[摘要]通過梳理webofscience核心合集收錄的224篇大數據分析能力相關文獻，運用文獻計量法介紹其研究發展概況，歸納其研究主題，在此基礎上探尋大數據分析能力的研究進展和商業價值，并提出了未來可能的研究方向。
[關鍵詞]大數據分析能力;商業價值;文獻計量分析;WOS
一、引言
大數據分析能力(bigdataanalyticscapability，BDAC)作為一項從數據中挖掘洞察的能力，帶來了商業價值創造的新可能，成為數字化時代“下一個創新前沿”[1-3]。許多企業把BDAC投資置于戰略發展的地位[4]，但是眾多組織在數據與分析方面還沒有成熟，BDAC進展緩慢[5]。圍繞BDAC的相關主體，國外的學者們從大數據特征、智能算法、分析工具、資源配備等視角展開研究[6-8]，或是研究如何編排各種資源發展BDAC[7]，結合影響組織內外部的各種因素探究大數據分析的價值所在[1];抑或是回溯以往信息系統與信息技術(informationtechnology，IT)的研究，對大數據、大數據分析、BDAC的相關定義進行區分，總結BDAC關注的重點領域[9];或者從社會物質觀出發分析數字化時代中人類與技術緊密聯系不可分割的特點[10]，將BDAC解構為多重相互聯系的維度[11-12]。國內的學者對BDAC的研究聚焦數據安全或者探索其內涵與維度，嘗試從組織層面回答其與企業發展的關系[13-14]。
然而現有的研究主要關注BDAC的構成和影響因素，未能從戰略和企業運營的視角充分地剖析其作用，展示其價值研究的全方位視圖。針對現有研究不足，本文聚焦BDAC在企業戰略和運營層面發揮作用的研究，在Webofscience(WOS)數據庫中選取BDAC在企業戰略和運營方面的研究文獻作為研究對象，采用文獻計量法和文獻研究法相結合的方式進行分析，即借助CiteSpace軟件繪制知識圖譜對文獻資料進行可視化分析，對重要文獻進行梳理，客觀全面地反映該領域研究的基本現狀，以期提供一幅全方位的研究視圖，為BDAC的深入研究提供借鑒。
二、研究設計
(一)研究方法
本文先采用知識圖譜法分析文獻資料，然后對重要文獻進行梳理和總結。知識圖譜是利用計算機技術形象地展示研究的核心結構和發展進程的研究方法，現有的圖譜工具有CiteSpace、VOSViewer、HistCite、SciMAT、Sci2等[15]，其中CiteSpace可以用來分析學者之間的合作關系和文獻的引用關系，挖掘研究的熱點和前沿，因其功能豐富而被我國學者廣泛使用[16-17]。本文借助該軟件對Webofscience數據庫中有關BDAC在企業戰略和運營方面的研究文獻進行可視化分析。
(二)數據收集
WOS數據庫包含7個子數據庫，根據研究需要選擇WOS核心集合數據庫作為數據來源，保障完整的引文數據;經過閱讀分析不同檢索主題下獲得的多組文獻數據，最終將檢索主題設置為“bigdataanalyticscapability”，檢索時間跨度為所有年份，初步檢索得到535篇文獻;為了確保數據的準確性，本文通過閱讀文獻標題、關鍵詞、摘要等內容，對文獻作進一步篩選，剔除研究范圍并非企業戰略和運營層面的文獻305篇、缺失參考文獻的5篇、內容重復的1篇，最終得到224篇文獻作為研究分析對象。
三、知識圖譜分析
(一)研究概況
1.文獻發表時間分布BDAC在企業管理中的應用研究在2012年便得到了學者的關注，2012—2014年處于起步階段，發文量較低;之后逐漸廣泛地吸引學者的注意力，2014—2018年增幅明顯，研究成果增長較快，其中2017年達到60篇，2018年達到最高峰66篇，由于文獻收集時間為2019年4月，所以2019年的發文量并沒有得到完全的統計，但是本文認為相關研究正處于發展階段，現階段的發文量將持續保持上升趨勢。
2.國家與機構分析統計數據顯示2012—2019年共有28個國家和眾多機構的學者發表了相關文獻，從文章數量來看，美國發文量領先(82篇)，其次是英國(40篇)和印度(24篇)，我國(24篇)排在第4位;從合作伙伴來看(以中心度為主要特征)，伍倫貢大學(澳)、田納西大學(美)和圖盧茲商學院(法)這三個機構的合作伙伴較為豐富，這些機構中代表學者有AkterS、HazenBT、WambaSF等人。
3.高被引文獻分析文獻的被引次數反映了其在該領域的影響力，高被引論文的識別具有重要意義，接下來將按引用次數高低介紹重要文獻。Manyika等[2]的調查發現大數據席卷了各個行業。Lavalle等[18]則發現高績效的公司中BDAC普遍較強，認為BDAC中管理層面和文化層面的困難顯著，并提出5點提高分析驅動型管理方式的建議。Chen等[19]圍繞大數據解析商業智能與分析(businessintelligenceandanalytics，BI&A)，在前人的研究基礎上識別BI&A中數據來源和數據結構的變化過程，將其劃分為不同的階段，并總結其特點、應用途徑和衍生的研究方向，其中闡述了大數據分析的不同用途以及相應的技術基礎。
Mcafee和Brynjolfsson[20]提出大數據的三大特點即數量、速度和多樣化，指出使用大數據的技術挑戰固然存在，但是管理挑戰更加艱巨，認為在管理過程中需要具有洞察力的領導者建立數據驅動型的文化并將合適的數據與合適的人才組合在一起，搭配經驗豐富的數據科學者整合新技術，才能更好地應對挑戰。MayerSchönberger和Cukier[21]從生活、工作和思想多個方面總結了大數據帶來的影響以及危險。Waller和Fawcett[22]結合了供應鏈中動蕩的市場環境研究大數據預測的可行性和提高其在實踐中預測的準確性。
Hazen等[23]則是在供應鏈管理背景下研究如何運用實踐案例和理論分析方法提高數據分析的質量。Wamba等[8]通過系統回顧前人的研究和開展縱向案例研究，總結了大數據帶來的價值，發現要從大數據中獲得效益離不開管理和文化的支持。Akter等[11]認為BDAC是通過運用數據管理、基礎設施和人才資源提供商業洞見，提升競爭力的能力，然后在IT能力研究的基礎上，采用資源基礎理論和社會物質主義交織觀的視角劃分BDAC的類型，并通過實證研究發現BDAC在戰略協同的調節下能積極影響企業績效。Wamba等[12]則基于知識基礎觀，在大數據分析、信息系統、IT商業價值等研究基礎上提出BDAC模型，引入過程導向的動態能力作為中介變量探究BDAC和企業績效之間的關系。
(二)研究主題
1.引文共被引分析最早的研究聚焦如何運用BDAC吸引顧客持續消費;隨后側重于商務智能的研究;接著關注企業如何在大數據的基礎上形成分析能力;然后注重社交網絡分析;再然后開始出現綜述、商業價值的評估以及醫療環境背景下的研究;緊跟其后的是分析基礎研究;近年來是圍繞數據驅動的商業時代、市場分析和業務過程績效展開。其中，商務智能、分析基礎和商業價值評估等類別的文獻被引次數高且影響力高的文獻相對較多;有關數據驅動的商業時代、分析基礎和商業價值評估這三個類別的近三年文獻被引數量相對較強，表現出較頑強的學術生命力。
2.關鍵詞聚類分析關鍵詞在一定程度上概括了研究內容，有助于發現研究主題，也是對引文共被引聚類分析的一個展開分析。第一大聚類聚焦于吸收能力，將大數據用于商務智能中幫助決策，形成一種能力并將其作為一種資源，通過實證檢驗能力的作用，突出了企業的能力構建。第二大聚類提取出的標簽為數據分析能力，其中涉及到處理動態環境的技術如復雜事件處理、大數據分析、IT能力等等，該聚類體現了大數據分析能力從IT能力的基礎上發展而來，在企業轉型中作為動態能力為企業創造商業價值，突顯了價值的識別。第三大聚類的標簽為隱形知識，出現的時間最早，從知識的角度分析大數據，考慮為企業建立成熟度模型衡量其能力的發展，并將信息系統和大數據作為該研究熱點的核心。第四大聚類包含了BDAC未來的研究方向如云計算、物聯網、數字化轉型、智慧城市等等。第五大聚類側重于構建組織間協作分析的平臺，第六大聚類和第七大聚類屬于其分支，研究供應鏈這樣分工明確的組織間的協作。第八大聚類為BDAC在感知智能服務上的應用。
(三)研究進展
從現有文獻的梳理來看，BDAC的研究基礎是大數據，一部分學者關注大數據的來源和特征[2，20]以及商務智能的應用中大數據的結構和質量[19，24];在此基礎上學者開始挖掘大數據的價值，商務智能開始預測未來轉變為BI&A，研究焦點從大數據本身轉移到大數據分析中，研究大數據分析項目在企業應用中與現有的信息系統的融合[8]或者是在供應鏈背景下將現有決策系統與大數據分析合并用于提高供應鏈敏捷性[25]，以及各種分析算法[26];在相關研究逐漸深入后學者發現BDA應用成功不僅僅是因為高質量的數據、功能強大的算法以及科學嚴謹的數據處理過程等技術層面上的成功，還包括高素質人才等[27]。
因此學者們采用綜合能力的視角并提出BDAC的研究，將社會物質主義觀、資源基礎理論、動態能力理論、認知理論等作為理論基礎，將各種有形資源和人力資源通過管理手段進行配置，塑造數據驅動型的組織文化，在IT能力研究基礎上提出BDAC的構成框架[7，12];與此同時學者們也開始思考BDAC在未來社會的發展場景如智慧城市、數字城市、感知城市中的應用，較多聚焦于醫療行業和制造業。有學者基于IT能力的文獻研究類化BDAC，認為其由有形資源、無形資源和人力資源構成[7]，但是這樣的劃分方式弱化了其發揮作用的維度，較難揭示為什么有些企業依靠BDAC獲得了商業價值，而另外的企業則還在不斷地付出，卻沒有得到預期的收益。本文采用社會物質主義觀作為能力構成的分析依據，認為企業不僅需要關注BDAC技術層面的建設，同時也不能忽略了組織上需要配備的相應支持如管理人員、部門協作和投資等等因素。
總的來說，技術層面、管理層面、組織層面和經濟層面相關支持這四個維度可以更加清晰地測量BDAC成熟度，也能夠回應其在管理上的難題，發現其在運營層面和戰略層面上受到忽視的方面。(四)商業價值BDAC發展的原因是數字技術的發展導致數據激增，這些具有個人印記的數據隱藏著用戶行為特征，有待挖掘出商業價值作用于企業發展。在數字化時代中，環境的動態變化性愈發明顯，同時數字化傳播使得邊界意識變得模糊，企業運營和戰略規劃在這樣的情境下需要提高事務處理效率和擴大聯結程度，獲取有價值的洞察并轉化為行動。
相應地，BDAC的商業價值可歸納為效率、聯結和洞察等三個方面。效率方面包含生產效率、信息流通效率、響應效率、決策效率等四個因素。在生產運作中可以通過感應器實現精確管控，優化生產工藝，提高產出效率;在團隊協作中可以通過信息平臺快速而大范圍的告知利益相關方，打破信息傳播壁壘，促進信息流通;在動態環境中可以實時獲取數據并分析數據，及時響應客戶需求;在決策中快速搜索相關數據或者比對大量已有方案，尋找可能的解決方案輔助決策。
聯結方面包括內部聯結和外部聯結。在動蕩的市場環境下行業不斷迭代，即便企業能在同行中保持領先也不能放松警惕，因為現實世界帶來的教訓是競爭對手可能是來自另一個行業。那么想要維持競爭優勢的方式是盡可能地發出聯結的觸角，不論是在企業內部還是企業外部，都是非常必要的，其中企業外部聯結可以是同行之間，甚至是跨行業組織的聯結，聯結的目的是為了搭建共同創新的網絡，唯有創新才能保持企業的競爭優勢。洞察方面主要是利用各種智能工具和感知工具形成面向未來的方案。
人工智能屬性可以幫助企業分析歷史數據進行預測分析、通過各種學習算法的訓練形成人類基本邏輯替代人類重復勞動;也能發揮出物聯網和互聯網技術的優勢，通過整合各類傳感器、地理位置、用戶社交足跡、交易行為特點等各種內容分析人口分布特征、識別商業風險以及發現商業機會;再結合5G和云計算等技術，實現數字世界與物理世界相結合，構建智慧城市高速發展的基礎。企業實現這些價值的過程存在一些權變因素，例如組織學習能力作為企業在市場迭代中保持進步的重要能力對價值形成存在調節效應，組織學習強度作為動態能力的一種表現也成為了一種權變因素。
四、結論與展望
本文基于文獻計量工具，對BDAC相關研究文獻進行聚類及知識圖譜分析，系統地梳理了其研究概況、研究主題，然后歸納其研究進展并探索了其構成，對其商業價值進行闡述。從研究概況來看，發文量從2012年逐年上升，美國、英國和印度為發文量前三國家，中國位居第四。文中還列舉了高被引文獻中前十的文獻，從時間分布來看2013年之前關注大數據帶來的變化和商務智能的應用，2013—2014年間聚焦供應鏈中大數據分析的應用，2015年后開始形成BDAC的研究。根據引文共被引分析和關鍵詞聚類分析，目前關于BDAC的研究被劃分為不同的種類，總的來說圍繞著大數據的特征、BI&A、BDAC的構成與應用場景、理論分析基礎等這四個方面。
然而，學術研究要緊密聯系現實背景，BDAC研究還是要回歸它所能帶來的商業價值。基于現實環境的分析和現有文獻基礎，本文將其商業價值分為效率、聯結和洞察三個方面剖析，效率包含生產效率、信息流通效率、響應效率、決策效率等四個因素，聯結分為內部聯結和外部聯結，洞察主要是利用一切智能工具和感知工具形成面向未來的方案。通過對相關文獻的梳理及研究脈絡的把握，本文發現目前對BDAC仍處在初始階段，未來的研究將進一步以質量維度[27]作為關鍵切入點開發BDAC成熟度模型，分析成功實施BDAC的管理者特質，制定組織間協作協議以防止應用BDAC時發生知識泄露等問題，繼續研究企業構建并利用BDAC在企業中發揮商業價值的相關問題。
大數據方向論文范文：大數據時代科學數據共享倫理問題研究
摘要：文章對國內外相關的文獻進行了定量統計，解析了當前的研究熱點，分析了大數據時代科學數據共享面臨的新問題并預測了未來可能的研究方向。研究發現：科學數據共享倫理的研究熱點主要集中在倫理理論、倫理困境、問題成因、治理措施等方面。在大數據時代，科學數據共享面臨著數據邊界擴張、數據結構多樣、數據權益模糊等新的倫理問題，未來研究可以關注數據鴻溝、數據污染、數據隱私、數據異化等問題。
相關閱讀
