开放科学(资源服务)标识码(OSID)：
In terms of theoretical Construction, on the basis of defining the connotation of manufacturing digital transformation capabilities, this study uses Citespace literature analysis software to analyze 462 related research literature on manufacturing digital transformation. According to the analysis results,the characteristics of manufacturing digital transformation capabilities and formation mechanism can be summarized. At the same time, by introducing the theory of synergy and applying the principle of order parameters, the digital transformation capability identification index system is finally constructed from four aspects: digital support capability, digital innovation capability, digital application capability and sustainable development capability. In addition, by combining the order parameter identification method based on the target planning evaluation model with the TOPSIS method, a capability identification and evaluation method that can highlight the advantages of the main body of the manufacturing industry and the leading factors in the process of digital transformation is proposed, and the objective state and relative level of digital transformation of manufacturing industry are judged. The study further identifies the TOPSIS ranking of the samples under the individual order parameters, democratic order parameters, and dominant order parameters.Furthmore it puts forward the optimization strategy for the digital transformation capability of the manufacturing industry in 8 cases, and can provide the manufacturing industry with the appropriate strategies of digital transformation.
In practical application, the digital transformation capability of the manufacturing industry is a key factor to orderly promoting the digital upgrading of the manufacturing industry. Effective identification and analysis of the digital transformation capability are conducive to grasping the key links of the digital transformation and upgrading of the manufacturing industry, and then help to improve the efficiency and effect of the digital transformation of the manufacturing industry. This paper selects the data in the practice of manufacturing digital transformation in 30 regions of China for actual calculation, and finds that the manufacturing digital transformation capability of China is in the growth period and it is related to the level of economic development. The manufacturing digital transformation capability of regions with high economic levels is strong, and the advantages of economically underdeveloped regions are reflected in the sustainable development ability. According to the calculation results and the optimization strategies, the corresponding optimization strategies for different regions in China can be obtained. For example, the advantages of Hunan, Ningxia and Jilin are reflected in the dimension of digital innovation capability, from which other provinces and cities can learn. Finally, the countermeasures and suggestions for digital transformation are put forward from the aspects of strategic planning and transformation model, which can provide decision-making reference for the government departments and enterprises in relevant industries.
开放科学(资源服务)标识码(OSID)：
新一轮科技革命和产业变革正在加速演进,并以数字化引领制造业产业变革、质量变革、效率变革,加快推进制造业数字化转型。为推进制造业与互联网融合发展,2016年国务院印发《关于深化制造业与互联网融合发展的指导意见》,对制造业数字化转型进行全面部署,将制造业数字化转型提升至战略层面。相对于欧美发达国家,我国部署制造业数字化转型时间短,与发达国家还存在一定差距,加上技术人才、基础设施、创新投入、数字应用等多方面因素的影响,导致难以厘清影响我国制造业数字化转型的内在机理,也无法准确评估区域制造业数字化转型能力水平。数字化转型战略和数字化能力反映出企业在数字化转型中“想转”和“能转”两方面的问题[1],有学者认为数字化转型的核心路径是数字能力建设[2]。基于此,对省域制造业数字化转型能力进行评价并分析其对我国制造业数字化转型的影响机理,以期为我国制造业数字化转型战略规划提供参考。
理论上,国内外学者对制造业数字化转型的研究主要集中在3个方面:数字经济与制造业融合机理、制造业数字化转型发展评价以及制造业数字化转型路径与对策。关于数字经济与制造业融合,现有文献主要从影响因素、关系研究、价值链攀升等方面探索。其中,影响因素可分为外部影响因素和内部影响因素,外部影响因素包含财税政策[3-4]、营商环境[5]、对外开放水平和政府参与度[6],内部影响因素包含研发投入[7-8]、人力资本[9-10]和企业规模[11-13];关系研究主要是指数字化转型与企业生产率的变化关系[14],这种关系会影响制造业数字化转型进程;价值链攀升是指数字经济对制造业的渗透融合能够提升制造业竞争力[15],使制造业从传统价值链攀升到数字化价值链[16]。在制造业数字化转型评价方面,学者们大多基于文献分析构建指标,主要采用熵权法[17]、层次分析法[18]、熵权TOPSIS法和因子分析法[19]等方法。在制造业数字化转型路径与对策方面,当前研究主要有两种观点:一是基于实践案例提出通过数字化营销、资产数字化、运营数字化等路径实现数字化转型[20];二是基于对我国制造业数字化转型环境特征的理论分析,提出通过利用我国竞争优势把握全球供应链主动权等路径进行数字化转型[21]。此外,学者们普遍认为夯实转型基础[22]、加强人才培养[23]、加快产业布局[24]、注重顶层设计[25]是促进制造业数字化转型的关键要素。
综上,学者们在制造业数字化转型方面进行了一些尝试与探索,为后续研究奠定了基础,特别是在制造业数字化转型评价方面,为本文研究提供了一定借鉴与参考。但在理论与实践中,对制造业数字化转型的评价与调控仍需进一步探索,如关于制造业数字化转型能力的内涵与特征,现有研究鲜有提及,大多数研究只是针对制造业数字化转型进行评价,没有将制造业数字化转型能力作为制造业数字化转型的核心特征考虑。此外,鲜有研究关注制造业数字化转型过程,特别是从协同过程视角探索制造业数字化转型能力的内涵、识别和评价等。鉴于此,本文对以往制造业数字化转型相关文献进行梳理,提出制造业数字化转型能力的内涵,引入协同学理论,应用序参量原理分析制造业数字化转型能力的特征并构建评价指标体系,结合序参量识别方法和TOPSIS法,对制造业数字化转型能力进行识别与分析,并提出数字化转型能力调优策略。
1.1.1 制造业数字化转型能力的内涵与特征
关于制造业数字化转型能力的内涵,国内外学者进行了不同程度的探索,但仍未形成统一认识。本文以制造业升级、数字化转型和动态能力为主题词在中国知网进行检索,设定时间段为2000年1月1日—2021年10月24日,共得到627篇相关文献,对文献进行手动筛选,剔除会议、报纸、图书以及与主题词不相关的文献,最终得到462篇相关文献。利用CiteSpace工具对这462篇文献进行可视化分析,从关键词突显图谱和时线图谱可得出制造业数字化转型能力关注热点,如图1所示。
图1 关键词聚类时线图谱
Fig.1 Time line atlas of keyword clustering
由关键词突显图谱可知,关于制造业数字化转型的理论研究更加关注IT能力、支撑能力,表明当前阶段的理论与实践以信息化建设为主,强调为制造业数字化转型提供支撑;由时线图谱可知,从2018年开始,关于制造业转型升级的理论研究逐渐与数字化转型联系起来,表明制造业数字化转型开始受到重点关注,人工智能、物联网、区块链等先进信息技术赋能制造业数字化转型开始显现,同时也凸显出制造业数字化转型对数据协同共享能力的要求。
本文认为可以从3个方面理解制造业数字化转型能力:首先,企业数字化转型能力是传统制造企业为适应快速发展的市场环境,以数字化理念、技术和方法提升其市场竞争力的一种企业动态能力,是推动制造业数字化转型成功的关键要素[26];其次,转型是指事物在发展过程中,通过内部能力推动和外部因素影响,由一种发展模式转变为另一种发展模式,由初级向高级不断演变的过程[27];最后,能力是指完成一项目标或者任务体现出的综合素质[28]。基于此,本文认为制造业数字化转型能力是指在信息技术等基础设施支撑下,在内外部协同推动下,朝着制造业高质量发展目标,促进整个业务流程从初级向高级演变,实现智能化、可持续发展。
1.1.2 制造业数字化转型能力构成与形成机理
由上述分析可知,与制造业数字化转型能力高度相关的数字经济特征主要包含3个方面:一是信息通信基础设施成为数字经济发展的基础条件;二是提高信息通信技术应用的深度和广度;三是企业业务流程和交易模式发生改变[29]。因此,本文认为制造业数字化转型能力主要由数字支撑能力、数字创新能力、数字应用能力和可持续发展能力4个方面构成,如图2所示。
图2 制造业数字化转型能力构成
Fig.2 Digital transformation composition of manufacturing industry
由图2可知,制造业数字化转型能力通过数字支撑能力、数字创新能力、数字应用能力和持续发展能力4个方面相互协同作用而产生并作用于制造业发展过程。首先,制造业数字化转型能力是制造业数字化转型过程中数字支撑能力、数字创新能力、数字应用能力和持续发展能力协同作用形成的综合性表征参量。其次,制造业数字化转型能力因行业类别、所在区域等属性不同,呈现出不同特征。这可以解释为制造业数字化转型能力形成的协同过程存在不同主导参量(序参量)。最后,调控制造业数字化转型能力需要有效识别4种能力及其协同关系,这不仅能解释制造业数字化转型能力特征,也能反映制造业数字化转型状态和水平。
综上所述,制造业数字化转型是4个方面协同作用的过程,剖析制造业数字化转型能力各维度的协同机理,识别制造业数字化转型能力的关键参量,成为制造业数字化转型必须解决的关键问题。同时,当前制造业数字化转型处于不同主体竞相探索阶段,尚未形成统一判别标准,因而对制造业数字化转型能力的评价与分析要避免主观认识,需要引入具有明显客观特征的方法,如TOPSIS法等。
本文从数字支撑能力、数字创新能力、数字应用能力和可持续发展能力4个维度构建制造业数字化转型能力评价指标体系,如表1所示。为保证结果的准确性,选取的指标尽量避免规模性。
表1 制造业数字化转型能力评价指标体系
Tab.1 Evaluation index system of manufacturing digital transformation capability
一级指标二级指标指标解释指标单位指标属性数字支撑能力互联网宽带接入端口数通信和网络覆盖能力的体现万个正信息传输、计算机服务和软件业投入规模信息传输、计算机服务和软件业固定资产投资/固定资产投资%正每百人使用计算机数体现计算机普及率台正新基建竞争力指数反映新型基础设施建设水平-正IPv4地址数反映网络建设能力万个正信息基础设施就绪度指数体现信息基础设施能力-正数字创新能力新产品销售收入反映制造业新产品产值能力万元正R&D人员占就业人员数比重制造业R&D人员/制造业从业人员数%正专利申请数反映制造业专利申请能力件正研发投入强度反映R&D经费投入强度%正技术改造经费支出反映制造业技术升级能力万元正数字应用能力两化融合水平反映信息化和工业化的高层次深度结合能力-正企业平均电子商务成交额反映电子商务发展水平万元正电子信息制造业营业收入占GDP比重反映电子信息制造业数字化发展状况%正大数据工业应用指数反映工业应用大数据情况-正数字经济融合指数反映数字技术与实体经济融合度-正可持续发展能力环境治理投入强度工业治理投入占工业增加值比重%正工业固废排放强度一般工业固体废弃物产生量/工业增加值%负单位工业增加值废水排放量工业废水排放量/工业增加值吨/万元负单位工业增加值二氧化硫排放量工业二氧化硫排放量/工业增加值吨/万元负固废处置利用率一般工业固废综合利用量/工业固废产生量%正
(1)数字支撑能力。数字基础设施建设是数字化转型的首要环节,是数字经济发展的先决条件[30-31]。因此,对数字支撑能力的考量要从支撑信息传输的基础设施和新基建建设情况两个方面选取指标,采用互联网宽带接入端口数,信息传输、计算机服务和软件业投入规模,每百人使用计算机数,新基建竞争力指数,IPv4地址数,信息基础设施就绪度指数表征数字支撑能力。
(2)数字创新能力。创新能力是企业数字化转型成功的必要条件[32]。数字创新能力是制造业数字化转型的动力,是解决我国关键核心技术“卡脖子”难题的关键。数字创新能力体现在创新效益、投入、产出3个方面,采用新产品销售收入、R&D人员占就业人员数比重、专利申请数、研发投入强度、技术改造经费支出表征数字创新能力。
(3)数字应用能力。数字应用能力是数字技术对经济渗透程度的体现[31],是数字经济的重要表现形式,能够反映制造业对数字技术的使用能力以及数字技术的普及情况。本文从技术融合与技术应用两个方面选取指标,采用两化融合水平、数字经济融合指数、企业平均电子商务成交额、电子信息制造业营业收入占GDP比重、大数据工业应用指数表征数字应用能力。
(4)可持续发展能力。《中国制造2025》明确提出全面推行绿色制造,深入实施绿色制造工程[33]。可持续发展能力代表制造业绿色发展能力和环境保护水平,是决定制造业数字化转型能否长久发展的最后一环。本文从绿色投入和环境保护两个方面选取指标,采用环境治理投入强度、工业固废排放强度、单位工业增加值废水排放量、单位工业增加值二氧化硫排放量、固废处置利用率表征可持续发展能力。
由上述分析可知,制造业数字化转型能力是数字支撑能力、数字创新能力、数字应用能力和可持续发展能力协同作用的综合表征。按照协同学原理,对制造业数字化转型能力的影响与评价,首先需要识别影响制造业数字化转型能力形成的主导因素,即序参量,序参量主导制造业数字化转型能力的形成与演进。基于序参量识别结果,引入TOPSIS法,构建正负理想解,计算评价对象到正负理想解的相对距离并进行排序,可以实现对制造业数字化转型能力的客观评价,具体流程如图3所示。
图3 基于序参量-TOSIS法的制造业数字化转型能力评价流程
Fig.3 Manufacturing digital transformation capability evaluation process based on sequential parameter-Topsis method
本文使用序参量方法计算指标权重,目的在于发现各地区制造业数字化转型的个性优势特征并基于地区优势给出客观评价[34]。
为综合反映制造业数字化转型能力,在进行计算之前,先对原始数据进行标准化处理。基于标准化后的数据,应用序参量方法计算得到3类权重,基于3类权重结果分别进行分析。
(1)个性序参量。如式(1)所示,x*表示系统倾向的理想结果,xi=(xi1,xi2,...,xip)τ是被评价对象标准化后的指标值向量, w=(wi1,wi2,...,wip)τ表示被评价对象的价值参数向量,也称为权重向量。
(1)
从最有利于第i个评价对象的角度确定其价值参数,进而得到基于目标规划思想的表示各被评价对象个性序参量的数学模型。
(2)
式(2)中,wij表示被评价对象i的价值参数结构,体现被评价对象i的竞争优势,其个性序参量的数学模型为:
(3)
根据式(3)可进一步得到表示被评价对象i个性序参量的价值参数结构,也就是个性优势权重向量。
(4)
式(4)中,
实际上是在给定的评价指标体系基础上,依据目标规划思想得出被评价对象i在演化过程中追求的一种理想状态。
(2)民主序参量。对上述计算得到被评价对象所属群体的n种价值参数结构构成的集合进行聚类分析,根据这些价值参数结构,确定群体中各评价对象组成的多种顺序结构。根据竞优思想,确定一个理想的价值参数结构。在群体中,这种理想的价值参数结构是综合衡量每个评价对象个性序参量的结果,对每个评价对象的个性序参量都具有平等性。本文在由式(3)得到
的前提下,根据式(5)得到群体中理想的价值参数结构,也即民主序参量。
(5)
(3)主导序参量。将式(5)带入式(1),得到:
(6)
其中,d(xi,x*)表示被评价对象i在理想价值参数w*下的评价值。计算出所有评价值并进行排序,确定理想的顺序结构
以
为基准,分析系统群体在各个主序参量下的顺序结构与的相似程度,也称之为相似系数,具有最大相似系数的主序参量主导该群体的演化与发展,也即主导序参量。
根据相似系数确定序参量,令
表示各系统在w*下的排名向量,yk表示群体在第k个主旋律下的排名向量。以dRK表示与yk之间的偏差,计算公式如下:
(7)
其中,
表示向量与yk之间的最大偏差之和。根据偏差与相似系数的关系,计算与yk之间的相似系数TRK。
(8)
相似程度越高,说明反映第K主序参量的价值参数结构越接近w*,其在系统群体演化过程中的作用越大;相反,相似程度越低,说明第K主序参量的价值参数结构越偏离w*,其在群体演化过程中的作用越小。
采用TOPSIS法,在构建正负理想解的基础上,计算各评价对象到指标正负理想解之间的相对距离并进行排序,根据排序结果得出制造业数字化转型能力水平,通过比较得分值之间的排名顺序进行调优。因此,创造性使用序参量-TOPSIS法可以很好地评价地区个性优势特征并能根据计算得到的排名顺序提出更符合实际的调优策略,使得结果更加客观。
(1)构建加权规范化矩阵。将标准化后的矩阵Rij与各指标相应权重相乘,生成加权规范化矩阵K。对3类权重构建3种加权规范化矩阵进行测度,根据得出的不同结果,进行合理的调优总结。首先,利用式(3)得到的个性优势权重与矩阵Rij相乘得到个性规范化矩阵,计算得出系统成员的个性优势;其次,利用式(5)得到的结果与矩阵Rij相乘得到民主规范化矩阵,计算得出反映制造业数字化转型能力优势特征集聚群体成员程度的得分值;最后,将整个过程识别的序参量定义为主导权重并与矩阵Rij相乘得到主导规范化矩阵,计算得出反映制造业数字化转能力优势特征被广泛接受程度的得分值。
(9)
运用TOPSIS法分别确定3种规范化矩阵中各指标的正负理想解。令各指标的最大值为正理想解,最小值为负理想解。
正理想解:
(10)
负理想解:
(11)
计算各样本对象与正负理想解之间的欧几里得距离,公式如下:
(12)
(13)
(2)计算相对接近程度(Ti)。根据相对接近程度对样本对象进行优劣排序,得到样本对象的制造业数字化转型能力排名。Ti取值在0～1之间,Ti越接近1,表示制造业数字化转型能力越强,反之则越弱。根据接近度大小可以判断制造业数字化转型能力强弱,确定优劣。计算3种情况下每一维度样本的排名,再基于各维度计算样本的综合排名,最终得到3种情况下的排名。
(14)
通过上述计算,得到3种不同情况下的制造业数字化转型能力排名。对于参与排名的主体,选择何种情况下的排名作为基础和后续发展的决策依据,关系到制造业数字化转型的方向、内容和效果。因此,可以根据不同排名情况,判别制造业数字化转型能力的客观状态与相对水平,从总体上为不同制造业主体的数字化转型能力提出调优策略,如表2所示。
表2 基于3种排名的制造业数字化转型能力调优策略
Tab.2 Manufacturing digital transformation capability adjustment strategies based on the three rankings
类型个性序参量下TOPSIS排名民主序参量下TOPSIS排名主导序参量下TOPSIS排名调优策略I处于前20% 处于前20%处于前20%1.在保持当前状态与水平的基础上,尝试探索新的发展方向处于前20%未在前20%2.需要结合具体情况判别主导序参量是否是必然趋势,如果是,则需要按照主导序参量要求进行变革与调整;如果不是,则保持当前状态,寻求扩大自身影响的方案,如与其他主体寻求协同合作等未在前20%处于前20%3. 需要结合具体情况判别民主序参量是否是必然趋势,如果是,则需要按照民主序参量要求进行变革与调整;如果不是,则保持当前状态,寻求进一步扩大自身影响的方案,如向有关管理部门提供政策建议或通过市场机制调节等未在前20%未在前20%4. 需要结合具体情况判别个性序参量是否是必然趋势,如果是,则保持当前状态,并寻求政策支持或开拓市场;如果不是,则需要果断进行战略变革,比较主导序参量与民主序参量下变革的难度与风险,选择变革基准II未在前20%处于前20%处于前20%5.表明制造业主体数字化转型能力代表未来发展方向,在当前政策支持与市场需求方面处于领先位置;没有明显优势特征则表明其未能充分发挥自身优势,建议该制造业的智能化转型能力需要继续探索与自身优势相结合处于前20%未在前20%6.表明制造业主体数字化转型能力优势不明显,也未能在当前数字化转型中发挥主导优势,只是与理想发展方向相似性较高。这需要该制造业主体继续推动自身优势与数字化转型相结合,同时也探索对其他主体的影响途径未在前20%处于前20%7.需要结合具体情况判别个性序参量的状况。如果处于数字化转型初期,需要加强政策支持与市场引导;如果处于数字化转型中后期,则需要调整部分策略,向民主序参量方向调整未在前20%未在前20%8.表明制造业主体数字化转型能力不存在相对优势,也没有形成集聚群体,与当前理想发展方向偏离较大。需要进行战略性变革与调整,在衡量具体条件与优势后,选择跟随当前主导序参量下排名靠前的主体进行调整
由表2可知,通过序参量-TOPSIS法的测算,制造业数字化转型能力呈现出不同状态与水平,即个性序参量、主导序参量和民主序参量下的TOPSIS排名有所不同。一般地,个性序参量下TOPSIS排名表征制造业数字化转型能力优势特征的明显程度,主导序参量下TOPSIS排名表征制造业数字化转型能力优势特征集聚群体成员的程度,民主序参量下TOPSIS排名表征制造业数字化转型能力优势特征被广泛接受的程度。因此,针对3种排名,可根据具体情况对制造业数字化转型能力进行判别,进而提出调优策略。
随着我国加快推动高技术与制造业融合,虽然已取得一定成效,但成效并不稳固,产业数字化转型仍处在推进期。本文选择2019年我国内地30个省份(西藏因数据缺失严重,未纳入统计)相关数据进行分析,数据主要来源于《中国统计年鉴(2020)》《中国环境统计年鉴(2020)》《2020年中国数字经济发展报告》《中国大数据区域发展水平评估白皮书(2020)》《中国高技术产业统计年鉴》《中国科技统计年鉴(2020)》《中国新基建竞争力指数白皮书(2020)》以及国家统计局、两化融合平台、中国互联网络信息中心(CNNIC)第45次调查报告。
将整个过程得到的序参量定义为主导权重并与矩阵Rij相乘得到主导规范化矩阵。根据公式(4),利用SPSS22.0软件进行聚类分析, 得到主序参量结果,如图4所示。
图4 提取主旋律
Fig.4 Extraction of the main themes
根据公式(5),计算得到理想的价值参数结构,即民主序参量:
提炼出主序参量对应的价值参数结构,如表3所示。
表3 主旋律对应的价值参数结构
Tab.3 Value parameter structure corresponding to the main themes
特征优势128 5 4 29 18 24 3 19 1 2 11 9 16 26 17 15 10主旋律1W1=(0.017 071,0.012 511,0.012 048,0.016 861,0.009 143,0.016 949,0.011 692 ,0.067 213,0.010 833,0.010 941,0.011 430,0.053 282,0.011 062,0.012 154 ,0.055 575,0.023 137,0.113 510,0.200 074,0.179 927,0.116 893,0.037 694)特征优势229 18 24 3 19 1 2 11 9 16 26 17主旋律2W2=( 0.016 521,0.012 315,0.013 913,0.018 572,0.011 205,0.020 674,0.013 667,0.091 225,0.0128 65,0.013 353,0.013 435,0.028 192,0.012 757,0.014 517,0.030 667,0.028 871,0.021 173,0.245 911,0.188 811,0.145 002,0.046 354)特征优势329 18 24 3 19 1 2 11 9主旋律3W3=(0.019 231,0.015 133,0.016 960,0.021 869,0.013 663,0.025 278,0.016 736,0.117 429,0.015 841,0.015 847,0.016 418,0.034 218,0.015 764,0.017 389,0.037 256,0.034 961,0.025 763,0.203 235,0.169 407,0.109 775,0.057 826)特征优势419 1 2 11 9主旋律4W4=(0.027 745,0.021 109,0.025 657,0.030 380,0.020 832,0.039 279,0.026 036,0.006 863,0.024 735,0.023 558,0.024 855,0.054 055,0.024 578,0.025 889,0.059 053,0.055 811,0.003 531,0.185 854,0.084 228,0.141 465,0.094 484)特征优势52 11 9主旋律5W5=(0.008 673,0.003 769,0.011 046,0.018 241,0.003 056,0.009 059 0.005 891,0.008 889,0.003 746,0.007 510,0.003 960,0.076 329,0.009 436,0.004 262,0.083 222,0.053 442,0.005 257,0.245 043,0.102 169,0.182 088,0.154 911)
根据公式(8),计算得到主旋律1～5对应的向量以及在W*下向量的相似系数TRK,如表4所示。
表4 相似系数
Tab.4 Similar coefficients
TR1TR2TR3TR4TR50.819 5390.871 0960.849 5580.843 3600.822 093
当TRK=0.871 096时,相似系数最大,可认为主旋律2是主序参量。
通过计算得到个性序参量下的TOPSIS排名,可以判断系统成员各自的优势特征,见表5。
表5 中国内地30个省份的个性序参量
Tab.5 Personal order parameters of 30 provinces in the mainland of China
省份数字支撑能力相对接近程度排名数字创新能力相对接近程度排名数字应用能力相对接近程度排名可持续发展能力相对接近程度排名北京0.651 115 10.163 05740.191 23870.130 68028天津0.015 310270.011 710180.095 911100.323 53320河北0.049 927100.022 853110.024 734140.346 44119山西0.370 604290.007 863230.013 395200.427 1891内蒙古0.260 190130.004 899270.020 728150.306 30622辽宁0.327 518150.008 959200.046 625110.376 82110吉林0.356 009220.074 39550.009 420230.406 5575黑龙江0.341 891110.006 345250.009 718220.392 2248上海0.239 28540.012 878170.309 31240.252 90924江苏0.258 03730.031 43360.644 11420.171 04726浙江0.252 64170.023 078100.374 87930.260 99323安徽0.310 251180.017 835140.041 688120.361 08813福建0.306 99190.009 888190.145 18380.351 26717江西0.361 639240.017 827150.017 975190.412 7353山东0.264 96650.019 304130.693 38310.118 99329河南0.300 121140.008 775210.019 757160.352 29816湖北0.304 346160.026 82670.033 177130.357 06914湖南0.316 090210.674 16110.019 015170.229 53425广东0.195 71920.301 77330.285 99450.099 39130广西0.341 944200.008 034220.018 966180.393 8307海南0.353 680120.001 534290.008 299240.407 0054重庆0.315 889250.023 73190.239 27360.353 35815四川0.305 48860.026 47580.116 29190.348 59218贵州0.339 565170.021 139120.010 430210.391 2109云南0.312 035230.015 003160.005 591260.363 48912陕西0.315 382230.007 682240.008 290250.374 49411甘肃0.362 950300.006 326260.001 382300.413 9572青海0.273 87680.002 054280.004 518280.322 29721宁夏0.286 843260.672 70420.005 027270.149 64327新疆0.353 855190.000 561300.001 421290.405 9146
计算得到民主序参量和主导序参量下的TOPSIS排名,根据排名可以选择合适的调优策略,如表6所示。
表6 3种情况下中国内地30个省份的TOPSIS得分排名
Tab.6 Topsis score rankings of 30 provinces in China's mainland in three cases
省份个性序参量TOPSIS得分排名民主序参量TOPSIS得分排名名主导序参量TOPSIS得分排名调优策略类别北京0.191 415 300.850 154 70.870 027 17天津0.278 396 220.879 006 20.836 693 65河北0.296 056 200.807 751 160.775 198 138山西0.370 604 10.770 783 170.627 070 234内蒙古0.260 190 250.761 622 90.538 041 288辽宁0.327 518 100.766 035 200.689 964 188吉林0.356 009 40.723 622 180.656 979 224黑龙江0.341 891 80.835 153 230.624 614 248上海0.239 285 280.895 495 10.853 432 25江苏0.258 037 260.855 594 60.811 323 86浙江0.252 641 270.864 829 40.847 677 35安徽0.310 251 150.775 614 110.787 705 128福建0.306 991 160.878 987 90.803 166 108江西0.361 639 30.843 248 170.664 842 214山东0.264 966 240.856 019 30.825 614 76河南0.300 121 190.838 394 80.802 863 118湖北0.304 346 180.808 187 100.837 265 57湖南0.316 090 110.577 384 150.774 011 158广东0.195 719 290.725 395 50.847 259 45广西0.341 944 70.834 033 210.671 026 198海南0.353 680 60.609 753 220.579 883 254重庆0.315 889 120.818 035 120.803 192 98四川0.305 488 170.767 341 140.774 166 148贵州0.339 565 90.723 592 190.730 959 178云南0.312 035 140.825 164 240.668 541 208陕西0.315 382 130.698 065 130.763 991 168甘肃0.362 950 20.225 995 260.557 642 274青海0.273 876 230.586 426 300.355 247 308宁夏0.286 843 210.704 531 280.433 977 298新疆0.353 855 50.878 987 250.566 376 264
表6报告了30个省份在个性序参量、民主序参量和主导序参量下的TOPSIS得分排名。可以看出,山西、吉林、江西、海南、甘肃和新疆适合策略4,这6个省区需结合具体情况判别个性序参量是否是必然趋势,如山西在个性序参量下可持续发展方面的TOPSIS得分最高,可思考可持续发展是否是山西未来的发展重心;天津、上海、浙江和广东适合策略5,表明这4个省市的制造业数字化转型能力代表未来发展方向,其政策支持与市场需求处于领先位置,但还未形成明显优势,应结合自身优势加快制造业数字化转型;江苏和山东适合策略6,这两个省份未能发挥主导优势,与理想发展方向相似,应推动自身优势与数字化转型相结合;北京和湖北适合策略7,这两个省市在数字创新能力方面的个性优势特征明显,应该结合具体实际判别个性序参量状况;河北、内蒙古和辽宁等16个省区适合策略8,这些地区没有形成区域发展的个性优势,与理想发展方向有偏差,不具有相对优势,应在衡量具体优势和条件的基础上,选择跟随当前主导序参量下排名靠前的主体进行调整。
根据3种情况下的TOPSIS得分排名,各地能够从个性优势角度提出适合自身发展的调优策略。
表3、表4结果是判别序参量的依据,根据相似系数可以判断序参量处于成长期,说明我国省域制造业数字化转型能力水平也处于成长期。可见,我国制造业数字化转型已取得一定成效,参照调优策略进行调整将提升我国制造业数字化转型能力,加快我国制造业数字化转型进程,在不久的将来,我国制造业数字化转型能力将发展到新的阶段。
根据表5中计算得到个性序参量下4个维度的TOPSIS排名,判别30个省份各自的优势特征。可以看出,山西、甘肃和江西等经济欠发达省份在可持续发展能力维度排名靠前,说明其优势特征体现在可持续发展能力方面;湖南、宁夏和吉林在数字创新能力维度排名靠前,说明其优势特征体现在数字创新能力方面。这些地区可作为其它省份学习的标杆。
将表6中各省民主序参量下的TOPSIS排名与2019年人均GDP进行比较,可以看出,制造业数字化转型能力与经济发展水平相关,经济发达地区的制造业数字化转型能力更强,如图5所示。
图5 制造业数字化转型能力水平与经济发展水平比较
Fig.5 Comparison of the level of digital transformation capability of manufacturing and the economic level
将表6中各省主导序参量和民主序参量下的TOPSIS得分绘制成散点图,如图6所示。可以看出,主导序参量下的TOPSIS得分趋近于民主序参量下的TOPSIS得分,大部分省份的得分都集中在大于平均得分的Ⅰ区域,表明其制造业数字化转型能力水平处于发展的成长期。
图6 主导序参量与民主序参量下的TOPSIS得分值趋势
Fig.6 Topsis score trends with dominant order parameter and democratic order parameter
注:参考线表示全国平均得分;Ⅰ区域表示两个维度得分均高于全国平均水平,Ⅱ、Ⅲ区域表示只有一个维度得分高于全国平均水平,Ⅳ区域表示两个维度得分都低于全国平均水平
制造业数字化转型能力是有序推进制造业数字化升级的关键因素,有效识别与评价数字化转型能力,有助于掌握制造业数字化改造与升级的关键环节,进而提升制造业数字化转型效率与效果。本文引入协同学中的序参量思想,将其与TOPSIS法相结合,提出能够兼顾制造业优势特征与总体要求的数字化转型能力评价方法,对我国省域制造业数字化转型能力进行识别与评价,并基于结果提出针对性对策建议。具体结论如下:
(1)制造业数字化转型能力是制造业数字化转型过程中数字支撑能力、数字创新能力、数字应用能力和持续发展能力协同作用形成的综合性表征参量。这一协同作用过程中存在彰显制造业主体或管理者对环境与未来发展价值判断和决策标准的序参量,序参量决定制造业数字化转型能力的内容与个性特征。
(2)应用序参量方法能识别出制造业数字化转型能力的个性序参量、主导序参量和民主序参量。这些序参量代表制造业数字化转型中的价值主张与决策标准,将其代入TOPSIS法得到3种不同排序,根据排序结果可以判别制造业数字化转型能力个性优势的相对状态与水平。基于3种不同排序和序参量结构特征,可以提出制造业数字化转型能力调优策略。
(3)通过对我国省域制造业数字化转型能力进行识别与评价,可以得出相应调优策略。首先,单独从个性序参量下的TOPSIS排名结果看,山西、甘肃、江西等经济欠发达地区的优势特征体现在可持续发展能力方面,湖南、宁夏和吉林的优势特征体现在数字创新能力维度,可作为其它省份学习的标杆。其次,从民主序参量和主导序参量下的TOPSIS排名结果看,北京、上海、浙江、广东、湖北和天津的制造业数字化转型能力最强,进一步研究发现,制造业数字化转型能力与经济发展水平相关。最后,综合个性序参量、民主序参量、主导序参量下的TOPSIS排名结果,选择适合省域发展的调优方法能够较快提升制造业数字化转型能力,促进序参量向成熟期发展。
[1] 朱秀梅,林晓玥,王天东.企业数字化转型战略与能力对产品服务系统的影响研究[J].外国经济与管理,2022,44(4):137-152.
[2] 周剑,陈杰,邱君降.数字化转型的核心路径是数字能力建设[J].北京石油管理干部学院学报,2021,28(6):78-79.
[3] 张海星,谷成.振兴东北老工业基地与财税政策的选择[J].税务研究,2004,20(6):46-50.
[4] 郭健.税收扶持制造业转型升级:路径、成效与政策改进[J].税务研究,2018,34(3):17-22.
[5] 于文超,梁平汉.不确定性、营商环境与民营企业经营活力[J].中国工业经济,2019,36(11):136-154.
[6] 王晓玲,韩平.数字经济与装备制造业融合发展研究——以东北地区为例[J].技术经济与管理研究,2022,43(5):105-110.
[7] 夏维力,钟培.基于DEA-Malmquist指数的我国制造业R&D动态效率研究[J].研究与发展管理,2011,23(2):58-66.
[8] 何强,陈松.创新发展、董事创新偏好与研发投入——基于中国制造业上市公司的经验证据[J].产业经济研究,2013,12(6):99-110.
[9] 程虹,刘三江,罗连发.中国企业转型升级的基本状况与路径选择——基于570家企业4794名员工入企调查数据的分析[J].管理世界,2016,32(2):57-70.
[10] 瞿肖怡,陆萍,汪红霞,等.R&D投入对中国传统制造业转型升级影响的实证分析[J].统计与决策,2020,36(5):120-123.
[11] 陈莹.绍兴制造业集群数字化转型的影响因素研究——以大唐袜业为例[J].中国管理信息化,2020,23(11):119-121.
[12] 安同良,施浩,LUDOVICO ALCORTA.中国制造业企业R&D行为模式的观测与实证——基于江苏省制造业企业问卷调查的实证分析[J].经济研究,2006,52(2):21-30,56.
[13] 孔伟杰.制造业企业转型升级影响因素研究——基于浙江省制造业企业大样本问卷调查的实证研究[J].管理世界,2012,28(9):120-131.
[14] 涂心语,严晓玲.数字化转型、知识溢出与企业全要素生产率——来自制造业上市公司的经验证据[J].产业经济研究,2022,21(2):43-56.
[15] 吴友群,卢怀鑫,王立勇.数字化对制造业全球价值链竞争力的影响——来自中国制造业行业的经验证据[J].科技进步与对策,2022,39(7):53-63.
[16] 黄志江.制造业数字化转型对于供应链控制的影响[J].产业创新研究,2022,6(8):13-15.
[17] 郑季良,张鹏.区域制造业数字化转型发展评价与对策研究——以云南省为例[J].科技和产业,2022,22(5):140-146.
[18] 陈畴镛,许敬涵.制造企业数字化转型能力评价体系及应用[J].科技管理研究,2020,40(11):46-51.
[19] 张鹏,周恩毅,刘启雷.装备制造企业数字化转型水平测度——基于陕西省调研数据的实证研究[J].科技进步与对策,2022,39(7):64-72.
[20] 方晓波,张文玉.制造业数字化转型的实施路径研究[J].南方农机,2022,53(10):41-43,46.
[21] 王静.我国制造业全球供应链重构和数字化转型的路径研究[J].中国软科学,2022,37(4):23-34.
[22] 朱小艳.数字经济赋能制造业转型:理论逻辑、现实问题与路径选择[J].企业经济,2022,41(5):50-58.
[23] 张梦馨.制造业数字化转型研究演化规律及热点:基于Citespace的可视化分析[J].未来与发展,2022,46(4):65-73.
[24] 安家骥,狄鹤,刘国亮.组织变革视角下制造业企业数字化转型的典型模式及路径[J].经济纵横,2022,38(2):54-59.
[25] 封伟毅.数字经济背景下制造业数字化转型路径与对策[J].当代经济研究,2022,33(4):105-112.
[26] 任敏.三大要素助力制造业数字化转型成功[J].中国信息化,2021,18(1):45-46,49.
[27] 唐健雄. 企业战略转型能力研究[D].长沙:中南大学,2008.
[28] 范合君,吴婷.区域数字化能力测度与提升战略路径[J].技术经济与管理研究,2021,42(11):8-14.
[29] 张雪玲,焦月霞.中国数字经济发展指数及其应用初探[J].浙江社会科学,2017,33(4):32-40,157.
[30] 浙江省统计局课题组,方腾高.浙江数字经济发展影响因素分析[J].统计科学与实践,2020,39(3):52-55.
[31] 庞如超,韩钰,赵金发.中国地区数字经济发展质量评价研究[J].浙江档案,2021,44(1):41-43.
[32] 方跃.想要数字化转型成功,创新能力是必要条件[J].国企,2021,16(7):22-23.
[33] 徐兆伟,李燕芹,姚树利,等.山东省装备制造业创新发展研究[J].山东工业技术,2021,40(2):3-12.
[34] 赵希男,王艳梅,温馨.基于个性优势特征分析的区域科技能力评价[J].科学学研究,2007,25(6):1104-1111.