大数据能力对企业运营绩效的影响机制：供应链整合的中介作用

曹 勇，王依琪，张东东，李 娟

大数据能力对企业运营绩效的影响机制：供应链整合的中介作用

曹 勇1, 2，王依琪1，张东东1，李 娟1

（1. 武汉纺织大学 管理学院，湖北 武汉 430200；2. 教育部纺织行业中外人文交流研究院，湖北 武汉 430200）

基于动态能力理论与资源基础观，本文通过制造业企业的大样本调查数据实证研究了大数据能力对企业运营绩效的影响机制，并进一步分析供应链整合的中介作用。结果表明：大数据能力对供应链整合与企业运营绩效均具有显著正向影响；供应链整合在大数据能力影响企业运营绩效的过程中起到部分中介作用。研究结果不仅对深化大数据能力与企业运营绩效之间关系的研究具有理论启示，同时也对数字化转型背景下推动制造业企业高质量发展具有重要现实指导意义。

大数据能力；供应链整合；企业运营绩效

0 引言

国家发改委2020年发布的《关于加快构建全国一体化大数据中心协同创新体系的指导意见》显示，大数据已逐渐成为企业发展的核心要素之一，企业需要构建大数据一体化的新型网络体系，提高自身的竞争优势。因此，如何培育优于竞争对手、难以模仿的大数据能力，并充分发挥大数据综合治理能力效应，是企业利用大数据创造价值的关键[1]。在业界，以阿里巴巴为代表的互联网巨头将数据技术应用到产品和服务中，实现了数字技术到企业运营之间的无缝对接，对公司数字化运营起到重大推动作用[2]；以海尔、美的、苏宁等为代表的一大批传统企业，利用大数据改善运营管理，提升企业解决问题和创造增量价值的动态过程，助推传统企业数字化转型，以提升企业运营绩效[3]。在学界，创新创业管理、营销管理、信息管理等领域的学者们已对大数据能力进行了广泛研究，不仅探讨了技术、组织、环境等前因变量对大数据能力的影响，还揭示了大数据能力对企业决策质量、创新、企业绩效等结果变量的重要影响。然而，学者们的结论并不一致，如Chen等[4]分析影响大数据能力的前因，发现外部压力与企业采用大数据能力正相关，而Verma和Chaurasia[5]却证明了两者的相关系数为负；研究对象、情境的不同致使大数据能力与企业绩效的关系呈现出正相关、负相关以及不相关等多种结果，变量之间的关系有方向甚至是强弱的差异都可能会使研究得出不同的结果[6]。总之，大数据能力的影响因素与效用的相关研究并未获得一致的结论，这使得大数据能力相关研究在企业管理领域的理论与应用过程中存在进一步研究的空间[6]。虽然大数据能力对企业运营绩效的影响方式仍有争议，但大数据能力对企业运营绩效的重要性毋庸置疑。鉴于此，本研究试图采用理论与实证结合的方式进一步研究大数据能力的不同维度对企业运营绩效影响的具体作用机制，以便为企业选择合适的大数据方向的运营战略提供理论与实践指导。

现有研究大多从组织创新、战略导向、信息质量等视角关注大数据能力与企业运营绩效之间的关系，较少从供应链视角进行分析[7]。由于企业各部门的数据收集与传播依赖于供应链的整合程度，而大数据能力如何影响企业运营绩效，离不开企业供应链整合的持续影响。因此，有必要进一步研究供应链整合在大数据能力影响企业运营绩效过程中的中介作用。

基于此，本文在探讨大数据能力、供应链整合与企业运营绩效之间关系的基础上，以制造业企业为研究对象，实证研究大数据能力影响企业运营绩效的作用机理，并重点分析供应链整合的中介作用，进而揭示大数据能力影响企业运营绩效的作用路径以及边界条件。研究结果不仅有益于引导企业大数据能力的建设和发展，同时可为制造企业成功应用大数据，实现数字化转型提供有益借鉴。

1 理论基础与研究假设

1.1 大数据能力与企业运营绩效

大数据能力的概念最早由Lavalle等[8]提出，源于对IT能力的延伸，认为大数据能力是企业对大数据进行筛选、整理、分析和应用的能力。基于此，Gupta等[9]从资源基础观的视角，将大数据能力划分为有形资源、无形资源和人力资本资源；谢卫红等[10]从动态能力理论视角，将大数据能力划分为资源整合能力、深度分析能力、实时洞察与预测能力。借鉴资源基础理论与动态能力理论关于大数据能力的定义并依据Akter等[11]的整合分析，本文认为大数据能力的核心是预测分析能力，基础是资源整合能力。一方面，学者们将大数据预测分析能力视为一种技术以及分析工具的延展，如Wamba 等[12]研究发现，大数据预测分析能力是一种能够提高企业效率和效益的战略工具，同时Janssen等[13]指出大数据预测分析能力是成功使用数据分析工具的重要因素。另一方面，聚焦于大数据资源整合能力的学者则更强调企业竞争优势的获取以及大数据能力的价值创造。现有研究认为仅靠资源难以创造价值，还需要对资源进行有效整合与管理，企业拥有的知识体系扩大，不仅增加了企业知识库的深度和广度，而且实现了企业内外部知识资源的转化及有效整合[14]。大数据资源整合能力可通过汇集所有大数据资源来实现高水平的组织能力。因此本文将大数据能力划分为大数据资源整合能力以及大数据预测分析能力。

Gupta等[9]研究指出，构建大数据能力是企业进行生产活动的潜在价值点，直接关乎企业绩效表现。通过大数据赋能企业创新发展不仅体现在获取数据的连接能力以及数据的数字化处理与分析转化能力层面，更反映在低程度的人为干预条件下感知与捕获信息进行决策的智能能力层面[15]。企业通过连接机制建立数据获取渠道，借助大数据资源整合能力将海量数据转化为有价值的信息和知识，实现数据资源、智力资源、财务资源等各类资源的高度整合与高效利用，从而提升企业运营绩效。构建大数据资源整合能力意味着企业需要通过与数据平台、合作企业以及企业内部的人、设备、车间等建立连接机制，进而实现数据流动自动化，为企业开展数据收集、分析与应用建立渠道。例如，Ferraris 等[16]研究发现，具有高水平大数据能力的企业能够充分利用跨越多分析平台的软件应用程序和硬件设备，将分散在不同组织信息系统中的海量数据进行传输和分享，从而掌握大数据资源。其次，大数据预测分析能力是企业将结构化与非结构化等海量数据，通过加工、编码、运算、转化成为有价值信息的分析技术与方法工具，进而将价值信息转化为可用知识的一种能力[17]。企业可通过大数据预测分析能力对整理后的信息进行分析与预测，帮助企业及时进行在运营方向的调整。大数据资源整合能力与预测分析能力两者结合，可促使企业从以往成功或失败的产品、服务中找到内部运营效率低的原因，从而进一步有针对性地改善企业运营活动。同时，企业借助大数据能力可精准辨别、挖掘客户的潜在需求，开发新的产品和服务，增强企业生产运营效率[18]。

最后，通过精准把握客户需求，实现对竞争对手的行为监测等，从而提升企业运营绩效。总之，充分利用大数据能力进行数据挖掘，分析提炼出的有价值信息，可帮助企业在经营管理中实现智能认知、智能管理及智能决策，进而优化业务战略。Grover等[19]研究表明，大数据能力促使企业拥有数字化、智能化的“头脑”，可帮助企业优化业务流程，协调生产、供应链、物流和仓储活动。强大的数据能力不仅可帮助企业识别机会和风险，还可以发现新的生产要素组合方式，识别用户需求或细分市场，为复杂系统的决策制定提供客观依据，及时进行服务或者产品的调整，从而表现出更好的企业运营绩效[16]。因此，本文提出以下假设：

H1：大数据能力对企业运营绩效具有正向影响；

H1a：大数据资源整合能力对企业运营绩效具有正向影响；

H1b：大数据预测分析能力对企业运营绩效具有正向影响。

1.2 大数据能力与供应链整合

随着全球经济一体化进程的不断加深，进行单打独斗的企业形式越来越少，供应链整合的重要性日益凸显，研究供应链整合是企业在行业竞争环境中取得优势的关键因素。Flynn等[20]认为供应链整合是企业通过与供应链成员进行战略合作，达到快速且低成本为客户提供最大化价值为目的，整合优化企业内外部运营流程，进而实现高效的服务流、信息流和资金流。胡海青等[21]在此基础上进一步指出供应链整合是企业与供应链各节点成员展开战略合作，共同管理企业内外部流程，实现低成本且快速为客户提供价值最大化的过程。而Jorge和Jerónimo[22]等认为企业通过实施供应链整合，能提高供应链活动和过程的效率和有效性，从而使企业在市场中获得优势并实现更好的绩效。

在复杂的市场环境下，企业间的竞争已延伸至供应链间的竞争，大数据收集与分析的复杂程度增加了企业对供应链整合的需求。供应链整合的实现需要企业跨越组织边界，与供应链伙伴企业共同完成库存计划、生产运作、市场销售和需求预测等一系列供应链管理活动。面对这些活动产生的体量巨大、来源广泛、结构复杂的数据，传统的数据处理机制与业务应用系统已无法满足对其进行挖掘分析与深度应用的需求，这就需要大数据能力的支持[23]。大数据能力不仅能有效整合企业内部活动，还可为供应链伙伴企业间的信息资源共享、业务联合决策和战略协同规划提供有力支持。企业可凭其所拥有的大数据能力来稳固供应链整合关系：首先，大数据资源整合能力促进信息共享，企业可利用大数据资源整合能力快速获取销售、库存、生产和配送数据并在各节点企业间共享，消除合作双方信息的不对称，从而有助于维持长期协作关系[24]；其次，大数据预测分析能力可保障供应链企业之间进行联合决策，企业通过大数据能力将庞大的数据资源进行分析，洞察市场需求和用户变化，进而根据产品和业务流程创新进行商议，而供应商与制造商则根据供应链需求的波动来实现联合库存和准时制造，从而提高供应链企业的运营效率[25]；最后，大数据能力的应用打破了供应链企业间的共享壁垒，将以供应链为纽带的企业灵活性进行纵向联盟，并通过动态变化的契约体系及合理的利益分配机制，有效促进供应链企业进行利益共享、风险共担、协同发展，帮助企业获取竞争优势[26]。因此，本文提出以下假设:

H2：大数据能力对供应链整合具有正向影响；

H2a：大数据资源整合能力对供应链整合具有正向影响；

H2b：大数据预测分析能力对供应链整合具有正向影响。

1.3 供应链整合与企业运营绩效

供应链整合被普遍认为是供应链管理的核心内容。从战略管理视角看，供应链整合是指企业与供应链合作伙伴的战略联盟。从组织行为视角看，供应链整合是指企业与供应商、顾客等供应链关键成员之间进行信息分享、关系协调和互动合作的过程[27]。通过这一过程，可促进供应链上信息流、资金流和物流的跨组织流通，提高供应链整体运营效率，使企业低成本、高效率地为顾客提供最大价值。供应链整合还可以促进信息流和价值流的顺畅性[20]。企业通过与供应商、顾客等供应链关键成员之间的关系协调、信息共享和共同参与，促进供应链上信息流、资金流、物流、服务流和价值流的顺畅流通，达到低成本、高效率地为顾客提供最大价值的目的，有效解决组织间信息不对称问题，降低企业的交易成本并使企业具有更好的运营绩效表现[28]。

综上所述，企业积极整合供应链上关键伙伴的网络关系，有利于获取互补性资源并降低交易成本，提高服务质量和企业运营绩效。一方面，企业与供应链伙伴的信息共享使企业能够及时了解顾客需求变化，有利于供应商及时供货并根据顾客需求变化及时调整供应计划，从而缩短企业等待时间[29]；另一方面，企业也可有效利用供应商的专业能力，协同完成从产品设计、生产到服务传递等过程，减少开发等运营过程的不确定性，提高企业生产效率和质量。Tseng等[30]认为与供应链伙伴企业间的信息分享与协同合作不仅会促使供应链整体运营更加高效，还可降低供应链上各企业的运营成本、提高顾客满意度，从而促进企业运营绩效的提高。因此，本文提出以下假设：

H3：供应链整合对企业运营绩效具有正向影响。

1.4 供应链整合的中介作用

综合假设H2和H3可知，大数据能力通过促进信息共享，实施联合决策，并进行供应链企业间的合作联盟，进而提高企业间的供应链整合程度[31]。一方面，在激烈的供应链竞争下,企业的核心竞争力取决于能否及时掌握相关信息，而大数据能力的不断提升可帮助供应链整合，从而使企业在供应链复杂的大数据网络中获取对自身有利的资源，帮助企业将杂乱的资源进行有效分配和重组，而这种供应链整合行为又会进一步影响企业运营活动，推动企业运营绩效的提升[32]。另一方面，从信息不对称的理论来说，企业通过大数据能力将供应链中的数据与信息整合，随着供应链整合程度的不断提高，数据信息可以较为全面地展现给企业，供应链成员间逐渐建立了良好的信息沟通渠道，并通过对自身已有知识的深入挖掘和利用，提升大数据能力，从而及时反馈给企业，使企业在运营成果上不断进行变化，进而影响企业运营绩效[33]。因此，本文提出以下假设：

H4：供应链整合在大数据能力与企业运营绩效之间有中介作用。

综合以上所有分析，提出本研究的理论模型概念模型图如下：

图1 本研究的概念模型

2 问卷设计与数据收集

本研究主要选取具有供应链关系的制造企业作为调研对象，通过大样本问卷调查收集数据。为确保数据的真实可靠，问卷调查主要针对制造业企业员工，并指定专人向受访者告知调查目的仅用于学术研究，明确填写要求与标准。调研实施主要依托导师的合作企业以及项目组成员的同学关系网，与相关企业员工取得联系，并通过微信、电话等方式预约填写问卷，问卷调查自2021年4月至2021年11月，累计发放问卷500份，实际回收问卷379份，扣除填答有缺漏的无效问卷、有明显错误的问卷24份，得到实际有效问卷355份，有效回收率为71%。样本的描述性分析如表1所示。

表1 样本特征的描述性分析

本研究采用Likert 5分量表对主要变量进行测度，1-5分别表示非常不同意到非常同意，由低到高过渡，3表示中立态度。依据谢卫红等(2014)[10]以及Wamba等(2017)[12]的研究，将大数据能力划分为资源整合能力和预测分析能力两个维度，分别采用5个题项测度大数据能力；供应链整合的测度主要参考了Flynn等(2010)[20]和Wong(2011)等[28]的研究，设计6个题项；企业运营绩效的测度，结合制造业企业特点以及本研究的样本特征，借鉴Zhao等(2008)[34]、叶飞和薛运普(2012)[35]对企业运营绩效的衡量指标，设计6个题项。此外，在文献分析的基础上，结合本研究的变量特征，选取企业年限、企业规模和年销售额为控制变量。企业年限按时间划分为4个等级，分别为0～5年、6～10年、11～20年、21年以上，依次赋值为1～4；行业特征分为食品制造业、服装制造业、计算机与通讯等其他电子设备制造业、汽车制造业、其他，依次赋值为1～5；企业规模以员工数量为依据，分4个等级，即0～100人、101～500人、501～1000人、1001人及以上，依次赋值为1～4。

3 实证分析

3.1 信度和效度分析

本研究采用SPSS 26.0对大数据能力、供应链整合和企业运营绩效等变量进行信效度检验。首先，采用Cronbach’s α、AVE值和组合信度CR来检验信度。结果如表2所示，显示各变量的Cronbach’s α都大于0.7，且AVE值和组合信度CR均达到大于0.5和0.7的标准要求，说明量表中各题项均有较好的内部一致性，样本的信度较好；其次，采用因子分析法检验效度，从表2可知各变量的载荷因子均大于0.7，说明各变量在整体上具有较好的收敛效度。运用AMOS24.0对测量模型进行验证性因子分析（CFA），变量的整体测度模型指标显示：χ2/dƒ=2.02，GFI=0.95，CFI=0.98，AGFI=0.87，RMSEA=0.054，均符合拟合指标，说明模型与样本数据的拟合性较好，所有变量的AVE值均大于0.5，且在p<0.001的水平下显著，显示本研究具有相对较好的结构效度。

3.2 相关性分析

表3为各变量间的相关关系、均值和标准差。结果显示，大数据资源整合能力、大数据预测分析能力、供应链整合与企业运营绩效两两之间均在p<0.01水平上呈现显著相关，其中大数据资源整合能力与大数据预测分析能力对企业运营绩效均存在显著正相关关系（r分别为0.48、0.52）；供应链整合对企业运营绩效同样存在显著正向相关关系（r值为0.61），以上结论初步支持了本研究的相关假设，为后续的实证检验提供了重要依据。

表2 信效度分析结果

表3 相关性分析

注：***、**、*分别表示p<0.001、p<0.01、p<0.05的显著性水平，下同

3.3 同源偏差与共线性检验

由于本研究调查问卷存在数据来源相同和同一主体多次填写的情况，可能存在同源偏差问题。因此，需要对所有测量题项的初始样本数据进行Harman单因子检测，结果显示存在5个特征值大于1的因子，且未旋转时第一个因子解释总方差小于临界标准40%（第一个因子的最大解释力为23.45%），说明本研究同源偏差可忽略[36]。此外，为避免多重共线影响，运用SPSS26.0对样本数据进行共线性检验，发现模型中控制变量和自变量的容差均大于0.3，且VIF均小于3，符合指标要求，且自变量间的相关系数小于0.65，因此变量间的共线性问题可以忽略[37]。

3.4 假设检验

本研究采用 SPSS26.0进行层级回归分析，检验大数据能力对企业运营绩效的影响效应，以及供应链整合的中介作用。表4为大数据能力和供应链整合对企业运营绩效的影响效应，以及供应链整合作为中介效应的模型检验结果。首先，根据温忠麟等[38]提出的中介效应分析步骤，第一步，以企业运营绩效为因变量，依次加入控制变量、自变量大数据能力和中介变量供应链整合来检验自变量和中介变量对企业运营绩效的影响，验证H1和H3；第二步，以供应链整合为因变量，依次加入控制变量和自变量大数据能力来检验自变量对中介变量的影响，验证H2。

3.4.1 主效应及中介效应检验

首先，由表4可知，模型2和模型3是在模型1（以控制变量作为自变量）的基础上加入自变量大数据资源整合能力与大数据预测分析能力，回归结果显示，模型1中行业特征、企业规模、企业年限对企业运营绩效的影响效应均不显著，且模型解释力只有1.2%；在增加大数据资源整合能力与大数据预测分析能力后，模型2与模型3的解释力分别增至50%和47%，表明大数据资源整合能力与大数据预测分析能力对企业运营绩效都存在显著正向影响作用（β值分别为0.70和0.69，p<0.001），H1得到证实。

其次，表4中模型4至模型10的回归结果可知：第一，模型8和模型9显示大数据资源整合与大数据预测分析能力对供应链整合存在显著的正向影响作用（β分别为0.588和0.78, p<0.001），H2得到证实；表4中模型5显示在模型1基础上增加供应链整合后，Adjust R2值增加了0.48，模型解释力得到了明显提高，说明供应链整合对企业运营绩效存在显著的正向影响（β值为0.395, p<0.001），H3 得到证实。第三，从模型6中可以看出供应链整合对企业运营绩效存在显著正向影响（β值为0.576, p<0.001），而此时大数据资源整合能力和大数据预测分析能力的回归系数β值与模型4相比均有明显下降，但仍具有统计上的显著性（p<0.001），由此可得出，供应链整合在大数据能力和企业运营绩效之间存在部分中介作用，H4得到验证。

表4 主效应和中介效应的层级回归分析结果

3.5 稳健性检验

为验证上述结论的可靠性与稳健性，本研究进一步采用其他方法对假设进行检验。首先，运用 Bootstrap法对大数据能力与企业运营绩效之间的关系以及供应链整合的中介作用进行检验，在PROCESS插件中将置信区间设置为95%，样本量设置为5000，模型序列号选择模型4，从运行结果表5可知，H1、H2和H3的效应值均大于0，95%置信区间均不包含0，表明大数据能力对企业运营绩效的直接影响以及大数据能力对供应链整合的直接影响均显著，H1、H2和H3再次得到验证。此外，在控制了供应链整合作为中介变量后，大数据能力对企业运营绩效的影响仍显著（β值分别为0.279和0.195, p<0.001），说明供应链整合在大数据能力与企业运营绩效间具有部分中介作用，H4再次得到验证。综上所述，采用不同方法来检验假设，得到相同的结果，表明本文结论具有较好稳健性。

表5 Bootstrap法路径分析结果

4 结论与启示

4.1 研究结论

本文以制造业企业为研究对象，基于动态能力理论与资源基础观构建了大数据能力、供应链整合和企业运营绩效之间的关系模型，并结合355份大样本问卷调查及数据分析对相关假设进行检验，经过同源方法偏差检验、信效度检验、主效应及中介效应分析、稳健性检验等过程，实证分析了大数据能力对企业运营绩效的影响作用，以及供应链整合在二者之间的中介效应。主要结论如下：

第一，大数据能力对企业运营绩效具有显著正向影响，H1得到验证。这说明大数据能力对制造企业运营绩效具有重要作用，企业可利用大数据能力进行数据挖掘，整理提炼出有价值的信息，并在此基础上进行有效预测分析，帮助企业在运营过程中实现智能认知、智能管理及智能决策，进而优化企业运营效率，强化竞争优势并使企业运营绩效得到有效提高。

第二，大数据能力对供应链整合具有显著正向影响，H2得到验证。表明企业开展大数据能力的数字化战略，可促进供应链企业进行利益共享、风险共担、协同发展，使企业能及时做出反应来满足顾客需求，帮助企业获取竞争优势，促进供应链合作伙伴间的进一步合作交流。

第三，供应链整合对企业运营绩效具有显著正向影响，H3得到验证。这表明供应链整合通过信息分享、关系协调和互动合作能增强供应链成员之间的交流合作，有效解决组织间信息不对称问题，从而提高企业运营绩效。

第四，供应链整合在大数据能力与企业运营绩效之间起部分中介作用，H4得到验证。表明企业在运用大数据能力影响企业运营绩效的过程中，既需要重视大数据能力的建设与运用，也需要关注供应链整合的积极作用，认识到供应链整合可协助企业提升大数据能力，为企业在运营方面获得持续竞争优势提供支持与保障。

4.2 理论贡献与实践启示

本研究结果对剖析大数据能力对企业运营绩效的影响机制和边界条件具有重要理论意义：第一，现有研究关于大数据能力与企业绩效的影响关系一直存在争议，而本研究通过实证分析发现大数据能力不仅可直接影响企业运营绩效，而且会通过影响供应链整合来进一步影响企业运营绩效，在一定程度上解释了在供应链整合程度不同的情况下大数据能力对企业运营绩效的影响差异，并进一步从企业动态能力与基础资源观视角实证分析了大数据能力对企业运营绩效的作用机制，厘清了现有研究关于大数据能力对企业运营绩效影响作用机制方向的讨论，拓新了大数据能力领域的理论研究成果。第二，现有研究大多关注大数据能力对企业绩效的直接影响，较少关注供应链整合的中介作用。针对现有研究的不足，本文实证研究了供应链整合在大数据能力与企业运营绩效之间的中介作用，进一步拓展了供应链整合研究领域的新思路。

本研究结论对提升我国制造业企业运营绩效、推动高质量发展也具有重要实践启示：第一，制造业企业必须重视大数据能力的建设，通过大数据能力分析以获取企业内外部多样化的资源，增加企业提高运营绩效的可能性。第二，企业在培养大数据能力的同时，还需要加强供应链整合，充分发挥供应链内外部合作的优势，提高获取、维系和利用供应链资源能力，提升企业自身能力，对企业运营绩效的提高至关重要。

4.3 研究不足与未来展望

本研究还存在以下不足，为后续的进一步研究指明了方向。第一，问卷调查对象仅针对制造企业，未来可进一步对互联网平台企业、服务业等相关行业开展比较分析，以便得出更具普适性的研究结论。第二，本文研究了大数据能力对企业运营绩效的整体作用机制，未来可进一步分析大数据能力的不同分类维度对企业其他相关绩效的具体作用机制，并挖掘其他变量在二者之间的中介作用，以便更全面认识大数据能力对企业各方面绩效的具体影响效果。第三，由于本文研究的是企业运营绩效层面，受限制条件的影响，调查问卷样本在地区和企业分布上相对集中，实证结果是否具有代表性需要进一步验证。未来需要更广泛的样本数据支撑，以便提高研究结论的普适性和有效性。

[1] 杨善林，周开乐. 大数据中的管理问题:基于大数据的资源观[J]. 管理科学学报, 2015, 18(05):1-8.

[2] 朱秀梅，刘月，陈海涛. 数字创业：要素及内核生成机制研究[J]. 外国经济与管理，2020，42(04):19-35.

[3] 孙新波，钱雨，张明超，等. 大数据驱动企业供应链敏捷性的实现机理研究[J]. 管理世界，2019，35(09): 133- 151+200.

[4] Chen D Q, Preston D S, Swink M. How the use of big data analytics affects value creation in supply chain manage- ment [J]. Journal of Management Information Systems, 2015, 32(4):4-39.

[5] Verma S, Chaurasia S. Understanding the determinants of big data analytics adoption[J]. Information Resources Management Journal, 2019, 32(3):1-26.

[6] 马鸿佳，肖彬，王春蕾. 大数据能力影响因素及效用：基于元分析的研究[J]. 南开管理评论, 2021, 49(4):1-19.

[7] 徐可，何桢，王瑞. 供应链关系质量与企业创新价值链：知识螺旋和供应链整合的作用[J]. 南开管理评论, 2015, 18(1):108-117.

[8] Lavalle S, Lesser E, Shockley R, et al. Big data, analytics and the path from insights to value[J]. MIT Sloan Management Review, 2011, 52(2): 21-32.

[9] Gupta S, Drave V A, Dwivedi Y K, et al. Achieving superior organizational performance via big data predictive analytics: a dynamic capability view[J]. Industrial Marketing Management, 2020, 90(3):581-592.

[10] 谢卫红，刘高，王田绘. 大数据能力内涵、维度及其与集团管控关系研究[J]. 科技管理研究, 2016, 36(14): 170 - 177．

[11] Akter S, Wamba S F, Gunasekaran A, et al. How to improve firm performance using big data analytics capability and business strategy alignment?[J]. Internati- onal Journal of Production Economics, 2016, 182(7): 113- 131.

[12] 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(28): 356-365.

[13] Janssen M, Haiko V D, Wahyudi A. Factors influencing big data decision-making quality[J]. Journal of Business Research, 2017, 70(1):338-345.

[14] 曹勇，周红枝，谷佳. 顾客参与、知识整合与新产品开发绩效之间的关系研究[J]. 创新科技, 2021, 21(01):53- 61.

[15] 周文辉，邓伟，陈凌子. 基于滴滴出行的平台企业数据赋能促进价值共创过程研究[J]. 管理学报, 2018, 15(8): 1110-1119.

[16] Ferraris A, Mazzolenia, Devallea, et al. Big data analytics capabilities and knowledge management: impact on firm performance[J]. Management Decision, 2019, 57(8): 1923- 1936.

[17] 刘平峰，王雨婷，苏超超. 大数据赋能企业知识管理创新机理与路径研究：基于华为案例[J]. 科技进步与对策, 2021, 38(1): 122-131.

[18] Xu Z N, Frankwick G L, Ramirez E. Effects of big data analytics and traditional marketing analytics on new product success: a knowledge fusion perspective [J]. Journal of Business Research, 2016, 69(5): 1562-1566.

[19] Grover V, Chiang R H L, Liang T P, et al. Creating strategic business value from big data analytics: a research framework [J]. Journal of Management Information Systems, 2018, 35(2): 388-423.

[20] Flynn B B, Huo B, Zhao X．The impact of supply chain integration on performance: a contingency and configuration approach[J]．Journal of Operations Management, 2010, 28(1):58-71．

[21] 胡海青，薛萌，张琅，等. 供应链社会资本、外部整合对供应链融资绩效的影响：IT使能共享能力的调节作用[J]. 预测, 2019, 38(05):51-58.

[22] Jorge T F, Jerónimo D B. Supply chain integration and performance relationship: a moderating effects review[J]. The International Journal of Logistics Management, 2017, 28(4):1243-1271.

[23] 许芳，田萌，徐国虎. 大数据应用能力对企业创新绩效的影响研究：供应链协同的中介效应与战略匹配的调节效应[J]. 宏观经济研究, 2020, 11(03): 101-119.

[24] 白君贵，王丹. 数据视角下企业信息资源整合与价值提升研究[J]．情报科学，2018, 36(9):73-76

[25] Singh N. Developing business risk resilience through risk management infrastructure: the moderating role of big data analytics [J]. Information Systems Management, 2020, (2): 1-19.

[26] Dong J Q, Yang C H. Business value of big data analytics: a systems-theoretic approach and empirical test [J]. Information& Management, 2020, 57(1):103-124.

[27] Chang W, Ellinger A E, Kim K, et al．Supply chain integration and firm financial performance: a meta-analysis of positional advantage mediation and moderating factors[J]. European Management Journal，2016, 34(3):282-295．

[28] Wong C Y, Sakun B, Wong C W Y．The contingency effects of environmental uncertainty on the relationship between supply chain integration and operational performance[J]. Journal of Operations Management，2011, 29(6): 604-615．

[29] 刘华明，王勇．3PL服务能力与供应链整合对企业运营绩效的影响[J]．预测，2017, 36(1):67-73．

[30] Tseng L, Lim K, Wong P, et al. A framework for evaluating the performance of sustainable service supply chain management under uncertainty[J]. International Journal of Production Economics, 2018, 195(1):359-372．

[31] 张艾荣，吕娜. 大数据能力、服务链整合与政府智慧服务绩效关系研究[J]. 软科学，2021，35(09):8-13.

[32] Zhu C C, Du J G, Shahzad F, et al. Environment sustainability is a corporate social responsibility: measuring the nexus between sustainable supply chain management, big data analytics capabilities, and organizational performance [J]. Sustainability, 2022, 14(6):375-379．

[33] 侯海涛. 供应链整合对企业绩效的影响研究：基于质量管理角度[J]. 商业经济研究, 2022, 13(07):117-121.

[34] Zhao X, Huo B, Selen W, et al. The impact of internal integration and relationship commitment on external integration [J]. Journal of operations management, 2011, 29(1-2):17-32.

[35] 叶飞，薛运普. 关系承诺对信息共享与运营绩效的影响研究[J]. 管理科学，2012, 25(05):41-51.

[36] 汤丹丹，温忠麟. 共同方法偏差检验：问题与建议[J]. 心理科学，2020, 43(01):215-223.

[37] Cohen S K, Caner T. Converting inventions into breakthrough innovations: the role of exploitation and alliance network knowledge heterogeneity [J]. Journal of Engineering and Technology Management，2016, 40(06):29-44.

[38] 温忠麟，侯杰泰，张雷. 调节效应与中介效应的比较和应用[J]. 心理学报，2005, 37(2):268-274.

Research on the Impact Mechanism of Big Data Capability on Enterprise Operation Performance: the Mediating Role of Supply Chain Integration

CAO Yong1,2, WANG Yi-qi1, ZHANG Dong-dong1, LI Juan1

(1. School of Management, Wuhan Textile University, Wuhan Hubei 430200, China; 2. Research Institute of International People-to-People Exchange for Textile Industry of MOE, Wuhan Hubei 430200, China)

Based on the dynamic capability theory and resource-based view, this paper empirically studies the impact mechanism of big data capability (BDC) on enterprise operation performance (EOP) through a large sample survey data of manufacturing enterprises, and further analyzes mediating role of supply chain integration (SCI). The results show that BDC has a significant positive impact on SCI and EOP; SCI plays a partly mediating role in the process of BDC affecting EOP. These research results not only have theoretical enlightenment for deepening the research on the relationship between BDC on EOP, but also have important practical significance for promoting the high-quality development of manufacturing enterprises under the background of digital transformation.

big data capability; supply chain integration; enterprise operation performance

曹勇（1964-），男，教授，博士，博士生导师，阳光杰出学者，研究方向：数智创新与知识管理.

国家自科基金面上项目（72072139）；湖北省高等学校哲学社科研究重点项目（21D046）.

F272

A

2095－414X(2022)05－0003－09