随着社会信息化不断发展，企业的数字化程度不断提升，反映企业经营状况的各类数据呈现海量增长趋势，数据高维性、变量非线性与非对称性、管理实际的不确定性风险等现实情况给科学研究带来巨大挑战。管理学者日渐意识到需要突破传统相关性理论和方法的局限，发展适应复杂管理系统的新理论、新方法和新范式。大数据技术凭借强大的知识学习和挖掘能力，已开始被应用于社会科学领域研究，用于解决复杂多变的社会现象。基于此，基于大数据技术提出了一套适用于经济学和管理学领域研究的数据驱动分析方法（Data-driven Analysis, DDA），主张通过获取某一时段内的全样本数据，在不做任何假设推演的情况下遵从数据内部规律，让数据本身告诉我们变量之间的真实作用关系，并结合现有的管理学理论对数据结果进行解释，进而避免出现遗漏重要数据信息的问题。数据驱动分析有三个主要步骤：异质性特征分析、组合效应分析和影响机制分析。DDA可用于发现系统要素间的耦合作用及其与系统演化的因果关系，有助于管理决策者进一步调配有限的决策资源、实现复杂管理问题的最优决策过程，是数据挖掘和机器学习在管理学研究中的有益探索。