Research on the Influence Mechanism of Big Data Capability on Green Competitiveness of Manufacturing Industry from the Perspective of Environmental Dynamics：based on SBM-GML Index Model

Li Jinke1，Zhang Rong1，Li Bojun2

(1.School of Business,Qingdao University,Qingdao 266100,China;2.School of Economics, Ocean University of China,Qingdao 266100,China)

Abstract：With the rise of digital economy, big data shows great potential in reducing environmental costs and improving organizational efficiency.By selecting the SBM-GML model with unexpected output,this paper estimates the green competitiveness of 50 listed manufacturing enterprises from 2014 to 2019.The impact of big data capability on green competitiveness and the moderating role of environmental dynamics are analyzed with the Stata16 software.Research shows that:big data strategic planning ability and data analysis ability have significant positive effect on green competitiveness.Big data management ability of non high-tech manufacturing industry in the current period and lag period improves the level of green competitiveness, while big data management ability of high-tech manufacturing industry in the current period and lag period has no significant effect on green competitiveness.At the same time,environmental dynamics plays a positive moderating role in the relationship between big data strategic planning ability,big data management ability and green competitiveness,but the moderating effect on big data analysis ability and green competitiveness is not significant.

Key Words:Big Data Capability;Manufacturing Enterprise;Green Competitiveness;Environmental Dynamics

收稿日期：2021-05-10

修回日期：2021-06-15

基金项目：山东省自然科学基金项目(ZR2020MG034)；山东省软科学项目(2018RKB01302)

作者简介：李金克(1974—)，男，河南南阳人，博士，青岛大学商学院教授、留学生博士生导师，研究方向为数据赋能与绿色制造；张荣(1997—)，女，安徽淮北人，青岛大学商学院硕士研究生，研究方向为大数据与绿色制造；李伯钧(1996—)，男，山东高密人，中国海洋大学经济学院硕士研究生，研究方向为商业信用融资。

DOI：10.6049/kjjbydc.2021050265

开放科学(资源服务)标识码(OSID)：

中图分类号：F272.7

文献标识码：A

文章编号：1001-7348(2021)23-0067-09

0 引言

随着多年来不均衡发展积累的矛盾爆发，粗放型发展方式已无法使经济保持原有增长速度，并且带来一系列环境与社会问题。绿色升级是推动经济高质量发展和人民生活幸福的重要支撑力量，走绿色发展之路已成为制造业转型升级的关键，而绿色发展之路归根到底就是为了提高绿色竞争力而不断寻求变革的过程。基于此，如何提高制造业绿色竞争力是亟待解决的重要问题。同时，大数据快速与其它产业融合发展，已经被视为创新、竞争和生产力的下一个前沿[1]。党的十九届四中全会对原有生产要素内涵进行了扩展，首次将数据确认为关键生产要素。随着大数据的广泛应用，数字化转型能否促进制造业绿色转型，能否通过释放大数据价值获得绿色价值成为政府、学者和企业家关注的热点话题。

目前，学术界关于制造业大数据能力的研究主要集中在以下两个层面：一是产业层面，大数据将产业各阶段与各环节紧紧联系在一起，为整个产业转型升级带来重要机遇[2]；二是企业层面，从组织、经济和管理视角[3-4]探讨大数据能力与企业框架结构、产品创新、决策方式等交互影响促进企业价值增值的过程。已有研究从产业层面深入探讨了大数据对制造业转型的内在促进机制，也从不同角度检验了大数据对企业价值的积极影响，但是关于微观企业大数据能力与绿色竞争力关系的研究仍然十分缺乏。与现有大数据能力与企业绩效或竞争力关系的理论文献不同，大数据能力与绿色竞争力的关系具有特殊意义。从宏观层面看，数据驱动制造业绿色转型已经成为政府施政纲领中的重要攻关课题，大数据能力与绿色竞争力融合发展不仅对制造业内部形成稳定增长的绿色发展模式具有强烈现实意义，而且对我国在第四代信息技术革命浪潮中占据领先地位具有重要战略意义。从微观层面看，绿色竞争力一定程度上可以代表企业追求经济利益和承担社会责任的综合结果，是组织实现长久健康发展的必要保障。

为探究大数据能力促进企业绿色价值和商业价值提高的具体机制，本文以2014—2019年50家制造业上市企业为研究对象，探讨大数据能力与绿色竞争力的内在关联性，并考察环境动态性在两者关系中的调节作用，期望从理论层面丰富制造绿色转型相关研究，从实践层面为制造企业在数字经济背景下稳步形成绿色制造模式提供有益指导。

1 文献综述

1.1 大数据能力的内涵与维度

大数据是企业的一项重要资源已经得到理论和实践证实[1]。Kiron(2014)指出，大数据能力为企业带来持续竞争优势的关键在于整合利用大数据资源的能力，而不是大数据资源本身；谢卫红等(2016)进一步提出大数据能力本质上是企业的一种动态能力，并强调大数据能力的核心在于深度严谨的分析能力；李永红等[2]从数据价值链视角批判性指出，从整个社会的信息化现象中挖掘大数据价值的关键在于分析能力；Lavalle&Shockley[5]调查发现，深度商业分析能力越强，企业竞争优势越显著。由此可见，大数据分析能力是企业适应动态变化的竞争环境最基础、最核心的环节。戚聿东等[6]基于全球管理创新实践发现，大数据与企业内部管理模式的结合成为驱动组织全方位深层次变革的重要力量。大数据能力还被誉为“下一个管理革命”[1]，在完善管理理论和丰富管理实践方面具有巨大潜力，理解大数据管理能力对更精确、更深入挖掘大数据能力的价值创造方式具有重要意义。程刚等[7]一方面认同前人关于资源整合重要性的研究，另一方面提出大数据战略和文化也是大数据能力的重要组成部分这一有力论断；曹亚东等[8]再次强调，大数据分析能力和大数据战略支持能力在获得数据价值和超越竞争对手中的独特地位。大数据战略规划能力作为企业特殊的软实力，在指导具体业务实施路径的同时，也在塑造差异化竞争优势。《埃森哲技术展望2019》报告通过多层次方法，从大数据战略、管理、生产和销售要素4个层面对企业数字化水平进行量化。通过梳理上述文献发现，学者们开始从仅基于大数据本身特征描述大数据能力向结合企业各项能力突出大数据能力对组织整体的商业价值发展。因此，结合前人研究，本文认为，大数据能力是运用创新性思维，建立数据与企业各项资源的联系并整合分析进而发现数据价值、优化管理流程与决策以及为企业战略规划提供支持的能力，可从战略层、决策层和执行层依次分为大数据战略规划能力、大数据管理能力和大数据分析能力3个方面。

(1)大数据战略规划能力(Big Data Strategic Planning Ability，BDSA)作为大数据能力的顶层设计部分，是指基于公司总体战略和业务战略，制定数字转型计划，并且在实施过程中，根据市场需求和组织现状进行适应性调整，在保障数字化体系构建规范化和执行合理化的同时，促进公司整体可持续发展。

(2)大数据管理能力(Big Data Management Ability，BDMA)是充分利用大数据协动组织整体转型方面非常重要的管理资源，主要包括组织架构调整、组织决策方式转变、组织学习以及企业文化更新。由于大数据技术不断发展迭代，在组织学习中嵌入持续学习、合作学习等理念也是形成独特大数据能力必不可少的部分。此外，将数字资源对市场趋势和运营的精准洞察力融入决策过程，转变以往依赖直觉决策的方式，也是大数据管理能力活跃的组成要素。

(3)大数据分析能力(Big Data Analysis Ability，BDAA)作为大数据能力的核心部分，是指企业利用数据基础设施和数据分析手段，对各环节数据进行分析进而发现现有业务流程存在的不足，并且针对具体问题进行有效调整与优化，从而提升企业运行效率和质量水平的能力。

1.2 大数据能力与绿色竞争力

国外对于大数据与竞争力的研究大多以动态能力为中介展开。Schryen[9]、Mikalef等[10]提出，大数据能力对竞争优势的实现机制更多依赖于组织能力的适应性调整。国内研究对制造业竞争优势的关注不够，大多探讨大数据能力对企业绩效[11]、创新绩效[12]的影响。此外，针对竞争力的重要组成部分——绿色竞争力，Zhang等[13]从整体视角出发，认为公司应用大数据的能力越强，适应速度越快，越容易形成绿色核心竞争力；Wu等[14]从理论层面探讨大数据与绿色革命的关系，指出无论从宏观上看，还是作为微观个体，大数据的出现都具有支持环保和可持续发展绿色目标的巨大潜力。由此可见，学术界普遍认为，具备大数据能力的企业在改善环境质量和提高企业效益方面显著优于其它企业，但试图证明大数据的应用能够改善环境绩效、提高组织可持续竞争力的文献很少，并且迄今为止没有严格的实证检验。

1.3 环境动态性的调节作用

环境动态性即环境的动态性特征，主要是指企业赖以生存与发展的外部环境是不断更新并且难以准确预测的[15]。企业的发展与外部环境密切相关，环境波动可能会使组织赖以生存的竞争优势丧失，陷入经营危机，同时也可能为新技术的应用以及新产品、新服务的推广带来机遇，促进新的竞争优势形成。

动态能力理论认为，组织能力创造的竞争优势变化取决于环境动态性[16]。Li&Liu[17]实证研究发现，环境动态性是影响我国企业形成独特竞争力的重要驱动因素；王娟茹等(2020)以技术不稳定性作为调节变量，探讨绿色双元创新与制造业竞争优势的关系。虽然环境动态性会给组织带来一系列不可预测的结果，但是Chen等[18]指出，在快速变化的市场中，大数据能力对供应链绩效乃至竞争力的影响会被放大；Li等[19]从信息处理角度出发，认为随着环境动态性持续增加，数字化技术通过数字化供应链平台对经济绩效和环境绩效的间接影响将会增强。由此可见，环境动态性在制造业绿色竞争力形成过程中的作用值得研究。

1.4 文献述评

综上所述，已有研究的学术贡献主要体现在以下3个方面：首先，运用资源基础理论、IT能力理论和动态能力理论定义大数据能力的内涵，并对其维度进行测量，开始从企业整体价值视角对大数据能力进行扩展和延伸，不仅突出大数据能力的技术性特征，而且关注大数据与企业内部融合产生的战略、管理等要素。其次，近几年国内外对大数据能力的定量研究有了一定进展，并且总体上偏向于研究大数据对绩效、创新和竞争力的影响。同时，也有学者开始关注大数据能力对绿色竞争力的影响机理，并认为大数据具有改变环境管理局面和实现可持续发展目标的潜力，但是缺乏系统的理论演绎和实证支持。最后，虽然环境动态性不可预测，但是已有学者指出，在企业运用大数据能力实现价值增值的过程中，环境动态性扮演着重要角色，并且强调合理利用环境变化能够促进组织内部有效协同。

本文的边际贡献在于：首先，明确构建大数据战略规划能力、大数据管理能力和大数据分析能力的整体框架；其次，现有研究对企业绿色竞争力的衡量多局限于问卷调查方式，忽视了绿色全要素生产率(GTFP)可以度量企业投入与产出的有效性，因而本文采用GTFP指标可以提高研究的准确性和客观性；最后，作为将环境保护与企业竞争力相结合的研究，绿色竞争力是指企业在经济效益方面超越竞争对手的同时，向市场传递绿色发展理念的综合能力，体现制造企业承担发展问题和建立可持续竞争优势的时代决心。本文期望通过对大数据能力与绿色竞争力的模型进行实证研究，打开大数据创造绿色价值的“黑箱”。

2 研究假设

2.1 大数据能力与绿色竞争力

基于我国雄厚庞大的制造业基础，以及数字信息、通信、传感和表征技术的持续发展，制造企业正在产生大量复杂的多源异构数据。有效分析和利用这些来源多样、结构各异的数据信息，能够为我国制造业在新一轮绿色革命中取得竞争优势提供新契机。

在战略层面，孙丽文和任相伟[20]提出，企业具备长期可持续的战略思维、战略定位和战略导向是绿色转型方向的重要引导。因此，对于立志于在数字经济转型背景下建立绿色竞争优势的企业来说，不能简单依靠引进或吸收数字化技术，只有将企业数字化战略融入整体发展战略中，才能在复杂竞争态势中为企业提供清晰的目标导向，在顺应产业绿色发展趋势的同时，保持自身独特性，而且合理的数字化战略也能为组织业务情景提供更多有价值、有针对性的信息，从而提高执行绩效。海尔和酷特智能的成功案例也进一步表明，在残酷激烈的市场竞争中，明确的数字化战略对企业建立绿色核心竞争力具有重要价值(林琳，2019)。

在管理层面，徐宗本等[21]认为，从直觉决策到依赖数据决策的跨越是传统产业绿色转型和商业模式创新的重要驱动力；谢康等[22]基于产品创新视角，提出大数据影响下组织惯例更新能够显著提高组织对环境的适应程度，为组织形成持续竞争优势提供机会和可能性。也有学者开始考察数据驱动的组织结构对制造业绿色转型的重要价值，如肖静华(2020)研究发现，为了在数字经济背景下保持组织运作和转型的高效率，组织形态往往向对环境的高适应性和组织行动的灵活性方向调整，例如矩阵制、平台制和网格制等。

数据分析能力对绿色竞争力的影响可以从产品价值链考虑。在研发环节，池毛毛等[23]通过调研和实证研究发现，在大数据技术支持下，研发周期和研发成本能够大幅缩减，从而实现新产品开发绩效提升；在制造环节，Belhadi等[24]指出，通过使用适当的监测、可视化和分析技术，可以有效降低制造和维护过程的能耗，减少污染，证实大数据技术具有评估和提高环境绩效的潜力；在营销环节，Wang(2019)认为，通过对消费行为数据进行分析，可以了解消费者偏好，从而为企业产品营销信息的针对性推送和绿色营销的实现提供条件；在服务环节，在数据价值链和柔性制造系统支撑下，企业能够提高产品定制比例，降低交付性能，实现从服务化转型到绿色转型的跨越(李晓华，2020)。基于此，本文提出以下假设：

H1：大数据能力对绿色竞争力具有正向影响。

H1a：大数据战略规划能力对绿色竞争力具有正向影响；

H1b：大数据管理能力对绿色竞争力具有正向影响；

H1c：大数据分析能力对绿色竞争力具有正向影响。

2.2 环境动态性的调节效应

伴随着数字经济的快速兴起，数字化转型已成为企业激发生产潜能、促进产业结构升级、实现可持续发展的关键，但在环境动荡条件下盲目进行数字化转型需要承担巨大风险，甚至给企业发展带来灭顶之灾。只有将数字化战略与企业发展情况巧妙结合，根据自身发展特征，选择合理的转型策略，才能使企业在绿色发展之路上稳步前行。环境变化会影响组织整体运行和管理者对形势的判断，在这种情况下，无论是数据驱动的决策方式还是扁平式管理结构，都是减少管理失误和提高组织运行效率的重要保障。因此，在动态环境中，组织具备的大数据管理能力越强，对政府导向、产业趋势和环境政策等宏观环境变化的把握越准确，企业绿色竞争力也就越强。当市场趋势发生频繁变动时，企业搜集相关信息的能力直接影响到企业对原材料供应波动和消费者需求变化的把握，进而影响企业产品生产效率和技术创新能力。因此，环境动态性越高，绿色竞争力对大数据分析能力的依赖程度越高。基于此，本文提出以下假设：

H2：环境动态性正向调节大数据能力对绿色竞争力的影响。

H2a：环境动态性正向调节大数据战略规划能力对绿色竞争力的影响；

H2b：环境动态性正向调节大数据管理能力对绿色竞争力的影响；

H2c：环境动态性正向调节大数据分析能力对绿色竞争力的影响。

基于以上分析，本文研究模型如图1所示。

3 研究设计

3.1 数据样本

本文确定样本的过程主要分为以下步骤：首先，以数字化转型、大数据应用等为关键词，利用百度、谷歌等搜索引擎初步确定具备大数据能力的制造业上市公司名单；其次，由于本文研究的是大数据能力对绿色竞争力的影响，因此根据财报和社会责任报告是否披露环境信息对第一步选出的上市公司进行筛选；第三，根据以上两个标准，整理确定本文初步研究对象；最后，剔除ST类与退市企业以及重要变量缺失的企业样本，最终获得2014—2019年50家制造企业研究数据，共计取得300个观测样本。以上数据均来自国泰安数据库和巨潮资讯网。

3.2 模型构建

根据以上理论分析，为研究大数据三大能力(BDSA、BDMA、BDAA)对制造企业绿色竞争力(GTFP)的影响，本文构建以下模型：

GTFPit=β0+β1BDSAit+β2CVit+λi+λt+eit

(1)

GTFPit=β0+β1BDMAit+β2CVit+λi+λt+eit

(2)

GTFPit=β0+β1BDAAit+β2CVit+λi+λt+eit

(3)

为进一步研究环境动态性(ED)在大数据能力与绿色竞争力关系中的调节作用，本文引入大数据三大能力与环境动态性的交互项，构建如下计量模型：

GTFPit=β0+β1BDSAit+β2EDit+β3BDSAit×EDit+β4CVit+eit

(4)

GTFPit=β0+β1BDMAit+β2EDit+β3BDMAit×EDit+β4CVit+eit

(5)

GTFPit=β0+β1BDAAit+β2EDit+β3BDAAit×EDit+β4CVit+eit

(6)

其中，i表示企业，t表示年份；GTFPit表示i企业在t年的绿色全要素生产率，BDSAit表示大数据战略规划能力，BDMAit表示大数据管理能力，BDAAit表示大数据分析能力；CVit是控制变量，λi是个体固定效应，λt是时间固定效应，eit是随机扰动项。

3.3 变量定义

3.3.1 被解释变量

本文参考李鹏升等[25]的做法，采用绿色全要素生产率(GTFP)衡量被解释变量工业绿色竞争力。在构建非径向、非角度的SBM模型基础上，进一步利用Global Malmquist-Luenberger(GML)指数对效率动态变化进行考察。具体地，本文采用SBM-GML方法测算样本企业的MI指数(GTFP的变化率)。假设基期2014年某企业的GTFP为1，则2015年的GTFP=1*2015年的MI值，以此类推，计算出各企业不同年份的GTFP。使用的测算软件为MaxDEA7.0。

在投入与产出指标方面，本文借鉴李鹏升等[25]的做法，用企业年末固定资产账面价值衡量资本投入，用企业年末职工人数衡量劳动投入。为消除能源投入种类的差异，根据《综合能耗计算通则》(GB/T2589-2008)，将企业所有能源投入折算成标准煤，并用统一后的标准煤消耗量衡量企业能源投入。期望产出用企业当年工业总产值衡量，对于没有披露该项指标的企业，根据国家统计局对工业生产总值的计算方法，以主营业务收入和库存商品期末账面价值之和估算。鉴于工业部门是SO2排放大户，同时考虑数据可得性，本文选取企业当年SO2排放总量作为非期望产出。绿色全要素生产率具体测量指标如表1所示。

3.3.2 解释变量

(1)大数据战略规划能力(BDSA)。上市公司财报中某些词汇出现的频数在一定程度上代表其战略发展方向，因此本文利用文本处理技术和人工检查的方式，以大数据、数字化为关键词，对其在企业年报中出现的频数进行统计，并作为衡量大数据战略规划能力的指标。此外，人工筛选并逐条排除大数据技术、数字化车间和数字化管理水平等反映具体业务指导方向的语句。

(2)大数据管理能力(BDMA)。本文借鉴虞义华等[26]的做法，将大数据管理能力设为虚拟变量，即董监高人员中有一人拥有大数据、数字化或信息化领域背景或任职经历，则认为大数据管理能力是1，否则为0。

(3)大数据分析能力(BDAA)。本文参考谢卫红等(2016)的研究成果，以无形资产中软件的期初期末平均余额反映大数据分析能力。同时，为消除企业规模可能造成的影响，将软件平均余额除以总资产，得到消除规模差异后的大数据分析能力。

3.3.3 调节变量

参考曾德明等[27]关于环境动态性的度量方法，以样本企业5年以上营业收入的变异系数测量环境动态性，本文计算样本企业过去5年主营业务收入标准差与均值的比值，并取对数表示。

3.3.4 控制变量

根据以往研究，本文控制变量包括市场竞争地位、营业利润率、资产流动比和企业年龄。具体变量及定义如表2所示。

4 实证结果与分析

4.1 描述性统计

变量描述性统计结果如表3所示。由表3可知，绿色全要素生产率(GTFP)的均值为1.146，最大值为4.156，最小值为0.324，标准差为0.579，说明样本企业之间在设定时间区间内的GTFP有一定差距；大数据战略规划能力的最大值为31，最小值为0，平均值仅为1.773，说明研究对象整体对数字化发展的战略规划能力水平较低，个别企业明显领先于其它企业；大数据管理能力的平均值为0.460，标准差为0.499，说明内部管理的数字化水平较低是样本企业的共同短板；大数据分析能力的平均值仅为0.167%，说明样本企业在数字技术方面仍有很大提升空间。

4.2 相关性分析

表4相关性分析结果显示，大数据战略规划能力(BDSA)、大数据管理能力(BDMA)与绿色竞争力(GTFP)显著正相关性，一定程度上验证了H1a、H1b。此外，大数据分析能力(BDAA)与绿色竞争力不存在显著相关关系，但由于未对其它变量的影响进行控制，因此其具体关系有待进一步回归探究。

4.3 基本回归结果

表5报告了基本回归结果。由模型1可知，大数据战略规划能力(BDSA)与绿色全要素生成率(GTFP)的回归系数为0.035，且在5%的水平下显著；由模型2可知，大数据管理能力(BDMA)与GTFP的回归系数为正但不显著，初步认为是由较大的组间差异引起的，下文将进一步讨论；由模型3可知，大数据分析能力(BDAA)与GTFP的回归系数为0.582，且在1%的水平下显著，相比于其它两类大数据能力，BDAA是提升绿色竞争力最直接、最明显的方面。

控制变量中，市场竞争地位(MP)、营业利润率(OPR)、资产流动比(FLOW)和企业年龄(AGE)均显著为正，说明企业在产品市场上越强势，盈利水平越高，资产变现能力越强，在某一经营领域扎根时间越长、了解程度越深，就越能提高企业绿色竞争力。

4.4 环境动态性的调节效应检验

表6报告了环境动态性的调节效应检验结果。由模型4可知，大数据战略规划能力与绿色竞争力在1%的水平上显著正相关，环境动态性与大数据战略规划能力的交互项在1%的水平上显著为正，说明环境动态性正向调节大数据战略规划能力与绿色竞争力的关系，H2a得到验证。由模型5可知，在引入环境动态性以及环境动态性与大数据管理能力的交互项后，大数据管理能力、环境动态性以及两者的交互项均在1%的水平上显著为正，说明环境动态性在大数据管理能力与绿色竞争力之间起正向调节作用，H2b得到验证。由模型6可知，大数据分析能力与环境动态性的交互项并不显著，表明环境动态性未能有效调节大数据分析能力与绿色竞争力之间的关系，H2c未得到验证。

4.5 进一步分析

由于非高新技术制造业与高新技术制造业在管理理念和方式上存在较大差异，大数据管理能力对绿色竞争力的影响可能存在显著的行业异质性。因此，本文参考陈钰芬等[28]对非高新技术制造业与高新技术制造业的界定方式，对样本企业进行分组，分别讨论BDMA对GTFP的作用效果，结果如表7所示。

表7列(1)结果显示，非高新技术制造业当期大数据管理能力对绿色竞争力的回归系数在10%的水平上显著为正；列(2)结果显示，非高新技术制造业滞后一期大数据管理能力对绿色竞争力的回归系数在5%的水平上显著为正。说明对于非高新技术制造业而言，大数据管理能力对绿色竞争力的正向提升作用存在一定滞后效应。原因可能是具有数字化经验的管理者了解新岗位、适应新环境需要一定时间。列(3)、(4)分别显示了高新技术制造业当期和滞后一期大数据管理能力对绿色竞争力的影响，结果显示，高新技术制造业当期和滞后一期大数据管理能力对绿色竞争力的影响均不显著。原因可能是，高新技术制造企业的管理体系相对成熟和优越，具有大数据经验的管理者对企业管理水平的提升作用不明显[29]。

4.6 稳健性检验

对于因变量，除SBM-GML模型外，本文还采用DDF-GML模型对5项投入产出指标进行计算，进而对模型进行重新估计，回归结果与前文基本一致。由于篇幅限制，稳健性检验结果备索。

4.7 内生性问题讨论

大数据能力与制造业绿色竞争力之间可能互为因果关系，即大数据能力能够促进制造业绿色竞争力提高，而绿色竞争力的提高也可能促进大数据各子能力提升。借鉴郭家堂等[30]的研究方法，本文核心解释变量分别用大数据战略规划能力、大数据管理能力和大数据分析能力的滞后一期表示。原因是，当期绿色竞争力提高与否几乎不影响滞后期大数据3个子能力的大小，也就是说，如果滞后期大数据能力对当期绿色竞争力的影响效果还存在并且与前文讨论一致，则可以认为在大数据能力与绿色竞争力的关系中，大数据能力影响绿色竞争力这条路径是主要的。如表8所示，滞后一期大数据能力对绿色竞争力的回归结果与前文一致，说明在大数据能力与制造业绿色竞争力的相互关系中，大数据能力是主要原因。

5 研究结论与启示

5.1 研究结论

本文选择2014—2019年50家制造业上市企业作为研究对象，运用SBM-GML模型测度样本企业的绿色竞争力，在此基础上考察大数据能力对企业绿色竞争力的影响效应，并分析环境动态性在这一过程中的调节作用。本文得出以下主要结论：

(1)大数据战略规划能力和大数据分析能力都有助于提高企业绿色竞争力，其中大数据分析能力的作用更加显著。原因可能是，大数据分析能力在高效满足消费者个性化需求、提高组织决策能力与运营效率等方面的作用更加直接。

(2)在制造业内部，大数据管理能力对绿色竞争力的影响存在较强的异质性。全样本回归结果表明，大数据管理能力对绿色竞争力不存在积极影响，分组讨论发现，大数据管理能力对非高新技术制造企业绿色竞争力的促进作用更加显著。原因可能是，相较于高新技术制造业本身具有良好的数字化管理基因，非高新技术制造业更需要大数据管理人才，以更新管理模式、提高运作效率。

(3)环境动态性能够显著提高大数据战略规划能力、大数据管理能力与绿色竞争力的相关性，但对大数据分析能力与绿色竞争力关系的调节效应不显著。原因可能是，执行层不能根据环境变化自行调整大数据技术投入，需要战略层和管理层先作出反应并提供具体指导意见，因此影响了环境动态性在大数据分析能力与绿色竞争力关系中作用的发挥。

5.2 理论贡献

(1)目前关于大数据能力的实证研究十分缺乏，虽然有学者对大数据能力相关问题进行了理论探讨和定量分析[3,12]，但鲜有文献对大数据能力各构成要素进行研究。本文基于企业能力理论和现有研究，总结提出大数据能力由大数据战略规划能力、大数据管理能力和大数据分析能力3个子能力构成，并通过实证检验证实不同子能力对制造企业绿色竞争力的影响存在差异。

(2)当前学者们主要关注大数据能力与企业绩效的关系，而绿色竞争力作为衡量企业可持续发展能力的重要指标，鲜有学者将该指标与大数据能力结合起来，探讨两者之间的作用效果。本文通过对面板数据进行回归分析，揭示出大数据能力与绿色竞争力的关系，打开了大数据能力创造绿色价值的“黑箱”，为制造业合理利用数据赋能实现绿色转型指明了方向和路径。

5.3 管理启示

培育和提高大数据能力是获取绿色竞争力、实现可持续发展的重要途径，本文对制造企业的管理启示主要在于：

首先，大数据战略规划能力对制造企业绿色竞争力提升具有正向影响。管理者要在战略层面确定数字转型计划，更新原有发展模式，同时也要注意大数据发展规划与公司战略的匹配性。

其次，大数据分析能力对制造企业绿色竞争力的促进效应最为显著。管理者要高度重视大数据分析能力的培养，包括加大对各种数据系统资源的投资、充分引进大数据领域专业人才，以及鼓励员工积极参与大数据分析方面的技能培训。

第三，高新技术制造业本身具有的数字化管理基因赋予这类企业远超于传统制造企业的反应速度和管理灵活性，而随着整个产业数字化程度的提高，仅仅依赖自身技术管理属性，必然无法适应数字经济时代残酷的竞争环境。因此，制造企业管理者要关注大数据与组织架构、决策方式、组织文化和惯例等的协同融合，不断完善管理机制，及时跟进相关配套措施，必要时可以聘请具有大数据管理经验的专家对组织管理进行指导。

最后，大数据战略规划能力和大数据管理能力对绿色竞争力的影响受到环境动态性的正向调节。因此，当外部环境发生剧烈变动时，管理者可以适当提高大数据在企业整体发展战略中的地位以及大数据与组织管理的适配度，进而提高企业的市场敏锐度，以应对环境动态性带来的机遇和挑战，并形成一种绿色有效的发展模式。当外部环境较为稳定时，企业要努力摆脱路径依赖和“囚徒困境”，选择绿色制造模式，不断提高大数据能力，主动将资源和创新能力转化为绿色竞争力。由于大数据分析能力对绿色竞争力的正向作用不受环境动态性影响，因此在保证企业整体经营稳定的基础上，管理者要加快引进数字化技术，提高对各生产环节的掌控力，进而实现资源优化配置，提高绿色竞争力。

参考文献:

[1] JAMES M,MICHAEL C,BRAD B,et al.Big data:the next frontier for innovation,competition,and productivity[R].McKinsey Global Institute,2011.

[2] 李永红,张淑雯.大数据驱动传统产业转型升级的路径:基于大数据价值链视角[J].科技管理研究,2019,39(7):156-162.

[3] 徐国虎,田萌.大数据系统实施对企业绩效影响的实证研究[J].科技进步与对策,2017,34(16):98-105.

[4] 王才.数字化转型对企业创新绩效的作用机制研究[J].当代经济管理,2021,43(3):34-42.

[5] 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):21-31.

[6] 戚聿东,肖旭.数字经济时代的企业管理变革[J].管理世界,2020,36(6):135-152,250.

[7] 程刚,李敏.企业大数据能力培育机制研究[J].现代情报,2014,34(3):7-11.

[8] 曹亚东,王梦杰.动态机制下企业大数据能力绩效作用研究[J].物流科技,2020,43(7):24-27.

[9] SCHRYEN G.Revisiting IS business value research:what we already know,what we still need to know,and how we can get there[J].European Journal of Information Systems,2013,22(2):139-169.

[10] MIKALEF P,KROGSTIE J,PAPPAS I O,et al.Exploring the relationship between big data analytics capability and competitive performance:the mediating roles of dynamic and operational capabilities[J].Information & Management,2020,57(2):103169.

[11] 李向阳.大数据技术应用对上市公司绩效影响的实证分析[J].东岳论丛,2021,42(1):117-124.

[12] 许芳,田萌,徐国虎.大数据应用能力对企业创新绩效的影响研究:供应链协同的中介效应与战略匹配的调节效应[J].宏观经济研究,2020,42(3):101-119.

[13] ZHANG Y F,REN S,LIU Y,et al.A big data analytics architecture for cleaner manufacturing and maintenance processes of complex products[J].Journal of Cleaner Production,2017,142:626-641.

[14] WU J,GUO S,LI J,et al.Big data meet green challenges:big data toward green applications[J].IEEE Systems Journal,2016,10(3):888-900.

[15] 陈志军,徐鹏,唐贵瑶.企业动态能力的形成机制与影响研究:基于环境动态性的调节作用[J].软科学,2015,29(5):59-62,86.

[16] EISENHARDT K M,MARTIN J A.Dynamic capabilities:what are they[J].Strategic Management Journal,2000,21(10-11):1105-1121.

[17] LI D Y,LIU J.Dynamic capabilities,environmental dynamism,and competitive advantage:evidence from China[J].Journal of Business Research,2014,67(1):2793-2799.

[18] 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.

[19] LI Y,DAI J,CUI L.The impact of digital technologies on economic and environmental performance in the context of industry 4.0:a moderated mediation model[J].International Journal of Production Economics,2020,229:107777.

[20] 孙丽文,任相伟.企业绿色转型驱动因素及作用机理研究:跨层交互因素的整合分析框架[J].管理现代化,2020,40(2):67-70.

[21] 徐宗本,冯芷艳,郭迅华,等.大数据驱动的管理与决策前沿课题[J].管理世界,2014,30(11):158-163.

[22] 谢康,夏正豪,肖静华.大数据成为现实生产要素的企业实现机制：产品创新视角[J].中国工业经济,2020,37(5):42-60.

[23] 池毛毛,叶丁菱,王俊晶,等.我国中小制造企业如何提升新产品开发绩效:基于数字化赋能的视角[J].南开管理评论,2020,23(3):63-75.

[24] BELHADI A,KAMBLE S S,ZKIK K,et al.The integrated effect of Big Data Analytics,Lean Six Sigma and Green Manufacturing on the environmental performance of manufacturing companies:the case of North Africa[J].Journal of Cleaner Production,2020,252:119903.

[25] 李鹏升,陈艳莹.环境规制、企业议价能力和绿色全要素生产率[J].财贸经济,2019,40(11):144-160.

[26] 虞义华,赵奇锋,鞠晓生.发明家高管与企业创新[J].中国工业经济,2018,35(3):136-154.

[27] 曾德明,周蓉,陈立勇.环境动态性、资本结构与公司绩效关系的研究[J].财经研究,2004,30(3):67-74,84.

[27] 陈钰芬,侯睿婕.中国制造业分行业研发资本存量的估算[J].科学学研究,2019,37(9):1570-1580.

[29] 戚聿东,蔡呈伟.数字化对制造业企业绩效的多重影响及其机理研究[J].学习与探索,2020(7):108-119.

[30] 郭家堂,骆品亮.互联网对中国全要素生产率有促进作用吗[J].管理世界,2016,32(10):34-49.

(责任编辑：陈 井)