剖析大数据对业务绩效的影响：开放式创新和数字技术的采用是否重要？

《TECHNOLOGY IN SOCIETY》：Unpacking the impact of Big Data on business performance: Do open innovation and digital technology adoption matter?

　　陈金良|李子峰|王宇|庞守林
中央财经大学商学院，中国北京市海淀区南学院路39号，邮编100081

摘要：大数据对业务绩效有着至关重要的影响，但在“大数据如何被用于”提升业务绩效以及“如何处理大数据”以确保其效益方面仍存在研究空白。本研究基于组织信息处理理论，探讨了开放创新在大数据的量（Volume）、多样性（Variety）和速度（Velocity，简称3Vs）与业务绩效之间的关系中的中介作用，以及数字技术采纳在其中的调节作用。通过对368家中国企业的调查数据进行分析（采用普通最小二乘回归法），发现开放创新在部分程度上中介了大数据3Vs与业务绩效之间的关系。信息和通信数字赋能技术的采纳增强了这种中介效应，而先进机器人技术和集成数字赋能技术的采纳则没有这种效果。这些发现阐明了大数据3Vs如何以及何时通过开放创新提升业务绩效，为管理者有效利用数字技术释放大数据价值提供了宝贵的见解。

引言
2023年，全球每秒产生的数据量估计为4.2拍字节，预计到2028年这一数字将激增至12.5拍字节——这一数据洪流涵盖了所有行业，定义了大数据（BD）（国际数据公司IDC，《全球数据球报告2024》；Ferrigno等人，2025年）。大数据的主要特征是量大、种类多和速度快（3Vs）（Ghasemaghaei，2018年；Jahan和Sazu，2022年；Johnson等人，2017年），常被称为企业的“新石油”（Cappa等人，2025年；Ghasemaghaei和Calic，2019年）、创新、竞争和生产力的下一个前沿，以及管理革命（Wamba等人，2015年）。然而，在实践中，只有26%的企业能够显著利用大数据来改善经营成果（Ghasemaghaei，2018年）。大数据所谓的战略价值与企业实际利用程度之间的这种反差表明，需要更深入地探究大数据对绩效的影响。

关于大数据对绩效影响的理论研究结果尚无定论。一些学者认为，大数据通过揭示消费者偏好和需求（De Luca等人，2021年；Hossain等人，2023年；Raguseo和Vitari，2018年；Zhang等人，2020年）、推动新产品和服务的开发（De Luca等人，2021年；Dong和Yang，2020年；Johnson等人，2017年；Wamba等人，2015年；Zhang等人，2020年）、提高效率和生产力（Günther等人，2017年；Müller等人，2018年）以及重塑业务逻辑（Acciarini等人，2023年；Cappa等人，2021年）来提升业务绩效。相反，另一些学者则认为，混乱、噪音、认知焦虑和注意力不足常常限制了大数据的收益（Cappa等人，2021年，2025年；Ghasemaghaei，2018年，2021年；Ghasemaghaei和Calic，2020年；Jahan和Sazu，2022年；Johnson等人，2017年）。一些研究通过探索大数据与业务绩效关系中的潜在机制和条件因素来调和这些争议（Cappa等人，2025年；De Luca等人，2021年；Raguseo和Vitari，2018年；Vitari和Raguseo，2020年）。然而，仍存在两个研究空白：首先，尽管已经揭示了大数据与业务绩效关系的一些潜在机制（包括封闭创新），但“大数据具体用于什么”（特别是通过开放创新的视角）仍不够明确；其次，尽管已经考虑了若干环境和组织条件因素来探讨大数据与业务绩效关系的影响因素，但“如何处理大数据”尚未得到系统性的研究。

在“大数据具体用于什么”方面，开放创新作为大数据与业务绩效之间的潜在机制或中介过程尚未得到充分研究（Ghasemaghaei和Calic，2020年）。以往的研究确定了一些重要的潜在机制，如客户满意度（Raguseo和Vitari，2018年）和大数据营销能力（De Luca等人，2021年）。最近的研究越来越多地从创新的角度探讨这些潜在机制（Ghasemaghaei和Calic，2020年；Jahan和Sazu，2022年）。在这些研究中，重点主要放在封闭创新对效率和效果的影响上（Ferrigno等人，2025年；Ghasemaghaei和Calic，2020年；Jahan和Sazu，2022年）。尽管也有研究关注开放创新的作用（如Ferrigno等人，2024年，第17页）提出的“大数据特征是否会影响中小企业的创新绩效”，但现有研究尚未深入探讨开放创新作为中介的作用。

在“如何处理大数据”方面，数字技术采纳（DTA）在处理大数据中的情境作用被忽视了。现有的研究考虑了环境丰富性和动态性（Vitari和Raguseo，2020年）、行业特征（如集中度和服务竞争力，Müller等人，2018年；Raguseo等人，2020年）以及企业特征（如企业规模和业务战略，Dong和Yang，2020年；Raguseo等人，2020年；Suoniemi等人，2020年）等因素，但在“信息肥胖”（Cappa等人，2025年）的背景下，这些因素对数据处理的影响被忽略了。随着工业4.0的到来（Klingenberg等人，2022年），包括信息和通信数字赋能技术（IDETs）以及先进机器人技术和集成数字赋能技术（ADETs）在内的数字技术，极大地塑造了企业的信息处理能力（Li等人，2020年；Müller等人，2021年；Somohano-Rodríguez等人，2022年；Xie等人，2022年）。尽管有强有力的理论依据将DTA视为大数据-开放创新-业务绩效关系中的情境因素，但其具体作用仍缺乏系统性的研究。

为了填补这些空白，本研究探讨了开放创新的中介作用和数字技术采纳的调节作用（IDETs与ADETs）在大数据-业务绩效关系中的作用，提出了两个具体研究问题：
(i) 开放创新是否中介了大数据3Vs对业务绩效的影响？
(ii) 包括信息和通信数字赋能技术以及先进机器人技术和集成数字赋能技术的采纳在内的数字技术采纳如何通过开放创新影响大数据3Vs与业务绩效之间的间接关系？

本研究基于组织信息处理理论（OIPT），将开放创新视为一种需要信息处理需求与能力相匹配的信息处理任务，以提升业务绩效。我们认为，大数据的3Vs为开放创新实践提供了丰富、异构和实时的信息和知识，最终通过赋予企业低成本、差异化和快速响应的竞争优势来提升业务绩效。同时，大数据在利用过程中增加了信息处理需求，这要求与数字技术的信息处理能力相匹配。为了验证这一理论逻辑，我们对368家中国企业的调查数据进行了普通最小二乘回归分析（OLS）。这些企业所处的环境具有激烈的竞争、广泛的数字化转型、日益增长的数据管理需求和巨大的创新压力。研究结果表明，开放创新在部分程度上中介了大数据3Vs与业务绩效之间的关系。此外，信息和通信数字赋能技术的采纳增强了大数据3Vs通过开放创新对业务绩效的影响，而先进机器人技术和集成数字赋能技术的采纳则没有这种调节作用。

本研究在三个方面对现有研究做出了贡献：首先，它通过引入开放创新来补充大数据相关研究，揭示了大数据3Vs与业务绩效之间的潜在机制，从而丰富了“大数据如何被用于提升业务绩效”的理解；其次，它将数字技术采纳纳入基于OIPT的大数据研究中，强调了数字技术在增强信息处理能力以满足大数据3Vs带来的更高信息处理需求方面的条件作用；第三，它通过更细致地匹配信息处理需求与能力，深化了对信息和通信数字赋能技术以及先进机器人技术和集成数字赋能技术的研究，从而丰富了OIPT的应用。研究表明，由信息和通信数字赋能技术提升的数据分析和解释能力，而非由先进机器人技术和集成数字赋能技术提升的数据收集和传输能力，更符合大数据3Vs带来的信息处理需求。

**OIPT：信息处理需求与能力之间的匹配**
根据OIPT，企业作为一个信息处理系统运作，包括信息处理需求和能力（Galbraith，1974年；Tushman和Nadler，1978年）。信息处理需求是指企业收集、处理和传播信息的需求，这些需求由环境的不确定性和任务的复杂性决定（Cegielski等人，2012年；Premkumar等人，2005年；Wang等人，2022年）。

**开放创新在大数据3Vs与业务绩效之间的中介作用**
鉴于大数据3Vs构成了大数据的核心（Ghasemaghaei，2021年），且它们在以往研究中的影响各不相同（Cappa等人，2021年；Ghasemaghaei和Calic，2020年；Jahan和Sazu，2022年；Pedota，2023年），我们通过区分3Vs的不同影响，从细致的角度探讨了开放创新在大数据-业务绩效关系中的中介作用。基于大数据是创新的信息和知识来源的核心理念（Ferrigno等人，2025年）以及开放创新提供竞争优势的观点，我们进行了研究。

**样本和数据收集**
为了验证这些假设，我们在2024年3月至11月期间收集了中国企业的调查数据。中国企业的研究背景具有激烈的竞争、广泛的数字化转型、日益增长的数据管理需求和巨大的创新压力。到2025年底，全球超过40%的灯塔工厂位于中国（世界经济论坛和麦肯锡，2025年），64.2%的中国企业实现了业务的数字化。

**描述性统计和相关性矩阵**
表3展示了各构念的描述性统计和皮尔逊相关性矩阵；所有成对相关性均低于0.7的阈值（Cui等人，2023年；Ferreira等人，2023年）。计算了方差膨胀因子（VIF）以评估多重共线性，所有VIF值均显著低于10的阈值（Cui等人，2023年），表明多重共线性不是主要问题。

**假设检验**
我们使用OLS回归检验了大数据3Vs通过开放创新对业务绩效的间接影响。

**结果讨论**
基于OIPT，本研究探讨了开放创新在大数据3Vs与业务绩效关系中的中介作用，以及数字技术采纳对这些中介关系的调节作用。通过对368家中国企业的调查数据进行分析，我们发现开放创新在部分程度上中介了大数据3Vs与业务绩效之间的关系，信息和通信数字赋能技术的采纳增强了开放创新的中介效应，而先进机器人技术和集成数字赋能技术的采纳则没有这种效应。我们的结果支持了所有假设，除了H3a–c。

**结论**
本研究旨在揭示使企业能够将大数据利用转化为卓越业务绩效的机制和情境。通过分析368家中国企业的调查数据，我们检验了开放创新在大数据3Vs与业务绩效关系中的中介作用，以及数字技术采纳对这些关系的调节作用。结果表明，所有三个大数据特征都通过开放创新提升了业务绩效，开放创新起到了部分中介作用。此外，信息和通信数字赋能技术的采纳增强了大数据对业务绩效的积极影响。

**作者贡献声明**
庞守林：撰写——审稿与编辑；王宇：撰写——审稿与编辑、资金获取、概念化；李子峰：撰写——初稿、数据整理；陈金良：撰写——审稿与编辑、资金获取、概念化

**利益冲突声明**
作者声明没有已知的利益冲突或个人关系可能影响本文的研究结果。

**数据可用性声明**
数据可向作者索取。

**资金支持**
本研究得到了国家自然科学基金[项目编号72302010和71302128]、北京社会科学[项目编号22GLC044]、国家哲学与社会科学办公室[项目编号19BGL096]、国家社会科学基金重大项目[项目编号22&ZD096]、国家社会科学基金重点项目[项目编号21AZD015]、云南邓荣林教育基金以及2021年本科教学改革创新项目的支持。

**利益冲突声明**
作者声明没有已知的利益冲突或个人关系可能影响本文的研究结果。

陈金良目前是中央财经大学商学院的副教授，2010年获得中国人民大学工商管理博士学位。他的研究兴趣包括创新管理和供应链管理。他在《国际运营与生产管理杂志》、《企业社会责任与环境管理杂志》、《制造技术管理杂志》等期刊上发表了多篇论文。