艾志紅

【摘要】本文基于TOE理論框架， 采用模糊集定性比較分析方法， 以321家嵌入外部創(chuàng)新生態(tài)系統(tǒng)的制造企業(yè)為研究樣本， 從組態(tài)視角選取“技術—組織—環(huán)境”層面的6個因素， 探討制造企業(yè)數(shù)字化轉(zhuǎn)型的復雜因果機制。研究結果表明： 第一， IT基礎設施建設、 IT業(yè)務拓展能力、 IT前瞻性能力、 探索式學習、 利用式學習、 制度邏輯差異均不構成制造企業(yè)數(shù)字化轉(zhuǎn)型的必要條件。第二， 存在利用式學習為主導的外部環(huán)境驅(qū)動型、 組織雙元學習為主導的能力驅(qū)動型、 能力—組織學習—外部環(huán)境內(nèi)外驅(qū)動型三條制造企業(yè)高數(shù)字化轉(zhuǎn)型驅(qū)動路徑； 低數(shù)字化轉(zhuǎn)型驅(qū)動路徑有兩條， 且與高數(shù)字化轉(zhuǎn)型驅(qū)動路徑存在非對稱關系。第三， 利用式學習作為核心條件出現(xiàn)在高數(shù)字化轉(zhuǎn)型的三條組態(tài)路徑中， 說明利用式學習對制造企業(yè)高數(shù)字化轉(zhuǎn)型具有重要作用。

【關鍵詞】數(shù)字化轉(zhuǎn)型；TOE理論；模糊集定性比較分析；制度邏輯差異

【中圖分類號】 F270? ? ?【文獻標識碼】A? ? ? 【文章編號】1004-0994（2023）17-0145-7

一、 引言

以大數(shù)據(jù)、 人工智能、 云計算等為代表的新一代信息技術全面推動了生產(chǎn)方式、 生活方式和治理方式的數(shù)字化變革， 數(shù)字化轉(zhuǎn)型是推動制造企業(yè)高質(zhì)量發(fā)展的重要舉措， 已成為當下及未來發(fā)展的主要趨勢。然而， 由于數(shù)字化轉(zhuǎn)型極具復雜性和挑戰(zhàn)性， 大多數(shù)企業(yè)均以失敗告終（李晶和曹鈺華，2022）。2022年10月埃森哲正式發(fā)布的《2022中國企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)研究》顯示， 僅有17%的企業(yè)取得了顯著效果。因此， 理論界和實務界越來越關注驅(qū)動制造企業(yè)數(shù)字化轉(zhuǎn)型成功的關鍵因素。

學術界對制造企業(yè)數(shù)字化轉(zhuǎn)型開展了廣泛的研究， 為本文奠定了深厚的理論基礎， 但仍存在以下研究缺口： ①現(xiàn)有研究主要從CEO權力（苑澤明等，2023）、 國際化程度（林立杰和李盼盼，2023）、 信息技術（Vial，2019）、 政府支持（肖靜華，2020）、 合作資源（金珺等，2020）等組織內(nèi)部或外部萃取單一變量分析影響制造企業(yè)數(shù)字化轉(zhuǎn)型的因素及作用機制， 聚焦于單個前因變量與結果變量的簡單線性關系。由于數(shù)字化轉(zhuǎn)型的復雜性， 可能存在多因并發(fā)的復雜因果關系。②已有少數(shù)學者開始關注組織內(nèi)外多重因素聯(lián)動匹配對數(shù)字化轉(zhuǎn)型的驅(qū)動路徑（李晶和曹鈺華，2022）， 但對研究對象沒有考慮情境因素。數(shù)字化轉(zhuǎn)型是企業(yè)為適應外部環(huán)境而采取的一種主動應用信息技術、 獲取外部資源和整合學習的行為。外部環(huán)境差異會影響企業(yè)資源獲取方式及途徑， 需根據(jù)特定情境進行探討， 而現(xiàn)有學者鮮少關注多主體協(xié)作的創(chuàng)新生態(tài)系統(tǒng)這一具體情境。創(chuàng)新生態(tài)系統(tǒng)是由相互連接的創(chuàng)新主體（核心企業(yè)、 科研機構、 政府及其他利益相關者）通過創(chuàng)新來實現(xiàn)價值共創(chuàng)的生態(tài)型組織（Autio和Thomas，2014）。Henfridsson等（2018）認為， 數(shù)字化環(huán)境下的創(chuàng)新生態(tài)系統(tǒng)是動態(tài)的數(shù)字資源網(wǎng)絡， 通過數(shù)字資源的組合創(chuàng)新產(chǎn)生差異化價值?；诖耍?本文以嵌入創(chuàng)新生態(tài)系統(tǒng)的制造企業(yè)為研究對象， 采用“技術—組織—環(huán)境”（TOE）框架， 運用模糊集定性比較分析法（fsQCA）來識別組織內(nèi)外部多因素聯(lián)動協(xié)同對制造企業(yè)數(shù)字化轉(zhuǎn)型的驅(qū)動路徑， 嘗試打開制造企業(yè)數(shù)字化轉(zhuǎn)型的“黑箱”， 以期進一步豐富數(shù)字化環(huán)境下企業(yè)數(shù)字化轉(zhuǎn)型的理論研究。

二、 文獻綜述與模型構建

1. 數(shù)字化轉(zhuǎn)型。Li等（2018）基于技術支撐視角認為， 數(shù)字化轉(zhuǎn)型是信息技術變革促成的轉(zhuǎn)型， 能對一個正常運作的系統(tǒng)造成計劃性數(shù)字沖擊； 肖靜華（2020）基于組織變革視角認為， 數(shù)字化轉(zhuǎn)型是數(shù)字技術與實體經(jīng)濟的深度融合， 是通過新一代信息技術進行業(yè)務升級和管理創(chuàng)新， 提升生產(chǎn)效率。可見， 數(shù)字化轉(zhuǎn)型離不開信息技術的發(fā)展（曾德麟等，2021）。借鑒現(xiàn)有學者的觀點， 本文認為， 制造企業(yè)數(shù)字化轉(zhuǎn)型是企業(yè)運用新一代信息技術適應外部環(huán)境， 通過組織學習融合外部知識實現(xiàn)產(chǎn)品創(chuàng)新和商業(yè)模式創(chuàng)新， 以保持企業(yè)競爭優(yōu)勢。

現(xiàn)有企業(yè)數(shù)字化轉(zhuǎn)型的研究主要聚焦于以下兩點： ①探究數(shù)字化轉(zhuǎn)型的后效。認為數(shù)字化轉(zhuǎn)型是培育世界一流企業(yè)的重要渠道， 因為其對組織結構優(yōu)化（劉政等，2020）、 創(chuàng)新模式迭代更新（Li和Yang，2021）、 新產(chǎn)品開發(fā)績效（池毛毛等，2021）都具有積極的促進作用。②探究數(shù)字化轉(zhuǎn)型的前因。一類研究基于資源基礎觀（Verhoef等，2021）、 組織學習理論（肖靜華，2020）、 動態(tài)能力理論（Waner和Wager，2018）等企業(yè)內(nèi)部視角進行探討； 另一類研究聚焦于競爭環(huán)境加劇（Kohli和Melvillen，2019）、 用戶需求變化（Abrellt等，2016）、 政府引導（馬書琴和李卓異，2020）等企業(yè)外部環(huán)境視角進行探討。學者們從組織內(nèi)外視角萃取出制造企業(yè)數(shù)字化轉(zhuǎn)型的影響因素， 為本文探討組織內(nèi)外不同層面前置要素協(xié)同對數(shù)字化轉(zhuǎn)型的驅(qū)動路徑奠定了堅實的理論基礎。

2. TOE框架與制造企業(yè)數(shù)字化轉(zhuǎn)型。TOE理論是指將技術（technology）、 組織（organization）、 環(huán)境（environment）三個層面的因素置于同一框架來研究三者之間的交互影響， 被廣泛應用于組織的技術整合和采納行為（Tornatzky等，1990）。本文以TOE框架和現(xiàn)有研究成果為基礎， 結合制造企業(yè)數(shù)字化發(fā)展的組織內(nèi)外情境， 確定推動制造企業(yè)數(shù)字化轉(zhuǎn)型的技術、 組織、 環(huán)境3個方面的條件變量。

（1）技術： 信息技術。信息技術（IT）的快速發(fā)展引起諸多學者關注?，F(xiàn)有研究發(fā)現(xiàn)， IT能力為企業(yè)數(shù)字創(chuàng)新活動提供了必要的技術支撐， 是影響制造企業(yè)數(shù)字化轉(zhuǎn)型的關鍵因素（Vial，2019）。IT能力不僅可為企業(yè)提供技術工具和手段， 而且能夠幫助其實現(xiàn)數(shù)字資源化， 通過賦能激活或提升生存與創(chuàng)新能力（高素英等，2021）， 快速實現(xiàn)業(yè)務流程再造和數(shù)字化產(chǎn)品生產(chǎn)?？梢?， 數(shù)字化轉(zhuǎn)型過程離不開IT能力。本文借鑒Lu和Ramamurthy（2011） 的研究， 將IT能力分為IT基礎設施能力、 IT業(yè)務拓展能力和IT前瞻性能力。

IT基礎設施能力是指信息系統(tǒng)、 基礎設施、 技術架構等與企業(yè)數(shù)字化相關的硬件平臺和軟件系統(tǒng)（池毛毛等，2022）， 是制造企業(yè)數(shù)字化轉(zhuǎn)型的物理支撐（Porter和Happelmann，2014）。以大數(shù)據(jù)、 人工智能等為代表的新一代信息技術擁有顛覆性潛能， 改變了傳統(tǒng)的社會互動方式， 用戶形成了在線上積極參與信息分享、 產(chǎn)品建議的偏好（Greenstein等，2013）。良好的IT基礎設施能力有助于企業(yè)及時且低成本地獲取用戶需求偏好和新產(chǎn)品創(chuàng)新靈感從而搶占市場先機（Christensen等，2015）， 還有助于企業(yè)整合組織流程以創(chuàng)造數(shù)字化能力， 進一步幫助企業(yè)與創(chuàng)新生態(tài)系統(tǒng)異質(zhì)性組織者協(xié)同探索機會以實現(xiàn)產(chǎn)品創(chuàng)新。

IT業(yè)務拓展能力是指企業(yè)利用信息技術資源有效支持其業(yè)務目標的能力（Wade和Hulland，2004）， 強調(diào)通過信息技術與傳統(tǒng)業(yè)務的協(xié)同實現(xiàn)各部門間的資源和知識共享。在開放式創(chuàng)新和信息共享的創(chuàng)新生態(tài)系統(tǒng)環(huán)境中， IT業(yè)務拓展能力有助于企業(yè)跨組織邊界獲取系統(tǒng)內(nèi)異質(zhì)性數(shù)字資源和知識資源以實現(xiàn)資源創(chuàng)新組合， 擴大在數(shù)字資源競爭中的不對稱優(yōu)勢。IT業(yè)務拓展能力通過利用信息技術的強鏈接能力增強與外部創(chuàng)新生態(tài)系統(tǒng)異質(zhì)性組織的合作關系， 進行價值再創(chuàng)造， 這不僅有助于為企業(yè)創(chuàng)造核心競爭優(yōu)勢， 而且這種跨越不同領域的信息整合還有助于激發(fā)更多原創(chuàng)性創(chuàng)意。

IT前瞻性能力是指企業(yè)積極主動地探索信息技術， 使企業(yè)能夠快速響應與業(yè)務策略相關的信息和知識需求， 能夠幫助企業(yè)實時了解最新的市場技術發(fā)展方向并及時做出快速決策（Benitez等，2018）。IT前瞻性能力強調(diào)企業(yè)能夠快速識別、 利用信息技術進步和新興技術創(chuàng)新的機會， 前瞻性地探索和利用現(xiàn)有數(shù)字資源來創(chuàng)造商業(yè)機會（高素英等，2021）， 擁有這種能力的組織通過探索外部創(chuàng)新生態(tài)系統(tǒng)異質(zhì)性組織正在運用的信息技術， 能夠準確把握未來技術、 發(fā)展方向并將提前采取行動。

（2）組織： 組織學習。組織學習是企業(yè)對知識的獲取、 消化以及應用的過程， 是重構組織結構、 配置資源的重要決定因素（崔淼等，2020）。外部創(chuàng)新生態(tài)系統(tǒng)擁有豐富的異質(zhì)性知識資源和數(shù)字資源， 是企業(yè)產(chǎn)生差異化價值的要素來源， 但需要企業(yè)通過對知識資源和數(shù)字資源進行甄別、 吸收和轉(zhuǎn)化， 最終形成資源的組合創(chuàng)新（Wade和Hulland，2004）。組織學習理論認為， 組織學習通過獲取、 吸收外部創(chuàng)新網(wǎng)絡的知識并與企業(yè)內(nèi)部知識整合進行知識創(chuàng)新， 強化企業(yè)競爭力， 能幫助企業(yè)適應不斷變化的數(shù)字化環(huán)境， 促進數(shù)字化轉(zhuǎn)型（張林剛等，2022）。本文借鑒March（1991）的研究成果， 將組織學習分為探索式學習和利用式學習。

探索式學習的本質(zhì)是對新知識和新資源的探索獲取， 是企業(yè)采用搜索、 試驗、 嘗試、 發(fā)現(xiàn)和創(chuàng)新等方式對外部新知識和新資源開展學習的行為。外部創(chuàng)新生態(tài)系統(tǒng)擁有豐富的異質(zhì)性知識資源和數(shù)字資源， 企業(yè)通過探索式學習可以實現(xiàn)對新穎性知識的學習和應用。從知識體系構建來看， 探索式學習能夠幫助企業(yè)學習外部創(chuàng)新生態(tài)系統(tǒng)異質(zhì)性組織的新知識和新理念， 搭建新知識體系， 促進新產(chǎn)品開發(fā)； 從企業(yè)能力形成來看， 探索式學習能夠幫助企業(yè)獲取外部創(chuàng)新生態(tài)系統(tǒng)的新知識和新資源， 提高重組轉(zhuǎn)型能力， 以適應數(shù)字時代新環(huán)境的發(fā)展（張林剛等，2022）。

利用式學習的本質(zhì)是對已有知識與技能的直接使用及改造， 是企業(yè)挖掘、 提煉和升華現(xiàn)有知識的學習行為。企業(yè)通過與外部創(chuàng)新生態(tài)系統(tǒng)異質(zhì)性組織的合作， 有利于對比發(fā)現(xiàn)自身的優(yōu)勢與不足， 通過借鑒異質(zhì)性組織在生產(chǎn)流程、 管理制度、 人才培養(yǎng)等方面的做法來解決現(xiàn)在的問題， 即通過利用式學習激活和鞏固現(xiàn)有知識存量， 改善現(xiàn)有技術和流程。從知識體系構建來看， 利用式學習可以幫助企業(yè)學習外部創(chuàng)新生態(tài)系統(tǒng)異質(zhì)性組織的新知識和新理念， 對現(xiàn)有知識體系進行鞏固和改進， 促進對現(xiàn)有技術的改良； 從企業(yè)能力形成來看， 利用式學習可以幫助企業(yè)修正組織的行為和策略， 提高企業(yè)協(xié)調(diào)整合能力， 使企業(yè)更好地適應數(shù)字時代新環(huán)境的變化（Levinthal和March，1993）。

（3）環(huán)境： 制度邏輯差異。新一代信息技術搭建的外部創(chuàng)新生態(tài)系統(tǒng)， 對企業(yè)打破傳統(tǒng)組織邊界而建立非地理鄰近的網(wǎng)絡關系， 以獲取更多與外界聯(lián)動的稀缺知識資源和數(shù)字資源具有關鍵作用。然而， 外部創(chuàng)新生態(tài)系統(tǒng)異質(zhì)性組織之間制度邏輯的不兼容會嚴重影響彼此間的合作（Meye和Hllerer，2010）， 不同的意識形態(tài)和行動方式導致制度邏輯相互沖突， 會阻礙企業(yè)獲取外部創(chuàng)新生態(tài)系統(tǒng)中的數(shù)字資源和知識資源， 一定程度上影響數(shù)字化轉(zhuǎn)型進程。制度邏輯是指能夠約束并塑造組織認知和行為的原則， 包括法律法規(guī)等正式制度和價值觀念等非正式制度， 能夠反映組織行為的價值觀和信仰。在跨部門關系中， 具有差異化的制度邏輯集聚在一起， 形成內(nèi)在沖突， 可能導致合作伙伴關系的不穩(wěn)定， 這種情況被稱為制度邏輯差異（Greenwood等，2011）?，F(xiàn)有研究表明， 不同制度邏輯背景的合作伙伴可能追求著相互沖突的目標， 還可能存在著非對稱的權力關系， 權力更大的企業(yè)試圖通過強制度邏輯替代弱制度邏輯而獲利。因此， 由于制度邏輯差異和組織間權力的不均衡， 即使與異質(zhì)性組織合作能夠為企業(yè)提供更多的稀缺資源， 企業(yè)也可能放棄或終止合作（張睿倩等，2021）。

可見， 嵌入同一創(chuàng)新生態(tài)系統(tǒng)中的異質(zhì)性組織如遵循共同的制度邏輯， 相互間有更高的承諾和信任， 可以加速系統(tǒng)內(nèi)數(shù)字資源與知識資源共享， 形成資源互補、 協(xié)同共生的關系， 實現(xiàn)數(shù)據(jù)驅(qū)動的價值共創(chuàng)（魏江和趙雨菡，2021）。

（4）IT能力、 組織學習、 制度邏輯差異與制造企業(yè)數(shù)字化轉(zhuǎn)型模型構建。IT能力、 組織學習和制度邏輯差異均會影響制造企業(yè)數(shù)字化轉(zhuǎn)型。IT能力幫助企業(yè)快速精確地感知外部創(chuàng)新生態(tài)系統(tǒng)異質(zhì)性組織的制度邏輯差異， 高效地獲取、 整合、 重構外部新穎性知識資源， 將知識資源與外部環(huán)境更好地匹配（單標安等，2022）， 促進制造企業(yè)數(shù)字化轉(zhuǎn)型。組織學習是拓展和積累知識的重要途徑， 企業(yè)通過嵌入外部創(chuàng)新生態(tài)系統(tǒng)， 有利于積累、 拓展全新知識以及深挖原有知識。在數(shù)字化環(huán)境中， 組織學習有利于企業(yè)獲取更深層次、 更全面的IT能力， 為企業(yè)創(chuàng)造新產(chǎn)品、 發(fā)現(xiàn)新市場提供可能性。而制度邏輯差異又反過來促進企業(yè)IT能力和組織學習能力提升， 如外部創(chuàng)新生態(tài)系統(tǒng)異質(zhì)性組織間合作關系和良性互動通過跨層次資源互補和共享， 提高企業(yè)數(shù)字資源水平、 IT能力、 組織學習能力， 從而促進企業(yè)數(shù)字化轉(zhuǎn)型（李晶和曹鈺華，2022）。

本文基于TOE框架， 從技術、 組織和環(huán)境等維度構建制造企業(yè)數(shù)字化轉(zhuǎn)型的理論模型， 如圖1所示。

三、 研究設計

1. 研究方法。fsQCA旨在探究多個前因要素間的非線性復雜關系及對結果要素的組態(tài)影響， 兼具定性研究與定量研究方法的優(yōu)點（Ragin，2009）。由于制造企業(yè)數(shù)字化轉(zhuǎn)型是一個復雜且具有挑戰(zhàn)性的問題， 組織內(nèi)外多個前因要素間可能存在非線性復雜關系， 對數(shù)字化轉(zhuǎn)型的影響可能存在因果的非對稱性。因此， 本文選用fsQCA方法來分析IT基礎設施能力、 IT業(yè)務拓展能力、 IT前瞻性能力、 探索式學習、 利用式學習、 制度邏輯差異如何共同影響制造企業(yè)數(shù)字化轉(zhuǎn)型的復雜作用機制。本文試圖回答以下三個問題： 存在哪些條件組態(tài)以“殊途同歸”的方式促進制造企業(yè)的數(shù)字化轉(zhuǎn)型？哪些條件對制造企業(yè)數(shù)字化轉(zhuǎn)型起著核心作用？數(shù)字化轉(zhuǎn)型路徑中是否存在“多重并發(fā)”現(xiàn)象？

2. 數(shù)據(jù)來源與處理。Andersson等（2002） 基于價值鏈視角將嵌入性分為業(yè)務嵌入和技術嵌入， 其中業(yè)務嵌入強調(diào)異質(zhì)性組織聯(lián)系的緊密程度， 而技術嵌入強調(diào)異質(zhì)性組織在技術研發(fā)過程中的依賴程度。企業(yè)通過與科研機構、 政府、 顧客等利益相關者跨界交流嵌入創(chuàng)新生態(tài)系統(tǒng)， 可以提高價值創(chuàng)造效率。本文以嵌入創(chuàng)新生態(tài)系統(tǒng)的制造企業(yè)為研究對象， 采用調(diào)查問卷方式收集相關數(shù)據(jù)， 調(diào)研對象為制造企業(yè)的中高層管理者。問卷主要通過同門、 同學、 親朋好友等社會關系在各地科技局、 工信局舉辦的企業(yè)培訓現(xiàn)場發(fā)放。參加政府部門組織培訓會的一般為企業(yè)中高層領導， 同時也表明企業(yè)在某種程度已嵌入創(chuàng)新生態(tài)系統(tǒng)， 可以較為精準地回收調(diào)查問卷。整個數(shù)據(jù)收集工作歷時4個月， 從2022年2月28日到2022年5月28日結束， 共發(fā)放問卷405份， 對有缺漏、 信息不完整的問卷進行剔除后， 剩余有效問卷321份， 問卷回收有效率為79.3%， 樣本分布情況如表1所示。

3. 變量測量。本文借鑒國內(nèi)外學者使用并證明有效的度量指標， 根據(jù)實際情況不斷完善， 形成最終量表。在問卷設計中采用李克特5點量表進行評分， 受訪對象根據(jù)企業(yè)實際情況按1 ～ 5進行打分， 1表示不符合， 5表示完全符合。變量測量題項具體來源如下： 數(shù)字化轉(zhuǎn)型的測量借鑒池毛毛等（2021）的研究， 使用企業(yè)正在采用新一代信息技術對現(xiàn)有產(chǎn)品、 服務和流程進行改造升級等4個測量題項。IT能力的測量參考了Lu和Ramamurthy（2011）的研究， IT基礎設施能力使用企業(yè)的信息技術基礎設施建設水平（如服務器和數(shù)據(jù)庫構建， 企業(yè)內(nèi)網(wǎng)的穩(wěn)定性等）較高等3個測量題； IT業(yè)務拓展能力使用企業(yè)制定了利用IT技術支持企業(yè)整體商業(yè)活動的發(fā)展規(guī)劃等3個測量題項； IT前瞻性能力使用企業(yè)不斷與新興IT技術發(fā)展趨勢保持同步等3個測量題項。組織學習的測量參考了Kim（1998）的研究， 探索式學習使用企業(yè)運用全新的、 可能無法在現(xiàn)有市場成功的產(chǎn)品或市場新創(chuàng)意等3個測量題項， 利用式學習使用企業(yè)運用與目前產(chǎn)品經(jīng)驗相一致的新創(chuàng)意等4個測量題項。制度邏輯差異測量參考了梁玲玲等（2022）的研究， 使用企業(yè)與合作伙伴有著相近的企業(yè)文化等3個測量題項。

4. 描述性統(tǒng)計。本文利用SPSS 26.0進行信度和效度檢驗， 檢驗結果如表2所示。各變量的Cronbach' a系數(shù)均大于0.8， 組合信度CR均大于0.9， 說明量表的測量信度較高。同時， 各變量的因子載荷均大于0.6， 且所有變量的平均變異萃取量AVE均大于0.7， 說明變量具有良好的收斂效度。

5. 變量校準。校準是將原始數(shù)據(jù)轉(zhuǎn)為可用于fsQCA分析所需數(shù)據(jù)形式的過程， 本文參考池毛毛等（2020）的做法， 采用分位數(shù)法為校準標準， 選擇條件變量和結果變量的95%、 50%、 5%分位數(shù)值作為“完全隸屬”“交叉點”“完全不隸屬”的判定錨點， 通過fsQCA3.0軟件中的Calibrate函數(shù)對各變量進行校準， 結果如表3所示。

四、 數(shù)據(jù)分析過程

1. 單因素必要性分析。衡量必要條件的重要標準是一致性， 一致性最低值達到0.9以上認定為必要條件。使用fsQCA3.0軟件統(tǒng)計高數(shù)字化轉(zhuǎn)型和低數(shù)字化轉(zhuǎn)型的必要條件， 分析結果如表4所示。由表4可知， 本文所有的前因條件變量的一致性均未達到0.9， 即單個前因條件變量不構成數(shù)字化轉(zhuǎn)型的必要前因。必要性分析結果也反映出制造企業(yè)數(shù)字化轉(zhuǎn)型的復雜性， 技術、 組織及環(huán)境方面的條件變量可能通過組態(tài)方式協(xié)同作用于制造企業(yè)數(shù)字化轉(zhuǎn)型。

2. 多因素組態(tài)充分性分析。在必要性分析后， 運用fsQCA.0設定充分條件閾值構建真值表。本文借鑒杜運周和賈良定（2017）的研究， 將總樣本數(shù)的1%設定為頻數(shù)閾值， 同時， 將原始一致性門檻值設置為0.8， 進行篩選， 樣本數(shù)大于或等于1%且原始一致性大于0.8的邏輯條件組合可保留。此外， 根據(jù)PRI一致性分值進行重新編碼， 當PRI一致性大于或等于0.7時， 保留結果變量1； 當PRI一致性小于0.7時， 將該組合對應的結果變量手動更改為0（Misangyi和Acharya，2014）。分析得到復雜解、 中間解和簡約解， 對中間解和簡約解進行嵌套對比， 得到最終組態(tài)結果， 見表5。

（1）高數(shù)字化轉(zhuǎn)型的組態(tài)分析。表5列示了產(chǎn)生高數(shù)字化轉(zhuǎn)型的組態(tài)分析結果， 清楚地區(qū)分了引發(fā)高數(shù)字化轉(zhuǎn)型的核心條件和邊緣條件， 并有效識別出三種組態(tài)（H1、H2、H3）。三種組態(tài)的一致性指標值分別為0.932、 0.914、 0.907， 說明這三種組態(tài)都是高數(shù)字化轉(zhuǎn)型的充分條件?？傮w解的一致性為0.895， 進一步說明覆蓋絕大部分樣本的三種組態(tài)是高數(shù)字化轉(zhuǎn)型的充分條件； 總體解的覆蓋度為0.513， 說明這三種組態(tài)解釋了約51.3%的高數(shù)字化轉(zhuǎn)型的原因。接下來， 本文進一步對制造企業(yè)高數(shù)字化轉(zhuǎn)型進行組態(tài)分析。

組態(tài)H1： 利用式學習為主導的外部環(huán)境驅(qū)動型。組態(tài)1指出， 利用式學習、 制度邏輯差異同時以核心條件存在， 探索式學習為核心條件缺失， IT基礎設施能力、 IT業(yè)務拓展能力為邊緣條件缺失， 無論IT前瞻性能力是否存在， 制造企業(yè)均可實現(xiàn)高數(shù)字化轉(zhuǎn)型。組態(tài)H1之所以可以實現(xiàn)高數(shù)字化轉(zhuǎn)型， 是因為開展利用式學習的企業(yè)需具備穩(wěn)定的技術、 經(jīng)驗來源， 具有同一制度邏輯的企業(yè)在開展業(yè)務合作、 共同研發(fā)和引進外資等開放式創(chuàng)新活動時具有更強的信任關系， 更有利于增強創(chuàng)新生態(tài)系統(tǒng)異質(zhì)性組織與企業(yè)交流互動和知識分享的意愿。

組態(tài)H2： 組織雙元學習為主導的能力驅(qū)動型。組態(tài)H2指出， IT業(yè)務拓展能力、 探索式學習、 利用式學習同時以核心條件存在， IT基礎設施能力以邊緣條件存在， 制度邏輯差異為邊緣條件缺失， 無論IT前瞻性能力是否存在， 制造企業(yè)均可實現(xiàn)高數(shù)字化轉(zhuǎn)型。組態(tài)H2之所以可以實現(xiàn)高數(shù)字化轉(zhuǎn)型， 是因為雙元學習與其他前因條件的協(xié)同效應均能提高企業(yè)數(shù)字化轉(zhuǎn)型。面對創(chuàng)新加快、 知識更新周期變短等外部壓力， 單純依賴某種學習行為難以滿足企業(yè)所有創(chuàng)新需求。因此， 部分企業(yè)選擇在合作中將有限資源相對均衡地分配給兩種學習行為， 并最終形成探索式學習、 利用式學習雙元學習模式。探索式學習和利用式學習具有互補性， 探索式學習為企業(yè)與外部創(chuàng)新生態(tài)系統(tǒng)組織提供更多合作交流機會， 促使企業(yè)深入了解與學習外部知識， 而利用式學習則有利于企業(yè)發(fā)揮自身競爭優(yōu)勢。此外， IT業(yè)務拓展能力有助于企業(yè)快速利用和管理企業(yè)信息技術資源， 通過管理和利用現(xiàn)有信息技術資源， 整合和協(xié)調(diào)組織內(nèi)其他資源通過雙元學習進行價值創(chuàng)造。在外部創(chuàng)新生態(tài)系統(tǒng)中， IT業(yè)務拓展能力有助于進一步提升企業(yè)獲取和管理外部數(shù)字資源和知識資源的能力， 還能為企業(yè)的數(shù)字產(chǎn)品創(chuàng)新活動和數(shù)字流程創(chuàng)新提供技術、 信息和網(wǎng)絡等資源支持。

組態(tài)H3： 能力—組織學習—外部環(huán)境內(nèi)外驅(qū)動型。組態(tài)H3指出， IT業(yè)務拓展能力、 探索式學習、 利用式學習、 制度邏輯差異同時以核心條件存在， 以IT基礎設施能力、 IT前瞻性能力為邊緣條件存在， 可實現(xiàn)高數(shù)字化轉(zhuǎn)型。組態(tài)H3之所以能實現(xiàn)高數(shù)字化轉(zhuǎn)型， 是因為企業(yè)可通過利用式學習獲取外部創(chuàng)新生態(tài)系統(tǒng)內(nèi)其他組織知識并利用這些知識， 但此類學習方式可能使企業(yè)固步自封， 降低合作意愿。企業(yè)在與外部創(chuàng)新生態(tài)系統(tǒng)中其他組織合作過程中接觸到許多異質(zhì)性知識， 需通過探索式學習將這些異質(zhì)性知識整合并應用于實踐。當創(chuàng)新生態(tài)系統(tǒng)內(nèi)企業(yè)具有同一制度邏輯時， IT業(yè)務拓展能力可通過知識整合豐富企業(yè)知識積累， 幫助其開發(fā)數(shù)字產(chǎn)品， 優(yōu)化數(shù)字流程， 實現(xiàn)數(shù)字化轉(zhuǎn)型。

（2）低數(shù)字化轉(zhuǎn)型的組態(tài)分析。表5還列示了產(chǎn)生低數(shù)字化轉(zhuǎn)型的組態(tài)分析結果， 并有效識別出兩種組態(tài)（N1、N2）。組態(tài)N1表明， 如果將IT業(yè)務拓展能力、 IT前瞻性能力、 探索式學習、 利用式學習、 制度邏輯差異作為核心條件缺失， 會產(chǎn)生低數(shù)字化轉(zhuǎn)型。組態(tài)N2表明， 如果將IT基礎設施能力、 IT前瞻性能力、 探索式學習、 制度邏輯差異作為核心條件缺失， 利用式學習作為邊緣條件缺失， 也會產(chǎn)生低數(shù)字化轉(zhuǎn)型。由表5可知 ， 這兩種組態(tài)的一致性明顯低于高數(shù)字化轉(zhuǎn)型的三種組態(tài)。

3. 穩(wěn)健性檢驗。本文采用調(diào)整一致性閾值進行穩(wěn)健性檢驗， 借鑒杜運周和賈良定（2017）對QCA穩(wěn)健性討論的經(jīng)驗， 將一致性閾值從0.8提升至0.85， 并將樣本閾值從1%提升到1.5%， 進行穩(wěn)健性分析， 其他條件保持不變， 發(fā)現(xiàn)計算結果中組態(tài)路徑保持不變， 本文組態(tài)結果具有良好的穩(wěn)健性。

五、 研究結論與啟示

1. 研究結論。本文基于“技術—組織—環(huán)境”TOE理論框架， 以321家嵌入創(chuàng)新生態(tài)系統(tǒng)的制造業(yè)企業(yè)為研究樣本， 采用fsQCA方法分析了IT基礎設施能力、 IT業(yè)務拓展能力、 IT前瞻性能力、 探索式學習、 利用式學習以及制度邏輯差異對制造企業(yè)數(shù)字化轉(zhuǎn)型的組態(tài)效應， 主要研究結論如下：

（1）制造企業(yè)數(shù)字化轉(zhuǎn)型不存在單一必要條件。fsQCA的必要條件檢驗顯示， 在IT基礎設施能力、 IT業(yè)務拓展能力、 IT前瞻性能力、 探索式學習、 利用式學習、 制度邏輯差異等前因條件中， 沒有任何單一變量是制造企業(yè)數(shù)字化轉(zhuǎn)型的必要條件， 說明在數(shù)字化時代， 制造業(yè)企業(yè)的數(shù)字化轉(zhuǎn)型具有復雜的因果機制， 是技術、 組織及環(huán)境等多重條件協(xié)同交互、 共同作用的結果。

（2）高數(shù)字化轉(zhuǎn)型的前因組態(tài)包括利用式學習為主導的外部環(huán)境驅(qū)動型、 組織雙元學習為主導的能力驅(qū)動型、 能力—組織學習—外部環(huán)境內(nèi)外驅(qū)動型三種路徑。利用式學習為主導的外部環(huán)境驅(qū)動型強調(diào)了利用式學習與制度邏輯差異在制造企業(yè)數(shù)字化轉(zhuǎn)型過程中的共同作用。該類型組態(tài)說明了面對數(shù)字化轉(zhuǎn)型的變革趨勢， 外部創(chuàng)新生態(tài)系統(tǒng)異質(zhì)性組織的同一制度邏輯有助于企業(yè)開展利用式學習， 只有企業(yè)與所處的外部創(chuàng)新生態(tài)系統(tǒng)深度融合與協(xié)調(diào)互動， 才能夠促進制造企業(yè)數(shù)字化轉(zhuǎn)型。組織雙元學習為主導的能力驅(qū)動型強調(diào)了IT業(yè)務拓展能力與組織雙元學習協(xié)同對制造企業(yè)數(shù)字化轉(zhuǎn)型的重要作用。該類型組態(tài)說明了在外部創(chuàng)新生態(tài)系統(tǒng)中， 企業(yè)除了需要IT業(yè)務拓展能力獲取和管理知識資源， 還需要運用組織雙元學習對獲取的外部知識資源進行有效利用。能力—組織學習—外部環(huán)境內(nèi)外驅(qū)動型強調(diào)， 當創(chuàng)新生態(tài)系統(tǒng)內(nèi)企業(yè)具有同一制度邏輯時， IT業(yè)務拓展能力可通過組織雙元學習整合豐富企業(yè)知識積累， 幫助其開發(fā)數(shù)字產(chǎn)品， 優(yōu)化數(shù)字流程， 實現(xiàn)數(shù)字化轉(zhuǎn)型。

2. 啟示。本文研究結果對于制造企業(yè)如何匹配內(nèi)部不同資源和能力以應對外部環(huán)境的多重挑戰(zhàn)并實現(xiàn)數(shù)字化轉(zhuǎn)型提供了重要的理論指導， 具體如下：

（1）制造企業(yè)在實施數(shù)字化轉(zhuǎn)型過程中應重視開發(fā)和構建良好的IT能力， 特別是IT業(yè)務拓展能力。本文的結論表明， IT業(yè)務拓展能力對制造企業(yè)數(shù)字化轉(zhuǎn)型起著積極作用。實踐證明， IT業(yè)務拓展能力可以為企業(yè)的數(shù)字化轉(zhuǎn)型活動提供技術、 信息和網(wǎng)絡等資源的支持。如海爾積極開展開發(fā)信息技術利用能力， 通過HOPE平臺不斷進行產(chǎn)品和流程創(chuàng)新， 并實現(xiàn)了跨越式發(fā)展。

（2）制造企業(yè)在數(shù)字化轉(zhuǎn)型過程中應重視組織學習。 組織學習作為驅(qū)動數(shù)字化轉(zhuǎn)型的驅(qū)動力， 可以讓企業(yè)更好地適應環(huán)境變化。在數(shù)字化時代， 知識更新速度加劇， 企業(yè)需要不斷吸收新知識、 持續(xù)創(chuàng)新以應對復雜激烈的競爭環(huán)境。利用式學習和探索式學習是企業(yè)獲取、 應用外部知識的兩種方式， 能有效促進企業(yè)數(shù)字化創(chuàng)新。企業(yè)通過有效嵌入外部創(chuàng)新生態(tài)系統(tǒng)， 可以獲得更多稀缺知識資源和數(shù)字資源， 通過利用式學習和探索式學習對其進行吸收轉(zhuǎn)化， 最終應用于數(shù)字創(chuàng)新管理實踐中。企業(yè)可以根據(jù)所嵌入外部創(chuàng)新生態(tài)系統(tǒng)的制度邏輯差異， 對利用式學習或探索式學習有所側重。若外部創(chuàng)新生態(tài)系統(tǒng)具有同一制度邏輯差異， 可以將重心放在利用式學習上， 改善現(xiàn)有技術和流程， 通過修正組織行為和策略更好地適應數(shù)字化時代新環(huán)境的變化； 若外部創(chuàng)新生態(tài)系統(tǒng)異質(zhì)性組織制度邏輯差異較大， 則應將重心放在探索式學習上， 著眼于新知識的搜索應用， 通過改變現(xiàn)有組織模型適應數(shù)字化時代新環(huán)境的發(fā)展。

（3）制度邏輯差異會對企業(yè)間合作帶來負效應， 企業(yè)需選擇不同的組織學習方式規(guī)避外部負效應。制造企業(yè)應用信息技術進行數(shù)字化轉(zhuǎn)型跨越了傳統(tǒng)的組織行為邊界， 伴隨著制度邏輯差異帶來的諸多挑戰(zhàn)， 關注制度邏輯差異所帶來的外部負效應， 并匹配不同的組織學習方式規(guī)避負效應對其順利實施數(shù)字化轉(zhuǎn)型至關重要。制造企業(yè)在嵌入外部創(chuàng)新生態(tài)系統(tǒng)過程中， 具有同一制度邏輯的異質(zhì)性組織相互間具有較高的承諾水平， 有利于形成資源互補、 協(xié)同共生的關系， 實現(xiàn)數(shù)據(jù)驅(qū)動的價值共創(chuàng)； 而具有較大制度邏輯差異的異質(zhì)性組織會對合作伙伴關系產(chǎn)生負面影響， 阻礙企業(yè)獲取外部知識資源和數(shù)字資源。因此在管理實踐過程中， 制造企業(yè)管理者應關注所嵌入外部創(chuàng)新生態(tài)系統(tǒng)的制度邏輯差異， 匹配不同的組織學習方式來解決數(shù)字創(chuàng)新活動所面臨的內(nèi)外部制度認同障礙。

【 主 要 參 考 文 獻 】

池毛毛，王俊晶，王偉軍．數(shù)字化轉(zhuǎn)型背景下企業(yè)創(chuàng)新績效的影響機制研究——基于NCA與SEM的混合方法［ J］．科學學研究，2022（2）：319 ～ 331．

池毛毛，葉丁菱，王俊晶等．我國中小制造企業(yè)如何提升新產(chǎn)品開發(fā)績效：基于數(shù)字化賦能的視角［ J］．南開管理評論，2020（3）：63 ～ 75．

崔淼，周曉雪，蔡地．新興市場企業(yè)如何塑造組織韌性——基于路徑構造理論的案例研究［ J］．管理案例研究與評論，2020（6）：646 ～ 657．

杜運周，賈良定．組態(tài)視角與定性比較分析（QCA）：管理學研究的一條新道路［ J］．管理世界，2017（6）：155 ～ 167．

高素英，張燁，金相杉．技術賦能視角下企業(yè)服務生態(tài)系統(tǒng)動態(tài)演化機理研究［ J］．科學學與科學技術管理，2021（4）：104 ～ 126．

金珺，李詩婧，黃亮彬．傳統(tǒng)制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型影響因素研究［ J］．創(chuàng)新科技，2020（6）：22 ～ 34．

李晶，曹鈺華．基于組態(tài)視角的制造企業(yè)數(shù)字化轉(zhuǎn)型驅(qū)動模式研究［ J］．研究與發(fā)展管理，2022（3）：106 ～ 122．

梁玲玲，李燁，陳松．數(shù)字技術驅(qū)動下的企業(yè)開放式創(chuàng)新路徑研究——基于fsQCA方法的組態(tài)效應分析［ J］．科技管理研究，2022（17）：142 ～ 150．

林立杰，李盼盼．國際化程度對企業(yè)數(shù)字化轉(zhuǎn)型的影響［ J］．財會月刊，2023（12）：145 ～ 152．

劉政，姚雨秀，張國勝，匡慧姝．企業(yè)數(shù)字化、專用知識與組織授權［ J］．中國工業(yè)經(jīng)濟，2020（9）：156 ～ 174．

馬書琴，李卓異．我國信息化與工業(yè)化深度融合的影響因素及變化機制分析［ J］．情報科學，2020（6）：38 ～ 43．

單標安，劉曉菊，趙潤萱等．組織能力，組織創(chuàng)新與數(shù)字化轉(zhuǎn)型如何激發(fā)新產(chǎn)品開發(fā)績效？——基于fsQCA的組態(tài)效應研究［ J］．研究與發(fā)展管理，2022（3）：81 ～ 93．

魏江，趙雨菡．數(shù)字創(chuàng)新生態(tài)系統(tǒng)的治理機制［ J］．科學學研究，2021（6）：965 ～ 969．

肖靜華．企業(yè)跨體系數(shù)字化轉(zhuǎn)型與管理適應性變革［ J］．改革，2020（4）：37 ～ 49.

苑澤明，蘆欣媛，李萌等．CEO權力與企業(yè)數(shù)字化轉(zhuǎn)型：促進還是抑制［ J］．財會月刊，2023（12）：153 ～ 160．

張林剛，耿文月，熊焰．組織學習，組織遺忘與企業(yè)數(shù)字化轉(zhuǎn)型［ J］．領導科學，2022（9）：91 ～ 95．

張睿倩，劉昊倬，謝一臻等．虛擬集聚型網(wǎng)絡關系，制度邏輯差異與數(shù)字賦能型企業(yè)成長——基于云計算企業(yè)的研究［ J］．科研管理，2021（8）：92 ～ 101．

Abrellt T.， Pihlajamaa M.， Kantol L.， et al.. The role of users and custo-mers in digital innovation： Insights from B2B manufacturing firms［ J］． Information & Management，2016（3）：324 ～ 335．

Andersson U.， Forsgren M.， Holm U.. The strategic impact of external networks： Subsidiary performance and competence development in the multinational corporation［ J］． Strategic Management Journal，2002（11）：979 ～ 996．

Benitez J.， Llorens J.， Braojos J.. How information technology influences opportunity exploration and exploitation firm's capabilities［ J］． Information & Mana-gement，2018（4）：508 ～ 523．

Christensen C. M.， Raynor M. E.， Mcdonal D. R.. What is disruptive innovation［ J］． Harvard Business Review，2015（12）：44 ～ 53．

Greenstein S.， Lerner J.， Stern S.. Digitization， innovation and copyright： What is the agenda？［ J］． Strategic Organization，2013（1）：110 ～ 121．

Henfridsson O.， Nandhakumar J.， Scarbaough H.， et al.. Recombination in the open-ended value landscape of digital innovation［ J］． Information and Organization，2018（2）：89 ～ 100．

Kohli R.， Melvillen P.. Digital innovation： A review and synthesis［ J］． Information Systems Journal，2019（1）：200 ～ 223．

Li H. J. Yang C.. Digital transformation of manufacturing enterprises［ J］． Procedia Computer Science，2021（4）：24 ～ 29．

Li L.， Su F.， Zhang W.， et al.. Digital transformation by SME entrepreneurs： A capability perspective［ J］． Information Systems Journal，2018（6）：1129 ～ 1157.

Lu Y.， Ramamurthy K. R.. Understanding the link between information technology capability and organizational agility：An empirical examination［ J］． MIS Quarterly，2011（35）：931 ～ 954.

Misangyi V. F.， Acharya A. G.. Substitutes or complements？ A configurational examination of corporate governance mechanisms［ J］． The Academy of Management Journal，2014（6）：1681 ～ 1705.

Porter M. E.，Happelmann J. E.. How smart connected products are transforming competition［ J］． Harvard Business Review，2014（11）：64 ～ 88.

Tornatzky L. G.， Fleischer M.， Eveland J. D.. Technological innovation as a Process［M］． //The Processes of Technological Innovation. Lexington， MA：Le-xington Books，1990．

Verhoef P. C.， Broekhuizen T.， Bart Y.， et al.. Digital transformation： A multidisciplinary reflection and research agenda［ J］． Journal of Business Research，2021（12）：889 ～ 901．

Vial G.. Understanding digital transformation：A review and a research agenda［ J］． Journal of Strategic Information Systems，2019（2）：118 ～ 144．

Wade M.， Hulland J.. Review： The resource-based view and information systems research： Review， extension， and suggestions for future research［ J］． MIS Quarterly，2004（1）：107 ～ 142．

Warner K.， Wager M.. Building dynamic capabilities for digital transformation： An ongoing process of strategic renewal［ J］． Long Range Planning，2018（3）：326 ～ 349．