張曉棠 張海麗 衡金金

1 引 言

大數(shù)據(jù)是海量、多樣、快速與準確的信息資源（馮芷艷等，2013［1］；George等，2014［2］）。大數(shù)據(jù)分析能力指組合、集成及部署大數(shù)據(jù)以生成價值性洞察的能力（Gupta和George，2016［3］）。大數(shù)據(jù)和大數(shù)據(jù)分析能力已成為數(shù)字經(jīng)濟時代企業(yè)創(chuàng)新發(fā)展數(shù)字化轉(zhuǎn)型的關(guān)鍵資源與能力（謝康等，2020［4］；張艾榮和呂娜，2021［5］；王宇凡等，2020［6］）。部分企業(yè)購置大數(shù)據(jù)資產(chǎn)、培育大數(shù)據(jù)分析能力獲得了更成功的創(chuàng)新與更強的競爭優(yōu)勢，但也有不少企業(yè)面臨大數(shù)據(jù)投入高而創(chuàng)新產(chǎn)出低的困境，甚至跌落“大數(shù)據(jù)陷阱”（Gupta和George，2016［3］）?？梢姡髷?shù)據(jù)和大數(shù)據(jù)分析能力是賦能創(chuàng)新的必要而非充分條件，兩者賦能創(chuàng)新并非是大數(shù)據(jù)資源或分析能力簡單累加的結(jié)果。揭開大數(shù)據(jù)與大數(shù)據(jù)分析能力賦能創(chuàng)新的內(nèi)在機制，是數(shù)字創(chuàng)新理論構(gòu)建的重要科學(xué)問題，也是企業(yè)創(chuàng)新發(fā)展數(shù)字化轉(zhuǎn)型亟須解決的現(xiàn)實問題（George等，2014［2］；謝康等，2020［4］；Nambisan 等，2017［7］）。

Galbraith（1974）［8］提出的信息處理理論強調(diào)，企業(yè)執(zhí)行任務(wù)時需應(yīng)對的不確定性和模糊性觸發(fā)其信息處理需求；企業(yè)信息處理能力應(yīng)能適當滿足此需求；信息處理需求與信息處理能力匹配會比失配帶來更優(yōu)的任務(wù)效果（Galbraith，1974［8］；Tushman和Nadler，1978［9］）。據(jù)此邏輯，本文提出，當下復(fù)雜多變的環(huán)境導(dǎo)致創(chuàng)新不確定性和模糊性增強，企業(yè)轉(zhuǎn)向大數(shù)據(jù)而非經(jīng)驗驅(qū)動創(chuàng)新；企業(yè)大數(shù)據(jù)處理需求因此增加，這就對大數(shù)據(jù)分析能力提出更高要求；而大數(shù)據(jù)與大數(shù)據(jù)分析能力匹配與否直接影響創(chuàng)新成效。換言之，大數(shù)據(jù)—大數(shù)據(jù)分析能力匹配是兩者賦能創(chuàng)新的重要機制。為全面揭開該機制，本文探討大數(shù)據(jù)與大數(shù)據(jù)分析能力高—高和低—低匹配，以及高—低和低—高不匹配對創(chuàng)新效果的差異化影響。這對于學(xué)術(shù)界深化大數(shù)據(jù)、大數(shù)據(jù)分析能力與創(chuàng)新關(guān)系研究，理解大數(shù)據(jù)與大數(shù)據(jù)分析能力賦能創(chuàng)新的機理具有理論意義；對管理者合理匹配大數(shù)據(jù)與大數(shù)據(jù)分析能力，提升創(chuàng)新成效，防范“大數(shù)據(jù)陷阱”具有現(xiàn)實意義。而現(xiàn)有研究絕大多數(shù)基于資源基礎(chǔ)理論，考察的是大數(shù)據(jù)、大數(shù)據(jù)分析能力各自對創(chuàng)新的影響。鑒于資源基礎(chǔ)理論沒有區(qū)分資源與能力，因此上述研究難以闡釋大數(shù)據(jù)、大數(shù)據(jù)分析能力共同賦能創(chuàng)新的內(nèi)在機制。Hao等（2019）［10］引入核心能力理論，提出并驗證了大數(shù)據(jù)分析能力在大數(shù)據(jù)與創(chuàng)新績效間的正向調(diào)節(jié)作用。兩者在創(chuàng)新中的差異化角色和影響雖得以證明，但兩者匹配與否怎樣影響創(chuàng)新依然懸而未決。

此外，現(xiàn)有研究還存在以下兩個有待完善之處：首先，大數(shù)據(jù)—大數(shù)據(jù)分析能力匹配如何影響產(chǎn)品創(chuàng)新度有待探究。產(chǎn)品創(chuàng)新度指新產(chǎn)品及其采用的技術(shù)相較于企業(yè)現(xiàn)有產(chǎn)品和市場的新穎度（Song和Parry，1999［11］；蘇中鋒和李嘉，2014［12］），是新產(chǎn)品的核心地位優(yōu)勢（Day和 Wensley，1988［13］；李澤等，2017［14］），對創(chuàng)新成功率和可持續(xù)性起決定性作用（Su等，2013［15］）。何種因素影響產(chǎn)品創(chuàng)新度值得深入研究。對此，Day和Wensley（1998）［13］構(gòu)建“資源—地位優(yōu)勢—績效”（sources-positional advantageperformance，SPP）框架指出，企業(yè)資源和能力決定了產(chǎn)品創(chuàng)新度。該論斷在以傳統(tǒng)資源與能力為前因的研究中得到驗證（李澤等，2017［14］；Song和Xie，2000［16］）。而現(xiàn)今傳統(tǒng)資源與能力愈加難以觸發(fā)高度創(chuàng)新的產(chǎn)品，這也驅(qū)使企業(yè)轉(zhuǎn)而利用大數(shù)據(jù)、大數(shù)據(jù)分析能力謀求產(chǎn)品創(chuàng)新度更顯著提升。本文認為，探明大數(shù)據(jù)—大數(shù)據(jù)分析能力匹配如何影響產(chǎn)品創(chuàng)新度是企業(yè)創(chuàng)新發(fā)展數(shù)字化轉(zhuǎn)型的迫切要求和重要內(nèi)容（Nambisan等，2017［7］；陳劍等，2020［17］；劉洋等，2020［18］）。該問題的解決有助于學(xué)者從新產(chǎn)品地位優(yōu)勢層面來認識大數(shù)據(jù)—大數(shù)據(jù)分析能力匹配機制賦能創(chuàng)新的成效，能為企業(yè)在數(shù)字化轉(zhuǎn)型中搶占地位優(yōu)勢提供對策參考。但迄今鮮有文獻將大數(shù)據(jù)、大數(shù)據(jù)分析能力與產(chǎn)品創(chuàng)新度共同納入研究，基于大數(shù)據(jù)—大數(shù)分析能力匹配視角的研究更加稀缺。

其次，大數(shù)據(jù)—大數(shù)據(jù)分析能力匹配對產(chǎn)品創(chuàng)新度的影響有待實證檢驗。學(xué)術(shù)研究中，大數(shù)據(jù)及其分析的相關(guān)研究已占據(jù)管理學(xué)領(lǐng)域主要地位，在醫(yī)療健康服務(wù)場景的研究顯著增長（伍之昂等，2021［19］）。但迄今實證研究仍相對滯后，來自醫(yī)療健康服務(wù)業(yè)的經(jīng)驗證據(jù)尤其匱乏。創(chuàng)新實踐中，黨的十九大報告與我國“十四五”規(guī)劃強調(diào)，加快醫(yī)療健康產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型來推進人民健康優(yōu)先發(fā)展和高質(zhì)量發(fā)展。新冠肺炎疫情后，民眾對數(shù)據(jù)驅(qū)動的醫(yī)療健康服務(wù)產(chǎn)品的需求數(shù)量及質(zhì)量均大幅提升，如利用大數(shù)據(jù)平臺和專家系統(tǒng)篩查、診療與預(yù)防疾病等。這就要求行業(yè)企業(yè)提供更具顛覆性的產(chǎn)品來滿足民眾需求（王灝晨和溫珂，2020［20］；Wang和Hajli，2017［21］）。但研究表明，醫(yī)療健康大數(shù)據(jù)與對其的分析不匹配嚴重制約著服務(wù)產(chǎn)品創(chuàng)新（虞銘明等，2018［22］）。因此本文認為，大數(shù)據(jù)—大數(shù)據(jù)分析能力匹配與產(chǎn)品創(chuàng)新度之間的關(guān)系亟待來自醫(yī)療健康服務(wù)業(yè)的實證檢驗。所得結(jié)論可增添大數(shù)據(jù)—大數(shù)據(jù)分析能力匹配賦能創(chuàng)新的新證據(jù)，為加快醫(yī)療健康服務(wù)業(yè)數(shù)字化轉(zhuǎn)型，提升人民醫(yī)療健康水平提供實踐啟示。

本文旨在探究大數(shù)據(jù)與大數(shù)據(jù)分析能力的匹配/不匹配如何影響產(chǎn)品創(chuàng)新度？本文基于信息處理理論，劃分4種匹配/不匹配情況，分析其對產(chǎn)品創(chuàng)新度的影響差異并排序；收集164個中國醫(yī)療健康服務(wù)創(chuàng)新項目數(shù)據(jù)，采用回歸分析與單因素方差分析（Analysis of Variance，ANOVA）檢驗?zāi)Ｐ团c假設(shè)。本文邊際貢獻在于：①基于信息處理理論，從配對匹配角度，為解釋大數(shù)據(jù)與大數(shù)據(jù)分析能力賦能創(chuàng)新提出新機制；②基于SPP框架，從產(chǎn)品創(chuàng)新度這一地位優(yōu)勢角度，為認知大數(shù)據(jù)、大數(shù)據(jù)分析能力賦能創(chuàng)新的效果提供新觀點；③基于醫(yī)療健康服務(wù)業(yè)的實證研究，為大數(shù)據(jù)—大數(shù)據(jù)分析能力匹配賦能創(chuàng)新提供新證據(jù)，為企業(yè)創(chuàng)新發(fā)展數(shù)字化轉(zhuǎn)型提供新啟示。

2 理論基礎(chǔ)與研究假設(shè)

2.1 信息處理理論與大數(shù)據(jù)—大數(shù)據(jù)分析能力匹配

信息處理理論認為，企業(yè)存續(xù)發(fā)展依賴于環(huán)境對其的輸入，但因環(huán)境不確定性，企業(yè)需處理信息以應(yīng)對不確定性引發(fā)的沖擊（March和Simon，1958［23］）；企業(yè)是以高效處理信息為目標的系統(tǒng)（Galbraith，1974［8］）；而信息處理需求與信息處理能力匹配是實現(xiàn)此目標的核心（Tushman和Nadler，1978［9］）；信息處理需求源自企業(yè)執(zhí)行任務(wù)所需信息量與所擁有信息量間的差異（Tushman和Nadler，1978［9］），信息處理能力是企業(yè)擁有充足信息并對其分析、詮釋、整合與利用的能力。

信息處理理論在企業(yè)組織結(jié)構(gòu)設(shè)計、產(chǎn)品創(chuàng)新、知識管理與供應(yīng)鏈管理等領(lǐng)域得到應(yīng)用和拓展。這些研究面向傳統(tǒng)數(shù)據(jù)處理需求，強調(diào)依靠組織結(jié)構(gòu)與流程設(shè)計等手段，以及信息技術(shù)和系統(tǒng)等工具提高信息處理能力。而數(shù)字經(jīng)濟時代，數(shù)據(jù)量呈指數(shù)級增長，企業(yè)廣泛應(yīng)用大數(shù)據(jù)驅(qū)動創(chuàng)新決策和任務(wù)，產(chǎn)生強烈的大數(shù)據(jù)處理需求。按照信息處理理論的邏輯，大數(shù)據(jù)處理需求應(yīng)與大數(shù)據(jù)處理能力匹配，以期將大數(shù)據(jù)有效轉(zhuǎn)化為高質(zhì)量信息以指導(dǎo)創(chuàng)新決策和任務(wù)。大數(shù)據(jù)分析能力是數(shù)字創(chuàng)新中最關(guān)鍵的信息處理能力之一，能使企業(yè)以先進技術(shù)形式獲取、存儲、處理及分析大數(shù)據(jù)，并向用戶交付價值性信息和知識，最終促成高效創(chuàng)新決策和行為（Akter等，2016［24］；Dubey等，2019［25］）。因此，本文將信息處理需求明確為大數(shù)據(jù)處理需求，將信息處理能力明確為大數(shù)據(jù)分析能力，提出大數(shù)據(jù)—大數(shù)據(jù)分析能力匹配賦能創(chuàng)新的觀點。

信息處理理論提出了調(diào)節(jié)、中介、配對、構(gòu)式偏差、格式塔以及協(xié)變匹配共6種分析方法及其適用條件（Venkatraman，1989［26］）。其中，配對匹配是根據(jù)兩個自變量之間匹配度的計算結(jié)果，分析兩個自變量匹配與否對因變量的不同影響。該方法最契合本文研究問題。按照此方法，借鑒Wagner等（2012）［27］、Luo和Yu（2016）［28］研究，本文將大數(shù)據(jù)—大數(shù)據(jù)分析能力匹配定義為大數(shù)據(jù)與大數(shù)據(jù)分析能力處于同等水平，包括高大數(shù)據(jù)—高大數(shù)據(jù)分析能力匹配（高—高匹配）和低大數(shù)據(jù)—低大數(shù)據(jù)分析能力匹配（低—低匹配）。反之，二者不匹配則被定義為大數(shù)據(jù)與大數(shù)據(jù)分析能力處于不同水平，包括高大數(shù)據(jù)—低大數(shù)據(jù)分析能力不匹配（高—低不匹配）和低大數(shù)據(jù)—高大數(shù)據(jù)分析能力不匹配（低—高不匹配）。

2.2 研究假設(shè)

（1） 高—高匹配與不匹配對產(chǎn)品創(chuàng)新度的影響

大數(shù)據(jù)與大數(shù)據(jù)分析能力高—高匹配時，企業(yè)可以利用高水平的大數(shù)據(jù)分析能力有效重構(gòu)、挖掘和分析充沛的大數(shù)據(jù)（Gupta和George，2016［3］），獲取市場和顧客需求信息，預(yù)測創(chuàng)新趨勢（Akter等，2016［24］；Wamba等，2017［29］），設(shè)計和生產(chǎn)新穎的產(chǎn)品；可以新信息和知識，優(yōu)化創(chuàng)新解決方案（Rialti等，2019［30］），提高產(chǎn)品創(chuàng)新度；可以挖掘潛在信息（Akter等，2016［24］），針對性設(shè)定不同細分市場的生產(chǎn)和銷售模式，提供有別于競爭者的獨特產(chǎn)品（程剛和李敏，2014［31］）。

大數(shù)據(jù)與大數(shù)據(jù)分析能力高—低不匹配時，企業(yè)雖擁有大數(shù)據(jù)，但因分析能力短板，僅能對大數(shù)據(jù)進行簡單解讀（Hooi等，2018［32］），大數(shù)據(jù)的價值無法充分發(fā)揮（余鯤鵬和李偉，2021［33］），產(chǎn)品創(chuàng)新度難以大幅提升。這種不匹配會增加大數(shù)據(jù)存儲成本、數(shù)據(jù)轉(zhuǎn)換為信息的難度和信息安全風(fēng)險（Akter等，2016［24］）。企業(yè)因此難以精準分析市場趨勢，容易因信息不準確而抑制產(chǎn)品創(chuàng)新度提升（Tan，2018［34］）。

大數(shù)據(jù)與大數(shù)據(jù)分析能力低—高不匹配時，超出信息處理需求的大數(shù)據(jù)分析能力會造成企業(yè)能力冗余和資源浪費（Song等，2020［35］；Isik，2018［36］）。這不利于企業(yè)對更重要資源進行投資（Tushman和Nadler，1978［9］），阻礙企業(yè)成功創(chuàng)新。同時，過度分析有限數(shù)據(jù)會造成企業(yè)對市場需求趨勢的錯誤解讀（Wang等，2019［37］），致使創(chuàng)新決策出現(xiàn)偏差，影響創(chuàng)新成效甚至導(dǎo)致創(chuàng)新失敗。因此提出假設(shè)：

假設(shè)1：大數(shù)據(jù)與大數(shù)據(jù)分析能力高—高匹配比不匹配更能提高產(chǎn)品創(chuàng)新度。

（2）高—高匹配與低—低匹配對產(chǎn)品創(chuàng)新度的影響

大數(shù)據(jù)與大數(shù)據(jù)分析能力高—高匹配時，面對海量數(shù)據(jù)，企業(yè)運用先進分析技術(shù)可以準確發(fā)現(xiàn)并歸類重要信息（Akter等，2016［24］），識別用戶新需求或確定新的細分市場（Wamba等，2017［29］），從而引領(lǐng)創(chuàng)新；可以有效預(yù)測服務(wù)創(chuàng)新方向和成果（Rialti等，2019［30］；周瀟等，2017［38］），正確制定創(chuàng)新流程與標準，運用全新技術(shù)和流程開發(fā)新穎的產(chǎn)品（Gupta和George，2016［3］；Tan，2018［34］），從而提高產(chǎn)品的技術(shù)新穎性；可以提出最優(yōu)解決方案并配備合適人員（Isik，2018［36］），率先將服務(wù)產(chǎn)品投入市場，從而提升產(chǎn)品的市場新穎性；可以精準地將新服務(wù)產(chǎn)品投放到細分市場和目標客戶（Song等，2020［35］），為其確定最優(yōu)銷售渠道與方式，為顧客提供個性化產(chǎn)品（程剛和李敏，2014［31］；Tan，2018［34］），提高產(chǎn)品創(chuàng)新度。

大數(shù)據(jù)與大數(shù)據(jù)分析能力低—低匹配時，企業(yè)擁有的大數(shù)據(jù)存量較低，大數(shù)據(jù)分析能力相應(yīng)也較低。這使企業(yè)缺少快速應(yīng)對變化的必要信息，難以洞察創(chuàng)新發(fā)展的新視角，缺乏創(chuàng)新靈感（Tan，2018［34］），進而阻礙產(chǎn)品創(chuàng)新度提升。其次，低—低匹配使企業(yè)無法及時獲取并有效分析顧客需求、偏好以及其對服務(wù)產(chǎn)品的反饋，導(dǎo)致企業(yè)缺乏對現(xiàn)有產(chǎn)品缺陷的感知（Akter等，2016［24］；程剛和李敏，2014［31］），繼而難以改進新產(chǎn)品，抑制產(chǎn)品創(chuàng)新度提高。最后，低—低匹配使企業(yè)無法合理運用現(xiàn)有資源有效改善生產(chǎn)工藝和技術(shù)流程（Gupta和George，2016［3］），較難實現(xiàn)產(chǎn)品有效地更新?lián)Q代，不利于提高產(chǎn)品創(chuàng)新度。因此提出假設(shè)：

假設(shè)2：大數(shù)據(jù)與大數(shù)據(jù)分析能力高—高匹配比低—低匹配更能提高產(chǎn)品創(chuàng)新度。

（3）低—高不匹配與高—低不匹配對產(chǎn)品創(chuàng)新度的影響

大數(shù)據(jù)與大數(shù)據(jù)分析能力低—高不匹配時，企業(yè)雖擁有較少的大數(shù)據(jù)，但卻擁有高水平的大數(shù)據(jù)分析能力。這有助于企業(yè)從大數(shù)據(jù)中準確發(fā)現(xiàn)并整理信息（Wamba等，2017［29］），設(shè)計創(chuàng)新流程及運營措施，根據(jù)市場需求重新組合現(xiàn)有資源，更新產(chǎn)品技術(shù)及功能（Gupta和George，2016［3］；李濤和高良謀，2016［39］），充分發(fā)揮大數(shù)據(jù)價值；有助于企業(yè)對市場需求和競爭者信息進行前瞻性分析（Cillo等，2010［40］），預(yù)判市場發(fā)展方向（王灝晨和溫珂，2020［20］），明確創(chuàng)新目標和方向（程剛和李敏，2014［31］），有效提高產(chǎn)品創(chuàng)新度。相反，大數(shù)據(jù)與大數(shù)據(jù)分析能力高—低不匹配時，企業(yè)雖然擁有大量高質(zhì)的數(shù)據(jù)，但缺乏從中挖掘市場趨勢和預(yù)測消費者行為的能力，無法準確定位創(chuàng)新方向（Tan，2018［34］）。這一方面導(dǎo)致企業(yè)大數(shù)據(jù)資源浪費，創(chuàng)新成本增加（Bumblauskas等，2017［41］）；另一方面使企業(yè)陷入處理過多信息的困境（Tan，2018［34］），增加決策偏差風(fēng)險。

與高—低不匹配相比，大數(shù)據(jù)與大數(shù)據(jù)分析能力低—高不匹配更能提升產(chǎn)品創(chuàng)新度的優(yōu)勢在于：作為不可模仿和復(fù)制的能力，大數(shù)據(jù)分析能力才是企業(yè)有效利用市場和顧客信息的重要手段（Akter等，2016［24］），是企業(yè)獲取差異化競爭優(yōu)勢的關(guān)鍵（Gupta和George，2016［3］）。對于產(chǎn)品創(chuàng)新度更重要的是企業(yè)可以通過組合、集成以及部署所擁有的大數(shù)據(jù)資源從而獲取戰(zhàn)略和運營新視角（Gupta和George，2016［3］）。高水平的大數(shù)據(jù)分析能力有助于企業(yè)在創(chuàng)新過程中使用新的技術(shù)手段和方法（周瀟等，2017［38］），進而幫助提高企業(yè)在創(chuàng)新過程中使用全新技術(shù)的可能性，提高產(chǎn)品創(chuàng)新度。因此提出假設(shè)：

假設(shè)3：大數(shù)據(jù)與大數(shù)據(jù)分析能力低—高不匹配比高—低不匹配更能提高產(chǎn)品創(chuàng)新度。

（4）低—低匹配對產(chǎn)品創(chuàng)新度的影響

與高—高匹配相比，大數(shù)據(jù)與大數(shù)據(jù)分析能力低—低匹配對產(chǎn)品創(chuàng)新度的影響作用更小。高—高匹配幫助企業(yè)充分利用大數(shù)據(jù)獲取創(chuàng)新視角，改造服務(wù)流程，提高新產(chǎn)品新穎度（Gupta和George，2016［3］；Song等，2020［35］）。而在低—低匹配時，企業(yè)在大數(shù)據(jù)資源與大數(shù)據(jù)分析能力方面均處于劣勢，無法利用大數(shù)據(jù)分析能力挖掘大數(shù)據(jù)中蘊藏的信息（Akter等，2016［24］），錯失創(chuàng)新機遇（Gupta和George，2016［3］），無法有效提高產(chǎn)品創(chuàng)新度。

與高—低不匹配相比，大數(shù)據(jù)與大數(shù)據(jù)分析能力低—低匹配對產(chǎn)品創(chuàng)新度的影響作用更小。高—低不匹配有助于企業(yè)借助充分的大數(shù)據(jù)了解關(guān)于其產(chǎn)品、顧客及市場的現(xiàn)狀和趨勢（Urbinati等，2019［42］）。即使深入分析和挖掘這些大數(shù)據(jù)的能力不足，企業(yè)也有更大的機會從海量大數(shù)據(jù)中萌發(fā)出新想法（Johnson等，2017［43］），從而規(guī)劃更好的創(chuàng)新流程（Hooi等，2018［32］；李濤和高良謀，2016［39］），提升產(chǎn)品創(chuàng)新度。而低—低匹配不僅無法獲取有價值的數(shù)據(jù)信息，也沒有可以利用和結(jié)構(gòu)化大數(shù)據(jù)的分析能力（Song等，2020［35］），其對產(chǎn)品創(chuàng)新度的提升作用更小。

與低—高匹配相比，大數(shù)據(jù)與大數(shù)據(jù)分析能力低—低匹配對產(chǎn)品創(chuàng)新度的影響作用更小。低—高不匹配比低—低匹配在大數(shù)據(jù)分析能力方面更有優(yōu)勢，較高的大數(shù)據(jù)分析能力可以幫助企業(yè)通過挖掘更多的數(shù)據(jù)信息獲取更多創(chuàng)新視角和方法（Wamba等，2017［29］），從而使新產(chǎn)品區(qū)別于現(xiàn)有市場中的產(chǎn)品（Tan，2018［34］）。因此提出假設(shè)：

假設(shè)4：大數(shù)據(jù)與大數(shù)據(jù)分析能力低—低匹配對產(chǎn)品創(chuàng)新度的影響最小。

3 研究設(shè)計

3.1 量表開發(fā)

本文基于文獻研究，借鑒國外期刊中成熟及引用頻率高的量表，遵循Song和Montoya-Weiss（2001）［44］所提程序開發(fā)量表。

首先，研究團隊對16個新服務(wù)開發(fā)項目進行案例研究，并對其項目團隊開展焦點小組訪談。焦點小組訪談中，設(shè)計并使用了開放式和半結(jié)構(gòu)化問題。第一組問題旨在評估變量測度的概念等價性，要求焦點小組成員定義大數(shù)據(jù)、大數(shù)據(jù)分析能力與產(chǎn)品創(chuàng)新度的關(guān)鍵構(gòu)件；第二組問題旨在評估變量測度的功能等價性，要求焦點小組成員評估理論模型與其開發(fā)經(jīng)驗的吻合程度；第三組問題旨在評估變量測度的類別等效性，詢問焦點小組成員對現(xiàn)有文獻及案例研究所得量表的相關(guān)性與完整性看法以確定變量測度題項（Song和Montoya-Weiss，2001［44］）。案例研究和焦點小組訪談結(jié)果表明，學(xué)術(shù)研究中使用的量表經(jīng)小幅修改后可用以測量研究變量。

其次，依據(jù)Churchill（1979）［45］所提措施，研究團隊就上述環(huán)節(jié)結(jié)果向中國工商管理學(xué)院的學(xué)術(shù)專家和參與案例研究的新服務(wù)開發(fā)項目負責(zé)人進行咨詢，請其評估、修改及再次審查量表。

再次，研究團隊對問卷進行雙重翻譯。2名翻譯人員獨立將英文問卷譯成中文；另外2名翻譯人員獨立將中文問卷回譯成英文；4名翻譯人員共同討論翻譯與回譯中不一致之處，再與案例研究和焦點小組訪談參與者討論并修改問卷。

最后，研究團隊實施了兩次預(yù)測試。第一次預(yù)測試中參與者就問卷中不清楚之處向在場的調(diào)研員提問并完成問卷。調(diào)研員均接受了培訓(xùn)以保障其以準確的表達來解釋問卷問題。第二次預(yù)測試包含一份修改過的問卷，請預(yù)測試參與者完成問卷并反饋問題。兩次預(yù)測試收集的修改建議均被納入問卷最終版本。

3.2 變量測量

本文借鑒Johnson等（2017）［43］、Ghasemaghaei和Calic（2019）［46］的研究，用包含大數(shù)據(jù)“4V”特征的4個題項測量大數(shù)據(jù)（見表1）。題項采用0-10的11級李克特量表。對于第一個題項，0代表非常不充足，5代表一般充足，10代表非常充足；對于其他題項，0代表非常不同意，5代表一般同意，10代表非常同意。

本文基于前期案例研究和焦點訪談結(jié)果，借鑒Gupta與George（2016）［3］、Wamba等（2017）［29］、Akter等（2016）［24］與Dubey等（2019）［25］的研究，采用5個題項測度大數(shù)據(jù)分析能力（見表1）。題項采用0-10的11級李克特量表，0代表不具備該項能力，5代表該項能力的水平一般，10代表該項能力的水平非常高。

本文借鑒Song與Parry（1997，1999）［47,11］，以及Song等（2020）［35］的研究，用5個題項測量產(chǎn)品創(chuàng)新度（見表1）。題項采用0-10的11級李克特量表，0代表非常不同意，5代表一般同意，10代表非常同意。

表1 變量測量題項

續(xù)表

3.3 數(shù)據(jù)收集

本文按照Song與Montoya-Weiss（2001）［44］，以及Dillman等（2014）［48］所提程序與方法收集數(shù)據(jù)。

研究團隊首先確定擬調(diào)研企業(yè)，與其取得聯(lián)系后，通過解釋學(xué)術(shù)研究目的及目標、提供研究報告等方式鼓勵企業(yè)同意參與調(diào)研。為了避免問卷填寫者美化或高估自身導(dǎo)致的偏差以及樣本自選擇帶來的內(nèi)生性問題，研究團隊要求每個同意參與調(diào)研的企業(yè)提供4種新服務(wù)開發(fā)項目，即正在進行的項目、典型項目、成功項目和失敗項目。對每種新服務(wù)開發(fā)項目，研究團隊均收集了大數(shù)據(jù)、大數(shù)據(jù)分析能力與產(chǎn)品創(chuàng)新度數(shù)據(jù)。為進一步避免樣本自選擇帶來的內(nèi)生性問題，研究團隊在不同時間將自變量和因變量數(shù)據(jù)分開收集，向新服務(wù)開發(fā)項目負責(zé)人收集大數(shù)據(jù)與大數(shù)據(jù)分析能力數(shù)據(jù)，向部門高級經(jīng)理（如市場、銷售與研發(fā)部門總監(jiān)）收集產(chǎn)品創(chuàng)新度數(shù)據(jù)。

為消除大數(shù)據(jù)、大數(shù)據(jù)分析能力與產(chǎn)品創(chuàng)新度的內(nèi)生性問題，本研究在每個新服務(wù)開發(fā)項目商業(yè)化（即投放市場）之后收集其產(chǎn)品創(chuàng)新度數(shù)據(jù)，對于未投放市場的項目，研究團隊繼續(xù)跟蹤直至其投放市場后收集產(chǎn)品創(chuàng)新度數(shù)據(jù)。大數(shù)據(jù)及大數(shù)據(jù)分析能力在新服務(wù)開發(fā)項目中的應(yīng)用具有前定性，各個新服務(wù)開發(fā)項目投放市場之后的產(chǎn)品創(chuàng)新度不會反向影響該項目開發(fā)中應(yīng)用的大數(shù)據(jù)與大數(shù)據(jù)分析能力。因此，可排除大數(shù)據(jù)、大數(shù)據(jù)分析能力與產(chǎn)品創(chuàng)新度因反向因果導(dǎo)致的內(nèi)生性問題。

樣本企業(yè)來自2004至2014年，深圳證券交易所中小企業(yè)板塊和創(chuàng)業(yè)板塊首次公開募股公司。研究采用特快專遞和電子郵件實施問卷調(diào)查。首先向開發(fā)項目負責(zé)人寄送一封快遞，包括一份個性化信件（闡述學(xué)術(shù)研究目的與目標，預(yù)先簽署保密協(xié)議及研究項目執(zhí)行摘要）、一份調(diào)查問卷、一個郵資已付且回信地址已經(jīng)填好的信封。第一封快遞寄出一周后，采用跟進信件和電子郵件等方式鼓勵受訪者回復(fù)問卷。對沒有回復(fù)的受訪者，繼續(xù)發(fā)送兩封跟進信件/電子郵件，并電話確認是否參與本研究。此外，為問卷填寫者提供免費的新服務(wù)開發(fā)培訓(xùn)項目以及可供參閱的研究報告清單以提高問卷回復(fù)率。采用上述數(shù)據(jù)收集方案，最終獲得164個醫(yī)療健康服務(wù)創(chuàng)新項目的完整數(shù)據(jù)。其中，成功項目62項，失敗項目102項，這也有效減少了樣本自選擇帶來的內(nèi)生性問題。

數(shù)據(jù)提供者行業(yè)經(jīng)驗（在相似行業(yè)或市場任職的總年數(shù)）小于等于10年的占比為21.95%，11至20年占比為40.85%，21至30年占比為34.15%，31至40年占比為3.05%；設(shè)計經(jīng)驗（在研發(fā)部門任職的總年數(shù)）小于等于10年的占比為62.80%，11至20年占比為37.20%；營銷經(jīng)驗小于等于10年的占比為10.98%，11至20年占比為48.17%，21至30年占比為37.19%，31至40年占比為3.66%；曾負責(zé)項目總數(shù)量小于等于10項的占比26.83%，11至20項占比為73.17%；團隊成員人數(shù)小于等于10人的占比為17.68%，11至20人占比為78.05%，21至30人占比為4.27%。

4 實證分析

4.1 信效度檢驗與描述性統(tǒng)計分析

表2顯示了變量信度與效度檢驗結(jié)果。大數(shù)據(jù)、大數(shù)據(jù)分析能力與產(chǎn)品創(chuàng)新度的Cronbach’s α值分別為0.802、0.787與0.841，大于門檻值0.700，說明量表信度良好。變量的各題項因子載荷在0.607至0.842之間，大于門檻值0.500，且沒有出現(xiàn)雙重載荷，說明問卷效度良好。

表2 變量信度與效度檢驗（N=164）

表3給出了變量均值、標準差和相關(guān)系數(shù)。由變量均值與標準差可知，本研究所用樣本既有大數(shù)據(jù)、大數(shù)據(jù)分析能力與產(chǎn)品創(chuàng)新度水平高的項目，也有水平低的項目，研究數(shù)據(jù)無顯著樣本自選擇內(nèi)生性問題。大數(shù)據(jù)與產(chǎn)品創(chuàng)新度的相關(guān)系數(shù)為0.245（p<0.010），大數(shù)據(jù)分析能力與產(chǎn)品創(chuàng)新度的相關(guān)系數(shù)為0.372（p<0.010），為本文假設(shè)檢驗提供初步判斷依據(jù)。

表3 變量描述性統(tǒng)計及相關(guān)系數(shù)矩陣（N=164）

4.2 匹配分析

借鑒Song等（2020）［35］的研究，本文將0和10作為大數(shù)據(jù)—大數(shù)據(jù)分析能力匹配與不匹配的起點與終點，以大數(shù)據(jù)均值（5.498）和大數(shù)據(jù)分析能力均值（6.319）為劃分標準，將164個服務(wù)創(chuàng)新項目分為了4種情況，如圖1所示。

圖1 4種大數(shù)據(jù)與大數(shù)據(jù)分析能力匹配與不匹配情況（N=164）

4.3 回歸分析

本文對4種大數(shù)據(jù)—大數(shù)據(jù)分析能力匹配/不匹配情況與產(chǎn)品創(chuàng)新度間的關(guān)系進行回歸分析（見表2）。因為本文將大數(shù)據(jù)—大數(shù)據(jù)分析能力匹配和不匹配這4個自變量定義為4個虛擬變量，回歸模型中不包括截距項。為分析假設(shè)是否成立，本文還檢驗了6對組別之間的參數(shù)估計值是否存在顯著差異（見表3）。由表4與表5可知：

表4 大數(shù)據(jù)—大數(shù)據(jù)分析能力匹配與不匹配對產(chǎn)品創(chuàng)新度的回歸分析結(jié)果（N=164）

表5 大數(shù)據(jù)—大數(shù)據(jù)分析能力匹配與不匹配情況對產(chǎn)品創(chuàng)新度的影響差異檢驗（N=164）

大數(shù)據(jù)與大數(shù)據(jù)分析能力高—高匹配（β=6.426，p<0.010）對產(chǎn)品創(chuàng)新度的正向影響作用大于高—低不匹配（β=4.970，p<0.010）和低—高不匹配（β=5.620，p<0.010）。大數(shù)據(jù)與大數(shù)據(jù)分析能力高—高匹配對產(chǎn)品創(chuàng)新度的影響作用與高—低不匹配（F=12.060，p<0.010）和低—高不匹配（F=3.470，p<0.100）的影響作用均存在顯著區(qū)別，表明大數(shù)據(jù)與大數(shù)據(jù)分析能力高水平匹配比不匹配更能提高產(chǎn)品創(chuàng)新度，假設(shè)1得到支持。

大數(shù)據(jù)與大數(shù)據(jù)分析能力高—高匹配（β=6.426，p<0.010）對產(chǎn)品創(chuàng)新度的正向影響作用大于低—低匹配（β=4.436，p<0.010）。大數(shù)據(jù)與大數(shù)據(jù)分析能力高—高匹配與低—低匹配（F=25.030，p<0.010）對產(chǎn)品創(chuàng)新度的影響作用存在顯著區(qū)別，表明大數(shù)據(jù)與大數(shù)據(jù)分析能力高水平匹配比低水平匹配更能提升產(chǎn)品創(chuàng)新度，假設(shè)2得到支持。

大數(shù)據(jù)與大數(shù)據(jù)分析能力低—高不匹配（β=5.620，p<0.010）對產(chǎn)品創(chuàng)新度的正向影響作用大于高—低不匹配（β=4.970，p<0.010）。大數(shù)據(jù)與大數(shù)據(jù)分析能力高—低不匹配與低—高不匹配對產(chǎn)品創(chuàng)新度的影響作用沒有顯著區(qū)別（F=1.750，p>0.100），假設(shè)3未得到支持。

大數(shù)據(jù)與大數(shù)據(jù)分析能力低—低匹配（β=4.436，p<0.010）對產(chǎn)品創(chuàng)新度的影響作用最小。大數(shù)據(jù)與大數(shù)據(jù)分析能力低—低匹配與高—高匹配（F=25.030，p<0.010）和低—高不匹配（F=6.280，p<0.050）之間均存在顯著差異。大數(shù)據(jù)與大數(shù)據(jù)分析能力低—低匹配與高—低不匹配（F=1.340，p>0.100）對產(chǎn)品創(chuàng)新度的影響作用沒有顯著區(qū)別，二者對產(chǎn)品創(chuàng)新度的影響作用均最低，假設(shè)4得到部分支持。

大數(shù)據(jù)與大數(shù)據(jù)分析能力高—高匹配對產(chǎn)品創(chuàng)新度的提升效果最大，是低—低匹配的1.449倍、低—高不匹配的1.143倍、高—低不匹配的1.293倍。當大數(shù)據(jù)與大數(shù)據(jù)分析能力處于高水平匹配狀態(tài)時，服務(wù)創(chuàng)新項目更容易實現(xiàn)產(chǎn)品創(chuàng)新度的提高。之后，對產(chǎn)品創(chuàng)新度的影響作用由大到小排序依次是大數(shù)據(jù)與大數(shù)據(jù)分析能力低—高不匹配、高—低不匹配與低—低匹配。

4.4 ANOVA分析

為驗證分析方法是否影響研究結(jié)論，本文按照He（2004）等［49］的研究程序，以均值為劃分標準進行ANOVA分析。結(jié)果顯示，總計自由度為163，組間偏差平方和為106.989，組內(nèi)偏差平方和為606.066，總計偏差平方和為713.056。由表6可知，統(tǒng)計樣本F值為9.410，p值小于0.010，因此拒絕無顯著差異的原假設(shè)，表明4種大數(shù)據(jù)—大數(shù)據(jù)分析能力匹配與不匹配情況下產(chǎn)品創(chuàng)新度均值有顯著區(qū)別。

表6 ANOVA分析結(jié)果（N=164）

為進一步檢驗4種大數(shù)據(jù)—大數(shù)據(jù)分析能力匹配與不匹配情況產(chǎn)品創(chuàng)新度均值存在的顯著差異，本文還進行了最小顯著差異（Least Significant Difference，LSD）檢驗分析，結(jié)果見表7。由表7可知，大數(shù)據(jù)與大數(shù)據(jù)分析能力高—高匹配產(chǎn)品創(chuàng)新度的均值均大于其余3種情況，且存在顯著差異，假設(shè)1與假設(shè)2得到驗證；高—低不匹配與低—高不匹配之間無顯著差異，假設(shè)3不成立；低—低匹配產(chǎn)品創(chuàng)新度的均值小于高—高匹配和低—高不匹配，但與高—低不匹配之間不存在顯著差異，假設(shè)4得到部分支持。

表7 最小顯著差異檢驗結(jié)果（N=164）

綜上，回歸分析與ANOVA分析得出相同結(jié)果，表明本文數(shù)據(jù)分析方法對研究結(jié)論沒有影響。

4.5 穩(wěn)健性檢驗

本文根據(jù)中位數(shù)劃分標準進行穩(wěn)健性檢驗。大數(shù)據(jù)的中位數(shù)值為6.000，大數(shù)據(jù)分析能力的中位數(shù)值為6.500。4種大數(shù)據(jù)—大數(shù)據(jù)分析能力匹配/不匹配與產(chǎn)品創(chuàng)新度間關(guān)系的回歸分析結(jié)果顯示：大數(shù)據(jù)與大數(shù)據(jù)分析能力高—高匹配對產(chǎn)品創(chuàng)新度的影響最大，接下來影響作用由大到小依次是低—高不匹配、高—低不匹配和低—低匹配（見評審人附表中圖A1與表A1，如有需要可加入正文）。該回歸結(jié)果與以均值為劃分標準的結(jié)果完全一致。

表A1 大數(shù)據(jù)—大數(shù)據(jù)分析能力匹配與不匹配對產(chǎn)品創(chuàng)新度的回歸分析結(jié)果（N=164）

圖A1 4種大數(shù)據(jù)與大數(shù)據(jù)分析能力匹配與不匹配情況（N=164）

4種大數(shù)據(jù)—大數(shù)據(jù)分析能力匹配與不匹配情況對產(chǎn)品創(chuàng)新度的影響差異檢驗結(jié)果顯示，高—高匹配對產(chǎn)品創(chuàng)新度的影響大于其它3種情況且具有顯著差異，假設(shè)1和假設(shè)2成立；高—低不匹配與低—高不匹配對產(chǎn)品創(chuàng)新度的影響作用未有顯著區(qū)別，假設(shè)3不成立；低—低匹配對產(chǎn)品創(chuàng)新度的影響最小，且這些情況之間均存在顯著區(qū)別，假設(shè)4成立（見評審人附表中表A2，如有需要可加入正文）。而4種大數(shù)據(jù)—大數(shù)據(jù)分析能力匹配與不匹配情況對產(chǎn)品創(chuàng)新度均值影響差異的ANOVA分析和LSD檢驗結(jié)果與此相同（見評審人附表中表A3與表A4，如有需要可加入正文）。上述結(jié)果與以均值作為劃分標準所得結(jié)果的不同之處在于：大數(shù)據(jù)與大數(shù)據(jù)分析能力高—低不匹配和低—低匹配對產(chǎn)品創(chuàng)新度的影響從不存在顯著差異變成存在顯著差異，其余情況對產(chǎn)品創(chuàng)新度地影響在兩種劃分標準下完全相同。一種解釋是：以均值作為劃分標準時，大數(shù)據(jù)與大數(shù)據(jù)分析能力低—低匹配和高—低不匹配的均值差較小，為-0.534（如表6所示：低—低匹配均值為4.436，高—低不匹配均值為4.970）。這表明大數(shù)據(jù)與大數(shù)據(jù)分析能力高—低不匹配的項目團隊雖比低—低匹配的團隊具備更多大數(shù)據(jù)，但這一資源優(yōu)勢并不明顯。因此，大數(shù)據(jù)與大數(shù)據(jù)分析能力高—低不匹配與低—低匹配對產(chǎn)品創(chuàng)新度的影響不存在顯著差異。而以中位數(shù)為劃分標準時，大數(shù)據(jù)與大數(shù)據(jù)分析能力低—低匹配和高—低不匹配的均值差較大，為-0.981（如評審人附表表A3所示：低—低匹配均值為4.393，高—低不匹配均值為5.374）。這意味著大數(shù)據(jù)與大數(shù)據(jù)分析能力高—低不匹配的項目團隊比低—低匹配的團隊具備更明顯的大數(shù)據(jù)資源優(yōu)勢。雖然大數(shù)據(jù)分析能力低，但具有更充沛大數(shù)據(jù)的項目團隊依然有更多機會從大數(shù)據(jù)中獲得豐富、及時、高價值的顧客需求、市場發(fā)展趨勢、現(xiàn)有競爭產(chǎn)品、技術(shù)變化及競爭等信息，繼而孕育新創(chuàng)意、應(yīng)用新技術(shù)、產(chǎn)生新流程以更大程度提升產(chǎn)品創(chuàng)新度。因此，大數(shù)據(jù)與大數(shù)據(jù)分析能力高—低不匹配與低—低匹配對產(chǎn)品創(chuàng)新度的影響表現(xiàn)出顯著差異。除此以外，其余結(jié)果在兩種劃分標準下完全相同。綜括以上分析可知，本文研究結(jié)果具有穩(wěn)健性。

表A2 大數(shù)據(jù)—大數(shù)據(jù)分析能力匹配與不匹配情況對產(chǎn)品創(chuàng)新度的影響差異檢驗表（N=164）

表A3 ANOVA分析結(jié)果表（N=164）

表A4 大數(shù)據(jù)—大數(shù)據(jù)分析能力匹配與不匹配情況產(chǎn)品創(chuàng)新度均值的差異檢驗表（N=164）

5 研究結(jié)論

5.1 結(jié)論與討論

第一，大數(shù)據(jù)與大數(shù)據(jù)分析能力高—高匹配比不匹配以及低—低匹配更有效提升產(chǎn)品創(chuàng)新度。因為具備高大數(shù)據(jù)與高大數(shù)據(jù)分析能力的企業(yè)可充分解讀海量數(shù)據(jù)，發(fā)現(xiàn)全新的知識關(guān)聯(lián)，產(chǎn)生更具顛覆性的創(chuàng)意，出臺最優(yōu)化的創(chuàng)新方案，提供具有最佳客戶體驗的產(chǎn)品組合（Gupta和George，2016［3］；Wamba等，2017［29］），最終使產(chǎn)品創(chuàng)新度達到新高度。該結(jié)論與本文假設(shè)一致，證明大數(shù)據(jù)—大數(shù)據(jù)分析能力匹配是提升產(chǎn)品創(chuàng)新度的內(nèi)在機制。這也再次印證了信息處理理論關(guān)于信息處理需求與能力匹配會產(chǎn)生更高績效的論斷。而該結(jié)論與Hao等（2019）［10］提出的大數(shù)據(jù)水平較高時提高大數(shù)據(jù)分析能力反而抑制產(chǎn)品創(chuàng)新度的結(jié)果不同。可能的解釋是本文從配對匹配角度，論證大數(shù)據(jù)與大數(shù)據(jù)分析能力賦能創(chuàng)新的匹配機制；Hao等（2019）［10］的研究從大數(shù)據(jù)分析能力的調(diào)節(jié)效應(yīng)角度，厘清大數(shù)據(jù)賦能創(chuàng)新的能力邊界條件。

第二，大數(shù)據(jù)與大數(shù)據(jù)分析能力低—高不匹配對產(chǎn)品創(chuàng)新度的提升作用僅次于高—高匹配，且比低—低匹配更高。因為大數(shù)據(jù)與大數(shù)據(jù)分析能力低—高不匹配依然可以滿足創(chuàng)新任務(wù)的信息處理需求。盡管低水平大數(shù)據(jù)限制了企業(yè)所能獲得的新關(guān)聯(lián)與新知識的規(guī)模，縮小了產(chǎn)品創(chuàng)新度提升空間，但具有高水平大數(shù)據(jù)分析能力的企業(yè)可從有限的大數(shù)據(jù)中獲得以往未曾有過的洞察從而提升產(chǎn)品創(chuàng)新度。而大數(shù)據(jù)與大數(shù)據(jù)分析能力低—低匹配意味著企業(yè)既缺乏必要的大數(shù)據(jù)也缺少對其的分析利用，企業(yè)難以產(chǎn)生區(qū)別于以往的創(chuàng)新性洞察以提升產(chǎn)品創(chuàng)新度。該結(jié)論與本文假設(shè)一致，但與信息處理理論提出的信息處理需求與信息處理能力匹配優(yōu)于不匹配的觀點不同（Tushman和Nadler，1978［9］），也與相關(guān)研究如Wagner等（2012）［27］發(fā)現(xiàn)的供需不確定與供應(yīng)鏈響應(yīng)性匹配會比不匹配取得更高資產(chǎn)回報的結(jié)論不同。一種解釋是信息處理理論及相關(guān)應(yīng)用研究沒有區(qū)分4種匹配/不匹配情況，僅對比了匹配與不匹配2種情況。

第三，大數(shù)據(jù)與大數(shù)據(jù)分析能力低—高不匹配不會比高—低不匹配更能提升產(chǎn)品創(chuàng)新度。該結(jié)論與本文研究假設(shè)不一致，也與Wagner等（2012）［27］以及Luo和Yu（2016）［28］提出的匹配過度（信息處理能力高于信息處理需求）對產(chǎn)品創(chuàng)新度的影響作用大于匹配不足（信息處理需求高于信息處理能力）的結(jié)果不同。一種解釋是大數(shù)據(jù)與大數(shù)據(jù)分析能力低—高不匹配導(dǎo)致創(chuàng)新出現(xiàn)能力冗余，而高—低不匹配造成創(chuàng)新中信息過載。兩種不匹配均存在負面影響從而對產(chǎn)品創(chuàng)新度的提升效果不存在顯著區(qū)別。

第四，大數(shù)據(jù)與大數(shù)據(jù)分析能力高—低不匹配與低—低匹配對提升產(chǎn)品創(chuàng)新度無顯著區(qū)別，二者對產(chǎn)品創(chuàng)新度的提升作用最小。該結(jié)論與本文研究假設(shè)不一致。一種解釋是在大數(shù)據(jù)環(huán)境下，大數(shù)據(jù)分析能力對提升產(chǎn)品創(chuàng)新度更重要。如果大數(shù)據(jù)分析能力較低，則大數(shù)據(jù)的高低對提升產(chǎn)品創(chuàng)新度無明顯區(qū)別。企業(yè)在大數(shù)據(jù)分析能力較低的情況下對大數(shù)據(jù)的投資不能收到期望回報。

綜括上述結(jié)果還可得到兩點進一步的結(jié)論：一是大數(shù)據(jù)與大數(shù)據(jù)分析能力高—高匹配最大程度提升著產(chǎn)品創(chuàng)新度。因此，在新服務(wù)開發(fā)所需大數(shù)據(jù)資源充裕的情況下，加快構(gòu)建高水平的大數(shù)據(jù)分析能力就成為產(chǎn)品創(chuàng)新度得以最大程度提升的關(guān)鍵。二是大數(shù)據(jù)與大數(shù)據(jù)分析能力低—高不匹配對產(chǎn)品創(chuàng)新度的提升作用略低于高—高匹配，但卻高于高—低不匹配與低—低匹配。因此，在大數(shù)據(jù)資源有限或不足的情況下，為提升產(chǎn)品創(chuàng)新度，企業(yè)應(yīng)首先致力于提高大數(shù)據(jù)分析能力而不是急于擴充大數(shù)據(jù)資源；在具備較強大數(shù)據(jù)分析能力之后，再著力于擴充大數(shù)據(jù)資源，直至達成大數(shù)據(jù)與大數(shù)據(jù)分析能力高—高匹配。

5.2 理論貢獻

第一，基于信息處理需求與能力匹配的觀點，構(gòu)建并驗證大數(shù)據(jù)—大數(shù)據(jù)分析能力匹配模型。多數(shù)現(xiàn)有研究分別考察大數(shù)據(jù)、大數(shù)據(jù)分析能力是否以及如何賦能創(chuàng)新。本文運用信息處理理論的配對匹配思維，提出大數(shù)據(jù)—大數(shù)據(jù)分析能力匹配賦能創(chuàng)新的觀點，而結(jié)論也證明了該匹配機制。本研究啟發(fā)理論界從匹配的新角度去發(fā)現(xiàn)大數(shù)據(jù)與大數(shù)據(jù)分析能力共同賦能創(chuàng)新的內(nèi)在機制，去關(guān)注大數(shù)據(jù)—大數(shù)據(jù)分析能力匹配的新命題。

第二，從產(chǎn)品創(chuàng)新度這一地位優(yōu)勢角度，探究大數(shù)據(jù)—大數(shù)據(jù)分析能力匹配賦能創(chuàng)新的效果?，F(xiàn)有研究考察的是傳統(tǒng)數(shù)據(jù)與數(shù)據(jù)分析能力對產(chǎn)品創(chuàng)新度的影響。本文劃分并剖析4種大數(shù)據(jù)—大數(shù)據(jù)分析能力匹配/不匹配對產(chǎn)品創(chuàng)新度的差異化影響，而結(jié)論也印證了上述匹配/不匹配情況對提升產(chǎn)品創(chuàng)新度存在差異。這既豐富了產(chǎn)品創(chuàng)新度的前因研究，從地位優(yōu)勢角度，加深對大數(shù)據(jù)、大數(shù)據(jù)分析能力賦能創(chuàng)新效果的理解；也驗證了信息處理理論在大數(shù)據(jù)時代背景下的適用性，豐富了現(xiàn)有信息處理理論研究。

第三，選取醫(yī)藥健康服務(wù)行業(yè)開展實證研究?，F(xiàn)有研究很少采用實證研究方法驗證大數(shù)據(jù)—大數(shù)據(jù)分析能力匹配的議題，以醫(yī)藥健康服務(wù)行業(yè)為例的實證研究更是稀缺。本文收集164個中國醫(yī)療健康服務(wù)創(chuàng)新項目數(shù)據(jù)，實證檢驗大數(shù)據(jù)—大數(shù)據(jù)分析能力匹配與/不匹配對產(chǎn)品創(chuàng)新度的差異化影響機理與重要程度。這為大數(shù)據(jù)、大數(shù)據(jù)分析能力相關(guān)研究增添了新證據(jù)，貢獻了新發(fā)現(xiàn)和新洞見，為數(shù)字經(jīng)濟時代醫(yī)藥健康服務(wù)業(yè)數(shù)字創(chuàng)新提供經(jīng)驗證據(jù)。

5.3 管理啟示

企業(yè)可從四方面構(gòu)建大數(shù)據(jù)分析能力。①明確提出應(yīng)用大數(shù)據(jù)分析技術(shù)及工具的愿景、目標及規(guī)劃，并清晰傳達至團隊成員，培養(yǎng)其數(shù)據(jù)驅(qū)動創(chuàng)新的意識，促使其積極應(yīng)用大數(shù)據(jù)分析技術(shù)和工具。②引入先進的大數(shù)據(jù)分析及算法工具，深度分析不同結(jié)構(gòu)和形式的大數(shù)據(jù)，從中提取與開發(fā)活動相關(guān)的價值性信息，依據(jù)數(shù)據(jù)制定相應(yīng)開發(fā)決策。③定期培訓(xùn)團隊成員應(yīng)用先進大數(shù)據(jù)分析技術(shù)和工具的技能，提高其對數(shù)據(jù)的敏感度和認知能力，注重培養(yǎng)其利用大數(shù)據(jù)預(yù)測潛在市場機會和發(fā)展趨勢的能力。④建立大數(shù)據(jù)分析與應(yīng)用的評價與獎勵機制，如將大數(shù)據(jù)分析的技能和素質(zhì)納入正式考評；對借助大數(shù)據(jù)分析獲得新穎洞察從而增強產(chǎn)品創(chuàng)新度的行為給予高水平獎勵。

企業(yè)可采取三項舉措擴充大數(shù)據(jù)資源。①從不同渠道獲取有關(guān)顧客需求、購買行為、產(chǎn)品使用行為、市場發(fā)展趨勢、技術(shù)發(fā)展及競爭性產(chǎn)品與服務(wù)等的結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù)。②不斷產(chǎn)生、更新大數(shù)據(jù)資源，并清洗、剔除有偏差的數(shù)據(jù)信息，保障大數(shù)據(jù)的時效性、準確性和價值性。③及時將高質(zhì)量的大數(shù)據(jù)資源傳播、共享至團隊成員，使每位團隊成員可以從大數(shù)據(jù)中及時了解市場動態(tài)，快速調(diào)整服務(wù)創(chuàng)新方向和方法。

5.4 研究局限與未來展望

首先，本文以醫(yī)療健康服務(wù)企業(yè)為研究樣本。后續(xù)研究應(yīng)對其他國家或其他行業(yè)的企業(yè)進行探討，以論證研究結(jié)論的跨國和跨行業(yè)適用性。其次，本文僅研究了大數(shù)據(jù)與大數(shù)據(jù)分析能力匹配與否對產(chǎn)品創(chuàng)新度的影響。未來研究可分析兩者匹配與否對創(chuàng)新質(zhì)量、創(chuàng)新速度和創(chuàng)新采納度的影響。最后，本文開發(fā)了問卷量表來測量產(chǎn)品創(chuàng)新度，今后應(yīng)考慮采用客觀數(shù)據(jù)作為衡量指標以進一步驗證研究結(jié)論。