行业发展过程中制造企业对大数据技术采纳意愿影响研究.pdf

根据给定文件的内容，我们可以提炼出以下知识点： 1. TOE模型理论：该理论由技术、组织和环境三个维度构成，用于分析和理解企业采纳新技术的决策过程。在大数据技术采纳意愿的研究中，TOE理论是构建影响因素结构模型的理论基础。 2. 大数据技术在制造企业的应用：大数据技术能够为制造企业带来竞争优势，有助于企业进行有效预测与决策，从而创造企业价值。政府的《中国制造2025》规划也强调了大数据在制造业数字化、网络化、智能化转型中的重要性。 3. 个体因素的考虑：在TOE模型的基础上，研究还考虑了个体因素——吸收能力，即企业学习、消化新知识和技能的能力，这对于新技术采纳有着重要影响。 4. 影响因素：研究构建了大数据技术采纳意愿影响因素的结构模型，其中包括了大数据质量、感知利益、高层管理者支持、政府政策、吸收能力和感知成本等因素。 5. 实证分析：通过问卷调查255家中小制造企业，运用统计软件Smakpli2.0对数据进行实证分析，验证了模型的适用性，并分析了各个影响因素的影响方向和程度。 6. 研究成果：研究结果指出，大数据质量、感知利益、高层管理者支持、政府政策和吸收能力对制造企业采用大数据技术的意愿有显著的正面影响，而感知成本无直接显著影响。此外，大数据质量可以通过影响感知利益和吸收能力间接正向影响企业采纳大数据技术的意愿。 7. 大数据技术采纳理论研究的重要性：研究强调了制造企业采纳大数据技术的理论与实践意义，为制造产业和大数据产业的跨界融合、数字化转型提供了理论支持。 8. 大数据作为商品或服务的交易：大数据的流通和增值利用，以及其作为交易对象的市场动态，对企业和经济都有重要影响。 9. 大数据相关技术研究：国外学者已从风险和收益角度、动态能力理论等多方面对大数据技术采纳问题进行了研究，提出了不同的理论模型。 10. 企业采纳大数据技术的影响：研究中提到了大数据分析技术对企业供应链的影响，以及企业在采纳大数据技术时的个人感知价值和功能角度的考量。 11. 企业研发、生产和管理的智能化：研究强调了通过与云计算、人工智能、移动互联网等新一代信息技术的深度融合，提升制造业智能化水平的重要性。 12. 制造业转型与升级：研究指出了大数据技术如何推动制造企业升级转型，以及中国从制造大国向制造强国迈进的目标。 通过以上知识点，我们可以全面地了解制造企业在行业发展过程中对大数据技术采纳意愿的影响因素及其相互作用，并且理解大数据技术在制造业发展中的战略地位和推动作用。