探索数据管理、决策与创新之间的关系：数据治理与数据伦理的中介作用

《International Journal of Information Management Data Insights》：Exploring the relationship between data management, decision-making, and innovation: The mediating role of data governance and data ethics

　　

尽管实践中对数据管理越来越重视，但关于其能力作用的实证研究仍然有限。本研究通过探索数据管理、数据驱动决策、决策绩效与创新能力之间的关系来弥补这一空白。此外，还探讨了数据治理与数据伦理的中介作用。研究人员提出，数据管理加强了组织的数据驱动决策，从而提高了决策绩效。此外，它增强了渐进式创新和颠覆式创新能力。为了检验研究模型，研究人员进行了一项调查，并应用了偏最小二乘结构方程模型（PLS-SEM）。研究结果表明，数据驱动决策对渐进式创新有显著支持，但对颠覆式创新的影响未被支持。此外，决策绩效似乎对颠覆式创新有正向影响，并在一定程度上对渐进式创新有正向影响。然而，数据治理并未中介数据管理与数据驱动决策之间的关系，而数据伦理显示出边际显著的负向中介效应。

**论文解读：数据管理、决策与创新的关系——基于荷兰组织的实证研究**

**研究背景、问题及意义**

在数字化转型浪潮中，数据已成为组织战略资产，数据驱动决策被广泛视为提升效率与竞争力的关键。然而，尽管实践中对数据管理日益重视，学术领域对其能力作用的实证研究仍显不足。现有文献多聚焦于特定数据管理实践（如主数据管理）或特定行业（如医疗），缺乏基于全面框架（如数据管理知识体系DMBOK）的综合性研究。此外，数据治理与数据伦理在数据管理影响决策过程中的中介作用尚未得到充分探讨。本研究旨在填补这一空白，通过考察数据管理能力、数据驱动决策、决策绩效与创新能力（包括渐进式创新和颠覆式创新）之间的关系，并引入数据治理与数据伦理作为中介变量，回答两个核心问题：（1）组织的数据管理能力是否增强数据驱动洞察、决策绩效与创新能力？（2）数据治理与数据伦理如何影响数据管理能力对数据驱动洞察的作用？研究基于荷兰120个组织的调查数据，采用偏最小二乘结构方程模型（PLS-SEM）进行分析，具有重要的理论与实践意义。论文发表在《International Journal of Information Management Data Insights》。

**主要技术方法**

研究人员采用问卷调查法，基于数据管理知识体系（DMBOK）框架，将数据管理能力（包括数据架构、数据建模与设计、数据存储与运维、数据安全、数据集成与互操作性、文档与内容管理、参考与主数据管理、数据仓库与商业智能BI、元数据管理、数据质量管理）操作化为高阶形成性构念。数据收集自荷兰不同规模的组织（从少于50人的小型企业到超过1000人的大型企业），受访者主要为IT总监、运营经理、数据专家等具有丰富数据管理经验的专业人士。分析方法包括：使用SmartPLS进行偏最小二乘结构方程模型（PLS-SEM）分析，评估测量模型（信度、收敛效度、区分效度）和结构模型（路径系数、显著性、解释力R2），并通过高斯Copula、二次项检验、FIMIX-PLS等方法进行稳健性检验。此外，采用交叉验证预测能力测试（CVPAT）评估模型预测能力。

**研究结果**

**H1：数据管理对数据驱动决策有显著正向影响**
通过PLS-SEM分析，路径系数β=0.598，t=5.014，p<0.001，表明数据管理实践越强，组织的数据驱动决策程度越高。

**H2：数据驱动决策对决策绩效有显著正向影响**
β=0.629，t=8.937，p<0.001，证实依赖数据驱动过程的组织能获得更优的决策结果。

**H3：数据驱动决策对颠覆式创新的影响不显著**
β=0.161，t=1.573，p=0.116，表明数据驱动决策未能直接支持突破性创新。

**H4：数据驱动决策对渐进式创新有显著正向影响**
β=0.460，t=4.571，p<0.001，说明数据驱动决策有助于持续改进和优化。

**H5：决策绩效对颠覆式创新有显著正向影响**
β=0.343，t=2.662，p<0.05，表明高质量的决策过程能促进突破性创新。

**H6：决策绩效对渐进式创新有边际显著正向影响**
β=0.233，t=1.821，p<0.10，显示决策绩效也对渐进式创新有正向作用，但较弱。

**中介效应分析**
数据治理的中介效应不显著（β=0.132，t=1.575，p=0.115），表明数据治理并未在数据管理与数据驱动决策之间起显著中介作用。数据伦理的中介效应为边际显著的负向（β=-0.107，t=1.894，p<0.10），提示伦理框架可能引入额外审查，略微削弱数据管理对决策的作用。

**控制变量**
组织规模、受访者年龄和数据管理经验对两种创新均无显著影响。

**模型解释力**
数据驱动决策的R2为42.4%，决策绩效的R2为39.9%，渐进式创新的R2为38.8%，颠覆式创新的R2为21.2%，表明模型对前三个构念有中等解释力，对颠覆式创新解释力较弱。

**讨论与结论**

**讨论部分总结**
研究发现数据管理是数据驱动决策的基础，但数据治理的中介作用不显著，挑战了其在DMBOK框架中的核心地位，可能受组织成熟度或行业背景影响。数据伦理的负向中介效应表明，伦理框架虽能增强信任与合规性，但也可能增加程序复杂性，限制数据洞察的生成与应用。研究还指出，数据驱动决策更有利于渐进式创新而非颠覆式创新，后者需要决策绩效的支持。这些发现对管理者具有启示：应优先投资数据管理实践，利用数据驱动决策实现持续改进，同时通过鼓励实验和创造性问题解决来推动突破性创新，并关注数据伦理的平衡作用。

**研究结论翻译**
本研究的结果为数据管理、数据驱动决策、决策绩效与组织创新之间的关系提供了若干见解。首先，数据管理对数据驱动决策有正向影响，强调稳健的数据质量、可访问性和治理实践是有效整合分析到组织决策过程的基础。数据驱动决策提高了决策绩效，证实了数据驱动方法在增强组织决策能力中的关键作用。在创新结果方面，数据驱动决策显著驱动渐进式创新，但未显著影响颠覆式创新，表明其结构化特征可能不直接支持突破性创新所需的风险承担和探索行为。决策绩效则对颠覆式创新有强贡献，对渐进式创新有较弱但正向的影响。关于中介变量，数据治理的中介效应不显著，而数据伦理显示出边际显著的负向中介效应，表明伦理框架可能引入额外审查，略微减缓决策过程。总体而言，研究强调了数据管理在驱动决策和创新中的重要性，并揭示了数据伦理的潜在约束作用。