本研究由Fouzia Atlas、Yuan Yitong和Kashif Ullah Khan(均来自温州肯恩大学商学院)合作完成,发表于Humanities and Social Sciences Communications(2025年,卷12,文章编号919)。研究聚焦大数据分析能力(Big Data Analytics Capability, BDAC)对中小企业(SMEs)财务绩效(Financial Performance, FP)与市场绩效(Marketing Performance, MP)的影响机制,并探讨知识管理(Knowledge Management, KM)的中介作用及大数据分析人才能力(Big Data Analytics Talent Capability, BDATC)的调节效应。
研究领域与动机
随着大数据技术快速发展,企业通过数据分析优化决策的需求激增。然而,现有研究多关注大型企业,对中小企业如何通过BDAC提升绩效的理论框架和实证证据不足。本研究基于动态能力理论(Dynamic Capability View),旨在揭示BDAC如何通过知识管理间接影响企业绩效,并分析人才能力在这一过程中的边界条件。
核心问题
1. BDAC如何直接影响中小企业的财务与市场绩效?
2. 知识管理是否在BDAC与绩效间起中介作用?
3. 大数据分析人才能力(BDATC)如何调节上述关系?
1. 理论框架与假设提出
研究提出9项假设(H1–H9),构建了BDAC通过KM影响FP/MP的模型,并引入BDATC作为调节变量(图1)。
2. 数据收集
- 样本:中国379家中小企业,涵盖产品与服务行业,符合OECD对中小企业的定义。
- 工具:采用7级李克特量表问卷,通过Credamo平台收集数据。问卷内容翻译为中文以确保准确性。
- 变量测量:
- BDAC:从Akter等(2016)的量表改编,包含“BDA管理”和“BDA技术”两个维度(共12题)。
- KM:基于Ferraris等(2019)的量表,涵盖知识获取、扩散与应用(16题)。
- BDATC:评估技术、管理、商业及关系知识(16题)。
- 绩效:财务绩效(5题)与市场绩效(4题)参考Tippins和Sohi(2003)的指标。
3. 数据分析
- 信效度检验:Cronbach’s α均高于0.7,因子载荷均大于0.61,复合信度(CR)达标。
- 结构方程模型(SEM):使用AMOS和SPSS分析,模型拟合指标优良(χ²/df=1.8, CFI=0.92, RMSEA=0.05)。
- 中介与调节效应:采用Hayes的Bootstrap法(5000次抽样)验证KM的中介作用及BDATC的调节效应。
BDAC对绩效的直接效应
KM的中介作用
BDATC的调节效应
理论贡献
1. 验证了KM在BDAC与绩效间的完全中介作用,填补了动态能力理论与知识管理交叉研究的空白。
2. 揭示了BDATC的双重角色:增强财务绩效但可能抑制市场创新,为人才管理提供辩证视角。
实践意义
- 中小企业需投资BDAC基础设施,同时建立系统的KM流程以转化数据价值。
- 招聘BDATC人才时需平衡技术能力与市场敏锐度,避免“过度分析”导致的决策僵化。
局限与展望
- 样本限于中国,未来可跨文化比较。
- 未考虑其他调节变量(如管理层承诺),建议后续研究引入组织信息处理理论。
(注:全文数据可通过通讯作者Fouzia Atlas获取,DOI: 10.1057/s41599-025-05206-y)