The research team interviews 19 employees from 7 manufacturing enterprises in depth to collect the original data. The grounded theory is applied to explore the structural dimension of organizational implants of manufacturing enterprises in the context of digital servitization. Open coding, axial coding, selective coding and theoretical saturation test are conducted on the interview data. Then 22 concepts, namely the initial category, 8 sub-categories and 2 main categories are obtained for the analysis of the dimension exploration results. On this basis, the scale for measuring organizational implants of manufacturing enterprises in the context of digital servitization is developed. Firstly, the initial scale of organizational implants with 17 items is established. Then, the data are collected through a small sample pre-survey, and the scale is purified and modified by item analysis, exploratory factor analysis and other methods successively. Finally, data are collected through a large sample questionnaire survey, and quantitative methods such as confirmatory factor analysis are used to test the reliability and validity of the scale. Finally, a 2-dimesion and 13-item measure scale of organizational implants with good reliability and validity is obtained.
The results show that organizational implants of manufacturing enterprises in the context of digital servitization consist of 2 dimensions: employee implants and device implants. Employee implants provide offline nanny or housekeeper services to customers face-to-face in the form of employees settling in the customer site. Its behavioral elements include interpersonal interaction, knowledge sharing, information exchange, and the relationship capital built therefrom. Device implants provide online and remote operation and maintenance services for customers in the form of smart components embedded into product equipment. Its behavioral elements include data collection, data analysis, data application and the resulting data resources.
Employee implants is measured by 7 items: there are active communications between on-site employees of manufacturing enterprises and employees of customer enterprises; the on-site employees of manufacturing enterprises have established good personal friendship with the employees of customer enterprises; employees of customer enterprises on site can actively answer business-related questions raised by on-site employees of manufacturing enterprises; the on-site employees of the manufacturing enterprises promote the work process by exchanging ideas with the employees of customer enterprises; the on-site employees of manufacturing enterprises can get the real view of the customer enterprises on the use of the current product equipment; the on-site employees of the manufacturing enterprises can know the detailed requirements of the customer enterprises for the future ideal products and services; the on-site employees of manufacturing enterprises can obtain industry market information collected by customer enterprises.
Device implants are measured by 6 items: manufacturing enterprises analyze the collected data to evaluate the health status of the products currently used by customer enterprise; manufacturing enterprises analyze the collected data to predict the possible failure of customer enterprises using the product; manufacturing enterprise analyze the collected data and prepare the spare parts that may need to be replaced for customers in advance; manufacturing enterprises explore the problems in product design by mining the accumulated big data of products; manufacturing enterprises verify customers' bad behavior in using products by the accumulated product big data; manufacturing enterprises tap into accumulated big data to predict potential new demands from customers.
The research conclusions can effectively reflect the contents of organizational implants of manufacturing enterprises in the context of digital servitization, bridge the gaps of the current research on the dimension and scale of organizational implants, provide a theoretical basis for subsequent quantitative research and a theoretical reference for the practice of manufacturing enterprises' digital servitization transformation.
开放科学(资源服务)标识码(OSID)：
随着服务化持续深入,制造企业越来越关注能够交付产品性能、延长生命周期、获取定期收益的高级服务[1]。提供高级服务的制造企业有能力开发产品,知道如何维持产品运作和管理,通过为客户提供以性能或结果为合约内容的高级服务,提升客户内部运营效率[2]。国内服务化水平领先的制造企业(如陕鼓动力),将员工作为组织代表长期派驻到客户企业运营现场,为客户提供实时高级运维服务,有学者把这种行为现象称为“组织植入(organizational implants)” [3-4]。
近年来,数字经济异军突起。数字化能力被认为是制造企业提供高级服务的关键助推者[5]。劳斯莱斯、卡特彼勒、ABB、沃尔沃等世界领先型制造企业已引进数字技术,以此构建产品服务软件系统和制定智能解决方案[6]。自此,数字服务化(digital servitization)概念应运而生,它关注制造企业数字化与服务化融合,强调制造企业通过应用数字技术提供服务或实现服务创新[7-8]。有学者发现,能够更早、更有效地实现数字化转型的制造企业在服务化方面优势更大[9]。
制造企业组织植入行为跨越组织边界,搭建起自身与客户间的链接渠道,以此促进制造企业与客户互动并共创价值[10]。然而,数字服务化情境下,制造企业组织植入内容是什么?如何通过组织植入有效提供高级服务?回答上述实践议题,需要对组织植入内涵与结构维度进行深入探讨。现有研究采用定性方法分析制造企业组织植入对服务创新的正向影响,但尚未对数字服务化情境下制造企业组织植入进行深入探讨。鉴于此,本文结合国内制造企业实际,应用扎根理论研究方法,探索数字服务化情境下制造企业组织植入构成维度,并通过探索性与验证性因子分析,开发制造企业组织植入测度量表,以期为制造企业通过组织植入行为助推数字服务化转型提供理论参考。
组织植入常见于医学研究领域,其中植入物被定义为植入到生理存在或外科操作造成的体腔中、留存时间不少于30天的可植入型物品[11]。管理学领域的组织植入源于Grawe[12]对物流服务提供商与客户关系构建的探讨。该研究指出,服务提供商指派员工作为组织代表植入客户企业内部,与客户企业员工在客户运营现场工作,这些现场代表被称为“植入者”,而企业代表在供应链合作伙伴工作设施中工作被称为“组织植入”。在上述定义的基础上,王绒与陈菊红[3]进一步探讨制造企业组织植入对服务创新的影响。
梳理先前文献可以发现组织植入概念的3个要点:①组织植入是服务提供商跨越组织边界进驻客户企业运营现场的行为,该行为的直接目的是零距离接近客户以提供实时服务[3,13];②组织植入的植入物特指服务提供商在客户运营现场常驻员工[3-4];③组织植入施行过程中,植入物与宿主间存在实时互动,如服务提供商员工代表与客户企业员工在同一场所为解决共同问题进行交流[3-4]。
从研究论题的关注点看,现有研究普遍认可组织植入的植入物,即驻场员工(众多跨组织边界研究中称之为“边界扳手”),作为服务提供商与外部组织关系的媒介,对组织间关系发展与维系以及企业创新具有重要影响。上述研究认为,植入客户现场的员工是跨越组织边界培育企业竞争优势的关键因素[14],能够有效促进企业间异质性知识交换,提升研发绩效[15],履行群体代表、资源获取、信息交换等职能,在知识转移活动中的地位日益重要[16],有助于促使服务提供商与客户间信息共享,进而建立亲密的跨组织关系,驱动知识交换与服务创新[17]。
数字化可为制造企业提供客户交互的新形式,提升与客户深度信息共享的可能性,为制造企业深入了解客户偏好提供机会,促进制造企业不同类型的服务创新[18]。Coreynen等[19]指出,数字化情境下制造企业通过积累、吸收、利用数字资源,构建难以被竞争对手获取或模仿的动态资源基础,保持与客户持续交流互动,捕获客户需求,进而从根本上更新价值链,影响和改变客户流程;陈剑等[20]提出,数字化有助于企业采集与分析数据,深化对客户需求的认知,从而实现个性化定制与网络化协同转型。
先前制造业服务化与数字化研究大多是孤立的,近年来才以“数字服务化”的名义出现[7],在国际服务化研究领域广受关注。现有制造企业数字服务化研究主要聚焦数字技术对服务化的支持与推进作用[21],尤其是数字技术对高级服务产品的驱动作用[22],以及数字服务化对商业模式创新的助推作用[23]。有学者发现,数字服务化是制造企业实现价值创造的有效途径(张振刚等,2022)。亦有学者提出,数字服务化不是简单的“数字技术+服务化”,而是企业在数字时代实现重构变革的新范式[24]。值得注意的是,越来越多的研究者发现,数字服务化依托嵌入物理产品中的数字组件,能够增强供应链上游企业对下游企业的依赖[25]。由此,制造企业需要跨越组织边界与客户及生态系统其他主体协作,从而制定智能解决方案[26-27]。
上述研究对制造企业组织植入与数字服务化的概念内涵及作用效果进行了有益的探索,但不足之处在于,对制造企业组织植入鲜有关注。近年来,数字服务化转型成为制造企业发展趋势,但鲜有学者对数字服务化情境下制造企业组织植入结构维度与测度量表进行系统研究。为此,本文采用定性、定量相结合的方法探讨组织植入结构维度与测量量表,以期回答“数字服务化情境下制造企业组织植入内容是什么”这一研究问题。
扎根理论作为质性研究方法,可从经验资料中生成理论,呈现行动者在处理某个问题时的行为变异,找到各种可能行为模式,并将这些模式以理论的形式表达出来[28]。扎根理论研究方法能够通过深入挖掘调研获取的经验数据,自下而上地构建理论,适合用于新概念探索[29]。因此,扎根理论是探索数字服务化情境下制造企业组织植入结构维度的有效方法。深度访谈是扎根理论常用的资料收集方式(曾月明,许素,2019)。借鉴Binder &Edwards[30]的研究成果,本研究通过访谈调研获取经验数据,按照程序化扎根理论的编码过程,依次对访谈资料进行开放式编码、轴心式编码、选择性编码,进而解析概念维度。
本文选取西安陕鼓动力、海尔集团、西电集团、陕西汽车控股、华为技术有限公司、美的集团、法士特集团等7家制造企业19位工作人员作为访谈对象,样本企业与受访对象选取依据如下:
(1)样本典型性。在工信部发布的服务型制造示范企业名单中,提供全生命周期服务和总集成总承包服务的装备制造企业占大多数。为此,本文选取陕鼓动力、陕汽控股作为装备制造示范企业。考虑到样本多样性和研究结论的适用性,本文选取通信及电子设备制造业、仪器仪表制造等其它细分制造行业领先企业作为备选样本。
(2)资料可获性。借助私人关系,通过现场走访、电话、邮件、视频等形式访问7家样本企业。
(3)信息多源性。为规避个人主观倾向对访谈结果的影响,各企业访谈对象除1位高层管理者外,还包括由高层管理者引荐的1位中层项目经理和1～2名在服务现场工作的普通员工。
(4)数据有效性。各样本企业受访者在该企业工作时长超过3年,熟悉企业服务业务相关事项,并能够清楚表达其专业观点。
本研究主要通过个人深度访谈捕获与组织植入构念相关的原始语句。访谈队伍由研究团队的3位博士组成,通过手写笔记记录受访者陈述,在受访者同意的情况下,辅助使用录音笔记录访谈过程。每次访谈前先进行访谈提纲设计,访谈主要围绕“企业服务产品类型”“与客户持续接触的服务业务”“进入客户企业提供服务的形式与做法”“数字化对服务提供的影响”4个开放性问题展开,但不受限于此。在开放式访谈与关键命题聚焦基本平衡的前提下,在访谈过程中适当调整相关问题,鼓励受访者说出计划问题外的故事。访谈累计时长1 120分钟,最终整理形成5万余字的原始资料信息。
2.3.1 开放式编码
开放式编码是指按照一定标准对访谈文本的原始语句进行概念化和范畴化。本研究主要遵循以下原则提高编码信效度:①为了降低研究者主观认知对新概念的影响,进一步提升代码与原始数据资料的契合度,保留受访者独特用语,生成可以反映研究对象行动的原生代码;②合并受访者言语词条中表达意涵相似或相同的词条,剔除观点相悖或有冲突的词条;③3位主研人员分别对访谈资料进行编码,比较各研究成员的编码结果,形成最终开放性编码结果。通过开放式编码,本研究获得22个概念,即初始范畴,概念获取的原始语句示例见表1。
表1 访谈原始语句示例与初始范畴
Tab.1 Original interview statement examples and initial categories
原始语句示例概念我们主张“牵着奶牛卖牛奶”,以前是把设备卖给客户,现在多以项目合作的形式,派员工跟设备待在客户生产车间,随时帮客户解决设备使用过程出现的问题……外派员工有时候受资金限制影响,客户会分期购买设备,也有一些客户会租赁设备,在与我们签署设备维护合同后,客户常常会在项目约定期内为我们的驻场员工在他们那设专门的办公室……固定工位在对设备进行全生命周期运行维护的过程中,我们跟设备的员工在项目工期内基本都在客户企业运营现场工作,跟客户的员工一起解决设备使用过程中出现的问题……共同工作我们项目组成员在客户企业工作时,经常与客户员工面对面讨论问题,就设备运行或客户使用方法、个人习惯等一系列问题进行交流……当面交流在售出的产品上客户生产线运行之前,我们会组织客户员工学习产品设备的正确操作方法,只有客户清楚掌握了设备的操作方法产品运行才能顺利进行,我们也只有了解了客户学习操作中存在的问题才能及时改进产品……信息依赖我们的设备维护员经常得跟客户一起合作,你了解我的需求,我清楚你的盲点,彼此都应用各自领域的专业技术知识和方法来保障客户企业现场的正常生产运营……任务依赖大多数我们派过去做设备维护的员工都清楚自己所承担的工作对公司与客户关系的影响,当然可能也有个人绩效的激励作用,他们与客户企业现场工作的员工基本都对对方很尊重……彼此尊重有些客户企业会给我们常驻的员工提供住宿,我们在客户企业长期待着,除了工作现场,也经常能在与客户企业员工日常朝夕相处中交到朋友,长期在外地熟悉的朋友比较少,一起工作的同时会在工作之余一起约饭什么的建立友谊我们常驻客户现场的员工,在与客户通沟通这方面表现都比较积极,公司在这方面对驻场员工有明确的要求,员工们也有积极做好工作完成好项目的自觉性……积极沟通我们公司的员工,其实不论是常跟项目驻场的还是与客户接触并不多的,都清楚知道维护好与客户的关系对我们非常重要,所以他们很乐意自己主动去做些事情与客户搞好关系,他们也希望可以在这个项目完成后继续跟客户合作新项目……重视关系我们在现场经常与客户员工交流,能学到很多新东西,尤其是我们专业领域以外的一些,单在自己行业里是不容易发现但知道后确实还挺有用的知识技巧,当然,客户也能在我们这获取到一些我们对设备的简单技术知识……交换知识我们经常与客户分享产品设备的工作原理和好使的使用技巧,在工作交流或者日常聊天时也会分享一些常规培训之外自己总结的一些工作经验……共享经验我们能通过现场观察发现与获取一些信息,有些可能是客户自己也没注意到的,比如小的操作习惯或是个人使用方法技巧对设备运行的影响,有时候也能在跟客户员工的聊天中了解到一些信息,比如客户下一步的需求……获取信息我们会在共同解决问题时跟客户分享完成这项工作需要彼此都知道的信息,设备相关的或者之后遇到类似问题需要注意的事项,同时客户也会分享一些他们视角下对问题的看法等相关信息……分享信息在对大数据应用等有比较深入的认识以前,每次设备出故障,我们工作人员都得专门跑一趟荒无人烟的基站地去排查问题,很辛苦,服务成本也高,响应时间长,现在我们只要跟客户商议好,客户同意在他们基站设备上安装摄像头,我们通过远程监测设备运行,能实时了解设备运行状态,也能及时反馈解决问题,大家都省了好多事……植入设备我们在服务转型的过程中同步推行数字化转型,经常应用远程监控,让嵌入产品设备里的传感器把我们产品在客户现场运行的机组数据,包括轴转、位移、震动次数等通过网络传输远程反馈给我们,这些反馈回我们监控中心的数据会在云端实现自动存储……获取数据我们控制中心有一系列故障诊断程序和决策系统,这些程序系统会对客户端反馈回来的各项数据进行排查,一旦遇到异常数据,系统会自动报警,控制中心的大屏幕上对应客户的数据点会有红点闪动,提醒我们故障数据点在哪……诊断故障除了可以提醒故障点在哪之外,监测运行现场产品的各项机组数据,控制中心还能利用这些数据为客户提供设备故障预警服务,通过分析这些反馈回来的数据对产品故障可能出现作时间作出预测,在故障出现之前发现和解决问题,减少客户因设备停机造成的损失……预警故障
续表1 访谈原始语句示例与初始范畴
Tab.1(Continued) Original interview statement examples and initial categories
原始语句示例概念我们的监控中心配有产品设计专家,专家们会定期排查历史数据中的异常多发点,根据这些异常多发点预估产品设备之后的一个健康状态;嵌入设备中的决策系统可以在发现常规性问题时向客户提供自主解决问题的办法……评估健康从不同客户运营现场反馈回来的数据会在我们监控中心形成数据池,通过对累积的大数据进行分析,我们经常能找到一些优化产品设计的突破口……改进设计在排查数据异常时,我们经常能从存储数据中发现客户在产品使用过程中可能存在的一些流程冗余……我们能从累积的数据中发现一些当前服务存在的问题,并及时对服务系统作出调整,优化我们的服务流程……优化流程我们能够从反馈回来的数据中发现一些之前容易被我们自己或者客户都忽视的客户的真实或者说潜在需求,比如客户在使用产品时遇到的某个小问题,有时候可能从我们的专业角度用很小的一点技巧或者简单方式就能得到解决的,并不像客户自己想象的需要很复杂的解决方法或者别的新需求……挖掘需求
2.3.2 轴心式编码
轴心式编码作为程序化扎根理论的第二步,主要寻找和构建概念间的关联与类属,形成若干范畴。每个被发现和深度分析的类属,即为轴心。围绕轴心总结得出的范畴为副范畴,通过进一步深入探寻副范畴间的关联,合并得到的更高层范畴为主范畴。为降低研究者对编码结果的主观影响,本研究中轴心式编码过程仍然先由3位主研人员分别单独完成,经过整合、讨论与比较分析,确定最终范畴。
外派员工、固定工位、共同工作、当面交流等4个概念均属于制造企业驻场服务人员在客户现场工作的场景,是制造企业与客户联系及交互界面,故将其归于同一副范畴,命名为“服务界面”;信息依赖、任务依赖、彼此尊重、建立友谊、积极沟通、重视关系等6个概念反映的是制造企业驻场服务人员与现场工作人员为解决产品故障或运行问题而协同合作、交流互动的过程,涉及双方员工间的交互,故将其归于同一范畴,命名为“人际互动”;交换知识、共享经验、获取信息、分享信息4个概念均是制造企业驻场人员与客户现场人员合作交流的结果,前两个概念反映的是专业理论相关显性知识与员工工作经验积累形成的隐性知识互换,涉及制造企业与客户知识共享,故归属于同一副范畴,命名为“知识共享”;后两个概念代表双方员工通过自身观察捕获对方尚未察觉的信息,以及直接告诉对方的确定信息,故将其归于同一副范畴,命名为“信息交换”;植入设备反映的是制造企业与客户联系的另一场景,将设备植入客户现场类似软件嵌入系统平台接口,因其与其它概念内涵相异,故单独列为副范畴,命名为“嵌入接口”;获取数据是制造企业通过植入设备从客户现场获取的直接成果,因与其它概念内涵相异,故单独列为副范畴,命名为“数据采集”;诊断故障、预警故障、评估健康3个概念均是制造企业植入设备对客户现场数据进行分析的智能反馈,故将其归为同一副范畴,命名为“数据分析”;改进设计、优化流程、挖掘需求3个概念均是制造企业基于客户现场数据,深层挖掘数据背后的信息并结合技术人员专业知识与经验,实现数据应用结果,故将其归为同一副范畴,命名为“数据应用”。
服务界面、人际互动、知识共享、信息交换4个副范畴均是制造企业将服务员工植入客户现场发生的结果,故归属于同一主范畴,命名为“员工植入”;嵌入接口、数据采集、数据分析、数据应用4个副范畴均是制造企业将智能组件植入客户现场运营设备后发生的结果,故归属于同一副范畴,命名为“智能设备植入”。综上所述,通过轴心式编码,本研究获得8个副范畴和两个主范畴(见表2)。
表2 轴心式编码结果
Tab.2 Axial coding results
初始范畴副范畴主范畴外派员工服务界面固定工位共同工作当面交流信息依赖人际互动员工植入任务依赖彼此尊重建立友谊积极沟通重视关系交换知识知识共享共享经验获取信息信息交换分享信息植入设备嵌入接口智能设备植入获取数据数据采集诊断故障数据分析预警故障评估健康改进设计数据应用优化流程挖掘需求
2.3.3 选择性编码
选择性编码是指通过对轴心式编码归纳的主范畴进行挖掘分析,提炼核心范畴的过程。具体而言,就是选择或找出一个核心范畴,以此统领和概括主范畴间的逻辑关联,围绕核心范畴厘清故事主线,进而形成理论框架。本研究的核心范畴是“制造企业组织植入”,通过轴心式编码归纳得出的“员工植入”“智能设备植入”两个主范畴,均是制造企业将代表其组织的物质要素植入客户企业内部,为客户提供高级服务的行为方式。
围绕“环境—行为—结果”的故事链条,本文构建数字服务化情境下制造企业组织植入行为构成理论框架,具体如下:员工植入和智能设备植入是制造企业组织植入的两种行为方式;员工植入作为制造企业为客户提供实时服务并与客户保持互动的传统行为方式,通过派员工进驻客户运营现场构建服务界面,利用本企业驻场员工与客户企业现场员工互动,促进制造企业与客户的知识共享和信息交换;智能设备植入是制造企业受数字化转型环境的影响,拓展高级服务供给并与客户保持互动的新兴行为方式,通过将摄像头、传感器等智能设备组件植入客户现场运行的产品设备,以远程监控形式依次进行数据采集、数据分析,最终实现数据应用。
2.3.4 理论饱和度检验
理论饱和度检验是指在理论构建完成后,寻找是否还有新的概念和范畴出现,以此检验理论效度。本文基于后续二轮访谈获取的1.1万字原始资料进行理论饱和度检验,结果显示,追加数据中没有新的概念和范畴出现。据此可以认为,本研究中数字服务化情境下制造企业组织植入只包括两个维度,且结构维度达到理论饱和。
组织植入是制造企业跨越组织边界、进入客户企业运营现场、与客户保持互动及持续联系的有效行为方式。本文基于数字服务化情境,在探讨制造企业组织植入结构维度时发现,当前制造企业组织植入主要包括员工植入和智能设备植入两种形式。上述两种组织植入行为方式既有区别也有联系,既有替代也有合作,共同支持制造企业高级服务供给。
2.4.1 员工植入特征
制造企业员工植入是指由驻场员工与客户企业构建服务交互界面,组织代表为“人”。该行为模式源于制造企业服务化转型,基于服务员工专业技术与沟通技巧,能够实时、灵活地满足客户个性化需求,其服务对象不限于制造企业自家产品,可拓展至客户运营现场所有产线机器。制造企业通过服务拥有的客户交互成为其关键资产,而植入客户工作现场的一线服务员工,构成促进客户经验知识积累的关键机制。植入员工在长期频繁地与客户员工面对面交流中,通过观察学习积累客户工作领域的相关知识,获取更真实与全面的客户需求信息[31]。在植入员工与客户员工长期密切交流与共同协作过程中,会诱发更深层次的隐性与异质性知识交换。员工间私人友谊衍生出企业间关系资本,而关系资本可强化双方员工对共同目标的关注,产生“锁定效应”,从而帮助制造企业获取竞争对手难以模仿的信息和能力[3,15]。同时,跨边界形成的亲近关系有助于员工在交流与服务过程中精准获知客户偏好、差异化理念、知识或不同的实践经验,洞察客户自身尚未察觉的服务需求[32]。可见,员工植入以线下现场人工服务方式进驻客户企业内部运营现场,为客户提供实时服务,有助于制造企业获得客户企业关系资本。
2.4.2 智能设备植入特征
制造企业智能设备植入是指通过嵌入产品的智能设备与客户企业产生关联,组织代表为“智能设备”。该行为方式基于制造企业数字服务化转型,应用数字化技术将传感器等智能组件嵌入客户购买的产品,通过远程监控进驻客户企业运营现场,进而为客户提供即时设备维护服务。由此,制造企业获得其产品运行数据,掌握更多精确产品使用信息。经客户允许并在客户参与的情况下,将传感器等智能设备植入客户使用的产品中,作为服务提供商的制造企业能够收集产品使用相关数据。这种行为方式具有显著跨边界属性和结果导向特征,有助于制造企业深入了解与获取客户需求信息,并与客户发展强绑定关系。此外,通过长期积累,不同客户企业数据形成与产品使用及客户行为相关的大数据池,成为制造企业分析客户不当操作行为、挖掘产品故障多发点与升级产品优化流程的重要数据资源。可见,智能设备植入以线上远程的数字服务方式进驻客户企业内部运营现场,为客户提供即时服务,并在此过程中帮助制造企业积累相应的数据资源。上述员工植入与智能设备植入特征如图1所示。
图1 员工植入与智能设备植入特征
Fig.1 Characteristics of employee implants and smart device implants
2.4.3 员工植入与智能设备植入比较
作为服务提供商的制造企业,借助组织植入行为方式为客户提供高级服务。由此,组织植入成为制造企业与客户企业进行联系、互动的桥梁。随着数字技术发展,以产品为中心的服务型制造企业单纯依靠员工植入获取产品在客户现场的运营信息以跟进自有产品维护服务开始被智能设备植入所取代。然而,以客户为中心的服务型制造企业在员工植入行为方式的基础上,结合智能设备植入对自有产品进行预测性维护,同时通过植入员工解决客户运营现场其它设备故障,为客户提供保姆式甚至管家式服务,全方位保障客户企业生产运营。员工植入与智能设备植入部分差异见表3。
表3 员工植入与智能设备植入差异
Tab.3 Differences between employee implants and smart device implants
项目员工植入智能设备植入产生背景服务化数字服务化行为方式外派员工进驻客户运营现场在客户运行设备中嵌入智能组件服务效果保姆式至管家式服务产品生命周期服务工作任务事项不明确事项很精确交互界面员工面对面远程监测沟通频率随时可能、实时响应定时定期、即时反馈价值回馈关系资本数据资源
基于前文研究结果,结合制造企业员工植入与智能设备植入内容,参考先前研究中有关“人际互动、知识共享、信息交换”与“数据采集、数据分析、数据应用”的描述,本文分别对员工植入与智能设备植入进行测度,具体题项如表4所示。
表4 组织植入初始测度量
Tab.4 Initial measure scale of organizational implants
维度题号题项员工植入EI1制造企业驻场员工能够与客户员工友好地共同解决问题EI2制造企业驻场员工会与客户企业员工积极交流EI3制造企业驻场员工与客户企业员工建立了很好的私人友谊EI4客户现场员工会积极回答制造企业驻场员工提出的业务相关问题EI5制造企业驻场员工通过与客户员工交换想法来推进工作进程EI6制造企业驻场员工与同在现场的客户员工共享彼此的工作经验EI7制造企业驻场员工能够得到客户企业对使用当前产品设备的真实看法EI8制造企业驻场员工能够知道客户企业对未来理想产品与服务的详尽要求EI9制造企业驻场员工能够获取客户企业收集的行业市场信息智能设备植入DI1制造企业应用传感装置监测与传输客户使用产品组合的相关数据DI2制造企业会保存从客户使用产品过程中收集到的数据DI3制造企业分析收集到的数据以评估客户当前使用产品的健康状态DI4制造企业分析收集到的数据以预测客户使用产品可能发生的故障DI5制造企业分析收集到的数据为客户提前备好可能需要更换的备品备件DI6制造企业挖掘积累的产品使用大数据以发掘产品设计存在的问题DI7制造企业挖掘积累的产品使用大数据以发现客户不良的产品使用行为DI8制造企业挖掘积累的大数据进而预测客户潜在的新需求
3.2.1 小样本数据收集
本文基于初始量表编制预调研调查问卷,采用李克特5级量表测度各题项与受访企业实际情况的一致性,1～5分别表示“完全不符合”“不符合”“不确定”“符合”“完全符合”。为了精准修正题项表述,小范围选取陕西省内11家制造企业进行预调研,邀请企业成员填写问卷,并及时与答卷人进行交流,以确保题项与企业实际情况相契合。
此后,课题组于2021年8月派3位主研人员走访当地涉及数字服务业务的制造企业,以线上视频方式与山东、江苏等地区制造企业取得联系,邀请企业员工或管理者填写问卷。历时一个月,发放与回收151份问卷,得到131份有效问卷。此次预调研回收有效问卷涉及通用设备、专用设备等多个细分行业制造企业,能够有效反映制造企业实况信息。
3.2.2 量表提纯
本文采用IBM SPSS Statistics 22软件对预调研问卷数据进行处理。基于个项和总体相关系数不小于0.5以及删除该项后Cronbach's α值不高于量表总Cronbach's α值的标准,通过项目分析净化冗余题项。由此,EI1、EI6、DI1、DI2等4个题项被删除。剩余题项总量表Cronbach's α值为0.930,删除任一项后量表Cronbach's α值均会降低,更正后各项总体相关系数CITC均大于0.7,分维度Cronbach's α值分别为0.938和0.904,可靠性较高,量表一致性较好,项目分析结果见表5。
表5 探索性因子分析与可靠性检验结果
Tab.5 Results of exploratory factor analysis and reliability test
因素题项因素载荷12CITC删除后Cronbach's α分量表Cronbach's α员工植入EI20.7510.7510.9320.938EI30.8680.8160.927EI40.8220.8250.926EI50.8670.8480.924EI70.7570.7420.933EI80.8530.8540.923EI90.8170.7460.933智能设备植入DI30.7680.6500.9000.904DI40.8500.7750.882DI50.7670.7600.884DI60.8400.7860.880DI70.7240.6990.893DI80.7800.7360.883特征值(旋转前)7.1252.133解释变异量(%)39.17432.042累计解释变异(%)39.17471.216
3.2.3 探索性因子分析
本文使用主成分法对修正后的量表进行探索性因子分析,结果显示,样本KMO值为0.890,显著性P<0.001,适合作因子分析。采用最大方差法对13个初始题项进行主体元件提取,经正交旋转共提取出两个公因子,各题项在其所属因子载荷均大于0.7,按因子系数大小排序,主因子变异解释量分别为39.174%和32.042%,累计方差贡献率71.216%。由此可见,因子分析结果与维度探索研究结果一致。探索性因子分析结果见表5。
3.3.1 大样本数据收集
本文采用修正后的问卷进行大规模发放,正式问卷内容包括制造企业基本信息、组织植入测度题项以及效标变量题项3个部分,主要以问卷星的形式进行线上发放与回收,以滚雪球方式在制造业从业者间扩散。正式调研时间为2021年10～11月,共发放与回收问卷304份,剔除无效答卷68份,回收有效问卷236份,问卷有效回收率77.632%。
从问卷填写人特征看,答卷者均来自服务相关部门,管理者与一线员工占比分别为43.496%和56.504%,工作年限超过5年人员占总人数的76.081%,学历为本科及研究生以上人员占总人数的85.366%,男性员工占比为64.312%,略高于女性员工。上述结果表明,答卷者较为了解企业实况。答卷者学历普遍较高,一定程度上可以确保其对问卷题项理解的准确性。样本企业基本信息见表6。
表6 正式调研样本企业基本信息
Tab.6 Basic information of sample enterprises from formal investigation
项目类别数量占比(%)行业通用设备制造5121.61专用设备制造8636.44通信及其它制造9941.95性质国有(含国有控股)9238.98民营8736.87外资(含中外合资)5222.03其它52.12从业人数300及以下4619.49300^1 000239.751 000及以上16770.76年营业收入2 000万及以下5222.032 000^5 000万3414.415 000万^1亿7833.051亿及以上7230.51企业年龄1^10年3113.1410^20年12954.6620年以上7632.20地区分布东北及华北6929.24西北与西南8536.01华中、华东、华南8234.75各项合计236100
3.3.2 验证性因子分析
本文基于扎根理论与探索性因子分析结果,构建二因子基础模型,应用Amos24.0软件采用极大似然估计方法对236条样本数据进行验证性因子分析,结果如图2所示。
图2 验证性因子分析结果(N=263)
Fig.2 Results of confirmatory factor analysis (N=263)
参考李朋波等(2021)、马钦海等(2021)研究中的验证性因子分析模型拟合度指标选择与常用标准,χ2/df<5表示模型整体可接受,RMSEA<0.08表明模型与数据拟合度可接受,GFI、NFI、IFI、CFI值大于0.9说明模型适配度较高。数据分析结果显示,模型匹配指标中, χ2/df值为4.155,RMSEA值为0.072, GFI、NFI、IFI、CFI值均接近或大于0.9。据此可以认为,将制造企业组织植入划分为员工植入与智能设备植入两个维度的测量结构比较理想。
3.3.3 信度与效度检验
信度检验结果发现,由二维13个题项构成的制造企业组织植入测度量表总体克朗巴哈系数为0.934,单个维度克朗巴哈系数分别为0.936和0.908,均大于0.7。同时,删除13个题项中任一题项后,量表克朗巴哈系数均会降低。由此表明,本文研究量表信度较高。
效度主要包括内容效度与结构效度,结构效度又分为收敛效度和区分效度。本文以各因子平均提取方差,即AVE的平方根大于该因子与其它因子的相关系数为标准,检验量表区分效度,通过以下标准检验量表收敛效度(李朋波等,2021;周天舒,2021):①各因子平均提取方差AVE大于0.5;②各因子组合信度CR大于0.7;③各题项在其所属因子的标准化因子载荷显著大于0.5且低于0.95。验证性因子分析及AVE和CR的计算结果见表7。结果显示,两个维度即因子平均提取方差AVE均大于0.6,组合信度CR均大于0.9,所有标准化因子载荷(见图2)均显著介于0.68～0.88之间,可见量表收敛效度较高。此外,因子间显著相关,两个因子平均提取方差AVE的平方根分别为0.824和0.856,均大于两个因子的相关系数0.628,说明量表区分效度较高。本研究基于访谈结果与先前文献,对题项表述进行多轮筛查与进一步修正,因而可以认为内容效度较高。
表7 各维度相关系数与信效度检验结果
Tab.7 Correlation coefficients of each dimension and reliability and validity test results
注:***表示p<0.001,对角线上为AVE平方根
类别员工植入智能设备植入员工植入0.824智能设备植入0.628***0.856α值0.9360.908CR0.9370.909AVE0.6790.627
3.3.4 效标关联效度检验
服务创新在以客户价值为核心的竞争逻辑与服务主导范式下成为影响制造企业绩效的重要变量[33]。实现服务创新的重点在于对关键信息与知识的持续更新、创造和转化[34]。关系观认为,仅限于传统交易关系的买卖双方因没有跨组织关系而不会进行密集的信息交流。二元社会关系单位间的知识转移与整合取决于接触频率、沟通水平、连接强度等权变因素[35]。提供高级服务的制造企业通过开放组织边界获得的外部伙伴知识可为创新提供机会[36]。据此,本研究以服务创新作为制造企业组织植入的效标变量,参照Hsueh等[37]的研究成果,构建测度量表,该量表包括“更多新服务理念形成”“新服务或新产品数量增加”“服务流程得以优化”3个题项。相关性分析结果显示,制造企业组织植入与服务创新在p<0.01水平上显著相关,相关系数为0.562。由此可见,制造企业组织植入量表效标关联效度较高。
本文基于数字服务化情境,从制造企业数字服务化转型视角,结合先前文献与企业实践剖析制造企业组织植入概念,揭示制造企业组织植入的两个维度(员工植入与智能设备植入),并通过定量统计分析构建包含13个题项的制造企业组织植入测度量表。数据分析结果表明,二维13项制造企业组织植入量表信效度较高,能够有效测度制造企业组织植入程度。
研究结论明确了数字服务化情境下制造企业组织植入的主要内容,系统阐释了制造企业从服务化转型向数字服务化转型过程中,在客户现场服务提供行为方式的变化。具体地,服务化阶段,制造企业主要通过员工植入,以人际互动、知识共享、信息交换,以及由此构建的关系资本等行为要素提供现场线下服务;数字服务化阶段,在员工植入的基础上,制造企业通过智能设备植入,以数据采集、数据分析、数据应用,以及由此产生的数据资源等行为要素提供远程线上服务。
(1)区别于先前研究局限于传统服务业中组织植入的描述,本文将组织植入概念从物流服务领域引入制造服务领域,拓展了组织植入概念应用范畴,为制造业服务化相关研究提供了概念基础。
(2)基于制造企业数字服务化转型视角,结合行业差异与企业发展实际,通过深度访谈与扎根理论等研究方法,将组织植入维度从传统服务业中的单一维度“员工植入”拓宽至制造服务业中的“员工植入”与“智能设备植入”双元维度,为制造企业组织行为研究提供了新视角。
(3)基于数字服务化情境开发了信效度较高的制造企业组织植入量表,丰富了制造企业数字服务化转型研究体系,回应了Marko等[23]、Gebauer等[38]的研究呼吁,为未来数字服务化相关定量与实证研究提供了参考。
(1)制造企业可采用员工植入行为方式派遣技术员工进驻客户企业现场,实现与客户零距离、高频次沟通,据此与客户建立关系并实现异质性知识和隐性知识交换。在锁定客户的同时,了解客户当前真实需求,进而精准预测客户未来需求,以便先于竞争对手改进现有服务或推出新服务。
(2)借助数字技术,制造企业可应用物联网等先进技术,在征得客户同意的前提下,将传感器等智能设备组件植入客户购买的产品中,实时收集产品运行数据,掌握产品使用状况,即时预测产品可能发生的故障并提前制定应对策略。在确保客户企业持续生产的同时,分析产品运行数据,寻找故障多发数据点,找出产品可能存在的设计缺陷等,优化现有产品服务流程,进而实现服务创新。
(3)制造企业可根据自身服务转型情况,选择恰当的组织植入方式以锁定客户,在提升客户忠诚度的同时,实现服务创新。选择员工植入时,派驻客户现场的员工不仅需要具备良好的专业技能,而且需要具备较高的人际沟通技巧,能够敏锐地观察现场状况并迅速作出反应。应用智能设备植入时,制造企业应重点提升其数字化能力,如信息感知和获取能力、硬件组件低人力涉入能力、通过无线通信网络连接数字化产品的能力,以及大数据分析和应用能力等。
本文存在以下不足:第一,访谈数据收集方面,尽管本研究强调数据多源性与样本均衡性,但受时间限制,访谈对象主要集中于西北地区,且受访者所在细分行业覆盖面较小。因此,未来可以进一步拓展研究范围并进行深度访谈。第二,研究视角方面,本研究主要基于数字服务化转型视角从植入物方面探究制造企业组织植入结构维度,未来可拓展研究维度,从更多视角与层面探讨不同行业跨组织服务中的组织植入行为。
[1] BAINES T, LIGHTFOOT H W. Servitization of the manufacturing firm: exploring the operations practices and technologies that deliver advanced services[J]. International Journal of Operations &Production Management, 2014(34):2-35.
[2] CENAMOR J,SJÖDINA D R,PARIDA V. Adopting a platform approach in servitization: leveraging the value of digitalization[J]. International Journal of Production Economics,2017(192): 54-65.
[3] 王绒,陈菊红.制造企业组织植入对服务创新的影响研究[J].科学管理研究,2016,34(3):92-95.
[4] SCOTT J GRAWE, CHAD W AUTRY, PATRICIA J DAUGHERTY. Organizational implants and logistics service innovation: a relational social capital perspective[J]. Transportation Journal,2014,53(2):180-210
[5] RÖNNBERG SJÖDIN D, PARIDA V, KOHTAM
KI M. Capability configurations for advanced service offerings in manufacturing firms: using fuzzy set qualitative comparative analysis[J]. Journal of Business Research, 2016,69 (11):5330-5335.
[6] PARIDA V, SJÖDIN D, REIM W. Reviewing literature on digitalization, business model innovation, and sustainable industry: past achievements and future promises[J]. Sustainability, 2019, 11(2): 391.
[7] PASCHOU T, RAPACCINI M, ADRODEGARI F, et al. Digital servitization in manufacturing: a systematic literature review and research agenda[J]. Industrial Marketing Management, 2020(89): 278-292.
[8] MAKKONEN H, NORDBERG-DAAVIES S, SAARNI J, et al. A contextual account of digital servitization through autonomous solutions: aligning a digital servitization process and a maritime service ecosystem transformation to autonomous shipping[J]. Industrial Marketing Management, 2022(102): 546-563.
[9] MART
N-PE
A M L, DAZ-GARRIDO E, SANCHEZ-L
PEZ J M. The digitalization and servitization of manufacturing: a review on digital business model[J]. Strategic Change,2018(27):91-99.
[10] BUSTINZA O F, PARRY G, VENDRELL-HERRERO F. Supply and demand chain management orientation: the effect of adding services to product offerings[J]. Supply Chain Management, 2013,18(6): 618-629.
[11] AMERICAN NATIONAL STANDARDS INSTITUTE.Comprehensive guide to steam sterilization and sterility assurance in health care facilities[S].ANSI/AAMI ST 79:2006.American National Standards Institute,2006.
[12] SCOTT J GRAWE, PATRICIA J DAUGHERTY, JAMES C MCELROY. External organizational commitment among organizational implants: the case of logistics service providers[J]. Transportation Research, 2012, 48 :165-177.
[13] SCOTT J GRAWE, PATRICIA J DAUGHERTY, RAJIV P DANT. Logistics service providers and their customers: gaining commitment through organizational implants[J]. Journal of Business Logistics, 2012, 33(1): 50-63.
[14] 欧阳桃花,丁玲,郭瑞杰. 组织边界跨越与IT能力的协同演化:海尔信息系统案例[J]. 中国工业经济,2012,29(12):128-140.
[15] YOICHI, MATSUMOTO, KIYONORI, et al. Finding the 'boundary mediators': network analysis of the joint R&D project between Toyota and Panasonic[J]. International Journal of Technology Management, 2014, 66(2/3):120-133.
[16] ZHIGANG SHOU, YU GONG, QIYUAN ZHANG. How boundary spanners' guanxi matters: managing supply chain dependence in China[J]. International Journal of Operations &Production Management,2022,42(3):384-407.
[17] GRAWE S J, DAUGHERTY P J, RALSTON P M. Enhancing dyadic performance through boundary spanners and innovation: an assessment of service provider-customer relationships[J]. Journal of Business Logistics, 2015, 36(1):88-101.
[18] NAIK P, SCHROEDER A, KAPOOR K K, et al. Behind the scenes of digital servitization: actualising IoT-enabled affordances[J]. Industrial Marketing Management, 2020, 89: 232-244.
[19] COREYNEN W, MATTHYSSENS P, BOCKHAVEN W V. Boosting servitization through digitization: pathways and dynamic resource configurations for manufacturers[J]. Industrial Marketing Management, 2016, 60:42-53.
[20] 陈剑,黄朔,刘运辉. 从赋能到使能数字化环境下的企业运营管理[J]. 管理世界,2020,36(2):117-128.
[21] GRUBIC T. Remote monitoring technology and servitization: exploring the relationship[J]. Computers in Industry, 2018, 100:148-158.
[22] SJODIN D R, PARIDA V, KOHTAMAKI M. Capability configurations for advanced service offerings in manufacturing firms: using fuzzy set qualitative comparative analysis[J]. Journal of Business Research, 2016, 69(11): 5330-5335.
[23] MARKO KOHTAMKI,VINIT PARIDA,PEJVAK O
GHAZI,et al.Digital servitization business models in ecosystems: a theory of the firm[J].Journal of Business Research,2019,104:380-392.
[24] 高腾飞,陈刚.国内外数字服务化比较研究:基于知识图谱的可视化分析[J].科技管理研究,2021,41(18):146-155.
[25] FERRAN VENDRELL-HERRERO, OSCAR F BUSTINZA, GLENN PARRY,et al.Servitization, digitization and supply chain interdependency[J]. Industrial Marketing Management, 2017,60:69-81.
[26] SKLYAR A,KOWALKOWSKI C,TRONVOLL B,et al.Organizing for digital servitization: a service ecosystem perspective[J]. Journal of Business Research,2019,104: 450-460
[27] MUNCH C, MARX E, BENZ L, et al. Capabilities of digital servitization: evidence from the socio-technical systems theory[J]. Technological Forecasting and Social Change, 2022, 176: 121361.
[28] 朱丽叶·M科宾,安塞尔姆·L施特劳斯.质性研究的基础:形成扎根理论的程序与方法[M].重庆:重庆大学出版社,2015.
[29] 张冉.基于扎根理论的我国社会组织品牌外化理论模型研究[J].管理学报,2019,16(4):569-577.
[30] BINDER M, EDWARDS J S. Using grounded theory method for theory building in operations management research[J].International Journal of Operations &Production Management, 2010, 30(3):232-259.
[31] SANTOS-VIJANDE M L, LPEZ-S
NCHEZ J , RUDD J. Frontline employees' collaboration in industrial service innovation: routes of co-creation's effects on new service performance[J]. Journal of the Academy of Marketing Science, 2016, 44(3):1-26.
[32] SØRENSEN F, SUNDBO J, MATTSSON J. Organisational conditions for service encounter-based innovation[J]. Research Policy, 2013, 42(8):1446-1456.
[33] GEBAUER H, PAIOLA M, EDVARDSSON B. Service business development in small and medium capital goods manufacturing companies[J]. Managing Service Quality,2010,20(2):123-139.
[34] ORDANINI A, PARASURAMAN A. Service innovation viewed through a service-dominant logic lens: a conceptual framework and empirical analysis[J]. Journal of Service Research, 2011, 14(1):3-23.
[35] ARGOTE L,MCEVILY B,REAGANS R.Managing knowledge in organizations: an integrative framework and review of emerging themes[J]. Management Science, 2003, 49(4):571-582.
[36] STEPHAN M WAGNER. Partners for business-to-business service innovation[J]. IEEE Transactions on Engineering Management, 2013, 60(1):113-123.
[37] JUNG TANG HSUEH, NENG PAI LIN, HOU CHAO LI. The effects of network embeddedness on service innovation performance[J]. Service Industries Journal, 2010, 30(10):1723-1736.
[38] GEBAUER H, PAIOLA M, SACCANI N, et al. Digital servitization: crossing the perspectives of digitization and servitization[J]. Industrial Marketing Management, 2021, 93: 382-388.