Digital Innovation: Dimension Exploration, Scale Development, and Enterprise Performance

Zou Yukun1, Xie Weihong2,3,4, Wang Zhong2,3, Li Zhongshun2,3

(1.School of Management, Guangdong University of Technology;2.School of Economics, Guangdong University of Technology;3.Key Laboratory of Digital Economy and Data Governance, Guangdong University of Technology;4.Big Data Strategy Research Center, Guangdong University of Technology, Guangzhou 510520, China)

Abstract：In the digital era, businesses are increasingly facing unprecedented challenges and opportunities. Digital innovation has become a crucial driver for high-quality development and maintaining a competitive edge. Despite its importance, there is a significant gap in the literature concerning the comprehensive understanding and multidimensional deconstruction of the internal processes of digital innovation. This study aims to fill this gap by exploring the dimensions of digital innovation, developing a robust measurement scale, and investigating its impact on enterprise performance. The significance of this research lies in providing a deeper theoretical understanding of digital innovation and offering practical tools for businesses to enhance their innovation practices.

To achieve these objectives, the study employs grounded theory methodology, incorporating perspectives from recombination innovation, supply-demand interaction, and service-dominant logic. The interview data came from managers of four manufacturing enterprises, especially managers of information or digitalization departments. Through this rigorous process, two critical dimensions of digital innovation were identified: enterprise design recombination and user use recombination. Enterprise design recombination focuses on how enterprises reorganize resources on a large scale to enhance efficiency and innovation capacity. User use recombination emphasizes the reconfiguration of resources through use, highlighting the role of users as active participants in the innovation process. From two identified dimensions, a digital innovation scale comprising 28 items was developed. The scale underwent thorough validation processes, including exploratory factor analysis (EFA) and confirmatory factor analysis (CFA), to assess its reliability and validity. The scale demonstrated high internal consistency and construct validity, making it a reliable tool for measuring various aspects of digital innovation within enterprises.

The study further employs this scale to empirically examine the impact of digital innovation on enterprise performance. Data is collected from 254 enterprises across the manufacturing industry through questionnaires. The analysis utilizes regression analysis to test the hypothesized relationships between digital innovation dimensions and enterprise performance. The results show that both enterprise design recombination and user use recombination significantly contribute to improving enterprise performance. These results indicate a strong positive correlation between digital innovation and enterprise performance, validating the predictive validity of the developed scale.The study offers several key conclusions. Firstly, the reconceptualization of digital innovation as a recombination of resources provides a nuanced understanding of its internal processes. This perspective shifts the focus from merely applying digital technologies and developing digital products to emphasizing the reconfiguration and integration of digital technologies, data, and experiential knowledge. This aligns with identified characteristics of digital innovation such as reconfigurability, data homogenization, and self-referentiality.Secondly, the study underscores the importance of the interactive roles of both enterprises and users in the innovation process, incorporating the supply-demand interaction and service-dominant logic perspectives. This highlights the role of users as active participants and collaborators in digital innovation, addressing the call for greater focus on user innovation and extending the theoretical foundation for continuous innovation in the digital context.Thirdly, the developed digital innovation scale serves as a valuable tool for subsequent empirical research, offering a robust framework for assessing the multidimensional characteristics of digital innovation. By examining the relationship between digital innovation and enterprise performance, this study validates and extends existing discussions on the positive impact of digital innovation on enterprise performance, underscoring its importance as a strategic choice for future business development.

In conclusion, this study offers a comprehensive exploration of digital innovation dimensions, develops a validated measurement scale, and demonstrates the positive impact of digital innovation on enterprise performance. The innovative perspective on digital innovation’s internal processes and the interactive roles of enterprises and users significantly enriches the theoretical discourse and provides practical guidance for businesses navigating digital transformation. This study not only enhances academic understanding but also equips practitioners with valuable tools to leverage digital innovation for sustained competitive advantage.

Key Words：Digital Innovation;Recombination Innovation;Grounded Theory;Scale Development;Enterprise Performance

DOI：10.6049/kjjbydc.2024020204

开放科学(资源服务)标识码(OSID)：

中图分类号：F272.7-39

文献标识码：A

文章编号：1001-7348(2025)16-0037-12

收稿日期：2024-02-19

修回日期：2024-07-15

基金项目：国家社会科学基金重大项目(23&ZD090)

作者简介：邹玉坤(1992—),女,山东烟台人,广东工业大学管理学院博士研究生,研究方向为数字化创新管理;谢卫红(1969—),女,湖北荆州人,博士,广东工业大学经济学院院长、教授、博士生导师,数字经济与数据治理重点实验室执行主任,大数据战略研究中心副主任,研究方向为数字化创新、数字经济、大数据战略管理;王忠(1983—),男,湖南湘阴人,博士,广东工业大学经济学院副院长、教授、硕士生导师,数字经济与数据治理重点实验室秘书长,研究方向为数字化转型与创新;李忠顺(1990—),男,湖南永州人,博士,广东工业大学经济学院讲师,数字经济与数据治理重点实验室成员,研究方向为商业模式创新。通讯作者:谢卫红。

0 引言

随着数字技术的广泛应用,数字化创新已成为提升企业竞争力和促进企业可持续发展的关键[1]。《“十四五”数字经济发展规划》明确提出“数字化创新引领发展能力大幅提升,智能化水平明显增强,数字技术与实体经济融合取得显著成效”的发展目标,将数字化创新上升到国家战略层面,赋予其更加重要的使命。企业迫切需要跨越数字鸿沟,加强数字化创新。然而,当前缺乏对数字化创新的清晰认知,导致许多盲目效仿的失败案例,这些失败源于对数字化创新过程认知模糊,使得在实施过程中出现“不敢、不愿、不能、不会、不善”等障碍,阻碍创新绩效提升。因此,深入理解数字化创新多维结构,明确其对企业创新绩效的影响,对于推动企业开展数字化创新和发展新质生产力至关重要。

学术界对数字化创新概念、内涵和理论框架进行积极探索。首先,现有研究识别出数字化创新具有分布化、平台化和组合化等特征,涵盖服务创新、组织创新和商业模式创新等多个方面[2]。这些研究在揭示数字化创新的基本特征和多样产出方面取得了重要进展,在理论基础和应用场景方面提供了丰富的见解。其次,在数字化创新测量方面,学者通过设计技术专利数据[3]、数字化流程创新、产品创新及服务创新等量表[4]测度数字化创新,这些方法为数字化创新定量研究提供了工具。最后,一些实证研究证实数字化创新对于提升企业绩效具有积极影响[4-6]。研究表明,数字化创新在提升企业核心竞争力和市场表现方面具有显著效果。

综上所述,现有研究在数字化创新概念内涵、测量和前因后果分析方面取得了一定进展,但存在一些不足:首先,对数字化创新内部动态过程解释不足,尤其对创新过程与结果动态复杂性缺乏深入分析[7]。数字化创新作为一种典型的重组创新,表现为利用新一代数字技术对数字化资源进行优化配置,充分挖掘并释放数字化资源的价值,推动数字技术与实体经济融合,进而培育新质生产力。然而,这一重要内涵在现有研究中未得到充分体现。虽然现有研究对数字化创新“是什么”进行论述,但对于“如何实施数字化创新”的认知比较模糊。此外,这些研究往往集中在企业主体创新行为上,忽视了供需互动框架下用户主体地位的作用,未充分考虑用户在数字化创新过程中的重要影响[8-9]。其次,虽然已有研究从技术专利、文本等角度测度数字化创新,但这些方法无法充分反映创新过程中关键活动的复杂性和动态性,忽视了对数字化创新作为重组创新这一重要内涵的深入分析。最后,现有研究对数字化创新与企业绩效关系的探讨多集中在具体内容和产出层面,缺乏对创新过程如何影响企业绩效的深入分析。

基于此,本文在深刻理解数字化创新内涵的基础上,从重组创新、供需互动与服务主导逻辑视角出发,结合扎根理论方法和企业深度访谈,探索数字化创新的维度结构并开发测量量表。进一步,对量表进行检验,验证数字化创新对企业绩效的影响效应,以期丰富数字化创新理论研究并为企业提供更加清晰的实践指导。

1 文献综述

1.1 数字化创新概念与内涵

数字化创新对于推动企业高质量发展具有重要作用,受到学者们的广泛关注。梳理现有文献中关于数字化创新的相关概念,从创新主体、创新内容和创新活动3个视角对其内涵进行总结。

(1)在创新主体方面,现有文献普遍认为数字化创新打破了企业、产业和区域边界,形成多主体参与的创新模式[7]。尤其是在生态系统中,企业、用户和供应链合作伙伴等主体均能参与其中,用户逐渐成为推动数字化创新的重要力量(杨柏等,2023)。服务主导逻辑理论强调用户使用价值(刘林青等,2010),企业通过整合供应链和公共资源,将产品或服务提供给用户,用户基于特定目的整合其它资源实现价值创造;Huang等[10]将数字化创新定义为分层模块化架构中的数字组件重组,旨在为用户创造新的使用价值;Henfridsson等[8]认为,数字化创新涉及企业设计产品和用户使用产品过程中对数字化资源的重新组合。基于此,数字化创新主体包括企业与用户。这一划分并非忽视多主体参与的重要性,而是从供需互动视角阐明企业与用户在数字化创新中所扮演的角色。

企业与用户主体划分具有独特性和重要性。一是关注供需互动的新方式:企业作为供给方,负责开发、推广和维护产品或服务资源,整合各类资源;用户作为需求方,涵盖顾客、企业客户、机构等使用企业所提供产品或服务的后端主体,用户需求、反馈和参与对企业创新成功至关重要。数字技术在供需互动中充当“桥梁”作用。二是强调用户参与是数字化时代的重要特征[11],也是制造企业服务化的重点(刘如月和杨蕙馨,2020)。用户不仅是创新的接受者,也是共同创造者和合作者。

与传统创新相比,数字化创新在企业与用户关系方面具有新特点(见图1)。首先,企业通过在线平台、社交媒体、应用程序等与用户交互,增加接触点,企业与用户之间的互动更为多元。其次,数字化使企业能够分析用户数据,提供个性化和定制化产品与服务(Fernandez-Rovira等,2021)。最后,数字化支持持续性迭代创新,企业能快速响应市场需求和用户反馈,应用数字技术的可重复编辑性、数据同质化及自我参照性,迅速改进产品或服务[12]。相比之下,传统创新周期较长,难以迅速满足用户需求。

(2)在创新内容方面,现有研究普遍认为数字化创新涉及多个领域,主要聚焦于产品创新、服务创新、流程创新、组织创新和商业模式创新[13-15],如智能设备等数字化产品、远程数字化服务[16]、数字化工厂[17]、数字化职能部门[18]和平台型商业模式[19]等。总体来看,数字化创新内容涵盖企业生产经营的各个方面。

(3)在创新活动方面,数字化创新不仅指数字技术的采用,更被视为一种资源的重新组合,以应对不断变化的市场环境和竞争环境[14]。这意味着重新组合和利用现有资源,以创造新价值和解决方案,表现为数字和物理组件的新组合[12,20]。此外,Henfridsson等[8]指出数字化创新是对数字化资源进行连接和重组进而实现价值创造的活动,体现了熊彼特的重组创新思想。

综上所述,本文认为数字化创新是供需互动过程中企业与用户重新配置数字化资源以形成新的产品、服务、流程、组织及商业模式的活动,其不仅涵盖企业与用户之间的动态交互,也凸显了资源重组的本质。在这一框架下,数字化创新被视为一个系统性的重组过程,它不局限于数字技术的应用,还深入到企业运营的各个层面,不仅体现了数字化资源的特征,还强调资源连接关系的重构。

1.2 数字化创新测量研究

当前,关于数字化创新测量的研究主要集中在两个方面:一是使用数字专利数据作为技术创新活动的客观指标,即用数字技术专利数量、专利质量广度与深度等指标度量企业数字化创新[3,21-22]。然而,专利数据能反映技术创新的某些方面,无法全面捕捉组织创新或商业模式创新等数字化创新活动。二是关注数字化创新内容和结果,这些针对特定类型创新活动的测量提供了比较全面的视角。学者们往往聚焦于数字产品创新、数字服务创新、数字流程创新等一种或多种数字技术创新活动确定数字化创新测量指标[6,23-24],但无法准确反映企业数字化创新投入和创新过程,因为企业创新活动并不总是“有效和密集的”(Wang等,2016),仅聚焦数字化创新内容和结果难以对正在进行数字化创新实践且尚未取得成效的企业进行有效评估。

综上所述,虽然现有研究从不同角度对数字化创新进行测量,但未揭示数字化创新内部过程。而重组创新视角对数字化创新资源进行重新配置和整合,有助于深入了解其内部过程并探寻数字化创新测量的新视角。因此,本文基于重组创新的数字化创新概念,关注创新主体如何有效整合和利用资源,旨在为企业深化对数字化创新过程的理解,更好地规划数字化创新战略提供指导。

2 研究方法

本文采用扎根理论方法,深入探讨企业数字化创新多维构成,在此基础上进行量表开发,以期构建契合现实企业情境的理论框架,为数字化创新实践提供指导,进一步推动企业高质量发展。

2.1 资料收集

本研究采用实地调研法和深度访谈,获取关于企业数字化创新的丰富信息。参考Sanders等(1982)的研究,选取4家制造企业为研究样本:索菲亚家居股份有限公司、欧派家居集团股份有限公司、广东恒兴食品科技研发有限公司和广州市联柔机械设备有限公司。以制造企业为样本主要基于以下考虑:一是制造业面临激烈的国际竞争,迫切需要通过数字化创新提高生产效率和产品质量,以维持和增强竞争优势。制造企业在数字化过程中面临的机遇与挑战具有典型性和普遍性,为数字化创新研究提供了基础。二是制造企业在数字化创新过程中面临着复杂问题,如数字技术与传统制造技术融合、数字化服务开发等,为数字化创新维度探索和量表开发提供了具体案例。

索菲亚是家具制造行业首家A股上市公司,自2014年起开始实施信息化、数字化和智能化战略,高度融合数字化和工业化,建立了行业首个智能制造工厂,并构建了全业务流程数据驱动系统平台,有效突破了信息孤岛。欧派从2015年开始启动“欧派制造2025”战略,将数字化与智能化作为核心方向,首创AI智造体系以解决“千人千面”的产品定制需求,是国内定制家居业首个市值破千亿的上市公司。恒兴致力于水产食品行业数字化升级,构建数字渔业系统,应用数字技术解决市场供需匹配问题,并与京东科技深度合作,实现水产行业全链路数字化。联柔机械作为中小型设备制造企业,通过建立智能设备管理云平台,采用AI、大数据、区块链等前沿技术提升生产效率和产品质量,实现生产过程的实时监控和远程管理,成功转型为数字化设备制造生产商,并入选2020年广东省专精特新中小企业名单。这些企业来自家具制造业、食品制造业和设备制造业,拥有不同规模,具有一定代表性和多样性特征,在数字化创新方面表现出显著的活跃性,为理解数字化创新内涵和过程提供了丰富的案例,对于其它行业数字化创新实践具有指导作用。

访谈对象来自样本企业中高层管理者,多为数字化或信息化部门负责人。此外,本研究通过企业官方网站、新闻媒体等渠道获取公开二手资料,以确保研究的准确性。在半结构化深度访谈之前,首先基于对现有数字化创新相关文献的系统性梳理,围绕数字技术应用、用户参与、数据驱动等多个核心概念编写包含27个问题的初步访谈提纲。随后,将访谈提纲初稿交给数字化领域专家、企业数字化管理部门人员进行审核与反馈。经过专家小组多次讨论,对访谈提纲进行调整与精炼(见表1)。首先,通过数字技术在企业中的具体应用了解企业整体数字化发展情况;其次,分别从企业主体和用户主体两个方面深入探讨数字化创新实施情况。在企业主体部分,重点关注模块化、知识引入等;在用户主体部分,重点关注个性化定制、用户参与等。

2.2 资料分析

本研究通过开放性编码、主轴编码和选择性编码步骤,深入挖掘所收集的文本资料,揭示企业数字化创新的多维构成。

2.2.1 开放性编码

笔者所在团队成员采用逐字逐句分析的方法,提取文本资料中具有关键性与代表性的短语和句子。首先按照意思相同或相近的原则进行初始标签化,再对初始标签进行整合和提炼,从而得到19个初始概念。进一步按照逻辑一致性原则对初始概念进行划分,将其上升为初始范畴并对其命名,最终得到8个初始范畴。这一分析过程有助于捕捉文本数据中最重要的信息,同时确保研究结论的精确性和可信度。例如,将“一个柜子可拆成各种不同的板件,可进行扫码加工,每一块板件的二维码都有加工数据”提炼为“数字组件”的初始概念,将其与逻辑一致的其它概念归类为“模块化组合”范畴。

2.2.2 主轴编码

基于开放性编码结果,深入挖掘8个初始范畴之间的潜在逻辑关系,结合企业主体与用户主体理论分析,将其归类总结为两个主范畴。具体来看,“企业设计重组”包括模块化组合、场景迁移拓展、外部引入融合和资源关系重构4个初始范畴;“用户使用重组”包括个性化定制、多场景应用、跨界资源引入和要素关联重用4个初始范畴。

2.2.3 选择性编码

选择性编码用以分析主范畴之间的逻辑关系,进一步高度凝练出核心范畴。通过对8个初始范畴与两个主范畴的不断分析,最终凝练出“数字化创新”核心范畴,包括企业设计重组与用户使用重组两个维度。

具体编码过程如图2所示,进一步构建数字化创新维度结构模型(见图3)。

2.3 编码结果

基于编码结果与重组创新理论,数字化创新包括以下两个维度:企业设计重组与用户使用重组。

2.3.1 企业设计重组

企业设计重组是指企业通过对资源进行大规模重组而实现的创新[8],涵盖企业多方面资源整合过程,以更好地适应数字化要求,涉及模块化组合、场景迁移拓展、外部引入融合和资源关系重构。

(1)模块化组合是指企业结合数字与物理组件,通过组件或模块的增减对资源进行动态配置和重组。其中,数字组件包括数字技术、数据资源等。模块化组合使企业能更加灵活地配置资源,以适应不断变化的市场环境和新兴机会。与传统模块化不同,企业设计重组中模块化组合更加强调数字组件,它具有可寻址、可感知、可交流等特性[14,20]。物理产品与数字组件的结合不仅赋予产品智能化功能,还产生了新的分层模块化架构[12]。此外,数字信息与物理操作融合还体现在自动化和智能制造方面,企业通过调整生产模块灵活应对市场需求变化,促进生产效率和产品质量双重提升(Bjorkdahl,2020)。

(2)场景迁移拓展是指企业借助数字化技术将自有或社会资源在多领域多场景中直接应用,体现了原有资源在不同领域和场景中的创新性应用和高效利用,得益于数字技术的零边际成本特征(Lyytinen等,2016)及对传统行业边界的撼动(Seo,2017)。其一,通过跨部门共享和重用业务数据及数字技术,实现同一资源的多场景利用,如数据资源在不同部门内的重用可提升在线支付服务的通用性和便捷性(Van Looy,2021)。其二,企业运用数字化解决方案能够实现对原有资源外部价值的转换和再利用(Tortora等,2021),带来直接经济效益,同时拓展新业务、建立合作关系。其三,数字技术使企业不再受限于传统行业边界和资源配置模式[25],资源更容易延伸到不同行业领域,实现跨界创新并探索新市场机会。

(3)外部引入融合是指企业采用数字化渠道主动引入来自用户、行业的技术、经验和知识,获取新视角和新创意。这不仅涉及用户知识吸收,还包括跨行业技术和经验引入,是企业应对快速变化市场环境和技术环境、实现持续创新的关键。用户作为产品和服务的终端使用者,其反馈和需求具有独特的前瞻性和实用性,对企业产品创新和服务改进至关重要[20]。此外,企业通过引入行业内外先进技术和管理经验,能丰富内部知识和资源多样性,促进创新能力提升。这与开放式创新理论一致,即外部知识能激励企业创新[26]。

(4)资源关系重构是指企业通过数字化手段消除资源原有隔离,促进不同架构、空间、部门与外部合作伙伴间资源共享和重组利用。数字技术能打破时空限制,催生新的要素组合和融合方式(杜传忠等,2023)。其一,通过构建集成数字平台系统,企业能实现跨部门、跨业务数据整合与重构,提高协同工作效率,优化资源配置(De Reuver等,2018)。其二,企业通过客户关系管理系统(CRM)和用户应用程序(APP)与用户共享关键资源,如订单状态和产品信息,反映出数字化时代企业与用户之间的互动关系更密切(谢康等,2024)。其三,数字技术极大地促进供应链资源整合与重构(皮圣雷和王婧,2023),数字化供应链通过实时库存数据和物流信息实现订单无缝对接,提高供应链透明度和响应速度。

2.3.2 用户使用重组

用户使用重组是指用户基于自身需求、偏好和目标对资源进行重新组合和使用[9],以创造新价值或满足独特需求,体现了用户参与创新的重要性,是数字化创新不可缺少的重要一环。具体而言,包括个性化定制、多场景应用、跨界资源引入和要素关联重用4个方面。

(1)个性化定制是指用户根据自己的知识需求,选择、组合和定制不同数字或物理组件,以满足其独特要求。用户是数字化创新过程中的关键参与者[11],企业为用户提供不同功能或数字工具支持其个性化需求(Kolagar等,2022)。个性化定制允许用户根据自身偏好选择和组合不同功能资源,通过DIY软件等数字化工具实现特定的设计需求,提高资源使用效率,促进用户创造力发挥。

(2)多场景应用是指用户借助数字化技术将产品或服务应用到新场景或新领域,以解决问题、创新或开发新功能,体现了数字化资源的灵活性以及用户在创新过程中的积极作用[8]。Yoo等[13]提出数字技术可供性概念,即具有特定目的的个人或组织利用数字技术做什么,赋予产品和服务资源前所未有的灵活性,使跨场景应用成为可能。一方面,多功能设计强调产品或服务的多样性和可扩展性,可为用户提供更多价值路径并赋予用户更大的自主权;另一方面,通过提供详细的功能信息,企业能帮助用户更好地理解和利用资源,拓展使用场景和开发新功能。

(3)跨界资源引入是指用户通过数字工具引入其它领域的专业知识和资源,将原有产品或服务资源与不同领域资源相结合,以满足其使用需求。具体包括技术、专业知识、创新思维等资源整合,有助于拓宽用户资源和创新机会。一方面,兼容的数字化接口意味着企业采用开放式、易于集成和相互操作的接口设计,用户能便捷地连接和应用不同领域的数字化资源。例如,苹果公司的HomeKit允许用户连接和管理其它品牌智能家居产品。另一方面,用户运用数字工具和专业知识优化产品或服务,提高效率和性能。例如,用户将3D打印技术与开源电子产品相结合,能增加产品实用性(Naik等,2021)。

(4)要素关联重用是指用户运用数字化技术将拥有的资源(如用户数据、企业提供的数据、软件、APP等)与企业资源互联,实现资源共享和重新配置,这使用户能更有效地利用已有资源拓展合作范畴,实现更广泛的资源整合。用户授权企业访问资源(如个人数据或使用记录),有助于企业更好地理解用户需求,并提供更适用于用户需求的产品或服务。例如,企业通过数字工具监测产品使用信息,为用户提供远程、实时帮助和指导[16]。此外,要素关联重用还体现在用户与其它企业的合作上,如用户将资源与其它企业资源关联[8]。例如,用户可将智能手表监测健康数据提供给医疗机构进行健康评估和疾病监测。

3 数字化创新量表开发与检验

3.1 量表设计

基于前文对数字化创新的维度划分,结合企业访谈文本,进一步构建企业数字化创新初始量表,共包含47个题项。随后,邀请相关领域专家及企业高管对题项进行评审,剔除语义重复的题项,同时对存在争议的题项进行调整,最终形成包含28个题项的数字化创新测量量表,采用Likert-5点计分法编制问卷。

3.2 数据收集

本研究通过线上方式发放问卷,以制造企业管理者为调研对象,共发放问卷573份。剔除作答时间较短、前后回答不一致及选项相同的问卷,最终获得501份有效问卷,问卷有效回收率为87.43%。其中,男性322人(64.27%),女性179人(35.73%);30岁以下177人(35.33%),31～40岁180人(35.93%),41～50岁116人(23.15%),50岁及以上28人(5.59%);专科及以下119人(23.76%),本科270人(53.89%),硕士及以上112人(22.35%);工作3年以内87人(17.37%),工作3～10年146人(29.14%),工作10年及以上268人(53.49%);企业基层管理者357人(71.26%),中层管理者104人(20.76%),高层管理者40人(7.98%)。

借鉴文献[27]做法,随机抽取251份问卷进行探索性因子分析,对剩余250份问卷进行验证性因子分析。

3.3 数据分析

3.3.1 探索性因子分析

首先,运用SPSS26对随机选取的251份问卷进行信度检验与量表净化,以验证结果的可靠性和稳定性。结果发现,问卷整体Cronbach′s α系数为0.934,大于0.7,表明量表题项内部一致性较好。表2为量表信度检验结果,企业设计重组与用户使用重组两个维度的Cronbach′s α系数分别为0.955和0.960,同时每个题项与总计相关性(CITC)均超过0.4,可见测量题项质量较好,两个维度具有较好的内部一致性。

其次,通过探索性因子分析检验量表构建效度。对样本进行KMO和Bartlett球形检验,判断量表是否适合进行因子分析。其中,KMO值为0.965,Bartlett球形检验显著性水平低于0.001,因此可进行因子分析。采用主成分分析法进行探索性因子分析,提取特征值大于1的因子并利用最大方差法旋,结果见表3。从中可见,两个因子的累计解释方差为64.998%,各题项的因子载荷均在0.7～0.9之间,符合标准要求,同时因子聚合结构与前期编码研究一致。

3.3.2 验证性因子分析

参考程豹等[29]的研究,本文运用SPSS26和Amos 24对剩余的250份问卷进行分析。通过SPSS26对样本进行信度检验,结果发现样本总体信度为0.940,企业设计重组和用户使用重组两个维度的信度分别为0.951和0.964,符合相关标准。KMO和Bartlett球形检验结果显示,KMO值为0.966,Bartlett球形检验显著性水平低于0.001,表明样本适合进行因子分析。

利用Amos 24进行后续验证性因子分析,拟合指数见表4。其中,χ2/df小于2,TLI和CFI均大于0.9,RMSEA小于0.08,表明该模型拟合效果较好。验证性因子分析结果见表5,其中各题项的标准化因子载荷介于0.727～0.882之间,两个维度的组合信度(CR)均大于0.8,平均方差抽取量(AVE)均大于0.5,两个维度的标准化相关系数为0.206,小于各维度AVE值的平方根,说明该维度结构的聚合效度和区别效度较高。

4 数字化创新与企业绩效

为验证企业数字化创新量表预测的有效性,本研究进一步探索数字化创新能否提高企业绩效。现有研究普遍认为数字化创新对企业绩效具有促进作用。Liu等[21]利用数字技术专利数量衡量数字化创新,提出其通过加快创新速度和提高运营效率对企业绩效产生积极影响;Hanelt等[6]采用企业是否存在基于数字技术的新产品或改进产品衡量数字化创新,验证了其与企业绩效正相关。数字化创新不仅表现为技术更新与应用,更是一场全面的业务变革,它对企业绩效的影响不仅体现在创新产出上,还体现在创新过程上。数字化创新赋予企业更强的市场敏捷性(Verhoef等,2021),使企业能够迅速适应市场需求变化,灵活调整产品和服务,从而在市场竞争中占据长期竞争优势。此外,用户利用数字化资源创造超出最初设计的新产品和新服务,促进创新生成和扩散(Nylen &Holmstrom,2015),推动企业进行产品设计和服务交付。基于以上分析,数字化创新能显著促进企业绩效提升,本研究通过实证分析验证这一结论。

4.1 变量测量与数据来源

4.1.1 变量测量

数字化创新测量来源于本文开发的量表,共28个题项。企业绩效测量参考张振刚等[4]、邵云飞等[28]和张华等(2023)的成熟量表,设计“我们在主营业务销售额增长方面表现出色”“我们在现金流增长方面超过竞争对手”“我们在利润增长方面超过竞争对手”“我们在市场份额增长方面超过竞争对手”“我们在用户满意度增长方面表现出色”5个题项,所有变量均采用Linket-5分法进行测量,1代表“非常不同意”,5代表“非常同意”。此外,参考现有文献[28-29],本文设置如下控制变量:企业性质、企业年龄、企业员工数量、行业类型及企业所在地区。企业性质反映国有企业与非国有企业的不同治理结构,企业年龄反映企业在市场中积累的历史经验与经营稳定性,而员工数量则代表企业规模,这些因素对企业绩效具有重要影响。行业类型涉及食品制造、家电制造与装备制造等7个类别,企业所在地区则按照东中西部地区赋值。

4.1.2 数据来源

本研究进一步向制造企业管理者发放调研问卷,共回收问卷300份。剔除作答时间较短、前后回答不一致及选项相同的问卷,最终获得254份有效问卷,问卷有效回收率为84.67%。其中,男性122人(48.03%),女性132人(51.97%);30岁及以下80人(31.50%),31～40岁96人(37.79%),41～50岁42人(16.54%),50岁及以上36人(14.17%);专科及以下131人(51.57%),本科100人(39.37%),硕士及以上23人(9.06%);工作3年以内39人(15.35%),工作3～10年95人(37.41%),工作10年及以上120人(47.24%);企业基层管理者150人(59.06%),中层管理者77人(30.31%),高层管理者27人(10.63%)。

4.2 实证结果分析

4.2.1 信效度检验

信度检验结果显示,企业设计重组、用户使用重组与企业绩效的Cronbach′s α系数分别为0.957、0.963和0.907,满足大于0.7的要求。验证性因子分析结果显示,各题项的标准化因子载荷介于0.749～0.865之间,各变量的CR值分别为0.958、0.964和0.931,AVE值分别为0.621、0.654和0.730,AVE值的平方根大于各变量之间的相关系数(见表6),说明该量表具有较高的聚合效度和区分效度。此外,将3个主要变量的所有题项运用主成分分析法进行探索性因子分析,结果显示第一主成分解释了28.553%的变异量,低于40%的临界值,未达到总变异解释量(67.021%)的一半,表明不存在严重的共同方法偏差问题。

4.2.2 相关性分析

变量描述性统计与相关性分析结果见表6。从中可见,两两变量之间的相关系数均小于0.7。企业设计重组与用户使用重组均与企业绩效显著正相关,表明变量之间存在一定相关性,能够进行后续回归分析。同时,各模型的方差膨胀因子(VIF)均小于10,表明本研究不存在严重的多重共线性问题。

4.2.3 回归分析

表7为数字化创新对企业绩效的回归分析结果,其中模型1和模型2分别为数字化创新两个维度(企业设计重组与用户使用重组)对企业绩效的回归结果,模型3为所有变量的回归结果。从中可见,数字化创新两个维度(企业设计重组和用户使用重组)对企业绩效具有显著正向影响,且在模型3中依然显著。因此,数字化创新两个维度均能促进企业绩效提升,即数字化创新有利于企业绩效提升。

4.2.4 稳健性检验

本文主要采用两种方式进行稳健性检验。首先,参考解学梅等(2021)的研究,随机抽取70%和90%的样本数据进行回归分析,结果发现与前文研究结论基本一致(见表8)。其次,参考Chen等[24]的研究,进行10%、50%和90%的分位数回归。稳健性检验结果表明,数字化创新与企业绩效显著正相关的结论比较稳健。

5 结语

5.1 研究结论

(1)本研究基于重组创新、供需互动和服务主导逻辑视角重构数字化创新内涵。数字化创新是企业与用户互动对数字化资源进行重组的活动。通过对现有文献进行系统梳理,本研究将数字化创新内部过程解构为企业设计重组与用户使用重组两个关键维度。前者侧重于企业对资源的大规模重组,而后者则强调用户在资源使用过程中对其进行重组。

(2)本研究基于扎根理论方法与企业访谈归纳数字化创新维度结构,开发并验证包含企业设计重组和用户使用重组两个维度的数字化创新量表,共28个题项。信效度检验、探索性因子分析和验证性因子分析结果表明,所开发的量表具备较高的内部一致性和构建有效性,能有效测量企业数字化创新过程的各个方面。

(3)本研究基于所开发的量表检验数字化创新对企业绩效的影响,发现两者显著正相关。企业设计重组和用户使用重组两个维度对企业绩效具有显著促进作用,进一步验证了数字化创新量表预测的有效性。

5.2 贡献与启示

(1)本研究基于重组创新视角,将数字化创新视为资源重组活动,揭示数字化创新内部过程,丰富了相关学术研究。已有研究往往关注数字技术应用、数字化产品与服务开发,而本研究将焦点转向数字化创新内部过程,强调数字技术、数据和知识经验等资源的重新配置与整合。这与现有研究中关于数字技术引致创新性质改变的3个关键特征相吻合,即可重复编辑性、数据同质化与自我参照性[12]。数字化创新不仅指数字技术的应用,还包含资源结构和关系重构,这为探讨数字化创新本质提供了新视角,也为企业数字化创新实践带来更具体的指导。

(2)本研究基于供需互动与服务主导逻辑视角,强调企业与用户作为数字化创新主体,拓展了数字化情境下企业与用户互动创新研究,丰富了服务创新研究。企业与用户之间的互动关系愈发紧密,这已成为数字化创新过程中的关键内容。现有对企业创新的研究往往只关注企业主体创新,忽视了用户参与创新的重要作用。而本研究聚焦于供需互动合作,强调用户不仅是被动的服务对象,还是创新的参与者和合作者,用户可独立选择和重新组合数字化产品,重新解释其目的[9]。这一观点响应了Henfridsson等[8]对用户创新研究的呼吁,拓展了对数字化创新的理解,为实现持续创新提供了理论支持。

(3)本研究开发的企业数字化创新量表基于重组创新、供需互动及服务主导逻辑理论视角,覆盖数字化创新多维度特性,为后续实证研究提供了理论基础和有效的测量工具。相较于现有数字化创新测量工具,本研究开发的量表从企业设计重组与用户使用重组两大维度综合评估数字化创新实践,较为全面地揭示了数字化创新过程中的关键活动。同时,本研究进一步检验数字化创新这一过程对企业绩效的正向影响,验证了Liu等[21]和Hanelt等[6]对数字化创新与企业绩效关系的讨论,表明数字化创新是企业未来发展的重要选择。

5.3 不足与展望

本研究存在如下不足:①样本规模较小,存在一定局限性,未来应扩大样本规模,涵盖更多不同规模和行业类型企业,提高研究结论的可靠性和普适度;②尽管本研究提供了一个企业数字化创新维度结构框架,但对数字化创新作用机制仍需展开实证研究,如深入探究数字化创新对核心竞争力、绿色发展的作用机制等。

参考文献：

[1] XIE W,ZOU Y,GUO H,et al. Digital innovation and core competence of manufacturing industry: moderating role of absorptive capacity[J]. Emerging Markets Finance and Trade, 2024, 60(1): 185-202.

[2] 谢卫红, 李忠顺, 李秀敏, 等. 数字化创新研究的知识结构与拓展方向[J]. 经济管理, 2020, 42(12): 184-202.

[3] LIU Y, DONG J, YING Y, et al. Status and digital innovation: a middle-status conformity perspective[J]. Technological Forecasting and Social Change, 2021, 168: 120781.

[4] 张振刚, 户安涛, 叶宝升. 制造企业数字创新的过程机制及其对企业绩效影响研究[J]. 外国经济与管理, 2024, 46(6): 83-97.

[5] 张振刚, 户安涛, 叶宝升. 制造企业数字创新如何促进企业绩效提升[J]. 科技进步与对策, 2024, 41(11): 44-54.

[6] HANELT A, FIRK S, HILEBRANDT B, et al. Digital M&A, digital innovation, and firm performance: an empirical investigation[J]. European Journal of Information Systems, 2021, 30(1): 3-26.

[7] NAMBISAN S, LYYTINEN K, MAJCHRZAK A, et al. Digital innovation management: reinventing innovation management research in a digital world[J]. MIS Quarterly, 2017, 41(1): 223-238.

[8] HENFRIDSSON O,NANDHAKUMAR J,SCARBROUGH H, et al. Recombination in the open-ended value landscape of digital innovation[J]. Information and Organization, 2018, 28(2): 89-100.

[9] HUND A, WAGNER H T, BEIMBORN D, et al. Digital innovation: review and novel perspective[J]. Journal of Strategic Information Systems, 2021, 30(4): 101695.

[10] HUANG J, HENFRIDSSON O, LIU M J, et al. Growing on steroids: rapidly scaling the user base of digital ventures through digital innovation[J]. MIS Quarterly, 2017, 41(1): 301-314.

[11] FLOWERS S, MEYER M. How can entrepreneurs benefit from user knowledge to create innovation in the digital services sector[J]. Journal of Business Research, 2020, 119: 122-130.

[12] YOO Y, HENFRIDSSON O, LYYTINEN K. Research commentary-the new organizing logic of digital innovation: an agenda for information systems research[J]. Information Systems Research, 2010, 21(4): 724-735.

[13] YOO Y,BOLAND R J,LYYTINEN K,et al. Organizing for innovation in the digitized world[J]. Organization Science, 2012, 23(5): 1398-1408.

[14] 谢卫红, 林培望, 李忠顺, 等. 数字化创新:内涵特征、价值创造与展望[J]. 外国经济与管理, 2020, 42(9): 19-31.

[15] 刘洋, 董久钰, 魏江. 数字创新管理:理论框架与未来研究[J]. 管理世界, 2020, 36(7): 198-217,219.

[16] OPAZO-BASAEZ M,VENDRELL-HERRERO F,BUSTINZA O F. Digital service innovation: a paradigm shift in technological innovation[J]. Journal of Service Management, 2022, 33(1): 97-120.

[17] URBINATI A, CHIARONI D, CHIESA V, et al. The role of digital technologies in open innovation processes: an exploratory multiple case study analysis[J]. R&D Management, 2020, 50(1): 136-160.

[18] PORTER M E, HEPPELMANN J E. How smart, connected products are transforming companies[J]. Harvard Business Review, 2015, 93(10): 96-114.

[19] D′IPPOLITO B, MESSENI PETRUZZELLI A, PANNIELLO U. Archetypes of incumbents′ strategic responses to digital innovation[J]. Journal of Intellectual Capital, 2019, 20(5): 662-679.

[20] ABRELL T, PIHLAJAMAA M, KANTO L, et al. The role of users and customers in digital innovation: insights from B2B manufacturing firms[J]. Information &Management, 2016, 53(3): 324-335.

[21] LIU Y, DONG J, MEI L, et al. Digital innovation and performance of manufacturing firms: an affordance perspective[J]. Technovation, 2023, 119: 102458.

[22] DONG J Q, YANG C H. Information technology and innovation outcomes: is knowledge recombination the missing link[J]. European Journal of Information Systems, 2019, 28(6): 612-626.

[23] NASIRI M, SAUNILA M, UKKO J, et al. Shaping digital innovation via digital-related capabilities[J]. Information Systems Frontiers, 2023, 25(3): 1063-1080.

[24] CHEN D Q, ZHANG Y, XIAO J, et al. Making digital innovation happen: a chief information officer issue selling perspective[J]. Information Systems Research, 2021, 32(3): 987-1008.

[25] 刘思慧, 李文, 俞荣建, 等. 商业模式创新和数字赋能对数字化转型的驱动机制研究——基于TJ-QCA的案例分析[J]. 管理评论, 2023, 35(8): 342-352.

[26] HILBOLLING S, BERENDS H, DEKEN F, et al. Complementors as connectors: managing open innovation around digital product platforms[J]. R&D Management, 2020, 50(1): 18-30.

[27] 程豹, 于晓彤, 蒋建武. 持续导向型人力资源管理量表开发与验证研究[J]. 管理学报, 2022, 19(4): 534-544.

[28] 邵云飞, 范波, 杨雪程. 突破性创新视角下的互补性资产与企业绩效关系研究[J]. 管理科学, 2022, 35(2): 3-15.

[29] 李忆, 司有和. 知识管理战略、创新与绩效的关系——基于企业战略的分析[J]. 科研管理, 2009, 30(3): 154-165.

(责任编辑：王敬敏)