《INDUSTRIAL MARKETING MANAGEMENT》：Employing big data capability in the face of fierce competition: Exploring the synergy between market orientation, marketing strategies, and innovation capabilities
编辑推荐：
本研究基于资源基础观和动态能力理论，构建了整合技术、商业和人力资源的三因素大数据能力模型，揭示市场导向通过大数据能力提升营销和创新能力，并验证行业竞争强度正向调节该关系。
Omar S. Itani | Colin B. Gabler | Ashish Kalra | Samer Elhajjar | Manal Yunis
黎巴嫩美国大学阿德南·卡萨尔商学院，贝鲁特，黎巴嫩
摘要
在大数据的推动下，信息时代为企业提供了提高营销效率和推动创新的机会。为此，我们将大数据能力构想为一个整合了商业、人力和技术资源的三要素框架，并运用资源基础观（RBV）和动态能力理论（DCT），构建了一个模型，展示了市场导向如何通过有效利用大数据来提升营销和创新能力，从而将大数据能力定位为中介因素。接着，我们强调了企业所在行业的竞争强度作为调节变量，如何增强大数据转化为实际能力的过程。该模型突出了大数据能力的实际影响，并通过整合竞争强度对这些能力的调节作用，扩展了RBV和DCT的理论内涵。本研究深入探讨了市场导向与大数据能力之间的联系，为竞争市场中的专业人士提供了理论贡献和实践建议。
引言
大数据已成为营销文献和实践中的热门词汇（Bag, Srivastava, Gupta, Sivarajah, & Wilmot, 2024; Kushwaha, Kumar, & Kar, 2021; Li, Zhang, Yang, & Wei, 2023; Papagiannidis, Mikalef, Conboy, & Van de Wetering, 2023）。根据SKYQUEST的报告（2025），预计到2032年，大数据市场将成长为10771.9亿美元的产业，2025年至2032年的复合年增长率为13.6%1。大数据涵盖了大量多样化的数据集，包括非结构化、结构化和半结构化数据。其复杂性往往超出了传统数据处理的能力范围。它被应用于机器学习和预测建模等复杂分析框架中，以提取可操作的见解，为战略决策提供依据。
文献普遍认为大数据对企业具有价值（Awaysheh, Alazab, Garg, Niyato, & Verikoukis, 2021），并有助于企业的发展和增长（例如，Gupta, Gaurav, & Panigrahi, 2023; Kushwaha et al., 2021）。例如，约翰迪尔（John Deere）通过其精准农业平台和工具，整合和分析来自设备、土壤条件和天气预报的数据，以提高作物产量、减少资源消耗并提升运营效率。这一成功的做法依赖于农民和其他利益相关者的积极参与和支持，以及有效的战略规划和培训。约翰迪尔的案例表明，整合人力（即高层管理的支持和组织文化与大数据使用的契合）、技术资源和商业资源（即用于更有效利用大数据的规划和控制机制）对于希望利用大数据提升能力的企业至关重要。
尽管大数据的好处已被认可，但关于实施大数据所需资源以及企业如何利用它获得竞争优势的研究仍存在空白（例如，Agnihotri & Gabler, 2024）。以市场为导向的企业认识到通过大数据满足客户需求的重要性（例如，Zhang & Song, 2022）。数字时代要求制定基于数据的战略来应对现代市场的复杂性（Shah & Murthi, 2021; Tóth, Mrad, Itani, Luo, & Liu, 2022）。利用大数据，企业可以制定定制化的策略，改善客户体验并建立长期关系（Kumar, Kushwaha, Kar, Dwivedi, & Rana, 2022; Kumar, Shankar, & Aljohani, 2020）。在当今竞争激烈的市场中，企业必须从数据中提取价值以实现大数据的潜力。然而，关于开发和嵌入这些能力以促进增长所需资源的研究仍然有限。本研究通过引入大数据能力的概念来填补这一空白，该概念包含三个要素：商业、人力和技术资源，并运用RBV和DCT理论。我们提出了一个模型，说明市场导向如何通过有效利用大数据来提升营销和创新能力。
尽管大数据被推崇为增长策略的重要手段，但对其对营销和创新影响的理解，以及这些影响是否依赖于具体商业环境，仍然有限（例如，Mikalef, Pappas, Krogstie, & Pavlou, 2020; Oesterreich, Anton, & Teuteberg, 2022）。这一差距限制了企业利用大数据进行竞争的能力。
关于大数据的现有文献在附录A中进行了总结，指出了激发我们研究的现有空白。本研究的主要目标是阐明大数据能力的概念，以便企业能够有效运用它。本研究追求以下三个目标：（1）将大数据能力形式化为一种复杂的资源整合，帮助企业实现目标；（2）实证评估大数据能力作为市场导向与企业能力之间联系的中介作用；（3）评估竞争强度对这些关系的调节影响。
我们提出了一个包含技术、商业和人力资源的三要素大数据能力框架。基于能力策略（Greenley, Hooley, & Rudd, 2005），我们认为市场导向是发展这种能力的关键。有效收集、分享和利用市场情报的企业更有机会取得成功（Kohli & Jaworski, 1990）。通过了解客户和竞争对手（Narver & Slater, 1990），这些企业能更好地采用和使用大数据。市场导向与其他能力一起影响企业绩效（Morgan, Vorhies, & Mason, 2009）。
行业差异影响竞争（Jermias, 2008）并增加市场不确定性（Inyang, Itani, Alnakhli, & White, 2024），这使得竞争强度成为一个关键的限制条件。激烈的竞争要求高效利用资源（Hitt, Keats, & DeMarie, 1998），而差异化对于保持竞争优势至关重要（Jaworski & Kohli, 1993）。大数据增强了市场能力和绩效，尤其是在差异化策略中（Suoniemi, Meyer-Waarden, Munzel, Zablah, & Straub, 2020）。在高风险环境中，大数据能力具有显著影响。虽然资源对企业绩效的影响已得到充分研究（Brinch, Gunasekaran, & Fosso Wamba, 2021; Kor & Mahoney, 2005; Ravichandran, Lertwongsatien, & Lertwongsatien, 2005），但其效应和机制尚不明确。
本研究探讨了四个研究问题：（RQ1）需要哪些资源来发挥大数据能力？基于RBV和DCT，我们提出了一个新的大数据能力概念，以揭示我们对大数据理解的潜在益处。（RQ2）以市场为导向的企业是否更具备发展大数据能力？我们考察了以市场为导向的企业是否更有利于发展和整合大数据能力。（RQ3）竞争环境是否在这些关系中起到限制作用？
文献综述：大数据
大数据曾经只是一个商业术语，但现在已不再是一个抽象的概念或行业行话。利用大数据意味着运用各种信息技术支持的资源来促进决策制定、知识收集、洞察发现，并最终创造竞争优势（de Camargo Fiorini, Roman Pais Seles, Chiappetta Jabbour, Barberio Mariano, & de Sousa Jabbour, 2018）。它可以影响从市场情报和电子商务到运营和供应链的各个方面。
理论背景：资源基础观和动态能力理论
在相关文献中，区分资源和能力是分析的关键。在RBV理论中，资源在未被利用之前是静态的（Vargo & Lusch, 2008）。它们是需要整合和激活才能成为能力的固定资产（Amit & Schoemaker, 1993）。一旦被激活，它们提供的价值超过了单独的资源（Day & Nedungadi, 1994; Teece, Pisano, & Shuen, 1997），并可能导致竞争优势（Madhavaram & Hunt, 2008）。最近的研究也支持了这一观点。
市场导向与大数据能力之间的关系
市场导向通常被视为新产品开发和客户关系建立等能力的前提条件（例如，Fang, Chang, Ou, & Chou, 2014; Najafi-Tavani, Sharifi, & Najafi-Tavani, 2016; Ngo & O'Cass, 2009）。我们预计在我们的研究中也会看到类似的影响。以市场为导向的组织拥有持续改进能力以满足不断变化的客户需求的文化（Day, 1994）。这种文化使它们天生倾向于……
数据收集与样本
为了分析模型（包括假设的关系，见图1中的理论模型），我们使用Qualtrics进行了针对企业经理和董事的调查。在对18位未参与研究的美国经理进行预测试后，根据他们的反馈对问卷进行了几项调整以提高清晰度和可理解性。两位熟悉该主题的研究人员验证了测量内容的有效性。
我们使用了Qualtrics的付费数据。
结果
在验证了测量工具的心理测量特性后，我们使用自助法（5000个子样本）测试了我们的理论模型及其假设的关系。首先，我们运行了一个线性模型，然后是包含了调节变量和交互作用的假设模型。表3总结了结果，这些结果支持了大部分假设。
正如H1中所假设的，我们发现市场导向与大数据能力之间存在显著关系（β = 0.58，p < 0.01）。
讨论
鉴于各行业之间激烈的竞争和数字化趋势，创新产品并将其推向市场的能力比以往任何时候都更为重要（例如，Vla?i?, Corbo, e Silva, & Dabi?, 2021）。收集和访问数据是企业适应市场变化的一种策略（Erevelles et al., 2016），许多公司正在投资大数据项目以提供定制化的客户解决方案（例如，Davenport & Bean, 2018; De Luca, Herhausen, Troilo, & Rossi, 2021; Singh & Del Giudice）。
理论意义
从理论上讲，我们的贡献在于将RBV和DCT扩展到了大数据领域。根据RBV理论，成功获取、整合和利用资源的企业可以获得竞争优势（Barney, 1991; Day & Nedungadi, 1994）。我们将这一逻辑应用于大数据，认为其优化需要三个相互关联的关键资源：人力、技术和商业资源。具体来说，我们借鉴了Powell和Dent-Micallef（1997）以及Gabler的研究成果。
局限性与未来研究
尽管本研究推进了关于大数据、资源和动态能力的讨论，但仍存在局限性。虽然它有助于理解人们的认知和自我报告的实践，但依赖调查数据可能无法完全反映企业在实际应用大数据能力时的复杂情况。这种方法自然限制了我们对大数据实际使用方式及其对创新和营销成功影响的深入理解。此外，横断面设计也……
CRediT作者贡献声明
Omar S. Itani：撰写——审阅与编辑，撰写——初稿，项目管理，方法论，数据整理，概念化，研究设计，软件开发，可视化。
Colin B. Gabler：撰写——审阅与编辑，撰写——初稿，概念化。
Ashish Kalra：撰写——审阅与编辑，撰写——初稿，概念化。
Samer Elhajjar：撰写——审阅与编辑，撰写——初稿，概念化。
Manal Yunis：撰写——审阅与编辑，撰写——
