服务外包如何影响企业知识吸收能力与绩效？

丁慧平侯文华++董坤祥

摘要：本文应用知识基础理论和组织学习理论，研究了电商企业服务外包对其知识吸收能力和绩效的影响。通过天猫平台上电商企业服务外包项目的调研发现：随着服务外包程度的增加，电商企业的知识吸收能力和运营绩效降低；而其运营经验和运营能力会调节上述影响机制，即运营经验和运营能力越高，外包程度对知识吸收能力和绩效的负向影响越小。此外，电商运营经验的调节作用大于电商运营能力的调节作用，即电商企业的运营经验要比运营能力更重要。本文结论可为传统企业转型为电商企业提供理论指导。

关键词：服务外包；运营经验；运营能力；知识吸收能力；绩效

中图分类号：F272.3文献标识码：A文章编号：1003-5192（2016）05-0001-08doi：

10.11847/fj.35.5.1

1引言

电商外包服务是伴随信息技术和电子商务快速发展的新兴服务业。一方面，线下传统企业希望通过电商实现转型；另一方面，通过电商成长起来的网络品牌迫切需要新的提升。因此，越来越多的企业选择与专业的电子商务服务商合作，据天猫平台统计，80%的品牌商欲将电商业务部分或全部托管给电商外包服务商。传统品牌企业若不能有效整合服务商提供的新业务、新技术和新模式，便无法获得良好的运营绩效，导致双方合作时间短，续约率低等问题。

外包具有诸如提高运营效率，缩减成本，获得专业资源[1]，提升自主创新能力[2]，快速便捷引进外部技术和助于培育创新等正面效应；但运营外包会弱化品牌商自身组织能力，损伤跨组织协调能力[3]。Weigelt通过对网络银行技术外包的研究发现，过度外包会降低组织的技术整合能力，且组织前期的运营经验可以调节因外包程度加大给外包绩效带来的负向效应[4]；此外，Whitaker等认为，在组织ITO向BPO延伸过程中，有过ITO经验的组织更倾向于BPO，系统整合能力强的组织更倾向于开展BPO外包[5]。外包情境下组织经验与组织创新有很强的相关性[6]，组织学习可调节组织资源获取与组织模仿能力构建[7]，并在创业导向和创业绩效关系之间起到调节作用[8]；差异化的组织运营能力是竞争优势的来源[9]，并在IT采纳与组织绩效关系中起到中介作用[10]。

上述文献虽然关注了服务外包对于组织绩效的影响，并在不同情境下探讨了组织学习和组织能力的作用；但尚未从项目层面识别电商企业服务外包过程中的运营经验和运营能力，剖析其对外包程度与企业知识吸收能力和外包绩效之间关系的影响。本文基于知识基础理论和学习理论，探讨了传统企业采纳电商服务外包与组织吸收能力和绩效的关系，构建电商服务外包对于绩效影响的实证模型。本研究旨在回答：（1）传统企业转型电商企业过程中服务外包如何影响企业的知识吸收能力和绩效？（2）企业运营经验与运营能力如何调节二者的关系？

与现有研究不同，本文的创新点是：（1）构建电子商务服务外包与知识吸收及运营绩效的模型，并以天猫平台上电商企业的电子商务服务外包项目为样本，研究电商企业的服务外包对使用和同化新技术或新模式的知识吸收能力及运营绩效的影响。（2）通过实证分析从运营经验和运营能力两个角度验证了电商企业前期的电商外包经验、运营能力和IT管理能力可以抵消因外包带来整合能力及运营绩效的负面影响。（3）本研究结论为传统企业在“互联网+”的形式下如何借助于服务外包成功转型升级，实现可持续发展及协同创新提供了理论依据。

丁慧平，等：服务外包如何影响企业知识吸收能力与绩效？——运营经验和运营能力的调节作用

2研究理论与假设

2.1服务外包与电商企业的知识吸收能力

知识基础理论认为知识是组织的重要资源，组织需要拥有对外部知识的吸收及转化能力。知识吸收能力指品牌商使用和吸收新技术并整合到其自身业务流程中的能力[11]。传统品牌商企业向互联网经营转型为电商企业过程中，将服务商的特有知识整合成为电商企业的组织能力，提高其核心竞争力。然而，随着外包程度的增大，电商企业的知识吸收能力可能被削弱，其原因在于：（1）电子商务运营服务具有很强的实践性，干中学是新业务开发、新技术采纳的有效方法[12]；然而随着服务外包程度的增加，服务外包限制了品牌商自身接触新知识、新模式及管理实践的机会，同时，电商企业需要投入更多的内部时间和管理成本来维护双方的合约关系，削弱了用于学习服务外包关键技术和核心资源的能力。（2）服务外包实践产生的知识多为隐性知识，在跨组织转移过程中涉及到知识的编码与整理，服务外包程度的加大限制了电商企业内部知识的转移，在决策过程中容易产生错误的假设和结论[13]，降低了电商企业的知识吸收能力。因此，得出如下假设：

假设1电商企业服务外包程度越大，其知识吸收能力越低。

2.2服务外包与电商企业的绩效

不同电商企业采纳服务外包的感知风险、学习成本和所期望的时间及成本节约具有差异性，服务商应该充分理解电商企业的需求及服务外包的动机[14]，帮助电商企业利用电商运营服务知识。然而，外包程度加大可能对市场绩效产生负面影响，其原因在于：（1）服务商需要深入了解所提供服务的技术属性、实时收集品牌商的需求信息才可以了解其精准需求；服务外包程度的增加，加大了服务商收集电商企业需求的难度，从而降低了外包的绩效。（2）服务商为电商企业定制服务时需要进行连续且复杂的评估和试错过程，随着服务外包程度的加大和市场环境的变化，电商企业的服务需求不断调整，并与服务商重新协商合约内容，导致了双方成本的增加和绩效的降低[15]。（3）因发包方的需求具有波动性，为避免服务提交过程产生失误，服务商需要关注电商企业对服务的接受程度，随着服务外包程度的增加，电商企业与服务商的知识距离也增加，使得在服务提交过程中容易产生无法预测的问题，影响了电商企业外包的绩效。因此，得出如下假设：

假设2电商企业服务外包程度越大，其服务外包绩效越小。

2.3电商企业运营经验的调节作用

组织学习理论认为，学习是组织通过对外部知识的了解、吸收和转化，对组织过去从事活动评估并指导现在及将来的活动，构建企业的运营经验，形成企业的竞争战略。其路径是通过从事的活动获得经验，总结规则，得到专业技能，为重复性的日常工作提供指导[16]。首先，服务外包过程中组织将利用前期的相关经验和知识构建后续外包的隐性知识，可消除因外包产生的组织知识吸收能力的降低；其次，业务外包使电商企业在相关功能上分配较少的资源，降低了组织功能的效率，但是前期的学习经验可以抵消上述影响。电商企业在前期的ITO或BPO的经验，以及类似的平台运营经验中学会如何处理技术和服务在组织间的流动[17]，同时可识别有价值的服务商，维护与服务商关系，监控服务过程中合约执行情况。因此，得出如下假设：

假设3a电商企业的运营经验对服务外包和知识吸收能力之间的关系起到调节作用，即随着电商企业运营经验的增加，可降低服务外包程度对知识吸收能力的负向影响。

通过组织学习和运营经验的积累，电商企业可以抵消因服务外包的增加所导致的低市场运营绩效。前期从事相关活动的经验知识，可改进在网络平台运营中的绩效。此外，经过重组与再创新，可以降低跨组织之间的技术转移对知识吸收能力的负面影响[17]。电商企业从前期相关电商平台的运营经验可获取客户对产品和服务的体验信息，帮助电商企业识别不同客户的偏好。同时，电商企业与服务商其他形式的外包合作经验，也可以帮助其有效管理双方外包关系，提升服务质量，提高合约管理效率，从而获得良好的绩效，并减少因服务外包增加对绩效的负向影响。因此，得出如下假设：

假设3b电商企业的运营经验对服务外包和绩效之间的关系起到调节作用，即随着电商企业运营经验的增加，可降低服务外包程度对外包绩效的负向影响。

2.4电商企业运营能力的调节作用

组织通过开发、访问和整合形成具有竞争战略的运营能力，可以帮助电商企业识别有资质的服务商，并协助管理外包关系。运营能力包括系统能力和过程处理能力[18]。电商企业的系统能力指电商企业的IT系统运作情况及成熟度，IT系统可协助电商企业与运营服务商有效合作，调节因服务外包产生的知识吸收能力的降低；运营管理系统有利于信息和知识跨组织边界传递，使工作流程更加标准化[19]，改善服务外包所造成的企业绩效降低。电商企业的过程处理能力指传统企业为实现互联网转型而构建的电子商务管理能力，专业化的电子商务能力可以改进电商企业的电商处理效率，加快服务及技术在电商企业终端客户之间的转移[20]，从而降低因服务外包而产生对知识吸收能力的负向效应，加快服务商与电商企业的交互速度，良好的电商运营能力可以为终端客户提供定制产品，提高客户满意度[21]和服务的体验，降低外包造成的外包绩效减少。因此，得出如下假设：

假设4a电商企业的运营能力对服务外包和知识吸收能力之间的关系起到调节作用，即随着电商企业运营能力的增加，可降低服务外包程度对知识吸收能力的负向影响。

假设4b电商企业的运营能力对服务外包和绩效之间的关系起到调节作用，即随着电商企业运营能力的增加，可降低服务外包程度对外包绩效的负向影响。

综上所述，我们构建了本文的研究模型（如图1所示），探讨服务外包、运营经验和运营能力对知识吸收能力和绩效的影响。

3研究设计与方法

为了深入、有效地分析电商企业服务外包与绩效的关系，本文进行了定量的实证研究。研究方法主要采取问卷调查形式，下面将详细阐述问卷设计、数据收集、变量测度及统计结果。

3.1样本和数据

本研究基于中国情境下第三方平台的电商企业服务外包项目为研究主体，首先预调研了30个电商服务外包项目，并通过对问卷的信度和效度分析及电商服务外包行业相关领域专家的咨询，确定项目调研问卷。从2013～2015年，通过在线问卷调研和参加青岛、杭州、天津和河南周口等地服务商年会发放问卷500份，收集有效问卷158份，问卷回收率在31.6%，所选样本的电商企业年营业额在100万以下占13.9%，100万～200万占8.9%，200万～500万占46.8%，500万～1000万占18.4%，1000万以上占12.0%；按产品标准化程度从高到低抽取天猫平台上家电、美容、母婴、男装、女装、居家日用、内衣鞋类等7个类目分析，各类目比重分别为：家电占13.9%，美容占13.9%，母婴占13.9%，男装占15.8%，女装占15.2%，居家日用占13.3%，内衣鞋类占13.9%；被调研者的平均年龄为28岁，男女性别比为4∶1，其工作职位电子商务项目负责人占29.1%，网络店铺店长占33.9%，运营经理占37.3%。

3.2变量定义与测量

服务外包程度：Gilley和Rasheed，Arbaugh通过是否（1、0表示）外包为自变量[22，23]，衡量企业外包对其绩效的影响，而本文将其进行拓展，以外包程度测量服务外包，从电子商务运营过程价值链的角度，将品牌商外包过程分解为店铺入驻、摄影、装修、运营、营销推广、网络营销、数据报告、人员培训、渠道管理和物流配送等10个部分。在借鉴Poppo和Zenger，Ang和Straub外包程度测试模型的基础上[24，25]，得出电商服务外包程度的测量方法：电商外包程度=外包广度×深度两维度，其中外包广度指电子商务业务中所包含结点活动的数目，取值范围为0～10；外包深度指的是在电子商务服务外包中，每项活动被外包的程度，其取值是0～100%。电商企业服务外包程度如（1）式所示

SO=∑n=10，m=100%i=0，j=0RiDj（1）

其中R表示外包广度，D表示外包深度，SO表示服务外包程度，其取值范围为0～10。

本文界定知识吸收能力与绩效为因变量，其中知识吸收能力反映了电商企业进行电子商务服务外包后可以消化、吸收和应用该模式的能力。本文参考Steensma和Corley的测量标注[26]，并结合电商企业运营的特点，用里克特量表来测量电商企业的知识吸收能力，如（2）式所示

KA=α+β+γ（2）

其中α表示电商企业是否可以为自己定制电商服务，β表示电商企业是否可以正常运营自己的电商，γ表示电商企业能否使用相关电子商务外包的技术，KA表示电商企业知识吸收能力，其取值范围为0～3。

在借鉴传统外包行业绩效度量指标上，结合电商行业内专家访谈，本文从财务绩效和服务绩效两个角度来衡量电商企业绩效。其中财务绩效是指运营期间店铺交易情况，销售目标达成情况及获利的满意度[27]，主要包括：（1）店铺交易额。外包期间店铺交易额与同行业其他店铺相比的情况。（2）店铺的投入产出比（ROI）。外包期间电商企业所投入相关费用与产出情况的比值，这是电商企业运营健康情况的重要依据。（3）店铺客单价。外包期间成交金额与成交用户数的比值。服务绩效是指运营服务商所运营店铺的服务综合评价指标，指外包期间最终客户体验的服务指标变化程度，包括运营服务期间店铺的产品与描述相符合水平、物流水平及客户服务满意度。本研究通过里克特量表来表示外包后电商企业各项运营绩效指标与平台内的主要竞争对手相比所处的地位，其中1表示非常低，7表示非常高。

本文界定电商运营经验和运营能力为调节变量。其中电商企业运营经验主要包括电商企业是否有其他形式的外包，以及电商企业前期的互联网经营经验，主要从两个方面来反映：（1）前期外包经验，本研究用0或1来表示是或否有过外包[5]。（2）前期互联网经营经验，通过运营渠道、运营时间和运营销量三个指标来表示，其中运营渠道指前期在其他平台或自运营的经验；运营时间指电商企业参与互联网运营的时间长短；运营销量指运营时间和线上销量占电商企业年度总销量的比重。运营经验的测量是前期外包经验和互联网运营经验所述四个方面的累积加总。

电商企业运营能力包括电商企业与外包服务商的协调能力和互联网经营能力，其度量指标来源于IT基础设施的指标设计[28]，并结合访谈中相关领域专家意见，从而识别出电商企业运营能力衡量指标。其中协调能力可通过电商企业内部IT系统的部署来体现，主要包括电商企业的ERP系统、商务智能系统、业务流程管理系统、移动商务应用系统、OA系统等的部署情况；电商企业的互联网经营能力主要包括：（1）有单独的电子商务部门，（2）有电商专属仓，（3）有线上定制的产品。上述协调能力和互联网经营能力分别用0和1来表示是否具有或实施该方面的能力，加总后可得到电商企业的运营能力。

本文界定电商企业规模和行业类型为控制变量。电商企业规模：从规模经济的角度来说，规模大的运营服务商，拥有更多的能力、技术与资本及动机来吸收新的能力。本文以天猫店铺的年营业额表示电商企业规模，并界定年营业额大于500万以上为样本企业。

电商企业所处行业：按行业的标准化程度不同，分为标类产品、非标类产品及中间产品，不同类型的产品运营难度不同，对于模型的影响程度也有差别。本文选取成交额比较大的7个代表类目作为研究对象，按其标准化程度从高到低依次：家电、美容、母婴、男装、女装、居家日用和内衣鞋等，用1～7来表示标准化程度的高低。

3.3信效度检验和描述性统计

3.3.1量表信效度检验

运用 SPSS 20.0对数据进行信度和效度分析，电商企业运营经验和运营能力两个量表的整体信度系数分别为0.838和0.662，均大于0.6，可以接受。两个量表各题项的标准化因子载荷系数基本在0.4以上。电商企业外包程度、知识吸收能力和绩效三个量表的整体信度系数分别为0.689、0.707和0.745，均大于0.6，可以接受。三个量表各题项的标准化因子载荷系数基本在0.4以上。上述几个量表的效度比较理想。

3.3.2描述性统计

描述性统计结果显示，服务外包程度与知识吸收能力和绩效呈负相关（r=-0.381，p<0.01；r=-0.491，p<0.01）；电商企业的知识吸收能力与外包绩效呈正相关（r=0.386，p<0.01）。此外，电商企业的年营业额与服务外包程度呈负相关（r=-0.308，p<0.01），与知识吸收能力（r=0.626，p<0.01）、绩效（r=0.309，p<0.01）和运营经验（r=0.257，p<0.01）呈正相关。

4假设检验与结果分析

4.1主效应假设检验

本文将外包程度作为自变量，分别以知识吸收能力、绩效为因变量，建立回归分析模型，验证假设1和假设2。回归分析结果如表1显示。模型1和2的F值分别为33.271和58.214，对应的概率p值均小于显著性水平0.001，表示自变量外包程度对因变量均存在显著影响作用。DW值也均在2左右，说明模型残差不存在自相关性，模型拟合效果很理想。调整后R2值显示：外包程度对知识吸收能力、绩效的解释能力分别为20.1%和25.1%。

从参数检验结果可知，服务外包程度对知识吸收能力、绩效均存在显著的负向影响作用（p<0.05），影响系数分别为-0.311和-0.166，即电商企业外包程度每增加1个单位，电商企业的知识吸收能力和绩效将相应降低0.311和0.166个单位。因此，实证结果支持假设1和假设2。

4.2电商企业运营经验和运营能力的调节效应假设检验

本文调节作用的检验主要分三步来完成：（1）将自变量、调节变量做均值中心化转换。（2）生成自变量乘以调节变量交互作用项。（3）进行SEM路径分析或者回归分析，本文采用回归分析。将自变量、调节变量主效应项，以及自变量和调节变量交互作用项一起引入模型，通过检测交互作用项的回归系数是否显著，来判断调节变量的调节效应是否成立。

（1）共线性诊断。共线性诊断主要识别变量之间是否存在高的相关性，进而增加模型拟合误差。服务外包程度、运营经验和运营能力的VIF值均小于10，运营经验×服务外包程度、运营能力×服务外包程度的VIF值亦小于10，说明各变量之间不存在明显的共线性，可以一起放入模型进行分析。

（2）调节效应检验。表1显示，电商企业运营经验、运营能力与服务外包程度的交互项对知识吸收能力均存在显著的影响（β4=0.226，p<0.001；β5=0.088，p<0.05）；两个交互项对绩效同样存在显著的影响（β9=0.279，p<0.001；β10=0.068，p<0.001）。因此，我们可以认为，电商企业的运营经验和运营能力在服务外包程度对知识吸收能力、绩效的关系中均起到显著的调节作用，且为正向调节作用，即随着运营经验和运营能力的提升，服务外包程度对知识吸收能力和绩效的负向影响作用会减弱。从交互项的系数大小来看，电商企业运营经验在服务外包程度对知识吸收能力和绩效的影响关系中的调节作用大于运营能力的作用。这说明，电商企业的运营经验比运营能力在提高绩效上具有更大的优势，同时也说明，拥有较好运营能力的大型传统企业转型电商的绩效，并不一定比有运营经验的小企业的绩效好。因此，传统企业转型到电商企业，在保持原有运营能力的同时，应增加电商运营经验，以获得更高的绩效。

为了解不同电商企业运营经验和运营能力在服务外包程度对知识吸收能力与绩效的影响关系中的调节作用，本研究将调节变量分成两组后分层回归分析，采用Aiken和West的作图方法[29]，并进行斜率分析。首先，将电商企业运营经验、运营能力根据均值分为高运营经验和低运营经验、高运营能力和低运营能力，再比较服务外包程度对知识吸收能力和绩效的影响作用及方向。如图2a所示，在低运营经验中，服务外包程度对知识吸收能力存在显著的负向影响；在高运营经验中，服务外包程度对知识吸收能力不存在显著的负向影响。因此，电商企业的运营经验在服务外包程度对知识吸收能力存在显著正向调节作用的假设成立。如图2b所示，运营经验在服务外包程度与绩效关系中的调节作用机制与知识吸收能力类似。

图2电商企业运营经验的调节作用

电商企业的运营能力在服务外包程度与知识吸收能力关系中的调节作用，与运营经验的影响相似。当电商企业具有高运营能力时，服务外包程度对知识吸收能力不存在显著的影响作用；而在低运营能力时，服务外包程度对知识吸收能力存在非常显著的负向影响作用，且明显高于高运营能力下的情形。运营能力在服务外包程度与绩效关系中的调节作用机制与知识吸收能力类似。这说明，具有较高运营能力的大型传统企业在转型电商企业过程中，可以采取较高程度的服务外包，使得企业本身专注其核心竞争力，而较低运营能力的传统企业在转型过程中，应慎重考虑服务外包的程度，以权衡核心业务经营和绩效降低之间的关系。

5结论与管理启示

5.1结论

本文研究了电商企业的服务外包是如何影响其知识吸收能力和绩效的，前人多用技术接受度模型来研究企业外包过程中的新技术采纳，而本文则重点研究跨越组织边界资源和知识的传递，发现过度实施服务外包会减弱其自身的知识吸收能力，进而影响运营绩效；前期有过运营经验或运营能力强的电商企业可降低因外包程度增加而产生的负面影响。

首先，本文研究了服务外包是如何削弱电商企业知识吸收能力，过度依赖服务外包会导致电商企业自身干中学能力的降低[18]，从而影响其运营绩效及知识吸收能力。电商企业只有参与到服务外包的过程之中，才能构建平台的整合能力，被动的知识积累是无意义的。若要提高电商企业对外包模块的价值感知度，服务商需要实时收集、解释电商企业的需求信息并进行有效反馈。由于此过程无法标准化和提前预见，从而使双方的合约关系不断更新，增加了谈判、签约等相关成本。

其次，本文尝试解释在传统企业转型为电商企业过程中，若企业实施外包，则其运营经验和运营能力对绩效和企业知识吸收能力具有正向调节作用。电商企业根据自身运营经验和运营能力，选择外包其运营经验不足、前期沉没成本较大的项目，当服务外包程度较低时，电商企业的运营经验和运营能力对吸收能力和绩效的调节效应并不明显。然而，随着服务外包程度的增大，电商企业的运营经验和运营能力对知识吸收能力与绩效的调节效应更加显著。同时发现，电商企业运营经验的调节作用大于运营能力的调节作用，即前期平台运营及外包活动为后期采纳服务外包提供了管理经验和技术借鉴。

本文研究的局限性及未来的研究展望主要包括以下两个方面：首先，本文对知识吸收能力和绩效的测度主要基于问卷的数据调研所得，后期的研究可以挖掘其他维度的变量，或者考查项目外包前后的实时交易数据来度量；其次，可以将电商企业服务外包交易双方的协作程度和努力水平等因素作为中间变量来验证电商企业采纳服务外包与绩效之间的关系。

5.2管理启示

首先，将技术采纳领域中技术接收与知识吸收能力应用于电商企业的服务外包中，这有助于电商企业在选择服务外包商时，根据其现有运营经验和运营能力选择服务商，并显著提高具有较强运营经验和运营能力电商企业的知识吸收能力和运营绩效。

其次，为服务商选择合适的客户，提高服务外包成功率提供了理论依据。可减少那些具有运营经验和运营能力的企业在实施服务外包过程中出现的问题，降低成本，提高项目成功率。因此，服务商应将市场开发重点放在具有电商运营和外包经验、且具有较强IT应用能力和过程处理能力的电商企业。这对双方外包关系的管理，获取双方满意绩效具有重要的管理意义。

最后，研究中还考虑了电商企业运营经验和运营能力对外包绩效和知识吸收能力的调节作用。电商企业的前期运营经验可以降低因采纳服务外包造成的负面风险，电商企业拥有的相关经验可以促进其学习及对新技术和模式的吸收，有助于服务商资源的整合，提高服务项目的绩效。

参考文献：

[1]Poppo L， Zenger T. Do formal contracts and relational governance function as substitutes or complements[J]. Strategic

Management Journal， 2002， 23（8）： 707-725.

[2]陈启斐，王晶晶，岳中刚.研发外包是否会抑制我国制造业自主创新能力[J].数量经济技术经济研究，2015，32（2）：53-69.

[3]Gilley K M， McGee J E， Rasheed A A. Perceived environmental dynamism and managerial risk aversion as antecedents of manufacturing outsourcing： the moderating effects of firm maturity[J]. Journal of Small Business Management， 2004， 42（2）： 117-133.

[4]Weigelt C. The impact of outsourcing new technologies on integrative capabilities and performance[J]. Strategic Management Journal， 2009， 30（6）： 595-616.

[5]Whitaker J， Mithas S， Krishnan M S. Organizational learning and capabilities for onshore and offshore business process outsourcing[J]. Journal of Management Information Systems， 2010， 27（3）： 11-42.

[6]王永贵，王娜，赵宏文.组织记忆、组织学习与供应商创新能力关系研究——基于外包情境的实证研究[J].科研管理，2014，35（10）：1-8.

[7]代吉林，张书军，李新春. 知识资源的网络获取与集群企业模仿创新能力构建——以组织学习为调节变量的结构方程检验[J].软科学，2009，22（7）：76-82.

[8]Real J C， Roldán J L， Leal A. From entrepreneurial orientation and learning orientation to business performance： analysing the mediating role of organizational learning and the moderating effects of organizational size[J]. British Journal of Management， 2014， 25（2）： 186-208.

[9]Lim J H， Stratopoulos T C， Wirjanto T S. Path dependence of dynamic information technology capability： an empirical investigation[J]. Journal of Management Information Systems， 2011， 28（3）： 45-84.

[10]Benitez-Amado J， Walczuch R M. Information technology， the organizational capability of proactive corporate environmental strategy and firm performance： a resource-based analysis[J]. European Journal of Information Systems， 2012， 21（6）： 664-679.

[11]Helfat C E， Raubitschek R. Product sequencing： co-evolution of knowledge， capabilities and products[J]. Strategic Management Journal， 2000， 21（10-11）： 961-979.

[12]Ethiraj S K， Kale P， Krishnan M S， et al.. Where do capabilities come from and how do they matter？ A study in the software services industry[J]. Strategic Management Journal， 2005， 26（1）： 25-45.

[13]Pisano G P. Learning-before-doing in the development of new process technology[J]. Research Policy， 1996， 25（7）： 1097-1119.

[14]Curran J M， Meuter M L. Self-service technology adoption： comparing three technologies[J]. Journal of Services Marketing， 2005， 19（2）： 103-113.

[15]Conner K R， Prahalad C K. A resource-based theory of the firm： knowledge versus opportunism[J]. Organization Science， 1996， 7（5）： 477-501.

[16]Gulati R. Social structure and alliance formation patterns： a longitudinal analysis[J]. Administrative Science Quarterly， 1995， 40（4）： 619-652.

[17]Eisenhardt K M， Tabrizi B N. Accelerating adaptive processes： product innovation in the global computer industry[J]. Administrative Science Quarterly， 1995， 40（1）： 84-110.

[18]Gold A H， Malhotra A， Segars A H. Knowledge management： an organizational capabilities perspective[J]. Journal of Management

Information Systems， 2001， 18（1）： 185-214.

[19]Mithas S， Ramasubbu N， Sambamurthy V. How information management capability influences firm performance[J]. MIS Quarterly， 2011， 35（1）： 237-256.

[20]Banker R D I R， Bardhan S， Lin Chang H. Plant information systems manufacturing capabilities and plant performance[J]. MIS Quarterly， 2006， 30（2）： 315-337.

[21]Mithas S， Tafti A R， Bardhan I， et al.. Information technology and firm profitability： mechanisms and empirical evidence[J]. MIS Quarterly， 2012， 36（1）： 205-224.

[22]Gilley K M， Rasheed A. Making more by doing less： an analysis of outsourcing and its effects on firm performance[J]. Journal of Management， 2000， 26（4）： 763-790.

[23]Arbaugh J B. Outsourcing intensity， strategy， and growth in entrepreneurial firms[J]. Journal of Enterprising Culture， 2003， 11（2）： 89-110.

[24]Poppo L， Zenger T. Testing alternative theories of the firm： transaction cost， knowledge-based， and measurement explanations for make-or-buy decisions in information services[J]. Strategic Management Journal， 1998， 19（9）： 853-877.

[25]Ang S， Straub D W. Production and transaction economies and IS outsourcing： a study of the US banking industry[J]. MIS Quarterly， 1998， 22（4）： 535-552.

[26]Steensma H K， Corley K G. On the performance of technology-sourcing partnerships： the interaction between partner interdependence and technology attributes[J]. Academy of Management Journal， 2000， 43（6）： 1045-1067.

[27]OSullivan D， Abela A V. Marketing performance measurement ability and firm performance[J]. Journal of Marketing， 2007， 71（2）： 79-93.

[28]Wade M， Hulland J. Review： the resource-based view and information systems research： review， extension， and suggestions for future research[J]. MIS Quarterly， 2004， 28（1）： 107-142.

[29]Aiken L S， West S G. Multiple regression： testing and interpreting interactions[M]. Newbury Park， CA： Sage， 1991. 9-27.