新经济是由信息技术革命带动、以高科技产业为龙头的经济形态[1],其表现为经济深度转型、市场竞争关键点不断转移,“中间制度”大量存在。这不仅提高了创业活跃度,更涌现出一批想抓住机遇并创造辉煌的新创企业。然而创业环境的高不确定性使企业在决策时常常面临挑战,如目标与方法不够清晰、市场需求有待深入发掘、主导技术更迭速度加快等,而企业往往缺乏可用的启示或预先制定的范本以遵照执行及作出决策。有效的创业决策不仅可以指导创业行为,还能帮助企业发现机会并获得竞争优势。因此,在多变环境中采取合适的创业决策逻辑以获取和创造价值是新创企业生存与成长中面临的重要课题。
2001年Sarasvathy[2-3]提出效果推理理论并指出,因果推理和效果推理是决策者在面临不同环境时采用的两种不同决策逻辑,可以指导创业行为。因果推理来源于决策理论中的有限理性,是指决策者在既定目标基础上搜寻可行方案并从中挑选成本最低、效率最高的方案[4]。效果推理并不预先定义一个市场目标,是决策者以一切手头可利用资源和方法为出发点,在不同资源约束环境下通过调整市场目标与产品设计构想,最终获得绩效成长的过程。效果推理框架下的研究主要包括决策逻辑应用研究以及影响因素探讨。相关研究多聚焦于因果推理与效果推理的差异性,将两种决策逻辑视为一个连续变量的两端,认为两者具有对立关系[5],但两种决策逻辑并不是互相对立和冲突的[6]。如Reymen等[7]指出,因果推理和效果推理具有互补性,有效整合两种决策逻辑有助于企业实现最优创业结果。此外,针对创业决策逻辑影响的研究多聚焦于单层次因素,一般采用回归分析方法探究单个驱动因素的净效应,如环境不确定性[8]、创业文化与声誉[9]、风险感知与创业激情等[10],但无论是通过理性分析还是直觉作出决策,其背后的影响因素都是复杂、多变以及动态的,选择创业决策方式时需要更多考虑多层次情境变化因素[11],关注多种因素协同作用结果,探索创业决策逻辑形成机制[12]。
鉴于此,本文拟从两方面补充和拓展相关研究:一是基于效果推理理论,融合效果推理和因果推理两种决策逻辑方式,结合外部创业环境与内部企业能力,构建基于多层次因素的不同创业情境;二是采用擅长处理社会现象中复杂因果关系且拥有综合定量与定性研究优势的模糊集定性比较分析方法(fsQCA),探索新创企业基于不同创业情境获得高创业绩效的决策选择机制。研究旨在提供一个探究新经济下创业决策的新思路,力图对创业过程产生动态性思考,为决策者面临情境变化时作出有效决策提供理论指导和实践参考。
效果推理理论自提出以来研究进展迅速。早期研究聚焦于效果推理的核心内涵、多维度特征结构及影响因素,此外国内外学者从不同角度开展了效果推理综述研究。近年来学者们更多关注效果推理与因果推理的使用情境及作用机制,聚焦两种决策逻辑能否对绩效产生影响。尽管在企业新创期决策者普遍存在效果推理与拼凑行为,但也在一定程度上使用了因果推理。如Ortega[13]认为混合决策逻辑在新创企业发展过程中可能不同程度地存在或共存;Schmidt & Heidenreich运用结构方程模型研究发现,在适度增长的行业中,两种决策逻辑均呈有效状态;王玲玲等[14]指出,两种决策逻辑都显著促进新颖型商业模式设计,外界不确定性会调节两种不同决策逻辑的作用效果;Smolka等[15]验证了混合使用两种决策逻辑对绩效的积极作用。因此,本文融合效果推理与因果推理两种决策逻辑方式,以创业绩效衡量创业决策逻辑的有效性。
创业决策是一个涉及多方面的复杂行为,根据Timmons[16]提出的创业过程模型,其强调创业过程是机会、资源和创业团队三要素共同匹配作用的结果。首先,创业机会来源于环境,是在变化的环境中搜寻未被满足的需求[17]。在新经济时代,政策法规、市场竞争以及信息技术变化中都蕴含大量可利用的机会;其次,资源是创业过程的基础保障,有效整合有价值、稀缺和难以模仿的内外部资源可以促进企业能力形成[18],所形成的企业能力是创业行为持续开展的原动力;最后,团队是发现、开发机会的决策主体,决策依据和目标都离不开机会及资源。准确识别市场机会、有效获取与整合资源,在此基础上进行合理决策,是新创企业创业成功的基本保证。基于此,本文拟从外部创业环境、内部企业能力与决策逻辑方式3个层面分析影响因素,探讨不同情境下新创企业获得高创业绩效的决策路径选择机制。
环境变化往往也是孕育机会以及变不可能为可能的契机。Cukrowski[19]指出,环境中存在大量难以预测的因素,势必影响企业管理与决策。创业决策及行为本质上源于环境诱发的个体认知与思维过程,环境不同可能诱发不同的认知过程,进而导致决策方式和结果出现差异[20]。Jaworski等[22]从环境角度,将不确定性划分为技术及市场两个维度[21],而我国的创业环境还受到制度不确定性的影响,并有学者明确将创业环境不确定性划分为市场不确定、技术不确定和制度不确定3个方面[23]。鉴于此,本研究将环境不确定性划分为制度不确定性、市场不确定性和技术不确定性3种类型。
(1)制度不确定性。新创企业作为社会结构与秩序中的重要一环,其行为无疑受到政府规制、社会规范和公众认知的影响。制度是创业组织为了获取合法性和利益相关者支持而必须遵守的受到外部集体公认的规则,而创业发生在由制度规范塑造的市场内,需与制度情境下的法律、法规和惯例相适应。制度不确定性是指决策者感知到制度情境下的规则变化方向、趋势、速度与结果难以预料和把握,甚至包括导致变化的要素本身。从制度理论视角可知,企业决策必须从最大程度上争取合法性,而合法性涵盖管制合法性、规范合法性以及认知合法性,这样才能实现企业持久发展并获取竞争优势。因此,本文将从管制制度、规范制度以及认知制度3个方面测量制度不确定性。
(2)市场不确定性。其主要源于市场竞争与市场需求变化,是感知到的市场不稳定性和难以预测性。新经济环境下市场日益细分,产品需求表现出多样化、无限差异化等特征,产品生命周期缩短,市场竞争表现得更为激烈,使得面对市场不确定性的决策难度增大。传统意义上的可预测性、稳定性、精确性几乎被不可预测性、变革性、模糊性所替代,在这种不确定性环境中机会可能来自外界市场,也可能来自创业团队创造出的新市场。决策者面对环境波动的反应速度和战略决策调整能力决定了企业能否比竞争对手更快适应市场需求变化,以及获得持续竞争优势。因此,本文将从消费者需求与偏好的变化速度、市场竞争强度以及产品生命周期3个方面测量市场不确定性。
(3)技术不确定性。其表现为技术的复杂性与不稳定性,以及技术变化的不可预测性和显著性。快速的工业化进程和全球范围内以信息化为核心的技术情境变化虽然会对创业决策产生影响,但是也为创业行为提供了契机。由于新经济时代信息技术的发展,颠覆式创新更为频繁且难以预测,进一步促使新创企业参与技术研发,不断改进自身技术以应对快速变化的环境[24]。在面对技术环境不稳定时,如何优化组织结构、深入把握市场需求、创新商业模式成为企业获取高成长速度的重要决策内容。因此,本文将从技术变化速度、主导技术的难以预测性以及技术变化对企业的影响程度3个方面测量技术不确定性。
企业成长的源泉是企业能力。Shane等认为,信息不对称是发现机会的关键,而大数据能力能够在海量数据中筛选机会,过滤掉由信息不对称带来的风险;Venkatraman认为,决策者可以通过环境感知创造机会,当企业员工对模糊和失败的容忍程度较高时,企业就具备了创造机会的内生能力。鉴于此,本研究认为企业能够通过大数据能力和模糊容忍度把握外部创业环境中的“机会之窗”。
(1)大数据能力。数据在新经济时代变得越来越有价值,已成为除资本、劳动力外的独立生产要素、经济要素和核心资源[25]。大数据对企业决策产生深远影响,不仅使决策环境发生变化,而且使企业决策更多是基于数据驱动而不是经验、直觉[26]。随着互联网等信息技术发展,经济活动中积累沉淀了大量数据,要发挥大数据价值,需要具备深入挖掘数据的分析能力。McAfee等认为,大数据能力可以看作是分析的另一种表述;LaValle & Shockley[27]研究发现,那些擅长深度商业分析的企业在行业内都获得了差异化竞争优势。大数据能力有利于企业获取外部环境中的信息,通过对信息数据以及面临问题的深度分析,为决策者及时提供方案。随着大数据能力提升,企业决策更加贴近完全理性[28],更加高效。因此,本文将从资源获取能力、分析整合能力以及应用能力3个方面测量大数据能力。
(2)模糊容忍度。其反映了个体对新异、不一致、复杂且模糊的不确定性信息具有容忍度的特质倾向。面对不确定情境,决策者并不认为其具有风险,而是吸引力。低模糊容忍度决策者会倾向于回避模糊信息,决策时易产生担忧、焦虑等情绪,从而回避决策过程中出现的各种不确定性因素;而高模糊容忍度决策者能够通过更多的自我探索提升决策效能、进行快速消化与吸收,能包容信息的不确定性[29]。Sternberg(1988)指出模糊容忍度是富有创造力者的重要人格特征;秦远建和汪文祥[30]认为,模糊容忍度会调节决策逻辑和突破式创新关系。模糊容忍度既可以作为组织中的个体特征,也可以作为整体组织特征。当企业中大多数员工的模糊容忍度较高时,企业整体就具备较高的创新能力以及创造机会的内生能力。因此,本文将其作为企业能力以观察模糊容忍程度以及风险接受程度。
社会认知理论强调,新创企业在动荡环境中的决策能力是促进企业成长的关键[31]。创业更多地介于精密计划与非系统性试错之间,很多处于初创期的企业之所以被淹没,成为平庸的大多数,是因为无法在创业过程中根据不同环境来调整决策行为以及选择合适的决策逻辑。本研究依据Sarasvathy对决策逻辑的划分方法,将决策逻辑划分为因果推理和效果推理两种类型。
(1)因果推理。其表明企业决策及行动建立在开展市场调查、明确自身定位的基础上,是决策者由目标出发,从几种可能方案中挑选出最优方案的决策逻辑。它源于完全理性的假设,基于预测未来的思想,强调在既定目标条件下的相应搜寻手段和方法。在该种决策逻辑下企业拥有一套完整的发展战略流程:首先能够清晰界定市场目标和需求,然后尽可能全面搜集和分析市场信息,快速探寻市场环境中存在的机会,制定相应研发和营销策略,最后根据预期收益和风险在备选方案中进行筛选,获得预期收益最大化的战略方案并按部就班实施。在清晰的愿景与战略目标下,决策者有了努力的方向和动力,有助于提升决策行为的有效性。另外,根据收益风险原则制定的方案可以降低新创企业与利益相关者之间的信息不对称,帮助利益相关者充分了解企业拥有的能力以及未来发展潜力,从而获取其认可和资源支持[32]。
(2)效果推理。其是指在难以预测的环境中,不依赖预先设定目标,而是通过具备的资源或拥有的手段选择能达到的结果,是一种手段导向的决策逻辑。效果推理中包括实验、柔性、可承受损失和先前承诺4个原则。实验原则包含尝试新想法、转变工作程序和步骤,并对事物保持好奇;柔性原则用以反映决策者擅长利用意外事件以及面对新事物时愿意改变。由于环境变化,事先作出的决策并不总是有效,实验中的不断试错和柔性原则有助于决策者获取新创业知识、克服惯性及不断调整,进而提高决策行为有效性[33]。可承受损失是指决策者将成本及资源投入设定在可承受的损失范围内以控制风险;先前承诺则强调决策者注重与利益相关者建立战略合作关系,共同致力于构建一个可能的未来,以获取更多资源,拓展企业在决策过程中的可用手段。因此,本文将从实验、柔性、可承受损失和先前承诺4个方面测量效果推理决策逻辑。
定性比较分析是一种以案例研究为导向的理论集合研究方法,具备全新的分析逻辑。其基本思想是以集合论和布尔逻辑作为方法论的基石,通过使用定性比较分析方法,使研究专注于因变量的前因条件构型,又称路径或多重条件并发原因。自变量以组合方式共同影响结果,该组合即前因条件构型,而自变量是其中一个不可分割的组合要素,通过探究前因条件组合如何导致解释结果出现,寻找导致相同结果的不同前因路径。由分析可知,外界环境会对决策行为产生影响,促进决策成功,进而提高创业绩效,同时,新创企业内部能力建设有助于促进决策成功,而QCA方法能够很好地处理这种完全等效的因果关系。该方法主要包括清晰集(csQCA)、多值集(mvQCA)和模糊集(fsQCA)3种类型。其中,模糊集方法比清晰集和多值集方法更加精确与严格,且评价范围更广。因此,本研究采用模糊集定性比较分析方法(fsQCA),探讨新经济背景下新创企业获得高创业绩效的决策路径。
研究采用问卷调查方式,对北京、上海、广州、深圳、天津、杭州等多个城市的新创企业进行数据采集,问卷主要由新创企业主要负责人或者高管进行填答。参考McDougall & Robinson、Li的研究,将新创企业界定为成立时间低于8年的企业。
研究共发放问卷300份,回收有效问卷189份,有效回收率为63%。问卷基本情况如表1所示。
表1 基本情况描述性统计结果
资料来源:作者自整理
样本特征类别 百分比(%)样本特征类别 百分比(%)性别 男54.0成立年限3年以内38.1女46.03~8年61.9年龄 30岁及以下1.6职位 董事长3.231~35岁7.9高层管理人员46.036~40岁55.6中层管理人员42.940岁以上34.9其他7.9教育程度博士及以上3.2企业人数300人及以下58.7硕士7.9301~500人15.9本科82.5501~2 000人22.2专科及以下6.42 000人以上3.2
一般情况下,问卷填答中会出现数据同源性偏差(CMV)问题。本研究通过Harman单因素检验,对变量进行探索性因子分析,得到总方差解释变量为79.105%,且第一个未经旋转的主因子解释方差为28.621%,未超过40%,说明本研究不存在明显的同源性偏差问题。
量表均采用Likert 5点计分法,要求受访者根据企业实际情况在1~5分中选择一个合适的分数。其中,1=完全不同意,2=不同意,3=无意见,4=同意,5=完全同意。
决策逻辑(DL)。采用Chandler等[34]开发的测量量表,以秦剑[35]的翻译为中文基础。其中,效果推理(EDL)包括实验、柔性、可承受损失和先前承诺4个维度,共16个题项;因果推理(CDL)共7个题项。
制度不确定性(IU)。参考Bylund & McCaffrey[36]、Li等[37]和Puffer等[38]的测量量表,并结合我国制度情况进行修改,包括管制制度、规范制度和认知制度3个维度,共12个题项。
市场不确定性(CU)。采用Jaworski等[39]的测量量表,包括消费者偏好变化速度、消费者需求及产品生命周期3个维度,共4个题项。
技术不确定性(TU)。采用Jaworski等[39]的测量量表,包括技术变化速度、主导技术的难以预测性和技术变化对企业的影响程度3个维度,共4个题项。
大数据能力(BDA)。采用谢卫红等[40]的测量量表,包括资源获取能力、分析整合能力和应用能力3个维度,共12个题项。
模糊容忍度(TA)。采用Maclian[41]的测量量表,共5个题项。
创业绩效(IP)。采用吴岩和宋英华等[42]的测量量表,包括财务绩效、非财务绩效以及成长绩效3个维度,共6个题项。
为了简化,将各维度下不同题项均值作为该维度测量值,再取各维度平均数作为变量测量值,这也符合多数研究的做法[43]。
运用SPSS22.0软件对量表信度与效度进行检验,具体结果见表2。由表2可知,在信度方面,制度不确定性、市场不确定性、技术不确定性、大数据能力、模糊容忍度、因果推理、效果推理和创业绩效的Cronbach's α系数和组合信度(CR)均大于0.7,表明问卷具有较高信度。在效度方面,采用因子分析方法检验收敛效度,KMO值和各维度因子载荷均在0.6以上,所有构念的平均萃取方差(AVE)均在0.5以上,说明本问卷收敛效度较好。
表2 信度与收敛效度分析结果
资料来源:由SPSS数据分析所得
变量 维度 载荷Cronbach's αCRAVE制度不确定性管制制度不确定性0.8270.7640.8660.683规范制度不确定性0.824认知制度不确定性0.829市场不确定性消费者偏好变化速度0.9450.9240.9520.869消费者需求0.911产品生命周期0.940技术不确定性技术变化速度0.8660.8770.9250.804主导技术难以预测性0.911技术变化对企业的影响程度0.913大数据能力资源获取能力0.7970.7230.8440.644分析整合能力0.830应用能力0.780模糊容忍度关注宏观面0.7400.8240.8770.587相信解决方案0.769是非分明0.734坚持原则0.761勇于探索0.825因果推理目标导向0.9580.9560.9710.919市场分析0.964预期回报0.954效果推理柔性原则0.8050.8700.9110.720可承受损失0.857先前承诺0.857实验原则0.873创业绩效财务绩效0.9120.8560.9130.779非财务绩效0.905成长绩效0.828
校准是将变量转化为集合,对案例赋予集合隶属度的过程[44],参考Fiss(2011)和Kraus等(2018)的研究,本文通过李克特5点量表获取相关数据,并将“5”设定为完全隶属,“3”为交叉点,“1”为完全不隶属。通过3个阈值的设定,运用Ragin等开发的fsQCA3.0软件,使用calibrate计算公式将全部变量的原始数据转化为0-1的连续模糊得分。
参考程建青等(2019)的研究,在进行组态分析前,首先对各前因变量是否为结果变量的必要条件进行检验。高/非高创业绩效的必要条件分析结果见表3。由表3可知,各前因变量的充分性一致率(consistency)最高为0.849,必要性覆盖率(coverage)最高为0.880,均低于门槛值0.9,表明单个前因变量不能作为被解释结果的充分条件和必要条件。
表3 单项前因要素对创业绩效的必要性与充分性分析结果
注:“~”表示逻辑运算的“非”
条件变量高增长绩效consistencycoverage~高增长绩效consistencycoverage外部创业环境IU0.7390.7100.6270.538~IU0.5180.6100.6610.694TU0.6290.6170.6380.558~TU0.5490.6300.5620.575CU0.6290.7670.3810.414~CU0.5190.4850.7860.654内部企业能力BDA0.7200.6850.5830.494~BDA0.4680.5570.6280.667TA0.6590.5880.6950.553~TA0.4990.6470.4830.558决策逻辑方式EDL0.8800.7990.5040.408~EDL0.3480.4400.7520.849CDL0.6790.6460.6280.533~CDL0.5090.6060.5830.618
由于每个单项前因变量对结果变量的解释力较弱,因此多变量组合才能形成对结果变量的充分解释。采用fsQCA3.0对数据进行分析,选择频数位为4,一致性大于0.85,结合PRI的一致性大于0.7,得到5种高创业绩效构型。由于因果关系具有非对称性,因此需要关注非高创业绩效构型,具体见表4。由于本文重点关注的是不同情景下决策逻辑路径的选择机制,所以将5种高创业绩效构型按决策逻辑类型归纳为2种决策路径。
表4 新创企业高创业绩效决策路径组合分析
注:●代表核心因果条件存在,⊗代表核心因果条件缺失,●代表边缘因果条件存在,⊗代表边缘因果条件缺失,“空白”表示构型中该条件既可以出现也可以不出现。Raw Coverage 表示原始覆盖率,Unique Coverage 表示特有覆盖率,Consistency表示一致率,Solution Coverage 表示总体覆盖率,Solution Consistency 表示总体一致率。资料来源:作者整理
构型结果performance高创业绩效~高创业绩效H1H2ConditionsH1aH1bH1cH2aH2bNH1NH2IU ●●●● CU ●● ● TU●● ●TA ●● ●BDA●●●●●● CDL●●● ●EDL●●●●● Consistency10.880.900.850.910.900.92Raw coverage0.130.300.280.170.110.190.25Unique coverage0.020.020.020.100.020.120.18Overall solution consistency0.880.92Overall solution coverage0.500.37
由表4可知,产生高创业绩效的构型有5种,即H1a、H1b、H1c、H2a、H2b。每种构型的一致率均高于0.85,总体一致率为0.88,高于一致率门槛值0.80,总体覆盖率达到了0.50,表明5种构型共解释了50%的高绩效样本。其中,H1a(~IU*~CU*TU*~TA*BDA*CDL*EDL)的原始覆盖率为0.13;H1b(IU*CU*TA*BDA*CDL*EDL)的原始覆盖率为0.30;H1c(IU*CU*TU*BDA*CDL*EDL)的原始覆盖率为0.28;H2a(IU*~CU*~TU*TA*BDA*~CDL*EDL)的原始覆盖率为0.17;H2b(IU*CU*~TU*~TA*BDA*~CDL*EDL)的原始覆盖率为0.11。产生非高创业绩效的构型有2种,即NH1、NH2。每种构型的一致率均高于0.85,总体一致率为0.92,高于一致率门槛值0.8。总体覆盖率达到了0.37,表明两种构型共解释了37%的样本。其中,NH1(~CU*~TU*~TA*BDA*~CDL*~EDL)的原始覆盖率为0.19;NH2(~IU*~CU*TU*TA*~BDA*CDL*~EDL)的原始覆盖率为0.25。
对比高创业绩效和非高创业绩效构型得出:①效果推理决策在新企业创业过程中起到了至关重要的作用。在高创业绩效的所有构型中效果推理决策均作为核心条件存在,而在非高创业绩效构型中均不存在,验证了张玉利等[45]大多数学者认为效果推理对新创企业绩效有积极影响的结论;②大数据能力是新创企业实现高创业绩效的关键要素。在高创业绩效的所有构型中大数据能力均作为核心条件存在,而在非高创业绩效构型NH2中不存在,在NH1中虽然作为辅助条件存在,但是即使其它因素都不存在,也会导致非高创业绩效。这进一步证实了Wamba等[46]的研究,即大数据能力正向促进企业绩效。
为检验分析结果稳健性,从集合思维角度尝试调整变量数据的校准方式。例如,采用六分法校准,即按照“1=完全隶属,0.8=非常隶属,0.6=有些隶属,0.4=有些不隶属,0.2=非常不隶属,0=完全不隶属”的规则,将数据重新赋值并进行分析。结果发现,除解的数量发生微小改变外,主要条件组态仍然存在且在结果的解释上并没有发生本质性变化。因此,本研究结果具备较好的稳健性。
依据数据分析与实证结果,归纳得出2种高创业绩效的决策逻辑路径。
该路径中包括H1a、H1b、H1c3种构型,在上述3种高创业绩效情境下均会首先选择效果推理决策,并辅助使用因果推理决策。该发现证实了Maine等[47]认为随着情境变化决策者可能采取两种决策逻辑组合方式的判断。由于H1b和H1c构型的核心要素相同,本文将H1b和H1c归纳为一个情境,为此,采取组合决策路径的发展情境有两种。
一是数字时代的产品开发情境。该情境对应构型H1a,其中,大数据能力与效果推理作为核心条件存在,因果推理与技术不确定性作为辅助条件存在,制度不确定性、市场不确定性和模糊容忍度作为辅助条件不存在。
全球已进入以信息技术为核心、颠覆式创新频发的数字时代。新创企业要想在需求渐趋稳定、政策红利逐渐消逝的成熟市场中获得生存,就需要进行新产品的颠覆式革新。企业首先要感知用户需求和市场规则变化,根据环境变化在不断实验试错中进行产品迭代创新,并借助大数据能力搜集多维度用户与市场数据,全面了解顾客需求特征以及变化趋势,为决策的客观性和全面性赋能。在此基础上决策者通过效果推理,将平时积累的经验、社会网络关系等创新要素进行重构和配置,与获取的数据信息互动,形成具有针对性的洞察和能力,迅速抓取用户反馈并进行产品快速迭代与完善。
当企业内部的模糊容忍度较低、缺乏组织灵活性时,决策者可以辅助使用因果推理决策逻辑,对技术研发进行严格的市场分析并设立目标,制定一个“留得青山在”的计划方案。这在一定程度上能够规避技术风险,提高可承受损失的标准,共同把握由技术环境变化带来的创业机会并获得高创业绩效。
二是有限资源的市场渗透情境。该情境对应构型H1b和H1c,其中,大数据能力、效果推理以及市场不确定性作为核心条件存在,因果推理和制度不确定性作为辅助条件存在。
在存量博弈时代,增量递减、竞争加剧。面对资源匮乏困境,新创企业如何获取存量资源并合理利用对其成长至关重要。处在新创期的企业,需要关注资源内部积累,同时,积极搜寻和选择适合自身业务特征的数据信息,利用大数据能力将各种信息转化为具有决策力、洞察力的数据资源,帮助企业在具备吸引力的行业中寻找“缝隙”市场,在供需精确匹配中获利。除获取数据资源外,效果推理决策还可以打破现有资源的有限性,挖掘其潜在价值,充分利用现有资源和手段,加速资源筛选与融合。同时,利用承诺原则与利益相关者达成合作,获取更多价值资源,以满足新创企业快速成长的资源需求。
当技术环境不能帮助新创企业实现对“缝隙”市场的抓取时,可以通过因果推理决策逻辑,结合“缝隙”市场为消费者实施定制化方案,以最低成本满足差异化需求,进而获得市场份额。
该路径中包括H2a、H2b两种构型,在两种高创业绩效情境下均采用效果推理决策逻辑。该发现进一步证实了使用效果推理有助于企业获得高创业绩效[48]。
(1)合法性获取下的价值共创情境。该情境对应构型H2a,其中,大数据能力与效果推理作为核心条件存在,制度不确定性和模糊容忍度作为辅助条件存在,技术不确定性作为核心条件不存在。
新经济的快速发展导致制度的滞后性以及合法性壁垒较低,新创企业可能面临利益相关者、消费者的支持与信任等问题。为此,企业决策者利用效果推理的承诺原则与不同社会性、经济性行动主体建立联盟,融入网络化、动态化的创新生态圈,促使企业重新审视和评估自己的创业行动,高效监控运营状况并获得利益相关者认可。对于消费者来说,产品背后的情感价值比产品本身更重要。大数据能力能够深度挖掘与消费者的价值连接点并赋予产品情感,唤起消费者的情感价值,提高用户粘性,搭建社群网络平台,促进企业与消费者互动,提升消费者对于产品价值的认可,最终形成价值共创。
当技术和市场环境不能为新创企业提供“养分”时,模糊容忍度高的企业内部会形成开放、易于接受新信息的氛围,有利于企业直接与消费者、供应商等沟通,从而不断完善自我,赢得利益相关者认可。
(2)数据赋能下的快速响应情境。该情境对应构型H2b,其中,大数据能力、效果推理以及市场不确定性作为核心条件存在,技术不确定性作为核心条件不存在,制度不确定性作为辅助条件存在,因果推理和模糊容忍度作为辅助条件不存在。
新经济下的创业竞争更加激烈,VUCA成为当前时代发展的“底色”,其不仅带来市场波动,也使得创业机会的时间窗口被大大压缩,被动适应已不能满足企业成长需要。“下先手棋、打主动仗”的关键在于快速响应,因此,企业需要在有限时间内克服自身惯性以决策。基于开放媒体的用户广泛性为新创企业提供了海量数据来源[49]。由于数据信息不断变化与更新,企业需要不断提升数据信息挖掘速度和效率,结合快速响应的效果推理决策思维,根据自身经验或者直觉进行决策,以把握数据信息的时效性,快速找到并解决用户需求,最终提高创业绩效。
本文以创业过程模型为基础,结合效果推理理论,从外部创业环境、内部企业能力和决策逻辑方式3个层面出发,探讨新创企业基于不同情境获得高创业绩效的决策路径选择机制。研究运用组态思维和定性比较分析方法,得出5种高创业绩效构型和2种高创业绩效决策路径,为新创企业决策及成长带来新的研究视角与解释路径,有助于丰富创业理论及效果推理理论研究。研究还得出,大数据能力和效果推理是影响新经济下新创企业实现高创业绩效的关键核心条件,对于指导新经济环境下新创企业成长和培育具有重要理论价值。为此,本研究提出两点管理实践启示。
(1)在新创企业高创业绩效的5种构型中,效果推理和大数据能力两个前因要素尤为重要,启示新创企业:一是积极构建和培育大数据能力,升级自身软件和硬件,完善大数据分析系统,推动数据深度挖掘与融合应用,加强大数据开发力度,保障知识、信息等数据资源获取,以为大数据驱动企业决策方式转变提供持续动力;二要将效果推理理论有效融入决策情境。增强决策者对情境变化的感知,从而根据情境变化采取侧重点不同的决策方式,如选取单一决策路径或选取组合决策路径。
(2)依据新创企业实现高创业绩效的2种决策路径,为企业在具体操作层面提出4点情境化建议:一是加大核心技术投入,迎接技术“窗口期”。创业将回归技术和产品本身,通过技术加速产品迭代创新过程,将技术链接到消费者价值中,提升产品内在品质;二是构建开放的价值共创平台,吸引消费者参与企业价值创造的全过程。从知识获取、情感需求等多方面建立产品内在价值,提升消费者感知价值,以获取消费者的价值认同;三是保持组织灵活性,“小步快跑,快速迭代”,构建开放、弹性的组织结构以及鼓励创新、包容的文化氛围,提高企业对模糊性与失败的容忍度,鼓励员工参与决策;四是培养大数据思维和意识,建立大数据分析与决策系统,提高企业整体决策响应速度,从而快速应对市场变化。
本文还存在一些研究局限,需要在未来研究中予以完善。首先,在理论建构方面,仅关注外部创业环境和内部企业能力对决策逻辑方式选择的影响,未来还可以考虑从不同层面(如决策者主观能动性)构建更全面的模型展开讨论;其次,由于问卷样本有深入度与覆盖面不足的劣势,未来可以结合公开的企业典型案例进行更深入的剖析,同时,扩展数据收集范围,获取更多研究样本,进一步提高研究结论的普适性;最后,处于不同发展阶段的创业企业,其最优决策方式也不同,未来研究可以加入时间维度,采用时序定性比较分析方法(tsQCA)考察创业决策方式的动态演化路径。
[1] 许君如.新经济形态下高技术产业创业孵化发展研究——基于政府资本效用发挥视角[J].软科学,2019,33(4):48-52.
[2] SARASVATHY S D. Causation and effectuation:toward a theoretical shift from economic inevitability to entrepreneurial contingency[J]. Academy of management Review, 2001, 26(2):243-263.
[3] SARASVATHY S D,DEW N.New market creation through transformation[J]. Journal of Evolutionary Economics, 2005, 15(5):533-565.
[4] 张玉利,田新,王瑞.创业决策:Effectuation理论及其发展[J].研究与发展管理,2011,23(2):48-57.
[5] PERRY J T, CHANDLER G N, MARKOVA G. Entrepreneurial effectuation:a review and suggestions for future research[J]. Entrepreneurship Theory & Practice, 2012, 36(4):837-861.
[6] CHANDLER G N, DETIENNE D R, MCKELVIE A, et al. Causation and effectuation processes:a validation study[J]. Journal of Business Venturing, 2011, 26(3):375-390.
[7] REYMEN I M M J,ANDRIES P,BERENDS H,et al.Understanding dynamics of strategic decision making in venture creation:a process study of effectuation and causation[J]. Strategic Entrepreneurship Journal, 2016, 9(4):351-379.
[8] 彭学兵,焦琦琦,刘玥伶,等.环境不确定性对创业资源整合情境下因果-效果推理决策逻辑的影响:创业网络的调节效应[J].人类工效学,2018,24(6):39-45.
[9] JOHANSSON A,MCKELVIE A. Unpacking the antecedents of effectuation and causation in a corporate context[J]. Frontiers of Entrepreneurship Research, 2012, 32(17):1-15.
[10] 崔连广,闫旭,张玉利.创业者决策逻辑的形成机制研究:中美创业行为的比较[EB/OL].科学学研究:1-17[2021-01-04].https://doi.org/10.16192/j.cnki.1003-2053.20200807.002.
[11] 周冬梅,陈雪琳,杨俊,等.创业研究回顾与展望[J].管理世界,2020,36(1):206-225,243.
[12] 樊建锋,盛安芳,赵辉.效果逻辑与因果逻辑:两类中小企业创业者的再验证——环境不确定性感知与创业自我效能感的调节效应[J].科技进步与对策,2021,38(7):38-47.
[13] ORTEGA A M, GARCIA-MERINO T, SANTOS M V, et al. Effectuation-causation:what happens in new product development[J]. Management Decision, 2017,55(8):1717-1735.
[14] 王玲玲,赵文红,魏泽龙.因果逻辑和效果逻辑对新企业新颖型商业模式设计的影响:环境不确定性的调节作用[J].管理评论,2019,31(1):90-100.
[15] SMOLKA K M, VERHEUL I,BURMEISTER L K,et al. Get it together! synergistic effects of causal and effectual decision-making logics on venture performance[J]. Entrepreneurship Theory & Practice, 2016,42(4):571-604.
[16] TIMMONS J A. New venture creation[M].Homewood,IL:Irwin,1990.
[17] 张红,葛宝山.创业机会识别研究现状述评及整合模型构建[J].外国经济与管理,2014,36(4):15-24,46.
[18] HITT, MICHAEL A. The influence of resource bundling on the speed of strategic change:moderating effects of relational capital[J]. Asia Pacific Journal of Management, 2016,33(2):435-467.
[19] CUKROWSKI J,FISHER M.Information-processing,technological progress and retail markets dynamics[J].Information Economics and Policy,2002,14(1):1-20.
[20] LIAN F, CHEN Y W. Development and cross-cultural application of a specific instrument to measure entrepreneurial intentions[J]. Entrepreneurship Theory&Practice, 2009, 33(3):593-617.
[21] JAWORSHI B J, KOHLI A K. Market orientation:antecedents and consequences[J].Journal of Marketing,1993,57,53-70.
[22] BYLUND P L, MCCAFFREY M. A theory of entrepreneurship and institutional uncertainty[J].Journal of Business Venturing, 2017, 32(5):461-475.
[23] 彭学兵,焦琦琦,刘玥伶,等.环境不确定性对创业资源整合情境下因果-效果推理决策逻辑的影响:创业网络的调节效应[J].人类工效学,2018,24(6):39-45.
[24] LI Y,ZHAO Y, TAN J, et al. Moderating effects of entrepreneurial orientation on market orientation-performance linkage[J].Journal of Small Business Management,2008,46(1):113-133.
[25] 吴红艳.新经济的主要形态特征及政府管理创新[J].宁波经济(三江论坛),2019,27(2):12-15+21.
[26] 朱东华,张嶷,汪雪锋,等.大数据环境下技术创新管理方法研究[J].科学学与科学技术管理,2013,34(4):172-180.
[27] LAVALLE S, LESSER E, SHOCKLEY R, et al. Big data, analytics and the path from insights to value[J]. Mit Sloan Management Review, 2011, 52(2):21-32.
[28] CHILD J, IHRIG M, MERALI Y. Organization as information-a space odyssey[J].Organization Studies, 2014, 35(6):801-824.
[29] XU H,HOU ZJ,TRACEY TJG, et al. Variations of career decision ambiguity tolerance between China and the United States and between high school and college[J].Journal of Vocational Behavior,2016(93):120-128.
[30] 秦远建,汪文祥.不确定性容忍度、决策逻辑与突破式创新关系研究[J].科技进步与对策,2020,37(2):1-9.
[31] HELFAT C E, PETERAF M A. Managerial cognitive capabilities and the microfoundations of dynamic capabilities[J]. Strategic Management Journal, 2015, 36(6).
[32] BRINCKMANN J, KIM S M. Why we plan:the impact of nascent entrepreneurs' cognitive characteristics and human capital on business planning[J]. Strategic Entrepreneurship Journal, 2015, 9(2):153-166.
[33] CAI L, GUO R, FEI Y, et al. Effectuation, exploratory learning and new venture performance:evidence from China[J]. Journal of Small Business Management, 2017,55(3):388-403.
[34] CHANDLER G N, DETIENNE D R, MCKELVIE A, et al. Causation and effectuation processes:a validation study[J]. Journal of Business Venturing, 2011, 26(3):375-390.
[35] 秦剑.基于效果推理理论的创业实证研究及量表开发前沿探析与未来展望[J].外国经济与管理,2011,33(6):1-8.
[36] BYLUND P L, MCCAFFREY M. A theory of entrepreneurship and institutional uncertainty[J].Journal of Business Venturing, 2017, 32(5):461-475.
[37] LI Y, PENG M W, MACAULAY C D. Market-political ambidexterity during institutional transitions[J]. Strategic Organization, 2013,11(2):205-213.
[38] PUFFER S M, MCCARTY D J, BOISOT M. Entrepreneurship in Russia and China:the impact of formal institutional voids[J]. Entrepreneurship Theory & Practice, 2010, 34(3):441-467.
[39] KOHLI A K, JAWORSKI B. Market orientation:antecedents and consequences[J]. Journal of marketing:A quarterly publication of the american marketing association, 1993, 57(3):53-70.
[40] 谢卫红,刘高,王田绘.大数据能力内涵、维度及其与集团管控关系研究[J].科技管理研究,2016,36(14):170-177.
[41] MCLAIN, D L.Evidence of the properties of an ambiguity tolerance measure[J]. Psychological Reports,2009,105,975-988.
[42] 吴岩.创业团队的知识异质性对创业绩效的影响研究[J].科研管理,2014,35(7):84-90.
[43] YU X, MENG X, CHEN Y, et al. Work-family conflict, organizational ambidexterity and new venture legitimacy in emerging economies[J]. Technological Forecasting and Social Change, 2018, 135(OCT.):229-240.
[44] 杜运周,贾良定.组态视角与定性比较分析(QCA):管理学研究的一条新道路[J].管理世界,2017,33(6):155-167.
[45] 张玉利,赵都敏.手段导向理性的创业行为与绩效关系[J].系统管理学报,2009,18(6):631-637.
[46] 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.
[47] MAINE E, SOH P H,SANTOS N D.The role of entrepreneurial decision-making in opportunity creation and recognition[J].Technovation,2015,39(5):53-72.
[48] SMOLK K M, VERHEUL I, BURMEISTER-LAMP L, et al. Get it together synergistic effects of causal and effectual decision-making logics venture performance[J].Entrepreneurship:Theory and Practice,2018,42(4):571-604.
[49] 陈国青,曾大军,卫强,等.大数据环境下的决策范式转变与使能创新[J].管理世界,2020,36(2):95-105,211.