开放科学(资源服务)标识码(OSID)：
Grounded in the complex adaptive systems theory, this study integrates micro-level cognitive factors, meso-level organizational capabilities, and macro-level ecosystem attributes to construct a theoretical analytical framework of "managerial cognition-organizational capabilities-ecosystem characteristics". Employing the fuzzy-set qualitative comparative analysis (fsQCA) method, it analyzes 263 sets of data to explore the configurational effects of managerial cognitive flexibility, digital perception capability, digital resource synergy capability, ecosystem richness, and ecosystem innovativeness on digital innovation among ecosystem-participating enterprises, while elucidating the underlying mechanisms and pathways of such innovation.
The findings reveal that (1) no single core condition constitutes a necessary prerequisite for high-level digital innovation; however, managerial cognitive flexibility, as a core condition, exerts a relatively universal influence; (2) the coupling of diverse antecedent conditions forms two configurational pathways, corresponding to two types of configurations for achieving high-level corporate digital innovation: "cognition-opportunity driven" and "cognition-ecosystem interactive". Specifically, in the cognition-opportunity driven pathway, managerial cognitive flexibility, digital perception capability, and ecosystem innovativeness are present as core conditions, ecosystem richness is absent as a core condition, and digital resource synergy capability functions as a peripheral condition. In the cognition-ecosystem interactive pathway, managerial cognitive flexibility, digital resource synergy capability, ecosystem richness, and ecosystem innovativeness are present as core conditions, while digital perception capability serves as a peripheral condition; (3) three configurational pathways are identified, forming two types of configurations that lead to non-high-level digital innovation: "cognition-capability deficient" and "cognition deficient". The research conclusions remain valid after robustness tests.
This study makes three significant contributions. First, from the perspective of ecosystem participants, it identifies the key antecedents and operational mechanisms of digital innovation within participating enterprises, addressing the insufficient attention given to their digital innovation in existing research. Second, moving beyond the prevalent focus on linear relationships between isolated influencing factors and corporate digital innovation, this study draws on complex adaptive systems theory to innovatively construct a "managerial cognition-organizational capabilities-ecosystem characteristics" analytical framework. Using the fsQCA method, it explores the driving mechanisms of multi-factor linkage and synergy in promoting digital innovation among participating enterprises, thereby filling a gap in the literature regarding the unclear pathways of such innovation. Finally, the study innovatively incorporates the richness and innovativeness of digital platforms into the research framework, extending the analytical perspective to the ecosystem level and offering a new theoretical lens and framework for examining the relationship between platform ecosystem characteristics and corporate innovation capabilities.
开放科学(资源服务)标识码(OSID)：
当前,数字创新以前所未有的速度和规模重塑创新发展经济体系,成为加速数字经济高质量发展,推动新质生产力发展的关键引擎。《“十四五”数字经济发展规划》提出,“到2025年,数字经济迈向全面扩展期,数字经济核心产业增加值占GDP比重达到10%”。囿于数字资源与创新能力,传统企业面临数字创新路径模糊、数字创新价值难以实现的困境,导致数字创新之路“有心无力”。研究发现,由平台企业、参与者企业和用户交互形成的数字平台生态系统(以下简称数字平台),在数字资源、数字技术以及多边连接方面具有独特优势,成为传统企业加快数字化进程,实现数字创新的重要载体[1]。实践中,传统企业嵌入数字平台,进而借助平台赋能实现数字创新并非易事。一方面,数字技术深度嵌入平台,改变数字创新主体价值创造路径,使其与传统创新模式大相径庭[1]。另一方面,并非所有生态参与者都能从数字平台获益,实现预期目标(王节祥等,2021)。此背景下,探究生态参与者企业如何依托数字平台实现数字创新,具有重要理论意义与实践价值。
当前,一部分学者聚焦平台主进入策略、平台架构以及平台治理,探讨其对互补企业创新的影响。例如,Foerderer等(2018)以安卓平台进入摄影应用市场为例,发现平台主入场可吸引更多消费者关注、刺激需求,进而激发互补者创新;梅景瑶等(2021)提炼平台架构设计关键维度,以揭示平台架构设计对互补者创新的作用机理;白景坤等(2025)提出,平台生态的市场型、社会型和层级型治理能够促进互补企业创新。上述视角下,互补企业创新研究主要聚焦平台企业与参与者企业的二元互动过程,忽略了企业创新过程中可能存在的跨层次交互作用。另一部分学者基于资源配置和能力发展视角,揭示参与者企业不同创新类型的差异化作用机制。例如,王炳成等(2024)发现,参与者企业通过编排平台资源推动能力重构,进而实现商业模式创新;Chen等[2]进一步证实平台生态嵌入还能促进产业链整合,驱动商业模式创新;赵潜等[3]指出,平台生态嵌入度提升可释放企业重视利益相关者、寻求外部知识的积极信号,促进资源流入并推动绿色技术创新;赵宏霞等[4]揭示了平台生态嵌入对参与企业探索式创新绩效的作用机制;闫宽等(2024)基于动态能力视角揭示了参与者企业平台生态能力对协同创新的推动作用。上述相关研究主要探讨特定因素对参与者企业不同类型创新的净效应。
现有研究存在如下局限:首先,主要基于传统二元互动框架,聚焦特定因素或主体和生态参与者企业创新的线性关系,忽视了多因素联合效应。事实上,嵌入数字平台的参与者企业创新过程呈现非线性、跨层次的动态交互特征,横向上与平台企业、上下游合作伙伴以及关键用户等多元主体互动,纵向上在微观层面的个体决策、中观层面的组织协作以及宏观层面的平台环境间形成联动。其次,对生态参与者企业数字创新缺乏关注。开展数字创新需要大量数字资源,单个企业资源与能力难以满足,需要多主体协同(陈姿颖等,2024)。对于数字资源匮乏与创新能力薄弱的参与者企业而言,借助数字平台实现数字创新已成为关键路径。然而,现有文献尚未系统性解构参与者企业依托数字平台实现数字创新的内在机制与路径逻辑,难以阐释参与者企业突破资源约束,实现数字创新的机理。基于此,亟需引入组态理论分析框架,从个体、组织、数字平台生态系统3个层面,解构生态参与者企业数字创新的复杂因果机制。
本文采用模糊集定性比较分析方法(fsQCA),从个体、组织、数字平台生态系统3个层面提取前因条件以构建多要素联动模型,剖析多层级因素匹配组合对数字创新的作用机制,聚焦以下核心研究问题:影响参与者企业数字创新的关键因素有哪些?各因素如何联动匹配形成高数字创新路径?
1.1.1 数字创新与数字平台生态系统
随着数字经济蓬勃发展,数字技术从根本上改变了创新的性质。作为新兴创新范式,数字创新是以数字技术与物理组件融合为基础,对业务流程及商业模式等的创新(Ganotakis等,2023)。与传统创新不同,数字创新是一个持续迭代、动态交互的过程,具有高度智能、数据驱动、快速迭代、跨界融合特征(李雪琴等,2024)。数字创新为企业带来了新的发展机遇,但企业仅以自身资源与能力难以开展复杂数字创新活动(柳卸林等,2020),需要向外界寻求多样化互补性资源,以应对创新过程中的不确定性和风险(陈姿颖等,2024)。在数字技术设施上催生的数字平台生态系统,因其灵活性、开放性、可控性,逐渐成为多数企业数字创新活动的重要载体。数字平台生态系统是由不同参与主体所形成的复杂系统,汇聚不同生产视角和专业领域的创新思维、前沿知识资源,并配备完善的数字基础设施(王炳成等,2024)。数字平台生态系统能够助力企业高效利用数字技术,提供丰富的互补性资源与创新应用场景,并前瞻性地引导数字创新方向[1,5],从而支撑企业开展产品、服务、流程等多元化创新[6]。
1.1.2 复杂适应系统理论
复杂适应系统理论(complex adaptive system, CAS)指出,复杂适应系统由规则限定下相互作用的适应性主体组成,适应性主体通过与其他参与主体及环境持续交互,不断学习或积累经验,改变行为模式或规则集合,推动系统动态演化[7]。在微观层面,该理论强调具有适应性和主动性的个体遵循“刺激—反应”模型,即主体受到刺激后,会改变自身结构与行为方式以适应其他主体和外部环境[8]。在宏观层面,该理论注重主体的层次性、多样性与聚合性,强调系统在主体间,以及主体与环境的相互作用中发展,表现出分化、涌现等复杂的演化过程[9]。该理论适用于研究包含具有适应性和主体性的个体及复杂关系的有机系统。
根据复杂适应系统理论,数字平台本质上是复杂系统,作为适应性主体,参与者企业通过与其他参与主体及系统环境持续交互促进资源要素流动,进而动态调整认知图式与行为策略[10-11]。该理论视角下,参与者企业数字创新本质上是管理者认知主导、数字能力支撑的多主体协同与跨层级交互过程。该过程中,管理者认知指导企业资源配置与战略行动,构成数字创新的决策核心;数字能力作为技术基础,支撑企业数字资源获取和跨层级交互;平台环境特征则为数字创新提供生态保障。
1.2.1 管理者认知灵活性与企业数字创新
管理者认知是高管团队在长期管理与决策中对特定事物形成的理解,能够直接影响企业行动逻辑和发展方向,对数字创新采纳起决定性作用(户安涛等,2024)。作为认知特征,认知灵活性是管理者根据动态环境灵活调整思维、情绪和行为,实现多任务处理和寻找新的解决方案以应对环境变化或意外的能力,有利于管理者快速接纳数字创新,重塑数字认知,以数字思维发现机会和解决问题。相关研究发现,认知灵活的CEO认知需求更高,更可能开展信息搜索、认知重构,从而推动更高水平的探索性创新和利用性创新(Kiss等,2020)。然而,当前学者主要围绕管理者信息技术背景(王新成等,2022)和管理者注意力配置(王象路等,2023;崔煜雯等,2024),探究其对企业数字创新的影响机制,尚未充分探讨管理者认知灵活性这一特征。因此,本文引入管理者认知灵活性,从微观认知视角探讨其对参与者企业数字创新的影响机制。
认知灵活的管理者能够根据动态环境采用多种认知加工策略对思维、情绪和行为进行调整,实现多视角权衡想法、多方案解决问题、提出创新或创造性想法(赵亚普等,2024)。因此,认知灵活的管理者更易识别数字创新路径,灵活调整决策行为、协调创新冲突,从而有效推动参与者企业数字创新。首先,认知灵活的管理者能够摆脱狭隘聚焦的思维枷锁,结合外部环境中数字技术动态演变与数字创新发展趋势,重塑数字化思维体系,有助于参与者企业开拓数字创新路径[12]。其次,认知灵活的管理者能够从市场动态、数字创新竞争态势,以及用户多元数字需求等维度剖析数字创新发展趋势,通过灵活调整行为策略,精准配置企业资源与能力,使企业数字产品和服务与数字需求相匹配,从而提高数字创新效率[13]。最后,不同创新主体掌握的信息与知识可能存在高度不对称,易诱发信任危机和内部冲突,从而阻碍数字创新推进(曲永义,2022)。认知灵活的管理者能够及时察觉潜在问题并积极采取多种可行方案(如亲和性人际交往策略和包容性倾听策略等),协调创新冲突(赵亚普等,2024)。
1.2.2 数字感知能力、数字资源协同能力与企业数字创新
组织条件中,数字感知能力和数字资源协同能力缺失是制约参与者企业数字创新的重要因素。根据刘洋等(2019)的研究,数字感知能力是企业识别利用数字创新机会,进而将其转化为创新成果的动力。然而,不同企业在感知外部环境中的数字创新机会与威胁,以及识别数字创新价值方面存在能力差异,进而影响数字创新目标达成。因此,将数字感知能力纳入企业数字创新研究范畴,有助于深入剖析企业数字创新动力机制。具体而言,数字感知能力对于参与者企业精准捕捉数字创新机遇[14]、激活内部创新动力以及前瞻性战略布局尤为关键。首先,数字感知能力有助于参与者企业挖掘消费数据以及目标用户行为习惯,从而洞悉客户数字创新诉求,识别出关键创新机会,锚定数字创新方向(王核成等,2024)。其次,数字感知能力有助于参与者企业捕捉行业内数字创新发展动态和竞争态势,使其认识到数字创新的紧迫性与重要性,激发企业内部数字创新动力。最后,数字感知能力有利于参与者企业预判数字创新发展方向,提高数字创新决策速度和准确性,进而开展前瞻性战略布局。
数字资源协同能力是参与者企业与其他参与主体以及生态环境实现交互的先决条件。一方面,参与者企业数字资源协同能力缺失会制约资源要素在不同主体间流动与共享,导致多主体间难以实现数字创新协同[14]。邢新朋等[6]研究发现,数字协作能力有助于企业与行业内其他企业实现信息资源交流及共享,从而促进企业数字创新。另一方面,数字资源协同能力缺失会制约参与者企业对数字平台内前沿技术、关系资本及异构数据的整合协同,进而影响数字创新关键环节的运行效率与实施效果。因此,数字资源协同能力作为连接多主体数字创新协同的关键桥梁,其引入能够揭示参与者企业数字创新实现过程机制。具体而言,数字资源协同能力为参与者企业实现数字资源交互共享,弥补自身创新能力缺陷,促进数字创新协同提供有力支撑。首先,数字资源协同能力为参与者企业与关键客户群及其他参与主体实现数字资源交互共享,并针对关键数据资源进行协同开发(王核成等,2024),推动数字创新进程。其次,数字资源协同能力有助于参与者企业从数字平台内获取先进数字技术、管理经验及互补性创新资源等,弥补自身数字技术和创新能力的不足,从而缩短创新研发时间,优化数字创新流程。最后,借助数字资源协同能力,参与者企业共享数据、协同运营,实现价值链上下游数据对接,从而科学决策、优化资源配置[11],提高数字创新协同响应水平。
1.2.3 生态系统丰富度、生态系统创新性与企业数字创新
不同平台生态系统在丰富度和创新性程度上存在特征差异。例如,解学梅等(2022)研究指出,种群丰富度更高的创新生态系统在价值创造过程中具备资源多元化优势,生态系统稳定性更高,更利于推动生态系统价值增值,实现创新生态效应;刘景东等(2024)认为,平台生态系统丰富度会影响生态内部主体资源获取与整合,而平台生态系统创新性会影响系统内部主体创新信息搜索效率,从而催化企业创新。然而,基于参与者企业视角的相关研究多将平台生态系统视为外部资源获取渠道,忽视了平台异质性特征对参与者企业创新行为的影响,也未关注参与者企业需依据平台生态特征调整创新策略的现实需求。因此,本文将数字平台特征纳入研究框架,将研究视域拓展至生态系统层面。
生态系统丰富度是指生态系统中参与主体的多样化程度[15],能够影响内部主体间的资源交互、合作协同(解学梅等,2022)。生态系统丰富度较高的数字平台能够为参与者企业提供更广泛的知识共享及合作关系的接入。首先,数字平台丰富度越高,内部参与者企业、关键用户群、科研机构、政府机构等种类越多,能够促进各参与主体间互动合作向更深层次、更广阔的领域发展(刘景东等,2024)。这有利于参与者企业从多元化渠道获取创新资源与信息,通过灵活配置异质性资源推动数字创新。其次,生态系统丰富度是维持生态系统稳定性的关键因素(解学梅等,2022)。生态系统丰富度较高的数字平台能够巩固参与主体间互利、互惠、互信的共生关系,有利于参与者企业与其他参与主体建立持久、稳固的创新合作关系(蔡小锦等,2024)。长期稳定的合作关系不仅能够促进知识溢出,为参与者企业提供稳定且长效的资源价值,还可以有效降低数字创新研发风险和成本。
生态系统创新性是企业依托数字平台获取大量用户和市场信息,以需求为导向,提供创新型数字产品或服务的新颖性和质量[16]。生态系统创新性较高的数字平台能够为参与者企业提供数字创新基础,营造创新氛围,激发企业创新动力。首先,生态系统创新性较高的数字平台一般具有完善的数字基础设施,能够连接产业链和价值链上下游企业、科研机构以及关键用户,帮助参与者企业通过网络效应实现数字知识共享与数字技术高效协同(刘景东等,2024),提高数字知识搜寻效率,降低数字创新技术门槛和成本。其次,生态系统创新性较高的数字平台更易营造鼓励创新、宽容失败的文化氛围,推动参与者知识共享与交互,加速前沿数字技术知识、行业动态和创新经验扩散,为参与者企业数字创新提供更多灵感和思路。最后,生态系统创新性较高的数字平台能够吸引更多具有创新偏好的用户加入。用户数字创新需求会促使数字平台将更多资源向数字创新领域倾斜,激励参与者企业积极投身于数字创新活动[17]。
1.2.4 研究框架
本文基于复杂适应系统理论构建了一个多视角的系统性整合框架,以解析平台生态参与者企业数字创新机制。微观层面,根据平台生态中参与主体的适应性特征,提出认知灵活性的管理者能够通过动态调整认知、快速响应平台生态环境变化,为数字创新提供方向性决策支持。中观层面,从组织能力层面提出数字感知能力是参与者企业识别机会、激发数字创新的动力,而数字资源协同能力是参与者企业与其他参与主体及生态环境交互,进而实现资源流动的先决条件。宏观层面,从生态系统特征提出生态系统丰富度、生态系统创新性是影响参与主体间交互的主要环境约束条件。本文构建“管理者认知—组织能力—生态系统特征”理论框架,如图1所示。
图1 理论框架
Fig.1 Theoretical framework
本文采用fsQCA方法,探索管理者认知灵活性、数字感知能力、数字资源协同能力、生态系统丰富度以及生态系统创新性对参与者企业数字创新的影响机制。参与者企业数字创新是企业与数字平台内多元主体及生态环境动态交互的结果,采用传统回归分析方法分析单一变量对结果影响的净效应难以阐释其背后的逻辑机理。fsQCA方法可容纳数据不对称性,识别前因条件间的潜在相互关系,进而揭示参与者企业数字创新的多条等效路径,解释因果非对称性问题,深化对参与者企业数字创新复杂成因的理解。
本文以嵌入数字平台的参与者企业为研究对象,针对企业管理者和技术骨干开展问卷调查。问卷设置筛选题项,如企业是否嵌入到小米生态、海尔智家生态平台、阿里巴巴商业生态体系、腾讯数字生态等数字平台生态系统。预调研阶段,选择符合条件的MBA学员开展问卷调查并根据反馈意见对问卷语句进行补充示例,以帮助受访者理解。正式调研阶段,主要借助社交媒体和问卷星调研平台发放问卷,共收集305份问卷。在剔除不符合调研要求、存在严重数据缺失、作答时间过短的问卷后,最终获得263份有效问卷,有效回收率为86.2%。描述性统计结果如表1所示。
表1 研究样本统计
Table 1 Statistics of research samples
项目类别样本数量(家)百分比(%) 企业性质国有企业2911.03 私营企业16964.26 合资企业4517.11 外商独资或其他企业207.60企业成立年限5年以下5219.77 5～10年5219.77 11～20年5822.05 20年以上10138.41企业规模100人及以下13049.43 101～500人5520.91 501～1 000人3914.83 1 001～3 000人259.51 3 000人以上145.32企业所属行业新材料、新能源6926.24 软件、信息技术4517.11 精密机械、仪器仪表制造业4517.11 生物医药4517.11 智能设备及机器制造业5922.43
借鉴张延林等(2020)的研究,企业数字创新量表共4个题项;借鉴Kiss等(2020)的研究,管理者认知灵活性量表共6个题项;借鉴易加斌等[14]的研究,数字感知能力量表和数字资源协同能力量表各包括5个题项,共10个题项;借鉴刘景东等(2024)的研究,生态系统丰富度量表共7个题项,生态系统创新性量表共4个题项。此外,参考相关研究,本文选取企业年龄、规模、性质、行业特征作为控制变量。各变量测量题项如表2所示。
表2 信度与效度分析结果
Table 2 Results of reliability and validity analysis
变量题项因子载荷数字创新1.公司借助信息或数字技术对现有产品/服务的研发流程进行了改善 Cronbach's α系数=0.839CR= 0.877AVE= 0.6410.795 2.公司通过信息或数字技术提升了产品/服务交付效率和效益 0.825 3.公司应用信息或数字技术促进了产品/服务研发流程创新 0.820 4.公司借助信息或数字技术提高了对业务流程进行持续性变革的能力0.760管理者认知灵活性1.公司领导可以用许多不同方式交流一个想法Cronbach's α系数=0.870CR= 0.896AVE=0.5900.790 2.公司领导能为看似无法解决的问题找到可行的解决方案0.771 3.公司领导愿意创造性地解决问题 0.795 4.公司领导的行为是有意识的决定的结果0.783 5.在任何情况下,公司领导都有许多可能行为方式0.754 6.公司领导愿意倾听并考虑处理问题的替代方案0.714 数字感知能力1.企业能够洞察并识别出具有商业价值的数据源 Cronbach's α系数=0.811CR=0.863AVE= 0.5580.779 2.企业能够及时了解外界技术研发或产品生产的最新信息 0.756 3.企业能够基于大数据发现市场竞争环境变化 0.724 4.企业能够较为准确地判断自身数字化水平 0.760 5.企业能够根据自身管理能力匹配数字化改进方案0.714 数字资源协同能力1.企业业务系统之间有统一的信息交换接口或方式 Cronbach's α系数=0.836CR=0.873AVE= 0.5800.722 2.企业能够根据创新需要聚合内外部数字资源 0.784 3.企业能够根据合作需要共享组织拥有的内外部信息 0.798 4.企业与利益相关者之间实现良好的耦合互动或多样化协作 0.776 5.企业能够对组织关键流程环节进行协同优化0.724生态系统丰富度1.企业与供应商的合作关系密切程度Cronbach's α系数=0.932CR=0.944AVE= 0.7080.847 2.企业与制造商的合作关系密切程度0.882 3.企业与用户的合作关系密切程度0.867 4.企业与同业竞争者的合作关系密切程度0.818 5.企业与中介机构的合作关系密切程度0.790 6.企业与政府部门的合作关系密切程度0.825 7.企业与科研院所/大学的合作关系密切程度0.857生态系统创新性1.最近 3 年,与行业平均水平相比,我们所处数字平台生态系统中公司平均每年研发投入占营业收入的比重Cronbach's α系数=0.786CR=0.848AVE= 0.5830.698 2.最近 3 年,与行业平均水平相比,我们所处数字平台生态系统中公司平均每年的研发人员数量占员工总数的比重0.801 3.最近 3 年,与行业平均水平相比,我们所处数字平台生态系统中我们公司平均每年专利申请、推出新产品、推出新技术的数量0.789 4.我们公司的互补企业普遍重视研发或创新0.762
本文通过Harman单因子检验方法对量表中所有题项进行探索性因子分析,排除可能存在的共同方法偏差问题。结果显示,共提取出6个特征根大于1的因子。结合未旋转的第一主成分对总体变异的解释程度,第一因子的解释力度为33.501%,小于建议的40%标准,说明不存在明显共同方法偏差问题。由表2可知,变量的Cronbach's α系数和组合信度CR值均大于0.7,说明问卷信度较高。采用因子分析方法检验变量聚合效度,结果显示,KMO值为0.941,累计方差贡献率值64.0%,标准化因子载荷最低为0.698,所有变量的AVE值均超过临界值0.5,说明问卷聚合效度较高。
本文借助 fsQCA 4.0 软件对前因条件与结果数据校准,使用Likert 5级量表获取相关数据,经计算的变量均值作为反映值。鉴于数据实际分布情况,采用分位数校准,将样本数据的第90百分位数、第50百分位数、第10百分位数分别设定为完全隶属、交叉点和完全不隶属。为避免变量案例隶属度恰好为0.5的组态归属问题,对校准后隶属度为0.5的数据增加0.001(杜运周等,2017)。
必要条件是制约结果的关键,表现为某个条件总是伴随某个结果出现。必要条件可通过一致性是否大于0.9进行判断,若大于0.9则认定为必要条件(Ragin,2008)。表3显示,所有前因变量的一致性小于0.9,说明单个前因条件对结果的解释力较弱,5个前因变量均不能构成参与者企业数字创新的必要条件。
表3 数字创新前因条件的必要性分析结果
Table 3 Necessity analysis of antecedent conditions for digital innovation
变量 一致性覆盖度变量 一致性覆盖度管理者认知灵活性0.8710.722～数字资源协同能力0.5370.609～管理者认知灵活性0.3310.477生态系统丰富度0.7200.641 数字感知能力0.6010.633～生态系统丰富度0.5140.664 ～数字感知能力0.5910.623生态系统创新性0.6690.629数字资源协同能力0.6510.640～生态系统创新性0.5160.618
注：“～”表示逻辑“非”
本文采用fsQCA 4.0 对前因条件进行定性比较分析,按照原始一致性阈值设定为 0.80、样本频数阈值设置为2、PRI一致性设定为 0.65的标准对条件组合进行筛选。主要分析fsQCA 软件输出结果的中间解,并以简约解为辅进一步判断企业数字创新前因的核心条件和辅助条件,如表4所示。
表4 参与者企业数字创新的条件组态
Table 4 Conditional configurations of digital innovation in participating enterprises
变量高数字创新认知—机会驱动型H1认知—生态交互型H2非高数字创新认知—能力缺失型NH1a认知缺失型NH1bNH1c管理者认知灵活性●●数字感知能力●数字资源协同能力●生态系统丰富度●●生态系统创新性●●● 一致性0.8490.8110.845 0.856 0.882 原始覆盖度0.3000.3630.4170.485 0.463 唯一覆盖度0.0840.0150.0360.041 0.041 总体一致性0.803 0.827 总体覆盖度0.4470.603
注：“●”表示核心条件存在,“●”表示辅助条件存在,“⊗”表示核心条件缺失,“⊗”表示辅助条件缺失,“空白”表示该条件既可存在也可不存在,下同
3.3.1 高企业数字创新组态分析
表4中,两条高企业数字创新组态路径的一致性分别为0.849、0.811,总体一致性为0.803,均超过0.75的最低标准。结合组态中各路径的核心条件及其解释逻辑,将高企业数字创新路径归类并命名,具体分析如下:
认知—机会驱动型(H1)。在H1中,管理者认知灵活性、数字感知能力、生态系统创新性为核心条件存在,生态系统丰富度为核心条件缺失,数字资源协同能力为可有可无的条件,该路径能够解释30.0%的案例。该组态表明:在数字平台生态系统丰富度较低、生态系统创新性较高情境下,认知灵活的管理者与参与者企业数字感知能力相结合,能够有效促进企业高数字创新。本文将其归纳为“认知—机会驱动型”,如图2所示。
图2 认知—机会驱动型高数字创新组态
Fig. 2 Cognition-opportunity-driven configuration of high digital innovation
当企业嵌入的数字平台生态系统丰富度较低但生态系统创新性较高时,说明数字平台在参与主体多样性与资源异质性方面存在不足,且聚焦某特定技术领域或业务方向,集中资源开展深度创新。此时,高创新性数字平台包含完善的数字基础设施、前沿技术要素、突破性理念和实践经验。此情境下,认知灵活的管理者与数字感知能力构成参与者企业数字创新的关键驱动要素。参与者企业借助数字感知能力捕捉数字平台内部关键创新资源,动态追踪数字技术发展路径与竞争态势,从而识别数字技术创新与市场需求的“交叉点”,捕捉未被满足的数字创新缺口。同时,认知灵活的管理者能够快速吸收数字平台内前沿理念和经验,灵活调整战略决策、重构组织架构、优化资源配置等,并通过场景化制定多元数字创新方案,将数字平台创新潜力转化为可落地的数字创新成果。该类型组态反映了复杂适应系统理论在微观视域下的“刺激—反应”模型。其中,数字感知能力可帮助企业构建起对数字平台环境刺激的感知体系,而管理者认知灵活性则是企业针对数字平台环境刺激作出反应决策以及开展内部机制调适的核心动力。在数字平台生态系统创新性较高情境下,两者相互协作,共同推动高企业数字创新。典型案例:嵌入小米生态链的华米科技。该企业管理者通过市场调研发现用户对睡眠监测、心率预警等健康场景的需求,意识到智能穿戴设备需要从单一功能硬件向健康数据服务平台转型,提前布局生物传感技术与健康数据算法研发,凭借差异化认知抢占细分市场。
认知—生态交互型(H2)。在H2中,管理者认知灵活性、数字资源协同能力、生态系统丰富度、生态系统创新性为核心条件存在,数字感知能力为可有可无的条件,该路径能够解释36.3%的案例。该组态表明:在数字平台生态系统丰富度和生态系统创新性较高的情境下,认知灵活的管理者与参与者企业数字资源协同能力相结合,能够有效促进企业高数字创新。本文将其归纳为“认知—生态交互型”,如图3所示。
图3 认知-生态交互型高数字创新组态
Fig. 3 Cognition-ecosystem interactive configuration of high digital innovation
当企业嵌入的数字平台生态系统丰富度和生态系统创新性均较高时,说明数字平台既拥有异质性数字资源、多元参与主体和广泛的用户基础,又具备完善的数字基础设施和前沿数字技术及理念。一方面,参与者企业能够从数字平台中获取异质性数字资源和多方合作机会;另一方面,数字平台为参与者企业营造的数字创新环境与氛围能够激发企业数字创新活力,引领创新方向。此情境下,认知灵活的管理者与数字资源协同能力构成参与者企业数字创新的关键驱动要素。
面对数字平台内海量信息与复杂协作关系,认知灵活的管理者能够快速锁定与企业战略契合的数字创新机会,进而动态调整创新战略、资源配置模式以及组织架构等,并运用灵活的认知框架化解创新协同过程中可能存在的矛盾,保障数字创新顺利推进。同时,企业借助数字资源协同能力打通“数据孤岛”,整合互补性关键资源,实现数字平台资源共建共享及数字技术优化迭代,持续推进数字创新。该路径高度契合复杂适应系统理论内核,即适应性主体通过与其他主体及环境动态交互,持续调整认知框架与行为策略,进而实现适应性进化。典型案例:海尔智家。早期海尔智家聚焦家电硬件智能化,随后管理者意识到家电行业需要从硬件功能升级向场景化生态服务转型,进而提出智慧家庭生态构建战略。依托卡奥斯工业互联网平台,海尔智家凭借数字资源协同能力整合供应链与用户使用数据,并联动第三方开发者与服务商等,通过多主体数字创新实现场景化生态服务模式转型。
进一步对比“认知—机会驱动型”和“认知—生态交互型”两类高数字创新组态,具体结果如表5所示。
表5 高数字创新组态定性差异比较结果
Table 5 Comparison of qualitative differences among configurations of high digital innovation
项目 认知—机会驱动型(H1)认知—生态交互型(H2)驱动机制机会识别—决策敏捷生态共生—价值共创 特点机会导向该路径强调认知驱动数字机会精准识别和利用生态导向该路径强调生态协同持续推进数字创新优势及局限优势:对于初创企业或数字创新试错阶段,无需深厚资源积累,就能通过机会响应快速破局局限性:第一,高度依赖管理者的认知能力。若管理者认知僵化,即便数字感知能力识别出关键机会信号,没有匹配的创新战略,也无法实现高数字创新。第二,因数字平台丰富度不足,同质化资源易导致长期创新陷入“机会枯竭”,企业难持续突破优势:企业能够通过生态协同分摊成本、攻克技术难关,实现复杂全面的数字创新突破局限性:第一,对数字平台丰富度和创新性要求较高,否则企业将面临创新思路受限、资源获取不足、技术支撑乏力等困境,难以实现高数字创新。第二,参与者企业对数字平台依赖度较高,可能导致数字平台利用不对称权力侵占参与者企业数字创新的价值空间适应范围适用于初创企业或者进入数字创新领域的初期,以机会捕捉速度打开市场缺口,快速验证创新,实现单点突破适用于有一定数字创新经验的成熟企业或进入数字创新领域中后期,借生态协同整合资源,进一步攻克重资源、高技术门槛的创新难题 总结企业需结合发展阶段、资源禀赋,匹配平台环境与领域特性,精准选路,实现数字创新突破
3.3.2 非高企业数字创新组态分析
表4显示,致使非高数字创新结果产生的组态路径有3条,具体分析如下:
(1)认知—能力缺失型(NH1a)。在NH1a中,管理者认知灵活性为核心条件缺失,数字感知能力为辅助条件缺失,数字资源协同能力、生态系统丰富度、生态系统创新性均为可有可无的条件,该路径能解释41.7%的案例。该组态表明,当管理者认知灵活性和企业数字感知能力不足时,数字创新机会识别与落地双重受阻,企业会陷入“想创新但既无思路、又无方法”的困境。由此,本文将其归纳为“认知—能力缺失型”,如图4所示。
图4 认知—能力缺失型非高数字创新组态
Fig.4 Cognition-capability-deficient configuration of non-high-level digital innovation
(2)认知缺失型(NH1b和NH1c)。在NH1b中,管理者认知灵活性为核心条件缺失,生态系统丰富度为辅助条件存在,该路径能够解释48.5%的案例。该组态表明,即使参与者企业嵌入的数字平台生态系统丰富度较高,但管理者认知灵活性缺失可能导致企业难以整合利用数字平台资源,最终阻碍数字创新。在NH1c中,管理者认知灵活性为核心条件缺失,生态系统创新性为辅助条件存在,该路径能够解释46.3%的案例。该组态表明,即使参与者企业嵌入的数字平台创新性较高,管理者认知灵活性缺失可能导致企业难以识别平台内涌现的数字创新机遇,进而无法实施数字创新战略。总体来看,两条路径均因管理者认知灵活性核心缺失,导致数字平台价值(生态系统丰富度/创新性)难以被有效转化为创新动能,本质上是认知短板制约生态协同。由此,本文将其归纳为“认知—缺失型”,如图5所示。
图5 认知—缺失型非高数字创新
Fig.5 Cognition-deficient non-high-level digital innovation
进一步对比“认知—能力缺失型”和“认知缺失型”两类非高数字创新组态,具体结果如表6所示。
表6 非高数字创新组态定性差异比较结果
Table 6 Comparison of qualitative differences in non-high-digital innovation configurations
项目 认知—能力缺失型(NH1a)认知缺失型(NH1b)认知缺失型(NH1c)组态条件～管理者认知灵活性～数字感知能力～管理者认知灵活性*生态系统丰富度～管理者认知灵活性*生态系统创新性影响机制管理者认知灵活性与数字感知能力双重缺失,从而无法有效识别数字创新机会管理者认知灵活性缺失情境下,即使企业嵌入到丰富度较高的平台生态系统中,也会因管理者认知局限无法充分利用平台异质性资源、制定适配数字创新战略管理者认知灵活性缺失情境下,即使企业嵌入到创新度较高的平台生态系统中,也会因管理者认知局限而无法快速识别数字创新契机,响应数字创新需求。难以借势平台生态的创新属性实现数字创新突破特点机会识别与决策能力不足,对生态系统依赖度较低管理者认知的决定性作用,对生态系统依赖度较高总结管理者认知灵活性是这两类组态中共同的关键缺失因素,凸显了管理者认知灵活性在企业数字创新中的基础性作用,其他条件的单一优势难以替代其在数字创新中的核心驱动作用
参考已有研究,本文通过调整频数阈值和一致性阈值进行稳健性检验,结果如表7所示。首先,将频数阈值由2分别调整为1和3时,高数字创新组态保持一致,非高数字创新与原组态基本保持一致。其次,将一致性标准分别调整为0.85与0.75时,高数字创新组态和非高数字创新组态保持一致。
表7 数字创新组态稳健性检验结果
Table 7 Robustness test results of digital innovation configurations
变量非高数字创新案例阈值为1P1aP1bP1cP1d案例阈值为3 P3aP3bP3c管理者认知灵活性数字感知能力数字资源协同能力●生态系统丰富度●●生态系统创新性●● 一致性0.8450.8810.8560.8810.9120.8560.882 原始覆盖度0.4170.4490.4850.4630.3040.4850.462 唯一覆盖度0.0220.0060.0190.0100.0250.0620.056 总体一致性0.8260.844 总体覆盖度0.6090.592
本文基于复杂适应系统理论,构建“管理者认知—组织能力—生态系统特征”理论框架,采用模糊集定性比较分析方法(fsQCA)检验管理者认知灵活性、数字感知能力、数字资源协同能力、生态系统丰富度、生态系统创新性5个关键影响因素对生态参与者企业数字创新的组态效应。结果表明:①任一单个前因条件均不构成产生生态参与者企业高数字创新的必要条件;②识别出两条组态路径,构成“认知—机会驱动型”“认知—生态交互型”两类实现生态参与者企业高数字创新的组态;③识别出3条组态路径,构成“认知—能力缺失型”“认知缺失型”两类导致生态参与者企业非高数字创新的组态。
(1)基于生态参与者视角,揭示参与者企业数字创新的关键前因和作用机理,弥补了相关研究的不足。数字创新是动态交互的复杂创新过程,与平台企业相比,多数参与者企业数字资源薄弱,缺乏资源控制和配置能力,更依赖数字平台的基础设施和资源,通过多主体协同实现数字创新。然而,现有研究尚未对参与者企业进行探究。数字创新既是参与者企业提升自身竞争力、扭转边缘生态位的关键,也是挖掘数字平台资源,激发数字平台生态系统价值涌现的重要力量。鉴于参与者企业数字创新的独特情境和重要性,本文基于复杂适应系统理论探究参与者企业数字创新机制路径,积极响应了刘洋等[1]基于参与者视角利用数字平台实现创新的研究呼吁。
(2)不同于已有研究关注单一影响因素与企业数字创新间的线性关联,本文基于复杂适应系统理论,从微观、中观、宏观3个层面构建“管理者认知—组织能力—生态系统特征”三维整合分析框架。该框架将管理者认知灵活性与数字感知能力、数字资源协同能力、生态系统丰富度与生态系统创新性纳入分析体系,系统剖析多因素联动协同对参与者企业数字创新的驱动机制,不仅明晰了参与者企业数字创新的多维实现路径,也响应了张玲等[18]采用模糊集定性比较分析方法,为数字创新理论研究和实践发展作出贡献的研究呼吁。
(3)既有研究模糊数字平台特征差异,将其视为企业获取外部资源与建立合作关系的渠道。事实上,数字平台生态系统丰富度和生态系统创新性在参与者企业数字资源整合、关系网络嵌入及创新方向定位等关键环节发挥重要作用,但现有研究未充分关注平台生态系统特征差异对参与者企业创新行为的影响。因此,本文将数字平台丰富度与创新性特征纳入研究体系,将研究视角拓展至生态系统层面,为理解平台生态系统特征与企业创新能力的关系提供新的视角及分析框架。
(1)企业需要构建管理者认知水平提升机制。在高数字创新的两条组态路径中,管理者认知灵活性作为核心要素与其他条件协同耦合,催生出“认知—机会驱动型”“认知—生态交互型”两类组态,成为驱动企业数字创新的核心力量。因此,企业需要将管理者认知灵活性培养纳入战略能力建设范畴,将其作为驱动数字创新的“抓手”。首先,管理者可选择3～5家数字创新标杆企业,围绕数字创新场景,如用户需求数字化洞察、跨组织技术协同等开展调研,了解不同企业在数字创新领域的实践举措及应对策略,学习前沿管理理念和数字技术,洞悉最新行业趋势,从中提炼可复用的认知框架。其次,管理者需要积极参加数字创新、智能决策等数字前沿论坛,与实践经验丰富的企业和项目负责人组建联合创新小组,通过参与实际数字创新项目积累经验,强化对复杂情境的认知与应对能力。
(2)数字平台需要营造协同创新环境,破除参与者企业数字创新壁垒。首先,由行业协会联合标杆企业,构建开放式数字创新生态平台,吸引多元创新主体加入,通过整合行业内闲置算力、开源算法库及数据模型资源,为数字基础薄弱的参与者企业提供普惠性创新工具包,降低企业技术接入门槛,促进创新资源跨主体流动。其次,营造试错容错的制度环境。一方面,设立创新实验区,鼓励参与者企业联合开展数字技术开发与模式探索活动;另一方面,设立数字创新专项基金,对未达预期但具有技术价值的项目给予资源倾斜和专家团队协助。最后,鼓励数字平台内企业组建数字创新联盟,通过签订标准化协同协议明确各方在技术研发、数据共享、市场开拓中的权责利,构建风险共担、收益共享的长效合作机制。
本文存在以下不足:第一,研究样本中私营企业和小微企业占比较高,可能影响结论普适性,未来可扩大样本范围,纳入更多企业样本。第二,生态系统层面仅探讨了数字平台生态系统丰富度和生态系统创新性对参与者企业数字创新的影响,未来可进一步拓展至平台治理领域,如探讨规则制定、利益分配、信任机制等对参与者企业数字创新的影响。
[1] 刘洋, 董久钰, 魏江, 等. 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.
[2] CHEN J J, MAI S, LIU Y Y. Industrial internet platform ecosystem embeddedness and enterprise business model innovation[J].Finance Research Letters, 2025,80(9):107359.
[3] 赵潜, 赵陈芳. 平台生态嵌入度与企业绿色技术创新——基于信号传递的分析[J].科技进步与对策, 2024,41(10):78-88.
[4] 赵宏霞, 王梦娟, 王国涛, 等. 工业互联网平台生态嵌入对参与企业探索式创新绩效的影响[J].科技进步与对策, 2022,39(15):89-98.
[5] 阮添舜, 屈蓉, 顾颖, 等. 数字平台生态系统下企业何以实现数字创新[J].科技进步与对策, 2023,40(23):82-91.
[6] 邢新朋, 鲍菁铭, 关昊, 等. 专精特新企业与非专精特新企业数字创新多重组态路径研究[J].科技进步与对策, 2025, 42(4): 140-149.
[7] ROUNDY P T,BRADSHAW M,BROCKMAN B K.The emergence of entrepreneurial ecosystems:a complex adaptive systems approach[J].Journal of Business Research,2018,86(4):1-10.
[8] GIROD S J G,WHITTINGTON R. Change escalation processes and complex adaptive systems: from incremental reconfigurations to discontinuous restructuring[J].Organization Science, 2015, 26(5): 1520-1535.
[9] DATTÉE B, ALEXY O, AUTIO E. Maneuvering in poor visibility: how firms play the eco system game when uncertainty is high[J].Academy of Management Journal, 2018, 61(2):466-498.
[10] 王新新, 张佳佳. 价值涌现: 平台生态系统价值创造的新逻辑[J].经济管理, 2021, 43(2): 188-208.
[11] 张明超, 孙新波, 刘剑桥. 工业互联网平台赋能制造企业数字价值链运行——基于海尔卡奥斯的案例研究[J].外国经济与管理, 2025, 47(5): 118-136.
[12] 赵富强, 高依晨, 陈耘, 等. 认知灵活性对再创业意愿的影响: 创业韧性、成功预期与社会支持的作用[J].科技进步与对策, 2022, 39(19): 1-11.
[13] 应倩滢, 陈衍泰. 数字化新情境下高管认知对产品创新的影响[J].科研管理, 2023, 44(3): 167-178.
[14] 易加斌, 张梓仪, 杨小平, 等. 互联网企业组织惯性、数字化能力与商业模式创新[J].南开管理评论, 2022, 25(5): 29-40.
[15] MEI L, ZHANG T, CHEN J. Exploring the effects of inter-firm linkages on SMEs' open innovation from an ecosystem perspective: an empirical study of Chinese manufacturing SMEs[J].Technological Forecasting and Social Change, 2019, 144(6): 118-128.
[16] JACOBIDES M G, CENNAMO C, GAWER A. Towards a theory of ecosystems[J].Strategic Management Journal, 2018, 39(8): 2255-2276.
[17] PANICO C, CENNAMO C. User preferences and strategic interactions in platform ecosystems[J].Strategic Management Journal, 2022, 43(3): 507-529.
[18] 张玲, 杨建君. 数字创新: 内涵、理论框架与未来研究[J].科技进步与对策,2025,42(19):153-160.