随着信息技术的快速进步，全球已进入大数据时代。大数据技术的应用正在改变着人们的日常生活方式。国家非常重视大数据发展，将其上升为中国国家战略，并制定多项政策促进中国大数据产业发展。虽然中国大数据产业在规模上已经位居世界前列，但是作为产业发展主基调的技术创新能力却不强。目前中国大数据处理、分析和呈现等方面的技术与发达国家存在较大差距，大数据前沿技术研发多处于跟随状态，创新引领作用不强。因此，对中国大数据产业创新效率进行评价，有利于清晰认识产业创新现状，改进不足，进而提升大数据产业的创新能力。大数据类上市公司作为在大数据产业中规模较大、有更多资本投入研发创新的企业，它们在大数据产业创新中具有更重要的作用。所以，对大数据上市企业创新效率进行评价，进而提高它们的创新效率，有利于大数据产业整体创新效率的提升。
　　本文将大数据企业创新过程划分为研发、生产和市场化三个子阶段，构建新型的具有共享投入和自由中间产出的复杂网络DEA模型，对中国上市的大数据企业创新整体和子阶段效率进行评价，并运用Tobit模型分析创新效率的影响因素。研究发现：
　　（1）中国上市大数据企业创新整体效率较低，均值为0.6845，且超过一半企业整体效率低于效率均值。时间维度上，考察期内上市大数据企业创新整体效率变化不大，但是企业间创新整体效率差距逐渐缩小。子阶段方面，市场化阶段的效率最低，生产阶段效率最高，市场化阶段效率低是中国大数据上市企业创新效率较低的主要原因。时间维度上，考察期内研发阶段效率均值和企业间效率差距变化不大；生产阶段效率逐年下降且企业间效率差距扩大；市场化阶段效率上升且效率差距逐渐缩小。
　　（2）考察期内硬件提供型上市大数据企业创新整体和子阶段效率均值都低于软件提供型的大数据企业。从时间演进的角度，考察期内两种类型企业创新整体效率以及生产阶段、市场化阶段效率均值差距变化不大；研发阶段效率差距缩小，且2018年时硬件提供型企业效率均值已超过软件提供型企业。
　　（3）大数据企业研发阶段，资本结构、劳动者素质、无形资产所有量与效率显著正相关，企业规模和内部薪酬差距与效率负相关；企业的运营能力、企业规模和研发投入强度会显著提升大数据企业生产阶段效率，但无形资产与生产阶段效率负相关。企业的资本结构、运营能力、企业规模与大数据企业市场化阶段效率显著负相关，内部薪酬差距与市场化阶段效率显著正相关。