打开文本图片集

摘要：基于价值共创理论与开放式创新理论，本文从动态能力视角构建了大数据分析能力、动态创新能力与价值共创的关系模型。利用结构方程模型对331份平台企业数据进行假设检验，实证结果表明包含大数据分析基础设施能力、管理能力和人才能力在内的大数据分析能力不仅正向影响平台企业的价值共创，也能促进平台企业动态创新能力的提升；动态创新能力正向促进平台生态系统的价值共创，同时动态创新能力在大数据分析能力与价值共创之间起中介作用。最后根据实证结果为平台企业推动价值共创提供相关实践建议。

关键词：大数据分析能力；动态创新能力；价值共创；平台企业

一、引言

平台企业是信息时代发展最快、最具活力的组织形式，顺应当前个性化、体验化的消费需求，平台企业借助数字技术连通供应链的上下游，使他们之间相互协作、资源共享，共同创造价值。价值共创是生态系统层面各主体交互协作创造价值的过程，生态系统内企业边界趋于模糊化，用户需求时刻发生变化，给平台企业带来更多机遇与挑战。大数据能在快速变化的环境中准确预测市场需求的变化，帮助企业及时响应这种变化并为其创造商业价值（Johnson等，2017^[1]）。目前学术界对大数据分析能力的定义已形成基本共识，即企业部署技术和人才，以捕获、存储和分析数据，从而产生洞察力的能力。大数据时代，大数据分析能力被广泛地认为在提高企业绩效方面发挥着至关重要的作用，其中Ｗamba等（2017）^[2]基于知识基础观，引入过程导向的动态能力作为中介变量探究了大数据分析能力与企业绩效之间的关系；Ciampi等（2021）^[3]基于动态能力视角证实大数据分析能力对企业商业模式创新有积极的影响。此外也有学者基于制造企业探究大数据分析能力对企业服务化价值共创的积极影响（Coreynena等，2017^[4]）。Prescott（2014）^[5]指出由数据产生的洞察力在动态不稳定的商业环境中尤为重要，在这一情景下，企业需要持续的创新。动态能力观的研究者认为传统的静态创新模式已不适应平台企业可持续发展的要求，平台企业应该培养持续、快速进行创新的能力（Janssen等，2015^[6]）。Rialti等（2019）^[7]指出动态环境下平台企业利用大数据分析能力可以激发用户驱动的创新，使企业与用户合作开展创新活动，以满足用户需求并为企业创造业务价值。

二、理论基础与研究假设

（一）大数据分析能力与价值共创

大数据带来的商业价值并不仅仅在于数据本身，更重要的是对数据资源的利用能力。通过对大数据的分析和利用，企业可以从数据中提取可用价值，以促进企业创新并获得可持续竞争优势（Bumblauskas等，2017^[8]）。动态能力理论认为企业需要根据环境的动态变化去整合、构建和重新配置其内外部资源和能力（Teece和Shuen，1997^[9]）。因此，越来越多的平台企业发展大数据分析能力以应对环境的动态变化。大数据分析能力是构建在海量数据资源基础上的一种企业能力，本质上就是企业通过处理来自组织内外部的数据以对市场的动态变化作出快速的反应。Chen等（2015）^[10]基于动态能力视角定义大数据分析能力为企业利用先进的技术从日益庞大的数据库中提取价值，并在挖掘大数据价值的过程中将数据转化为洞察能力。现有的研究将大数据分析能力分为基础设施能力、管理能力和人员能力（Wamba等，2017^[2]；Yasmin等，2020^[11]）。

价值共创理论强调价值创造是在复杂网络系统中的利益相关者通过互动协作与资源整合而实现的，这一复杂网络形成了生态系统（Lusch和Nambisan，2015^[12]）。在平台生态系统中，各利益相关主体基于平台进行交互，在与其它成员共同创造价值的同时实现自身的价值追求（钟琦等，2021^[13]）。在竞争激烈的大数据时代，抢先挖掘用户数据与分析潜在需求已成为平台企业进行价值共创的基本要求（Bhimani，2015^[14]）。DelVecchio等（2018）^[15]等对意大利的阿普利亚地区进行了多案例研究，分析表明通过商业分析工具对社交媒体数据进行分析，可以获得有关游客的需求、偏好和态度等信息，使旅游组织能够创造更符合游客需求的产品与服务，实现旅游组织的价值创造。在价值共创模式下，平台企业利用大数据分析能力可以更加精准地对具有市场前景的创新机会进行识别，为各主体进行创新活动提供科学的指导，最终实现整个生态系统的价值目标。

在实现价值共创的过程中，高质量的数据和投资于能够分析处理数据的强大技术基础设施对平台企业至关重要。一方面，先进的大数据分析技术使平台企业能以更快的速度提取和分析用户信息，从而提升整个生态系统的创新运营的灵活性；另一方面，数字平台增强了企业与用户之间互动的便捷性，使价值共创参与者在互动中发现创新机会，并促进创新资源在合作网络中的获取与整合（Akter等，2020^[16]）。大数据分析管理能力使平台企业根据业务需求和优先级进行技术资源的分配与应用，从而提升数据资源的利用效率。同时管理能力还能优化企业的决策模型，使平台企业更善于利用大数据针对用户真实需求实现精准靶向决策（Ferraris等，2018^[17]），以增强用户粘性。基于大数据分析专业人员对用户大数据进行的深入分析，平台企业通过共创模式为用户提供改良的产品与服务，可给企业带来盈利的改善（Rehman等，2016^[18]），并降低平台创新的风险与成本（Lavalle等，2011^[19]）。基于此，提出假设H1。

H1a：大数据分析基础设施能力正向促进平台企业的价值共创

H1b：大数据分析管理能力正向促进平台企业的价值共创

H1c：大数据分析专业人员能力正向促进平台企业的价值共创

（二）动态创新能力的中介作用

Vargo和Lusch（2016）^[20]指出价值共创可以通过生态系统中各主体间的开放创新和资源共享来实现。在生态系统内，平台企业面临的环境愈加复杂，基于动态能力理论发展起来的动态创新能力在实现价值共创方面发挥重要作用。Zhang等（2022）^[21]证实了电商平台价值共创过程的实现依赖于平台参与者强大的动态创新能力。Hertog（2010）^[22]指出动态创新能力是企业拥有的那些难以转移和模仿的高阶创新能力，他强调了生态系统价值创造过程中协同创新能力的重要性。协同创新能力是一种能够与用户、合作伙伴等其他利益相关者共同生产和设计，并协调这些合作的能力，它实际上是跨越企业边界管理创新的能力。此外开放式创新理论还强调资源是进行价值共创的关键，要求企业打破边界进行多角度的创新资源整合与配置。我国学者董保宝和葛宝山（2011）^[23]等指出资源整合能力促使企业通过对创新过程中的动态性资源进行搜寻、整合与利用以实现企业的价值目标。平台模式下，资源整合就是平台企业将内外部不同利益主体的创新资源进行筛选、融合与共享，促进资源自由流动的过程。本文借鉴Hertog（2010）^[22]和董保宝等（2011）^[23]的研究并结合生态系统的研究情景，将动态创新能力划分为创新资源整合能力与协同创新能力两个维度。在生态系统的价值共创过程中，平台企业依托创新资源整合能力对互补性资源进行有效整合与合理配置，促进资源转化为对用户有价值的产品与服务；同时协同创新能力促使平台企业协调好各参与方之间的信任关系，从而激发生态系统的正向网络效应。基于此，本文提出假设H2。

H2a：平台企业的创新资源整合能力正向促进生态系统的价值共创

H2b：平台企业的协同创新能力正向促进生态系统的价值共创

根据前文所述，平台企业的大数据分析能力与动态创新能力对平台企业价值共创均具有正向影响。大数据分析能力能够提高企业应对环境变化的适应性，因此拥有大数据分析能力的平台企业将更有能力为生态系统的创新活动提供各种支持。Adikari等（2021）^[24]对澳大利亚高等教育部门进行案例探索，指出高等教育部门从论坛等社交媒体中提取有关消费者信息的数据，然后利用机器学习技术将提取的非结构化数据转化为对创新有用的信息，以提升高校的开放服务创新能力，实现高校与消费者的价值共创。以上研究表明，大数据时代，平台企业需要利用大数据分析能力来提高数据驱动的创新效率，从而促进生态系统的价值共创。因此，本研究提出假设H3。

H3a：创新资源整合能力在大数据分析基础设施能力与价值共创之间起到中介作用

H3b：创新资源整合能力在大数据分析管理能力与价值共创之间起到中介作用

H3c：创新资源整合能力在大数据分析人员能力与价值共创之间起到中介作用

H3d：协同创新能力在大数据分析基础设施能力与价值共创之间起到中介作用

H3e：协同创新能力在大数据分析管理能力与价值共创之间起到中介作用

H3f：协同创新能力在大数据分析人员能力与价值共创之间起到中介作用

综上，建立如图一所示的概念模型。

三、研究设计

（一）量表设计

基于信度和效度的考虑，本文提出的每个潜变量的度量指标均以国内外相对成熟的量表题项为基础，并结合平台企业的特征对问卷内容进行细微调整，最终形成测量量表，各变量的具体题项如表1所示。其中大数据分析能力采用Wamba等（2017）^[2]和Yasmin等（2020）^[11]的研究量表，动态创新能力参考Hertog（2010）^[22]、Janssen等（2015）^[6]和董保宝（2012）^[23]的研究成果；价值共创采用Chuang和Lin（2015）^[25]的研究量表，共设置4个题项。结合已有相关研究，本研究对可能影响平台企业价值共创的变量进行了控制，包括企业规模、企业年限和企业类型。问卷测度项采用李克特五级量表设计，1表示“非常不符合”，5表示“非常符合”。

（二）数据收集

本研究主要选取电子商务平台、互联网金融平台、生活服务类平台、社交类平台等几种类型作为样本选取的对象。同时，为了使调研结果具有代表性，本次调研地点选择是互联网企业发展较为迅速的北京、上海、深圳等地区。此外，由于本次研究探讨大数据分析能力、动态创新能力对价值共创的机理，所以要求被调研者对涉及的概念有一定的认识，同时被调研者最好有一定的技术背景。因此，将平台企业技术骨干人员、有技术背景的管理人员作为本研究的主要调研对象。

正式问卷的发放时间是在2022年5月至2022年7月期间，通过问卷星网站形成电子问卷。一方面，在学校课堂邀请MBA学员中有大数据管理背景的人员填写问卷链接，另一方面，通过社交平台等线上渠道进行发放。问卷发放历时3个月，累计发放450份，剔除不合格问卷后，获得有效问卷331份。

四、研究结果及分析

（一）信度与效度检验

为测试各维度的内部一致性，运用SPSS25.0进行可靠性分析，由表1可知，各维度的Cronbachα系数均大于0.8，量表总体为0.929，说明量表有着较高的内部一致性。再利用AMOS24.0对量表进行验证性因子分析，结果表明各潜变量的CR值均大于0.8，说明各指标对其概念变量测量的信度较高；标准化因子载荷系数均在0.70以上，并且各潜变量的平均萃取方差AVE均大于0.5的接受水平，表明量表具有较强的收敛效度。最后计算AVE的平方根，由表2可知AVE值的平方根均大于变量间的相关系数，说明各潜变量具有良好的区别效度。

（二）同源偏差检验

在问卷设计阶段，对共同方法偏差问题进行事前控制，进行多源数据收集。其次，运用Harmans单因子检测方法对所有潜变量进行探索性因子分析，未旋转情况下获得因子方差解释率，第一个主成分解释总方差是38.21%，小于临界值40%，可初步验证不存在明显的共同方法偏差问题。考虑上述方法存在一定的局限性，本研究运用验证性因子分析模型，进一步检验共同方法偏差问题。结果可知六因子模型的拟合度（χ²／df＝1.005，RMSEA=0.004，SRMR＝0.032，CFI＝1.000，TLI＝1.000）优于加入单一方法潜因子之后的模型拟合度（χ²／df＝1.020，RMSEA＝0.008，SRMR=0.034，CFI＝0.999，TLI＝0.999），表明本研究不存在明显的同源误差。

（三）假设检验

1、模型适配度检验

本文运用AMOS24.0对概念模型的适配度指标进行检验，得到整体拟合度指标。其中χ²/df=1.026，RMSEA=0.009，GFI=0.944，AGFI=0.929，RMR=0.038，NFI=0.923，CFI=0.999，IFI=0.971，与各个适配度指标的推荐值相比较可知，本文理论模型的拟合指标均达到标准的要求，表明模型整体拟合程度较好。

2、直接效应检验

表4给出了各潜变量之间的标准化路径系数以及对应t值。由表4可以看出，全体假设均通过了T检验，路径系数在置信度α=0.05的水平上都显著。根据检验结果可知，假设H1、H2成立。与此同时，控制变量企业年限、企业规模和企业类型对价值共创的影响均不显著。

3、中介效应检验

本研究采用Bootstrap技术来检验动态创新能力效应的中介作用。根据此方法，计算95%的置信区间，若置信区间不包含0，就可以证明中介效应的结果是显著的。本文将大数据分析能力、动态创新能力与价值共创进行了路径分析，分析结果如表5所示。可知各个路径的上下区间均不通过0，说明假设H3a-H3f通过了显著性检验。

五、结论与管理启示

本文从动态能力视角构建了大数据分析能力、动态创新能力和价值共创之间的理论模型，对收集的数据进行分析，验证本文提出的研究假设。研究结果显示大数据分析能力的三个维度对平台价值共创均具有正向的促进作用。这表明数字经济背景下大数据分析能力对驱动整个平台生态系统的价值共创具有重要意义。同时本研究也证实了动态创新能力的两个维度在大数据分析能力与价值共创之间的中介作用，在生态系统内的创新过程中，大数据分析能力驱动的创新活动能提升平台创新效率并给平台企业增加业务价值。基于研究结论，本文得到如下管理启示：

（一）拓宽交互渠道，加强各主体之间的互动

作为平台生态系统内的核心企业，平台企业是多方主体进行信息沟通及资源共享的重要纽带，因此要构建多渠道信息沟通机制以促进不同主体间的交流互动，提高多主体间的沟通质量。同时，友好互惠的信任关系是进行合作与资源共享的基础，所以平台企业应该制定互动规则与资源共享机制来协调与约束各主体之间的交互行为，促进平台企业与不同类型的生态伙伴建立各具特色的合作机制，保障价值共创的有效开展，最终实现生态系统内多方主体的良性循环。

（二）注重平台企业大数据分析能力的培育

当前数据已经覆盖到平台业务活动的每一个场景，平台企业要充分认识到大数据资源对于价值创造的重要性。首先平台企业的高层管理者要从思想上重视培养企业的大数据分析思维，可以定期举办大数据技术研讨会等相关活动来培养企业内部的大数据文化氛围；其次平台企业的管理层要时刻关注大数据领域相关技术及应用的发展，积极引进最新大数据相关技术，通过加强对数字技术的综合应用来实现数据价值的深度挖掘；最后平台企业要适时地对企业内部关键人员进行最新大数据分析技术与业务知识的培训，并不断引进高水平的大数据分析技术人才，提高平台企业的大数据预测能力与商业洞察力。

（三）重视平台企业动态创新能力的提升

环境变化的日趋复杂使得持续性创新成为企业应对外部环境中不确定因素的重要手段。首先平台企业要增强开放的意识，吸纳更多的合作伙伴加入平台进行资源共享与协作创新；其次平台企业需制定资源共享规则以实现创新资源在生态系统的自由流动；最后平台企业应该构建协调机制以兼顾不同利益相关方的价值目标，促进生态系统内各主体的利益共享与风险共担，实现整个生态系统的价值目标。

参考文献：

[1]Wamba S F， Gunasekaran A， Akter S， et al. Big data analytics and firm performance： Effects of dynamic capabilities[J]. Journal of Business Research， 2017， 70：356-365.

[2]Ciampi F， Demi S， Magrini A， et al. Exploring the impact of big data analytics capabilities on business model innovation： The mediating role of entrepreneurial orientation [J].Journal of Business Research， 2021，123： 1-13.

[3]钟琦，杨雪帆，吴志樵.平台生态系统价值共创的研究述评[J].系统工程理论与实践，2021，41（2）：10.

[4]董保宝，葛宝山，王侃.资源整合过程、动态能力与竞争优势：机理与路径[J].管理世界，2011，（03）：92-101.