企业网络、大数据能力与商业模式创新机制研究<br/>——基于fsQCA方法的实证分析

企业网络、大数据能力与商业模式创新机制研究
——基于fsQCA方法的实证分析

2022-01-23张珍珍

科技进步与对策 2022年1期

李文，张珍珍，梅蕾

(内蒙古科技大学经济与管理学院，内蒙古包头 014010)

0 引言

十九大报告提出，贯彻新发展理念，统筹推进创新驱动发展战略，推动大数据与实体经济深度融合，加快建设创新型国家。现代行业环境复杂多变，商业模式创新作为企业应对多变经济环境的重要手段，是企业维持竞争优势的关键，企业可以通过商业模式创新构建核心竞争力[1-4]。21世纪，企业间的商业模式竞争不仅仅是质量、服务之间的竞争, 甚至超过生产成本间的竞争[5]，企业间竞争已经全面发展为包括供应商、竞争者和渠道商等利益相关者在内的企业网络竞争。在资源约束下，企业面临资源匮乏的难题，单个企业越来越难以适应日益复杂的动态环境，通过构建企业网络参与市场竞争对于企业商业模式创新至关重要[6]。在科技发展的推动下,大数据正重塑企业商业模式，而大数据能力是一种重要动态能力，是商业模式创新的重要驱动力[7]。有学者基于双元组织学习视角探讨大数据能力对企业绩效的作用机理，发现大数据资源整合能力和大数据资源对企业绩效具有显著正向影响[8]；赵玲等[9]基于资源基础理论研究发现，创业资源整合通过创新能力正向影响公司创业；吴晓波等[2]认为，商业模式创新是一个内外兼修的过程，各层面企业资源和能力均能成为驱动商业模式创新的关键因素。对于新零售企业而言，在商业模式创新过程中需要企业或者企业领导者具有模仿、学习以及整合外部新知识和新技能的能力[10]。亦有学者基于组态视角和集合论思想，从企业外部网络嵌入和内部动态能力培育两个层面探讨不同维度组合方式对创新绩效的影响[11]。

既有研究认为，企业网络与大数据能力是影响商业模式创新的关键因素，在创新过程中，企业资源和能力相结合能够有效促进企业商业模式创新。然而，以往研究缺乏对商业模式创新复杂过程的还原，大部分研究关注单一因素对商业模式创新的影响，聚焦于新兴技术这一外部驱动因素[12]，而忽视了影响商业模式创新的多重并发因素和路径。例如，孟迪云等[13]探讨网络嵌入性对商业模式创新的影响，识别出环境动态性在网络嵌入和商业模式创新中的调节作用，却未进一步研究二者协同配合对商业模式创新的影响，或考虑更多因素与网络嵌入的匹配性；张彩凤等[8]基于资源基础和动态能力理论，实证分析254家企业大数据能力对企业绩效的影响机理，但仅考虑了内因变量大数据能力对企业绩效的影响，未考虑环境动态性是否存在调节效应。可见，仅少数学者研究不同因素共同作用于商业模式的情形。商业模式创新与企业网络及大数据能力等变量之间的关系是多种条件并发的非线性关系，是一个各要素相互依赖、高度复杂的整体。

综上所述，本研究从资源和能力层面出发，遵循“资源-能力-协同联动”理论逻辑，基于组态视角探讨新零售企业商业模式创新影响机制。具体而言，本文通过实证分析回答如下问题：企业网络和大数据能力如何协同促进企业商业模式创新？新零售企业商业模式创新影响机制和路径是怎样的？为了解决此问题，本文采用定性比较分析(QCA)方法探究商业模式创新现象，深入挖掘两个层面6个条件所构成的不同组态对商业模式创新的影响机制与路径。

1 文献回顾与理论构建

已有研究基于不同理论视角，构建“资源—结构—能力”的理论分析框架，发现创新型企业基于资源视角构建价值共创机制可以提升价值获取能力[14]。在此基础上，黄昊等[15]基于资源编排理论，从过程与动态视角解析资源基础与创业能力共变情况，通过建构“资源编排—创业能力—成长绩效”理论模型发现，资源和能力均能直接或间接驱动企业成长；唐彬等[16]构建大数据能力视角下平台企业知识创造模型，深入分析大数据能力与知识资源匹配过程；刘曦子[17]发现，蚂蚁金服通过培育强大的大数据能力，整合企业内外部资源驱动商业模式创新。大数据能力能够促进企业资源获取、整合、重构和利用[18]，庞长伟等[19]认为，大数据深度分析与实时洞察能力能够帮助企业在复杂的动态环境中敏锐察觉市场动向，发现市场机会；Davenport等[20]认为，大数据分析能力可以帮助企业发现商机，进而驱动企业改变运营流程，实现商业模式革新；宋华等[21]指出，企业网络具有信息传递作用，借助企业所拥有的能力将网络资源转化为自身动能，从而促进企业绩效提升。尽管商业模式创新成为学界研究热点，但商业模式创新是一种系统性变革过程，鉴于此，本研究从企业网络层面(资源层)和大数据能力层面(能力层)，即两个层面的6个前因条件，探究影响商业模式创新的多重影响因素及不同组合路径。企业网络层面的影响因素包含信息资源共享(information resources sharing，简称为IRS)、组织学习(organizational learning，简称为OL)、网络体系建立(Network system establishment，简称为NSE)[22-24]，而大数据能力层面的影响因素包括资源整合能力(resource-integrated capability，简称为RIC)、深度分析能力(depth-analysis capability，简称为DAC)、实时洞察与预测能力(real-time insight and prediction capability，简称为RIPC)3个因素[17,25]。据此，本文构建商业模式创新理论模型，如图1所示。

1.1 企业网络层面

企业网络是指处于企业和市场之间、为获得更多竞争优势组成的一种长期动态组织形态[26]，强调社会结构对主体经济行为的影响，包括企业内部网络和企业外部网络。本文主要从组织层面探讨企业网络，以企业为节点，以企业间关系为边，网络内容包括企业间的经济和社会关系[22]。企业网络既有助于提高企业双元能力，又能够影响其在网络中的影响力[27]。因此，根据企业网络资源基础观理论、企业网络组织学习理论、企业网络社会学理论，基于企业动态行为特征，即关系网络构建行为进行相关研究，将企业网络划分为信息资源共享、组织学习和关系体系建立。

图1 理论研究模型Fig.1 Theory model

(1)信息资源共享。资源是企业能力发展的基础，信息资源共享是指在企业网络间建立一种自愿、开放、合作、协同的共享关系。一方面，其能够促进多方合作，增强企业资源获取和资源配置能力,提高其网络中心性，有助于企业夯实异质性资源获取基础[28]。另一方面，通过信息资源共享和建设，可以满足用户多样化信息需求[29]。蒋旭灿[30]以创新资源共享为前因变量研究发现，创新资源共享对企业绩效具有显著正向影响，故企业应注重资源获取以及不重要资源的输出，建立资源共享模式；马蓝等[31]认为，核心企业拥有网络关键信息资源,通过获取和利用其它网络成员的异质性资源,降低因信息不对称产生的交易成本,从而提高企业创新绩效。网络核心企业拥有丰富的信息源和信息渠道,具有挖掘稀缺资源的优势,能够准确判断所获信息的价值,通过对信息进行筛选利用实现商业模式创新[32]。

(2)组织学习。组织学习是企业网络间进行知识创造、获得与传递知识的过程。组织学习作为一种企业能力资源，对于企业利用外部知识进行创新具有极为重要的意义[33]。傅慧等(2007)认为，组织学习是企业获取持续竞争优势的重要来源，可以促进双边用户知识资源聚集，对其商业模式创新具有一定的驱动作用。组织为提高未来绩效，利用向网络内其它企业学习的机会，对市场知识进行吸收和利用,产生更多创意，不断完善自身商业模式。只有通过组织学习获取知识，才能突破组织惯性，促进企业经营网络中的知识转移和价值共享，从而实现商业模式创新[1]。一方面，组织学习既是提升企业创新能力的重要途径，也是帮助企业获得竞争力的关键资源，可以加速技术商业化进程；另一方面，企业通过组织学习可以借鉴成功企业的商业模式创新经验，将外部资源内部化，在实践中不断改进自身商业模式，进而实现企业商业模式创新[34]。

(3)网络体系建立。网络体系建立是指企业与那些能够给自身带来潜在帮助的个体或机构建立和保持网络关系的行为[35]。王伟等[23]基于创新创业视角，研究关系网络构建行为、商业模式创新与新创企业绩效的关系，发现关系网络建构行为对新创企业绩效具有显著正向影响。从微观视角看，企业间网络关系就是通过企业内部人员与外部资源建立联系，关键人员的连接关系可以形成组织间社会资本，社会资本的核心是信息和信任，能够为组织带来有形和无形资源[36]。有学者认为，网络能够带来改变商业模式的必要资源(李德辉等，2017)。也有研究表明，企业网络是创业者获取创业资源、实现商业模式创新的关键[37]，而商业模式创新需要通过网络成员帮忙解决自身资源匮乏问题。通过建立网络体系，网络伙伴可以获取新的信息和能力，形成商业模式创新能力[38]。

1.2 大数据能力层面

大数据既是机遇也是挑战，将大数据上升到能力层面，基于能力视角充分挖掘大数据的商业价值，对企业和社会更有意义[39]。现有研究大多从数据资源视角和数据能力视角进行探索：数据资源视角下大数据具有数据量大、处理速度快且数据多样化的特点[40]；数据能力视角下大数据是指大数据的资源整合、存储和处理、深度分析及预测能力[41]。本文借鉴谢卫红等[42]的观点，将大数据能力划分为3个维度：资源整合能力、深度分析能力以及实时洞察与预测能力。本研究基于数据能力视角，分析大数据能力与企业网络不同维度组态效应对商业模式创新的影响机制。

(1)资源整合能力。资源整合能力体现了网络中企业信息存储能力，是指企业持续获取数据资源，对数据进行处理与存储，并依据环境变化对已有多类型、海量数据进行有效处理和重新整合的能力。数据资源是企业核心资源，本身不能给企业带来竞争优势，将数据资源与企业原有资源(基础设施、人力资源和技术资源)融合，能为企业带来独特的竞争优势[40]。企业利用大数据技术对获取的数据(结构化与半结构化数据)进行清洗和标准化处理，保证数据多样化和实效性[43]。研究发现，海量数据蕴藏着巨大的商业价值，通过大数据资源整合能力，企业可以实现数据资源商品化，开展更多数据资源服务业务，进而驱动企业商业模式创新。

(2)深度分析能力。深度分析能力是指在企业网络中的企业利用大数据技术对整合后的数据进行分析，并将数据转化为信息的能力。企业对海量数据资源进行深度挖掘和分析，以获取消费者潜在需求。因此，企业需要掌握多种高级信息分析方法和能力，如网络信息挖掘、信息提取、个性化服务、行为分析、独特产品设计等方法[44]，后者面向的是企业应用和商业价值。深度分析是大数据能力的核心[45]，企业利用深度分析能力挖掘有针对性的结果是提升自身价值的关键，可以体现企业在海量数据中快速识别客户价值观的能力，进而根据客户需求生产相应的产品，使产品与消费者之间实现双向价值传递，从而驱动企业商业模式创新。

(3)实时洞察与预测能力。实时洞察与预测能力是指在企业网络中的企业根据分析结果预测市场变化，洞察市场机会的动态能力。这种能力反映为企业能够准确预测内外部环境变化，运用大数据技术实施智能化决策，提高自身在动态环境中的竞争力和适应性[46]。大数据资源整合与深度分析是大数据实时洞察和预测的基础，使企业能够对未来市场需求进行预测，通过实时感知顾客行为和商业舆情，及时改变战略，从而改变商业模式。因此，企业可以利用大数据技术划分消费人群，获取用户浏览记录、喜好和消费习惯，通过洞察消费者真实需求实现精准营销，从而驱动企业商业模式创新。

2 研究设计与方法

2.1 研究方法

根据商业模式创新理论模型，不难发现要揭示企业网络和大数据能力对商业模式创新的影响机制，仅分析企业网络和大数据能力各维度独立或两两交互对其的影响是远远不够的，必须探讨各维度协同联动对商业模式创新的影响。

定性比较分析( Qualitative comparative analysis, QCA)是当前社会科学领域被广泛应用的研究范式，是一种以案例为导向的非对称性方法，适用于探索引致特定结果发生的各种条件组合。相比其它实证方法，QCA擅长解决并发性、非对称性、多重等效性问题，运用布尔代数和集合论解释多重并发因果关系，将研究对象看作是不同条件组合引致的结果。QCA假定某种现象产生的原因是复杂多元且非线性的,因而是多种原因组态共同作用的结果[45]。QCA包括清晰集(csQCA)、模糊集(fsQCA)与多值集(mvQCA) 定性比较分析3种类型。其中，fsQCA对分析条件进行0—1之间任意数值的校准，本文涉及变量均是表示程度的连续变量，超越了csQCA只能处理0和1两种结果，以及mvQCA处理多值数据的限制。fsQCA考虑所有先行条件相互依赖、相互作用的可能性，可以揭示针对焦点结果足够的条件组合，意味着存在多个同等有效的条件组合，最终导致相同结果。因此，本文选择fsQCA。

2.2 样本选择与数据收集

2.2.1 样本选择

本文在选择研究样本时，依据典型性和理论抽样原则，所选案例需要满足新零售企业特征，即以数据为驱动，以消费者体验为核心的零售形态，同时在大数据能力和企业网络方面具有差异化表现。因此，本文样本筛选条件如下：①成立3年以上企业，有较为清楚的商业模式创新活动；②具备一手资料可得性，以及资料丰富性；③关注样本间的差异性，尽可能涵盖不同行业。在此基础上，对收集到的所有与研究问题相关的企业数据进行分析和整理，本文最终选择15个具有代表性的新零售企业作为研究样本，如表1所示。

2.2.2 数据收集

为了保证数据的准确性与全面性，在对案例企业进行资料收集时，采用一手数据和二手数据结合方式。一手数据包括：第一，人员访谈。对中层以上管理者、线下服务人员，以及对产品具有切身感受的顾客进行开放式访谈和非结构化访谈，通过调查问卷获取一手数据。第二，活动参与。研究团队多次参与案例企业发售会、会议论坛(小米论坛)。二手数据则包括企业官网、企业内部刊物、年报、百度以及知网、万方等数据库，主要关注企业商业模式创新经历、企业网络建设和大数据能力运用。部分案例企业基本情况及数据来源如表1所示。

表1 案例企业基本情况与数据来源Tab.1 Case enterprise basic information and data source

2.3 构念测量与赋值

定性比较分析编码来源于定量和定性数据的整体反映。本研究采用企业网络、大数据能力和商业模式创新3个构念，将企业网络、大数据能力作为条件变量，将商业模式创新作为结果变量，提炼构念的依据和测量方法是从核心文献中查询，并以新零售企业商业模式创新资料作为补充。

本研究涉及变量均是表示程度的连续变量，故采用模糊集定性比较分析fsQCA中的四分赋值法，即四值模糊集(1完全隶属；2/3偏隶属；1/3偏不隶属；0完全不隶属)。为保证研究结论的真实性，数据编码采用交叉验证方式进行处理。

2.3.1 信息资源共享

信息资源共享测量主要参考Barut(2002)和彭正龙(2011)的研究，量表包括“企业与供应链的上下游企业间进行频繁的信息交流”“经常性组织集体学习与交流分享”“企业收益稳定增长”等6个题项，具体赋值如表2所示。

2.3.2 组织学习

组织学习测量主要借鉴陈国权及李文亮(2017)等的研究成果，主要题项包括“该企业能够积极从其他企业学习新技术”“该企业会努力学习先进的管理方法和思想”“企业内部经常进行沟通学习”，具体赋值如表3所示。

表2 信息资源共享赋值依据Tab.2 Information resource sharing assignment basis

表3 组织学习赋值依据Tab.3 Basis of organizational learning assignment

2.3.3 网络体系建立

网络体系构建测量主要参考Perry-Smith & Shalley[49]及Wolff等[50]的研究成果，量表包括“以企业为中心，网络成员有机结合”“积极与外部群体或个人取得联系并建立完善的网络关系”“在创业过程中网络成员相互结合、互相帮助”等5个题项，具体赋值如表4所示。

表4 网络体系建立赋值依据Tab.4 Basis of network system establishment and assignment

2.3.4 资源整合能力

资源整合能力测量主要借鉴谢卫红等、王冲[51]的研究成果，量表包括“企业能认识到数据的重要性并挖掘关键信息”“企业能获得内外部各种数据并梳理汇总”“企业将获取的信息整理后与其它资源相结合”等6个题项，具体赋值如表5所示。

2.3.5 深度分析能力

深度分析能力测量主要借鉴成熟量表，借鉴谢卫红等的研究成果，根据研究实际问题稍作调整，量表包括“企业构建大数据运营平台并获得各种数据”“将大数据资源与企业业务相关资源进行有效协调”“重视非结构化数据并挖掘数据之间的关联”等4个题项，具体赋值如表6所示。

2.3.6 实时洞察与预测能力

实时洞察与预测能力测量借鉴谢卫红的研究，量表主要包括“企业能够认识到数据的重要性”“挖掘并分析数据之间的关联”“准确预测市场趋势和消费需求”等4个题项，具体赋值如表7所示。

表5 资源整合能力赋值依据Tab.5 Basis of resource integration capability assignment

表6 深度分析能力赋值依据Tab.6 Evaluation basis of depth analysis ability

2.3.7 商业模式创新

借鉴Zott&Amit[52]评价成功商业模式创新的3个题项，即“该商业模式能够为企业和顾客提供独特的价值”“在商业模式中引进新的技术个管理模式”“提供新产品和增值服务”，具体赋值如表8所示。

2.4 信度检验

在编码完成后，对结果信度检验。信度最高得分为7*15=105，第一次编码一致性得分为91，其系数为91/105* 100%=86.67%，数据结果意味着编码信度较好[53]。

2.5 变量校准

为了将常规比例和间隔尺度变量转换为模糊集合，在对模糊集进行定性比较分析并校准时，精确度以集合隶属度的量化评估形式出现，其范围可以介于0(高不隶属度)～1(高隶属度)之间。本文依据理论知识和研究者经验对变量进行校准，借鉴Munoz & Kibler[54]的做法，将4设定为“完全隶属点”，将2设定为“完全不隶属点”，将3设定为“交叉点”，运用fsQCA方法中的Quine-McCluskey算法对变量进行校准。

2.6 真值表构建

真值表构建的目标是明确前因条件组合和结果间的显式关系，既可以评估所有逻辑上的可能存在/不存在条件组合的充分性，也是对案例的了解过程和对案例普适性进行总结的准则[55]。本文涉及6个前因条件，至少满足26个组态，一致性门槛值不低于0.8的标准，不小于案例频数门槛值的条件构型覆盖75%以上样本的要求[56]。本文将一致性门槛值设定为0.8，将案例频数设定为1。

表7 实时洞察与预测能力赋值依据Tab.7 Basis of real-time insight and prediction ability

表8 商业模式创新赋值依据Tab.8 Business model innovation evaluation basis

3 数据分析结果

3.1 单因素充分条件与必要条件分析

根据集合论思想，引致结果变量发生的条件并非仅由单一条件变量决定，需要运用fsQCA对各前因条件是否为结果变量的充要性加以分析。Ragin[56]建议，最低覆盖率阈值不应低于0.9，该条件是结果变量的必要条件，分析结果如表9所示。可知，前因变量的覆盖率系数均小于0.9，而且前因变量不是构成结果变量的必要条件。单项条件的一致性系数均小于0.9，表明前因变量不是构成结果变量的充分条件。综上，单项条件均不是结果变量(BMI)的充要条件，即单一因素不具有促进新零售企业商业模式创新的决定性解释力。因此，有必要对企业网络和大数据能力进行条件组态分析。

3.2 商业模式创新前因条件组态分析

本研究将商业模式创新作为结果变量，利用fsQCA3.0软件中的Standard Analysis程序得到3类解，即复杂解、中间解和简约解。中间解更容易反映实际结果，被视为三者中的最优解，故选择中间解作进一步报告，即在中间解和简约解中均出现的条件为核心条件，仅在中间解中出现的条件为辅助条件。本文最终得到4种实现商业模式创新成功的条件组态，如表10所示。4条路径(H1、H2、H3、H4、)的一致性为分别为0.867 735、0.867 735、0.883 186、0.800 604，总体一致性为0.917 706，大于0.8的阈值，说明4个组态在满足多数案例的情况下是高商业模式创新实现的充分条件。总体覆盖率为0.613 333，解释了61%的高商业模式创新案例，其中H4路径的覆盖度最高，对商业模式创新具有较高的解释力。虽然实现商业模式创新的因素不同，但均可以成为促进商业模式创新的组合动力，即不同促进因素组合具备等价性。

由表10可以看出，实现高商业模式创新的4条组态路径各不相同。在路径H1、H2、H4中，当信息资源共享和实时预测与洞察能力较弱时，只有组织学习、深度分析能力与网络体系、资源整合能力、信息资源共享能力相匹配才能促进高商业模式创新；在路径H3中，当深度分析能力较弱时，只有信息资源共享、组织学习、网络体系和实时洞察与预测能力相匹配才能促进高商业模式创新。其中，组织学习和深度分析能力是促进高商业模式创新的核心组态条件。但是，当组织学习作为核心条件且深度分析能力缺失时，前者也能促进商业模式创新，即不同条件组合具有等价效应。实现高商业模式创新的组态路径分析如下：

(1)网络体系构建助力型。具体是指在路径H1中，组织学习和深度分析能力作为商业模式创新过程中的核心因素，网络体系则作为辅助条件，而且是不可缺少的要素，故将该构型命名为网络体系构建助力型。网络体系决定了企业网络完善度，拥有完整的网络体系可以帮助企业获取更多异质性资源和信息，在面对复杂的外界市场环境时能够从伙伴企业那里了解相关动态，并及时调整自身发展策略。企业网络体系构建能力越强，越能与其它企业保持频繁的互动，建立稳定的关系和信任，越有机会在市场竞争中获得优质资源，在企业商业模式设计上就有越多选择。网络体系与组织学习和深度分析能力协同联动，即企业通过建立良好稳定的关系体系，与供应商、竞争者、顾客等联合实现新知识创造[57]，然后运用深度分析能力对资源和信息进行整合，将其转化为企业内部异质性资源，助力企业商业模式创新。

表9 条件变量必要性与充分性检验结果Tab.9 Test results of necessity and sufficiency of conditional variables

表10 商业模式创新的条件组态Tab.10 Conditional configuration of business model innovation

(2)资源整合能力促进型。具体是指在路径H2中，组织学习和深度分析能力作为商业模式创新的核心因素，资源整合能力则作为辅助条件，而且是商业模式创新过程中不可或缺的因素，故将该构型命名为资源整合能力促进型。资源是企业商业模式创新的关键因素，资源整合能力显得尤为重要，如果仅有资源而没有能力及时对其进行归类整理，则起不到帮助企业获得竞争优势的作用[58]。资源本身并不能促进企业商业模式创新，其创新过程依赖于企业资源整合能力。企业在资源整合时可以更新或构建新的能力，以此对资源进行合理配置，将其内化为企业核心竞争力。资源整合能力与组织学习和深度分析能力协同联动，即组织学习通过探索、创造、传递和运用新知识，塑造和提升企业资源整合能力，而后者能够提升组织学习效果(焦豪等，2008)。企业可以借助大数据技术与管理工具挖掘新知识，加速知识创造，促进商业模式创新。

(3)深度分析能力弥补型。H3构型包括信息资源共享、组织学习、网络体系构建和实时洞察与预测能力，而作为商业模式创新核心条件的深度分析能力缺失，故将该构型命名为深度分析能力弥补型。在此路径中，资源整合能力可以存在也可以不存在，且在深度分析能力缺失的情况下，企业依然能够实现商业模式创新。这意味组织学习作为核心条件和信息资源共享、网络体系建立以及实时洞察与预测3个辅助条件，在一定程度上弥补了深度分析能力的缺失。借助互联网技术，企业间建立了完善的网络体系，信息知识低成本高质量的共享丰富了企业外部合作伙伴资源库，为企业商业模式创新提供了条件[59]。其中，大数据实时洞察与预测能力成为连接数据用户和企业服务的信息门户，为企业提供全面、客观的数据支持和依据，帮助企业缩短数据服务响应周期，从而提高其资源、组织以及服务质量管理水平等。因此，可以发现多个要素间的协同联动具有替代效应，即使缺失一个核心条件，在辅助条件与其它核心条件的组态效应下仍可以达到相同结果，即深度分析能力弥补型路径能够促进企业商业模式创新。

(4)信息资源共享推动型。具体是指在路径H4中，组织学习和深度分析能力作为商业模式创新过程中的核心因素，而信息资源共享作为辅助条件，却是商业模式创新不可缺少的条件，故将该构型命名为信息资源共享推动型。面对资源稀缺的环境，信息资源共享成为推动企业商业模式创新的关键因素，发挥着不可忽视的作用。信息资源共享可以加强企业间交流，促进信息资源有效配置，提高信息资源使用效率。同时，信息资源共享有助于企业挖掘潜在市场机会，洞察市场动向。企业不仅需要认识到信息资源作为一种战略资源的重要性，还需要具备资源整合、配置能力。在此路径中，信息资源共享作为辅助条件与核心条件组织学习、深度分析能力协同联动、相互配合，推动企业商业模式创新。

4 结语

4.1 研究结论

本研究遵循资源与能力协同联动逻辑，以15家新零售企业作为研究对象，将企业网络界定为信息资源共享、组织学习和网络体系建立，将大数据能力界定为资源整合能力、深度分析能力和实时洞察与预测能力，基于组态思维采用fsQCA方法从资源和能力两个层面，探究企业网络和大数据能力对新零售企业商业模式创新的影响机制，发现4条高商业模式创新路径：网络体系构建助力型、资源整合能力促进型、深度分析能力弥补型、信息资源共享推动型。

(1)新零售企业商业模式创新不是由单一因素驱动的，而是内外部多种因素共同作用的结果。研究发现，任何单一因素均不是实现商业模式创新的必要条件，将6个前因变量组态进行匹配可以得出4条商业模式创新路径。同一种要素的不同状态(信息资源共享程度高和低)在与其它要素组合的情况下都可能实现商业模式创新，在一定程度上能够解释现有研究结论不一致的现象，即不存在唯一最佳路径，产生统一结果的路径是多样和等效的[57]。本研究中，商业模式创新路径H1、H2、H4的核心条件相同，但辅助条件不一样，亦可以引致相同的结果。在路径H3中，尽管只有一个核心条件，但核心条件和辅助条件协同联动亦能促进商业模式创新。

(2)4条新零售企业商业模式创新路径如下：①网络体系构建助力型商业模式创新路径，包括高组织学习、高深度分析能力、低网络体系建立。该路径表示，尽管网络体系构建是辅助条件，但其和组织学习、深度分析能力相互补充，亦能够有效促进新零售企业商业模式创新。网络体系建立有助于企业间开展组织学习，实现知识传递和创造，进而利用企业深度分析能力对数据资源和知识进行分析，将有价值的信息商业化，助力企业商业模式创新[60]。②资源整合能力促进型商业模式创新路径，包括高组织学习、高深度分析能力、低资源整合能力。该路径表示，尽管资源整合能力是辅助条件，但通过与核心条件(OL、DAC)匹配，亦能引致商业模式创新。企业创新实践需要充分的组织学习作为基础性活动，通过识别、获取、深度分析新知识而对其进行利用和再创造，提升创新能力[34]，实现商业模式创新。③深度分析能力弥补型商业模式创新路径，包括高组织学习、低信息资源共享、低网络体系构建、低实时洞察与预测能力。该路径表示，尽管缺失深度分析能力，但组织学习作为商业模式创新的核心条件与辅助条件(IRS、NSE、RIPC)组合，可以弥补深度分析能力的不足，实现商业模式创新。④信息资源共享推动型商业模式创新路径，包括高组织学习、高深度分析能力、低信息资源共享。核心条件(OL、DAC)与辅助条件(IRS)组合，使企业能够积极探索外部知识和信息，对顾客需求、客户关系、竞争者行动进行深入了解，在企业内部分享有价值的信息，进而有效发现顾客价值并改善价值传递方式，提升商业模式变革能力[61]。

4.2 理论贡献

商业模式创新本身就是一个复杂过程，新零售企业面对复杂动态的环境，其商业模式创新过程会更复杂。相比现有研究，本研究的理论贡献如下：

(1)揭示企业网络和大数据能力间的互动机制，运用QCA方法研究不同要素组合间协同联动对商业模式创新的影响，发现各要素间具有替代效应，而且信息资源共享、组织学习、关系体系建立和资源整合能力、深度分析能力、实时洞察与预测能力始终伴随着商业模式创新过程。

(2)将fsQCA方法引入新零售企业商业模式创新研究领域，丰富了该领域理论研究。商业模式创新是一个复杂过程，现有研究大多关注实现商业模式创新的净效应，忽略了各要素间协同联动对结果变量的影响。定性比较分析QCA能够处理小样本，探究引致同一结果的多条路径，基于组态理论从整体视角分析企业网络和大数据能力各维度间的互动关系，丰富了商业模式创新研究方法。

(3)基于“资源—能力—协同联动”理论逻辑，发现企业网络与大数据能力的组态匹配可以促进商业模式创新。不局限于单一因素对商业模式创新的积极影响，而是从资源(信息资源共享、组织学习和关系建立体系)和能力(资源整合能力、深度分析能力和实时洞察与预测能力)的整体视角出发，解释其对商业模式创新的影响机制，拓展了商业模式创新领域研究视角。

4.3 管理启示

(1)注重企业网络和大数据能力对商业模式创新的促进作用。在创新过程中，企业要结合自身资源和能力快速匹配特定客户群体，并充分发挥核心资源优势，致力于满足细分客户需求。企业可以通过构建企业网络获取更多异质性资源和信息，同时利用资源整合能力、深度分析能力整合既有资源、发掘新的资源。一方面，资源与能力相互作用，促使企业有效挖掘市场中潜在商机，进而实现商业模式创新。另一方面，基于完善的网络体系，企业可以与网络内企业建立良好的合作关系,保持敏感性和灵活性，实现组织内部高效率协同，对获取的信息和资源加以快速吸收利用,及时对外界环境作出响应，提高自身商业模式创新能力。

(2)不断提高组织学习和深度分析能力，实现持续创新。研究表明，组织学习和深度分析能力对于商业模式创新具有重要作用。组织学习和深度分析能力作为商业模式创新的核心条件在其中的3条路径中出现，凸显了其在企业商业模式创新过程中的重要性。企业通过组织学习可以获得新知识，增强持续变革能力，增加商业模式创新内容，实现商业模式创新。企业利用深度分析能力加强对内部信息、资源、知识的分析并将其转化为内部资源，通过知识共享建立学习型组织和机制，实现商业模式创新。

(3)根据自身发展选择不同的商业模式创新路径。企业网络和大数据能力间的多元组态效应反映了商业模式创新过程的复杂性，面对激烈的竞争环境，企业不仅需要完善自身网络，还需要大数据相关方面的人才，积极开展组织学习，加快知识传递与再创造。资源需要能力将其商业化，能力需要资源体现其价值，两者相互影响，互为补充。处于网络中心地位的企业，拥有合作伙伴关系建立和管理能力，后者可以帮助企业在资源限制条件下获得关键性竞争优势。当消费需求不确定性提升时，为准确预测消费需求，精准定位目标市场，企业可以选择资源整合能力促进型或深度分析能力弥补型路径创新商业模式，根据环境变化调整和匹配商业模式创新要素。