供給側(cè)視角下數(shù)字化賦能效率研究

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.