IT基礎設施等獨特資源相契合。能力建構過程主張組織將獨特資源轉變?yōu)榫哂袘?zhàn)略價值的資產，而知識獲取能力、知識創(chuàng)造能力將大數(shù)據(jù)分析中的獨特資源轉變?yōu)榉沼谔囟óa品和市場需求的外部和內部知識資源，知識整合能力則將內外部知識整合為產品突破性創(chuàng)新需要的特定知識。已有研究也曾發(fā)現(xiàn)企業(yè)憑借大數(shù)據(jù)分析能力獲得的資源并不能直接產生商業(yè)價值[32]，它需要借助于知識管理和動態(tài)能力將大數(shù)據(jù)分析后的知識轉化為特定知識[9,11]。因此，本研究提出假設。

H1a大數(shù)據(jù)分析能力顯著正向影響知識獲取能力；

H1b大數(shù)據(jù)分析能力顯著正向影響知識創(chuàng)造能力；

H1c大數(shù)據(jù)分析能力顯著正向影響知識整合能力。

2.2 大數(shù)據(jù)分析能力與產品突破性創(chuàng)新

產品突破性創(chuàng)新是組織取得核心競爭優(yōu)勢的關鍵，是指采用了與現(xiàn)有產品不同技術、比現(xiàn)有產品更好地滿足客戶需求，且能帶來技術躍遷和市場顛覆的產品創(chuàng)新[6]。DAHLIN et al.[33]認為，可以根據(jù)產品的不同技術特征評估產品突破性創(chuàng)新，這些特征包括新穎性和唯一性。新穎性是與已有技術不同，唯一性是與現(xiàn)有技術不同。ANDERSON et al.[34]將產品突破性創(chuàng)新定義為“技術不連續(xù)性，這種技術不連續(xù)性在一定程度上提升了一個行業(yè)的技術水平”，且它產生了根本不同的產品形式，與以前的產品形式相比具有決定性的成本、性能或質量優(yōu)勢。因此，重大技術躍遷和顛覆市場格局成為衡量產品突破性創(chuàng)新的兩項標準。與突破性創(chuàng)新相比，產品突破性創(chuàng)新更聚焦于產品方面的技術躍遷和市場優(yōu)勢，與流程或服務等方面的突破性創(chuàng)新無關[35]。

大數(shù)據(jù)分析能力的商業(yè)價值在于從龐雜的數(shù)據(jù)中獲得新見解，為組織帶來競爭優(yōu)勢[36]，而產品突破性創(chuàng)新被認為是組織獲得競爭優(yōu)勢的關鍵[37]。已有研究表明，與在大數(shù)據(jù)分析能力方面落后的企業(yè)相比，領先企業(yè)能在動蕩環(huán)境中捕捉產品發(fā)展方向，獲得技術知識，開發(fā)新產品并實現(xiàn)產品創(chuàng)新成功[7-8]。具體而言，大數(shù)據(jù)分析能力是一種與數(shù)據(jù)分析相關的組織動態(tài)能力[7]，能夠幫助企業(yè)從龐雜的數(shù)據(jù)集中分析出產品需要的特定前沿知識，并通過知識融合過程產生不同形式的新產品、新服務和新流程[9]。MIKALEF et al.[11]和LIN et al.[7]發(fā)現(xiàn)大數(shù)據(jù)分析能力通過為組織提供前沿知識，強化組織動態(tài)能力，進而提升組織突破性創(chuàng)新能力。因此，本研究提出假設。

H2大數(shù)據(jù)分析能力顯著促進產品突破性創(chuàng)新。

2.3 基于知識的動態(tài)能力與產品突破性創(chuàng)新

近年來，雖然已有研究試圖從動態(tài)能力視角探討突破性創(chuàng)新的發(fā)生機制[11]，但有學者認為動態(tài)能力并不能成為組織保持競爭優(yōu)勢的充分條件，而是必要條件，即組織獲得競爭優(yōu)勢并非依賴于動態(tài)能力，而是依賴于由動態(tài)能力創(chuàng)建的資源基礎[38]。組織通過持續(xù)獲取、創(chuàng)造、整合知識而擴大知識庫，為組織應對產品創(chuàng)新活動的不確定性奠定堅實資源基礎[39]。從這個層面看，基于知識的動態(tài)能力被視為戰(zhàn)略選擇，即當組織能夠獲取部分知識資源時，其能夠創(chuàng)造或開發(fā)出更多服務于產品變革和迭代的知識資源基礎[40]。因此，也有學者將基于知識的動態(tài)能力稱為組織取得競爭優(yōu)勢的終極動態(tài)能力[29]。已有知識管理研究將知識作為一種戰(zhàn)略資源，認為知識資源本身不足以支撐組織進行新產品開發(fā)[41]，組織必須發(fā)展并應用基于知識的動態(tài)能力才能在產品創(chuàng)新活動中快速、準確地將知識資源轉化為產品突破性創(chuàng)新需要的關鍵知識[27]。具體而言，知識獲取能力在基于知識的動態(tài)能力中發(fā)揮外部資源基礎的作用[28]，通過獲取關于新市場需求、新產品和新技術的外部知識，為產品突破性創(chuàng)新提供前沿知識資源[38]。知識創(chuàng)造能力在基于知識的動態(tài)能力中發(fā)揮內部資源基礎的作用，通過推動組織將已有知識優(yōu)化、升級[42]，擴大知識庫[43]，為新產品創(chuàng)新提供已有知識基礎。知識整合能力在基于知識的動態(tài)能力中發(fā)揮資源配置的作用，通過對已獲取的內外部知識的重新配置、整合轉化為新知識[5]，融合不同屬性的知識[10]，為產品創(chuàng)新提供知識融合基礎。因此，本研究提出假設。

H3a知識獲取能力顯著促進產品突破性創(chuàng)新；

H3b知識創(chuàng)造能力顯著促進產品突破性創(chuàng)新；

H3c知識整合能力顯著促進產品突破性創(chuàng)新。

2.4 基于知識的動態(tài)能力的中介作用

國內外研究已經(jīng)證實，知識獲取、創(chuàng)造和整合能力并非相互獨立，而是通過逐步發(fā)展、相互依賴形成整體的動態(tài)能力[28-29]。結合上述假設，預期知識獲取能力、知識創(chuàng)造能力和知識整合能力在大數(shù)據(jù)分析能力與產品突破性創(chuàng)新之間具有連續(xù)中介作用。大數(shù)據(jù)中蘊含著數(shù)據(jù)、人力技能、技術和組織文化等多種獨特性資源[44]，大數(shù)據(jù)分析能力旨在從這些資源中提取知識[45]，依托于知識獲取能力和知識創(chuàng)造能力將這些知識轉化為新產品創(chuàng)新所需的內外部知識[10]，并通過對這些知識的整合、重構，以特定知識資源推動產品突破性創(chuàng)新[46]。已有研究認為，大數(shù)據(jù)分析能力不僅為突破性創(chuàng)新提供知識基礎[11]，而且推動內部知識與外部知識、新知識與舊知識、傳統(tǒng)產品知識與新產品知識之間的深度融合[10]，促使企業(yè)突破知識瓶頸，實現(xiàn)能力進階[28]。FERRARIS et al.[9]研究發(fā)現(xiàn)，大數(shù)據(jù)分析能力顯著提升企業(yè)的知識管理能力；ZHENG et al.[29]的研究證實，在知識管理過程中，知識獲取能力通過知識創(chuàng)造能力和知識整合能力提升創(chuàng)新績效。因此，本研究提出假設。

H4大數(shù)據(jù)分析能力依次通過知識獲取能力、知識創(chuàng)造能力和知識整合能力影響產品突破性創(chuàng)新。

綜上所述，本研究提出研究模型，見圖1。

圖1 研究模型Figure 1 Research Model

3 研究設計

3.1 樣本調查

本研究在前期的系列訪談中了解到，信息技術、商業(yè)分析和數(shù)據(jù)應用領域的管理者可以成為本研究的潛在調研對象，他們能夠深度參與組織的大數(shù)據(jù)管理和產品創(chuàng)新實踐。因此，邀請上海、北京、蘇州、成都、寧波、廣州等區(qū)域科技園區(qū)的科創(chuàng)企業(yè)總經(jīng)理、運營經(jīng)理、信息經(jīng)理、營銷經(jīng)理及產品經(jīng)理、研發(fā)總監(jiān)等與大數(shù)據(jù)分析、產品創(chuàng)新相關的中高層管理者參與調研。根據(jù)技術躍遷和市場顛覆兩個標準，判定這些科創(chuàng)企業(yè)均在其行業(yè)內具有突破性產品。2019年7月至12月，本研究項目組成員針對前期篩選的調研對象進行問卷調研。為了使研究數(shù)據(jù)真實可靠，研究者在發(fā)放問卷前明確講解問卷用途、匿名填寫和填答注意事項，在問卷填答前請?zhí)顚懭藛T回憶和確認企業(yè)財務活動狀況，并在問卷上方注明經(jīng)營活動、投資活動、籌資活動的現(xiàn)狀，無需填寫具體金額，僅填寫正負。共發(fā)放681份問卷，現(xiàn)場填答后直接收回問卷。收回問卷后，研究人員根據(jù)財務標準界定企業(yè)所處生命周期階段，經(jīng)營活動、投資活動和籌資活動的金額組合為負、負、正的企業(yè)處于初創(chuàng)期，正、負、正的企業(yè)處于發(fā)展期，正、正、負的企業(yè)處于成熟期，負、正、負的企業(yè)處于衰退期。由于產品突破性創(chuàng)新代表組織能夠獲得核心競爭優(yōu)勢，它能夠推動企業(yè)在一定時期內獲得績效增長或外部投資。但衰退期企業(yè)的經(jīng)營活動和籌資活動的金額均為負，這表明企業(yè)不具備產品突破性創(chuàng)新能力。因此，在本研究中，研究人員刪除衰退期企業(yè)樣本，最終得到478份有效樣本數(shù)據(jù)，有效回收率為70.191%。

在有效樣本中，管理者特征如下：男性有278名，占58.159%；女性有200名，占41.841%。25歲以下有44名，占9.205%；25歲～35歲有198名，占41.423%；36歲～45歲有236名，占49.372%。學歷為大專及以下有8名，占1.674%；本科有366名，占76.569%；研究生有104名，占21.757%。工作年限為1年以下有30名，占6.276%；1年～2年有200名，占41.841%；3年～5年有187名，占39.121%；6年～10年有56名，占11.716%；10年以上有5名，占1.046%。組織特征如下：電子通信行業(yè)的企業(yè)占37.657%，軟件服務行業(yè)的企業(yè)占44.979%，生物醫(yī)藥行業(yè)的企業(yè)占9.833%，機械制造行業(yè)的企業(yè)占6.276%，其他行業(yè)的企業(yè)占1.255%；涉獵大數(shù)據(jù)年限在1年以下的占10.460%，1年～2年(不含2年)的占79.289%，2年～3年(不含3年)的占4.603%，3年～4年(不含4年)的占1.674%，4年以上的占3.974%；組織規(guī)模在25人以下的占5.439%，25人～50人的占16.109%，51人～100人的占15.063%，101人～200人的占57.113%，200人以上的占6.276%。

3.2 變量測量

采用MIKALEF et al.[11]修訂的量表測量大數(shù)據(jù)分析能力，共25個題項，包含有形資源、人力技能和無形資源3個維度。有形資源包含基礎資源、技術和數(shù)據(jù)3個1階因子，共10個題項；人力技能包含技術技能和管理技能兩個1階因子，共8個題項；無形資源包含數(shù)據(jù)驅動文化和組織學習兩個1階因子，共7個題項。本研究中大數(shù)據(jù)分析能力的Cronbach′sα系數(shù)為0.958。對基于知識的動態(tài)能力的測量量表改編自ZHENG et al.[29]修訂的量表，共16個題項，用5個題項測量知識獲取能力，其Cronbach′sα系數(shù)為0.852；用5個題項測量知識創(chuàng)造能力，其Cronbach′sα系數(shù)為0.857；用6個題項測量知識整合能力，其Cronbach′sα系數(shù)為0.880。采用SUBRAMANIAM et al.[47]修訂的量表測量產品突破性創(chuàng)新，共3個題項，其Cronbach′sα系數(shù)為0.865。借鑒已有大數(shù)據(jù)分析能力的相關研究[7,11]，本研究將性別、年齡、教育背景、工作年限等管理者特征變量，以及組織規(guī)模、組織所屬行業(yè)、涉獵大數(shù)據(jù)的年限等組織特征變量作為控制變量。

本研究均采用Likert 5點評分法測量各變量，1為非常不同意，5為非常同意，具體測量題項見表1。

表1 收斂效度檢驗結果Table 1 Results for Convergent Validity Test

續(xù)表1

4 數(shù)據(jù)分析結果

4.1 驗證性因子分析

表2給出研究變量的驗證性因子分析結果。首先，對各變量進行探索性因子分析，結果表明，KMO值為0.865，Bartlett球形檢驗在小于0.001水平上顯著，表明適合做因子分析。其次，運用Lisrel 8.7結構方程對本研究中的5因子進行變量之間的區(qū)分效度檢驗，5因子的χ2=1 240.230，df=284，RMSEA=0.083，SRMR=0.073，CFI=0.980，NFI=0.970，各指標均符合統(tǒng)計標準。此外，依據(jù)變量的關聯(lián)性設定6個備擇模型，各備擇模型的擬合指標均比5因子模型差。由此可知，5因子模型具有良好的區(qū)分效度。同時，本研究再次采用平均萃取方差(AVE)和組合信度(CR)等指標對5個變量間的效度進行檢驗，結果見表1。由表1可知，所有題項在其所屬變量上的因子載荷系數(shù)均大于0.500，5個變量的組合信度值均大于0.700，平均萃取方差均大于0.500，表明模型收斂效度良好。為了檢驗問卷調查是否存在無應答偏差，本研究按照收回問卷的時間先后順序將問卷分為兩組，然后從所屬行業(yè)等方面對樣本進行無應答偏差檢驗，結果表明兩部分問卷并無顯著差異，無應答偏差在可控范圍內。

表2 驗證性因子分析結果Table 2 Results for Confirmatory Factor Analysis

4.2 描述性統(tǒng)計

表3給出變量的描述性統(tǒng)計結果，大數(shù)據(jù)分析能力與知識獲取能力顯著正相關，r=0.716,p<0.010；與知識創(chuàng)造能力顯著正相關，r=0.308,p<0.010；與知識整合能力顯著正相關，r=0.666,p<0.010；與產品突破性創(chuàng)新顯著正相關，r=0.462,p<0.010。知識獲取能力與知識創(chuàng)造能力顯著正相關，r=0.561,p<0.010；與知識整合能力顯著正相關，r=0.783,p<0.010；與產品突破性創(chuàng)新顯著正相關，r=0.593,p<0.010。知識創(chuàng)造能力與知識整合能力顯著正相關，r=0.625,p<0.010；與產品突破性創(chuàng)新顯著正相關，r=0.511,p<0.010。知識整合能力與產品突破性創(chuàng)新顯著正相關，r=0.538,p<0.010。以上結果為進一步檢驗假設奠定了基礎。

表3 描述性統(tǒng)計結果和相關系數(shù)Table 3 Results for Descriptive Statistics and Correlation Coefficients

4.3 假設檢驗

本研究采用結構方程模型檢驗大數(shù)據(jù)分析能力對產品突破性創(chuàng)新的影響，并根據(jù)t值進行多次修正，得到的最優(yōu)模型見圖2，模型的各項擬合指標均符合統(tǒng)計標準。

由圖2可知，大數(shù)據(jù)分析能力正向影響知識獲取能力，β=0.810,p<0.010；正向影響知識整合能力，β=0.210,p<0.010；負向影響知識創(chuàng)造能力，β=-0.330,p<0.010。H1a和H1c得到驗證，H1b未得到驗證。知識獲取能力對產品突破性創(chuàng)新有顯著正向影響，β=0.440，p<0.010；知識創(chuàng)造能力對產品突破性創(chuàng)新有顯著正向影響，β=0.310,p<0.010；而知識整合能力對產品突破性創(chuàng)新不具有顯著影響。H3a和H3b得到驗證，H3c未得到驗證。H4提出大數(shù)據(jù)分析能力依次通過知識獲取能力、知識創(chuàng)造能力和知識整合能力影響產品突破性創(chuàng)新。知識獲取能力和知識創(chuàng)造能力在大數(shù)據(jù)分析能力與產品突破性創(chuàng)新之間起連續(xù)中介作用，由于知識整合能力對產品突破性創(chuàng)新沒有影響，因此H4得到部分驗證。但值得注意的是，在做結構方程模型前，本研究檢驗了當不控制知識獲取能力和知識整合能力時，知識創(chuàng)造能力在大數(shù)據(jù)分析能力與產品突破性創(chuàng)新之間的中介作用，發(fā)現(xiàn)大數(shù)據(jù)分析能力通過增進知識創(chuàng)造能力提升產品突破性創(chuàng)新。而圖2結果表明，當加入知識獲取能力和知識整合能力時，大數(shù)據(jù)分析能力通過削弱知識創(chuàng)造能力增進產品突破性創(chuàng)新，這表明中介過程可能存在“遮掩效應”[48]。因此，本研究采用層次回歸和Bootstrapping法進行再次驗證。

為了使研究結論更加穩(wěn)健并避免統(tǒng)計學第1類錯誤，本研究使用層次回歸分析方法檢驗假設，結果見表4。

表4 層次回歸分析檢驗結果Table 4 Test Results for Hierarchical Regression Analysis

注：括號內數(shù)據(jù)為t值；χ2=1 145.920, df=201, RMSEA=0.098，CFI=0.970，NFI=0.960，IFI=0.970。

由模型1可知，大數(shù)據(jù)分析能力對知識獲取能力具有顯著正向影響，β=0.719,p<0.010；由模型2可知，大數(shù)據(jù)分析能力對知識創(chuàng)造能力具有顯著正向影響，β=0.319,p<0.010； 由模型4可知，大數(shù)據(jù)分析能力對知識整合能力具有顯著正向影響，β=0.668,p<0.010。H1a～H1c得到驗證。由模型10可知，大數(shù)據(jù)分析能力對產品突破性創(chuàng)新具有顯著正向影響，β=0.442,p<0.010，H2得到驗證。由模型7～模型9可知，知識獲取能力對產品突破性創(chuàng)新具有顯著影響，β=0.565,p<0.010；知識創(chuàng)造能力對產品突破性創(chuàng)新具有顯著影響，β=0.485,p<0.010；知識整合能力對產品突破性創(chuàng)新具有顯著影響，β=0.517,p<0.010。H3a～H3c得到驗證。由模型3可知，知識獲取能力對知識創(chuàng)造能力具有顯著正向影響，β=0.571,p<0.010；由模型5和模型6可知，知識獲取能力對知識整合能力具有顯著正向影響，β=0.778,p<0.010；知識創(chuàng)造能力對知識整合能力具有顯著正向影響，β=0.614,p<0.010。由模型11可知，知識獲取能力對產品突破性創(chuàng)新具有顯著正向影響，β=0.306,p<0.010；知識創(chuàng)造能力對產品突破性創(chuàng)新具有顯著正向影響，β=0.254,p<0.010；知識整合能力對產品突破性創(chuàng)新不具有顯著影響，β=0.053, n.s.；而大數(shù)據(jù)分析能力的回歸系數(shù)值由模型10的0.442降為0.105，且顯著性也下降，表明知識獲取能力和知識創(chuàng)造能力在大數(shù)據(jù)分析能力與產品突破性創(chuàng)新之間起部分中介作用，而知識整合能力不具有顯著中介作用。H4得到部分驗證。

在以上檢驗基礎上，進一步采用Bootstrapping法檢驗基于知識的動態(tài)能力的中介作用，檢驗結果見表5。表5中路徑1檢驗知識獲取能力在大數(shù)據(jù)分析能力與產品突破性創(chuàng)新之間的中介作用，路徑2檢驗知識創(chuàng)造能力在大數(shù)據(jù)分析能力與產品突破性創(chuàng)新之間的中介作用，路徑3檢驗知識整合能力在大數(shù)據(jù)分析能力與產品突破性創(chuàng)新之間的中介作用；路徑4檢驗知識創(chuàng)造能力和知識整合能力的連續(xù)中介作用，路徑5檢驗知識獲取能力和知識整合能力的連續(xù)中介作用，路徑6檢驗知識獲取能力和知識創(chuàng)造能力的連續(xù)中介作用；路徑7檢驗知識獲取能力、知識創(chuàng)造能力和知識整合能力的連續(xù)中介作用。

表5 中介效應的Bootstrapping檢驗結果Table 5 Test Results for Bootstrapping of Mediation Effects

差異表示兩個路徑的效應是否存在顯著不同，如差異1表示路徑1與路徑2具有顯著差異，且其比較差異顯著為正，β=0.401，95%置信區(qū)間為[0.267,0.543]，不包含0，表明路徑1優(yōu)于路徑2。直接效應表示引入中介變量后，大數(shù)據(jù)分析能力對產品突破性創(chuàng)新的影響效應?？傊薪樾硎旧形匆胫薪樽兞繒r，大數(shù)據(jù)分析能力對產品突破性創(chuàng)新的影響效應。

(1)檢驗基于知識的動態(tài)能力的3個維度分別在大數(shù)據(jù)分析能力與產品突破性創(chuàng)新之間的中介作用。由路徑1可知，大數(shù)據(jù)分析能力通過知識獲取能力影響產品突破性創(chuàng)新的中介效應值為0.329，95%置信區(qū)間為[0.181,0.478]，不包含0，表明知識獲取能力在大數(shù)據(jù)分析能力與產品突破性創(chuàng)新之間起顯著中介作用。由路徑2可知，大數(shù)據(jù)分析能力通過知識創(chuàng)造能力影響產品突破性創(chuàng)新的中介效應值為-0.072，95%置信區(qū)間為[-0.133,-0.029]，不包含0，表明知識創(chuàng)造能力在大數(shù)據(jù)分析能力與產品突破性創(chuàng)新之間起顯著中介作用。由路徑3可知，大數(shù)據(jù)分析能力通過知識整合能力影響產品突破性創(chuàng)新的中介效應值為0.010，95%置信區(qū)間為[-0.041,0.065]，包含0，表明知識整合能力在大數(shù)據(jù)分析能力與產品突破性創(chuàng)新之間不具有顯著中介作用。以上結果與結構方程檢驗結果一致。

(2)檢驗知識獲取能力、知識創(chuàng)造能力和知識整合能力在大數(shù)據(jù)分析能力與產品突破性創(chuàng)新之間的連續(xù)中介作用。由路徑4可知，大數(shù)據(jù)分析能力通過知識創(chuàng)造能力和知識整合能力影響產品突破性創(chuàng)新的中介效應值為-0.002，95%置信區(qū)間為[-0.016,0.009]，包含0，表明知識創(chuàng)造能力和知識整合能力在大數(shù)據(jù)分析能力與產品突破性創(chuàng)新之間不具有顯著的連續(xù)中介作用。由路徑5可知，大數(shù)據(jù)分析能力通過知識獲取能力和知識整合能力影響產品突破性創(chuàng)新的中介效應值為0.011，95%置信區(qū)間為[-0.046,0.070]，包含0，表明知識獲取能力和知識整合能力在大數(shù)據(jù)分析能力與產品突破性創(chuàng)新之間不具有顯著的連續(xù)中介作用。由路徑6可知，大數(shù)據(jù)分析能力通過知識獲取能力和知識創(chuàng)造能力影響產品突破性創(chuàng)新的中介效應值為0.186，95%置信區(qū)間為[0.109,0.278]，不包含0，表明知識獲取能力和知識創(chuàng)造能力在大數(shù)據(jù)分析能力與產品突破性創(chuàng)新之間具有顯著的連續(xù)中介作用。由路徑7可知，大數(shù)據(jù)分析能力通過知識獲取能力、知識整合能力和知識創(chuàng)造能力影響產品突破性創(chuàng)新的中介效應值為0.006，95%置信區(qū)間為[-0.024,0.036]，包含0，表明知識獲取能力、知識整合能力和知識創(chuàng)造能力在大數(shù)據(jù)分析能力與產品突破性創(chuàng)新之間不具有顯著連續(xù)中介作用。

(3)比較不同路徑的影響效應。由差異1～差異6可知，與其他路徑相比，路徑1和路徑6是較優(yōu)路徑。當從路徑6中剔除知識獲取能力(即路徑2)后發(fā)現(xiàn)，大數(shù)據(jù)分析能力通過削弱知識創(chuàng)造能力增進產品突破性創(chuàng)新；當從路徑6中剔除知識創(chuàng)造能力(即路徑1)后發(fā)現(xiàn)，大數(shù)據(jù)分析能力通過增進知識獲取能力影響產品突破性創(chuàng)新。表明知識獲取能力的個別中介效應強于知識創(chuàng)造能力的連續(xù)中介效應。結合路徑簡潔原則綜合判斷可知，大數(shù)據(jù)分析能力通過知識獲取能力影響產品突破性創(chuàng)新的路徑最優(yōu)。

5 結論

5.1 研究結果

本研究以478家科創(chuàng)企業(yè)管理者為調研對象，基于資源基礎觀和動態(tài)能力觀，將基于知識的動態(tài)能力引入大數(shù)據(jù)分析能力與產品突破性創(chuàng)新關系機制中，構建以知識獲取能力、知識創(chuàng)造能力和知識整合能力為連續(xù)中介的研究模型。研究結果如下：

(1)大數(shù)據(jù)分析能力顯著促進產品突破性創(chuàng)新。已有研究表明，組織可以將從大數(shù)據(jù)中分析出的通用知識轉化為新產品需要的特定知識[10]。而產品突破性創(chuàng)新作為與產品相關的核心競爭優(yōu)勢的體現(xiàn)，很可能同樣受到大數(shù)據(jù)分析能力的影響。本研究基于科創(chuàng)企業(yè)樣本，證實了大數(shù)據(jù)分析能力對產品突破性創(chuàng)新的正向影響。

(2)知識獲取能力和知識創(chuàng)造能力在大數(shù)據(jù)分析能力與產品突破性創(chuàng)新之間具有連續(xù)中介作用，而知識整合能力卻不具有顯著中介作用。原因可能在于，產品突破性創(chuàng)新的知識基礎是前沿知識，它的實現(xiàn)更需要對內外部知識尤其是外部前沿知識的應用，而不是整合。同時，結合研究議題，本研究借鑒唐彬等[16]的研究結果，在知識整合能力中著重強調大數(shù)據(jù)分析這一知識來源。這很可能限制了知識整合能力在創(chuàng)新活動中的知識來源，忽略了知識整合能力影響產品突破性創(chuàng)新的其他知識源。

(3)大數(shù)據(jù)分析能力通過抑制知識創(chuàng)造能力、增進知識獲取能力驅動產品突破性創(chuàng)新。雖然知識獲取能力和知識創(chuàng)造能力在大數(shù)據(jù)分析能力對產品突破性創(chuàng)新的影響中具有積極作用，但當剔除知識獲取能力后，大數(shù)據(jù)分析能力通過削弱知識創(chuàng)造能力而增進產品突破性創(chuàng)新。根據(jù)溫忠麟等[48]的研究，上述結果很可能是因為存在中介的“遮掩效應”。一方面，從創(chuàng)新的知識基礎看，產品突破性創(chuàng)新是一種顛覆性不連續(xù)創(chuàng)新[34]，它的實現(xiàn)更依賴外部前沿知識，而知識獲取能力和知識創(chuàng)造能力分別代表組織獲取外部知識和內部知識的能力[28]。當組織無法獲得外部前沿知識時，內部知識的持續(xù)獲得勢必導致組織沿著既定路線進行自我強化，進而陷入能力陷阱[43]，降低知識創(chuàng)造能力。另一方面，從大數(shù)據(jù)的知識迭代看，由于大數(shù)據(jù)集成復雜性、數(shù)據(jù)資源不足等問題，大數(shù)據(jù)分析能力優(yōu)先通過獲得外部知識重構知識體系，擴充數(shù)據(jù)集[9]，這也加快了內部知識迭代，迫使內部知識創(chuàng)造能力下降，產生知識獲取能力對知識創(chuàng)造能力的“遮掩效應”。

(4)在大數(shù)據(jù)分析能力對產品突破性創(chuàng)新的多種影響路徑中，知識獲取能力為最優(yōu)路徑。已有研究強調，并非所有動態(tài)能力均能成為實現(xiàn)產品突破性創(chuàng)新的充分條件，需要考慮由動態(tài)能力創(chuàng)建的資源基礎[33]。知識獲取能力和知識創(chuàng)造能力分別構建不同的知識資源基礎，而實現(xiàn)產品突破性創(chuàng)新更需要全新的外部知識基礎，而弱化了內部已有知識組合的需求[27]。

本研究的理論貢獻主要體現(xiàn)在3個方面。①雖然已有研究強調大數(shù)據(jù)分析能力能夠幫助企業(yè)創(chuàng)造商業(yè)價值，并推動企業(yè)獲得核心競爭優(yōu)勢[22]。但已有研究仍然將大數(shù)據(jù)分析能力的商業(yè)價值局限于組織績效[15,20]，而忽視了對產品突破性創(chuàng)新的影響。本研究將大數(shù)據(jù)分析能力與產品突破性創(chuàng)新相結合，不僅對當前大數(shù)據(jù)分析能力的后效影響研究予以有效補充，有助于推動學界對中國情景下大數(shù)據(jù)或突破性創(chuàng)新管理理論的討論，也從大數(shù)據(jù)分析能力視角深化了當前創(chuàng)新管理理論對突破性創(chuàng)新形成的解讀。②雖然已有研究分別從知識融合[10]、動態(tài)能力[11,15]等視角探討大數(shù)據(jù)分析能力對組織結果的影響，但卻忽略了將大數(shù)據(jù)知識轉化為產品特定知識需要借助一種與知識相關的動態(tài)能力[28]。本研究在大數(shù)據(jù)分析能力與產品突破性創(chuàng)新關系中引入知識獲取能力、知識創(chuàng)造能力和知識整合能力，這不僅響應了大數(shù)據(jù)能力研究的呼吁[9,15]，為大數(shù)據(jù)分析能力對組織結果的影響研究提供了新視角，而且從知識獲取能力、知識創(chuàng)造能力和知識整合能力之間的相互關系視角進一步細化了大數(shù)據(jù)分析能力對產品突破性創(chuàng)新的影響機制，豐富了大數(shù)據(jù)分析能力與知識相關能力之間的作用機制研究。③知識管理研究認為不同類型的基于知識的動態(tài)能力在組織管理中具有不同作用[28-29]，但哪類基于知識的動態(tài)能力更能影響大數(shù)據(jù)分析能力與產品突破性創(chuàng)新之間的關系尚未可知。本研究從基于知識的動態(tài)能力的內部比較視角將知識管理研究成果應用于大數(shù)據(jù)管理與創(chuàng)新管理領域，更準確地揭示出大數(shù)據(jù)分析能力對產品突破性創(chuàng)新的影響路徑，推動創(chuàng)新管理研究向深度情景化發(fā)展。

5.2 管理啟示

本研究對組織管理實踐具有一定啟示。①企業(yè)應注重培育大數(shù)據(jù)分析能力。一方面，加強對大數(shù)據(jù)分析的基礎設施建設，積極開發(fā)或購置大數(shù)據(jù)技術產品，招聘對大數(shù)據(jù)分析有良好技術和管理技能的人才，營造組織學習氛圍，培養(yǎng)組織學習文化，并將大數(shù)據(jù)決策嵌入組織結構。另一方面，企業(yè)要積極運用大數(shù)據(jù)分析技術，在細分市場選擇、技術缺口、客戶偏好等方面積極采用大數(shù)據(jù)分析獲取相關知識，并作為企業(yè)決策的重要依據(jù)。②企業(yè)要關注產品突破性創(chuàng)新的實現(xiàn)方式。一方面，企業(yè)要在產品突破性創(chuàng)新活動中積極納入大數(shù)據(jù)分析技術，通過大數(shù)據(jù)分析輔助深度學習，并打造與產品突破相匹配的商業(yè)模式、市場模式和資源基礎。另一方面，企業(yè)要加強對與產品相關的數(shù)據(jù)資源的整合，如創(chuàng)新產品需要技術參數(shù)數(shù)據(jù)、外部競爭者相關產品的市場數(shù)據(jù)、第三方咨詢機構對相關產品的調研數(shù)據(jù)以及產品制造后應用的模擬數(shù)據(jù)等。企業(yè)要充分認識到大數(shù)據(jù)分析在產品突破性創(chuàng)新活動中蘊藏的商業(yè)價值，并有能力將大數(shù)據(jù)分析滲透到企業(yè)所有的運營流程中。企業(yè)要注重外部知識的攫取和探索，鼓勵研發(fā)人員到組織外部收集數(shù)據(jù)，實施跨邊界、跨領域、跨組織合作，甚至企業(yè)要建立外部知識數(shù)據(jù)庫，通過計算機技術測算與突破性產品相關的外部知識飽和度，以在突破性創(chuàng)新活動中更加準確、高效地利用外部知識。此外，企業(yè)也應適度加大內部已有知識的收集、加工和重新組合，但要在資源配置方面有所側重，如以外部知識為主、內部知識為輔。

5.3 研究不足和展望

雖然本研究對大數(shù)據(jù)分析能力研究和產品突破性創(chuàng)新管理實踐具有一定貢獻，但不可避免存在一些不足。①雖然當前大數(shù)據(jù)分析能力研究處于起步階段，已有研究多聚焦于探索大數(shù)據(jù)分析能力的后效影響路徑。但任何影響路徑都是有適用情景的，如MIKALEF et al.[11]認為外部環(huán)境是影響大數(shù)據(jù)分析能力向創(chuàng)新轉化的重要情景，在高動態(tài)性環(huán)境下，大數(shù)據(jù)分析能力的轉化效率更高。因此，未來研究應該考慮大數(shù)據(jù)分析能力影響的邊界條件。②本研究借鑒已有組織層面大數(shù)據(jù)分析能力研究[1]，以管理者評價大數(shù)據(jù)分析能力及其相關變量。雖然本研究通過一定統(tǒng)計程序檢驗不存在嚴重同源方差，但不足以嚴格反映變量間的因果關系。因此，未來研究可以采用多源評價、多時點收集的數(shù)據(jù)檢驗大數(shù)據(jù)分析能力對產品突破性創(chuàng)新的影響機制。③雖然本研究針對科創(chuàng)企業(yè)管理者的調研發(fā)現(xiàn)知識獲取能力是大數(shù)據(jù)分析能力影響產品突破性創(chuàng)新的最優(yōu)路徑，以及在基于知識的動態(tài)能力的測量中著重強調大數(shù)據(jù)分析這一知識來源。但由此得出的結論是否具有普適性，有待未來研究在不同組織情景下進一步驗證。