制造企业数字化转型的前因组态研究

陈佳琴 韩明华

摘 要：數字化转型是推动我国制造企业实现高质量发展的重要途径。基于TOE理论框架，构建了数字化转型的影响因素模型，并运用fsQCA方法探究6个前因条件与制造企业数字化转型的复杂组态效应。研究发现：制造企业数字化转型并非由单一因素驱动，而是技术、组织、环境条件协同作用的结果。制造企业高数字化转型存在4条驱动路径，根据核心条件不同可归纳为“全要素驱动型”、“技术导向型”、“规模优化型”和“内外联动型”；而非高数字化转型仅存在1条“要素缺失型”路径。研究结果不仅从组态视角丰富了数字化转型的相关研究，而且也为制造企业数字化转型提供路径参考。

关 键 词：制造企业；数字化转型；TOE框架；组态分析

DOI：10.16315/j.stm.2023.02.006

中图分类号： F2707

文献标志码： A

Research on antecedent grouping of digital transformation in manufacturing

enterprises： based on the TOE theoretical framework

CHEN Jiaqin， HAN Minghua

（Faculty of Business， Ningbo University， Ningbo 315211， China）

Abstract：Digital transformation is an important way to promote highquality development of manufacturing enterprises in China. Based on the TOE theoretical framework， a model of the influencing factors of digital transformation is constructed and the fsQCA method is applied to explore the complex group effect of six antecedent conditions and digital transformation of manufacturing enterprises. The study found that digital transformation of manufacturing enterprises is not driven by a single factor， but is the result of the synergy of technological， organisational and environmental conditions. There are four driving paths for high digital transformation in manufacturing enterprises， which can be categorised as “allfactordriven”， “technologyoriented”， “scaleoptimised” and “insideout” depending on the core conditions. There is only one “factordeficient” path for nonhigh digital transformation. The results of this study not only enrich the research on digital transformation from a group perspective， but also provide a reference for the digital transformation of manufacturing enterprises.

Keywords：manufacturing enterprise; digital transformation; TOE framework; group state analysis

收稿日期： 2023-01-06

基金项目： 浙江省软科学项目（2020C35012）

作者简介： 陈佳琴（1998—），女，硕士研究生；

韩明华（1973—），女，硕士生导师，教授.

随着大数据、云计算、物联网、人工智能、区块链等数字技術的迅速发展与深入应用，数据作为重要生产要素为数字经济增添了新的活力[1]，党的二十大报告提出，要加快建设数字中国，加快发展数字经济，促进数字经济和实体经济深度融合。制造业作为我国国民经济的主体，是我国经济增长的动力源泉，在新一代数字技术的深度应用下，我国传统制造业的数字化进程加快脚步，获得了新的颠覆性改变。数字化转型成为我国制造业实现高质量发展的有效途径[2]。近年来，制造业数字化转型逐渐在企业层面达成共识，越来越多的企业开始迈向转型之路。虽有旺盛的数字化转型需求，但在此过程中很多传统制造企业未明确转型路线并缺乏整体思维，不知道优先考虑哪些因素以及如何选择数字化转型驱动路径，故导致数字化转型结果收效甚微。在此情境下，制造企业如何实现数字化转型，哪些前因条件会影响数字化转型，以及如何选择数字化转型驱动路径以实现高质量发展成为必须深入思考并亟待解决的问题。

近年来，围绕制造企业数字化转型，学者们主要从影响因素、转型路径等方面进行探索。影响因素方面，大多是聚焦于探究技术、组织等单一层面的因素对数字化转型的影响，也有部分学者通过传统定量方法探讨某些单一因素对制造企业数字化转型的线性关系[3]，但事实上，制造企业数字化转型是复杂、长期的系统工程，这个过程可能受多重因素的影响。转型路径方面主要是关注于企业数字化转型成功案例的经验性总结，且案例研究方法的相关结论普适性不强，少有学者探讨多重前因条件对于制造企业数字化转型的复杂组态效应[4]，缺乏新的实证方法解释多重前因条件对于数字化转型的复杂联动影响。

基于此，本文以99个中国A股制造企业为研究样本，采用TOE框架从技术、组织、环境3个层面识别影响制造企业数字化转型的前因条件，运用模糊集定性比较分析方法（fsQCA）探究以下问题：单个因素是否构成制造企业数字化转型的必要条件？哪些前因组态是促进制造企业数字化转型成功的关键所在？制造企业实现数字化转型的驱动路径有哪些？研究结论不仅为企业管理者立足于自身实际情况选择适配的数字化转型驱动路径提供理论指导和决策依据，并对于促进制造企业实现高质量发展具有重要意义。

1 文献回顾与模型构建

1.1 企业数字化转型

目前，学界对企业数字化转型的定义尚未统一，通过对现有文献的梳理可以发现，学者们主要从技术层面和组织变革层面对其进行了阐述。大多数学者普遍将企业数字化转型理解为以数字技术与数据要素为基础，通过重构企业组织结构、再造业务流程，以改善企业绩效或转变商业模式从而获得新的竞争优势的一个过程[5-6]。还有部分学者认为数字化转型与组织变革息息相关，数字化转型改变了企业的组织结构和经营模式得以更快地适应不断变化的环境[7-8]。数字化转型正深刻地改变企业实现技术变革的战略方向，但对于传统制造企业而言，随着数字技术与数据要素在企业层面的深度融合与广泛应用[9]，数字化转型已经不再是“要不要”的问题，而是“怎么转、如何转”的问题。因此企业数字化转型的文献回顾主要从制造企业数字化转型影响因素与转型路径2个方面展开。影响因素方面，学者们普遍认为制造企业数字化转型存在诸多影响因素，且不同影响因素在不同情境下所发挥的作用存在异质性[10]，其研究主要可以划分为3个层面：组织层面，如资源配置[11-12]、动态能力[13]、高管支持[14-15]等；环境层面，如政府支持[16]、行业竞争[17-18]等；技术层面，如信息技术[19-20]、数字化创新投入[21-22]、数字化基建[23-24]等。现有关于制造企业数字化转型路径的研究主要集中在2个方面：一是，从某个视角[25]或影响因素[26-27]出发进行理论分析后归纳出企业数字化转型路径；二是，采用阶段划分[28-29]或案例研究分析[30-31]等方法探究企业数字化转型演化路径。

综上，现有研究已从技术、组织和环境多个层面萃取出大量关于制造企业数字化转型的影响因素，这对本文深入探究多重前因条件对制造企业数字化转型的复杂组态效应具有重要借鉴意义。然而，聚焦于技术、组织等单一层面的影响因素，得到的只是单一因素对制造企业数字化转型的“净效应”[32]，而实证结果局限于单一线性关系，淡化了变量之间的交互关系，因此，多重因素对于制造企业数字化转型的复杂组态效应有待深入研究。此外，现有关于转型路径的研究，前人大多采用案例研究分析方法对企业数字化转型的典型案例进行经验性探索，而数字化转型路径的实证研究尚不够深入，且不同类型和规模的制造企业实现数字化转型的路径也不尽相同，相关结论的普适性不足。因此，在多重前因条件的组态效应下制造企业数字化转型的驱动路径问题仍需进一步探究。

1.2 TOE理论框架

TOE理论框架强调多层次的技术应用情境对企业采纳技术应用效果的影响，可以根据研究问题和背景改变因素、变量，具有广泛的适用性[33]。TOE框架并未明确技术、组织、环境各层面的具体因素，更多是一种因素归类的模型，需要根据研究问题和实际背景进一步细化和论证，具有较强的灵活性及可操作性。制造企业数字化转型存在大量的影响因素，而TOE框架适用于影响因素的归类和划分。因此，本文基于TOE理论框架，构建制造企业数字化转型影响因素的整合性分析框架，探讨技术、组织和环境等多重条件通过联动匹配方式对制造企业数字化转型的影响。

1.3 模型构建

根据现有研究文献，学者们对于技术、组织和环境3个层面所包含的具体因素尚未一致。技术层面，基于熊彼特创新理论，研发投入是企业为获得新技术而进行的有计划的创造性研究[34]；从动态能力理论视角来看，企业数字技术投资有助于塑造自身数字技术应用能力形成竞争优势，从而为获取超额的经济价值创造了潜在机会[35]。因此，本文选取研发投入和数字技术应用作为技术层面的代表性变量。组织层面，现有研究表明企业规模的大小对数字技术的运用或创新能力的提升具有重要影响[36-37]；基于高阶理论视角，高管团队是决定企业发展方向的关键因素[38]，其所具备的数字素养和技术经验有助于优化各类资源以支持企业数字化转型所需的迭代更新。基于此，本文考虑到变量的典型性和量化难易程度，故选取企业规模和高管团队作为组织层面代表性变量。环境层面的因素主要从市场和政府两方面选取变量，原因在于数字化转型作为一项资源高消耗性活动，企业可以通过政府直接或间接的补助提高资源配置效率，调动技术创新积极性，从而推动企业增加研发投入[39-40]；此外，在竞争激烈的环境中，企业要占据行业主导地位需要不断创新、提升产品和服务的特殊性、满足市场的多样化需求，从而更好地开展研发创新活动[41]。因此本文选取政府补贴和行业竞争压力作为环境层面的代表性变量。

1）技术条件主要包括研发投入和数字技术应用2个子条件。数字技术是实现数字化转型的重要驱动因素[42]，但数字技术的优势不仅在于技术本身，关键是数字技术能力的开发与应用。研发投入是企业加速数字化建设的预备环节，企业为提升创新活力和增强技术能力，会适度增强研发投入加快技术成果的转化，从而为产品、技术研发增添动力[43]；企业的研发、生产、运营等环节无不需要技术的支撑，数字技术应用激发了创新活力，再造了创新流程，变革了价值创造过程，从而获取持续竞争优势[44]。研发投入是预备环节，而数字技术应用是关键步骤，二者相互补充，共同助力于企业数字化转型。

2）组织条件主要包括企业规模和高管团队2个子条件。数字化转型决策受企业规模和高管团队的领导风格所影响[45]。现有研究表明，企业规模主要从资源禀赋和技术经验两方面影响数字化转型。上市年限越久且规模越大的企业，其所支配的资源越丰富和所积累的技术经验越多，研发风险抵御能力则越强，因此规模越大的企业越关注内部的转型升级，更偏好数字研发投入，开展数字化创新活动。事实上，数字化转型不单是简单地购买数字基础设施或应用数字技术，还涉及到组织内部的管理变革，在这个过程中离不开高管团队的有效管理，并且具有数字化思维的高层团队可以感知到数字环境的变化，从而为企业制定清晰的数字化发展愿景，坚定不移地推动转型工作[46]。

3）环境条件主要包括政府补贴和行业竞争压力2个子条件。制造企业数字化转型受政府政策和行业竞争等外部因素相互作用的影响。政府补贴可以有效缓解企业进行创新活动时所面临的资金短缺压力，从而激发企业技术创新意愿[47]；同时，政府补贴一定程度上向企业所在的市场传递了认可信号，借此企业可以在竞争市场中获取更多的资本援助，从而鼓励企业进行数字化投资和创新[48]。此外，行业竞争压力加剧会促使企业加大创新力度以谋求差异化优势，提升企业竞争力。特别的是，行业竞争压力使得部分头部制造企业率先利用数字技术进行数字流程变革，以抢占市场获得先发优势，而行业内其他企业警觉到竞争压力后，也纷纷跟随变革，积极开展数字化转型。

综上，基于TOE框架识别出影响制造企业数字化转型的6个子条件。在组态视角下，技术、组织和环境层面的因素对数字化转型的影响并非是独立的，而是通过联动匹配的方式协同发挥作用。因此，本文基于组态分析视角，构建制造企业数字化转型影响因素模型，如图1所示。

2 研究设计

2.1 定性比较分析方法

本文旨在探究在多重前因条件的组态效应下制造企业数字化转型的驱动路径，选择模糊集定性比较分析（fsQCA）方法，主要基于2个方面考虑：相较于传统研究方法，fsQCA作为一种集合理论分析方法，有助于深入了解多重前因条件的联动匹配对数字化转型的组态效应。制造企业数字化转型可能存在多样化的驱动路径，引入fsQCA方法能够进一步探究在多重前因条件的组态效应下制造企业数字化转型的驱动路径，从而为企业管理者制定适配的数字化转型路径提供路径参考。

2.2 数据收集

十九大報告提出要加快建设制造强国，推动互联网、大数据、人工智能和实体经济深度融合，自2017年开始，中国企业开始广泛实施数字化转型。考虑到数据易得性，本文选取的样本案例主要是中国A股上市制造企业，数据主要来源于东方财富网、Wind、CSMAR等，以2020年末数据为基准，其中上市公司数字化转型数据通过Python整理和人工阅读所得。为了增加研究结果的可靠性，剔除数据中的ST及*ST企业，最终获得99个案例样本。99家制造企业覆盖了全国35个省市自治区，其中广东省占比最高；涵盖了22个行业大类，其中以专用设备制造业、电气机械及器材制造业为主。

2.3 变量测量

2.3.1 条件变量

1）研发投入（Rd）。研发投入强度作为衡量创新研发投入的指标，反映了一段时期内企业对创新投入的重视程度。本文借鉴严若森[49]等的研究成果，采用研发支出与营业收入的比重来衡量企业研发投入强度。

2）数字技术应用（Dt）。参考祁怀锦[50]等的研究，当无形资产明细项说明中包含与数字技术应用相关的关键词，则将其归入数字技术相关的无形资产，同时加总每年的数字技术相关无形资产变动额，采用数字技术无形资产变动额与年度期末无形资产总额的比重来衡量数字技术应用水平。

3）企业规模（Sz）。企业规模衡量了企业的实力与地位，规模越大的企业具备更强的成本控制能力和研发能力，也更偏好进行创新研发投入。本文采用营业收入取自然对数作为企业规模测量指标。

4）高管团队（Tmt）。高管团队特征具有不同维度，其中教育背景对于企业是否进行数字化转型的决策具有关键影响作用。因此，本文借鉴薛钥[51]的研究成果，对高管团队受教育程度进行测量，即其他学历赋值为1，大专学历赋值为2，本科学历赋值为3，研究生学历赋值为4，计算出高管团队学历赋值权重总和除以总人数求得平均数表征高管团队受教育程度。

5）政府补贴（Gs）。本文政府数字化投入补贴数据主要是从企业年报中手动筛选政府补助与数字化有关数据整理得到，最后对整理好的数据进行对数化处理。

6）行业竞争压力（Ct）。参考蔡猷花[52]等对竞争强度的测量方式，使用赫芬达尔指数HHI测量行业竞争压力，计算公式为

HHI=∑ni=1xix2。

其中：n表示企业的数量，xi表示企业营业收入，X表示所在行业总的营业收入。HHI的倒数反映行业竞争程度，其值越大，表明企业所处行业竞争程度越高。

2.3.2 结果变量

企业数字化转型水平（Dcg）。本文参考吴非等[53]的研究成果，基于所得的数字化转型特定关键词，利用Python大数据爬虫功能，统计上市企业年报中包含数字化转型关键词的语句与词频，再通过人工阅读方式进行数据筛选，最后分类归集这些关键词词频并形成最终加总词频，最终加总词频数加1取对数表征企业数字化转型水平。

2.4 变量校准

校准是对研究案例赋予集合隶属的过程，fsQCA方法的分析对象是集合并非变量，因此在进行实证分析之前需要对原始数据中的各个变量进行校准，赋予变量隶属度，使得原始变量具有被解释的集合意义。由于现有研究对锚点的设置暂未统一，本文参考Ragin[54]等的研究选取0.75、0.5、0.25作为校准锚点，各变量的校准值，如表1所示。

3 数据分析与结果

3.1 必要性分析

在组态分析前，需要对单一因素的必要性水平进行独立检验。为了检验单一变量是否可以作为结果变量的必要条件，通常检验一致性的大小，即一致性结果大于0.9的前因条件被认定为结果的必要条件。本文使用fsQCA3.0软件计算出了高水平数字化轉型和低水平数字化转型的必要条件结果，如表2所示。

由表2可知，所有变量所对应的一致性水远低于0.9，即不存在某个单一因素是导致制造企业数字化转型产生的必要条件，这也侧面印证制造企业数字化转型具有一定的复杂性，单一因素无法解释这种复杂性，因此进行下一步的组态分析是必要的。

3.2 组态分析

多因素的组态路径分析也即充分性分析，主要反映各因素的组成配置对结果的充分性影响。本文采用fsQCA3.0对样本数据进行组态分析，案例频数阈值为2，一致性阈值设定为0.75，PRI的一致性设定为0.7，由于制造企业数字化转型研究尚处于探索阶段，存在不同视角的多维度解读，因此本文将技术、组织、环境条件均设置“Present or Absent”，最后形成真值表。在得到简约解、中间解和复杂解后，秉承“中间解为主，简约解为辅”的原则得出制造企业高数字化转型的5种组态和非高数字化转型的1种组态，结果如表3所示。

3.2.1 制造企业高数字化转型的组态分析

由表3可知，5种组态的一致性都远高于0.75，这说明每种组态都是实现制造企业数字化转型的充分条件。解的总体一致性水平为0.85，这表明所有满足这5种组态的制造企业数字化转型样本案例中，有85%的案例企业实现了较高水平的数字化转型。此外，由解的总体覆盖度度0.41可知，这5种组态可以解释41%的高数字化转型的案例企业。根据5种组态的核心条件不同，进一步将H1、H2归纳为“全要素驱动型”，H3为“技术导向型”，H4为“规模优化型”，H5为“内外联动型”。

1）全要素驱动型。全要素驱动型是指技术、组织、环境条件之间的联动匹配共同助力于制造企业数字化转型。H1（Rd*Dt*Tmt*Gs*Ct）表明，拥有高素质高管团队、高政府补贴、高行业竞争压力的制造企业，辅以较高的研发投入和数字技术应用，能够更好的实现高水平的数字化转型。H1中的制造企业在面临激烈的竞争压力时，高管团队会积极进取，加大创新投入，同时，政府补贴为企业的研发创新活动提供了资金支持，并且在具有敏锐数字化感知的高层团队领导下，数字化投入和研发成果得到快速转化，数字技术得以高效地应用于企业的技术生产和产品迭代更新环节中，从而更好地促进企业实现高水平的数字化转型。约16%的案例企业能被H1所解释，代表企业有69、44、37、86、91号。H2（Rd*Sz*Tmt*Gs*Ct）表明，拥有拥有高素质高管团队、高政府补贴、高行业竞争压力的制造企业，辅以较高的研发投入和较大的企业规模，能够更好的实现高水平的数字化转型。H2中的制造企业处于复杂的竞争环境下，会尽可能加大研发投入、增强数字化投资和扩大企业规模应对技术研发的风险和市场压力的冲击，而高管团队在这个过程中，赋予认知上的渗透力和行动上的执行力，优先将重点资源和资金投入到数字技术创新研发中，政府补助为企业提供研发资金的支持以缓解企业资金短缺的压力，刺激企业重视研发创新活动。约12%的案例企业能被该H2所解释，代表企业有18、28、40、86、91号。

以典型案例91号泰豪科技（600590）为例，泰豪科技作为高科技企业，现形成以军工装备、智能电力、智慧城市、创意科技和创业投资业务为主的发展格局备受政府关注，2020年获政府技术研发和人才补助高达4千万。公司现有研发人员1 260余人，占比40%以上，其中获得有效授权专利和著作权1 600余项。政府的大力补贴、组织内部积极研发提升技术创新能力，泰豪最终获得了数字化高绩效回报。

2）技术导向型。技术导向型是指技术主导、组织辅助的联动匹配共同助力于制造企业数字化转型。H3（Rd*Dt*～Sz*Tmt*～Gs*～Ct）表明，拥有高研发投入和数字技术应用的制造企业，辅以较高的高层团队的支持，更有助于实现高水平的数字化转型。H3中的制造企业在缺乏外部竞争驱动和政策支持的情况下，企业内部会积极进行研发创新投入，优化技术创新体系，以技术创新为导向，充分挖掘企业自身技术创新能力，在高质量数字化管理团队的带领下，提升精、高、细的技术应用水平为企业数字化转型赋能，最终高效地实现数字化转型。约13%的案例企业能被H3所解释，代表企业有50、84、39、80号。

以典型案例80号新元科技（300472）为例，新元科技是作为创新型高科技企业，拥有国内最早一批从事相关技术研究的专家，凭借强劲的研发团队和强大的研发能力，不断为客户提供智能化装备产品和综合性服务方案。新元所处行业属于技术密集型，先进的核心技术及持续创新能力一直以来都是新元的核心竞争优势。

3）规模优化型。规模优化型是指技术和组织条件共同助力于制造企业数字化转型。H4（～Rd*Dt*Sz*Tmt*Gs*～Ct）表明，拥有高数字技术应用的大规模制造企业，辅以较强的行业竞争压力，更有助于实现高水平的数字化转型。H4中的制造企业在面对相对激烈的竞争压力时，企业拥有相对于竞争对手更大的企业规模时，其配备更优质资源和更成熟的技术经验，其抵御竞争风险的能力更强。为获得持续的竞争优势，规模越大的企业在竞争压力的驱动下更有可能投入更多的资源和能力去提升数字技术应用水平，驱动核心技术实现颠覆性创新，再造创新流程，助力其实现高水平的数字化转型。约11%的案例企业能被H4所解释，代表企业有32、16、53号。

以典型案例16号古井贡酒（000596）为例，古井贡酒是中国名酒企业，也是中国第一家A、B两支股票都发行的上市公司。古井作为大型国企，2020年拟投入89亿元建设酿酒生产智能化技术改造项目，为提升公司勾储能力，优化产品结构，扩大市场占有率，积极引入先进的生产设备，增强生产环节的自动化程度。

4）内外联动型。内外联动型是指技术和环境条件共同助力于制造企业数字化转型。H5（～Rd*Dt*Sz*Tmt*Gs*～Ct）表明，拥有高素质高管团队和高政府补贴的制造企业，辅以较强的数字技术应用和较大的企业规模，更有助于实现高水平的数字化转型。H5中的制造企业获得政府提供的资金支持能够有效缓解企业技术创新的资金压力，而技术创新成果以及研发周期具有高度不确定性，较大的企业规模可以提供更多的试错机会从而应对研发风险所带来的损失与冲击。与此同时，高管团队一方面把握研发创新的节奏，紧跟数字技术应用的前沿方向；另一方面积极开拓数字化创新思维，积极主动的学习数字化、认识数字化、拥抱数字化。约8%的案例企业能被H5所解释，代表企业是9号。

以典型案例9号云南白药（000538）为例，云南白药从顶层设计层面启动了数字化变革，并全面涵盖各产业、研发模块，制定了人力资源数字化转型战略，逐步实现场景化、集團化、自动化、数据化。此外，年报显示，2020年政府补贴高达1.8亿元助力于企业医药人工智能大数据平台支撑数字化发展。

3.2.2 制造企业非高数字化转型的组态分析

由表3可知，NH1解的总体一致性为0.88，大于0.75，满足充分条件检验的一致性要求，解的总体覆盖率为0.23，这表明该组态能够解释23%的案例企业非高数字化转型的原因。

经过观察组态的构型，由于其缺失技术、组织、环境等因素，故将该路径命名为“要素缺失型”。NH1（～Dt*～Sz*～Tmt*～Gs*～Ct）表明当数字技术应用、企业规模、高管团队、政府补贴、行业竞争压力等条件都缺失时，会导致非高数字化转型。具体来说，企业所处的行业竞争压力缺失时，市场同类型的制造企业数字化意识淡薄导致数字化创新活动很难开展，加上缺少政府的财税支持，内部的资源和资金大部分都投入到生产经营活动之中导致数字化投入分身乏术。同时高层团队缺乏敏锐的市场洞察力和数字化变革意识，组织内部的创新活动难以为继，那么研发成果更难得到转化，导致无法实现转型升级。因此该路径印证了此类制造企业一旦缺乏技术、组织、环境的支持可能无法实现数字化转型。

4 稳健性分析

本文采用调整一致性阈值和调整案例阈值数进行稳健性检验。首先，将一致性水平由原来的0.75提高至0.8，此时实证得出了4种高数字化转型组态，调整后的RH1、RH2和原先的H1、H2组态构型没有任何变化，虽调整后解的覆盖度略有下降，但整体解的一致性基本保持不变。其次，将原先的案例阈值2调整为3，此时实证得出了3种高数字化转型组态，其中调整后RH1与原先的H1组态构型完全一致，虽调整后解的覆盖度略有下降，但整体解的一致性基本不变。综上，本文研究结论具有稳健性。

5 结论与启示

5.1 研究结论

本文以99家中国A股制造业上市公司为样本，基于TOE框架确定影响制造企业数字化转型的6个前因条件并构建研究模型，运用fsQCA方法探究技术、组织、环境条件对于制造企业数字化转型联动匹配的复杂效应以及在多重前因条件的组态效应下制造企业数字化转型的驱动路径，得出以下结论：

第一，制造企业数字化转型具有“多重并发”的特点。技术、组织、环境条件中的任意单一因素都不能构成制造企业高和非高数字化转型的必要条件，因此制造企业数字化转型是技术、组织、环境多重条件协同发力、共同作用的结果。

第二，制造企业数字化转型没有唯一最优路径，各驱动路径既有差异性又有等效性。技术、组织、环境层面下的不同前因条件组合形成了4条制造企业高数字化转型的驱动路径，根据核心条件的不同，进一步归纳为“全要素驱动型”、“技术导向型”、“规模优化型”及“内外联动型”。技术、组织、环境层面下的核心条件之间具有互补替代性，并且4条驱动路径之间还存在着潜在替代关系，可为处于不同情境下的制造企业实现高数字化转型提供差异化但具有等效性的路径选择。具体而言，企业为实现高数字化转型，但其技术条件为边缘条件，由此可以依靠组织核心条件或者环境核心条件所具有的优势弥补技术条件上的劣势，这对应于“内外联动型”路径；若企业面临激烈的行业竞争压力时，可以通过提升技术核心条件或加强组织核心条件来抵御外部竞争的威胁和冲击，这对应于“全要素驱动型”或“规模优化型”路径；当企业缺乏外部条件刺激且组织内高管团队管理优势不明显时，可通过提升数字技术水平乘势而上，这对应于“技术导向型”路径。

第三，导致制造企业非高数字化转型的路径仅存在1条，归纳为“要素缺失型”，该路径包括非高数字技术应用、非高企业规模、非高素质高管团队、非高政府补贴、非高行业竞争压力，这表明技术、组织和环境多个层面的条件缺失会导致制造企业数字化转型成效低下。

5.2 研究启示

基于研究结论，本文对实施数字化转型的制造企业和政府提供了一定的实践启示：

1）从组态思维出发，制造企业的管理者思维需从“单一优化”转向“组态协同”，原因在于某单一因素未必能很好地助力于企业实现高数字化转型。因此管理者应重视技术、组织、环境等条件的联动匹效应，在明确技术、组织、环境等优劣条件的前提下，注重多重条件的协调匹配，因地制宜地选择适合企业自身发展的驱动路径。

2）从驱动路径的差异性和等效性出发，制造企业管理者应厘清技术、组织、环境层面下不同核心条件之间的互补替代关系，进而选择符合企业当下发展情境的驱动路径。具体来说，“全要素驱动型”路径的核心条件包括高管团队、政府补贴和行业竞争压力，这表明制造企业面临的环境越复杂，高管团队越要审时度势，开拓创新，充分利用政府政策所带来的资金补贴优势助力于企业的研发创新活动，将数字技术能力高效应用于生产管理和产品更新等环节之中，从而更好地促进企业数字化转型建设。“技术导向型”路径的核心条件包括研发投入和数字技术应用，这表明制造企业应加强内部的研发投入，以技术创新为导向，依托高管团队的数字式管理和技术经验支持，充分挖掘企业自身技术创新能力，进而为企业数字化转型赋予新的动能。“规模优化型”路径的核心条件包括数字技术应用和企业规模，这表明规模越大的制造企业抵御风险的能力越强且可配置资源更丰富，这一类的企业应投入更多的资源和能力去提升数字技术水平，谋求数字化竞争中一席之地。“内外联动型”路径的核心条件包括高管团队和政府补贴，这启示制造企业的管理者一方面要重点关注组织的内功修炼，增强技术研发投入强度并培育自身数字技术应用能力；另一方面要充分利用外部资源，尤其是外部的资金支持和公共数字基础设施等资源，协同优化内外部优势资源，推进自身数字化转型建设。

3）从政府角度出发，应加强对制造企业数字化转型的政策扶持和宏观引导。首先，政府应积极优化公共数字基础设施和建立健全数字化政策支撑体系，对数字化转型程度低下的制造企业进行“点对点”式的精准扶持，充分发挥政策组合优势，真正了解企业数字化转型的痛点和难处。其次，为数字化转型程度较高的制造企业提供优质的地区数字环境，鼓励和支持科研机构、高校、互联网公司等主体加强与企业的交流互动，为企业提升数字技术应用水平提供合作平台，激发企业数字化转型意愿，打造扶持数字化转型的标杆企业。

本文尽管在制造企业数字化转型方面进行了积极探索，但仍存在一些不足：首先，受限于数据可得性，本文所涉及的数据为截面数据，未来可以进一步优化研究数据，纳入时间维度，拓展研究的深度和广度。其次，本文的高管团队测度主要是基于教育背景，未來对于高管团队特征的测量可以进行不同维度的测量，进一步丰富高管团队特征的测量指标。

参考文献：

［1］ 肖静华.企业跨体系数字化转型与管理适应性变革[J].改革，2020（4）：37.

XIAO JH.Crosssystem digital transformation and adaptive changes of management[J].Reform，2020（4）：37.

［2］ 李晶，曹钰华.基于组态视角的制造企业数字化转型驱动模式研究[J].研究与发展管理，2022，34（3）：106.

LI J，CAO Y H.Digital transformation driving model of manufacturing enterprises based on configuration perspective[J].R&D Management，2022，34（3）：106.

［3］ ELLER R，ALFORD P， KALLMVNZER A，et al.Antecedents，consequences，and challenges of small and mediumsized enterprise digitalization[J].Journal of Business Research，2020，112：119.

［4］ 杜运周，贾良定.组态视角与定性比较分析（QCA）：管理学研究的一条新道路[J].管理世界，2017（6）：13.

DU Y Z，JIA L D.Configuration perspective and qualitative comparative analysis （QCA）：A new way of management research [J].Management World，2017（6）：13.

［5］ KUMAR A，KRISHNAMOORTHY B.Business analytics adoption in firms：A qualitative study elaborating TOE framework in India[J].International Journal of Global Business and Competitiveness，2020，15（2）：80.

［6］ 孟凡生 ，赵刚 .传统制造向智能制造发展影响因素研究［J］.科技进步与对策 ，2018，35（1）：66.

MENG F S，ZHAO G.Research on the influence factors of traditional manufacturing to the development of intelligent manufacturing[J].Science & Technology Progress and Policy，2018，35（1）：66.

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

［8］ 陳剑，黄朔，刘运辉.从赋能到使能：数字化环境下的企业运营管理[J].管理世界，2020，36（2）：117.

CHEN J，HUANG S，LIU Y H.Operations management in the digitization era：From empowering to enabling[J].Management World，2020，36（2）：117.

［9］ 李雷，杨水利，陈娜.数字化转型的前因组态及绩效研究：来自中国制造业上市公司的经验证据[J/OL].科技进步与对策：110[20230207]

LI L，YANG S L，CHEN N.Antecedent configuration of digital transformation and its performance：Empirical evidence from chinese manufacturing listed companies[J/OL].Science & Technology Progress and Policy：110[20230207]

［10］赵艺婷，刘文昌.制造企业数字化转型驱动因素的组态效应研究[J/OL].科学与管理：118[20221216].

ZHAO Y T，LIU W C.Research on configuration effect of driving factors of digital transformation in manufacturing enterprises[J/OL].Science and Management：118[20221216].

［11］陈庆江，王彦萌，万茂丰.企业数字化转型的同群效应及其影响因素研究[J].管理学报，2021，18（5）：653.

CHEN Q J，WANG Y M，WAN M F.Research on peer effect of enterprise digital transformation and influencing factors[J].Chinese Journal of Management，2021，18（5）：653.

［12］郑季良，陈白雪.制造企业转型升级的条件组态路径对比研究：企业资源视角[J].科技进步与对策，2020，37（6）：1.

ZHENG J L，CHEN B X.Comparative study on conditional configuration paths of manufacturing transformation and upgrading from the perspective of enterprise resources[J].Science & Technology Progress and Policy，2020，37（6）：1.

［13］WARNER K S R，WAGER M.Building dynamic capabilities for digital transformation：An ongoing process of strategic renewal[J].Long range planning，2019，52（3）：326.

［14］ABED S S.Social commerce adoption using TOE framework：An empirical investigation of Saudi Arabian SMEs[J].International Journal of Information Management，2020，53：102118.

［15］SINGH A，KLARNER P，HESS T.How do chief digital officers pursue digital transformation activities？ The role of organization design parameters[J].Long Range Planning，2020，53（3）：101890.

［16］CHEN C L ，LIN Y C ，CHEN W H ，et al.Role of government to enhance digital transformation in small service business[J].Sustainability，2021，13（3）：1028.

［17］曾皓.市場竞争机制促进了企业数字化转型吗？：基于市场准入负面清单制度的准自然实验[J/OL].外国经济与管理：118[20221231].

ZENG H.Does market competition mechanism promote enterprise digital transformation？ A quasinatural experiment based on the negative list system of market access[J/OL].Foreign Economics & Management：118[20221231].

［18］金珺，李诗婧，黄亮彬.传统制造业企业数字化转型影响因素研究[J].创新科技，2020，20（6）：22.

JIN J，LI S J，HUANG L B.Research on the influencing factors of digital transformation of traditional manufacturing enterprises[J].Innovation Science and Technology，2020，20（6）：22.

［19］黄丽华，朱海林，刘伟华，等.企业数字化转型和管理：研究框架与展望[J].管理科学学报，2021，24（8）：26.

HUANG L H，ZHU H L，LIU W H，et al.The firms digital transformation and management：Toward a research framework and future directions[J].Journal of Management Sciences in China，2021，24（8）：26.

［20］VIAL G.Understanding digital transformation：A review and a research agenda[J].Managing Digital Transformation，2021：13.

［21］王宇，王铁男，易希薇.R&D投入对IT投资的协同效应研究：基于一个内部组织特征的情境视角[J].管理世界，2020，36（7）：77.

WANG Y，WANG T N，YI X W.Research on the synergistic effect of R&D expenditures for IT investment：A contingent view of internal organizational factors[J].Management World，2020，36（7）：77.

［22］孔伟杰.制造业企业转型升级影响因素研究：基于浙江省制造业企业大样本问卷调查的实证研究[J].管理世界，2012（9）：120.

KONG W J.Research on the factors affecting the transformation and upgrading of manufacturing enterprises：An empirical study based on a large sample questionnaire survey of manufacturing enterprises in Zhejiang province[J].Management World，2012（9）：120.

［23］沈运红 ，黄桁 .数字经济水平对制造业产业结构优化升级的影响研究 ：基于浙江省 2008—2017 年面板数据［J］.科技管理研究 ，2020，40（3）：147.

SHEN Y H，HUANG H.Research on influence of digital economy level on industrial structure optimization and upgrading of manufacturing industry：Based on panel data of Zhejiang province from 2008 to 2017[J].Science and Technology Management Research，2020，40（3）：147.

［24］陳畴镛，许敬涵.制造企业数字化转型能力评价体系及应用[J].科技管理研究，2020，40（11）：46.

CHEN C Y，XU J H.Manufacturing enterprise digital transformation ability evaluation system and application[J].Science and Technology Management Research，2020，40（11）：46.

［25］SEDERA D，LOKUGE S，GROVER V，et al.Innovating with enterprise systems and digital platforms：A contingent resourcebased theory view[J].Information & Management，2016，53（3）：366.

［26］綦良群，赵少华，蔡渊渊．装备制造业服务化过程及影响因素研究：基于我国内地30个省市截面数据的实证研究[J]．科技进步与对策，2014，31（14）：47．

QI L Q，ZHAO S H，CAI Y Y.Research on the servitization of equipment manufacturing industry and influence factors[J].Science & Technology Progress and Policy，2014，31（14）：47．

［27］吕建中.制造企业数字化智能化转型的可持续发展路径[J].中国工业和信息化，2020（5）：78.

LV J Z.Sustainable development path of digital and intelligent transformation of manufacturing enterprises [J].China Industry & Information Technology，2020（5）：78.

［28］BERMAN S J.Digital transformation：Opportunities to create new business models[J].Strategy & Leadership，2012，40（2）：16.

［29］SOLUK J，KAMMERLANDER N.Digital transformation in familyownedMittelstand firms：A dynamic capabilities perspective[J].European Journal of Information Systems，2021，30（6）：676.

［30］YOO Y，HENFRIDSSON O，LYYTINEN K.The new organizing logic of digital innovation：An agenda for information systems research[J].Information Systems Research，2010，21（4）：724.

［31］盧宝周，尹振涛，张妍.传统企业数字化转型过程与机制探索性研究［J.科研管理，2022，43（4）：83.

LU B Z，YIN Z T，ZHANG Y.An exploratory study of the processes and mechanisms of the digital transformation of traditional companies［J］.Science Research Management，2022，43（4）：83.

［32］陈爽英，雷波，冯海红.发达地区和欠发达地区工业数字化的组态路径：基于“技术-组织-环境”的理论框架分析[J].科学学研究，2022，40（3）：410.

CHEN S Y，LEI B，FENG H H.Research on configurational path of industrial digitization between developed regions and underdeveloped regions：Based on “technologyorganizationenvironment” framework[J].Studies in Science of Science，2022，40（3）：410.

［33］曾经纬，李柏洲，宋鹏，王鑫.企业原始创新驱动路径研究：基于TOE框架的组态分析[J/OL].科技进步与对策：110[20230207].

ZENG J W，LI B Z，SONG P，WNG X.The driving path of enterprise original innovation：A configuration analysis based on TOE framework[J/OL].Science & Technology Progress and Policy：110[20230207].

［34］孟渺.研发投入对大数据企业经营绩效影响的实证研究[D].江苏：南京邮电大学，2022：7.

MENG M.Empirical research on the impact of R&D investment on the business performance of big data enterprises[D].Jiangsu：Nanjing University of Posts and Telecommunications，2022：7.

［35］孙洁.数字技术投资对企业价值的影响研究[D].北京：首都经济贸易大学，2020：66.

SUN J.Research on the impact of digital technology investment on enterprise value[D].Beijing：Capital University of Economics and Business，2020：66.

［36］WALKER R M.Internal and external antecedents of process innovation：A review and extension[J].Public Management Review，2014，16（1）：21.

［37］孙启祥.制造企业数字化转型成效影响因素的条件组态研究[D].青岛：青岛理工大学，2021：36.

SUN Q X.Research on conditional configuration of factors influencing the effectiveness of digital transformation of manufacturing enterprises[D].Qingdao：Qingdao University of Technology，2021：36.

［38］湯萱，高星，赵天齐，丁胜涛.高管团队异质性与企业数字化转型[J].中国软科学，2022（10）：83.

TANG X，GAO X，ZHAO T Q，DING S T.Executive team heterogeneity and corporate digital transformation[J].China Soft Science，2022（10）：83.

［39］BOEING P.The allocation and effectiveness of Chinas R&D subsidiesEvidence from listed firms[J].Research Policy，2016，45（9）：1774.

［40］ULLAH F，QAYYUM S，THAHEEM M J，et al.Risk management in sustainable smart cities governance：A TOE framework[J].Technological Forecasting and Social Change，2021，167：120743.

［41］PORTER M E.Technology and competitive advantage[J].Journal of business strategy，1985，5（3）：60.

［42］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.

［43］石丽静.研发强度与企业创新绩效：政府资源与知识产权保护的调节作用[J].经济与管理评论，2017，33（6）：144.

SHI L J.R&D Intensity and innovation performance：The moderating effects of government resources and intellectual property rights protection[J].Review of Economy and Management，2017，33（6）：144.

［44］肖静华，吴瑶，刘意，等.消费者数据化参与的研发创新：企业与消费者协同演化视角的双案例研究[J].管理世界，2018，34（8）：154.

XIAO J H，WU Y，LIU Y，et al.New product development innovation with customer digitalized engagement：A comparative case study from the firmcustomer coevolutionary perspective[J].Management World，2018，34（8）：154.

［45］PORFIRIO J A，CARRILHO T，FELICIO J A，et al.Leadership characteristics and digital transformation[J].Journal of Business Research，2021，124：610.

［46］张昆贤，陈晓蓉.谁在推动数字化？：一项基于高阶理论和烙印理论视角的经验研究[J].经济与管理研究，2021，42（10）：68.

HANG K X，CHEN X R.Who promotes digitalization？：Empirical research based on upper echelons theory and imprinting theory[J].Research on Economics and Management，2021，42（10）：68.

［47］王珊珊.环境规制、政府研发补贴与生态技术创新效率[D].济南：山东大学，2020：6.

WANG S S.Environmental regulation and government R&D subsidies and efficiency of ecotechnology innovation[D].Jinan：Shandong University，2020：6.

［48］黄明月.数字化投资对制造业企业绩效影响的实证研究[D].杭州：杭州电子科技大学，2020：39.

HUANG M Y.An Empirical study on the impact of digital investment on the performance of manufacturing enterprises[D].Hangzhou：Hangzhou Dianzi University，2020：39.

［49］严若森，华小丽，钱晶晶.组织冗余及产权性质调节作用下连锁董事网络对企业创新投入的影响研究[J].管理学报，2018，15（2）：217.

YAN R S，HUA X L，QIAN J J.The impact of interlocking directorate network on innovation investment with the moderation of organization slack and nature of property right[J].Chinese Journal of Management，2018，15（2）：217.

［50］祁怀锦，曹修琴，刘艳霞.数字经济对公司治理的影响：基于信息不对称和管理者非理性行为视角[J].改革，2020（4）：50.

QIH J，CAO X Q，LIU Y X.The influence of digital economy on corporate governance：Analyzed from information asymmetry and irrational behavior perspective[J].Reform，2020（4）：50.

［51］薛钥.异质性视角下高管团队背景特征对企业绿色技术创新的影响[D].徐州：中国矿业大学，2020：31.

XUE Y.The influence of the background characteristics of senior management team on the green technology innovation of enterprises from the perspective of heterogeneity[D].Xuzhou：China University of Mining and Technology，2020：31.

［52］蔡猷花，曹芸菁，陈国宏，等.高新技术企业研发投入的多重并发因果关系：基于模糊集定性比较分析的研究[J].中国科技论坛，2022（2）：86.

CAI Y H，CAO Y J，CHEN G H，et al.Research on multiple conjunctural causation of R&D investment of hightech enterprises：Based on fsQCA method[J].Forum on Science and Technology in China，2022（2）：86.

［53］吳非，胡慧芷，林慧妍，等.企业数字化转型与资本市场表现：来自股票流动性的经验证据[J].管理世界，2021，37（7）：130.

WU F，HU H Z，LIN H Y，et al.Enterprise digital transformation and capital market performance：Empirical evidence from stock liquidity[J].Management World，2021，37（7）：130.

［54］RAGIN C C，FISS P C.Net effects analysis versus configurational analysis：An empirical demonstration[J].Redesigning social inquiry：Fuzzy sets and beyond，2008，240：190.

［编辑：刘琳琳］