大数据资源对制造企业数字化转型绩效的影响研究

摘要/Abstract

摘要：

数字经济时代下,制造企业利用大数据资源促进数字化转型已经成为必然选择,并逐渐成为研究热点。本文运用Mplus8.0 软件通过结构方程模型方法(SEM),以427家制造企业为样本,结合动态能力理论和组织惯例理论,对制造企业大数据资源、数字动态能力、组织惯例更新与数字化转型绩效之间的影响展开研究。实证结果表明:大数据资源、数字动态能力的3个子维度:数字感知能力、数字利用能力和数字重构能力以及组织惯例更新都正向影响数字化转型绩效;数字利用能力、数字重构能力和组织惯例更新分别对大数据资源与数字化转型绩效关系具有中介效应;数字动态能力和组织惯例更新对大数据资源与数字化转型绩效关系具有链式中介效应。本文将在理论上拓展数字化情境下大数据资源对数字化转型绩效的影响研究,推动从动态能力理论和组织惯例理论研究数字化转型的理论探索;在实践上有助于指导制造企业在动态环境下借助大数据资源,提升数字动态能力,加快组织惯例更新,进而实现数字化转型。

关键词: 大数据资源, 数字动态能力, 组织惯例更新, 数字化转型

Abstract:

Digital transformation is the inevitable trend of the survival and development of manufacturing enterprises in the era of industry 4.0. In recent years, Chinese enterprises have been actively exploring the road of digital transformation, especially under the impact of the novel coronavirus pandemic, have accelerated the process of digital transformation. However, the overall digital transformation performance of Chinese enterprises is not satisfactory. According to the resource-based theory, the different competitive advantages and performance of enterprises depend on how they use resources to form unique core competence, thus influencing organizational behavior to improve performance. Specifically, by analyzing and utilizing big data resources, enterprises can more comprehensively and deeply capture the market environment and the potential demand of consumers. Although big data resources provide opportunities for enterprises' digital transformation, how to use big data resources to improve the performance of digital transformation is still a challenge.

Although scholars have done some research on big data resources and digital transformation, there are still some shortcomings in the current research results. First, the intermediate mechanism of the impact of the lack of big data resources on the performance of digital transformation; The second is the lack of research on the impact of organizational change in the process of digital transformation. Based on this, this study combines dynamic capability theory and organizational convention theory, and based on the practical background of manufacturing enterprises' digital transformation, builds a theoretical model of "big data resource-digital dynamic capability-organizational convention renewal - digital transformation performance", carries out an empirical study on the relationship between the four, and further defines the influence mechanism of big data resources on digital transformation performance.

In this study, the questionnaire Star platform was selected for investigation, the industry of the enterprise was limited to the manufacturing industry, and the positions of the personnel were middle and senior managers. The data collection period consisted of two stages: the first stage was from February 8, 2022 to February 22, 2022, and 302 questionnaires were collected; The second stage is from August 6 to August 20, 2022. 204 questionnaires were collected, and 506 questionnaires were collected in the two stages. After eliminating non-existent fake enterprises, short filling time and obvious similarity questionnaires, 427 valid questionnaires were obtained. Mplus8.0 software was used to conduct empirical research through structural equation modeling (SEM).

The study finds that: (1) Three sub-dimensions of big data resources and digital dynamic capabilities: Digital perception capability, digital utilization capability, digital reconstruction capability and organizational convention update all have positive effects on the digital transformation performance. (2) Digital utilization capability, digital reconstruction capability and organizational convention update have mediating effects on the relationship between big data resources and digital transformation performance respectively. (3) Digital dynamic capability and organizational routine updating have a chain-mediated effect on the relationship between big data resources and digital transformation performance.

This study will theoretically expand the research on the chain-mediated mechanism of big data resources on the performance of digital transformation in the context of digital digitalization, promote the theoretical exploration of digital transformation from the theory of dynamic capability and organizational practice, and further supplement the case study of Jiao Hao et al.^[7]on the realization of digital transformation by data-driven dynamic capability from an empirical perspective. Echoing Hanelt et al.^[9]'s view that digital transformation is an organizational transformation, responding to Verhoef et al.^[2]' s topic of how big data resources promote digital transformation, opening the "black box" in the performance path from big data resources to digital transformation, and providing a new theoretical framework for the study of digital transformation; In practice, it is helpful to guide manufacturing enterprises to use big data resources in the dynamic environment, improve the digital dynamic ability, accelerate the update of organizational practices, and then realize the digital transformation.

Key words: big data resources, digital dynamic capabilities, organizational routines updating, digital transformation

中图分类号:

马鸿佳, 王亚婧. 大数据资源对制造企业数字化转型绩效的影响研究[J]. 科学学研究, 2024, 42(1): 146-157.

MA Hong-jia, WANG Ya-jing. Research on the impact of big data resources on the digital transformation performance of manufacturing enterprises[J]. Studies in Science of Science, 2024, 42(1): 146-157.

图/表 10

参考文献 38

[1]	Warner K S R, Wäger M. Building dynamic capabilities for digital transformation: An ongoing process of strategic renewal[J]. Long Range Planning, 2019, 52(3): 326-349. DOI
[2]	Verhoef P C, Broekhuizen T, Bart Y, et al. Digital transformation: A multidisciplinary reflection and research agenda[J]. Journal of Business Research, 2021, 122: 889-901. DOI URL
[3]	戚聿东, 杜博, 温馨. 国有企业数字化战略变革:使命嵌入与模式选择——基于3家中央企业数字化典型实践的案例研究[J]. 管理世界, 2021, 37(11):137-158,10.
	Qi Y D, Du B, Wen X. Digital strategic transformation of state-owned enterprises: Mission embedding and model selection——A case study based on the typical digital practice of three central enterprises[J]. Management World, 2021, 37(11):137-158,10.
[4]	Li L, Lin J, Ouyang Y, et al. Evaluating the impact of big data analytics usage on the decision-making quality of organizations[J]. Technological Forecasting and Social Change, 2022, 175: 121355. DOI URL
[5]	Matarazzo M, Penco L, Profumo G, et al. Digital transformation and customer value creation in Made in Italy SMEs: A dynamic capabilities perspective[J]. Journal of Business Research, 2021, 123: 642-656. DOI URL
[6]	Chen Y, Luo H, Chen J, et al. Building data-driven dynamic capabilities to arrest knowledge hiding: A knowledge management perspective[J]. Journal of Business Research, 2022, 139: 1138-1154. DOI URL
[7]	焦豪, 杨季枫, 王培暖, 等. 数据驱动的企业动态能力作用机制研究——基于数据全生命周期管理的数字化转型过程分析[J]. 中国工业经济, 2021(11):174-192.
	Jiao H, Yang J F, Wang P N, et al. Research on the dynamic capability mechanism of data-driven enterprises——Analysis of digital transformation process based on data life cycle management[J]. China Industrial Economics, 2021(11):174-192.
[8]	Akter S, Motamarri S, Hani U, et al. Building dynamic service analytics capabilities for the digital marketplace[J]. Journal of Business Research, 2020, 118: 177-188. DOI URL
[9]	Hanelt A, Bohnsack R, Marz D, et al. A systematic review of the literature on digital transformation: Insights and implications for strategy and organizational change[J]. Journal of Management Studies, 2021, 58(5): 1159-1197. DOI URL
[10]	谢康, 夏正豪, 肖静华. 大数据成为现实生产要素的企业实现机制:产品创新视角[J]. 中国工业经济, 2020(5):42-60.
	Xie K, Xia Z H, Xiao J H. Enterprise realization mechanism of big data as real production factors: Product innovation perspective[J]. China Industrial Economics, 2020(5):42-60.
[11]	Suoniemi S, Meyer-Waarden L, Munzel A, et al. Big data and firm performance: The roles of market-directed capabilities and business strategy[J]. Information & Management, 2020, 57(7): 103365. DOI URL
[12]	Cappa F, Oriani R, Peruffo E, et al. Big data for creating and capturing value in the digitalized environment: Unpacking the effects of volume, variety, and veracity on firm performance[J]. Journal of Product Innovation Management, 2021, 38(1): 49-67. DOI URL
[13]	李树文, 罗瑾琏, 胡文安. 从价值交易走向价值共创:创新型企业的价值转型过程研究[J]. 管理世界, 2022, 38(3):125-145.
	Li S W, Luo J L, Hu W A. From value trading to value co-creation: Research on the value transformation process of innovative enterprises[J]. Management World, 2022, 38(3):125-145.
[14]	Wang W Y C, Wang Y. Analytics in the era of big data: The digital transformations and value creation in industrial marketing[J]. Industrial Marketing Management, 2020, 86: 12-15. DOI URL
[15]	Teece D J. Explicating dynamic capabilities: The nature and microfoundations of (sustainable) enterprise performance[J]. Strategic Management Journal, 2007, 28(13): 1319-1350. DOI URL
[16]	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:企业类型的调节效应[J]. 南开管理评论, 2022, 25(5):29-42.
	Yi J B, Zhang Z Y, Yang X P, et al. Organizational inertia, digital capability and business model innovation of Internet enterprises: The moderating effect of enterprise type[J]. Nankai Management Review, 2022, 25(5):29-42.
[17]	Gawer A. Bridging differing perspectives on technological platforms: Toward an integrative framework[J]. Research Policy, 2014, 43(7): 1239-1249. DOI URL
[18]	Ngoasong M Z. Digital entrepreneurship in a resource-scarce context: A focus on entrepreneurial digital competencies[J]. Journal of Small Business and Enterprise Development, 2018, 25(3):483-500. DOI URL
[19]	Battistella C, De Toni A F, De Zan G, et al. Cultivating business model agility through focused capabilities: A multiple case study[J]. Journal of Business Research, 2017, 73: 65-82. DOI URL
[20]	简兆权, 谭艳霞, 刘念. 大数据分析能力、决策质量与新服务开发绩效关系研究[J]. 管理学报, 2022, 19(5):740-748.
	Jian Z Q, Tan Y X, Liu N. Research on the relationship between big data analysis ability, decision quality and new service development performance[J]. Chinese Journal of Management, 2022, 19(5):740-748.
[21]	Gupta G, Bose I. Digital transformation in entrepreneurial firms through information exchange with operating environment[J]. Information & Management, 2019:103243.
[22]	Li L, Su F, Zhang W, et al. Digital transformation by SME entrepreneurs: A capability perspective[J]. Information Systems Journal, 2018, 28(6): 1129-1157. DOI URL
[23]	Li L. Digital transformation and sustainable performance: The moderating role of market turbulence[J]. Industrial Marketing Management, 2022, 104: 28-37. DOI URL
[24]	Burgelman R A, Floyd S W, Laamanen T, et al. Strategy processes and practices: Dialogues and intersections[J]. Strategic Management Journal, 2018, 39(3): 531-558. DOI URL
[25]	尚航标, 杨学磊, 李卫宁. 战略人力资源管理策略如何影响组织惯例更新——基于员工情感反应视角的解释[J]. 管理世界, 2022, 38(3):162-182.
	Shang H B, Yang X L, Li W N. How strategic human resource management strategy affects organizational routine update: An explanation based on the perspective of employees' emotional response[J]. Management World, 2022, 38(3):162-182.
[26]	Feldman M S, Pentland B T. Reconceptualizing organizational routines as a source of flexibility and change[J]. Administrative Science Quarterly, 2003, 48(1): 94-118. DOI URL
[27]	Lee E, Puranam P. The implementation imperative: Why one should implement even imperfect strategies perfectly[J]. Strategic Management Journal, 2016, 37(8): 1529-1546. DOI URL
[28]	王永伟, 马洁, 吴湘繁, 等. 变革型领导行为、组织学习倾向与组织惯例更新的关系研究[J]. 管理世界, 2012(9):110-119.
	Wang Y W, Ma J, Wu X F, et al. Research on the relationship between transformational leadership behavior, organizational learning tendency and organizational practice update[J]. Management World, 2012(9):110-119.
[29]	Teece D J. Business models, business strategy and innovation[J]. Long Range Planning, 2010, 43(2-3): 172-194. DOI URL
[30]	Volberda H W, Khanagha S, Baden-Fuller C, et al. Strategizing in a digital world: Overcoming cognitive barriers, reconfiguring routines and introducing new organizational forms[J]. Long Range Planning, 2021, 54(5): 102110. DOI URL
[31]	Vial G. Understanding digital transformation: A review and a research agenda[J]. Managing Digital Transformation, 2021: 13-66.
[32]	崔淼, 周晓雪. 数字导向战略更新的前因及实现路径探析:组织忘却学习视角[J]. 科研管理, 2022, 43(4):75-82.
	Cui M, Zhou X X. Analysis on the antecedents and implementation paths of digital-oriented strategy update: The perspective of organizational forgetfulness learning[J]. Research Management, 2022, 43(4):75-82.
[33]	Solem B A A, Kohtamäki M, Parida V, et al. Untangling service design routines for digital servitization: Empirical insights of smart PSS in maritime industry[J]. Journal of Manufacturing Technology Management, 2022, 33(4):717-740. DOI URL
[34]	陶克涛, 张术丹, 赵云辉. 什么决定了政府公共卫生治理绩效?——基于QCA方法的联动效应研究[J]. 管理世界, 2021, 37(5):128-138,156,10.
	Tao K T, Zhang S D, Zhao Y H. What determines the government's public health governance performance? ——Research on linkage effect based on QCA method[J]. Management World, 2021, 37(5):128-138,156,10.
[35]	Mikalef P, Boura M, Lekakos G, et al. Big data analytics and firm performance: Findings from a mixed-method approach[J]. Journal of Business Research, 2019, 98: 261-276. DOI URL
[36]	Gill M, VanBoskirk S. The digital maturity model 4.0[J]. Benchmarks: Digital Transformation Playbook, 2016.
[37]	Chen H, Tian Z. Environmental uncertainty, resource orchestration and digital transformation: A fuzzy-set QCA approach[J]. Journal of Business Research, 2022, 139: 184-193. DOI URL
[38]	Taylor A B, MacKinnon D P, Tein J Y. Tests of the three-path mediated effect[J]. Organizational Research Methods, 2008, 11(2): 241-269. DOI URL

变量	类别	数量	百分比(%)
企业年龄	3年以下	4	0.9
	3-5年	28	6.6
	5-8年	68	15.9
	9-15年	138	32.3
	15年以上	189	44.3
企业规模	20人及以下	3	0.7
	21-300人	177	41.5
	301-1000人	209	48.9
	1001-2000人	26	6.1
	2000人以上	12	2.8
年度营业收入	100万元以下	8	1.9
	100万-300万元	31	7.3
	301万-2000万元	159	37.2
	2001万-4亿元	200	46.8
	4亿元以上	29	6.8
所有制类型	国有企业(含国有控股)	54	12.6
	民营企业	330	77.3
	中外合资	37	8.7
	外商独资	6	1.4
细分行业	轻纺工业	176	41.2
	资源加工业	141	33.0
	机械、电子制造业	110	25.8
企业所在地	东部地区	323	75.6
	中部地区	54	12.6
	西部地区	50	11.7

变量	类别	数量	百分比(%)
企业年龄	3年以下	4	0.9
	3-5年	28	6.6
	5-8年	68	15.9
	9-15年	138	32.3
	15年以上	189	44.3
企业规模	20人及以下	3	0.7
	21-300人	177	41.5
	301-1000人	209	48.9
	1001-2000人	26	6.1
	2000人以上	12	2.8
年度营业收入	100万元以下	8	1.9
	100万-300万元	31	7.3
	301万-2000万元	159	37.2
	2001万-4亿元	200	46.8
	4亿元以上	29	6.8
所有制类型	国有企业(含国有控股)	54	12.6
	民营企业	330	77.3
	中外合资	37	8.7
	外商独资	6	1.4
细分行业	轻纺工业	176	41.2
	资源加工业	141	33.0
	机械、电子制造业	110	25.8
企业所在地	东部地区	323	75.6
	中部地区	54	12.6
	西部地区	50	11.7

变量		测量题项
大数据资源 (Suoniemi等^[11])		1.本企业拥有最先进的大数据IT基础架构。
		2.本企业使用大数据工具来获得竞争优势。
		3.与主要竞争对手相比,本企业收集的数据更多。
		4.本企业分析人员非常擅长识别和使用适当的大数据分析工具。
		5.本企业分析人员能够使用许多不同的大数据分析工具和技术。
		6.本企业分析人员可以被视为大数据分析的专家。
		7.如果本企业减少大数据分析活动,利润将受到损失。
		8.大数据分析的使用提高了本企业满足其客户的能力。
		9.本企业中的大多数人都对基于大数据的结果和建议表示支持。
		10.本企业的高层管理人员对大数据分析持积极态度。
		11.本企业的年度报告和其他出版物重点介绍了我们使用大数据分析来获取核心竞争优势。
		12.本企业最高管理层期望大数据分析可用于支持重要决策。
数字动态能力 (Teece^[15];易加斌等^[16])	数字感知能力	1.本企业能够洞察并识别出具有商业价值的数据源。
		2.本企业能够及时了解外界技术研发或产品生产的最新信息。
		3.本企业能够基于大数据发现市场竞争环境的变化。
		4.本企业能够较为准确的判断自身的数字化水平。
		5.本企业能够根据自身管理能力的强弱匹配数字化改进方案。
	数字利用能力	1.本企业能够利用获取的数字信息进行产品的精准市场定位。
		2.本企业能够利用数字化手段来优化业务流程或资源配置。
		3.本企业能够开展服务和资源的实时动态分析进行柔性调节。
		4.本企业利用数字工具和组件提高了智能决策的效率。
		5.本企业能够利用数字创新实验室、在线社区等渠道进行产品试验。
	数字重构能力	1.本企业能够将数字化转型过程分解为指定数字化项目。
		2.本企业能够对数字化项目的关键流程环节进行协同优化。
		3.本企业业务系统之间有统一的信息交换接口或方式。
		4.本企业能够根据数字化战略需要重新评估和聚合内外部资源。
		5.本企业能够根据合作需要共享组织拥有的内外部信息。
		6.本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。
组织惯例更新 (王永伟等^[28];Mikalef等^[35])		1.本企业员工提出的改善组织数字化转型相关规范的建议能够很快被采纳。
		2.本企业鼓励员工参与到组织数字化转型相关规范的修订过程中。
		3.本企业能够定期考察和评估已有组织数字化转型相关规范的运作效率。
		4.本企业能够及时地为员工提供组织数字化转型相关规范的培训和指导。
		5.本企业员工能够很快地接受并运用组织数字化转型相关规范。
		6.本企业会对组织数字化转型相关规范实施后的效果进行定期的评估。
		7.本企业会主动进行组织数字化转型相关规范的变革以迎接内外部新挑战。
		8.本企业鼓励员工定期提交改善组织数字化转型相关规范的提案。
数字化转型绩效 (Gill和Vanboskirk^[36];Chen和Tian^[37])		1.本企业的竞争战略取决于数字化。
		2.本企业的董事会和高管支持并且积极执行数字化战略。
		3.本企业在组织内部提供数字教育和培训并传达数字愿景。
		4.本企业将适当的资源投入到数字化战略、治理和执行中。
		5.本企业在整个组织中都嵌入了数字化技术。
		6.本企业已经形成了管理数字化流程的惯例。
		7.本企业拥有灵活、协作和迭代的技术开发方式。
		8.本企业利用数字化架构(API、云等)提高了运营速度和灵活性。
		9.本企业使用数字工具提升了员工的创新能力和协作能力。
		10.本企业有明确且可量化的目标来衡量数字战略的成功。
		11.员工了解他们的绩效如何与企业数字化目标相关联。
		12.客户洞察为数字化设计和开发提供了信息并引导数字化战略。

变量		测量题项
大数据资源 (Suoniemi等^[11])		1.本企业拥有最先进的大数据IT基础架构。
		2.本企业使用大数据工具来获得竞争优势。
		3.与主要竞争对手相比,本企业收集的数据更多。
		4.本企业分析人员非常擅长识别和使用适当的大数据分析工具。
		5.本企业分析人员能够使用许多不同的大数据分析工具和技术。
		6.本企业分析人员可以被视为大数据分析的专家。
		7.如果本企业减少大数据分析活动,利润将受到损失。
		8.大数据分析的使用提高了本企业满足其客户的能力。
		9.本企业中的大多数人都对基于大数据的结果和建议表示支持。
		10.本企业的高层管理人员对大数据分析持积极态度。
		11.本企业的年度报告和其他出版物重点介绍了我们使用大数据分析来获取核心竞争优势。
		12.本企业最高管理层期望大数据分析可用于支持重要决策。
数字动态能力 (Teece^[15];易加斌等^[16])	数字感知能力	1.本企业能够洞察并识别出具有商业价值的数据源。
		2.本企业能够及时了解外界技术研发或产品生产的最新信息。
		3.本企业能够基于大数据发现市场竞争环境的变化。
		4.本企业能够较为准确的判断自身的数字化水平。
		5.本企业能够根据自身管理能力的强弱匹配数字化改进方案。
	数字利用能力	1.本企业能够利用获取的数字信息进行产品的精准市场定位。
		2.本企业能够利用数字化手段来优化业务流程或资源配置。
		3.本企业能够开展服务和资源的实时动态分析进行柔性调节。
		4.本企业利用数字工具和组件提高了智能决策的效率。
		5.本企业能够利用数字创新实验室、在线社区等渠道进行产品试验。
	数字重构能力	1.本企业能够将数字化转型过程分解为指定数字化项目。
		2.本企业能够对数字化项目的关键流程环节进行协同优化。
		3.本企业业务系统之间有统一的信息交换接口或方式。
		4.本企业能够根据数字化战略需要重新评估和聚合内外部资源。
		5.本企业能够根据合作需要共享组织拥有的内外部信息。
		6.本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。
组织惯例更新 (王永伟等^[28];Mikalef等^[35])		1.本企业员工提出的改善组织数字化转型相关规范的建议能够很快被采纳。
		2.本企业鼓励员工参与到组织数字化转型相关规范的修订过程中。
		3.本企业能够定期考察和评估已有组织数字化转型相关规范的运作效率。
		4.本企业能够及时地为员工提供组织数字化转型相关规范的培训和指导。
		5.本企业员工能够很快地接受并运用组织数字化转型相关规范。
		6.本企业会对组织数字化转型相关规范实施后的效果进行定期的评估。
		7.本企业会主动进行组织数字化转型相关规范的变革以迎接内外部新挑战。
		8.本企业鼓励员工定期提交改善组织数字化转型相关规范的提案。
数字化转型绩效 (Gill和Vanboskirk^[36];Chen和Tian^[37])		1.本企业的竞争战略取决于数字化。
		2.本企业的董事会和高管支持并且积极执行数字化战略。
		3.本企业在组织内部提供数字教育和培训并传达数字愿景。
		4.本企业将适当的资源投入到数字化战略、治理和执行中。
		5.本企业在整个组织中都嵌入了数字化技术。
		6.本企业已经形成了管理数字化流程的惯例。
		7.本企业拥有灵活、协作和迭代的技术开发方式。
		8.本企业利用数字化架构(API、云等)提高了运营速度和灵活性。
		9.本企业使用数字工具提升了员工的创新能力和协作能力。
		10.本企业有明确且可量化的目标来衡量数字战略的成功。
		11.员工了解他们的绩效如何与企业数字化目标相关联。
		12.客户洞察为数字化设计和开发提供了信息并引导数字化战略。

变量	Alpha	CR	最小因子载荷	AVE
大数据资源	0.957	0.962	0.558	0.679
数字感知能力	0.906	0.913	0.629	0.680
数字利用能力	0.898	0.906	0.636	0.661
数字重构能力	0.929	0.935	0.664	0.708
组织惯例更新	0.948	0.954	0.649	0.723
数字化转型绩效	0.963	0.966	0.584	0.706