宋罡 趙洋洋
【摘 ?要】論文從數(shù)字化服務(wù)供給側(cè)的角度出發(fā),以A公司2013-2022年的面板數(shù)據(jù)為研究樣本,運(yùn)用隨機(jī)前沿分析法對(duì)A公司的數(shù)字化賦能效率進(jìn)行測(cè)算。研究表明,A公司2013-2022年的總體數(shù)字化賦能效率處于中等水平,對(duì)各行業(yè)的數(shù)字化賦能效率呈現(xiàn)比較平穩(wěn)的發(fā)展趨勢(shì),其中對(duì)政府部門的數(shù)字化賦能效率最高,對(duì)云服務(wù)和汽車行業(yè)的數(shù)字化賦能效率較高,對(duì)通信行業(yè)、金融行業(yè)、醫(yī)療行業(yè)、外包服務(wù)、新聞出版行業(yè)的數(shù)字化賦能效率處于中游水平,對(duì)基礎(chǔ)設(shè)施和網(wǎng)絡(luò)安全行業(yè)的數(shù)字化賦能效率較低。
【關(guān)鍵詞】供給側(cè);數(shù)字化;效率
【中圖分類號(hào)】F270.7;F49 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 【文獻(xiàn)標(biāo)志碼】A ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 【文章編號(hào)】1673-1069(2023)07-0131-03
1 引言
在數(shù)字經(jīng)濟(jì)時(shí)代背景下,數(shù)字技術(shù)飛速發(fā)展,數(shù)字化賦能可以為企業(yè)構(gòu)建數(shù)字生態(tài)系統(tǒng)、提升數(shù)字化能力、創(chuàng)造數(shù)字化資源,且數(shù)字化資源逐漸成為企業(yè)獲取競(jìng)爭(zhēng)優(yōu)勢(shì)的重要資源。在企業(yè)實(shí)踐中,陜鼓、三一重工、徐工等工業(yè)企業(yè),均通過(guò)數(shù)字化技術(shù)為客戶提供了卓有成效的集成解決方
案[1],而騰訊、阿里巴巴、京東等平臺(tái)企業(yè),也通過(guò)數(shù)字化賦能用戶業(yè)務(wù)發(fā)展,為用戶提供支持和服務(wù)[2]。在理論研究中,數(shù)字化賦能受到廣泛關(guān)注,研究?jī)?nèi)容涉及醫(yī)療、教育、農(nóng)業(yè)、工業(yè)、商業(yè)、金融、保險(xiǎn)等多個(gè)領(lǐng)域。相關(guān)研究大多關(guān)注數(shù)字化賦能產(chǎn)生效應(yīng)的作用機(jī)制,周文輝等[3]探討了傳統(tǒng)制造企業(yè)如何借助數(shù)字化賦能促進(jìn)大規(guī)模定制技術(shù)創(chuàng)新。孫新波和蘇鐘海[4]構(gòu)建了制造企業(yè)通過(guò)數(shù)據(jù)賦能實(shí)現(xiàn)敏捷制造的過(guò)程模型。孟凡生等[5]基于數(shù)字化賦能視角,探究了高端裝備制造企業(yè)智能化轉(zhuǎn)型的動(dòng)態(tài)演進(jìn)過(guò)程。池毛毛等[6]分析了數(shù)字化賦能對(duì)中小制造企業(yè)新產(chǎn)品開(kāi)發(fā)的影響機(jī)制。Coreynen等[7]分析了數(shù)字化對(duì)制造企業(yè)服務(wù)化的影響機(jī)制。Scuotto等[8]關(guān)注數(shù)字化賦能對(duì)時(shí)尚產(chǎn)業(yè)中小企業(yè)的影響。張明超等[9]構(gòu)建了數(shù)據(jù)賦能驅(qū)動(dòng)精益生產(chǎn)創(chuàng)新內(nèi)在機(jī)理的整合性理論模型。劉啟雷等[10]基于數(shù)字化賦能的視角,分析了企業(yè)創(chuàng)新的過(guò)程邏輯和機(jī)制。蔣巒等[11]基于雙元?jiǎng)?chuàng)新視角分析了數(shù)字化賦能企業(yè)韌性的機(jī)制。王墨林等[12]基于動(dòng)態(tài)能力理論,通過(guò)文本挖掘方法測(cè)量了企業(yè)層面的數(shù)字化轉(zhuǎn)型指數(shù),揭示了數(shù)字化賦能企業(yè)國(guó)際化廣度的作用機(jī)制。但鮮有研究關(guān)注數(shù)字化賦能的效率問(wèn)題,而數(shù)字化賦能效率問(wèn)題正是衡量數(shù)字化賦能效果的關(guān)鍵所在,以往關(guān)于數(shù)字化賦能效率的研究大多從區(qū)域、產(chǎn)業(yè)等宏觀層面展開(kāi)分析,很少關(guān)注微觀層面的數(shù)字化賦能效率問(wèn)題,少有幾篇相關(guān)文獻(xiàn)也是從數(shù)字化技術(shù)如何提升企業(yè)技術(shù)效率的角度出發(fā)分析數(shù)字化賦能所產(chǎn)生的效應(yīng)。有鑒于此,本文聚焦于企業(yè)數(shù)字化賦能效率問(wèn)題,從數(shù)字化服務(wù)供給側(cè)的角度,精確測(cè)算其對(duì)各行業(yè)的數(shù)字化賦能效率,明確數(shù)字化技術(shù)與各行業(yè)的融合程度,以期為推動(dòng)數(shù)字產(chǎn)業(yè)化和產(chǎn)業(yè)數(shù)字化提供經(jīng)驗(yàn)證據(jù)和決策參考。
2 研究方法
常用的技術(shù)效率的測(cè)量方法主要有兩種:一種是非參數(shù)方法的數(shù)據(jù)包絡(luò)分析(DEA);另一種是參數(shù)方法的隨機(jī)前沿分析(SFA)。從方法層面看,兩種方法各有優(yōu)勢(shì),在測(cè)量技術(shù)效率的研究中均得到了廣泛應(yīng)用,而且測(cè)量結(jié)果并無(wú)顯著性差異[13]。由于本研究使用的是2013-2022年企業(yè)層面的面板數(shù)據(jù),不同時(shí)期不同生產(chǎn)單元的技術(shù)效率會(huì)有明顯的差異,隨機(jī)誤差項(xiàng)產(chǎn)生的影響較大,因此,隨機(jī)前沿分析(SFA)相對(duì)而言更能滿足本研究需要。
隨機(jī)前沿分析方法從計(jì)量經(jīng)濟(jì)學(xué)角度出發(fā),具備堅(jiān)實(shí)的理論基礎(chǔ)。最早由Aigner、Lovell和Schmidt[14],Meeusen和
Broeck[15]于1977年相繼提出,后續(xù)由Battese和Coelli[16]對(duì)該分析方法進(jìn)行了擴(kuò)展,引入了對(duì)效率損失的影響因素的無(wú)偏有效估計(jì),使隨機(jī)前沿分析方法更為完善,目前已經(jīng)成為廣泛使用的技術(shù)效率測(cè)量方法。其理論模型的一般型如式(1)所示。
Yit=f(xit,β)exp(vit-uit) ? ? ? ? (1)
式中,Yit表示第i生產(chǎn)單元在時(shí)期t的實(shí)際產(chǎn)出;f(·)表示前沿生產(chǎn)函數(shù);xit表示第i生產(chǎn)單元在時(shí)期t的投入;β表示待估計(jì)參數(shù);(vit-uit)表示復(fù)合誤差項(xiàng),其中vit為隨機(jī)擾動(dòng)項(xiàng),uit為技術(shù)非效率項(xiàng)。
隨機(jī)前沿分析是一種參數(shù)分析方法,需要設(shè)定具體的生產(chǎn)函數(shù),常用的生產(chǎn)函數(shù)形式有柯布-道格拉斯生產(chǎn)函數(shù)和超越對(duì)數(shù)生產(chǎn)函數(shù)。兩種函數(shù)形式在測(cè)量技術(shù)效率時(shí)各有利弊,并且均被廣泛地應(yīng)用于具體研究中,出于對(duì)形式簡(jiǎn)單、易于估計(jì)和分解的考慮,本研究選擇柯布-道格拉斯生產(chǎn)函數(shù)作為隨機(jī)前沿分析的函數(shù)形式進(jìn)行技術(shù)效率測(cè)量,具體形式如式(2)所示。
lnYit=β0+β1lnCit+β2lnLit+vit-uit ? ? ? (2)
式中,Cit表示第i生產(chǎn)單元在時(shí)期t的財(cái)力投入;Lit表示第i生產(chǎn)單元在時(shí)期t的人力投入;其他變量含義同上。
3 數(shù)據(jù)與變量
本研究的樣本數(shù)據(jù)來(lái)源于A公司各事業(yè)部2013-2022年的面板數(shù)據(jù),A公司是行業(yè)領(lǐng)先的全球化信息技術(shù)、產(chǎn)品和解決方案公司,每個(gè)事業(yè)部專注于相應(yīng)行業(yè)的數(shù)字化賦能業(yè)務(wù),是產(chǎn)業(yè)創(chuàng)新變革的推動(dòng)者和數(shù)字化轉(zhuǎn)型的賦能者,賦能全球各行業(yè)大中型客戶實(shí)現(xiàn)信息化、數(shù)字化、智能化發(fā)展。在技術(shù)效率測(cè)量時(shí)以A公司各事業(yè)部為生產(chǎn)單元,對(duì)應(yīng)數(shù)字醫(yī)療、云服務(wù)、汽車行業(yè)、數(shù)字金融、基礎(chǔ)設(shè)施、網(wǎng)絡(luò)安全、政府部門、外包服務(wù)、通信行業(yè)、新聞出版行業(yè)等10個(gè)行業(yè)部門。關(guān)于各生產(chǎn)單元的投入變量,借鑒相關(guān)研究的做法,分別選用研發(fā)成本和工作量投入作為衡量物質(zhì)資本和人力資本投入的指標(biāo);對(duì)于各生產(chǎn)單元的產(chǎn)出變量,通常采用銷售收入類的指標(biāo)來(lái)測(cè)量[17],銷售回款能夠更加真實(shí)地
反映銷售收入水平,因此,本文選用銷售回款作為產(chǎn)出變量的測(cè)量指標(biāo)。
4 結(jié)果分析
4.1 生產(chǎn)函數(shù)估計(jì)結(jié)果分析
本文運(yùn)用Frontiers 4.1軟件對(duì)上述模型和數(shù)據(jù)進(jìn)行隨機(jī)前沿分析,得到的參數(shù)估計(jì)結(jié)果和各生產(chǎn)單元技術(shù)效率值如表1和表2所示。
從表1可以看出,相關(guān)參數(shù)均通過(guò)了顯著性檢驗(yàn),其中,LR檢驗(yàn)值為89.054,通過(guò)顯著性檢驗(yàn),表明誤差項(xiàng)具有顯著的復(fù)合結(jié)構(gòu),進(jìn)一步說(shuō)明本文使用隨機(jī)前沿模型的合理性。γ=0.892,表明前沿生產(chǎn)函數(shù)的復(fù)合誤差項(xiàng)中有89.2%的成分來(lái)自技術(shù)非效率的影響。β1>0,資本產(chǎn)出彈性為正,表明A公司財(cái)力資源要素產(chǎn)出彈性處于不斷上升的狀態(tài)。β2<0,人力產(chǎn)出彈性為負(fù),表明A公司人力資源要素產(chǎn)出彈性處于不斷下降的狀態(tài),由此說(shuō)明A公司技術(shù)效率的提升越來(lái)越依賴于財(cái)力資源要素投入的增加。
4.2 技術(shù)效率測(cè)量結(jié)果分析
表2列示了2013-2022年A公司對(duì)各行業(yè)數(shù)字化賦能效率的測(cè)算結(jié)果,縱向數(shù)據(jù)主要反映各個(gè)行業(yè)近10年數(shù)字化賦能效率的變化情況;橫向數(shù)據(jù)主要反映A公司對(duì)各行業(yè)數(shù)字化賦能效率在同一年份的對(duì)比情況??傮w來(lái)看,A公司對(duì)各行業(yè)的數(shù)字化賦能效率處于中游水平,均值為0.504,尚有一定的提升空間。
從縱向上來(lái)看,各行業(yè)數(shù)字化賦能效率總體上比較平穩(wěn),但大多數(shù)行業(yè)出現(xiàn)小幅下降趨勢(shì),在一定程度上表明A公司近10年來(lái)各部門的經(jīng)營(yíng)狀況處于比較平穩(wěn)的狀態(tài),人力、財(cái)力的投入均能夠保持比較平穩(wěn)的產(chǎn)出水平。特別是近幾年受疫情影響,在總體外部經(jīng)營(yíng)環(huán)境不樂(lè)觀的情況下,各部門仍能保持比較平穩(wěn)的投入產(chǎn)出效率,這可能與國(guó)家近年來(lái)大力發(fā)展數(shù)字化產(chǎn)業(yè)有關(guān),但我們也應(yīng)該看到,A公司各部門的數(shù)字化賦能效率均出現(xiàn)小幅下滑的趨勢(shì),這也提醒企業(yè)在發(fā)展過(guò)程中,在加大人力、物力投入的同時(shí),更應(yīng)關(guān)注效率問(wèn)題,使企業(yè)在投入約束的條件下,能夠獲得更多的產(chǎn)出。特別是后疫情時(shí)代,在國(guó)家大力發(fā)展數(shù)字產(chǎn)業(yè)化、產(chǎn)業(yè)數(shù)字化的背景下,A公司更應(yīng)該以此為契機(jī),在加大人力、物力投入的同時(shí),探尋更為合理的資源利用方式,優(yōu)化資源配置,提升企業(yè)數(shù)字化賦能效率。
從橫向上來(lái)看,A公司對(duì)各行業(yè)的數(shù)字化賦能效率可分為4個(gè)梯度:A公司對(duì)政府部門的數(shù)字化賦能效率最高,且一直比較平穩(wěn);對(duì)云服務(wù)和汽車行業(yè)的數(shù)字化賦能效率較高,均在0.7左右,這兩個(gè)行業(yè)也是A公司近年來(lái)大力發(fā)展的行業(yè),從投入產(chǎn)出效率角度來(lái)看,目前取得了較好的效果;對(duì)通信行業(yè)、金融行業(yè)、醫(yī)療行業(yè)、外包服務(wù)、新聞出版行業(yè)的數(shù)字化賦能效率處于中游水平,說(shuō)明尚存在一定的提升空間,從投入產(chǎn)出角度來(lái)看,在加大人力、財(cái)力投入的同時(shí),更應(yīng)關(guān)注資源的合理配置,使各種資源能夠得到更加充分的利用,從而提升投入產(chǎn)出效率;對(duì)基礎(chǔ)設(shè)施和網(wǎng)絡(luò)安全行業(yè)的數(shù)字化賦能效率較低,尚有很大的提升空間,相關(guān)部門亟需優(yōu)化資源配置結(jié)構(gòu),提升資源利用效率。
5 結(jié)論
本文以2013-2022年A公司各事業(yè)部的運(yùn)營(yíng)數(shù)據(jù)為研究樣本,運(yùn)用基于柯布-道格拉斯生產(chǎn)函數(shù)的隨機(jī)前沿分析方法,從供給側(cè)角度對(duì)A公司各部門的數(shù)字化賦能效率進(jìn)行測(cè)算。研究發(fā)現(xiàn),A公司對(duì)各行業(yè)的數(shù)字化賦能效率處于中游水平,具有一定的提升空間。從時(shí)間維度來(lái)看,各行業(yè)數(shù)字化賦能效率總體上比較平穩(wěn),但大多數(shù)行業(yè)出現(xiàn)小幅下降趨勢(shì);從行業(yè)維度來(lái)看,A公司對(duì)政府部門的數(shù)字化賦能效率最高,對(duì)基礎(chǔ)設(shè)施和網(wǎng)絡(luò)安全行業(yè)的數(shù)字化賦能效率較低,對(duì)通信行業(yè)、金融行業(yè)、醫(yī)療行業(yè)、外包服務(wù)、新聞出版行業(yè)的數(shù)字化賦能效率處于中游水平,對(duì)云服務(wù)和汽車行業(yè)的數(shù)字化賦能效率較高。
本文對(duì)于明確數(shù)字化技術(shù)與各行業(yè)的融合程度有一定的參考價(jià)值,但仍存在些許不足,主要體現(xiàn)在A公司作為行業(yè)領(lǐng)先的全球化信息技術(shù)、產(chǎn)品和解決方案公司,是產(chǎn)業(yè)創(chuàng)新變革的推動(dòng)者和數(shù)字化轉(zhuǎn)型的賦能者,雖然以其為研究對(duì)象具有一定的代表性,但如果想要得出更加普適性的研究結(jié)論,還需要進(jìn)行大樣本的調(diào)查分析。
【參考文獻(xiàn)】
【1】羅建強(qiáng),蔣倩雯.數(shù)字化技術(shù)作用下產(chǎn)品與服務(wù)創(chuàng)新:綜述及展望[J].科技進(jìn)步與對(duì)策,2020,37(24):152-160.
【2】周文輝,鄧偉,陳凌子.基于滴滴出行的平臺(tái)企業(yè)數(shù)據(jù)賦能促進(jìn)價(jià)值共創(chuàng)過(guò)程研究[J].管理學(xué)報(bào),2018,15(8):1110-1119.
【3】周文輝,王鵬程,楊苗.數(shù)字化賦能促進(jìn)大規(guī)模定制技術(shù)創(chuàng)新[J].科學(xué)學(xué)研究,2018,36(8):1516-1523.
【4】孫新波,蘇鐘海.數(shù)據(jù)賦能驅(qū)動(dòng)制造業(yè)企業(yè)實(shí)現(xiàn)敏捷制造案例研究[J].管理科學(xué),2018,31(5):117-130.
【5】孟凡生,徐野,趙剛.高端裝備制造企業(yè)向智能制造轉(zhuǎn)型過(guò)程研究——基于數(shù)字化賦能視角[J].科學(xué)決策,2019(11):1-24.
【6】池毛毛,葉丁菱,王俊晶,等.我國(guó)中小制造企業(yè)如何提升新產(chǎn)品開(kāi)發(fā)績(jī)效——基于數(shù)字化賦能的視角[J].南開(kāi)管理評(píng)論,2020,23(3):63-75.
【7】Wim Coreynen,Paul Matthyssens,Johanna Vanderstraeten,et al.Unravelling the internal and external drivers of digital servitization: A dynamic capabilities and contingency perspective on firm strategy[J].Industrial Marketing Management,2020(89):265-277.
【8】Veronica Scuotto,Elisa Arrigo,Elena Candelo,et al.Ambidextrous innovation orientation effected by the digital transformation: A quantitative research on fashion SMEs[J].Business Process Management Journal,2020,26(5):1121-1140.
【9】張明超,孫新波,王永霞.數(shù)據(jù)賦能驅(qū)動(dòng)精益生產(chǎn)創(chuàng)新內(nèi)在機(jī)理的案例研究[J].南開(kāi)管理評(píng)論,2021,24(3):102-116.
【10】劉啟雷,張媛,雷雨嫣,等.數(shù)字化賦能企業(yè)創(chuàng)新的過(guò)程、邏輯及機(jī)制研究[J].科學(xué)學(xué)研究,2022,40(1):150-159.
【11】蔣巒,凌宇鵬,張吉昌,等.數(shù)字化轉(zhuǎn)型如何影響企業(yè)韌性?——基于雙元?jiǎng)?chuàng)新視角[J].技術(shù)經(jīng)濟(jì),2022,41(1):1-11.
【12】王墨林,宋淵洋,閻海峰,等.數(shù)字化轉(zhuǎn)型對(duì)企業(yè)國(guó)際化廣度的影響研究:動(dòng)態(tài)能力的中介作用[J].外國(guó)經(jīng)濟(jì)與管理,2022,44(5):33-47.
【13】徐勇,宋罡.基于DEA和SFA比較分析的中小企業(yè)技術(shù)效率區(qū)域差異研究[J].學(xué)術(shù)研究,2013(6):87-90+160.
【14】Dennis Aigner,C.A.Knox Lovell,Peter Schmidt.Formulation and estimation of stochastic frontier production function models[J].Journal of Econometrics,1977,6(1):21-37.
【15】Meeusen W,Van Den Broeck J.Efficiency estimation from cobb-douglas production functions with composed error[J].International Economic Review,1977,18(2):435-444.
【16】George Battese,Timothy James Coelli.A model for technical inefficiency effects in a stochastic frontier production function for panel data[J].Empirical Economics,1995(20):325-332.
【17】宋罡,徐勇.基于隨機(jī)前沿分析的中小企業(yè)技術(shù)效率[J].系統(tǒng)工程,2013,31(2):77-83.