數(shù)字經(jīng)濟(jì)視域下制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型研究
——基于企業(yè)問(wèn)卷調(diào)查的實(shí)證分析

鄭瓊潔 姜衛(wèi)民

內(nèi)容提要 基于江蘇省1830份制造業(yè)企業(yè)問(wèn)卷，對(duì)企業(yè)數(shù)字化轉(zhuǎn)型現(xiàn)狀與相關(guān)關(guān)聯(lián)因素進(jìn)行分析。研究發(fā)現(xiàn)：企業(yè)數(shù)字化轉(zhuǎn)型整體仍處于起步階段，企業(yè)數(shù)字化融合開(kāi)展領(lǐng)域較為廣泛，提升生產(chǎn)服務(wù)效率是企業(yè)數(shù)字化轉(zhuǎn)型的主要驅(qū)動(dòng)力，人才與成本是數(shù)字化轉(zhuǎn)型面臨的突出問(wèn)題。從區(qū)域?qū)用婵?，不同地區(qū)企業(yè)數(shù)字化轉(zhuǎn)型程度差異較大，徐州和蘇南地區(qū)發(fā)展較快，南通和鎮(zhèn)江相對(duì)落后；從企業(yè)內(nèi)部看，企業(yè)的規(guī)模成長(zhǎng)與數(shù)字化轉(zhuǎn)型是一個(gè)雙向耦合互動(dòng)的過(guò)程；從企業(yè)研發(fā)與合作方面來(lái)看，企業(yè)的研發(fā)支出是數(shù)字化轉(zhuǎn)型的重要基礎(chǔ)動(dòng)力，企業(yè)與科研機(jī)構(gòu)的合作對(duì)于推進(jìn)數(shù)字經(jīng)濟(jì)融合至關(guān)重要。

一、引言

企業(yè)作為數(shù)字經(jīng)濟(jì)發(fā)展的重要載體，是國(guó)民經(jīng)濟(jì)數(shù)字化轉(zhuǎn)型不可或缺的組成部分?！吨腥A人民共和國(guó)國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展第十四個(gè)五年規(guī)劃和2035年遠(yuǎn)景目標(biāo)綱要》提出，要迎接數(shù)字時(shí)代，充分發(fā)揮海量數(shù)據(jù)和豐富應(yīng)用場(chǎng)景優(yōu)勢(shì)，促進(jìn)數(shù)字技術(shù)與實(shí)體經(jīng)濟(jì)深度融合，賦能傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)型升級(jí)，催生新產(chǎn)業(yè)新業(yè)態(tài)新模式，壯大經(jīng)濟(jì)發(fā)展新引擎。中國(guó)信息通信研究院發(fā)布的《中國(guó)數(shù)字經(jīng)濟(jì)發(fā)展白皮書(shū)（2021）》指出我國(guó)2020年數(shù)字經(jīng)濟(jì)規(guī)模達(dá)39.2萬(wàn)億元，同比名義增長(zhǎng)9.7%，占GDP比重約38.6%，數(shù)字經(jīng)濟(jì)已成為經(jīng)濟(jì)高質(zhì)量發(fā)展的重要支撐。企業(yè)的數(shù)字化轉(zhuǎn)型一方面使得企業(yè)充分運(yùn)用數(shù)字技術(shù)促進(jìn)組織模式的結(jié)構(gòu)調(diào)整，提升企業(yè)運(yùn)營(yíng)效率，使不同企業(yè)間以及企業(yè)內(nèi)部的信息流動(dòng)更加充分；另一方面也是企業(yè)創(chuàng)新價(jià)值的重要組成部分。深入研究區(qū)域制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型，對(duì)于經(jīng)濟(jì)高質(zhì)量發(fā)展具有一定的借鑒價(jià)值和現(xiàn)實(shí)意義。

江蘇省作為我國(guó)東部沿海發(fā)達(dá)地區(qū)，是我國(guó)數(shù)字經(jīng)濟(jì)發(fā)展的一個(gè)樣本，具有代表性、典型性和先進(jìn)性。2020年，江蘇省地區(qū)生產(chǎn)總值為10.27萬(wàn)億元，同比增長(zhǎng)3.7%，人均GDP達(dá)12.5萬(wàn)元，居全國(guó)之首。作為制造業(yè)大省，江蘇省制造業(yè)產(chǎn)值占全國(guó)的近七分之一，在數(shù)字經(jīng)濟(jì)高速發(fā)展的背景下，江蘇省企業(yè)數(shù)字化轉(zhuǎn)型升級(jí)不斷躍升，可以說(shuō)是中國(guó)企業(yè)數(shù)字化轉(zhuǎn)型的一個(gè)縮影。本研究以江蘇省1830家制造業(yè)企業(yè)問(wèn)卷為樣本，深入分析制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型意愿和推進(jìn)情況，并通過(guò)統(tǒng)計(jì)分析和實(shí)證檢驗(yàn)研究其關(guān)聯(lián)因素，以期為企業(yè)數(shù)字化轉(zhuǎn)型提供理論支撐和政策建議。

二、文獻(xiàn)回顧

數(shù)字化轉(zhuǎn)型是指企業(yè)運(yùn)用數(shù)字技術(shù)的創(chuàng)新過(guò)程，通過(guò)重塑企業(yè)愿景、戰(zhàn)略、組織結(jié)構(gòu)、流程、能力和文化，來(lái)適應(yīng)高度變化的數(shù)字環(huán)境[1]Gileva,T.,Babkin,A.,Gilev,G.,"Developing a Strategy for the Digital Transformation of an Enterprise with Allowance for the Capabilities of Business Ecosystems",Economics and Management,2020,26(6),pp.629-642.。本文從以下3個(gè)方面回顧已有文獻(xiàn)研究。

首先，在企業(yè)數(shù)字化轉(zhuǎn)型的驅(qū)動(dòng)因素與主要作用方面。從數(shù)字化轉(zhuǎn)型的驅(qū)動(dòng)因素看，相關(guān)文獻(xiàn)研究和企業(yè)管理實(shí)踐主要從關(guān)鍵驅(qū)動(dòng)因素、資源屬性、信息結(jié)構(gòu)和價(jià)值實(shí)現(xiàn)4個(gè)方面刻畫(huà)工業(yè)化體系和數(shù)字化體系，以此探討兩者的跨體系性質(zhì)[2]肖靜華：《企業(yè)跨體系數(shù)字化轉(zhuǎn)型與管理適應(yīng)性變革》，《改革》2020年第4期。，其中技術(shù)進(jìn)步、人口變遷、貿(mào)易擴(kuò)張、人力資本累積和制度變革構(gòu)成工業(yè)化體系的5個(gè)主要驅(qū)動(dòng)因素；新一代數(shù)字技術(shù)、商業(yè)模式、競(jìng)爭(zhēng)模式、新型人力資本積累和相應(yīng)的制度變革構(gòu)成企業(yè)數(shù)字化轉(zhuǎn)型的關(guān)鍵驅(qū)動(dòng)因素。從數(shù)字化轉(zhuǎn)型的影響因素看，數(shù)字化轉(zhuǎn)型外部影響因素主要包括數(shù)字技術(shù)發(fā)展及滲透[3]Matt,C.,Hess,T.,Benlian,A.,"Digital Transformation Strategies",Business&information systems engineering,2015,57(5),pp.339-343.[4]Li,W.,Liu,K.,Belitski,M.,et al.,"E-Leadership Through Strategic Alignment:an Empirical Study of Small-and Medium-Sized Enterprises in the Digital Age",Journal of Information Technology,2016,31(2),pp.185-206.、競(jìng)爭(zhēng)環(huán)境加劇[5]Kohli,R.,Melville,N.P.,"Digital Innovation:A Review and Synthesis",Information Systems Journal,2019,29(1),pp.200-223.和用戶需求變化[6]Abrell,T.,Pihlajamaa,M.,Kanto,L.,et al.,"The Role of Users and Customers in Digital Innovation:Insights from B2B Manufacturing Firms",Information&Management,2016,53(3),pp.324-335.等。從數(shù)字化轉(zhuǎn)型的作用來(lái)看，企業(yè)主要通過(guò)產(chǎn)品與服務(wù)創(chuàng)新、商業(yè)模式創(chuàng)新、流程創(chuàng)新，提升運(yùn)營(yíng)效率和組織績(jī)效[7]韋影、宗小云：《企業(yè)適應(yīng)數(shù)字化轉(zhuǎn)型研究框架：一個(gè)文獻(xiàn)綜述》，《科技進(jìn)步與對(duì)策》2021年第11期。。同時(shí)，它還能在組織變革、成本體系和資本市場(chǎng)方面發(fā)揮作用，例如通過(guò)對(duì)數(shù)字化如何直接作用于組織變革的分析是理解數(shù)字與實(shí)體深度融合的基礎(chǔ)條件，發(fā)現(xiàn)企業(yè)數(shù)字化削弱高管權(quán)力、增強(qiáng)基層權(quán)力、誘使組織向下賦權(quán)[8]劉政、姚雨秀、張國(guó)勝等：《企業(yè)數(shù)字化、專用知識(shí)與組織授權(quán)》，《中國(guó)工業(yè)經(jīng)濟(jì)》2020年第9期。。企業(yè)數(shù)字化管理為企業(yè)內(nèi)部業(yè)務(wù)流的信息集成提供了強(qiáng)有力的數(shù)字化基礎(chǔ)[9]劉天楚：《企業(yè)數(shù)字化成本管理研究》，《經(jīng)濟(jì)縱橫》2013年第5期。。數(shù)字化轉(zhuǎn)型賦予了企業(yè)新的發(fā)展動(dòng)能，能進(jìn)一步改善企業(yè)在資本市場(chǎng)中的表現(xiàn)[10]吳非、胡慧芷、林慧妍等：《企業(yè)數(shù)字化轉(zhuǎn)型與資本市場(chǎng)表現(xiàn)——來(lái)自股票流動(dòng)性的經(jīng)驗(yàn)證據(jù)》，《管理世界》2021年第7期。。

其次，在企業(yè)數(shù)字化轉(zhuǎn)型的技術(shù)手段與實(shí)現(xiàn)路徑方面。數(shù)字化轉(zhuǎn)型是一項(xiàng)復(fù)雜的系統(tǒng)工程，需要利用數(shù)字技術(shù)對(duì)其進(jìn)行全方位、多角度、全鏈條的改造。制造企業(yè)數(shù)字化轉(zhuǎn)型類型劃分的邏輯框架包括橫向和縱向兩條邏輯線。縱向邏輯線是指“技術(shù)推動(dòng)力”，包括橫向技術(shù)推動(dòng)力和縱向技術(shù)推動(dòng)力；橫向邏輯線是指“價(jià)值驅(qū)動(dòng)力”，包括客戶體驗(yàn)價(jià)值和流程優(yōu)化價(jià)值，根據(jù)內(nèi)、外力兩個(gè)維度，搭建制造企業(yè)數(shù)字化邏輯框架[1]張培、張苗苗：《制造企業(yè)數(shù)字化轉(zhuǎn)型類型與觸發(fā)機(jī)制》，《管理現(xiàn)代化》2020年第6期。。學(xué)者們認(rèn)為企業(yè)數(shù)字化轉(zhuǎn)型的實(shí)現(xiàn)路徑存在多種方式，例如，組織內(nèi)部學(xué)習(xí)及外部合作兩個(gè)方面開(kāi)展[2]胡青：《企業(yè)數(shù)字化轉(zhuǎn)型的機(jī)制與績(jī)效》，《浙江學(xué)刊》2020年第2期。；數(shù)字化轉(zhuǎn)型的“借力型”“并驅(qū)型”“內(nèi)驅(qū)型”“無(wú)力型”等觸發(fā)機(jī)制；從變革角度的研究發(fā)現(xiàn)在數(shù)字要素的驅(qū)動(dòng)下，企業(yè)資源屬性和信息結(jié)構(gòu)發(fā)生了根本性改變，引致數(shù)字化體系的企業(yè)邊界、市場(chǎng)基礎(chǔ)、組織結(jié)構(gòu)、市場(chǎng)結(jié)構(gòu)和價(jià)值實(shí)現(xiàn)相較于工業(yè)化體系產(chǎn)生了系統(tǒng)性變化[3]肖靜華：《企業(yè)跨體系數(shù)字化轉(zhuǎn)型與管理適應(yīng)性變革》，《改革》2020年第4期。。有學(xué)者發(fā)現(xiàn)企業(yè)數(shù)字化轉(zhuǎn)型過(guò)程中存在顯著的同群效應(yīng)[4]陳慶江、王彥萌、萬(wàn)茂豐：《企業(yè)數(shù)字化轉(zhuǎn)型的同群效應(yīng)及其影響因素研究》，《管理學(xué)報(bào)》2021年第5期。。考慮到不同類型企業(yè)或行業(yè)的特點(diǎn)，學(xué)者們針對(duì)不同類型的企業(yè)（如外貿(mào)企業(yè)[5]王樹(shù)柏、張勇：《外貿(mào)企業(yè)數(shù)字化轉(zhuǎn)型的機(jī)制、路徑與政策建議》，《國(guó)際貿(mào)易》2019年第9期。、保險(xiǎn)企業(yè)、文化產(chǎn)業(yè)[6]黃蕊、徐倩、李雪威：《文化產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型的演化博弈研究》，《財(cái)經(jīng)理論與實(shí)踐》2021年第2期。、傳統(tǒng)企業(yè)[7]陳春花：《傳統(tǒng)企業(yè)數(shù)字化轉(zhuǎn)型能力體系構(gòu)建研究》，《人民論壇·學(xué)術(shù)前沿》2019年第18期。、中小企業(yè)[8]劉濤、張夏恒：《我國(guó)中小企業(yè)數(shù)字化轉(zhuǎn)型現(xiàn)狀、問(wèn)題及對(duì)策》，《貴州社會(huì)科學(xué)》2021年第2期。[9]胡青、徐夢(mèng)周、程楊：《知識(shí)距離、協(xié)同能力與企業(yè)數(shù)字化轉(zhuǎn)型績(jī)效——基于浙江中小企業(yè)的多案例研究》，《江西財(cái)經(jīng)大學(xué)學(xué)報(bào)》2021年第3期。等）的數(shù)字化轉(zhuǎn)型進(jìn)行了更為具體的研究。

最后，在企業(yè)數(shù)字化轉(zhuǎn)型的評(píng)估體系與指標(biāo)構(gòu)建方面。理論上，對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的量化分析主要有兩個(gè)方面：一方面是對(duì)企業(yè)數(shù)字化轉(zhuǎn)型進(jìn)程進(jìn)行衡量，主要通過(guò)構(gòu)建數(shù)字化轉(zhuǎn)型評(píng)估方法衡量企業(yè)數(shù)字化轉(zhuǎn)型的水平，并判斷企業(yè)數(shù)字化轉(zhuǎn)型的成熟度[10]Calvino,F.,Criscuolo,C.,Marcolin L.,et al.,"A Taxonomy of Digital Intensive Sectors",OECD Science,Technology and Industry Working Papers,2018,(14),pp.1-48.；另一方面是對(duì)企業(yè)數(shù)字化轉(zhuǎn)型進(jìn)行績(jī)效測(cè)算，結(jié)合計(jì)量模型，定量測(cè)算企業(yè)數(shù)字化轉(zhuǎn)型對(duì)于其勞動(dòng)生產(chǎn)率、全要素生產(chǎn)率以及盈利水平等[11]Bartel,A.,Ichniowski,C.,Shaw,K.,"How Does Information Technology Affect Productivity?Plant-Level Comparisons of Product Innovation,Process Improvement,and Worker Skills",The quarterly journal of Economics,2007,122(4),pp.1721-1758.的提升作用。具體操作上，國(guó)家工業(yè)信息安全發(fā)展研究中心、中國(guó)工程院、中國(guó)信通院、OECD、德勤、IDC、西門(mén)子、麥肯錫、埃森哲等部門(mén)與研究機(jī)構(gòu)都基于各自的評(píng)估范式以及研究方法，對(duì)企業(yè)數(shù)字化轉(zhuǎn)型水平進(jìn)行了測(cè)度，例如國(guó)家工業(yè)信息安全發(fā)展研究中心構(gòu)建了一套適用于制造業(yè)全局的兩化融合評(píng)估體系和評(píng)價(jià)方法，中國(guó)信通院依據(jù)增長(zhǎng)核算的模型測(cè)算各部門(mén)的數(shù)字經(jīng)濟(jì)增加值等。在具體測(cè)度上，學(xué)者們對(duì)不同類型企業(yè)的數(shù)字化轉(zhuǎn)型進(jìn)行了更為具體的研究[12]楊瑛哲、黃光球、鄭皓天：《企業(yè)技術(shù)變遷路徑與轉(zhuǎn)型績(jī)效關(guān)系研究——基于中國(guó)制造企業(yè)的實(shí)證分析》，《統(tǒng)計(jì)與信息論壇》2018年第8期。，其中生產(chǎn)層面包括制造技術(shù)、生產(chǎn)流程，組織層面包括企業(yè)組織結(jié)構(gòu)、人員構(gòu)成等；也有從技術(shù)變革、組織變革和管理變革角度進(jìn)行指標(biāo)體系構(gòu)建的分析[13]陳疇鏞、許敬涵：《制造企業(yè)數(shù)字化轉(zhuǎn)型能力評(píng)價(jià)體系及應(yīng)用》，《科技管理研究》2020年第11期。，包括數(shù)字化基礎(chǔ)設(shè)施、數(shù)字化投入、數(shù)字化研發(fā)、數(shù)字化人才、生產(chǎn)數(shù)字化管理、業(yè)務(wù)數(shù)字化管理、財(cái)務(wù)數(shù)字化管理等多方面指標(biāo)的合成。

綜上所述，現(xiàn)有研究圍繞企業(yè)數(shù)字化轉(zhuǎn)型的理論、測(cè)度和評(píng)價(jià)等相關(guān)內(nèi)容做了大量探索，但對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的影響因素和驅(qū)動(dòng)機(jī)制等研究較為薄弱；企業(yè)數(shù)字化轉(zhuǎn)型驅(qū)動(dòng)因素多從技術(shù)和經(jīng)濟(jì)層面切入，對(duì)企業(yè)與政府、高校和科研院所的關(guān)聯(lián)關(guān)系以及企業(yè)行為因素的關(guān)注不足，難以全面揭示數(shù)字經(jīng)濟(jì)時(shí)代企業(yè)核心戰(zhàn)略的決策邏輯和行為機(jī)理，研究方法方面采用問(wèn)卷調(diào)查法從企業(yè)視角探究數(shù)字化轉(zhuǎn)型的研究鮮有涉及。

三、制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型的理論與問(wèn)卷設(shè)計(jì)

1.制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型的理論分析

制造業(yè)企業(yè)的數(shù)字化轉(zhuǎn)型遵循“輸入—過(guò)程—輸出—再創(chuàng)造循環(huán)”的流程進(jìn)行，其中輸入和輸出均構(gòu)成企業(yè)數(shù)字經(jīng)濟(jì)發(fā)展驅(qū)動(dòng)因素（見(jiàn)圖1），分別屬于企業(yè)供給側(cè)因素與企業(yè)需求側(cè)因素。從數(shù)據(jù)要素在企業(yè)供給側(cè)的賦能情況來(lái)看，其作用主要是優(yōu)化企業(yè)生產(chǎn)組織、資源配置與供應(yīng)的方式，促使制造技術(shù)的智能化轉(zhuǎn)變；在需求側(cè)，企業(yè)數(shù)字化經(jīng)濟(jì)轉(zhuǎn)型的作用體現(xiàn)在企業(yè)的成本降低、效率提升、市場(chǎng)拓寬等方面。數(shù)字化改變了企業(yè)的要素配置方式，驅(qū)動(dòng)了生產(chǎn)方式、競(jìng)爭(zhēng)格局、商業(yè)模式和國(guó)際貿(mào)易結(jié)構(gòu)多重變革，推動(dòng)了傳統(tǒng)產(chǎn)業(yè)結(jié)構(gòu)重組和價(jià)值重組，扁平化、柔性化、網(wǎng)絡(luò)化、協(xié)同化、個(gè)性化動(dòng)態(tài)服務(wù)的經(jīng)營(yíng)管理正在顛覆傳統(tǒng)生產(chǎn)經(jīng)營(yíng)方式。

圖1 制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型流程與影響的理論框架

在制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型的要素輸入階段，企業(yè)內(nèi)部資源、外部資源的投入及內(nèi)外部資源的整合是制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型的基礎(chǔ)[1]郭然原、毅軍：《服務(wù)型制造對(duì)制造業(yè)效率的影響機(jī)制研究》，《科學(xué)學(xué)研究》2020年第3期。。其中，內(nèi)部資源是企業(yè)數(shù)字化轉(zhuǎn)型的前提，它具有異質(zhì)性、難以模仿性且投入產(chǎn)出效率較高等特點(diǎn)，在企業(yè)數(shù)字化轉(zhuǎn)型中能夠發(fā)揮中流砥柱作用。企業(yè)的內(nèi)部資源主要包括人才資源、設(shè)備投入和資金投入。企業(yè)的外部資源主要包括其他先進(jìn)企業(yè)的成功經(jīng)驗(yàn)與技術(shù)，與高校的合作以及國(guó)際合作等。當(dāng)制造業(yè)企業(yè)進(jìn)入數(shù)字化轉(zhuǎn)型階段時(shí)，技術(shù)維度、思想維度和環(huán)境維度將從不同角度成為企業(yè)數(shù)字化轉(zhuǎn)型的保障。技術(shù)維度由企業(yè)的研發(fā)機(jī)構(gòu)、研發(fā)組織和研發(fā)投入支撐，開(kāi)發(fā)數(shù)字化轉(zhuǎn)型的核心技術(shù)，包括大數(shù)據(jù)、云計(jì)算、5G、人工智能、物聯(lián)網(wǎng)、區(qū)塊鏈、3D打印等并將智能技術(shù)應(yīng)用于生產(chǎn)線、倉(cāng)儲(chǔ)、物流和軟件等領(lǐng)域；“思想維度”主要包括企業(yè)數(shù)字化轉(zhuǎn)型意愿、企業(yè)發(fā)展使命以及企業(yè)家價(jià)值觀，是企業(yè)數(shù)字化轉(zhuǎn)型過(guò)程中的重要一環(huán)；環(huán)境維度為企業(yè)數(shù)字化轉(zhuǎn)型提供外部保障，主要有完善的數(shù)字基礎(chǔ)設(shè)施、政策環(huán)境與人文環(huán)境。技術(shù)、思想和環(huán)境三維度的變革與支撐將最終保障制造業(yè)企業(yè)完成數(shù)字化轉(zhuǎn)型升級(jí)。成功實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型的企業(yè)將獲得成本降低、效率提升、市場(chǎng)拓寬、營(yíng)收增加等具體成效，其數(shù)字化轉(zhuǎn)型過(guò)程中積累的數(shù)字化技術(shù)與智能預(yù)測(cè)等場(chǎng)景能力，將成為企業(yè)內(nèi)部資源促進(jìn)企業(yè)進(jìn)入再創(chuàng)造的良性循環(huán)，從而擴(kuò)大企業(yè)規(guī)模，提升企業(yè)影響力。

2.制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型的問(wèn)卷設(shè)計(jì)

本次調(diào)查問(wèn)卷的設(shè)計(jì)基于企業(yè)創(chuàng)新發(fā)展相關(guān)理論，釆用李克特量表法對(duì)問(wèn)題選項(xiàng)進(jìn)行設(shè)置計(jì)分，通過(guò)分層抽樣方法，對(duì)江蘇省有代表性和典型性的企業(yè)進(jìn)行調(diào)研，基于企業(yè)性質(zhì)、企業(yè)所處創(chuàng)新發(fā)展階段等，對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的影響與驅(qū)動(dòng)因素進(jìn)行分析，同時(shí)對(duì)企業(yè)數(shù)字化轉(zhuǎn)型中面臨的困難與挑戰(zhàn)進(jìn)行了系統(tǒng)研究。問(wèn)卷采用線上問(wèn)卷形式，從2021年5月15日到2021年6月1日共回收1830份。在被調(diào)查的樣本構(gòu)成方面，既有成立10年以上的制造業(yè)企業(yè)，也有成立一年以內(nèi)的新生力量，且包含各種所有制形式，但大多為民營(yíng)企業(yè)（占比近80%）。

問(wèn)卷主要包括企業(yè)性質(zhì)、企業(yè)科技研發(fā)情況、企業(yè)外部技術(shù)獲取、企業(yè)規(guī)模水平、企業(yè)數(shù)字化轉(zhuǎn)型的發(fā)展驅(qū)動(dòng)因素以及企業(yè)在數(shù)字化轉(zhuǎn)型過(guò)程中存在的困難等方面。這些因素可以分為3類：其一，企業(yè)的規(guī)模水平、性質(zhì)、所在地區(qū)屬于企業(yè)的屬性變量；其二，企業(yè)的科技研發(fā)情況、外部技術(shù)獲取情況屬于企業(yè)自身發(fā)展變量；其三，企業(yè)認(rèn)為的數(shù)字經(jīng)濟(jì)發(fā)展驅(qū)動(dòng)因素與困難屬于主觀認(rèn)知。本研究從供給與需求雙側(cè)設(shè)計(jì)選項(xiàng)，對(duì)企業(yè)數(shù)字經(jīng)濟(jì)的應(yīng)用驅(qū)動(dòng)因素進(jìn)行分析。從供給側(cè)看，數(shù)據(jù)要素賦能企業(yè)主要是通過(guò)影響企業(yè)生產(chǎn)組織、資源配置與供應(yīng)方式，促使制造技術(shù)的智能化轉(zhuǎn)變；從需求側(cè)看，數(shù)字經(jīng)濟(jì)的融合發(fā)展側(cè)重于用戶價(jià)值體現(xiàn)、交易便利化、體驗(yàn)場(chǎng)景化、交互動(dòng)態(tài)化等方面（見(jiàn)圖2）。

圖2 企業(yè)數(shù)字化轉(zhuǎn)型的關(guān)聯(lián)因素

四、制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型的問(wèn)卷結(jié)果分析

1.制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型的基本特征

一是企業(yè)數(shù)字化轉(zhuǎn)型整體處于起步階段。超過(guò)60%的企業(yè)未開(kāi)展數(shù)字化轉(zhuǎn)型，且13.11%的受訪企業(yè)完全不了解數(shù)字化轉(zhuǎn)型，完成數(shù)字化轉(zhuǎn)型的企業(yè)僅約10%左右（見(jiàn)圖3）。二是企業(yè)數(shù)字化發(fā)展領(lǐng)域較為廣泛。受訪企業(yè)中有718家企業(yè)展開(kāi)了數(shù)字化轉(zhuǎn)型的具體操作，其中使用智能管理系統(tǒng)、軟件改造生產(chǎn)的企業(yè)占比61.28%；對(duì)檢測(cè)、裝配等生產(chǎn)車間進(jìn)行智能化改造的企業(yè)占比也接近50%；直接引入智能生產(chǎn)線的為274家，占比38%；使用物聯(lián)網(wǎng)等技術(shù)實(shí)現(xiàn)遠(yuǎn)程管理占比37%。三是“提升生產(chǎn)服務(wù)效率”是企業(yè)數(shù)字化轉(zhuǎn)型最主要的驅(qū)動(dòng)因素。73.33%的企業(yè)認(rèn)為數(shù)字化轉(zhuǎn)型能夠提升生產(chǎn)和服務(wù)效率；選擇了能夠大幅降低成本的企業(yè)占比44.75%；另外分別有40.22%、27.76%、18.74%、16.01%、10.27%的企業(yè)選擇了增加市場(chǎng)競(jìng)爭(zhēng)力、有效增加營(yíng)業(yè)收入、提高客戶滿意度和忠誠(chéng)度、滿足市場(chǎng)需求、提升行業(yè)影響力。四是人才緊缺與成本較高是數(shù)字化轉(zhuǎn)型面臨的突出問(wèn)題。受訪企業(yè)中有909家企業(yè)反映數(shù)字化轉(zhuǎn)型缺少相關(guān)人才，占比接近50%；有46.78%企業(yè)反映數(shù)字化轉(zhuǎn)型成本太高、38.31%企業(yè)反映數(shù)字化轉(zhuǎn)型缺少頂層設(shè)計(jì)和戰(zhàn)略規(guī)劃；23.33%企業(yè)認(rèn)為企業(yè)組織架構(gòu)和職能設(shè)置無(wú)法有效推進(jìn)相關(guān)工作；選擇產(chǎn)業(yè)鏈上下游企業(yè)數(shù)字化程度不協(xié)調(diào)的企業(yè)也有295家，占比16.12%。

圖3 企業(yè)數(shù)字化轉(zhuǎn)型意愿和推進(jìn)情況

2.制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型的地區(qū)差異分析

從圖4可以發(fā)現(xiàn)，徐州企業(yè)數(shù)字化轉(zhuǎn)型的程度最高，接近60%，無(wú)錫、蘇州等地企業(yè)數(shù)字化轉(zhuǎn)型程度較高，接近50%，相比而言，南通、鎮(zhèn)江等地僅為20%以下。圖5中，橫軸為企業(yè)數(shù)字經(jīng)濟(jì)進(jìn)程（以開(kāi)展數(shù)字化轉(zhuǎn)型企業(yè)占比衡量），縱軸為數(shù)字化轉(zhuǎn)型管理部門(mén)設(shè)立占比，代表數(shù)字管理進(jìn)程情況?？梢钥闯?，江蘇省13個(gè)地級(jí)市的分布情況可以分為4個(gè)象限，其中在第一象限的城市分別為徐州、蘇州、無(wú)錫、泰州、揚(yáng)州和淮安，這6個(gè)城市在新一代數(shù)字化轉(zhuǎn)型方面走在前列，位于第二象限的為南京和宿遷，在數(shù)字管理運(yùn)營(yíng)方面成效顯著，第三象限的5個(gè)城市鎮(zhèn)江、南通、鹽城、連云港和常州則在數(shù)字化轉(zhuǎn)型方面有較大提升空間。

圖4 江蘇省不同城市企業(yè)數(shù)字化轉(zhuǎn)型工作推進(jìn)情況

圖5 江蘇省各城市企業(yè)數(shù)字化進(jìn)程與數(shù)字管理進(jìn)程開(kāi)展比例

3.企業(yè)數(shù)字化轉(zhuǎn)型的關(guān)聯(lián)因素分析

（1）企業(yè)發(fā)展規(guī)模與數(shù)字化轉(zhuǎn)型相互促進(jìn)。從圖6a可以看出，對(duì)于未展開(kāi)數(shù)字化轉(zhuǎn)型的企業(yè)，其主營(yíng)業(yè)務(wù)收入分布的核密度圖在較低區(qū)域有很高的峰值，展開(kāi)了數(shù)字化轉(zhuǎn)型的企業(yè)其主營(yíng)業(yè)務(wù)收入的核密度分布曲線較為平坦。同時(shí)，展開(kāi)轉(zhuǎn)型的企業(yè)在低營(yíng)收部分出現(xiàn)一個(gè)峰值，但遠(yuǎn)遠(yuǎn)小于未展開(kāi)轉(zhuǎn)型的企業(yè)；展開(kāi)轉(zhuǎn)型的企業(yè)在高營(yíng)收部分的峰值則高于未展開(kāi)企業(yè)在高營(yíng)收處的峰值。因此，數(shù)字經(jīng)濟(jì)轉(zhuǎn)型開(kāi)展與主營(yíng)業(yè)務(wù)收入的高低有一定相關(guān)性。從圖6b可以看出，不同主營(yíng)業(yè)務(wù)收入類別下企業(yè)數(shù)字經(jīng)濟(jì)轉(zhuǎn)型開(kāi)展的情況不同，其中主營(yíng)業(yè)務(wù)收入在100萬(wàn)元及以下、100萬(wàn)元～1000萬(wàn)元、1000萬(wàn)元～3000萬(wàn)元、3000萬(wàn)元～6000萬(wàn)元、6000萬(wàn)元～1億元以及1億元以上的企業(yè)中未展開(kāi)數(shù)字經(jīng)濟(jì)融合推進(jìn)工作的比例分別是75.76%、76.44%、74.49%、69.11%、64.35%和42.80%，呈現(xiàn)遞減的趨勢(shì)，即主營(yíng)業(yè)務(wù)收入越高的企業(yè)會(huì)更積極地推進(jìn)數(shù)字化轉(zhuǎn)型工作。企業(yè)人員規(guī)模也存在類似規(guī)律。調(diào)查發(fā)現(xiàn)企業(yè)規(guī)模與數(shù)字經(jīng)濟(jì)融合程度呈現(xiàn)顯著的正相關(guān)關(guān)系，并且兩者能夠形成良性循環(huán)、相互促進(jìn)。

圖6 企業(yè)數(shù)字化轉(zhuǎn)型意愿密度與分布

（2）技術(shù)水平與技術(shù)投入越高的企業(yè)數(shù)字化轉(zhuǎn)型越深入。第一，在受訪的1830家企業(yè)中，國(guó)家高新技術(shù)企業(yè)882家，非國(guó)家高新技術(shù)企業(yè)948家，分別占比48.20%和51.80%，從比例上看這兩類企業(yè)在分布上較為平均。從圖7可看出國(guó)家高新技術(shù)企業(yè)的數(shù)字經(jīng)濟(jì)融合工作開(kāi)展比率遠(yuǎn)遠(yuǎn)高于非國(guó)家高新技術(shù)企業(yè)。第二，設(shè)立了技術(shù)中心的企業(yè)在數(shù)字化轉(zhuǎn)型進(jìn)程中走在前列，并且不論是國(guó)家級(jí)、省級(jí)還是市級(jí)，其開(kāi)展數(shù)字化轉(zhuǎn)型的占比相對(duì)于沒(méi)有設(shè)立的企業(yè)要高很多（見(jiàn)表1）。第三，研發(fā)支出越高的企業(yè)數(shù)字經(jīng)濟(jì)開(kāi)展情況越好。研發(fā)支出占營(yíng)業(yè)收入1%以下的516家企業(yè)中有80%的企業(yè)沒(méi)有開(kāi)展數(shù)字化轉(zhuǎn)型；而研發(fā)支出占比超過(guò)10%的157家企業(yè)中，有10%的企業(yè)數(shù)字化創(chuàng)新已成為常態(tài)，為各類企業(yè)中程度最高。

圖7 是否為國(guó)家高新技術(shù)企業(yè)其數(shù)字經(jīng)濟(jì)融合工作開(kāi)展情況

表1 企業(yè)研發(fā)機(jī)構(gòu)設(shè)立、研發(fā)支出情況與企業(yè)數(shù)字經(jīng)濟(jì)開(kāi)展的關(guān)聯(lián)

3.企業(yè)所有制、企業(yè)外部技術(shù)來(lái)源與數(shù)字經(jīng)濟(jì)轉(zhuǎn)型關(guān)聯(lián)情況。從受訪企業(yè)反映的情況看，國(guó)有企業(yè)、民營(yíng)企業(yè)和中外合資企業(yè)的數(shù)字經(jīng)濟(jì)開(kāi)展情況差異不大；外商獨(dú)資企業(yè)中數(shù)字化創(chuàng)新占比最高，達(dá)到10.85%；而集體企業(yè)的數(shù)字經(jīng)濟(jì)融合工作開(kāi)展最不理想（見(jiàn)圖8）。從表2中可以看出企業(yè)外部技術(shù)來(lái)自國(guó)內(nèi)其他企業(yè)的，其數(shù)字化轉(zhuǎn)型的推進(jìn)情況要明顯弱于外部技術(shù)來(lái)自國(guó)內(nèi)外機(jī)構(gòu)以及國(guó)內(nèi)大學(xué)的。企業(yè)的外部技術(shù)來(lái)源以及合作方式與企業(yè)數(shù)字化轉(zhuǎn)型有著很強(qiáng)的相關(guān)性，僅僅以其他企業(yè)為外部技術(shù)來(lái)源的企業(yè)在這方面還非常薄弱，而選擇科研機(jī)構(gòu)、國(guó)內(nèi)大學(xué)等作為合作和外部技術(shù)來(lái)源的企業(yè)在這方面要明顯強(qiáng)于國(guó)內(nèi)其他企業(yè)合作的方式。

表2 企業(yè)外部技術(shù)來(lái)源情況與數(shù)字化轉(zhuǎn)型開(kāi)展關(guān)聯(lián)分析

圖8 不同所有制企業(yè)其數(shù)字經(jīng)濟(jì)融合工作開(kāi)展情況

（4）與科研機(jī)構(gòu)、大學(xué)合作程度越緊密，數(shù)字經(jīng)濟(jì)融合程度越高。表3顯示，企業(yè)對(duì)于科研機(jī)構(gòu)和國(guó)內(nèi)大學(xué)合作作用的認(rèn)識(shí)與企業(yè)數(shù)字化轉(zhuǎn)型的推進(jìn)情況有著非常強(qiáng)的關(guān)聯(lián)關(guān)系。認(rèn)為與科研機(jī)構(gòu)和大學(xué)合作作用不太大的企業(yè)沒(méi)有展開(kāi)數(shù)字化轉(zhuǎn)型的比例高達(dá)87%。相反，認(rèn)為其作用非常大的550家企業(yè)中沒(méi)有開(kāi)展數(shù)字化轉(zhuǎn)型的比例要遠(yuǎn)小于上述兩類企業(yè)，僅為54%左右。

表3 對(duì)與科研機(jī)構(gòu)、大學(xué)合作作用認(rèn)可情況與企業(yè)數(shù)字化轉(zhuǎn)型關(guān)聯(lián)情況

結(jié)合企業(yè)選擇在數(shù)字化轉(zhuǎn)型過(guò)程中面臨突出問(wèn)題的選項(xiàng)，1830家企業(yè)中有909家選擇了缺少數(shù)字化相關(guān)人才，這個(gè)占比接近一半。數(shù)字經(jīng)濟(jì)的發(fā)展需要掌握大數(shù)據(jù)概論、大數(shù)據(jù)技術(shù)架構(gòu)與實(shí)踐、人工智能與機(jī)器學(xué)習(xí)、云計(jì)算、區(qū)塊鏈等數(shù)字前沿知識(shí)的人才，特別是對(duì)數(shù)學(xué)、物理、信息技術(shù)等基礎(chǔ)學(xué)科有著較高的要求，而對(duì)于基礎(chǔ)學(xué)科的研究工作并不是大多數(shù)企業(yè)所擅長(zhǎng)的，高校和科研院所則在基礎(chǔ)學(xué)科研究方面更有優(yōu)勢(shì)，因此如果一個(gè)企業(yè)不關(guān)注甚至認(rèn)為與高校和科研院所的合作是完全沒(méi)有作用的，這很可能導(dǎo)致其在數(shù)字化轉(zhuǎn)型道路上處于落后的位置。

五、企業(yè)數(shù)字化轉(zhuǎn)型的影響因素及模型檢驗(yàn)

1.多元Logit模型估計(jì)

對(duì)問(wèn)卷中企業(yè)數(shù)字經(jīng)濟(jì)融合推進(jìn)情況的5個(gè)選項(xiàng)，選用Mlogit模型對(duì)不同企業(yè)性質(zhì)、行為與態(tài)度對(duì)于數(shù)字化轉(zhuǎn)型推進(jìn)的誘發(fā)效應(yīng)的差異性進(jìn)行分析。模型的設(shè)定如下：

其中，設(shè)定j為類別變量包含的種類總數(shù)，在本研究中，j=5,分別為企業(yè)對(duì)數(shù)字化轉(zhuǎn)型了解與推進(jìn)情況的5個(gè)選項(xiàng)，b為選定的基準(zhǔn)組，此處設(shè)定選項(xiàng)（3）“開(kāi)始在部分業(yè)務(wù)上進(jìn)行數(shù)字化轉(zhuǎn)型，并取得成效”作為基準(zhǔn)組，當(dāng)j=b時(shí)，等式左邊為ln1=0，則βb=0。即某種選擇相對(duì)自己的log-odds（勝算比）始終為0，則該組別對(duì)應(yīng)的任何解釋變量系數(shù)也必然為0。通過(guò)求解這j個(gè)方程，可以得到每種選擇的預(yù)測(cè)概率：

表4中被解釋變量企業(yè)數(shù)字化開(kāi)展情況以選項(xiàng)（3）為基準(zhǔn)，解釋變量也都以類別變量進(jìn)行回歸，其中基準(zhǔn)組以每個(gè)問(wèn)題中的第一個(gè)選項(xiàng)為準(zhǔn)。為了給出更有意義的回歸系數(shù)勝算比（odds ratio），結(jié)合前述統(tǒng)計(jì)特征，數(shù)字化基本完成或者已成為常態(tài)的企業(yè)相對(duì)較少，因此在觀察表4的計(jì)量結(jié)果時(shí)可以主要關(guān)注哪些類型的企業(yè)更可能沒(méi)有開(kāi)展數(shù)字化轉(zhuǎn)型或者完全不了解數(shù)字化轉(zhuǎn)型。表4中的回歸系數(shù)顯示出5%水平以上顯著度的關(guān)系中，例如所屬城市中完全不了解數(shù)字化轉(zhuǎn)型，鎮(zhèn)江為4%水平上顯著，且勝算比為6.37，也就是說(shuō)，與南京相比，鎮(zhèn)江企業(yè)完全不了解數(shù)字化轉(zhuǎn)型的情況相較于在某些領(lǐng)域展開(kāi)數(shù)字化轉(zhuǎn)型而言的概率達(dá)到了6.37倍。再以研發(fā)經(jīng)費(fèi)為例，研發(fā)經(jīng)費(fèi)占主營(yíng)業(yè)務(wù)收入比例在1%～3%、3%～5%、5%～10%以及10%以上的回歸系數(shù)都在1%顯著度上顯著，并且勝算比隨著研究經(jīng)費(fèi)占比的提升大致呈現(xiàn)下降趨勢(shì)，且都小于1，也就是說(shuō)研發(fā)經(jīng)費(fèi)更高的企業(yè)更不可能完全不了解數(shù)字經(jīng)濟(jì)轉(zhuǎn)型情況。其他的顯著性情況基本與前述統(tǒng)計(jì)性特征吻合，統(tǒng)計(jì)特征所得到的基本結(jié)論能夠得到計(jì)量回歸結(jié)果的驗(yàn)證，計(jì)量結(jié)果給出了更為科學(xué)和精準(zhǔn)的判斷。

從具體回歸結(jié)果來(lái)看：第一，企業(yè)所屬城市不顯著地影響企業(yè)數(shù)字化轉(zhuǎn)型在表4中得到驗(yàn)證，與南京相比，鎮(zhèn)江、徐州和南通具有顯著性，鎮(zhèn)江的企業(yè)在5%顯著度上更可能完全不了解數(shù)字化轉(zhuǎn)型，并且與南京相比企業(yè)完全不了解數(shù)字化轉(zhuǎn)型的概率達(dá)到了6.37倍，南通也在10%和5%的顯著度上更可能完全不了解數(shù)字化轉(zhuǎn)型以及暫未開(kāi)展數(shù)字化轉(zhuǎn)型。而徐州與南京相比，暫未展開(kāi)數(shù)字化轉(zhuǎn)型的企業(yè)概率只有0.43倍，且在1%水平上顯著。

表4 企業(yè)數(shù)字化轉(zhuǎn)型意愿與推進(jìn)情況的Mlogit模型計(jì)量結(jié)果

第二，從企業(yè)所有制對(duì)企業(yè)數(shù)字化轉(zhuǎn)型推進(jìn)情況的影響來(lái)看，民營(yíng)企業(yè)、中外合資企業(yè)和集體企業(yè)并不好于國(guó)有企業(yè)，反而其完全不了解數(shù)字化轉(zhuǎn)型的概率更高，特別是集體企業(yè)完全不了解數(shù)字化轉(zhuǎn)型的概率是國(guó)有企業(yè)的16.68倍。

第三，從企業(yè)營(yíng)收規(guī)模與數(shù)字化轉(zhuǎn)型情況的關(guān)聯(lián)來(lái)看，前述統(tǒng)計(jì)特征得到了非常好的驗(yàn)證，營(yíng)收在10000萬(wàn)元以上的企業(yè)在1%顯著性上更加不可能完全不了解或者暫未展開(kāi)數(shù)字化轉(zhuǎn)型，其概率只有100萬(wàn)元以下?tīng)I(yíng)收企業(yè)的0.18倍和0.36倍。

第四，研發(fā)投入影響企業(yè)數(shù)字化轉(zhuǎn)型進(jìn)程，與研發(fā)投入1%以下的企業(yè)相比，研發(fā)投入在1%～3%、3%～5%、5%～10%和10%以上的企業(yè)未展開(kāi)數(shù)字化轉(zhuǎn)型的概率更低，且顯著度均在1%水平，未展開(kāi)數(shù)字化轉(zhuǎn)型選項(xiàng)的勝算比也隨著研發(fā)投入的增加逐步降低。

第五，對(duì)大學(xué)和科研機(jī)構(gòu)的認(rèn)可度影響企業(yè)數(shù)字化轉(zhuǎn)型的進(jìn)程，與對(duì)大學(xué)和科研院所認(rèn)可度非常高的企業(yè)相比，認(rèn)可度更低的企業(yè)未推進(jìn)數(shù)字化轉(zhuǎn)型的概率更高，且勝算比隨著認(rèn)可度的降低而大幅提升，認(rèn)為大學(xué)和科研機(jī)構(gòu)基本沒(méi)有作用的企業(yè)其完全不了解數(shù)字化轉(zhuǎn)型的概率是認(rèn)為其作用非常大的企業(yè)的21.13倍，暫未展開(kāi)的概率也達(dá)到了6.6倍。綜上所述，本文的問(wèn)卷調(diào)研通過(guò)統(tǒng)計(jì)特征分析和計(jì)量回歸結(jié)果得到了一致的結(jié)論。

圖9展示了Mlogit計(jì)量結(jié)果部分樣本的預(yù)測(cè)情況。所選擇的預(yù)測(cè)選項(xiàng)為完全不了解數(shù)字化轉(zhuǎn)型，圖形基本與統(tǒng)計(jì)特征相吻合，例如企業(yè)近3年研發(fā)經(jīng)費(fèi)占主營(yíng)業(yè)務(wù)收入比例隨著研發(fā)經(jīng)費(fèi)的提高，選擇完全不了解數(shù)字化的概率逐漸降低；隨著企業(yè)對(duì)與科研機(jī)構(gòu)、大學(xué)合作對(duì)企業(yè)自主創(chuàng)新作用的認(rèn)可度下降，其可能完全不了解數(shù)字化轉(zhuǎn)型的概率也大幅提升。

圖9 樣本內(nèi)預(yù)測(cè)概率的圖形展示

2.二元Logit模型估計(jì)

企業(yè)對(duì)數(shù)字化融合發(fā)展推進(jìn)情況的五類選擇可以分為兩大類：一大類是已開(kāi)展數(shù)字化轉(zhuǎn)型工作，另一大類是未展開(kāi)數(shù)字化轉(zhuǎn)型工作。

將被解釋變量轉(zhuǎn)化為二分0，1變量后，可以將模型由多元logit簡(jiǎn)化為二元logit模型。二元邏輯斯蒂回歸（Binary Logistic Regression）模型是一種非線性分類的統(tǒng)計(jì)方法，適用于因變量中存在定性指標(biāo)的問(wèn)題，簡(jiǎn)化后的二元Logit模型回歸結(jié)果見(jiàn)表5。

表5 企業(yè)數(shù)字化轉(zhuǎn)型情況的Logit模型計(jì)量結(jié)果

表5的回歸結(jié)果中并未將解釋變量再進(jìn)行分類化，重點(diǎn)看變量的P值以判斷各被解釋變量與企業(yè)是否進(jìn)行了數(shù)字化轉(zhuǎn)型有顯著關(guān)聯(lián)?？梢钥闯?，除了Q3（所在城市）和Q16（企業(yè)研發(fā)機(jī)構(gòu)的組織形式）其余解釋變量均在1%水平上與企業(yè)是否進(jìn)行了數(shù)字化融合發(fā)展有顯著關(guān)聯(lián)。

采用二元Logistic回歸分析得出的結(jié)果是否與現(xiàn)實(shí)具有較高的一致性需要進(jìn)一步檢驗(yàn)。由于Logistic回歸不像其他回歸方法還可以用R2對(duì)回歸效果進(jìn)行分析，因此本研究使用ROC（Relative Operating Characteristics）方法對(duì)Logistic回歸結(jié)果進(jìn)行檢驗(yàn)。在比較不同的分類模型時(shí)，可以將每個(gè)模型的ROC曲線都畫(huà)出來(lái)，比較曲線下面積Area under the Curve of ROC（AUC ROC）作為模型優(yōu)劣的指標(biāo)。當(dāng)0.5＜AUC＜1，說(shuō)明模型的擬合程度較好。

圖10為ROC受試者工作特征曲線，其中敏感度（真陽(yáng)性率）為Y軸，1-特異度（假陽(yáng)性率）為X軸。通過(guò)圖10可以進(jìn)一步驗(yàn)證前文的結(jié)論，Q5，Q10，Q11，Q18的ROC面積均大于0.5。這一結(jié)果驗(yàn)證了表5所展示的二元logit模型回歸的擬合程度較好，且企業(yè)所有制性質(zhì)、主營(yíng)業(yè)務(wù)收入、研發(fā)投入占比、對(duì)大學(xué)和科研機(jī)構(gòu)的認(rèn)可度以及外部技術(shù)來(lái)源等因素對(duì)于企業(yè)數(shù)字化轉(zhuǎn)型與否具有很強(qiáng)的關(guān)聯(lián)性。

圖10 企業(yè)是否進(jìn)行數(shù)字化轉(zhuǎn)型的ROC曲線

五、結(jié)論與啟示

基于以上統(tǒng)計(jì)特征與計(jì)量分析可以得到如下結(jié)論：企業(yè)數(shù)字化轉(zhuǎn)型整體仍處于起步階段，企業(yè)數(shù)字化融合開(kāi)展領(lǐng)域較為豐富，提升生產(chǎn)服務(wù)效率是企業(yè)數(shù)字化轉(zhuǎn)型的主要驅(qū)動(dòng)力，人才與成本是數(shù)字化轉(zhuǎn)型面臨的突出問(wèn)題。從區(qū)域?qū)用婵?，不同地區(qū)企業(yè)數(shù)字經(jīng)濟(jì)與實(shí)體經(jīng)濟(jì)融合發(fā)展程度差異較大，需進(jìn)一步從頂層設(shè)計(jì)方面予以推進(jìn)；從企業(yè)內(nèi)部看，企業(yè)的規(guī)模成長(zhǎng)與數(shù)字化轉(zhuǎn)型是一個(gè)雙向耦合互動(dòng)的過(guò)程，企業(yè)數(shù)字化轉(zhuǎn)型能促進(jìn)企業(yè)快速發(fā)展，同時(shí)企業(yè)規(guī)模的擴(kuò)大在一定程度上也有助于深入推進(jìn)數(shù)字化；從企業(yè)研發(fā)與合作方面來(lái)看，企業(yè)的研發(fā)支出是數(shù)字化轉(zhuǎn)型的重要基礎(chǔ)動(dòng)力，企業(yè)與科研機(jī)構(gòu)的合作對(duì)于推進(jìn)數(shù)字經(jīng)濟(jì)融合至關(guān)重要，對(duì)研究機(jī)構(gòu)的認(rèn)可程度與企業(yè)數(shù)字化轉(zhuǎn)型意愿呈顯著正相關(guān)關(guān)系?；诖耍瑧?yīng)在以下幾個(gè)方面予以重視。

第一，加快數(shù)字經(jīng)濟(jì)專門(mén)人才與跨學(xué)科人才培養(yǎng)。目前，中國(guó)數(shù)字化人才主要集中在產(chǎn)品研發(fā)領(lǐng)域，而智能制造、數(shù)字營(yíng)銷、組織管理、大數(shù)據(jù)深度分析等方面存在較大人才缺口，兼具大數(shù)據(jù)知識(shí)與制造業(yè)行業(yè)專業(yè)知識(shí)的跨學(xué)科人才更是緊缺。因此：一是加強(qiáng)數(shù)字人才建設(shè)。實(shí)施數(shù)字經(jīng)濟(jì)專項(xiàng)引進(jìn)計(jì)劃、鼓勵(lì)企業(yè)自主引進(jìn)數(shù)字經(jīng)濟(jì)高端人才和參加由政府組織的赴外招聘活動(dòng)以及引進(jìn)數(shù)字經(jīng)濟(jì)高校畢業(yè)生。鼓勵(lì)和支持有條件的學(xué)校加強(qiáng)跨學(xué)科領(lǐng)域的數(shù)字經(jīng)濟(jì)人才培養(yǎng)。二是進(jìn)一步完善數(shù)字經(jīng)濟(jì)人才培育機(jī)制。支持市場(chǎng)力量參與，加大數(shù)字技術(shù)的人才培訓(xùn)力度。如以新興數(shù)字經(jīng)濟(jì)企業(yè)為重點(diǎn)，聯(lián)合高校、知名企業(yè)或培訓(xùn)機(jī)構(gòu)開(kāi)設(shè)數(shù)字經(jīng)濟(jì)培訓(xùn)班，集中選送企業(yè)數(shù)字經(jīng)濟(jì)專業(yè)人才和中高級(jí)管理人才進(jìn)行學(xué)習(xí)深造，提升能力和素養(yǎng)。強(qiáng)化高校人才定向委托培養(yǎng)機(jī)制，支持企業(yè)與院校合作建立數(shù)字經(jīng)濟(jì)實(shí)踐實(shí)訓(xùn)基地，并對(duì)管理規(guī)范、成績(jī)突出的給予獎(jiǎng)勵(lì)。三是進(jìn)一步完善人才引進(jìn)政策，優(yōu)化數(shù)字經(jīng)濟(jì)人才發(fā)展環(huán)境。在人才落戶優(yōu)惠政策和購(gòu)房租房補(bǔ)貼上發(fā)力，提升數(shù)字經(jīng)濟(jì)專業(yè)人才吸引力和支持精準(zhǔn)度。對(duì)于“卡脖子”型人才，可以探索“揭榜掛帥”政策，進(jìn)一步解決人才子女的教育、醫(yī)療等問(wèn)題。

第二，發(fā)揮企業(yè)數(shù)字化轉(zhuǎn)型的集聚效應(yīng)。研發(fā)投入、與科研院所的合作等是促進(jìn)數(shù)字化轉(zhuǎn)型的重要?jiǎng)恿?。一是需打造?shù)字經(jīng)濟(jì)產(chǎn)業(yè)集群。鼓勵(lì)各地加快數(shù)字經(jīng)濟(jì)布局，摸清各地頭部企業(yè)和“隱形冠軍”底數(shù)，支持相關(guān)企業(yè)做大做強(qiáng)，加大對(duì)數(shù)字經(jīng)濟(jì)重點(diǎn)項(xiàng)目招引工作的支持力度，支持對(duì)事關(guān)全局的骨干企業(yè)、關(guān)鍵領(lǐng)域?qū)嵤耙粯I(yè)一策”“一企一策”。著力推動(dòng)數(shù)字經(jīng)濟(jì)園區(qū)和特色小鎮(zhèn)建設(shè)，加快打造世界級(jí)數(shù)字經(jīng)濟(jì)產(chǎn)業(yè)集群。二是推動(dòng)上下游企業(yè)齊頭并進(jìn)。發(fā)揮典型示范引領(lǐng)作用，積極開(kāi)展數(shù)字經(jīng)濟(jì)優(yōu)秀案例征集評(píng)選活動(dòng)，進(jìn)行營(yíng)業(yè)收入“百?gòu)?qiáng)”和高成長(zhǎng)企業(yè)“百家”的“雙百”評(píng)定工作，引導(dǎo)優(yōu)秀數(shù)字經(jīng)濟(jì)企業(yè)和高校、科研院所積極開(kāi)展交流與合作，擴(kuò)大培優(yōu)育強(qiáng)工作成效。如選擇物聯(lián)網(wǎng)、新能源汽車、集成電路等戰(zhàn)略性新興產(chǎn)業(yè)，引導(dǎo)頭部企業(yè)聯(lián)合高校研發(fā)機(jī)構(gòu)、行業(yè)上下游組建創(chuàng)新聯(lián)合體，政產(chǎn)學(xué)研聯(lián)動(dòng)開(kāi)展關(guān)鍵核心技術(shù)攻關(guān)。三是搭建共性技術(shù)研發(fā)平臺(tái)。發(fā)展工業(yè)互聯(lián)網(wǎng)，提升中小企業(yè)創(chuàng)新能力和專業(yè)化水平。以工業(yè)互聯(lián)網(wǎng)的連接為導(dǎo)向，共建和推廣“產(chǎn)業(yè)大腦”開(kāi)放平臺(tái)，將服務(wù)商、生產(chǎn)企業(yè)、供應(yīng)商無(wú)縫對(duì)接和聯(lián)動(dòng)。以工業(yè)互聯(lián)網(wǎng)作為共性技術(shù)平臺(tái)服務(wù)于產(chǎn)業(yè)數(shù)字化，支撐數(shù)字經(jīng)濟(jì)創(chuàng)新發(fā)展，推動(dòng)數(shù)字經(jīng)濟(jì)進(jìn)一步向?qū)嶓w經(jīng)濟(jì)更多行業(yè)、更多場(chǎng)景延伸。

第三，完善企業(yè)數(shù)字化轉(zhuǎn)型的配套機(jī)制。數(shù)字經(jīng)濟(jì)涉及行業(yè)范圍廣，是一種新經(jīng)濟(jì)形態(tài)、融合型經(jīng)濟(jì)，要高標(biāo)準(zhǔn)健全數(shù)字經(jīng)濟(jì)配套機(jī)制體制。一是要推進(jìn)數(shù)字經(jīng)濟(jì)深度融合標(biāo)準(zhǔn)化和規(guī)范化。組織開(kāi)展數(shù)字經(jīng)濟(jì)領(lǐng)域技術(shù)攻關(guān)，引導(dǎo)重點(diǎn)企業(yè)參與各領(lǐng)域標(biāo)準(zhǔn)研制，重點(diǎn)推動(dòng)物聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng)、車聯(lián)網(wǎng)等細(xì)分領(lǐng)域國(guó)際和國(guó)家標(biāo)準(zhǔn)的研判。二是進(jìn)一步健全數(shù)字經(jīng)濟(jì)統(tǒng)計(jì)體系。各地應(yīng)明確數(shù)字經(jīng)濟(jì)產(chǎn)業(yè)的邊界劃分，加強(qiáng)產(chǎn)業(yè)指導(dǎo)目錄的編制研究。按照國(guó)家數(shù)字經(jīng)濟(jì)統(tǒng)計(jì)分類標(biāo)準(zhǔn)，各地?cái)?shù)字經(jīng)濟(jì)產(chǎn)業(yè)相關(guān)廳局應(yīng)會(huì)同統(tǒng)計(jì)局建立健全數(shù)字經(jīng)濟(jì)的統(tǒng)計(jì)分類目錄、運(yùn)行監(jiān)測(cè)體系和其他相關(guān)指標(biāo)體系。三是建立數(shù)據(jù)安全屏障。強(qiáng)化全域性的城市數(shù)據(jù)安全防護(hù)體系建設(shè)，推動(dòng)數(shù)據(jù)治理體系和治理能力現(xiàn)代化。加強(qiáng)數(shù)據(jù)安全等級(jí)防護(hù)和關(guān)鍵信息基礎(chǔ)設(shè)施安全保護(hù)工作，進(jìn)一步提升數(shù)據(jù)安全防護(hù)能力。在金融網(wǎng)絡(luò)安全領(lǐng)域，嚴(yán)格落實(shí)金融機(jī)構(gòu)的網(wǎng)絡(luò)安全主體責(zé)任，加強(qiáng)人員和產(chǎn)品服務(wù)安全管理，確保數(shù)據(jù)安全、供應(yīng)鏈安全。