新冠疫情叠加西方技术封锁对我国经济构成双重挑战，特别是在确保产业链和供应链安全方面。然而，颠覆性创新提供了一种超越传统发展模式的途径，尤其对发展中国家而言。这种创新具有非竞争性、初始阶段的低端性和顾客价值导向性等特点，有助于技术突破和经济转型。在数字化经济时代，大数据成为全球的技术创新和经济转型的关键驱动力。数据作为关键生产要素能够激发资源的活力、协同力以及生命力，因此，运用大数据推动颠覆性创新，对提升我国科技自主创新能力、塑造新质生产力和推动产业升级具有重要的现实意义。
本文的贡献在于：首先，实证检验了大数据能力对颠覆性创新的影响，为大数据与企业创新关系的研究提供了新的经验证据，并拓展了颠覆性创新理论的应用。其次，从资源编排能力的视角解释大数据能力与颠覆性创新的关系，揭示了企业如何将大数据能力转化为竞争优势。最后，分析了组织敏捷性对大数据能力价值实现的调节作用，加深了对大数据与组织敏捷性关系的理解。
2.理论分析与假设研究
2.1.大数据能力与颠覆性创新
综上所述，大数据能力在市场洞察、资源配置优化、工艺流程改进等方面的重要作用，也为颠覆性创新机会的识别、把握以及后续颠覆性技术的持续改进提供了重要的条件。基于上述分析，本文提出以下假设：
H1：大数据能力对企业颠覆性创新绩效具有显著正向影响。
2.2.资源编排能力的中介作用
鉴于大数据能力不仅直接推动企业提升资源编排能力的提升，同时也直接参与了资源编排。因此，本文提出假设：
H2：大数据能力对资源编排能力具有显著正向影响。
H3：资源编排能力对颠覆性创新有显著正向影响。
H4：资源编排能力在大数据能力与颠覆性创新绩效的关系中起中介作用。
2.3.组织敏捷性的调节作用
H5：组织敏捷性对大数据能力和颠覆性创新的关系起到正向调节作用。
H6：组织敏捷性在大数据能力和资源编排能力的关系中起到正向调节作用。
Figure1.Conceptualmodel
图1.概念模型
3.研究设计
3.1.样本选择与数据收集
Table1.Descriptiveanalysisofthesample
表1.样本描述性分析
名称
选项
频数
百分比(%)
企业年龄
小于1年
0
1~3年
76
31.7
3~5年
98
40.8
5~10年
53
22.1
10年以上
13
5.4
企业规模
小于100人
114
47.50
100~300人
61
25.42
300~500人
27
11.25
500~1000人
9
3.75
1000人以上
29
12.08
大数据技术应用年限
少于1年
2
0.8
103
42.9
104
43.3
5~7年
25
10.4
7年以上
6
2.5
3.2.变量测量
Table2.Reliabilityandmeasurementquestionitemsforeachvariable
表2.各变量的信度及测量题项
变量
题项
因子载荷
Cronbach’sα
AVE
CR
数据获取能力
0.782
0.929
0.770
0.930
0.870
企业拥有或能够利用收集大数据必要基础设施和技术设备
企业能够及时对生产过程中的信息进行数据化处理和采集
0.921
整合分析能力
企业拥有并掌握一系列大数据分析软件和工具
0.875
0.909
0.771
0.910
企业的大数据技术人员拥有强大技术开发和使用能力
0.896
企业能够根据需要对海量数据进行实时分析并得到有价值的信息
0.862
应用管理能力
企业能够应用大数据为企业决策提供支持
0.913
0.918
0.741
0.919
企业能够有效整合内外大数据资源来为企业提供服务
0.818
企业能够基于大数据实现对市场的实时洞察，发现新的商业机会
0.885
企业能基于大数据对消费者行为和企业舆情进行预测
0.823
客户敏捷性
企业能够迅速做出并执行适当的决策以应对市场和客户的变化
0.882
0.743
0.897
企业能够不断寻找方法来改进和创新，以便更好地服务于市场
0.837
企业能够及时响应并满足客户的特殊需求
0.867
运营敏捷性
企业能够快速扩大或缩小生产/服务水平以应对市场需求的波动
0.891
0.742
企业能够迅速修复供应链断裂造成的损失
0.859
企业能够将市场的变化和混乱视为组织获利的机会
0.827
合作敏捷性
企业能够利用供应商的资源和能力提高产品/服务的质量和数量
0.820
0.932
0.779
0.934
企业能够与外部供应商合作，创造高价值的产品和服务
0.876
企业能够处理好与外包合作伙伴的关系
0.877
0.952
资源编排能力
企业有能力吸引各种创新资源
0.725
0.810
0.592
0.813
企业有能力整合各种创新资源
0.792
企业有能力利用各种创新资源
0.789
颠覆性创新
企业有能力开发替代市场主流产品的新产品/服务/流程
0.888
0.950
0.793
企业愿意投资开发能够替代市场主流产品的新产品/服务/流程
在引进或开发替代主导技术的创新方面，企业领先于竞争对手
0.865
企业能够针对低端客户、非主流客户或特定细分市场开发出新产品/服务
0.900
0.886
4.实证分析
Table3.Means,standarddeviationsandcorrelationcoefficientsofthemainvariables
均值
标准差
资源获取能力
3.47
0.74
1
3.25
0.58
0.537**
3.55
0.71
0.618**
0.513**
0.66
0.216**
0.168**
0.187**
3.19
0.64
0.221**
0.254**
0.207**
0.498**
3.31
0.54
0.306**
0.213**
0.332**
0.630**
0.410**
3.29
0.56
0.357**
0.262**
0.391**
0.261**
0.141*
0.347**
3.20
0.60
0.372**
0.285**
0.330**
0.251**
0.279**
0.455**
0.429**
注：*p<0.05，**p<0.01。
4.2.信度与效度分析
4.3.假设检验
4.3.1.主效应检验
Table4.Overallmodelfitindices
表4.模型整体拟合指数
指标名称
χ2/df
RMSEA
GFI
IFI
NNFI
CFI
指标值
1.378
0.04
0.948
0.987
0.983
参考值
<3
<0.08
>0.9
Table5.Pathanalysis
表5.路径分析
非标准化
S.E.
C.R.
P
标准化
颠覆性创新<---大数据能力
0.306
0.091
3.365
***
0.286
资源编排能力<---大数据能力
0.438
0.074
5.925
0.518
颠覆性创新<---资源编排能力
0.372
0.106
3.512
0.294
Figure2.PathdiagramoftheAMOSoutputmodel(normalizedcoefficients)
图2.AMOS输出模型的路径图(标准化系数)
4.3.2.中介效应检验
Table6.Pathanalysisoftheimpactofbigdatacapabilitiesondisruptiveinnovation
表6.大数据能力对颠覆性创新影响的路径分析
系数
Bootstrap5000time95%CI
Bias-Corrected
Percentile
Lower
Upper
直接效应
0.151
0.470
0.002
间接效应
0.163
0.095
0.252
0.001
0.244
总效应
0.469
0.325
0.629
0.000
0.324
0.626
4.3.3.调节效应检验
Table7.Resultsofregressionanalysisofmoderatingeffects
表7.调节效应回归分析结果
模型一
模型二
模型三
0.003
0.009
0.025
0.016
0.039
0.057
0.046
0.076
0.072
0.447***
0.312**
0.281**
0.416***
0.251*
大数据能力
0.300***
0.309***
0.269***
0.272***
组织敏捷性
0.158***
0.180***
0.271***
0.278***
大数据能力×组织敏捷性
0.169***
0.056
R2
0.112
0.247
0.275
0.085
0.266
0.269
ΔR2
0.135
0.028
0.180
0.03
注：*p<0.1，**p<0.05，***p<0.01。
Table8.Mediatingeffectsatdifferentlevelsofagility
表8.不同敏捷性水平下的中介效应
路径
分组
SE
BootLLCI
BootULCI
大数据能力→资源编排能力→颠覆性创新
1SD
0.0328
0.0315
0.0365
0.0868
+1SD
0.1126
0.0331
0.0499
0.1811
0.0399
0.0219
0.0072
0.0932
5.主要研究结论与启示
5.1.主要研究结论
本研究从资源编排能力的新视角出发，通过实证分析240家制造业样本企业，探讨了大数据应用情境下大数据能力对制造企业颠覆性创新的影响机制，并获得以下发现：
(1)大数据能力显著促进企业的颠覆性创新。尽管已有文献肯定了大数据能力对企业创新的正向影响，但对大数据能力与企业颠覆性创新关系的研究较少。本文的研究结果表明，大数据能力可以通过提升资源编排能力来推动企业的颠覆性创新。这一结论为大数据能力影响颠覆性创新提供了新的经验证据，拓展了大数据能力理论的应用范围。
Figure3.Plotofthemoderatingeffectoforganizationalagilityontherelationshipbetweenresourceorchestrationcapabilityanddisruptiveinnovation
图3.组织敏捷性对资源编排能力和颠覆性创新关系的调节效应图
5.2.管理启示
本研究结合资源基础理论和动态能力理论，检验了企业大数据能力对颠覆性创新的影响，并获得到以下启示：
(1)培育大数据能力：在数字经济时代，企业应致力于提升大数据能力，以促进颠覆性创新。颠覆性创新的非竞争性和初始低端性为企业实现弯道超车提供了新思路。企业应从数据获取、整合分析、应用管理等方面全方位提升大数据能力，通过建立数据链、数据网和数据库，激活数据属性，辅助决策，推动颠覆性创新的顺利开展。
(2)数据资源与其他资源的联结：数据本身不能直接带来价值，其价值实现很大程度上取决于数据资源与其他资源的联结效应。企业应提升资源编排能力，监控并及时获取外部互补性资源，发现新的生产条件，创造性整合资源，提升资源的使用效率和协同性，推动内部信息共享和联合决策，充分发掘数据的价值。
(3)打造敏捷性组织：大数据时代的环境不确定性、消费者需求多样化和产品更新速度加快，要求企业更为敏捷和柔性。企业应通过大数据分析实时监控市场，捕捉外部变化，提升流程再造能力、流程管控能力和协同合作能力，从客户、流程和合作伙伴等方面提升敏捷性，快速响应外部环境。
基金项目
国家社科基金一般项目“大数据驱动的平台型企业跨界颠覆性创新机理及对策研究”(编号：21BGL069)。