2021年3期总第936
期
svg和h5的关系引言：近年来，大数据作为一种新技术、新能力和新思维，影响企业经营管理的各个方面，促进了大量新兴商业模式的涌现。大数据驱动商业模式创新的内在逻辑在于应用大数据分析对海量、多来源、多类型数据进行充分挖掘，深入分析用户真实需求，重新设计客户价值主张，创新客户细分标准和交易方式，进一步对价值发现、价值创造及价值实现进行全新思考。企业在大数据时代将面临比以往更复杂、动态、不确定的经营环境，企业应用大数据分析能够降低决策环境的不确定性，增强战略决策的有效性，其本质是一种动态能力。在大数据分析生成大量新信息、新知识、新模式的过程中，迫切需要企业加强学习型组织建设进一步完善内部学习机制，通过组织学习提高商业模式创新活动的效率，协助商业模式适应外部环境的变化。商业模式创新是企业持续适应环境并不断重构的动态过程，应全面考虑企业内外部因素的匹配，外部环境极有可能是大数据分析作用商业模式创新的重要边界条件。鉴于此，
本文从动态能力理论出发，检验组织学习在大数据分析与商业模式创新二者关系中的中介作用，以及环境不确定性对中介效应的调节作用，揭示大数据分析对商业模式创新的作用机理，为促进商业模式在大数据时代的变革和创新提供重要的理论借鉴。
一、文献回顾与研究假设1.大数据分析与商业模式创新
企业应用大数据分析能够帮助企业在动态性较高的市场环境下获取常规惯例，这是动态能力的体现。商业模式创新的定义存在多种观点，如研究认为商业模式创新是指企业价值创造基本逻辑的创新变化，或是商业模式构成元素的变革，涉及行业价值链、盈利模式、企业模式中的创新，或是在技术、价值网络等方面的创新。研究表明，大数据分析有助于商业模式创新。一些文献通过实证论证了大数据分析能够促进组织创新进而为企业赢得更多的绩效回报。李文莲和夏健明提出了大数据背景下商业模式创新的三维视角，即大数据资源与技术的工具
化运用、商品化推动大数据产业链的形成、大数据所引发的商业跨界与融合，分别从企业、大数据产业链、行业三个层面剖析了大数据在商业模式创新中的促进作用。对此，本文提出以下假设：
H1：大数据分析能够有效促进商业模式创新2.组织学习的中介作用
组织学习可以分为利用式学习和探索式学习。利用式学习是对企业现有技术和能力进行提高和拓展。探
索式学习用以培育新产品研发，开辟新产品和服务的市场领域。大数据分析能够对体量庞大、结构复杂以及实时更新的企业内外部数据和信息进行获取和处理分析，有利于推动对已有知识和信息的深度挖掘和分析，继而更容易到解决问题的新工具和新方法，促进企业的利用式学习。大数据分析本身作为一种全新的技能和思维，可以在海量复杂的数据中获取新规律和新发现。对一些隐形知识来说，大数据分析通过关联分析等新技术能对其进行全面刻画乃至可视化形象展示，为企业带来全新知识和创新思维，为新产品的培育、新市场发掘以及探索式学习的开展提供基础。对此我们提出以下假设：
H2a：大数据分析对利用式组织学习有积极的正向影响H2b：大数据分析对探索式组织学习有积极的正向影响组织学习对商业模式创新具有促进作用。Chesbrough 指出，商业模式创新的过程也是开放式学习的过程。企业通过组织学习将会创造和使用更多新产品和新创意，有效提升商业模式创新活动的效率与效能，同时还能协助商业模式对外界环境变化进行有效适应。对于企业而言，保持竞争优势的关键在于通过不断的学习来促进组织的创新程度，并在合适时机为商业模式创新提供策略性的方向。可以说，无论是利用式学习还是探索式学习，都能为商业模式创新提供不同的信息和资源。基于此，本文提出假设：
H3a ：利用式学习对商业模式创新有积极的促进作用
大数据分析、组织学习与商业模式创新关系研究
■李忠顺
广东工业大学管理学院■王少瑜
广州华南商贸职业学院
摘要：以动态能力为理论基础探讨了环境不确定下大数据分析对商业模式创新的影响以及组织学习在其中的中介作用。研究表明，大数据分析对商业模式创新具有显著积极影响，探索式学习在大数据分析与商业模式创新关系中起着部分中介作用。环境不确定性在大数据分析与利用式学习二者关系中具有正向调节作用。
关键词：大数据分析；商业模式创新；
组织学习；环境不确定性4
H3b ：探索式学习对商业模式创新有积极的促进作用进一步认为，企业应用大数据分析促进商业模式创新过程中关键在于构建学习型组织提升组织学习的能力。组织学习将由大数据分析所获得的资源和知识转化成促进商业模式创新的积极因素。对此，本文提出如下假设：
H4a ：利用式学习在大数据分析与商业模式创新关系中起中介作用
H4b ：探索式学习在大数据分析与商业模式创新关系中起中介作用
3.环境不确定性的调节作用
企业在应用大数据分析和开展组织学习的过程中不可忽视外部环境的影响。在大数据时代这一高度不确定性环境下，通过大数据分析可以将企业内外部的各项数据进行收集，对企业内部运行状态及外部环境或者竞争情况进行准确刻画和全方位把握，还可以从多个维度对数据的结果进行分析和验证，保证数据真实性，从而在高度不确定环境下为企业提供丰富的学习资源和便利条件，在广度和深度两个方面促进组织学习。对此，提出以下假设：
H5a ：环境不确定性在大数据分析与利用式学习关系中起调节作用
H5b ：环境不确定性在大数据分析与探索式学习关系中起调节作用
在环境不确定环境下，通过组织学习获取知识是企业克服困难冲破阻碍进行商业模式创新的重要方法。通过构建学习型组织学习，可以对知识和资源形成创造性组合乃至颠覆以往的基本假设和既有的商业模式。通过开展利用式学习和探索式学习能够获取企业内外部知识，实现知识创新。以往研究也表明，组织学习能够提升商业模式创新活动的效率与效能，而环境不确定性对二者关系产生着重要的影响。基于以上分析，本文提出假设：
H6a ：环境不确定性在利用式学习与商业模式创新关系中起调节作用
H6b ：环境不确定性在探索式学习与商业模式创新关系中起调节作用
二、研究方法1.数据来源
本文通过对珠三角地区企业进行调查问卷收集数据，正式问卷共发放500份，最终获得有效问卷198份，有效回收率为39.6%。其中，企业资产规模以500万元-2000万元为主，占19.2%。在所属行业类型中，以服务业行业企业为主，
占40.9%。2.变量测量
主要变量采用Likert 七分制量表，1表示非常低或非常不同
意，7表示非常高或非常同意。大数据分析参考了Chen 等的测量和描述形成。商业模式创新的量表参照了曾萍和宋铁波的研究。组织学习参照Atuahene 和Murray 的描述形成。环境不确定性的测量则参考郭海和沈睿的研究量表，将行业类型、资产总额及所有制性质作为控制变量。
三、假设检验1.信度和效度
检验结果显示各观测变量的Cronbach's α值和CR 均大于0.85，表明各量表具有较高的信度。各主要变量间相关系数都处于显著相关关系（见表1），这为验证中介与调节关系假设提供了可能。首先问卷变量的测量都是借鉴成熟量表，
具有较高的内容效度；其次，按照维度的划分，建立一个5因子模型（χ2/df=2.562；RMSEA=0.089，CFI=0.960，NNFI=0.950，IFI=0.960），优于Harman 单因子模型，说明区别效度较好。同时，本研究中所有题项的标准化后的因子载荷在0.59至0.94之间，并且T 值显示均具有较高的显著性。各变量的CR 值均在0.85以上，AVE 值均超过0.5的门槛值，大部分都大于0.7，表明有较好的收敛效度。
表1
均值、
标准差及相关系数矩阵
注：*p<0.05；**p<0.01；***p<0.0012.假设检验
首先，采用回归分析方法检验组织学习的中介效应，表2显示了回归分析结果。数据显示，大数据分析对商业模式创新、利用式学习及探索式学习均有显著正向影响(β=0.409，p<0.001；β=0.312，p<0.001；β=0.328，p<0.001)，同时利用式学习及探索式学习对商业模式创新也均有显著正向影响（β=
0.165，p<0.05；β=0.572，p<0.001），故H1、H2a 、H2b 、H3a 、H3b 均获得支持。模型6是引入中介变量对商业模式创新的影响模型，
通过与模型5相比较，在引入中介变量组织学习之后，大数据分析对商业模式创新的显著影响变弱，探索式学习对商业模式创新仍有显著影响，而利用式学习对商业模式创新的影响没有显著性。根据Baron 和Kenny 对中介作用的判断，探索式学习在大数据分析与商业模式创新中间起到部分中介作用，因此，H4b 获得支持，H4a 没有获得支持。
5
2021年3期
总第936
期
表2
组织学习中介效应回归分析结果
注：*p<0.05；**p<0.01；***p<0.001
其次，对环境不确定性的调节效应进行检验。根据表3中模型3、4的实证结果，大数据分析对利用式学习和探索式学习均有显著的正向影响，
结合表4的数据分析，发现大数据分析和环境不确定性对利用式学习有显著正向影响（模型1），回归系数分别为β=0.260（p ＜0.001）和β=0.284（p ＜0.001），对探索式学习也有显著的正向影响（模型3），回归系数分别为β=0.270（p ＜0.001）和β=0.408（p ＜0.001）。在模型2中，加入交互项后，交互项系数显著（β=0.153，p ＜0.05且Adj-R 2=0.229，p ＜0.05），在模型4中，加入交互项后，交互项系数不显著（β=0.031，p ＞0.05）。因此，H5a 获得支持。
表3
环境不确定性调节效应回归分析结果
注：*p<0.05；**p<0.01；***p<0.001
对于H6a 、H6b 的检验，如模型5所示，大数据分析对商业模式创新有显著的正向影响（β=0.370，p ＜0.001）；模型1、3数据显示，大数据分析对利用式学习和探索式学习均存在显著的正向影响；商业模式创新对大数据分析、环境不确定性和组织学习的回归（见模型6），结果显示探索式学习对商业模式创新具有显著的正向影响（β=0.516，p ＜0.001），以上步骤证明探索式学习的中介效应显著。最后，做商业模式创新对大数据分析、环境不确定性、探索式学习以及探索式学习与环境不确定性的交互项的回归，如模型7所示，探索式学习与环境不确定的交互项对商业模式创新的影响不显著（β=-0.034，p ＞0.05），即环
境不确定性在组织学习和商业模式创新的关系中不起调节作用，H6a 、H6b 不成立。由于只有H4b 、H5a 获得支持，可以确定环境不确定性不是有中介的调节变量，
也即大数据分析与环境不确定性的交互项不会通过组织学习来影响商业模式创新，环境不确定性仅在前半环节“大数据分析与利用式学习”的关系中起到了正向调节作用。
四、结论与管理启示
本文获得以下研究结论：（1）大数据分析对商业模式创新具
有显著的积极影响作用。（2）探索式学习在大数据分析与商业模式创新的关系中发挥了部分中介作用。（3）环境不确定性在大数据分析和利用式学习的关系中起着正向的调节作用。在管理启示方面，首先，企业应充分把握大数据时代商业模式创新所面临的发展机遇，结合业务需求对大数据资源和基础设施进行相应的投入，提高企业大数据分析的应用能力。其次，企业应着力构建学习型组织，强化组织学习的能力与效果。最后，在日益动态复杂的大数据环境下，企业更应该重视通过应用大数据分析来推动对已有知识基础和数据资源进行精炼和挖掘，加深对现有知识与资源的理解与应用，进一步拓展知识资源的内容与深度。利用大数据分析来促进深入了解市场细分和当前的竞争形势，并通过利用式学习不断积累的知识与经验来提升威胁感知与规避能力，以有效应对环境不确定性带来的影响。参考文献：
[1]Chen D Q,Preston D S,Swink M.How the Use of Big Data Analytics Affects Value Creation in Supply Chain Management[J].Journal of Management Information Systems,2015,32(4):4-39.
[2]李文莲，夏健明.基于“大数据”的商业模式创新[J].中国工业经济,2013(5):83-95.
[3]谢康，夏正豪，肖静华.大数据成为现实生产要素的企业实现机制：产品创新视角[J].中国工业经济,2020(05):42-60.
[4]Ritter T,Lettl C.The wider implications of business-model re-
search[J].Long Range Planning,2018,51(1):1-8.
[5]吕鸿江，程明，吴利华.CAS 视角下的商业模式设计与组织适应性[J].管理科学学报,2016,19(9):94-108.
[6]易加斌，谢冬梅，高金微.高新技术企业商业模式创新影响因素实证研究—基于知识视角[J].科研管理,2015,36(2):50-59.
[7]Wiener M,Saunders C,Marabelli M.Big-data business models:A critical literature review and multiperspective research framework[J].Journal of Information Technology,2020,35(1):66-91.
[8]曾萍，宋铁波.基于内外因素整合视角的商业模式创新驱动力研究[J].管理学报,2014,11(7):989-996.
[9]郭海，沈睿.环境包容性与不确定性对企业商业模式创新的影响研究[J].经济与管理研究,2012(10):97-104.
6

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。