制造企业服务化、前后台数字化与企业绩效

潘蓉蓉 ,罗建强,2 ,杨子超

(1.江苏大学 管理学院,江苏 镇江 212013;2.江苏大学 中国农业装备产业发展研究院,江苏 镇江 212013)

新一轮信息革命浪潮为制造格局的演变创造了良机,以服务化和数字化为代表的转型新模式为中国制造“提质增效、由大变强”提供了方向。服务化指制造企业围绕制造效能的改善或客户效用的提升,不断增大衍生服务在企业价值创造中的占比,最终提供产品与服务集成化的客户问题解决方案[1];数字化指制造企业利用人工智能、区块链、云计算、大数据等新一代信息技术,赋能产品及服务运营流程的智能化变革[2]。服务化与数字化的协同发展与实施将对企业绩效产生重要影响[3]。

在服务化与企业绩效关系方面,服务化作为制造企业以核心产品为母体衍生或嵌入服务元素的过程[4],有助于提升企业绩效,实现供需价值创造的更大化[5]。但陈洁雄[6]认为服务化在初期能为制造企业产生额外的收益,但随着服务化向中后期推进,制造企业围绕服务广度与深度增强,以及业务流程重塑等方面需要较高资源要素与管理成本投入,易导致企业绩效在服务化转型后期表现不佳,即有陷入服务悖论的风险。在数字化与企业绩效关系方面,杨志波等[7]认为数字化促进了产品与服务创新,方便了资源内外部整合与再配置,改变了业务流程结构,提升了企业绩效,但亦面临着流程重构与组织治理等难题。数字化投入可能会转变为企业新的成本中心而非盈利中心,即产生了数字悖论的风险[8],Gebauer等[9]通过52家企业数据证实了数字化投入将增大运营管理成本,且数字化收益更多体现为对上下游企业的溢出效应,资金短期内难以回笼。因此,数字化对企业绩效存在“双刃剑”效应。在数字化与服务化关系方面,数字化有效支持了企业衍生服务的提供[10-11],前台数字化可增强应对突变客户需求的响应能力、供需交互能力与捕获客户知识与需求信息能力[12-14],后台数字化可提升衍生服务水平及质量。文献[15-16]中均认为数字化是服务化的推动者,能够确保衍生服务的价值增值性,为此,数字化与服务化协同是制造企业实现高质量发展的重要举措[17]。然而,若制造企业在服务化实践中过度依赖数字化技术,则会无形中削弱服务的移情性与异质性,服务提供将带有标准化交付的“工业”色彩,长期未必会提升制造企业的价值创造能力。基于上述背景,服务化、数字化和企业绩效的内在复杂影响机理亟待深入解析。

当前,数字化显著应用于前台商业领域及后台工业领域,集成解决方案的提供是前台客户参与和后台信息支持的协同结果[18]。前后台理论认为,开展服务化的制造企业由面向客户的前台、提供外部功能的后台以及承担指导与监督责任的战略中心3个组织结构构成[19],以此为基础,可将数字化分为面向客户的前台数字化与面向制造的后台数字化。对于前台数字化,制造企业通过应用智能化的硬件设备与软件系统,与量大且分散的客户实时交互,以丰富产品功能和定制服务内容,确保参与交互的高效性和问题解决的精准性,拓宽了营销渠道并增强了企业跨部门或市场对客户需求的响应能力[20],同时,文献[21-22]中认为数据信息的透明化有助于提高客户参与度及对衍生服务的支付意愿。对于后台数字化,企业可依靠新一代信息技术增强服务提供能力与质量,提升产品服务系统的定制化与智能化水平,以交付的即时性优势突破供需的时空限制,如后台数字化支持了汽车行业的远程运维和租赁服务,企业可实现车辆的实时监测与调度,为客户提供车辆配套性增值业务,实现了服务价值的更大创造[23]。

综上所述,服务化和数字化是制造企业转型的大势所趋,但两者对企业绩效影响关系结论不一。在服务提供与数字表征同时展现的场景下,将服务化与数字化同时加以考虑,厘清前后台数字化对服务化与企业绩效的作用关系愈显重要。为此,本文提出相应理论假设,并以服务化与数字化同步推进的中国先进上市制造企业为样本进行实证分析,旨在为企业服务化与数字化转型提供决策参考。本文主要贡献包括:①将服务化与数字化纳入同一研究框架,搜集上市制造企业的面板数据,实证分析了服务化与数字化对企业绩效的双重影响,对中国制造企业探索服务化与数字化转型路径具有一定的参考价值;②借鉴前后台理论,将数字化进一步细分为面向客户需求的前台数字化与面向生产制造的后台数字化,深入剖析了前后台数字化对服务化实施成效的影响;③将研究视角聚焦于数字化对服务化转型的赋能效应,进一步解析了东部和中西部地区服务化与前后台数字化发展的差异。

1 理论分析与研究假设

1.1 制造企业服务化与企业绩效关系

服务化是制造企业由提供纯产品向提供产品服务系统的转型过程[1,24],其内涵是以产品为载体,通过在全生命周期内衍生或嵌入服务元素,如前端的研发设计、中端的运输配送、后端的检测维护等,形成增值性集成解决方案以满足客户异质性需求,提升服务收益能力[25-26]。服务化是循序渐进的过程,如GE、陕鼓、西门子等企业在服务化初期向客户提供了维修、安装等面向产品的基础型服务。随着产品与服务技术迭代,服务的价值创造能力愈加显著,企业逐步转为提供面向客户问题解决的提升型服务,如研发、租赁、远程监控等,籍此,企业绩效实现稳步上升。

然而,亦有研究表明,服务价值创造能力存在边界,当服务化进入成熟期后,制造企业易陷入服务悖论的窘境[27]。造成服务悖论的主要原因包括:①衍生服务业务拓展与产品制造运作流程出现了资源冲突,即为开发新服务,企业无形间掠夺了原属产品质量提升的资源[28];②企业服务创新相较产品创新具有超前性,但新服务未必得到客户认同且不易为客户有效感知,最终削减了客户对服务的支付意愿[29];③企业调配与吸收内外部资源生成的解决方案与客户实际需求不相符,供需匹配错位不仅降低了客户购买意愿,甚至产生了资源的闲置与浪费。上述原因导致制造企业服务化到达某一程度后,企业绩效可能会出现下滑趋势。基于此,提出假设:

H1制造企业服务化与企业绩效呈先升后降的倒U 形关系。

1.2 制造企业数字化与企业绩效关系

借助新一代信息技术实现数字化转型是制造企业高质量发展的重要路径。数字化技术融入产品制造和服务提供过程改变了企业传统的组织结构、商业模式、决策范式及创新方式,同时,数字化技术能够支持供需间深度交互、数据沉淀和资源智能配置,模糊了生产制造与服务提供、企业与相关利益体之间的界限[30],有益于提升客户对衍生服务的体验感,拓展了承载于产品的服务价值创造空间[17,31]。依据数字化技术的应用场景以及前后台理论,将其划分为面向客户的前台数字化与面向制造的后台数字化。其中:前台数字化确保了供需的精准交互,制造企业在快速识别客户深层次需求的基础上生成价值易于被客户感知的智能解决方案;后台数字化依靠智能制造技术实现前台定制信息的物化,支持了后市场增值服务的提供。

具体而言,在前台数字化赋能下,制造企业通过搭建允许客户实时参与的交互平台,收集、提炼并解析客户知识与需求,如可穿戴式医疗产品,生成面向客户问题的智能解决方案,极大提升了服务提供的效率与精度,改变了企业原有的商业模式[32]。此外,前台数字化驱动了企业内外部资源与知识的协同,即通过平台在汇聚离散的知识与资源过程中,强化企业内部各职能部门间的协作,并与跨界的配套企业保持实时互动[33],显著提升了客户满意度,撬动了绩效的增长。在后台数字化下,制造企业利用新一代信息技术可同步提升产品制造效率与服务提供质量,如在车辆生产过程中嵌入传感器与定位装置,支持了车辆远程监控、租赁与调度服务的实现[34]。制造企业通过数字化展开大范围异质信息的汇集,便捷了基于成组技术的大规模定制,利用Io T 支持产品数据信息的全生命周期追踪,实现了企业绩效的不断攀升。基于此,提出如下假设:

H2a前台数字化对企业绩效起正向促进作用。

H2b后台数字化对企业绩效起正向促进作用。

1.3 数字化对“服务化-绩效”关系的调节作用

智能化发展与商业模式重塑加速了制造企业数字化与服务化进程[35-36],企业由传统的纯产品制造商转变为智能解决方案提供者与实现者,产品制造与服务提供能力得以增强[37]。已有研究表明,数字化是推动服务化发展的重要因素。Kindstroem等[38]发现,数字化有助于制造企业开发增值性服务,实现资源的合理分配,促进服务质量提升,Kowalkowski等[39]认为将数字化技术作为变革工具有利于制造企业向服务主导逻辑转变,不同类型的数字化转型模式会导致服务化路径的差异,且结构趋向复杂的智能产品可驱使服务化与数字化的深度融合。由此,数字化对“服务化-绩效”关系的调节作用如图1所示。

由图1可见,在前台数字化下,人机对话模式具有简化服务流程、存留过程数据、拓宽服务市场域、提高服务可得性与便捷性等优势,籍此,制造企业能够快速捕获、清洗、存储与解析海量客户数据信息,及时响应客户问题。当缺少面向客户的前台数字化技术应用时,异质性客户需求将难以被企业精准感知,易造成供需匹配错位[2],因此,前台数字化有利于供需交互并生成智能解决方案,从而助推服务化战略的实施[40-41]。在后台数字化下,制造企业基于产品衍生远程监控、在线检测、预防性维修等提升型服务,此时数字化技术具备将服务提供产生的数据转化为智能调度生产过程的功能,提升了产品服务系统的智能化水平与客户需求的响应效率[42],支持了产品全生命周期管理服务模式的实现[43]。因此,后台数字化被认为是服务化的促进和驱动条件。Adrodegari等[44]表明,后台数字化可提高服务提供质量和产品附加价值,使产品与服务在互补融合中实现价值创造。Lerch等[3]指出服务提供复杂度取决于面向制造的数字化水平,即在产品研发制造阶段,预留标准化接口以支持未来更多服务项目的嵌入及总集成总承包式的服务提供,助力制造企业与客户关系的长期自然绑定和企业绩效的稳步增长[45]。基于此,提出如下假设:

H3a前台数字化正向调节了制造企业“服务化-绩效”关系。

H3b后台数字化正向调节了制造企业“服务化-绩效”关系。

2 研究设计

2.1 数据来源及处理

考虑上市制造企业具有商业模式先进、数字化与服务化特征显著、数据信息透明等优势,故本文的样本数据选自沪深两市中国家技术创新示范企业、国家级服务型制造示范企业以及中国智能制造百强企业,并且参考已有研究,对数据做如下处理:①结合文献[46-47]中的研究,将制造企业服务业务划分为安装和维护服务、咨询服务、培训和技术服务、运输和仓储服务、零售和分销服务、采购服务、研发和设计服务、运营和外包服务、租赁服务、集成服务、金融服务以及知识产权与房地产服务,筛除年报“经营业务范围”中未开展服务的制造企业;②为确保实证结果的严谨性,剔除了ST 和*ST 公司以及部分数据缺失或存在重大疏漏的企业;③由于服务化与数字化战略的价值创造成效难以在短期内突显,故以3年作为一个时间段获取样本数据。经过筛选,本文分别从2013、2016和2019年3年截面上获得127、137和150条有效样本,合计414个有效观测值。

2.2 变量说明与定义

为厘清制造企业服务化、前后台数字化与企业绩效的关系,给出各变量的说明与定义。

(1)因变量。企业绩效为本文的因变量。为能客观反映企业价值创造能力以及企业未来成长性,参照肖挺[48]的研究,将托宾Q值(TQ)作为企业绩效的衡量指标。

(2)自变量。制造企业服务化(SER)为本文的自变量。以服务业务收入占总收入的比重衡量服务化水平。借鉴赵宸宇[36]和肖挺[48]的做法,以初筛后的安装和维护、集成解决方案提供等12类服务项目收入总和反映服务业务收入。

(3)调节变量。前台数字化(DFE)与后台数字化(DBE)为本文的调节变量。借鉴Martín-Peña等[2]的研究,以制造企业是否具备如下业务作为前后台数字化水平的衡量标准:①信息技术服务;②在线销售产品/服务;③客户信息交互平台;④网络渠道采购;⑤计算机辅助技术;⑥机器人设备的使用;⑦柔性制造系统。其中,①～③用以衡量前台数字化水平,④～⑦用以衡量后台数字化水平。采用二进制对各项目编码,“0”表示企业暂未实施该项业务,“1”表示企业当前已开展此项数字化业务,汇总后得到的数字越大则表明前台数字化或后台数字化水平越高。

(4)控制变量。参考现有关于服务化的研究,以企业规模(TOTAL)、净资产负债率(LEV)、企业成立年限(YEAR)、股权集中度(CO)、投入资本回报率(ROIC)以及销售毛利率(GPM)作为控制变量[46,49-50]。具体变量的定义说明如表1所示。

表1 变量定义

2.3 实证模型构建

综上分析,构建了实证模型以验证相关假设:

式中:α0、λ0、σ0、φ0和μ0为截距;αn、ψn、λn、σn、φn和μn(n=1～6)为模型中各变量的回归系数;∑control为控制变量;ε为随机干扰项。

模型式(1)、(2)用以检验H1,若服务化一次项系数α1显著大于0,平方项系数α2显著小于0,则表明服务化与企业绩效存在倒U 形关系;模型式(3)、(4)用以检验H2a和H2b,若前台数字化和后台数字化的回归系数λ1和σ1显著大于0,则表明前台与后台数字化的实施可激励企业绩效的攀升;模型式(5)、(6)用以检验H3a和H3b,若服务化一次项与前台和后台数字化的交互项系数φ4和μ4,以及服务化平方项与前台和后台数字化的交互项系数φ5和μ5 显著大于0,则表明前台和后台数字化正向调节服务化与企业绩效关系。

3 实证分析

3.1 描述性统计与相关性分析

借助STATA 软件对样本数据进行分析,表2、3分别给出了各变量的描述性统计与相关性分析结果。由表2可知,服务化均值为0.015,表明现阶段制造企业服务化水平整体偏低;前台数字化与后台数字化均值分别为0.457和2.420,说明当前制造企业对面向制造的后台数字化的投资远高于面向客户的前台数字化。此外,各变量的膨胀方差因子均小于临界值10,平均膨胀方差因子为1.363。同时,由表3可知,各变量之间的相关系数均小于0.6,因此,可排除多重共线性对回归分析结果的影响。

表2 描述性统计结果

表3 相关性分析结果

3.2 假设检验

对于面板数据的分析主要包括混合回归、固定效应模型和随机效应模型,通过LM 检验、F检验以及Hausman检验判断本文应选择何种模型进行回归分析,检验结果如表4所示。首先,通过LM 检验判断本文面板数据适合于混合回归还是随机效应模型。由表4结果显示,LM 检验p值均为0.000,表明应强烈拒绝“不存在个体随机效应”的相应原假设,即认为应选择随机效应模型进行检验而非混合回归。其次,利用F检验来判断应选择混合回归还是固定效应模型,结果显示,F检验p值均为0.000,强烈拒绝了原假设,即选择固定效应模型进行回归分析要优于混合回归。最后,以Hausman 检验判断应选择随机效应模型还是固定效应模型,结果显示,Hausman检验p值均小于0.1,表示选择固定效应模型进行回归分析更有效。综上可知,本文最终选取固定效应模型进行回归分析,回归结果如表5所示。

表4 LM 检验、F 检验与Hausman检验结果

表5 回归分析结果

(1)制造企业服务化与企业绩效关系。表5中列(1)～(2)分别为模型(1)、(2)的回归结果,判别了制造企业服务化与企业绩效的关系。列(1)中服务化一次项系数α1=2.782(p＜0.1),列(2)在此基础上引入服务化的平方项系数,此时,服务化一次项系数α1=6.839(p＜0.05),服务化平方项系数α2=-10.015(p＞0.1),表明服务化与企业绩效呈显著正相关,而非倒U 形,H1 部分成立。原因可能是,虽然本文假设制造企业存在服务悖论的风险,即服务化与企业绩效呈先上升后下降的倒U 形关系,但当前制造企业正处于数字化与服务化转型初期,即使服务业务被不断拓宽,企业也可通过内部资源拼凑或外部资源吸收来满足庞大的市场需求,形成持续增长的现金流。因此,暂未对企业绩效产生消极影响。此外,由于先前已有企业披露了服务悖论现象,故对于后期践行服务化战略的制造企业而言,会格外聚焦于判断当前衍生的服务是否超出了自身的能力范围。

(2)制造企业数字化与企业绩效关系。列(3)为模型(3)的回归结果,给出了前台数字化与企业绩效的关系。结果显示,前台数字化系数λ1=0.113(p＜0.1),即前台数字化可提升企业绩效,H2a成立。列(4)为模型(4)的回归结果,给出了后台数字化与企业绩效的关系。结果显示,后台数字化系数σ1=0.216(p＜0.1),表明后台数字化与企业绩效显著正相关,H2b成立。前台数字化支撑了供需交互平台的搭建,通过获取客户潜在需求提高了集成解决方案供需匹配的效率与精度;后台数字化受前台客户知识信息的驱动,以精益方式驱动了后台生产线智能化升级与改造,实现了产品质量的提升,前后台数字化协同作用下制造企业对客户需求响应速度加快,撬动了绩效的改善。

(3)数字化对“服务化-绩效”关系的调节作用。由于实证结果表明,服务化与企业绩效呈正相关,并不存在倒U 形关系,由此应重点关注服务化一次项与前台和后台数字化交互项系数φ4和μ4。列(5)为模型(5)的回归结果,给出了前台数字化对“服务化-绩效”关系的调节作用。结果显示,服务化一次项与前台数字化交互项系数φ4=8.367(p＜0.1),即前台数字化正向调节两者关系,H3a成立。同时,绘制了前台数字化调节作用图(见图2)。由图2可知,随着服务化程度的提高,前台数字化水平较高的制造企业绩效提升速率要显著快于低水平前台数字化企业,即当企业前台数字化水平提高时,会增强服务化对企业绩效的正向促进作用。

列(6)为模型(6)的回归结果,给出了后台数字化对“服务化-绩效”关系的调节作用。结果显示,服务化一次项与后台数字化交互项系数μ4=1.395(p＜0.1),表明后台数字化正向调节两者关系,H3b成立。同时,绘制了后台数字化的调节作用图(见图3)。由图3可知,在后台数字化水平较高的情境下,服务化对企业绩效的正向影响效应显著高于后台数字化水平较低的情形,即后台数字化水平愈高,服务化对企业绩效的促进作用愈加强烈。

由此可知,在制造企业服务化过程中,前台数字化通过快速捕捉客户知识与隐性需求,生成适配性的智能解决方案,增强了客户对服务价值的感知力度;后台数字化进程的加速推动了产品的智能制造及其产线的智能化改造,通过向产品中嵌入新一代信息技术,便于制造企业衍生产品全生命周期管理服务。前后台数字化激发了制造企业衍生更具价值创造能力的服务,面向及时性的客户问题解决提升了客户效用,实现了企业绩效改善。

3.3 稳健性检验

为考察实证结果的可靠性与稳定性,进一步拓展了样本范围,将符合研究特征的省级服务型制造示范企业纳入研究范围,并变更部分控制变量进行稳健性检验。将企业规模的衡量方式变更为当年企业资产总额(SIZE),并取自然对数加以平滑;将资产负债率的衡量方式变更为净资产负债率(JLEV),计算方法为负债总额占净资产总额的比重;将企业上市年限的衡量方式变更为企业成立年限(AGE),计算方法为当年年份减去成立年份;将股权集中度的衡量方式变更为第一大股东持股比例之和(CO_1)。根据通过LM 检验、F检验以及Hausman检验结果可知,除列(3)使用随机效应模型检验外,其他均选择固定效应模型检验,结果如表6所示。由表6可知,稳健性检验结果与前文回归分析保持一致,未呈现显著变化,表明本文研究结果具有较高的可信度。

表6 稳健性检验结果

4 进一步分析

描述性统计结果表明,制造企业服务化推进中后台数字化水平高于前台数字化。该结论与当前貌似繁荣的前台数字创业与运作现象背驰,产生这一现象的原因可能包括:一方面,服务化与数字化趋向协同有助于制造企业通过供需交互将前台客户知识物化为后台智能集成解决方案,驱动了制造系统的智能化改造,即前台数字化将反哺后台数字化水平的提高;另一方面,数字化助力服务化转型需要投入较高的要素成本,制造企业可能倾向于优先发展后台数字化,以达到升级产品结构与削减制造成本的目的。此外,不同地区服务化与前后台数字化发展具有一定的差异。为深度揭示该结论产生的原因与比较不同地区两化赋能效应,需要进一步展开论证。

4.1 进一步分析的假设检验

(1)前台数字化对后台数字化的反哺作用。在服务化进程中,制造企业利用数字化技术在前台搭建供需交互与信息反馈平台,改造服务客户流程,确保客户需求与知识的收集、存储、解析与转化,并快速生成易于被客户感知的智能解决方案,旨在为企业赢得经济优势。受前台数据的驱动,制造企业面向后台制造时,向安装基础中嵌入功能化的服务组件,逐步实现了产品服务系统的智能升级。随着服务化程度的进一步加深,前台数字化反哺后台数字化协同发展的效应愈加显著,即为更好地利用集成解决方案与客户形成长期自然的绑定关系,制造企业需将前台获取的客户知识数据融入后台智能化柔性制造系统,由此倒逼制造系统的数字化改造升级[17],实现智能产品的物化,同时在产品制造过程预留足够的标准化接口,便于后期更多增值服务内容的嵌入。基于此,提出假设:

H4前台数字化的推进可反哺后台数字化水平的提升。

(2)后台数字化与制造成本关系。智能产品的研发制造对数字化技术的依赖性持续增强,数字化技术的嵌入降低了智能产品的制造成本,如GE 通过建立Predix 平台将研发与制造等成本缩减了25%以上,海尔智家基于COSMOPlat工业互联网平台极大缩短了新产品的研发周期与成本,并运用3D 打印技术支持了高度定制化精密件的提供,有效降低了制造成本[14]。Kowalkowski等[15]认为将数字化技术嵌入产品服务系统可削减企业制造成本,提高生产效率,并促进其服务化转型;文献[51-52]中均认为依托数字化技术实时采集产品在线数据,不仅能够降低企业制造转换成本,还可缩减库存与物流管理成本。由此,在服务化进程中,制造企业通过应用后台数字化技术削减制造成本的表现方式主要包括:搭建工业互联网平台串联全链条数据,实现制造过程的闭环管理,以数据辅助决策,实现企业提质增效;基于制造共享理念搜寻生产要素,实现资源的合理分配、调度与整合,以企业间跨域合作节省制造成本;基于成组技术支持大规模定制的实现[14]。基于此,提出假设:

H5加强后台数字化水平可削减企业制造成本。

综合前文提及的全部假设,得到本文的概念模型如图4所示。

为反映企业对制造成本费用的管控力度及当前的运营管理水平,将营业成本率(COST)作为制造成本的衡量指标,计算方法为营业成本与营业收入的比值[53]。由此,对新假设进行回归分析,结果如表7所示。由表7可见,列(1)给出了前台与后台数字化的关系。结果显示,前台数字化系数为0.247(p＜0.01),表明前台数字化的推进可提升后台数字化水平,H4成立。制造企业前台数字化在商业领域服务范围的扩张和更好地与客户交互是后台制造柔性化与智能化硬件设备更新升级的保障,制造企业利用数字化技术重塑制造与服务流程,完成了前台数字化拓展服务与后台数字化精益生产的匹配集成。

表7 进一步假设检验结果

列(2)给出了后台数字化与制造成本的关系。结果显示,后台数字化系数为-0.016(p＜0.1),即后台数字化可削减企业制造成本,H5 成立。后台数字化改变了制造企业在传统产品主导逻辑下的生产方式,数字化技术在制造过程中的渗透将突显先进制造模式(如大规模定制、精益生产、柔性制造)的优势。借助共享平台可实现跨组织或市场的资源整合,共享制造服务模式的提供在降低资源购置费用的同时,避免了非必要人力资本投入,从多维度降低了企业制造成本。

4.2 不同地区服务化与前后台数字化水平对比

由于中国地区经济发展水平不均衡,全国范围样本数据分析得到的实证结论可能存在一定的模糊性,为解析不同地区间两化发展程度的差异性,有必要厘清不同地区服务化与前后台数字化水平。因此,依据国家统计局的地区划分,进一步分析中国东部与中西部制造企业的服务化、前后台数字化发展现状,总结现状成因并展望未来趋势,旨在指导地区企业加速两化协同,实现企业绩效的更大提升。两化发展水平与趋势线如图5～7所示。

由图5可见,东部地区服务化水平始终高于中西部地区,且从趋势线可推断两地区的发展差距将逐渐拉大。由图6可见,东部地区前台数字化水平总体高于中西部地区,2013～2016年间两者前台数字化均属于起步阶段,发展差距较小;但随着数字化技术的广泛应用,2016～2019年间东部与中西部地区发展逐渐拉开差距,参考两地区未来前台数字化发展的趋势线,可预见东部地区前台数字化的增长速率显著高于中西部地区。由图7可见,中西部地区后台数字化水平均处于领先地位,且依据趋势线可发现两地区后台数字化水平保持着相对平行的增长速率。

出现上述发展现状的主要原因是:相较中西部地区,东部地区经济活跃、人口资源密集、潜在客户群体基数庞大,终端消费性服务与中间生产性服务需求量大,前台数字化易于展开并产生多主体网络生态效应,制造企业可充分借助前台数字化收集并转化客户需求信息与知识,助力服务化的快速增长。而与东部地区相比,中西部地区拥有庞大与先进的重工业制造体系,且在“一带一路”战略倡导下,随着自贸试验区、综合保税区等开放式平台的建设,地区经济开放水平得以提升。在国家技改政策的扶持下,制造企业产线的自动化与智能化水平得以提高。依靠外部信息、技术与人才等优势资源,后台数字化保持着强劲的发展势头,但服务化水平增长速率弱于东部地区。综上可知,东部地区服务化的迅猛发展得益于领先的前台数字化水平,但后台数字化相对薄弱,未来应注重后台数字化建设,夯实制造根基,加速产品服务系统的智能化升级。中西部地区后台数字化赋能服务化尚有较大的发展空间,前台数字化的供需交互平台亟需完善,确保数字化赋能服务化并发挥更大的价值创造能力。

5 结论

本文以前后台理论为基础,提出了制造企业服务化、前后台数字化与企业绩效的理论模型与假设,实证分析了三者间的内在关系,揭示了服务化对绩效的促进作用以及数字化对服务衍生的赋能效应,并进一步探究了前台数字化对后台数字化的反哺作用、后台数字化对制造成本的影响,以及不同地区服务化与前后台数字化发展的差异,得到如下研究结论:

(1)制造企业数字化赋能服务化更有益于企业绩效的改善,且服务悖论现象暂未显现。当前,服务化已成为先进制造企业攀升价值链高端的重要发展战略,数字化支持了服务提供过程,保障了领先于客户需求的智能解决方案生成,并留存了服务证据,表征了服务价值。

(2)前后台数字化共同助力企业绩效的提升。前台数字化能够增强供需交互频次与质量,保障服务提供的有效性,后台数字化能够提升制造系统的智能化水平,降低制造成本。同时,前台数字化捕捉的客户知识可反哺后台数字化水平的提升,前后台数字化协同发展的趋势愈加显著。

(3)前后台数字化对“服务化-绩效”具有正向调节作用。前台数字化允许客户参与交互,服务价值易于感知;后台数字化支持产品定制实现,并与前台服务精确匹配,价值创造时空不断拓展,推动了企业绩效的稳步增长,但不同地区的服务化与前后台数字化发展水平存在差异。

研究结论对制造企业具有如下管理启示:

(1)深挖服务价值增长点,突破价值链低端锁定陷阱。制造企业应秉持服务与客户主导逻辑,以产品为母体衍生增值性服务,增强客户对服务价值的感知度,籍此,实现企业绩效的改善。此外,企业应评估服务的价值创造与成本支出,避免因盲目拓宽服务业务而陷入服务悖论的窘境。

(2)重视前后台数字化对企业绩效的赋能作用。制造企业前台数字化应依托供需交互平台,精准识别、转化与应用客户隐性需求,主动搜寻服务机会,留存服务提供证据,生成价值易于为客户感知的智能解决方案;后台数字化应聚焦制造系统的柔性化与智能化改造,积极承接前台客户知识,提高响应客户需求的能力,并降低制造成本。

(3)依托数字化拓展服务广度与深度。制造企业应丰富数字化应用于服务化的场景,并增强投入的力度,同时,协同生产性服务商汲取外部资源,实现创新要素的跨域、跨界整合的能力,保障衍生服务价值的更大创造。

(4)对接企业内外部优势资源,实现两化协同发展。不同地区资源禀赋存在差异,以市场占优的东部地区企业应充分利用前台数字化与服务化优势,夯实后台制造及其数字化;以制造占优的中西部地区企业应依托坚实的制造基础,通过外向的前台数字化,提升服务化水平。在数字化赋能服务化的作用下,不同地区企业可实现资源互补、运作协同,助力东西部地区经济发展的平衡。

研究结论虽有助于指导制造企业服务化与数字化转型,但仍存在一定的局限性:一方面,本文试图刻画并比较了不同地区服务化与前后台数字化发展的差异,但两化协同路径并不是简单复制,未来研究可进一步结合地域与行业特征,明确不同类型制造企业服务化与数字化发展模式与路径;另一方面,困囿于数据来源的限制,本文将研究对象聚焦于两化发展相对成熟的大型上市制造企业,但事实上,诸多未上市的中小型企业是中国制造的主要组成部分,未来研究可借助案例分析、问卷调查方法,深入分析中小型制造企业两化发展对绩效的影响,以增强研究结论的普适性。