How Does Digital Capability Drive Digital Native Enterprises to Achieve Digital Product Innovation: From the Perspective of Data Value Realization

doi:10.15936/j.cnki.1008-3758.2026.02.006

Abstract

Abstract:

Data has emerged as a novel factor crucial for the innovative development of enterprises， presenting both new opportunities and challenges for digital product innovation. Drawing upon the data value chain and the theory of big data cooperation assets， relevant data from 322 digital-native enterprises were gathered regarding their digital product innovation initiatives in order to explore the pathways through which key data-related variables influence digital product innovation and to analyze the mediating effects in the realization of data value. The findings indicated that digital capability plays a driving role in enabling enterprises to effectively utilize the value of data elements for achieving digital product innovation. Moreover， the variables of data insight and data scenario-based application exert a chained mediating effect during the process by which digital capability drives digital product innovation. Through further analysis in accordance with the co-creative nature of digital product innovation， it was discovered that the interaction between enterprises and users， acting as a moderating variable， enhances the mediating effects of data insight and data scenario-based application. These findings not only contribute to the further development of the data value chain theory and the theory of big data cooperation assets but also provide theoretical guidance for the digital product innovation practices of digital-native enterprises.

Key words: digital capability, digital product innovation, data insight, data scenario-based application, enterprise-user interaction

CLC Number:

F 49

Lianju NING, Qifang GAO, Jingtao LIU. How Does Digital Capability Drive Digital Native Enterprises to Achieve Digital Product Innovation: From the Perspective of Data Value Realization[J]. Journal of Northeastern University(Social Science), 2026, 28(2): 49-61.

Figures/Tables 9

References 39

[1]	邹波，杨静萱，王明轩，等. 数智时代智能互联产品的生成性创新机制：基于美的智能家居的案例研究［J］. 南开管理评论， 2025， 28 （9）： 4-15.
[2]	姜君蕾，夏恩君，贾依帛. 数字化企业如何重构能力实现数字融合产品创新［J］. 科学学研究， 2023， 41（12）： 2257-2266.
[3]	马橙，任曙明，冉晨阳. 数据要素对制造业企业创新的影响研究［J］. 管理学报， 2024， 21（11）： 1642-1650.
[4]	Felicetti A M， Corvello V， Ammirato S. Digital innovation in entrepreneurial firms： a systematic literature review ［J］. Review of Managerial Science， 2024， 18（2）： 315-362.
[5]	Tumbas S， Berente N， vom Brocke J. Three types of chief digital officers and the reasons organizations adopt the role ［M］//Strategic Information Management. London： Routledge， 2020： 292-308.
[6]	Wu L， Sun L， Chang Q， et al. How do digitalization capabilities enable open innovation in manufacturing enterprises？ a multiple case study based on resource integration perspective ［J］. Technological Forecasting and Social Change， 2022， 184： 122019.
[7]	Babu M M， Rahman M， Alam A， et al. Exploring big data-driven innovation in the manufacturing sector： evidence from UK firms ［J］. Annals of Operations Research， 2024， 333（2）： 689-716.
[8]	Aydin H. Market orientation and product innovation： the mediating role of technological capability ［J］. European Journal of Innovation Management， 2021， 24（4）： 1233-1267.
[9]	肖静华，胡杨颂，吴瑶. 成长品：数据驱动的企业与用户互动创新案例研究［J］. 管理世界， 2020， 36（3）： 183-205.
[10]	Xie K， Wu Y， Xiao J， et al. Value co-creation between firms and customers： the role of big data-based cooperative assets ［J］. Information & Management， 2016， 53（8）： 1034-1048.
[11]	Faroukhi A Z， El Alaoui I， Gahi Y， et al. Big data monetization throughout big data value chain： a comprehensive review ［J］. Journal of Big Data， 2020， 7： 1-22.
[12]	Khan A， Tao M. Knowledge absorption capacity's efficacy to enhance innovation performance through big data analytics and digital platform capability ［J］. Journal of Innovation & Knowledge， 2022， 7（3）： 100201.
[13]	Mortati M， Magistretti S， Cautela C， et al. Data in design： how big data and thick data inform design thinking projects ［J］. Technovation， 2023， 122： 102688.
[14]	郭润萍，冯子晴，龚蓉，等. 企业—用户互动、敏捷开发与数字产品创新绩效［J］. 研究与发展管理， 2024， 36（1）： 108-120.
[15]	Chakraborty D， Polisetty A， Sowmya G， et al. Unlocking the potential of AI： enhancing consumer engagement in the beauty and cosmetic product purchases ［J］. Journal of Retailing and Consumer Services， 2024， 79： 103842.
[16]	Warner K S R， Waeger M. Building dynamic capabilities for digital transformation： an ongoing process of strategic renewal ［J］. Long Range Planning， 2019， 52（3）： 326-349.
[17]	Lyytinen K， Yoo Y， Jr Boland R J. Digital product innovation within four classes of innovation networks ［J］. Information systems journal， 2016， 26（1）： 47-75.
[18]	周琪，许晖，单宇. 基于数字化能力构建的智能解决方案开发机制研究——科大讯飞和东软的双案例对比分析［J］. 研究与发展管理， 2024， 36（4）： 168-182.
[19]	Ghasemaghaei M， Calic G. Does big data enhance firm innovation competency？ the mediating role of data-driven insights ［J］. Journal of Business Research， 2019， 104： 69-84.
[20]	Wang W Y C， Wang Y. Analytics in the era of big data： the digital transformations and value creation in industrial marketing ［J］. Industrial Marketing Management， 2020， 86： 12-15.
[21]	Wang J， Xu C， Zhang J， et al. Big data analytics for intelligent manufacturing systems： a review ［J］. Journal of Manufacturing Systems， 2022， 62： 738-752.
[22]	邹波，杨晓龙，刘昶. 基于大数据合作资产的场景化创新价值创造机制研究［J］. 科技进步与对策， 2023， 40（24）： 1-9.
[23]	Chen L， Dai Y， Ren F， et al. Data-driven digital capabilities enable servitization strategy： from service supporting the product to service supporting the client ［J］. Technological Forecasting and Social Change， 2023， 197： 122901.
[24]	Nasiri M， Saunila M， Ukko J， et al. Shaping digital innovation via digital-related capabilities ［J］. Information Systems Frontiers， 2023， 25（3）： 1063-1080.
[25]	Fukawa N， Rindfleisch A. Enhancing innovation via the digital twin ［J］. Journal of Product Innovation Management， 2023， 40（4）： 391-406.
[26]	Richter S， Richter A. What is novel about the Metaverse？［J］. International Journal of Information Management， 2023， 73： 102684.
[27]	Wieland D A， Ivens B S， Kutschma E， et al. Augmented and virtual reality in managing B2B customer experiences ［J］. Industrial Marketing Management， 2024， 119： 193-205.
[28]	Wang P， Li K， Du Q， et al. Customer experience in AI-enabled products： scale development and validation ［J］. Journal of Retailing and Consumer Services， 2024， 76： 103578.
[29]	Bocken N， Snihur Y. Lean startup and the business model： experimenting for novelty and impact ［J］. Long Range Planning， 2020， 53（4）： 101953.
[30]	Cong Y， Yu S， Chu J， et al. A small sample data-driven method： user needs elicitation from online reviews in new product iteration ［J］. Advanced Engineering Informatics， 2023， 56： 101953.
[31]	Teece D J. Business models， business strategy and innovation ［J］. Long Range Planning， 2010， 43（2/3）： 172-194.
[32]	Märtin C， Bissinger B C， Asta P. Optimizing the digital customer journey-improving user experience by exploiting emotions， personas and situations for individualized user interface adaptations ［J］. Journal of Consumer Behaviour， 2023， 22（5）： 1050-1061.
[33]	朱国军，赵鼎新，郑鸿浩. 大数据合作资产赋能下电商平台企业自有品牌的成长机理——基于小米有品和网易严选的双案例研究［J］. 北京交通大学学报（社会科学版）， 2024， 23（3）： 130-140.
[34]	Li J， Zhou J， Cheng Y. Conceptual method and empirical practice of building digital capability of industrial enterprises in the digital age ［J］. IEEE Transactions on Engineering Management， 2022， 69（5）： 1902-1916.
[35]	邹波，杨晓龙，唐倩，等. 花开并蒂：人与AI协同的场景化产品开发机会识别案例研究［J］. 南开管理评论， 2024， 27（1）： 51-65.
[36]	Lin J， Li Q， Wang C， et al. Product development and design framework based on interactive innovation in the Metaverse perspective ［J］. Applied System Innovation， 2024， 7（4）： 7040058.
[37]	Ramani G， Kumar V. Interaction orientation and firm performance ［J］. Journal of marketing， 2008， 72（1）： 27-45.
[38]	Guo R， Cai L， Zhang W. Effectuation and causation in new internet venture growth： the mediating effect of resource bundling strategy ［J］. Internet Research， 2016， 26（2）： 460-483.
[39]	Skare M， Gavurova B， Rigelsky M. Innovation activity and the outcomes of B2C， B2B， and B2G E-Commerce in EU countries ［J］. Journal of Business Research， 2023， 163： 113874.

类别	分类	频次	百分比	类别	分类	频次	百分比
受访者职位	高层管理者	98	30.43	企业所在行业	互联网公司	37	11.49
	中层管理者	110	34.16		大数据、人工智能公司	16	4.97
	基层管理者	114	35.41		软件服务、网络安全服务公司	45	13.98
企业年龄	0～6年	41	12.73		软件服务、网络安全服务公司	45	13.98
企业年龄	6年以上	281	87.27		数字基础设施服务提供商，涉及信息通讯、数据中心、云计算、物联网、工业互联网、区块链等	59	18.32
企业规模	0～100人	9	2.80
	101～500人	96	29.81
	501～1 000人	112	34.78
	1 000人以上	105	32.61
企业类别	国有企业	49	15.22
	外资企业	30	9.32		金融科技、健康科技、生物科技、电子商务等数字科技公司	57	17.70
	民营或私营企业	242	75.16
	其他	1	0.30
产品性质	To B	241	74.84
产品性质	To C	81	25.16		智能制造公司	62	19.24

类别	分类	频次	百分比	类别	分类	频次	百分比
受访者职位	高层管理者	98	30.43	企业所在行业	互联网公司	37	11.49
	中层管理者	110	34.16		大数据、人工智能公司	16	4.97
	基层管理者	114	35.41		软件服务、网络安全服务公司	45	13.98
企业年龄	0～6年	41	12.73		软件服务、网络安全服务公司	45	13.98
企业年龄	6年以上	281	87.27		数字基础设施服务提供商，涉及信息通讯、数据中心、云计算、物联网、工业互联网、区块链等	59	18.32
企业规模	0～100人	9	2.80
	101～500人	96	29.81
	501～1 000人	112	34.78
	1 000人以上	105	32.61
企业类别	国有企业	49	15.22
	外资企业	30	9.32		金融科技、健康科技、生物科技、电子商务等数字科技公司	57	17.70
	民营或私营企业	242	75.16
	其他	1	0.30
产品性质	To B	241	74.84
产品性质	To C	81	25.16		智能制造公司	62	19.24

变量	测量题项	因子载荷	Cronbach’s α系数	CR	AVE
数字化能力（DC）	企业注重培养员工的数字素养	0.709	0.893	0.893	0.545
	企业掌握了领域内先进的数字技术	0.754
	企业能够熟练使用领域内大部分数字技术	0.745
	企业拥有数字平台、数据库等数字基础设施，并且能够实现定期更新	0.782
	企业能够从海量数据中分离出有价值的信息	0.704
	企业能够实时获取动态数据，并迅速对数据进行整合、分析	0.758
	企业能够有效管理和处理大量多源异构数据	0.711
数据洞察（DI）	企业广泛收集不同数据，预测产业发展趋势	0.732	0.838	0.840	0.569
	企业通过数据分析来支持产品创新的具体战略决策	0.766
	企业通过不同渠道收集不同类型数据（包括从第三方购买数据），从中洞察市场机会、预测用户需求	0.809
	企业实时收集产品相关数据并分析产品状况，为产品创新做准备	0.705
企业— 用户互动（EUI）	企业利用线上或线下渠道，通过举办游戏、问卷调查和体验活动等形式，搜集用户的实际需求和针对产品和服务的宝贵建议	0.822	0.862	0.865	0.562
	企业在产品或服务中设置数据埋点，收集、分析用户行为、情感等不同类型数据	0.740
	企业邀请用户直接参与到产品的设计和开发阶段	0.839
	用户通过UGC等方式与企业一起在现有的产品或服务上进行共创	0.732
数据场景化应用（DSA）	企业通过构建数字产品的虚拟环境，实现对用户在物理复杂场景中的行为进行实时监测，进而为用户提供定制化的推荐与服务	0.726	0.864	0.868	0.622
	企业利用数据分析用户面临的具体情境和需求，实现更为精准和情境化的营销策略	0.740
	企业结合场景化数据，如位置、环境和用户情感，为用户创造沉浸式体验	0.857
	企业收集用户在不同场景中产生的数据，不断丰富自己的产品和服务所依赖的数据资源	0.825
数字产品创新（DPI）	企业所提出匹配市场和用户需求的解决方案，颠覆了以往用户的使用方法或观念	0.750	0.840	0.842	0.572
	企业提出新的功能或优化已有功能，为用户提供了新的数字体验或增强用户体验	0.765
	企业研发出新的技术、算法等，开发新的数字产品、服务或提高现有产品、服务的功能和质量	0.703
	企业和用户在使用数字产品、服务的不同环节和场景中，一起产生了大量数据	0.803

变量	测量题项	因子载荷	Cronbach’s α系数	CR	AVE
数字化能力（DC）	企业注重培养员工的数字素养	0.709	0.893	0.893	0.545
	企业掌握了领域内先进的数字技术	0.754
	企业能够熟练使用领域内大部分数字技术	0.745
	企业拥有数字平台、数据库等数字基础设施，并且能够实现定期更新	0.782
	企业能够从海量数据中分离出有价值的信息	0.704
	企业能够实时获取动态数据，并迅速对数据进行整合、分析	0.758
	企业能够有效管理和处理大量多源异构数据	0.711
数据洞察（DI）	企业广泛收集不同数据，预测产业发展趋势	0.732	0.838	0.840	0.569
	企业通过数据分析来支持产品创新的具体战略决策	0.766
	企业通过不同渠道收集不同类型数据（包括从第三方购买数据），从中洞察市场机会、预测用户需求	0.809
	企业实时收集产品相关数据并分析产品状况，为产品创新做准备	0.705
企业— 用户互动（EUI）	企业利用线上或线下渠道，通过举办游戏、问卷调查和体验活动等形式，搜集用户的实际需求和针对产品和服务的宝贵建议	0.822	0.862	0.865	0.562
	企业在产品或服务中设置数据埋点，收集、分析用户行为、情感等不同类型数据	0.740
	企业邀请用户直接参与到产品的设计和开发阶段	0.839
	用户通过UGC等方式与企业一起在现有的产品或服务上进行共创	0.732
数据场景化应用（DSA）	企业通过构建数字产品的虚拟环境，实现对用户在物理复杂场景中的行为进行实时监测，进而为用户提供定制化的推荐与服务	0.726	0.864	0.868	0.622
	企业利用数据分析用户面临的具体情境和需求，实现更为精准和情境化的营销策略	0.740
	企业结合场景化数据，如位置、环境和用户情感，为用户创造沉浸式体验	0.857
	企业收集用户在不同场景中产生的数据，不断丰富自己的产品和服务所依赖的数据资源	0.825
数字产品创新（DPI）	企业所提出匹配市场和用户需求的解决方案，颠覆了以往用户的使用方法或观念	0.750	0.840	0.842	0.572
	企业提出新的功能或优化已有功能，为用户提供了新的数字体验或增强用户体验	0.765
	企业研发出新的技术、算法等，开发新的数字产品、服务或提高现有产品、服务的功能和质量	0.703
	企业和用户在使用数字产品、服务的不同环节和场景中，一起产生了大量数据	0.803

变量	1	2	3	4	5	6	7	8	平均值	标准差
1. ES	1.000								2.930	0.946
2. ET	-0.009	1.000							2.972	0.859
3. PT	-0.012	0.036	1.000						1.252	0.835
4. DC	-0.104	0.074	0.047	1.000					5.867	0.557
5. DI	-0.057	-0.013	0.036	0.569^**	1.000				5.741	0.643
6. EUI	-0.079	-0.050	0.024	0.443^**	0.515^**	1.000			5.569	0.782
7. DSA	-0.004	-0.038	0.054	0.578^**	0.632^**	0.622^**	1.000		5.775	0.723
8.DPI	0.007	0.008	0.019	0.590^**	0.615^**	0.529^**	0.680^**	1.000	5.988	0.625