摘 要：大數(shù)據(jù)已經(jīng)成為數(shù)字經(jīng)濟時代的基礎(chǔ)性要素，大數(shù)據(jù)分析能力日益成為產(chǎn)業(yè)界和學(xué)術(shù)界高度關(guān)注的研究議題。基于科學(xué)知識圖譜視角，以WOS和CNKI數(shù)據(jù)庫的主題文獻為研究對象，通過關(guān)鍵詞共現(xiàn)、高頻詞時區(qū)劃分、熱點詞聚類等計量分析和比較研究，對大數(shù)據(jù)分析能力的概念界定、研究演進脈絡(luò)和熱點前沿進行系統(tǒng)性的可視化分析。研究發(fā)現(xiàn)：①2016年以前大多聚焦于分析技術(shù)及管理問題等方面的探索，目前國外研究已進入崛起期，國內(nèi)研究尚處于成長期；②基于對大數(shù)據(jù)分析能力研究知識體系的聚類分析，歸納提煉出“理論基礎(chǔ)—前因—結(jié)果”三位一體的大數(shù)據(jù)分析能力研究核心理論框架；③企業(yè)績效、供應(yīng)鏈、組織學(xué)習(xí)、風(fēng)險管理、大數(shù)據(jù)分析隱私保護危機等是共同關(guān)注的前沿動向。最后，提出要重視和深入研究大數(shù)據(jù)分析能力的影響因素、對組織的影響以及研究方法創(chuàng)新等議題。研究結(jié)果對于系統(tǒng)把握大數(shù)據(jù)分析能力當(dāng)前研究進展以及未來研究方向，推動大數(shù)據(jù)分析能力研究發(fā)展具有重要意義。

關(guān)鍵詞：數(shù)字經(jīng)濟；大數(shù)據(jù)分析能力；科學(xué)知識圖譜；可視化

中圖分類號：F49" " 文獻標(biāo)志碼：A" " 文章編號：1671-0037（2023）4-1-21

DOI：10.19345/j.cxkj.1671-0037.2023.4.001

0 引言

數(shù)字經(jīng)濟時代，海量、實時、廣域滲透的大數(shù)據(jù)作為各類組織的核心資產(chǎn)，成為驅(qū)動企業(yè)管理決策智能化與產(chǎn)業(yè)數(shù)字化變革的顛覆性力量［1］?！丁笆奈濉贝髷?shù)據(jù)產(chǎn)業(yè)發(fā)展規(guī)劃》將大數(shù)據(jù)產(chǎn)業(yè)的高質(zhì)量發(fā)展作為主題，提出加快培育要素市場、發(fā)揮大數(shù)據(jù)特性優(yōu)勢等一系列任務(wù)，要求提升企業(yè)數(shù)據(jù)管理能力并構(gòu)建行業(yè)數(shù)據(jù)治理體系。黨的二十大報告指出，建設(shè)現(xiàn)代化產(chǎn)業(yè)體系，加快建設(shè)數(shù)字中國，加快推進數(shù)字經(jīng)濟和實體經(jīng)濟深度融合?？梢姡锫?lián)網(wǎng)、大數(shù)據(jù)和人工智能是未來創(chuàng)新的最大驅(qū)動因素［2］，數(shù)字基礎(chǔ)設(shè)施建設(shè)成為國家發(fā)展的重中之重［3］。大數(shù)據(jù)作為數(shù)字中國戰(zhàn)略的基石，對加快數(shù)字化發(fā)展、打造數(shù)字經(jīng)濟新優(yōu)勢、協(xié)同推進產(chǎn)業(yè)數(shù)字化和數(shù)字產(chǎn)業(yè)化具有不可替代的作用。因此，數(shù)字經(jīng)濟時代，如何正確地處理大數(shù)據(jù)、構(gòu)建起支撐數(shù)字平臺建設(shè)和商業(yè)模式設(shè)計的強大動態(tài)能力［4］并成功實現(xiàn)價值轉(zhuǎn)化，成為推動數(shù)實融合、做優(yōu)做強做大我國數(shù)字經(jīng)濟的重要而緊迫的議題。

2011年，全球知名咨詢公司麥肯錫在研究報告中指出，數(shù)據(jù)可以為世界經(jīng)濟創(chuàng)造重要價值，并將大數(shù)據(jù)定義為在合理時間內(nèi)無法用傳統(tǒng)數(shù)據(jù)庫軟件工具對其內(nèi)容進行抓取、管理和處理的大體量數(shù)據(jù)集合［5］。大數(shù)據(jù)為組織在數(shù)字化市場中獲得競爭優(yōu)勢創(chuàng)造了機會［6］。對大數(shù)據(jù)進行應(yīng)用分析，能夠使組織獲得一定程度的洞察力。大數(shù)據(jù)分析的相關(guān)研究逐漸出現(xiàn)，包括將數(shù)據(jù)挖掘、機器學(xué)習(xí)、社會網(wǎng)絡(luò)分析、數(shù)據(jù)可視化等先進的分析方法應(yīng)用于大數(shù)據(jù)生產(chǎn)和分析的過程［7］。作為分析大量數(shù)據(jù)的過程，大數(shù)據(jù)分析使企業(yè)和員工獲取價值［8］。然而，過度關(guān)注大數(shù)據(jù)分析導(dǎo)致現(xiàn)有研究聚焦在技術(shù)層面，忽視了大數(shù)據(jù)帶來的組織變革以及如何從戰(zhàn)略上對大數(shù)據(jù)加以利用。Markus［9］指出，大數(shù)據(jù)的真正潛力在于其對組織管理與創(chuàng)新的顛覆性影響。因此，為了向數(shù)據(jù)驅(qū)動的時代過渡，并為組織提供部署大數(shù)據(jù)計劃的具體指導(dǎo)，Gupta和George［10］系統(tǒng)解析了“大數(shù)據(jù)分析能力”這一概念，用以衡量組織在利用大數(shù)據(jù)獲取戰(zhàn)略和運營洞察力方面的熟練程度。雖然大數(shù)據(jù)分析能力被看作一種技術(shù)能力，但有研究表明，其在管理、社會與關(guān)系等層面也同樣重要［11］。然而，現(xiàn)有的大數(shù)據(jù)分析能力研究在發(fā)展企業(yè)管理理論方面仍處于起步階段［12］，且現(xiàn)有研究主要圍繞大數(shù)據(jù)分析能力的具體問題展開，或是探究某一領(lǐng)域的大數(shù)據(jù)分析能力，亟須加強對大數(shù)據(jù)分析能力學(xué)科體系的全面系統(tǒng)梳理以及演進趨勢跟蹤研判，從而助力數(shù)字經(jīng)濟高質(zhì)量發(fā)展。

基于上述理論背景和研究缺口，本研究采用科學(xué)知識圖譜的方法，對Web of Science（WOS）及中國知網(wǎng)（CNKI）數(shù)據(jù)庫中大數(shù)據(jù)分析能力領(lǐng)域的文獻進行全面梳理與對比，應(yīng)用CiteSpace文獻計量分析軟件，系統(tǒng)梳理大數(shù)據(jù)分析能力領(lǐng)域的研究概況、演進脈絡(luò)、理論體系以及前沿動向，以期推動大數(shù)據(jù)分析能力理論研究和實踐的不斷深化。研究貢獻體現(xiàn)在：一是從大數(shù)據(jù)分析能力的內(nèi)涵與維度，以及相關(guān)研究的發(fā)文量、發(fā)文期刊與作者等整體層面，系統(tǒng)梳理大數(shù)據(jù)分析能力的研究概況；二是基于計量軟件得出大數(shù)據(jù)分析能力研究各階段的高頻關(guān)鍵詞，對大數(shù)據(jù)分析能力研究的演進軌跡進行跟蹤，以探索該研究發(fā)展的脈絡(luò)和規(guī)律；三是基于嚴(yán)謹(jǐn)科學(xué)的證據(jù)，通過文獻計量工具客觀分析國內(nèi)外大數(shù)據(jù)分析能力研究的理論體系，形成核心理論框架。

1 研究設(shè)計

1.1 數(shù)據(jù)來源

本文數(shù)據(jù)來源于WOS核心數(shù)據(jù)庫與CNKI數(shù)據(jù)庫。國外文獻的篩選基于WOS核心數(shù)據(jù)庫，采用Science Citation Index Expanded（SCI-EXPANDED）、Social Sciences Citation Index（SSCI）兩大核心數(shù)據(jù)庫作為文獻檢索信息池，以Big Data Analytics Capability、Big Data Analytics Capacity為主題詞，構(gòu)造檢索式“TS=（Big Data Analytics Capability OR Big Data Analytics Capacity）”，以人工方式剔除非本學(xué)科領(lǐng)域研究或是信息不全的文獻，檢索時間自2012年起，截至2022年12月，最終篩選得到有效文獻556篇。中文文獻的篩選是基于中國知網(wǎng)（CNKI）數(shù)據(jù)庫，以南京大學(xué)“中文社會科學(xué)引文索引（CSSCI）來源期刊”和北京大學(xué)圖書館“中文核心期刊要目總覽”為檢索范圍，以“大數(shù)據(jù)分析能力”“大數(shù)據(jù)能力”以及“大數(shù)據(jù)”和“能力”為主題詞進行組合檢索與人工篩選，構(gòu)造檢索式“TS=（大數(shù)據(jù)分析能力OR大數(shù)據(jù)能力OR（大數(shù)據(jù)AND能力））”，檢索時間以2014年國內(nèi)相關(guān)主題文獻開始發(fā)表為起點，截至2022年12月，篩選得到中文文獻103篇。

1.2 研究方法

科學(xué)知識圖譜研究方法能夠反映本領(lǐng)域的研究概況，展現(xiàn)研究動態(tài)和發(fā)展趨勢，生成學(xué)科知識結(jié)構(gòu)，已被廣泛應(yīng)用于學(xué)術(shù)領(lǐng)域并得到普遍認(rèn)可［13］。本文基于科學(xué)知識圖譜方法，運用CiteSpace分析軟件，對國內(nèi)外大數(shù)據(jù)分析能力領(lǐng)域的研究進行文獻計量與可視化分析，具體包括：國內(nèi)外大數(shù)據(jù)分析能力研究領(lǐng)域論文產(chǎn)出情況；國內(nèi)外文獻共被引期刊與共被引作者分析；高頻關(guān)鍵詞時區(qū)分析；熱點詞聚類圖與核心理論框架構(gòu)建。通過以上研究，梳理分析得出國內(nèi)外大數(shù)據(jù)分析能力的研究概況、理論脈絡(luò)、框架以及前沿展望。

1.3 研究流程

首先，辨析大數(shù)據(jù)分析能力的概念源起、內(nèi)涵與維度，并結(jié)合國內(nèi)外大數(shù)據(jù)分析能力研究的發(fā)文量、共被引期刊、共被引作者等厘清領(lǐng)域內(nèi)基本研究概況；其次，利用高頻關(guān)鍵詞時區(qū)劃分，梳理出國內(nèi)外大數(shù)據(jù)分析能力研究發(fā)展的熱點演進過程，并用關(guān)鍵詞聚類方法構(gòu)建起國內(nèi)外大數(shù)據(jù)分析能力研究的核心理論框架；最后，探索分析得出前沿方向與未來展望，對大數(shù)據(jù)分析能力研究的相關(guān)內(nèi)容做出系統(tǒng)性的研究和評述。

2 大數(shù)據(jù)分析能力研究概況

本研究采用CiteSpace軟件對上述篩選得到的國內(nèi)外文獻進行初步計量統(tǒng)計，對比分析國內(nèi)外關(guān)于大數(shù)據(jù)分析能力研究的基本趨勢、高被引期刊分布、高被引作者分布等描述性結(jié)果，初步厘清其在國內(nèi)外的發(fā)展現(xiàn)狀，以此對大數(shù)據(jù)分析能力現(xiàn)有研究概況進行全面梳理，同時為后續(xù)對大數(shù)據(jù)分析能力研究熱點及演進脈絡(luò)的深入剖析提供參考。

2.1 大數(shù)據(jù)分析能力的概念與維度

大數(shù)據(jù)是由高容量、高速度和多樣性的數(shù)據(jù)所組成，一般認(rèn)為大數(shù)據(jù)分析能力是企業(yè)獲取、加工和應(yīng)用大數(shù)據(jù)提升績效的能力。Gupta和George［10］將大數(shù)據(jù)分析能力所需的組織資源定義為有形資源（數(shù)據(jù)、技術(shù)、其他基礎(chǔ)資源）、人力資源（大數(shù)據(jù)技術(shù)和管理技能）和無形資源（數(shù)據(jù)驅(qū)動的文化、組織學(xué)習(xí)的強度），這些資源組合幫助組織構(gòu)建特定的、難以模仿的大數(shù)據(jù)分析能力。Mikalef等［14］認(rèn)為，大數(shù)據(jù)分析能力是指企業(yè)通過挖掘、收集、清洗和管理海量離散的數(shù)據(jù)，實時組織、整合及重新配置企業(yè)內(nèi)外部資源，從而為企業(yè)創(chuàng)造潛在商業(yè)價值的動態(tài)能力。綜合而言，大數(shù)據(jù)分析能力可以被界定為組織通過有效開發(fā)數(shù)據(jù)、技術(shù)和人才，收集、存儲、處理和分析數(shù)據(jù)以產(chǎn)生洞察力的能力，有助于企業(yè)獲取競爭優(yōu)勢，提升企業(yè)績效。國內(nèi)外學(xué)者對大數(shù)據(jù)分析能力內(nèi)涵的代表性討論見表1。

在構(gòu)成維度方面，現(xiàn)有研究從不同理論視角做出了積極探討。例如，資源基礎(chǔ)理論認(rèn)為，企業(yè)資源包括有形資源、無形資源和人力資源，而能力則被定義為企業(yè)整合、配置與利用這些資源的能力。關(guān)于大數(shù)據(jù)分析能力的維度劃分存在多種形式，但依據(jù)資源基礎(chǔ)理論大致可歸結(jié)為基礎(chǔ)設(shè)施能力、人才能力以及管理能力3個部分。例如，Davenport等［19］提出，大數(shù)據(jù)分析能力的重點應(yīng)放在3個方面，即跨核心業(yè)務(wù)和運營職能的大數(shù)據(jù)管理能力、人力資源能力中的數(shù)據(jù)專家、先進的IT基礎(chǔ)設(shè)施能力。Gupta和George［10］列舉了7種資源以幫助企業(yè)構(gòu)建大數(shù)據(jù)分析能力。其中，有形資源包括數(shù)據(jù)、技術(shù)和其他基礎(chǔ)資源（如時間、投資），而人力資源包括管理技能和專業(yè)大數(shù)據(jù)技術(shù)，無形資源體現(xiàn)為數(shù)據(jù)驅(qū)動文化和組織學(xué)習(xí)強度。Akter等［12］將大數(shù)據(jù)分析管理能力、大數(shù)據(jù)分析基礎(chǔ)設(shè)施能力和大數(shù)據(jù)分析人才能力作為大數(shù)據(jù)分析能力的關(guān)鍵維度。雖然大數(shù)據(jù)分析能力存在不同的維度，但它們在大數(shù)據(jù)環(huán)境中相互交織、相互支撐，幫助組織實現(xiàn)業(yè)務(wù)目標(biāo)。因此，本文從大數(shù)據(jù)分析基礎(chǔ)設(shè)施能力、大數(shù)據(jù)分析管理能力以及大數(shù)據(jù)分析人才能力等3個方面對大數(shù)據(jù)分析能力的維度進行整合性探討。其中，大數(shù)據(jù)分析基礎(chǔ)設(shè)施能力是能夠收集、存儲、處理和分析大數(shù)據(jù)的信息系統(tǒng)的集合，這種技術(shù)能力能夠確保組織在任何情況下都可以處理不同類型的數(shù)據(jù)流［20］，包括兼容性、連接性、靈活性、模塊性等維度；大數(shù)據(jù)分析管理能力（大數(shù)據(jù)整合、協(xié)調(diào)和控制能力）對于選擇和應(yīng)用正確的大數(shù)據(jù)分析基礎(chǔ)設(shè)施以及識別提取數(shù)據(jù)集中的正確信息至關(guān)重要［21］，能夠解決數(shù)據(jù)質(zhì)量、數(shù)據(jù)政策合規(guī)性、監(jiān)管要求和數(shù)據(jù)治理等一系列管理問題；大數(shù)據(jù)分析人才能力是指具有分析技能或知識的專業(yè)人員在大數(shù)據(jù)背景下執(zhí)行特定任務(wù)的能力，其可以為企業(yè)創(chuàng)造競爭優(yōu)勢。國內(nèi)外對這一概念維度的主要劃分如表2所示。

2.2 國內(nèi)外大數(shù)據(jù)分析能力研究文獻發(fā)表的基本趨勢

近年來，隨著大數(shù)據(jù)技術(shù)的快速發(fā)展與應(yīng)用，與之相關(guān)的大數(shù)據(jù)分析能力研究文獻的發(fā)表量總體呈現(xiàn)不斷上升的趨勢（見圖1）。從英文文獻的發(fā)文量來看，第一階段是預(yù)熱起步期（2012—2015年），2012年Chen等［7］在MIS Quarterly發(fā)表的商業(yè)智能分析主題文章為后續(xù)組織大數(shù)據(jù)分析能力研究提供基礎(chǔ)，大數(shù)據(jù)分析能力相關(guān)的研究陸續(xù)呈現(xiàn)，但此時段年均發(fā)文量保持在20篇以內(nèi)；第二階段是高速增長期（2016—2022年），自2016年Gupta和George［10］、Akter等［12］對大數(shù)據(jù)分析能力的內(nèi)涵、維度進行了深入研究，文獻數(shù)量呈迅猛增長趨勢，且增速越來越快，2022年發(fā)文量已達到92篇?？梢?，學(xué)術(shù)界對這一主題的關(guān)注和重視程度正在快速攀升。中文文獻的發(fā)文量波動較小，自2014年程剛和李敏［17］界定了企業(yè)大數(shù)據(jù)能力的內(nèi)涵并提出了培育機制后，大數(shù)據(jù)分析能力的相關(guān)研究開始涌現(xiàn)。中文文獻在2021年達到了發(fā)文頂峰，內(nèi)容方面主要是國外研究的延續(xù)和深化。

2.3 國內(nèi)外研究中期刊分布情況對比

以大數(shù)據(jù)分析能力為研究主題的國內(nèi)外共被引文獻期刊知識圖譜見圖2、圖3，國內(nèi)外共被引期刊TOP10對比情況見表3。期刊被引頻次越高，表明該期刊得到學(xué)者認(rèn)同的程度越高。由圖2可知，International Journal of Production Economics是大數(shù)據(jù)分析能力領(lǐng)域共被引頻次最高的期刊，達172次。此期刊的影響因子為11.251，是管理科學(xué)與運籌學(xué)領(lǐng)域的權(quán)威期刊，為大數(shù)據(jù)分析能力領(lǐng)域的研究提供了堅實的知識基礎(chǔ)。此外，MIS Quarterly的共被引頻次為154，影響因子為8.513。該期刊為管理信息系統(tǒng)（MIS）領(lǐng)域的國際頂級期刊之一，屬于管理學(xué)門類，這體現(xiàn)了大數(shù)據(jù)分析能力研究在管理學(xué)領(lǐng)域的地位。

根據(jù)圖3所示，我國學(xué)者關(guān)于大數(shù)據(jù)分析能力的研究明顯更為關(guān)注國外的研究進展。國內(nèi)大數(shù)據(jù)分析能力研究領(lǐng)域共被引頻次排名前十位的期刊見表3。其中，Harvard Business Review、Academy of Management Review、Information amp; Management這3本期刊的中心性高于其他期刊，說明這些期刊在國內(nèi)研究領(lǐng)域中產(chǎn)生的影響更大。

通過對比國內(nèi)外高共被引期刊發(fā)現(xiàn)，Journal of Business Research、Journal of Management Information Systems、Information amp; Management、International Journal of Production Economics、Harvard Business Review等期刊在國內(nèi)外研究的共被引頻次排名中均靠前，說明國內(nèi)外對于大數(shù)據(jù)分析能力研究的核心文獻有著共同的關(guān)注度和認(rèn)可度。此外，國內(nèi)學(xué)者更加注重對國外研究前沿的持續(xù)追蹤，這些期刊在領(lǐng)域內(nèi)地位突出，共同構(gòu)成了大數(shù)據(jù)分析能力研究的重要載體，并為領(lǐng)域內(nèi)的后續(xù)探索起到了重要的導(dǎo)航作用。

2.4 國內(nèi)外研究中作者分布情況對比

理論的發(fā)展源于學(xué)者的研究，通過分析國內(nèi)外研究中共被引作者及其代表作，可以發(fā)現(xiàn)推動學(xué)科發(fā)展的關(guān)鍵學(xué)者并了解其重要貢獻。圖4、5為國內(nèi)外大數(shù)據(jù)分析能力研究共被引作者圖譜，國內(nèi)外共被引作者TOP10對比情況見表4。結(jié)果顯示，大數(shù)據(jù)分析能力研究領(lǐng)域貢獻最大的學(xué)者是Wamba Samuel Fosso，共被引頻次為127次。作為本領(lǐng)域的關(guān)鍵學(xué)者，Wamba發(fā)表的35篇文章在WOS數(shù)據(jù)庫中共計被引4 992次。Wamba等［22］將大數(shù)據(jù)分析能力劃分為3個維度（大數(shù)據(jù)分析管理能力、大數(shù)據(jù)分析技術(shù)能力和大數(shù)據(jù)分析人才能力）以及對應(yīng)的11個子維度，并立足于動態(tài)能力的視角，對大數(shù)據(jù)分析影響組織績效的機制進行研究，為后續(xù)大數(shù)據(jù)分析能力研究提供了理論基礎(chǔ)及研究方向。

Akter等［12］同樣是高共被引作者的代表，其于2016年發(fā)表的文章被引頻次高達385次。該文章在前人探究大數(shù)據(jù)分析能力與組織績效關(guān)系的基礎(chǔ)之上，進一步分析能力和商業(yè)戰(zhàn)略協(xié)調(diào)一致程度的調(diào)節(jié)效用，從而為實現(xiàn)商業(yè)目標(biāo)提供理論指導(dǎo)。除此之外，大數(shù)據(jù)分析能力研究領(lǐng)域共被引頻次較高的學(xué)者還包括Dubey Rameshwar、Podsakoff Philip M、Fornell Claes等，他們共同構(gòu)成了國外大數(shù)據(jù)分析能力研究領(lǐng)域的關(guān)鍵核心力量。

此外，根據(jù)表4可知，Chen Hsinchun作為高共被引作者在國內(nèi)外研究中呈現(xiàn)出高度重合，體現(xiàn)出其在領(lǐng)域內(nèi)的影響力。Chen等［16］利用動態(tài)能力理論將大數(shù)據(jù)分析概念化為獨特的信息處理能力，指出其可以為組織帶來競爭優(yōu)勢，并從供應(yīng)鏈管理的視角，采用技術(shù)—組織—環(huán)境（TOE）框架來識別影響大數(shù)據(jù)分析應(yīng)用的因素。Chen等的相關(guān)研究得到了國內(nèi)學(xué)者的廣泛關(guān)注。同樣在國內(nèi)有影響力的學(xué)者還包括Akter Shahriar、Mikalef Patrick等。其中，Mikalef等［23］借鑒資源基礎(chǔ)觀、動態(tài)能力觀與大數(shù)據(jù)分析能力已有研究，提出大數(shù)據(jù)分析能力能夠使企業(yè)產(chǎn)生洞察力，進而增強其動態(tài)能力，最終對營銷和技術(shù)能力產(chǎn)生積極影響。管理者應(yīng)將注意力從關(guān)注大數(shù)據(jù)投資的直接影響轉(zhuǎn)移到如何借助大數(shù)據(jù)分析能力實現(xiàn)組織能力提升上。此外，國內(nèi)研究共被引頻次較高的作者是謝衛(wèi)紅［18］，其在國內(nèi)研究中較早對大數(shù)據(jù)分析能力進行了內(nèi)涵界定與維度劃分，并探討了大數(shù)據(jù)能力視角下高管支持對商業(yè)模式創(chuàng)新的影響［24］，拓展了大數(shù)據(jù)環(huán)境下的企業(yè)商業(yè)模式創(chuàng)新研究，為后續(xù)研究開拓出新的視角。

3 大數(shù)據(jù)分析能力研究的熱點演進

本部分運用高頻關(guān)鍵詞時區(qū)分布來分析大數(shù)據(jù)分析能力研究熱點隨著時間動態(tài)演化的基本特征，由此探究大數(shù)據(jù)分析能力研究的創(chuàng)新熱點演進規(guī)律，觀察到國內(nèi)外大數(shù)據(jù)分析能力研究自起步后呈現(xiàn)出漸進式的演進特點。

3.1 國外研究熱點演進

通過分析國外大數(shù)據(jù)分析能力研究文獻中高頻關(guān)鍵詞及研究熱點動態(tài)演化路徑（見表5），發(fā)現(xiàn)國外大數(shù)據(jù)分析能力研究的演進經(jīng)歷了2個階段。

第一階段（起步期）：2012—2015年。此階段，大數(shù)據(jù)分析（BDA）及其能力相關(guān)研究開始涌現(xiàn)，但大數(shù)據(jù)分析的發(fā)展還未成熟，大多聚焦于分析技術(shù)、分析工具以及管理問題的探索，而關(guān)于核心問題則缺乏探討。

第二階段（崛起期）：2016—2022年。此階段，Gupta和George［10］提出構(gòu)建大數(shù)據(jù)分析能力的資源組合，以及Akter等［12］提出大數(shù)據(jù)分析能力的三維度劃分模型，為大數(shù)據(jù)分析能力的研究奠定了堅實的基礎(chǔ)。這些促進了大數(shù)據(jù)分析能力在價值創(chuàng)造、商業(yè)模式創(chuàng)新、組織績效、競爭優(yōu)勢、組織能力以及戰(zhàn)略一致性等方面的研究，研究視野得到拓寬。同時，動態(tài)能力理論、資源基礎(chǔ)觀也成為其理論基礎(chǔ)并得到廣泛研究運用。此外，隨著物聯(lián)網(wǎng)、工業(yè)4.0的發(fā)展，組織的大數(shù)據(jù)分析能力發(fā)展面臨諸多挑戰(zhàn)，這些挑戰(zhàn)不僅在于技術(shù)，還涉及組織的戰(zhàn)略、管理（包括供應(yīng)鏈管理）等方面。

3.2 國內(nèi)研究熱點演進

通過分析國內(nèi)大數(shù)據(jù)分析能力研究文獻中高頻關(guān)鍵詞及研究熱點動態(tài)演化路徑（見表6），發(fā)現(xiàn)國內(nèi)大數(shù)據(jù)分析能力研究的演進經(jīng)歷了2個階段。

第一階段（萌芽期）：2014—2015年。此階段，國內(nèi)首次出現(xiàn)大數(shù)據(jù)分析能力的相關(guān)研究，主要是吸取國外最新研究成果，探究大數(shù)據(jù)分析能力在企業(yè)中的培育，關(guān)注數(shù)據(jù)人才［17］。但由于國外大數(shù)據(jù)分析能力研究正處于起步階段，研究成果積累較少，因此，國內(nèi)研究多聚焦于大數(shù)據(jù)、大數(shù)據(jù)分析與企業(yè)管理相結(jié)合。

第二階段（成長期）：2016—2022年。隨著國內(nèi)外研究不斷積累，謝衛(wèi)紅等［18］在前人研究的基礎(chǔ)上，開展了大數(shù)據(jù)能力內(nèi)涵、維度及其與集團管控關(guān)系的探究，奠定了國內(nèi)大數(shù)據(jù)分析能力的研究基礎(chǔ)。自此之后，大數(shù)據(jù)分析能力研究不斷得到拓展，涉及商業(yè)模式、公共決策、企業(yè)績效、傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)型升級、平臺企業(yè)發(fā)展以及跨界搜尋、知識管理等方面的管理應(yīng)用。近年來，國內(nèi)大數(shù)據(jù)分析能力研究對于知識搜尋、知識吸收、知識創(chuàng)造以及知識動態(tài)能力等尤為關(guān)注，體現(xiàn)出當(dāng)今時代大數(shù)據(jù)作為數(shù)據(jù)資源要素轉(zhuǎn)化為能力的重要性。

4 大數(shù)據(jù)分析能力研究的核心知識體系

在分析國內(nèi)外大數(shù)據(jù)分析能力研究概況與熱點的基礎(chǔ)上，運用CiteSpace進行高頻關(guān)鍵詞聚類分析，可以得到研究熱點知識圖譜（見圖6、圖7、表7）。其中，國外分析的Modularity Q值為0.749 1，Mean Silhouette S值為0.919 9；國內(nèi)分析的Modularity Q值為0.765 9，Mean Silhouette S值為0.945 2。上述結(jié)果說明聚類輪廓良好。通過對國內(nèi)外大數(shù)據(jù)分析能力研究熱點的比較分析，發(fā)現(xiàn)當(dāng)下熱點議題聚焦于大數(shù)據(jù)分析能力的理論基礎(chǔ)、前因以及結(jié)果探討。這為大數(shù)據(jù)分析能力研究提供了理論框架，為深化對大數(shù)據(jù)分析能力前沿?zé)狳c的研究提供了整體性參考。

4.1 大數(shù)據(jù)分析能力理論基礎(chǔ)

類Ⅰ為大數(shù)據(jù)分析能力理論基礎(chǔ)研究。該聚類中國外文獻高頻關(guān)鍵詞主要包括“Dynamic Capability View”“Resource Based View”等，國內(nèi)文獻高頻關(guān)鍵詞同樣體現(xiàn)在“動態(tài)能力理論”以及“資源基礎(chǔ)觀”等方面?？梢?，該聚類主要圍繞大數(shù)據(jù)分析能力的理論基礎(chǔ)進行研究。大數(shù)據(jù)分析能力的國內(nèi)外研究中應(yīng)用了不同的理論基礎(chǔ)，如資源基礎(chǔ)觀（RBV）、動態(tài)能力理論（DC）、技術(shù)—組織—環(huán)境（TOE）框架、基于實踐的觀點（PBV）、知識基礎(chǔ)觀（KBV）、組織發(fā)展理論（OD）等。

4.1.1 資源基礎(chǔ)觀。資源基礎(chǔ)觀（RBV）是解釋企業(yè)如何通過手中的資源獲取和維持競爭優(yōu)勢的最有力理論之一［25］。最初，RBV將資源定義為稀有的、不可替代的企業(yè)特定資產(chǎn)，其能夠使企業(yè)實施價值創(chuàng)造戰(zhàn)略以產(chǎn)生租金［26］。這一概念后來被拆分開，以區(qū)分資源選擇和能力構(gòu)建。資源和能力是RBV的核心組成部分，通常被稱為資產(chǎn)［27］。通過開發(fā)企業(yè)特定能力將資源轉(zhuǎn)化為潛在戰(zhàn)略資產(chǎn)一直是學(xué)術(shù)界關(guān)注的主題［28］。而能力的運作方式各不相同，并基于一些內(nèi)外部因素使企業(yè)獲取不同程度的競爭優(yōu)勢和績效［29］?；谛畔⒓夹g(shù)（IT）能力，RBV已被廣泛應(yīng)用于IT環(huán)境［30］。企業(yè)要增強IT能力，就必須對所有必要的資源進行投資。將IT資源與其他組織資源相結(jié)合的能力是競爭優(yōu)勢的來源［31］。在大數(shù)據(jù)的背景下，識別不同類型的資源尤為重要，企業(yè)對各種能力的重視程度不同是企業(yè)競爭優(yōu)勢差異的來源［32］。李文等［33］提出，企業(yè)僅僅掌握大數(shù)據(jù)資源是無法構(gòu)成企業(yè)競爭力的，只有將數(shù)據(jù)資源與能力進行合理的匹配，才能使企業(yè)的競爭優(yōu)勢得以實現(xiàn)。因此，企業(yè)必須具備大數(shù)據(jù)分析能力，把大數(shù)據(jù)資源轉(zhuǎn)換為相應(yīng)的能力，如此才能在動態(tài)平衡的條件下，取得持續(xù)的競爭優(yōu)勢。

4.1.2 動態(tài)能力理論。動態(tài)能力（DC）已成為戰(zhàn)略管理研究中最具影響力的理論視角之一［34］。學(xué)者們發(fā)現(xiàn)，RBV并不能充分解釋為什么一些公司在資源與能力快速變化且不確定的情況下依舊能獲得競爭優(yōu)勢［35］。而動態(tài)能力理論擴展了RBV。動態(tài)能力使企業(yè)能夠在不斷變化的條件下整合、構(gòu)建和重新配置自身的資源與能力，保持競爭優(yōu)勢［36］。可見，動態(tài)能力強調(diào)在不斷變化的環(huán)境中利用戰(zhàn)略調(diào)整來提高能力。動態(tài)能力理論促使學(xué)者關(guān)注組織如何發(fā)展其應(yīng)對環(huán)境變化的能力。在動態(tài)的商業(yè)環(huán)境中，組織發(fā)展愈發(fā)注重面向大數(shù)據(jù)，且大數(shù)據(jù)決策對其能力構(gòu)建至關(guān)重要［6］。動態(tài)能力框架也被應(yīng)用于現(xiàn)有文獻中，以討論大數(shù)據(jù)分析能力［22］。此外，國內(nèi)有學(xué)者提出企業(yè)動態(tài)能力包含技術(shù)、組織和管理等3個方面的能力，協(xié)助組織應(yīng)對外部動態(tài)環(huán)境，滿足客戶需求［37］。在當(dāng)前的大數(shù)據(jù)時代，各類數(shù)據(jù)爆炸式增長，企業(yè)必須建立相應(yīng)的動態(tài)能力，以獲取競爭優(yōu)勢［38］。

4.1.3 技術(shù)—組織—環(huán)境（TOE）框架。技術(shù)—組織—環(huán)境（TOE）框架由Tornatzky等［39］所開發(fā)，假設(shè)技術(shù)、組織與環(huán)境是影響組織實施技術(shù)創(chuàng)新的3個要素。其中，技術(shù)層面包括組織內(nèi)部現(xiàn)有的技術(shù)以及組織可從外部獲取但尚未采用的技術(shù)；組織層面與企業(yè)的資源和資產(chǎn)有關(guān)，如企業(yè)的規(guī)模、層級、程序、行政結(jié)構(gòu)、人力資源、其他資源以及員工工作間的聯(lián)系等；環(huán)境層面代表組織開展活動的空間，包括企業(yè)所在行業(yè)、競爭對手、供應(yīng)商以及與政府的關(guān)系等。在TOE框架視角下，組織實現(xiàn)大數(shù)據(jù)分析應(yīng)用受技術(shù)特點的直接影響，且高管支持能夠增強組織與環(huán)境特點對大數(shù)據(jù)分析應(yīng)用的作用［16］。如今，TOE框架已被廣泛應(yīng)用于大數(shù)據(jù)研究領(lǐng)域，以評估企業(yè)技術(shù)創(chuàng)新的實現(xiàn)程度，包括云計算［40］、區(qū)塊鏈［41］、物聯(lián)網(wǎng)［42］和大數(shù)據(jù)分析［43］等。

4.1.4 基于實踐的觀點?；趯嵺`的觀點（PBV）由Bromiley和Rau［44］所提出。許多戰(zhàn)略管理研究致力于解釋宏觀層面的企業(yè)行為或特征對企業(yè)績效的影響，較少考慮管理者可能使用具體的、實際的技術(shù)來制定戰(zhàn)略或開展普適的企業(yè)實踐。基于實踐的戰(zhàn)略觀點正好可以彌補這一不足。不同于資源基礎(chǔ)觀（RBV）強調(diào)其他企業(yè)無法模仿的事物，PBV聚焦于可模仿的活動或?qū)嵺`，通常被應(yīng)用于公共領(lǐng)域。PBV中的一些實踐涉及戰(zhàn)略制定與實施，也有一些實踐涉及影響績效的具體活動。從本質(zhì)上講，任何為管理者行為提供具體指導(dǎo)的實踐都可能成為PBV中企業(yè)績效的潛在解釋變量。在與大數(shù)據(jù)相關(guān)的IT研究中，學(xué)者提出PBV能夠彌補信息技術(shù)資源與能力有時無法對企業(yè)績效產(chǎn)生明顯促進作用的不足，幫助管理者理解實踐中的關(guān)鍵要素是如何與信息技術(shù)工具進行交互的［45］。

4.1.5 知識基礎(chǔ)觀。由資源基礎(chǔ)觀衍生的知識基礎(chǔ)觀（KBV）側(cè)重于知識在獲取競爭優(yōu)勢中的作用［46］。知識是一種關(guān)鍵的企業(yè)資源，由于難以被模仿，知識資產(chǎn)會為企業(yè)創(chuàng)造長期競爭優(yōu)勢。因此，企業(yè)需要有效識別和管理其知識資產(chǎn)，以獲得競爭優(yōu)勢。信息技術(shù)因能夠在企業(yè)中產(chǎn)生和傳播知識而發(fā)揮著重要的作用［47］。例如，先進的信息技術(shù)（如數(shù)據(jù)分析工具）可用于集成和分析大數(shù)據(jù)，并加快企業(yè)內(nèi)部的知識共享過程［46］；企業(yè)存儲的知識可以與應(yīng)用數(shù)據(jù)分析工具幫助決策時所產(chǎn)生的見解相結(jié)合［10］。此外，王玉峰等［38］基于知識基礎(chǔ)觀，提出企業(yè)的大數(shù)據(jù)能力使員工能夠操作相應(yīng)的數(shù)據(jù)技術(shù)系統(tǒng)，促進員工間的知識傳遞與吸收；大數(shù)據(jù)能力能夠代表企業(yè)自身的知識信息處理能力，間接作用于知識轉(zhuǎn)移；企業(yè)知識具有增量累積性，大數(shù)據(jù)能力在一定程度上提高了知識的累積速度，加快了知識轉(zhuǎn)移進程。

4.1.6 組織發(fā)展理論。組織發(fā)展理論（OD）強調(diào)發(fā)展的目標(biāo)是向組織轉(zhuǎn)移知識和技能，以提升組織解決問題的能力并管理未來的變化，涉及一群人作為一個團隊開展工作，以提高組織的效率、能力、績效以及適應(yīng)文化、政策、實踐和程序規(guī)定的能力［48］，包括組織氛圍、文化和能力［49］。其中，組織氛圍是指組織的獨特個性，是同一組織中各成員共享的認(rèn)知，包括對政策、實踐的看法以及領(lǐng)導(dǎo)力、溝通方式、管理方式；組織文化包括共同遵循的基本信念、價值觀、規(guī)范、行為模式等；組織能力體現(xiàn)組織的功能，如服務(wù)、產(chǎn)品的生產(chǎn)或組織運營的維護。組織氛圍和文化能夠影響組織良好運作的能力［50］。在大數(shù)據(jù)分析應(yīng)用方面，為了更好地實現(xiàn)組織決策，需要有效的組織運作過程幫助執(zhí)行操作，包括連續(xù)診斷、行動規(guī)劃以及大數(shù)據(jù)分析的實施和評估等［51］。

4.2 大數(shù)據(jù)分析能力前因

類Ⅱ為大數(shù)據(jù)分析能力前因研究。該聚類中國外文獻高頻關(guān)鍵詞主要包括“Exploitation”“Antecedent”“Machine Learning”“Big Data”“Data Quality”等，國內(nèi)文獻高頻關(guān)鍵詞涉及“大數(shù)據(jù)”“信息技術(shù)”“人工智能”“學(xué)習(xí)導(dǎo)向”等。對大數(shù)據(jù)分析能力前因的探討是從不同角度切入的，結(jié)合上述理論基礎(chǔ)，將前因分為3個主要維度，即組織技術(shù)、組織管理、組織環(huán)境。

4.2.1 組織技術(shù)。技術(shù)是大數(shù)據(jù)分析能力前因中的一個重要維度，相關(guān)因素涉及數(shù)據(jù)特征、技術(shù)基礎(chǔ)設(shè)施、技術(shù)工具以及技術(shù)兼容性等。其一，數(shù)據(jù)特征體現(xiàn)為數(shù)據(jù)源和數(shù)據(jù)質(zhì)量。擁有不同類型的數(shù)據(jù)源，導(dǎo)致組織采取以數(shù)據(jù)為中心的行為（如搜集、清洗、整合、處理、協(xié)調(diào)和重復(fù)利用數(shù)據(jù)），最終依據(jù)其實際情況開發(fā)出不同類型的大數(shù)據(jù)分析能力（描述性、預(yù)測性和規(guī)定性能力）［52］。開發(fā)組織的大數(shù)據(jù)分析能力，需要充分考慮數(shù)據(jù)質(zhì)量。高質(zhì)量的數(shù)據(jù)符合高效分析所需要的可靠、及時、相關(guān)、安全、準(zhǔn)確的數(shù)據(jù)標(biāo)準(zhǔn)，在構(gòu)建大數(shù)據(jù)分析能力時尤為重要［53］。大數(shù)據(jù)分析能力的構(gòu)建是一個漸進的過程，企業(yè)必須把數(shù)據(jù)看作重要的生產(chǎn)要素，并通過建立數(shù)據(jù)管理機制來保證數(shù)據(jù)的可用性、質(zhì)量和安全性，從而為數(shù)據(jù)應(yīng)用打下堅實的基礎(chǔ)［54］。其二，強大的數(shù)據(jù)基礎(chǔ)設(shè)施可以確保企業(yè)更快捷地搜集與整理數(shù)據(jù)，以進行廣泛的數(shù)據(jù)分析應(yīng)用［55］。基礎(chǔ)設(shè)施反映了組織的數(shù)據(jù)驅(qū)動能力。IT基礎(chǔ)設(shè)施、人力資本和文化資源的平衡對于有效地搜集、利用大數(shù)據(jù)資源十分必要，擁有基礎(chǔ)設(shè)施可以更容易地處理和分析大量數(shù)據(jù)［56］。其三，大數(shù)據(jù)分析能力需要組織商業(yè)智能系統(tǒng)、云計算、關(guān)系數(shù)據(jù)庫管理系統(tǒng)（RDBMS）、NoSQL數(shù)據(jù)庫、先進分析軟件等技術(shù)工具［57-60］的支持。借助先進的技術(shù)工具，可以使企業(yè)有效地獲得對于過去、現(xiàn)在和未來事物的深入認(rèn)知［53］。葉英平等［61］提出建立知識倉庫及系統(tǒng)性的分析原則，搭建人機交互平臺，協(xié)助企業(yè)應(yīng)對大數(shù)據(jù)時代的知識管理挑戰(zhàn)，使企業(yè)具有更強的變革思維以及動態(tài)的溝通能力、分析能力和決策能力。其四，在研究技術(shù)特性對大數(shù)據(jù)分析應(yīng)用的影響時，技術(shù)兼容性被看作大數(shù)據(jù)分析的一個高度相關(guān)屬性，它支持信息的連續(xù)流動以保證組織進行實時決策。若管理者認(rèn)為大數(shù)據(jù)分析應(yīng)用與現(xiàn)有的組織價值觀和工作實踐相兼容，則會促進大數(shù)據(jù)分析能力的發(fā)展［16］。國內(nèi)學(xué)者提出，組織技術(shù)兼容對數(shù)據(jù)共享、監(jiān)管和利用具有顯著的正向支撐作用［62］。

4.2.2 組織管理。組織管理維度的前因涉及技術(shù)技能、管理技能、領(lǐng)導(dǎo)力與高管支持、學(xué)習(xí)導(dǎo)向等。其一，技術(shù)技能是指使用新技術(shù)從大數(shù)據(jù)中提取商業(yè)智能運作所需的專業(yè)知識，形成包括機器學(xué)習(xí)、數(shù)據(jù)提取、數(shù)據(jù)清理、統(tǒng)計分析和理解等方面的能力［10，63］。其二，管理技能是企業(yè)所特有的，管理者應(yīng)用其技術(shù)團隊從數(shù)據(jù)中洞察到的有用知識，能夠了解其他業(yè)務(wù)部門、客戶和其他合作伙伴的當(dāng)前需求并預(yù)測其未來需求。技術(shù)技能、管理技能和混合技能等對于通過大數(shù)據(jù)分析將數(shù)據(jù)轉(zhuǎn)化為價值至關(guān)重要，也是在組織中實施有效的大數(shù)據(jù)分析所必需的。其三，領(lǐng)導(dǎo)力與高管支持在構(gòu)建大數(shù)據(jù)分析能力中不可或缺［57，64］。領(lǐng)導(dǎo)者推動變革的意向、對機會與資源的感知以及實現(xiàn)變革的意愿和能力促使其采用適當(dāng)?shù)念I(lǐng)導(dǎo)行為來影響組織的信息分析，進而提供有利的環(huán)境以培養(yǎng)組織大數(shù)據(jù)決策能力；高管支持促使組織對先進的軟件和工具進行投資，以實現(xiàn)有效的大數(shù)據(jù)驅(qū)動分析。此外，大數(shù)據(jù)管理者和其他管理者之間的相互信任和良好工作關(guān)系可能會促使組織開發(fā)出更強的大數(shù)據(jù)分析能力［10］。其四，在構(gòu)建與發(fā)展大數(shù)據(jù)分析能力時，企業(yè)通過變革思維方式，形成一種有效的組織學(xué)習(xí)機制，以適應(yīng)新技術(shù)的發(fā)展和大數(shù)據(jù)的應(yīng)用；通過持續(xù)提升大數(shù)據(jù)能力，來應(yīng)對動態(tài)化的技術(shù)變革和市場的挑戰(zhàn)。因此，學(xué)習(xí)導(dǎo)向在大數(shù)據(jù)能力提升中發(fā)揮著非常重要的作用［65］。

4.2.3 組織環(huán)境。組織環(huán)境維度的前因研究主要從數(shù)據(jù)驅(qū)動的組織文化以及組織學(xué)習(xí)的角度展開。學(xué)者在探討大數(shù)據(jù)分析能力構(gòu)建所需的資源時就提到無形資源。一方面，數(shù)據(jù)驅(qū)動文化對大數(shù)據(jù)分析能力至關(guān)重要［66］，也是決定組織能否成功和業(yè)務(wù)與組織戰(zhàn)略能否保持一致的關(guān)鍵因素［67］。如果沒有數(shù)據(jù)驅(qū)動的決策環(huán)境，企業(yè)則無法充分利用大數(shù)據(jù)分析能力［68］。組織文化能夠增強企業(yè)從大數(shù)據(jù)中獲益的能力。這種以變化為導(dǎo)向的文化對于企業(yè)重新調(diào)整流程和適應(yīng)不斷變化的業(yè)務(wù)需求十分重要，促使企業(yè)快速感知并抓住大數(shù)據(jù)發(fā)展所帶來的機會［69］。另一方面，組織學(xué)習(xí)也被看作大數(shù)據(jù)分析能力構(gòu)建過程中的重要因素。技術(shù)與商業(yè)實踐的不斷變化，要求企業(yè)將持續(xù)學(xué)習(xí)的理念融入組織結(jié)構(gòu)［10］。組織學(xué)習(xí)強度高的企業(yè)會利用其知識儲備進一步驗證從大數(shù)據(jù)分析中獲得的初步見解。

4.3 大數(shù)據(jù)分析能力結(jié)果

類Ⅲ為大數(shù)據(jù)分析能力結(jié)果研究。該聚類中國外文獻高頻關(guān)鍵詞主要包括“Industry 4.0”“Performance”“Management”“Business Value”“Iot”“Model”“Decision Making”“Absorptive Capacity”等，國內(nèi)文獻高頻關(guān)鍵詞涉及“價值主張”“大數(shù)據(jù)能力”“企業(yè)績效”等?？梢姡摼垲愔饕劢褂诮M織績效、競爭優(yōu)勢、動態(tài)能力、決策制定、價值創(chuàng)造等結(jié)果層面的研究。本文將其整合為4個層面，分別是組織績效、組織決策、組織戰(zhàn)略、組織能力。

4.3.1 組織績效。大數(shù)據(jù)分析能力促進組織績效提升是領(lǐng)域內(nèi)持續(xù)的研究熱點。首先，擁有卓越的大數(shù)據(jù)分析能力的組織能夠集成管理、基礎(chǔ)設(shè)施以及人才能力，通過大數(shù)據(jù)分析實現(xiàn)有效的組織規(guī)劃、投資以及技術(shù)的兼容性、模塊化，獲取技術(shù)管理知識、商業(yè)知識和一系列商業(yè)關(guān)系等，幫助組織形成獨特的洞察力，以最大限度地提高組織績效［12］。由大數(shù)據(jù)分析能力演變而來的客戶分析能力，對盈利能力有著長期的積極影響，能夠?qū)崿F(xiàn)可持續(xù)的組織績效提升［70］。大數(shù)據(jù)分析人才能力對商業(yè)智能基礎(chǔ)設(shè)施產(chǎn)生積極影響，后者反過來又促進企業(yè)的財務(wù)和營銷績效提升［71］。張彩鳳等［72］從組織學(xué)習(xí)視角提出，大數(shù)據(jù)能力能促進企業(yè)財務(wù)與市場績效提升，作為一種高階動態(tài)能力，大數(shù)據(jù)能力對組織資源與慣例的重構(gòu)過程是通過組織學(xué)習(xí)不斷調(diào)整、迭代與更新的，最終融入業(yè)務(wù)流程，對績效產(chǎn)生積極作用。馮檬瑩等［73］從供應(yīng)鏈協(xié)同創(chuàng)新視角提出，供應(yīng)鏈協(xié)同創(chuàng)新能夠促使數(shù)據(jù)資源的收集與互補，驅(qū)動業(yè)務(wù)模式創(chuàng)新，進而形成運營績效。制造企業(yè)服務(wù)創(chuàng)新績效來源于更好地滿足顧客需求。大數(shù)據(jù)分析能力有助于正確預(yù)測市場變化與客戶需求，識別出新的服務(wù)創(chuàng)新機會，進而通過商業(yè)模式創(chuàng)新、新服務(wù)開發(fā)等活動為客戶提供優(yōu)質(zhì)服務(wù)體驗［74］。此外，大數(shù)據(jù)分析能力促使企業(yè)更有效地利用大數(shù)據(jù)分析創(chuàng)新產(chǎn)品和服務(wù)、提升質(zhì)量和客戶滿意度以及減少運營成本和時間［59］，最終表現(xiàn)為提高組織的服務(wù)效果和效率。

4.3.2 組織決策。決策制定是大數(shù)據(jù)分析能力的另一結(jié)果變量，涉及決策質(zhì)量、決策效率與公共決策。大數(shù)據(jù)分析能力是提供見解、促進決策和優(yōu)化流程的能力。企業(yè)通過在其核心業(yè)務(wù)中實施大數(shù)據(jù)分析，培養(yǎng)自身的大數(shù)據(jù)分析能力，以實時獲取信息，在電子商務(wù)環(huán)境下采取最佳行動，從而促成快速的、可重復(fù)的和準(zhǔn)確的決策過程，以最大限度地發(fā)揮數(shù)據(jù)的潛在價值［75］。Zhang等［52］對空氣污染管理系統(tǒng)背后的大數(shù)據(jù)分析能力進行研究，提出組織具備大數(shù)據(jù)分析能力能夠為空氣污染防治的實時決策提供關(guān)鍵技術(shù)和數(shù)據(jù)支持，從而促進國家污染治理相關(guān)決策的制定。具有高水平大數(shù)據(jù)分析能力的企業(yè)通過充分利用大數(shù)據(jù)分析工具來確保決策質(zhì)量。通過對大數(shù)據(jù)的處理和分析，可以獲得全面見解，幫助企業(yè)提高決策效果以及效率［76］。簡兆權(quán)等［77］提出，大數(shù)據(jù)分析能力有利于促使企業(yè)進行有效決策。當(dāng)企業(yè)面臨機遇時，大數(shù)據(jù)分析能夠幫助企業(yè)快速準(zhǔn)確地了解外部市場環(huán)境的變化，提升企業(yè)內(nèi)部的信息處理能力，進而幫助決策者在競爭對手壟斷市場、資源枯竭或消費者需求改變之前快速改進決策方案。此外，人工智能的大數(shù)據(jù)生成和處理功能可以為公共決策提供大量的決策信息。人工智能應(yīng)用機器學(xué)習(xí)算法的預(yù)測分析能力對現(xiàn)實中的事件做出預(yù)測，從而為公共決策提供直接的支持［78］。大數(shù)據(jù)決策能力構(gòu)建需要高水平的決策者及專業(yè)的大數(shù)據(jù)分析師。專業(yè)人員不僅要擅長數(shù)據(jù)分析，還要擅長合作和關(guān)系處理，以增強企業(yè)內(nèi)部和跨企業(yè)邊界的數(shù)據(jù)協(xié)作與知識交換，從而提升企業(yè)大數(shù)據(jù)決策的質(zhì)量［69］。

4.3.3 組織戰(zhàn)略。大數(shù)據(jù)分析能力往往影響組織戰(zhàn)略，具體表現(xiàn)為促進商業(yè)模式創(chuàng)新和組織雙元創(chuàng)新，以及推動企業(yè)轉(zhuǎn)型升級。其一，企業(yè)通過靈活的技術(shù)平臺和高級軟件進行商業(yè)數(shù)據(jù)分析、員工培訓(xùn)以及數(shù)據(jù)驅(qū)動文化創(chuàng)建，形成有效的商業(yè)數(shù)據(jù)管理流程，從而開發(fā)新的產(chǎn)品與服務(wù)，創(chuàng)造出全新的商業(yè)模式。企業(yè)進行商業(yè)模式創(chuàng)新的基礎(chǔ)是獲取資源，其也為企業(yè)價值創(chuàng)造提供了基礎(chǔ)。在大數(shù)據(jù)時代下，大數(shù)據(jù)分析能力協(xié)助企業(yè)從大數(shù)據(jù)資源中抽取有用的知識信息，幫助企業(yè)創(chuàng)新價值主張，以實現(xiàn)對商業(yè)模式的創(chuàng)新［79-80］。可見，大數(shù)據(jù)分析能力在促進企業(yè)戰(zhàn)略目標(biāo)實現(xiàn)方面發(fā)揮了重要作用［58］。其二，大數(shù)據(jù)分析能力促進組織實現(xiàn)雙元創(chuàng)新，即突破式創(chuàng)新和漸進式創(chuàng)新［54］。具體表現(xiàn)為：大數(shù)據(jù)作為全新的數(shù)據(jù)資源，促使企業(yè)形成新的能力，推動新的資源與現(xiàn)有資源進行融合，為實現(xiàn)組織創(chuàng)新提供驅(qū)動力；利用大數(shù)據(jù)分析技術(shù)對大數(shù)據(jù)進行專業(yè)處理，快速響應(yīng)客戶需求，協(xié)助企業(yè)更新產(chǎn)品、技術(shù)與服務(wù)；大數(shù)據(jù)能力促使企業(yè)轉(zhuǎn)變思維方式，使組織打破原有僵化的層級結(jié)構(gòu)，去除冗余層級，進而改變了組織慣例、邏輯和價值創(chuàng)造路徑。其三，大數(shù)據(jù)分析能力推動企業(yè)轉(zhuǎn)型升級［81］。大數(shù)據(jù)分析能力幫助企業(yè)從大數(shù)據(jù)中獲取有用的知識信息，形成動態(tài)能力，從而快速獲取市場信息，把握客戶需求，最終促進企業(yè)創(chuàng)新，實現(xiàn)轉(zhuǎn)型升級。

4.3.4 組織能力。關(guān)于大數(shù)據(jù)分析能力所能促進的組織能力，現(xiàn)有研究涉及動態(tài)能力、過程創(chuàng)新能力以及可持續(xù)能力。其一，Battleson等［59］對云計算背景下企業(yè)動態(tài)能力的開發(fā)進行了探討。云計算的主要優(yōu)勢在于上下擴展資源、降低成本、快速反應(yīng)并向客戶提供服務(wù)，云計算通過可擴展的特性最終驅(qū)動企業(yè)實現(xiàn)動態(tài)能力提升。具有大數(shù)據(jù)分析能力的企業(yè)能更好地適應(yīng)市場變化，因而具有更強的感知能力。企業(yè)可以利用大數(shù)據(jù)分析，通過實時流程編排、動態(tài)資源分配、客戶風(fēng)險分析和確定目標(biāo)客戶的優(yōu)先級等活動來抓住機會。此外，張吉昌等［80］提出，大數(shù)據(jù)分析能力是一種低階的運營能力，可被其他企業(yè)模仿，而知識動態(tài)能力則是在大數(shù)據(jù)分析能力基礎(chǔ)上發(fā)展起來的一種高階異質(zhì)性動態(tài)能力，難以被模仿。大數(shù)據(jù)能力可以提升企業(yè)知識獲取的能力、新舊知識融合的能力以及知識創(chuàng)造的能力，從而形成知識動態(tài)能力。其二，數(shù)據(jù)資源本身對于努力獲取高水平過程創(chuàng)新能力的組織來說并不是一個相對顯著的因素。在這種情況下，組織洞察力、組織學(xué)習(xí)以及數(shù)據(jù)驅(qū)動文化尤為重要，由此形成的大數(shù)據(jù)分析能力可以在發(fā)展過程創(chuàng)新能力方面提供競爭優(yōu)勢［66］。其三，已有研究提到，在可持續(xù)發(fā)展背景下，大數(shù)據(jù)分析能力通過幫助企業(yè)挖掘數(shù)據(jù)價值，促使大數(shù)據(jù)分析能力轉(zhuǎn)化為可持續(xù)能力，從而促進組織實現(xiàn)可持續(xù)發(fā)展［52］。

圖8作為理論框架，展示了大數(shù)據(jù)分析能力研究的前因、內(nèi)涵、維度以及結(jié)果，并對相關(guān)文獻所應(yīng)用的理論基礎(chǔ)進行了匯總。

5 大數(shù)據(jù)分析能力研究的前沿方向與未來展望

5.1 前沿方向

根據(jù)上述現(xiàn)有文獻分析可知，國內(nèi)外研究前沿均集中于企業(yè)績效、供應(yīng)鏈、組織學(xué)習(xí)、風(fēng)險管理、大數(shù)據(jù)分析隱私保護危機等幾個方面。

5.1.1 企業(yè)績效。對企業(yè)績效的影響研究一直是大數(shù)據(jù)分析能力研究領(lǐng)域的熱點。大數(shù)據(jù)分析能力能夠有效提升企業(yè)的市場績效、運營績效［10］，同時近期有研究結(jié)合行業(yè)類型，探討其對服務(wù)創(chuàng)新績效的影響。大數(shù)據(jù)分析能力能夠促使企業(yè)精準(zhǔn)識別顧客需求，快速更新產(chǎn)品或服務(wù)，提升產(chǎn)品或服務(wù)的競爭力，擴大市場份額，以取得更好的市場績效。通過大數(shù)據(jù)分析，企業(yè)能夠降低成本、縮短響應(yīng)時間和生產(chǎn)時間、優(yōu)化客戶關(guān)系管理，進而提升運營績效［82］。劉念等［83］認(rèn)為，制造企業(yè)將生產(chǎn)能力轉(zhuǎn)移到服務(wù)開發(fā)被稱作跨領(lǐng)域的創(chuàng)新，過去以產(chǎn)品為中心的知識顯然不能滿足其新服務(wù)開發(fā)需要。因此，制造企業(yè)開始運用先進算法、客戶大數(shù)據(jù)、超級計算和數(shù)學(xué)建模，精準(zhǔn)預(yù)測客戶需求，將從中獲得的新知識用以指導(dǎo)制造企業(yè)的新服務(wù)開發(fā)，進而提高市場份額，最終獲取服務(wù)創(chuàng)新績效。

5.1.2 供應(yīng)鏈。在供應(yīng)鏈領(lǐng)域，熱點課題由大數(shù)據(jù)分析能力對運營績效的影響研究轉(zhuǎn)向?qū)沙掷m(xù)供應(yīng)鏈及其績效的探索。利用可持續(xù)理論，Cetindamar等［84］提出，大數(shù)據(jù)分析能力能夠通過增加健康、安全與就業(yè)福利等提升社會績效；通過污染控制和資源利用，對環(huán)境績效產(chǎn)生積極影響；通過減少供應(yīng)鏈中的交貨時間，降低成本，提高產(chǎn)出質(zhì)量和利潤，增加經(jīng)濟績效，從而促進企業(yè)可持續(xù)供應(yīng)鏈的發(fā)展。此外，徐德安和曹志強［85］提出，大數(shù)據(jù)分析能力能夠促進供應(yīng)鏈協(xié)同。企業(yè)應(yīng)用大數(shù)據(jù)分析技術(shù)從大數(shù)據(jù)中獲取有用的知識信息，從而為供應(yīng)鏈的各個環(huán)節(jié)提供大量的信息和知識資源。對大數(shù)據(jù)資源的整合與利用可以促進供應(yīng)鏈流程優(yōu)化以及網(wǎng)絡(luò)重構(gòu)，為供應(yīng)鏈信息共享和戰(zhàn)略協(xié)同提供有力支持。

5.1.3 組織學(xué)習(xí)。組織學(xué)習(xí)被定義為組織通過學(xué)習(xí)持續(xù)吸取知識的過程。企業(yè)所構(gòu)建的大數(shù)據(jù)分析能力使其在知識信息資源獲取及分析中形成巨大的競爭優(yōu)勢，能夠促進組織學(xué)習(xí)。大數(shù)據(jù)分析能力促進了組織與外界的交流，使其能夠快速且有效地獲取各種市場信息；大數(shù)據(jù)分析能力增強了組織的信息協(xié)同性、連通性，使組織成員能夠達成一致認(rèn)識并在組織學(xué)習(xí)中實現(xiàn)信息共享［54］。大數(shù)據(jù)分析能力可以被看作動態(tài)能力，協(xié)助企業(yè)有效應(yīng)對大數(shù)據(jù)時代的挑戰(zhàn)。企業(yè)在構(gòu)建與發(fā)展大數(shù)據(jù)分析能力時會經(jīng)歷思維轉(zhuǎn)型，建立起應(yīng)對大數(shù)據(jù)挑戰(zhàn)的組織學(xué)習(xí)機制，持續(xù)提升大數(shù)據(jù)感知、整合、分析等能力［64］。此外，大數(shù)據(jù)分析能力能夠加速組織對知識的理解和吸收過程，幫助組織從外部搜尋并獲得知識，提升組織獲取、內(nèi)化、吸收新知識的能力，增加組織知識庫的存量［76］。

5.1.4 風(fēng)險管理。在風(fēng)險管理方面，相關(guān)研究聚焦于供應(yīng)鏈風(fēng)險。由于國際形勢復(fù)雜多變，全球供應(yīng)鏈正在受到干擾，供應(yīng)商、分銷商和制造商需要獲得更多的數(shù)據(jù)信息以輔助自身的戰(zhàn)略更新。然而，傳統(tǒng)信息系統(tǒng)的風(fēng)險預(yù)測能力與替代方案指導(dǎo)能力有限，難以確保供應(yīng)鏈具有彈性。因此，亟須基于大數(shù)據(jù)，利用人工智能技術(shù)和數(shù)據(jù)采集、處理和分析能力以及信息系統(tǒng)基礎(chǔ)設(shè)施等［86］，增強供應(yīng)鏈韌性。

5.1.5 大數(shù)據(jù)分析隱私保護危機。大數(shù)據(jù)分析提供了有用的信息，使組織獲得洞察力，從而在市場中獲得競爭優(yōu)勢。然而，在實踐過程中，應(yīng)用大數(shù)據(jù)的企業(yè)會面臨各種道德困境［87］，如個人信息的泄露。當(dāng)前，互聯(lián)網(wǎng)用戶正在主動或被動地披露個人的敏感信息，且用戶無法全面了解自己的個人信息是如何在網(wǎng)上傳播的。這些隱私泄露問題會給組織帶來信任危機甚至經(jīng)濟損失，進而影響其競爭優(yōu)勢［88］。因此，需要在數(shù)據(jù)集成和管理過程中采取有效的數(shù)據(jù)治理舉措來應(yīng)對這一問題。例如，采用隱私設(shè)計框架來設(shè)計企業(yè)架構(gòu)，彌補現(xiàn)有隱私框架中的漏洞，并積極應(yīng)對大數(shù)據(jù)、人工智能和物聯(lián)網(wǎng)環(huán)境所帶來的巨大變化［89］。研究大數(shù)據(jù)分析所帶來的隱私保護危機，能為組織提供構(gòu)建大數(shù)據(jù)分析能力所需的知識，以及為如何通過構(gòu)建大數(shù)據(jù)分析能力來獲取價值提供指導(dǎo)。

5.2 未來展望

本文通過構(gòu)建大數(shù)據(jù)分析能力研究的科學(xué)知識圖譜，梳理演進路徑，分析前沿動向?，F(xiàn)基于前述研究提出大數(shù)據(jù)分析能力未來的研究方向。

5.2.1 大數(shù)據(jù)分析能力的影響因素。數(shù)字經(jīng)濟時代，組織內(nèi)外部環(huán)境變化迅速，未來研究應(yīng)進一步關(guān)注大數(shù)據(jù)分析能力的影響因素。首先，現(xiàn)有文獻就大數(shù)據(jù)分析能力的資源選擇方面進行了非常詳細(xì)的研究，但對將這些資源整合到企業(yè)開發(fā)能力所需的流程與結(jié)構(gòu)中的研究較少。先前關(guān)于IT商業(yè)價值的文獻表明，協(xié)調(diào)和管理此類資源的能力是發(fā)展大數(shù)據(jù)分析能力的先決條件［90］。根據(jù)資源編排理論框架，整合資源以構(gòu)建能力的編排流程包括獲取、積累和剝離資源［28］。因此，對能力構(gòu)建過程的探究很重要，具有相似資源的企業(yè)可能會因為編排資源的差異而表現(xiàn)出不同水平的大數(shù)據(jù)分析能力。其次，在大數(shù)據(jù)分析能力的構(gòu)建與提升方面，中小企業(yè)往往呈現(xiàn)出有心無力的狀態(tài)。未來研究需要學(xué)者們進一步關(guān)注大數(shù)據(jù)分析能力的構(gòu)建與提升過程，促使企業(yè)堅定提升大數(shù)據(jù)分析能力的信心，推動政府等多方主體形成合力，幫助中小企業(yè)逐步構(gòu)建、提升自身的大數(shù)據(jù)分析能力。同時，基于我國特有的政策、制度以及戰(zhàn)略環(huán)境，中國情境下的大數(shù)據(jù)分析能力理論如何進一步發(fā)展同樣值得探討。

5.2.2 大數(shù)據(jù)分析能力對組織的影響。現(xiàn)有研究主要從組織績效、決策、戰(zhàn)略、能力等視角對大數(shù)據(jù)分析能力的結(jié)果變量進行研究，未來研究可繼續(xù)對結(jié)果變量進行拓展。例如，目前已有學(xué)者開始對不同領(lǐng)域的大數(shù)據(jù)分析能力與商業(yè)模式創(chuàng)新的關(guān)系展開探討。大數(shù)據(jù)分析能力作為提升業(yè)務(wù)競爭力的高度動態(tài)的關(guān)鍵因素，促進了商業(yè)模式創(chuàng)新構(gòu)成要素及其關(guān)系的變革［91］。但大數(shù)據(jù)分析能力的不同維度如何影響商業(yè)模式創(chuàng)新仍有待進一步探索。此外，現(xiàn)有研究大多聚焦于探討大數(shù)據(jù)分析能力的積極影響，但考慮到大數(shù)據(jù)還存在的“困境”，大數(shù)據(jù)分析能力是否也會對組織產(chǎn)生消極影響，值得進一步探討。

5.2.3 大數(shù)據(jù)分析能力的研究方法。當(dāng)下，關(guān)于大數(shù)據(jù)分析能力的案例研究仍較為缺乏。因此，在研究方法上，可以考慮在實證研究的基礎(chǔ)上，開展組織對于大數(shù)據(jù)分析能力的真實應(yīng)用場景的案例研究，了解組織如何構(gòu)建、發(fā)展、利用大數(shù)據(jù)分析能力，以更好地發(fā)揮大數(shù)據(jù)分析能力對于組織內(nèi)外的作用。并且，通過案例研究，解讀企業(yè)“為什么”“怎樣”形成大數(shù)據(jù)分析能力，從而了解該能力動態(tài)演進的形成機制，促進理論與實踐的發(fā)展。

6 結(jié)論與不足

本研究基于科學(xué)知識圖譜方法，對大數(shù)據(jù)分析能力研究領(lǐng)域的國內(nèi)外文獻進行了全面的可視化分析，對現(xiàn)有研究概況、研究熱點演進、核心知識體系以及前沿方向等進行了深入解讀，并對未來研究進行了展望。本研究主要得出了以下結(jié)論。

第一，在大數(shù)據(jù)分析能力研究的熱點演進方面。國外研究經(jīng)歷了第一階段（起步期），首次出現(xiàn)大數(shù)據(jù)分析能力的相關(guān)研究，聚焦于分析技術(shù)、分析工具以及管理問題的探索；第二階段（崛起期），學(xué)者們紛紛構(gòu)建和論證大數(shù)據(jù)分析能力的模型，深化了大數(shù)據(jù)分析能力在供應(yīng)鏈、企業(yè)績效、競爭優(yōu)勢、組織能力以及戰(zhàn)略一致性等方面的研究。國內(nèi)研究經(jīng)歷了第一階段（萌芽期），關(guān)注數(shù)據(jù)人才培養(yǎng)，聚焦于大數(shù)據(jù)、大數(shù)據(jù)分析與企業(yè)管理相結(jié)合；第二階段（成長期），基本延續(xù)國外研究，對于知識搜尋、知識吸收、知識創(chuàng)造以及知識動態(tài)能力等尤為關(guān)注。

第二，在大數(shù)據(jù)分析能力研究的核心知識體系方面。大數(shù)據(jù)分析能力研究的核心知識體系包括大數(shù)據(jù)分析能力理論基礎(chǔ)、前因以及結(jié)果。經(jīng)文獻梳理發(fā)現(xiàn)，國內(nèi)外大數(shù)據(jù)分析能力研究的理論基礎(chǔ)主要涉及資源基礎(chǔ)觀、動態(tài)能力理論、技術(shù)—組織—環(huán)境框架、基于實踐的觀點、知識基礎(chǔ)觀、組織發(fā)展理論等；前因包括組織技術(shù)、組織管理和組織環(huán)境；結(jié)果涉及組織績效、組織決策、組織戰(zhàn)略和組織能力。

第三，在大數(shù)據(jù)分析能力研究的前沿方向與未來展望方面。企業(yè)績效、供應(yīng)鏈、組織學(xué)習(xí)、風(fēng)險管理、大數(shù)據(jù)分析隱私保護危機等是研究的前沿方向，未來需要進一步關(guān)注大數(shù)據(jù)分析能力的影響因素、對組織的影響以及研究方法等議題。

本研究也存在一些局限性。首先，在文獻選擇上，本文選取WOS核心數(shù)據(jù)庫中的Science Citation Index Expanded（SCI-EXPANDED）和Social Sciences Citation Index（SSCI）兩大數(shù)據(jù)庫以及中國知網(wǎng)數(shù)據(jù)庫中的CSSCI和北大核心作為檢索對象，數(shù)據(jù)源雖有一定的代表性，但在文獻覆蓋面和針對性上仍稍顯不足。其次，使用關(guān)鍵詞作為判斷依據(jù)也會有一定的局限性。因此，后續(xù)研究可以重點對數(shù)據(jù)源和數(shù)據(jù)篩選標(biāo)準(zhǔn)進行優(yōu)化，針對所有來源期刊做相關(guān)文獻的計量分析，并結(jié)合文本挖掘技術(shù)分析文獻的研究內(nèi)容，深化這一主題的研究。

參考文獻：

［1］ 余江，陳鳳，王騰.數(shù)字創(chuàng)新引領(lǐng)產(chǎn)業(yè)高質(zhì)量發(fā)展的機制研究［J］.創(chuàng)新科技，2020，20（1）：80-86.

［2］ 陳勁，葉偉巍.新時代中國式創(chuàng)新型國家理論的核心機理和關(guān)鍵特征［J］.創(chuàng)新科技，2022，22（1）：1-10.

［3］ 余江，丁禹民，劉嘉琪，等.深度數(shù)字化背景下開源創(chuàng)新的開放機理、治理機制與啟示分析［J］.創(chuàng)新科技，2021，21（11）：13-20.

［4］ 尹西明，陳勁.產(chǎn)業(yè)數(shù)字化動態(tài)能力：源起、內(nèi)涵與理論框架［J］.社會科學(xué)輯刊，2022（2）：114-123.

［5］ MANYIKA J， CHUI M， BROWN B， et al. Big data： the next frontier for innovation， competition， and productivity［R］. McKinsey Global Institute，2011：20-25.

［6］ MCAFEE A， BRYNJOLFSSON E， DAVENPORT T H， et al. Big data： the management revolution［J］. Harvard Business Review， 2012， 90（10）： 60-68.

［7］ CHEN H C， CHIANG R， STOREY V C. Business intelligence and analytics： from big data to big impact［J］. MIS QUARTERLY， 2012，36（4）：1165-1188.

［8］ BATISTI? S， VAN DER LAKEN P. History， evolution and future of big data and analytics： a bibliometric analysis of its relationship to performance in organizations［J］. British Journal of Management， 2019， 30（2）： 229-251.

［9］ MARKUS M L. New games， new rules， new scoreboards： the potential consequences of big data［J］. Journal of Information Technology， 2015， 30（1）： 58-59.

［10］ GUPTA M， GEORGE J F. Toward the development of a big data analytics capability［J］. Information amp; Management， 2016， 53（8）： 1049-1064.

［11］ MIKALEF P， FRAMNES V A， DANIELSEN F， et al. Big data analytics capability： antecedents and business value［C］.Pacific Asia Conference on Information Systems， 2017.

［12］ AKTER S， WAMBA S F， GUNASEKARAN A， et al. How to improve firm performance using big data analytics capability and business strategy alignment？［J］. International Journal of Production Economics， 2016， 182： 113-131.

［13］ 侯二秀，徐嶸琦，尹西明，等.數(shù)字時代的企業(yè)創(chuàng)新生態(tài)系統(tǒng)治理研究綜述［J］.技術(shù)經(jīng)濟，2022，41（11）：78-93.

［14］ MIKALEF P， BOURA M， LEKAKOS G， et al. Big data analytics capabilities and innovation： the mediating role of dynamic capabilities and moderating effect of the environment［J］. British Journal of Management，2019，30（2）：272-298.

［15］ BHARADWAJ A， SAWY O， PAVLOU P A， et al. Digital Business Strategy： Toward a Next Generation of Insights［J］. Mis Quarterly， 2013， 37（2）： 471-482.

［16］ CHEN D Q， PRESTON D S， SWINK M. How the use of big data analytics affects value creation in supply chain management［J］. Journal of management information systems， 2015， 32（4）： 4-39.

［17］ 程剛，李敏.企業(yè)大數(shù)據(jù)能力培育機制研究［J］.現(xiàn)代情報，2014，34（3）：7-11.

［18］ 謝衛(wèi)紅，劉高，王田繪.大數(shù)據(jù)能力內(nèi)涵、維度及其與集團管控關(guān)系研究［J］.科技管理研究，2016，36（14）：170-177.

［19］ DAVENPORT T H， BARTH P， BEAN R. How “big data” is different［J］. MIT Sloan Management， 2012，54：43-46.

［20］ RIALTI R， MARZI G， SILIC M， et al. Ambidextrous organization and agility in big data era： the role of business process management systems［J］. Business Process Management Journal， 2017， 24（5）：1091-1109.

［21］ FERRARIS A， MAZZOLENI A， DEVALLE A， et al. Big data analytics capabilities and knowledge management： impact on firm performance［J］. Management Decision， 2019， 57（8）：1923-1936.

［22］ WAMBA S F， GUNASEKARAN A， AKTER S， et al. Big data analytics and firm performance： effects of dynamic capabilities［J］. Journal of Business Research， 2017， 70： 356-365.

［23］ MIKALEF P， KROGSTIE J， PAPPAS I O， et al. Exploring the relationship between big data analytics capability and competitive performance： the mediating roles of dynamic and operational capabilities［J］. Information amp; Management， 2020， 57（2）： 103169.

［24］ 謝衛(wèi)紅，李忠順，蘇芳，等.高管支持、大數(shù)據(jù)能力與商業(yè)模式創(chuàng)新［J］.研究與發(fā)展管理，2018，30（4）：152-162.

［25］ BARNEY J B. Resource-based theories of competitive advantage： a ten-year retrospective on the resource-based view［J］. Journal of Management， 2001， 27（6）： 643-650.

［26］ BARNEY J. Firm resources and sustained competitive advantage［J］. Journal of Management， 1991， 17（1）： 99-120.

［27］ AMIT R， SCHOEMAKER P J H. Strategic assets and organizational rent［J］. Strategic Management Journal， 1993， 14（1）： 33-46.

［28］ SIRMON D G， HITT M A， IRELAND R D， et al. Resource orchestration to create competitive advantage： breadth， depth， and life cycle effects［J］. Journal of Management， 2011， 37（5）： 1390-1412.

［29］ HOOPES D G， MADSEN T L. A capability-based view of competitive heterogeneity［J］. Industrial and Corporate Change， 2008， 17（3）： 393-426.

［30］ BHARADWAJ A S. A resource-based perspective on information technology capability and firm performance： an empirical investigation［J］. MIS Quarterly， 2000， 24（1）： 169-196.

［31］ PAVLOU P A， SAWY O. From IT leveraging competence to competitive advantage in turbulent environments： the case of new product development［J］. Information Systems Research， 2006， 17（3）：198-227.

［32］ DAVENPORT T H. Competing on analytics［J］. Harvard Business Review， 2006， 84（1）： 98-107， 134.

［33］ 李文，張珍珍，梅蕾.消費升級背景下大數(shù)據(jù)能力對商業(yè)模式創(chuàng)新的影響機理：基于小米和網(wǎng)易嚴(yán)選的案例研究［J］.管理案例研究與評論，2020，13（1）：102-117.

［34］ SCHILKE O. On the contingent value of dynamic capabilities for competitive advantage： the nonlinear moderating effect of environmental dynamism［J］. Strategic Management Journal， 2014， 35（2）：179-203.

［35］ EISENHARDT K M， MARTIN J A. Dynamic capabilities： what are they？［J］. Strategic Management Journal， 2000， 21（10/11）： 1105-1121.

［36］ TEECE D J， PISANO G， SHUEN A. Dynamic capabilities and strategic management［J］. Strategic Management Journal， 1997， 18（7）： 509-533.

［37］ 臧樹偉，胡左浩.動態(tài)能力視角下的企業(yè)轉(zhuǎn)型研究：從市場驅(qū)動到驅(qū)動市場［J］.科學(xué)學(xué)與科學(xué)技術(shù)管理，2017，38（12）：84-96.

［38］ 王玉峰，鄭海燕，王樹進.大數(shù)據(jù)能力對員工創(chuàng)新績效的影響：知識轉(zhuǎn)移與工作自主性的作用［J］.科技管理研究，2021，41（9）：122-130.

［39］ TORNATZKY L G， FLEISCHER M， CHAKRABARTI A K. Processes of technological innovation［M］. Lexington， MA：Lexington Books， 1990.

［40］ HIRAN K K， HENTEN A. An integrated TOE-DoI framework for cloud computing adoption in the higher education sector： case study of Sub-Saharan Africa， Ethiopia［J］. International Journal of System Assurance Engineering and Management， 2020， 11（2）： 441-449.

［41］ CLOHESSY T， ACTON T. Investigating the influence of organizational factors on blockchain adoption： an innovation theory perspective［J］. Industrial Management amp; Data Systems， 2019 ， 119（7）：1457-1491.

［42］ ASADI S， NILASHI M， IRANMANESH M， et al. Effect of internet of things on manufacturing performance： a hybrid multi-criteria decision-making and neuro-fuzzy approach［J］. Technovation， 2022， 118： 102426.

［43］ MAROUFKHANI P， TSENG M L， IRANMANESH M， et al. Big data analytics adoption： determinants and performances among small to medium-sized enterprises［J］. International Journal of Information Management， 2020， 54： 102190.

［44］ BROMILEY P， RAU D. Towards a practice-based view of strategy［J］. Strategic Management Journal， 2014， 35（8）： 1249-1256.

［45］ SHOLLO A， GALLIERS R D. Towards an understanding of the role of business intelligence systems in organisational knowing［J］. Information Systems Journal， 2016， 26（4）： 339-367.

［46］ ERICKSON S， ROTHBERG H. Big data and knowledge management： establishing a conceptual foundation［J］. Leading Issues in Knowledge Management，2014， 12（2）： 108-116.

［47］ ALAVI M， LEIDNER D E. Knowledge management and knowledge management systems： conceptual foundations and research issues［J］. MIS Quarterly， 2001， 25：117-136.

［48］ BECKHARD R. Organizational issues in the team delivery of comprehensive health care［J］. The Milbank Memorial Fund Quarterly， 1972， 50（3）： 287-316.

［49］ GLANZ K ， RIMER B K， VISWANATH K， et al. Health behavior and health education： theory， research， and practice［M］. San Francisco： Wiley， 2008.

［50］ PRESTBY J E， WANDERSMAN A. An empirical exploration of a framework of organizational viability： maintaining block organizations［J］. The Journal of Applied Behavioral Science， 1985， 21（3）： 287-305.

［51］ SABHARWAL R， MIAH S J. A new theoretical understanding of big data analytics capabilities in organizations： a thematic analysis［J］. Journal of Big Data， 2021，8（1）：1-17.

［52］ ZHANG D， PAN S L， YU J， et al. Orchestrating big data analytics capability for sustainability： a study of air pollution management in China［J］. Information amp; Management， 2022，59（5）： 103231.

［53］ GHASEMAGHAEI M. Does data analytics use improve firm decision making quality？ The role of knowledge sharing and data analytics competency［J］. Decision Support Systems， 2019， 120： 14-24.

［54］ 許治，王雨楠，吳輝凡.大數(shù)據(jù)能力對組織雙元創(chuàng)新的影響：基于組織學(xué)習(xí)與環(huán)境復(fù)雜性的作用［J］.科學(xué)學(xué)與科學(xué)技術(shù)管理，2022，43（9）：40-53.

［55］ MALLADI S， KRISHNAN M. Determinants of usage variations of business intelligence amp; analytics in organizations-an empirical analysis［C］. International Conference on Information Systems，2013.

［56］ SUONIEMI S， MEYER-WAARDEN L， MUNZEL A， et al. Big data and firm performance： the roles of market-directed capabilities and business strategy［J］.Information amp; Management， 2020， 57（7）： 103365.

［57］ JHA A K， AGI M， NGAI E. A note on big data analytics capability development in supply chain［J］. Decision Support Systems， 2020，138： 113382.

［58］ YOGEV N， EVEN A， FINK L. How business intelligence creates value［J］. International Journal of Business Intelligence Research， 2013， 3： 1-16.

［59］ BATTLESON D A， WEST B C， KIM J， et al. Achieving dynamic capabilities with cloud computing： an empirical investigation［J］. European Journal of Information Systems， 2016， 25（3）： 209-230.

［60］ EDU A.Positioning big data analytics capabilities towards financial service agility［J］. Aslib Journal of Information Management， 2022， 74（4）：569-588.

［61］ 葉英平，陳海濤，陳皓.大數(shù)據(jù)時代知識管理過程、技術(shù)工具、模型與對策［J］.圖書情報工作，2019，63（5）：5-13.

［62］ 蔣勛，朱曉峰.基于政府大數(shù)據(jù)能力建構(gòu)的智庫應(yīng)急情報服務(wù)：以新冠肺炎疫情防控為例［J］.圖書與情報，2020（1）：64-74.

［63］ RUSSOM P. Big data analytics［J］. TDWI Best Practices Report， Fourth Quarter， 2011， 19（4）： 1-34.

［64］ WANG Y， KUNG L A， WANG W Y C， et al. An integrated big data analytics-enabled transformation model： application to health care［J］. Information amp; Management， 2018， 55（1）： 64-79.

［65］ 易加斌，徐迪，王宇婷，等.學(xué)習(xí)導(dǎo)向、大數(shù)據(jù)能力與商業(yè)模式創(chuàng)新：產(chǎn)業(yè)類型的調(diào)節(jié)效應(yīng)［J］.管理評論，2021，33（12）：137-151.

［66］ MIKALEF P， KROGSTIE J. Examining the interplay between big data analytics and contextual factors in driving process innovation capabilities［J］. European Journal of Information Systems， 2020， 29（3）： 260-287.

［67］ GROVER V， CHIANG R H L， LIANG T P， et al. Creating strategic business value from big data analytics： a research framework［J］. Journal of Management Information Systems， 2018， 35（2）： 388-423.

［68］ DUBEY R， GUNASEKARAN A， CHILDE S J， et al. Big data analytics and artificial intelligence pathway to operational performance under the effects of entrepreneurial orientation and environmental dynamism： a study of manufacturing organisations［J］. International Journal of Production Economics， 2020，226：107599.

［69］ SHAMIM S， ZENG J， SHARIQ S M， et al. Role of big data management in enhancing big data decision-making capability and quality among Chinese firms： a dynamic capabilities view［J］. Information amp; Management， 2019， 56（6）： 103135.

［70］ HOSSAIN M A， AKTER S， YANAMANDRAM V. Customer analytics capabilities in the big data spectrum： a systematic approach to achieve sustainable firm performance［M］//Research anthology on big data analytics， architectures， and applications. IGI Global， 2022： 888-901.

［71］ QAFFAS A A， ILMUDEEN A， ALMAZMOMI N K， et al. The impact of big data analytics talent capability on business intelligence infrastructure to achieve firm performance［J］. Foresight， 2022（ahead-of-print）.

［72］ 張彩鳳，謝衛(wèi)紅，王永健.大數(shù)據(jù)能力對企業(yè)績效的作用機理研究：基于雙元組織學(xué)習(xí)的過程視角［J］.企業(yè)經(jīng)濟，2019（7）：113-120.

［73］ 馮檬瑩，陳海波，郭曉雪.大數(shù)據(jù)能力、供應(yīng)鏈協(xié)同創(chuàng)新與制造企業(yè)運營績效的關(guān)系研究［J/OL］.管理工程學(xué)報：1-9［2023-01-04］.https：//kns.cnki.net/kcms2/article/abstract？v=3uoqIhG8C45S0n9fL2suRadTyEVl2pW9UrhTDCd

PD64QcJumhXDP-CMqj14OomkqqEQdalTujVYVoiAhuZKI

9hzdR5gGgO1Gamp;uniplatform=NZKPT.

［74］ 王鵬程，劉善仕，劉念.組織模塊化能否提高制造企業(yè)服務(wù)創(chuàng)新績效？——基于組織信息處理理論的視角［J］.管理評論，2021，33（11）：157-169.

［75］ TAN K H， ZHAN Y Z， JI G， et al. Harvesting big data to enhance supply chain innovation capabilities： an analytic infrastructure based on deduction graph［J］. International Journal of Production Economics， 2015， 165： 223-233.

［76］ LI L， LIN J， OUYANG Y， et al. Evaluating the impact of big data analytics usage on the decision-making quality of organizations［J］. Technological Forecasting and Social Change， 2022，175： 121355.

［77］ 簡兆權(quán)，譚艷霞，劉念.大數(shù)據(jù)分析能力、決策質(zhì)量與新服務(wù)開發(fā)績效關(guān)系研究［J］.管理學(xué)報，2022，19（5）：740-748.

［78］ 吳進進，符陽.算法決策：人工智能驅(qū)動的公共決策及其風(fēng)險［J］.開放時代，2021（5）：194-206，10.

［79］ 麗平，張敏.多因素聯(lián)動效應(yīng)對新經(jīng)濟企業(yè)商業(yè)模式創(chuàng)新的驅(qū)動機制研究：基于模糊集的定性比較分析［J］.管理評論，2022，34（3）：141-152.

［80］ 張吉昌，龍靜，陳鋒.大數(shù)據(jù)能力、知識動態(tài)能力與商業(yè)模式創(chuàng)新：創(chuàng)新合法性的調(diào)節(jié)效應(yīng)［J］.經(jīng)濟與管理，2022，36（5）：19-28.

［81］ 王鑫，劉克春，曾經(jīng)緯.大數(shù)據(jù)能力如何促進企業(yè)轉(zhuǎn)型升級：技術(shù)創(chuàng)新與商業(yè)模式創(chuàng)新的多重中介模型［J］.當(dāng)代財經(jīng)，2022（7）：76-86.

［82］ MIKALEF P， GUPTA M. Artificial intelligence capability： conceptualization， measurement calibration， and empirical study on its impact on organizational creativity and firm performance［J］. Information amp; Management， 2021， 58（3）： 103434.

［83］ 劉念，簡兆權(quán)，王鵬程.大數(shù)據(jù)分析能力與制造企業(yè)服務(wù)創(chuàng)新績效：一個鏈?zhǔn)街薪槟Ｐ停跩］.科技管理研究，2021，41（24）：125-135.

［84］ CETINDAMAR D， SHDIFAT B， ERFANI E. Understanding big data analytics capability and sustainable supply chains［J］. Information Systems Management， 2022， 39（1）： 19-33.

［85］ 徐德安，曹志強.大數(shù)據(jù)分析能力、供應(yīng)鏈協(xié)同對零售企業(yè)績效的影響［J］.商業(yè)經(jīng)濟研究，2022（1）：38-41.

［86］ GUPTA S， MODGIL S， MEISSONIER R， et al. Artificial intelligence and information system resilience to cope with supply chain disruption［J］. IEEE Transactions on Engineering Management， 2021：1-11.

［87］ GüNTHER W A， MEHRIZI M H R， HUYSMAN M， et al. Debating big data： a literature review on realizing value from big data［J］. The Journal of Strategic Information Systems， 2017， 26（3）： 191-209.

［88］ HERSCHEL R， MIORI V M. Ethics amp; big data［J］. Technology in Society， 2017， 49： 31-36.

［89］ HAJLI N， SHIRAZI F， TAJVIDI M， et al. Towards an understanding of privacy management architecture in big data： an experimental research［J］. British Journal of Management， 2021，32（2）：548-565.

［90］ CRAGG P， CALDEIRA M， WARD J. Organizational information systems competences in small and medium-sized enterprises［J］. Information amp; Management， 2011， 48（8）： 353-363.

［91］ CIAMPI F， DEMI S， MAGRINI A， et al. Exploring the impact of big data analytics capabilities on business model innovation： the mediating role of entrepreneurial orientation［J］. Journal of Business Research， 2021， 123： 1-13.

Abstract： Big data， as a fundamental resource， brings fundamental changes to all aspects of enterprise operation and management， and has become a source of driving enterprise development. With the development of digital technology， big data analytic capability has become an important research direction in the field of enterprise digital transformation which has received wide attention. The research adopts scientific knowledge mapping as the research method， with the help of analysis software CiteSpace， and takes \"big data analytics capability\" and \"big data analytics capacity\" as English retrieval terms and \" big data analytics capability\"， \"big data capability\"， \"big data\" and \"capability\" as Chinese retrieval terms， with the periods from 2012 to 2022 and 2014 to 2022 respectively. Literature comes from WOS and CNKI databases. CiteSpace software， an analysis tool， is used for quantitative analysis such as keyword co-occurrence， time zone division of high-frequency words and clustering of hot words. Thus， users can comprehensively comb and visualize the general situation， evolution， research hotspots and frontier trends of big data analysis capability at home and abroad. The result shows that： ① In terms of the evolution of big data analytics capability research hotspots， the dynamic evolution process of big data analytics capability research is mined through keyword co-occurrence and high-frequency time zone diagrams to discover the hotspot issues of big data analytics capability research. Foreign research has pioneered the concept of big data analytics capability since 2012， and experienced the initial period， focusing on the exploration of analytic techniques， analytic tools and management issues. Now it has entered the rise period， and scholars have built models of big data analytics capability， which is rapidly developing in the supply chain， enterprise performance， competitive advantage， organizational capability， and strategic consistency. Domestic research first began in 2014， focusing on the cultivation of talents with big data analytics capability. At present， it continues to grow on based on inheriting foreign research， and pays special attention to knowledge management. ② In terms of the core knowledge system of big data analytics capability research at home and abroad， the core theoretical framework of \"theoretical basis， antecedents and consequences\" is built through the keyword cluster analysis. ③ Issues such as firm performance， supply chain， organizational learning， risk management， and privacy protection crisis of big data analytics are the frontier trends of common concern. Finally， future research should pay attention to issues such as the influencing factors of big data analytics capability， the impact on organizations and" innovation in research methods. The research results are of great significance for systematically grasping the current research progress and future direction of big data analytics capability at home and abroad， and promoting the research and development of big data analytics capability.

Key words： digital economy; big data analytics capability; scientific knowledge mapping; visualization

基金項目：國家社會科學(xué)基金面上項目“政府助推下沙產(chǎn)業(yè)協(xié)同創(chuàng)新的多中心治理機制研究”（19BGL187）。

作者簡介：侯二秀（1977—），女，內(nèi)蒙古巴彥淖爾人，博士，教授，研究方向：創(chuàng)新管理、沙產(chǎn)業(yè)創(chuàng)新、數(shù)字經(jīng)濟；侯文麗（1999—），女，山東煙臺人，碩士研究生，研究方向：創(chuàng)新管理、數(shù)字經(jīng)濟；尹西明（1991—），男，河南平頂山人，博士，副研究員、助理教授，教育部人文社科重點基地清華大學(xué)技術(shù)創(chuàng)新研究中心兼任副研究員，研究方向：技術(shù)創(chuàng)新、數(shù)字創(chuàng)新管理與學(xué)術(shù)創(chuàng)業(yè)。本文通信作者為尹西明。