丰佳栋

摘要：电子商务领域信息技术的开放性提高了服务创新的可见性，为适应多维度要素交互的平台竞争环境，需要基于电商平台丰富的数据资源，通过大数据分析提高战略规划的动态性、灵活性和响应敏捷性，形成一种能够快速集合与组织资源的模式，实现业务价值传递的可持续，满足竞争对抗与互动以及时间轴动态演化的需要。鉴于此，基于大数据分析、知识管理、动态能力、业务流程理论和指向性网络调查数据，构建大数据分析价值链战略研究模型，探讨大数据分析、动态能力、流程级创新与核心竞争力及战略绩效之间的关联。研究结果表明，大数据分析能实现有效的内生源和外生源知识管理，帮助企业形成动态能力，构建核心竞争力，进而提高战略绩效；大数据分析能提高企业组织的灵活性，可作为企业在竞争中赖以生存发展的战略投资；外生源知识管理和内生源知识管理均可单独运作产生知识动态能力，但外生源知识管理的作用更显著有效，更值得重视；知识共享是流程级创新的潜在障碍，与合作商进行知识共享需要选择合适的路径；动态能力既可直接影响流程级创新与核心竞争力，也可调节知识资产对竞争力的影响。总之，大数据分析能够通过影响动态能力和流程级创新来提高核心竞争力，且动态能力在知识管理与流程级创新及核心竞争力（战略绩效）间具有中介作用，电商平台应客观认识大数据分析潜在价值，将之纳入信息技术战略，通过梳理大数据分析→动态能力→核心竞争力→战略绩效的价值链过程，形成战略协同，最终提高知识创新的边际绩效。

关键词：大数据分析价值链战略；知识管理；知识动态能力；流程级创新；核心竞争力

中图分类号：F272.4文献标识码：A文章编号：1007-8266（2021）02-0037-12

基金项目：2013年国家社会科学基金资助项目“公立医院服务补救机制的建立与完善”（13XGL020）

一、引言

近二十年来，我国电子商务平台依托互联网技术快速发展，拥有巨大的用户量、活跃度和交易额，如阿里巴巴、京东、美团、携程等已初具复杂商务活动的生态模式，建立了交易、物流、客服、担保等配套服务体系，成为国民经济与社会发展的新动力以及各行业服务创新的重要介质，对企业用户、合作商及市场环境具有倍数级影响。据统计，全球电子商务用户普及率为78.8%，我国作为全球最大的电子商务市场，预计2023年电子商务用户普及率将达到80.4%[ 1 ]。不过，随着知识经济的不断发展和第四次工业革命的冲击，电商平台资源密集阶段直接争夺顾客的模式已经无法持续，平台获利性和竞争力持续下降，需要聚焦服务创新，提高服务敏捷化感知化水平，研究平台知识性动态性战略能力构建和调整方式以突破管理瓶颈。

隨着电商平台的规模化发展，可基于电商平台海量的数据资源，通过大数据分析形成细节化效益化战略模式，形成商业开发、运作、传递阶段竞争重心与综合绩效协调的多维动态能力，其中包含两个关键战略层面。第一个层面，全球电子商务平台单日产生的数据量早已达到太字节（TB）级别，2020年达到100皮字节（PB），平台成规模的数据处理量已经成为独占且不可替代的资源，需要在软硬件方面进行合理投资，建设基本的信息工程，确立企业战略方向，对数据资源进行有目标、有效率的分享利用。第二个层面，随着电商平台竞争战略的动态升级，需要对基础大数据进行更加深入的开发研究，制定系列性程序以形成竞争力构建的过程路径与内容，使战略具有快速而及时的执行力和获利性，使企业可以敏捷地获得核心竞争力[ 2 ]。同时，有目的地聚集管理智能，确立企业在第四次工业革命中的发展定位，促进平台与平台的协同运作。早在2011年，阿里巴巴就通过大数据分析帮助商家进行数据化运营，并陆续推出御膳房、品牌数据银行等数据平台，帮助商家进行数据管理。但是，由于自然聚集的大数据价值密度低，随着数据的快速积累，数据的价值占比会不断降低，难以对组织绩效产生影响。

因此，本研究将探讨通过大数据分析[ 3 ]对数据资源进行战略导向分析处理的方法，进而深入剖析价值形成过程（包括价值基本概念、演化博弈、形成机理等）[ 4 ]，探寻利润形成路径，使战略模式具有广泛的契合性和高度的响应性，即构建电商平台大数据分析价值链战略（Big Data Analysis Value Chain Strategy，BDAVCS）[ 5 ]。具体内容，一是从系统整体角度解读大数据分析所形成知识资产的来源；二是研究如何通过知识管理进行大数据分析，形成动态能力；三是分析知识动态能力如何促进价值创造、流程级创新与核心竞争力构建；四是探讨知识动态能力和大数据分析价值链的形成受哪些内外部因素影响，可从哪些方面入手构建独特的价值增值与核心竞争力聚合模式；五是基于知识动态能力视角探讨大数据分析在提高企业竞争力、完善产业链供应链方面的战略作用。

二、大数据分析价值战略与知识动态能力理论

（一）大数据分析价值链战略

1.价值链

自20世纪迈克尔·波特[ 6 ]首次提出价值链（Value Chain，VC）概念以来，学术界在企业价值创造、创新及企业间合作等领域进行了颇多研究。关于信息技术对企业价值过程的贡献，奥拉（Olla P）等[ 7 ]指出，价值链模型的构建涉及价值倾向、成本驱动、顾客价值标准等因素以及变化态势、关系管理、组织结构、运作管理等多个方面；布凌根（Buel？ lingen F）等[ 8 ]、斯特沃德（Osteitvalder A）等[ 9 ]从功能和体制角度对移动电商价值链的要素进行解析，强调在价值链上要实现以顾客为核心的价值观。国外学者的研究明确了数据信息在经营中所具有的价值与传递特点。我国学者张海涛等[ 10 ]、许孝君等[ 11 ]、冯立杰等[ 12 ]对中国特色商务网络价值链模型进行比较，聚焦价值网络理论演变、组件识别、迭代更新及拓展深化过程，认为商务信息生态链的信息、主体、技术、环境等要素具有相关性，价值与系统功能是一个优化上升的过程，可以通过网络融合提高企业核心竞争力；吕树豪[ 13 ]通过对京东商业模式价值创造过程的分析，进一步探讨信息与顾客之间的关联，拓展价值的外延。由上述研究可以看出，企业之间和企业内部均存在信息传递的价值链条[ 7，10 ]，在平台企业数据信息价值链形成过程中需要制定能够快速集成多元要素的战略规划[ 8，11-12 ]，可利用信息价值链方法快速提取核心要素——顾客[ 9，13 ]以找到敏捷管理途径。

2.大数据分析

信息技术的发展促进了大数据技术的出现与不断完善，大数据分析（Big Data Analysis，BDA）概念由此提出。大数据分析主要涉及数据挖掘、统计方法、商业智能等相关领域[ 14 ]，旨在通过数据高速捕获、发掘分析、经济价值提取等新一代技术架构[ 15 ]，进行核心竞争力业务环节实践，改进企业现有应用程序[ 16-17 ]。可以说，大数据分析既是信息技术的深化，也是信息客体在管理环境中的有效聚集和问题展示。

3.大数据分析价值链战略

大数据分析价值链战略指从战略角度来研究大数据分析商业价值开发和挖掘问题的流程性思路。[ 5，18-19 ]相关研究涉及以下几个方面：一是从知识的内生源角度看，大数据分析价值链需要延伸到技术采用和竞争力形成的战略阶段[ 20 ]。二是从知识的外生源角度看，格罗弗（Grover V）等[ 21 ]通过案例分析构建大数据分析的战略性商务价值可见度框架，探讨如何利用大数据资源制定实施组织战略以创造不同的价值。三是从知识分享的角度看，帕克（Park Y K）等[ 22 ]从数据或系统角度分析价值链形成过程，探讨通过大数据分析形成组织能力的战略；楠（Nan N）等[ 23 ]利用仿真建模方法构建大数据分析价值链的多层理论模型，并进行实证检验。由上述研究可以看出，大数据分析价值链战略[ 20-22 ]主要关注大数据创造企业价值的过程，可以通过时点战略的多维组合演化，形成以电商平台战略为导向的大数据分析价值链及增值过程，对內实现平台技术设计、商务治理、创新融合等的协同放大效应，对外实现平台间竞争战略动态响应价值的提高。

（二）知识动态能力理论

动态能力（Dynamic Capabilities，DC）是战略管理领域非常有效的理论透镜。蒂斯（Teece D J）等[ 24 ]对动态能力进行了定义，认为它是通过集成、构建和重新配置内外部竞争力来应对环境快速变化的能力，包括感知威胁和塑造机会的能力，抓住机会的能力，加强、合并、保护、重新配置资产的能力。舍尔奇（Schilke O）[ 25 ]在企业管理领域应用动态能力理论衡量构建核心竞争力的能力。在电子商务领域，由于平台所具有的科技特征，知识管理与动态能力处于互动上升的过程。这个过程主要涉及以下三个层面：

第一个层面：对大数据知识资源的有效分析管理是动态能力形成的基础。电商平台最重要的知识资源就是平台海量的数据，可通过大数据分析对海量数据进行处理[ 26-27 ]。伍（Wu L Y）[ 28 ]进一步指出，大数据分析为企业更新或重新配置资源和构建动态能力提供知识基础资源，大数据分析是企业动态能力形成的推动者。埃雷尔斯（Erev？ elles S）等[ 29 ]也认为，只有通过大数据分析，企业才有可能形成可持续的核心竞争力。

第二个层面：知识管理对动态能力形成具有战略影响。格兰特（Grant R M）[ 30 ]、沃尔伯达（Vol？ berda H W）[ 31 ]最早指出，企业知识资源所具有的不可模仿性可产生生产性结果，并提供更新、配置、构建动态能力的基础资源。王（Wang C L）等[ 32 ]认为，动态能力属于高阶能力，只有以知识基础为支撑，才能调整提升基本能力，重构能够适应环境变化的核心能力，提高企业在动态市场环境中获取竞争力的潜力，如组织敏捷性。塔洛特（Tallott M）等[ 33 ]、哈尼（Harney B）等[ 34 ]、彼得罗夫（Peteraf M）等[ 35 ]、希利亚德（Hilliard R）等[ 36 ]通过对影响战略能力的创新关键要素的识别，展示知识创新整合与动态能力形成的过程，并基于案例分析和跨层次研究方法实证分析知识资源对动态能力的影响，拓展知识管理与动态能力互动运用的边界。

第三个层面：知识动态能力对组织绩效具有贡献。帕夫卢（PavlouPA）等[ 37 ]、周（ZhouSS）等[ 38 ]、比特科（Bitencourt C C）等[ 39 ]、伊勒木迪（Ilmudeen A）等[ 40 ]认为，知识资源可以提高概念化信息技术投资的绩效。此外，他们还遵循技术市场创新路径探究了元分析方法中的知识管理、动态能力与组织绩效的作用关系。这样，国外学者基本理清了从知识管理到动态能力再到组织绩效的逻辑过程。我国学者杜小民等[ 41 ]、简兆权等[ 42 ]研究了国内技术创新对动态能力的正向影响作用，从战略与创业融合视角分析了机会与资源要素匹配层面动态能力的衍生机理。彭新敏等[ 43 ]、金昕等[ 44 ]、朱晓红等[ 45 ]结合纵向案例研究，实证检验了知识资源对组织绩效的影响过程和动态能力的中介作用，揭示了组织内外部知识资源整合与动态能力的演化过程。这些观点与国外学者的观点基本是一致的。

综上所述，电商平台的大数据分析价值链战略以企业战略目标为起点，确定知识管理的核心与基本思路，形成动态能力，进而通过战略规划的实施，构建核心竞争力与战略优势，实现价值链增值与组织绩效长效提升。按照这样的思路，提出图1所示的概念模型。

三、研究假设与模型构建

由于要评估整个价值链的绩效，我们把大数据知识管理所得到的成果称为知识资产，用以衡量知识管理的效能。考虑到电商平台竞争的多维性特点，把核心竞争力与战略优势合并考虑。从研究动态能力的角度，狭义化组织绩效为战略绩效指标。

（一）研究假设

1.大数据分析通过影响动态能力提高战略绩效

大数据是一种无形的潜在资产，包括数据、知识和智力，需要通过动态性知识管理实现卓越的业务流程，其效能和产出取决于能否正确使用相关知识[ 46 ]。知识管理代表支持维度，通过高效地管理数据，将之交付给终端用户以支持业务流程，提高动态能力，实现具体功能，改善业务绩效[ 24 ]。大数据知识管理是一个通过分析组织知识来形成战略知识资产（大数据）的技术驱动绩效的过程，如操作规程、技能与专门知识构成竞争力的关键来源[ 30 ]，并提供更加透明而准确的结果以支持多个业务领域的决策，增加价值链的潜力。

大数据分析通过知识管理形成知识资产并驱动绩效的过程包括以下几个阶段：一是动态能力属于信息密集型要素，大数据分析通过感知、获取、处理、存储、分析数据的过程，把数据转化为组织的系统性动态能力[ 40 ]；二是大数据分析通过存储和共享知识资产来提高组织内部效率，通过数据集成和分析工具来利用组织知识资产，把知识资产转化为新的管理工具等，使组织知识库保持持续更新，提高知识管理水平[ 41 ]；三是大数据分析按照数据的来源把知识分为内生源知识和外生源知识并进行分类管理，进而分别通过改进创新响应和自动化业务流程来提高知识管理对动态能力反应的敏捷性[ 45 ]。

基于上述研究，提出以下假设：

H1：大数据分析的内生源知识管理可以积极影响动态能力。

H2：大数据分析的外生源知识管理可以积极影响动态能力。

知识共享指电商平台上所有参与者（包括生产商、零售商、物流商、企业用户）对各自业务流程进行的分享[ 46 ]。渠道合作商在战略和战术上对企业非常重要，它们可以帮助企业收集关键市场信息，用以微调企业战略，满足客户需求，从长期提升财务业绩[ 38 ]。参与者之间的协同知识分享能力可以增加价值与动态能力[ 42 ]提升的机会。同时，考虑到动态能力理论所包含的多层次关系视图，动态能力需要有效的知识共享的支持[ 39 ]；这种交互也可受益于大数据分析技术的使用，通过影响感知机会和威胁，塑造并利用分析结果来增强组织的动态能力[ 36 ]。由此，提出以下假设：

H3：大数据分析通过与合作商进行有效的知识共享，对动态能力产生积极影响。

大数据分析以上三方面因素的综合对核心竞争力产生影响。由此，提出以下假设：

H4：大数据分析对核心竞争力产生积极影响。

2.知识动态能力

何素（Hsu L C）等[ 47 ]认为，知识动态能力在大数据知识资产与组织绩效间起调节和中介作用。苏兰斯基（Szulanski G）[ 48 ]认为，知识资产作为一种静态资源，需要经过利用才能转化为组织产出。因此，大数据知识资产作为组织知识与能力的集合，可以通过对知识资源的获取、创造、整合与高效利用，提升知识动态能力与核心竞争力[ 24 ]。同时，动态能力并不能直接形成可持续竞争力，而是通过推动业务流程的改进来实现[ 34，43 ]。由此，提出以下假设：

H5：大数据分析既积极影响知识动态能力，又积极影响流程级创新。

流程级创新是服务组织提供优质服务的关键一环，可以通过感知顾客需求和市场研发来调整流程级性能指标[ 34 ]。大数据分析是流程级创新的来源，可为企业提供创新的可能路径，并正向作用于创新效果[ 33 ]。由此，提出以下假设：

H6：大数据分析对流程级创新具有积极影响。

3.大数据分析、知识动态能力与核心竞争力及战略绩效的关系

信息技术领域的早期相关研究认为，动态能力可以建立大数据知识资产与战略绩效之间的联系[ 37-38，44-45 ]。在管理领域，相关研究把动态能力作为知识管理与战略绩效之间的中介[ 31，49 ]，所得到的研究结果表明，在知识管理与两类性能（流程级创新与核心竞争力）之间的关系中，动态能力具有潜在的中介作用。由此，提出以下假设：

H7.动态能力正向调节大数据分析与核心竞争力之间的关系。

H8.流程级创新正向影响核心竞争力。

4.核心竞争力与战略绩效

对一家企业而言，核心竞争力显示了其与当前或潜在竞争对手相比更多的成功机会。考虑到企业基本管理目標，学界普遍建议以企业绩效作为衡量核心竞争力的常用和经验性指标[ 25 ]，而大数据分析对技术主导环境下的企业经营可能特别有帮助，有利于核心竞争力的形成[ 50 ]。此外，随着时间的推移，技术的发展使组织可以通过大数据分析获得知识和经验，形成动态能力，进行流程级创新，实现核心竞争力与战略层面操作性战略绩效的提高[ 51 ]。可以认为，在基于知识动态能力的价值链形成核心竞争力后，企业战略绩效的定性指标就实现了。

（二）模型构建

从通过不同形式的大数据分析来进行知识管理进而形成动态能力（H1、H2、H3）开始，既可直接形成核心竞争力（H4），也可经由流程级创新（H6）来形成核心竞争力。有效的知识管理可提高知识动态能力。知识动态能力既可直接形成核心竞争力（H7），也可通过流程级创新间接形成核心竞争力（H5）。此外，大数据分析还通过流程级创新对核心竞争力产生影响（H8），动态能力还可调节大数据分析与战略绩效之间的关系。本研究模型与相关假设参见图2。

四、实证分析

（一）数据来源与样本分析

为检验本研究模型与相关假设（图2），采用基于文献综述的调查工具，组织相关学者对问卷每个题项的内容效度进行审查，评估其内容、范围和目的，然后再通过在线调查工具对多家电商平台的企业用户和各级供应商进行问卷调查。这项调查开始于2019年6月，为提高调查的指向性，首先组织战略研究专家描述被调查电商平台参与企业的资格，然后使用某调查公司的在线调查工具，以有奖答题的方式对京东、淘宝、美团、唯品会四家电商平台的各类企业用户随机发放问卷300份。问卷题项采用李克特五点量表记分方式。截至2020年3月，总计回收可用问卷185份，总回收率为61.7%。调查内容及题项参见表1。本次调查的对象是电商平台上具有一定影响力的企业用户，代表性和针对性较强，样本数量可以满足研究模型的需要。如表2所示，样本来自不同的行业，其中供应商占比为34.6%，零售商占比为33.4%，物流商占比为23.1%，信息服务商、金融商、企业用户、顾问咨询等其他行业样本占比为8.9%，基本涵盖电商平台知识管理与共享的所有方面。从企业规模看，样本在大中小型企业之间的分布比较平均。

（二）信度与效度评估

为对概念模型进行估计，研究使用偏最小二乘法（PLS）[ 52 ]。在不要求变量符合正态分布的情况下，偏最小二乘法通过变量的有效性来达到研究目的。偏最小二乘法要求有10倍样本数量的路径指向同一个特定指标，在研究模型中，n=185，说明样本数量是足够的。在进行正式分析之前，需要对研究模型进行信度与效度评估。

本研究以量表信度、结构信度、收敛效度、区别效度来对本研究模型进行评估，模型分析结果参见表3。本研究仅考虑复合可靠性（CR）大于0.7的变量。如表3所示，模型各变量的复合可靠性均在0.70以上，量表信度良好。由于可靠性考虑了不同的变量及载荷，本研究采用复合信度系数来评估结构信度[ 53 ]。由表3可以看出，所有变量的复合信度系数都在0.7以上，说明结构信度良好。为检验收敛效度，本研究求取平均方差提取值（AVE）。平均方差提取值应高于0.5，即潜在变量要解释其指标中超过一半的方差[ 54 ]。表3显示，所有变量都满足这个标准。在区分效度方面，本研究采用福内尔—拉克尔（Fornell-Larcker）标准[ 54 ]衡量，即平均方差提取值的平方根大于与其他潜在变量之间的相关系数。表3显示，各变量平均方差提取值的平方根大于与其他变量之间的相关性，所有变量均显示出可以接受的区别性证据。总体来看，模型具有较好的量表信度、结构信度、收敛效度和区别效度。满足上述标准后，就可以利用研究模型进行正式分析了。

（三）假设检验

本研究通过路径引导技术检验路径系数的显著性[ 52 ]，本研究模型中各变量均呈现合理值，具体参见图3。

本研究模型解释了从知识管理到动态能力，再到核心竞争力，最终实现战略绩效的整个过程。如图3所示，内生源知识管理（ENKM）到知识动态能力（KDC）的路径系数为0.161，在p<0.01的水平上显著，验证了内生源知识管理对知识动态能力积极影响的假设；外生源知识管理（EXKM）到知识动态能力（KDC）的路径系数为0.237，在p< 0.001的水平上显著，验证了外生源知识管理对知识动态能力积极影响的假设；知识共享（KS）到知识动态能力的路径系数为0.010，不显著，没能验证知识共享对知识动态能力积极影响的假设。因此，H1、H2得到确认，H3未得到确认。大数据分析到核心竞争力的路径系数为0.148，到流程级创新（PI）的路径系数为0.344，分别在p<0.05和p<0.001的水平上显著，验证了大数据分析对核心竞争力和流程级创新积极影响的假设，即H4、H6得到确认。知识动态能力（KDC）到流程级创新（PI）的路径系数为0.421，在p<0.001的水平上显著，验证了知识动态能力对流程级创新积极影响的假设；知识动态能力（KDC）到核心竞争力的路径系数为0.197，在p<0.01的水平上显著，验证了知识动态能力对核心竞争力积极影响的假设；流程级创新（PI）到核心竞争力的路径系数为0.106，不显著，没能验证流程级创新对核心竞争力积极影响的假设。因此，H5、H7得到确认，H8未得到确认。

五、研究结论、贡献与启示

（一）研究结论

大数据分析可通过多种方式为企业创造价值，有必要研究如何获得核心竞争力。知识动态能力视角的电商平台大数据分析价值链战略可通过多种方式产生价值，需要对整个价值链进行分析。本研究基于知识管理和动态能力视角，通过构建大数据分析价值链战略研究模型，探讨大数据分析对战略绩效与核心竞争力的影响。

本研究模型能较好地解释所有变量，其实证结果表明，大数据分析可以提高企业组织的灵活性，可作为企业在竞争中生存发展的一项战略投资；为形成知识动态能力，在创造敏捷性方面通过大数据分析获得的外生源知识比内生源知识更加有效；知识共享是流程级创新的潜在障碍，与合作商共享知识是有问题的；动态能力既可以直接导致更好的流程级创新与核心竞争力，也可以调节大数据分析对流程级创新的影响。本研究结论具体如下：

一是大数据分析能够支持组织知识管理，在进行有效分析基础上形成的大数据知识资产具有独特性、转让性和价值性。外生源知识管理和内生源知识管理均可单独运作并产生知识动态能力，但外生源知识管理的作用更显著有效，更值得重视。

二是知识共享对动态能力的影响并不显著，与合作商共享知识的假设没有得到确认。大数据分析可以推动供应链上合作者之间的知识共享，有利于商业价值的创造，但知识共享对动态能力的影响需要多视角审视，其可行性需要进一步探讨。有研究认为，在生产运营或产品服务方面与合作商共享知识，可以推动企业核心业务、合作效率、业务流程的改进与升级，其中的关键环节可以通过信息共享协议打破合作壁垒，形成长效解决方案。

三是大数据分析可直接或通过知识动态能力影响核心竞争力，进而提高战略绩效。通过大数据分析，将数据资源转化为知识资产；通过知识资产运作产生绩效导向的动态能力，形成核心竞争力，提高战略绩效。

四是流程级创新对核心竞争力不存在显著影响。尽管流程级创新有助于实现高效管理，但不一定能对战略绩效产生很大影响。这是因为，战略绩效取决于一系列因素，这些因素都可能对战略绩效产生影响。

总而言之，以大数据分析为核心的知识管理可以产生知识资产，形成动态能力，提高运营效率，通过直接或间接作用影响核心竞争力，提高战略绩效。

（二）研究贡献

目前，关于知识管理、组织动态性与企业绩效之间关系的研究较少。本研究对大数据分析价值链构建进行研究，从理论上提出并实证基于战略管理动态能力理论和大数据价值链理论的概念模型，解释整个大数据分析价值链形成与作用的过程，证明基于有效知识管理的大数据分析应用可以帮助企业形成动态能力从而获得核心竞争力，为从大数据分析到动态能力，再到核心竞争力，進而实现战略绩效的理论链条提供了具体而细化的思路，后续研究可使用这个理论框架评估流程级创新和其他信息技术创新中的业务价值，具有积极意义。

（三）研究启示

大数据分析可以在知识资产、动态能力、流程级创新、战略绩效方面创造价值。对电商平台、相关企业及各级管理者而言，本研究展示了通过大数据分析实现核心竞争力的路径。尽管大数据分析在实施与维护方面需要大量的投资，但考虑到其潜在价值和好处，企业仍然需要把大数据分析价值链战略嵌入自己的信息技术战略。

1.管理策略

一是可通过大数据分析进行知识管理，通过有效的培训帮助用户提取、管理和利用知识，进而借此形成快速响应外部需求的能力，实现创新，如优化业务流程。企业在信息化发展中可以形成有效的自底向上策略，可以从特定的性能指标中获益，可以通过评估把组织知识转化为业务流程和企业级别的能力，提高从业者的生产能力。

二是可通过大数据分析提高核心竞争力，实现潜在商业价值。可通过信息系统与战略管理的交互，在流程级创新与核心竞争力之间建立联系，评估大数据分析对决策过程的影响，为信息技术资源管理提供有效支持。可通过大数据分析应用的知识管理功能，特别是外生源知识管理功能支持生产运营或产品服务，帮助企业在竞争中生存发展。

三是知识动态能力既可直接影响核心竞争力与战略绩效，也可中介大数据分析对战略绩效的影响，通过多种路径促进核心竞争力的形成。企业可考虑投资大数据分析技术，通过大数据分析进行知识管理，推动动态能力的形成，进而实现可持续核心竞争力的构建。

2.实施路径

平台知识动态能力贯穿两个阶段：一是洞察性大数据分析阶段，即感知机会和威胁，深入挖掘大数据分析的结果，对竞争对手的新产品或新服务做出反应；二是形成管理措施的行动结果阶段，即采用新的技术，形成新的管理路径，开发可能的机会，如开拓新领域、新市场或新角度。可基于本研究结论，确定各阶段具体的实施路径。

在洞察性大数据分析阶段，大数据分析价值链战略的第一步是初步确定战略要求，提出知识管理目标，包括大数据获取途径、体系构建与分析。第二步是选择合适的数据源，包括自有数据、交易数据、客户关系管理数据、运营数据、第三方数据，并进行数据分析。应用大数据挖掘算法对海量数据进行预测分析，形成可视化分析结果并进行语义引擎管理，通过构建相应的数据模型分析数据之间的关联。第三步是围绕企业战略，通过大数据分析发掘潜在可能的新服务或新商业模式，这是大数据价值实现的可能与方向，其主要活动包括战略的制定与细化执行，如战略新思维的形成、讨论和评估，基于自身战略目标和能力选择具体业务部门予以落实。

在形成管理措施的行动结果阶段，为形成完整的闭环，应实现从大数据分析到知识管理，到动态能力，再到核心竞争力与战略绩效的转化。大数据分析可以通过一系列测量指标以动态化战略对资产端进行差异化、敏捷化定位，影响商业模式的成本端，提升动态能力，实现流程级创新，形成更强的核心竞争力，促进大数据价值链的价值增值，提高企业战略绩效。

3.战略模式

基于知识动态能力，电商平台可采取的大数据分析价值链战略模式包括以下五种：

一是咨询型大数据分析价值链战略模式。即平台基于客户（包括供应商、零售商、企业用户）需求，通过大数据分析收集多来源数据，并进行处理和分析，洞察发掘客户意向，为客户提供服务；客户基于大数据分析结果动态调整企业战略，提高战略绩效。在此过程中，大数据分析的角色类似于咨询企业。

二是嵌入型大数据分析价值链战略模式。电商平台一般信息化基础较好，具有进行大数据分析的能力，可以自建平台内部的大数据部门，并基于业务部门动态需求，收集多来源海量数据，依次生成创新战略。嵌入于电商平台的大数据部门承担数据分析的角色，实现业务管理的大数据赋能。一些具有原住性领先技术的企业（如阿里巴巴）一般会采用这种模式。

三是拓展型大数据分析价值链战略模式。电商平台（如淘宝、天猫、京东等）在业务往来中积累了海量数据，拥有大量数据资源，可以通过大数据分析赋能价值链，创新管理思路，拓展广告、直播等营销活动。

四是运营型大数据分析价值链战略模式。随着大数据的兴起，电商平台凭借自身在大数据方面的优势，打破零售行业壁垒，强势改变传统零售业务生存空间与战略规划模式，成为运营模式的主导，这就是运营型大数据价值链分析战略模式。

五是专业型大数据分析价值链战略模式。大数据分析通过知识管理来提升电商平台的专业化程度。

无论是咨询型模式还是嵌入型模式，均介入企业从战略制定到战略实施再到战略实现的全过程，期望提供完整的价值链增值服务。比如，美的集团的美云智数现已发展成为国内领先的大数据分析服务提供商，为行业内企业用户提供大数据创新战略赋能服务。

（四）研究局限与展望

本研究提出了基于知识管理和动态能力的大数据分析价值链战略，并对主要路径进行了实证分析，取得了一些有益的结论，但仍然存在许多局限。一是动态能力的前因并沒有扩展到模型所包含的特定知识资产之外的其他因素，未来研究可考虑增加其他知识资产，以此作为模型的变量或调节现有变量；二是尽管本研究考虑了流程级创新的影响，但并未多方位考虑流程的环节性和立体性，未来研究应在过程方法基础上着眼于纵向研究，详细评估大数据分析对特定业务流程级创新的影响；三是由于管理措施具有以问题为导向的感性性质，未来研究应进一步识别与横断面研究设计相关的内容；四是尽管本研究样本量在统计学上是足够的，但样本量的进一步增加可能有助于提高研究结论的代表性。

参考文献：

[1]程永义.电子商务的大规模事务数据高效处理关键问题研究[D].长春：吉林大学，2020.

[2]ABBASI A，SARKER S，CHIANG R H L.Big data research in information systems：toward an inclusive research agenda[J].Journal of the association for information systems，2016，17（2）：1-32.

[3]C？RTE-REAL N，OLIVEIRA T，RUIVO P.Understanding the hidden value of business intelligence and analytics（BI&A）[EB/OL].[2020- 11- 25].https：//aisel.aisnet.org/cgi/ viewcontent.cgi？referer=&httpsredir=1&article=1543&con？ text=amcis2014.

[4]MORABITO V.Big data and analytics：strategic and organi？ zational impacts[EB/OL].[2020-11-25]. https：//www.abe.pl/ pl/book/9783319106649/big-data-and-analytics-strategicand-organizational-impacts.

[5]LA VALLE S，LESSER E，SHOCKLEY R，et al.Big data，analytics and the path from insights to value[J].MIT sloan management review，2011，52（2）：20-33.

[6]邁克尔·波特.国家竞争优势[M].北京：华夏出版社，2002： 219-420.

[7]OLLA P，PATEL N V.A value chain model for mobile data service providers[J].Telecommunications policy，2002，26（9）：551-571.

[8]BUELLINGEN F，WOERTER M.Development perspec？ tives，firm strategies and applications in mobile commerce[J]. Journal of business research，2004，57（12）：1 402-1 408.

[9]OSTEITVALDER A，PIGNEUR Y.Business model genera？ tion[EB/OL].[2020- 11- 25].https：//123doc.net//document/1 259903-business-model-generation-com-ppt.htm.

[10]张海涛，王丹，张连峰，等.商务网站信息生态系统演进机理——价值链视角的研究[J].图书情报工作，2015，59（15）：80-86.

[11]许孝君，张连峰，张海涛.国内外商务网络信息生态链研究综述[J].情报科学，2016，34（10）：169-176.

[12]冯立杰，杜靖宇，王金凤，等.颠覆式创新视角下后发企业价值网络演变路径[J].科学学研究，2019，37（1）：175-183.

[13]吕树豪.互联网时代基于价值创造的商业模式创新——以“京东”为例[J].河北企业，2019（2）：63-64.

[14]CHEN D Q，MOCKER M，PRESTON D S，et al.Informa？ tion systems strategy：reconceptualization，measurement，and implications[J].MIS quarterly，2010，34（2）：233-259.

[15]CARTER P.Big data analytics：future architectures，skills and roadmaps for the CIO[EB/OL].[2020-11-25].https：// xueshu.baidu.com/usercenter/paper/show？paperid=cb4e52f c63966d33b34a854ad919648f&site=xueshu_se.

[16]CHEN H C，CHIANG R H L，STOREY V C.Business intel？ ligence and analytics：from big data to big impact[J].MIS quarterly，2012，36（4）：1 165-1 188.

[17]DAVENPORT T H.Competing on analytics[EB/OL].[2020-11-25]. https：// www.oracle.com/technetwork/database/op？ tions/advanced- analytics/odm/competing- on- analyticshbr-art-160028.pdf？ssSourceSiteId=otncn.

[18]KWON O，LEE N，SHIN B.Data quality management，data usage experience andacquisition intention of big data ana？ lytics[J].International journal of information management，2014，34（3）：387-394.

[19]EREVELLES S，FUKAWA N，SWAYNE L.Big data con？ sumer analytics and the transformation of marketing[J].Jour？ nal of business research，2016，69（2）：897-904.

[20]MALLADI S.Adoption of business intelligence & analytics in organizations—an empirical study of antecedents[C].Chi？ cago，Illinois：19th American Conference on Information Systems（AMCIS），2013.

[21]GROVER V，KOHLI R.Revealing your hand：caveats in implementing digital business strategy[J].MIS quarterly，2013，37（2）：655-662.

[22]PARK Y K，MITHAS S.Organized complexity of digital business strategy：a configurational perspective[J].MIS quarterly，2020，44（1）：85-127.

[23]NAN N，TANRIVERDI H.Unifying the role of IT in hyper？ turbulence and competitive advantage via a multilevel per？ spective of IS strategy[J].MIS quarterly，2017，41（3）：937-958.

[24]TEECE D J，PISANO G，SHUEN A.Dynamic capabilities and strategic management[J].Strategic management journal，1997，18（7）：509-533.

[25]SCHILKE O.On the contingent value of dynamic capabili？ ties for competitive advantage：the nonlinear moderating ef？ fect of environmental dynamism[J].Strategic management journal，2014，35（2）：179-203.

[26]CHEN Y，WANG Y，NEVO S，et al.IT capability and orga？ nizational performance：the roles of business process agility and environmental factors[J].European journal of informa？ tion systems，2014，23（3）：326-342.

[27]SHER P J，LEE V C.Information technology as a facilitator for enhancing dynamic capabilities through knowledge management[J].Information & management，2003，41（8）：933-945.

[28]WU L Y.Resources，dynamic capabilities and performance in a dynamic environment：perceptions in Taiwanese IT en？ terprises[J].Information and management，2006，43（4）：447-454.

[29]EREVELLES S，FUKAWA N，SWAYNE L.Big data con？ sumer analytics and the transformation of marketing[J].Jour？ nal of business research，2016，69（2）：897-904.

[30]GRANT R M.Prospering in dynamically-competitive envi？ ronments：organizational capability as knowledge integra？ tion[J].Organization science，1996，7（4）：375-387.

[31]VOLBERDA H W.Toward the flexible form：how to remain vital in hypercompetitive environments[J].Organization sci？ ence，1996，7（4）：359-374.

[32]WANG C L，AHAMED P K.Dynamic capabilities：a review and research agenda[J].International journal of manage？ ment reviews，2007，9（1）：31-51.

[33]TALLOTT M，HILLIARD R.Developing dynamic capabili？ ties for learning and internationalization：a case study of di？ versification in an SME[J].Baltic journal of management，2016，11（3）：328-347.

[34]HARNEY B，FALLON-BYRNE L.Microfoundations of dy？ namic capabilities for innovation：a review and research agenda[J].Irish journal of management，2017，36（1）：21-31.

[35]PETERAF M，DI STEFANO G，VERONA G.The elephant in the room of dynamic capabilities：bringing two diverging conversations together[J].Strategic management journal，2013，34（12）：1 389-1 410.

[36]HILLIARD R，GOLDSTEIN D.Identifying and measuring dynamic capability using search routines[J].Strategic orga？ nization，2019，17（2）：210-240.

[37]PAVLOU P A，EL SAWY O A.From IT leveraging compe？ tence to competitive advantage in turbulent environments：the case of new product development[J].Information sys？ tems research，2006，17（3）：198-227.

[38]ZHOU S S，ZHOU A J，FENG J Z，et al.Dynamic capabili？ ties and organizational performance：the mediating role of innovation[J].Journal of management & organization，2019，25（5）：731-747.

[39]BITENCOURT C C，SANTINI F O，LADEIRA W J，et al. The extended dynamic capabilities model：a meta-analysis[J].European management journal，2020，38（1）：108-120.

[40]ILMUDEEN A，BAO Y K，ALHARBI I M，et al.Revisiting dynamic capability for organizationsinnovation types：does it matter for organizational performance in China？[J]. European journal of innovation management，2020（3）：1-26.

[41]杜小民，高洋，劉国亮，等.战略与创业融合新视角下的动态能力研究[J].外国经济与管理，2015，37（2）：18-28.

[42]简兆权，王晨，陈键宏.战略导向、动态能力与技术创新：环境不确定性的调节作用[J].研究与发展管理，2015，27（2）：65-76.

[43]彭新敏，姚丽婷.机会窗口、动态能力与后发企业的技术追赶[J].科学学与科学技术管理，2019，40（6）：68-82.

[44]金昕，陈松.知识源战略、动态能力对探索式创新绩效的影响——基于知识密集型服务企业的实证[J].科研管理，2015，36（2）：32-40.

[45]朱晓红，陈寒松，张腾.知识经济背景下平台型企业构建过程中的迭代创新模式——基于动态能力视角的双案例研究[J].管理世界，2019，35（3）：142-156，208.

[46]ERICKSON S，ROTHBERG H.Big data and knowledge management：establishing a conceptual foundation[J].The electronic journal of knowledge management，2014，12（2）：108-116.

[47]HSU L C，WANG C H.Clarifying the effect of intellectual capital on performance：the mediating role of dynamic capa？ bility[J].British journal of management，2012，23（2）：179-205.

[48]SZULANSKI G.Exploring internal stickiness：impediments to the transfer of best practice within the firm[J].Strategic management journal，1996，17（S2）：27-43.

[49]LIU H F，SONG D D，CAI Z.Knowledge management capa？ bility and firm performance：the mediating role of organiza？ tional agility[EB/OL].[2020-11-25].https：//aisel.aisnet.org/ cgi/viewcontent.cgi？article=1224&context=pacis2014.

[50]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.

[51]ELBASHIR M Z，COLLIER P A，SUTTON S G，et al.En？ hancing the business value of business intelligence：the role of shared knowledge and assimilation[J].Journal of in？ formation systems，2013，27（2）：87-105.

[52]HAIR J F，RINGLE C M，SARSTEDT M.PLS-SEM：in？ deed a silver bullet[J].Journal of marketing theory and prac？ tice，2011，19（2）：139-152.

[53]HENSELER J，RINGLE C M，SINKOVICS R R.The use of partial least squares path modeling in international market？ ing[J].Advances in international marketing，2009，20：277-319.

[54]FORNELL C，LARCKER D F.Structural equation models with unobservable variables and measurement error：alge？ bra and statistics[J].Journal of marketing research，1981，18（3）：382-388.

責任编辑：陈诗静

E-business Platform Big Data Analysis Value Chain Strategy from the Perspective of Knowledge Dynamic Capability

FENG Jia-dong

（School of Business Management，Inner Mongolia University of Finance & Economic，Huhhot 010070，Inner Mongolia，China）

Abstract：The dissemination of e-commerce big data information technology increases the visibility of service innovation. To adapt to the competition environment of multidimensional element interaction platform，based on the abundant data resource of e-commerce platform，we could improve the dynamics，flexibility，and responsiveness of strategic planning by using big data analysis，cultivate a pattern that can rapidly integrate and organize resources，realize the sustainability of business value transmission，and meet the requirement of competitive confrontation and interaction，and timeline dynamic evolution. Because of this，we could，based on big data analysis，knowledge management，dynamic capability，business process theory，and directive online investigation data，formulate the big data analysis value chain strategy（BDAVCS）to analyze the relationship between big data analysis，dynamic capability and process innovation，and the core competitiveness and strategic performance. It is found that：big data analysis can realize the effective internal and external knowledge management，help the enterprises to cultivate their dynamic capability，foster the core competitiveness，and improve strategic performance；big data analysis can improve the flexibility of enterprise organizations，and can be used as the strategic investment for the enterprises to survive and develop in competition；both the external and internal knowledge management could independently operate to generate knowledge dynamic capability （KDC），while we should pay more attention to the external knowledge management because of its more significant effectiveness；knowledge sharing is the potential barrier for process innovation，and knowledge sharing with business partners should be carried out through a suitable way；and dynamic capability can not only have direct impact on process innovation and core competitiveness，but also play the role in mediating the impact of knowledge asset on competitiveness. Generally speaking，big data analysis can improve core competitiveness byhaving influence on dynamic capability and process innovation；dynamic capability plays the mediatory role between knowledge management and process innovation，and core competitiveness （strategic performance）；and e-business platforms should objectively understand the potential value of big data analysis，involve it into IT technology，form the strategic coordination，and finally improve the marginal performance of knowledge innovation.

Key words：BDAVCS；KDC；knowledge management；process innovation；core competitiveness