张吉昌 ,龙 静 ,陈 锋

(1.南京大学 商学院,江苏 南京 210093;2.华南师范大学 经济与管理学院,广东 广州 510006)

一、引言

伴随着互联网经济的发展和大数据时代的到来,数据已成为土地、资本、劳动力之外的第四类重要资产,其中大数据被许多国家视为“未来的新石油”“钻石矿”。中国政府同样高度重视大数据在社会变革、经济发展和产业升级中的作用,党的十八届五中全会公报明确强调“实施国家大数据战略”,这标志着大数据战略正式提升为国家级战略。此后,中国政府围绕大数据发展工作制定和颁布了诸多政策文件,致力于加快中国数字化进程,将中国打造成为数据强国。这一系列政策和措施,极大地推进了大数据战略的落地,以大数据为代表的数字经济为传统产业升级和企业商业模式创新带来前所未有的新机遇。相关学者指出,商业模式创新受到数字技术和网络技术的深刻影响,但许多企业尤其是中小企业和传统企业对大数据背景下的商业模式创新依然面临较多困惑,缺乏深刻和系统的理论指导,亟需开展“大数据时代”对商业模式创新的影响研究[1],这是一个极具意义的研究问题[2]。

近年来,围绕大数据与商业模式创新的关系,学者们做了诸多有益的探索。早期研究以定性分析为主。李文莲等[2]较早从理论思辨的视角系统论述了大数据资源与技术对企业商业模式的影响。Hartmann et al.[3]易加斌等[4]提出大数据驱动商业模式创新的综合分析框架。曾锵[5]对大数据驱动商业模式创新的类型进行了区分。此外,关于大数据应用实践对企业创新的影响,学术界还存在诸多争议。大部分学者肯定了大数据应用实践对企业创新的积极作用,但也有少数学者对该积极影响提出质疑。例如,Yang et al.[6]认为大数据资源本身并不能直接驱动企业创新,需要利用新型的大数据处理技术和工具对海量数据加以有效挖掘和应用,否则大数据将毫无用处。Ghasemaghaei et al.[7]通过实证研究发现,大数据的大体量特性对企业创新没有发挥显著的积极作用。随着研究的深入,少数学者在定性分析的基础上跳出资源与技术的视角,提炼出大数据能力这一概念,并开展相关的实证研究。谢卫红等[8]探讨了大数据能力与商业模式创新的直接关系,这是国内外较早探讨二者关系的定量研究。基于能力视角的学者发现大数据本身的价值是有限的,只有将大数据资源上升到能力层面,充分挖掘大数据的商业价值和经验性知识,对企业的创新活动才更有意义[9],这为揭开大数据能力对商业模式创新的作用机理提供了研究契机。

从现有研究脉络来看,大数据能力与商业模式创新的关系探讨才刚刚起步,后续研究至少可以从以下四个方面进一步探讨。第一,从作用机制来看,现有文献对于大数据能力驱动商业模式创新的影响机理研究仅仅停留在初步的认知阶段,鲜有学者实证研究大数据能力对商业模式创新的影响机理,这显然不利于企业利用大数据开展创新实践活动[5]。第二,从作用边界来看,现有文献对大数据能力应用情境的考察还较为匮乏,特别是当下企业通过收集、利用消费者的行为数据进行商业模式创新时所面临的合法性问题层出不穷[10-11],但少有学者关注,使得有关大数据有效性的研究结论大多泛泛而谈[12],甚至存在诸多争议。第三,从大数据能力的演化来看,早期研究将大数据能力视为动态能力,但近期研究指出大数据能力是促进高阶动态能力形成的一种低阶运营能力[13],但相关的实证证据还很匮乏。第四,从研究方法来看,现有研究以理论思辨和定性研究居多,大样本的实证研究非常欠缺,混合方法的研究更是寥寥无几。

大数据能力是指企业对内外部大数据资源与技术进行部署、管理和应用的能力。根据动态能力理论的观点:一方面,动态能力具有层次性和演化性的特点,大数据能力是一种低阶的运营能力,还不具备动态能力的特质,是其他高阶动态能力形成的基础[13]。另一方面,企业动态能力的关键是对资源的整合和重构,其中知识资源是企业形成和保持可持续竞争优势的核心资源[14]。企业如果只具有收集大数据的能力,而不具备从大数据中提取信息并加工成知识的能力,就难以驱动和引领商业模式创新。换言之,企业需要将基于大数据资源的运营能力上升到基于知识的动态能力。因此,知识动态能力为探讨大数据能力如何驱动商业模式创新提供了切入点。此外,大数据所引发的许多商业模式创新面临合法性的问题[10]。近年来,关于“过度抓取用户信息”“滥用用户数据”“大数据杀熟”等事例报道引起社会的广泛关注[15]。企业在利用大数据能力进行商业模式创新的同时还需要接受市场的检验并受到合法性约束[11],创新合法性是需要考虑的重要边界条件。

本文综合运用动态能力理论与合法性理论,探讨大数据能力影响企业商业模式创新的中间机制及边界条件,构建以知识动态能力为中介变量,创新合法性为调节变量的理论模型,利用回归分析与模糊集定性比较分析(fsQCA)对302 家已进行大数据应用实践的企业调查数据对模型进行检验。本文可能的贡献在于:第一,拓展了企业商业模式创新的前因研究。本文除了发现大数据能力与商业模式创新的显著正相关关系,还发现知识动态能力和创新合法性对商业模式创新的促进作用,而组态视角下不同要素组合间协同联动对商业模式创新产生殊途同归效果。第二,发现知识动态能力在大数据能力与商业模式创新之间起中介作用,从动态能力视角揭开了大数据能力转化为商业模式创新过程中的“黑箱”,同时响应了Teece[16]对于动态能力与商业模式关系的探索。此外,本文聚焦于当前中国蓬勃发展的数字经济背景,对促进数字化情境下动态能力理论的进一步成熟与发展具有一定贡献,也是对焦豪等[17]、张吉昌等[18]研究呼吁的积极响应。第三,现有研究已经关注到大数据的合法性问题[2,15,19],但已有研究较少将创新合法性作为一个重要的情境变量来考察大数据能力与商业模式创新的关系。本文基于合法性理论,考察创新合法性对大数据能力与商业模式创新的调节效应,为后续关于大数据驱动的创新研究提供了一种新的理论视角。第四,现有研究大多停留在个案描述和定性分析的阶段,缺乏实证研究。本文通过大样本实证研究对“大数据能力如何影响商业模式创新”的问题提供新的实证证据。本文还进一步采用fsQCA方法,从组态视角探索了高商业模式创新的殊途同归路径,为该主题的探索提供了研究方法上的新思路。

二、文献综述与研究假设

(一)大数据能力与商业模式创新

2014 年,程刚等[20]首次提出大数据能力这一术语并将其内涵概括为:企业在大数据开发、管理和利用过程中,所表现出的收集、存储、挖掘和使用大数据的能力。谢卫红等[8]率先开发大数据能力的测量量表,随后国外学者Lin et al.[21]基于动态能力理论提出大数据能力这一术语并开发测量量表,将其定义为:企业为实现战略目标和经营目标而对各种高速流动的数据进行识别、收集、存储和分析的能力。在新兴数字技术和大数据蓬勃发展的时代背景下,企业与大数据之间的关系变得日益紧密,大数据作为一种新的技术工具和资源不断推动企业商业模式创新。商业模式用于描述企业达成市场交易的逻辑和架构[22-23],其过程可以用企业创造价值、传递价值和获取价值来加以概括,该过程中的每个环节都有可能成为商业模式创新的触发点[2]。

大数据能力对商业模式创新的影响表现为以下三个方面:第一,大数据资源为企业商业模式寻找新的价值主张提供基础[24]。大数据资源孕育着商业模式变革的潜力,当产品和服务产出过程被离散化解构、进行数字化表达后,企业能在此基础上通过价值关联发现新的价值主张和寻找新的商业机会。第二,企业通过整合大数据资源可以革新商业模式中的价值创造路径。企业基于大数据设施和技术,打通各业务部门的信息交流和传递渠道,为吸收外部大数据资源提供坚实的软硬件基础,各交易方的数据贯穿整个业务流程,推动企业进行生产和服务流程的再设计与再改造。由此,传统的企业价值创造流程得到升级甚至被颠覆,企业催生出新的创造价值方式[2,25]。第三,企业通过利用大数据的预测能力可以改变商业模式的价值传递方式。企业是一个决策系统,大数据的预测能力可以为企业的精准决策提供强有力的支持。传统意义上的企业基本是“千篇一律”地向消费者传递产品或服务的价值,而拥有大数据预测能力的企业通过收集、整理、分析消费者海量的轨迹数据,可以有效捕捉和洞悉消费者的潜在需求和个性化需求,在传递产品或服务价值时能做到“千人千面”[5,26]。据此,提出假设:

H1:大数据能力正向影响商业模式创新。

(二)知识动态能力的中介作用

动态能力是指企业整合、构建和重新配置内外部资源以适应快速多变的外部环境的能力[14]。由此可见,资源是影响动态能力形成和进化的核心要素。在众多异质性资源中,学者们普遍认为最具价值性、稀缺性、难以替代性和难以模仿性的资源是企业的知识资源,企业的各类型知识活动是促使企业动态能力形成的来源。在此背景下,Wang et al.[27]聚焦知识资源,提出了知识动态能力这一新的学术概念,将其定义为企业通过动态整合、调整和应用企业知识库以获取竞争优势的能力。后续学者从不同视角对动态能力理论进行拓展和解读,指出动态能力具有层次性以及演化性特点[28-29]。大数据能力作为一种低阶运营能力可以通过驱动其他高层次动态能力的形成来为企业创造竞争优势[30]。

基于上述观点,本文认为大数据能力是一种低阶的运营能力,是可以被其他企业模仿的,而知识动态能力则是在大数据能力基础上发展起来的一种高阶异质性能力,即难以被其他企业模仿的动态能力。首先,大数据能力可以增强企业获取知识的能力。在知识获取阶段,大数据能力能够显著提升当前数字化背景下企业对于有效信息和知识的获取,保证知识储备的及时性和精准性,从而更好地用于内部知识结构的完善。其次,大数据能力可以提升企业对新旧知识融合的能力。在知识整合阶段,大数据能力具有整合利用与共享的属性,将已获取的知识与当前的知识储备进行高效融合,从而使内部人员能够更好地学习和掌握与企业发展高度匹配的内容,协助企业提升整体的知识融合能力。最后,大数据能力可以提高企业创造知识的能力。在知识重构阶段,大数据能力对于融合后的知识实施再分析,从而有效进行知识的分类,为企业创造出更符合当前趋势和市场发展需求的知识。Chen et al.[30]指出大数据能力能帮助企业对外界环境进行扫描和解读,为企业提供规律性知识,提前对环境进行预判,能有效激发知识创造能力。

基于动态能力理论的层次性观点,知识动态能力是高阶的动态能力,通过对知识基础和结构的动态调整能够帮助企业打破路径依赖和核心刚性,识别并捕捉创新机会。从知识的角度出发,企业创新活动是指企业对新旧知识的重新组合。因此,对知识的动态管理能力会影响企业如何进行资源配置和发掘机会[31],进而驱动商业模式创新。首先,知识获取能力拓展了企业知识来源的深度和广度,快速识别商业模式创新的机会窗口,对创新机会进行转换。数字化时代背景下的企业商业模式创新边界逐渐模糊,知识来源的主体难以预先定义,顾客、竞争对手、供应商、政府等利益相关者都可能成为企业知识的来源。拥有知识获取能力的企业可以通过开放式的形式获取来源多样化的知识,为商业模式创新提供知识资源支持。其次,知识整合能力帮助企业融合内外部知识、构建独特和有价值的知识体系从而影响商业模式创新。企业在创新商业模式时需要对现有知识要素进行整合和重塑,企业把多渠道获取的外部知识与企业内部已有的知识架构进行融合,从而为企业探寻新的发展机会提供可能性。最后,知识再配置能力是企业对整合后的知识体系进行迭代优化的能力。知识动态能力是嵌入在企业流程中的能力,其作用的发挥受到企业路径依赖和发展机会的影响,企业通过知识的再配置可以不断更新现有的知识结构,使能力得到进化,由此摆脱路径依赖陷阱,捕捉新的市场机会和技术机会,最终驱动商业模式创新。

由上述分析可知,企业通过利用大数据能力可以快速完成数据资源到知识资源的转化,生成知识动态能力,进而促进商业模式创新。国内外众多研究成果也不同程度地对这一观点予以支持。例如,Yang et al.[6]认为企业需要对海量数据加以有效挖掘,提取出知识和信息并加以有效利用,大数据才能有效驱动企业创新。Mikalef et al.[13]发现大数据能力驱动渐进型创新和激进型创新的路径中,动态能力起到完全中介作用。丰佳栋[32]实证发现,大数据分析通过正向影响知识动态能力从而驱动企业流程创新。唐彬等[9]通过对蚂蚁金服的案例研究发现,蚂蚁金服凭借大数据能力推动了商业模式创新,而知识创造在两者之间起到桥梁作用。据此,提出假设:

H2:知识动态能力在大数据能力与商业模式创新之间起中介作用。

(三)创新合法性与商业模式创新

合法性是指主体行为在社会建构的规范、价值和标准中是可取的、适当的或合意的[33],合法性的获取有助于增强企业吸引和获取资源的能力,并对组织的生存和发展具有直接而重要的影响作用[33]。创新合法性是指企业的创新行为及创新成果在社会道德、规范以及法律法规体制内能够被利益相关者接受的程度[34]。创新合法性对商业模式创新者的影响表现在以下两个方面[34]:一是利益相关者的认可本身即为一种关键资源,对企业商业模式创新的重要性毫不亚于人力、资本、技术等资源。二是利益相关者对企业创新行为的高接受度为企业商业模式创新营造了良好的外部环境。商业模式创新的合法性意味着商业模式与现有的法律法规、行业标准、社会价值体系等相吻合,能够增强利益相关者对企业商业模式创新行为的认同和理解,这为商业模式创新创造了优质的外部环境,提高了商业模式创新的效率[11]。据此,提出假设:

H3:创新合法性正向影响商业模式创新。

(四)创新合法性的调节作用

大数据能力作为一种新颖的企业能力,在驱动商业模式创新时所表现出来的超前性和新生性往往会超越利益相关者的现有接受范围,而创新合法性能够增强公众对大数据应用实践的认知程度,为企业商业模式创新吸引更丰富、更高层次的资源和认可度。创新合法性对大数据能力与商业模式创新关系的调节作用表现在以下两个方面。一方面,从大数据资源获取的角度来看。新事物得到理解与支持直接关系到它对资源的动员能力,合法性对于新技术调动资源以谋存活或发展是第一位的[35]。合法性是企业调动各方面资源实现商业模式创新的“隐形门槛”,是企业在竞争环境中重要的决胜因素,也被称为“资源中的资源”。大数据是企业经营发展的重要资源,而商业模式创新是否具有合法性是大数据能力能够有效发挥作用的关键。另一方面,从大数据应用的角度来看,资源的多寡是成功变革商业模式的影响因素之一,但社会化的制度规范同样不容忽视。合法性理论认为,商业模式创新实质上是一种“制度创新”,这种“制度创新”需要建立在合法性基础上,需要获得企业内外部利益方的接受与支持。在社会化的制度框架下,企业的大数据应用实践必须符合制度规范的要求,满足相关利益者的社会期望和认知,使股东、客户、员工等利益相关者对大数据能力的形式、影响和结果给予认可,从而有效驱动企业商业模式创新。据此,提出假设:

H4:创新合法性正向调节大数据能力对商业模式创新的影响。

综上,本文的研究模型如图1 所示。

图1 研究模型

三、研究设计

(一)研究方法

本文同时采用层级回归法和模糊集定性比较分析方法(fsQCA)进行数据处理。一方面,层级回归法只是依据理论构建出固定变量路径进行简单的统计验证,不能分析多个前因变量的交互对企业商业模式创新的复杂作用机制,即发现多种因素之间的组态关系与“殊途同归”效果。而模糊集定性比较分析方法是基于组态思维对各前因变量进行复杂因果性分析,是对主流定量研究中净效应思维的一种重要补充[36]。因此,本文同时利用fsQCA 对研究中各个前因变量与商业模式创新的关系进行验证性分析,提高研究结果的可信性与稳健性,以期获得更具有实践价值的研究结论。

(二)样本选取与数据收集

本文对已开展大数据应用实践活动的企业进行问卷调查,调查对象为企业创始人及中高层管理者。本文通过电子问卷与纸质问卷两种形式共发放问卷500 份,共回收问卷373 份,再对回收的问卷进行逐一检查,剔除问卷填写不完整、选项呈现明显规律、均为同一选项等无法进入下一步分析的问卷71 份,最终可供分析的问卷为302 份,有效回收率为60.4%。表1 汇报了样本的基本特征。

表1 样本基本信息的描述性统计

(三)变量测量

本文采用Likert 五级量表制作问卷。大数据能力的测量借鉴Lin et al.[21]、谢卫红等[8]的研究,共11 个题项。知识动态能力的测量采用Wang et al.[27]和Han et al.[31]提出的量表,共9 个题项。创新合法性的测量借鉴Suchman[33]、王炳成等[34]在研究中所使用的量表,共9 个题项。商业模式创新的测量借鉴Zott et al.[22]所使用的量表,共12 个题项。此外,本文对企业的基本特征进行控制,具体包括企业年龄、规模、产权性质与所属行业。

四、数据分析与假设检验

(一)信度与效度检验

表2 汇报了本文的量表信度检验结果,结果显示各量表的克隆巴赫α 系数值与组合信度(CR)均在临界值0.7 之上,表明本文的量表信度较高。

表2 量表的信度检验

效度检验包括内容效度、聚合效度与区分效度三个方面的检验。(1)内容效度方面,本文的量表均是以现有的成熟量表为基础,并邀请相关领域的研究学者与企业从业者对量表题项的表述、问题量等方面给出改进建议,本文根据建议进行修订后确定问卷终稿。因此,本文的量表具有较高的内容效度。(2)聚合效度方面,大数据能力、知识动态能力、创新合法性与商业模式创新的因子载荷系数均介于0.5～0.7,说明本文的量表具有较好的聚合效度。(3)区分效度方面,本文构建了一个四因子基准模型和三个对比模型,并对比其拟合程度。由表3 可知,四因子基准模型的各项指标拟合效果均优于其他三个比较模型,说明本文的量表具有较好的区分效度。

表3 量表的区分效度检验

(二)共同方法偏差检验

根据Podsakoff et al.[37]的建议,本文在事前的程序控制与事后的统计检验两方面减轻与衡量可能存在的同源偏差问题。程序控制方面,本文采取如下方式进行事前控制:(1)对于英文量表,本文采取回译的措施,进行反复比对,向受访者提供表述清晰、易懂的问卷。(2)为了降低受访者在填写问卷时的心理因素干扰,本文打乱了各量表的顺序、向受访者说明了数据收集的用途并让受访者匿名填写问卷。事后检验方面,本文采用以下两种方法:(1)进行Harman 单因素检验。对所有变量的选项数据进行主成分因子分析,旋转方式选择无旋转,得到KMO=0.911、χ2=3 817.625、P=0.000,第一个因子的最大方差贡献率为26.059%。(2)比较潜变量的相关系数。本文各潜变量的相关系数均未超过0.9。这表明本文的问卷数据不存在严重的共同方法偏差问题。

(三)相关性分析

由表4 可知,大数据能力与知识动态能力(r=0.782,P＜0.001)、商业模式创新(r=0.727,P＜0.001)均显著正相关。知识动态能力与商业模式创新(r=0.759,P＜0.001)显著正相关;创新合法性与商业模式创新(r=0.622,P＜0.001)显著正相关,这为进一步的实证检验奠定了基础。

表4 相关系数分析

(四)假设检验

首先,本文对大数据能力与商业创新的直接关系以及创新合法性与商业模式创新的直接关系进行检验,实证检验结果如表5 所示。模型1 是基础模型,只纳入了控制变量。将自变量大数据能力纳入模型1,得到模型2,显示大数据能力显著正向影响商业模式创新(β=0.692,P＜0.01),假设H1得到支持。模型4 显示创新合法性显著正向影响商业模式创新(β=0.588,P＜0.01),说明假设H3是成立的。

表5 大数据能力、创新合法性与商业模式创新间关系检验

其次,本文借鉴温忠麟等[38]的依次检验法,检验知识动态能力在大数据应用能力与商业模式创新之间的中介效应。第一步,分析自变量对因变量是否有显著影响,模型2 显示大数据能力对商业模式创新的影响达到了显著的正向水平(β=0.692,P＜0.01)。第二步,判断自变量对中介变量的影响,模型5 显示大数据能力对知识动态能力具有显著的正向影响(β=0.776,P＜0.01)。第三步,同时检验自变量和中介变量对因变量的影响,模型3 显示大数据能力显著影响因变量商业模式创新(β=0.314,P＜0.01),知识动态能力也显著影响商业模式创新(β=0.487,P＜0.01),但大数据能力的回归系数有所下降(0.314＜0.692)。这说明知识动态能力的加入,削弱了大数据能力对商业模式创新的促进作用,表明大数据能力在两者间起部分中介作用,假设H2得到支持。

最后,本文运用SPSS 23.0 软件中自带的Process 程序,采用Bootstrap 拔靴法,选择5 000 个样本数量,将置信水平设定为95%,选择模型1 对创新合法性的调节效应进行检验,结果如表6 所示。在低、中、高三种不同水平的创新合法性下,自变量对因变量发生影响的直接效应值也随之增加,并且不同创新合法性水平下的置信区间均不包含0,假设H4得到验证。

表6 创新合法性的调节作用检验

为更直观地体现调节效应,本文绘制了创新合法性的调节效果图,如图2 所示。

图2 创新合法性的调节作用

(五)模糊集定性比较分析

1.数据校准。校准是指给案例和条件赋予集合隶属分数的过程。参考Ragin[39]的建议,按照0.95、0.5、0.05 的临界值将数据转换为模糊集隶属分数。各变量的校验赋值情况如表7 所示。

表7 数据校准

2.单个条件的必要性分析。单个条件的必要性分析是检验某个特定的前因条件是否为结果发生的必要条件[39],分析结果如表8 所示。判断单个前因条件是否为结果条件的必要条件的标准是看一致性水平是否大于0.9。由表8 可知,三个前因条件的一致性水平都小于0.9 这一阈值,因此三个前因条件均不构成高商业模式创新的必要条件。

表8 必要条件分析

3.条件组态的充分性分析。条件组态的充分性分析是以各前因条件的不同组合为基础,判断真实存在的组合是否会导致结果条件的发生。参考权威的fsQCA 研究[36],本文的一致性阈值为 0.84,频数阈值为6。fsQCA 程序会输出三类不同的组态:复杂组态、简约组态和中间组态。表9 汇报的是中间组态,其中核心条件是同时出现在中间组态与简约组态的要素[36]。组态分析结果如表9 所示,共有两条影响商业模式创新的组态路径。

表9 组态分析

由表9 可知,总体解的一致性为0.862,高于可接受的最低标准0.75,这类似于实证研究中的R2,表明整体方案的一致性较好;覆盖率为0.857,表明两条路径可以解释85.7%的案例。组态1 的前因构型为“大数据能力-知识动态能力”,大数据能力与知识动态能力是引致高商业模式创新的核心条件,进一步支持了假设H1,而大数据能力与知识动态能力的共同存在进一步验证了假设H2。组态2 的前因构型为“大数据能力-创新合法性”,大数据能力与创新合法性是引致高商业模式创新的核心条件,进一步支持了假设H3与假设H4。

(六)稳健性检验

回归分析的稳健性检验方面:一是考虑到制度环境是影响组织管理实践有效性的重要情境因素[12],良好的制度环境有助于企业将资源更有效地运用于商业模式创新。因此,本文借鉴王小鲁等[40]编制的市场化指数衡量各地区的制度环境,在回归方程中加入制度环境这一控制变量,重新检验本文论。二是在加入制度环境这一控制变量后,运用Bootstrap 拔靴法再次对前文的假设进行检验(限于篇幅,该部分的稳健性检验结果未在文中汇报,留存备索)。组态分析的稳健性检验方面,参考Ragin[39]的建议,调整数据校准的方法,按照 “5、均值、1”的临界值将数据转换为模糊集隶属分数,结果如表10 所示。上述稳健性检验结果均再次支持了前文的结论。

表10 组态分析的稳健性检验

五、结论与启示

(一)研究结论

本文通过回归分析与模糊集定性比较分析两种方法实证检验了大数据能力对商业模式创新的影响,探讨了知识动态能力的中介作用,创新合法性的调节作用。主要结论如下:

第一,大数据能力显著正向影响商业模式创新,并且对知识动态能力具有正向促进作用。本文再次证实了大数据能力是企业商业模式创新的关键因素,这与以往的研究结论保持一致[8]。大数据能力对知识动态能力有显著的正向影响,这呼应了部分学者关于大数据与知识类能力提升的相关研究[9,32]。

第二,知识动态能力在大数据能力与商业模式创新的关系中起部分中介作用。这一研究结论有效回答了“大数据能力如何驱动商业模式创新”这一难题,进一步明确了知识动态能力在大数据能力影响商业模式创新过程中的地位和作用,是打开企业商业模式创新黑箱的有益尝试。

第三,创新合法性正向影响商业模式创新,并且正向调节大数据能力与商业模式创新的关系。这部分验证了王炳成等[34]的研究结论。此外,李文莲等[2]对大数据驱动商业模式创新的益处做了系统阐述,同时指出大数据本身具有阴暗面,如信息安全、隐私保护等,这是探讨大数据与商业模式创新的新方向,而本文从创新合法性视角对该研究方向进行了补充和拓展。

第四,通过进一步的定性比较分析,发现存在两条影响商业模式创新的前因组态。大数据能力、知识动态能力与创新合法性的组态匹配可以促进商业模式创新,其中,大数据能力与知识动态能力形成的组态1 和大数据能力与创新合法性形成的组态2 均能解释超过70%的案例,说明各要素间协同联动对驱动商业模式创新具有重要作用。

(二)实践启示

第一,企业应重视数据资源,培育大数据能力。随着社会信息化程度不断提升,经济活动的各个环节均充斥了大量数据,企业在运营过程中也累积了许多数据资源。海量繁杂的非结构化数据为企业实施精准有效的商业分析策略带来机遇与挑战,管理者需要将数据资源上升到能力层面。企业只有具备对大数据资源、技术及人才的有效管理能力才能精准识别和匹配商业模式创新所需的资源,更合理地改变企业的价值主张、价值创造和价值传递,并提高大数据驱动商业模式创新的针对性和成功率,从而真正发挥大数据的商业价值。

第二,企业应打造知识型组织,塑造知识动态能力。数字经济和互联网经济的发展与知识经济密切相关。管理者需要区分保障企业生存的运营能力与帮助企业获取持续竞争优势的高阶能力,在利用大数据能力变革商业模式的过程中,要发挥知识动态能力的桥梁作用,从战略高度塑造知识动态能力。尤其是在大数据时代背景下,大数据引发的商业活动愈发密集,大数据能力的重要性不言而喻,但企业不能只停留在对大数据资源和技术的积累,更应该着眼于长远发展,塑造基于知识的动态能力,对知识的整合、应用能力对企业具有更高的战略价值。

第三,企业应重视商业模式创新的合法性问题,这关系到企业能否合理、正当、持续地获取大数据资源。虽然大数据应用对企业商业模式创新起到巨大的赋能作用,但也导致了许多社会热议的合法性问题,如“大数据杀熟”“定位服务记录顾客位置、逗留时间”“访问网页记录顾客访问轨迹”等,这需要企业在商业模式创新和顾客权益之间寻求平衡。否则,企业就可能因为创新合法性不足而失去生存空间,自然就谈不上利用大数据能力提升商业模式创新。