袁勇志 諸葛凱 張勇 林煒煒

摘 要：數(shù)字經(jīng)濟(jì)時代，數(shù)據(jù)成為企業(yè)轉(zhuǎn)型發(fā)展的重要資源，如何依托大數(shù)據(jù)能力優(yōu)化知識能級并實現(xiàn)創(chuàng)業(yè)生存與成長目標(biāo)成為新創(chuàng)企業(yè)“新創(chuàng)弱性”研究的關(guān)鍵問題?；趧討B(tài)能力理論與知識基礎(chǔ)觀，將知識耦合引入大數(shù)據(jù)能力與新創(chuàng)企業(yè)創(chuàng)業(yè)績效關(guān)系框架，構(gòu)建以互補性知識耦合、替代性知識耦合為中介的研究模型，并基于212家新創(chuàng)企業(yè)調(diào)查數(shù)據(jù)進(jìn)行實證檢驗。結(jié)果表明，大數(shù)據(jù)能力對知識耦合與新創(chuàng)企業(yè)創(chuàng)業(yè)績效具有正向影響，大數(shù)據(jù)能力通過知識耦合影響新創(chuàng)企業(yè)創(chuàng)業(yè)績效；互補性知識耦合與創(chuàng)業(yè)生存績效呈倒U型關(guān)系，替代性知識耦合與創(chuàng)業(yè)成長績效具有正相關(guān)關(guān)系；IT-業(yè)務(wù)戰(zhàn)略匹配正向調(diào)節(jié)大數(shù)據(jù)能力與知識耦合的關(guān)系。

關(guān)鍵詞：大數(shù)據(jù)能力；知識耦合；新創(chuàng)企業(yè)；創(chuàng)業(yè)績效；IT-業(yè)務(wù)戰(zhàn)略匹配

DOI：10.6049/kjjbydc.2022100609

開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

中圖分類號：F272.4

文獻(xiàn)標(biāo)識碼：A

文章編號：1001-7348（2024）08-0106-11

0 引言

隨著數(shù)字經(jīng)濟(jì)發(fā)展，數(shù)據(jù)已經(jīng)成為繼土地、勞動力和資本之后影響社會經(jīng)濟(jì)發(fā)展的新興生產(chǎn)要素^[1]。大數(shù)據(jù)革命在推動后發(fā)創(chuàng)業(yè)者實現(xiàn)知識、產(chǎn)品及商業(yè)模式創(chuàng)新趕超的同時，極大地加劇了經(jīng)濟(jì)環(huán)境復(fù)雜性和不確定性。大數(shù)據(jù)驅(qū)動背景下，新創(chuàng)企業(yè)如何通過數(shù)據(jù)引力搶抓創(chuàng)業(yè)機(jī)遇，提高知識資源交互整合效率、規(guī)避競爭威脅，成為其生存與成長過程中亟需解決的問題。2015年8月，國務(wù)院印發(fā)《促進(jìn)大數(shù)據(jù)發(fā)展行動綱要》，強調(diào)“加快建設(shè)數(shù)據(jù)強國，以數(shù)據(jù)流引領(lǐng)技術(shù)流、物質(zhì)流、資金流、人才流，運用大數(shù)據(jù)技術(shù)整合搭建脈絡(luò)清晰、覆蓋廣泛、內(nèi)容準(zhǔn)確的知識庫群，激發(fā)創(chuàng)業(yè)活力”?！洞龠M(jìn)大數(shù)據(jù)發(fā)展行動綱要》的落地，標(biāo)志著以大數(shù)據(jù)為代表的技術(shù)變革為傳統(tǒng)產(chǎn)業(yè)升級和新創(chuàng)企業(yè)發(fā)展帶來新機(jī)遇。相關(guān)研究指出，大數(shù)據(jù)對新創(chuàng)企業(yè)與創(chuàng)業(yè)團(tuán)隊實踐行為具有重要影響，大數(shù)據(jù)的海量信息和高附加值能夠幫助創(chuàng)業(yè)者在探索商業(yè)動態(tài)、優(yōu)化決策等方面建立先發(fā)優(yōu)勢并形成商業(yè)洞見^[2]。大數(shù)據(jù)驅(qū)動下的創(chuàng)業(yè)活動實質(zhì)是技術(shù)嵌入行為。例如，云叢科技通過融入大數(shù)據(jù)分析實現(xiàn)多元重組，打通從技術(shù)到產(chǎn)品再到市場的云通道。隨著創(chuàng)業(yè)者信息獲取渠道進(jìn)一步細(xì)化，大數(shù)據(jù)成為創(chuàng)業(yè)者診斷社會需求、獲取網(wǎng)絡(luò)資源的主要方式。但需要指出的是，在大數(shù)據(jù)驅(qū)動下，新創(chuàng)企業(yè)也面臨著數(shù)據(jù)擠壓、知識迭代等考驗^[3]。因此，有必要探討大數(shù)據(jù)能力對創(chuàng)業(yè)活動的影響。

近年來，學(xué)者們圍繞大數(shù)據(jù)與創(chuàng)業(yè)活動的關(guān)系開展了深入研究。例如，Brands^[4]提出，可以借助大數(shù)據(jù)分析整合創(chuàng)業(yè)資源；Paschou等^[5]認(rèn)為，大數(shù)據(jù)分析能顯著提高企業(yè)信息價值，強調(diào)通過數(shù)據(jù)透鏡優(yōu)化績效與決策；Reibenspiess等^[6]認(rèn)為，大數(shù)據(jù)平臺能夠較好地激勵員工內(nèi)部創(chuàng)業(yè)。此外，數(shù)據(jù)泛濫帶來的質(zhì)量問題以及效益評估程序缺乏，使部分學(xué)者認(rèn)為技術(shù)投資帶來的大數(shù)據(jù)能力增益并不一定能促進(jìn)企業(yè)創(chuàng)新能力提升或?qū)崿F(xiàn)創(chuàng)業(yè)決策優(yōu)化。例如，Yang等^[7]認(rèn)為，大數(shù)據(jù)資源并不能直接驅(qū)動創(chuàng)新，企業(yè)只有具備數(shù)據(jù)清洗等數(shù)據(jù)處理能力，才能體現(xiàn)出數(shù)據(jù)的可用性和易用性；唐斌等^[8]認(rèn)為，平臺創(chuàng)業(yè)企業(yè)需要提高大數(shù)據(jù)商業(yè)價值和經(jīng)驗性知識挖掘能力，以此激活創(chuàng)造力。上述研究從多個理論視角論述了大數(shù)據(jù)對創(chuàng)業(yè)的“雙刃劍”效應(yīng)，強調(diào)大數(shù)據(jù)并不等同于價值本身，只有將大數(shù)據(jù)資源轉(zhuǎn)化為企業(yè)能力才能對創(chuàng)業(yè)活動產(chǎn)生積極影響^[9]，從而為大數(shù)據(jù)能力與創(chuàng)業(yè)績效關(guān)系研究奠定了基礎(chǔ)。

對于創(chuàng)業(yè)者而言，初期資源短缺和知識基礎(chǔ)不足會加劇創(chuàng)業(yè)效益的未知性。因此，創(chuàng)業(yè)者需要建立高效的知識整合處理程序，幫助企業(yè)快速適應(yīng)環(huán)境變化。當(dāng)自身知識基礎(chǔ)難以組合出新的技術(shù)點時，新創(chuàng)企業(yè)會將知識耦合視為聯(lián)通知識池之間關(guān)系的紐帶。“耦合”是指兩個或多個系統(tǒng)之間相互依賴的關(guān)系。Yayavaram ＆ Chen^[10]認(rèn)為，知識耦合是指處于不同技術(shù)領(lǐng)域知識元素通過組合交互方式生產(chǎn)新知識的過程，能夠反映企業(yè)不同技術(shù)領(lǐng)域知識組合、重構(gòu)的相互作用程度。已有部分文獻(xiàn)將知識耦合與創(chuàng)業(yè)活動聯(lián)系起來。例如，Caner＆Tyler^[11]指出，將不同技術(shù)領(lǐng)域中具有特定屬性的知識整合與重構(gòu)有利于創(chuàng)業(yè)者突破創(chuàng)業(yè)約束；Gkypali等^[12]提出，較高的知識組合能力有助于加快企業(yè)反應(yīng)速度，進(jìn)而降低資源冗余與創(chuàng)業(yè)難度；Carlo等^[13]肯定了知識耦合在企業(yè)整合與重構(gòu)不同知識池關(guān)系時的積極作用。從研究脈絡(luò)看，學(xué)者們對“知識耦合—創(chuàng)業(yè)績效”關(guān)系的探討存在局限性，并未基于動態(tài)能力視角揭示知識耦合對創(chuàng)業(yè)行為影響的“黑箱”?，F(xiàn)有研究發(fā)現(xiàn)，大數(shù)據(jù)能力作為承載數(shù)據(jù)感知、整合與分析的低階能力，是構(gòu)成高階動態(tài)能力的基礎(chǔ)^[14]。Teece等^[15]認(rèn)為，企業(yè)動態(tài)能力的本質(zhì)是對資源的整合和重構(gòu)。知識基礎(chǔ)觀理論認(rèn)為，知識是企業(yè)發(fā)展的根本性資源，故知識要素耦合是企業(yè)維持競爭優(yōu)勢的核心能力。創(chuàng)業(yè)者依托大數(shù)據(jù)技術(shù)，能夠幫助企業(yè)在海量非結(jié)構(gòu)數(shù)據(jù)中準(zhǔn)確識別價值信息、優(yōu)化知識轉(zhuǎn)化流程，實現(xiàn)知識整合重構(gòu)，進(jìn)而展現(xiàn)由低階大數(shù)據(jù)能力到動態(tài)知識耦合的理論圖景。此外，創(chuàng)業(yè)者在大數(shù)據(jù)能力構(gòu)建過程中不僅需要技術(shù)支持，而且面臨技術(shù)與業(yè)務(wù)匹配問題^[16]。企業(yè)需要通過IT與業(yè)務(wù)戰(zhàn)略協(xié)同匹配提高資源整合效率，使IT人員與業(yè)務(wù)管理者在磨合中達(dá)成戰(zhàn)略共識。

綜上，本文基于動態(tài)能力理論與知識基礎(chǔ)觀，探討大數(shù)據(jù)能力對新創(chuàng)企業(yè)創(chuàng)業(yè)績效的作用機(jī)理，構(gòu)建以知識耦合為中介變量，以IT-業(yè)務(wù)戰(zhàn)略匹配為調(diào)節(jié)變量的理論模型，分析不同知識耦合方式對創(chuàng)業(yè)生存與成長的作用機(jī)制及邊界條件，進(jìn)一步豐富中國情境下新創(chuàng)企業(yè)知識耦合機(jī)制研究。

1 理論分析與研究假設(shè)

1.1 大數(shù)據(jù)能力與新創(chuàng)企業(yè)創(chuàng)業(yè)績效

2010年，李新春等^[17]首次系統(tǒng)提出“創(chuàng)業(yè)生存”與“創(chuàng)業(yè)成長”的概念，認(rèn)為隨著創(chuàng)業(yè)企業(yè)從初創(chuàng)期到穩(wěn)定期的成長，創(chuàng)業(yè)戰(zhàn)略目標(biāo)由創(chuàng)業(yè)生存轉(zhuǎn)化為有意識的創(chuàng)業(yè)成長。Chrisman等^[18]指出，新創(chuàng)企業(yè)必須先存活下來，然后逐步壯大成長以適應(yīng)競爭環(huán)境，故創(chuàng)業(yè)績效應(yīng)劃分為生存和成長兩個維度。創(chuàng)業(yè)生存績效代表新創(chuàng)企業(yè)在未來一段時間內(nèi)實現(xiàn)持續(xù)經(jīng)營目標(biāo)的可能性，創(chuàng)業(yè)成長績效代表財務(wù)指標(biāo)數(shù)據(jù)與盈利潛能增長。初創(chuàng)期企業(yè)具有高資源依賴性和低穩(wěn)定性，其生存挑戰(zhàn)主要體現(xiàn)在機(jī)會識別、資源獲取等方面，因而有效發(fā)掘并識別資源成為創(chuàng)業(yè)生存的前提。進(jìn)入成長期后，企業(yè)將經(jīng)營目標(biāo)放在市場擴(kuò)張、降本增效等方面，銷售增長、市場占比等數(shù)據(jù)指標(biāo)成為衡量創(chuàng)業(yè)成長與市場競爭力的最佳選擇。

數(shù)字經(jīng)濟(jì)時代下，大數(shù)據(jù)與創(chuàng)業(yè)績效關(guān)系緊密。大數(shù)據(jù)能力作為感知、整合、預(yù)測和應(yīng)用數(shù)據(jù)資源的能力，可以幫助創(chuàng)業(yè)者識別創(chuàng)業(yè)機(jī)遇并實現(xiàn)戰(zhàn)略目標(biāo)。根據(jù)動態(tài)能力理論，企業(yè)通過低階能力（如大數(shù)據(jù)能力）產(chǎn)生的資源是高階能力形成（如知識耦合、企業(yè)生存與成長能力）的重要基礎(chǔ)。在商業(yè)開發(fā)中，創(chuàng)業(yè)者常因為信息不對稱和洞察能力不足導(dǎo)致決策偏誤，甚至創(chuàng)意流產(chǎn)。大數(shù)據(jù)能力可以幫助企業(yè)廣泛收集數(shù)據(jù)與信息，通過資源調(diào)度與信息整合實現(xiàn)創(chuàng)業(yè)生存所需的合法性構(gòu)建和知識積累^[19]，以及創(chuàng)業(yè)成長所需的組織能力和競爭優(yōu)勢^[20]。創(chuàng)業(yè)初期，大數(shù)據(jù)能力的價值體現(xiàn)為幫助企業(yè)識別創(chuàng)業(yè)方向和建立資源渠道，加強與其它市場主體間的弱關(guān)聯(lián)，短時間內(nèi)掌握資源分布、產(chǎn)品定價、消費者偏好等重要信息，進(jìn)而制定合理的創(chuàng)業(yè)生存戰(zhàn)略，為快速預(yù)判市場需求提供先機(jī)。創(chuàng)業(yè)成長期，大數(shù)據(jù)能力帶來的信息優(yōu)勢有助于企業(yè)降低知識交易成本，通過與其它市場主體建立的強關(guān)系及時獲取大數(shù)據(jù)情報，以持續(xù)穩(wěn)定的產(chǎn)品生產(chǎn)和服務(wù)保障活躍于市場前沿，進(jìn)而實現(xiàn)創(chuàng)業(yè)成長。此外，Wamba等^[21]發(fā)現(xiàn)，大數(shù)據(jù)預(yù)測能力可以改變創(chuàng)業(yè)者價值傳遞方式。有別于向消費者“被動式”產(chǎn)品價值灌輸方式，大數(shù)據(jù)作為科學(xué)洞察依據(jù)能夠幫助企業(yè)將捕獲的潛在需求和軌跡數(shù)據(jù)融入“信息篩別—知識交互—產(chǎn)品測驗—市場反饋”動態(tài)流程，從而塑造契合新創(chuàng)企業(yè)生存與成長的價值傳遞模式。由此，本文提出如下假設(shè)：

H_1a：大數(shù)據(jù)能力對新創(chuàng)企業(yè)創(chuàng)業(yè)生存績效具有正向影響；

H_1b：大數(shù)據(jù)能力對新創(chuàng)企業(yè)創(chuàng)業(yè)成長績效具有正向影響。

1.2 大數(shù)據(jù)能力與知識耦合

Hagstrom^[22]認(rèn)為，大數(shù)據(jù)代表知識資產(chǎn)的新范式，能夠確保企業(yè)競爭優(yōu)勢不再具有可模仿性。大數(shù)據(jù)時代，面對消費者日益增長的知識需求，知識耦合成為創(chuàng)業(yè)者整合知識結(jié)構(gòu)和重塑創(chuàng)業(yè)邊界的可行方案。具有較高耦合度的企業(yè)善于利用跨域知識進(jìn)行搜索，從而推動知識基礎(chǔ)組合與重構(gòu)。區(qū)別于不以技術(shù)領(lǐng)域為介質(zhì)的知識整合，知識耦合是企業(yè)對技術(shù)領(lǐng)域間知識進(jìn)行關(guān)聯(lián)與組合的行為，具有動態(tài)性和主觀性。例如，Menguc等^[23]認(rèn)為，企業(yè)突破組織與技術(shù)的雙重邊界對不同領(lǐng)域知識進(jìn)行耦合，有助于實現(xiàn)突破式創(chuàng)新。借鑒Colombelli等^[24]的研究成果，本文基于新領(lǐng)域知識和已有知識基礎(chǔ)構(gòu)成將知識耦合劃分為互補性知識耦合與替代性知識耦合，將互補性知識耦合定義為創(chuàng)造新知識的知識片段在已有技術(shù)領(lǐng)域的相補程度，將替代性知識耦合定義為所使用的知識片段在已有技術(shù)領(lǐng)域的接近程度。

知識資源是企業(yè)動態(tài)能力的基本單元，也是競爭優(yōu)勢的核心要素。大數(shù)據(jù)能力可以通過驅(qū)動知識資源向高階知識耦合轉(zhuǎn)化而塑造優(yōu)勢^[25]。首先，大數(shù)據(jù)能力能夠通過數(shù)據(jù)感知對不同技術(shù)領(lǐng)域知識進(jìn)行探索，高效、快捷地識別互補性知識和替代性知識的應(yīng)用價值。大數(shù)據(jù)時代，技術(shù)能力迭代演進(jìn)對企業(yè)知識管理提出了更高的要求。企業(yè)需要在大數(shù)據(jù)能力持續(xù)變革中重新審視和設(shè)計知識耦合模式，通過對知識資源進(jìn)行多樣化匹配和智能處理優(yōu)化知識結(jié)構(gòu)，從而確?；パa性知識與替代性知識的前沿性和創(chuàng)新性。其次，大數(shù)據(jù)能力能夠提升企業(yè)對新舊知識交互的容納度。Agostino等^[26]認(rèn)為，大數(shù)據(jù)能力可以促進(jìn)企業(yè)知識更新。由此，企業(yè)通過深度挖掘和搜索跨域知識，將已獲取的知識與自身知識高效耦合，提高知識篩選、組合和利用效率，從而降低知識交易成本和創(chuàng)新研發(fā)風(fēng)險。最后，大數(shù)據(jù)能力可以通過預(yù)測和洞察完成高階能力建設(shè)的“最后一公里”，對整合后知識的再分析有助于對耦合知識生產(chǎn)前的篩查和商業(yè)應(yīng)用，進(jìn)而推動跨域知識耦合價值升級。對消費者需求圖景的預(yù)測能夠促使企業(yè)不斷發(fā)掘以產(chǎn)品為載體的知識組合價值傳遞渠道，進(jìn)而強化創(chuàng)業(yè)者的商業(yè)洞察能力。此外，知識耦合要求企業(yè)具備一定的知識基礎(chǔ)，大數(shù)據(jù)不一定能夠促進(jìn)不同技術(shù)領(lǐng)域知識交互，因而企業(yè)需要將技術(shù)儲備升級為動態(tài)能力后在循環(huán)交互中實現(xiàn)耦合。由此，本文提出如下假設(shè)：

H_2a：大數(shù)據(jù)能力對互補性知識耦合具有正向影響；

H_2b：大數(shù)據(jù)能力對替代性知識耦合具有正向影響。

1.3 知識耦合與新創(chuàng)企業(yè)創(chuàng)業(yè)績效

進(jìn)入新技術(shù)領(lǐng)域?qū)崿F(xiàn)知識探索是新創(chuàng)企業(yè)提高創(chuàng)業(yè)競爭力的重要途徑，接觸新的知識源能夠幫助企業(yè)獲取自身范圍外的知識。對初創(chuàng)期企業(yè)而言，探索新技術(shù)領(lǐng)域是創(chuàng)業(yè)生存必須解決的問題，代表從0到1的過程。但在搜索過于寬泛、組合經(jīng)驗匱乏等條件約束下，新技術(shù)領(lǐng)域的探索并不意味著能夠直接改善創(chuàng)業(yè)成效，創(chuàng)業(yè)者極易作出錯誤研判而導(dǎo)致“首戰(zhàn)”失利。因此，企業(yè)需要將新知識與自身知識基礎(chǔ)進(jìn)行整合以識別技術(shù)發(fā)展趨勢和商業(yè)契機(jī)，進(jìn)而降低知識耦合的不確定性風(fēng)險。

一方面，互補性知識耦合有助于引導(dǎo)新創(chuàng)企業(yè)找到有效切入點。Ryoo＆Kim^[27]認(rèn)為，互補性知識耦合能夠引導(dǎo)企業(yè)將自身欠缺的外部知識化為己用。相較于成長期，初創(chuàng)期企業(yè)出于生存需求能夠更理性地判斷與知識基礎(chǔ)相契合的知識池，并與之建立聯(lián)系。因此，互補性知識利基能夠?qū)π聞?chuàng)企業(yè)生存發(fā)展發(fā)揮推動作用。另一方面，新創(chuàng)企業(yè)對互補領(lǐng)域知識的組合重構(gòu)有助于知識融合，進(jìn)而構(gòu)建獨特的創(chuàng)業(yè)體系。通過主動與互補性知識建立技術(shù)關(guān)聯(lián)和知識組合，企業(yè)可以嵌入市場互補資源網(wǎng)絡(luò)，加快知識結(jié)構(gòu)更新速度并提高創(chuàng)意引進(jìn)頻率，從而不斷驅(qū)動知識組合創(chuàng)新。通常情況下，初創(chuàng)期企業(yè)對新興市場的占有并不意味著創(chuàng)業(yè)成功。產(chǎn)品需求小眾化、溢價空間有限導(dǎo)致先發(fā)企業(yè)不愿涉入邊緣市場，說明企業(yè)通過互補性知識耦合建立的生存優(yōu)勢薄弱?；パa性知識耦合能夠夯實企業(yè)現(xiàn)有知識基礎(chǔ)，但對互補性知識過度依賴容易造成創(chuàng)意“多而不精”的創(chuàng)業(yè)惰性和路徑依賴，進(jìn)而產(chǎn)生臃腫的耦合關(guān)系和較高的交易成本。研究表明，對限定領(lǐng)域知識過度挖掘會加大知識協(xié)同難度，從而降低知識消化速度^[28]。因此，初創(chuàng)期企業(yè)若不謀求創(chuàng)業(yè)轉(zhuǎn)型則可能面臨被后發(fā)企業(yè)趕超的風(fēng)險，最終落入創(chuàng)業(yè)“生存陷阱”。由此，本文提出如下假設(shè)：

H_3a：互補性知識耦合與新創(chuàng)企業(yè)創(chuàng)業(yè)生存績效呈倒U型關(guān)系。

替代性知識具有較高的啟發(fā)性與共通性^[29]，在小范圍市場建立生存基礎(chǔ)后，新創(chuàng)企業(yè)通常會嘗試以替代性知識與產(chǎn)品向主流市場靠攏，通過跨越市場攫取更多利益，實現(xiàn)從初創(chuàng)期到成長期的過渡。在創(chuàng)業(yè)成長階段，企業(yè)不能僅依賴于互補性知識，應(yīng)更多考慮地消費者、供應(yīng)商等利益相關(guān)者的核心需求，在專有業(yè)務(wù)領(lǐng)域深耕。因此，新創(chuàng)企業(yè)需要適當(dāng)?shù)夭扇√娲阉鞑呗浴?/p>

成長階段，新創(chuàng)企業(yè)戰(zhàn)略目標(biāo)從生存轉(zhuǎn)向成長。相較于初創(chuàng)期績效表現(xiàn)，創(chuàng)業(yè)者更關(guān)心替代性產(chǎn)品在利益網(wǎng)絡(luò)中的競爭力與合作機(jī)遇。因此，成長期企業(yè)傾向于搜索、整合相近領(lǐng)域知識，在拓展知識基礎(chǔ)的同時，降低知識交易成本和學(xué)習(xí)成本，從而提升組織學(xué)習(xí)效率。首先，替代性知識耦合能夠強化企業(yè)間認(rèn)知相向性，使雙方具有更為廣闊的合作基礎(chǔ)與交互學(xué)習(xí)空間，有助于深化企業(yè)對知識范疇、技術(shù)發(fā)展趨勢的理解，從而為創(chuàng)業(yè)成長提供方向^[30]。其次，創(chuàng)業(yè)者利用已有知識基礎(chǔ)開展研發(fā)工作，對自身知識體系較為熟悉。因此，在使用替代性知識進(jìn)行耦合研發(fā)時，創(chuàng)業(yè)者清楚哪些替代性知識能夠創(chuàng)造出具有市場價值的產(chǎn)品^[31]。最后，成長期的競爭壓力會驅(qū)使企業(yè)吸收、重構(gòu)利益相關(guān)者的替代性知識資源，加速內(nèi)部知識更新，進(jìn)而在一定程度上推動企業(yè)研發(fā)、生產(chǎn)、營銷流程改造，以此激發(fā)創(chuàng)業(yè)成長。成長期，企業(yè)需要依托替代性知識對已有知識基礎(chǔ)進(jìn)行迭代，以此實現(xiàn)知識結(jié)構(gòu)優(yōu)化并推出符合市場預(yù)期的產(chǎn)品。因此，新創(chuàng)企業(yè)只有不斷突破現(xiàn)有創(chuàng)業(yè)邊界，依托自身知識體系與知識基礎(chǔ)創(chuàng)造更多有價值的知識組合，才能塑造創(chuàng)業(yè)成長優(yōu)勢和持久性。由此，本文提出如下假設(shè)：

H_3b：替代性知識耦合對新創(chuàng)企業(yè)創(chuàng)業(yè)成長績效具有正向影響。

1.4 知識耦合的中介作用

新創(chuàng)企業(yè)利用大數(shù)據(jù)能力促使數(shù)據(jù)資源向知識資源轉(zhuǎn)化，形成互補性知識與替代性知識的高階耦合能力，從而實現(xiàn)創(chuàng)業(yè)生存與成長。易法敏和朱潔^[32]認(rèn)為，創(chuàng)業(yè)企業(yè)需要構(gòu)建包含互補性資源與替代性資源的大數(shù)據(jù)生態(tài)，以便在知識創(chuàng)新過程中利用數(shù)字技術(shù)快速調(diào)取知識基礎(chǔ)。

一方面，新創(chuàng)企業(yè)可以借助大數(shù)據(jù)能力將消費者需求整合到知識搜索與組合過程中，通過互補性知識耦合將無序的互補性知識與已有知識進(jìn)行組合，激發(fā)創(chuàng)業(yè)者的創(chuàng)意思維，縮小組織內(nèi)部與市場環(huán)境的知識勢差，促進(jìn)互補性知識與已有知識基礎(chǔ)融合，并通過知識組合重構(gòu)探尋市場需求痛點，從而實現(xiàn)有效創(chuàng)業(yè)切入。但隨著互補性知識耦合深入，新創(chuàng)企業(yè)對互補性知識過分依賴會產(chǎn)生負(fù)面效應(yīng)，導(dǎo)致創(chuàng)業(yè)活動中出現(xiàn)大量“多而不精”的創(chuàng)意，引發(fā)創(chuàng)業(yè)惰性和路徑依賴，因而不利于創(chuàng)業(yè)生存。

另一方面，大數(shù)據(jù)能力是企業(yè)預(yù)測市場趨勢的重要能力。進(jìn)入成長階段，新創(chuàng)企業(yè)需要加強對主流市場的占領(lǐng)，通過替代性知識耦合將與自身知識基礎(chǔ)相近的領(lǐng)域知識作為搜索目標(biāo)，并通過獲取現(xiàn)有產(chǎn)品利基內(nèi)的外部知識提升專業(yè)化水平、拓展知識創(chuàng)新深度，進(jìn)而提高對現(xiàn)有產(chǎn)品序列的深耕能力與收益預(yù)期。同時，替代性知識耦合代表企業(yè)對知識基礎(chǔ)的縫合能力，縫合能力越強說明企業(yè)掌握的同質(zhì)性知識越有利于創(chuàng)業(yè)價值開發(fā)。由此，本文提出如下假設(shè)：

H_4a：互補性知識耦合在大數(shù)據(jù)能力對創(chuàng)業(yè)生存績效影響過程中發(fā)揮中介作用。

H_4b：替代性知識耦合在大數(shù)據(jù)能力對創(chuàng)業(yè)成長績效影響過程中發(fā)揮中介作用。

1.5 IT-業(yè)務(wù)戰(zhàn)略匹配的調(diào)節(jié)效應(yīng)

IT-業(yè)務(wù)戰(zhàn)略匹配是企業(yè)應(yīng)用IT技術(shù)的高級階段，是指企業(yè)信息技術(shù)戰(zhàn)略與業(yè)務(wù)戰(zhàn)略相互支持、相互關(guān)聯(lián)的能力^[33]。在驅(qū)動知識耦合過程中，大數(shù)據(jù)能力呈現(xiàn)的超前性和新生性往往會超出利益相關(guān)者的接受范圍^[9]，而IT-業(yè)務(wù)戰(zhàn)略匹配能夠提升大數(shù)據(jù)應(yīng)用與自身業(yè)務(wù)發(fā)展的契合度，從而為知識耦合提供高質(zhì)量資源。IT-業(yè)務(wù)戰(zhàn)略匹配對大數(shù)據(jù)能力與知識耦合關(guān)系的調(diào)節(jié)作用體現(xiàn)在以下方面：一方面，新創(chuàng)企業(yè)戰(zhàn)略動向直接關(guān)系到其對資源的需求水平與統(tǒng)籌能力。大數(shù)據(jù)技術(shù)與戰(zhàn)略目標(biāo)協(xié)同能夠提高資源使用效率，幫助企業(yè)更具針對性地布局技術(shù)方向以促進(jìn)機(jī)會識別與知識交互^[34]。因此，知識耦合作為業(yè)務(wù)戰(zhàn)略能否通過IT-業(yè)務(wù)戰(zhàn)略與資源建立匹配關(guān)系，大數(shù)據(jù)能力在其中發(fā)揮關(guān)鍵作用。另一方面，IT人員與業(yè)務(wù)管理者對創(chuàng)業(yè)目標(biāo)、計劃的理解與承諾能夠幫助企業(yè)快速錨定并整合所需的互補性知識及替代性知識^[35]，進(jìn)而為業(yè)務(wù)發(fā)展提供高效的數(shù)據(jù)支撐，減少因資源錯配而導(dǎo)致的無效耦合，強化資源應(yīng)用的靶向性。在技術(shù)與業(yè)務(wù)雙重框架下，戰(zhàn)略匹配可以更好地實現(xiàn)由大數(shù)據(jù)能力帶來的知識組合收益及市場占有率等經(jīng)濟(jì)效益提升。由此，本文提出如下假設(shè)：

H₅：IT-業(yè)務(wù)戰(zhàn)略匹配正向調(diào)節(jié)大數(shù)據(jù)能力與互補性知識耦合、替代性知識耦合的關(guān)系。

綜上所述，本文構(gòu)建研究理論模型如圖1所示。

2 研究設(shè)計

2.1 研究樣本與數(shù)據(jù)收集

本文采用問卷調(diào)查方法收集數(shù)據(jù)，參考何會濤、袁勇志^[36]的研究成果，按照“創(chuàng)業(yè)企業(yè)年齡大于1年但不超過8年”的標(biāo)準(zhǔn)篩選新創(chuàng)企業(yè)樣本。為確保被試者能夠全面理解調(diào)查內(nèi)容，選取新創(chuàng)企業(yè)創(chuàng)始人、高層管理者和分管業(yè)務(wù)部門的中層管理人員作為問卷發(fā)放對象，因為中高層管理人員對企業(yè)技術(shù)能力、知識儲備情況具有較為清晰的認(rèn)知。

本文數(shù)據(jù)來源如下：2022年7月，依托第十四屆蘇州國際精英創(chuàng)業(yè)周高層次人才獵聘會活動現(xiàn)場進(jìn)行問卷發(fā)放與回收，發(fā)放問卷56份，回收問卷53份，剔除不符合要求的問卷后，剩余有效問卷47份。2022年5月，借助蘇州人力資源和社會保障局舉辦的創(chuàng)業(yè)者座談會，現(xiàn)場發(fā)放問卷22份，回收有效問卷22份。2021年10～12月，通過E-mail和微信與MBA校友群聯(lián)絡(luò)，發(fā)放問卷224份，回收問卷165份，剔除填不符合要求的問卷后，剩余有效問卷143份。綜上，本研究共發(fā)放問卷302份，有效問卷212份，問卷有效率為70.20%，樣本企業(yè)主要分布于上海、蘇州、杭州等長三角城市，分布特征如表1所示。

2.2 變量測量

本文理論模型包括大數(shù)據(jù)能力、互補性知識耦合、替代性知識耦合、創(chuàng)業(yè)生存績效、創(chuàng)業(yè)成長績效和IT-業(yè)務(wù)戰(zhàn)略匹配6個變量。借鑒國外成熟量表，采用正反翻譯法確保本文題項能夠準(zhǔn)確反映量表含義，問卷采用Likert 7點量表。大數(shù)據(jù)能力（DC）測量采用Wamba等^[21]的研究量表，共9個題項；知識耦合測量采用Ryoo＆Kim^[27]、Tanriverdi＆ Venkatraman^[29]的研究量表，分為互補性知識耦合（CC）和替代性知識耦合（CA）兩個維度，各5個題項；新創(chuàng)企業(yè)創(chuàng)業(yè)績效測量采用Gerschewski ＆ Xiao^[37]的研究量表，分為創(chuàng)業(yè)生存績效（PS）和創(chuàng)業(yè)成長績效（PG）兩個維度，其中創(chuàng)業(yè)生存績效維度包含3個題項，創(chuàng)業(yè)成長績效維度包含4個題項；IT—業(yè)務(wù)戰(zhàn)略匹配（SA）采用Karahanna＆Preston^[38]的研究量表，共3個題項。具體測量題項如表2所示。根據(jù)前人研究，本文選取企業(yè)規(guī)模（Size）、創(chuàng)業(yè)年限（Year）、所處行業(yè)（Industry）和企業(yè)性質(zhì)（Nature）作為控制變量并賦予不同數(shù)值，以提高模型飽和度。

3 實證分析

3.1 信度與效度分析

本文利用SPSS20.0和Mplus7.4軟件進(jìn)行信度與效度分析，結(jié)果如表2所示。首先，計算得到各變量的Cronbach's α系數(shù)均大于0.8，大于可接受門檻值；其次，計算組合信度CR和平均方差萃取量AVE以檢驗量表聚合效度，其中AVE反映變量對題目的平均解釋力， CR最低值為0.816大于0.7，AVE最低值為0.517大于0.5，均大于閾值，說明聚合效度較高；最后，檢驗變量間區(qū)分效度。由表3可知，六因子模型擬合指數(shù)均達(dá)到適配標(biāo)準(zhǔn)且優(yōu)于其它因子組合，各變量AVE平方根的值均大于該變量與其它變量的相關(guān)系數(shù)，表明量表具有較高的區(qū)分效度。

3.2 共同方法偏差與共線性分析

本文采用CFA和ULMC法檢驗共同方法偏差問題。與其它因子組合數(shù)據(jù)相比，若單因子模型的CFA擬合指數(shù)最低則證明共同方法偏差不嚴(yán)重。由表3可知，單因子模型適配度最低。參考Podsakoff等^[39]的研究成果，本文在六因子模型的基礎(chǔ)上增加一個共同方法因子，使共同方法因子在所有題項上的荷載值一致，通過擬合指數(shù)改善程度進(jìn)行判斷，計算得到六因子+方法因子的擬合指數(shù)如下：χ²/df=2.322，CFI=0.931，TLI=0.922，RMSEA=0.079，SRMR=0.041。與基準(zhǔn)模型對比發(fā)現(xiàn)，CFI和TLI提高幅度分別為0.003、0.004，均小于0.1，RMSEA、SRMR下降幅度分別為0和0.002，均小于0.05，說明樣本共同方法偏差不嚴(yán)重。各變量的方差膨脹因子VIF均小于5，表明多重共線性不會影響模型的有效性。

3.3 相關(guān)性分析

本文對所有變量進(jìn)行描述性統(tǒng)計與相關(guān)性分析，結(jié)果如表4所示。核心變量間呈現(xiàn)出顯著相關(guān)關(guān)系，大數(shù)據(jù)能力與互補性知識耦合、替代性知識耦合（β=0.313，p<0.01；β=0.508，p<0.01）正相關(guān)，互補性知識耦合與創(chuàng)業(yè)生存績效（β=0.541，p<0.01）正相關(guān)，替代性知識耦合與創(chuàng)業(yè)成長績效（β=0.267，p<0.01）正相關(guān)。由此證明，可以進(jìn)行假設(shè)檢驗。

3.4 假設(shè)檢驗

本文采用層次回歸法在僅包含控制變量的基準(zhǔn)模型中加入核心解釋變量進(jìn)行回歸分析，結(jié)果如表5和表6所示。表5列示了以新創(chuàng)企業(yè)創(chuàng)業(yè)績效為因變量的回歸結(jié)果，表6列示了以知識耦合為因變量的回歸結(jié)果。

3.4.1 主效應(yīng)與調(diào)節(jié)效應(yīng)檢驗

模型2結(jié)果表明，大數(shù)據(jù)能力對創(chuàng)業(yè)生存績效（β=0.457，p<0.001）具有顯著正向影響；模型5結(jié)果表明，大數(shù)據(jù)能力對創(chuàng)業(yè)成長績效（β=0.331，p<0.001）具有顯著正向影響。由此，假設(shè)H_1a、H_1b得到支持。對比模型1與模型2發(fā)現(xiàn)，大數(shù)據(jù)能力的加入優(yōu)化了創(chuàng)業(yè)生存績效20.8%的擬合（ΔR²=0.208）；對比模型4與模型5發(fā)現(xiàn)，大數(shù)據(jù)能力的加入優(yōu)化了創(chuàng)業(yè)成長績效11%的擬合（ΔR²=0.110）。由此可見，大數(shù)據(jù)能力對創(chuàng)業(yè)生存績效的擬合效果更優(yōu)，說明大數(shù)據(jù)能力在新創(chuàng)企業(yè)生存期間發(fā)揮整合協(xié)同與預(yù)測感知作用，對創(chuàng)業(yè)生存所需的市場認(rèn)同等績效指標(biāo)影響顯著。模型10結(jié)果表明，大數(shù)據(jù)能力對互補性知識耦合（β=0.309，p<0.001）具有顯著正向影響；模型13結(jié)果表明，大數(shù)據(jù)能力對替代性知識耦合（β=0.508，p<0.001）具有顯著正向影響。由此，假設(shè)H_2a、H_2b得到支持。通過模型對比發(fā)現(xiàn)，大數(shù)據(jù)能力對替代性知識耦合（ΔR²=0.185）的擬合效果優(yōu)于互補性知識耦合（ΔR²=0.095），說明新創(chuàng)企業(yè)傾向于將大數(shù)據(jù)技術(shù)應(yīng)用于較為熟悉的知識領(lǐng)域，進(jìn)而突破現(xiàn)有創(chuàng)新門檻，構(gòu)建替代性優(yōu)勢。模型3顯示，互補性知識耦合（β=0.352，p<0.001）及其平方項（β=-0.521，p<0.001）對創(chuàng)業(yè)生存績效的影響顯著，說明互補性知識耦合與創(chuàng)業(yè)生存績效呈倒U型關(guān)系，假設(shè)H_3a得到支持。此外，替代性知識耦合對生存績效的影響不顯著（β=0.048，p=0.368）。模型7顯示，替代性知識耦合對創(chuàng)業(yè)成長績效的影響顯著（β=0.516，p<0.001），假設(shè)H_3b得到支持。此外，互補性知識耦合對成長績效的影響不顯著（β=0.121，p=0.147）。

模型11、模型14顯示，IT-業(yè)務(wù)戰(zhàn)略匹配對大數(shù)據(jù)能力與互補性知識耦合關(guān)系的正向調(diào)節(jié)作用顯著（β=0.224，p<0.01），對大數(shù)據(jù)能力與替代性知識耦合關(guān)系的正向調(diào)節(jié)作用顯著（β=0.104，p<0.05），故假設(shè)H₅得到驗證。為了揭示有調(diào)節(jié)的路徑關(guān)系，參考Aiken＆West（1991）的研究成果，以IT-業(yè)務(wù)戰(zhàn)略匹配為基礎(chǔ)按正負(fù)一個標(biāo)準(zhǔn)差將樣本劃分為高低兩組，其交互作用如圖2所示。由圖2可知，高IT-業(yè)務(wù)戰(zhàn)略匹配下新創(chuàng)企業(yè)大數(shù)據(jù)能力對知識耦合的效應(yīng)量較高，由此驗證正向調(diào)節(jié)作用顯著的假設(shè)，且IT-業(yè)務(wù)戰(zhàn)略匹配對互補性知識耦合的調(diào)節(jié)作用大于替代性知識耦合，原因可能在于互補性知識構(gòu)成特質(zhì)使新創(chuàng)企業(yè)需要將大數(shù)據(jù)技術(shù)與自身業(yè)務(wù)匹配以實現(xiàn)對互補性知識的探索式學(xué)習(xí)。

3.4.2 中介效應(yīng)檢驗

根據(jù)前述假設(shè)及中介檢驗三步法，將大數(shù)據(jù)能力與互補性知識耦合同時納入回歸方程（見模型4），結(jié)果均正向顯著，但大數(shù)據(jù)能力的回歸系數(shù)由0.457降為0.327。由此表明，互補性知識耦合（β=0.421，p<0.001）在大數(shù)據(jù)能力與生存績效間發(fā)揮中介作用，假設(shè)H_4a獲得支持。由此說明，創(chuàng)業(yè)生存階段，借助大數(shù)據(jù)能力，新創(chuàng)企業(yè)能夠通過整合已有知識與新技術(shù)領(lǐng)域知識提高創(chuàng)業(yè)生存概率。模型8將大數(shù)據(jù)能力和替代性知識耦合同時納入回歸方程，結(jié)果均正向顯著，且大數(shù)據(jù)能力的回歸系數(shù)由0.331降為0.185，表明替代性知識耦合（β=0.536，p<0.001）在大數(shù)據(jù)能力與成長績效間發(fā)揮中介作用，假設(shè)H_4b獲得支持。由此說明，創(chuàng)業(yè)成長階段，新創(chuàng)企業(yè)不再依賴于互補性知識耦合，而是依托大數(shù)據(jù)能力積極開展對已有知識基礎(chǔ)的替代搜索，通過深耕專有業(yè)務(wù)領(lǐng)域逐步實現(xiàn)商業(yè)價值和創(chuàng)業(yè)成長。

3.5 穩(wěn)健性檢驗

為驗證上述結(jié)論的可靠性，本文進(jìn)一步通過Mplus偏差校正的Bootstrap置信區(qū)間進(jìn)行穩(wěn)健性檢驗，結(jié)果如表7所示。路徑1的間接效應(yīng)在95%置信度下的Bootstrap偏差校正置信區(qū)間為（0.051，0.173），區(qū)間未包含0且p值小于0.01，說明假設(shè)H_4a成立。路徑2的間接效應(yīng)在95%置信度下的Bootstrap偏差校正置信區(qū)間為（0.158，0.314），區(qū)間未包含0且p值小于0.001，說明假設(shè)H_4b成立。此外，路徑3和路徑4的置信區(qū)間分別為（-0.068，0.139）（-0.079，0.107），均包含0，中介效應(yīng)不成立，與前文回歸結(jié)論一致。

4 結(jié)語

4.1 結(jié)論

本文基于新創(chuàng)企業(yè)多時段、多來源實證調(diào)查數(shù)據(jù)，采用層次回歸方法和結(jié)構(gòu)方程模型探討知識耦合驅(qū)動因素及作用效果，以及知識耦合視閾下大數(shù)據(jù)能力與新創(chuàng)企業(yè)生存與成長績效關(guān)系機(jī)制，得到以下主要結(jié)論：

（1）大數(shù)據(jù)能力對新創(chuàng)企業(yè)生存績效、成長績效具有顯著正向影響。本文再次證實大數(shù)據(jù)能力是創(chuàng)業(yè)活動的重要推動因素^[40]，管理者不再僅根據(jù)以往經(jīng)驗進(jìn)行預(yù)判和決策，而是可以通過大數(shù)據(jù)分析獲取消費者需求偏好，從而提高市場預(yù)估收益。

（2）互補性知識耦合與創(chuàng)業(yè)生存績效呈倒U型關(guān)系，替代性知識耦合與創(chuàng)業(yè)成長績效呈正相關(guān)關(guān)系。上述結(jié)論進(jìn)一步明確了初創(chuàng)期企業(yè)需要整合新知識與自身知識基礎(chǔ)以識別技術(shù)趨勢和商業(yè)契機(jī)，也證實了成長期企業(yè)不能僅依賴于互補性知識，而是需要考慮消費者、供應(yīng)商等利益相關(guān)者的核心需求，在專有業(yè)務(wù)領(lǐng)域深耕。

（3）互補性知識耦合在大數(shù)據(jù)能力與創(chuàng)業(yè)生存績效間發(fā)揮部分中介作用，替代性知識耦合在大數(shù)據(jù)能力與創(chuàng)業(yè)成長績效間發(fā)揮部分中介作用。新創(chuàng)企業(yè)可以利用大數(shù)據(jù)能力促使數(shù)據(jù)資源向知識資源轉(zhuǎn)化，形成互補性知識與替代性知識的高階耦合能力，從而實現(xiàn)創(chuàng)業(yè)生存與成長。

（4）IT與業(yè)務(wù)戰(zhàn)略匹配能夠正向調(diào)節(jié)大數(shù)據(jù)能力與知識耦合的關(guān)系。IT—業(yè)務(wù)戰(zhàn)略匹配下，企業(yè)能夠通過提升大數(shù)據(jù)應(yīng)用與自身業(yè)務(wù)發(fā)展的契合度解決數(shù)據(jù)孤島問題，對內(nèi)構(gòu)建關(guān)聯(lián)信息系統(tǒng)，對外形成與利益相關(guān)者的資源網(wǎng)絡(luò)鏈接，從而實現(xiàn)價值共創(chuàng)。

4.2 理論貢獻(xiàn)

（1）本文考察大數(shù)據(jù)能力對創(chuàng)業(yè)生存績效與創(chuàng)業(yè)成長績效的影響，發(fā)現(xiàn)大數(shù)據(jù)能力對創(chuàng)業(yè)績效具有積極影響，與成長績效相比，其對生存績效的正向影響更加顯著。上述結(jié)論豐富了大數(shù)據(jù)能力對創(chuàng)業(yè)績效的作用機(jī)制研究，也為進(jìn)一步解答“IT悖論”提供了理論支撐。

（2）本文揭示了不同構(gòu)型知識耦合在大數(shù)據(jù)能力與新創(chuàng)企業(yè)創(chuàng)業(yè)績效間的中介機(jī)制。一方面，基于動態(tài)能力理論，探討了大數(shù)據(jù)能力對知識耦合的作用機(jī)制。對互補性知識而言，大數(shù)據(jù)能力有助于新創(chuàng)企業(yè)對知識資源的識別和捕捉；對替代性知識而言，獲取現(xiàn)有產(chǎn)品利基內(nèi)的相近領(lǐng)域知識能夠提升知識專業(yè)化水平和創(chuàng)新深度。另一方面，基于知識基礎(chǔ)觀理論，探討了知識耦合對創(chuàng)業(yè)績效的作用機(jī)制。結(jié)果發(fā)現(xiàn)，互補性知識耦合與創(chuàng)業(yè)生存績效存在倒U型關(guān)系，替代性知識耦合有助于企業(yè)競爭力提升。

（3）本文揭示了IT—業(yè)務(wù)戰(zhàn)略匹配在大數(shù)據(jù)能力與知識耦合間的調(diào)節(jié)作用，發(fā)現(xiàn)IT—業(yè)務(wù)戰(zhàn)略匹配能夠正向調(diào)節(jié)大數(shù)據(jù)能力與知識耦合的關(guān)系，且對互補性知識耦合的調(diào)節(jié)效力大于替代性知識耦合。上述結(jié)論進(jìn)一步拓展了大數(shù)據(jù)能力與知識耦合關(guān)系研究邊界。

4.3 管理啟示

（1）新創(chuàng)企業(yè)應(yīng)重視數(shù)據(jù)資源，加強大數(shù)據(jù)能力培育。目前，大數(shù)據(jù)已成為新創(chuàng)企業(yè)價值創(chuàng)造的來源，企業(yè)可以依托大數(shù)據(jù)技術(shù)打通各業(yè)務(wù)單元間的信息傳遞渠道，從而推動研發(fā)與生產(chǎn)流程再造。新創(chuàng)企業(yè)需要對大數(shù)據(jù)技術(shù)、設(shè)施及人才進(jìn)行有效管理，進(jìn)而在海量數(shù)據(jù)中準(zhǔn)確識別有價值的信息、優(yōu)化研發(fā)作業(yè)流程，從而實現(xiàn)知識整合與重構(gòu)。因此，管理者需要將大數(shù)據(jù)技術(shù)融入企業(yè)階段性戰(zhàn)略，從而提高大數(shù)據(jù)的針對性和商業(yè)價值。

（2）新創(chuàng)企業(yè)應(yīng)充分發(fā)揮知識資源在創(chuàng)業(yè)活動中的主導(dǎo)作用，積極培育知識耦合能力。在大數(shù)據(jù)驅(qū)動創(chuàng)業(yè)活動過程中，管理者應(yīng)認(rèn)識到不同知識耦合類型對創(chuàng)業(yè)生存與成長的影響，充分發(fā)揮知識耦合的紐帶作用。初創(chuàng)期，管理者應(yīng)采取以互補性知識耦合為主的業(yè)務(wù)戰(zhàn)略，借助互補性知識建立生存利基；成長期，管理者應(yīng)制定以替代性知識耦合為主、互補性知識耦合為輔的業(yè)務(wù)戰(zhàn)略，依托替代性知識對已有知識基礎(chǔ)進(jìn)行迭代，實現(xiàn)知識結(jié)構(gòu)優(yōu)化，進(jìn)而推出符合市場預(yù)期的產(chǎn)品。

（3）新創(chuàng)企業(yè)應(yīng)關(guān)注IT技術(shù)與業(yè)務(wù)戰(zhàn)略匹配問題。初創(chuàng)期，管理者應(yīng)重視大數(shù)據(jù)技術(shù)引進(jìn)，根據(jù)大數(shù)據(jù)能力與自身業(yè)務(wù)的適配性，促進(jìn)技術(shù)與業(yè)務(wù)融合；成長期，管理者應(yīng)確立以業(yè)務(wù)為主，以大數(shù)據(jù)技術(shù)服務(wù)業(yè)務(wù)發(fā)展的戰(zhàn)略理念，將大數(shù)據(jù)指標(biāo)分解至業(yè)務(wù)部門，提高大數(shù)據(jù)技術(shù)服務(wù)預(yù)期。

4.4 不足與展望

（1）本文僅將大數(shù)據(jù)能力視為單維度概念進(jìn)行研究，具有一定的局限性。大數(shù)據(jù)能力包括大數(shù)據(jù)資源整合、感知識別、預(yù)測分析與洞察等能力，后續(xù)可對大數(shù)據(jù)能力進(jìn)行維度劃分，進(jìn)一步探究其整體及子維度間的關(guān)系。

（2）本文研究對象主要為發(fā)達(dá)地區(qū)科技型新創(chuàng)企業(yè)，研究結(jié)論的普適性有待提升，后續(xù)可以適當(dāng)擴(kuò)大問卷發(fā)放范圍。

參考文獻(xiàn)：

[1] 楊艷，王理，廖祖君.數(shù)據(jù)要素市場化配置與區(qū)域經(jīng)濟(jì)發(fā)展——基于數(shù)據(jù)交易平臺的視角[J].社會科學(xué)研究，2021，43（6）：38-52.

[2] GHASEMAGHAEI M， CALIC G. Assessing the impact of big data on firm innovation performance： big data is not always better data [J].Journal of Business Research， 2020，108： 147-162.

[3] 李文博.大數(shù)據(jù)驅(qū)動情景下數(shù)字創(chuàng)業(yè)商業(yè)模式創(chuàng)新關(guān)鍵影響因素——話語分析方法的一項探索性研究[J].科技進(jìn)步與對策，2022，39（16）：67-76.

[4] BRANDS K C M A. Big data and business intelligence for management accountants [J].Strategic Finance， 2014，95： 64-65.

[5] PASCHOU T， RAPACCINI M， ADRODEGARI F， et al. Digital servitization in manufacturing： a systematic literature review and research agenda [J].Industrial Marketing Management， 2020，89： 278-292.

[6] REIBENSPIESS V， DRECHSLER K， ECKHARDT A， et al. Tapping into the wealth of employees' ideas： design principles for a digital intrapreneurship platform [J].Information & Management， 2022， 59（3）： 103287.

[7] YANG C， HUANG Q， LI Z， et al. Big Data and cloud computing： innovation opportunities and challenges [J].International Journal of Digital Earth， 2017， 10（1）： 13-53.

[8] 唐彬，盧艷秋，葉英平.大數(shù)據(jù)能力視角下平臺企業(yè)知識創(chuàng)造模型研究[J].情報理論與實踐，2020，43（7）：123-129.

[9] 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(jì)與管理，2022，36（5）：19-28.

[10] YAYAVARAM S， CHEN W R. Changes in firm knowledge couplings and firm innovation performance： the moderating role of technological complexity [J].Strategic Management Journal， 2015， 36（3）： 377-396.

[11] CANER T， TYLER B B. The effects of knowledge depth and scope on the relationship between R & D alliances and new product development [J].Journal of Product Innovation Management， 2015， 32（5）： 808-824.

[12] GKYPALI A， FILIOU D， TSEKOURAS K. R&D collaborations： is diversity enhancing innovation performance[J].Technological Forecasting and Social Change， 2017，118： 143-152.

[13] CARLO J L， LYYTINEN K， ROSE G M. A knowledge-based model of radical innovation in small software firms [J].MIS Quarterly， 2012，36： 865-895.

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

[16] VIDGEN R， SHAW S， GRANT D B. Management challenges in creating value from business analytics [J].European Journal of Operational Research， 2017， 261（2）： 626-639.

[17] 李新春，梁強，宋麗紅.外部關(guān)系—內(nèi)部能力平衡與新創(chuàng)企業(yè)成長——基于創(chuàng)業(yè)者行為視角的實證研究[J].中國工業(yè)經(jīng)濟(jì)，2010，27（12）：97-107.

[18] CHRISMAN J J， BAUERSCHMIDT A， HOFERC W. The determinants of new venture performance： an extended model[J].Entrepreneurship Theory and Practice， 1998， 23（1）： 5-29.

[19] 申佳，李雪靈，馬文杰.不同成長階段下新企業(yè)關(guān)系強度與績效研究[J].科研管理，2013，34（8）：115-122.

[20] 何會濤，袁勇志.海外人才創(chuàng)業(yè)雙重網(wǎng)絡(luò)嵌入及其交互對創(chuàng)業(yè)績效的影響研究[J].管理學(xué)報，2018，15（1）：66-73.

[21] 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.

[22] HAGSTROM M. High-performance analytics fuels innovation and inclusive growth：Use big data， hyperconnectivity and speed to intelligence to get true value in the digital economy[J].Journal of Advanced Analytics，2012，2（3）：31-44.

[23] MENGUC B， AUH S， YANNOPOULOS P. Customer and supplier involvement in design： the moderating role of incremental and radical innovation capability [J].Journal of Product Innovation Management， 2014， 31（2）： 313-328.

[24] COLOMBELLI A， KRAFFT J， QUATRARO F. Properties of knowledge base and firm survival： evidence from a sample of French manufacturing firms [J].Technological Forecasting and Social Change， 2013， 80（8）： 1469-1483.

[25] 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.

[26] AGOSTINO M， DONATI C， TRIVIERI F. External knowledge flows and innovation capacity： the Italian service industries [J].International Review of Applied Economics， 2020， 34（3）： 342-360.

[27] RYOO S Y， KIM K K. The impact of knowledge complementarities on supply chain performance through knowledge exchange [J].Expert Systems with Applications， 2015， 42（6）： 3029-3040.

[28] XU S. Balancing the two knowledge dimensions in innovation efforts： an empirical examination among pharmaceutical firms [J].Journal of Product Innovation Management， 2015， 32（4）： 610-621.

[29] TANRIVERDI H， VENKATRAMAN N. Knowledge relatedness and the performance of multibusiness firms [J].Strategic Management Journal， 2005， 26（2）： 97-119.

[30] 姚艷虹，張翠平.知識域耦合、知識創(chuàng)新能力與企業(yè)創(chuàng)新績效——環(huán)境不確定性和戰(zhàn)略柔性的調(diào)節(jié)作用[J].科技進(jìn)步與對策，2019，36（23）：76-84.

[31] 于飛，劉明霞，王凌峰，等.知識耦合對制造企業(yè)綠色創(chuàng)新的影響機(jī)理——冗余資源的調(diào)節(jié)作用[J].南開管理評論，2019，22（3）：54-65，76.

[32] 易法敏，朱潔.ICT賦能的扶貧平臺商業(yè)模式創(chuàng)新[J].管理評論，2019，31（7）：123-132.

[33] REICH B H， BENBASAT I. Factors that influence the social dimension of alignment between business and information technology objectives [J].MIS Quarterly， 2000，24： 81-113.

[34] KROH J， LUETJEN H， GLOBOCNIK D， et al. Use and efficacy of information technology in innovation processes： the specific role of servitization [J].Journal of Product Innovation Management， 2018， 35（5）： 720-741.

[35] LIANG H， WANG N， XUE Y， et al. Unraveling the alignment paradox： how does business—IT alignment shape organizational agility[J].Information Systems Research， 2017， 28（4）： 863-879.

[36] 何會濤，袁勇志.雙維市場導(dǎo)向、本地網(wǎng)絡(luò)嵌入與海外人才在華創(chuàng)業(yè)績效研究[J].科技進(jìn)步與對策，2019，36（1）：105-114.

[37] GERSCHEWSKI S， XIAO S S. Beyond financial indicators： an assessment of the measurement of performance for international new ventures [J].International Business Review， 2015， 24（4）： 615-629.

[38] KARAHANNA E， PRESTON D S. The effect of social capital of the relationship between the CIO and top management team on firm performance [J].Journal of Management Information Systems， 2013， 30（1）： 15-56.

[39] PODSAKOFF P M， MACKENZIE S B， LEE J Y， et al. Common method biases in behavioral research： a critical review of the literature and recommended remedies [J].Journal of Applied Psychology， 2003， 88（5）： 879.

[40] STEININGER D M. Linking information systems and entrepreneurship： a review and agenda for IT-associated and digital entrepreneurship research [J].Information Systems Journal， 2019， 29（2）： 363-407.

（責(zé)任編輯：張 悅）

The Influence Mechanism of Big Data Capability on the Entrepreneurial

Performance of New Ventures from the Perspective of Knowledge Coupling

Yuan Yongzhi¹， Zhuge Kai¹， Zhang Yong²， Lin Weiwei¹

（1. School of Business， Soochow University， Suzhou 215021， China;

2. Institute of Quality Economics， China Jiliang University， Hangzhou 310018， China）

Abstract：The importance of big data in innovation and entrepreneurship activities is well-acknowledged. The big data revolution has further refined the information access channels of entrepreneurs， fundamentally changed the social demand diagnosis and network resource access methods of new ventures， and promoted the innovation and catch-up of latecomer entrepreneurs in knowledge， products and business models. However， it should be pointed out that the emergence of massive data has also exacerbated the complexity and uncertainty of the economic environment， and new ventures are facing many challenges， such as data compression， knowledge iteration and other issues. Therefore， in the big data-driven context， how to seize entrepreneurial opportunities， and improve the efficiency of interactive integration of knowledge resources has become an urgent issue to be solved in its survival and growth process. On the one hand， faced with the practical difficulties of resource constraints and insufficient knowledge base， entrepreneurs need to establish efficient knowledge integration processing procedures to fill the knowledge gaps， and combine new technologies through knowledge coupling to reduce resource redundancy and entrepreneurial difficulty. Big data capability， as a low-order capability for carrying out data perception， integration and analysis， is regarded as the basis for forming high-order dynamic capabilities. The entrepreneurs rely on big data technology to accurately identify value information in massive data， optimize the process of knowledge transformation， and realize the integration and reconstruction of knowledge， showing a theoretical picture from low-order big data capability to dynamic knowledge coupling. On the other hand， enterprises need to improve the efficiency of resource integration through the coordination and alignment of IT and business strategies， so that IT personnel and business managers can reach a strategic consensus. The IT and business strategy alignment is an important boundary condition to be included.

This paper explores the mechanism of big data capability on the entrepreneurial performance of new ventures based on the dynamic capability theory and knowledge-based view theory. New ventures founded more than 1 year but less than 8 years ago are chosen as the research object with 212 valid survey data. By constructing a theoretical model with knowledge coupling as the mediator variable and IT—business strategy alignment as the moderator variable， it analyzes the mediating mechanism and boundary conditions of different knowledge coupling modes on the survival and growth of new ventures. The results show that big data capability has a positive impact on knowledge coupling and entrepreneurial performance of new ventures， and it can also affect the entrepreneurial performance of new ventures through the mediating role of knowledge coupling. Complementary knowledge coupling is inversely U-shaped with entrepreneurial survival performance， and alternative knowledge coupling is positively correlated with entrepreneurial growth performance. The IT—business strategy alignment positively moderates the relationship between big data capability and knowledge coupling.

The theoretical contributions of this paper lie in three aspects. First， it introduces big data capability to the survival and growth of new ventures， and confirms that big data capability has a positive impact on entrepreneurial performance. This conclusion enriches the relevant research on the mechanism of big data capability on entrepreneurial performance， and also provides positive theoretical support for further solving the "IT paradox". Second， this paper reveals the mediating mechanism of knowledge coupling in different configurations between big data capabilities and entrepreneurial performance of new ventures. According to the dynamic capability theory， for complementary knowledge， big data capability improves the opportunity identification and business capture of knowledge resources for new enterprises; for alternative knowledge， acquiring knowledge in similar fields within the existing product niche can help improve the level of specialization and innovation depth of knowledge. While complementary knowledge coupling and entrepreneurial survival performance have an inverted U-shaped path relationship， alternative knowledge coupling is conducive to the continuous improvement of enterprise competitiveness. This conclusion enriches the research on relevant mechanisms of knowledge coupling. Finally， this paper clarifies the moderating role of IT—business strategy alignment between big data capability and knowledge coupling， and finds that IT—business strategy alignment can positively moderate the relationship between big data capability and knowledge coupling， which further expands the theoretical boundary conditions of the relationship between big data capability and knowledge coupling.

Key Words：Big Data Capability; Knowledge Coupling; New Ventures; Entrepreneurship Performance; IT—Business Strategic Alignment