大数据分析能力的研究进展与商业价值

　　[摘要]通过梳理webofscience核心合集收录的224篇大数据分析能力相关文献，运用文献计量法介绍其研究发展概况，归纳其研究主题，在此基础上探寻大数据分析能力的研究进展和商业价值，并提出了未来可能的研究方向。

　　[关键词]大数据分析能力;商业价值;文献计量分析;WOS

　　一、引言

　　大数据分析能力(bigdataanalyticscapability，BDAC)作为一项从数据中挖掘洞察的能力，带来了商业价值创造的新可能，成为数字化时代“下一个创新前沿”[1-3]。许多企业把BDAC投资置于战略发展的地位[4]，但是众多组织在数据与分析方面还没有成熟，BDAC进展缓慢[5]。围绕BDAC的相关主体，国外的学者们从大数据特征、智能算法、分析工具、资源配备等视角展开研究[6-8]，或是研究如何编排各种资源发展BDAC[7]，结合影响组织内外部的各种因素探究大数据分析的价值所在[1];抑或是回溯以往信息系统与信息技术(informationtechnology，IT)的研究，对大数据、大数据分析、BDAC的相关定义进行区分，总结BDAC关注的重点领域[9];或者从社会物质观出发分析数字化时代中人类与技术紧密联系不可分割的特点[10]，将BDAC解构为多重相互联系的维度[11-12]。国内的学者对BDAC的研究聚焦数据安全或者探索其内涵与维度，尝试从组织层面回答其与企业发展的关系[13-14]。

　　然而现有的研究主要关注BDAC的构成和影响因素，未能从战略和企业运营的视角充分地剖析其作用，展示其价值研究的全方位视图。针对现有研究不足，本文聚焦BDAC在企业战略和运营层面发挥作用的研究，在Webofscience(WOS)数据库中选取BDAC在企业战略和运营方面的研究文献作为研究对象，采用文献计量法和文献研究法相结合的方式进行分析，即借助CiteSpace软件绘制知识图谱对文献资料进行可视化分析，对重要文献进行梳理，客观全面地反映该领域研究的基本现状，以期提供一幅全方位的研究视图，为BDAC的深入研究提供借鉴。

　　二、研究设计

　　(一)研究方法

　　本文先采用知识图谱法分析文献资料，然后对重要文献进行梳理和总结。知识图谱是利用计算机技术形象地展示研究的核心结构和发展进程的研究方法，现有的图谱工具有CiteSpace、VOSViewer、HistCite、SciMAT、Sci2等[15]，其中CiteSpace可以用来分析学者之间的合作关系和文献的引用关系，挖掘研究的热点和前沿，因其功能丰富而被我国学者广泛使用[16-17]。本文借助该软件对Webofscience数据库中有关BDAC在企业战略和运营方面的研究文献进行可视化分析。

　　(二)数据收集

　　WOS数据库包含7个子数据库，根据研究需要选择WOS核心集合数据库作为数据来源，保障完整的引文数据;经过阅读分析不同检索主题下获得的多组文献数据，最终将检索主题设置为“bigdataanalyticscapability”，检索时间跨度为所有年份，初步检索得到535篇文献;为了确保数据的准确性，本文通过阅读文献标题、关键词、摘要等内容，对文献作进一步筛选，剔除研究范围并非企业战略和运营层面的文献305篇、缺失参考文献的5篇、内容重复的1篇，最终得到224篇文献作为研究分析对象。

　　三、知识图谱分析

　　(一)研究概况

　　1.文献发表时间分布BDAC在企业管理中的应用研究在2012年便得到了学者的关注，2012—2014年处于起步阶段，发文量较低;之后逐渐广泛地吸引学者的注意力，2014—2018年增幅明显，研究成果增长较快，其中2017年达到60篇，2018年达到最高峰66篇，由于文献收集时间为2019年4月，所以2019年的发文量并没有得到完全的统计，但是本文认为相关研究正处于发展阶段，现阶段的发文量将持续保持上升趋势。

　　2.国家与机构分析统计数据显示2012—2019年共有28个国家和众多机构的学者发表了相关文献，从文章数量来看，美国发文量领先(82篇)，其次是英国(40篇)和印度(24篇)，我国(24篇)排在第4位;从合作伙伴来看(以中心度为主要特征)，伍伦贡大学(澳)、田纳西大学(美)和图卢兹商学院(法)这三个机构的合作伙伴较为丰富，这些机构中代表学者有AkterS、HazenBT、WambaSF等人。

　　3.高被引文献分析文献的被引次数反映了其在该领域的影响力，高被引论文的识别具有重要意义，接下来将按引用次数高低介绍重要文献。Manyika等[2]的调查发现大数据席卷了各个行业。Lavalle等[18]则发现高绩效的公司中BDAC普遍较强，认为BDAC中管理层面和文化层面的困难显著，并提出5点提高分析驱动型管理方式的建议。Chen等[19]围绕大数据解析商业智能与分析(businessintelligenceandanalytics，BI&A)，在前人的研究基础上识别BI&A中数据来源和数据结构的变化过程，将其划分为不同的阶段，并总结其特点、应用途径和衍生的研究方向，其中阐述了大数据分析的不同用途以及相应的技术基础。

　　Mcafee和Brynjolfsson[20]提出大数据的三大特点即数量、速度和多样化，指出使用大数据的技术挑战固然存在，但是管理挑战更加艰巨，认为在管理过程中需要具有洞察力的领导者建立数据驱动型的文化并将合适的数据与合适的人才组合在一起，搭配经验丰富的数据科学者整合新技术，才能更好地应对挑战。MayerSchönberger和Cukier[21]从生活、工作和思想多个方面总结了大数据带来的影响以及危险。Waller和Fawcett[22]结合了供应链中动荡的市场环境研究大数据预测的可行性和提高其在实践中预测的准确性。

　　Hazen等[23]则是在供应链管理背景下研究如何运用实践案例和理论分析方法提高数据分析的质量。Wamba等[8]通过系统回顾前人的研究和开展纵向案例研究，总结了大数据带来的价值，发现要从大数据中获得效益离不开管理和文化的支持。Akter等[11]认为BDAC是通过运用数据管理、基础设施和人才资源提供商业洞见，提升竞争力的能力，然后在IT能力研究的基础上，采用资源基础理论和社会物质主义交织观的视角划分BDAC的类型，并通过实证研究发现BDAC在战略协同的调节下能积极影响企业绩效。Wamba等[12]则基于知识基础观，在大数据分析、信息系统、IT商业价值等研究基础上提出BDAC模型，引入过程导向的动态能力作为中介变量探究BDAC和企业绩效之间的关系。

　　(二)研究主题

　　1.引文共被引分析最早的研究聚焦如何运用BDAC吸引顾客持续消费;随后侧重于商务智能的研究;接着关注企业如何在大数据的基础上形成分析能力;然后注重社交网络分析;再然后开始出现综述、商业价值的评估以及医疗环境背景下的研究;紧跟其后的是分析基础研究;近年来是围绕数据驱动的商业时代、市场分析和业务过程绩效展开。其中，商务智能、分析基础和商业价值评估等类别的文献被引次数高且影响力高的文献相对较多;有关数据驱动的商业时代、分析基础和商业价值评估这三个类别的近三年文献被引数量相对较强，表现出较顽强的学术生命力。

　　2.关键词聚类分析关键词在一定程度上概括了研究内容，有助于发现研究主题，也是对引文共被引聚类分析的一个展开分析。第一大聚类聚焦于吸收能力，将大数据用于商务智能中帮助决策，形成一种能力并将其作为一种资源，通过实证检验能力的作用，突出了企业的能力构建。第二大聚类提取出的标签为数据分析能力，其中涉及到处理动态环境的技术如复杂事件处理、大数据分析、IT能力等等，该聚类体现了大数据分析能力从IT能力的基础上发展而来，在企业转型中作为动态能力为企业创造商业价值，突显了价值的识别。第三大聚类的标签为隐形知识，出现的时间最早，从知识的角度分析大数据，考虑为企业建立成熟度模型衡量其能力的发展，并将信息系统和大数据作为该研究热点的核心。第四大聚类包含了BDAC未来的研究方向如云计算、物联网、数字化转型、智慧城市等等。第五大聚类侧重于构建组织间协作分析的平台，第六大聚类和第七大聚类属于其分支，研究供应链这样分工明确的组织间的协作。第八大聚类为BDAC在感知智能服务上的应用。

　　(三)研究进展

　　从现有文献的梳理来看，BDAC的研究基础是大数据，一部分学者关注大数据的来源和特征[2，20]以及商务智能的应用中大数据的结构和质量[19，24];在此基础上学者开始挖掘大数据的价值，商务智能开始预测未来转变为BI&A，研究焦点从大数据本身转移到大数据分析中，研究大数据分析项目在企业应用中与现有的信息系统的融合[8]或者是在供应链背景下将现有决策系统与大数据分析合并用于提高供应链敏捷性[25]，以及各种分析算法[26];在相关研究逐渐深入后学者发现BDA应用成功不仅仅是因为高质量的数据、功能强大的算法以及科学严谨的数据处理过程等技术层面上的成功，还包括高素质人才等[27]。

　　因此学者们采用综合能力的视角并提出BDAC的研究，将社会物质主义观、资源基础理论、动态能力理论、认知理论等作为理论基础，将各种有形资源和人力资源通过管理手段进行配置，塑造数据驱动型的组织文化，在IT能力研究基础上提出BDAC的构成框架[7，12];与此同时学者们也开始思考BDAC在未来社会的发展场景如智慧城市、数字城市、感知城市中的应用，较多聚焦于医疗行业和制造业。有学者基于IT能力的文献研究类化BDAC，认为其由有形资源、无形资源和人力资源构成[7]，但是这样的划分方式弱化了其发挥作用的维度，较难揭示为什么有些企业依靠BDAC获得了商业价值，而另外的企业则还在不断地付出，却没有得到预期的收益。本文采用社会物质主义观作为能力构成的分析依据，认为企业不仅需要关注BDAC技术层面的建设，同时也不能忽略了组织上需要配备的相应支持如管理人员、部门协作和投资等等因素。

　　总的来说，技术层面、管理层面、组织层面和经济层面相关支持这四个维度可以更加清晰地测量BDAC成熟度，也能够回应其在管理上的难题，发现其在运营层面和战略层面上受到忽视的方面。(四)商业价值BDAC发展的原因是数字技术的发展导致数据激增，这些具有个人印记的数据隐藏着用户行为特征，有待挖掘出商业价值作用于企业发展。在数字化时代中，环境的动态变化性愈发明显，同时数字化传播使得边界意识变得模糊，企业运营和战略规划在这样的情境下需要提高事务处理效率和扩大联结程度，获取有价值的洞察并转化为行动。

　　相应地，BDAC的商业价值可归纳为效率、联结和洞察等三个方面。效率方面包含生产效率、信息流通效率、响应效率、决策效率等四个因素。在生产运作中可以通过感应器实现精确管控，优化生产工艺，提高产出效率;在团队协作中可以通过信息平台快速而大范围的告知利益相关方，打破信息传播壁垒，促进信息流通;在动态环境中可以实时获取数据并分析数据，及时响应客户需求;在决策中快速搜索相关数据或者比对大量已有方案，寻找可能的解决方案辅助决策。

　　联结方面包括内部联结和外部联结。在动荡的市场环境下行业不断迭代，即便企业能在同行中保持领先也不能放松警惕，因为现实世界带来的教训是竞争对手可能是来自另一个行业。那么想要维持竞争优势的方式是尽可能地发出联结的触角，不论是在企业内部还是企业外部，都是非常必要的，其中企业外部联结可以是同行之间，甚至是跨行业组织的联结，联结的目的是为了搭建共同创新的网络，唯有创新才能保持企业的竞争优势。洞察方面主要是利用各种智能工具和感知工具形成面向未来的方案。

　　人工智能属性可以帮助企业分析历史数据进行预测分析、通过各种学习算法的训练形成人类基本逻辑替代人类重复劳动;也能发挥出物联网和互联网技术的优势，通过整合各类传感器、地理位置、用户社交足迹、交易行为特点等各种内容分析人口分布特征、识别商业风险以及发现商业机会;再结合5G和云计算等技术，实现数字世界与物理世界相结合，构建智慧城市高速发展的基础。企业实现这些价值的过程存在一些权变因素，例如组织学习能力作为企业在市场迭代中保持进步的重要能力对价值形成存在调节效应，组织学习强度作为动态能力的一种表现也成为了一种权变因素。

　　四、结论与展望

　　本文基于文献计量工具，对BDAC相关研究文献进行聚类及知识图谱分析，系统地梳理了其研究概况、研究主题，然后归纳其研究进展并探索了其构成，对其商业价值进行阐述。从研究概况来看，发文量从2012年逐年上升，美国、英国和印度为发文量前三国家，中国位居第四。文中还列举了高被引文献中前十的文献，从时间分布来看2013年之前关注大数据带来的变化和商务智能的应用，2013—2014年间聚焦供应链中大数据分析的应用，2015年后开始形成BDAC的研究。根据引文共被引分析和关键词聚类分析，目前关于BDAC的研究被划分为不同的种类，总的来说围绕着大数据的特征、BI&A、BDAC的构成与应用场景、理论分析基础等这四个方面。

　　然而，学术研究要紧密联系现实背景，BDAC研究还是要回归它所能带来的商业价值。基于现实环境的分析和现有文献基础，本文将其商业价值分为效率、联结和洞察三个方面剖析，效率包含生产效率、信息流通效率、响应效率、决策效率等四个因素，联结分为内部联结和外部联结，洞察主要是利用一切智能工具和感知工具形成面向未来的方案。通过对相关文献的梳理及研究脉络的把握，本文发现目前对BDAC仍处在初始阶段，未来的研究将进一步以质量维度[27]作为关键切入点开发BDAC成熟度模型，分析成功实施BDAC的管理者特质，制定组织间协作协议以防止应用BDAC时发生知识泄露等问题，继续研究企业构建并利用BDAC在企业中发挥商业价值的相关问题。

　　大数据方向论文范文：大数据时代科学数据共享伦理问题研究

　　摘要：文章对国内外相关的文献进行了定量统计，解析了当前的研究热点，分析了大数据时代科学数据共享面临的新问题并预测了未来可能的研究方向。研究发现：科学数据共享伦理的研究热点主要集中在伦理理论、伦理困境、问题成因、治理措施等方面。在大数据时代，科学数据共享面临着数据边界扩张、数据结构多样、数据权益模糊等新的伦理问题，未来研究可以关注数据鸿沟、数据污染、数据隐私、数据异化等问题。