高管团队认知能力、外部知识搜寻与效率型商业模式创新——大数据管理技能的调节作用

胡品平，王 翠，戴炳钦

(1.华南理工大学工商管理学院，广东广州 510641；2.广东省科学技术情报研究所，广东广州 510033；3.浙江中医药大学人文与管理学院，浙江杭州 310053；4.闽西职业技术学院财经商贸学院，福建龙岩 364021)

1 研究背景

数字经济与各产业的深度融合，给消费者和企业行为以及企业获取数据资源的能力带来了巨大的变化，企业现行的商业模式越来越无法应对环境变化带来的挑战，需要对其进行商业模式创新[1]。企业通过大数据分析来重新整合资源，能够降低价值创造成本。Amit 等[2]把商业模式下创新分为效率型和新颖型两种类型。效率型商业模式创新（efficient business model innovation, EBMI）,通过模仿的方式来提高交易效率，降低交易成本，从而实现商业模式创新。相关研究表明，EBMI 对企业绩效具有显著的促进作用，转换成本、重置成本、采取统一行动的能力以及企业的信息控制能力4 个因素对这种促进关系起关键性作用[3]。因此，探讨如何确保EBMI活动有效开展，对于拓展影响EBMI 的前因研究及促进企业业绩提升具有重要的意义。

然而，现有研究对效率商业模式创新的研究主要聚焦在商业模式组成要素、设计、结构、演化等领域[2]，对于影响EBMI 的前因要素及情景因素的研究还比较匮乏。高管团队认知能力作为影响企业创新的重要前因要素，对EBMI具有不容忽视影响[4]。商业模式创新会改变行业的惯例，容易引起企业内部人员在认知层面的抵触[5]。Osiyevskyy 等[6]发现高层管理者较高的机会识别能力能够提升企业资源的利用效率，降低生产、服务和交易成本，以及降低高管团队对商业模式创新的认知抵触，有助于商业模式创新和变革。Staw 等[7]认为，企业高管团队感知出潜在威胁时，会倾向于搜寻吸收新信息，以设计制定出能够有效解决新问题、新挑战的创新方案。据此，本文预期，高管团队认知能力可能会对EBMI 产生积极作用。为此，本文将系统探讨高管团队认知能力和EBMI 之间的关系。

此外，如果高管团队认知能力对EBMI具有影响，那么这种影响是如何发现的？现有研究没有对此问题给出明确答案。以往有关高层团队认知能力和企业创新结果变量的研究大多数基于动态能力理论视角，即关注高管团队认知能力如何影响企业提升绩效[4]，但忽略了高管团队认知能力对影响企业业绩的知识信息的探讨。而在知识信息传递给企业的过程中，能够给企业带来创新思维[8]。鉴于此，本文通过创新扩散理论为进一步打开高管团队认知能力和EBMI 之间的“黑箱”，找到了一把“钥匙”——外部知识搜寻。创新扩散理论指出，创新可以是人们感知到的新产品、新服务、新想法等[10]，高管团队成员由于比企业其他成员拥有更高的社会地位，具有更多的机会接触大众媒体、合作伙伴、改革推动者以及行业会议、论坛等[8]，所以通常是创新相关知识信息的早期知悉者[11]。而外部知识搜寻正好反映了从企业外部搜索开展企业创新活动、提高企业业绩所需知识和信息的过程[12]。就这点而言，外部知识搜寻很可能充当高管团队认知能力和EBMI之间的中介变量。同时，为了增强高管团队认知能力研究的情景变化，本文提出大数据管理技能可能是影响高管团队认知能力和外部知识搜寻之间关系的边界条件。大数据管理技能作为一种重要的团队情景变量，是指企业对自身拥有的大数据进行运用、管理的技术和能力[13]。考虑到高管团队在做决策时，会把大数据分析提供的结论作为重要的参考依据，并做出反应，大数据管理技能可能会影响高管团队认知能力。因此，本文还将检验大数据管理技能在高层管理团队认知能力和外部知识搜寻之间的调节作用。

综上所述，本文主要探讨高管团队认知能力是否对效率型商业默哀创新具有正向影响，外部知识搜寻是否在高管团队认知能力和EBMI 之间起中介作用，以及大数据管理技能是否起调节作用。本研究基于创新扩散理论[9]439，并借鉴以往的相关研究，来阐释高管团队认知能力如何通过外部知识搜寻影响EBMI，该视角能够加深高管管理团队认知能力对EBMI 作用机制的理解。同时，本研究注重高管团队认知能力的情境化，以大数据管理技能为调节变量构建了一个被调节的中介模型，这不但有助于揭示高管团队认知能力作用的内在过程及边界条件，丰富和发展高管团队认知能力的理论，而且能够为高管团队提升EBMI 能力提供一定的指导和启示。本文的研究框架如图1 所示 。

图1 研究框架

2 理论分析与研究假设

2.1 高管团队认知能力与EBMI

高管团队认知能力是指高管团队感知、共享企业内外部环境所含知识并用于解决问题的能力[14]。Hambrick 等[13]提出的高层梯队理论是高管团队认知能力研究的基础，该理论认为高层管理者对企业战略的选择受价值观、人格特质、认知模式和能力等因素影响。Doorn 等[14]认为高管团队的认知能力主要体现在高管团队对信息的判断能力和对知识的吸收能力。Staw 等[7]认为高层管理团队对机会的识别能力和对风险的感知能力都会驱动组织变革，高层管理者的认知能力反应在复杂环境中的感知、判断、决策和执行能力。其中，机会识别能力是指高管团队对政策、市场等环境变化所带来机会的认识与判断。风险感知能力是指高管团队对可能会影响企业发展的绩效性风险及合法性风险的洞察与理解。因此，本文认同从机会与威胁视角介入，进一步解构高管团队认知能力的观点。

Hambrick 等[13]认为高管团队的决策对企业EBMI 具有不容忽视的影响，高管团队的认知能力影响其决策能力和资源获取能力。据此，本文推测高管团队的认知能力可能会影响企业EBMI。具体而言：首先，高管团队的强机会识别能力可以帮助企业在不确定的复杂环境中把握市场动向，及时发现潜在的市场机会，即时采取有效措施来弥补潜在的市场需求。促进企业EBMI，进一步提升企业绩效[7]。在数字经济环境下，政府管制政策改变和行业规则重塑都能够给企业带来重大影响；高管团队的强机会识别能力能够捕捉到政策变化给企业带来的商业机会，并根据政策变化程度对企业商业模式进行相应程度的调整[17]。在动态的环境中，企业需要紧盯市场需求和政策的变化趋势，具有较强认知能力的高层团队能够清晰掌控企业定位，识别出现行商业模式的不足，吸引其他利益相关者统一行动，创新交易方式，提高交易效率，降低交易成本，以提升企业绩效[3]。

其次，企业开展商业模式创新活动需要比以往承担比以往更多的挑战和风险，进而影响企业不愿意开展商业模式创新活动[18]。已有的研究发现，风险感知能力越强的高管团队越愿意推动企业创新行为，以创新应对风险带来的挑战，以及提高企业的绩效水平[19]。同时，企业开展EBMI 能够有效提高生产和服务效率，降低企业生产和服务成本，提高其他利益相关者采取同一行动的愿意，这会引起行业内其它企业的反感并采取压制措施[20]。因此，对合法性风险有效地识别是开展商业模式创新的重要前提。此外，高管团队越能精准洞察出对企业绩效水平有影响的潜在风险关键因素，就越能制定出应对风险的有效预案，从而助力企业EBMI 活动带到预期目标，并能有效降低其他利益相关者的转换成本[21]。事实上，当对企业绩效水平有影响的潜在风险关键因素越来越多地被高管团队洞察出时，企业更愿意采用系统化的创新活动来消除或避免这些不利因素的影响[19]。据此推测，高管团队认知能力可能对EBMI 具有积极的作用。综合上述分析，本文提出如下假设：

H1：高管团队认知能力和EBMI 显著正相关。

2.2 外部知识搜寻的中介作用

外部知识搜寻是指根据供给和需求，在地理空间中非本地搜索解决方案所需知识和信息的行为[12]。Katila 等[19]认为企业的搜索实际上可以分为深度搜寻和广度搜寻两个不同的维度：深度搜索是指企业重复使用现有知识的频率，搜索广度是指企业探索新知识的范围。根据认知评价理论，企业高层管理团队对特定事物的判断和反应会受其认知能力的影响，高层管理团队的知识库的丰富程度决定了其认知能力的高低[23]。当企业高层管理团队意识到团队内部的知识无法满足外部环境变化的要求时，就会采取外部知识搜寻的方式来丰富自身的知识库，以适应和满足新环境的要求。同时，高管团队通过外部知识搜寻，能够寻找到或设计出解决问题的新方案，从而有效支持企业的高层次的创新活动[24]，比如EBMI。因此，本文推测，外部知识搜寻可能在高管团队认知能力和效率型商业模式之间起中介作用。

高管团队认知能力会对外部知识搜寻产生积极作用，这是由于，当高管团队从不确定的复杂环境中识别出企业的潜在发展机会时，或者感知到企业存在潜在威胁，而企业自身拥有的知识库还无法满足抓住机会或消除威胁的要求时，高管团队就会倾向于通过外部知识搜寻来丰富自身的知识库，以满足新需求[24]。根据创新扩散理论[8][9]439，高管团队会主动寻找与企业知识库形成互补性的知识,并通过广泛搜寻外部知识，来发现和填补企业知识库的空缺；高管团队通过对外部知识的深度搜寻，来理解、熟悉和完善新知识的知识体系[25]。同时，高管团队会把通过外部搜寻获得的知识与需要解决的问题进行匹配，分析这些知识能否真正解决所需解决的问题，一旦匹配成功，高管团队就会把通过外部搜寻获得的知识运用到解决被高管团队识别出的潜在问题上[26]。由此来看，高管团队认知能力可能与外部知识搜寻存在正相关。

外部知识搜寻也可能对EBMI 具有正向影响。主要原因在于：首先，广泛的外部知识搜寻能够丰富企业的知识库，从而促进企业创新能力提升[22]。具体而言，外部知识搜寻能帮助企业获取如新技术、新方法等异质性知识和互补性知识，这有助于提升企业的创新能力，更好地抓住环境变化带来了潜在机会，以及更科学地消除环境变化带来的潜在威胁，从而提高企业生产、服务及交易效率，降低企业生产、服务及交易成本[27]。其次，深度外部知识搜寻可以加强对该知识的理解及熟悉程度，为企业开展EBMI 活动提供基础保障[25]。具体而言，深度的外部知识搜寻能够增强企业和利益相关者之间的沟通和理解，降低交易双方因复杂性环境带来的信息不确定性和不对称性，实现交易双方交易成本的降低，运营效率的提高[2]。这意味着企业通过广泛和深度的外部知识搜寻，对企业EBMI 有正向的影响作用。由此，本文推测，外部知识搜寻可能会正向影响企业EBMI。

基于以上论述，本文认为，高管团队认知能力可能通过外部知识搜寻来影响企业EBMI。由此，本文提出如下假设：

H2：外部知识搜寻中介了高管团队认知能力和EBMI 之间的关系。

2.3 大数据管理技能的调节作用

大数据管理技能是企业对大数据的运用进行计划、决策、组织、控制的技术和能力，包括了对技术知识的管理、对商业知识的管理等方面的内容[13]。当企业处于较高水平的大数据管理技能状态时，高管团队不仅能够借助大数据分析的结论更高效地在复杂环境中识别出企业存在的潜在机会或潜在威胁[28]，而且还能够借助大数据分析的结论发现企业自身知识库的空缺，为外部知识搜寻制定明确的计划和决策，并能更高效地组织和控制外部知识搜寻活动的广度[29]。同时，高水平的大数据管理技能能够协助高层管理团队识别出企业在某一新知识系统性方面存在的空缺，协助高管团队作出外部知识搜寻深度程度的决策[30]。因此，大数据管理技能可以被看作是增强高管团队识别能力作用效果的外部因素，提升了其对企业外部知识搜寻的影响。

相反，当企业处于较低水平的大数据管理技能状态时，企业对使用大数据的计划、决策、组织和控制技能还比较薄弱，大数据分析获得的结论无法反映出环境的实际变化[13]。高管团队较难从大数据分析结论中识别出复杂市场中的潜在机会和潜在威胁。同样，高管团队也较难从大数据分析的结论中来寻找和识别企业自身知识库的短板，从而也无法驱动企业进行外部知识搜寻[31]。因此，当大数据管理技能较低，且大数据分析结论作为高管团队的决策的参考要素时，高管团队的识别能力对外部知识搜寻是无用的，进而不会对企业外部知识搜寻产生进一步的影响。综上来看，较高的大数据管理技能会增强高管团队识别能力对企业外部知识搜寻的正向影响。因此，本文提出如下假设：

H3：大数据管理技能在高管团队认知能力和外部知识搜寻之间起正向调节作用。

结合假设H2和H3，本研究进一步预期，外部知识搜寻在高管团队识别能力和效率型商业模式间的中介效应会受到大数据管理技能的调节。具体而言，在大数据管理技能较高的情况下，高管团队识别能力和外部知识搜寻的关系会更强，企业会更主动地开展广泛且深度的外部知识搜寻，以填补企业空缺的知识，减少甚至消除企业与知识源的差距，丰富企业自身的知识库，从而提升企业开展EBMI的能力，促进企业开展EBMI 的积极性[29]。相反，较低的大数据管理技能会降低高管团队的识别市场潜在机会或潜在威胁的能力，从而削弱高管团队对外部知识搜寻的驱动作用，因此，企业较少开展的EBMI 活动。综上分析，本文提出如下假设：

H4：大数据管理技能会调节外部知识搜寻在高管团队识别能力和EBMI 之间的中介效应。大数据管理技能越高，这一中介效应越强，反之则越弱。

3 研究方法

3.1 样本与数据收集

为了减少自测法所造成的共同方法偏差，本研究的数据调查采用两阶段法。对966 家中国企业的高层管理者开展问卷调查，每家企业都仅发放一份问卷。第一阶段，用于收集高层管理团队认知能力、外部知识搜寻和大数据管理技能的数据；第二阶段，用于收集EBMI，第二阶段的问卷仅对第一阶段的填写的问卷有回应者发放。对于错填、漏填、大面积同一答案、未达到填表条件者填写的问卷，本研究均将其视为无效问卷。

本研究对所有问卷均进行编码，以方便对两个阶段的调查进行配对。为了保证问卷的质量，课题组在问卷首页注明本问卷所获得的信息仅用于学术研究，填表者匿名填写，并承诺绝对保密本问卷所获得的所有信息。随着数字经济的快速发展，许多中国企业的商业模式都开始向数字化转型，因此，根据被研究对象的实际情况，本研究没有限制被调研企业的类型。

本研究问卷通过面对面或电子邮件形式发放，在2021年7月至10月进行了预测试调查，在预测试调查中，第一阶段发放了326 份问卷，收回183份，第二阶段针对第一阶段有回应者发放了183 份问卷，回收155 份，最终回收有效问卷89 份。经检验，各潜在变量的Cronbach'sα系数都大于0.8，根据Nunnally[30]的观点，变量的内部一致性良好；KMO值大于0.8，巴特利特的球形检验值显著(Sig.〈 0.001)。因此,可以正式确定本研究的调查问卷。2021年11月至2022年2月开展正式调查，在正式调查中，第一阶段发放了632 份问卷，收回有效问卷468 份，第二阶段针对第一阶段有回应者发放了468份问卷，收回有效问卷356 份，剔除无效问卷后，最终得到有效问卷323 份。正式调研所获样本为最终有效问卷的323 份的具体描述性统计结果见表1 所示。

表1 样本受访企业及高层管理者个人特征描述性统计

3.2 测量工具

本研究遵循翻译—回译程序，将英文高端期刊的成熟量表翻译成中文，变量采用Likert 五级量表进行测量，数字从1 到5 代表从“非常不同意”到“非常同意”。

（1）高管团队认知能力。机会识别能力采用Wang 等[31]开发测量量表，共5 个测项，典型条目如“我们公司的高管团队成员大多数情况下能够从政府政策及产业发展规划中发现商业机会”“我们公司的高管团队成员大多数情况下能够与顾客互动过程中发现商业机会”。在本研究中。风险感知能力采用Williams 等[32]开发的测量量表，共个测项，典型条目如“我们公司的高管团队成员大多数情况下能够把握经验决策会出现的各种结果”。

（2）外部知识搜寻。本研究采用采用Laursen等[33]人开发的4 个维度16 个条目的量表，具体分类如，市场维度的“软件、材料、设备、零部件等供应商”；机构维度的“大学或其他高等学校”；专业维度的“卫生健康方面的安全标准和法规”；其他知识源，如“计算机数据库，贸易/技术出版社”等。

（3）大数据管理技能。本研究采用Gupta 等[34]修订的5 个条目的量表，典型条目如“企业基于数据而不是直觉做决定”“企业会主动寻找新的数据和技术知识”。

（4）EBMI。本研究采用Zott 等[35]开发的7 个条目的量表，典型条目如“降低了交易过程中的信息不对称性”“降低了交易成本”。

（5）控制变量：参考以往研究的做法，本文将企业年龄、企业性质、企业规模及填表者受教育程度、年龄、性别和职位作为控制变量。

上述规定反映出非全日制用工形式的突出特点是灵活性，因相应的劳动者可以随时工作、随时休息，所以，此类用工不适用年休假的相关规定。因此，按照法律规定，洪小芳无法享受跟其他员工一样的待遇，公司以此为由拒绝其要求不违反法律规定。

4 数据结果分析

4.1 共同方法偏差检验

本研究采用两阶段数据收集方法，以降低因管理者自评方式收集数据带来的共同方法偏差影响，但无法完全消除共同方法偏差，为此，本文通过Harman 单因子法来检验共同方法偏差。对所有题项数据进行非转轴的操作，进行探索性因子分析，获得最大因子解释变量为43.10%的方差变异，此结果并未超过50%的建议值。由于Harman 单因子法的敏感性比较弱，本研究还采用不可测潜在方法因子控制法来对共同方法偏差作进一步检验。结果表明，加入共同方法因子后，并进行逐一检验，结果发现，五因子模型的拟合指标相较于四因子模型的拟合指标没有显著改善（GFI 和IFI 的增加值不到0.01，RMR 减少值小于0.01，RMSEA 增加了0.001，具体见表2）。综上所述，可以判断本研究的共同方法偏差不严重。

4.2 验证性因子分析

通过验证性因子分析，检验高管团队认知能力、外部知识搜寻、大数据管理技能、EBMI 4 个变量的区分效度，具体结果见表2 所示。由表2 样本研究变量验证性因子分析结果可以看出，四因子模型的拟合指标显著优于三因子、二因子、一因子模型，这表明本研究涉及的四个变量区分效度显著。

表2 样本研究变量验证性因子分析结果（N=323 个）

4.3 描述性统计分析

本研究中企业年龄、企业性质、企业规模及填表者受教育程度、年龄、性别和职位等各变量的均值、标准差、相关系数见表3 所示。由表3 可以看出，EBMI 与BDMC 成显著正相关关系（r=0.39,P〈0.01）；资源整合与BDMC 成显著正相关关系（r=0.55,P〈0.01）；EBMI 与资源整合成显著正相关关系（r=0.37,P〈0.01）。

表3 样本各变量的均值、标准差及相关系数（N=323）

4.4 假设检验

（1）主效应检验。采用层级回归，对高管团队认知能力和EBMI 的主效应关系通过SPSS23.0 进行检验，具体步骤为：首先，以EBMI 为因变量，将公司年龄、公司性质、公司规模及填表者的受教育程度、年龄、性别、职位作为控制变量放入回归模型，分析结果见表4 模型M1 所示，接着，将自变量高管团队认知能力放入回归模型，分析结果见表4 模型M2。从模型M2 可知，高管团队认知能力对新颖型商业模式创新具有显著的正向影响（β=0.340，P〈0.001），由此，假设H1得到支持。

（2）资源整合的中介效应。参考Baron 等[36]的中介检验方法检验外部知识搜寻在高管团队和EBMI间中介作用。具体步骤为：首先，检验主效应（见表4 模型M2），检验结果已支持H1；其次，对高管团队认知能力和外部知识搜寻之间的关系进行检验，分析结果见表4 模型M6，高管团队认知能力对外部知识搜寻的正向影响显著(β=0.501，P〈0.001)。然后，检验外部知识搜寻和EBMI 的关系，分析结果见表4 模型M4，外部知识搜寻对EBMI 的正向影响显著(β=0.047，P〈0.001)。最后，在模型M1 和模型M2 的基础上，加入外部知识搜寻中介变量进行回归，分析结果见表4 模型M3，高管团队认知能力对EBMI 的正向影响不显著(β=0.047，P〉0.05)，外部知识搜寻对EBMI 的影响显著(β=0.584，P〈0.001)。这表明，外部知识搜寻在高管团队认知能力和EBMI之间起完全中介作用。因此，假设H2得到证实。

表4 样本各变量间层级回归检验结果

表4（续）

（3）调节效应检验。采用层级回归，分四步对大数据管理技能的调节效应进行逐步验证。其中，交互项是高管团队认知能力和大数据管理技能两者分别标准化后的乘积。具体而言，以外部知识搜寻为因变量，在回归模型中加入公司年龄、公司性质、公司规模等，同时进一步测量受测者的受教育程度、年龄、性别、职位等控制变量，具体验证结果见表4 模型M5。进一步研究，加入自变量高管团队认知能力，分析结果见表4 模型M6；然后，加入大数据管理技能调节变量，分析结果见表4 模型M7；最后，在回归模型中加入高管团队认知能力和大数据管理技能的交互项，分析结果见表4 模型M8，交互项系数显著(β=0.076，P〈0.05)，表明大数据管理技能在高管团队认知能力和外部知识搜寻之间起正向调节作用。为了进一步明晰大数据管理技能的调节作用，本研究绘制出大数据管理技能均值分别加、减一个标准差（+SD、-SD）水平下高层团队认知能力和外部知识搜寻之间的关系图，如图2 所示，字母LTMTA 表示低高管团队认知能力，HTMTA 表示高高管团队认知能力，LBDMC 表示低大数据管理技能，HBDMC 表示高大数据管理技能和EKS 表示外部知识搜寻。简单斜率结果表明，高大数据管理技能所在直线的斜率（γ=0.4368，P〈0.001）比低大数据管理技能所在的直线斜率（γ=0.3048，P〈0.001）更大，表明大数据管理技能起正向调节作用，即大数据管理技能越高，高层团队认知能力对外部知识搜寻的正向影响越强。因此，假设H3得到验证。

图2 大数据管理技能的调节效应

（4）被调节的中介效应检验 。研究运用SPSS中Process 宏程序中的模型7 对被调节的中介效应进行检验，结果见表5 部分。当大数据管理技能较低时，高管团队认知能力通过外部知识搜寻影响EBMI的间接效应显著（b=0.1782，Boot 95% CI 未包含0）；当大数据管理技能较高时，高管团队认知能力通过外部知识搜寻影响EBMI的间接效应显著（b=0.255 3，Boot 95% CI 未包含0）。上述置信区间（CI）均没有包含0，表明无论大数据管理技能是高还是低，高管团队认知能力通过外部知识搜寻影响EBMI 的间接效应都是显著的。Preacher 等[37]认为被调节的中介存在的条件是调节变量在高低不同水平下，间接效应一个显著，另一个不显著。根据Preacher 等[37]的判定方法，无法判断本研究存在被调节的中介。因此，Hayes[38]认为可以参考INDEX 指标作出进一步判断。由表5 可以看出，INDEX 值为0.045 5，置信区间是[0.010 5, 0.087 6]，没有包含0，说明大数据管能力会调节外部知识搜寻在高管团队认知能力和EBMI 之间的中介效应。且高低大数据管理技能下外部知识搜寻的中介效应差异的置信区间不包含0，说明差异显著。因此，假设H4得到验证。

表5 环境不确定性变量的有条件的间接效应检验结果

5 结论与讨论

虽然现有研究发现，高管团队认知能力对企业战略选择、企业创新和企业绩效都有重要的影响，但是高管团队认知能力与EBMI 之间存在怎样的关系？其影响机制是什么？现有研究对这些问题还缺乏比较深入的探讨。本文针对这些问题，通过两个阶段的问卷调查，对高管团队认知能力和EBMI 的关系展开研究。具体而言，本研究以高层梯队理论和创新扩散理论为基础[8，15][9]439，通过实证数据检验了高管团队认知能力对EBMI 的主效应，外部知识搜寻在高管团队认知能力与EBMI 之间的中介效应，大数据管理技能在高管团队认知能力与外部知识搜寻之间的调节作用，及其对外部知识搜寻的中介作用的调节即被调节的中介效应。实证结果总体上支持了本文提出的4 个假设。

5.1 研究结果讨论

首先，本研究证实了高管团队认知能力是影响EBMI 的重要前提因素。以往的研究指出，高管团队识别能力包括了识别机会的能力和感知风险的能力，这些能力可以驱动组织创新变革，提升企业绩效[7]，但现有研究对高层团队认知能力和EBMI 之间关系的实证检验还比较缺乏。由于商业模式创新需要承担更多更大的风险，进而影响企业开展商业模式创新的意愿[18]。具有较高机会识别能力和风险感知能力的高管团队，则更愿意对商业模式创新来把握机会和应对威胁[19]。据此，本研究推测，企业高管团队认知能力可能对EBMI 具有重要的意义。基于此，本研究聚焦于高管团队认知能力的影响效应，实证检验结果表明，高管团队认知能力对EBMI 具有显著的正向预测作用。这一研究结果与现有研究提出的机会识别能力和风险感知能力能够驱动企业创新行为，降低企业生产、服务和产品交易成本观点相吻合[19,21]。

其次，本研究发现了外部知识搜寻在高管团队认知能力和EBMI 之间的中介作用。高管团队认知能力之所以会对EBMI 产生影响，本文推测可能是高管团队成员识别出机会或感知到威胁后，会对企业的自身的知识库进行检索和评估，当发现自身知识库无法满足新要求时，高管团队就采用外部知识搜寻的方式来填补企业自身知识库的空缺[25]。已有研究表明，外部知识搜寻能够帮助企业获取新技术和新方法，从而降低企业生产、服务和交易成本[27]。鉴于此，本文借鉴创新扩散理论[9]439，对外部知识搜寻在高管团队认知能力和EBMI 之间的作用进行了检验。实证结果证实了外部知识搜寻在高管团队认知能力和EBMI 之间具有完全中介作用。

最后，本研究还从情景因素视角深度讨论了大数据管理技能作为高管团队认知能力作用的边界条件。现有关于高管团队认知能力的研究虽然也从企业内部展开探讨，但还缺乏从大数据管理技能作为边界条件来进行探讨。基于此，本研究深入探讨了大数据管理技能在高管团队认知能力、外部知识搜寻和EBMI 之间的地位和角色。实证结果表明，大数据管理技能在高管团队认知能力和外部知识搜寻之间起调节作用，并且调节外部知识搜寻的中介效应，即当大数据管理技能越高时，高管团队认知能力会大幅提升外部知识搜寻，进而对EBMI 产生简介的促进作用。

5.2 理论意义

本文的研究结果至少具有以下三方面的理论意义：（1）本研究聚焦于EBMI 的前因变量，将高层管理团队认知能力纳入研究框架，验证了高层管理团队认知能力对EBMI 的促进作用，拓展了EBMI 前因变量的现有研究成果。（2）为“高管团队认知能力为何会影响EBMI”这一问题提供了理论解释。如前所述，尽管不少现有研究探讨了高管团队认知能力对企业创新、企业绩效的影响，但是很少有研究直接检验高管团队认知能力和EBMI 之间的关系，以及它们之间的内在作用机制。以往的研究在解释高管团队影响企业创新行为的内在机制方面，大多是基于动态能力理论为基础[41]，本研究则从高层梯队理论和创新扩散理论为基础[8，15][9]439，对上述问题进行探索，这是从一个相对新颖的视角来解读高层团队认知能力发生的作用机制。（3）初步确立了高管团队通过外部知识搜寻对EBMI 产生影响的边界条件，显示出外部知识搜寻在高管团队认知能力和EBMI 之间的中介作用还依赖于一定的权变条件，比如本研究中的大数据管理技能这一内在因素，从而构建出被调节的中介模型，进一步完善了理论模型。

5.3 实践启示

本研究的结论对企业管理实践也具有以下重要的启示：第一，由于高管团队认知能力会促进EBMI，因此，在尝试从事EBMI 活动的团队中，高管团队可以充分发挥其机会识别能力和风险感知能力，使企业能够在复杂的环境中捕捉潜在的市场机会和发现潜在的挑战和威胁，进而引导企业在解决新问题中进行EBMI。第二，外部知识搜寻的中介作用则提示高层管理团队，企业的知识库在企业创新活动中非常重要，它是企业开展EBMI 活动更为直接的驱动因素，而且高管团队认知能力的作用不容忽视。因此，高层团队应该多运用机会识别能力和威胁感应能力来评估企业的自身的知识库是否符合因环境变化提出的新要求，积极引导企业开展外部知识搜寻行为来填补企业自身知识库的不足。第三，高管团队还应该对企业的大数据管理技能提升情况保持关注，如果企业的大数据管理技能比较高，能够满足企业发展的要求，高管团队应该充分发挥其认知能力来促进EBMI；如果企业的大数据管理技能比较低，不能满足企业发展的要求，企业应该通过各种途径来提高其大数据管理技能，以提高高管团队认知能力对EBMI 的影响。

5.4 研究局限与展望

本研究还存在一些不足：第一，本研在探讨高管团队认知能力、外部知识搜寻、大数据管理技能与EBMI 之间的关系时，用的是横截面数据，属于静态研究。未来的研究可以选择典型企业收集纵向数据、开展案例研究，揭示高管团队认知能力、外部知识搜寻、大数据管理技能与EBMI 之间关系的动态特征。第二，虽然本研究采用的是两阶段方式来收集数据，但是由于在同一时点收集的自变量和中介变量，这会对判断它们之间的因果关系会产生一定的影响，因此，未来的研究可以设计3 个时点的追踪研究来对其进行改进。第三，本研究问卷的填表者集中在中高层管理者，且以自评的方式进行变量测量，这可能会增加共同方法偏差，经过统计检验，发现本文的共同方法偏差对研究结论的影响不严重，尽管如此，未来的研究应该采取多来源数据或者下属与高层管理者配对的数据收集方式对本研究加以改进。