The Driving Path of Digital Transformation in Advanced Manufacturing Enterprises: Extended NCA and fsQCA Hybrid Analysis Based on Resource Orchestration Theory

Dai Yong1,2, Han Yibo1, Pu Xia1

(1.Schoolof Business,Hubei University;2.Hubei Center for Studies of Human Capital Development Strategy and Policy, Wuhan 430062,China)

Abstract：With the advancement of the global digital wave, digital technologies such as big data, the Internet of Things, and artificial intelligence are rapidly developing and penetrating into economic, social, and cultural fields. This has given rise to some enterprises that rely on digital technology for rapid development and those that have successfully caught up through digital transformation. Digital transformation has become an important opportunity and challenge for most enterprises, facing a situation of 'either transformation or elimination'. However, in the digital transformation practice of traditional enterprises, some companies are still in a wait-and-see state, lacking the motivation for transformation. Others rely on third parties for local digital transformation or purchase industrial software from large IT companies. This results in transformation being limited to certain local links of the value chain, with digital resources operated separately from traditional resources, making it difficult to achieve maximum efficiency. As an important component of new quality productivity, advanced manufacturing has leading advantages in technology, management, and concepts. Its digital transformation performance is better than that of traditional manufacturing enterprises, and digital resources are more easily integrated with traditional resources. Its transformation practice has a demonstrative effect. Therefore, this study aims to explore the internal and external driving factors of digital transformation in advanced manufacturing industries and discuss different driving modes to leverage the leading-the-way effect and stimulate the industrial vitality. This has important practical significance for enhancing the international competitiveness of the manufacturing industry and promoting overall transformation and upgrading.

This study explores the driving pathways of advanced manufacturing enterprises in the process of digital transformation by constructing a theoretical framework based on resource orchestration theory. This framework is referred to as the "external environmental pressure-internal resource orchestration" model. By using extended necessary condition analysis (E-NCA) and fuzzy set qualitative comparative analysis (fsQCA), an empirical analysis was conducted on 43 listed advanced manufacturing companies. The objective is to identify the key factors influencing corporate digital transformation and to examine their interactions.

The study finds that there is no single condition variable alone constitutes a necessary condition for digital transformation, with the bundling of process resource playing a central role in all configurations. Four patterns are identified that promote digital transformation in enterprises: (1) digital technology integration driven by business environment incentives, (2) digital scenario transition driven by business environment incentives, (3) organizational reshaping influenced by dynamic competition, and (4) organizational reshaping supported by government digital attention. These patterns not only deepen the understanding of antecedent variables in digital transformation but also provide specific guidance for managers on how to effectively allocate and combine resources in the digital age.

The theoretical contributions of the study are threefold. First, on the basis of the "external environmental pressure-internal resource orchestration" framework, it identifies configurations that promote the digital transformation of advanced manufacturing enterprises, and reveals the joint mechanism between environment and organization in the digital transformation process. Second, it highlights that the transformation driving pathways of advanced manufacturing enterprises at the current stage significantly differ from traditional manufacturing companies. Advanced manufacturing enterprises stronger focus on "continuous digitalization". Finally,by integrating the resource orchestration process with specific corporate resource practice, the study defines and measures data resource structuring, process resource bundling, and ecosystem resource leveraging, thereby extending the resource orchestration theory.

In terms of managerial implications, the study suggests that corporate managers should shift from linear thinking to system thinking, pay close attention to the external environment, and formulate digital transformation plans aligned with corporate development. Concurrently, it is essential for advanced manufacturing enterprises to accurately identify and leverage data resources, process resources, and ecosystem resources. Additionally, advanced manufacturing enterprises should establish an interconnected industrial ecosystem and foster ecosystem value through open innovation and platform-based strategies. Furthermore, governments should strengthen digital capability, optimize the development environment of industrial clusters, and activate the synergistic effects of industrial clusters through supportive policies and innovation platforms, which ultimately promoting the effective allocation and sharing of resources. Overall, this study provides theoretical guidance and practical recommendations for advanced manufacturing enterprises undergoing digital transformation and makes a significant contribution to promoting corporate transformation and enhancing international competitiveness.

Key Words：Advanced Manufacturing Enterprises; Digital Transformation; Driving Path; Resource Orchestration Theory; Fuzzy Set Qualitative Comparative Analysis

收稿日期：2024-09-13

修回日期：2024-11-27

基金项目：国家社会科学基金项目(18BGL028)

作者简介：戴勇(1976-),男,湖北黄冈人,博士,湖北大学商学院教授、博士生导师,湖北人才发展战略与政策研究中心研究员,研究方向为创新管理、平台经济与数字化转型;韩一博(2000-),男,吉林松原人,湖北大学商学院硕士研究生,研究方向为创新管理、平台经济与数字化转型;蒲霞(2000-),女,四川攀枝花人,湖北大学商学院硕士研究生,研究方向为创新管理、平台经济与数字化转型。本文通讯作者:戴勇。

DOI：10.6049/kjjbydc.2024090356

开放科学(资源服务)标识码(OSID)：

中图分类号：F273.1

文献标识码：A

文章编号：1001-7348(2025)09-0107-12

0 引言

全球数字化浪潮下,以大数据、物联网、人工智能等为代表的数字技术快速发展并渗透至经济、社会、文化等各方面[1],催生出一批依靠数字技术快速领跑的先发企业以及数字化转型成功的后发追赶者。在此背景下,企业面临“要么转型,要么淘汰”的局面[2]。从传统企业数字化转型实践看,部分企业缺乏数字化转型驱动力;部分企业依赖第三方进行局部数字化改造,或购买大型IT公司工业APP软件,由此导致如下问题:一是局限于销售、采购、人力等价值链局部环节数字化,而非全过程连续转型;二是企业未能对内部数字资源与传统资源进行有效编排整合,难以实现效率最大化。作为新质生产力的重要载体,先进制造企业在技术、管理和理念方面具有领先优势,数字资源与传统资源更易深度融合,其数字化转型实践能够发挥示范作用。本文探索先进制造企业数字化转型内外驱动因素以及不同驱动模式,对推动制造业提升国际竞争力和整体转型升级具有重要现实意义。

与本文主题紧密相关的前期研究主要关注数字化转型和资源编排理论两个领域。按不同研究对象,数字化转型相关文献大体可分为两类:第一类关注传统中小企业数字化转型,探讨数字化转型驱动因素[3]及其对企业创新绩效、业务绩效[4]的影响。第二类关注大型工业互联网企业数字化转型实践,借助案例分析企业连续转型机制以及工业平台生态培育过程[5]。与传统中小企业不同,先进制造企业具有一定的资源能力与数字化基础,但又不具备大型工业互联网平台完善的数字化基础设施和数字生态构建能力。先进制造企业数字化转型具有独特的情境特征,其数字化转型驱动模式也存在差异。资源编排理论认为,作为一种战略无形资源,组织编排能力与组织有形资源同等重要[6]。已有资源编排理论主要应用于对企业战略规划、创新创业、跨国并购等企业实践活动的研究中,即侧重于传统资源动态编排和优化。事实上,先进制造企业拥有的资源已发生实质性变化,相较于传统资源,数字资源更重要,也更需要编排优化。先进制造企业既可以通过资源编排的子过程提高资源运转效率与转化利用率,也能够通过资源编排培育多元数字能力,如数据采集与分析能力、数字化决策能力、智能生产及运营能力等。先进制造企业通过上述资源行动持续获得独特竞争优势,能够更加敏捷地应对各种挑战与不确定性风险。因此,本文将资源编排应用于企业数字化场景研究,以期拓展资源编排理论应用。

资源编排具有协同性、权变性和动态性特征,因而需要基于全局(组织内外部)视角进一步分析先进制造企业数字化转型驱动路径。协同性是指资源编排子过程间的相互关联、相互匹配;权变性是指在不同组织情境下,对应的资源编排行动不同;动态性是指资源编排行动是持续的且动态适应企业所处外部环境。因此,本文基于资源编排的权变性特征,针对先进制造企业这一特定组织情景展开研究,以丰富数字化转型理论研究,为企业提供实践指导;基于资源编排的动态性特征,构建“外部环境压力—内部资源编排”理论框架,揭示先进制造企业数字化转型驱动模式;基于资源编排的协同性特征,使用fsQCA与扩展NCA对企业数字化转型驱动路径开展组态分析[7-8],旨在回答如下问题:先进制造企业数字化转型有哪些内外部驱动因素?这些因素如何通过组合形成不同的驱动模式?

1 理论基础与模型构建

1.1 制造企业数字化转型

制造企业数字化转型是在识别外部变化的前提下,制造企业为保持自身竞争力,制定将互联网战略嵌入传统发展战略的变革决策。已有学者将数字化转型分为两阶段或三阶段[9]。具体而言,企业数字化转型两阶段模型根据数字技术运用成熟度分为数字技术融入阶段与数字资源增值阶段,而三阶段模型在两阶段模型的基础上增加数字准备阶段,即虽感知到外部环境变化,但数字化水平仍停留在初级阶段。鉴于此,本文基于外部识变到内部重构的逻辑链条,将先进制造企业数字化转型分为两阶段。第一阶段,企业在识别外部变化后,尝试进行信息化改造并构建数字资源集合,包括收集、整理和分析大量数据,以便更好地理解市场趋势、消费者需求和竞争对手动态[10]。第二阶段,企业将数字资源集合逐渐融入创新网络与数字生态中,通过与外部主体共创持续构建数字资源运用能力,最终实现数字资源价值增值。

先进制造企业由传统制造企业发展而来,其是指制造企业通过在各流程中使用先进科学技术与高效管理方法实现流程升级。作为信息化和工业化深度融合的产物,工业互联网标志着企业具有较高数字化转型水平(孙新波等, 2022)。因此,本文将先进制造企业数字化转型定义为制造企业通过物联网等信息技术对工业模型、开发组件、互补资源等模块进行集成,实现内部与外部信息流、物流、资金流高效协同,从而实现降本增效以及生态培育的过程[11]。在探索数字化转型驱动因素相关研究中,大多数学者从组织层面分析组织结构[3]、公司治理[3]、动态能力以及资源编排的作用。虽然企业内部变革力量可以打通组织资源渠道、优化组织结构与重塑组织业务,但数字化转型本质上是一个包含新旧变革力量博弈、内外部资源与环境长期交互的复杂战略变革过程[12]。因此,需要将内部视角的资源编排与外部视角的环境压力纳入数字化转型研究框架。考虑到先进制造企业特点,其数字化转型包括以下过程:第一,信息化建设与数字技术基座建设;第二,数据要素集成与软硬件流程耦合;第三,松散耦合生态构建与产业生产要素等资源链接[11]。在实践中,上述过程呈现出多重并发特点,这种特点使企业能够通过组合实践实现高效运作。

1.2 外部环境压力与数字化转型

作为决策主体,企业可随时与所处环境进行信息交互。先进制造企业面临着产业市场竞争、消费者需求变化、行业技术更新以及政府政策调整等不确定性因素的冲击。上述压力下,企业需要通过数字化转型提升自身竞争优势和适应能力。本文中外部环境压力是指在面对复杂环境时,企业难以获得稳定信息并评估、预测外部风险,进而制定相应的战略决策[13]。根据层次不同,可从微观和宏观两个维度分析外部环境压力对数字化转型的影响。微观层面主要表现为企业所处产业市场和行业技术竞争压力,宏观层面则主要来自政府政策制定或制度调整的环境压力。面对市场和行业竞争加剧,企业需通过数字赋能、增强内部韧性与构建外部网络抵御外部潜在风险[14-15]。

从微观角度看,外部环境压力主要影响企业个体运营和战略决策。当面临高压外部环境时,组织需要具备高效和敏捷的信息处理能力(王国红等, 2023)。数字化转型通过打通内外部“信息孤岛”实现数据整合与分析,有助于企业在变化的市场中快速制定基于数据驱动而非基于管理者经验驱动的决策。此外,外部环境压力会促使企业不断搜索和吸收外部知识,以适应外部环境变化。企业能够通过数字化转型接入更广泛的信息网络,利用数据分析和人工智能技术发掘新的商业机会或识别潜在风险。从宏观角度看,外部环境压力如政策调整、制度变革和政府补助[16]等,对企业具有广泛影响。在上述环境下,行业竞争格局可能发生重大变化,新的商业模式和市场参与者不断涌现。在位企业可结合已有竞争优势如产业链上下游资源、技术合作联盟等应对环境压力,实现数字化转型。地方政府在培育数字化环境过程中扮演关键角色,可以通过制定数字政策与数字创新补助等促进企业数字化转型。

总之,外部环境压力在微观层面和宏观层面对企业数字化转型具有不同程度的影响。本文将外部环境压力分为产业市场竞争程度、行业技术更新速度和政府数字关注强度[17]。微观层面的产业市场竞争程度和行业技术更新速度要求企业通过数字化手段提升信息处理能力与市场适应性;宏观层面的政府数字关注强度则通过提供政策支持、资金扶持和技术创新环境,为制造企业数字化转型创造有利条件[12]。因此,企业需要认识到数字化转型不仅是技术升级,更是在复杂多变环境中寻求生存与发展的必由之路。

1.3 内部资源编排过程与数字化转型

资源编排理论认为,为应对外部环境压力,企业需要对内部资源进行编排,具体包括资源结构化、资源捆绑化和资源杠杆化3个编排过程[18-19]。在先进制造企业数字化转型过程中,数据资源、流程资源和生态资源被认为是关键资源[3]。其中,数据资源是实现数字化转型的基础资源,流程资源是实现数字化转型的核心资源,而生态资源是实现数字化转型的外部关系资源。3类资源相互依赖、相互影响,共同推动企业数字化转型进程。

数据资源结构化是指对生产、库存、供应链以及其它业务数据进行系统组织、存储与管理,确保物理资产与信息资产有效对接的过程。此过程不仅能够提升企业数据访问、溯源及可视化能力,而且可以通过战略资源管理与配置支持企业决策制定并提升企业运营效率。流程资源捆绑化是指制造企业在业务流程中对生产、技术和人力资源进行战略组合,以形成资源集合或能力模块的过程。这一过程包含稳定、丰富和拓展3个维度,旨在通过有序组织资源与激发资源间协同效应,创造企业独特的竞争优势。生态资源杠杆化是指企业利用数字网络或数字生态系统持续为客户创造价值,实现生态系统价值增长的过程。生态资源杠杆化旨在提升资源价值和影响力,该策略强调在不成比例增加技术投入的前提下,通过分配战略资源和构建内外部利益相关者网络增强企业创新能力、适应性及可持续增长潜力[6,11,17]。企业可通过上述资源编排过程盘活组织有形资源和无形资源,更好地实现业务全面重塑的数字化战略目标。考虑到企业在根据个性化管理实践进行资源编排活动时所展现的多样化特点,本文结合资源编排流程定义与企业管理实践,采用文本分析法构建资源编排这一理论维度[6]。

在先进制造企业数字化转型中,外部环境压力与资源编排过程紧密互动。外部环境压力为资源编排提供方向和动力。外部环境压力,如激烈的市场竞争、快速的技术更新和较高的政府数字关注度等,能够促进资源编排子过程间协同与权变调整以响应市场变化,并决定资源编排方向是“自然生长”“顶层设计”还是“双向流”。同时,资源编排过程能够影响企业外部环境。有效的资源编排可促使企业培育多元数字能力,提升自身竞争力,进而影响市场竞争格局。二者共同作用,助力先进制造企业可持续数字化转型。综上所述,本文构建“外部环境压力-内部资源编排”理论框架,具体如图1所示。

2 研究设计

2.1 研究方法

作为一种介于案例研究与传统线性回归之间的方法,模糊集定性比较分析(fsQCA)能够有效分析复杂因果关系[7]。fsQCA适用于截面数据并能捕捉到隶属度变化,管理学研究情景下,时间效应往往是一个不可忽视的因素。fsQCA结合面板数据分析方法可以获得更为准确全面的研究结论[20]。进一步地,Sorjonen等[21]指出,Dul(2016)开发的NCA方法存在局限性,即必要性效应的显著性会随充分性效应增强而提升,因而无法准确识别“必要但不充分”的条件。扩展版NCA可通过评估变量的必要性效应、充分性效应和效应差异以及显著性水平有效解决这一问题。因此,本文结合扩展NCA、fsQCA与面板数据集合论等方法,使用Python语言编程、fsQCA4.1软件和R语言编程等工具,利用所收集的相关数据对先进制造企业数字化转型及其驱动路径进行深入分析。

2.2 样本选取与数据来源

本文以工业和信息化部发布的《工业互联网试点示范项目名单》《制造业与互联网融合发展试点示范名单》所涉及的企业为主要研究对象,遵循数据有效性与可获得性原则,使用Python技术结合人工筛选方式,采用是否存在子公司、主要控股或收购行为等标准进行匹配,初步获得436家上市公司。剔除数据披露不完全或上市时间不足5年的96家企业,以及ST或*ST的8家企业,并根据2012年证监会行业分类仅保留制造业大类,得到266家企业。根据专家小组的建议,最终筛选得到43个案例样本。本文数据来源于CNRDS中国研究数据库、CSMAR国泰安数据库、巨潮资讯网上市公司年报以及各省市政府工作报告,参考《中国制造2025》以及工业互联网试点示范名单发布时间,本文将2016年作为我国工业互联网数字化元年。考虑到数据可得性、即时性以及时滞效应,样本时间跨度为2017—2023年,参考时间序列QCA对面板数据的处理方法,本文采用固定效应模型进行分析。

2.3 变量测量

2.3.1 结果变量

企业数字化转型水平。参考吴非等(2021)的研究,首先,使用Python爬虫技术从巨潮资讯网获取样本企业年报和基本信息;其次,对数据进行有效性验证,并对图片格式的年报进行OCR识别处理;最后,通过阅读年报文本梳理关键信息,结合专家小组意见进行迭代,绘制数字化转型特征词词谱(见图2),并基于该词典调用Jieba库对文本进行分词、搜索、匹配和词频统计。进一步地,考虑到词频数据存在右偏性,本文对文本数据取自然对数,下文类似变量不再赘述。

2.3.2 条件变量

(1)产业市场竞争程度。本文基于CSMAR数据库,采用按所处行业和市场划分的主营业务收入计算的赫芬达尔指数(HHI)反映产业市场环境竞争程度。已有研究表明,赫芬达尔指数可较好地衡量产业市场集中度,本文使用1-HHI衡量产业市场竞争程度,该值(1-HHI)越高,说明市场竞争程度越大,环境压力越大。

(2)行业技术更新速度。本文基于CNRDS数据库,采用按所处行业分类的授权发明数量与当年授权发明总数的比值衡量行业技术更新速度。

(3)政府数字关注强度。借鉴王洛忠等(2019)的研究成果,本文采用Python爬虫技术获取各省份政府年度工作报告。参考结果变量测度方法,对图2中的数字化特征词词频进行统计,最终构建政府数字化注意力指标,以此反映政府数字关注强度[22]。

(4)数据资源结构化。本文参考武立东等(2023)的研究成果,使用高管团队数字化背景衡量数据资源结构化。已有研究证实,具备数字技术背景的高管团队可凭借自身对数字资源的敏锐感知、高效吸收和合理筛选,推动企业实施数字化转型[23]。在衡量高管团队数字化背景这一指标时,本文依据CSMAR数据库的高管团队基本信息表对高管人员学历、专业以及任职简历进行分析,识别“电子通讯”“电子信息”“数字化”“CIO”“CTO”“互联网”“智能”等背景特征词。最终,以数字人才数量与数字背景丰度的乘积项作为高管团队数字化背景的衡量指标。

(5)流程资源捆绑化。参考张青和华志兵(2020)的建议,结合管理实践和概念定义,本文采用文本挖掘方法对年报中“场景”“灯塔工厂”“柔性制造”“生产制造执行系统”“未来工厂”“虚拟制造”“一体化”“智能工厂”等特征词词频进行统计,以此衡量流程资源捆绑化实践。

(6)生态资源杠杆化。本文参考流程资源捆绑化测度方法,采用文本挖掘方法对年报中“赋能”“决策辅助系统”“决策支持系统”“平台生态”“融合架构”“专家系统”“信息共享”“智能供应链”等特征词词频进行统计,以此衡量生态资源杠杆化实践。

2.4 变量校准

数据校准是fsQCA中的关键前置步骤,涉及将所有原始数据转换为[0,1]区间内的隶属度分数,以便于后续分析。数据校准包括客观校准(依据变量描述性统计特征)与理论校准(依靠研究者经验和理论知识),对数据进行精确转换。本文参考杜运周[7]、Fiss[24]的做法,将各变量的5%、50%和95%分位值作为完全不隶属、交叉隶属和完全隶属的3个锚点,利用fsQCA中的数据校准工具进行校准。为避免隶属度为0.5的归属问题,在0.5的基础上增加0.001。各变量校准及描述性统计结果如表1所示。此外,本文使用Python自动化脚本对面板数据进行逐年校准。

3 必要性与组态分析

3.1 扩展NCA必要性分析

本文借助R-Studio,通过调用Dul(2016)开发的NCA包,采用上限回归技术(CR)和上限包络技术(CE)两种估计方法计算必要性效应量与显著性水平,结果如表2所示。

以往判断是否存在必要性效应的标准是单一条件变量效应量d≥0.1且显著性水平p<0.05。表2显示,数据资源结构化、流程资源捆绑化两个条件变量存在显著必要性效应。Sorjone&Melin[21]研究发现,当充分性效应增强时,相应地必要性效应会增强。因此,仅对必要性效应展开分析,可能使研究者将一个“既必要又充分”条件错判为“必要但不充分”条件,进而错误地删除该变量。本文采用R语言中的NCA包对各条件变量进行扩展NCA分析,结果如表3所示。

依照表4判断条件,数据资源结构化和流程资源捆绑化展现出较强的必要性效应,同时具有一定程度的充分性效应,且各变量效应差异均不显著,表明必要性效应和充分性效应大致相当。因此,本文选取的6个条件变量均通过必要性分析。同时,表5显示了为达到某程度结果所需条件变量的最低水平。本文采用fsQCA软件验证上述分析结果,表6显示,所有高条件变量、非高条件变量的一致性水平均低于0.9。

3.2 先进制造企业数字化转型水平fsQCA组态分析

本文将一致性阈值设置为0.8,将案例出现频数阈值设置为1,将PRI一致性阈值设置为0.65,以此进行组态筛选。本文将全部条件变量均设置“Present or Absent”并形成真值表,通过逐条对照中间解和简约解,最终获得组态结果如表7所示。表8显示,单一组态一致性水平均高于最低标准0.75且总体覆盖度为0.580,表明全部组态覆盖近60%案例,进一步验证整体方案有效、可靠。本文对4种组态进一步提炼,得到两类驱动路径。

3.2.1 内外联动式驱动:营商环境激励下的关键流程数字化整合

组态H1包含两种组态,产业市场竞争程度、政府数字关注强度和流程资源捆绑化作为核心条件存在。该组态涵盖先进制造企业外部环境压力和内部资源编排,因而将其归纳为内外联动式数字化转型驱动路径。在组态H1a中,行业技术更新速度和数据资源结构化发挥辅助作用。在组态H1b中,行业技术更新速度和生态资源杠杆化发挥辅助作用。在该类路径下,先进制造企业对产业市场竞争程度、政府数字关注强度高度敏感,它们共同构成企业外部营商环境激励。受营商环境影响,企业借助数字化手段对关键流程进行整合,否则将错失转型窗口期。因此,在组态H1中,营商环境激励和流程资源捆绑化共同促进先进制造企业数字化转型。

(1)从外部视角看,当产业市场竞争程度较高时,传统制造企业面临同质化商品过剩困境,通常会采取以下策略:一是成本优化导向,制造企业需要对生产流程进行优化以实现降本增效,通过产品价格竞争占有一定市场份额;二是技术革新导向,制造企业将新兴技术资源与传统行业资源深度融合以构建竞争优势。考虑到数字技术在提质降本增效、流程管理优化与技术产品创新等方面的优势,先进制造企业可依托数字技术对关键流程进行数字化整合,并聚焦流程数字化精益管理。政府数字关注强度则从以下方面促进先进制造企业数字化转型:首先,高数字关注度意味着地方政府重视数字化建设,通过出台相关政策为企业提供政策支持并指明数字化转型方向;其次,地方政府通过数字化建设提升公共服务能力,倒逼企业加快数字化转型。例如,政府通过构建一体化政务服务平台为企业提供高效政务服务,促使企业加快业务流程的信息化与网络化。同时,地方政府采用购买服务、合同外包等方式与先进制造企业主体合作,实现政企协同数字化转型。

(2)从内部视角看,为获得较高的数字化转型绩效,先进制造企业会迅速响应外部营商环境变化并识别关键流程,实现从传统制造到智能制造的数字化转型。先进制造企业通过整合数字技术资源与传统工艺流程资源实现数字化转型升级。因此,流程资源捆绑化有助于企业集中数字资源并通过数字化整合快速实施转型。

组态H1a的典型案例为位于广东省的中兴通讯,其所处行业具有高市场竞争程度的特点。近年来,广东省通过“数字湾区”建设,牵引制造产业实现数字化发展。得益于产业政策支持与高效政务服务,中兴通讯布局云计算、物联网等技术领域,成功打造5G设备和服务器及存储设备两个智能制造工厂。为满足定制化需求,中兴通讯引入柔性自动化装配线,成功解决多机型混线生产效率问题,依托自身云计算优势搭建云端智能管理平台,将人工智能与知识图谱技术融入柔性制造流程,通过指令对装配机器人进行统筹调度。此外,工厂内部对各生产线生成数据进行拆解与汇总,更加直观地呈现任务细节以辅助生产。基于上述数字化转型实践,本文结合数据资源结构化的辅助作用,进一步将组态H1a的驱动路径归纳为营商环境激励下的数字技术融合。与组态H1a不同,在组态H1b中,行业技术更新速度和生态资源杠杆化发挥辅助作用,典型案例为中联重科。该企业旗下的中科云谷工业互联网平台借助传感、物联网和大数据等技术实现人、机、物互联互通。中科云谷不仅服务于中联重科,同时通过构建外部生态网络赋能其它制造企业,实现从场景到生态的跃迁。因此,本文进一步将组态H1b的驱动路径归纳为营商环境激励下的数字场景跃迁,具体如图3所示。

3.2.2 主动求变式驱动:资源编排全过程主导的组织数字化重塑

组态H2包含两种组态,数据资源结构化、流程资源捆绑化和生态资源杠杆化作为核心条件存在。在组态H2a中,产业市场竞争程度和行业技术更新速度发挥辅助作用。在组态H2b中,政府数字关注强度发挥辅助作用。从公司治理结构看,在组态H2中,先进制造企业受外部环境压力的影响较小。先进制造企业主要通过内部资源编排实现组织业务数字化重塑,以此达到高水平数字化转型。进一步地,企业通过内部组织变革提升自身风险抵御能力,在相对稳定的环境下“集中力量办大事”,持续深耕该行业并成为领跑者。

与组态H1不同,H2路径下先进制造企业通过对数据资源、流程资源和生态资源3类核心资源进行全过程编排实现数字化转型。在此背景下,这3类资源对应的资源编排行为通过组合实践贯穿于先进制造企业数字化转型全过程。笔者认为,先进制造企业数字化转型可被划分成点、线、面、体4个维度,分别对应企业任务环节、业务流程、全面场景和生态网络,4个维度与资源编排全过程的对应关系如下:

(1)由点及线,数据资源结构化起核心基础的作用。首先,数据资源是数字时代下的新型生产要素,企业各任务环节会不断生成数据。先进制造企业需要将物理数据实时转换为信息数据,通过收集与整理离散数据了解各环节状态。其次,各环节生成的数据按照特定逻辑进行连接。一方面,将数据发送至后续任务,如先使用视觉定位获得零件摆放数据,再将其发送至装配环节的智能机械臂以实现精准装配;另一方面,关联整个流程中的数据以反映整体状态,如借助数据可视化技术搭建数字化月台。最后,数据资源结构化可为数字化转型提供坚实的数据基础与有序的信息架构。

(2)由线及面,流程资源捆绑化起整合优化的作用。从业务流程看,先进制造企业可对数字资源进行组合并将其与具体业务流程相融合,进而更大范围地发挥数字化转型作用,如在装配线中采用人工智能进行合格检测。从全面场景看,先进制造企业可借鉴具体业务流程整合经验,实现多流程优化与互联互通,如自动引导车(AGV)利用算法与路径规划将产品转移至仓储。通过上述流程资源捆绑化实践,先进制造企业可系统推进从业务流程到全面场景的数字化转型,突破不同部门和流程间壁垒,实现内部高效联动与数字化管控。

(3)由面及体,生态资源杠杆化起辐射协同的作用。首先,先进制造企业总结自身数字化转型经验,并将成熟的数字场景解决方案拓展至外部生态网络。杠杆化是指企业充分利用数字生态系统优化数字化转型效果。其次,先进制造企业可借助数字生态治理促使不同主体紧密连接与互动。例如,在客户对工厂(C2M)模式中,企业与客户能够实现精准个性化需求对接。最后,先进制造企业可利用生态资源反哺自身数据资源结构化,实现资源编排循环。例如,先进制造企业可以通过生态系统层面的数据共享,获得其它制造企业数据,并利用这些数据进一步分析市场趋势、优化业务流程。该组态重点关注先进制造企业内部资源编排,并实现组织业务全面数字化重塑,因而组态H2归纳为主动求变式数字化转型驱动路径。

组态H2a的典型案例为海康威视。2020年海康桐庐智能制造基地入选浙江省首批“未来工厂”。海康威视利用智能视觉感知与大数据算法将数据从物理世界映射至虚拟世界,随后将结构化数据传送至如智能机械臂、AGV装配车等环节实现联合作业,最后通过处理各环节数据生成如设备信息、产线运营、车间环境等可视化面板。针对研发流程,海康威视依托由ECAD、MCAD等数字技术组合构建敏捷研发平台,从而满足全球客户定制化需求。从产销模式看,得益于敏捷精益的大规模定制化智能制造模式,客户提交定制需求或按需下单,订单信息即刻发送至工厂并投入生产。此外,海康威视利用数字孪生与工厂仿真技术自主研发智慧园区系统,可实时监测园区运营情况。为进一步激发数据资源活力,近年来海康威视大力发展AIoT智能物联技术,通过生态网络获得海量用户数据并进行分析,构建为用户提供数智化赋能解决方案的海康云眸平台。这类企业实施主动求变式数字化转型驱动路径,但仍需要考虑行业技术更新速度和产业市场竞争程度,因而本文进一步将组态H2a归纳为动态竞争下的组织重塑。组态H2b的典型案例为位于广东省的中集集团,广东省具有较高的数字关注强度,在此不作赘述,因而本文将H2b归纳为政府支持下的组织重塑,具体如图4所示。

3.3 稳健性检验

本文采用面板数据集合论与提高一致性水平阈值两种方式进行稳健性检验。表9为一致性分析结果,输出结果分别为组间一致性(BECONS)、组间覆盖度(BECOV)、面板一致性(POCONS)、面板覆盖度(POCOV)、组间一致性距离(BECONS DISTANCE)和组内一致性距离(WICONS DISTANCE)。BECONS DISTANCE值为0.012,WICONS DISTANCE值为0.055,组间一致性距离小于组内一致性距离,说明本研究中面板数据的横截面效应更强。各年份BECONS值较为接近且变化幅度较小,BECONS DISTANCE、WICONS DISTANCE值均较小,进一步说明时间效应微弱。因此,可以认为使用fsQCA获得的结果具有较强的解释力。本文重新设置参数,将一致性水平阈值提升至0.9,得到4条组态路径,结构上与原组态保持一致,总体一致性水平为0.915,并未发现明显结构性变化。进一步将PRI一致性阈值提升至0.7,得到两条组态路径,与原组态路径保持一致,总体一致性水平为0.930,并未发现明显结构变化。

4 研究结论与启示

4.1 研究结论

本文构建“外部环境压力—内部资源编排”理论框架,以43家先进制造上市企业为案例样本,结合扩展NCA、面板数据集合论和fsQCA等方法,从组态视角全面揭示先进制造企业数字化转型驱动路径,得出以下主要结论:

(1) 在先进制造领域,数字化转型是企业发展的必然趋势。数字化转型本质上是一个系统性复杂工程,不能单靠某一因素实现。企业内部需要通过优化架构、整合技术与人才资源等实现资源编排;企业外部面临市场需求变化和同行竞争压力,需要积极寻求政策支持以推动数字化转型。就企业业务流程而言,流程资源捆绑化极为重要。数字化转型不是简单引入数字技术,而是将数字技术与传统资源深度融合,打破资源分割,将各类资源进行有机整合,从而实现效益最大化。

(2) 先进制造企业数字化转型具有内外联动式和主动求变式两类驱动模式。外部产业竞争促使企业提升数字化水平,政府数字关注则提供保障。内部资源编排决定企业能否利用外部机遇提升自身适应和创新能力。资源编排主导的数字化重塑有助于企业优化资源配置,构建适合自身长远发展的架构模式。企业通过优化流程等手段提升组织韧性和灵活性,培育多元数字能力[25-26]。企业内部改革能够通过凝聚数字化转型共识培育组织内生动力。

(3)对比来看,内外联动式驱动模式侧重于对外部环境变化的响应和利用。外部产业竞争会促使企业优化生产流程或进行技术革新,政府支持可为企业提供政策引导。企业通过捆绑、整合关键流程资源快速适应外部变化。而主动求变式驱动模式注重内部主动变革和资源深度编排。数据资源结构化奠定基础,流程资源捆绑化实现资源整合优化,生态资源杠杆化发挥辐射协同效应。企业凭借自身主动性和资源编排能力,实现从任务环节到生态网络的全面数字化重塑,提升内部数字化水平和竞争力。

4.2 理论贡献

(1)理论框架方面。部分学者结合企业生命周期对制造企业连续数字化转型展开了探讨,部分学者从多角度分析了单一外部环境因素对数字化转型的影响机制(王鹏飞等, 2023)。本文采用扩展NCA方法对“外部环境压力—内部资源编排”理论框架下的前因变量进行必要条件识别,结果发现,任何单一变量均无法直接驱动先进制造企业数字化转型。由此说明,在此过程中,外部环境与资源编排存在具有“多重并发”特点的影响机制。根据资源编排理论,企业资源行动包括资源构建、整合和利用。单纯依靠内部资源构建,如购置大量先进数字设备,而缺乏有效的整合和利用策略,可能导致企业存量资源无法充分发挥作用,进而影响实际数字化转型水平。此外,外部环境压力和变化也会要求企业动态调整、优化内部资源编排策略。因此,本文通过内外部因素组态分析,进一步识别先进制造企业数字化转型驱动路径,丰富和拓展了企业数字化转型相关研究理论框架。

(2)研究情境方面。在数字化转型方面,凭借先进技术与管理,先进制造企业与传统中小制造企业差距较大,前者拥有由数据资源、流程资源与生态资源带来的独特竞争优势。目前,相关研究大多聚焦传统中小企业从数字化起步到初步实现数字化转型的场景,未关注具有一定数字化基础的先进制造企业从聚焦自身数字化升级到辐射外部数字生态这一情境。在这一过程中,先进制造企业通过有效资源编排与供应链上下游企业、合作伙伴以及整个行业生态进行数字交互和价值共创。因此,本文将资源编排理论应用于先进制造企业数字化情境研究,一方面回应了开展“资源编排过程协同”与“数字化时代下资源编排”的研究呼吁(张青等, 2020),为这一领域理论发展提供实证支持和新的思考方向;另一方面将先进制造企业这一特定样本作为研究对象,丰富了企业数字化转型研究样本。本文通过深入分析先进制造企业利用内外部驱动因素实现数字化转型升级的过程,拓展了企业数字化转型研究情境。

(3)研究方法方面。在现有研究的基础上,本文使用文本分析法测量流程资源捆绑化和生态资源杠杆化。使用文本分析法能够从大量文字信息中挖掘有价值的数据,减少对个人经验的过度依赖,提升研究结论的客观性和可靠性。NCA 有助于确定导致特定结果的必要条件,而fsQCA 可以处理多条件组合情况,两者相结合能够更准确地揭示变量间的复杂关系。在NCA和fsQCA(杜运周等, 2020)的基础上,本文通过扩展 NCA 并结合面板数据集合论,进一步提升研究方法的解释力度。面板数据集合论能够反映样本随时间变化的动态特征,使研究结论更具时效性、普遍性和稳健性(Dul, 2016; Sorjonen et al,2022)。

4.3 管理启示

4.3.1 对企业的启示

(1)先进制造企业管理者需要统筹考虑外部环境压力与内部资源以实现数字化转型。单一因素不构成企业数字化转型的必要条件,因而管理者应实时关注企业所处外部环境,制定符合自身发展的数字化转型规划。同时,企业管理者需要对数据资源、流程资源和生态资源进行精准识别与编排,发挥不同资源间的协同作用,进而推动自身数字化转型。企业管理者可通过组建数字化转型项目团队定期收集与分析外部环境信息,如政策法规、市场趋势、技术发展趋势等,从而为数字化转型提供及时、准确的数据支撑。此外,企业还需针对内部开展资源评估活动,定期摸排自身数字化转型盲点与跟踪数字资源转化成效,并因地制宜、因时制宜地调整自身资源配置与转型战略。

(2)先进制造企业需要构建互联互通的工业生态思维。先进制造企业不仅要成为生态系统的主导者,还需通过开放式创新和平台化战略促进生态价值增值。先进制造企业可通过“外部引入”和“内部培育”驱动数字创新生态系统构建。外部引入是指与其它企业、科研机构、高校等生态主体合作对接,积极寻找合作机会、建立合作关系并推动合作项目实施。先进制造企业应鼓励中小企业接入工业生态,借助数字网络实现数字技术共享与合作。内部培育是指企业需要营造良好的创新创业氛围,鼓励员工创新与内部创业,从而提升内部创新能力。

4.3.2 对政府的启示

(1)地方政府可通过制定数字化相关政策、加强数字基础设施建设和数字人才培养实现数字资源优化配置与共享。地方政府可牵头先进制造龙头企业,通过构建数字化转型示范园区,为其它企业提供可借鉴的实践经验。

(2)地方政府可以与当地先进制造企业形成合力,提供数字化转型培训与咨询服务。针对中小企业数字化转型需求,地方政府应积极承担“撮合者”角色,提供相关公共服务,助力企业解决在数字化转型过程中的问题。此外,地方政府应在跨区域数字化合作中扮演关键角色,为跨区域、跨行业合作营造良好的营商环境。

4.4 不足与展望

本研究存在一定局限性。变量测量上,虽采用文本分析法提升了客观性,但对政府数字关注强度的衡量仅基于省政府工作报告,未来可细化至地级市数据。研究方法上,使用了面板数据集合论方法进行稳健性检验,该方法仅能从一定程度上验证结果的可靠性,未来可尝试面板QCA或案例研究,深入分析企业数字化转型的全过程。研究内容上,未来可拓展至数字化转型对动态能力、创新绩效等结果变量的作用机制研究。

参考文献：

[1] 严子淳,李欣,王伟楠.数字化转型研究:演化和未来展望[J].科研管理,2021,42(4):21-34.

[2] APPIO F P, FRATTINI F, PETRUZZELLI A M, et al. Digital transformation and innovation management: a synthesis of existing research and an agenda for future studies [J]. Journal of Product Innovation Management, 2021, 38(1): 4-20.

[3] 武立东,李思嘉,王晗,等.基于“公司治理-组织能力”组态模型的制造业企业数字化转型进阶机制研究[J/OL].南开管理评论:1-27[2024-06-26]. http://kns.cnki.net/kcms/detail/12.1288. F.20230911.1916.004.html.

[4] 胡东滨,周普.数字化转型对环境服务企业绩效的影响研究——基于年度报告文本的实证分析[J].运筹与管理,2024,33(8):15-22.

[5] 孙新波,张明超,王永霞.工业互联网平台赋能促进数据化商业生态系统构建机理案例研究[J].管理评论,2022,34(1):322-337.

[6] 张青,华志兵.资源编排理论及其研究进展述评[J].经济管理,2020,42(9):193-208.

[7] 杜运周,刘秋辰,程建青.什么样的营商环境生态产生城市高创业活跃度——基于制度组态的分析[J].管理世界,2020,36(9):141-155.

[8] DUL J.Necessary condition analysis (NCA): logic and methodology of "necessary but not sufficient" causality[J].Organizational Research Methods, 2016, 19(1):10-52.

[9] VERHOEF P C, BROEKHUIZEN T, BART Y, et al. Digital transformation: a multidisciplinary reflection and research agenda[J]. Journal of Business Research, 2021, 49(1): 889-901.

[10] TEECE D J,PISANO G,SHUEN A. Dynamic capabilities and strategic management[J]. Strategic Management Journal, 1997, 18(7):509-553.

[11] WANG B, MA M, ZHANG Z, et al. How do the key capabilities of the industrial internet platform support its growth? a longitudinal case study based on the resource orchestration perspective[J]. Technological Forecasting and Social Change, 2024, 55(3): 123186.

[12] 王鹏飞,刘海波,陈鹏. 企业数字化、环境不确定性与全要素生产率[J]. 经济管理, 2023, 45 (1): 43-66.

[13] DUNCAN R B. Characteristics of organizational environments and perceived environmental uncertainty [J]. Administrative Science Quarterly, 1972, 17(3): 313-327.

[14] 王国红,林欢,黄昊,等.资源保护视角下的中小企业组织韧性提升组态路径研究[J].管理学报,2023,20(8):1128-1137,1234.

[15] 王国红,林欢,黄昊.数字化视角下资源编排对中小企业组织韧性的影响[J].科技进步与对策,2024,41(18):77-86.

[16] 杨林,徐培栋.有无相生:数字化背景下“专精特新”单项冠军企业双元创新的前因组态及其效应研究[J].南开管理评论,2024,27(2):137-151.

[17] CHEN H, TIAN Z. Environmental uncertainty, resource orchestration and digital transformation: a fuzzy-set QCA approach [J]. Journal of Business Research, 2022, 50(2): 184-193.

[18] WANG J, XUE Y, YANG J. Boundary-spanning search and firms' green innovation:the moderating role of resource orchestration capability[J]. Business Strategy and the Environment, 2020, 29(2): 361-374.

[19] SIRMON D G, HITT M A, IRELAND R D. Managing firm resources in dynamic environments to create value: looking inside the black box [J]. Academy of Management Review, 2007, 32(1): 273-292.

[20] GARCIA-CASTRO R, ARIO M. A general approach to panel data set-theoretic research [J]. Journal of Advances in Management Sciences &Information System, 2016, 2(5): 63-76.

[21] SORJONEN K, MELIN B. An extended version of necessary condition analysis (NCA) allows more specific conclusions: an example involving well-being and resilience [J]. BMC Psychiatry, 2022, 22(1):1-5.

[22] 王洛忠,陈宇,都梦蝶. 中央政府对信息化的注意力研究——基于1997—2019年国务院《政府工作报告》内容分析[J].理论探讨,2019,36(5):177-182.

[23] 喻登科,祝可,肖欢.CEO知性特质与企业数字化转型关系研究[J/OL].科技进步与对策,1-11[2024-11-22].http://kns.cnki.net/kcms/detail/42.1224.G3.20240708.1556.004.html.

[24] 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.

[25] 杜家廷,何金凤,顾谦农.数字化转型对制造业发展韧性的提升效应[J/OL].科技进步与对策,1-12[2024-11-22].http://kns.cnki.net/kcms/detail/42.1224.G3.20240529.0850.006.html.

[26] 汤睿,林春培,李京,等.基于资源编排的企业数字化能力与创新生态系统构建[J].科技进步与对策,2024,41(16):83-94.

(责任编辑:张 悦)