制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型的影響因素

【摘要】數(shù)字化轉(zhuǎn)型的影響因素及路徑演變是數(shù)字化轉(zhuǎn)型研究的關鍵問題之一，可以進一步回答數(shù)字化從投入到產(chǎn)出期間相關動力因素的作用方式和傳導機制。文章基于2381家企業(yè)樣本，以企業(yè)規(guī)模為控制變量，實證研究數(shù)據(jù)資源、數(shù)據(jù)分析、組織學習等不同因素對于制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型績效的邊際貢獻，旨在揭開企業(yè)數(shù)字化轉(zhuǎn)型的“黑箱”，探討不同動力因素對于制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型的影響。研究發(fā)現(xiàn)，學習能力、數(shù)據(jù)質(zhì)量、人力資本、數(shù)據(jù)增量、技術能力等因素的邊際貢獻依次減弱。

【關鍵詞】數(shù)字化轉(zhuǎn)型；影響因素；學習能力；數(shù)據(jù)質(zhì)量；人力資本

【作者簡介】陸洋，博士，興業(yè)國信資產(chǎn)管理有限公司高級工程師，研究方向：數(shù)字經(jīng)濟和數(shù)字化轉(zhuǎn)型。

中圖分類號：F406.2；F425文獻標識碼：A

引言

推動我國制造業(yè)數(shù)字化轉(zhuǎn)型是關系到搶占第四次工業(yè)革命歷史機遇、推動經(jīng)濟高質(zhì)量發(fā)展、贏得全球競爭新優(yōu)勢的重大歷史任務，具有重要的現(xiàn)實意義。制造業(yè)數(shù)字化轉(zhuǎn)型可以劃分為兩個階段，即流程驅(qū)動的信息化階段和數(shù)據(jù)驅(qū)動的智能化階段。流程驅(qū)動與數(shù)據(jù)驅(qū)動的數(shù)字化過程既有區(qū)別，又有聯(lián)系。從區(qū)別看，二者在技術基礎、業(yè)務變革和生態(tài)合作等方面均有顯著不同。例如：更多的企業(yè)從IT硬件和軟件投資轉(zhuǎn)向購買ICT服務或開源軟件，引發(fā)傳統(tǒng)數(shù)字化轉(zhuǎn)型政策措施重塑的討論[1]；在流程驅(qū)動的信息化時代，企業(yè)通過建模提高信息處理效率，而在當前的數(shù)字化轉(zhuǎn)型中，企業(yè)不但要維持現(xiàn)有的業(yè)務流程模型，還要為數(shù)字產(chǎn)品打造此類模型的新變體[2]；企業(yè)組織轉(zhuǎn)型不僅需要獲得新技術知識，而且需要從合作伙伴那里吸收獲得新技術知識的能力，在從信息化到數(shù)字化的轉(zhuǎn)型過程中，企業(yè)組織從戰(zhàn)略合作伙伴那里獲得新技術知識的動機也在發(fā)生顯著變化[3]。從聯(lián)系看，信息化是數(shù)字化的基礎和前提，如果企業(yè)缺乏自上而下建立的信息化能力以及與實踐相匹配的管理制度和人才儲備，那么在數(shù)據(jù)時代就很難實施數(shù)字化轉(zhuǎn)型，無法充分獲取和利用有價值的數(shù)據(jù)資源，因此，傳統(tǒng)的信息化建設為數(shù)字化轉(zhuǎn)型奠定了基礎。

當前，制造業(yè)數(shù)字化轉(zhuǎn)型正步入以數(shù)據(jù)為生產(chǎn)要素的新階段，數(shù)據(jù)驅(qū)動型數(shù)字化轉(zhuǎn)型對企業(yè)競爭優(yōu)勢的影響逐漸受到各方關注。相關研究大致分為三種類型。一是作用機理和路徑類研究。許多學者從不同視角探討了數(shù)據(jù)成為生產(chǎn)要素提升企業(yè)績效的實現(xiàn)機制，而關于數(shù)據(jù)驅(qū)動企業(yè)數(shù)字化轉(zhuǎn)型的討論相對較少。焦豪等（2021）[4]深入分析了企業(yè)如何利用數(shù)據(jù)驅(qū)動效應推動數(shù)字化轉(zhuǎn)型，但研究局限于自帶數(shù)字基因的數(shù)字平臺企業(yè)，未涉及廣泛的市場主體——非平臺類企業(yè)。二是經(jīng)濟價值和績效類研究。數(shù)字化轉(zhuǎn)型長期被認為是企業(yè)組織實現(xiàn)更高水平績效的必要戰(zhàn)略[5]，許多研究驗證了數(shù)據(jù)驅(qū)動對于提升企業(yè)績效的積極影響。如McAfee（2012）[6]通過實證研究發(fā)現(xiàn)，在一個行業(yè)中使用數(shù)據(jù)驅(qū)動決策（Data-Driven De？ cision）模式占比前三名的企業(yè)，其平均生產(chǎn)效率和利潤率分別比競爭對手高5%和6%左右。三是影響因素和進程類研究。國內(nèi)外此類研究相對較多，但大部分是從技術采納的視角研究企業(yè)數(shù)字化轉(zhuǎn)型的影響因素，較少將數(shù)據(jù)驅(qū)動能力納入評估體系[7-9]。近年來，Brynjolfsson進行了一些創(chuàng)新性研究[10-11]，根據(jù)他與合作者于2016年發(fā)表在頂級經(jīng)濟學期刊《American Economic Review》上的文章顯示，企業(yè)的業(yè)務范圍、產(chǎn)出規(guī)模、基礎設施、人才儲備、變革意愿等因素共同決定了數(shù)據(jù)驅(qū)動決策模式在制造業(yè)企業(yè)中的采用程度[10]。總體上，企業(yè)的業(yè)務范圍、產(chǎn)出規(guī)模、變革意愿、IT基礎、數(shù)字化人才等因素對數(shù)字化轉(zhuǎn)型進程的邊際貢獻依次減弱。

此外，多項研究表明，數(shù)字化轉(zhuǎn)型是一個高度復雜的過程，企業(yè)面臨較高的不確定性和失敗風險。據(jù)全球知名管理咨詢公司麥肯錫（McKin？ sey Company）研究部門發(fā)布的報告，數(shù)字化轉(zhuǎn)型的失敗率常年在70%～90%之間波動，即有2/3以上的數(shù)字化轉(zhuǎn)型不成功。其中一個非常重要的原因是，數(shù)據(jù)驅(qū)動企業(yè)數(shù)字化轉(zhuǎn)型的路徑尚不清晰，相關因素影響程度未能充分揭示，缺乏定量闡釋“數(shù)據(jù)驅(qū)動數(shù)字化轉(zhuǎn)型影響企業(yè)競爭優(yōu)勢”的扎實證據(jù)。1987年，諾貝爾獎獲得者索洛研究發(fā)現(xiàn)，企業(yè)對信息技術進行了大量投資，但在產(chǎn)出端卻很難看到信息技術對產(chǎn)出和全要素生產(chǎn)率的改善。這一顛覆性發(fā)現(xiàn)引發(fā)了“信息技術能否創(chuàng)造價值以及如何創(chuàng)造價值”的熱烈探討，結(jié)論大致分為三類。一是信息技術績效改善具有“滯后效應”，即只有當信息技術在企業(yè)中的滲透和應用超過一定的臨界水平才可能帶來可見的績效改善[12]；二是互補資產(chǎn)理論，即實現(xiàn)信息技術改善經(jīng)濟績效需要一系列互補性資產(chǎn)或能力[13]；三是吸收能力理論，即企業(yè)的吸收能力是決定技術溢出效應大小的主要因素[14]。隨著數(shù)據(jù)成為一種關鍵性的戰(zhàn)略資源和生產(chǎn)資料，充分利用數(shù)據(jù)驅(qū)動決策模式的管理者，能夠基于數(shù)據(jù)獲取知識而非憑靠商業(yè)直覺來做出決策，從而提高了決策的科學性與準確性。

一、研究設計

（一）模型設計與變量選擇

當前企業(yè)數(shù)字化轉(zhuǎn)型表現(xiàn)為數(shù)據(jù)驅(qū)動特征，本質(zhì)是數(shù)據(jù)驅(qū)動的智能決策過程，即企業(yè)利用各類數(shù)字技術獲取數(shù)據(jù)，再對數(shù)據(jù)進行智能分析，進而優(yōu)化決策，實現(xiàn)企業(yè)資源配置效率改善的過程。總體看，數(shù)據(jù)驅(qū)動型數(shù)字化轉(zhuǎn)型對企業(yè)績效的影響受數(shù)據(jù)資源、數(shù)據(jù)分析能力、學習能力、企業(yè)組織特點等多重因素影響。

數(shù)據(jù)資源的數(shù)量和質(zhì)量都會影響企業(yè)績效。一方面，隨著數(shù)據(jù)要素的積累，企業(yè)產(chǎn)品的質(zhì)量和價值也會快速提高[15]，越來越多的企業(yè)正在通過積累數(shù)據(jù)資源加速數(shù)字化轉(zhuǎn)型[16]；另一方面，數(shù)據(jù)質(zhì)量的差異同樣影響數(shù)字化轉(zhuǎn)型效果，大量的、質(zhì)量參差不齊的數(shù)據(jù)資源會阻礙數(shù)據(jù)化運營管理的效率。Bajari等（2019）[17]通過對亞馬遜產(chǎn)品銷售量預測系統(tǒng)的實證分析，發(fā)現(xiàn)產(chǎn)品在市場上因銷售時段增加所產(chǎn)生的額外數(shù)據(jù)能夠提升預測表現(xiàn)，而同一種類產(chǎn)品因數(shù)量增長所產(chǎn)生的額外數(shù)據(jù)不能改進預測表現(xiàn)，說明不同類型的數(shù)據(jù)對于數(shù)字化轉(zhuǎn)型決策存在異質(zhì)性。因此，本文提出假設1。

H1：數(shù)據(jù)資源對企業(yè)數(shù)字化轉(zhuǎn)型績效有正向影響。

企業(yè)通過數(shù)據(jù)分析可以得到更廣泛、更深入和更準確的觀察結(jié)果，進而提升決策質(zhì)量。數(shù)據(jù)分析能力能夠促進企業(yè)績效提升，其機制是通過提高企業(yè)技術能力和營銷能力間接提高企業(yè)績效。Brynjolfsson等（2016）[10]認為，擁有強大的IT資產(chǎn)使企業(yè)更有可能實施數(shù)字化轉(zhuǎn)型，并從“數(shù)據(jù)驅(qū)動”的過程中獲益。Yasmin等（2020）[18]研究發(fā)現(xiàn)，數(shù)據(jù)分析能力之間具有相互依賴性，其中以技術設施能力最為重要，其次是管理能力和人力資源能力。值得注意的是，數(shù)據(jù)創(chuàng)造價值的過程離不開人才支撐和智力支持，所以人力資本也是影響企業(yè)數(shù)字化轉(zhuǎn)型的重要因素[19]。數(shù)據(jù)分析需要依靠數(shù)字化人才，數(shù)據(jù)分析能力越來越受到企業(yè)人力資源部門的重視，培養(yǎng)數(shù)字化人才成為企業(yè)能否實現(xiàn)數(shù)字化轉(zhuǎn)型的關鍵。因此，本文提出假設2。

H2：數(shù)據(jù)分析能力對企業(yè)數(shù)字化轉(zhuǎn)型績效有正向影響。

學習能力是激活數(shù)據(jù)要素價值十分重要的企業(yè)資產(chǎn)。數(shù)據(jù)創(chuàng)造價值需要企業(yè)組織的關鍵結(jié)構(gòu)與能力進行適應、調(diào)整與更新，避免企業(yè)組織原有流程和業(yè)務模式形成慣性，阻礙數(shù)據(jù)分析對數(shù)字化轉(zhuǎn)型效果的影響[20]。學習能力幫助企業(yè)通過多渠道、多維度的數(shù)據(jù)反饋，形成快速迭代、持續(xù)調(diào)整的企業(yè)策略。企業(yè)依據(jù)數(shù)據(jù)分析結(jié)果可以更好地進行組織內(nèi)部調(diào)整改進，同時從外部獲取知識并內(nèi)化為企業(yè)資產(chǎn)，二者共同提升企業(yè)數(shù)字化轉(zhuǎn)型的競爭力。從內(nèi)部試錯改進的角度看，學習能力強的企業(yè)能夠利用組織內(nèi)部知識，通過快速實驗迭代、成員間知識共享等方式實現(xiàn)新知識創(chuàng)造以及組織能力上的精煉、轉(zhuǎn)換、擴展和更新，最終夯實數(shù)字化轉(zhuǎn)型基礎。事實上，有效的數(shù)據(jù)分析要求企業(yè)組織不斷自我調(diào)整和改進，許多企業(yè)沒有充分認識和實施，最終導致數(shù)字化轉(zhuǎn)型失敗。因此，本文提出假設3。

H3：學習能力對企業(yè)數(shù)字化轉(zhuǎn)型績效有正向影響。

大型企業(yè)作為全球數(shù)字化轉(zhuǎn)型的領軍者，聚焦數(shù)字化集成，探索智能化突破，在前沿領域進行著全局化探索。一些處在最前沿、能力強的大企業(yè)開始通過自建平臺、組建聯(lián)盟等方式向數(shù)字化轉(zhuǎn)型，將覆蓋全鏈條、全行業(yè)的綜合數(shù)字化解決方案對外公開，賦能其他企業(yè)轉(zhuǎn)型。近年來，中小企業(yè)也逐漸認識到數(shù)字化轉(zhuǎn)型的重要性，從而加快轉(zhuǎn)型步伐，但中小企業(yè)數(shù)字化基礎相對薄弱，資金、人才、經(jīng)驗等資源普遍缺乏，目前主要以初級的信息化補課為主，實現(xiàn)深度數(shù)字化的企業(yè)還比較少。Brynjolfsson等（2016）[10]研究證實，大企業(yè)更容易實現(xiàn)數(shù)字化轉(zhuǎn)型。一方面，企業(yè)規(guī)模與數(shù)據(jù)資源匯聚水平相關，規(guī)模更大的企業(yè)能夠匯聚高質(zhì)量的數(shù)據(jù)資源，為數(shù)據(jù)提供決策分析奠定良好基礎；另一方面，大企業(yè)能夠為數(shù)據(jù)分析配置更高效的資源，從而影響企業(yè)數(shù)據(jù)利用效率。數(shù)據(jù)要素價值化是一場創(chuàng)新速度和效率的競爭與變革，企業(yè)組織達到一定規(guī)模后，往往更重視數(shù)據(jù)分析支持的決策，數(shù)據(jù)分析獲取的知識傳播、轉(zhuǎn)化和利用更加高效。因此，本文提出假設4。

H4：企業(yè)規(guī)模對企業(yè)數(shù)字化轉(zhuǎn)型進程有正向影響。

綜上所述，數(shù)據(jù)驅(qū)動型數(shù)字化轉(zhuǎn)型影響企業(yè)績效的路徑如圖1所示。數(shù)據(jù)資源既能直接作用于企業(yè)績效，也能通過數(shù)據(jù)分析能力的中介效應間接對企業(yè)績效產(chǎn)生積極影響。其中，數(shù)據(jù)分析能力在數(shù)字化轉(zhuǎn)型過程中發(fā)揮了重要的橋梁作用。一方面，它是企業(yè)基于數(shù)據(jù)資源挖掘知識價值并最終獲得績效改善的關鍵樞紐，體現(xiàn)出企業(yè)將原始數(shù)據(jù)轉(zhuǎn)化為有價值的數(shù)據(jù)資產(chǎn)的能力；另一方面，通過數(shù)據(jù)分析獲取的信息和知識可以直接對企業(yè)績效產(chǎn)生貢獻，但有時也需要通過學習能力的中介效應才能發(fā)揮對企業(yè)績效的正向促進作用，原因在于企業(yè)獲取的信息和知識必須在組織內(nèi)經(jīng)過分享、試錯、吸收、調(diào)整等一系列行為，才能內(nèi)化為企業(yè)資產(chǎn)并有效指導生產(chǎn)和經(jīng)營，最終提升企業(yè)績效。

考慮到企業(yè)規(guī)模（scale）的外在影響，本文將其作為控制變量，選取數(shù)據(jù)資源、數(shù)據(jù)分析、組織學習等作為企業(yè)數(shù)字化轉(zhuǎn)型績效的影響因素。其中，數(shù)據(jù)資源用增量和質(zhì)量兩個維度衡量，數(shù)據(jù)分析能力從技術和人才兩個方面評定，組織學習考慮企業(yè)利用數(shù)據(jù)獲取知識的學習能力。解釋變量包括：數(shù)據(jù)增量（data_flow）表示企業(yè)可用數(shù)據(jù)增量，反映企業(yè)對數(shù)據(jù)資源的積累能力；數(shù)據(jù)質(zhì)量（data_qua）表示企業(yè)數(shù)據(jù)資源的可用性，一般從規(guī)模、種類、速度等維度衡量；技術能力（tech）表示企業(yè)開展數(shù)據(jù)智能分析的技術實力，如新型數(shù)據(jù)庫、云計算、開源軟件、并行計算等；人力資本（hc）表示企業(yè)開展數(shù)字化轉(zhuǎn)型的人才能力，以數(shù)字化相關部門的主管作用最為重要；學習能力（study）表示企業(yè)進行數(shù)據(jù)知識積累與共享的能力，可以從數(shù)據(jù)跨部門流通、數(shù)據(jù)改善研發(fā)生產(chǎn)管理等方面考慮。

被解釋變量為企業(yè)績效（performance），它是一個多維度的概念，往往根據(jù)所研究的問題用不同的指標衡量。從財務視角看，一般采用銷售收入增長率、銷售利潤率、資產(chǎn)回報率、資產(chǎn)收益率、資金周轉(zhuǎn)率等指標衡量；從非財務視角看，一般采用企業(yè)市場份額、顧客滿意度、企業(yè)市場地位等指標衡量。為研究數(shù)字化轉(zhuǎn)型對企業(yè)績效的貢獻，本文綜合考慮數(shù)據(jù)的可得性和魯棒性，分別從數(shù)字化盈利能力（profit_score）、數(shù)字化運營效率（op？ era_ad）和市場規(guī)模（market_share）三個方面衡量企業(yè)績效，并采用傳統(tǒng)的多元線性計量方法對企業(yè)生產(chǎn)函數(shù)進行建模，以此研究上述影響因素與企業(yè)績效之間的關系。

式（1）中，Performance是被解釋變量，da？ ta_flow、data_qua、tech、hc、study是解釋變量，scale是控制變量，β為截距項，u為隨機項（遺漏變量），n為有效樣本數(shù)。預計所有自變量都會對因變量產(chǎn)生正向影響，影響程度需計量回歸后觀測。

（二）數(shù)據(jù)來源與變量測量

本研究與湖南、貴州兩地政府合作，開展各地市產(chǎn)業(yè)數(shù)字化水平評估，并在此基礎上進行數(shù)字化轉(zhuǎn)型研究。貴州地處我國西南內(nèi)陸腹地，2015年貴州省政府將大數(shù)據(jù)上升為全省戰(zhàn)略，開設全國首個大數(shù)據(jù)交易所，持續(xù)推進大數(shù)據(jù)和實體經(jīng)濟融合，依托大數(shù)據(jù)對各行業(yè)、各領域、各企業(yè)的全流程改造成效顯著，數(shù)字經(jīng)濟增速連續(xù)多年居全國首位；湖南位于我國中部地區(qū)，近年來數(shù)字經(jīng)濟強勢崛起，制造業(yè)與互聯(lián)網(wǎng)融合發(fā)展不斷深化，數(shù)字經(jīng)濟占GDP比重逐年上升，2020年數(shù)字經(jīng)濟增速全國排名第四，長沙擁有中部地區(qū)唯一的新型數(shù)據(jù)交易所。由此可見，貴州、湖南在地理位置、產(chǎn)業(yè)結(jié)構(gòu)、政策支持、發(fā)展?jié)摿Φ确矫婢哂械湫托裕虼吮疚牟捎么藘墒∫?guī)模以上企業(yè)的調(diào)研統(tǒng)計作為研究的數(shù)據(jù)基礎。

問卷相繼征求國家智庫研究人員、行業(yè)專家和企業(yè)高管的意見，不斷對相關題目進行完善，形成最終問卷。問卷承諾保證數(shù)據(jù)隱私安全，涉及選擇問題均為不定項，要求企業(yè)管理者和專業(yè)技術人員共同填寫，并附企業(yè)公章以保證數(shù)據(jù)的真實性和有效性。調(diào)研過程中向近3000家制造業(yè)企業(yè)發(fā)出問卷，共回收問卷2900份，在剔除缺失率較大的樣本后，最終得到2381份有效問卷，有效樣本占比82.1%。樣本企業(yè)的基本特征如表1所示。

本文采用設置選項和分箱處理的方法對變量進行測量。被解釋變量企業(yè)績效（performance）的測量主要涉及三個表征變量。一是盈利能力（prof？ it_score），反映企業(yè)通過數(shù)字化轉(zhuǎn)型獲得的銷售增長和利潤提升，對應問卷題目“企業(yè)依托數(shù)字化能力實現(xiàn)的銷售增長與行業(yè)平均水平的比較（高于、低于、約等于）”和“企業(yè)利用數(shù)字化手段實現(xiàn)的利潤提升與行業(yè)平均水平的比較（高于、低于、約等于）”，取值1～5。二是運營效率（opera_ad），反映企業(yè)通過數(shù)字化轉(zhuǎn)型實現(xiàn)的運營能力改善，對應問卷題目“與行業(yè)平均水平相比，企業(yè)通過數(shù)字化改造在運營方面具有哪些優(yōu)勢（響應市場需求更快、產(chǎn)品運營成本更低、顧客滿意度更高、以上均不符合）”，取值1～4。三是市場規(guī)模（mar？ ket_share），反映企業(yè)通過數(shù)字化轉(zhuǎn)型實現(xiàn)的產(chǎn)品市場占有率提升，對應問卷題目“企業(yè)依托數(shù)字化能力開發(fā)的產(chǎn)品市場占有率與行業(yè)平均水平的比較（高于、低于、約等于）”，取值1～3。

解釋變量如前文所述。其中：數(shù)據(jù)增量（da？ ta_flow）采用企業(yè)存儲的與生產(chǎn)經(jīng)營活動相關的日增數(shù)據(jù)量進行衡量，取值1～8，取值越大表示日增數(shù)據(jù)量越多；數(shù)據(jù)質(zhì)量（data_qua）對應問卷題目“企業(yè)可調(diào)用的數(shù)據(jù)具有哪些特征”，取值1～4；技術能力（tech）對應問卷題目“企業(yè)具備哪些智能技術能力”，取值1～6；人力資本（hc）對應問卷題目“數(shù)字化部門主管具備哪些能力”，取值1-4；學習能力（study）對應問卷題目“企業(yè)組織內(nèi)部通過何種形式進行數(shù)據(jù)知識積累與共享”，取值1～4。

控制變量企業(yè)規(guī)模（scale）根據(jù)企業(yè)2020年營業(yè)收入和員工人數(shù)，劃分為微型企業(yè)、小型企業(yè)、中型企業(yè)、大型企業(yè)和超大型企業(yè)五個維度，取值1～5。研究中的變量類型、測量題目、取值范圍等在表2中詳細展示，樣本均值、標準差等描述性統(tǒng)計如表3所示。

二、實證檢驗與結(jié)果分析

為了更好地觀測影響因素的邊際貢獻[21]，本文進行了基準模型回歸，各解釋變量的系數(shù)、占比及顯著性檢驗情況如表4所示。

首先，探討企業(yè)績效與數(shù)據(jù)資源之間的關系。在以企業(yè)規(guī)模（scale）為控制變量的條件下，數(shù)據(jù)增量（data_flow）和數(shù)據(jù)質(zhì)量（da？ ta_qua）對企業(yè)績效（performance）均具有正向促進作用，回歸結(jié)果在0.01的水平上顯著。具體看，數(shù)據(jù)增量與數(shù)據(jù)質(zhì)量對經(jīng)濟的貢獻程度約為1∶9，反映出數(shù)據(jù)質(zhì)量對提升企業(yè)績效的重要作用。

其次，將技術能力（tech）和人力資本（hc）加入回歸模型。結(jié)果顯示，兩個解釋變量對企業(yè)績效（performance）也具有顯著的正向影響。具體來看：數(shù)據(jù)質(zhì)量的影響程度依然最高，而數(shù)據(jù)增量的邊際貢獻最??；技術能力和人力資本的影響程度相當，均約為19%，反映出技術和人才能夠幫助企業(yè)有效開發(fā)數(shù)據(jù)資源，對于提升企業(yè)績效十分重要。

最后，將學習能力（study）加入回歸模型。多元回歸分析結(jié)果如表5所示，各項解釋變量對企業(yè)績效（performance）均具有正向促進作用。具體來看：學習能力的邊際貢獻最大，約為46.3%；數(shù)據(jù)質(zhì)量次之，邊際貢獻約為29.6%；隨后是人力資本，影響程度約為11.5%；數(shù)據(jù)增量和技術能力的影響程度較低，分別約為6.4%和6.1%。在統(tǒng)計檢驗上，除技術能力在0.1的水平上顯著外，其余解釋變量均在0.01的水平上顯著。根據(jù)方差膨脹系數(shù)（VIF）可以看出，各解釋變量的取值均小于10，表明自變量之間不存在多重共線性問題。

實證研究表明，企業(yè)基于數(shù)據(jù)的學習能力對于企業(yè)經(jīng)濟績效的貢獻最大。數(shù)據(jù)要素價值釋放是企業(yè)從外部獲取知識、調(diào)整自身行為、內(nèi)化組織資產(chǎn)的過程，其核心和本質(zhì)是企業(yè)通過對數(shù)據(jù)的感知、學習、吸收和轉(zhuǎn)化獲得競爭優(yōu)勢。從內(nèi)部試錯改進的角度來理解，學習能力強的企業(yè)可以利用現(xiàn)有的組織內(nèi)部知識，通過快速實驗迭代、成員間知識共享等方式實現(xiàn)新知識創(chuàng)造，并最終實現(xiàn)企業(yè)組織能力的精煉、轉(zhuǎn)換、擴展和更新。

數(shù)據(jù)質(zhì)量也是決定企業(yè)數(shù)據(jù)應用效果的核心因素，而數(shù)據(jù)增量并非主要因素，這與我國制造業(yè)數(shù)字化轉(zhuǎn)型的發(fā)展階段密切相關。在信息化階段，企業(yè)“重應用系統(tǒng)建設、輕數(shù)據(jù)加工分析”的現(xiàn)象非常普遍，企業(yè)建設了較多的軟件系統(tǒng)，但由于供應商多樣、部門間訴求不同等，各個系統(tǒng)的數(shù)據(jù)格式存在差異且互不兼容，數(shù)據(jù)共享困難，形成“數(shù)據(jù)孤島”。然而，較高的數(shù)據(jù)質(zhì)量能夠極大地減少數(shù)據(jù)清洗、標注、流通等環(huán)節(jié)的成本，增強企業(yè)組織調(diào)用和分析數(shù)據(jù)的能力，對企業(yè)績效的邊際影響也更為明顯。

人力資本的邊際貢獻還十分有限。目前，我國工業(yè)化和數(shù)字化交叉領域的復合型人才十分緊缺，掌握行業(yè)知識的人才往往不懂數(shù)字化技術，而IT人才又往往不懂制造業(yè)的專業(yè)技術。從管理水平看：許多企業(yè)領導不清楚數(shù)字化和信息化的區(qū)別，對數(shù)字化的認識還停留在信息化階段；數(shù)字化部門主管層級較低，往往不在企業(yè)戰(zhàn)略的核心決策層，協(xié)調(diào)相關方合作十分困難，應用數(shù)據(jù)分析結(jié)果指導生產(chǎn)還很有限。因此，盡管人力資本可以顯著促進企業(yè)數(shù)字化轉(zhuǎn)型，但在本文中的邊際影響程度較低。

技術能力對企業(yè)經(jīng)濟績效的貢獻較小，這可能是由于智能技術的成熟度不高、滲透率不足。近年來，以新型數(shù)據(jù)庫、開源軟件、云原生等為代表的新一代ICT技術逐漸興起，為數(shù)據(jù)應用和企業(yè)轉(zhuǎn)型注入了新動能，但只有一些資金充裕的技術型企業(yè)勇于嘗試，大多數(shù)傳統(tǒng)行業(yè)企業(yè)望而卻步，未能讓全行業(yè)數(shù)字化轉(zhuǎn)型績效實現(xiàn)顯著提升。從技術采納的視角看，新技術的滲透率只有超過一定的臨界值，才會在統(tǒng)計層面展示出對經(jīng)濟績效的明顯改善，即新技術的經(jīng)濟價值存在滯后期。在一個完整的數(shù)字化轉(zhuǎn)型周期中，新技術產(chǎn)生的經(jīng)濟效應可能會呈現(xiàn)為“J”型曲線，不可能在短期內(nèi)出現(xiàn)經(jīng)濟產(chǎn)出的增長，甚至可能會有輕微的下調(diào)，但后續(xù)會出現(xiàn)較高水平的增長。

三、結(jié)語

（一）研究結(jié)論

數(shù)字化轉(zhuǎn)型影響因素及路徑研究是動力研究的重要方向。本文重點以數(shù)據(jù)驅(qū)動型數(shù)字化轉(zhuǎn)型為研究對象，基于2381家企業(yè)樣本，實證研究制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型影響因素的邊際貢獻。研究首次提供了系統(tǒng)性證據(jù)，表明在眾多影響因素中與數(shù)據(jù)相關的管理實踐能夠更好地促進轉(zhuǎn)型績效，在一定程度上揭示出數(shù)字化從投入到產(chǎn)出期間的動力因素和影響路徑。

第一，制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型正迎來以數(shù)據(jù)為重要資源的發(fā)展機遇期。近年來工業(yè)互聯(lián)網(wǎng)平臺的發(fā)展，推動了產(chǎn)品設計、生產(chǎn)工藝、設備運行、運營管理等海量數(shù)據(jù)的全面采集。數(shù)據(jù)是寶貴的資源，蘊含著規(guī)律和邏輯，企業(yè)應對數(shù)據(jù)資源進行挖掘整理、去粗取精、去偽存真、深入分析和科學應用，將數(shù)據(jù)資源轉(zhuǎn)化成企業(yè)發(fā)展的財富。

第二，本文豐富了數(shù)據(jù)驅(qū)動企業(yè)數(shù)字化轉(zhuǎn)型的理論和實證研究。系統(tǒng)性證據(jù)表明，決策者通過分析和使用數(shù)據(jù)可以顯著改善經(jīng)濟績效。數(shù)據(jù)驅(qū)動企業(yè)數(shù)字化轉(zhuǎn)型加速發(fā)展，在產(chǎn)品研發(fā)、經(jīng)營管理、商業(yè)模式等環(huán)節(jié)日漸成為核心生產(chǎn)要素和價值創(chuàng)造來源。其經(jīng)濟學機理是：數(shù)據(jù)要素的開發(fā)利用帶來信息的高效流通，在很大程度上解決了信息不對稱的問題，并創(chuàng)造出大量基于數(shù)據(jù)的新型業(yè)務模式和產(chǎn)業(yè)環(huán)節(jié)，從而促進產(chǎn)業(yè)價值的轉(zhuǎn)移、創(chuàng)造和重構(gòu)。

第三，本文擴展了互補資產(chǎn)在數(shù)據(jù)驅(qū)動型數(shù)字化轉(zhuǎn)型情景下的適用性。數(shù)字化轉(zhuǎn)型是一項復雜的系統(tǒng)工程，涉及技術和產(chǎn)業(yè)、供給和需求、理論和實踐、生產(chǎn)力與生產(chǎn)關系等多重關系。本文結(jié)合互補性能力理論，實證分析了不同因素對于數(shù)字化轉(zhuǎn)型績效的邊際影響，為提出更有針對性的數(shù)字化轉(zhuǎn)型發(fā)展策略提供理論支撐?？傮w上，學習能力、數(shù)據(jù)質(zhì)量、人力資本、數(shù)據(jù)增量、技術能力等因素對于數(shù)字化轉(zhuǎn)型績效的邊際貢獻依次減弱。

第四，本文揭示了學習能力、數(shù)據(jù)質(zhì)量在數(shù)字化轉(zhuǎn)型過程中的關鍵作用。數(shù)據(jù)驅(qū)動型數(shù)字化轉(zhuǎn)型具有敏捷創(chuàng)新、泛在互聯(lián)、全局協(xié)同、智能決策的時代特征，企業(yè)處于高度動態(tài)的環(huán)境中，需要應用數(shù)據(jù)分析及時快速響應變化。在此過程中，企業(yè)組織的學習能力成為重要的無形資產(chǎn)，能夠幫助企業(yè)時刻感知和識別新信息和新知識，在組織內(nèi)部建立共識，及時抓住機遇，并最終獲取商業(yè)價值。高質(zhì)量的數(shù)據(jù)資源能夠節(jié)約數(shù)據(jù)互聯(lián)互通的成本，提升數(shù)據(jù)要素規(guī)模報酬水平，因而成為數(shù)字化服務與創(chuàng)新的重要基礎。

第五，從企業(yè)側(cè)看，制造業(yè)數(shù)字化轉(zhuǎn)型存在轉(zhuǎn)型動力不足、轉(zhuǎn)型基礎薄弱、公共平臺欠缺等問題，企業(yè)不會轉(zhuǎn)、不能轉(zhuǎn)、不敢轉(zhuǎn)的問題尚未得到有效解決。

（二）研究啟示與展望

首先，充分認識數(shù)據(jù)要素價值化對企業(yè)數(shù)字化轉(zhuǎn)型的促進作用。數(shù)據(jù)資源只有經(jīng)過分析和應用，從數(shù)據(jù)生產(chǎn)端轉(zhuǎn)移至應用端，并在生產(chǎn)經(jīng)營中產(chǎn)生效應，才能真正釋放數(shù)據(jù)作為生產(chǎn)要素的市場價值。當前，我國企業(yè)對數(shù)據(jù)資源的利用大多停留在表面，數(shù)據(jù)應用尚不深入，應用領域相對較窄，數(shù)據(jù)與場景融合不深，致使海量數(shù)據(jù)資源無法盤活，數(shù)據(jù)潛力未能得到充分釋放[22]?；诒疚难芯浚ㄗh引導廣大市場主體深化數(shù)字化轉(zhuǎn)型，開展基于數(shù)據(jù)的研發(fā)設計、生產(chǎn)制造、產(chǎn)品運維、經(jīng)營管理的業(yè)務全流程綜合應用，提升企業(yè)產(chǎn)研供銷數(shù)據(jù)的應用水平。同時應注意，數(shù)據(jù)在企業(yè)組織中的融合應用會受到學習能力的顯著影響，企業(yè)應建立各部門溝通協(xié)調(diào)、解決爭議的組織紐帶，最大程度地挖掘數(shù)據(jù)價值化所依賴的互補資源。

其次，技術手段將成為解決當前數(shù)據(jù)應用困境的重要突破口。企業(yè)數(shù)據(jù)來源眾多、體量龐大、結(jié)構(gòu)各異、關系復雜，從中挖掘高價值、關聯(lián)性強的高質(zhì)量數(shù)據(jù)，需要高效的信息技術支撐和可靠的基礎設施保障。本文研究發(fā)現(xiàn)，當前數(shù)據(jù)智能分析能力成熟度不高，在企業(yè)數(shù)字化轉(zhuǎn)型中滲透不夠，導致經(jīng)濟績效未能充分體現(xiàn)。基于此，應進一步發(fā)揮大數(shù)據(jù)技術在數(shù)據(jù)挖掘方面的效用，提升大數(shù)據(jù)技術在不同場景、不同行業(yè)的適配能力，不斷提升數(shù)據(jù)分析技術的智能化水平，在保障數(shù)據(jù)合規(guī)、保護數(shù)據(jù)安全的前提下促進數(shù)據(jù)價值釋放，同時控制整體成本，提升技術應用效率。

最后，人才培養(yǎng)有助于形成數(shù)據(jù)驅(qū)動數(shù)字化轉(zhuǎn)型的核心力量。目前，數(shù)字化人才供需矛盾日漸凸顯，企業(yè)利用數(shù)據(jù)建模分析解決實際問題的能力不足。從短期看，應支持各類數(shù)字經(jīng)濟領域勞動力市場、人才市場建設，優(yōu)化人崗智能匹配等個性化就業(yè)服務，提高數(shù)據(jù)人才供給與需求對接效率；從中長期看，應持續(xù)完善數(shù)字化人才培養(yǎng)體系，擴大數(shù)據(jù)分析相關職業(yè)培訓與繼續(xù)教育規(guī)模，加強職業(yè)院校數(shù)字技能類人才培養(yǎng)，推進專業(yè)升級和數(shù)字化改造，優(yōu)化完善課程設置，建設高水平數(shù)字技能職業(yè)教育師資隊伍。

本文研究還存在以下局限性：第一，本文對企業(yè)數(shù)字化轉(zhuǎn)型影響因素的理解仍不完整，許多潛在的重要因素，如公司文化、競爭壓力等未能在實驗中進行深入探討[23]；第二，行業(yè)屬性可能會影響數(shù)據(jù)分析應用的效果，特別是制造業(yè)與零售服務業(yè)數(shù)字化轉(zhuǎn)型機理差異較大，本文未對不同行業(yè)數(shù)據(jù)驅(qū)動決策與企業(yè)績效之間關系進行對比；第三，數(shù)字化轉(zhuǎn)型投入與產(chǎn)出之間的“黑箱”仍未充分揭示，下一步將在理論層面探討數(shù)據(jù)資源驅(qū)動企業(yè)轉(zhuǎn)型的路徑過程，剖析數(shù)據(jù)資源驅(qū)動績效提升的實現(xiàn)機制，進一步解釋數(shù)據(jù)驅(qū)動企業(yè)數(shù)字化轉(zhuǎn)型的決策方法和經(jīng)濟效應。

參考文獻

[1]DESTEFANO T，DEBACKER K，MOUSSIEGT L. Determinants of digital technology use by companies[R]. OECD science， technology and innovation policy papers，2017.

[2]BAIYERE A，SALMELA H，TAPANAINEN T. Digital transformation and the new logics of business process management[J]. European Journal of Information Systems，2020，29（3）：238-259.

[3]SIACHOU E，VRONTIS D，TRICHINA E. Can traditional organizations be digitally transformed by themselves？ The moderating role of absorptive capacity and strategic interdependence[J]. Journal of Business Research，2021（1）：408-421.

[4]焦豪，楊季楓，王培暖，等.數(shù)據(jù)驅(qū)動的企業(yè)動態(tài)能力作用機制研究：基于數(shù)據(jù)全生命周期管理的數(shù)字化轉(zhuǎn)型過程分析[J].中國工業(yè)經(jīng)濟，2021（11）：174-192.

[5]HENDERSON J C，VENKATRAMAN H. Strategic alignment： Leveraging information technology for transforming organizations[J]. IBM systems journal，1999，38（2/3）：472-484.

[6]MCAFEE A，BRYNJOLFSSON E，DAVENPORT T H，et al. Big data： the management revolution[J]. Harvard business review，2012，90（10）：60-68.

[7]陸洋，王超賢.數(shù)字化轉(zhuǎn)型量化評估研究的比較分析與最新進展[J].科技進步與對策，2021，38（9）：152-160.

[8]OLIVEIRA T，MARTINS M F. Literature review of information technology adoption models at firm level[J]. Electronic Journal of Information Systems Evaluation，2011，14（1）：110.

[9]孟凡生，趙剛.傳統(tǒng)制造向智能制造發(fā)展影響因素研究[J].科技進步與對策，2018，35（1）：66-72.

[10]BRYNJOLFSSON E，MCELHERAN K. The rapid adoption of data-driven decision-making[J]. American Economic Review，2016，106（5）：133-139.

[11]BRYNJOLFSSON E，MCAFEE A. The second machine age： Work， progress， and prosperity in a time of brilliant technologies[M]. New York：WW Norton Company，2014.

[12]DAVID P A. The dynamo and the computer： an historical perspective on the modern productivity paradox[J]. The American Economic Review，1990，80（2）：355-361.

[13]ZAHRA S A，SAPIENZA H J，DAVIDSSON P. Entrepreneurship and dynamic capabilities： A review， model and research agenda[J]. Journal of Management studies，2006，43（4）：917-955.

[14]BO？I？K，DIMOVSKI V. Business intelligence and analytics for value creation： The role of absorptive capacity[J]. International journal of information management，2019（6）：93-103.

[15]FARBOODI M，VELDKAMP L. A growth model of the data economy[R]. National Bureau of Economic Research，2021.

[16]SOTO-ACOSTA P. COVID-19 Pandemic： Shifting Digital Transformation to a High-Speed Gear[J]. Information Systems Management，2020，37（4）：260-266.

[17]BAJARI P，CHERNOZHUKOV V，HORTA？SU A，et al. The impact of big data on firm performance： An empirical investigation[J]. The American economic review，2019（mayappa）：33-37.

[18]YASMIN M，TATOGLU E，KILIC H S，et al. Big data analytics capabilities and firm performance： An integrated MCDM approach[J]. Journal of Business Research，2020（6）：1-15.

[19]FABIANI S，SCHIVARDI F，TRENTO S. ICT adoption in Italian manufacturing： firm-level evidence[J]. Industrial and Corporate Change，2005，14（2）：225-249.

[20]BAESENS B，BAPNA R，MARSDEN J R，et al. Transformational issues of big data and analytics in networked business[J]. MIS quarterly，2016，40（4）：807-818.

[21]BRYNJOLFSSON E，HITT L M. Paradox lost？Firm-level evidence on the returns to information systems spending[J]. Management Science，1996，42（4）：541-558.

[22]李偉.做好數(shù)據(jù)治理推動數(shù)字化轉(zhuǎn)型[J].中國金融，2020（1）：43-45.

[23]BLADER S，GARTENBERG C，HENDERSON R，et al. The real effects of relational contracts[J]. American Economic Review，2015，105（5）：452-456.

（責任編輯：從佳琦）

Research on Influencing Factors of Digital Transformation in Manufacturing Enterprises

LU Yang

（Xingye Guoxin Assets Management Co. Ltd.， Beijing 100000， China）

Abstract： The influencing factors and path evolution of digital transformation are one of the key issues in the re？ search topic of digital transformation， which can further answer the mode of action and transmission mechanism of relevant dynamic factors in the process of digital transformation from input to output. Based on the survey data from 2381 enterprises， and taking enterprise size as the control variable， this paper makes an empirical study of the mar？ ginal contribution of different factors such as data resources， data analysis， and organizational learning to the perfor？ mance of digital transformation of manufacturing enterprises， aiming to unveil the black box of enterprise digital transformation and explores the impact of different dynamic factors on the digital transformation of manufacturing en？ terprises. The study finds that the marginal contributions of several factors， including learning ability， data quality， human capital， data increment， and technical ability， decrease in turn.

Key Words： Digital transformation； Influencing factors； Learning ability； Data quality； Human capital