Scenario-Driven Innovation, Digital Agility, and Corporate Innovation Performance: The Moderating Role of Organizational Unlearning

Qin Xinyue1,Hu Haiqing1,2,Shi Tong1

(1.School of Economics and Management, Xi′an University of Technology, Xi′an 710054, China; 2.Ankang University, Ankang 725000, China)

Abstract：Under the dual forces of global value chain restructuring and digital technological revolution, corporate innovation paradigms are undergoing a profound shift from linear technological breakthroughs to scenario-based value co-creation. As an emerging innovation paradigm, scenario-driven innovation empowers enterprises to acquire and integrate resources while expanding network connectivity. However, bottlenecks in the transmission mechanisms of scenario-driven innovation reflect deeper challenges in organizational capability reconstruction during the digital era, compelling firms to enhance digital agility for addressing complex and dynamic scenario demands. Crucially, improving digital agility requires not only internal structural reshaping but also the cultivation of organizational unlearning capabilities.

Against this backdrop, this study constructs a theoretical model incorporating "scenario-driven innovation, digital agility, and enterprise innovation performance", with organizational unlearning as a moderating variable. It aims to address the following core questions: Can digital agility—a critical capability that allows firms to leverage digital technologies to mitigate threats, seize opportunities, and thereby enhance innovation performance—act as a key lever in this process? What role does scenario-driven innovation play in building digital agility and improving innovation performance? How does organizational unlearning moderate this relationship? As a digital extension of dynamic capabilities and opportunity recognition, can digital agility effectively translate scenario-driven innovation into performance gains?

This study focuses on technology-based startups and collects data through questionnaire surveys. The survey respondents are identified as enterprise founders, technical leaders, or core management members responsible for innovation strategies. The study was conducted over a period of 4 months and divided into two phases; a total of 500 questionnaires were distributed, and 355 valid responses were retrieved, resulting in a response rate of 71%. After the empirical analysis, this study yields three key conclusions: First, scenario-driven innovation significantly enhances innovation performance. By anchoring innovation in application scenarios, this paradigm integrates digital technologies, user needs, and market feedback to shift firms from passive market adaptation to proactive value creation, thereby driving breakthroughs. Second, digital agility mediates the relationship between scenario-driven innovation and innovation performance. Scenario-driven innovation strengthens firms′ scenario-specific application of digital technologies, directly elevating digital agility. Simultaneously, digitally agile enterprises accelerate innovation decision-making and capitalize on digital opportunities, further boosting performance. Third, organizational unlearning positively moderates both the impact of scenario-driven innovation on digital agility and its direct effect on innovation performance. Organizational unlearning entails the deliberate abandonment of obsolete knowledge and rigid management practices, clearing cognitive barriers to agility. Furthermore, when firms systematically discard inertial cognition and reconstruct knowledge systems, scenario-driven innovation becomes more strategically focused on high-value domains.

This research advances theory in three dimensions: First, it validates scenario-driven innovation as a strategic paradigm. Moving beyond traditional linear innovation models, this study elevates scenario-driven innovation from a tactical tool to a strategic framework, emphasizing the dynamic integration of innovation elements and the evolution of organizational capabilities. It provides a novel lens for deciphering innovation emergence mechanisms in the digital economy. Second, it redefines organizational learning through unlearning. By challenging the unilateral emphasis on “knowledge accumulation” in organizational learning theory, this work demonstrates the unique value of organizational unlearning in innovation. It shifts theoretical discourse from passive forgetting to proactive strategic selection, revealing how intentional knowledge abandonment catalyzes capability renewal. Third, it advances dynamic capability theory in digital contexts. More precisely, by positioning digital agility as a higher-order dynamic capability, this study clarifies its transmission mechanism: converting scenario-driven innovation into performance advantages. This bridges the gap between abstract dynamic capability theory and concrete digital innovation practices, elucidating how digital extensions of traditional capabilities enable competitive differentiation.

In summary, this study establishes an integrated framework linking scenario-driven innovation, digital agility, and organizational unlearning, offering actionable insights for firms navigating innovation. It underscores the necessity of coupling strategic innovation paradigms with cognitive renewal mechanisms to unlock sustained performance growth in volatile environments. This study has limitations in preliminary conceptual definitions,measurement and reliance on questionnaires. Future research should deepen concepts and their measurement via case studies, and use tracking data or case analyses on 3-5 firms to explore phased mechanisms to deepen the understanding of the mechanism of scenario-driven innovation.

Key Words：Scenario-driven Innovation; Digital Agility; Organizational Unlearning; Innovation Performance

DOI：10.6049/kjjbydc.D52025040067

开放科学(资源服务)标识码(OSID)：

中图分类号：F270

文献标识码：A

文章编号：1001-7348(2026)10-0029-11

收稿日期：2025-04-02

修回日期：2025-07-10

基金项目：国家自然科学基金项目(72072144);陕西省创新能力支撑计划软科学研究计划项目(2024ZC-YBXM-031,2025WZ-YBXM-18);西安市科技局软科学研究计划重点项目(25RKYJ0002,23RKYJ0001);陕西省哲学社会科学研究专项(2025HZ1127,2023HZ1036);三秦英才特殊支持计划哲学社会科学和文化艺术领域领军人才项目(105-428824051)

作者简介：秦欣悦(1995—),女,陕西西安人,西安理工大学经济与管理学院博士研究生,研究方向为创新创业管理;胡海青(1971—),男,陕西西安人,博士,西安理工大学经济与管理学院教授、博士生导师,安康学院副院长,研究方向为创业管理与中小企业发展;史童(1994—),女,陕西西安人,西安理工大学经济与管理学院博士研究生,研究方向为创新创业管理。通讯作者:胡海青。

0 引言

在全球价值链重构与数字技术革命叠加效应下,企业创新范式正经历从线性技术突破向场景化价值共创的深刻转型。2025年《政府工作报告》提出,“开展新技术新产品新场景大规模应用示范行动”。需要深刻把握应用示范、需求牵引、场景促进对于加快培育新质生产力、建设现代化产业体系的重要意义。场景不仅是技术和数据要素价值的“放大器”,也是探测潜在用户与市场需求的“探测器”,更是发现颠覆性技术创新机遇和锁定未来产业机遇窗口期的识别工具[1]。这一政策导向反映出国家对创新范式变革的前瞻性布局,更揭示场景在驱动新质生产力跃迁中的关键作用。《中国场景创新研究报告(2024)》数据显示,截至2024年6月,中国GDP前100位城市中有65个城市开展了场景创新,较2023年增加了25个城市。各城市积极推动企业开放场景创新,加速技术创新与成果转化[2]。然而,目前很多参与场景建设的企业仍面临创新周期长、成本高、效率低、效果差等问题[3],场景驱动创新向创新绩效传导的“黑箱”未完全破解。

场景驱动创新作为一种新型创新范式,能帮助企业获取和整合资源进而拓展网络连接[4]。然而,场景驱动创新传导机制卡点折射出数字时代对组织能力重构的深层次挑战,企业亟需通过提高数字敏捷性应对复杂多变的场景需求。数字敏捷性是指在充满动态不确定的数字经济环境中,企业利用数字技术机会和应对数字技术威胁的能力[5]。例如,在智能家居行业,消费者对数字化家居设备互联的诉求推动企业构建动态技术整合能力,通过快速迭代产品功能满足用户个性化需求,这一过程高度依赖企业数字敏捷性对市场信号的捕捉与响应。然而,从开放式创新视角看,企业提高数字敏捷性不仅依靠内部结构重塑,还需形成组织内外层面知识更新机制,通过主动摒弃传统知识重构认知框架[6]。舍却式学习作为企业知识体系更新的重要机制,在企业创新产品开发过程中能够帮助企业适应技术和市场的动态变化。同时,舍却式学习还能够助力创新研发团队及时响应客户需求和技术知识迭代更新[6],进而提高企业数字敏捷性。以腾讯“内部赛马机制”为例,其通过制度设计构建试错机制,淘汰低效项目,本质上是通过舍却式学习过程强化企业数字能力迭代。然而,现有研究多聚焦数字技术本身的影响效应,对场景驱动创新如何通过数字敏捷性和舍却式学习影响企业创新绩效缺乏系统性实证研究。

从理论层面看,根据动态能力理论,企业需通过持续整合、构建与重构资源来适应环境变化,而数字敏捷性作为企业动态能力的数字化延伸,对促进企业创新发展具有重要意义。现有研究表明,数字敏捷性通过数据资源和数字人力资源的交互作用打破数据孤岛,提升创新效率[7],但对其在不同场景下中介效应的探讨较少。另外,舍却式学习作为独特的组织学习能力,与知识代谢理论存在耦合。舍却式学习模式通过消除组织认知刚性,为新知识吸收创造空间,在企业场景创新与数字敏捷性关系中发挥调节作用。然而,既有研究对两者调节变量的探讨多聚焦制度支持、环境不确定性等外部环境因素,对组织内部学习模式的关注不足。总之,现有研究存在如下不足:第一,场景驱动创新政策赋能机制与企业微观活动之间的衔接机制尚不明晰,导致宏观战略与微观实践存在一定脱节。第二,关于数字敏捷性的研究多从人力资源与数据要素交互视角展开,对其作为组织能力本质属性的挖掘不足。第三,数字时代背景下,舍却式学习作为突破企业发展固有束缚的重要能力,其催化效应理论框架尚未建立,其与组织动态能力演化的关系亟待验证。

基于此,本文构建“场景驱动创新—数字敏捷性—企业创新绩效”理论模型,引入舍却式学习作为调节变量,旨在解答以下3个核心问题:①数字敏捷性作为企业利用数字技术应对威胁和把握机会的重要能力,其对企业创新绩效的提升作用是否显著。②场景驱动创新作为一种新型创新范式,在数字敏捷性构建和企业创新绩效提升过程中发挥哪些作用,以及舍却式学习在此传导路径中具有哪些调节效应。③数字敏捷性作为企业动态能力和机会识别能力的数字化延伸,能否有效促进场景驱动创新。本研究通过回答上述问题,旨在揭示数字经济背景下创新价值传导的内在逻辑,以期为政策制定者完善创新生态体系,并为企业管理者增强场景适应性提供理论支撑和实践指引。

1 理论分析与研究假设

1.1 场景驱动创新

场景驱动创新作为数字经济时代涌现的一种新型创新范式,逐渐成为学术界关注的热点。现有研究围绕场景驱动创新内涵特征、作用机制与实践路径展开探讨,初步形成研究体系。在内涵界定层面,场景驱动创新强调以场景为载体,通过整合技术、数据、需求等要素,推动创新要素与情境深度融合[8]。场景驱动创新理论根基可追溯至开放式创新、资源编排及创新生态系统理论,聚焦多主体协同与跨边界资源整合。付丙海等[9]将场景驱动创新定义为战略导向下的协同创新模式,认为其通过重构技术、商业模式与资源组合,帮助企业突破传统边界并提升动态能力;尹西明等[10]指出,场景驱动创新兼具“解决现有问题”与“启发未来场景”的双重功能,不仅能够促进企业技术迭代,还能通过挖掘前瞻性场景需求来培育企业创新引领能力。现有研究通过多种研究方法揭示场景驱动创新对企业发展的作用机制。基于制造业企业的实证研究表明,场景驱动创新通过增强组织复原力间接提升企业创新绩效[9]。尹西明等(2025)通过纵向案例研究指出,场景驱动创新通过单场景探索、多场景并行和跨场景协同三阶段演进,助力AI新创企业突破合法性获取与独特性建构困境。此外,还有研究指出场景驱动创新能够激活数据要素生态,推动数据要素通过交易与交互机制赋能新质生产力发展[11]。

现有研究初步构建场景驱动创新理论框架,但仍存在一定不足。多数研究聚焦案例分析与质性研究,缺乏对不同行业企业的实证检验。少数研究对场景驱动创新传导路径的探讨尚不充分,鲜有研究结合多元概念揭示场景驱动创新对企业创新绩效的作用机制。本文通过构建“场景驱动创新—数字敏捷性—企业创新绩效”理论框架,揭示场景驱动创新如何通过影响企业数字敏捷性进而促进企业创新绩效提升。

1.2 数字敏捷性

数字敏捷性是组织在数字时代面对动态环境变化的核心应对能力,这一概念最早源于传统敏捷性理论与数字技术的整合。早期对敏捷性的研究重点聚焦制造业,即组织对市场环境灵活响应从而获取核心竞争优势的能力[12]。随着数字技术的广泛应用,敏捷性研究视角不断革新。Salmela等[5]认为数字敏捷性是组织在有限时间内利用数字技术机会应对威胁的核心能力,这种能力能够促使企业适应数字生态环境。该观点将数字技术视为机会与威胁的双重来源,解决了传统敏捷性研究中技术与管理割裂的难题,凸显出数字时代的动态竞争特征。根据现有研究,数字敏捷性核心特征可总结为:①技术驱动性,企业只有具备数字技术生成性才能进一步实现价值创造;②时间敏感性,强调企业需在快速迭代的动态市场中捕捉机会;③资源整合性,强调企业需协调管理行为与员工行为,通过打破组织边界实现资源整合与共享。相较于传统敏捷性,数字敏捷性更强调数字技术与人的协同性以及数据资源的流动性[7]。另外,根据Salmela等[5]提出的数字敏捷性理论框架,企业适应性结构与开放参与情景的结合能够通过快速试错有效降低数字化转型失败风险。这说明,组织情境是影响数字敏捷性效能的关键因素。进一步, Merín-Rodrigáez等[13]基于创新型中小企业的研究发现,实施数字化转型能够优化数据流程和用户界面,显著提升企业数字敏捷性,进而提高企业创新绩效。现有研究普遍认为数字敏捷性的核心内涵是组织通过人数协同与资源整合快速响应环境变化的能力,这种能力不仅形成企业在数字时代的核心竞争优势,更是驱动企业可持续发展和持续创新的重要动力。

综上,数字敏捷性作为企业动态能力的重要表现形式,促使企业通过开放式参与、动态协同等组织行为快速适应环境,把握机遇,进而抵御风险。同时,数字敏捷性推动企业构建组织内外资源高效整合机制,对企业创新绩效具有显著提升效应。然而,当前研究存在两方面局限:①现有研究往往聚焦单一行业或领域,缺乏对多元场景下企业数字敏捷性驱动因素及作用效果的研究。②在作用机制研究中,学界更倾向于对组织结构要素等硬性要素进行静态分析,对组织文化、领导力变革等软性驱动因素的探讨不足,尤其是关于学习能力构建、数字文化培育等新型组织要素的研究较少。因此,在充满动态不确定性的数字经济环境中,拓展企业数字敏捷性研究尤为重要。

1.3 研究假设

1.3.1 场景驱动创新与企业创新绩效

在数字经济背景下,企业创新范式正在经历从技术主导到场景驱动的转变。场景驱动创新作为新兴创新范式,强调通过洞察用户场景需求,整合数字技术、数字服务和商业生态,构建以场景驱动价值创造为核心的创新模式[14]。这一理论视角演进与开放式创新理论、价值共创理论形成呼应,但其独特之处在于将场景要素置于创新过程的核心地位。

场景驱动创新的核心在于企业创新要素组合的系统性重构,其通过资源整合、多元主体协同和需求导向突破三维驱动机制,推动创新资源与市场需求动态适配,最终促进企业创新绩效提升[9]。首先,在资源整合层面,场景驱动通过畅通市场信息与技术资源的双向通道,缓解资源约束,降低研发不确定性,加速创新进程。其次,在主体协同层面,场景驱动创新通过建立涵盖多元主体(如高校、政府、用户及中介机构)的协同创新网络,加速异质性知识资源价值转化,形成跨组织资源互补效应[15],降低企业独立承担全部创新成本的压力,促进企业创新效率提升。另外,场景驱动创新推动企业突破行业传统模式约束,跨越技术、产品、服务和流程边界,帮助企业寻找和创造创新机会并缩短试错周期,提升创新成功概率。最后,场景驱动创新本质上是一种需求导向型创新机制。因此,基于场景驱动创新,企业通过突破技术和信息孤岛,建立用户需求动态适配机制,从而提升创新成果市场转化率。综上,企业通过场景驱动创新聚焦数字化场景与用户需求约束,在激活数据资源潜能过程中构建创新竞争优势[16],进而提升创新绩效。据此,本文提出以下假设:

H1:场景驱动创新对企业创新绩效具有显著正向影响。

1.3.2 场景驱动创新与数字敏捷性

企业数字敏捷性表现为技术架构层面的弹性扩展潜能,其核心在于企业在数据流转、决策效能及资源重组过程中所展现的快速响应能力[17]。场景驱动创新推动企业突破传统线性创新模式,通过真实场景中的试错与验证,形成技术方案与用户需求的精准匹配[18-19]。进一步,这一创新机制推动企业打破数据孤岛,构建跨部门、跨系统数据流通渠道,促进企业数据驱动决策能力和危机响应能力提升,增强企业应对不确定性的动态调整能力。

场景驱动创新还通过构建虚实融合的应用场景,形成技术迭代与市场需求响应协同机制,这种动态适配过程能有效增强组织数字敏捷性。在数字技术快速迭代的竞争环境中,场景驱动创新能够促使企业加快客户需求响应速度,缩短新产品开发周期,把握数字技术带来的机遇[7]。在这一过程中,应用场景为数字技术提供验证场域,数字技术突破又能催生新的应用场景,从而形成持续优化的正向循环。此外,依托场景构建竞争优势的企业,其环境适应能力更为突出,这种竞争优势的形成源于场景驱动创新所催生的持续学习机制。企业通过对场景数据与运营经验的持续积累,能够在动态变化的环境中快速识别潜在机遇、有效应对各类威胁,通过对资源的高效调动提升数字敏捷性。据此,本文提出以下假设:

H2:场景驱动创新对数字敏捷性具有显著正向影响。

1.3.3 数字敏捷性与企业创新绩效

数字敏捷性对企业创新绩效的提升作用首先体现为对企业知识整合机制的革新。根据知识基础观,创新本质上是知识要素的重新组合。具有较高数字敏捷性的企业通过构建实时数据中台与智能分析系统,能够打破传统企业组织架构下的信息传递障碍。企业通过信息技术培育数字敏捷性,能够加速产品创新过程中知识交互与创意的产生,进而提升企业创新绩效[20]。以阿里巴巴在双十一购物节中构建的数字化秒级响应体系为例,其通过提升数字敏捷性实现亿级用户需求与千万级商品供给的动态实时匹配[21],这种实时数据更新频率和供需响应能力能不断提升企业决策能力和创新绩效。

面对创新风险,数字敏捷性为企业提供了敏捷应对和动态调整的缓冲机制。一方面,数字敏捷企业通过建立数字孪生、仿真测试等数字化工具降低创新试错成本。另一方面,数字敏捷性能改进企业创新能力积累方式。根据吸收能力理论,组织对外部知识的吸收和转化能力影响企业创新绩效[22]。因此,具备高数字敏捷性的企业能利用数字技术对用户行为进行分析,提升用户需求洞察力和数据转化能力。数字敏捷性企业能将碎片化的用户洞察系统转化为产品、服务和技术创新改进方案,形成“使用推动创新”的创新模式,进而提升企业创新绩效。据此,本文提出以下假设:

H3:数字敏捷性对企业创新绩效具有显著正向影响。

1.3.4 数字敏捷性在场景驱动创新与企业创新绩效关系间的中介效应

数字敏捷性体现为企业的动态管理能力,其核心在于通过对内外部资源的持续整合、构建及重组,实现对环境变化的识别与响应[23]。当场景驱动创新依托具体应用场景推动数据共享与市场洞察生成时,具备数字敏捷性的企业能够借助实时数据处理能力、跨系统协作及资源调配机制,将场景中所蕴含的各类要素转化为驱动创新的内在动能。这一传导过程体现为场景驱动创新产生的显性数据经过企业数字敏捷化处理,与隐性知识融合,最终驱动企业形成具有市场竞争力和差异化的创新成果。

数字敏捷性的影响效应体现为促进企业知识吸收与转化效率提升。根据吸收能力理论,企业对外部知识的解构影响企业创新绩效[22]。场景驱动创新所产生和获取的市场需求数据、用户行为数据等外部信息资源只有通过清洗、整合、分析等数字敏捷性技术处理,才能转化为可被吸收的创新知识。这一过程不仅会加速知识和数据要素流动,还能提升企业通过数字技术迭代对复杂场景的分析能力,使企业更好地把握市场机遇和应对风险,进而促进创新绩效提升。

此外,从动态资源管理视角看,场景驱动创新所带来的市场需求本质上要求企业对现有资源进行高效整合和重构。这一要求推动企业借助数字化技术提升数字敏捷性,将传统资源配置模式转变为动态组合的资源网络。这种转变促使企业根据特定场景需求,快速整合分散的技术与数据资源,构建面向创新目标的动态能力。已有学者指出,企业对关键资源的重组速度与精准度是构建此类动态能力并最终形成创新竞争优势的关键驱动因素[24]。基于此,数字敏捷性通过动态资源配置机制提高场景化要素价值转化能力,进而促进创新绩效提升。据此,本文提出以下假设:

H4:数字敏捷性在场景驱动创新对企业创新绩效影响中发挥中介作用。

1.3.5 舍却式学习的调节效应

舍却式学习是指组织通过系统性舍弃传统或过时的知识体系、认知框架与运营惯例来实现能力更新[6],这种具有战略性的知识淘汰机制一般被称为“组织反学习”或“组织遗忘”。在数字经济推动创新范式重构过程中,企业决策和实践的底层逻辑与操作路径已发生根本性转变[25]。为适应数字技术带来的冲击以把握创新机遇,企业需突破既有知识结构的惯性束缚,构建新型创新范式。

舍却式学习作为企业能力更新的核心机制,在场景驱动创新影响数字敏捷性过程中发挥关键正向调节作用。Hedberg[26]指出,组织遗忘是突破能力刚性的必要过程,其促使企业主动摒弃过时的认知框架与操作惯例,为新知识吸收创造空间。当场景驱动创新促使企业进行新技术迭代和市场需求响应时,舍却式学习通过清除企业既有路径依赖来灵活调整组织发展战略[27],提升企业对场景要素的认知与分析能力,进而强化数字敏捷性。此外,场景驱动创新依赖企业对实时环境的观察与快速决策机制,这要求企业具有摆脱既有认知模式的能力。舍却式学习通过主动打破企业传统认知框架的锚定效应,促使企业以更开放的思维接纳场景创新中涌现的动态信息。认知灵活性能显著增强企业数字敏捷性,使其在复杂业务场景中提升识别与适应能力。在场景驱动创新持续输入新知识背景下,舍却式学习通过建立知识代谢动态机制,既能规避传统知识累积对企业数字敏捷性的阻碍,又能确保创新要素对数字敏捷能力的高效驱动。据此,本文提出以下假设:

H5:舍却式学习正向调节场景驱动创新对数字敏捷性的影响。

基于动态能力理论,场景驱动创新通过重构企业资源组合以及打破组织惯例,帮助企业在不确定环境中捕捉新机会。而场景作为数字技术、市场需求与创新资源的适配载体[28],能够引导企业突破现有能力瓶颈。例如,智能家居企业通过模拟家庭生活场景,整合碎片化技术模块实现创新。然而,场景驱动创新效果可能受限于组织惯性,企业长期积累的冗余知识、僵化流程与固有路径可能会降低企业对新兴场景的响应速度[29]。此时,舍却式学习作为企业主动淘汰过时认知框架与低效实践的核心战略行为,通过打破认知锁定提升场景驱动创新效率。舍却式学习会激活企业动态能力学习机制。在认知层面,企业通过主动摒弃过时的技术范式和市场惯例[6],降低旧有认知框架对新场景的阻碍;在资源层面,企业通过淘汰低效模式释放组织冗余资源,增加企业创新投入[30]。同时,企业还通过不断更新知识库,为场景重构和突破式创新奠定基础。在行为层面,企业通过舍却式学习模式打破路径依赖对探索式创新活动的约束,增强场景试错包容度,推动企业进入快速试错和高效迭代的良性循环。综上,舍却式学习从3个层面产生调节作用,使场景驱动创新从技术创新升级为认知、资源和行为的系统性变革,最终促进创新绩效提升。据此,本文提出以下假设:

H6:舍却式学习正向调节场景驱动创新对创新绩效的影响。

综上,本文构建概念模型,如图1所示。

2 研究设计

2.1 样本选取与数据来源

本文将研究对象聚焦科技型创业企业,采用问卷调研法收集数据。科技型创业企业多以技术创新为核心竞争优势,具有组织架构扁平化、决策流程精简化及数字技术深度应用等特点[18],其业务模式依赖场景实验和快速试错机制,因此具有一定典型性和代表性。同时,鉴于科技型创业企业的核心决策通常由高层管理者或技术负责人主导,且创新活动涉及战略规划、研发设计、运营管理等多个维度,故本研究将问卷调研对象设定为企业创始人、技术负责人或负责创新战略的核心管理层成员。此类受访者不仅对企业整体运营情况及创新活动具备全面、深入的认知,还直接参与关键技术路线抉择、资源配置方案制定与市场策略规划等决策过程,能够为问卷反馈提供兼具权威性与准确性的信息支撑。本研究在对调研问卷进行设计时,首先借助学校MBA、课题组教授和教师的社会关系网络以及校友关系资源对预试问卷进行小范围测试。其次,结合预试问卷测试结果,对正式问卷进行完善。正式调研自2024年11月至 2025年2月,历时4个月,分为两个阶段,共发放问卷500份。第一阶段与陕西省孵化器协会合作,获取陕西省创业企业113份有效问卷;第二阶段经北京、上海、杭州及深圳等地区创投机构的引荐和协助,获取有效问卷242份。最终,共获取355份有效问卷,问卷有效回收率为71%,样本信息见表1。根据回收问卷数据,对不同地区样本进行方差检验,结果表明问卷数据不存在明显的地区偏差问题;同时,运用Harman因子检验法进行同源偏差检验。因子分析结果显示,未旋转第一主成分因子载荷为32.40%,说明同源偏差问题不明显。

2.2 变量测量

本研究借鉴国内外权威期刊文献成熟量表,并咨询相关领域专家进行修正,除控制变量外,均采用李克特五级量表对变量进行测量。

(1)场景驱动创新。参考陈劲等(2022)和尹西明等[1]的研究,借鉴付丙海等[9]开发的场景驱动创新量表,共设计6个测量题项。

(2)数字敏捷性。借鉴Ko等[31]的研究,参考马鸿佳和王亚婧[7]开发的数字敏捷性测量量表,共设计6个测量题项。

(3)舍却式学习。借鉴Casillas等[32]的研究,参考Wang等[33]以及唐方成等[25]开发的量表,共设计5个测量题项。

(4)创新绩效。借鉴Fischer等[34]的研究, 参考Walter等[35]以及解学梅和左蕾蕾(2013)开发的企业创新绩效量表,共设计5个题项。

(5)控制变量。根据现有研究[36],企业市场经验随经营年限增长而积累,企业规模直接影响企业对创新研发活动的支撑力度[37]。并且,企业所处外部环境差异也会影响企业创新绩效[38]。据此,本研究选取企业年龄、企业规模及企业所在地2024年数字经济发展水平作为控制变量。其中,企业年龄及企业规模通过问卷调研收集数据。地区数字经济发展水平测度借鉴相关研究,从数字基础、数字支出、数字企业、数字服务4个维度构建指标体系,并运用熵值法计算指数水平[39-40],对该指数进行标准化处理。

2.3 信效度检验

本研究利用SPSS22.0软件对变量各题项信效度进行检验,实证检验结果显示,各题项的Cronbach′s α系数值均大于0.7,平均方差提取量(AVE)大于0.5,表明各题项具有较好信效度,符合进一步实证分析的要求,信效度检验结果如表2所示。

3 实证结果分析

3.1 描述性统计与相关性分析结果

根据表3结果可知,各变量间存在一定相关性(P<0.01),相关性系数绝对值均小于0.5,且均小于所对应AVE的平方根,说明各变量之间具有一定相关性,且彼此之间具有一定区分度。

3.2 分层回归分析

本文利用层级回归分析法对假设进行验证,具体回归分析检验结果如下。

(1)主效应检验。如表4所示,模型M1为自变量场景驱动创新对因变量创新绩效的主效应模型,用以检验假设H1。回归分析结果显示,在模型M1中,场景驱动创新对企业创新绩效提升具有显著正向影响(β=0.382,p<0.001),因此假设H1成立。

(2)中介效应检验。模型M2～M4用以检验数字敏捷性在场景驱动创新与创新绩效之间的中介效应。根据表5回归结果,在模型M2中,场景驱动创新对数字敏捷性具有显著正向影响(β=0.397,p<0.001)。在模型 M3 中,数字敏捷性对创新绩效具有显著正向影响(β=0.470,p<0.001)。因此,假设H2、H3成立。进一步,在模型M4中加入中介变量,场景驱动创新对创新绩效具有显著正向影响(β=0.231,p<0.001)。结合模型M2和M3检验结果,假设H4成立。

(3)调节效应检验。模型M5、M6为引入自变量和调节变量交互项的调节效应模型,用以检验假设H5和H6,回归结果见表5。在模型M5 中,舍却式学习显著调节场景驱动创新与数字敏捷性之间的关系(β=0.332,p<0.001),因此假设H5成立。在模型M6中,舍却式学习显著调节场景驱动创新对创新绩效的正向影响(β=0.418,p<0.001),因此假设H6成立。

3.3 稳健性检验

3.3.1 Bootstrap方法

为进一步验证研究结果的稳健性,本文首先使用Bootstrap方法进行稳健性检验。通过使用SPSS 26.0软件内置PROCESS插件中的Model4进行分析,并对样本数据进行5 000次随机采样,在95%置信水平下对置信区间进行估算,稳健性检验结果如表6所示。

(1)数字敏捷性中介效应检验。根据表6检验结果,数字敏捷性置信区间不包含0,说明间接效应显著,检验结果具有一定稳健性和可靠性。

(2)舍却式学习调节效应检验。进一步,利用 Bootstrap 方法对有调节的中介效应进行检验。检验结果见表7,当数字敏捷性作为中介变量时,其置信区间不包含0,说明有调节的中介效应显著。在低水平调节变量下,中介效应置信区间包括0,说明中介效应不显著;在中、高水平调节变量下,中介效应置信区间不包括0,说明中介效应显著。可见,在不同强度舍却式学习调节下,中介效应具有显著差异。

本文采用简单斜率分析法进一步检验舍却式学习在场景驱动创新与数字敏捷性间的调节效应。如图2所示,随着舍却式学习能力水平提升,场景驱动创新对数字敏捷性的正向影响逐渐增强。因此,研究结果具有一定稳健性与可靠性。

3.3.2 安慰剂检验

为避免实证结果受其它不可观测因素的影响,本研究将场景驱动创新测量值在企业间进行随机变换,对主效应进行安慰剂检验。由检验结果可知,多数虚构的回归系数均集中在0周围,其平均值与基准回归真实值存在较大差异。在虚构的回归分析中,多数回归系数P值均超过0.1,回归结果不显著,说明研究结论稳健性未受到其他不可观测因素的影响,具有较强稳健性,结果如图3所示。

4 结语

4.1 研究结论

本研究将场景驱动创新与舍却式学习概念纳入企业创新研究模型,通过实证分析揭示场景驱动创新、数字敏捷性和企业创新绩效之间的作用机制与路径,得出如下研究结论:

(1)场景驱动创新对企业创新绩效具有显著正向影响。场景驱动创新以应用场景为出发点,通过整合数字技术、用户需求、市场数据等多维要素,推动企业从传统创新模式的被动性适应转向主动创造价值,进而实现突破式创新。从作用机制看,场景驱动创新推动企业实现对市场需求、数字技术与创新资源的动态匹配。依托场景驱动,企业能够更精准地识别用户需求和市场空白,缩短产品创新周期,降低试错成本。此外,场景驱动创新还通过构建创新生态提升企业创新绩效。企业围绕数字场景构建创新生态,与互补企业、供应商、合作伙伴等多元主体形成协同创新网络,这种开放型创新模式不仅能够加速知识和信息流动,还通过资源共享降低创新风险。

(2)数字敏捷性在场景驱动创新与创新绩效之间发挥中介作用。一方面,场景驱动创新通过提升企业对数字技术的应用能力,显著提升企业数字敏捷性。数字敏捷性使得企业能够快速感知市场环境变化,动态整合资源以应对数字经济时代面临的威胁和挑战。这一过程既依赖场景驱动,又需要企业提升对数字技术的反应能力和对海量数据的处理能力。另一方面,数字敏捷性高的企业通过把握机遇和制定创新决策,促进创新绩效提升。数字敏捷性有助于企业突破信息孤岛,通过数据高效驱动创新决策的制定,提升从创意到产品的转化效率。数字敏捷性中介效应检验结果表明,场景驱动创新对企业创新绩效的推动作用不只有单一路径,还通过数字敏捷性这一“桥梁”实现。另外,这一结论验证了现有数字化转型研究中的“技术—组织”协同理论[41],即企业需同步推进场景驱动创新与数字能力建设,才能不断提升创新效能。

(3)舍却式学习正向调节场景驱动创新与企业数字敏捷性以及场景驱动创新与企业创新绩效之间的关系。一方面,舍却式学习要求企业主动摒弃过时的知识储备和僵化的管理模式,通过战略性遗忘为企业数字敏捷性扫清障碍。另一方面,企业通过及时淘汰惯性认知更新知识体系,使得场景驱动创新方向更加聚焦于高价值领域,进而促进创新绩效提升。该结论从权变视角拓展了组织学习理论边界,揭示在高度不确定性环境中,企业学习行为不仅需要积累新知识,更需要有选择地放弃旧有知识。舍却式学习的调节作用有助于企业在创新管理中达成平衡,既要通过场景驱动开拓新机会,也要通过舍弃旧模式避免资源错配。

4.2 研究贡献

本文贡献主要体现在以下几个方面:

(1)探索并验证场景驱动创新这一新型创新范式的作用路径。现有研究对创新驱动因素的探索多集中于技术突破、市场需求或政策激励等传统维度,本文将场景驱动视作数字化背景下的新型创新范式,开拓了新研究视角。相比于传统线性创新模式,场景驱动创新更加关注创新要素协同与企业动态能力演化。本研究将“场景”从工具性概念提升到“场景驱动”战略层面,为探索数字时代创新规律和路径机制提供了新研究视角及研究范式。

(2)丰富了动态能力理论。本文将企业数字敏捷性纳入分析框架并将其视作核心中介变量,这一研究设计推动动态能力理论在数字化背景下的应用。本研究通过实证检验表明,数字敏捷性作为企业高阶动态能力传导机制,企业借助数字敏捷性的中介作用,通过场景驱动创新促进创新绩效提升。这一过程机制不仅细化了动态能力理论的应用场景,更清晰呈现出动态能力在数字化创新实践中的具体表现形式,为理解数字经济时代企业动态能力构建逻辑提供了新理论视角。

(3)拓展了舍却式学习研究边界。本研究打破组织学习理论以往对知识积累的单向聚焦,揭示舍却式学习在企业创新活动中的独特价值,推动相关理论研究从被动遗忘向主动战略选择演进。通过揭示舍却式学习在创新绩效提升路径中所发挥的双重调节作用,将舍却式学习研究范畴从个体学习行为拓展到企业战略调整层面。借助舍却式学习消除企业内部认知惯性以及僵化过时的资源,不仅强化了场景驱动创新对企业数字敏捷性的促进作用,还揭示了其对创新绩效提升的影响作用。

4.3 实践启示

(1)构建场景驱动创新战略体系,实现需求与技术的高效适配。企业需将场景驱动创新提升至战略高度,围绕用户市场需求优化创新流程。在创新流程重塑层面,一方面要面向需求端构建场景化解析体系,建立基于用户需求深度拆解的分析模型;另一方面,也要在技术端形成场景驱动研发模式,搭建技术与场景动态适配机制,构建敏捷验证机制。另外,企业应从建立技术可行性、需求紧迫性、生态协同度3个层面开展创新评估,筛选和推进高价值创新业务。

(2)培育企业数字敏捷性,打造技术赋能动态能力体系。企业应从战略定位、组织架构与能力演化3个层面系统性提升数字敏捷性。在战略层面,企业需通过顶层设计构建数字敏捷性战略图谱,将数字技术应用深度嵌入战略决策过程,形成以数据洞察驱动决策的管理策略。这种策略不仅能提升战略响应的时效性,更能确保资源投入与市场需求的动态匹配。在组织层面,推动企业架构向模块化、网络化转型,同时建立跨部门协同知识共享网络与快速试错机制,提升组织对市场波动的响应能力。在能力演化层面,企业需围绕技术学习、转化与迭代构建动态能力体系。其中,技术学习环节应建立从外部技术引进到内部知识内化的闭环机制;技术转化环节需强化从技术原型到商业化应用的衔接流程,提升创新转化效率;技术迭代环节则要求企业建立基于市场反馈的持续优化机制,确保能力体系与场景需求同步演进。

(3)建立舍却式学习机制,平衡资源投入与战略聚焦。企业应将舍却式学习的调节效应转化为制度实践。首先,通过系统性识别低效知识惯例与冗余资源,主动摒弃认知路径依赖。其次,建立规范退出机制,确保资源向高潜力创新场景流动,强化场景驱动创新对企业数字敏捷性的促进作用。企业舍却式学习能力越强,其高潜力场景化资源越容易转化为动态能力竞争优势,进而通过数字敏捷性的传导作用提升创新绩效。因此,企业需通过制度化设计将舍却式学习嵌入创新管理,通过冗余资源识别与清理、认知惯性破除机制来确保资源向高潜力创新场景集中。

4.4 不足与展望

本文存在以下不足,未来可从概念深化与方法创新两方面进行完善。首先,对场景驱动创新、数字敏捷性和舍却式学习等概念的定义和测量仍处于初级阶段,未来可通过案例研究等其它方法对其进行深化。其次,本文采用问卷调研法收集数据,后续可结合追踪数据和案例分析,揭示创新绩效提升机制在时序层面的阶段性特征,选取3～5家数字化科技创业企业进行长期追踪研究,深化场景驱动创新的作用机制。

参考文献：

[1] 尹西明,武沛琦,钱雅婷,等. 场景驱动型数智技术创新赋能新质生产力:理论逻辑与实践进路[J].中国软科学,2024,39(10):18-31.

[2] 长城战略咨询. 中国场景创新研究报告(2024)[R]. 北京:长城战略咨询,2024.

[3] 陈志.进一步加强人工智能场景创新的建议[J].科技中国,2023,28(10):1-3.

[4] 张秀娥,徐雪娇. 创业学习对新创企业成长的影响机制研究[J].管理科学,2019,33(6):86-97.

[5] SALMELA H, BAIYERE A, TAPANAINEN T, et al. Digital agility:conceptualizing agility for the digital era[J]. Journal of the Association for Information Systems, 2022, 23(5): 1080-1101.

[6] AKGUN A E, LYNN G S, BYRNE J C. Antecedents and consequences of unlearning in new product development teams[J]. Journal of Product Innovation Management, 2006, 23(1): 73-88.

[7] 马鸿佳,王亚婧.制造企业平台化转型如何打破“数据孤岛”——基于人—数交互理论的混合方法研究[J].管理世界,2024,40(4):176-200.

[8] SENYARD J M, DAVIDSSON P, BAKER T, et al. Resource constraints in innovation: the role of bricolage in new venture creation and firm development[C].Regional frontiers of entrepreneurship research 2011: Proceedings of the 8th AGSE international entrepreneurship research exchange,2011:609-622.

[9] 付丙海,张庆明,孙秀梅.场景驱动创新、组织复原力与制造业企业创新绩效——跨界双元学习的调节作用[J].管理学刊,2024,37(4):96-109.

[10] 尹西明,武沛琦,钱雅婷,等.先立后破:场景驱动如何助力AI新创企业实现最优区分——基于微言科技的纵向单案例研究[J].南开管理评论,2025,28(12):14-26.

[11] 陈劲. 面向重点场景,塑造高质量发展新动能[N]. 科技日报, 2024-11-20.

[12] GOLDMAN S L, NAGEL R N. Management technology and agility; the emergence of a new era in manufacturing[J]. International Journal of Technology Management, 1993,8(1-2): 18-38.

[13] MERIN-RODRIGANEZ J, DASA A, ALEGRE J. Digital transformation and firm performance in innovative SMEs: the mediating role of business model innovation[J]. Technovation, 2024, 134: 103027.

[14] PRAHALAD C K,RAMASWAMY V.The future of competition:co-creating unique value with customers[M]. Boston: Harvard Business School Press, 2004.

[15] 詹志方.渠道网络嵌入性对合作创新绩效的作用机制:以关系学习、双元能力为中介变量[J]. 经济经纬,2018,35(1):115-121.

[16] 欧绍华,查君君. 创业拼凑对新企业资源获取的动态影响研究:基于创业学习的中介效应[J]. 经济经纬,2020,37(3):125133.

[17] 范合君,潘宁宁.数字化转型、敏捷响应度与企业韧性[J].经济管理,2024,46(7):36-54.

[18] 陈旭升,姬艺菡.场景驱动下企业数字技术创新路径研究[J].科技进步与对策,2024,41(19):79-90.

[19] 杨坤,殷涛,王琲.场景范式下数据要素赋能新质生产力涌现:“漩涡模型”构建与探索性案例研究[J].科技进步与对策,2024,41(22):25-36.

[20] SAMBAMURTHY V, BHARADWAJ A, GROVER V. Shaping agility through digital options[J]. MIS Quarterly, 2003, 27(2): 237-263.

[21] 同杰, 黄晓锋. 如何扛住1.8亿/秒的双11数据洪峰?阿里流计算技术全揭秘[EB/OL]. (2017-11-21)[2024-07-20]. https://developer.aliyun.com/article/259149.

[22] COHEN W M, LEVINTHAL D A. Absorptive capacity: a new perspective on learning and innovation[J]. Administrative Science Quarterly, 1990, 35(1): 128-152.

[23] TEECE D J, PISANO G, SHUEN A. Dynamic capabilities and strategic management[J]. Strategic Management Journal, 1997, 18(7): 509-533.

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

[25] 唐方成,顾世玲,郭欢.数字平台能力与企业颠覆式创新——基于平台生态与动态能力的实证研究[J].系统工程理论与实践,2025,45(5):1428-1445.

[26] HEDBERG B. How organizations learn and unlearn[M]//NY STROM P C,STARBUCK W H.Handbook of organizational design: adapting organizations to their environment. Oxford: Oxford University Press, 1981.

[27] ZHANG F, ZHU L. Social media strategic capability, organizational unlearning, and disruptive innovation of SMEs: the moderating roles of TMT heterogeneity and environmental dynamism[J]. Journal of Business Research,2021,133:183-193.

[28] CHESBROUGH H. Open innovation: the new imperative for creating and profiting from technology[M]. Boston: Harvard Business School Press, 2003.

[29] TRIPSAS M, GAVETTI G. Capabilities, cognition, and inertia: evidence from digital imaging[J]. Strategic Management Journal, 2000, 21(10-11): 1147-1161.

[30] 贺小刚,邓浩,吕斐斐,等.期望落差与企业创新的动态关系——冗余资源与竞争威胁的调节效应分析[J].管理科学学报,2017,20(5):13-34.

[31] KÖANDREA,MITEV ARIEL,KOV AACUTE,et al. Digital agility, digital competitiveness, and innovative performance of SMEs[J].Journal of Competitiveness,2022,14(4):78-96.

[32] CASILLAS J C, ACEDO F J, BARBERO J L. Learning, unlearning and internationalization: evidence from the pre-export phase[J]. International Journal of Information Management, 2010, 30(2): 162-173.

[33] WANG X, XI Y, XIE J, et al. Organizational unlearning and knowledge transfer in cross-border M&A: the roles of routine and knowledge compatibility[J]. Journal of Knowledge Management, 2017, 21(6): 1580-1595.

[34] FISCHER M M, DIEZ J R, SNICKARS F. Metropolitan innovation systems: theory and evidence from three metropolitan regions in Europe[M]. Berlin: Springer-Verlag, 2010.

[35] WALTER A, AUER M, RITTER T, et al. The impact of network capabilities and entrepreneurial orientation on university spin-off performance[J]. Journal of Business Venturing, 2006,21(4):541-567.

[36] HAGEDOORN J, LOKSHIN B, ZOBEL A K. Partner type diversity in alliance portfolios: multiple dimensions, boundary conditions and firm innovation performance[J]. Journal of Management Studies,2018,55(5):809-836.

[37] 何筠,熊孜贤.人工智能技术应用对制造业企业创新绩效的影响[J].科研管理,2025,46(5):13-22.

[38] 徐飞,康兴瑞,张娇.环境不确定性、差异化竞争与企业创新绩效[J].统计与决策,2024,40(24):164-168.

[39] 工业和信息化部电子第五研究所. 中国数字经济发展指数报告(2024)[R]. 广州: 工业和信息化部电子第五研究所, 2024.

[40] 明翠琴,彭宏亮.数字经济、城市经济高质量发展与空间溢出效应——基于长三角26个城市的实证研究[J].华东经济管理,2024,38(10):25-35.

[41] 李继承,周芳.“技术—组织”联合情境如何促进双元创新协同——一个有调节的链式中介模型[J].科技进步与对策,2024,41(20):131-140.

(责任编辑：王敬敏)