《Sustainable Futures》：Orchestrating external and internal resources for BDA capability-enabled SC resilience: Evidence from manufacturing industry
编辑推荐：
制造业供应链日益面临反复中断的威胁，影响运营连续性与可持续绩效。尽管大数据分析能力（big data analytics capability，BDAC）被广泛视为供应链韧性（supply chain resilience，SCRes）的赋能因素，既有研究多将
制造业供应链日益面临反复中断的威胁，影响运营连续性与可持续绩效。尽管大数据分析能力（big data analytics capability，BDAC）被广泛视为供应链韧性（supply chain resilience，SCRes）的赋能因素，既有研究多将BDAC视为既存能力，而非解释其如何形成。针对这一缺口，研究人员将注意力从BDAC的结果转向BDAC的形成。基于资源编排理论（resource orchestration theory，ROT），研究人员将BDAC概念化为一种编排型组织能力，通过对与分析相关的技术、人力、文化与关系资源进行对齐而形成。这些资源包括数据基础设施、BDA人员能力、组织数据驱动文化以及与供应链伙伴的信息共享。利用来自213家大型制造企业的调查数据，研究检验了这些资源如何与BDAC相关联，以及BDAC如何与SCRes相关。研究结果表明，BDAC的形成依赖于内部与外部分析相关资源的协调编排，而非孤立的技术投资。BDAC也与SCRes呈正相关。该研究通过提供BDAC形成的跨边界解释，并展示编排的分析能力如何在动荡制造环境中支撑韧性，对文献作出贡献。
研究背景方面，全球供应链在地缘政治不稳定、自然灾害、疫情与网络攻击等复合中断下愈发脆弱，COVID-19进一步暴露了多层级制造网络在供应、制造、物流与消费端同时中断时的结构性脆性与恢复滞后。既有供应链韧性（supply chain resilience，SCRes）研究强调预测、吸收、适应与恢复能力，而工业4.0语境下的物联网（IoT）、大数据分析（big data analytics，BDA）、人工智能（AI）与区块链等技术被视为实时可见性与自适应能力的关键赋能者。然而，大数据分析能力（big data analytics capability，BDAC）文献长期聚焦其绩效、敏捷性与创新结果，将其作为前因或高阶构念，却较少解释BDAC本身如何由互补资源组装而成。研究人员指出三个缺口：一是制造企业内BDAC形成机制不清，技术、人力与文化资源多被并列列举而非编排整合；二是外部伙伴信息资源与内部资源的跨边界编排在理论上未被充分建模；三是基于资源编排理论（resource orchestration theory，ROT）的资源间关联缺乏制造业实证检验。为此，研究人员以ROT为透镜，将BDAC操作为由数据基础设施（data infrastructure，DI）、BDA人员能力（BDA staff capability，BDASC）、数据驱动文化（data-driven culture，DDC）三类内部资源与伙伴信息共享（information sharing，IS）这一外部关系资源共同关联的涌现能力，并进一步关联至SCRes。
该研究发表于《Sustainable Futures》。为开展研究，研究人员采用横截面问卷调查法，样本为213家大型制造企业；基于ROT构建理论框架，使用偏最小二乘结构方程模型（partial least squares structural equation modeling，PLS-SEM）检验资源间关联与BDAC→SCRes路径，并以测量模型评估构念信效度，未做时序因果推断而只检验与编排视角一致的关联模式。
研究结果部分，引言与文献综述确立制造供应链中断敏感性与SCRes作为动态能力的必要性，回顾BDAC作为技术—人力—文化耦合高阶能力的文献，并指出既往将BDAC前置化而忽视形成机制的偏斜；资源编排理论一节明确结构化（structuring）、捆绑（bundling）与杠杆化（leveraging）三过程，以及互补性与顺序性原则。假设开发中，H1—H3论证BDASC正向关联BDAC、DI与IS，体现人力分析资源在结构与捆绑中的作用；H4及后续假设论证DDC正向关联BDAC、BDASC、DI与IS，体现组织文化资源对证据型决策与跨职能例程的合法化；DI与IS作为捆绑机制将内外部数据转为受治理的可扩展分析输入，进而关联BDAC；BDAC再正向关联SCRes。实证结果显示，BDAC形成确实依赖DI、BDASC、DDC与IS的协同编排而非单点技术投入，四资源均对BDAC有正向关联，且BDAC对SCRes正向显著。
讨论与结论部分，研究人员强调BDAC不应被当作黑箱前因，而应理解为跨越企业边界的编排结果：DDC降低行为阻力并引导资源分配，BDASC将问题与数据架构翻译为模型与例程，DI与IS提供受治理的数据底座与伙伴数据流，三者捆绑为BDAC后被杠杆化于风险监测、排程与中断恢复，从而提升SCRes。结论重申，孤立的数据基础设施投资不足以催生BDAC，制造企业需在技术、人才、文化与供应链信息接口上同步结构化与捆绑；该研究补入了BDAC形成机制的跨边界解释，为动荡环境下的制造业韧性建设提供了基于ROT的实证支点。
