企业数据要素利用水平影响投资效率机理研究
——利用数据要素激活冗余资源的中介作用

史青春牛 悦徐 慧

一、引言

企业将数据作为一种资源要素投入到经营活动，是提高投资效率的重要组成部分。投资效率代表了企业实际投资水平与最优投资水平之间的差异程度。当实际投资水平与最优投资水平的偏离程度越大时，企业的投资效率越低。在企业的投资活动中，投资决策所依据信息的充分性和可靠性以及投资过程中资源的充足性是影响投资效率的重要因素(刘亦文等，2022［1］；Zhao，2021［2］)。充分、准确的信息有助于企业对市场趋势、行业前景和竞争态势等进行全面的分析和评估，从而使投资决策更加精准。资金、人力、技术和市场渠道等资源为投资决策的执行提供支持和保障，只有在资源充足的情况下，企业才能够顺利地实施投资计划，有效地利用各种资源，提高投资效率。数据要素是企业对原始数据进行收集、存储、清理、分析等操作后产生的能够投入最终生产的数据产品(王颂吉等，2020［3］)。数据要素为企业提供市场、客户、供应链以及企业内部运营与管理方面的信息，具有降低企业交易成本、加强企业学习能力、提升企业决策水平与资源配置效率等多种作用(蔡继明等，2022［4］；Lambrecht和Kanishka，2017［5］)。由此可见，数据要素的利用为企业投资决策提供信息支持，并优化现有资源配置水平，为投资活动提供资源，与投资效率有着必然的内在联系。

探究企业数据要素利用水平对投资效率的影响机制是学术界面临的一个重要课题。现有相关文献中对数据要素的研究，大多着眼于数据要素的特性(于立和王建林，2020［6］)、定价(欧阳日辉和杜青青，2022［7］)、市场化(刘金钊和汪寿阳，2022［8］)以及其对企业生产率(Müller等，2018［9］)与宏观经济(Farboodi和Veldkamp，2021［10］)的影响等方面。对于数据要素的利用如何影响企业投资效率的研究结论还未达成一致。李雷等(2020)［11］以信息不对称理论与代理理论为基础，发现将投资决策建立在对数据定量分析的基础上，不仅可以减少管理者的自由裁量权，约束其机会主义行为，还可以缓解管理者的职业顾虑，促进决策的科学化与合理化，进而提升企业投资效率。刘亦文等(2022)［1］则认为企业在利用数据要素的过程中，需要占用大量资金用以建设并维护与数据收集、筛选以及分析相关的软硬件设施，企业可用资金减少将导致投资效率的下降。数据要素利用对企业投资效率影响的研究结论存在分歧，这意味着探究数据要素利用与企业投资效率之间的关系，不能离开作用机理的研究。本文运用沪深A股上市公司数据，实证检验企业利用数据要素激活冗余资源对企业利用数据要素提高其投资效率的中介作用，以揭示数据要素的利用提升投资效率的机理。

二、文献综述与研究假设

(一)企业数据要素利用水平与投资效率之间的关系

企业利用数据要素为投资决策提供信息支持，进而提升投资效率。资源基础理论认为异质性资源是企业提升绩效水平的关键。数据要素作为数字经济时代企业的关键资源，对于企业价值创造与效率提升具有重要作用。在传统投资决策中，由于缺乏客观数据，管理者会因为依赖过往经验直觉而高估项目回报，低估项目风险与成本(叶蓓和袁建国，2007［12］)。当企业获得了数据要素时，管理层不仅能够对自身运营状况和资源状况形成更为全面的掌握，同时也能够对行业发展方向和投资情况产生更深层次的理解，进而使得投资决策建立在科学全面的数据基础之上，最终提升投资效率。

具体来说，在做出投资决策之前，管理层需要充分了解企业的优势和劣势，以便有效辨别潜在的投资风险并评估投资价值(袁振超和饶品贵，2018［13］)。单一企业内部运营产生的数据要素局限在特定领域和行业内，仅对这些数据进行分析与理解无法帮助企业了解业务全貌，只有对不同来源的数据进行协同分析，发挥数据之间的互补性，才能获取对业务更全面的认识(刘业政等，2020［14］)，并据此做出科学的投资决策。企业内部运营过程中产生的数据要素在加深企业对自身业务了解的基础上，帮助企业快速识别和获取对未来发展产生影响的信息，把握投资方向(Mcafee和Brynjolfsson，2012［15］)；来源于产品市场和投资市场的数据要素为企业提供了宝贵的市场信息，帮助企业深入了解行业发展方向，并获得对同行业内其他企业投资和发展情况的洞察。对二者协同分析有利于企业基于自身状况与未来发展方向，确定投资项目的价值与发展潜力并选择最优的投资项目，提升投资效率(Janssen等，2017［16］)。另外，由于数据要素的“高效动态反馈”特质，企业的投资决策经历执行、反馈、优化、再反馈的迭代过程，在该过程中，相关数据要素逐渐具备了自提升和自完善的能力，从而为投资决策提供更精准的数据信息，不断促进企业投资效率提升(王谦和付晓东，2021［17］)。综上所述，企业利用数据要素做出的投资决策，与基于传统决策流程和方法做出的决策相比，更具科学性和高效性。当企业的数据要素利用水平越高时，其投资效率也会越高。据此，提出如下假设。

假设1：企业数据要素利用水平与投资效率正相关。

(二)冗余资源在企业数据要素利用水平与投资效率之间关系中的作用

企业的资源协奏过程包括资源结构化、资源捆绑以及资源利用三项活动(Sirmon等，2011［18］)。在资源协奏能力低下的企业中，资源无法被有效利用，从而累积在企业内部形成冗余资源，形如多余的员工、未使用的资本、非必要的资本支出、未开发的机会等等(Nohria和Gulati，1996［19］)。数据要素的利用为企业资源管理提供动态信息，促进企业对冗余资源的剥离、捆绑与应用，从而激活冗余资源，缓解可支配资源缺乏带来的投资不足问题以及冗余资源过量导致的代理问题，提升管理层在投资决策中的谨慎性，最终提升投资效率。

具体来说，数据要素的利用帮助企业优化资源结构，强化资源捆绑，提升资源利用水平，进而降低冗余资源存量。在资源结构化活动中，数据要素的利用有助于资源的获取与剥离。企业通过分析利用资源获取渠道中的数据要素，提升单个资源获取渠道的响应能力、识别能力以及筛选能力，解决资源获取渠道之间割裂的问题，促进渠道之间的协调分工，从而加速生产要素的获取与积累(王谦，2021［17］)。在资源剥离方面，企业对数据要素中蕴涵的信息进行分析，能够有效识别低价值资源并及时剥离，以产生获取和积累高价值资源所需的松驰性和灵活性(Sirmon和Hitt，2003［20］)。可见，企业通过数据分析明确资源需求并动态调整、剥离不需要的资源(Latilla等，2021［21］)，降低冗余资源存量。在资源捆绑活动中，数据要素的利用提升企业内部信息透明度，使得内部资源“可视化”，从而促进资源跨区域、跨部门的调度和分配(王宏伟和董康，2022［22］；王德祥，2022［23］)。企业由此能够更加清晰且准确地掌握资源动态，对于资源的宏观把控能力与微观调配能力得以提升，进而更为高效地进行资源整合。韦庄禹(2022)［24］也发现先进的数字技术通过联结并筛选生产与管理流程中的海量数据，能够妥善整合企业内部的生产与管理资源，从而优化各类要素的配置效率。可见，数据要素的利用有助于提升企业的资源捆绑能力，具有高资源捆绑能力的企业能够将冗余资源与其他资源重组并协同发挥作用，从而促进冗余资源实现价值转化。在资源利用活动中，企业对数据要素的协同分析有利于管理者全面准确地掌握市场信息并从中发掘新的资源利用方向(Farboodi等，2019［25］)，提升资源利用的广度和深度，使得闲置资源被利用而产生价值增值。同时，数据要素的利用可以缓解资源利用环节中由于信息甄别不当而导致的资源错误配置与扭曲，实现资源配置的“算法化”与“精准化”，减少冗余资源堆积(武宵旭和任保平，2022［26］)。因此，数据要素的利用能够有效提升企业的资源协奏能力，激活冗余资源，降低冗余资源存量。

企业利用数据要素激活冗余资源，不仅能够解决可支配资源不足带来的投资效率低下问题，还能缓解代理问题，促使管理层在投资决策中更为谨慎，进而提升投资效率。一方面，当企业缺乏可支配资源时，会导致投资不足。企业利用数据要素激活冗余资源，将其合理配置于投资活动中并根据投资环境变化灵活调整，从而缓解资源短缺带来的投资不足问题。另一方面，当冗余资源较少时，企业应对外部环境变化并提供资源支持的能力减弱，管理者采取行动时会更加谨慎(Cyert和March，1963［27］)，并且更加关注投资效率(Singh，1986［28］)，以期望达到效率最大化。反之，当存在大量冗余资源时，管理层会放松对投资决策的控制，进行更加激进的投资决策，为高度不确定性的研发项目、资本收购项目提供资金，企业投资过度的风险大幅提升(蒋春燕和赵曙明，2004［29］)。同时，根据代理理论，资源在企业内闲置，不但会产生资源管理成本，而且容易导致代理问题，是企业低效率的表现(Jensen和Meckling，1976［30］)。大量冗余资源的存在，为管理者的自利行为带来可乘之机，促使管理层寻找“面子工程”以及在资源约束条件下对非必要的项目进行投资(李晓翔和刘春林，2011［31］)，进而损害企业的投资效率。因此，企业利用数据要素提升资源配置效率、激活冗余资源，降低冗余资源存量，能够有效提升投资效率。据此，提出如下假设。

假设2：企业数据要素的利用通过激活冗余资源提升投资效率

(三)企业自身吸收能力在企业利用数据要素激活冗余资源中的作用

根据吸收能力理论，吸收能力是企业识别、吸收以及应用外部信息的能力(Cohen和Levinthal，1990［32］)。企业的吸收能力不足，导致其难以从数据中识别出有效信息，也无法吸收并利用信息改善资源协奏能力，进而影响企业对冗余资源的激活与利用。另外，同一数据要素在不同企业中产生的价值呈现差异化，也说明通过数据分析，识别出新信息应用于企业的价值创造活动与企业自身的吸收能力不无关系(熊励等，2018［33］，熊巧琴和汤珂，2021［34］)。因此，数据要素的利用能否降低冗余资源存量，不仅与企业所拥有数据要素的质量相关，更取决于企业从数据中挖掘并使用信息的能力。如果企业的吸收能力不高，那么获取再多的数据对企业发展的意义也不大(Moody和Shanks，2003［35］)。基于此，本文认为企业数据要素利用水平与冗余资源之间的关系受到了吸收能力的调节作用。由此，提出如下假设。

假设3：企业的吸收能力在数据要素利用水平影响冗余资源的过程中发挥正向调节作用。

以上假设以及主要变量之间的关系如图1所示。

图1 企业数据要素利用水平影响投资效率机制的研究模型

三、研究设计

(一)样本与数据

本文选取沪深两市2011—2021年的A股上市公司为研究样本，探讨企业数据要素利用水平对投资效率的影响。在此基础上，为确保数据的有效性，剔除了样本中的金融类企业，在样本期间ST、*ST、PT的企业以及未披露相关指标、主要变量缺失的企业。此外，信息传输、软件和信息技术服务行业业务本身与大数据关系密切，数据要素利用水平对该类行业的影响在路径上较其他行业有所不同。因此，本文还剔除了信息传输、软件和信息技术服务业的上市企业。经过筛选，最终获得12 513个年度观测值。为避免异常值对实证结果的影响，对所有连续变量进行了上下1%的缩尾处理。文中使用的所有数据均来自国泰安CSMAR数据库。

(二)变量解释

1.被解释变量。

投资效率(InvestmentEfficiency)。在衡量投资效率的模型中，Richardson模型可以直接量化企业在某一年度的投资效率，因此大量学者在研究投资效率时选用此模型(刘慧龙等，2014［36］；李延喜等，2015［37］；史青春和妥筱楠，2016［38］)。参照他们的做法，采用Richardson模型(Richardson，2006［39］)衡量投资效率，具体衡量方式如下：

Invit=α0+α1Growthit-1+α2Ageit-1+α3Levit-1

+α4Cashit-1+α5Sizeit-1+α6Retit-1+α7Invit-1

+∑Industry+∑Year+εit

(1)

其中，Inv是企业的实际新增投资支出，使用总投资额减去维持性投资额的差额与年初总资产的比值表示，Growth是企业的成长机会，用托宾Q表示；Age是企业年龄；Lev是财务杠杆率，用资产负债率表示；Cash表示企业现金流状况；Size表示资产规模；Ret表示股票收益率；Industry和Year表示行业与年度虚拟变量。对模型(1)进行最小二乘法回归，用残差ε的绝对值表示企业的投资效率。绝对值越大，说明企业投资偏离程度越高，投资效率越低，反之，投资效率越高。

2.解释变量。

数据要素利用水平(Dataelementutilizationlevel)。企业的人工智能技术水平、区块链技术水平、云计算技术水平、大数据技术水平、大数据技术应用水平代表了其收集、存储、清理、分析并利用数据要素的能力。因此，借鉴吴非等(2021)［40］的研究，统计人工智能技术水平、区块链技术水平、云计算技术水平、大数据技术水平、大数据技术应用水平五项指标的细分指标在企业年度财务报告中的披露次数，对所有指标的披露次数求和后衡量数据要素投入水平。五项指标在财务报告中出现的频率越高，说明企业的数据要素利用水平越高。

3.中介变量。

冗余资源(SlackResource)。借鉴蒋春燕和赵曙明(2004)［29］的研究，将流动比率、权益负债率、收入费用比三项指标算数平均后作为企业冗余资源的衡量指标。其中，流动比率代表企业的短期变现偿债能力；权益负债率代表企业内未使用的借贷能力；收入费用比，使用销售费用、管理费用、财务费用的总和与营业收入的比值表示，代表已经融入进企业的冗余资源。

4.调节变量。

吸收能力(AbsorptiveCapacity)。借鉴Cohen和Levinthal(1990)［32］的研究，采用研发强度，即研发投入与营业收入的比值衡量吸收能力。研发投入与营业收入的比值越大，企业吸收能力越强。

5.控制变量。

在投资过程中，企业的财务状况、治理水平以及外部监督力度也会影响数据要素利用水平与投资效率之间的关系，因此借鉴雷光勇等(2014)［41］、李雷等(2020)［11］的研究，选取以下指标作为控制变量：盈利能力(Roa)、托宾Q(Tobin)、股票收益率(Ret)、董事会规模(Board)、事务所规模(Big4)、两职合一(Dual)、独董比例(Indep)、第一大股东持股比例(Top1)。回归模型中主要变量的计算方法如表1所示。

表1 变量名称表

(三)研究模型设定

为了检验上述假设，构建如下模型。

构建模型(2)检验企业数据要素利用水平对投资效率的影响：

Efficit=β0+β1Digit-1+β2Roait-1+β3Tobinit-1+β4Retit-1

+β5Boardit-1+β6Big4it-1+β7Dualit-1+β8Indepit-1

+β9Top1it-1+∑Industry+∑Year+εit

(2)

其中，Efficit表示i公司第t年的投资效率，Digit-1表示i公司第t-1年的数据要素利用水平，其余变量为引入公司层面的控制变量。考虑到企业利用数据要素到激活冗余资源，进而提高投资效率需要经历一定时间，因此参考李雷等(2022)［11］的做法，选用滞后一期的数据要素利用水平与控制变量验证其与投资效率的关系。本文还进一步控制了年份(Year)、行业(Industry)和个体固定效应，ε为随机误差项。如果系数β1为负值且显著，则说明企业能够利用数据要素提升投资效率。

构建模型(3)检验企业数据要素利用水平对冗余资源的影响。

Slackit=β0+β1Digit+β2Roait+β3Tobinit+β4Retit

+β5Boardit+β6Big4it+β7Dualit+β8Indepit

+β9Top1it+∑Industry+∑Year+εit

(3)

其中，Slackit为i公司t年的冗余资源存量，如果系数β1为负值且显著，则说明企业能够利用数据要素降低冗余资源存量。

构建模型(4)检验冗余资源在数据要素利用水平与投资效率之间关系中的中介作用：

Efficit=β0+β1Digit-1+β2Slackit-1+β3Roait-1

+β4Tobinit-1+β5Retit-1+β6Boardit-1

+β7Big4it-1+β8Dualit-1+β9Indepit-1

+β10Top1it-1+∑Industry+∑Year+εit

(4)

如果模型(2)与模型(3)中的系数β1均显著，同时模型(4)中的系数β2显著，则说明冗余资源在数据要素利用水平对投资效率的影响中发挥中介作用。此时，如果系数β1也显著，说明该中介效应为部分中介效应，否则，说明该中介效应为完全中介效应。

构建模型(5)检验吸收能力对数据要素利用水平与冗余资源之间关系的调节作用：

Slackit=β0+β1Digit+β2Abcit+β3Abcit×Digit+β4Roait

+β5Tobinit+β6Retit+β7Boardit+β8Big4it

+β9Dualit+β10Indepit+β11Top1it

+∑Industry+∑Year+εit

(5)

其中，Abcit×Digit为数据要素利用水平与吸收能力的交互项，如果系数β3显著，则说明调节效应存在。另外，如果系数β3与系数β1符号相同，说明吸收能力正向调节数据要素利用水平与冗余资源之间的关系；如果系数β3与系数β1符号相反，则说明吸收能力负向调节数据要素利用水平与冗余资源之间的关系。

四、实证结果与分析

(一)描述性统计

表2列示了主要变量的描述性统计结果，包括均值、中位数、标准差、最小值和最大值。数据要素利用水平(Dig)的均值为8.747，中位数为2.000，标准差为17.030，最大值与最小值之间相差100，说明企业中数据要素利用水平较低，企业之间数据要素利用水平具有明显差异。投资效率(Effic)的均值为0.043，中位数为0.029，说明在企业中普遍存在非效率投资问题。冗余资源(Slack)的均值为1.403，标准差为1.228，表明大多数企业内部存在冗余资源且企业之间冗余资源存量具有一定差异。吸收能力(Abc)的均值为3.967，中位数为3.420，标准差为3.434，说明整体上企业吸收能力不强，且不同企业之间的吸收能力存在明显差异。

表2 描述性统计分析

(二)相关性分析

表3列示了主要变量之间的相关关系。结果显示，数据要素利用水平(Dig)与投资效率(Effic)之间的相关系数不显著，说明数据要素利用水平(Dig)与投资效率(Effic)之间不存在显著的相关关系。数据要素利用水平(Dig)与吸收能力(Abc)之间的相关系数为0.210且在1%的水平上显著，说明数据要素利用水平(Dig)与吸收能力(Abc)之间存在正相关关系。董事会规模(Board)以及四大会计师事务所的选用(Big4)与投资效率(Effic)之间的相关系数为负值且在1%的水平上显著，说明投资效率与董事会规模、四大会计师事务所的选用之间均存在一定的相关性。冗余资源(Slack)与吸收能力(Abc)之间的相关系数为0.310且在1%的显著性水平上显著，说明吸收能力与内部冗余资源之间存在正相关关系。

表3 相关性分析

(三)回归分析

回归分析的结果如表4所示。列(1)检验数据要素利用水平(Dig)与投资效率(Effic)之间的关系。回归结果显示，数据要素利用水平的系数为负值且在1%的显著性水平上显著，说明数据要素利用水平与投资效率显著正相关。假设1得到支持。

表4 回归分析结果

列(2)检验数据要素利用水平(Dig)与中介变量冗余资源(Slack)之间的关系。回归结果显示，数据要素利用水平的系数为负且在1%的显著性水平上显著，说明数据要素利用水平与冗余资源显著负相关，数据要素的利用会降低冗余资源存量。列(3)检验冗余资源(Slack)在数据要素利用水平(Dig)与投资效率(Effic)之间关系中的中介作用，回归结果显示冗余资源的系数为正值且在1%的显著性水平上显著，说明数据要素的利用能够降低冗余资源存量，提升投资效率，冗余资源的中介作用存在。同时，加入中介变量后，数据要素利用水平的系数仍然显著，说明在数据要素利用水平与投资效率之间的关系中，冗余资源发挥部分中介作用，数据要素利用水平影响投资效率还存在其他路径，假设2得到支持。

列(4)检验吸收能力(Abc)对数据要素利用水平(Dig)与冗余资源(Slack)之间关系的调节作用。回归结果显示，数据要素利用水平与吸收能力交互项的系数以及数据要素利用水平的系数均为负值且在1%的显著性水平上显著，说明吸收能力正向调节数据要素利用水平与冗余资源之间的关系。企业吸收能力越强，数据要素利用水平对冗余资源的影响效果越明显。假设3得到支持。

(四)稳健性检验

为了增强实证结果的严谨性，本文做了如下稳健性检验。

1.投资效率的替代计算。

模型(1)使用托宾Q值衡量企业成长性并据此计算投资效率，事实上，营业收入增长率也可以表示企业未来的成长潜力，因此使用营业收入增长率替换托宾Q，重新计算得到投资效率(Effic1)，将其加入模型(2)与模型(4)检验数据要素利用水平与投资效率的关系以及冗余资源的中介作用。结果如表5所示。列(1)展示了数据要素利用水平对投资效率的回归结果，数据要素利用水平系数为负值且在1%的显著性上显著，说明数据要素利用水平与投资效率正相关，二者之间的关系稳健。列(2)展示了中介效应的回归结果，冗余资源的系数在1%的显著性水平上显著，说明冗余资源的中介作用存在，企业利用数据要素降低冗余资源存量，提升投资效率的结论稳健。

表5 稳健性检验

2.Tobit回归。

由于文章的被解释变量投资效率均大于0，为了减少面板回归产生的偏误，选用Tobit模型再次进行回归。回归的结果如表5的列(3)所示，数据要素利用水平的系数为负值且在1%的显著性水平上显著，数据要素利用水平与投资效率正相关的假设仍然成立。

3.分组回归。

为了进一步检验调节效应，将吸收能力按平均值分为高吸收能力组(H-Abc)和低吸收能力组(L-Abc)，分别进行回归后，采用自抽样法(Bootstrap)(连玉君等，2010［42］)计算出的“经验p值”检验组间差异的显著性。回归的结果如表6所示，高吸收能力组数据要素利用水平的系数为负值且在1%的显著性水平上显著，低吸收能力组数据要素利用水平的系数不显著。经验P值为0.018，在5%的显著性水平上显著，进一步说明在高吸收能力组与低吸收能力组数据要素利用水平对冗余资源的作用存在显著的差异，吸收能力的调节效应存在。

表6 吸收能力分组回归

五、研究结论与展望

(一)研究结论

数字经济时代，企业如何利用数据要素提升投资效率是亟需解决的问题。本文应用2011—2021年沪深A股上市公司相关数据，实证检验数据要素利用水平对企业投资效率的影响以及冗余资源在其中的中介作用，并考察了吸收能力对数据要素利用水平与冗余资源之间关系的调节作用，得到以下研究结论：

第一，数据要素的利用能够有效提升企业投资。在研究影响投资效率的相关因素时，现有文献主要围绕信息不对称理论与代理理论，从外部环境角度和内部治理角度深入探讨了产业政策、会计稳健性、以及管理层权力(张新民等，2017［43］；张悦玫等，2017［44］；段梦然等，2021［45］)等众多因素对投资效率的影响，没有足够重视新兴的数据要素对于投资效率的影响。本文通过实证检验发现，对企业中的数据要素协同分析可以为企业投资决策提供及时、准确、详细的数据支持，使投资决策建立在客观的数据之上，进而提高投资决策的科学性和准确性，减少决策偏差，提升投资效率。这一研究结论揭示了数据要素的利用对企业投资效率的促进作用。

第二，企业利用数据要素激活冗余资源对企业利用数据要素提高其投资效率具有中介作用。本研究揭示了企业数据要素利用水平影响投资效率的机制：激活冗余资源。一方面，企业利用数据要素激活冗余资源，从而缓解资源缺乏导致的投资不足问题。另一方面，企业利用数据要素降低冗余资源存量，缓解代理问题，提升管理层在投资决策中的谨慎性，最终提升投资效率。本文将冗余资源的激活作为企业利用数据要素提升投资效率的中介机理，不仅进一步扩展了投资效率的相关研究，而且为企业利用数据要素提升投资效率的内在作用机制提供了新的视角。

第三，企业利用数据要素激活冗余资源的过程受到自身吸收能力的影响。本研究揭示了吸收能力在企业利用数据要素激活冗余资源过程中的调节作用，实证证实：吸收能力强的企业，能更有效地识别、利用数据要素中蕴含的信息，促进冗余资源转化利用，降低冗余资源存量，因而从知识与信息吸收的角度发现了吸收能力是影响企业数据要素利用水平与冗余资源之间关系的重要调节变量。研究结论可以为企业提升自身吸收能力，从而更高效地利用数据要素降低冗余资源存量提供理论依据，同时也丰富了数据要素、投资效率、冗余资源、企业吸收能力之间关系的相关研究。

(二)管理启示

根据上述研究结论，获得以下管理启示：

第一，企业应加大对数据要素的利用。数据要素的利用有助于企业抢占市场先机、获取发展动力并形成核心竞争力。企业应顺应数字化经济的发展趋势，尽快建立完善的信息系统和数据管理体系，提高对数据要素的收集、整理、分析和利用的能力，将数据作为生产要素纳入生产活动中，使数据要素协同传统生产要素创造价值。同时，企业还需要加强对数据人才的培养，提高员工的数据技能和意识，使其能够熟练运用相关的数据技术工具和方法，从而更好地利用数据要素。若是企业仅依靠自身无法有效利用数据要素，可以依托成熟数字化平台中的互联网、云计算、大数据等数字技术实现数字赋能。

第二，企业应提升自身资源协奏能力，提高资源配置效率，避免大量冗余资源的产生。大量冗余资源堆积在企业内部，不仅会滋生代理问题，为管理层谋私带来可乘之机，同时也会降低管理层的敏锐性和谨慎性，影响企业的投资效益和长期发展。在数字经济时代，大数据和互联网的发展，为企业激活冗余资源提供了全新的途径。通过挖掘和分析数据要素中的信息，企业能够更好地了解市场、客户和业务需求，从而识别并利用冗余资源。同时，互联网的广泛应用使得资源共享和合作变得更加便捷。企业可以通过平台化、共享经济等模式，利用数据要素传输快、成本低的特点，与其他企业或组织进行紧密高效的合作，实现资源的互补与共享，或通过联合营销、共同研发或共享设施等方式，将冗余资源与其他企业的需求进行匹配，实现资源的共同利用。

第三，企业应注重吸收能力的培养与提升。当今时代市场环境复杂多变，吸收能力在企业发展中愈发重要。企业需要有敏锐的洞察力来捕捉市场变化和机遇，通过不断吸收外部信息和市场动态，更好地把握市场趋势和客户需求，做出更准确的决策，为发展提供更可靠的依据。同时，依据研究结论，吸收能力还会影响数据要素价值释放的效率，如果企业的吸收能力较低，那么即使拥有大量的数据要素，也无法充分利用以实现价值增值，反而会产生较高的管理成本。因此，为了保证企业的发展，企业需要注重自身知识积累，加强与关系网络中其他企业之间的沟通和交流，在沟通交流中拓宽企业知识积累的深度和广度，为吸收转化新信息打好基础，为数据要素价值转化提供支持。

(三)研究局限与展望

本文旨在研究数据要素利用水平对投资效率的影响及其作用机制，但仍然存在一些局限，需要在未来的研究中继续拓展：第一，本文证实企业利用数据要素降低冗余资源存量，进而提升投资效率，但未对冗余资源进行细致分类，未来的研究可以进一步探讨数据要素利用水平对不同类型冗余资源存量的作用以及不同类型冗余资源存量对投资效率的影响。第二，本研究发现吸收能力对数据要素利用水平与冗余资源之间的关系起到正向调节作用。是否存在其他影响二者关系的因素值得未来研究进一步探讨，以便更全面地了解数据要素利用水平、冗余资源和投资效率之间的关系。