开放科学(资源服务)标识码(OSID)：
The research period of this paper is set to be 2018-2020, and the Chinese A-share listed manufacturing enterprises are taken as the initial research samples. As the data on enterprise digital transformation performance is used to be delayed by one period, the research period of fsQCA specifically includes 2018 and 2019. Considering that digitalization includes digital industrialization and industrial digitalization, and the focus of this paper is on the digitalization sample of traditional manufacturing industry, hence the samples of enterprises whose main business involves digital industrialization such as artificial intelligence and computer communication are excluded. In addition, in order to improve the reliability of research results, the samples of ST and PT enterprises, abnormal financial data and missing data are removed in turn. By the end,with 1715 samples of Chinese listed A-share manufacturing enterprises, this paper identifies the key factors influencing their digital transformation from technology, organization, and environment. The digital transformation level of enterprises is measured by the textual analysis method, and empirical analysis is conducted by fsQCA and PSM. The study focuses on two questions:Which conditions (configurations) can trigger a high level of digital transformation? Does digital transformation driven by different paths have the same effect on enterprise performance.
The research results indicate that the successful digital transformation of manufacturing enterprises is not driven by a single condition but is the result of a synergistic linkage of technical, organizational, and environmental conditions. There are 4 types of configurations that drive the digital transformation of enterprises, which can be summarized into 3 adaptation models:the model explained by regional digital infrastructure alone (environment-driven); the model explained by enterprises'technology management capability and digital infrastructure together (internal and external synergy); and with attention allocation as the core condition, the model explained by a combination of digital investment, financial security, and peer competitive pressure (opportunity perception). The environment-driven and opportunity-perception models cannot significantly improve enterprise performance, whereas the internal and external synergistic models can positively influence enterprise performance.
Within the TOE theoretical framework, this paper examines the key drivers influencing the digital transformation of manufacturing enterprises by fsQCA and summarizes three types of conditional configurations driving their digital transformation, which enriches the literature on the factors influencing digital transformation from a configuration perspective. Moreover, the impact of digital transformation driven by different paths on enterprise performance is examined by PSM. The findings are conducive to explaining why digital transformation brings differential economic consequences, while providing a reference for the paths that enterprises can follow to implement digital transformation at the practical level.
开放科学(资源服务)标识码(OSID)：
随着全球新一轮科技革命与产业变革不断推进,以人工智能、区块链等为代表的数字技术蓬勃发展,成为驱动社会经济转型发展的新动能[1]。中共十九届四中全会首次提出将数据与劳动、资本、土地、知识、技术、管理等生产要素并列,反映出支撑经济高质量发展的要素发生了划时代转变[2]。《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》对“加快数字化发展,建设数字中国”作了专篇部署。2021年以来,我国相继出台《“十四五”国家信息化规划》《“十四五”数字经济发展规划》等一系列重要文件。由此,可以预期数字技术在未来很长一段时间内将是驱动中国经济高质量发展的关键力量。然而,相较于数字产业化迅猛发展,我国产业数字化发展相对滞后,尤其在微观层面,传统制造企业数字化转型步履维艰[3]。因此,如何推动传统制造企业数字化转型并提升转型成效成为当前学界关注的焦点。
纵观已有研究,有两个方面的问题值得关注:一方面,从数字化转型动因看,现有研究主要遵循演绎逻辑,通过构建假设检验和回归模型探讨制度政策层面、区域层面、行业层面、组织层面、高管及员工层面等相关因素对企业数字化转型的影响[4-6],侧重考察单个因素对数字化转型的净效应。然而,传统制造企业数字化转型是一项复杂的系统性工程,受制度、环境、组织、技术等多重因素的交互影响[7]。因此,考察单个因素的净效应无法有效揭示影响企业数字化转型的多元路径以及不同要素间的联动效应。由此,对不同层级影响因素进行有效整合,基于组态视角解释企业数字化转型动因具有理论意义与现实指导价值。另一方面,从数字化转型经济后果看,部分研究发现,数字化转型对企业经营发展具有积极影响。例如,赋能企业降本增效、优化内部经营流程、促进专业化分工、改善企业经营绩效、推动商业模式革新等[8-10]。也有研究指出,数字化转型不仅会增加企业成本,而且可能引发企业新旧资源冲突问题,进而对企业经营绩效产生不利影响[11-12]。此外,从实践角度看,当前传统制造企业数字化转型任重道远,多数企业数字化转型并未达到预期成效。国际知名咨询公司埃森哲发布的《2021埃森哲中国企业数字转型指数研究》显示,仅16%的受访企业取得显著转型成效,多数企业数字化转型并未实现业绩有效提升。由此,不禁令人产生疑问:数字化转型为何会产生不同的经济后果?
基于上述分析,本文以2018—2020年中国A股制造企业为研究样本,基于TOE框架,从技术、组织、环境3个方面确定影响企业数字化转型的关键因素,采用基于机器学习的文本分析方法测度企业数字化转型水平,并结合模糊集定性比较分析(fsQCA)与倾向得分匹配(PSM)方法进行实证分析。本文重点关注以下两方面问题:第一,哪些条件(组态)能够引发企业高水平数字化转型,即回答“殊途是否同归”问题;第二,不同路径驱动下数字化转型对企业绩效是否具有相同的影响,即回答“殊途是否同果”问题。
本文可能的边际贡献在于:第一,基于中国制造业上市公司大样本数据,结合TOE框架从组态视角考察影响企业数字化转型的关键动因,归纳出3类驱动企业数字化转型的组态,不仅能够丰富企业数字化转型影响因素研究,而且可以为企业数字化转型提供差异化、可借鉴的路径启示。第二,为缓解企业数字化转型经济后果研究存在的矛盾提供新的解释。本文可为解释企业数字化转型差异化经济后果提供新的证据:不同路径作用下数字化转型会产生差异化经济后果,就企业绩效而言,基于企业技术管理能力与区域数字基础设施联动的数字化转型更有助于企业绩效提升。第三,在研究方法上,本文使用文本分析、fsQCA及PSM方法,可为文本分析、定性分析与定量研究提供一个探索性方案,后者在衡量企业战略转型水平、揭示转型前因、评价转型效果方面能够实现有机结合,因而可推广到企业战略行为前因及后果分析中。
目前,学界对数字化转型的概念尚未达成共识,归纳现有文献可以发现,学者们普遍认为数字化转型是以数字技术与数据要素为基础,将数据作为企业价值创造的重要资源,通过整合、重构企业组织结构、业务流程、商业模式等,推动数字技术与企业传统生产要素深度融合的过程[7]。与传统模式相比,数字化转型强调数字技术、数据要素、数字化平台在企业经营管理领域的深度融合与全方位应用,关注通过转型为企业创造新的价值[7]。对处于VUCA时代的传统制造企业而言,数字化转型已不再是能不能的问题,而是通过何种方式转型以及如何达到转型效果的问题。因此,文献回顾主要从数字化转型影响因素与经济后果两个方面展开。
(1)数字化转型影响因素。企业数字化转型影响因素涉及政策制度、行业及区域、企业、个体等层面,具体而言:一是政策制度层面,Chen等[4]发现,数字经济政策对于推动微观企业数字化转型具有显著激励作用;Lotriet等[13]发现,较大的制度监管压力会倒逼银行开展数字化转型,以符合监管机构在客户信息审查、交易记录核验等方面的要求。二是行业与区域环境层面,陈庆江等(2021)认为,受模仿学习与现实条件两个方面因素的影响,企业数字化转型存在同群效应。与区域因素相比,行业因素对企业数字化转型的影响更为关键,产业数字化发展水平是驱动企业数字化变革的重要因素。三是组织层面,Vial[5]研究发现,组织惯例是影响企业数字化转型的重要因素,由核心刚性引致的路径依赖可能对企业数字化变革产生阻碍作用。此外,动态能力也是驱动企业数字化转型的关键因素,组织可以通过机会感知、机会利用及变革重构能力激发数据驱动效应,进而推动企业数字化转型(焦豪等,2021)。张欣等[14]具体以中小企业为例,结合问卷调查与QCA方法探讨影响中小企业数字化转型的相关因素。四是个体层面,Li等[6]基于高管团队异质性视角发现,多元化高管团队有利于形成知识与技术互补,通过提升机会感知能力推动企业数字化变革。此外,员工态度也是影响企业数字化转型的重要因素,员工的抵制态度会对企业数字化转型产生阻碍作用[15]。
(2)数字化转型经济后果。数字化转型经济后果包括积极影响与消极影响两个方面:一是数字化转型的促进观。部分研究将数字化转型视为企业特殊的战略变革[16],认为数字化转型可以赋能企业降本增效、提升跨界经营能力、优化组织结构与业务流程、重构商业模式,由此带来积极成效。基于促进观视角,现有研究发现,数字化发展可以促进企业专业化分工、推动企业服务化转型、优化企业治理结构、改善企业经营与创新绩效、提升企业价值与市场竞争优势等[9-10,17]。二是数字化转型的挑战观。部分研究发现,数字技术引进不仅会增加企业成本,而且会促使企业经营流程变得更为复杂,导致企业管理费用上升,给企业发展带来挑战。基于挑战观视角,现有文献发现,当数字技术与企业主营业务无法兼容时,可能会引发新旧资源冲突问题[11],进而增加企业治理风险(张新民,陈德球,2020)。同时,数字化转型会导致企业组织结构与经营流程变得更加复杂,从而造成企业盈余质量下降。此外,数字技术引进可能导致企业整体系统性失调,增加企业管理成本,进而对绩效产生不利影响[12]。
综上,现有研究从影响动因和经济后果两个方面对企业数字化转型进行探索,但仍存在以下不足:第一,在影响因素方面,现有研究虽探讨影响企业数字化转型的关键动因,但大多基于演绎逻辑和假设检验,主要采用传统回归分析方法进行分析,缺少大样本条件下可资借鉴的传统制造企业数字化转型前因研究,因而难以为我国传统制造企业选择适配的数字化转型路径提供充分的理论支撑。第二,在经济后果方面,对于数字化转型经济后果,现有研究存在相互矛盾的结论,究其原因,基于假设检验的实证分析适用于独立探讨单个因素的净效应(杜运周等,2020),同时囿于研究样本、研究时段、控制变量等方面的标准不一,导致现有文献对数字化转型经济后果的解释不一致。由此,区分企业数字化转型成因,探讨不同动因下数字化转型对企业绩效的影响有助于解释数字化转型经济后果的争论。
针对上述研究的不足,本文采用fsQCA和PSM方法,从组态视角对企业数字化转型前因及经济后果进行分析。借鉴Tornatizky&Fleischer[18]提出的TOE框架,本文从技术、组织、环境3个方面构建企业数字化转型理论框架。选取TOE框架的原因在于,该框架本质上是基于新技术应用情境的综合性分析框架,可以客观地反映多维度技术应用情境对技术应用程度的影响(谭海波等,2019)。具体而言,TOE模型将影响数字技术应用的条件划分为技术、组织、环境3类。其中,技术条件强调技术自身特征及其与企业的关系,考察技术是否与企业结构特征相适应,以及技术是否与企业管理能力相协调;组织条件是影响企业数字技术应用水平的重要因素,包括注意力分配、组织规模、资金保障、资源冗余等[19];环境条件主要基于外部视角,考察市场结构、行业竞争、地区基础设施、制度政策等因素的影响[20]。当前,TOE框架已成为技术应用情景与技术应用程度关系的重要研究范式。由此,本文基于TOE理论框架,结合组态分析多重并发的属性,探讨技术、组织和环境等多重条件通过联动匹配方式对企业数字化转型的影响。
(1)技术条件,包括数字技术投资和数字技术管理能力两个二级条件。一方面,传统制造企业数字化转型表现为企业对数字化软件及硬件的投资水平。现有文献普遍认为,企业数字化投资有助于优化内部流程,降低其在信息搜寻、产品溯源、市场交易等领域的经营成本,推动企业实现生产柔性化、供应链协同及经营风险管控[5]。因此,数字技术投资是企业数字化转型的内在要求,其水平对于企业数字化转型成效具有重要影响。另一方面,数字化转型是企业系统性工程,涉及从研发设计、生产制造到营销服务的整个经营流程,企业不仅需要进行大规模数字技术投资,而且需要培育与数字技术相适配的管理能力。技术管理能力实质上是企业基于技术的动态能力,也是企业对数字技术识别、利用、整合、重构能力的综合表征。在企业数字化转型实践中,专业技术人员与技术管理经验匮乏是普遍存在的共性问题,技术管理能力缺失导致企业无法将数字技术深度融入生产经营过程,同时会降低企业经营效率。
(2)组织条件,包括注意力分配和资金保障两个二级条件。一方面,数字技术能够重构组织,但也会受到组织的反向影响[15]。现有研究主要从组织能力、组织惯性等方面探讨影响企业数字技术应用的相关因素。在实践中,组织关注程度与支持力度是影响企业战略执行的重要因素。因此,在组织层面,本文重点关注企业数字化注意力,后者能够反映企业对人工智能、大数据等一系列数字技术的关注程度。企业行为选择在很大程度上受自身注意力分配的影响。注意力分配对企业战略决策发挥至关重要的作用,当企业长期对数字技术分配较多的注意力时,其数字化转型实施程度通常较高。另一方面,资金保障水平也是影响企业数字化转型的重要因素。数字化转型会增加企业投资支出和管理费用[12],因而对于企业资金保障能力具有较高的要求。例如,数字技术研发或购买、专业技术人才聘用、数字平台的建设与维护均离不开大量资金支持,当企业面临严重融资约束时,后者会对数字化转型产生阻碍作用。
(3)环境条件,包括同侪竞争压力和区域数字基础设施两个二级条件。一方面,行业竞争环境对企业数字化转型具有重要影响。在竞争程度较高的行业,由于行业进入门槛低,企业面临众多竞争对手,巨大的同侪竞争压力会强化企业通过数字化转型提升自身竞争优势的动机。同时,数字技术应用能够降低行业进入壁垒,促使行业竞争方式发生重大变化[5]。因此,数字化转型成为企业应对行业竞争的重要战略选择。另一方面,区域数字基础设施能够为企业数字技术应用提供良好的条件,是企业数字化转型的重要基础。区域数字基础设施越完善,区域数字化平台和数字商业生态发挥作用的空间越大,这无疑会对企业数字化转型产生积极影响。
综上,“技术(T)—组织(O)—环境(E)”分析框架包括6个二级条件。其中,行业同侪竞争、区域数字基础设施属于客观禀赋条件,企业难以在短期内改变既有现状;数字技术投资、数字技术管理能力、注意力分配和资金保障水平属于主观可控条件,企业可以通过战略决策等改变现状。基于组态分析视角,技术、组织及环境条件对企业数字化转型的影响并非独立存在,而是通过联动匹配方式发挥作用。由此,本文构建理论模型框架如图1所示。
图1 理论模型框架
Fig.1 Research framework
本文第一个问题是基于组态视角探讨企业数字化转型的多元驱动机制,故选择QCA方法进行检验。一方面,QCA能够清晰地揭示企业数字化转型的复杂因果关系,通过探索多个前因条件的联动作用机制揭示驱动企业数字化转型的差异化因果路径,这是传统回归分析方法难以实现的[21];另一方面,QCA方法通过集合关系而非相关关系推断条件变量与结果变量间的关联,能够识别哪些条件及组态为结果的充分条件或必要条件。因此,基于QCA得出的结论具有准确度高、目标性强的特征(张明等,2020)。依据数据类型可将QCA分为fsQCA(模糊集定性比较分析)、csQCA(清晰集定性比较分析)以及mvQCA(多值集定性比较分析)。由于fsQCA既可以分析类别数据,又可以用于连续数据研究,因而选择fsQCA作为本文第一个问题的研究方法,即回答“殊途是否同归”。后续基于组态分析结果采用PSM(倾向得分匹配)分析本文第二个问题,即回答“同归是否同果”。
中共十九大报告提出,加快建设制造强国,加快发展先进制造业,推动互联网、大数据、人工智能和实体经济深度融合,在中高端消费、创新引领、绿色低碳、共享经济、现代供应链、人力资本服务等领域培育新增长点、形成新动能。2017年,中国企业开始广泛实施数字化转型。因此,本文研究时段为2018—2020年,并以中国A股上市制造企业为初始研究样本。由于企业数字化转型绩效数据需要延后一期,故fsQCA的研究时段包括2018年和2019年。本文研究对象为传统制造产业数字化样本,因而剔除企业主营业务涉及人工智能、计算机通信等数字产业化类的企业样本。此外,为了提升研究结论的可靠性,依次剔除ST及PT企业,以及财务数据异常及数据缺失的企业样本,最终获得1 715个“企业—年度”样本,数据来源如下:上市企业数字化转型数据借助Python整理上市企业年报中涉及的数字化转型关键词并通过人工阅读筛选获得,企业数字化注意力数据通过手工查阅上市公司年报获取,其它相关数据源自CSMAR数据库。
2.3.1 结果变量
企业数字化转型程度。参考袁淳等[9]、吴非等(2021)的研究成果,本文构建以底层技术和实践应用为核心的数字化转型词典,采用基于机器学习的文本分析方法测度企业数字化转型水平。底层技术以ABCD技术(人工智能、区块链、云计算、大数据)为分类特征,实践应用能够体现数字技术在金融、营销等领域的综合应用情景。本文收集2018—2019年中国沪深A股上市企业年报并对其进行如下处理:首先,定义文本分析基础词源。以《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》《关于加快推进国有企业数字化转型工作的通知》等制度文件为参考,收集其中涉及数字化转型的基础词源,获得93个词频数大于等于5的数字化转型关键词,具体如表1所示。其次,借助Python软件包的“jieba”中文分词库,统计上市企业年报中包含数字化转型关键词的语句与词频,并采用人工阅读方式进行数据清洗。再次,剔除关键词前存在“不”“未”等具有否定含义的语句,删除供应商、客户、高管简介信息中含有关键词的语句,并剔除所有表格信息及表述模糊的语句。最后,统计整理后的关键词披露次数,以所有关键词汇总次数加1的对数值表征企业数字化转型程度。
表1 数字化转型文本构建
Tab.1 Text construction of digital transformation
分类维度关键特征词数字化底层技术人工智能人工智能、智能制造、机器学习、深度学习、数字画像、身份验证、人脸识别、语音识别、生物识别、智慧平台、智能网联、数字智能、数字终端、感知交互、数控、数字孪生、数字通信、自动控制、自动监控、可视化、虚拟现实、混合现实、增强现实、VR、AR大数据大数据、数据湖、数据仓库、数据中台、数据挖掘、数字化、数据要素、数字通信、量化分析、数字技术、数字控制、实时计算、“互联网+”、互联网技术、产业互联、互联网战略、互联网平台、互联网服务、线上线下、O2O、电子商务、B2B、B2C、C2C云计算云计算、云架构、工业云、云生态、云监管、云平台、云服务、类脑计算、图计算、混合云、集成化、物联网、认知计算、绿色计算区块链区块链、智能合约、分布式、隐私技术、数字货币、共识算法、数字金融、加密算法、数据安全数字化实践应用智能营销、数字营销、电子商务、智能电器、智慧能源、智能装备、智能投顾、商业智能、智慧管理、智慧工厂、无人零售、自动驾驶、移动互联、车联网、开放银行、量化金融、联盟链、金融科技、互联网金融、工业互联网、互联网医疗
2.3.2 条件变量
(1)技术条件:技术管理能力和数字技术投资。技术管理能力实质上是基于技术的动态能力,是企业对数字技术识别、利用、整合及重构能力的综合体现。因此,借鉴苏汝劼和常宇豪[22]的研究成果,基于如下维度进行衡量:第一,研发支出比重。该指标能够反映企业对技术创新的投入强度与重视程度,是技术动态能力形成的关键,采用研发支出占总资产的比重测量。第二,本科以上员工占比。该指标可以较好地反映员工知识素质,后者对企业技术感知、利用、整合及重构能力具有重要影响,采用本科以上员工与员工总人数的比值测度。第三,资产收益率。该指标可以反映企业对各类资源的管理和配置水平,凸显企业资源管理和整合能力,采用净利润与总资产的比值衡量。将上述3个维度指标标准化后取均值,以此衡量企业技术管理能力,其值越大,企业技术管理能力越强。
参考高雨辰等[23]的研究成果,统计上市公司财务报告附注中的年末无形资产明细,采用与数字技术相关部分的资产额占无形资产总额的比重衡量企业数字技术投资水平。具体地,本文收集上市公司同年度无形资产明细中涉及软件、云架构、信息系统、数字平台等关键词的明细项目,加总计算得到其占同年度企业无形资产的比重。同时,考虑到行业因素的影响,对结果进行年度行业均值调整,并根据中位数将其划分为高数字技术投资组(取值为1)和低数字技术投资组(取值为0)。
(2)组织条件:注意力分配和资金保障水平。在微观企业层面,对数字技术的注意力分配难以直接测度。由此,本文基于组织职能视角,使用企业是否设置与数字技术相关的高管职位表征数字化注意力分配。具体而言,通过人工阅读上市企业年报,收集整理企业是否设置首席技术官(CTO)、首席信息官(CIO)、首席数字官(CDO)等与数字化转型高度相关的职位信息。当目标企业设置上述岗位时,表明企业对于数字化转型具有较高水平的注意力分配,赋值为1,否则赋值为0。
参考Hadlock&Pierce[24]的研究成果,采用SA指数衡量企业资金保障水平,如式(1)所示。
SA=-0.737×Size+0.043×Size2 -0.04×Age
(1)
其中,Size为企业规模,采用总资产对数值表示,Age为企业上市年限。由于SA值为负数,故对其取绝对值,其值越大表示企业融资约束程度越低,其资金保障水平越高。
(3)环境条件:同侪竞争压力和区域数字基础设施。参考现有文献的普遍处理方式,使用赫芬达尔—赫希曼指数HHI(HHI=∑i(Xi/∑Xi)2,Xi为公司i的销售额)的倒数反映行业竞争程度,其值越大,表明企业所处行业竞争程度越高。
借鉴潘为华等[25]的研究成果,从互联网普及率、移动电话普及率、长途光缆线路长度、5G基站数、互联网宽带接入端口数、互联网域名数等6个方面,采用熵值法拟合各地区数字基础设施综合指数,以此反映各省(市)数字基础设施建设水平。
2.3.3 变量校准
在QCA分析中,每个条件与结果均被视为一个独立集合,每个案例在特定集合中均具有隶属分数,为案例赋值的过程即为校准(陶克涛等,2021)。参考已有研究成果,本文采用直接校准法将原始数据转换为模糊集隶属分数,校准后的集合隶属度介于0～1之间。具体而言,遵循QCA的主流研究方法,选择条件变量和结果变量(不包括二分变量数字技术投资、数字化注意力)的95%、50%、5%分位数值作为“完全隶属”“转折点”“完全不隶属”的判定锚点,具体条件和结果校准信息如表2所示。
表2 结果变量与条件变量描述及校准
Tab.2 Description and calibration of outcome variables and conditional variables
项目条件变量指标描述完全隶属交叉点完全不隶属数字化转型数字化转型程度使用文本分析测度3.8771.6090技术(T)技术管理能力3个维度指标标准化均值0.504-0.022-0.851数字技术投资依据数字化投资水平分组///组织(O)注意力分配是否设立首席技术官等///资金保障水平使用SA指数测度4.2833.9403.627环境(E)同行竞争压力HHI倒数值63.62515.4684.983区域数字基建熵值法拟合值0.6960.4810.184
注:数字技术投资与注意力分配为二分变量,无需校准
在条件组态分析前,需要对各前因条件的必要性水平进行独立检验。在QCA分析中,若在结果发生时某个前因条件一直存在,那么该条件就是结果的必要条件。参照现有QCA研究的普遍处理方式,检验单一条件是否为企业数字化转型的必要条件,当单个条件的一致性水平高于0.9时,则该条件为结果的必要条件。使用fsQCA3.0软件统计高水平数字化转型和低水平数字化转型的必要条件,结果如表3所示。由表3可以发现,所有条件的一致性水平均低于0.9。因此,不存在影响企业高水平数字化转型和低水平数字化转型的必要条件。必要性分析结果也反映出传统制造企业数字化转型的复杂性,单一条件无法构成企业数字化转型的必要条件,数字化转型是技术、组织及环境等多重条件协同作用的结果。
表3 必要条件分析结果
Tab.3 Necessary condition analysis
条件变量高水平数字化转型一致性覆盖度低水平数字化转型一致性覆盖度高技术管理能力0.6980.6230.6670.672低技术管理能力0.6330.6270.6260.701高数字技术投资0.7520.4700.7500.529低数字技术投资0.2470.4670.2490.532高注意力分配0.0620.6170.0340.382低注意力分配0.7380.4620.7650.538高资金保障水平0.6260.5910.6410.683低资金保障水平0.6640.6210.6150.650高同侪竞争压力0.6310.5740.6590.677低同侪竞争压力0.6450.6270.5850.641高水平数字基建0.6640.6320.5780.622低水平数字基建0.6030.5590.6580.689
区别于必要条件分析,条件组态分析主要基于集合论视角探讨由多个条件构成的不同组态引发结果的充分性水平。一致性阈值是组态充分性分析的重要标准,参考Schneider等[26]的研究成果,本文将一致性阈值确定为0.80。此外,组态包含的案例数量是特定组态进入布尔最小化计算的筛选标准,频数阈值需要依据样本规模确定。一般地,样本总量越大,频数阈值越高。考虑到研究样本的大样本特征(样本量为1 715),参考张明等[29]的研究成果,本文将频数阈值设定为5。此时,样本量为1 294,占比超过75%。
目前,企业数字化转型动因研究处于探索阶段,存在多种视角和多个维度,故将技术条件、组织条件、环境条件均设置为“存在或缺乏”。表4为高水平数字化转型组态分析结果。可以发现,无论是单个组态(解)还是总体解的一致性水平均高于最低标准0.75。其中,总体解的一致性为0.803,总体解的覆盖度为0.364。4种组态的一致性水平值分别为0.796、0.805、0.797、0.867,其中,组态2的原始覆盖度与唯一覆盖度最高,说明组态2为4种组态中经验相关性最显著的组态。
表4 高水平数字化转型组态分析结果
Tab.4 Configuration analysis of high-level digital transformation
条件变量环境驱动型组态1内外协同型组态2机会感知型组态3组态4技术管理能力●数字技术投资●●注意力分配●●资金保障水平●同侪竞争压力●●区域数字基建●●一致性0.7960.8050.7970.867原始覆盖度0.1000.3260.0150.017唯一覆盖度0.0150.2410.0050.007总体解的一致性0.803总体解的覆盖度0.364
注:同现有QCA研究保持一致,●表示核心条件存在;⊗表示核心条件缺失;●表示边缘条件存在;⊗表示边缘条件缺失;“空白”表示条件可存在也可不存在,下同
组态1中,区域数字基础设施在企业数字化转型过程中发挥核心作用,意味着当区域数字基础设施建设水平较高时,其它条件对于企业高水平数字化转型无关紧要。组态1的结果反映出相较于其它条件,区域数字基础设施建设对于企业高水平数字化转型尤为重要,因为该要素可以单独作为解释结果产生的充分条件。因此,将该组态命名为环境驱动型。由此,政府应重视区域数字基础设施建设,后者能够有效破除组织、技术等条件对企业数字化转型的桎梏。该组态的一致性为0.796,原始覆盖度为0.100,表明该路径能够解释10%的样本企业数字化转型案例。组态1的案例企业中,新宏泽(002836)是一家从事包装印刷的企业,所在地深圳观澜高新技术产业园区具有完备的数字基础设施和显著的数字产业集群优势,良好的区域数字化发展环境成为驱动企业数字化转型的重要因素。
组态2中,企业技术管理能力和区域数字基础设施发挥核心作用,构成企业数字化转型的充分条件组态。已有研究表明,企业能力尤其是基于技术的动态能力是驱动企业数字化转型的重要因素。技术管理能力作为企业动态能力的重要体现,对于企业数字化转型具有举足轻重的影响。与组态1相比,组态2既需要企业内部具备高水平的技术管理能力,从人才、资金投入及资源配置等方面实现对数字技术的动态响应,还需要良好的区域数字基础设施,通过内外部合力共同推动企业数字化转型。因此,将其命名为组织—环境协同型(简称“内外协同型”)。该组态的一致性为0.805,原始覆盖度为0.326,唯一覆盖度为0.241,表明该路径能解释32.6%的企业数字化转型案例,同时24.1%的案例仅能被该路径解释。组态2的案例企业中,拓斯达(300607)在为客户提供机械装备产品的同时,专注于提高自身数字技术管理及服务能力,依托粤港澳大湾区的区位优势,利用完善的数字基础设施构建数字化服务平台,为客户提供一体化技术支持及产品解决方案,从而有效实现数字化转型。
组态3中,注意力分配发挥核心作用,企业数字技术投资与同侪竞争压力发挥补充性作用,由此构成企业数字化转型的充分条件组态。该组态表明,当企业长期对数字技术关注较高且重视开展数字化投资时,激烈的行业竞争会进一步强化企业实施数字化转型的战略动机,由此推动企业数字化转型。由于组态3中,企业注意力分配为核心条件,故将其命名为机会感知型。该组态的一致性为0.797,原始覆盖度为0.015,表明该路径能够解释1.5%的样本企业数字化转型案例。
组态4中,注意力分配发挥核心作用,企业数字技术投资、企业资金保障及同侪竞争压力发挥补充性作用,由此构成企业数字化转型的充分条件组态。该路径的核心条件与组态3相同,仅在补充条件中增加企业资金保障能力,因而将其命名为机会感知型。该路径的一致性为0.867,原始覆盖率为0.017,表明该路径能够解释1.7%的样本企业数字化转型案例。组态3与组态4的案例企业中,海正药业(600267)作为浙江台州一家生物制药企业,其核心竞争力来源于国际化业务,重要原因就是该企业长期关注自身信息化升级改造,在行业内率先构建从原料药到制剂的一体化业务平台。目前,在数字化系统支持下,该企业已形成化学药、生物药、大健康三大业务群的高效协同,业务范围遍布全球。
本文采用调整案例阈值数和调整一致性阈值进行稳健性检验。首先,借鉴杜运周等(2020)的研究成果,考虑到本文研究数据具有大样本属性,故对案例阈值数进行调整,将阈值数从5调整至10。其次,借鉴张明等(2020)的研究成果,对一致性阈值进行调整,将一致性阈值从0.8提升至0.85,结果如表5所示。由表5可以发现,总体解的一致性基本不变,解的覆盖度略有下降,表5列(1)(2)组态与表4的组态1、组态2完全一致。表5列(3)为调整一致性阈值后的分析结果,提高一致性阈值会减少纳入最小化分析的真值表行数及案例数,进而导致仅存在一种组态,且与表3的组态4保持一致。综上,本文研究结论具有稳健性。
表5 稳健性检验结果
Tab.5 Robustness test results
条件变量调整案例阈值数(1)(2)调整一致性阈值(3)技术管理能力●数字技术投资●注意力分配●资金保障水平●同侪竞争压力●区域数字基建●●一致性0.7960.8050.867原始覆盖度0.1000.3260.017唯一覆盖度0.0150.2410.017总体解的一致性0.8020.867总体解的覆盖度0.3420.017
上述组态分析表明,企业高水平数字化转型存在3条路径,表明企业数字化转型存在“殊途同归”的现象。在此基础上,进一步检验不同路径下数字化转型对企业绩效的影响,回答本文第二个问题,即“殊途是否同果”。本文在组态分析的基础上,采用倾向性得分匹配法(PSM)进行检验。
参考张明等(2020)的研究成果,本文采用Logit模型进行估计,以环境驱动型、内外协同型、机会感知型作为被解释变量,以企业基础变量、治理变量、战略属性变量等作为解释变量。解释变量包括企业规模Size(营业收入的自然对数)、资产负债率Lev(总负债/总资产)、管理费用率Mfee(管理费用/营业收入)、成长性Growth(营业收入增长率)、企业年龄Age(公司成立年数加1对数值)、资产周转率ATO(营业收入/总资产)、存货周转率Turn(营业成本/平均存货余额)、多元化程度
为第i个行业在企业总收入中的比重)、两职合一Dual(董事长与总经理为同一人为1,否则为0)、董事会规模Board(董事会人数取自然对数)。表6为Logit回归结果。
表6 Logit模型回归结果
Tab.6 Regression results of Logit model
变量(1)(2)(3)环境驱动型内外协同型机会感知型Size-0.208**0.193*0.156*(-2.06)(1.73)(1.92)Lev0.469-1.219**1.568*(0.44)(-1.98)(1.76)Mfee-3.984*4.091*2.735*(-1.92)(1.81)(1.80)Growth-2.036**0.351*-0.155(-2.04)(1.92)(-0.32)Age-1.166*-0.769*-0.264(-1.71)(-1.74)(-0.48)ATO0.6960.541-0.066(1.30)(1.21)(-0.11)Turn0.006*0.045*-0.041(1.89)(1.76)(-0.65)Dyh_hhi-0.135-0.500**-0.169(-0.18)(-1.96)(-0.32)Board-0.773*-1.018*0.793*(-1.86)(-1.79)(1.75)Dual0.403*-0.1520.25*(1.77)(-0.49)(1.88)_cons6.846-3.062-7.335**(1.26)(-0.88)(-1.98)Pseudo-R2 0.2070.1560.102N726726726
注:*、 ** 、 ***表示在10%、5%、1%水平下显著,下同
根据3类高水平数字化转型倾向得分进行基于一配二原则的最近邻匹配,匹配后所有控制变量的偏差得到明显改善,两组样本中的差异检验结果均不再显著。以环境驱动型为例,匹配后模型LR-Chi2值从16.365下降至2.17,模型p值从0.090上升至0.995,说明匹配效果较为理想,已无法从企业基础特征、治理特征、战略属性等维度判断企业是否实施高水平数字化转型。此外,本文使用基于半径匹配和核匹配的方法,匹配后实验组与控制组的差异同样不再显著。
考虑到数字化转型对企业绩效的影响存在滞后性,本文采用t+1期资产收益率(ROA)、净资产收益率(ROE)衡量企业绩效,并使用最近邻匹配(1∶2)、半径匹配(R=0.05)、核匹配方法进行平均效应值(ATT)估计,结果如表7所示。
表7 数字化转型对企业绩效影响的检验结果
Tab.7 Impacts of digital transformation on enterprise performance
企业绩效匹配方法环境驱动组态ATTT值内外协同组态ATTT值机会感知组态ATTT值ROA最近邻匹配-0.054 -0.810.099*1.85-0.011 -0.24半径匹配-0.054 -1.040.093**2.18-0.018-1.04核匹配-0.050-1.040.089**2.11-0.016-1.15ROE最近邻匹配-0.191 -0.940.195**2.02-0.021-0.21半径匹配-0.205-1.410.176**2.18-0.016-0.38核匹配-0.194-1.190.169**1.99-0.013-0.27
注:t值经Bootstrap200次计算获得
表7结果显示,环境驱动型(组态1)企业在实施高水平数字化转型后,其后续绩效低于控制组企业后续绩效,但结果不显著(p值>0.1)。上述结果表明:仅依靠外部环境驱动的数字化转型并不能帮助企业显著改善经营绩效,反而可能导致企业绩效下滑。原因可能在于,企业数字化转型更多地受区域数字基础设施的驱动作用,企业内部尚未形成与数字技术适配的管理能力,技术管理能力缺失导致企业无法将数字技术、数据要素与生产经营有效融合,进而抑制数字化转型对企业绩效的促进作用。同时,企业数字化转型会显著增加自身成本费用,当数字化转型成本增幅高于收益增幅时,可能导致企业绩效下滑。
内外协同型(组态2)企业在实施高程度数字化转型后,其后续绩效显著高于控制组企业后续绩效(ATT值为正,且p值<0.1)。上述结果表明:由技术管理能力与区域数字基础设施共同驱动的数字化转型有助于企业经营绩效提升。
机会感知型(组态3和组态4)企业在实施高水平数字化转型后,其后续绩效低于控制组企业后续绩效,但结果不显著(p值>0.1)。上述结果表明:基于机会感知路径的数字化转型并不能帮助企业显著提升绩效。原因可能在于,企业虽具备较高的数字化注意力,也积极开展数字化投资,但不具备与数字技术适配的管理能力,从而限制数字化转型对企业绩效的促进作用。
3类组态的经济后果检验结果表明,环境驱动型数字化转型和机会感知型数字化转型并未能给企业带来经营业绩改善,反而可能导致企业经营业绩下降,而内外协同型数字化转型能够有效提升企业经营业绩。由此,企业在数字化转型过程中,需要发挥内部技术管理能力与外部数字基础设施的合力,从而有效提升自身经营绩效。
本文以2018—2020年中国A股制造业上市公司为研究样本,基于TOE理论框架确定影响企业数字化转型的关键因素,运用fsQCA方法探讨技术、组织、环境对企业数字化转型的组态效应,并采用PSM方法检验不同模式驱动的数字化转型对企业绩效的影响,得到以下主要结论:
(1)单一条件并不构成企业高水平数字化转型的必要条件,技术、组织、环境条件多重并发,形成驱动制造企业数字化转型的多样化组态。必要性分析结果表明,所有条件的一致性水平均低于0.9,不存在影响企业高水平数字化转型的必要条件。上述结果在一定程度上反映了企业数字化转型的复杂性,数字化转型是技术、组织及环境等多重条件协同交互、共同作用的结果。
(2)驱动企业数字化转型的组态有4类,具体可归纳为3种模式:一是区域数字基础设施独立解释的适配模式(环境驱动型)。该组态表明,区域数字基础设施建设是影响企业数字化转型的重要因素,构成企业数字化转型的核心条件,当区域数字基础设施建设水平较高时,可单独作为解释结果产生的充分条件。二是企业技术管理能力与区域数字基础设施共同解释的适配模式(内外协同型)。该组态表明,高水平数字化转型既需要区域数字基础设施提供良好的支撑,还需要企业具备与数字技术相匹配的管理能力,通过内外协同方式实现数字化转型。三是以注意力分配为核心条件,结合数字化投资、资金保障及同侪竞争压力共同解释的适配模式(机会感知型)。该组态表明,企业长期对数字化改造升级的关注发挥核心作用,企业数字技术投资、资金保障及同侪竞争压力发挥补充性作用,由此构成企业数字化转型的条件组态。
(3)3种模式驱动下,数字化转型对企业绩效的影响存在显著差异,环境驱动型数字化转型与机会感知型数字化转型并未对企业经营绩效产生显著影响,内外协同型数字化转型可助力企业构建竞争优势,进而提升自身经营绩效。上述结论表明,虽然企业数字化转型驱动模式存在多种类型,但只有数字基础设施和企业技术管理能力共同支撑的转型才更有助于企业绩效提升。
(1)加快推进区域数字基础设施建设。完善的区域数字基础设施是支撑企业数字化转型的关键因素。数字基础设施作为驱动企业数字化转型的核心条件在两类组态模式中出现,由此凸显其在企业数字化转型过程中的重要作用。对于政府而言,一方面,需要加快构建安全稳定、覆盖广泛的数字基础设施体系,为企业顺利实施数字化转型提供支撑;另一方面,应积极引导企业利用区域数字基础设施进行数字化改造升级。例如,引导传统制造企业依托工业互联网平台开展数字化转型。
(2)重视数字化管理能力。现有研究发现,并非所有数字化转型模式都能促进企业经营绩效提升。因此,企业不能盲目实施数字化转型,以避免落入“数字化转型业绩陷阱”。数字化转型不仅仅是引进数字化设备,而是需要企业培育并提升与数字技术相适配的管理能力。企业可以通过选聘具有数字领导力的管理者、培养具有数字思维的员工、构建数字化转型团队等方式提升自身数字技术管理能力。
(3)推广内外协同型数字化转型模式。当前,众多中小制造企业在技术、资金方面相对匮乏,普遍存在“不敢转”“不会转”等问题。由此,内外协同型模式可成为缓解上述难题的有效途径。一方面,内外协同型数字化转型模式强调企业需要重视内功修炼,积极引进数字技术并培育自身数字化管理能力;另一方面,内外协同型数字化转型模式要求企业充分利用外部资源,尤其是公共数字基础设施,通过合理利用内外部资源,协同推进自身数字化转型。
(1)对部分指标的衡量存在改进空间。例如,在注意力分配测度方面,受限于数据可得性,本文主要基于组织职能视角,采用企业是否设置与数字技术相关的高管职位衡量数字技术的注意力分配。未来可以基于绩效考核、企业文化视角,进一步丰富注意力分配的测量指标。
(2)研究样本可进一步细化。本文研究对象是中国A股制造业上市公司,而制造业不同细分行业具有显著差异,因而可能会对研究结论产生一定影响。未来可以某一典型行业为例,探究单一行业数字化转型前因组态及经济后果。
[1] 戚聿东, 肖旭. 数字经济时代的企业管理变革[J]. 管理世界, 2020, 36(6): 135-152.
[2] 孙新波, 张媛, 王永霞,等. 数字价值创造:研究框架与展望[J]. 外国经济与管理, 2021, 43(10): 35-49.
[3] 赵剑波. 企业数字化转型的技术范式与关键举措[J]. 北京工业大学学报(社会科学版), 2022, 22(1): 94-105.
[4] CHEN C L, LIN Y C, CHEN W H, et al. Role of government to enhance digital transformation in small service business[J]. Sustainability, 2021, 13(3): 10-28.
[5] VIAL G. Understanding digital transformation: a review and a research agenda[J]. The Journal of Strategic Information Systems, 2019, 28(2): 118-144.
[6] LI L, SU F, ZHANG W, et al. Digital transformation by SME entrepreneurs: a capability perspective[J]. Information Systems Journal, 2018, 28(6): 1129-1157.
[7] 吴江, 陈婷, 龚艺巍,等. 企业数字化转型理论框架和研究展望[J]. 管理学报, 2021, 18(12): 1871-1880.
[8] 戚聿东, 蔡呈伟. 数字化企业的性质:经济学解释[J]. 财经问题研究, 2019, 41(5): 121-129.
[9] 袁淳, 肖土盛, 耿春晓,等. 数字化转型与企业分工:专业化还是纵向一体化[J]. 中国工业经济, 2021, 38(9): 137-155.
[10] 肖仁桥, 沈佳佳, 钱丽. 数字化水平对企业新产品开发绩效的影响——双元创新能力的中介作用[J]. 科技进步与对策, 2021, 38(24): 106-115.
[11] SHACKLETON M B, TSEKREKOS A E, WOJAKOWSKI R. Strategic entry and market leadership in a two-player real options game[J]. Journal of Banking &Finance, 2004, 28(1): 179-201.
[12] 戚聿东, 蔡呈伟. 数字化对制造业企业绩效的多重影响及其机理研究[J]. 学习与探索, 2020, 42(7): 108-119.
[13] LOTRIET R A, DLTSHEGO K K. An assessment of perceptions concerning digital transformation at a South African commercial bank——a case of anthropocene denial for the economy[J]. Tydskrift vir Geesteswetenskappe, 2020, 60(3): 687-707.
[14] 张新, 徐瑶玉, 马良. 中小企业数字化转型影响因素的组态效应研究[J]. 经济与管理评论, 2022, 38(1): 92-102.
[15] HORVATH D, SZABO R Z. Driving forces and barriers of Industry 4.0: do multinational and small and medium-sized companies have equal opportunities[J]. Technological forecasting and social change, 2019, 146(9): 119-132.
[16] WARNER K, WAEGER M. Building dynamic capabilities for digital transformation: an ongoing process of strategic renewal[J]. Long Range Planning, 2019, 52(3): 326-349.
[17] 荆浩, 刘垭, 徐娴英. 数字化使能的商业模式转型:一个制造企业的案例研究[J]. 科技进步与对策, 2017, 34(3): 93-97.
[18] TORNATZKY L G, FLEISCHER M, CHAKRABARTI A K. The processes of technological innovation[M]. Massachusetts: Lexington Books, 1990.
[19] WALKER R M. Internal and external antecedents of process innovation: a review and extension[J]. Public Management Review, 2014, 16(1): 21-44.
[20] 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): 110-121.
[21] FISS P C. Building better causal theories: a fuzzy set approach to typologies in organization research[J]. Academy of Management Journal, 2011, 54(2): 393-420.
[22] 苏汝劼, 常宇豪. 经济新常态下多元化与企业绩效——基于动态能力的视角[J]. 宏观经济研究, 2019, 41(7): 136-147.
[23] 高雨辰, 万滢霖, 张思.企业数字化、政府补贴与企业对外负债融资——基于中国上市企业的实证研究[J].管理评论, 2021, 33(11):106-120.
[24] HADLOCK C J, PIERCE J R. New evidence on measuring financial constraints: moving beyond the KZ index[J]. Review of Financial Studies, 2010, 23(5): 1909-1940.
[25] 潘为华, 贺正楚, 潘红玉. 中国数字经济发展的时空演化和分布动态[J]. 中国软科学, 2021, 36(10): 137-147.
[26] SCHNEIDER M R, SCHULZE-BENTROP C, PAUNESCU M. Mapping the institutional capital of high-tech firms: a fuzzy-set analysis of capitalist variety and export performance[J]. Journal of International Business Studies, 2010, 41(2): 246-266.