《Journal of Innovation & Knowledge》：Unveiling the prototypes and pathways of data-driven business model innovation: A configurational study based on digital economy firms in China
编辑推荐：
在数字经济时代，企业需要数据驱动的商业模式创新（data-driven business model innovation）以获取可持续竞争优势。现有研究尚未将数据驱动的商业模式创新视为一个复杂系统，因而无法整体性、系统性地识别其原型与路径。为此，研究依据数据
在数字经济时代，企业需要数据驱动的商业模式创新（data-driven business model innovation）以获取可持续竞争优势。现有研究尚未将数据驱动的商业模式创新视为一个复杂系统，因而无法整体性、系统性地识别其原型与路径。为此，研究依据数据网络效应理论（data network effects），捕捉其“数据-业务协同”（data-business synergy）的核心内涵，将数据驱动的商业模式创新分解为大数据5Vs（规模、多样性、速度、真实性与价值）关键维度以及商业模式创新的关键价值驱动因素（新颖性与效率），并采用组态方法，即模糊集定性比较分析（fuzzy-set qualitative comparative analysis, fsQCA），对该问题展开研究。研究涉及对中国108家数字经济企业的组态分析。研究发现，存在两种产生高价值结果的组态，研究人员将其标注为数据驱动商业模式创新的原型：数据支撑型商业模式创新（Data-Supported Business Model Innovation）与数据引领型商业模式创新（Data-Led Business Model Innovation）。进一步，基于典型病例研究，研究人员分别将其路径识别为数据支撑的差异化（Data-Supported Differentiation）与数据引领的扩张（Data-Led Expansion）。每条路径均包含三个相互关联的步骤，形成良性循环。相比之下，三种未产生高价值结果的组态被统称为缺乏数据-业务协同的商业模式创新（Business Model Innovation Deficient in Data-Business Synergy）。研究立足于更广泛的创新管理领域，不仅补充了数据驱动商业模式创新原型与路径的相关研究，还丰富了数据网络效应的理论内涵以及商业模式的研究方法。
在数字经济时代，数据已演进为核心生产要素，深刻重塑产业竞争格局与企业运营逻辑。在此背景下，数据驱动的商业模式创新——即能够最优释放大数据价值潜力的商业模式创新——成为企业获取可持续竞争优势的关键战略选择。然而，现有研究对数据驱动商业模式创新的探讨较为碎片化：多数研究聚焦于大数据环境下商业模式的特定构成要素变化，或从要素变化中提炼若干模式，未能将数据驱动商业模式创新视为复杂系统并系统识别其原型与路径。数据网络效应理论以“数据-业务协同”为核心内涵，为研究该问题提供了适切的理论基础。数据网络效应强调数据驱动学习下用户数据与用户价值之间的良性循环，体现数据与业务相互促进的机制。由于商业模式本质上是一个活动系统，而大数据进一步模糊了其边界，数据驱动商业模式创新表现出“并发因果”“殊途同归”和“不对称性”等复杂系统特征，传统的还原论方法（如回归分析）难以胜任，亟需基于整体论的组态方法。
研究人员从2023年中国数字经济企业500强中，经四轮筛选最终确定108家样本企业，覆盖消费互联网领域。研究整合大数据5Vs（volume, variety, velocity, veracity, value）和商业模式创新的两个关键价值驱动因素（novelty, efficiency），构建包含六个条件与一个结果的研究框架，采用模糊集定性比较分析（fsQCA）探索原型与路径。变量测量采用多源异构数据：大数据5Vs采用客观指标（应用下载量、用户信息类型数、应用更新频率、大数据研发人员占比、Tobin's Q），商业模式创新新颖性与效率采用Zott和Amit（2007, 2008）量表进行主观评分。校准采用调整后的分布方法，随后依次进行必要性分析、充分性分析与稳健性检验。
研究结果包括以下部分。
**数据驱动商业模式创新的原型**
基于产生高价值结果的两个组态，研究人员识别出两种原型：数据支撑型商业模式创新（Configuration 1a：~Volume*~Variety*Veracity*Novelty*Efficiency）与数据引领型商业模式创新（Configuration 2a：Volume*Velocity*Veracity*Novelty*Efficiency）。两种原型均强调商业模式创新的新颖性与效率，并共同突出数据真实性（veracity）的重要性，但在大数据其他维度上存在差异。数据支撑型商业模式创新以理想汽车（Li Auto）为典型案例，指企业在数据量有限时优先关注数据质量，通过高质量数据支撑商业模式创新。数据引领型商业模式创新以拼多多（Pinduoduo）为典型案例，指在数据量、数据分析速度与数据质量均较高时，数据在商业模式创新中发挥引领作用，通过精准决策、提升客户体验、优化运营效率、成本优化、产品与服务创新、靶向营销、风险管理与生态协作等途径协同创造价值。
**数据驱动商业模式创新的路径**
在两种原型基础上，研究人员通过典型案例研究识别出各自路径。数据支撑差异化（Data-Supported Differentiation）是数据支撑型商业模式创新的典型路径，包含三个关键步骤：深度数据挖掘（in-depth data mining）、场景聚焦渗透（scenario-focused penetration）与差异化价值重构（differentiated value reconstruction），三者形成良性循环。理想汽车的案例表明，企业在数据有限条件下，通过对小样本高精度数据的多维分析与交叉验证，聚焦核心用户场景，识别用户痛点与潜在需求，摆脱行业惯性认知，构建差异化价值体系，实现商业模式创新。数据引领扩张（Data-Led Expansion）是数据引领型商业模式创新的典型路径，包含三个关键步骤：数据基础设施（data infrastructure）、能力输出（capability output）与生态扩张（ecological expansion），三者同样形成良性循环。拼多多的案例表明，企业通过构建覆盖海量数据全链处理的中台架构，将数据处理能力以标准化接口与解决方案形式向生态伙伴开放，并基于数据渗透不同场景、识别价值交叉点，吸引新主体加入，实现跨领域、跨行业的生态扩张。
**补充分析：缺乏数据-业务协同的商业模式创新**
对于未产生高价值结果的三个组态（Configurations 1b-3b），研究人员统称为缺乏数据-业务协同的商业模式创新，作为数据驱动商业模式创新的反面案例。这些组态的特征在于大数据（尤其是真实性）或商业模式创新（尤其是新颖性）存在缺陷，导致数据网络效应难以触发，进而无法实现高价值结果。典型案例是永辉超市（Yonghui）。永辉在数据采集阶段，线上平台“永辉生活”应用用户活跃度与渗透率不足，大量潜在用户线上数据未能有效收集；在数据分析阶段，技术方法较为传统，分析停留在基础报表层面，缺乏复杂关联分析与预测性分析；在数据管理阶段，多部门数据形成数据孤岛，数据格式与统计标准不一致，整合困难，严重损害数据准确性；在数据应用阶段，业态定位不清，“大店+小店”模式及超级物种等新业态未实现有效协同，数据难以有效应用。2024年永辉亏损14.65亿元人民币，为连续第四年亏损，累计亏损超过95亿元人民币。研究人员指出，永辉自2024年下半年起主动推进转型，借鉴胖东来模式全面改造门店，并依托自研YHDOS系统探索全渠道、全链路数字化，力图重塑数据驱动商业模式创新。
**理论模型**
研究人员结合组态分析结果构建了理论模型：在原型1中，数据量受约束时企业强调数据质量，通过精准的场景特定数据收集与分析获取深度洞察，实现个性化与差异化供给及运营优化，其路径为数据支撑差异化，由深度数据挖掘、场景聚焦渗透和差异化价值重构构成良性循环。在原型2中，数据量、数据分析速度与数据质量均达到高水平，企业通过多种途径共同实现价值，数据引领商业模式创新并增强竞争优势，其路径为数据引领扩张，由数据基础设施、能力输出和生态扩张构成良性循环。此外，未产生高价值结果的组态表明，大数据与商业模式创新必须结合才能引发数据网络效应，二者缺一不可。
**讨论部分总结**
讨论部分围绕三个主题展开：第一，通过组态方法识别出两种原型，体现了数据驱动商业模式创新的整体性特征，强调真实性、新颖性与效率的联合存在，并区分了数据支撑型（数据量受限时强调数据质量）与数据引领型（数据量大且速度快时数据起引领作用）两种模式。第二，通过典型案例明确了两条实施路径，揭示了路径中步骤间的协同演化良性循环，补充了关于数据质量导向和规模数据赋能的商业模式创新路径研究。第三，以“数据-业务协同”为核心贯穿研究，丰富了数据网络效应的理论内涵，并采用综合价值创造与价值获取的Tobin's Q指标弥补了既有研究对价值获取关注不足的缺陷。
**研究结论翻译**
本研究基于数据网络效应理论，采用模糊集定性比较分析方法，对中国108家数字经济企业进行组态分析，识别出数据驱动商业模式创新的两种高价值原型：数据支撑型商业模式创新与数据引领型商业模式创新。通过典型案例研究，分别揭示其路径为数据支撑差异化与数据引领扩张，每条路径包含三个相互关联且形成良性循环的关键步骤。相反，三种未产生高价值结果的组态被统称为缺乏数据-业务协同的商业模式创新，表明大数据与商业模式创新的有机结合是触发数据网络效应并实现价值的前提。本研究在创新管理领域补充了数据驱动商业模式创新的原型与路径研究，丰富了数据网络效应的理论内涵，并推动了组态方法在商业模式研究中的应用。
