How Digital Platform Ecosystem Embedding Drives Servitization through the Transformation and Utilization of Data Elements: A Hybrid Approach Based on SEM and ANN

Ye Baosheng1, Hu Antao2, Zhang Zhengang3,4

(1. College of Economics and Management, Fujian Agriculture and Forestry University, Fuzhou 350002, China;2. School of Business Administration, Jiangxi University of Finance and Economics, Nanchang 330032, China;3. School of Business Administration, South China University of Technology;4. Guangzhou Institute of Digital Innovation, South China University of Technology, Guangzhou 510640, China)

Abstract：Driven by the “Cloud Adoption, Data Utilization, and Intelligence Empowerment” policy, manufacturing enterprises are increasingly embedding themselves into digital platform ecosystems. Manufacturing servitization enables firms to shift from product- to service-oriented strategies by incorporating service elements such as R&D, design, information services, and logistics. It plays a crucial role in enhancing product competitiveness, strengthening overall capabilities, and promoting the transformation, upgrading, and high-quality development of manufacturing. Thus, unlike existing research that primarily focuses on platform-leading firms, this study shifts attention to manufacturing firms as platform participants and investigates how digital platform ecosystem embedding facilitates servitization. Grounded in the logic of “resource allocation-resource transformation-value enhancement”, this study introduces two types of data element utilization—stabilizing-type and pioneering-type—as key mechanisms of resource transformation. A hybrid methodological approach combining Partial Least Squares - Structural Equation Modeling (PLS-SEM) and Artificial Neural Networks (ANN) is employed for empirical analysis. PLS-SEM is used to assess the linear relationships and test the theoretical model, while ANN is employed to capture the nonlinear relationships and enhance the model’s predictive accuracy.

The PLS-SEM results reveal the following: (1) the direct effect of digital platform ecosystem embedding on servitization is not significant unless CEO digital support is high; (2) both stabilizing-type and pioneering-type data element utilization mediate the relationship between digital platform embedding and servitization, with the latter showing a stronger mediating effect and a significant chain mediation pathway; (3) CEO digital support positively moderates the mediation via stabilizing-type utilization, negatively moderates the mediation via pioneering-type utilization, and overall strengthens the chain mediation effect.

Further, the ANN analysis employs a multilayer perceptron (MLP) architecture with a feed-forward backpropagation algorithm, trained using tenfold cross-validation to ensure model robustness and avoid overfitting. This method is particularly effective in capturing non-linear relationships between the variables. The analysis reveals that pioneering-type data element utilization is the most critical predictor of servitization, followed by digital platform ecosystem embedding, stabilizing-type data element utilization, and CEO digital support. The combined approach allows for a deeper understanding of both compensatory and non-compensatory interactions between variables, offering a more robust and nuanced analysis of the factors driving servitization in manufacturing firms.

Theoretically, this study challenges the traditional view that digital platform ecosystem embedding directly drives servitization. By focusing on platform participants, it explores the indirect effects of platform embedding through stabilizing-type and pioneering-type data element utilization, filling a gap in the literature on how non-leading firms, especially SMEs, leverage platform ecosystems for servitization. This study also integrates CEO digital support into the servitization framework, highlighting its moderating role in enhancing the impact of data element utilization. Furthermore, it distinguishes between two types of data element utilization(stabilizing and pioneering),and reveals their chain mediation effect, providing a deeper understanding of how data element utilization drives servitization in digital platform ecosystems. By combining both internal leadership and external platform resources, this research offers new theoretical insights into the digital servitization process, enriching our understanding of how these factors interact to enable servitization.

Practically, the findings suggest that manufacturing firms should not only embed into digital platform ecosystems but also leverage both stabilizing adjustments and pioneering innovations in data utilization to enhance servitization. Furthermore, CEO digital support plays a crucial role in facilitating the transition, and firms should balance the CEO's involvement in stabilizing and pioneering efforts to optimize service-oriented transformation.

Key Words：Data Elements; Digital Platform Ecosystem Embedding;Manufacturing Servitization; CEO Digital Support;A Hybrid Approach

收稿日期：2025-07-31

修回日期：2025-12-25

基金项目：国家社会科学基金青年项目(25CGL088)

作者简介：叶宝升(1994—),男,福建泉州人,博士,福建农林大学经济与管理学院讲师、硕士生导师,研究方向为数字化转型、创新管理;户安涛(1994—),男,江西九江人,博士,江西财经大学工商管理学院讲师,研究方向为数字创新;张振刚(1963—),男,广东南海人,博士,华南理工大学工商管理学院教授、博士生导师,广州数字创新研究中心主任,研究方向为数字经济、创新管理。

通讯作者：户安涛。

DOI：10.6049/kjjbydc.D10N202507184

开放科学(资源服务)标识码(OSID)：

中图分类号：F49

文献标识码：A

文章编号：1001-7348(2026)09-0012-13

0 引言

党的二十届三中全会提出,聚焦重点环节分领域推进生产性服务业高质量发展,发展产业互联网平台,推进生产性服务业融合发展。制造企业服务化作为制造业与生产性服务业深度融合的重要体现,通过整合研发设计、信息服务、物流等服务要素,从产品导向转向服务导向,不断提升产品竞争力、增强综合实力、实现高质量发展。近年来我国制造企业服务化成效显著,然而与发达国家相比仍有差距,服务收入占比偏低、高端服务能力不足等问题制约企业转型升级,如何更好地推动制造企业服务化成为一个重要问题。

工业互联网平台被视为服务化的重要推动力和赋能者[1],其为企业搭建开放共享的资源整合平台,并提供技术工具,提升效率,促进企业与客户互动,助力企业从以产品为中心转向服务导向型。尽管已有研究揭示数字平台如何支撑制造企业服务化,但既有研究仍存在三方面不足:一是研究重点关注数字技术对服务化的作用[2-4],指出数字平台的重要作用[5],但多关注领先的平台主导者,对其他传统制造企业作为平台参与者[6-7],通过嵌入数字平台并从中获得服务化收益的关注有限。例如美的构建了美擎工业互联网平台,成为平台主导者,另有一些企业则通过嵌入该平台成为平台参与者,利用平台资源和技术工具提升服务化能力,实现从传统制造企业向服务导向型企业的转变。二是现有研究表明,数字平台可以提高组织效率、增强企业敏捷性、促进数字化转型[5, 8],但这并不意味着嵌入数字平台即可,企业还需展开相应行为,例如数据要素应用[9-10]。特别是平台参与者依赖平台外部生态资源,需进行能力建设以实现服务化。三是已有文献多强调外部平台资源重要性[11],而对企业内部关键因素[12],特别是CEO数字化支持作用的关注不足。作为战略转型的关键推动者,CEO的数字化支持会影响企业对平台资源的吸收与转化,进而影响服务化成效。综上,缺乏探讨平台参与企业的服务化路径,同时,忽视数据要素应用,易导致嵌入数字平台生态的企业无法通过精准行动提升服务化能力。此外,忽视内部关键因素,如CEO数字化支持,可能低估企业内部领导力在这一转型过程中的作用。基于此,本研究聚焦作为平台参与者的制造企业,探讨数字平台生态嵌入如何推动服务化。

基于“资源配置—资源转化—价值提升”逻辑,本研究引入稳定调整型和开拓创造型数据要素转化利用作为关键变量,分析外部数字平台生态嵌入如何通过两类数据要素转化利用推动制造企业服务化,探究CEO数字化支持的调节作用,致力于探究:数字平台生态嵌入如何影响制造企业服务化,稳定调整型和开拓创造型数据要素转化利用在这一过程中是否起到传导作用?CEO数字化支持如何影响数字平台生态嵌入通过数据要素转化利用促进制造企业服务化?

1 文献综述

1.1 概念界定

数字平台生态嵌入是指企业融入数字平台生态系统,与生态内其他参与者高度连通与协同,借助优势互补与互惠共生,实现资源共享与利用以及生态效应最大化的过程[6]。CEO数字化支持是指CEO制定并带领企业贯彻执行数字化转型方案[13],以推动企业数字化发展,提高企业竞争力。本研究认为在服务化中,制造企业既需要关注外部数字平台的生态嵌入,又需要内部CEO的支持。数字平台生态嵌入在由价值链转向价值网的过程中成为服务化的关键力量,而面临的服务化挑战已从单一企业内部的资源整合转向多主体、多维度的生态协同。数字平台打破传统价值链局限,构建了由平台所有者、互补者、供应商和用户组成的开放价值网络,企业通过嵌入平台实现协同创新和服务增值,CEO数字化支持则扮演辅助角色。综上,本研究在构建模型时,将采用数字平台生态嵌入为“主”、CEO数字化支持为“辅”的逻辑。

借鉴资源编排理论[14]以及参考相关文献[9],本研究将数据要素转化利用划分为稳定调整和开拓创造两种类型。其中,稳定调整型侧重于“拿来主义”[9],是指企业在保持既有数据要素结构基本稳定的前提下,对新获取的数据要素进行简单整合与配置,主要通过沿用原有数据结构体系来吸纳外部数据要素,或在原有结构基础上进行有限扩展。开拓创造型侧重于“二次创新”[9],是指对数据要素进行创造性加工、组合以产生新数据要素结构的行为,强调数据要素的创造性组合以形成新价值创造能力。

服务化是指制造企业基于自身产品,利用操作性资源(如知识、技能)以满足顾客需求的行为或活动。Chen等[15]认为,以产品为导向的服务旨在支持基本产品功能,而以顾客为导向的服务往往是定制化的,并涉及与客户的密切互动。本研究中的服务化涵盖上述两种情境。产品导向服务化是指制造企业通过提供与其产品相关的一系列服务以满足客户在产品使用、维护和升级方面的需求;顾客导向服务化是指制造企业将顾客需求作为关键战略,开展以满足和超越客户期望为目标的服务。

1.2 研究述评

近年来,关于数字化与服务化交叉领域的研究逐渐增多[11, 12],并聚焦数字技术在服务化中的作用[12, 16]。这一新兴研究领域被概括为“数字服务化”[17],定义为利用数字技术支持企业从产品导向转变为服务导向的商业模式转型[18]。目前,数字服务化研究主要沿着技术与组织两个方向展开:一是技术视角强调通过新兴数字技术推动服务创新和价值创造。该视角下的研究主要关注如何利用工业4.0、云计算、人工智能等技术,实现服务数字化与智能化,如通过监测、控制、优化和自主运作功能形成“智能产品—服务—软件系统”[19]。Gao等[20]发现,数字化转型能够显著提升中小制造企业生产效率和创新能力,从而促进服务化转型;Trabert等[3]则通过传感器技术应用,验证了中小企业在数字服务化方面的实践路径。这些研究表明,数字技术为服务创新提供了技术基础与数据支撑,是驱动制造企业服务化升级的重要推动力。二是从组织视角,数字服务化不仅仅是技术应用结果,更是企业组织层面的系统性变革[18]。企业需借助数字技术从以产品为中心的商业逻辑转向以服务为核心的价值创造模式,这一转型过程涉及战略更新、组织流程再造、跨部门协同以及能力重构。这不仅需要具有数据管理能力,而且依赖于企业在高度不确定性下的战略判断与组织协调力[21]。

学者们日益关注到数字平台在数字服务化中的关键作用。作为一种更为复杂的数字技术形态,数字平台不仅仅是资源与服务的整合载体,更是推动企业内部能力重构与外部生态协同的重要基础设施[7]。特别是工业服务平台被认为与企业服务能力、价值创造水平密切相关[22]。研究显示,数字平台能力构建与利用是企业实现数字服务化的核心前提[23]。然而,这种能力并非自发形成,而是需要嵌入企业组织结构与战略导向中才能转化为可持续竞争优势[24]。尽管已有文献在一定程度上揭示数字平台如何为服务化提供技术支撑与资源协调,但仍存在三方面的研究不足,亟待进一步深化:

(1)过度聚焦平台主导者,忽视参与者的数字平台生态嵌入对服务化的影响。现有研究揭示制造企业通过构建或主导数字平台实现服务化转型的路径[5],涵盖服务化过渡阶段[25]、演变过程[26]以及平台对服务创新的支持作用[11],强调在平台生态系统中实现价值共创的可能性。然而,这些文献大多建立在企业具备主导或自建数字平台能力的前提下,探讨它们如何通过数字平台推动服务化转型[11, 16, 27]。在实际的数字平台生态系统中,更多的传统制造企业尤其是中小企业,并非平台主导者或拥有者,而是以参与者身份嵌入平台生态,借助平台生态获取资源、能力与服务协同的可能性。尽管平台能力作为一种高阶的动态能力在数字服务化中被广泛关注[28],但相关文献对“数字平台生态嵌入”作为一种生态位行为与企业外部连接的研究仍显不足[6]。这使得对非主导企业如何借助平台生态嵌入实现服务化的认知相对模糊,尤其是其嵌入行为如何引导数据要素转化利用以推动服务化,尚缺乏系统性理论分析与实证检验[12]。

(2)数据要素转化利用的中介机制缺乏系统性探讨。随着数字技术普及,数据要素已成为推动企业服务化的关键驱动力量[17]。现有研究主要探究数据要素市场分级授权机制[29]、赋能新质生产力的影响效应[30]等,但对企业如何利用并通过何种方式整合数据要素以促进企业服务化仍显不足[31]。尤其是在数字平台生态中,企业嵌入平台后如何转化利用平台内外部数据要素以实现从产品逻辑向服务逻辑的转变[32],这些尚未形成清晰的中介机制模型。

(3)忽视内部关键因素的共同作用。虽然已有研究表明,数字平台生态嵌入能够提高企业资源整合效率[6, 32],但这些研究多集中于平台外部作用,忽略企业内部关键因素,尤其是CEO数字化支持的影响。CEO作为企业战略转型的核心决策者,其数字化支持不仅影响企业对外部平台资源的识别与吸收能力,而且在很大程度上决定企业能否将平台价值有效转化为服务创新能力[16]。因此,忽视内部关键因素与外部平台作用的联合效应,可能低估企业实现服务化的潜力。

2 研究框架

资源编排理论强调,资源本身并不能直接带来竞争优势,而是通过动态整合与有效利用实现价值创造[14]。Sirmon等[14]将资源编排细分为资源结构化、资源捆绑化和资源杠杆化三个过程,系统揭示了从资源获取到产出的逻辑。基于此理论,在借鉴相关文献的基础上[6],本文提出“资源配置—资源转化—价值创造”的分析框架,强调资源配置是资源转化的基础,而资源转化则是实现价值创造的途径:

(1)资源配置环节,数字平台生态系统打破企业边界,促进跨行业资源整合[33]。制造企业通过平台嵌入实现外部资源共享与优化配置,为服务化奠定基础。

(2)资源转化环节,企业需要对获取的数据要素进行转化利用[34]。数字平台上已经拥有现成的服务化模式,企业可直接利用。如果要创新服务化模式,制造企业需要重新组合现有数据要素,形成新服务化模式。制造企业主要实施稳定调整型和开拓创造型两类数据要素转化利用行为,其中,稳定调整型侧重直接利用,对数字平台中获取的数据要素进行重新组合的程度较浅;开拓创造型则侧重于“二次创新”,对数字平台中获取的数据要素进行重新组合的程度较深。通过稳定调整型转化利用“量”的积累,也可以促进开拓创造型转化利用“质”的飞跃。

(3)价值创造环节,制造企业通过上述两类数据要素转化利用,突破内部资源约束,实现服务化价值创造。

(4)CEO数字化支持也是资源配置的一个重要内容,CEO借助领导力和战略决策能力影响企业资源整合与配置。在数字生态系统构建中,企业服务化依赖于外部数字平台资源的整合,数字平台生态嵌入(外部)成为推动服务化的主导因素,CEO数字化支持(内部)通过强化内部协调,辅助外部资源转化与利用,发挥调节作用。

2.1 数字平台生态嵌入与制造企业服务化

遵循“资源配置—价值创造”的分析逻辑:首先,数字平台生态系统建立在有效利用数字技术和开发数据资源的基础上,制造企业通过数字平台生态嵌入能够高效链接用户,及时获取用户需求与痛点,挖掘潜在用户需求,推动企业提出以客户需求为导向的整体解决方案,促进制造企业服务化。其次,制造企业实现数字平台生态嵌入,为其在更大范围内动态整合各项资源提供可能性。制造企业以低成本、多渠道方式,获取和整合跨地域、跨行业资源,有效打破传统资源的储量限制,提高资源配置效率。其中,异质性和互补性资源能激发企业创新[8],探索多种资源组合机会,拓展服务范围。因此,本研究提出:

H1:数字平台生态嵌入与制造企业服务化正相关。

2.2 数据要素转化利用的平行与链式中介作用

依据“资源配置—资源转化”的分析逻辑:一是数字平台生态嵌入为制造企业提供了丰富的数据要素,使得企业可以直接利用这些数据要素灵活匹配市场需求,实现制造企业服务化。二是数字平台生态嵌入不仅为制造企业提供丰富的数据要素,而且为企业创新提供了基础。制造企业在嵌入数字平台生态后,可以通过整合数据要素进行二次创新,开发新服务化模式,通过与生态内其他参与者(如平台拥有者、用户、供应商、互补者等)的紧密合作,加速技术交流与合作创新。这种跨组织协作有助于企业利用外部先进技术与创新思维,形成新数据要素结构。

遵循“资源转化—价值创造”的分析逻辑:一是稳定调整型数据要素转化利用强调的是在不改变数据要素结构的基础上,对收集到的数据进行简单调整或直接应用。这种方式允许制造企业直接应用数字平台上的服务化模式,快速实现资源配置与响应,减少创新开发过程的复杂性。通过这种方式,企业能够借助数字平台现有资源,通过快速的客户响应机制提升客户效用和感知价值,从而有效促进服务化转型。二是开拓创造型数据要素转化利用强调通过对数据要素的“二次创新”,创造新的数据结构和服务模式。这种创新驱动的转化方式有助于制造企业开发出新服务产品、迭代现有产品、拓展市场空间和细分市场,进一步推动制造企业服务化转型[35]。两种类型的数据要素转化利用在推动制造企业服务化中,一个侧重于提高效率与响应速度,另一个侧重于创新与扩展市场。

遵循“资源配置—资源转化—价值创造”的分析逻辑:企业进行数字平台生态嵌入是为获取数据要素、进行资源配置,而两种类型的数据要素转化利用是在此资源配置下开展的资源转化行动,最终在数据要素转化利用下推动制造企业服务化发展,实现价值创造。基于此,本研究提出如下假设:

H2a:稳定调整型数据要素转化利用在数字平台生态嵌入与制造企业服务化中起中介作用;

H2b:开拓创造型数据要素转化利用在数字平台生态嵌入与制造企业服务化中起中介作用。

基于假设H2a与H2b,随着稳定调整型数据要素转化利用逐渐成熟,制造企业会逐步积累丰富的数据要素,这为开拓创造型数据要素转化利用提供了坚实的基础。由于制造企业通过稳定调整型数据要素转化利用积累了足够的市场经验和资源认知,有助于将这些数据要素重新组合、进行二次创新,形成新数据结构,促进开拓创造型数据要素转化利用。开拓创造型数据要素转化利用强调创新驱动,企业在掌握现有数据要素基础上通过进一步挖掘数据要素潜力,利用新方法、新技术进行重组,进而开辟新市场机会,推动服务升级。通过这一创新过程,制造企业不仅能够在现有市场中获取更多竞争优势,而且能拓展至新兴领域,推动更高层次的服务化。因此,稳定调整型数据要素转化利用与开拓创造型数据要素转化利用之间的转化,实际上是制造企业由“直接利用”(量的积累)向“二次创新”(质的飞跃)迈进的过程。基于此,本研究提出假设:

H2c:稳定调整型与开拓创造型数据要素转化利用在数字平台生态嵌入与制造企业服务化中起链式中介作用。

2.3 CEO数字化支持的四种调节作用

鉴于数字平台生态嵌入与CEO数字化支持水平均较高的内外协同型能够产生较好的数字化转型效果,本研究认为尽管数字平台生态嵌入在推动制造企业服务化中起到主导作用,但离不开CEO数字化支持的辅助作用。在数字化情景下,服务化通常被视作一种组织变革,并将数字平台生态嵌入置于服务化转型的重要战略地位,倡导实施战略变革与数字平台生态系统协同演进策略[36]。制造企业在实施数字平台生态嵌入的过程中,会面临技术集成、战略规划、人才培养和管理变革等挑战。CEO作为企业的“一把手”,其为制造企业数字化发展的“背书”能够发挥结构性权力和领导作用[13],提升数字平台生态嵌入的战略性地位,推动制造企业服务化转型。基于此,本研究提出如下假设:

H3:CEO数字化支持正向调节数字平台生态嵌入与服务化关系,即CEO数字化支持程度越高,数字平台生态嵌入与制造企业服务化的关系越显著。

CEO数字化支持作为关键的内部推动力量[13],当其支持水平较高时,制造企业在数字平台生态嵌入过程中能够制定并执行与平台生态资源相匹配的数字化战略,快速推动企业内部资源的有效配置,从而提升企业对稳定调整型数据要素的转化利用效率,更好地满足客户需求,推动制造企业服务化发展。同时,开拓创造型数据要素转化利用强调创新和二次开发[9],往往需要企业具备更高的数字化能力和创新能力。CEO数字化支持可提供必要的战略指导、技术投入和资源调配[13],从而增强企业嵌入数字平台生态后的数据创新与应用能力。当CEO数字化支持水平较高时,易激发制造企业嵌入数字平台生态后对平台数据要素的再创新,推动开拓创造型数据要素转化利用,开辟更多服务化机会,促进服务化发展。

制造企业数字化转型过程中,稳定调整型数据要素转化利用有助于企业构建资源整合与市场响应能力,而开拓创造型数据要素转化利用则进一步助力企业提升创新与服务化能力。CEO数字化支持通过促进嵌入数字平台生态的制造企业更好地整合外部数据要素,从而提升稳定调整型数据要素转化利用效率,并为进一步的创新应用奠定基础。当CEO高度支持数字化时,嵌入数字平台生态的企业不仅能够高效利用现有数据要素,而且通过数据要素积累促进从稳定调整型向开拓创造型的转化利用,推动形成更具创新性和差异化的服务化路径。因此,CEO数字化支持通过强化数字平台生态嵌入对稳定调整型数据要素转化利用的正向作用,进一步放大了“数字平台生态嵌入—稳定调整型转化利用—开拓创造型转化利用—服务化提升”的链式传导效应。基于此,本研究提出如下假设:

H4a:CEO数字化支持通过正向调节数字平台生态嵌入与稳定调整型数据要素转化利用关系,进而促进制造企业服务化;

H4b:CEO数字化支持通过正向调节数字平台生态嵌入与开拓创造型数据要素转化利用关系,进而促进制造企业服务化;

H4c:CEO数字化支持通过正向调节数字平台生态嵌入与稳定调整型数据要素转化利用的关系,进而促进开拓创造型数据要素转化利用以更好地推动制造企业服务化。

综上,本文构建概念模型见图1。

3 研究设计

3.1 变量测量

变量测量在参考已有文献的基础上结合研究重点与实际情境进行了修订,从而使得题项能够准确反映测量变量的概念内涵。修订后进行了预调研,通过数据分析以检验题项是否可靠。本研究发现制造企业服务化的产品导向服务化、顾客导向服务化分别利用3个题项测量的因子载荷值较高。因此,正式调研时分别利用3个题项测量产品导向服务化与顾客导向服务化,其他变量测量则通过调整部分表述以更符合概念内涵。所有变量测量采用反映性指标,而非构成潜变量本身。

数字平台生态嵌入借鉴王炳成等[6]研究,稳定调整型与开拓创造型数据要素转化利用参考张振刚等[9]研究。数据作为一种生产要素,其重要性不断凸显,本研究统一表述成数据要素并特指进入生产环节的数据资源。产品导向服务化与顾客导向服务化参考Chen等[15]研究,CEO数字化支持借鉴张振刚等[13]研究。为了降低可能存在的替代性解释,本研究除利用“资源配置—资源转化—价值创造”逻辑形成模型外,还控制了企业性质、企业规模、产业类型、企业年龄等相关变量影响。

3.2 数据收集

本研究样本为已嵌入数字平台生态系统中的制造企业。借鉴相关文献[6],在问卷卷首处设置“贵公司是否嵌入到数字平台生态系统中(非主导建设)”,只有回答“是”的问卷才被纳入分析。最终,得到有效问卷286份,样本情况见表1。

3.3 研究方法

本研究采用偏最小二乘法的结构方程模型(PLS-SEM)进行估计,分析工具为Smart PLS 3,制造企业服务化(产品导向服务化、顾客导向服务化)测量则采用二阶模型。这是因为偏最小二乘法结构方程能够更方便地处理二阶模型[37]。为进一步提升解释力与预测能力,本研究引入人工神经网络(Artificial Neural Network, ANN)作为补充分析方法,而PLS-SEM生成的潜变量分数能够更好地进行ANN分析。ANN属于一种非参数的机器学习技术,具备强大的非线性建模能力,能够在无需预设变量关系的前提下识别复杂的输入与输出关系[38]。

4 实证结果与分析

4.1 测量模型

4.1.1 信效度检验

首先,对测量题项的因子载荷值进行估算。如表2所示,除稳定调整型数据要素转化利用外,其他变量均达到0.7的建议标准,根据Hair等[37]的建议,在保证整体信度与收敛效度良好的前提下,载荷介于0.4～0.7之间的题项仍可保留,因此本文予以保留。其次,评估变量信效度。由表3可以看出,所有变量的组成信度(CR)均符合大于0.7的建议标准[37],所有变量的平均方差萃取量(AVE)也均符合大于0.5的建议标准。表3显示对角线粗体字的AVE开根号值均大于该构面与其他构面的相关系数。本文还采用最新的HTMT(Heterotrait-Monotrait Ratio)比率检验方法作进一步分析[13],结果显示,所有的HTMT值均小于0.9,置信区间均不包含1,表明研究具有较高的区别效度。

4.1.2 共同方法偏差检验

一方面,事前控制主要是隐藏变量解释、随机编排问卷题项,以防止相似变量题项集中出现,从而减少引导填答的可能性。另一方面,事后统计检验加入共同方法偏差因子并比较该因子与原始构面标准化因子负荷量平方的均值[13],原来构面影响的标准化因子负荷量平方的均值(R1)为0.608,而共同方法偏差因子影响的标准化因子负荷量平方的均值(R2)仅为0.012,二者的比值约为51∶1,数值较大,表明共同方法偏差的影响较小。此外,本文采用HARMAN单因子检验,结果显示,未经旋转的第一个因子解释方差为37.904%,低于50%[13]。

4.2 结构模型

4.2.1 直接效应分析

使用方差膨胀因子(VIF)诊断多重共线性问题,分析结果显示,VIF值均低于阈值5[37],即不存在明显的多重共线性问题。如图2所示,在控制相关变量影响且未纳入中介变量时,数字平台生态嵌入对制造企业服务化(β=0.545,SE=0.072,p<0.001)的影响显著,假设H1得证。

4.2.2 中介效应分析

表4报告中介效应检验结果。数据显示,稳定调整型与开拓创造型数据要素转化利用的中介效应显著,95%的置信区间不包含零,即假设H2a与H2b得证。进一步分析表明,与稳定调整型数据要素转化利用的中介效应相比,开拓创造型数据要素转化利用的中介效应更显著(差异值=0.152,SE=0.060,p<0.05)。此外,数字平台生态嵌入还能够通过稳定调整型数据要素转化利用影响开拓创造型数据要素转化利用,从而促进制造企业服务化(链式中介效应=0.040,SE=0.016,p<0.05),即假设H2c得证。

4.2.3 调节效应分析

本研究采用正交化法(Orthogonalizing Approach)构造交互项[37],该方法能够更好地消除共线性问题,提高模型解释性。如图3所示,CEO数字化支持与数字平台生态嵌入交互项对制造企业服务化的回归系数显著为正(β=0.146,SE=0.040,p<0.001),即假设H3得证;CEO数字化支持与数字平台生态嵌入交互项对稳定调整型数据要素转化利用的回归系数也显著为正(β=0.120,SE=0.056,p<0.01),但是CEO数字化支持与数字平台生态嵌入交互项对开拓创造型数据要素转化利用的回归系数显著为负(β=-0.136,SE=0.037,p<0.001)。根据简单斜率图(simple slope plot),如图4所示,在不同水平的调节变量下自变量与因变量关系(回归系数)存在明显差异。

进一步地,为了更好地检验调节作用,依据Hair[37]建议,采用PLS中的F square指标进行分析,具体计算公式为:

(1)

其中,included表示纳入评估交互项;excluded表示剔除交互项。

数据显示,交互项对制造企业服务化、稳定调整型和开拓创造型数据要素转化利用调节作用的实际效应值分别为0.077、0.027和0.056。按照0.005、0.01、0.025分别代表调节作用效应值的小、中、高标准,本研究的三个实际效应值处于较高水平。进一步采用Hayes[39]开发的指标检验调节的中介效应。调节的中介效应(记为ω)可以表示如下:

ω = (a1+a2 DTS)b

(2)

其中,DTS表示调节变量CEO数字化支持(digital transformation support)。

上述方程中,a1是自变量数字平台生态嵌入对中介变量的回归系数,b是中介变量对因变量的回归系数,a2是交互项对中介变量的系数。a2DTS*b代表被调节的中介效应,用于量化调节变量对自变量通过中介变量作用于结果变量的影响效应”[39]。如表5所示,“数字平台生态嵌入→稳定调整型数据要素转化利用→制造企业服务化”的调节中介效应显著(a2DTS*b=0.062,SE=0.025,p<0.05),即假设H4a得证;“数字平台生态嵌入→开拓创造型数据要素转化利用→制造企业服务化”的调节中介效应显著为负(a2DTS*b=-0.119,SE=0.034,p<0.01),即假设H4b未得到实证。CEO数字化支持较高时会降低数字平台生态嵌入通过开拓创造型数据要素转化利用进而促进制造企业服务化的中介效应,但这种降低不会引致中介效应为负或不显著,该中介效应依然显著为正。

被调节的链式中介效应计算公式:

(βAB+βM×AM)×βBC×βCD= βAB×βBC×βCD+βM×AM×βBC×βCD

(3)

其中,βM×A表示CEO数字化支持对自变量与第一个中介变量的调节效应系数,M为调节变量CEO数字化支持,βM×A M×βBC ×βCD则为被调节的链式中介效应值。如表6所示,被调节的链式中介效应显著(βM×AM×βBC ×βCD=0.102,SE=0.048,p<0.05),表明CEO数字化支持显著强化了“数字平台生态嵌入→稳定调整型数据要素转化利用→开拓创造型数据要素转化利用→制造企业服务化”的链式传导效应,故假设H4c得证。具体而言,当CEO数字化支持较高时,链式中介效应显著为正(效应值=0.069,SE=0.033,p<0.05);但当CEO数字化支持较低时,链式中介效应显著为负(效应值=-0.032,SE=0.016,p<0.05)。这表明当CEO数字化支持较低时,数字平台生态嵌入通过两种类型数据要素转化利用的链式中介作用,反而不利于制造企业服务化。

4.2.4 内生性检验

内生性是指自变量与因变量的误差项存在相关性,即自变量与因变量残差不独立的情况。这违反了统计学中自变量与因变量残差相互独立的基本假设,容易造成估计结果的不一致性[40]。高斯耦合变量的内生性检验采用耦合变量(copula),允许修正内生性而不需要工具变量[40]。结果显示,纳入copula耦合变量的系数均不显著,表明本研究受到内生性影响较小,研究结果具有稳定性。

4.3 人工神经网络分析(ANN)

传统的结构方程模型(PLS-SEM)主要揭示变量之间的线性关系并假设不同变量作用具有可替代性,然而在数字平台生态嵌入制造企业服务化进程中,变量间的交互作用可能更具非线性和非补偿性特征。因此,采用PLS-SEM与ANN相结合的混合方法能够更全面地刻画模型各变量重要性[38]。

在ANN分析中,采用多层感知器(Multilayer Perceptron, MLP)作为神经网络模型,激活函数选用Sigmoid函数,训练算法采用FFBP(feed forward back propagation),并以十倍交叉验证(tenfold cross-validation)方式进行模型训练和验证,以解决潜在的过拟合问题。数据集按照9∶1的比例划分训练集与测试集。模型的拟合效果以均方根误差(Root Mean Squared Error, RMSE)衡量,如表7所示,十倍交叉验证中训练集RMSE均值为0.073,测试集RMSE均值为0.066,误差值整体较小,表明模型具有较高的预测精度。

进一步地,通过敏感性分析(Sensitivity Analysis)评估各输入变量对因变量制造企业服务化的相对重要性。如表8所示,4个变量中开拓创造型数据要素转化利用表现出最高的预测贡献,在所有输入变量中最重要,其后依次为“数字平台生态嵌入”(53.4%)、“稳定调整型数据要素转化利用”(51.1%)和“CEO数字化支持”(49.9%)。

5 结论与讨论

5.1 研究结论

(1)数字平台生态嵌入对制造企业服务化的直接影响效应并不显著(纳入中介变量),但在较高的CEO数字化支持下该直接效应表现显著。其表明,数字平台生态嵌入本身无法直接推动制造企业服务化,企业内部还需要具有较高水平的CEO数字化支持。这也在很大程度上解释了许多制造企业嵌入数字平台生态网络后仍未实现制造企业服务化的原因。

(2)数字平台生态嵌入不仅能够通过稳定调整型数据要素转化利用,而且能通过开拓创造型数据要素转化利用促进制造企业服务化。同时,相比于稳定调整型数据要素转化利用的中介效应,开拓创造型数据要素转化利用的中介效应更显著。此外,数字平台生态嵌入通过稳定调整型数据要素转化利用,促进开拓创造型数据要素转化利用,进而促进制造企业服务化的链式中介效应也显著。这表明嵌入数字平台生态网络中的制造企业面对广泛的数据要素,不能仅仅“直接利用”,还要认真考虑如何将平台数据以及内部数据进行创造性组合,进行“二次创新”,从而产生新知识、新技能,进而为顾客提供新服务。链式中介效应检验结果则进一步揭示开拓创造型的“二次创新”在很大程度上来源于较丰富的稳定调整型数据要素转化利用的积累,即需要有数据要素“量”的积累,才能更好地实现数据要素“质”的飞跃。

(3)CEO数字化支持能够正向调节数字平台生态嵌入通过稳定调整型数据要素转化利用促进制造企业服务化的作用。但是,实证数据结果显示,CEO数字化支持负向调节数字平台生态嵌入通过开拓创造型数据要素转化利用促进制造企业服务化的中介效应。此外,CEO数字化支持正向调节数字平台生态嵌入通过稳定调整型与开拓创造型数据要素转化利用进而影响制造企业服务化的链式中介效应。CEO数字化支持正向调节稳定调整型数据要素转化利用的中介作用,而负向调节开拓创造型数据要素转化利用的中介作用,即两类被调节的中介作用方向相反。这可能是因为:稳定调整型数据要素转化利用通常与优化流程、提高效率等相关,依赖于现有数据要素结构的整合和管理。CEO的数字化支持能够提升嵌入数字平台生态的企业对稳定型数据的有效转化利用,从而促进制造企业服务化。相反,开拓创造型数据要素转化利用需要进行更多的创新、冒险和未知探索。此时,嵌入数字平台的企业无法仅依靠CEO数字化支持通过开拓创造型数据要素转化利用促进制造企业服务化,反而会削弱这一效应,需要其他情境要素的支持。这可能反映出目前企业的CEO数字化支持更多偏向于优化现有业务,而不是支持具有高风险和高创新需求的探索性活动。

(4)ANN结果显示,开拓创造型数据要素转化利用是预测制造企业服务化的重要变量,其后依次为数字平台生态嵌入、稳定调整型数据要素转化利用与CEO数字化支持。这一结果不仅支持了PLS-SEM分析中的中介与调节效应结论,也揭示了非线性关系下各变量的影响力排序。

5.2 研究贡献

(1)从数字平台生态嵌入视角出发,突破其对制造企业服务化具有直接推动作用的传统认知,拓展服务化前因变量的理论解释。相较于现有文献多聚焦具备平台主导能力的企业如何借助平台推动服务化转型[11],本研究关注的是平台参与者。大多数传统制造企业,特别是中小企业,不具备数字化资源和能力来搭建平台。尽管Liu等[7]初步探讨了平台使用者如何借助工业互联网平台实现服务化,但本研究进一步发现数字平台生态嵌入是通过一定变量对制造企业服务化产生影响,并不直接产生作用效应。这一发现打破了数字平台“嵌入即转型”的常规认知,深化了对制造企业服务化前因机制的理解,进一步丰富了平台参与者情境下的服务化理论研究。

(2)从数据要素转化利用逻辑,特别是稳定调整型与开拓创造型中介路径的对比分析,以及稳定调整型与开拓创造型链式中介作用的分析,突破了既有研究对数字平台生态嵌入如何影响制造企业服务化的理解局限。现有文献多从资源整合与资源重构、动态能力与价值共创的角度解释数字平台如何促进制造企业服务化[7-8],忽视了数据作为核心生产要素在其中的转化与利用机制。本研究不仅将稳定调整型与开拓创造型两类数据要素转化路径加以区分,还进一步发现它们在数字平台生态嵌入与服务化之间构成层层递进的链式中介路径。这一机制突破以往“平台生态嵌入即价值释放”的线性认知,细化解释了数字平台生态嵌入如何真正赋能制造企业服务化。

(3)基于内部视角,从CEO数字化支持解释了数字平台生态嵌入对制造企业服务化影响的差异问题,弥补现有研究中对内部因素影响关注的不足。尽管现有研究已初步探讨平台生态嵌入的中介路径,但对于其效应是否受到内部管理能力的影响仍缺乏深入系统的理论与实证分析。本研究从高层管理视角出发,发现CEO数字化支持不仅是数字平台生态嵌入发挥作用的显著调节条件,更是保障稳定调整型数据要素转化机制顺利运转以实现服务化转型的关键变量。尤其值得注意的是,CEO数字化支持能够强化稳定调整型路径的作用,并促进其与开拓创造型路径之间形成链式联动效应。这一发现超越“外部嵌入自动驱动内部转型”的单向逻辑,强调平台嵌入效应的实现需要嵌入企业治理系统中,从而为理解数字平台生态嵌入效应的边界条件提供了新视角与实证证据。

5.3 管理启示

(1)制造企业在嵌入“外部”数字平台生态的同时,也要注重“内部”CEO数字化支持的作用,内外力量的联合作用才能够更好地促进制造企业服务化。外部平台资源仅为制造企业服务化转型提供基础,内部CEO数字化支持同样关键。

(2)制造企业嵌入数字平台生态只是能够连接较多资源,要实现服务化价值提升,还需注重数据要素转化利用。数据要素转化利用不仅需要“直接利用”的稳定调整型数据要素应用以充分利用平台既有服务化模式,还需要进行“二次创新”的开拓型数据要素应用以解决服务创新问题。其中,开拓创造型数据要素转化利用的中介效应更显著且预测服务化的重要性突出,启示制造企业需要投入数据要素的“二次创新”。而链式中介效应启示制造企业通过对大量稳定调整型数据应用的积累,能够从“量”的积累实现“质”的飞跃,推动开拓创造型数据要素转化利用。

(3)权衡CEO数字化支持的作用,既要重视数字平台生态嵌入通过稳定调整型数据要素转化利用促进制造企业服务化的提升作用,又要避免数字平台生态嵌入通过开拓创造型数据要素转化利用对制造企业服务化的负向作用。这就要求CEO在推动企业服务化过程中,合理平衡数字化支持的作用,即在促进稳定调整型数据要素转化利用过程中企业应充分利用CEO的数字化领导优势;而在促进开拓创造型数据要素转化利用过程中,企业应适度放权,鼓励团队的创新和试验精神。

5.4 不足与展望

一是当前研究从单一维度对自变量进行分析可能存在不足,未来可将数字平台生态嵌入作进一步划分,例如划分为依附型嵌入与互补型嵌入等,以更细致地探究数字平台生态嵌入不同维度对制造企业服务化的直接影响与中介机制。二是由于CEO数字化支持对“数字平台生态嵌入—开拓创造型数据要素转化利用—制造企业服务化”中介效应的调节作用与假设相反,未来研究可以尝试纳入组织创新文化、技术吸收能力等企业内部重要情境变量进行深入探究。

参考文献：

[1] AHMED T,KOWALKOWSKI C J I M M.The new industry playbook: digital service innovation in multi-platform ecosystems [J/OL].Journal of Enterprise Information Management,1-30[2025-05-01].https://www.emerald.com/jeim/article/doi/10.1108/JEIM-05-2024-0240/1252272/The-new-industry-playbook-digital-service.

[2] HARRMANN L K, EGGERT A, BÖHM E. Digital technology usage as a driver of servitization paths in manufacturing industries[J].European Journal of Marketing, 2023, 57(3): 834-857.

[3] TRABERT T,DOERR L,LEHMANN C.The struggle of sensor-based digital servitization: analysis and perspectives for organizational digital transformation in SMEs [J].European Journal of Innovation Management, 2023, 27(9): 52-72.

[4] BABALOLA E O,WU B, FOSU E,et al.Exploring whether digital technologies ameliorate firms'servitization: the moderating role of organizational slack and research and development intensity [J].Journal of Manufacturing Technology Management, 2025, 36(2): 334-357.

[5] TIAN J,COREYNEN W,MATTHYSSENS P,et al.Platform-based servitization and business model adaptation by established manufacturers [J].Technovation,2022, 118:102222.

[6] 王炳成, 孙玉馨, 张士强, 等. 数字平台生态嵌入对商业模式创新的影响研究——基于资源编排理论的视角 [J].研究与发展管理, 2024, 36(2): 101-112.

[7] LIU Y, ZHANG J Z, JASIMUDDIN S, et al. Exploring servitization and digital transformation of manufacturing enterprises: evidence from an industrial internet platform in China [J].International Journal of Production Research, 2024, 62(8): 2812-2831.

[8] 崔祥民,王淑雯.数字平台如何通过联动效应实现高质量创业——基于NCA与fsQCA方法的混合研究[J].科技进步与对策,2025,42(20):53-63.

[9] 张振刚, 叶宝升, 户安涛,等. 制造企业如何整合数据资源赋能产品创新绩效——组织间计算型与关系型信任的作用[J].科学学研究, 2024, 42(3):649-659.

[10] 孙大明, 胡苏敏, 朱天一, 等. 工业互联网平台如何驱动新质生产力发展——基于数据要素视角 [J].科技进步与对策, 2025, 42(3): 38-49.

[11] CENAMOR J, SJÖDIN 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.

[12] COREYNEN W,MATTHYSSENS P,VANDERSTRAETEN J,et al.Unravelling the internal and external drivers of digital servitization:a dynamic capabilities and contingency perspective on firm strategy [J].Industrial Marketing Management,2020,89:265-277.

[13] 张振刚, 叶宝升, 户安涛, 等. 制造企业如何形成大数据能力赋能产品创新绩效——CEO威胁认知与数字化支持行为的视角 [J].研究与发展管理, 2023, 35(6): 19-31.

[14] 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.

[15] CHEN M, PU X, ZHANG M, et al. Data analytics capability and servitization: the moderated mediation role of bricolage and innovation orientation [J].International Journal of Operations &Production Management, 2022, 42(4): 440-470.

[16] KOHTAMKI M, PARIDA V, PATEL P C, et al. The relationship between digitalization and servitization: the role of servitization in capturing the financial potential of digitalization [J].Technological Forecasting &Social Change, 2020, 151: 119804.

[17] SMANIA G S, AYALA N F, COREYNEN W, et al. Data-related tensions in digital servitization ecosystems: a systematic literature review [J].Industrial Marketing Management, 2024, 123: 31-48.

[18] TRONVOLL B, SKLYAR A, SÖRHAMMAR D, et al. Transformational shifts through digital servitization [J].Industrial Marketing Management, 2020, 89: 293-305.

[19] PAIOLA M, GEBAUER H. Internet of Things technologies, digital servitization and business model innovation in BtoB manufacturing firms [J].Industrial Marketing Management, 2020, 89: 245-264.

[20] GAO J, ZHANG W, GUAN T, et al. Influence of digital transformation on the servitization level of manufacturing SMEs from static and dynamic perspectives [J].International Journal of Information Management, 2023, 73: 102645.

[21] YE B, HU A, ZHANG Z, et al. Unlocking the potential of digital transformation in manufacturing firms: the importance of technology-strategy fit and resource integration for service enhancement [J].Asian Business &Management, 2025, 24(4): 652-684.

[22] ELORANTA V, ARDOLINO M, SACCANI N. A complexity management approach to servitization: the role of digital platforms [J].International Journal of Operations &Production Management, 2021, 41(5): 622-644.

[23] STRUWE S, SLEPNIOV D. Unlocking digital servitization: a conceptualization of value co-creation capabilities [J].Journal of Business Research, 2023, 160: 113825.

[24] WANG Y, TIAN Q, LI X, et al. Different roles, different strokes: how to leverage two types of digital platform capabilities to fuel service innovation [J].Journal of Business Research, 2022, 144: 1121-1128.

[25] FU W, ZHANG M, ZHAO X, et al. Interplay between servitization and platforms: a longitudinal case study [J].International Journal of Operations &Production Management, 2022, 42(4): 471-499.

[26] JOVANOVIC M, SJÖDIN D, PARIDA V. Co-evolution of platform architecture, platform services, and platform governance: expanding the platform value of industrial digital platforms [J].Technovation, 2022, 118: 102218.

[27] PARIDA V, BURSTRÖM T, VISNJIC I, et al. Orchestrating industrial ecosystem in circular economy: a two-stage transformation model for large manufacturing companies [J].Journal of Business Research, 2019, 101: 715-725.

[28] 马鸿佳,王春蕾,陈欣.数字平台能力对中小制造企业数字化转型绩效的影响研究[J/OL].管理学报,1-9[2025-05-16].http://kns.cnki.net/kcms/detail/42.1725.C.20250227.1046.002.html.

[29] 戎珂, 刘涛雄, 周迪, 等. 数据要素市场的分级授权机制研究 [J].管理工程学报, 2022, 36(6): 15-29.

[30] 李丹, 李旭浦. 数据要素如何赋能企业新质生产力——基于效应分解视角 [J].科技进步与对策, 2025, 42(8): 1-12.

[31] GHASEMAGHAEI M, EBRAHIMI S, HASSANEIN K. Data analytics competency for improving firm decision making performance [J].The Journal of Strategic Information Systems, 2018, 27(1): 101-113.

[32] 赵宏霞, 徐光明, 赵慧娟. 平台生态嵌入、数据治理与参与者企业数字创新绩效 [J].管理学刊, 2023, 36(3): 68-84.

[33] 吴言波, 韩炜, 邵云飞. 数字平台能力、新颖型商业模式创新与新创企业成长 [J].研究与发展管理, 2023, 35(6): 71-84.

[34] 蔡继明, 刘媛, 高宏, 等. 数据要素参与价值创造的途径——基于广义价值论的一般均衡分析 [J].管理世界, 2022, 38(7): 108-121.

[35] VILKAS M, BIKFALVI A, RAULECKAS R, et al. The interplay between product innovation and servitization: the mediating role of digitalization [J].Journal of Business &Industrial Marketing, 2022, 37(11): 2169-2184.

[36] 焦豪, 张睿, 杨季枫. 数字经济情境下企业战略选择与数字平台生态系统构建——基于共演视角的案例研究 [J].管理世界, 2023, 39(12): 201-229.

[37] HAIR JR J F, HULT G T M, RINGLE C M, et al. A primer on partial least squares structural equation modeling (PLS-SEM) [M].Thousand Oaks, California:Sage Publications, 2017.

[38] LEONG L Y, HEW T S, OOI K B, et al. An SEM-ANN approach-guidelines in information systems research[J].Journal of Computer Information Systems, 2025, 65(6): 706-737.

[39] HAYES A F. An index and test of linear moderated mediation [J].Multivariate Behavioral Research, 2015, 50(1): 1-22.

[40] PARK S, GUPTA S. Handling endogenous regressors by joint estimation using copulas [J].Marketing Science, 2012, 31(4): 567-586.

(责任编辑：胡俊健)