颉茂华 刘铁鑫，2 施 诺 王 乾

(1.内蒙古大学经济管理学院； 2.内蒙古财经大学会计学院)

1 研究背景

随着互联网的不断发展进步以及Web 2.0技术的完善和普及，电子商务、移动互联网、物联网促使经济步入大数据和云计算时代。经济活动中产生的、经过噪声处理的数据已然呈现出指数级的增长态势，并渗透到每个行业和业务领域。它也逐渐成为一种基本的生产要素，参与到企业决策、技术创新及改善企业绩效的过程中，为竞争优势的提升指出了新路径。但数据驱动能力能否直接或者必然提升企业绩效，理论界与实务界还未定论。部分研究发现:数据驱动能力有助于产品或服务创新[1]、商业机会识别[2]、战略决策的制定、商业模式转变、创新行为的培育，且数据驱动能力可以提升企业竞争力，进而提高企业绩效[3～5]；此外，同行业企业中，数据驱动能力高的企业盈利能力更强[2]。但也有研究认为：大数据“提纯”难度较高[6]，数据驱动能力的潜在价值只有在一定条件下才会被释放，而这种释放条件目前尚不清晰[7]。有些拥有数据驱动能力的企业在发展中并没有取得预期成果，而是陷入了“昙花一现”的尴尬境遇，“大数据悖论”时有出现[5,8]。本研究认为，之所以出现这样的争议，是因为人们对于数据驱动能力对企业影响的作用机制与渠道还未梳理清晰。事实上，数据驱动能力对企业的产品、运营、创新、决策都有一定影响，是企业的一种战略转型，但这种影响不是直接作用的结果，必须通过一定的中介渠道进行。另外，简单地采用财务指标分析数据驱动能力对企业绩效的影响，并不能反映其对企业的整体作用。为此，本研究以企业战略绩效为视角，试图围绕“数据驱动能力如何提升企业战略绩效”这一问题展开讨论。

依靠数据驱动能力提升企业的战略绩效需要进行一系列的“消化与吸收”，此过程中，组织结构至关重要[9]。在数据驱动下，企业组织结构变得不再稳定[10]，企业的数据驱动能力会引起组织结构发生变化，不同的组织结构将对企业的绩效产生不同的影响[11]。随着技术的不断进步，数据的获取及组合分析逐渐打破了时间和空间的限制。据此，研究不同数据驱动能力下组织结构如何变化，对于厘清数据驱动能力对企业影响的作用机制与渠道，解释目前的争议，就具有一定的理论和实践意义。

2 文献综述

2.1 数据驱动能力

大数据业务带来了大量的非结构化和结构化的信息种类、信息数量及速度，由此形成了具有海量的5V特点(volume/velocity/variety/veracity/value)的信息资产——“大数据”[2,12]。大数据的价值并不体现在数据本身上，而是体现在与具体流程惯例相结合产生的数据驱动效应上[13]。金晓彤等[14]指出，基于数据驱动的营销模式可以增强企业的价值获取认知，提升企业与其他利益相关者的价值共创，有助于企业转型升级。孙新波等[13]强调，大数据驱动可以实现企业供应链的精准定位，提升企业价值链管理。事实上，数据驱动能力的形成不是一蹴而就的，需要数据获取、数据组合分析及数据利用的协同动态演化而得以实现。具体来说，首先，企业基于海量数据，不断搜集和挖掘[15]，以建立具有权威和价值性的数据库，实现大数据获取。其次，企业借助大数据技术实现对获取数据的组合与分析[16]。其中，大数据技术主要通过深度学习和云计算实现。再次，基于大数据获取及数据组合分析，与企业其他资源和能力结合，以共同发挥效用获取企业竞争优势，这一过程被定义为“公司调动和部署基于IT资源的能力”[2,5,17]，也可以说是大数据利用能力。最后，企业竞争优势的提升，也在于异质性资源内生性与外生性的结合，并进行动态有序的构建[18]。故大数据驱动是在数据获取、数据组合分析、数据利用基础上进行的动态有序循环，由此形成企业数据驱动能力。企业的数据驱动能力可以实现商业机会识别[2]，也可以降低其在运营上的风险，提高运营效率和公司的整体性能[19]，加速产品及服务的创新[1]，以实现企业绩效的提升。但事实上，数据驱动能力对企业绩效的影响还存在争议。GUPTA等[20]虽然承认数据驱动能力作为必要资源在企业发展中的重要性，但也强调其还不能够成为驱动竞争业绩增长的有效条件。PATRICK等[8]指出，尽管企业对提升数据驱动能力有极大的热情，且针对这一方面的投资也在上升，但投资结果却存在很大差异。由此，企业绩效可能与数据驱动能力无直接关系，而是企业组织性质在此过程中发挥了重要作用。

2.2 组织结构

大数据的变革、企业的数字化应用带来了企业内外部环境的巨大变化。权变理论认为，企业管理应以其所处的环境及内外部变化为基础进行应变。CHAKRAVARTY等[21]就以权变理论为基础，研究了IT能力对企业组织内部的影响。事实上，企业在面对IT环境改变时，为保持其内部要素的一致适配，转变组织结构就成为企业应变的关键[22]。科层制的组织结构具有组织层次分明、制度严格、责权明确，能高效利用组织资源、顺利实现组织目标等特点，在工业经济时期发挥了重要作用。随着互联网、大数据的发展，数据驱动下的企业组织结构呈现出不稳定性、短暂性等特点[10]，组织内部信息传递方向由单向“一对多”式，转变为双向“多对多”式，各信息处理之间的关系不再是纵向的主从关系，而是水平或纵横交错的对等关系[23]。传统的科层制组织结构逐渐失去优势，需要企业适时对其进行转变。刘刚等[24]认为，数据驱动下的组织结构由科层制向平台型组织结构转变，以不断适配企业内外部环境变化。谢康等[25]认为在互联网下，组织的执行规则、权力关系、行动特征等依然存在，科层制仍然是社会主体开展合作的主要组织结构之一。组织结构从金字塔式、扁平化式或矩阵式转变为网络式、平台式或模块化式，只是组织结构的形式发生改变，而制度基础没有发生本质变化，实质是工业经济下科层制的改进。在数字化技术驱动下，只有组织执行规则，权利关系、行为特征发生变化，组织结构的“网格制”才能形成，且这才是制度层面上与工业经济下的科层制形成对应关系的组织结构。企业数据驱动环境、组织结构的相互联动，有助于增强公司业绩。由此，企业组织结构的定位与转变需要跟随数据驱动能力的变化，企业数据驱动能力与组织结构匹配，则是提升企业绩效的重要条件。

2.3 企业战略绩效评价

大数据的应用与发展驱动着企业的转型与升级。数据驱动能力从多方面对企业产生影响，推动其战略发展。本研究以企业战略绩效评价数据驱动能力对企业绩效影响的效果。企业战略绩效评价的关键在于评价方法的选择。KAPLAN等[26]提出了衡量企业整合战略绩效的平衡计分卡法，这也是目前被采用最多的战略绩效评价方法。平衡计分卡是对企业财务指标和非财务指标的综合评价，既能将一般的概念转化为准确的指标，又可实现长期目标和短期目标的平衡，客观反映企业战略真实情况，且评价结果满足有效性原则[27]。由此，本研究以企业战略绩效为视角，探究数据驱动能力、组织结构对企业绩效的影响。

3 研究设计

3.1 研究方法选取

基于以上文献分析，本研究将组织结构引入到数据驱动能力对企业战略绩效影响的讨论中，以进一步解构和明晰为什么数据驱动能力与组织结构适当匹配才能提升企业战略绩效，是如何匹配的，其路径与机理是什么？也就是试图通过案例研究法回答“how”和“why”的问题[28]。单案例研究能鲜活地揭示出某种现象背后的机制，剖析研究案例纵向过程的变化，清晰地显示纵向过程变化的因果逻辑，并对获取的数据进行归纳总结[29]。鉴于此，本研究通过获取A网约车公司的相关数据，并进行探索性编码分析，以此诠释数据驱动能力、组织结构对企业战略绩效的影响。

3.2 案例选取

本研究选取A网约车公司作为研究对象，遵循了如下原则：①极端性原则。该公司于2012年成立；2015年，入选世界经济论坛达沃斯“全球成长型”公司；2017年，公司每月用户服务量超过1.5亿；2018年，开始优化出行产业链条，成立了一站式汽车服务平台。②启发性原则。该公司由出行领域的出租车打车平台入手，随之相继建立涵盖出租车、专车、快车等多项业务在内的一站式出行平台，以及一站式汽车服务平台，实现了出行业务的纵横战略布局。近年来，更是涉足无人驾驶、人工智能领域，布局云智慧交通系统。综上所述，A网约车公司符合纵向单案例研究的标准。

为了充分地识别和挖掘组织结构下，数据驱动能力对企业战略绩效影响的相关构念间的因果关系，本研究依据所获得的一手和二手资料对企业发展中的关键事件进行了纵向的梳理。根据案例企业战略及业务发展的纵横范围，将A网约车公司目前的发展过程划分成两阶段。具体见图1。

3.3 数据收集与分析

案例研究的数据应当有不同的来源，本研究尽可能从多方面对数据资料进行收集，以保证数据信息间的相互补充、交叉验证，达到案例分析的信度和效度要求。数据收集形式包括访谈、在线社区追踪、体验式观察以及辅助信息来源。具体地，进行3个步骤的分析：①对不同来源的数据做选择、聚焦、简化，识别出与研究问题相关的关键信息；②对简化后的资料进行概念化编码，形成关键构念；③将关键构念聚合成不同发展阶段的数据驱动能力、组织结构及企业战略绩效3个理论范畴。在整个数据分析中采用双盲法编码，编码完成后比对两份结果，若编码结果不一致，则提交相关专家进行讨论，保留最后可以达成一致的编码。数据的详细情况见表1。

表1 企业数据来源信息汇总

3.4 构念识别

依据质性研究的分析逻辑，对理论范畴、关键构念及测量维度等做说明(见表2)。

表2 理论范畴、关键构念、测量维度与测度指标举例

4 案例分析与发现

4.1 数据驱动弱能力、组织结构科层制与企业战略绩效

4.1.1典型资料列举及编码结果

将企业发展第一阶段的数据驱动弱能力、科层制组织结构及对战略绩效的影响资料进行编码，结果见表3。

表3 企业发展第一阶段的典型资料列举及编码结果

4.1.2数据驱动弱能力

数据驱动能力弱通常是企业发展第一阶段面临的普遍问题。数据驱动能力需要经过数据获取，数据组合分析和数据利用这3个阶段的协同循环得以实现：①该公司成立之初，使用打车APP叫车的用户数还不足1千人，且体验用户居多，客户后期需求难以追踪，数据获取无论是从空间上还是时间上都受到限制。②起初公司以外包形式开发打车应用程序，这只是为了满足简单的在线司乘两端客户需求，随着用户数量的增长，从APP后台获取了一些数据化的信息内容，对获取数据进行处理，实现了简单聚类分析。但由于没有深度学习、云计算等大数据技术手段的支撑，公司的数据组合分析尚处于初级水平。③数据利用能力阶段，数据显示企业运力供给不足，由此推出了顺风车、专车等业务以增加司机端运力。但受限于数据获取和组合分析的不足，公司未能进一步挖掘已获取的数据资源打破打车、顺风车、专车等APP之间的限制。数据资源的部署应用也没有充分渗透到企业各部门，商业机会识别、战略决策、创新选择等都无法以数据驱动为主要判断依据，数据利用能力较差。综上，A网约车公司在发展的第一阶段企业数据驱动能力较弱。

4.1.3组织结构科层制的选择及其效果

在企业数据驱动能力偏弱的情况下，虽然有些信息技术在一定程度上促进了组织内部效率的提升，但受制于信息反馈速度和协调能力，组织结构并没有发生实质性的改变。根据组织的执行规则、权利关系、行为特征及该公司的实际境况，可以得出此时公司的组织结构以科层制为主。具体分析如下。

(1)执行规则：经验化发展初期，由于数据驱动能力弱，组织内执行规则主要建立在以经验为导向的基础之上。由于不能提供更多的数据资源，公司具体计划、方案及任务执行大多依靠传统、已有的经验化的制度规范。具体来说，较低的数据驱动能力不能提供完整全面的市场需求数据，在拓展市场之前，只能根据已有经验对市场进行判断。据此，有效识别出商业机会较大的两个地区：北京和深圳。并决定先在北京、深圳执行市场冷启动计划，随后再到更多的城市拓展市场。另外，公司推出的是新型APP打车模式，一开始的社会认可度低。由于缺乏受众群体的数据，业务扩展艰难。为进一步扩充市场份额，凭借经验识别出传统“补贴”方式的机会，以此作为有效手段，提供给客户低价高品质的出行体验，吸引更多客户加入。由此，可以判断出该公司执行规则是以经验为主的，经验化的执行规则使其打开了市场，实现了企业战略绩效的客户维度的原始积累。

(2)权利关系：人主导此时公司在数据获取和处理上分别呈现数量不足和低水平的状态，组织内尚不具备数据权力形成的条件。由于数据没有达到指数级标准，组织内部权力还不能以数据为主导。若依据获取不全面的、非细化的数据实现组织权力数据化，必然会干扰企业的战略决策、内部管理和业务发展。本阶段人主导的权力构成了组织内行动者的行动能力，保证了组织决策的效率。具体来说，受限于此阶段数据驱动弱能力，组织内部信息化尚不成熟，信息并没有渗透到组织各部门。各机构部门工作的开展必须遵循部门管理人员的领导，通过层级管理以确保管理层权力的实现。公司的决策由管理团队掌控，管理团队确定其战略发展方向和内部管理方式。面对激烈的市场竞争，为了保持其行业地位，管理层快速响应，提出了产业联盟战略决策，并依靠组织的层级管理逐级运作，最终与行业内其他网约车公司结成战略联盟。以管理层为单一中心、权利关系人主导、通过层级管理，快速形成纵向业务战略联盟，提升了组织行动效率。由此，实现了决策流程运转，保证客户数量的持续上升，增强了客户满意度，完成了战略绩效内部流程维度的初步构建和客户维度的原始积累。

(3)行为特征：情感理性虽然具备一定的数据驱动能力，但由于量级上和技术上欠缺，公司的数据理性行为还不能实现。新兴数字经济领域充满很大的不确定性，但该公司对出行领域的热情及对未来市场的理性判断，激发了其创新意愿。公司坚持人才引进、加大研发投入，想尽办法拓宽融资渠道，不断跑外融资，以便给予研发创新充足的资金保障。由此，提供了创新发展的基础条件。这正体现出公司组织行为的情感理性。总之，由于数据驱动弱能力，A网约车公司以情感理性为基础，坚持引进科技人员，重视研发投入，为战略绩效学习与成长奠定了基础。其管理层也凭借着饱满的热情和不懈的努力，积极进行外部融资，获取了项目运转资金，为公司运转提供了财务方面的保障。

4.1.4数据驱动弱能力、组织结构科层制对企业战略绩效的影响路径

A网约车公司在发展的第一阶段，数据获取数量少、数据组合分析水平低、数据利用能力差，导致数据驱动能力较弱。为了规避这一劣势，发挥此阶段组织执行规则、权力关系及行为特征的优势，其选择了组织执行规则经验化、权利关系人主导、行为特点情感理性的科层制组织结构，以提升企业的商业机会识别能力、提高组织决策效率、激发创新意愿，进而实现了企业战略绩效的构建与积累。数据驱动弱能力、组织结构科层制及企业战略绩效的影响路径具体路径如下。

为了应对数据驱动弱能力，该网约车公司从组织结构的3个方面着手，实现战略绩效的构建与积累。首先，此阶段公司的数据驱动能力弱，数字化商业机会识别受限，故选择依靠经验化的执行规则来识别商业机会。通过市场冷启动和“补贴”带来的商业机会，成功开拓和延伸了产品应用市场。客户端注册人数从千位上升至万位甚至是百万位，客户数量飞速提升，同时也强化了客户对平台的认同，获得客户好评，客户满意度提升。由此，带来企业战略绩效客户维度的原始积累。其次，此阶段数据驱动能力弱，公司的数字化组织决策受限，故通过人主导的权力关系，提高数据弱能力下的组织决策效率。通过组织内部的层级管理，有效抑制组织无序运行，高效实现与行业内其他公司合并，使企业决策迅速落地，形成战略联盟。据此，提升了决策流程运转效率，初建了企业内部流程。最后，此阶段数据驱动能力弱，公司的数字化创新评价受限，基于对出行事业的极大热情和对未来市场的判断所形成的情感理性行为，激发了企业创新意愿。A网约车公司积极进行研发投入与对外融资。由此，企业研发投入明显增加，行业专业人士、技术人才相继加入，奠定了企业战略绩效构建的学习和成长的基础；同时，不断从资本市场上争取多轮融资，运营资金得到有效保障，为企业战略绩效的构建与积累提供了强力支持。

综上，本研究基于组织结构，解释了数据驱动能力在A网约车公司发展第一阶段对企业战略绩效的影响路径(见图2)。

4.2 数据驱动强能力、组织结构网格制与企业战略绩效

4.2.1典型资料列举及编码结果

将企业发展第二阶段的数据驱动强能力、网格制组织结构及对战略绩效的影响资料进行编码，结果见表4。

表4 企业发展第二阶段的典型资料列举及编码结果

4.2.2数据驱动强能力

公司经过近4年的发展，积累了近3亿的用户，每天实现上千万的订单，占据了400多座城市，享有巨大的客户资源：①数据获取在各业务端口随着时点和空间的推进不断取得新的突破，目前数据可以达到几亿的数量级，这为其数据驱动能力的提升奠定了基础。②数据的组合分析。公司每天可以记录8 000万千米的行驶路线，每日规划的路线总数可以达到2.5亿条。深度机器学习和大数据系统融合了机器、算法和数据，数据在时间和空间上的精细匹配得以实现。公司还打造了实时动态精准的云端调度引擎，极大地提高了数据组合分析能力。③数据利用能力。公司通过大数据组合分析，可以实现出行供需的动态追踪及调节、组织的精准决策及数字化的创新评价，力图把大数据及大数据技术渗透到组织的各部分。综上，A网约车公司在发展的第二阶段形成了较强的数据驱动能力。

4.2.3组织结构网格制的选择及其效果

权变系统理论以开放的系统为基础，企业在此开放系统中应依赖所处的环境及内外部变化进行应变。在一定程度上，企业应变的过程就是建立网格制打破科层制的过程。数据驱动能力的变化，意味着与企业有关的环境发生了根本改变，数据驱动能力的增强必然会加速科层制的转变。就A公司而言，经过第一阶段的积累，第二阶段已经拥有庞大的数据量，具备较高的数据组合分析水平和较好的数据利用能力。同样根据组织的执行规则、权利关系、行为特征及该公司在第二阶段的现实境况，得出此时A网约车公司的组织结构是以网格制为主。具体分析如下。

(1)执行规则：数据化公司发展到第二阶段，形成了较强的数据驱动能力。组织内的执行规则开始建立在以数据为导向的基础之上，实现了经验化执行规则向数据化执行规则的转变，开始了终端供需的动态追踪和调节。公司首先依据数据驱动能力呈现出的动态区域热力图，实现了对出行供需的动态追踪；再通过动态调价和“连环拼车”，实现对出行供需端的动态调节。具体来说，动态调价是通过收集过去的需求数据，以数据驱动考虑订单包含的所有因素，如时间、天气等，来判断地区车辆供给，并以此动态信息决定区域乘车出行的价格；“连环拼车”以数据驱动为导向，以时点为基础，实现供需联动的动态调节。由此，可以判断出公司的执行规则以数据化为主，动态追踪和调节客户出行，进一步提升了用户对产品体验的满意度，吸引了更多的用户加入其中，实现了企业战略绩效的客户维度持续提升。

(2)权力关系：人+数据主导此时的企业在数据获取量上实现了指数级增加，数据的组合分析水平达到行业领先水平，数据利用能力突出。为了与此阶段的数据驱动能力相适配，组织权力的关系开始由人主导转变为“人+数据”主导，以提高组织决策的精准度。具体来说，公司以管理层为主导，首先决定出行领域的纵向扩张，相继推出公交、豪华车、共享单车业务，将轿车用户、公交用户与自行车用户联接，弥补出行领域的短板。此外，提出洪流战略，以建设围绕车主和汽车的一站式服务平台，具体涵盖新能源汽车及外卖领域，实现产业横向扩展，最终形成公司的纵横业务布局。公司在以人主导决策的同时，研发了一个叫“阿波罗灰度发布工具”的测试工具。该工具可以测试出产品或运营项目的收益，并应用于企业决策。综上可知，A网约车公司的组织权利是以“人+数据”为主导，为其业务纵横成功发展提供了数据支持，提高了决策的精准度，组织内部流程趋于完善。

(3)行为特征：数据理性A公司目前具有全球领先的行业技术解决方案，并在不断的优化升级，数据驱动能力较强。为了发挥这个优势，组织的行为特征逐渐由情感理性转变为数据理性，以支持研发创新的深度推进。具体来说，产品的研发和创新都是在数据分析的基础上做出的理性行为反应。数据显示，公司的数据交通技术投入不足，为加速推进数字创新业务，成立了AI labs，聚焦人工智能前瞻性的基础研究，此时公司的行为特征表现为数据理性。由此，A网约车公司实现了国际间的研发合作，吸引国际顶尖科学家加入，吸纳了更多资金的投入，促进了战略绩效的不断提升。

4.2.4数据驱动强能力、网格制组织结构对企业战略绩效的影响路径

在A公司发展的第二阶段，数据获取数量多、数据组合分析水平高、数据利用能力好，其数据驱动能力较强。为了发挥这一优势，公司选择了组织执行规则数据化、权利关系人+数据主导，以及行为特征数据理性的网格制组织结构与之相适配，从而动态追踪客户数据，调节供需，提高组织决策精准度，深度推进研发创新，进而实现企业的战略绩效大幅提升。数据驱动强能力、组织结构网格制及企业战略绩效的影响路径具体如下。

为了与数据驱动强能力适配，公司从组织结构的3个方面着手，实现战略绩效大幅提升。首先，选择数据化的执行规则来调节出行供需。依据数据驱动能力呈现出的动态区域热力图，完成对区域内客户出行供需数据的动态获取。接着，基于数据制定了动态调价规则和“连环拼”拼车规则，通过动态调价及智能匹配拼车，调节实时的供需平衡。由此，提升了用户对产品体验的满意度，吸引用户数量的指数级增加，实现了企业战略绩效的客户维度持续提升。其次，以“人+数据”主导的组织权力实现组织的精准决策。公司通过管理层的决策和“阿波罗灰度发布工具”测算出的具体数据化收益，为其业务纵横布局提供了支持。人的决策加上数据化的测算工具使组织决策的流程更加全面，有益于企业内部流程趋于完善。最后，选择数据理性的行为特征深度推进组织的研发创新。企业开始着手基础研究的投入与建设，同时，研发创新的评价结果也吸引了外来资金投入。由此，推动了国际研发合作，吸引国际顶尖科学家加盟，使企业战略绩效学习和成长维度不断进步。外来资金的不断涌入可提供充足的经费保障。基于组织结构，本研究解释了数据驱动能力在公司发展第二阶段对企业战略绩效的影响路径(见图3)。

4.3 数据驱动能力、组织结构与企业战略绩效影响路径的理论框架构建

以组织结构为视角，通过对不同数据驱动能力对企业战略绩效实现路径的分析可得，企业在数据驱动能力较弱时，组织结构应该选择与其适配的科层制，通过经验化的执行规则、人主导的权利关系和情感理性的行为特征，有效识别商业机会，不断提升决策效率和激发创新意愿，以实现企业战略绩效的构建与积累。在数据驱动能力较强时，积极转变组织结构，选择与其适配的网格制，通过数据化的执行规则、“人+数据”主导的权利关系及数据理性的行为特征，动态追踪和调节出行供需，有效提升决策精准度，并深度推进研发创新，以实现企业战略绩效的大幅跃进。由此可知，在企业数据驱动能力发展的不同阶段，需要转变组织结构，与不同的数据驱动能力相匹配，才能持续提升企业的战略绩效。综上分析，本研究构建出数据驱动能力对企业战略绩效影响机理的理论框架(见图4)。

图4 数据驱动能力对企业战略绩效影响机理的理论框架

5 结语

本研究通过纵向单案例分析，以组织结构为视角，揭示了数据驱动能力对企业战略绩效的影响路径，最终构建了数据驱动能力与组织结构适配下的企业战略绩效提升的理论框架，拓展了组织结构理论的应用边界，对丰富数据驱动理论与企业战略绩效理论具有一定的意义，并得出以下实践启示:①企业需明确数据驱动能力，精准定位组织结构，使其与不同阶段的企业数据驱动能力相匹配；②企业需梳理不同数据驱动能力，以及与之相适配的组织结构对企业战略绩效影响的路径。在数据驱动能力较弱时，适配科层制组织结构，以实现企业战略绩效构建与积累；在数据驱动能力较强时，适配网格制组织结构，以大幅提升企业战略绩效。

本研究也存在一定的不足:①由于案例研究的局限，研究结论的普适性不足，还需要经过大样本进一步检验；②仅从组织结构的视角，研究数据驱动能力对企业战略绩效的影响，对其他影响因素并未提及；③对于数据驱动能力的度量可能存在一定主观经验判断，或许对研究结论产生一些影响。上述问题有待后续深入研究。