大数据中蕴藏着制造企业提供新服务、创造新收入来源的服务化转型机会。制造企业通过开发大数据分析能力可以感知和抓住服务化转型机会，并彻底改变其服务体系（Akter等，2020[1]），提高服务化绩效。学术界对大数据分析能力的内涵已形成基本共识，即企业利用数据基础设施、数据管理和人才对大数据进行深度分析，进而形成商业洞见能力。部分学者基于企业能力理论，探讨了大数据分析能力对制造企业绩效提升的意义。其中，Paschou等（2020）[2]认为大数据分析能力是制造企业释放大数据信息价值与决策价值的关键；Mikalef等（2017）[3]也认为大数据可以赋能企业价值创造的根本原因在于大数据分析能力。但是，对于大数据分析能力是如何提升制造企业服务化绩效这一具体问题尚未有定论。一方面是因为能力并不必然与绩效正相关，另一方面则是因为服务化绩效不同于一般的企业绩效，其反映了制造企业服务化转型在财务上与市场上所取得的成绩。换言之，服务化的特殊性决定了大数据分析能力对其绩效的影响机理的独特性，这一影响机理需要揭示大数据分析能力对服务化这一特定战略的价值。基于此，本文应用精益共创的理论观点，探讨大数据分析能力影响制造企业服务化绩效的机理，并通过实证分析来检验大数据分析能力影响制造企业服务化绩效之精益共创机理是否会受到IT与业务战略匹配的影响。 二、理论分析与研究假设 近年来，大数据的生成与开发已贯穿于产品服务设计、生产、交付和维护的各个环节，也改写着服务化的组织流程（Opresnik和Taisch，2015[4]），因而企业需要培育和发展一套能够利用大数据的能力与惯例。服务化被证明是一个数据密集的过程，制造企业重构制造与服务体系需要解决能力与价值创造活动不匹配的问题，大数据分析能力会以降低成本、提升效率与价值增值的精益逻辑影响制造企业服务化价值共创的效率与效果（Coreynena等，2017[5]）。大数据分析能力（Big Data Analytics Capabilities，简称BDAC）是企业利用数据基础设施、数据管理和人才对大数据进行深度分析形成商业洞见的能力（Akter等，2016[6]）。具备大数据分析能力的制造企业不仅可以使用平台实时数据来改善决策、简化操作、减少客户需求响应时间以及发现新的盈利机会（Ardolino等，2018[7]），还可以通过关键业务流程的数字化与供应链的协同管理提高产品服务的生产交付效率（Yu等，2021[8]），甚至发现新的价值创造机会。可见，大数据分析能力赋予了制造企业降低成本、提高用户价值的力量，即大数据分析能力推动服务化绩效提升的深层原因是精益共创。精益共创（Lean Co-creation）是满足精益原则的价值共创（Shrivastava等，2018[9]），制造企业服务化则是以客户需求为导向，通过与利益相关者共创产品和服务完成用户价值创造的战略变革。 大数据分析能力驱动服务化绩效提升是存在情景效应的。Vidgen等（2017）[10]指出，缺乏数字基因的制造企业想要成为数据驱动型的组织不仅需要技术支持，还应使数字技术与业务战略保持一致。这就要求IT部门与业务部门彼此关联，以协同为导向通过彼此间的相互配合与相互协调来达成流程和行动上的适应与匹配，同时，IT管理人员和业务管理人员也需要对战略目标与战略执行手段达成共识（Reich和Benbasat，2000[11]）。IT战略与业务战略保持一致可以提高IT资源的使用效率（Akter等，2019[12]），相反，二者之间的错位则可能导致资源的浪费、IT计划的失效以及不利的财务结果（Chebrolu和Ness，2013[13]）。可见，IT与业务战略匹配从消除能力应用的阻碍与方向引导两方面影响着精益共创的效率与效果。 综上，大数据分析能力通过构建数字链接、改进流程效率、为价值共创提供便利等推进着制造企业以低成本、高效率对市场需求进行挖掘与快速响应，在增强决策科学性、及时性的基础上促进用户价值的提升。即精益导向的用户价值共创是大数据分析能力提升制造企业服务化绩效的内在原因。但是，制造企业服务化绩效不止取决于大数据分析能力的强弱，还与大数据分析能力应用的方向及程度有关，这就要求IT战略与业务战略的适度匹配。 （一）大数据分析技术能力对制造企业服务化绩效的影响 借鉴Akter（2016）[6]和Wamba等（2017）[14]对大数据分析能力的界定，大数据分析能力由大数据分析技术能力、大数据分析管理能力以及大数据分析人才能力构成。大数据分析技术能力（Big Data Analytics Technology Capability，简称TEC）是指企业通过构建大数据分析平台等IT基础设施，对外链接用户与供应链伙伴，对内链接各部门的能力（Hossain等，2021[15]；Arunachalam等，2018[16]）。制造企业服务化绩效的提升主要表现为盈利状况、市场占有率等财务绩效的增长，以及顾客满意度、忠诚度、市场口碑等非财务绩效的改善（Tian等，2012[17]，Storey和Kelly，2001[18]）。大数据分析技术能力通过实现精益共创来改善制造企业的服务化绩效。一方面，链接内外部的数据平台的构建为制造企业快速精准响应用户需求提供了便利，从而缩短了企业响应市场的周期，提高了资源使用效率，同时，为大数据的转售与再利用创造了可能（Opresnik和Taisch，2015[4]）。简言之，构建数据平台可以产生精益效应，有利于制造企业节省时间成本、降低资源浪费，并为之创造新的收入来源，从而对服务化绩效产生积极作用。另一方面，数字平台的链接功能使处于分离状态的企业、用户与供应商转变为频繁互动的合作者，同时，数字平台的系统协同功能使得制造企业可通过平台完成资源的接入、获取与整合。价值共创参与者在互动中对新产品服务机会的发现，以及创新资源在合作网络中的获取与整合，都得益于数据平台的搭建（Akter等，2020[1]）。因此，制造企业大数据分析技术能力越强，越可以获得可观的盈利与高市场份额（Yadegaridehkordi等，2018[19]），增强用户对企业的认同感与忠诚度、提高顾客保有率（Hsueh和Li，2010[20]）。基于此提出假设H1。
