大數據資源如何影響客戶服務績效？
——基于客戶信息質量與客戶導向能力的鏈式中介作用

房 穎，葉 莉

(1.河北工業大學經濟管理學院，天津 300401；2.山東工商學院管理科學與工程學院，山東 煙臺 264003)

一、引 言

金融服務業已經進入數字技術驅動的科技4.0時代，以效率提升和價值創造為目的的科技創新正在賦能傳統金融機構并通過創造新興金融機構來推動金融服務的變革。傳統商業銀行的競爭對手從外資銀行、地方性商業銀行擴展到互聯網金融公司等新興金融機構[1]，倒逼商業銀行重新思考其戰略和業務模式，廣告戰略[2]和多產品戰略[3]尤其受到商業銀行關注，但上述戰略多以產品為中心，易被競爭對手復制，長期內無法為銀行帶來真正的競爭優勢。目前，行業競爭重點已經由產品競爭轉化為客戶服務競爭，優質的客戶服務成為銀行在激烈的競爭中實現突圍的關鍵[4]。與此同時，信息技術的發展使客戶希望通過更加便捷靈活的互動方式獲取金融服務，然而能夠滿足此要求的銀行卻為數甚少[5]，一些經驗證據也表明將近40%的客戶在經歷不滿意的服務后更換了原本合作的服務商[6]。在此背景下，如何提升服務績效成為商業銀行數字化轉型實踐中應當關注的重點。

客戶服務主導邏輯對產品主導邏輯的替代重塑了銀行的業務場景和服務邊界，帶來發展機遇的同時，也使銀行面臨新的挑戰。實現以客戶需求為導向的價值增值不能僅停留在理念層面，更重要的是將新理念順利轉化為產出，這就需要企業構建起與之相匹配的資源與能力。大數據作為一種新的生產要素[7]，被認為是促進企業與客戶形成密切交互關系的關鍵資源。但是數據與信息和能力分離時，數據也只是可能的生產要素，要在客戶服務方面實現數據價值的增值，大數據資源還必須轉化為洞察與響應客戶真正需求的能力[8]。大數據資源能否通過高質量的信息提煉和能力建構驅動客戶服務績效提升，是一個值得探索的科學問題。

本文選擇從客戶服務視角對大數據資源影響商業銀行績效這一具體問題進行探討，一是從實踐來看，大數據的發展使基于客戶的價值創造空間不斷擴大。在大數據獲得全面發展之前，銀行的價值創造很少考慮客戶的差異化需求。隨著互聯網技術的發展和個人移動智能終端的普及，基于行為模式的大數據資源越來越豐富，銀行能夠及時觀測到客戶的個性化需求和潛在需求，客戶服務的能力和效率不斷演進[9]。二是客戶服務績效對銀行生存和發展至關重要[1]。在金融脫媒、互聯網金融迅速發展的背景下，我國銀行業已經進入“微利”時代，由借貸業務主導、凈利差為主要收入來源的傳統金融服務模式難以支撐商業銀行的可持續發展，通過向客戶提供多元化和綜合性的金融服務來拓展客戶價值，是商業銀行創造可持續競爭優勢的必由之路。因此，以客戶為中心已經成為整個銀行業的共識和踐行導向，客戶服務績效在商業銀行中的重要性明顯上升。

本文的貢獻主要體現在：其一，既有研究對大數據資源在組織績效改善中發揮的積極作用已經形成共識，但多聚焦于組織管理與產品創新視角的績效改善，鮮有研究關注大數據資源對客戶服務績效的影響。本文聚焦大數據資源促進客戶服務績效提升的機制與路徑，是對大數據資源改善組織績效相關研究的細化與拓展，有助于為商業銀行乃至其他行業提升客戶服務績效提供理論指導。其二，現有研究分別從組織績效改善、動態能力提升和信息質量優化方面闡述了大數據資源的價值，但大數據資源、信息質量、企業能力與組織績效之間的聯系依然不夠清晰，缺乏大數據資源對客戶服務績效影響的全路徑實證研究。本文在“資源—能力—績效”研究范式的指導下，結合Setia等(2013)關于“信息質量—客戶服務能力”的研究[1]，構建“大數據資源—客戶信息質量—客戶導向能力—客戶服務績效”的鏈式中介模型，進一步打開大數據資源與客戶服務績效關系的“黑箱”，形成客戶服務層面的理論推進。

二、理論基礎與研究假設

(一)理論基礎

1.資源基礎觀

資源基礎觀(Resource Based View，RBV)認為企業成長依賴于內生性資源和能力，強調資源差異是導致組織績效存在顯著差異的重要原因[10]。Barney(1991)將促進企業成長的資源定義為企業擁有的資產、信息、技術、管理過程及企業特質，這些資源是企業提高組織績效的驅動力和基礎[10]。隨著大數據被確認為是經濟活動的主要生產要素，大數據在企業中的資源基礎作用也得到了認可。已有研究基于“資源—績效”研究范式，提出大數據資源的構筑可以直接產生資源紅利，使組織具備超越競爭對手的優勢，從而產生較高的組織管理與產品創新績效[7][11]。但一些學者認為數據的潛能不會自動發揮，從信息處理的角度來看，大數據資源只有經過充分篩選與提煉，轉化為供決策參考的有用信息，才能成為現實生產要素[12]。因此，大數據資源成為組織績效提升的驅動力還經過了一些中間過程，本研究旨在基于資源基礎觀揭示大數據資源促進組織績效提升的內在機制。

2.動態能力理論

知識經濟與數字經濟的蓬勃發展使社會環境和市場環境都呈現出了高度動態性。動態能力是一種在復雜動態環境下對組織資源進行整合與重構，對組織機會與威脅進行感知的抽象能力[13]。動態能力不僅使組織能夠對現有資源進行很好整合，還具有針對環境變化為資源獲取與整合提供導向的潛力，是組織快速應對商業環境變化所必備的管理要素。因此，動態能力理論可以看作是資源基礎觀在復雜動態環境中的延伸[14]。Lee 等(2004)提出擁有豐富大數據資源的企業能夠及時洞察環境的動態變化，并根據數據層面的洞察做出行為反映和調整，提升組織應對環境變化的動態能力[15]。謝康等(2020)及孫新波和蘇鐘海(2018)基于“資源—能力—績效”研究鏈條，提出大數據資源可以通過提升企業動態能力改善企業績效[7][16]。可見，動態能力建構是大數據資源成為績效提升驅動力的重要中介機制，動態能力理論對指導大數據資源驅動組織績效提升實踐有重要意義。

(二)研究假設

1.大數據資源對客戶服務績效的影響

大數據具有5V特征，主要體現為體量巨大、類型多樣化、處理速度快、真實可信和價值密度低[11]。大數據資源是指大數據情境下幫助企業持續創造價值的一系列要素的組合，其構筑意味著企業擁有處理大數據所需的數據內容、財務資金、硬件配置和人力資源[7]。大數據資源是銀行深入分析與精準匹配客戶需求的先決條件，至少從兩個方面影響客戶服務績效的提升。一方面，擁有這些資源的銀行能夠從外部獲得更多有價值的數據。銀行通過建立數字化交互平臺、開放API等方式，不僅與客戶的連接比過去更豐富，和競爭對手、政府部門及社交網絡平臺等外部主體的連接和交互也愈加頻繁[17]。豐富的連接使銀行和客戶之間以多種方式實現直接或間接互聯，有助于深入觀測客戶的偏好和需求。另一方面，大數據資源的構筑使大量非標準化數據能夠被充分挖掘和利用[18]。在大數據資源支撐下對數據進行充分的精煉、加工和解讀，才能提高業務關聯和需求預測的準確性[19]。可見，大數據資源為銀行洞察客戶行為帶來了前所未有的空間和潛力，那些能夠獲得大數據資源并運用其開發客戶價值的銀行將率先提升客戶服務績效。據此，提出如下假設：

H1：大數據資源的構筑對客戶服務績效具有正向影響。

2.客戶信息質量的中介作用

已有研究認為客戶信息質量對手機服務接受度[20]、客戶忠誠度及滿意度[21]都具有一定正向影響，是促進客戶需求分析、用戶推廣和客戶滿意度提升的關鍵因素。根據Baroudi和Orlikowski(1988)[22]及Wixom和Todd(2005)[21]的研究，客戶信息質量包含多個維度的特征：(1)完整性，客戶服務過程中所需信息的滿足情況；(2)精確性，所提供的客戶信息在多大程度上是正確的；(3)流通性，所提供信息的更新時效情況。信息是用來消除不確定性的，掌握完整、精準和及時的信息是提高預測準確性的關鍵。銀行信息孤島沒有被打破時，客戶服務過程多取決于客戶的會計信息以及銀行與客戶的歷史互動信息，而這兩種信息在完整性和流通性方面的表現較差，并且容易受到會計主體操縱，精確性也難以保證[1]。由此導致對客戶偏好預測的準確性和客戶需求匹配的精確性都受到限制。隨著信息技術的發展，數據集的質量提高，信息的完整性、精確性和流通性得到了更高的滿足，減少了需求預測的不確定性，極大地滿足了客戶服務的供給。由此提出假設：

H2：客戶信息質量對客戶服務績效具有正向影響。

數據對于銀行而言，其最終價值主要取決于有多少數據能夠轉化為可供管理和營銷決策的信息。大數據功能的發揮和信息轉化過程密不可分，從數據中提取有價值的信息，才能驅動銀行客戶管理和服務推薦的響應。Merendino等(2018)認為大數據資源的構筑使企業能夠從豐富的數據中提煉有價值的信息，改善數據質量并降低決策過程中面臨的不確定性[8]。具體來說，大數據資源的構筑使銀行能夠探究大規模異構數據之間的內在邏輯與變化規律，為員工提供關于客戶行為更完整的信息[23]；能夠從多個來源收集數據，使信息的準確性得到改善；能夠及時更新有用信息，改善信息流通和傳遞的時效性，讓營銷更符合消費者當下的語境與行為[24]。總之，擁有更多大數據資源的企業能夠對數據進行更有價值的提煉，為客戶信息庫做出重要補充的同時，也在精準性和時效性上大大提升了客戶信息質量。據此，本文提出假設：

H3：大數據資源對客戶信息質量具有正向影響。

結合假設H1、H2和H3所預測的關系，本研究認為當銀行構筑起完善的大數據資源基礎時，能夠通過多維度連接拓展數據的來源空間，提高客戶信息的完整性、精確性和流通性，進而通過對高質量信息進行關聯和推薦來助力客戶價值增值，改善客戶服務績效。據此，本文提出假設：

H4：客戶信息質量在大數據資源與客戶服務績效之間具有中介作用。

3.客戶導向能力的中介作用

Narver和Slater(1990)首先提出客戶導向能力是一種觀測和理解客戶需求，實施以客戶需求為中心經營戰略的能力[25]。在個體層面，客戶導向能力被認為是員工(尤其是銷售人員)在銷售過程各個階段對客戶的關注程度[26]。在組織層面，以客戶為導向代表了一種文化，其特征是充分關注客戶需求。無論是個體還是組織層面的研究，均反映構建客戶導向能力的目的是為了根據客戶需求和反饋完善客戶服務，是一個有向驅動過程。客戶導向能力是改善客戶服務績效的先決條件[1]，一方面，客戶導向能力極大地影響了商業銀行對客戶反饋和滿意度的關注程度，這對制定戰略和組織業務活動格外重要；另一方面，客戶服務績效的高低往往取決于銀行與客戶的交互效率，具有較高客戶導向能力的銀行才能快速響應客戶需求，與客戶之間建立起長久、穩定的交互關系[27]。據此，提出如下假設：

H5：客戶導向能力對客戶服務績效具有正向影響。

目前，大數據資源運用最為成熟的領域之一是客戶關系管理系統[27]，這一運用的真正意義在于實現對客戶需求的充分觀測，使銀行具備客戶導向能力。大數據資源可以實現對內部/外部、直接/間接、線上/線下多渠道客戶需求數據的抓取，這對于銀行觀測客戶需求，構建客戶導向的內部管理理念和能力有重要影響。在個體層面，大數據資源有助于營銷人員和管理人員在快速變化且充滿不確定性的環境中提高認知能力，預測客戶需求和客戶價值[8]。在組織層面，資源是能力建構的養料，大數據資源通過影響客戶關系管理、客戶導向文化構建及客戶需求響應流程的重構，驅動現有客戶服務的知識重塑和更新[28]。據此，提出假設：

H6：大數據資源對客戶導向能力具有正向影響。

結合假設H1、H5和H6預測的關系，本研究認為大數據資源有助于從多渠道獲取客戶數據，提高組織和組織內個體對于客戶需求的觀測及認知能力，進而通過不斷學習和分析客戶信息促進服務改善。據此，提出假設：

H7：客戶導向能力在大數據資源與客戶服務績效之間發揮中介作用。

4. 客戶信息質量與客戶導向能力的鏈式中介作用

構建客戶導向能力的基礎是豐富的數據，但如果無法從數據中提取高質量信息可能會導致決策者信息過載，阻礙銀行建立以客戶為導向的業務流程[1]。一方面，信息能夠消除能力建構過程中的不確定因素，是能力建構的基礎。客戶需求、市場環境以及競爭對手和產品的不確定性，使客戶導向能力的建立依賴于大量有關客戶、產品和市場的信息，更完整、準確和及時的信息更有助于客戶經理更好地與客戶互動[29]。另一方面，信息質量的提高使迎合需求逐漸轉變為創造需求，即在高質量信息的支撐下，企業才能通過精準了解客戶的潛在需求，將潛在需求轉化為真實需求，繼而提高客戶導向能力。

鑒于客戶信息質量對客戶導向能力的影響，并結合H1、H3和H5所預測的關系，本研究認為，大數據資源可以通過影響信息提煉質量與客戶導向能力，減少與客戶服務績效之間模糊的因果關系，提高資源向績效的轉化效率。據此，提出假設：

H8：客戶信息質量和客戶導向能力在大數據資源與客戶服務績效之間存在鏈式中介作用。

5.客戶服務流程復雜性的調節作用

盡管大數據資源被認為是提高客戶信息質量的先決條件，但是對于客戶服務流程復雜性不同的商業銀行，大數據資源所發揮的作用也可能存在差異。客戶服務流程復雜性是指客戶服務環境、服務對象和服務內容中的不確定程度。服務流程復雜性至少在以下兩方面可能影響大數據資源的轉化，一方面，組織對服務流程復雜性的認識和理解程度越高，越容易應對服務流程中的不確定性。充分認識并理解服務流程復雜性的組織，常常是率先制定客戶導向型戰略的組織，這些組織會先于競爭對手加強對客戶數據的精煉、擴展與更新，有助于提高大數據資源在組織中轉化為有用信息的效率[7]。另一方面，銀行面對的服務流程不確定性更高，對大數據資源的理解、學習和反饋動力更強，更加能夠正確地運用大數據資源，使大數據資源在信息處理活動中發揮更大的作用[1][27]。據此，提出如下假設：

H9：流程復雜性通過增強大數據資源對客戶信息質量的作用而影響鏈式中介作用。

綜上，本文從資源基礎理論和動態能力理論出發，以“資源—能力—績效”系統理論作為模型構建的邏輯支撐，將客戶導向能力的建構過程作為大數據資源驅動客戶服務績效提升的中介路徑，用客戶服務流程復雜性作為情境調節變量，提出如圖1的理論模型。

圖1 理論模型

三、研究設計

(一)變量測量工具

為保證量表的信度和效度，本研究所采用的問卷題項均來自國內外文獻中的成熟量表。其中，采用謝康等(2020)[7]開發的大數據資源量表，將大數據資源這一潛在變量設定為反映型構念，從數據、人員、資金和設備四個方面測量，設置4個測量題項。客戶信息質量采用Baroudi和Orlikowski(1988)[22]開發的量表，從完整性、精確性和及時性三個方面測量，設置3個測量題項。參考Im和Workman(2004)[30]和Setia等(2013)[1]開發的客戶導向能力量表，包括觀測客戶滿意度、理解客戶需求和調整客戶服務方向等三個方面。關于客戶服務績效量表，銀行多使用美國客戶滿意度指數(ACSI)來衡量客戶服務表現。ACSI是一個基于市場的三項客戶滿意度指數，適用于不同行業，包括客戶整體滿意度、服務質量期望和服務范圍期望等三個方面[31]。客戶服務流程復雜性量表則參考Karimi 等(2007)[32]和Setia等(2013)[1]開發的量表，包括“我們的客戶服務流程通常跨越了多個業務功能領域”等3個題項。上述量表直接采用李克特5點量表進行打分，測試對象需要在“非常不同意”至“完全同意”中做出選擇。

(二)數據收集

課題組成員于2020年7月20日至2020年8月20日采用郵件寄送和問卷星分享鏈接的方式發放問卷。被試者主要來自北京、天津、上海、山東、河北、江蘇、浙江和山西等地區的商業銀行，職務基本都為客戶經理。發放正式問卷共373份，得到247份有效樣本數據，問卷的有效回收率達66.2%。其中，國有商業銀行人員占比28.3%，股份制商業銀行占比22.3%，地方性商業銀行占比32.4%，其他類型銀行占比17%；男性占比51.4%，女性占比48.6%；工作年限在3年以上的占比89.9%；學歷水平在本科以上的占比79.4%；年齡26歲以上的占比91.9%。

四、數據分析結果

(一)信效度檢驗

首先，本文所有量表的Cronbach’s α系數均大于標準值0.7，說明各量表信度較好。其次，進行探索性因子分析，結果表明各量表的KMO值均大于0.6，因子載荷均大于0.5，說明各量表的結構效度較好，適合做因子分析。最后，進行驗證性因子分析，結果顯示各量表建構信度系數CR均大于0.8，表明量表有較好的建構信度。量表平均提取方差值AVE均大于0.5，說明各量表的收斂效度較好。主要變量的相關性分析、信效度檢驗與驗證性因子分析結果如表1所示。主要變量的相關性關系初步驗證了本文的研究假設。

表1 主要變量的相關性分析、信效度檢驗和驗證性因素分析

(二)共同方法偏差檢驗

檢驗本研究是否存在共同方法偏差問題。首先，采用Harman單因素方差檢驗，所有特征根大于1的因子的總變異解釋量為82.0%，其中第一個主成分的變異解釋量為39.0%，低于門檻值40%，且低于總變異解釋量的二分之一。說明本研究不存在單一因子解釋研究變量大部分方差的共同方法偏差問題。同時，單因子驗證性因子分析模型的擬合結果(χ2/df=16.201；CFI=0.445；TLI=0.360；RMSEA=0.248；SRMR=0.179)顯著不及五因子模型擬合結果理想(χ2/df=1.608；CFI=0.980；TLI=0.974；RMSEA=0.050；SRMR=0.039)。上述結果表明，本研究的共同方法偏差程度可接受，不會嚴重影響研究結果。

(三)假設檢驗

應用MPLUS 7.0建立結構方程模型(Structural Equation Model，SEM)驗證前述理論假設，采用bootstrap方法驗證間接效應的顯著性。

1. 中介模型檢驗

參考謝康等(2020)[7]運用的模型對比方法，分別構建基礎模型(模型A)、嵌套模型(模型B)和替代模型(模型C)進行對比。模型A、B和C表示的變量間關系如圖2至圖4所示。在模型A中，大數據資源到客戶服務績效之間不存在直接影響效應。模型B在模型A的基礎上，增加了大數據資源到客戶服務績效之間的直接作用。為了探索變量間存在其他關系的可能性，模型C中不存在中介效應，大數據資源、客戶信息質量、客戶導向能力與流程復雜性均直接影響客戶服務績效。

圖2 模型A

圖3 模型B

圖4 模型C

首先，由于模型A嵌套于模型B，通過比較擬合指標確定更理想的模型。模型A(χ2/df=1.327，CFI=0.985，TLI=0.980，RMSEA=0.036，SRMR=0.037)和模型B(χ2/df=1.294，CFI=0.986，TLI=0.982，RMSEA=0.035，SRMR=0.031)的擬合指標均達到可接受水平。同時，模型B和模型A相比，卡方變化顯著(Δχ2(1)=4.58，p<0.05)。可見，增加直接路徑提高了模型擬合度，應選擇路徑更復雜的模型B。

其次，模型C的擬合指數超過標準水平(χ2/df=1.39，CFI=0.977，TLI=0.973，RMSEA=0.04，SRMR=0.046)。鑒于模型B和模型C不是嵌套模型，對比兩個模型的貝葉斯信息準則(BIC)，模型B的BIC為4741.263，模型C的BIC為6655.651，ΔBIC為1914.388，ΔBIC>10時，BIC較小的模型更優，故模型B優于模型C。

綜上，確定模型B為本研究的基準鏈式中介模型。模型的擬合結果如圖5所示，bootstrap檢驗結果如表2所示。在控制了銀行性質、工作年限、性別、學歷水平和年齡之后，假設檢驗結果如下：(1)大數據資源→客戶服務績效的路徑系數為0.261，p<0.05，假設H1得以驗證，表明銀行構筑豐富的大數據資源，能夠提高客戶服務績效。(2)客戶信息質量→客戶服務績效的路徑系數為0.393，p<0.001，說明客戶信息質量顯著正向影響客戶服務績效，假設H2得證；大數據資源→客戶信息質量的路徑系數為0.520，p<0.001，表明大數據資源對客戶信息質量具有顯著的正向影響，假設H3得證；客戶信息質量在大數據資源與客戶服務績效之間的中介作用的路徑系數為0.204(p<0.05)，bootstrap=1000的置信區間不包含0，假設H4得到驗證。(3)客戶導向能力→客戶服務績效的路徑系數為0.294，p<0.001，表明客戶導向能力對客戶服務績效具有顯著正向影響，假設H5得到驗證；大數據資源→客戶導向能力的路徑系數為0.267，p<0.05，說明大數據資源對客戶導向能力具有顯著的正向影響，假設H6得到驗證；客戶導向能力在大數據資源與客戶服務績效之間的中介作用為0.079(p<0.05)，bootstrap=1000的置信區間不包含0，說明客戶導向能力的部分中介作用顯著，假設H7得證。(4)客戶信息質量對客戶導向能力的影響系數為0.416，p<0.001，說明客戶信息質量越好，客戶導向能力越強，假設H8得到驗證；并且客戶信息質量與客戶導向能力在大數據資源與客戶服務績效之間的鏈式中介作用顯著(β=0.064，p<0.05)，bootstrap=1000的置信區間不包含0，說明假設H9得到證明。

表2 bootstrap方法估計的中介效應及95%置信區間

圖5 調節-鏈式中介模型估計注：圖示結果由一個鏈式中介模型和流程復雜性與大數據資源交互項對第一階段調節作用檢驗得到，為使路徑簡潔，圖中未加入控制變量的影響。

2.調節模型檢驗

為更好控制測量誤差，本研究運用潛調節結構方程模型法及有調節的中介模型算法對過程復雜性的調節作用進行檢驗。

(1)大數據資源與客戶服務流程復雜性的交互項對客戶信息質量影響的路徑系數為0.297，p<0.001，說明流程復雜性顯著調節了大數據資源與客戶信息質量之間的關系。簡單坡度分析結果如圖6所示，當流程復雜性較高時，大數據資源對客戶信息質量的正向效應較強，當流程復雜性較低時，正向效應有所減弱。

圖6 流程復雜性對大數據資源與客戶信息質量間關系的調節作用

(2)采用乘積檢驗法，檢驗有調節的中介效應顯著性。結果表明，交互項與中介變量之間的路徑系數乘積為0.036(p<0.01)，說明鏈式中介顯著受到客戶服務流程復雜性的調節。如表3所示，當客戶服務流程復雜性較低(均值之下一個標準差)時，大數據資源通過客戶信息質量和客戶導向能力到客戶服務績效的中介效應值為0.021(p<0.05)，在5%水平下顯著，bootstrap置信區間不包含0。當流程復雜性較高(均值之上一個標準差)時，大數據資源通過客戶信息質量和客戶導向能力到客戶服務績效的中介效應為0.109(p<0.05)，也在5%水平下顯著，bootstrap置信區間不包含0。高流程復雜性鏈式中介的間接效應值與低流程復雜度鏈式中介的間接效應值存在顯著差異(β=0.088，p<0.05)。說明當客戶服務流程復雜性較高的時候，客戶信息質量和客戶導向能力的鏈式中介效應顯著增強。

綜上，流程復雜性通過提高大數據資源對客戶信息質量的正向影響而顯著調節了鏈式中介作用的大小，假設H9得到驗證。

表3 被調節的鏈式中介效應分析

五、結論與討論

(一)研究結論

第一，大數據資源對客戶服務績效存在直接影響，即構筑豐富的大數據資源是改善客戶服務績效的先決條件。大數據資源的構筑有助于為商業銀行重組現有產品與服務并創造難以復制的某種新服務提供機會，以更有效的情境化需求匹配為客戶創造價值，從而提高客戶服務績效。

第二，大數據資源在作用于客戶服務績效的過程中經過了客戶信息質量和客戶導向能力的鏈式作用。(1)大數據資源通過提高客戶信息質量對客戶服務績效形成了正向影響。大數據資源對客戶服務績效作用的傳導是否暢通很大程度上取決于從大數據中提煉的客戶信息質量。(2)大數據資源通過提高客戶導向能力對客戶服務績效形成了正向影響。相對于大數據直接轉化為能夠促使績效提升的資源紅利，通過客戶導向能力建構而間接形成的績效驅動力，其驅動效率更高。(3)客戶信息質量和客戶導向能力在大數據資源與客戶服務績效之間發揮了鏈式中介作用。大數據資源對客戶信息完整性、精確性和及時性的推進，進一步激活了客戶導向能力的建構，幫助商業銀行洞察客戶需求并及時做出反映，從而驅使績效提升。因此，利用大數據資源來改善客戶信息質量并提高客戶導向能力，是獲得較高客戶服務績效的可行路徑。

第三，流程復雜性對“大數據資源—客戶信息質量—客戶導向能力—客戶服務績效”這一鏈式中介路徑起到調節作用。當客戶服務的流程復雜性較高時，客戶信息質量與客戶導向能力在大數據資源和客戶服務績效之間發揮的鏈式中介作用較強。一方面，流程復雜性是大數據資源賦能客戶服務過程中重要的情境變量，復雜性較高的客戶服務流程涉及的服務對象、服務內容和服務范圍都更廣泛，銀行更傾向于通過大數據資源的積累來推動客戶信息質量提升。另一方面，系統、復雜及一體化的業務流程設計既是銀行了解客戶服務價值創造的過程，也是銀行明晰數據需求的過程。充分認識并應對客戶服務的復雜性，才能深刻認識大數據可能給客戶服務帶來的價值，找到大數據部署方案與客戶服務流程的契合點。

(二)管理啟示

第一，商業銀行應重視大數據資源帶來的積極作用，構筑更加豐富的大數據資源，鎖定影響大數據資源獲取的前置因素。(1)明確大數據資源的“頂層設計”，從業務需求出發制定清晰的大數據資源戰略規劃，整合內外部人力、資金與技術，為構建大數據資源提供保障。(2)加強與非金融機構在渠道層面的共享與合作，通過數字化交互平臺搭建、業務渠道整合及服務場景嵌入等方式形成開放的生態系統，以獲得全面、立體的大數據資源。(3)注重以客戶為中心而不是以分行或分支機構為中心的歷史數據積累與儲存，打通全行客戶信息系統，以形成全面的客戶信息價值圖。

第二，加強大數據資源構筑的同時，需要同步考慮數據資源應用與轉化渠道的暢通性，只有這樣才能充分發揮大數據資源對客戶服務績效的驅動作用。(1)重視大數據資源“信息生產”的作用，依靠豐富的大數據資源，提煉完整、精確和及時的客戶信息，改善信息不對稱。(2)基于豐富的大數據資源創造高頻次、多渠道的互動，發揮大數據資源對客戶導向能力構建的“催化劑”作用，以實現更高的客戶服務價值創造。

第三，商業銀行應當充分認識客戶服務的復雜性，針對客戶個性化和差異化需求，制定系統、完整的客戶服務流程。一方面，在理念上改變對客戶服務流程固化的認知，增強服務流程的靈活性和適應性。另一方面，制定系統的服務流程，實現大數據與業務的聯動，從多維視角(客戶偏好、職業、生命階段、財富階段等)全面掌握客戶行為，充分理解客戶需求，打造具有針對性的綜合服務方案。

(三)研究局限與展望

第一，本研究構建了大數據資源對客戶服務績效影響的研究鏈條，研究層面局限在商業銀行的客戶服務層面，但實際上，這應該是一個多因素和多層面的復雜過程，未來可以考慮從戰略管理和風險管理層面繼續探索和關注其他中介、調節變量，不斷完善理論成果。第二，本研究收集的數據為橫截面數據，難以揭示大數據資源客戶服務績效的動態影響過程。未來可以在數據收集方面，開展縱向追蹤，以深入探討大數據資源對客戶服務績效的作用機制。第三，考慮到商業銀行具有自上(總、分行)而下(支行)的資源賦能結構特性和自下(支行)而上(總、分行)的信息傳遞結構特性，未來研究可以從跨組織層級的視角，分析大數據資源對客戶服務績效的跨層影響。