知識耦合視閾下大數據能力對新創企業創業績效的影響機制研究

袁勇志 諸葛凱 張勇 林煒煒

摘 要：數字經濟時代，數據成為企業轉型發展的重要資源，如何依托大數據能力優化知識能級并實現創業生存與成長目標成為新創企業“新創弱性”研究的關鍵問題?；趧討B能力理論與知識基礎觀，將知識耦合引入大數據能力與新創企業創業績效關系框架，構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家新創企業調查數據進行實證檢驗。結果表明，大數據能力對知識耦合與新創企業創業績效具有正向影響，大數據能力通過知識耦合影響新創企業創業績效；互補性知識耦合與創業生存績效呈倒U型關系，替代性知識耦合與創業成長績效具有正相關關系；IT-業務戰略匹配正向調節大數據能力與知識耦合的關系。

關鍵詞：大數據能力；知識耦合；新創企業；創業績效；IT-業務戰略匹配

DOI：10.6049/kjjbydc.2022100609

開放科學（資源服務）標識碼（OSID）：

中圖分類號：F272.4

文獻標識碼：A

文章編號：1001-7348（2024）08-0106-11

0 引言

隨著數字經濟發展，數據已經成為繼土地、勞動力和資本之后影響社會經濟發展的新興生產要素^[1]。大數據革命在推動后發創業者實現知識、產品及商業模式創新趕超的同時，極大地加劇了經濟環境復雜性和不確定性。大數據驅動背景下，新創企業如何通過數據引力搶抓創業機遇，提高知識資源交互整合效率、規避競爭威脅，成為其生存與成長過程中亟需解決的問題。2015年8月，國務院印發《促進大數據發展行動綱要》，強調“加快建設數據強國，以數據流引領技術流、物質流、資金流、人才流，運用大數據技術整合搭建脈絡清晰、覆蓋廣泛、內容準確的知識庫群，激發創業活力”?！洞龠M大數據發展行動綱要》的落地，標志著以大數據為代表的技術變革為傳統產業升級和新創企業發展帶來新機遇。相關研究指出，大數據對新創企業與創業團隊實踐行為具有重要影響，大數據的海量信息和高附加值能夠幫助創業者在探索商業動態、優化決策等方面建立先發優勢并形成商業洞見^[2]。大數據驅動下的創業活動實質是技術嵌入行為。例如，云叢科技通過融入大數據分析實現多元重組，打通從技術到產品再到市場的云通道。隨著創業者信息獲取渠道進一步細化，大數據成為創業者診斷社會需求、獲取網絡資源的主要方式。但需要指出的是，在大數據驅動下，新創企業也面臨著數據擠壓、知識迭代等考驗^[3]。因此，有必要探討大數據能力對創業活動的影響。

近年來，學者們圍繞大數據與創業活動的關系開展了深入研究。例如，Brands^[4]提出，可以借助大數據分析整合創業資源；Paschou等^[5]認為，大數據分析能顯著提高企業信息價值，強調通過數據透鏡優化績效與決策；Reibenspiess等^[6]認為，大數據平臺能夠較好地激勵員工內部創業。此外，數據泛濫帶來的質量問題以及效益評估程序缺乏，使部分學者認為技術投資帶來的大數據能力增益并不一定能促進企業創新能力提升或實現創業決策優化。例如，Yang等^[7]認為，大數據資源并不能直接驅動創新，企業只有具備數據清洗等數據處理能力，才能體現出數據的可用性和易用性；唐斌等^[8]認為，平臺創業企業需要提高大數據商業價值和經驗性知識挖掘能力，以此激活創造力。上述研究從多個理論視角論述了大數據對創業的“雙刃劍”效應，強調大數據并不等同于價值本身，只有將大數據資源轉化為企業能力才能對創業活動產生積極影響^[9]，從而為大數據能力與創業績效關系研究奠定了基礎。

對于創業者而言，初期資源短缺和知識基礎不足會加劇創業效益的未知性。因此，創業者需要建立高效的知識整合處理程序，幫助企業快速適應環境變化。當自身知識基礎難以組合出新的技術點時，新創企業會將知識耦合視為聯通知識池之間關系的紐帶?！榜詈稀笔侵竷蓚€或多個系統之間相互依賴的關系。Yayavaram ＆ Chen^[10]認為，知識耦合是指處于不同技術領域知識元素通過組合交互方式生產新知識的過程，能夠反映企業不同技術領域知識組合、重構的相互作用程度。已有部分文獻將知識耦合與創業活動聯系起來。例如，Caner＆Tyler^[11]指出，將不同技術領域中具有特定屬性的知識整合與重構有利于創業者突破創業約束；Gkypali等^[12]提出，較高的知識組合能力有助于加快企業反應速度，進而降低資源冗余與創業難度；Carlo等^[13]肯定了知識耦合在企業整合與重構不同知識池關系時的積極作用。從研究脈絡看，學者們對“知識耦合—創業績效”關系的探討存在局限性，并未基于動態能力視角揭示知識耦合對創業行為影響的“黑箱”?，F有研究發現，大數據能力作為承載數據感知、整合與分析的低階能力，是構成高階動態能力的基礎^[14]。Teece等^[15]認為，企業動態能力的本質是對資源的整合和重構。知識基礎觀理論認為，知識是企業發展的根本性資源，故知識要素耦合是企業維持競爭優勢的核心能力。創業者依托大數據技術，能夠幫助企業在海量非結構數據中準確識別價值信息、優化知識轉化流程，實現知識整合重構，進而展現由低階大數據能力到動態知識耦合的理論圖景。此外，創業者在大數據能力構建過程中不僅需要技術支持，而且面臨技術與業務匹配問題^[16]。企業需要通過IT與業務戰略協同匹配提高資源整合效率，使IT人員與業務管理者在磨合中達成戰略共識。

綜上，本文基于動態能力理論與知識基礎觀，探討大數據能力對新創企業創業績效的作用機理，構建以知識耦合為中介變量，以IT-業務戰略匹配為調節變量的理論模型，分析不同知識耦合方式對創業生存與成長的作用機制及邊界條件，進一步豐富中國情境下新創企業知識耦合機制研究。

1 理論分析與研究假設

1.1 大數據能力與新創企業創業績效

2010年，李新春等^[17]首次系統提出“創業生存”與“創業成長”的概念，認為隨著創業企業從初創期到穩定期的成長，創業戰略目標由創業生存轉化為有意識的創業成長。Chrisman等^[18]指出，新創企業必須先存活下來，然后逐步壯大成長以適應競爭環境，故創業績效應劃分為生存和成長兩個維度。創業生存績效代表新創企業在未來一段時間內實現持續經營目標的可能性，創業成長績效代表財務指標數據與盈利潛能增長。初創期企業具有高資源依賴性和低穩定性，其生存挑戰主要體現在機會識別、資源獲取等方面，因而有效發掘并識別資源成為創業生存的前提。進入成長期后，企業將經營目標放在市場擴張、降本增效等方面，銷售增長、市場占比等數據指標成為衡量創業成長與市場競爭力的最佳選擇。

數字經濟時代下，大數據與創業績效關系緊密。大數據能力作為感知、整合、預測和應用數據資源的能力，可以幫助創業者識別創業機遇并實現戰略目標。根據動態能力理論，企業通過低階能力（如大數據能力）產生的資源是高階能力形成（如知識耦合、企業生存與成長能力）的重要基礎。在商業開發中，創業者常因為信息不對稱和洞察能力不足導致決策偏誤，甚至創意流產。大數據能力可以幫助企業廣泛收集數據與信息，通過資源調度與信息整合實現創業生存所需的合法性構建和知識積累^[19]，以及創業成長所需的組織能力和競爭優勢^[20]。創業初期，大數據能力的價值體現為幫助企業識別創業方向和建立資源渠道，加強與其它市場主體間的弱關聯，短時間內掌握資源分布、產品定價、消費者偏好等重要信息，進而制定合理的創業生存戰略，為快速預判市場需求提供先機。創業成長期，大數據能力帶來的信息優勢有助于企業降低知識交易成本，通過與其它市場主體建立的強關系及時獲取大數據情報，以持續穩定的產品生產和服務保障活躍于市場前沿，進而實現創業成長。此外，Wamba等^[21]發現，大數據預測能力可以改變創業者價值傳遞方式。有別于向消費者“被動式”產品價值灌輸方式，大數據作為科學洞察依據能夠幫助企業將捕獲的潛在需求和軌跡數據融入“信息篩別—知識交互—產品測驗—市場反饋”動態流程，從而塑造契合新創企業生存與成長的價值傳遞模式。由此，本文提出如下假設：

H_1a：大數據能力對新創企業創業生存績效具有正向影響；

H_1b：大數據能力對新創企業創業成長績效具有正向影響。

1.2 大數據能力與知識耦合

Hagstrom^[22]認為，大數據代表知識資產的新范式，能夠確保企業競爭優勢不再具有可模仿性。大數據時代，面對消費者日益增長的知識需求，知識耦合成為創業者整合知識結構和重塑創業邊界的可行方案。具有較高耦合度的企業善于利用跨域知識進行搜索，從而推動知識基礎組合與重構。區別于不以技術領域為介質的知識整合，知識耦合是企業對技術領域間知識進行關聯與組合的行為，具有動態性和主觀性。例如，Menguc等^[23]認為，企業突破組織與技術的雙重邊界對不同領域知識進行耦合，有助于實現突破式創新。借鑒Colombelli等^[24]的研究成果，本文基于新領域知識和已有知識基礎構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造新知識的知識片段在已有技術領域的相補程度，將替代性知識耦合定義為所使用的知識片段在已有技術領域的接近程度。

知識資源是企業動態能力的基本單元，也是競爭優勢的核心要素。大數據能力可以通過驅動知識資源向高階知識耦合轉化而塑造優勢^[25]。首先，大數據能力能夠通過數據感知對不同技術領域知識進行探索，高效、快捷地識別互補性知識和替代性知識的應用價值。大數據時代，技術能力迭代演進對企業知識管理提出了更高的要求。企業需要在大數據能力持續變革中重新審視和設計知識耦合模式，通過對知識資源進行多樣化匹配和智能處理優化知識結構，從而確?；パa性知識與替代性知識的前沿性和創新性。其次，大數據能力能夠提升企業對新舊知識交互的容納度。Agostino等^[26]認為，大數據能力可以促進企業知識更新。由此，企業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新研發風險。最后，大數據能力可以通過預測和洞察完成高階能力建設的“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前的篩查和商業應用，進而推動跨域知識耦合價值升級。對消費者需求圖景的預測能夠促使企業不斷發掘以產品為載體的知識組合價值傳遞渠道，進而強化創業者的商業洞察能力。此外，知識耦合要求企業具備一定的知識基礎，大數據不一定能夠促進不同技術領域知識交互，因而企業需要將技術儲備升級為動態能力后在循環交互中實現耦合。由此，本文提出如下假設：

H_2a：大數據能力對互補性知識耦合具有正向影響；

H_2b：大數據能力對替代性知識耦合具有正向影響。

1.3 知識耦合與新創企業創業績效

進入新技術領域實現知識探索是新創企業提高創業競爭力的重要途徑，接觸新的知識源能夠幫助企業獲取自身范圍外的知識。對初創期企業而言，探索新技術領域是創業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、組合經驗匱乏等條件約束下，新技術領域的探索并不意味著能夠直接改善創業成效，創業者極易作出錯誤研判而導致“首戰”失利。因此，企業需要將新知識與自身知識基礎進行整合以識別技術發展趨勢和商業契機，進而降低知識耦合的不確定性風險。

一方面，互補性知識耦合有助于引導新創企業找到有效切入點。Ryoo＆Kim^[27]認為，互補性知識耦合能夠引導企業將自身欠缺的外部知識化為己用。相較于成長期，初創期企業出于生存需求能夠更理性地判斷與知識基礎相契合的知識池，并與之建立聯系。因此，互補性知識利基能夠對新創企業生存發展發揮推動作用。另一方面，新創企業對互補領域知識的組合重構有助于知識融合，進而構建獨特的創業體系。通過主動與互補性知識建立技術關聯和知識組合，企業可以嵌入市場互補資源網絡，加快知識結構更新速度并提高創意引進頻率，從而不斷驅動知識組合創新。通常情況下，初創期企業對新興市場的占有并不意味著創業成功。產品需求小眾化、溢價空間有限導致先發企業不愿涉入邊緣市場，說明企業通過互補性知識耦合建立的生存優勢薄弱?；パa性知識耦合能夠夯實企業現有知識基礎，但對互補性知識過度依賴容易造成創意“多而不精”的創業惰性和路徑依賴，進而產生臃腫的耦合關系和較高的交易成本。研究表明，對限定領域知識過度挖掘會加大知識協同難度，從而降低知識消化速度^[28]。因此，初創期企業若不謀求創業轉型則可能面臨被后發企業趕超的風險，最終落入創業“生存陷阱”。由此，本文提出如下假設：

H_3a：互補性知識耦合與新創企業創業生存績效呈倒U型關系。

替代性知識具有較高的啟發性與共通性^[29]，在小范圍市場建立生存基礎后，新創企業通常會嘗試以替代性知識與產品向主流市場靠攏，通過跨越市場攫取更多利益，實現從初創期到成長期的過渡。在創業成長階段，企業不能僅依賴于互補性知識，應更多考慮地消費者、供應商等利益相關者的核心需求，在專有業務領域深耕。因此，新創企業需要適當地采取替代搜索策略。

成長階段，新創企業戰略目標從生存轉向成長。相較于初創期績效表現，創業者更關心替代性產品在利益網絡中的競爭力與合作機遇。因此，成長期企業傾向于搜索、整合相近領域知識，在拓展知識基礎的同時，降低知識交易成本和學習成本，從而提升組織學習效率。首先，替代性知識耦合能夠強化企業間認知相向性，使雙方具有更為廣闊的合作基礎與交互學習空間，有助于深化企業對知識范疇、技術發展趨勢的理解，從而為創業成長提供方向^[30]。其次，創業者利用已有知識基礎開展研發工作，對自身知識體系較為熟悉。因此，在使用替代性知識進行耦合研發時，創業者清楚哪些替代性知識能夠創造出具有市場價值的產品^[31]。最后，成長期的競爭壓力會驅使企業吸收、重構利益相關者的替代性知識資源，加速內部知識更新，進而在一定程度上推動企業研發、生產、營銷流程改造，以此激發創業成長。成長期，企業需要依托替代性知識對已有知識基礎進行迭代，以此實現知識結構優化并推出符合市場預期的產品。因此，新創企業只有不斷突破現有創業邊界，依托自身知識體系與知識基礎創造更多有價值的知識組合，才能塑造創業成長優勢和持久性。由此，本文提出如下假設：

H_3b：替代性知識耦合對新創企業創業成長績效具有正向影響。

1.4 知識耦合的中介作用

新創企業利用大數據能力促使數據資源向知識資源轉化，形成互補性知識與替代性知識的高階耦合能力，從而實現創業生存與成長。易法敏和朱潔^[32]認為，創業企業需要構建包含互補性資源與替代性資源的大數據生態，以便在知識創新過程中利用數字技術快速調取知識基礎。

一方面，新創企業可以借助大數據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行組合，激發創業者的創意思維，縮小組織內部與市場環境的知識勢差，促進互補性知識與已有知識基礎融合，并通過知識組合重構探尋市場需求痛點，從而實現有效創業切入。但隨著互補性知識耦合深入，新創企業對互補性知識過分依賴會產生負面效應，導致創業活動中出現大量“多而不精”的創意，引發創業惰性和路徑依賴，因而不利于創業生存。

另一方面，大數據能力是企業預測市場趨勢的重要能力。進入成長階段，新創企業需要加強對主流市場的占領，通過替代性知識耦合將與自身知識基礎相近的領域知識作為搜索目標，并通過獲取現有產品利基內的外部知識提升專業化水平、拓展知識創新深度，進而提高對現有產品序列的深耕能力與收益預期。同時，替代性知識耦合代表企業對知識基礎的縫合能力，縫合能力越強說明企業掌握的同質性知識越有利于創業價值開發。由此，本文提出如下假設：

H_4a：互補性知識耦合在大數據能力對創業生存績效影響過程中發揮中介作用。

H_4b：替代性知識耦合在大數據能力對創業成長績效影響過程中發揮中介作用。

1.5 IT-業務戰略匹配的調節效應

IT-業務戰略匹配是企業應用IT技術的高級階段，是指企業信息技術戰略與業務戰略相互支持、相互關聯的能力^[33]。在驅動知識耦合過程中，大數據能力呈現的超前性和新生性往往會超出利益相關者的接受范圍^[9]，而IT-業務戰略匹配能夠提升大數據應用與自身業務發展的契合度，從而為知識耦合提供高質量資源。IT-業務戰略匹配對大數據能力與知識耦合關系的調節作用體現在以下方面：一方面，新創企業戰略動向直接關系到其對資源的需求水平與統籌能力。大數據技術與戰略目標協同能夠提高資源使用效率，幫助企業更具針對性地布局技術方向以促進機會識別與知識交互^[34]。因此，知識耦合作為業務戰略能否通過IT-業務戰略與資源建立匹配關系，大數據能力在其中發揮關鍵作用。另一方面，IT人員與業務管理者對創業目標、計劃的理解與承諾能夠幫助企業快速錨定并整合所需的互補性知識及替代性知識^[35]，進而為業務發展提供高效的數據支撐，減少因資源錯配而導致的無效耦合，強化資源應用的靶向性。在技術與業務雙重框架下，戰略匹配可以更好地實現由大數據能力帶來的知識組合收益及市場占有率等經濟效益提升。由此，本文提出如下假設：

H₅：IT-業務戰略匹配正向調節大數據能力與互補性知識耦合、替代性知識耦合的關系。

綜上所述，本文構建研究理論模型如圖1所示。

2 研究設計

2.1 研究樣本與數據收集

本文采用問卷調查方法收集數據，參考何會濤、袁勇志^[36]的研究成果，按照“創業企業年齡大于1年但不超過8年”的標準篩選新創企業樣本。為確保被試者能夠全面理解調查內容，選取新創企業創始人、高層管理者和分管業務部門的中層管理人員作為問卷發放對象，因為中高層管理人員對企業技術能力、知識儲備情況具有較為清晰的認知。

本文數據來源如下：2022年7月，依托第十四屆蘇州國際精英創業周高層次人才獵聘會活動現場進行問卷發放與回收，發放問卷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業者座談會，現場發放問卷22份，回收有效問卷22份。2021年10～12月，通過E-mail和微信與MBA校友群聯絡，發放問卷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，本研究共發放問卷302份，有效問卷212份，問卷有效率為70.20%，樣本企業主要分布于上海、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據能力、互補性知識耦合、替代性知識耦合、創業生存績效、創業成長績效和IT-業務戰略匹配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確反映量表含義，問卷采用Likert 7點量表。大數據能力（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；新創企業創業績效測量采用Gerschewski ＆ Xiao^[37]的研究量表，分為創業生存績效（PS）和創業成長績效（PG）兩個維度，其中創業生存績效維度包含3個題項，創業成長績效維度包含4個題項；IT—業務戰略匹配（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。根據前人研究，本文選取企業規模（Size）、創業年限（Year）、所處行業（Industry）和企業性質（Nature）作為控制變量并賦予不同數值，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軟件進行信度與效度分析，結果如表2所示。首先，計算得到各變量的Cronbach's α系數均大于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，檢驗變量間區分效度。由表3可知，六因子模型擬合指數均達到適配標準且優于其它因子組合，各變量AVE平方根的值均大于該變量與其它變量的相關系數，表明量表具有較高的區分效度。

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。與其它因子組合數據相比，若單因子模型的CFA擬合指數最低則證明共同方法偏差不嚴重。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，通過擬合指數改善程度進行判斷，計算得到六因子+方法因子的擬合指數如下：χ²/df=2.322，CFI=0.931，TLI=0.922，RMSEA=0.079，SRMR=0.041。與基準模型對比發現，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 相關性分析

本文對所有變量進行描述性統計與相關性分析，結果如表4所示。核心變量間呈現出顯著相關關系，大數據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，互補性知識耦合與創業生存績效（β=0.541，p<0.01）正相關，替代性知識耦合與創業成長績效（β=0.267，p<0.01）正相關。由此證明，可以進行假設檢驗。

3.4 假設檢驗

本文采用層次回歸法在僅包含控制變量的基準模型中加入核心解釋變量進行回歸分析，結果如表5和表6所示。表5列示了以新創企業創業績效為因變量的回歸結果，表6列示了以知識耦合為因變量的回歸結果。

3.4.1 主效應與調節效應檢驗

模型2結果表明，大數據能力對創業生存績效（β=0.457，p<0.001）具有顯著正向影響；模型5結果表明，大數據能力對創業成長績效（β=0.331，p<0.001）具有顯著正向影響。由此，假設H_1a、H_1b得到支持。對比模型1與模型2發現，大數據能力的加入優化了創業生存績效20.8%的擬合（ΔR²=0.208）；對比模型4與模型5發現，大數據能力的加入優化了創業成長績效11%的擬合（ΔR²=0.110）。由此可見，大數據能力對創業生存績效的擬合效果更優，說明大數據能力在新創企業生存期間發揮整合協同與預測感知作用，對創業生存所需的市場認同等績效指標影響顯著。模型10結果表明，大數據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結果表明，大數據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H_2a、H_2b得到支持。通過模型對比發現，大數據能力對替代性知識耦合（ΔR²=0.185）的擬合效果優于互補性知識耦合（ΔR²=0.095），說明新創企業傾向于將大數據技術應用于較為熟悉的知識領域，進而突破現有創新門檻，構建替代性優勢。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）對創業生存績效的影響顯著，說明互補性知識耦合與創業生存績效呈倒U型關系，假設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業成長績效的影響顯著（β=0.516，p<0.001），假設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-業務戰略匹配對大數據能力與互補性知識耦合關系的正向調節作用顯著（β=0.224，p<0.01），對大數據能力與替代性知識耦合關系的正向調節作用顯著（β=0.104，p<0.05），故假設H₅得到驗證。為了揭示有調節的路徑關系，參考Aiken＆West（1991）的研究成果，以IT-業務戰略匹配為基礎按正負一個標準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-業務戰略匹配下新創企業大數據能力對知識耦合的效應量較高，由此驗證正向調節作用顯著的假設，且IT-業務戰略匹配對互補性知識耦合的調節作用大于替代性知識耦合，原因可能在于互補性知識構成特質使新創企業需要將大數據技術與自身業務匹配以實現對互補性知識的探索式學習。

3.4.2 中介效應檢驗

根據前述假設及中介檢驗三步法，將大數據能力與互補性知識耦合同時納入回歸方程（見模型4），結果均正向顯著，但大數據能力的回歸系數由0.457降為0.327。由此表明，互補性知識耦合（β=0.421，p<0.001）在大數據能力與生存績效間發揮中介作用，假設H_4a獲得支持。由此說明，創業生存階段，借助大數據能力，新創企業能夠通過整合已有知識與新技術領域知識提高創業生存概率。模型8將大數據能力和替代性知識耦合同時納入回歸方程，結果均正向顯著，且大數據能力的回歸系數由0.331降為0.185，表明替代性知識耦合（β=0.536，p<0.001）在大數據能力與成長績效間發揮中介作用，假設H_4b獲得支持。由此說明，創業成長階段，新創企業不再依賴于互補性知識耦合，而是依托大數據能力積極開展對已有知識基礎的替代搜索，通過深耕專有業務領域逐步實現商業價值和創業成長。

3.5 穩健性檢驗

為驗證上述結論的可靠性，本文進一步通過Mplus偏差校正的Bootstrap置信區間進行穩健性檢驗，結果如表7所示。路徑1的間接效應在95%置信度下的Bootstrap偏差校正置信區間為（0.051，0.173），區間未包含0且p值小于0.01，說明假設H_4a成立。路徑2的間接效應在95%置信度下的Bootstrap偏差校正置信區間為（0.158，0.314），區間未包含0且p值小于0.001，說明假設H_4b成立。此外，路徑3和路徑4的置信區間分別為（-0.068，0.139）（-0.079，0.107），均包含0，中介效應不成立，與前文回歸結論一致。

4 結語

4.1 結論

本文基于新創企業多時段、多來源實證調查數據，采用層次回歸方法和結構方程模型探討知識耦合驅動因素及作用效果，以及知識耦合視閾下大數據能力與新創企業生存與成長績效關系機制，得到以下主要結論：

（1）大數據能力對新創企業生存績效、成長績效具有顯著正向影響。本文再次證實大數據能力是創業活動的重要推動因素^[40]，管理者不再僅根據以往經驗進行預判和決策，而是可以通過大數據分析獲取消費者需求偏好，從而提高市場預估收益。

（2）互補性知識耦合與創業生存績效呈倒U型關系，替代性知識耦合與創業成長績效呈正相關關系。上述結論進一步明確了初創期企業需要整合新知識與自身知識基礎以識別技術趨勢和商業契機，也證實了成長期企業不能僅依賴于互補性知識，而是需要考慮消費者、供應商等利益相關者的核心需求，在專有業務領域深耕。

（3）互補性知識耦合在大數據能力與創業生存績效間發揮部分中介作用，替代性知識耦合在大數據能力與創業成長績效間發揮部分中介作用。新創企業可以利用大數據能力促使數據資源向知識資源轉化，形成互補性知識與替代性知識的高階耦合能力，從而實現創業生存與成長。

（4）IT與業務戰略匹配能夠正向調節大數據能力與知識耦合的關系。IT—業務戰略匹配下，企業能夠通過提升大數據應用與自身業務發展的契合度解決數據孤島問題，對內構建關聯信息系統，對外形成與利益相關者的資源網絡鏈接，從而實現價值共創。

4.2 理論貢獻

（1）本文考察大數據能力對創業生存績效與創業成長績效的影響，發現大數據能力對創業績效具有積極影響，與成長績效相比，其對生存績效的正向影響更加顯著。上述結論豐富了大數據能力對創業績效的作用機制研究，也為進一步解答“IT悖論”提供了理論支撐。

（2）本文揭示了不同構型知識耦合在大數據能力與新創企業創業績效間的中介機制。一方面，基于動態能力理論，探討了大數據能力對知識耦合的作用機制。對互補性知識而言，大數據能力有助于新創企業對知識資源的識別和捕捉；對替代性知識而言，獲取現有產品利基內的相近領域知識能夠提升知識專業化水平和創新深度。另一方面，基于知識基礎觀理論，探討了知識耦合對創業績效的作用機制。結果發現，互補性知識耦合與創業生存績效存在倒U型關系，替代性知識耦合有助于企業競爭力提升。

（3）本文揭示了IT—業務戰略匹配在大數據能力與知識耦合間的調節作用，發現IT—業務戰略匹配能夠正向調節大數據能力與知識耦合的關系，且對互補性知識耦合的調節效力大于替代性知識耦合。上述結論進一步拓展了大數據能力與知識耦合關系研究邊界。

4.3 管理啟示

（1）新創企業應重視數據資源，加強大數據能力培育。目前，大數據已成為新創企業價值創造的來源，企業可以依托大數據技術打通各業務單元間的信息傳遞渠道，從而推動研發與生產流程再造。新創企業需要對大數據技術、設施及人才進行有效管理，進而在海量數據中準確識別有價值的信息、優化研發作業流程，從而實現知識整合與重構。因此，管理者需要將大數據技術融入企業階段性戰略，從而提高大數據的針對性和商業價值。

（2）新創企業應充分發揮知識資源在創業活動中的主導作用，積極培育知識耦合能力。在大數據驅動創業活動過程中，管理者應認識到不同知識耦合類型對創業生存與成長的影響，充分發揮知識耦合的紐帶作用。初創期，管理者應采取以互補性知識耦合為主的業務戰略，借助互補性知識建立生存利基；成長期，管理者應制定以替代性知識耦合為主、互補性知識耦合為輔的業務戰略，依托替代性知識對已有知識基礎進行迭代，實現知識結構優化，進而推出符合市場預期的產品。

（3）新創企業應關注IT技術與業務戰略匹配問題。初創期，管理者應重視大數據技術引進，根據大數據能力與自身業務的適配性，促進技術與業務融合；成長期，管理者應確立以業務為主，以大數據技術服務業務發展的戰略理念，將大數據指標分解至業務部門，提高大數據技術服務預期。

4.4 不足與展望

（1）本文僅將大數據能力視為單維度概念進行研究，具有一定的局限性。大數據能力包括大數據資源整合、感知識別、預測分析與洞察等能力，后續可對大數據能力進行維度劃分，進一步探究其整體及子維度間的關系。

（2）本文研究對象主要為發達地區科技型新創企業，研究結論的普適性有待提升，后續可以適當擴大問卷發放范圍。

參考文獻：

[1] 楊艷，王理，廖祖君.數據要素市場化配置與區域經濟發展——基于數據交易平臺的視角[J].社會科學研究，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.大數據驅動情景下數字創業商業模式創新關鍵影響因素——話語分析方法的一項探索性研究[J].科技進步與對策，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.大數據能力視角下平臺企業知識創造模型研究[J].情報理論與實踐，2020，43（7）：123-129.

[9] 張吉昌，龍靜，陳鋒.大數據能力、知識動態能力與商業模式創新——創新合法性的調節效應[J].經濟與管理，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.外部關系—內部能力平衡與新創企業成長——基于創業者行為視角的實證研究[J].中國工業經濟，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關系強度與績效研究[J].科研管理，2013，34（8）：115-122.

[20] 何會濤，袁勇志.海外人才創業雙重網絡嵌入及其交互對創業績效的影響研究[J].管理學報，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、知識創新能力與企業創新績效——環境不確定性和戰略柔性的調節作用[J].科技進步與對策，2019，36（23）：76-84.

[31] 于飛，劉明霞，王凌峰，等.知識耦合對制造企業綠色創新的影響機理——冗余資源的調節作用[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模式創新[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.雙維市場導向、本地網絡嵌入與海外人才在華創業績效研究[J].科技進步與對策，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