大数据应用对企业技术创新的效应研究※

胡蓉宁

一、 引 言

中共二十大报告强调,科技是第一生产力、创新是第一动力,需增强自主创新能力,强化企业科技创新主体地位。2023年政府工作报告指出“深入实施创新驱动发展战略”,明确“完善国家和地方创新体系,推进科技自立自强,紧紧依靠创新提升实体经济发展水平”。根据国家统计局发布的2021年中国创新指数,2021年中国R&D经费投入达27956.3亿元,比上年增长14.6%,已连续6年保持两位数增长,投入总量稳居世界第二。然而,中国在科技创新上的巨大投入并没有带来质量上的提升。根据世界知识产权组织(WIPO)发布的《2023全球创新指数》,中国创新实力全球排名第12位。肖文和林高榜(2014)研究认为中国R&D投入的高速增长并没有带来技术水平的显著提升,大多数企业仍然被锁定在低技术低附加值领域,企业技术创新成效并不明显。黎文靖和郑曼妮(2016)研究发现中国企业技术创新活动中存在着“量大质低”“策略性迎合”等特征,导致企业专利创新质量在全球技术链中的“低端锁定”困境。由此可见,如何提高创新质量已经成为中国科技发展的当务之急。

伴随着大数据快速发展,数据作为一种与土地、资本和劳动力相并列的新型生产要素,其价值和重要性正受到越来越多企业的重视。2019年中共十九届四中全会第一次提出数据作为一种生产要素,2020年《关于构建更加完善的要素市场化配置体制机制的意见》正式将数据列为新型生产要素。大数据是海量数据的集合,同时也是大量信息的载体。数字化的发展离不开对数据的依赖,意味着需要大数据作为支撑。2022年中国数字经济规模达50.2万亿元,占国内生产总值的41.5%,总量居世界第二,数字经济成为稳增长、促转型的重要引擎。2023年3月,国务院印发了《党和国家机构改革方案》,组建国家数据局,负责组织实施国家大数据战略、推进数据要素基础制度建设、推进数字基础设施布局建设。由此可见,中国数字化建设离不开对大数据的开发与应用,大数据正在发挥着越来越重要的作用。然而,人们对大数据应用与企业技术创新之间的内在逻辑关系的研究尚未达成一致意见。大部分学者认为大数据应用可以促进企业技术创新,例如,陶小龙等(2021)研究发现大数据应用与企业开放式创新之间存在双向赋能关系。周小刚等(2021)认为大数据创新能力通过技术创新对企业竞争力有正向作用。也有一些学者认为大数据作为应用工具并不能推动企业创新,Ghasemaghaei和Calic(2020)认为大数据对企业创新并没有明显的正向作用。Kiron等(2014)研究发现大数据分析能力带来的创新增长会随时间逐渐递减。现有文献关于大数据应用对企业技术创新作用、创新机理、创新效应之间存在的关系仍有争议。大数据应用是否能影响企业技术创新,又是如何影响企业技术创新?大数据应用的影响在不同地区、不同企业之间是否存在异质性?本文的研究有助于填补这部分文献空白。

此外,目前鲜有文献从创新质量视角出发研究大数据应用与企业技术创新的关系。现有研究主要从企业创新绩效以及创新效率角度研究大数据对企业创新的影响。例如,许芳等(2020)从供应链协同和战略匹配两个角度研究发现大数据能力能够促进企业创新绩效。孙洁和李杰(2022)研究发现企业大数据应用能够通过缓解企业面临的融资约束提高企业的创新效率。现有研究更多地从研发投入和人力资本两个角度研究数字技术对企业创新质量的中介效应。如丛昊和张春雨(2022)研究发现数字技术通过增加企业创新产出数量和提升企业人力资本促进企业高质量创新。大数据作为新型生产要素,其应用能够在多大程度上提高企业创新质量?不同地区企业大数据应用能力与创新质量有何差异?明析上述问题,有助于中国发展数字经济,对于推动企业数字化转型与创新具有一定的现实意义和理论意义。

本文基于2007-2021年A股上市公司样本,通过计算年报中大数据技术的细分指标研究大数据应用对企业技术创新的影响。本文的研究贡献主要在于:一是研究视角的创新。目前大多数文献对于大数据应用与企业技术创新的研究侧重于创新数量,鲜有文献关注大数据对创新质量的影响。本文从创新质量视角出发,研究大数据应用与企业创新质量之间的因果关联,完善和补充了企业技术创新的影响因素以及大数据应用经济后果的相关文献。二是传导机制研究的创新。本文验证了企业大数据应用对企业技术创新的传导机制,从营销能力以及成本效应两个角度揭示了大数据促进企业技术创新的内在逻辑,丰富了大数据应用对企业技术创新的作用机制与路径研究,为企业提高技术创新能力提供经验证据。三是异质性研究的创新。本文分析了大数据应用对不同地区数字创新能力以及数字经济发展水平的差异影响,为政府发展数字经济提供参考。

二、 理论分析和研究假设

1. 大数据应用对企业技术创新的影响

大数据应用可以提高企业信息搜寻能力,使企业更容易定位自身产品创新,从而提高企业技术创新能力。首先,研发创新是长期的、不确定性较大的高风险活动,前期投入成本巨大,而大数据可以满足企业对于海量信息获取的需求,对信息要素进行有效配置,从而降低创新的不确定性,提高企业技术创新能力(Holmström,1989)。企业使用大数据技术可以获取海量数据来满足自身对于信息的需求。通过对大数据的加工、分析和预测,企业对创新活动的质量和成本评估更加清晰,从而大大降低创新不确定性。其次,企业通过大数据应用可以对大量信息进行搜索,从而对自身产品创新方向有更清晰的定位。企业可以在消费者“留痕”的平台如社交平台、购物平台和搜索平台上将零散的信息收集、加工、处理,从而使企业能够充分地了解消费者的行为偏好,这样企业可以更好地根据消费者需求定位自身产品创新,更快地制造出符合市场需求的产品,从而提高企业技术创新(李辉和梁丹丹,2020)。

大数据应用可以有效拓宽信息渠道,从而提高决策效率,提高创新能力。根据资源基础观理论,企业主要是一系列资源的集合体,大数据是一种重要的企业数据资源,企业通过持续获取自身内部各个运营环节的数据,借助互联网抓取、购买第三方数据,利用大数据软硬件设施持续获取数据资源(Wernerfelt,1984)。同时,数据作为一种信息,可以降低不确定性,而企业用户作为消费者,在使用产品时产生的数据也可被企业用作一种重要资源来改进自身产品(Shannon,1948)。大数据可以拓宽获取信息的渠道从而有助于企业作出有效决策(Merendino等,2018)。借助大数据分析工具可以实施一系列数据挖掘方法,在电子商务、消费者购物平台等渠道获取大量企业所需要的市场以及消费者信息,并能够有效地对企业内部和外部信息进行加工、处理,帮助企业快速了解市场动态,发现消费者消费行为趋势,作出创新决策,从而提高企业技术创新。基于以上分析,本文提出研究假设:

假设1:大数据应用可以促进企业技术创新。

2. 大数据应用对企业创新质量的影响

尽管目前学术界对“创新质量”这一概念的界定还没有形成共识,但普遍认同评价创新质量的关键标准和提高创新质量的基础是技术成果的创造性和突破性,因而,学术界更多从突破性创新角度对其加以研究(袁胜军等,2020)。

大数据应用加速了知识的获取与创造,加强了知识与资源的有效融合。突破式创新活动就是通过对新信息的收集、整理、发现和挖掘产生新知识、新技术和新产品的过程。大数据在信息获取与信息处理方面有巨大优势,企业可以通过海量数据收集,增加信息获取的广度和深度(谢卫红等,2014)。大数据应用同时可以对收集来的数据进行加工、处理,将信息整理成知识在企业内外部进行交流,从而催生产品突破性创新。

大数据推动了组织结构的创新性发展。企业通过运用大数据进行大量的知识搜索与共享有助于突破传统经营模式,创造出更加灵活、效率更高的管理机制。数字技术应用过程中组织结构的重构能够帮助企业有效应对外部环境冲击并打破组织惯例,有利于突破式创新的顺利实现(陈庆江等,2021)。例如,大数据应用将数字化知识与现有组织资源相结合,创造出了基于大数据的柔性生产组织生产模式。这主要表现为企业通过数据收集获取当前市场需求信息,并根据自身情况快速调整生产所需工艺、技术、设备、原材料来满足快速变化的产品需求。

大数据应用促进了企业与供应商、客户之间的信息共享,进而提高企业创新质量。企业通过大数据应用更快捷地与供应商、客户进行沟通交流以及信息共享。供应商和客户各自拥有不同的信息优势,企业可以更加便捷地了解不同行业的信息,促进决策有效性,增强企业在新兴领域拓展的可能性,从而推动新产品、新市场的开发,增加突破性创新产生的可能。基于以上分析,本文提出研究假设:

假设2:大数据应用可以提高企业创新质量。

3. 大数据应用对企业创新质量的中介效应

要充分利用大数据应用来提升企业技术创新质量,需要厘清大数据应用对企业技术创新的中介效应,在此基础上企业才能够使用大数据去分析、预测市场需求变化以及用户的产品偏好,在不断变化的市场中作出最佳决策。大数据应用提高了企业营销能力,推动了产品优化升级,从而促进创新质量。企业通过对消费者需求变化的分析,在获得的海量大数据资源中不断挖掘、预测新的市场需求,从而能够快速调整自身的产品服务去满足顾客的新需求。对数据的整理、分析可以实现要素的精准匹配,提高对存量创新要素的利用效率,从而推动企业技术创新(孙献贞,2023)。由此可见,大数据通过对数据的挖掘,企业精确匹配自身产品与消费者需求,并通过大数据推送等方式把符合消费者潜在需求的产品推送给客户。与传统企业营销活动有所不同,大数据需要对消费者习惯、需求长期跟踪,寻找消费者的购买偏好,并根据不同消费者的个体特征推送符合其特征的合适产品。相比于传统营销活动,大数据营销大大提高了产品销售跟客户需求的匹配程度,提高了营销活动的投入产出比,增强了营销能力。在售后服务方面,大数据可以对消费者购买后体验、消费者评价进行持续跟踪,企业可以依据反馈信息对自身产品优化升级,建立数字化流程,从而促进创新质量。

大数据应用可以准确了解、预测客户行为,从而降低创新过程中的不确定性,提高创新效率,降低成本,从而促进创新质量。大数据应用可以分析历史和当前海量数据,并根据数据趋势去洞察消费者行为以及未来市场需求的变化(谢卫红等,2016)。因此,基于大数据的分析预测,企业可以及时获取市场信息,把握消费者行为趋势,及时对产品优化创新,提高绩效。通过对市场信息进行捕捉、分析和预测,精准获取市场需求信息,企业可以提升决策效率,降低信息搜寻成本和代理成本,提高技术创新的意愿,从而对技术创新发挥促进作用(温湖炜和王圣云,2022)。

综上所述,大数据应用可以帮助企业建立快速、有效的产品决策,降低创新的不确定性和企业成本,提高企业竞争力,从而促进创新质量。基于以上分析,本文提出研究假设:

假设3:大数据应用通过提高企业营销能力进而促进创新质量。

假设4:大数据应用通过降低企业成本进而促进创新质量。

三、 研究设计

本文以2007-2021年沪深A股上市公司作为研究样本。为保证回归分析的可靠性,对数据进行如下处理:剔除金融类上市公司;剔除ST和*ST企业;剔除变量存在缺失的企业;为了消除异常值对实证结果的影响,对连续型变量在上下1%分位处进行缩尾处理。经处理后共得到15710个观测值。企业的大数据应用指标是使用Python软件爬取A股上市公司年报并进行文本分析取得,专利申请以及授权数据来自中国研究数据服务平台(CNRDS)数据库,控制变量数据均来自于国泰安(CSMAR)数据库。

1. 模型设定

为检验大数据应用对企业创新活动的影响,本文构建如下基准回归模型:

Inpatentit=α0+α1BDTit+α2Xit+μind+δt+εit

(1)

Inventionit=β0+β1BDTit+β2Xit+μind+δt+εit

(2)

其中,Inpatentit和Inventionit分别表示第t年i企业技术创新、创新质量;BDTit表示第t年i企业大数据应用水平的对数;X为一系列控制变量;α0、α1和α2是估计系数,其中α1是本文关心的核心系数,其经济含义是企业大数据应用对企业创新质量的影响;μi表示行业固定效应,δt表示时间固定效应,εit为随机误差项。

2. 变量选取

(1) 被解释变量。本文借鉴张陈宇等(2020)的研究方法,采用企业专利授权数据来测度企业技术创新规模,通过将专利授权数量加1后进行对数化处理来构建企业技术创新规模指标。本文参考张敬文和童锦瑶(2023)的研究方法,采用上市公司发明专利授权数量测度创新质量指标。与发明专利申请数量相比,发明专利授权数量代表公司实际取得的发明专利数量,更能反映创新质量。

(2) 解释变量。借鉴吴非等(2021)、张叶青等(2021)的研究,将企业年报中的大数据技术词频作为企业大数据应用的代理指标。本文归集了A股上市公司年报并使用Python进行词频数量统计,获得企业大数据应用的初始指标,并对指标进行对数处理。考虑到上市公司年报是基于公司实际情况的客观陈述,大数据相关词频数量能反映企业运用大数据的程度,是对大数据应用情况的客观描述。

(3) 控制变量。参考杨贤宏等(2021)、孙洁和李杰(2022),选择企业规模、董事会规模、营业收入增长率、每股收益、股权集中度、总资产收益率、公司年限、公司杠杆率、两职合一、审计意见、独立董事比例、公司性质、托宾Q作为控制变量。

变量定义如表1所示。

表1 变量定义

3. 变量描述性统计

表2为主要变量的描述性统计。核心变量创新质量和创新规模平均值分别为0.611、1.390,标准差分别为0.584、0.654,最小值都为0,最大值分别为2.423、4.060,说明上市公司之间差距较大,样本企业创新质量偏低。大数据应用的均值为0.228,标准差为0.396,最小值为0,最大值为1.708,说明上市公司运用大数据技术的比例不高,相当多企业还处于传统管理模式状态,上市公司之间大数据应用技术存在较大差异。

表2 变量描述性统计

四、 实证结果与分析

1. 基准回归结果

表3报告了大数据应用对企业技术创新影响的回归结果。在基准回归中,为减小误差,在进行回归时加入稳健性标准误。其中,列(1)列(2)为大数据应用对企业创新质量影响的回归结果,列(3)为大数据应用对企业创新规模影响的回归结果。结果显示,大数据应用对企业创新质量以及创新规模有正向效应,大数据应用水平越高,企业创新规模和创新质量越高。与假设1和假设2相符。

表3 大数据应用与企业技术创新回归结果

2. 内生性问题处理

考虑到内生性问题的存在会导致估计结果出现严重误差,本文采用多种方法处理内生性问题。结果见表4。

表4 内生性检验结果

为了缓解可能存在的遗漏变量问题,本文进一步控制省份固定效应来缓解可能存在的遗漏变量内生性问题。结果显示,在加入了省份固定效应后,大数据应用的回归系数依然显著。这表明大数据应用对企业创新质量有促进作用,但两者可能存在双向因果关系,技术创新水平比较高的企业往往会更加关注大数据应用,从而更有动机使用大数据技术,提高企业技术创新。

为解决双向因果导致的内生性问题,参考孙洁和李杰(2022)的研究方法,选取工具变量行业大数据应用(BDT_industry)。具体来说,采用大数据应用指标与按行业分类的大数据应用均值差额的绝对值作为工具变量。结果显示,在第一阶段回归中,行业大数据应用系数在1%的统计水平上显著,且F值(1651.556)远大于F检验的临界值16.38,拒绝弱工具变量的原假设。在第二阶段回归中大数据应用与创新质量的系数均显著为正,且在1%的统计水平上显著,表明本文研究结论是稳健的。借鉴安同良和闻锐(2022)的方法,选取另一个工具变量单位政企域名数量(BDT_iv),用滞后1期公司所在省份的单位政企域名数量来衡量。一方面,公司以及政府域名用于在数据传输时对计算机定位标识,而大数据应用需要把大量数据从用户端运输到企业内部,这离不开对域名的运用,域名数量的多少直接影响到大数据使用频率,这满足了相关性要求。另一方面,公司所在省份的单位政企域名数量表明所在省份的企业计算机发展水平,这跟企业创新并无关联,域名数量的多少只能通过影响大数据应用来影响企业创新,满足外生性要求。工具变量LM检验的p值为0,拒绝了原假设,说明工具变量与内生变量之间具有显著的相关性;此外,第一阶段F值大于10,拒绝了存在弱工具变量的原假设。两阶段工具变量法的检验结果显示,在排除了内生性因素后,大数据应用依然显著促进了企业创新质量。

3. 稳健性检验

本文采用更换变量度量和样本区间的方式进行稳健性检验,结果见表5。

表5 稳健性检验

(1) 更换因变量度量方式。本文采用上市公司发明专利申请量作为代理指标来衡量企业创新质量。这主要是因为,第一,黎文靖和郑曼妮(2016)指出专利技术往往在申请过程中就已经对企业产生影响,专利申请数据比授权数据更加可靠、及时;第二,发明专利强调独创性、突破性,技术含量更高,更能体现企业的重大创新成果。通过对发明专利申请数量加1取对数构建代理指标Invention2。考虑到发明专利对企业的影响具有滞后性,使用滞后1期和2期企业取得的发明专利授权数量构建创新质量的代理变量Invention_1和Invention_2。更换因变量度量方式后,BDT系数分别为0.133、0.103和0.103,均显著为正,说明本文的结论仍然稳健。

(2) 更换自变量度量方式。考虑到年报词频数据可能存在一定噪音干扰回归结果,为进一步验证结论的稳健性,本文借鉴张叶青等(2021)的研究方法,更换自变量大数据应用的衡量方式,构建大数据应用虚拟变量BDT_dumm。具体来说,当公司年报中没有披露任何大数据应用相关的关键词,该变量取0,当公司年报中披露了任何大数据应用相关的关键词,则按照词频由小到大分成3等分,前1/3的观测值变量取值为1,中间1/3取值为2,后1/3取值为3。更换大数据应用指标后,BDT_dumm的系数为0.044,显著为正,说明本文的结论仍然稳健。

(3) 更换样本区间。大数据应用需要配套数字化设备,且企业从认知到大数据的重要性到运用大数据技术都需要较长准备时间。2019年国家第一次提出将数据作为一种生产要素,此时大数据相关技术已经成熟。因此,为避免企业因为技术不成熟、基础设施不完备导致大数据应用进展缓慢而未披露相关信息,本文对2019年及以前样本进行回归分析。更换样本区间度量方式的回归结果显示BDT系数为0.105,显著为正,所得结论仍然稳健。

4. 机制检验

基于前述机制分析,大数据应用通过提高营销能力和降低企业成本影响创新质量。为检验大数据应用对创新质量的中介影响,参考温忠麟和叶宝娟(2014)的研究,构建中介效应模型进行机制检验。本文设定以下检验模型:

Inventionit=φ0+φ1BDTit+φ2Xit+μi+δt+it

(3)

Saleit=γ0+γ1BDTit+γ2Xit+μi+δt+θit

(4)

Inventionit=ω0+ω1BDTit+ω2Saleit+ω3Xit+μi+δt+ϑit

(5)

Costit=γ3+γ4BDTit+γ5Xit+μi+δt+θit

(6)

Inventionit=ω4+ω5BDTit+ω6Costit+ω7Xit+μi+δt+ϑit

(7)

模型(3)反映大数据应用对企业创新质量的总效应;模型(4)中γ1反映了大数据应用对营销能力的影响;γ1和模型(5)中δ2的乘积反映了营销能力的中介效应。其中,Saleit代表企业营销能力,本文参考毛育晖等(2014)的研究方法,使用销售费用与管理费用之和与营业收入比值来衡量。回归结果见表6。列(3)显示,营销能力系数显著为正,且大数据应用系数的绝对值相较于列(1)有所降低,列(2)显示大数据应用的系数显著为正,表明大数据应用能够显著提高企业营销能力,大数据应用能通过提高企业营销能力促进创新质量,验证了假设3。这是因为大数据应用大大提高了营销推送能力,通过对消费者行为特征的分析,将合适的产品推送给客户。在售后服务上,大数据对用户的购买体验持续跟踪,促进了产品优化升级以及数字化流程创新,从而推动创新质量提高。

表6 营销能力的中介检验回归结果

模型(6)和模型(7)反映了大数据应用通过降低企业成本影响创新质量的机制验证模型。模型(6)中γ4反映了大数据应用对企业成本的影响,γ4和模型(7)中ω6的乘积反映了企业成本的中介效应。其中,Costit代表了企业成本,本文参考孙献贞(2023)的研究方法,采用销售期间费用增长率来衡量。具体来说,销售期间费用增长率为销售费用、管理费用以及财务费用之和的增长率。回归结果如表7所示。列(3)显示,企业成本的系数显著为负,且大数据应用系数的绝对值相较于列(1)有所降低,表明大数据应用通过降低企业成本对企业创新规模存在部分中介效应。列(2)显示,大数据应用的系数显著为负,表明大数据应用能够显著降低企业成本,验证了本文假设4。

表7 成本效应的中介检验回归结果

本文使用了2016年之前的样本来进行机制检验。2015年国务院印发《促进大数据发展行动纲要》,国家正式将大数据作为国家重点发展战略。之后,大数据应用需求井喷,然而数字基础设施的增长并未跟上大数据应用需求的增长。2016年中国大数据产业规模仅为3700亿元,而2022年大数据产业规模达到14224亿元,年均复合增长率近30%。工信部发布《“十四五”大数据产业发展规划》,提出到2025年大数据产业规模突破3万亿元,年均复合增长率保持25%左右。然而,根据《2023-2029年中国互联网数据中心市场需求预测与投资战略规划分析报告》,2022年中国数据中心服务市场同比增长12.7%,市场规模达1293.5亿元;未来5年,中国数据中心服务市场将以18.9%的复合增速持续增长,预计2027年市场规模达3075亿元。可见,数字基础设施增速并未完全跟上大数据需求增速,导致大数据使用效率下降,大数据应用的成本效应以及营销能力的作用机制受到一定限制。不仅如此,考虑到支持大数据的基础设施需要一定时间进行建设,在建设期间也无法满足日益增长的大数据需求,致使大数据的使用效率受到限制。而在2016年之前,大数据的发展刚刚起步,其市场需求较为不足,现存数字基础设施可以满足市场需求,导致大数据应用的成本效应以及营销能力的作用机制更为明显。为了论证2016年之前大数据应用的机制效应相较于2007-2021年更为明显,本文分别使用2016年之前的样本与全样本进行了两次回归。其中,表6与表7中的列(1)至列(3)使用了2016年之前的样本检验大数据应用的营销能力以及成本效应中介机制,列(4)至列(6)使用了2007-2021年全样本论证了大数据应用的机制效应。

5. 异质性分析

本文从企业所有权性质、数字技术创新能力和数字经济发展水平等方面进行异质性分析,结果见表8。

表8 企业性质与数字专利授权异质性回归结果

(1) 企业所有权性质分组回归。为验证大数据应用的创新效应是否受到企业所有权性质影响,本文将数据样本按照企业所有权性质分为国有企业和非国有企业两个子样本进行分组回归。国有企业大数据应用的系数要大于非国有企业,表明大数据应用的创新效应在国有企业中更为显著。

(2) 数字技术创新能力分组回归。不同地区的数字技术创新能力有所不同。经济发达、民间资本相对活跃的地区,其创新能力往往也高于其他地区。本文用各省市数字经济相关发明授权数量来衡量地区数字技术创新能力。具体而言,按照地区数字经济相关发明授权数量排名将样本分为数字技术创新能力强的地区(排名前15的省市)和数字技术创新能力弱的地区(排名后15的省市)两个子样本进行分组回归。数字技术创新能力强的地区BDT系数均显著为正,数字技术创新能力弱的地区BDT系数为正但不显著。这说明大数据应用带来的创新效应依赖于地区的数字技术创新能力,数字技术创新能力强的地区,大数据应用带来的创新效应更显著。

(3) 数字经济发展水平异质性分析。由于不同地区数字经济发展水平存在差异,发展水平高的地区,其硬件设施、软件配套都明显强于发展水平低的地区,而大数据应用需要相应的硬件以及软件设施。为进一步检验大数据应用对创新的促进作用在不同数字经济发展水平地区的异质性,本文将样本分为东部、中部、西部进行分组回归。数字经济应用场景广泛、数字经济发达的东部和中部地区BDT系数分别为0.096、0.125且显著为正,数字经济欠发达的西部地区BDT系数为正但不显著。这表明大数据应用对创新质量高低的影响受地区数字经济应用场景及数字经济发展水平影响,数字经济发展水平较高的地区大数据应用对企业技术创新质量的促进作用更为显著,数字经济欠发达地区大数据应用对企业技术创新质量的促进作用不明显。大数据应用对企业技术创新质量的影响十分依赖地区数字化环境和场景、相关配套硬件以及软件设施。

五、 结论与政策建议

随着中国把发展数字经济作为国家战略,大数据作为数字化基础技术之一,驱动着企业数字创新。本文借助2007-2021年A股上市公司年报,通过使用Python软件抓取大数据技术关键词对企业大数据应用进行刻画,实证考察了大数据应用对企业技术创新规模、创新质量的影响效果及其机制,得到以下结论:基准研究表明,大数据应用可以显著提高企业创新规模以及创新质量;机制检验显示,大数据应用可以通过提高企业营销能力和降低企业成本提升企业创新质量;异质性研究显示,企业大数据应用与创新之间有其内在逻辑,企业性质不同、地区数字经济发展水平不同、地区数字创新能力不同,大数据促进企业技术创新的影响存在一定差异,在大数据应用场景广泛的东部、中部地区,国有企业以及数字创新能力强的地区,大数据应用对创新质量的促进效应更高。

本文有以下政策启示。第一,大数据应用能够显著促进企业技术创新,企业应当抓住数字经济发展机遇,加速部署大数据相关设施,培养大数据技术人才,落实大数据在企业决策管理中的应用,构建以大数据为核心的现代化数字创新发展体系。第二,大数据应用的创新效应集中在数字经济发展水平高、创新能力强的地区,政府需要加快建设以大数据、云计算、人工智能为核心的基础设施建设,以及推动地区数字化应用场景发展,进一步降低企业应用大数据技术成本。鉴于大数据应用能够降低企业成本促进创新活动,政府应实施大数据鼓励扶持政策,号召企业运用大数据技术并为企业提供指导意见。第三,大数据应用可以通过大数据营销推送以及用户信息反馈来促进创新质量,每个企业可以根据消费者信息反馈以及自身产品优势,先从产品生产线、工艺流程角度,运用大数据推动产品升级,优化工艺流程。第四,大数据技术发展迅速,相关技术人才存在供给缺口,高等教育应当调整人才培养结构,加大数据人才供给,政府应当加快调整人才培养结构,以满足数字化人才需求。