隨著社會信息化不斷發(fā)展,企業(yè)的數(shù)字化程度不斷提升,反映企業(yè)經營狀況的各類數(shù)據(jù)呈現(xiàn)海量增長趨勢,數(shù)據(jù)高維性、變量非線性與非對稱性、管理實際的不確定性風險等現(xiàn)實情況給科學研究帶來巨大挑戰(zhàn)。管理學者日漸意識到需要突破傳統(tǒng)相關性理論和方法的局限,發(fā)展適應復雜管理系統(tǒng)的新理論、新方法和新范式。大數(shù)據(jù)技術憑借強大的知識學習和挖掘能力,已開始被應用于社會科學領域研究,用于解決復雜多變的社會現(xiàn)象?;诖?,基于大數(shù)據(jù)技術提出了一套適用于經濟學和管理學領域研究的數(shù)據(jù)驅動分析方法(Data-driven Analysis, DDA),主張通過獲取某一時段內的全樣本數(shù)據(jù),在不做任何假設推演的情況下遵從數(shù)據(jù)內部規(guī)律,讓數(shù)據(jù)本身告訴我們變量之間的真實作用關系,并結合現(xiàn)有的管理學理論對數(shù)據(jù)結果進行解釋,進而避免出現(xiàn)遺漏重要數(shù)據(jù)信息的問題。數(shù)據(jù)驅動分析有三個主要步驟:異質性特征分析、組合效應分析和影響機制分析。DDA可用于發(fā)現(xiàn)系統(tǒng)要素間的耦合作用及其與系統(tǒng)演化的因果關系,有助于管理決策者進一步調配有限的決策資源、實現(xiàn)復雜管理問題的最優(yōu)決策過程,是數(shù)據(jù)挖掘和機器學習在管理學研究中的有益探索。