余菲菲 蔣慶

收稿日期：2022-07-12修回日期：2022-10-09

基金項(xiàng)目：國(guó)家社會(huì)科學(xué)基金一般項(xiàng)目（20BGL008）

作者簡(jiǎn)介：余菲菲（1983-），女，江蘇南京人，博士，河海大學(xué)商學(xué)院教授、博士生導(dǎo)師，研究方向?yàn)榧夹g(shù)創(chuàng)新與戰(zhàn)略管理；蔣慶（2000-），女，四川資陽人，河海大學(xué)商學(xué)院碩士研究生，研究方向?yàn)榧夹g(shù)創(chuàng)新。

摘 要：我國(guó)地方政策鼓勵(lì)企業(yè)數(shù)字化轉(zhuǎn)型，企業(yè)如何實(shí)施數(shù)字化轉(zhuǎn)型成為眾多學(xué)者關(guān)注的問題?；趧?dòng)態(tài)能力理論和環(huán)境適應(yīng)學(xué)派的理論觀點(diǎn)，采用問卷數(shù)據(jù)進(jìn)行實(shí)證分析，探討大數(shù)據(jù)分析能力對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的影響以及地方政策感知的調(diào)節(jié)作用。結(jié)果表明，大數(shù)據(jù)分析能力對(duì)處于初始準(zhǔn)備階段、踐行實(shí)施階段和深度探索階段的企業(yè)數(shù)字化轉(zhuǎn)型均具有積極影響。地方政策感知正向調(diào)節(jié)大數(shù)據(jù)分析能力與處于初始準(zhǔn)備階段、踐行實(shí)施階段企業(yè)數(shù)字化轉(zhuǎn)型的關(guān)系，但對(duì)大數(shù)據(jù)分析能力與處于深度探索階段企業(yè)數(shù)字化轉(zhuǎn)型關(guān)系的調(diào)節(jié)作用不顯著。結(jié)論可深化對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的解讀，并為政府根據(jù)企業(yè)所處數(shù)字化轉(zhuǎn)型階段精準(zhǔn)施策提供參考。

關(guān)鍵詞：大數(shù)據(jù)分析能力；數(shù)字化轉(zhuǎn)型；地方政策感知；調(diào)節(jié)效應(yīng)

DOI：10.6049/kjjbydc.2022070294

開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

中圖分類號(hào)：F272.7-39

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1001-7348（2024）03-0012-11

0 引言

隨著新一輪科技革命和產(chǎn)業(yè)變革迅猛發(fā)展，全球經(jīng)濟(jì)正處在前所未有的變軌期。面對(duì)復(fù)雜的國(guó)內(nèi)外形勢(shì)，數(shù)字化轉(zhuǎn)型既是企業(yè)高質(zhì)量發(fā)展的重要引擎，也是構(gòu)筑國(guó)際競(jìng)爭(zhēng)新優(yōu)勢(shì)的有效路徑。正如中國(guó)工程院院士鄔賀銓所說：“數(shù)字化轉(zhuǎn)型是企業(yè)發(fā)展的必由之路?！?然而，根據(jù)《國(guó)有企業(yè)數(shù)字化轉(zhuǎn)型策略與路徑》白皮書和中國(guó)信通院《中小企業(yè)數(shù)字化轉(zhuǎn)型分析報(bào)告（2021）》調(diào)查顯示，目前我國(guó)6成以上國(guó)有企業(yè)仍處于轉(zhuǎn)型初級(jí)階段，數(shù)字化轉(zhuǎn)型尚未對(duì)主營(yíng)業(yè)務(wù)發(fā)揮作用；中小企業(yè)數(shù)字化轉(zhuǎn)型面臨人才、技術(shù)、資金等困難，轉(zhuǎn)型進(jìn)程較為遲緩。由此可見，數(shù)字化轉(zhuǎn)型是一項(xiàng)復(fù)雜系統(tǒng)工程，具有很強(qiáng)的綜合性和較高的復(fù)雜度。對(duì)企業(yè)而言，數(shù)字化轉(zhuǎn)型是一項(xiàng)頗具挑戰(zhàn)的長(zhǎng)期、艱巨的任務(wù)?！丁笆奈濉币?guī)劃和2035年遠(yuǎn)景目標(biāo)綱要》提出，加快建設(shè)數(shù)字經(jīng)濟(jì)、數(shù)字社會(huì)、數(shù)字政府，以數(shù)字化轉(zhuǎn)型整體驅(qū)動(dòng)生產(chǎn)方式、生活方式和治理方式變革。2020年8月，國(guó)務(wù)院國(guó)有資產(chǎn)監(jiān)督管理委員會(huì)發(fā)布《關(guān)于加快推進(jìn)國(guó)有企業(yè)數(shù)字化轉(zhuǎn)型工作的通知》，要求全面部署國(guó)有企業(yè)數(shù)字化轉(zhuǎn)型工作。2022年11月，工信部印發(fā)《中小企業(yè)數(shù)字化轉(zhuǎn)型指南》。中共二十大報(bào)告提出“加快發(fā)展數(shù)字經(jīng)濟(jì)，促進(jìn)數(shù)字經(jīng)濟(jì)和實(shí)體經(jīng)濟(jì)深度融合，打造具有國(guó)際競(jìng)爭(zhēng)力的數(shù)字產(chǎn)業(yè)集群”的任務(wù)。為貫徹黨中央、國(guó)務(wù)院的決策部署，各省市政府部門紛紛出臺(tái)支持企業(yè)數(shù)字化轉(zhuǎn)型的相關(guān)政策與措施，促進(jìn)本地企業(yè)數(shù)字化轉(zhuǎn)型。例如，上海市國(guó)有資產(chǎn)監(jiān)督管委會(huì)于2021年9月發(fā)布《關(guān)于推進(jìn)本市國(guó)資國(guó)企數(shù)字化轉(zhuǎn)型的實(shí)施意見》。又如，江蘇省政府辦公廳2022年1月印發(fā)《江蘇省制造業(yè)智能化改造和數(shù)字化轉(zhuǎn)型三年行動(dòng)計(jì)劃（2022—2024年）》。因此，在地方政策引導(dǎo)與支持背景下，企業(yè)如何加快數(shù)字化轉(zhuǎn)型進(jìn)程是極具現(xiàn)實(shí)意義的重要議題。

當(dāng)前，對(duì)數(shù)字化轉(zhuǎn)型的內(nèi)涵解讀與測(cè)量主要集中于國(guó)家和區(qū)域?qū)用?，缺乏從微觀層面對(duì)企業(yè)數(shù)字化轉(zhuǎn)型過程的深入研究。例如，Jafari-Sadeghi等^[1]基于國(guó)家層面，將數(shù)字化轉(zhuǎn)型分為技術(shù)準(zhǔn)備、技術(shù)利用和技術(shù)開發(fā)3個(gè)階段；陳堂和陳光^[2]基于區(qū)域?qū)用妫瑥膭趧?dòng)力投入、資本投入、人力資本投入、技術(shù)創(chuàng)新、創(chuàng)新環(huán)境5個(gè)維度構(gòu)建區(qū)域數(shù)字化轉(zhuǎn)型評(píng)價(jià)體系。近兩年，大多數(shù)學(xué)者運(yùn)用案例研究方法對(duì)數(shù)字化轉(zhuǎn)型過程進(jìn)行描述，或者運(yùn)用文本分析法通過計(jì)算關(guān)鍵詞數(shù)量刻畫企業(yè)數(shù)字化轉(zhuǎn)型程度^[3-5]?？傮w來看，當(dāng)前企業(yè)數(shù)字化轉(zhuǎn)型研究仍處于起步階段，對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的內(nèi)涵解讀不夠深入，缺乏對(duì)企業(yè)數(shù)字化轉(zhuǎn)型過程的階段劃分以及對(duì)不同階段差異的比較，尤其缺乏對(duì)企業(yè)數(shù)字化轉(zhuǎn)型不同階段的定量刻畫。

大數(shù)據(jù)是推動(dòng)數(shù)字化轉(zhuǎn)型的重要內(nèi)核之一。大數(shù)據(jù)是企業(yè)數(shù)字化轉(zhuǎn)型所需的核心資源要素^[6]，與之相匹配的大數(shù)據(jù)分析能力是企業(yè)數(shù)字化轉(zhuǎn)型不可或缺的綜合能力，但學(xué)者們對(duì)此關(guān)注不夠。大數(shù)據(jù)分析能力是指企業(yè)利用數(shù)據(jù)管理、基礎(chǔ)設(shè)施（技術(shù)）和人才能力提供業(yè)務(wù)洞察，將業(yè)務(wù)轉(zhuǎn)化為競(jìng)爭(zhēng)力的綜合能力^[7]，包括組織、技術(shù)和人員等多個(gè)方面的綜合能力，缺一不可^[8]。近年來，有學(xué)者研究發(fā)現(xiàn)，大數(shù)據(jù)分析能力在促進(jìn)企業(yè)績(jī)效提升、推動(dòng)創(chuàng)新活動(dòng)開展^[9-10]以及加快數(shù)字化轉(zhuǎn)型^[11]等方面具有至關(guān)重要的作用。然而，從能力視角切入，以往文獻(xiàn)往往關(guān)注某類單一能力對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的影響，如信息技術(shù)能力^[12]、敏捷營(yíng)銷能力^[13]等。綜合來看，盡管大數(shù)據(jù)分析能力的重要性逐漸被業(yè)界和學(xué)界認(rèn)可，但鮮有研究涉及大數(shù)據(jù)分析能力對(duì)企業(yè)數(shù)字化轉(zhuǎn)型程度以及數(shù)字化轉(zhuǎn)型各階段的差異化影響。

值得一提的是，企業(yè)數(shù)字化轉(zhuǎn)型離不開地方各級(jí)政府部門的引導(dǎo)與支持。相較于中央政策，地方政策更加具有針對(duì)性，對(duì)當(dāng)?shù)仄髽I(yè)的影響也更為直接。在相同的地方政策環(huán)境下，企業(yè)對(duì)地方政策的主觀理解與評(píng)價(jià)會(huì)有所不同，而這種感知差異勢(shì)必影響其數(shù)字化轉(zhuǎn)型進(jìn)程。然而，以往文獻(xiàn)在探討外部制度因素對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的影響時(shí)，更多停留在客觀制度環(huán)境層面，如金融業(yè)態(tài)^[4]、地方營(yíng)商環(huán)境^[5]以及地方政府目標(biāo)^[14]，鮮有研究基于制度環(huán)境感知視角，探討地方數(shù)字化政策感知程度對(duì)企業(yè)數(shù)字化轉(zhuǎn)型以及轉(zhuǎn)型各階段的差異化影響。

綜上所述，本文采用問卷調(diào)查方法進(jìn)行實(shí)證研究，借鑒動(dòng)態(tài)能力理論和環(huán)境適應(yīng)學(xué)派的理論觀點(diǎn)，探討大數(shù)據(jù)分析能力對(duì)企業(yè)數(shù)字化轉(zhuǎn)型各階段的差異化影響，以及地方政策感知對(duì)上述關(guān)系的調(diào)節(jié)作用。本文的主要貢獻(xiàn)體現(xiàn)在以下3個(gè)方面：第一，本文采用問卷調(diào)查方法，從微觀層面對(duì)企業(yè)數(shù)字化轉(zhuǎn)型過程及階段進(jìn)行定量刻畫，將企業(yè)數(shù)字化轉(zhuǎn)型劃分為初始準(zhǔn)備階段、踐行實(shí)施階段和深度探索階段，進(jìn)一步深化對(duì)企業(yè)數(shù)字化轉(zhuǎn)型內(nèi)涵的理解，豐富企業(yè)數(shù)字化轉(zhuǎn)型過程及階段研究。第二，從大數(shù)據(jù)對(duì)企業(yè)賦能角度，本文基于動(dòng)態(tài)能力理論引入大數(shù)據(jù)分析能力，探究其對(duì)企業(yè)數(shù)字化轉(zhuǎn)型各階段的影響。通過比較大數(shù)據(jù)分析能力對(duì)企業(yè)數(shù)字化轉(zhuǎn)型各階段的差異化影響，進(jìn)一步拓展促進(jìn)企業(yè)數(shù)字化轉(zhuǎn)型的前因條件，并基于能力視角細(xì)化企業(yè)數(shù)字化轉(zhuǎn)型內(nèi)部驅(qū)動(dòng)因素。第三，基于制度環(huán)境感知視角，本文引入地方政策感知作為調(diào)節(jié)變量，以探究不同感知水平下，地方政策感知在大數(shù)據(jù)分析能力與企業(yè)數(shù)字化轉(zhuǎn)型間的調(diào)節(jié)作用，既能夠豐富企業(yè)數(shù)字化轉(zhuǎn)型外部推動(dòng)因素研究，又有助于對(duì)地方數(shù)字化轉(zhuǎn)型相關(guān)政策的效果評(píng)價(jià)。

1 概念界定與研究假設(shè)

1.1 企業(yè)數(shù)字化轉(zhuǎn)型與階段劃分

眾多學(xué)者側(cè)重區(qū)分?jǐn)?shù)字化與數(shù)字化轉(zhuǎn)型的內(nèi)涵。有學(xué)者認(rèn)為，數(shù)字化轉(zhuǎn)型是通過數(shù)字化項(xiàng)目實(shí)現(xiàn)組織變革目標(biāo)的戰(zhàn)略轉(zhuǎn)型^[15]。Gurbaxani & Dunkle^[16]認(rèn)為，數(shù)字化轉(zhuǎn)型涉及公司多方面重塑，并將重新定義公司愿景和戰(zhàn)略；Verhoef等^[17]認(rèn)為，數(shù)字化轉(zhuǎn)型涉及戰(zhàn)略、組織、信息技術(shù)、供應(yīng)鏈和營(yíng)銷方面變化，而數(shù)字化關(guān)注對(duì)業(yè)務(wù)流程的優(yōu)化，通過優(yōu)化用戶體驗(yàn)創(chuàng)造額外的客戶價(jià)值。綜上所述，數(shù)字化著眼于客戶體驗(yàn)流程改進(jìn)，而數(shù)字化轉(zhuǎn)型會(huì)給全公司甚至整個(gè)行業(yè)帶來新變化，以新的商業(yè)邏輯創(chuàng)造和獲取價(jià)值。企業(yè)數(shù)字化轉(zhuǎn)型內(nèi)涵解讀離不開對(duì)其進(jìn)程階段的探討。企業(yè)數(shù)字化轉(zhuǎn)型過程是由淺入深，循序漸進(jìn)的。初始準(zhǔn)備階段是數(shù)字化轉(zhuǎn)型的起始階段。現(xiàn)有研究中，Jafari-Sadeghi等^[1]從國(guó)家層面將數(shù)字化轉(zhuǎn)型階段劃分為技術(shù)準(zhǔn)備、利用以及開發(fā)階段，其中，技術(shù)準(zhǔn)備階段強(qiáng)調(diào)信息通信技術(shù)廣泛應(yīng)用、數(shù)字基礎(chǔ)設(shè)施投資以及個(gè)人數(shù)字技術(shù)運(yùn)用能力提升。相似地，吳建南等^[18]認(rèn)為，技術(shù)準(zhǔn)備階段是城市治理數(shù)字化轉(zhuǎn)型的萌芽階段。該萌芽階段數(shù)字化水平較低，需要積累數(shù)字技術(shù)基礎(chǔ)，以便為后續(xù)轉(zhuǎn)型發(fā)展提供支撐。此外，楊雅程等^[3]將加工制造企業(yè)數(shù)字化轉(zhuǎn)型過程分為數(shù)字化轉(zhuǎn)型準(zhǔn)備階段和數(shù)字化轉(zhuǎn)型實(shí)施階段。在準(zhǔn)備階段，企業(yè)需要獲取數(shù)字化轉(zhuǎn)型技術(shù)和非技術(shù)資源，識(shí)別外部機(jī)會(huì)，并提出轉(zhuǎn)型目標(biāo)和愿景。綜上所述，本文認(rèn)為，在數(shù)字化轉(zhuǎn)型初始準(zhǔn)備階段，企業(yè)總體數(shù)字化水平不高，但已具備數(shù)字化轉(zhuǎn)型意識(shí)并形成初步轉(zhuǎn)型規(guī)劃，能夠著手?jǐn)?shù)字基礎(chǔ)設(shè)施建設(shè)，并加強(qiáng)數(shù)字技術(shù)引進(jìn)和應(yīng)用。

經(jīng)過初始準(zhǔn)備，企業(yè)數(shù)字化轉(zhuǎn)型進(jìn)入到下一個(gè)階段，從探索實(shí)踐走向深度應(yīng)用。也有研究將制造企業(yè)數(shù)字化轉(zhuǎn)型的后兩個(gè)階段劃分為數(shù)字化轉(zhuǎn)型實(shí)施階段和數(shù)字化轉(zhuǎn)型引領(lǐng)階段^[19]。

因此，綜合考慮數(shù)字技術(shù)應(yīng)用程度變化以及數(shù)字化轉(zhuǎn)型的階段性特征，本文將數(shù)字化轉(zhuǎn)型的后兩個(gè)階段劃分為踐行實(shí)施階段和深度探索階段。處于數(shù)字化轉(zhuǎn)型踐行實(shí)施階段的企業(yè)已初步完成數(shù)字化轉(zhuǎn)型技術(shù)和人才準(zhǔn)備，能夠進(jìn)一步擴(kuò)展數(shù)字技術(shù)應(yīng)用場(chǎng)景，擴(kuò)大應(yīng)用范圍，從而實(shí)現(xiàn)對(duì)現(xiàn)有產(chǎn)品和服務(wù)的改造升級(jí)。處于數(shù)字化轉(zhuǎn)型深度探索階段的企業(yè)能夠不斷創(chuàng)新業(yè)務(wù)模式，培育數(shù)字新業(yè)態(tài)，變革價(jià)值創(chuàng)造模式。

1.2 大數(shù)據(jù)分析能力

互聯(lián)網(wǎng)發(fā)展為大數(shù)據(jù)產(chǎn)生和發(fā)展創(chuàng)造了條件，學(xué)者們認(rèn)為，大數(shù)據(jù)可能改變整個(gè)業(yè)務(wù)流程，并開始關(guān)注企業(yè)如何收集、存儲(chǔ)和挖掘大數(shù)據(jù)帶來的價(jià)值這一問題^[6]。由此，大數(shù)據(jù)分析能力一詞應(yīng)運(yùn)而生。大數(shù)據(jù)分析能力有助于企業(yè)有效整合大數(shù)據(jù)資源^[8]?；趧?dòng)態(tài)能力視角，有學(xué)者將大數(shù)據(jù)分析能力界定為企業(yè)通過有效部署技術(shù)和人才以捕捉、存儲(chǔ)和分析數(shù)據(jù)，最終生成洞察力的動(dòng)態(tài)能力。它能幫助企業(yè)應(yīng)對(duì)不確定性環(huán)境，使企業(yè)在變化的商業(yè)環(huán)境中重新定位自己^[9]?，F(xiàn)有研究對(duì)于大數(shù)據(jù)分析能力內(nèi)涵的界定基本一致，即企業(yè)需要利用管理、技術(shù)以及人員等相關(guān)能力對(duì)大數(shù)據(jù)進(jìn)行捕獲和分析，以激發(fā)商業(yè)洞察能力^[8]。

1.3 大數(shù)據(jù)分析能力對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的影響

企業(yè)數(shù)字化轉(zhuǎn)型往往需要獲取和構(gòu)建大數(shù)據(jù)分析能力。由于數(shù)字技術(shù)具有破壞性和顛覆性，企業(yè)數(shù)字化轉(zhuǎn)型始終處于快速變化的環(huán)境中。從動(dòng)態(tài)能力理論視角看，大數(shù)據(jù)分析能力能夠幫助企業(yè)在變化的商業(yè)環(huán)境中重新定位自我^[20]，加快感知、協(xié)調(diào)、學(xué)習(xí)、集成和資源重新配置過程^[9]，從而有助于企業(yè)實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型。

處于數(shù)字化轉(zhuǎn)型初始準(zhǔn)備階段的企業(yè)開始重視數(shù)字化轉(zhuǎn)型，但數(shù)字技術(shù)應(yīng)用程度較低、應(yīng)用范圍狹窄，故傾向于制定戰(zhàn)略部署或?qū)ふ覕?shù)字技術(shù)帶來的機(jī)遇。一方面，強(qiáng)大的大數(shù)據(jù)分析能力可以幫助企業(yè)識(shí)別外部環(huán)境中的機(jī)會(huì)與威脅，從而加強(qiáng)對(duì)機(jī)會(huì)的精準(zhǔn)把握。另一方面，通過構(gòu)建大數(shù)據(jù)分析能力，企業(yè)能夠形成洞察力，更容易準(zhǔn)確感知競(jìng)爭(zhēng)環(huán)境早期信號(hào)，把握競(jìng)爭(zhēng)動(dòng)態(tài)，及時(shí)調(diào)整戰(zhàn)略^[9]。此外，大數(shù)據(jù)分析能力可以增強(qiáng)企業(yè)信息技術(shù)能力，為當(dāng)前和未來業(yè)務(wù)開展提供技術(shù)基礎(chǔ)^[21]。因此，大數(shù)據(jù)分析能力有助于處于數(shù)字化轉(zhuǎn)型初始準(zhǔn)備階段的企業(yè)提升數(shù)字化轉(zhuǎn)型程度。

處于數(shù)字化轉(zhuǎn)型踐行實(shí)施階段的企業(yè)已初步落實(shí)數(shù)字化轉(zhuǎn)型戰(zhàn)略，數(shù)字技術(shù)應(yīng)用程度加深，應(yīng)用范圍擴(kuò)大。相比于轉(zhuǎn)型初始準(zhǔn)備階段，在數(shù)字化轉(zhuǎn)型踐行實(shí)施階段，企業(yè)需要進(jìn)一步擴(kuò)展數(shù)字技術(shù)應(yīng)用場(chǎng)景，實(shí)現(xiàn)主營(yíng)業(yè)務(wù)范圍內(nèi)關(guān)鍵業(yè)務(wù)活動(dòng)數(shù)字化和場(chǎng)景化，促進(jìn)產(chǎn)品和服務(wù)升級(jí)。已有研究表明，大數(shù)據(jù)分析能力可以促進(jìn)企業(yè)產(chǎn)品和服務(wù)升級(jí)，實(shí)現(xiàn)營(yíng)銷和服務(wù)個(gè)性化，有助于運(yùn)營(yíng)管理效率提高，動(dòng)態(tài)監(jiān)控系統(tǒng)風(fēng)險(xiǎn)，優(yōu)化故障檢測(cè)流程^[9]。Lin等^[22]指出，在動(dòng)蕩的市場(chǎng)環(huán)境中，大數(shù)據(jù)分析能力可以幫助企業(yè)掌握先進(jìn)的大數(shù)據(jù)分析方法及工具，動(dòng)態(tài)監(jiān)測(cè)環(huán)境變化并感知市場(chǎng)需求，進(jìn)而更好地設(shè)計(jì)個(gè)性化新產(chǎn)品，實(shí)現(xiàn)產(chǎn)品創(chuàng)新。因此，大數(shù)據(jù)分析能力可以幫助企業(yè)不斷拓展產(chǎn)品和服務(wù)功能，是企業(yè)數(shù)字化轉(zhuǎn)型踐行實(shí)施階段的助推劑。

處于數(shù)字化轉(zhuǎn)型深度探索階段的企業(yè)在行業(yè)中處于領(lǐng)先地位，將以知識(shí)與數(shù)據(jù)驅(qū)動(dòng)為主，實(shí)現(xiàn)關(guān)鍵業(yè)務(wù)集成融合、動(dòng)態(tài)協(xié)同和一體化運(yùn)行，開展跨企業(yè)網(wǎng)絡(luò)化協(xié)同和社會(huì)化協(xié)作，實(shí)現(xiàn)業(yè)務(wù)模式創(chuàng)新。相比于踐行實(shí)施階段，深度探索階段強(qiáng)調(diào)關(guān)鍵業(yè)務(wù)集成融合，實(shí)現(xiàn)業(yè)務(wù)模式創(chuàng)新及跨企業(yè)跨行業(yè)網(wǎng)絡(luò)化協(xié)作。首先，大數(shù)據(jù)分析能力可以幫助企業(yè)從大數(shù)據(jù)中提取前沿知識(shí)，更好地實(shí)現(xiàn)技術(shù)躍遷，從而實(shí)現(xiàn)突破式創(chuàng)新^[10]。其次，企業(yè)借助大數(shù)據(jù)分析能力實(shí)現(xiàn)流程自動(dòng)化和資源分配，采用全新的業(yè)務(wù)處理流程改變運(yùn)作方式，由此導(dǎo)致業(yè)務(wù)模式發(fā)生根本性改變^[9]。因此，大數(shù)據(jù)分析能力可以幫助企業(yè)培育數(shù)字新業(yè)務(wù)并實(shí)現(xiàn)主體間的數(shù)據(jù)和知識(shí)開放共享，為處于深度探索階段的企業(yè)向平臺(tái)化和生態(tài)化轉(zhuǎn)型提供助力。因此，本文提出以下假設(shè)：

H₁：大數(shù)據(jù)分析能力對(duì)企業(yè)數(shù)字化轉(zhuǎn)型具有正向影響。

H_1a：大數(shù)據(jù)分析能力對(duì)處于初始準(zhǔn)備階段的企業(yè)數(shù)字化轉(zhuǎn)型具有正向影響；

H_1b：大數(shù)據(jù)分析能力對(duì)處于踐行實(shí)施階段的企業(yè)數(shù)字化轉(zhuǎn)型具有正向影響；

H_1c：大數(shù)據(jù)分析能力對(duì)處于深度探索階段的企業(yè)數(shù)字化轉(zhuǎn)型具有正向影響。

1.4 地方政策感知的調(diào)節(jié)效應(yīng)

環(huán)境適應(yīng)學(xué)派是戰(zhàn)略管理學(xué)派中最經(jīng)典的學(xué)派。環(huán)境適應(yīng)學(xué)派指出，環(huán)境會(huì)作為一種綜合力量影響組織決策，而組織也必須適應(yīng)當(dāng)前所處環(huán)境。環(huán)境適應(yīng)學(xué)派強(qiáng)調(diào)組織需要與環(huán)境相匹配。地方政府出臺(tái)的政策和法規(guī)是影響企業(yè)經(jīng)濟(jì)活動(dòng)的重要環(huán)境因素^[23]。企業(yè)只有積極應(yīng)對(duì)響應(yīng)地方政策環(huán)境，才能對(duì)自身數(shù)字化轉(zhuǎn)型作出合理決策。因此，本文認(rèn)為，大數(shù)據(jù)分析能力對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的影響必然會(huì)受到地方政策環(huán)境的調(diào)節(jié)作用。

地方政策是指在中央指導(dǎo)下，地方政府（省級(jí)和市級(jí)政府）根據(jù)各地實(shí)際情況有重點(diǎn)、有目標(biāo)地制定具體實(shí)施細(xì)則。相比于中央政策，地方政策可行性更強(qiáng)，可以直接作用于企業(yè)，將政策要點(diǎn)落實(shí)到位^[24]。地方政策感知是指企業(yè)對(duì)地方政策有用性和易用性的感知程度，主要體現(xiàn)為企業(yè)對(duì)地方政府出臺(tái)的數(shù)字化轉(zhuǎn)型相關(guān)政策感知程度^[25]。

對(duì)處于數(shù)字化轉(zhuǎn)型初始準(zhǔn)備階段的企業(yè)而言，地方政策感知水平越高，其越能適應(yīng)制度環(huán)境，越能精準(zhǔn)把握政策走向與變革趨勢(shì)。地方政策感知水平越高，企業(yè)就越容易制定與當(dāng)前政策環(huán)境相匹配的轉(zhuǎn)型戰(zhàn)略，進(jìn)而強(qiáng)化大數(shù)據(jù)分析能力對(duì)數(shù)字化轉(zhuǎn)型的正向影響。同樣地，對(duì)處于數(shù)字化轉(zhuǎn)型踐行實(shí)施階段的企業(yè)而言，地方政策感知水平越高，企業(yè)越認(rèn)為政策措施易用且有用，越會(huì)積極關(guān)注政策內(nèi)容和細(xì)節(jié)，不斷挖掘政策利好信息，并將其轉(zhuǎn)化到關(guān)鍵業(yè)務(wù)活動(dòng)的場(chǎng)景中去。因此，地方政策感知水平越高，越能強(qiáng)化大數(shù)據(jù)分析能力對(duì)處于踐行實(shí)施階段企業(yè)數(shù)字化轉(zhuǎn)型的促進(jìn)作用。

由此可見，處于數(shù)字化轉(zhuǎn)型初始準(zhǔn)備階段和踐行實(shí)施階段的企業(yè)，對(duì)地方政策感知程度越高，就越能正確理解政策內(nèi)容，進(jìn)而把握地方政策給予的機(jī)會(huì)和資源^[26]。因此，處于數(shù)字化轉(zhuǎn)型初始準(zhǔn)備階段和踐行實(shí)施階段的企業(yè)，在地方政策感知水平較高的情境下，大數(shù)據(jù)分析能力對(duì)其數(shù)字化轉(zhuǎn)型的影響隨之增強(qiáng)。由此，本文提出假設(shè)如下：

H_2a：地方政策感知正向調(diào)節(jié)大數(shù)據(jù)分析能力與處于初始準(zhǔn)備階段企業(yè)數(shù)字化轉(zhuǎn)型的關(guān)系；

H_2b：地方政策感知正向調(diào)節(jié)大數(shù)據(jù)分析能力與處于踐行實(shí)施階段企業(yè)數(shù)字化轉(zhuǎn)型的關(guān)系。

然而，不同于數(shù)字化轉(zhuǎn)型初始準(zhǔn)備階段與踐行實(shí)施階段的企業(yè)，進(jìn)入數(shù)字化轉(zhuǎn)型深度探索階段的企業(yè)處于行業(yè)領(lǐng)先地位，數(shù)字基礎(chǔ)設(shè)施配套完善、數(shù)字技術(shù)應(yīng)用成熟，可以自主集成并創(chuàng)新業(yè)務(wù)模式，實(shí)現(xiàn)跨企業(yè)跨領(lǐng)域網(wǎng)絡(luò)化協(xié)作^[27]。與數(shù)字化轉(zhuǎn)型相關(guān)的地方政策僅能夠引導(dǎo)并支持企業(yè)，地方政府部門通過完善數(shù)字基礎(chǔ)設(shè)施、提供人才培訓(xùn)和資金補(bǔ)助等措施夯實(shí)企業(yè)數(shù)字化轉(zhuǎn)型基礎(chǔ)。因此，地方政策感知水平對(duì)處于深度探索階段企業(yè)不具有決定性影響。地方政策感知對(duì)大數(shù)據(jù)分析能力與處于深度探索階段企業(yè)數(shù)字化轉(zhuǎn)型關(guān)系的調(diào)節(jié)作用不顯著。由此，本文提出如下假設(shè)：

H_2c：地方政策感知對(duì)大數(shù)據(jù)分析能力與處于深度探索階段企業(yè)數(shù)字化轉(zhuǎn)型關(guān)系的調(diào)節(jié)作用不顯著。

綜上，本文構(gòu)建研究理論模型如圖1所示。

2 研究設(shè)計(jì)

2.1 企業(yè)數(shù)字化轉(zhuǎn)型程度量表開發(fā)

在正式問卷發(fā)放前，參考Mackenzie等^[28]的研究成果，開發(fā)企業(yè)數(shù)字化轉(zhuǎn)型程度量表。

首先，本文對(duì)企業(yè)數(shù)字化轉(zhuǎn)型程度衡量指標(biāo)進(jìn)行梳理，得到數(shù)字化基礎(chǔ)設(shè)施、數(shù)字化投入、IT基礎(chǔ)能力等關(guān)鍵指標(biāo)。

其次，借鑒企業(yè)數(shù)字化轉(zhuǎn)型相關(guān)文獻(xiàn)^[1，29-31]，本文將企業(yè)數(shù)字化轉(zhuǎn)型過程分為3個(gè)階段，即初始準(zhǔn)備階段（DTR）、踐行實(shí)施階段（DER）和深度探索階段（DEI）。通過征詢管理領(lǐng)域?qū)＜?，?duì)企業(yè)數(shù)字化轉(zhuǎn)型過程3個(gè)階段的題項(xiàng)進(jìn)行設(shè)計(jì)。借鑒王核成等^[31]的研究成果，設(shè)計(jì)數(shù)字化轉(zhuǎn)型初始準(zhǔn)備階段問卷題項(xiàng)；采用傅穎等^[32]對(duì)企業(yè)流程數(shù)字化的測(cè)量方式，設(shè)計(jì)數(shù)字化轉(zhuǎn)型踐行實(shí)施階段的問卷題項(xiàng)；根據(jù)王核成等^[31]、盧艷秋等^[33]、Singh等^[27]的研究成果，設(shè)計(jì)數(shù)字化轉(zhuǎn)型深度探索階段問卷題項(xiàng)。在此基礎(chǔ)上，邀請(qǐng)4名企業(yè)管理碩士研究生進(jìn)行填寫，根據(jù)建議對(duì)問卷題項(xiàng)進(jìn)行修改。最終，保留衡量企業(yè)數(shù)字化轉(zhuǎn)型程度的15個(gè)初始題項(xiàng)。

再次，進(jìn)行探索性因子分析。對(duì)首輪回收的210份問卷數(shù)據(jù)進(jìn)行KMO檢驗(yàn)和Bartlett球形檢驗(yàn)，刪除因子載荷低于0.4的題項(xiàng)并重新進(jìn)行因子分析，直至對(duì)應(yīng)因子載荷滿足統(tǒng)計(jì)要求。檢驗(yàn)量表信度，形成包含3個(gè)維度14個(gè)題項(xiàng)的企業(yè)數(shù)字化轉(zhuǎn)型程度測(cè)量量表。

最后，再次發(fā)放企業(yè)數(shù)字化轉(zhuǎn)型問卷，第二輪回收有效問卷230份。根據(jù)探索性因子分析結(jié)果，利用Amos軟件對(duì)企業(yè)數(shù)字化轉(zhuǎn)型程度測(cè)量量表涉及的三因子模型進(jìn)行驗(yàn)證性因子分析。結(jié)果顯示，χ²/df小于3，IFI、TLI和CFI均大于0.9，RMSEA小于0.1，表明模型結(jié)構(gòu)效度達(dá)到統(tǒng)計(jì)要求。通過對(duì)模型區(qū)分效度和聚合效度進(jìn)行檢驗(yàn)發(fā)現(xiàn)，均達(dá)到統(tǒng)計(jì)標(biāo)準(zhǔn)。由此，確定企業(yè)數(shù)字化轉(zhuǎn)型程度測(cè)量量表維度與題項(xiàng)。

2.2 樣本選取與數(shù)據(jù)收集

本文通過專家訪談法對(duì)問卷內(nèi)容進(jìn)行修改。需要特別強(qiáng)調(diào)的是，在回答問卷過程中，要求答題者根據(jù)上述企業(yè)數(shù)字化轉(zhuǎn)型各階段的描述，判斷自身企業(yè)當(dāng)前所處數(shù)字化轉(zhuǎn)型階段，并回答所在轉(zhuǎn)型階段的相應(yīng)題項(xiàng)。為此，在作答前，對(duì)答題者進(jìn)行簡(jiǎn)單培訓(xùn)，以便答題者更好地理解企業(yè)所處數(shù)字化轉(zhuǎn)型階段。

2021年10～12月發(fā)放正式問卷，通過以下途徑進(jìn)行數(shù)據(jù)收集：一是線下對(duì)在企業(yè)擔(dān)任中高層管理者的MBA學(xué)員進(jìn)行問卷發(fā)放和數(shù)據(jù)收集；二是通過電子郵箱和班級(jí)群將電子版問卷發(fā)放給企業(yè)中高層管理者的校友、不在校的MBA學(xué)員等。最終，共收集線下問卷312份、線上問卷160份，總計(jì)472份問卷。剔除無效問卷116份，剩余有效問卷356份，問卷有效率為75.4%。有效樣本中，信息傳輸、軟件和信息技術(shù)行業(yè)與設(shè)備、儀器和器械制造業(yè)兩大行業(yè)占比較高，分別為25%和15.7%；國(guó)有企業(yè)占比為15.2%，非國(guó)有企業(yè)占比為84.8%。在356家企業(yè)中，119家企業(yè)處于轉(zhuǎn)型初始準(zhǔn)備階段，110家處于轉(zhuǎn)型踐行實(shí)施階段，127家處于轉(zhuǎn)型深度探索階段。

問卷數(shù)據(jù)均來自企業(yè)中高層管理者的自我報(bào)告，為了防止共同方法偏差對(duì)結(jié)果的干擾，本文采用常用的Harman單因素檢驗(yàn)方法進(jìn)行檢驗(yàn)。未旋轉(zhuǎn)的因子分析結(jié)果顯示，析出的第一個(gè)因子方差解釋率為26.887%，表明本文共同方法偏差問題并不嚴(yán)重。

2.3 變量測(cè)量

在借鑒國(guó)外成熟量表的基礎(chǔ)上，本文對(duì)量表進(jìn)行翻譯和回譯，確保量表題項(xiàng)表達(dá)的準(zhǔn)確性，并采用Likert 7點(diǎn)式量表，讓答題者對(duì)問題陳述的符合程度進(jìn)行打分，1代表“非常不符合”，7代表“非常符合”。

（1）大數(shù)據(jù)分析能力。借鑒Ashaari等^[8]開發(fā)的量表，大數(shù)據(jù)分析能力（BDAC）測(cè)量量表包含技術(shù)能力、組織能力、人員能力3個(gè)維度，共10個(gè)題項(xiàng)，如“與其它公司相比，貴公司擁有用于數(shù)字化轉(zhuǎn)型更好的數(shù)據(jù)分析系統(tǒng)”、“貴公司內(nèi)部能夠共享數(shù)字驅(qū)動(dòng)決策的分析見解，增強(qiáng)分析連接性”、“貴公司能夠不斷研究創(chuàng)新機(jī)會(huì)，以便戰(zhàn)略性地改進(jìn)業(yè)務(wù)”、“貴公司的業(yè)務(wù)分析師和一線人員定期開會(huì)討論數(shù)字化轉(zhuǎn)型的重要問題”、“貴公司的分析人員有編程方面的技能，如結(jié)構(gòu)化編程、基于 Web 的應(yīng)用程序、工具等”、“貴公司的分析人員能夠充分利用決策支持系統(tǒng)，如專家系統(tǒng)、人工智能、數(shù)據(jù)倉(cāng)儲(chǔ)等”。

（2）地方政策感知。借鑒Hsu等^[34]開發(fā)的量表，地方政策感知（GPL）測(cè)量量表包含4個(gè)題項(xiàng)，如“當(dāng)?shù)卣吖膭?lì)貴公司使用數(shù)字技術(shù)開展業(yè)務(wù)活動(dòng)”、“當(dāng)?shù)卣谫F公司開發(fā)或使用數(shù)字技術(shù)的過程中提供資金資助、技術(shù)支持或人員培訓(xùn)等幫助”、“當(dāng)?shù)卣弑Ｕ狭速F公司數(shù)字技術(shù)使用過程中的合法性”、“當(dāng)?shù)卣吣軌蛞龑?dǎo)貴公司進(jìn)行技術(shù)革新和數(shù)字化轉(zhuǎn)型”。

（3）控制變量。本文選取成立年限、從業(yè)員工人數(shù)、研發(fā)人員數(shù)量占比、注冊(cè)資本以及產(chǎn)權(quán)性質(zhì)等5個(gè)變量作為控制變量。根據(jù)作答者所屬企業(yè)信息與企查查、天眼查獲得的企業(yè)信息進(jìn)行匹配，得到企業(yè)具體成立年限與注冊(cè)資本。產(chǎn)權(quán)性質(zhì)方面，國(guó)有企業(yè)取值為1，非國(guó)有企業(yè)取值為0。此外，對(duì)從業(yè)員工人數(shù)和研發(fā)人員數(shù)量占比兩個(gè)變量取中間值。

2.4 信度與效度檢驗(yàn)

本文利用Cronbach's α系數(shù)評(píng)價(jià)各量表內(nèi)部一致性，并從結(jié)構(gòu)效度、聚合效度和區(qū)分效度3個(gè)方面對(duì)量表效度進(jìn)行檢驗(yàn)，結(jié)果如表1所示。

（1）信度檢驗(yàn)。各量表的Cronbach's α系數(shù)取值范圍在0.764～0.933之間，滿足統(tǒng)計(jì)要求。

（2）效度檢驗(yàn)。各量表的KMO檢驗(yàn)結(jié)果均大于0.7，表明可以進(jìn)一步作因子分析。①結(jié)構(gòu)效度：驗(yàn)證性因子分析結(jié)果表明，整體模型擬合結(jié)果為χ²/df=2.106，IFI=0.978，TLI=0.976，CFI=0.978，RMSEA=0.056，說明本研究測(cè)量模型合理；②聚合效度：各變量的AVE值均在0.5以上，組合信度CR系數(shù)均大于0.8，說明量表聚合效度較高；③區(qū)分效度：各變量AVE的平方根值大于變量間的相關(guān)系數(shù)，表明各變量間具有較高的區(qū)分效度。

3 實(shí)證分析

3.1 描述性統(tǒng)計(jì)

本文對(duì)各階段樣本進(jìn)行描述性統(tǒng)計(jì)分析，結(jié)果如表2～4所示。結(jié)果顯示，大數(shù)據(jù)分析能力與數(shù)字化轉(zhuǎn)型初始準(zhǔn)備階段（β=0.379， p<0.01）、踐行實(shí)施階段（β=0.439， p<0.01）、深度探索階段（β=0.535， p<0.01）均顯著正相關(guān)。此外，VIF的檢驗(yàn)結(jié)果遠(yuǎn)小于臨界值10，表明本文多重共線性問題不嚴(yán)重。

3.2 回歸分析

本文采用分層回歸方法，分別檢驗(yàn)大數(shù)據(jù)分析能力對(duì)企業(yè)數(shù)字化轉(zhuǎn)型3個(gè)階段的影響，以及地方政策感知的調(diào)節(jié)作用。其中，對(duì)大數(shù)據(jù)分析能力和地方政策感知變量進(jìn)行中心化處理，通過構(gòu)建二者乘積項(xiàng)檢驗(yàn)調(diào)節(jié)效應(yīng)是否存在。

（1）大數(shù)據(jù)分析能力對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的影響。表5為數(shù)字化轉(zhuǎn)型初始準(zhǔn)備階段的分層回歸結(jié)果。其中，模型2顯示大數(shù)據(jù)分析能力對(duì)處于初始準(zhǔn)備階段的企業(yè)數(shù)字化轉(zhuǎn)型具有顯著正向影響（β=0.328， p<0.01），假設(shè)H_1a成立。表6為數(shù)字化轉(zhuǎn)型踐行實(shí)施階段的分層回歸結(jié)果。其中，模型5顯示大數(shù)據(jù)分析能力對(duì)處于踐行實(shí)施階段的企業(yè)數(shù)字化轉(zhuǎn)型具有顯著正向影響（β=0.433， p<0.01），假設(shè)H_1b成立。表7為數(shù)字化轉(zhuǎn)型深度探索階段的分層回歸結(jié)果。其中，模型8顯示對(duì)轉(zhuǎn)型深度探索階段的企業(yè)而言，大數(shù)據(jù)分析能力可以顯著促進(jìn)企業(yè)數(shù)字化轉(zhuǎn)型（β=0.496， p<0.01），假設(shè)H_1c成立。

綜上，大數(shù)據(jù)分析能力可以顯著促進(jìn)初始準(zhǔn)備階段、踐行實(shí)施階段以及深度探索階段的企業(yè)數(shù)字化轉(zhuǎn)型。因此，假設(shè)H₁得到驗(yàn)證。這一結(jié)果支持Loebbecke & Picot^[35]關(guān)于大數(shù)據(jù)分析是促進(jìn)商業(yè)和社會(huì)轉(zhuǎn)型的潛在機(jī)制的觀點(diǎn)。此外，Dremel等^[11]通過案例研究，揭示大數(shù)據(jù)分析能力在企業(yè)數(shù)字化轉(zhuǎn)型過程中的積極作用，本文基于問卷數(shù)據(jù)，進(jìn)一步證實(shí)，大數(shù)據(jù)分析能力可以促進(jìn)企業(yè)數(shù)字化轉(zhuǎn)型。

（2）地方政策感知的調(diào)節(jié)效應(yīng)分析。模型3、模型6分別在模型2、模型5的基礎(chǔ)上加入地方政策感知這一調(diào)節(jié)變量，以及大數(shù)據(jù)分析能力與地方政策感知的乘積項(xiàng)。結(jié)果表明，地方政策感知在大數(shù)據(jù)分析能力與處于初始準(zhǔn)備階段的企業(yè)數(shù)字化轉(zhuǎn)型（β=0.326， p<0.01）以及處于踐行實(shí)施階段企業(yè)數(shù)字化轉(zhuǎn)型（β=0.243， p<0.01）間起正向調(diào)節(jié)作用。這一結(jié)果支持陳玉嬌等（2022）的研究結(jié)果，即支持性地方政策感知可以激勵(lì)企業(yè)數(shù)字化轉(zhuǎn)型。此外，通過比較各階段乘積項(xiàng)系數(shù)發(fā)現(xiàn)，在初始準(zhǔn)備階段，乘積項(xiàng)系數(shù)最大，其次是踐行實(shí)施階段。上述結(jié)果表明，地方政策感知對(duì)處于不同階段的企業(yè)數(shù)字化轉(zhuǎn)型具有差異化影響。其中，地方政策感知對(duì)處于初始準(zhǔn)備階段企業(yè)數(shù)字化轉(zhuǎn)型的助推作用最顯著。原因在于，處于數(shù)字化轉(zhuǎn)型初始準(zhǔn)備階段的企業(yè)，其資源和能力比較匱乏，需要憑借外力驅(qū)使自身進(jìn)行數(shù)字化轉(zhuǎn)型；處于數(shù)字化轉(zhuǎn)型踐行實(shí)施階段的企業(yè)已初步具備數(shù)字化轉(zhuǎn)型能力，因而對(duì)地方政策支持的依賴較小。該結(jié)論進(jìn)一步證實(shí)了史宇鵬等^[36]的研究成果，即對(duì)處于數(shù)字化轉(zhuǎn)型初級(jí)階段的企業(yè)而言，其面臨的主要問題是人才不足、產(chǎn)業(yè)基礎(chǔ)薄弱、政府引導(dǎo)和扶持力度不足等。因此，地方政策感知對(duì)初始準(zhǔn)備階段企業(yè)數(shù)字化轉(zhuǎn)型的作用更顯著。

模型9在模型8的基礎(chǔ)上加入地方政策感知這一調(diào)節(jié)變量，以及大數(shù)據(jù)分析能力與地方政策感知的乘積項(xiàng)。結(jié)果表明，地方政策感知在大數(shù)據(jù)分析能力與處于深度探索階段企業(yè)數(shù)字化轉(zhuǎn)型間的調(diào)節(jié)作用不顯著（β=0.068， p>0.1），假設(shè)H_2c成立。原因在于，雖然地方政府可為企業(yè)直接提供政府補(bǔ)貼、基礎(chǔ)設(shè)施、人才等資源，但對(duì)處于轉(zhuǎn)型深度探索階段的企業(yè)而言，其已經(jīng)積累了豐富的資源和較強(qiáng)的能力，可自主進(jìn)行數(shù)字化轉(zhuǎn)型。不同于處于數(shù)字化轉(zhuǎn)型初始準(zhǔn)備階段和踐行實(shí)施階段的企業(yè)，處于數(shù)字化轉(zhuǎn)型深度探索階段的企業(yè)對(duì)地方政府提供的各類資源扶持并不高度依賴。此時(shí)，地方政策感知對(duì)處于數(shù)字化轉(zhuǎn)型深度探索階段企業(yè)的影響變得不再重要。

從圖2可以看出，隨著大數(shù)據(jù)分析能力增強(qiáng)，高地方政策感知水平下，企業(yè)更能實(shí)現(xiàn)自身數(shù)字化轉(zhuǎn)型，即地方政策感知正向調(diào)節(jié)大數(shù)據(jù)分析能力對(duì)處于初始準(zhǔn)備階段企業(yè)數(shù)字化轉(zhuǎn)型的積極影響，假設(shè)H_2a得到驗(yàn)證。從圖3可以看出，高地方政策感知水平下，大數(shù)據(jù)分析能力對(duì)處于踐行實(shí)施階段企業(yè)數(shù)字化轉(zhuǎn)型的積極作用更加顯著，假設(shè)H_2b得到驗(yàn)證。

3.3 非參數(shù)檢驗(yàn)

本文采用Kruskal-Wallis非參數(shù)檢驗(yàn)方法，結(jié)果如表8所示。由表8可知，不同數(shù)字化轉(zhuǎn)型階段，企業(yè)大數(shù)據(jù)分析能力呈現(xiàn)顯著差異（p<0.05），即不同數(shù)字化轉(zhuǎn)型階段對(duì)企業(yè)大數(shù)據(jù)分析能力的要求不同。這可能是因?yàn)榇髷?shù)據(jù)分析能力是涉及組織、技術(shù)和人員的綜合能力，與企業(yè)經(jīng)營(yíng)活動(dòng)的方方面面息息相關(guān)。在數(shù)字化轉(zhuǎn)型初始準(zhǔn)備階段，企業(yè)處于數(shù)據(jù)資源匱乏、基礎(chǔ)設(shè)施薄弱、數(shù)字技術(shù)應(yīng)用程度較低的情境。因此，在數(shù)字化轉(zhuǎn)型初始準(zhǔn)備階段，企業(yè)大數(shù)據(jù)分析能力較弱，與后兩個(gè)階段相比，存在明顯不足。

此外，本文進(jìn)一步檢驗(yàn)初始準(zhǔn)備階段、踐行實(shí)施階段和深度探索階段，大數(shù)據(jù)分析能力對(duì)數(shù)字化轉(zhuǎn)型的影響系數(shù)是否存在顯著差異。通過Z檢驗(yàn)，比較不同轉(zhuǎn)型階段大數(shù)據(jù)分析能力對(duì)企業(yè)數(shù)字化轉(zhuǎn)型影響的系數(shù)大小。計(jì)算Z值發(fā)現(xiàn)，初始準(zhǔn)備階段和踐行實(shí)施階段（z=2.628）及深度探索階段分別存在顯著差異（z=3.153），踐行實(shí)施階段和深度探索階段無顯著差異（z=1.515）。

大數(shù)據(jù)分析能力對(duì)處于數(shù)字化轉(zhuǎn)型踐行實(shí)施階段和深度探索階段的企業(yè)數(shù)字化轉(zhuǎn)型均具有正向影響，但是二者間并無顯著差異，原因如下：①經(jīng)過初始準(zhǔn)備階段，處于數(shù)字化轉(zhuǎn)型踐行實(shí)施階段和深度探索階段的企業(yè)已完成數(shù)字化轉(zhuǎn)型的能力與資源準(zhǔn)備;②大數(shù)據(jù)分析能力對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的作用存在瓶頸，相比于數(shù)字化轉(zhuǎn)型踐行實(shí)施階段，處于深度探索階段的企業(yè)僅依靠大數(shù)據(jù)分析能力促進(jìn)數(shù)字化轉(zhuǎn)型是遠(yuǎn)遠(yuǎn)不夠的。

4 結(jié)語

4.1 結(jié)論

本文探究大數(shù)據(jù)分析能力對(duì)處于初始準(zhǔn)備階段、踐行實(shí)施階段和深度探索階段企業(yè)數(shù)字化轉(zhuǎn)型的影響，以及地方政策感知的調(diào)節(jié)作用，得出以下主要結(jié)論：

（1）大數(shù)據(jù)分析能力對(duì)處于初始準(zhǔn)備階段、踐行實(shí)施階段、深度探索階段的企業(yè)數(shù)字化轉(zhuǎn)型均具有正向影響。其中，大數(shù)據(jù)分析能力對(duì)初始準(zhǔn)備階段企業(yè)數(shù)字化轉(zhuǎn)型的影響程度較弱，對(duì)踐行實(shí)施階段和深度探索階段企業(yè)數(shù)字化轉(zhuǎn)型的影響較為顯著。

（2）地方政策感知正向調(diào)節(jié)大數(shù)據(jù)分析能力與處于初始準(zhǔn)備階段、踐行實(shí)施階段企業(yè)數(shù)字化轉(zhuǎn)型的關(guān)系，但在大數(shù)據(jù)分析能力與處于深度探索階段企業(yè)數(shù)字化轉(zhuǎn)型間的調(diào)節(jié)作用不顯著。

（3）比較地方政策感知在企業(yè)轉(zhuǎn)型不同階段的調(diào)節(jié)作用發(fā)現(xiàn)，地方政策感知對(duì)初始準(zhǔn)備階段企業(yè)數(shù)字化轉(zhuǎn)型的調(diào)節(jié)作用最大，在踐行實(shí)施階段影響系數(shù)變小，在深度探索階段的調(diào)節(jié)作用降低且不顯著。

4.2 管理啟示

對(duì)企業(yè)而言，大數(shù)據(jù)分析能力對(duì)初始準(zhǔn)備階段、踐行實(shí)施階段及深度探索階段的企業(yè)數(shù)字化轉(zhuǎn)型均具有積極影響，表明無論企業(yè)數(shù)字化轉(zhuǎn)型處于哪個(gè)階段，都需要構(gòu)建強(qiáng)大的大數(shù)據(jù)分析能力。其中，相較于初始準(zhǔn)備階段，大數(shù)據(jù)分析能力對(duì)處于踐行實(shí)施階段、深度探索階段企業(yè)數(shù)字化轉(zhuǎn)型的促進(jìn)作用更顯著，表明在數(shù)字化轉(zhuǎn)型中后期，企業(yè)需要更多資源、精力構(gòu)建與重塑大數(shù)據(jù)分析能力，要求員工必須具備相關(guān)技術(shù)和業(yè)務(wù)技能，不斷學(xué)習(xí)數(shù)據(jù)驅(qū)動(dòng)知識(shí)。因此，企業(yè)需要招聘、引進(jìn)、培訓(xùn)大數(shù)據(jù)分析技術(shù)人才，并為技術(shù)研發(fā)提供資金支持，增強(qiáng)自身大數(shù)據(jù)分析能力，從而推動(dòng)數(shù)字化轉(zhuǎn)型。

對(duì)地方政府相關(guān)部門而言，應(yīng)根據(jù)企業(yè)所處數(shù)字化轉(zhuǎn)型階段的實(shí)際需求，有針對(duì)性地出臺(tái)相關(guān)政策。因此，地方政府應(yīng)重視企業(yè)數(shù)字化轉(zhuǎn)型，尤其對(duì)處于數(shù)字化轉(zhuǎn)型初始準(zhǔn)備階段、踐行實(shí)施階段的企業(yè)給予適當(dāng)?shù)恼邇A斜。地方政府應(yīng)積極為這類企業(yè)提供支持，直面這類企業(yè)轉(zhuǎn)型中的實(shí)際困難，著力解決企業(yè)在轉(zhuǎn)型過程中“不敢轉(zhuǎn)”“不會(huì)轉(zhuǎn)”問題。

4.3 不足與展望

本文存在以下不足：首先，僅通過問卷調(diào)查數(shù)據(jù)衡量企業(yè)數(shù)字化轉(zhuǎn)型具有一定的主觀性，未來可以結(jié)合區(qū)塊鏈、人工智能等數(shù)字專利數(shù)量、研發(fā)投入金額等客觀指標(biāo)實(shí)證研究企業(yè)數(shù)字化轉(zhuǎn)型程度。其次，僅分析了大數(shù)據(jù)分析能力這一前因變量對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的影響，未來可以拓展現(xiàn)有研究模型，加入其它自變量以進(jìn)一步豐富企業(yè)數(shù)字化轉(zhuǎn)型影響因素。此外，未來可以進(jìn)一步引入中介和其它調(diào)節(jié)變量，揭示企業(yè)數(shù)字化轉(zhuǎn)型過程的內(nèi)在作用機(jī)制。最后，本文采用的是橫截面數(shù)據(jù)，未來可以收集面板數(shù)據(jù)，對(duì)大數(shù)據(jù)分析能力對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的時(shí)滯效應(yīng)進(jìn)行研究。

參考文獻(xiàn)：

[1] JAFARI-SADEGHI V， GARCIA-PEREZ A， CANDELO E， et al. Exploring the impact of digital transformation on technology entrepreneurship and technological market expansion： the role of technology readiness， exploration and exploitation[J]. Journal of Business Research， 2021， 124： 100-111.

[2] 陳堂， 陳光. 數(shù)字化轉(zhuǎn)型對(duì)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)的空間效應(yīng)研究——基于靜態(tài)和動(dòng)態(tài)空間面板模型的實(shí)證分析[J]. 經(jīng)濟(jì)與管理研究， 2021， 42（8）： 30-51.

[3] 楊雅程，雷家骕，陳浩，等.加工制造企業(yè)數(shù)字化轉(zhuǎn)型的機(jī)理——基于資源編排視角的案例研究[J].管理案例研究與評(píng)論，2022，15（2）：198-220.

[4] 張黎娜，蘇雪莎，袁磊.供應(yīng)鏈金融與企業(yè)數(shù)字化轉(zhuǎn)型——異質(zhì)性特征、渠道機(jī)制與非信任環(huán)境下的效應(yīng)差異[J].金融經(jīng)濟(jì)學(xué)研究，2021，36（6）：51-67.

[5] 史宇鵬，王陽.營(yíng)商環(huán)境與企業(yè)數(shù)字化轉(zhuǎn)型：影響表現(xiàn)與作用機(jī)制[J/OL].北京交通大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）：1-15[2022-04-30].https：//doi.org/10.16797/j.cnki.11-5224/c.20220420.008.

[6] PAPPAS I O， MIKALEF P， GIANNAKOS M N， et al. Big data and business analytics ecosystems： paving the way towards digital transformation and sustainable societies[J]. Information Systems and e-Business Management， 2018， 16（3）： 479-491.

[7] AKTER S， WAMBA S F， GUNASEKARAN A， et al. How to improve firm performance using big data analytics capability and business strategy alignment[J]. International Journal of Production Economics， 2016，182：113-131.

[8] ASHAARI M A， SINGH K S D， ABBASI G A， et al. Big data analytics capability for improved performance of higher education institutions in the era of IR 4.0： a multi-analytical SEM & ANN perspective[J]. Technological Forecasting and Social Change， 2021，173： 121119.

[9] MIKALEF P ， BOURA M， LEKAKOS G， et al. Big data analytics capabilities and innovation： the mediating role of dynamic capabilities and moderating effect of the environment[J]. British Journal of Management， 2019， 30（2）：272-298.

[10] 李樹文，羅瑾璉，葛元骎.大數(shù)據(jù)分析能力對(duì)產(chǎn)品突破性創(chuàng)新的影響[J].管理科學(xué)，2021，34（2）：3-15.

[11] DREMEL C， HERTERICH M， WULF J， et al. How AUDI AG established big data analytics in its digital transformation[J]. MIS Quarterly Executive， 2017， 16（2）： 81-100.

[12] NWANKPA J K， ROUMANI Y. IT capability and digital transformation： a firm performance perspective[EB/OL].https：//aisel.aisnet.org/icis2016/ISStrategy/Presentations/4/，2016.

[13] MOI L， CABIDDU F. Leading digital transformation through an agile marketing capability： the case of Spotahome[J]. Journal of Management and Governance， 2021， 25（4）： 1145-1177.

[14] 楊賢宏，寧致遠(yuǎn)，向海凌，等.地方經(jīng)濟(jì)增長(zhǎng)目標(biāo)與企業(yè)數(shù)字化轉(zhuǎn)型——基于上市企業(yè)年報(bào)文本識(shí)別的實(shí)證研究[J].中國(guó)軟科學(xué)，2021（11）：172-184.

[15] RACHINGER M， RAUTER R， MUELLER C， et al. Digitalization and its influence on business model innovation[J]. Journal of Manufacturing Technology Management， 2019， 30（8）： 1143-1160.

[16] GURBAXANI V， DUNKLE D. Gearing up for successful digital transformation[J]. MIS Quarterly Executive， 2019， 18（3）： 209-220.

[17] 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.

[18] 吳建南，陳子韜，李哲，等.基于“創(chuàng)新—理念”框架的城市治理數(shù)字化轉(zhuǎn)型——以上海市為例[J].治理研究，2021，37（6）：99-111.

[19] 林艷，張欣婧.制造企業(yè)數(shù)字化轉(zhuǎn)型不同階段的影響因素——基于扎根理論的多案例研究[J].中國(guó)科技論壇，2022，38（6）：123-132，142.

[20] WARNER K S R， W?GER M. Building dynamic capabilities for digital transformation： an ongoing process of strategic renewal[J]. Long Range Planning， 2019， 52（3）： 326-349.

[21] WANG Y ， KUNG L A ， BYRD T A . Big data analytics： understanding its capabilities and potential benefits for healthcare organizations[J]. Technological Forecasting & Social Change， 2018， 126：3-13.

[22] LIN C， KUNNATHUR A. Strategic orientations， developmental culture， and big data capability[J]. Journal of Business Research， 2019， 105： 49-60.

[23] LAI Y， SUN H， REN J. Understanding the determinants of big data analytics （BDA） adoption in logistics and supply chain management[J]. The International Journal of Logistics Management， 2018， 29（2）： 676-703.

[24] 盧章平，王曉晶.國(guó)家和地方科技成果轉(zhuǎn)化政策對(duì)比分析[J].圖書情報(bào)工作，2012，56（24）：83-88.

[25] 許成磊，張超，郭凱，等.政策支持、創(chuàng)業(yè)激情與技術(shù)創(chuàng)業(yè)成功：政策感知的調(diào)節(jié)作用[J/OL].科技進(jìn)步與對(duì)策：1-10[2022-05-08].http：//kns.cnki.net/kcms/detail/42.1224.g3.20210826.1110.006.html.

[26] 王雪冬，聶彤杰，孟佳佳.政治關(guān)聯(lián)對(duì)中小企業(yè)數(shù)字化轉(zhuǎn)型的影響——政策感知能力和市場(chǎng)感知能力的中介作用[J].科研管理，2022，43（1）：134-142.

[27] SINGH S， SHARMA M， DHIR S. Modeling the effects of digital transformation in Indian manufacturing industry[J]. Technology in Society， 2021， 67： 101763.

[28] MACKENZIE S B， PODSAKOFF P M， PODSAKOFF N P. Construct measurement and validation procedures in MIS and behavioral research： Integrating new and existing techniques[J]. MIS Quarterly， 2011： 293-334.

[29] STICH V， ZELLER V， HICKING J， et al. Measures for a successful digital transformation of SMEs[J]. Procedia CIRP， 2020， 93： 286-291.

[30] LI H， WU Y， CAO D， et al. Organizational mindfulness towards digital transformation as a prerequisite of information processing capability to achieve market agility[J]. Journal of Business Research， 2021， 122： 700-712.

[31] 王核成， 王思惟， 劉人懷. 企業(yè)數(shù)字化成熟度模型研究[J]. 管理評(píng)論，2021， 33（12）： 152-162.

[32] 傅穎， 徐琪， 林嵩. 在位企業(yè)流程數(shù)字化對(duì)創(chuàng)新績(jī)效的影響——組織惰性的調(diào)節(jié)作用[J]. 研究與發(fā)展管理， 2021， 33（1）： 78-89.

[33] 盧艷秋，趙彬，宋昶. 決策邏輯、失敗學(xué)習(xí)與企業(yè)數(shù)字化轉(zhuǎn)型績(jī)效[J]. 外國(guó)經(jīng)濟(jì)與管理， 2021， 43（9）： 68-82.

[34] HSU P-F， RAY S， LI-HSIEH Y-Y. Examining cloud computing adoption intention， pricing mechanism， and deployment model[J]. International Journal of Information Management， 2014， 34（4）： 474-488.

[35] LOEBBECKE C， PICOT A. Reflections on societal and business model transformation arising from digitization and big data analytics： a research agenda[J]. The Journal of Strategic Information Systems， 2015， 24（3）： 149-157.

[36] 史宇鵬，王陽，張文韜.我國(guó)企業(yè)數(shù)字化轉(zhuǎn)型：現(xiàn)狀、問題與展望[J].經(jīng)濟(jì)學(xué)家，2021（12）：90-97.

（責(zé)任編輯：張 悅）

The Impact of Big Data Analytics Capabilities on Enterprise Digital

Transformation： The Moderating Effect of Local Policy Perception

Yu Feifei， Jiang Qing

（School of Business， Hohai University， Nanjing 210000， China）

Abstract：Digital transformation is now necessary for enterprise growth with the fusion of digital technology and the real economy.? The local governments have been paying particular attention to ways to assist enterprises in implementing digital transformation at the central government's request. Provincial governments and relevant departments have taken the initiative to formulate detailed rules and measures to promote the digital transformation of local enterprises.

Existing research mainly focuses on the measurement of digital transformation at the national， regional and industry levels and lacks measurement of enterprise digital transformation at the micro level， mainly by the case study method to describe the transformation process. Only a few studies have measured the enterprise digital transformation on word frequency analysis. In general， the current research on enterprise digital transformation is still in its infancy. It still lacks the division of the stages of the digital transformation process and the comparison of the differences between different phases. In particular， there is a lack of quantitative measurement of different stages of enterprise digital transformation. Moreover， existing research generally agrees that big data analytic capabilities include organizational， technical and human capabilities， without which big data analytics capabilities cannot be effectively implemented. In addition， big data analytics capabilities are found to play a critical role in improving performance， driving innovation and digital transformation. But it has rarely been mentioned of how to quantitatively characterize the impact of big data analysis capabilities on the degree of enterprise digital transformation and the differentiated effect of each digital transformation stage. Finally， from the perspective of external factors， there is a shortage of research from the standpoint of local policies perception to examine the impact of local digitalization policies on the enterprises' digital transformation and compare their differentiated effects on the various stages of digital transformation.

Addressing the above issues of the existing research， this study conducts? empirical research through questionnaires to explore the impact of big data analytics capabilities on the differentiation at each stage of enterprises' digital transformation and the moderating role of local policy perceptions. In view of the fact that the collected questionnaire data are all from the self-report of middle and senior managers in the enterprise， in order to prevent the interference of common method bias in the results， this paper employs the commonly used Harman single factor test method. With 356 valid questionnaires， the hypotheses are tested accordingly. The findings suggest that big data analytics capabilities can significantly increase enterprises' digital transformation in the initial preparation， practice implementation and deep exploration stages. Local policy perception positively moderates the impact of big data analytics capabilities on the initial preparation stage and practice implementation stage of enterprise digital transformation. In contrast， the relationship between big data analytics capabilities and the deep exploration stage of enterprise digital transformation is not significant.

This study has three theoretical contributions. First， the stages of digital transformation are rarely divided because the current characterization of its dimensions and indicators is still in its infancy with focus on case studies and word frequency analysis. This study divides the enterprise digital transformation process into three stages， i.e. initial preparation， practice implementation and deep exploration， and describes each stage at the micro-enterprise level using a questionnaire survey. This division further advances the existing research on the measurement of enterprise digital transformation. Second， from the perspective of big data empowerment， this study introduces big data analytics capabilities based on the theory of dynamic capabilities and investigates their impact on the digital transformation of enterprises in various stages. These findings significantly extend the discussion of enterprise digital transformation from the internal organization view by contrasting the effects of big data analytics capabilities on the differentiation of different transformation stages. Therefore， this study advances the relevant research on the internal factors of enterprise digital transformation. Third， from the perspective of institutional environment perception， it investigates the moderating role of local policy perception between big data analytics capabilities and different transformation stages of enterprises. These moderating results are conducive to enriching the current research on the external driving factors of enterprise digital transformation and expanding the evaluation of the implementation effect of relevant local policies.

Key Words：Big Data Analytics Capabilities; Digital Transformation; Local Policy Perception; Moderating Effect