第二节 大数据理论研究脉络

大数据的概念同样引起了学术界的关注。除了数据规模外，早期的大数据研究更多地关注大数据的语义意义，并提出了规模、速度和差异性三维度构成的3V模型（Laney，2001）。此后的大数据研究在3V模型的基础上进一步增加了价值、精度、变化等不同维度，构成了4V模型、5V模型、7V模型甚至11V模型（Wu et al.，2016；Sivarajah et al.，2017；Wang et al.，2018）。由于大数据概念的发展逐渐触及经济与社会发展的基础性机制以及组织管理与认知决策的基本形式，其应用范围的扩大与社会经济的影响推动研究焦点向大数据的语用意义发展（Wu et al.，2016）。例如，Chen等（2012）指出，商业情报和分析（Business intelligence and analytics，BI & A）以及大数据分析相关的领域在学界和业界都变得越来越重要，分析和应用技术的突破允许组织和政府更大程度上发挥大数据在电子商务、市场智能、电子政务、医疗保健和公共安全等领域的影响。此后的研究先后发现大数据分析在挖掘商业价值（LaValle et al.，2011；Côrte-Real et al.，2017）、提高企业绩效（Akter et al.，2017）、商业业务转型（Wang & Hajli，2017）、供应链管理（Wang et al.，2016）等领域的应用。

探索基于大数据系统的理论和实践，已经成为各行业和各领域未来发展的方向和目标。然而，大数据这一概念的流行及其在大量理论研究和经验语境中的广泛应用，使这一概念具有相当多的冗余意义，并造成它在许多方面被滥用或者误用。并且，随着大数据理论和应用的发展，目前的大数据概念内涵与其原始的概念已有较大的发展和进步，对大数据原始内涵和新生概念的混淆使用进一步影响了目前理论和实践的发展。因此，研究者期望发展该综述，以澄清一些重要但被误解的大数据范畴下的构念以及它们之间的关系，并在现有文献基础上为未来研究提供新的理论研究视角启发。