数据互操作对制造业供应链绩效的影响机理

温 馨, 郭亚宁, 殷艳娜

(1. 沈阳工业大学 管理学院, 沈阳 110870; 2. 沈阳化工大学 经济与管理学院, 沈阳 110142)

近年来,我国制造业逐步淘汰了落后产能,推动以促进制造业创新发展为主题、以加快新一代信息技术与制造业深度融合为主线、以推进智能制造为主攻方向的“中国制造2025”宏大计划的进程[1]。近几年,世界各国经济增速放缓,全球经济低迷、市场萎缩的状况加重[2]。在多重因素影响下,全球供应链体系开始瓦解,全球经济的不稳定性加剧了国与国间供应链的竞争。为了在激烈的市场竞争中增加话语权,我国制造业供应链中的部分龙头企业率先进行了数字化转型的尝试,利用大数据、物联网、云计算等新一代信息技术构建了专属的信息化系统,即工业互联网平台,例如海尔COSMOPlat、华为FusionPlant、富士康BEACON等[3]。随着制造业供应链数字化转型的深入,供应链各节点企业也纷纷构建起各自的信息化系统,但由于这些系统大多独立建设,开发标准不统一,数据标准不一致,彼此之间难以实现数据的互联互通,各节点企业大多仍是一个个信息孤岛,导致供应链内部出现信息共享难度高、数据传递效率低等问题[4]。因此,提高节点企业间数据互操作水平,成为运用新一代信息技术驱动制造业供应链转型升级的关键。

互操作性(interoperability)的概念最早出现于计算机领域中,电气与电子工程师协会(Institute of Electrical and Electronics Engineers)对互操作性的定义是:两个或多个系统或组成部分之间交换信息以及对所交换的信息加以使用的能力[5]。供应链背景下的数据互操作是指供应链上下游主体之间借助信息技术共享信息,并对所共享的信息加以利用的能力。不同领域的学者们都对数据互操作进行了一定的研究,如杨蕾等分析了世界数字图书馆、欧洲Michael Culture项目等8个公共数字文化资源整合典型项目的数据互操作模式[6],董克等构建了政府各部门间信息资源的数据互操作模式[7],张会平等比较分析了中美健康信息系统领域的数据互操作模式[8],而关于供应链企业信息化系统间数据互操作的研究较少。分析不同领域学者的研究可以发现,各数据互操作主体间的关系以合作为主,竞争性较弱且互相侵害的可能性较低,而供应链企业间是合作与竞争并存的关系,这是供应链领域有别于其他领域的鲜明特点。由于各主体间竞争与合作并存的关系,数据互操作在实现企业间数据更高效地互联互通的同时,也为个别企业追求自身利益最大化的逐利行为提供了可乘之机,这与通过数据互操作提高供应链整体绩效的初衷相矛盾,同时也会使供应链企业间的关系质量面临考验,因而供应链背景下的数据互操作显得更为复杂。鉴于此,本文构建了一个有中介的调节效应模型,旨在研究数据互操作对制造业供应链绩效的影响机理,明确在数据互操作的调节作用下关系质量和供应链协同影响供应链绩效的具体路径,为我国制造业供应链借助新一代信息技术转型升级提供理论框架和可供参考的路径选择。

一、研究假设与模型构建

1. 关系质量与供应链绩效

供应链关系质量是供应链合作伙伴基于合作历史而形成的对彼此关系强度的整体衡量与评价[9]。王辉等将信任和承诺作为独立的中介构面,探讨了绿色供应链中关系利益、关系质量对知识共享的影响[10]。姜涛等在研究企业间关系质量对质量绩效的影响机理时,将虚拟经营企业的关系质量划分为信任、承诺和沟通三个维度[11]。马鸿佳等将关系质量划分为两个维度,即信任和承诺,研究了关系质量对双元创新的影响及其中关系学习的中介作用[12]。易岚等在研究供应链关系质量、质量管理实践与质量绩效的关系时,将关系质量划分为信任、满意、承诺三个维度[13]。刘学元等将供应链关系质量划分为沟通、信任和承诺,研究了关系质量对企业质量绩效的影响及供应链领导力的中介作用[14]。综合相关研究,可以看出信任和承诺是关系质量的核心维度。信任表示供应链企业对合作伙伴可靠性和诚实性的信心程度,即相信对方不会因一己私利采取机会主义行为[15]。供应链企业彼此信任可以使交易成本降低,包括搜寻、签约、监督成本等,交易成本的降低提高了交易成功的可能性[16]。在合作的过程中,由于市场环境的不确定性,难免会产生一些风险和冲突,供应链企业间彼此信任的关系便于协调各方,共同抵御外部风险、解决内部争端[17]。同时,供应链企业间信任程度越高,信息共享的难度越低,供应链企业就越能在顺畅的信息共享基础上,达到节约成本、改进质量和提高响应速度等目的[18]。承诺表示供应链企业愿意与合作伙伴保持长期紧密关系的忠诚程度,以及愿意为关系的维护投入人力物力[19]。在彼此承诺的基础上,双方更容易达成合作,合作关系更加稳固,合作层次更加深入[20]。如果承诺水平较低或缺乏承诺,就会造成供应链关系衰退,甚至供应链瓦解[21]。因此,本文提出如下假设:

H1a信任对供应链绩效具有正向影响。

H1b承诺对供应链绩效具有正向影响。

2. 关系质量与供应链协同

供应链协同指供应链企业为获得更大的竞争优势,基于供应链伙伴关系进行的涉及信息共享、同步决策、激励联盟等多个方面的密切合作过程[22]。影响供应链协同的因素可分为文化因素、战略因素和管理因素,其中文化因素至关重要,包含信任、承诺等[23]。邓丽红等和马晓华的实证研究均表明,信任、承诺以及专用性投资对供应链协同具有正向影响[24-25]。由于市场环境的不确定性和正式契约的有限性,在供应链企业业务往来过程中,难免遇到正式契约没有覆盖到的问题,无法通过正式契约进行解决,而良好的供应链关系恰恰补齐了正式契约的这一短板,通过一些非正式的约定和承诺,在协调供应链企业间活动方面发挥关键作用[26]。构建以信任和承诺为基础的供应链关系,可以消除供应链企业彼此之间的戒备心理,开诚布公地进行信息共享与同步决策,同时,互信互诺的关系减少了机会主义行为,更有利于实现供应链协同[27]。因此,本文提出如下假设:

H2a信任对供应链协同具有正向影响。

H2b承诺对供应链协同具有正向影响。

3. 供应链协同与供应链绩效

从供应链协同的定义可知,链内企业间信息共享、同步决策和激励联盟的实施状况优劣,能够较好地反映链内企业协同效率的高低[28]。信息共享是指供应链企业利用信息技术进行信息的传递和交流。同步决策是指供应链企业为提高供应链整体收益,在计划和运作层面共同决策。供应链企业通过共享需求、生产、库存、销售等信息,提高了链内业务流程的可视化程度,避免了因链内信息传递的失真和延迟而造成“牛鞭效应”,同时,跨组织界限的信息共享有利于利益各方及时沟通彼此的利益关注点,保障了以提高供应链整体利益为目的进行的同步决策[29]。激励联盟是指供应链企业成本共摊、风险共担、利益共享。激励联盟降低了合作过程中的协调成本和违约风险,提高了链内企业为提高供应链整体收益投入人力物力的意愿,有利于实现链内优势资源和技术的互补互通[30]。供应链企业信息共享、同步决策、激励联盟等多个方面的密切合作过程,有助于充分发挥协同效应,进而提高供应链整体绩效[31]。因此,本文提出如下假设:

H3供应链协同对供应链绩效具有正向影响。

4. 供应链协同的中介效应

供应链资源的整合和有效利用依赖于高效的供应链协同,只有通过提升供应链企业间的关系质量,形成互信互诺的合作氛围,才能在供应链运作时充分发挥“1+1>2”的协同效应,实现供应链绩效的提高[32]。基于信任与承诺的供应链关系,可以在一定程度上消除链内企业对于合作伙伴机会主义行为的顾虑,相信合作伙伴不会泄露彼此共享的信息和数据来谋取私利,提高链内企业参与信息共享的意愿[33]。链内企业彼此之间顺畅及时的信息交流,有利于在制定优化供应链收益计划及其运作过程中及时沟通彼此的想法,实现同步决策。同时,信任和承诺是实现激励联盟的基础,使供应链企业在共享利益的同时,能够共同承担成本与风险,降低供应链内部合作产生摩擦和冲突的概率。供应链协同在关系质量影响供应链绩效的过程中起到了承上启下的作用,将供应链关系的无形价值转化为供应链绩效的有形价值。因此,本文提出如下假设:

H4a供应链协同在信任与供应链绩效之间起部分中介作用。

H4b供应链协同在承诺与供应链绩效之间起部分中介作用。

5. 数据互操作的调节作用

供应链背景下的数据互操作是指供应链上下游主体之间借助信息技术共享信息并对所共享的信息加以利用的能力。随着大数据、物联网等新一代信息技术的发展与应用,供应链各企业已经根据自身的个性化需求构建起专属信息化系统,部分供应链的协同效率得到了显著提高,但仍有部分供应链的协同效率没有达到预期的效果,究其原因,除了不同供应链关系质量的优劣差别外,数据互操作水平的高低也是影响供应链协同效率的重要因素。YANG等通过设计一个中立的数据管理平台,解决了云环境下不同信息系统的数据互操作问题,提高了数据交换与信息共享的效率[34]。LEZOCHE等对企业现有信息系统进行深入分析,通过制定并嵌入隐式语义的方式,解决了不同信息系统的数据互操作问题,使企业的协同作业效率得到改善[35]。因此,本文提出如下假设:

H5a数据互操作在信任与供应链协同之间起正向调节作用。

H5b数据互操作在承诺与供应链协同之间起正向调节作用。

大数据、物联网等新一代信息技术,将供应链各节点企业置于同一个协同网络之中,企业间的联系更加紧密[36]。数据互操作水平更高的供应链,意味着各企业的信息化系统之间连接手段更高效,跨组织界限的信息和数据传递的及时性、完整性更好、可视化程度更高。借助新一代信息技术支撑的协同网络,合作伙伴间的沟通频率提高,成功合作行为对关系质量改善的正向反馈得到增强,进而提高了供应链绩效[37]。考虑到在关系质量影响供应链绩效的过程中供应链协同可能起到的中介作用,为明确数据互操作发挥调节作用的具体路径,本文提出如下假设:

H6a在信任影响供应链绩效的过程中,数据互操作的调节效应完全通过中介变量供应链协同发挥作用。

H6b在信任影响供应链绩效的过程中,数据互操作的调节效应部分通过中介变量供应链协同发挥作用。

H6c在承诺影响供应链绩效的过程中,数据互操作的调节效应完全通过中介变量供应链协同发挥作用。

H6d在承诺影响供应链绩效的过程中,数据互操作的调节效应部分通过中介变量供应链协同发挥作用。

根据上述研究假设,构建关系质量、数据互操作、供应链协同和供应链绩效关系的理论模型,如图1所示。

二、研究设计

1. 对象选取

本文旨在研究数据互操作对制造业供应链绩效的影响机理,明确在数据互操作的调节作用下关系质量和供应链协同影响供应链绩效的具体路径,因此对象选择需要满足以下原则:(1)调查的企业属于我国制造行业;(2)调查的企业参与了供应链协同;(3)调查的企业构建了专属信息化系统。考虑到东北地区具有较丰富的校企合作资源,本文抽样区域以东北地区为主,同时涉及江苏、浙江等经济发达地区的制造企业。为确保调查内容的真实性和有效性,调查对象选取时涉及不同地区、不同性质、不同行业、不同规模的企业。

2. 问卷设计

在调查对象基本信息方面共设置4个题项,包括所在地区、企业性质、行业类型、企业规模。在关系质量方面,参考Lai等、Fynes等学者的研究[38-39],从信任和承诺两个维度表征关系质量,共设置8个题项,编号为TR1～TR4、CM1～CM4。在供应链协同方面,参考Simpatuang等、曾文杰等学者的研究[28,40],共设置9个题项,编号为SCC1～SCC9。在供应链绩效方面,参考张冕等、Fawcett等学者的研究[41-42],共设置8个题项,编号为SCP1～SCP8。在数据互操作方面,参考Rezaei等、李昭等学者的研究[43-44],共设置6个题项,编号为DI1～DI6。除基本信息外,各变量均采用Likert 5级量表进行测量,符合度从1～5递增。发放设计好的初始问卷,回收并筛选出有效问卷105份,将其作为小样本数据对问卷进行预测试,信度检验结果如表1所示。

表1 预测试样本信度检验结果

由表1可见,各量表的Cronbach’sα系数均大于0.7,表明量表信度较好。CITC值均大于0.5,且删除项后的Cronbach’sα系数均不大于原有量表该系数,表明无须进行题项删减,可以进行最终问卷的发放。

在微信、论坛等线上平台共发放问卷500份,回收并筛选出有效问卷395份,有效回收率79%。

三、实证分析

1. 样本正态性检验

样本数据是否服从正态分布,会对后续的实证分析产生重要影响。本文采用K-S法进行样本正态性检验,当偏度绝对值小于3,峰度绝对值小于8时,表明样本数据基本服从正态分布。样本数据描述性统计分析结果如表2所示。各题项的偏度绝对值均小于3,峰度绝对值均小于8,满足正态分布的条件。因此认为,本文的样本数据服从正态分布,可进行后续的实证分析。

表2 描述性统计分析结果

2. 信度和效度检验

本文主要运用SPSS 26对数据进行信度和效度检验。如表3所示,各量表的Cronbach’sα系数分别为0.823、0.864、0.907、0.901、0.918,均大于0.7,表明量表信度较好。各量表的组合信度分别为0.826、0.868、0.908、0.903、0.920,均大于0.7,表明量表内部一致性较好。

表3 信度与收敛效度检验结果

量表效度分为内容效度和结构效度,而结构效度包括收敛效度和判别效度。本文在前人研究的成熟量表基础上,结合具体情境进行了一定的修改和补充,故认为量表的内容效度良好。收敛效度方面,如表3所示,各题项的标准化载荷除SCC1和SCP2小于0.7外,其余均大于0.7,各潜变量的AVE值分别为0.543、0.623、0.522、0.537、0.656,均大于0.5,表明量表有较好的收敛效度。判别效度方面,通过比较各潜变量AVE值的平方根与潜变量间的相关系数来分析,如表4所示,各潜变量间的相关系数显著,绝对值均小于0.7,表明不存在共线性问题;对角线上各潜变量AVE值的平方根均大于各潜变量间的相关系数,表明量表有较好的判别效度。

表4 判别效度检验结果

对样本数据进行因子分析可行性检验,KMO和Bartlett球形检验结果如表5所示。各量表的KMO值分别为0.803、0.811、0.938、0.929、0.917,均大于0.7,且Bartlett球形检验结果显著性Sig值小于0.05,表明可以进行因子分析。

表5 KMO和Bartlett球形检验结果

3. 模型检验与路径分析

本文构建的结构方程模型如图2所示。

图2 结构方程模型

应用AMOS 26对样本数据与结构方程模型的拟合度进行分析,结果如表6所示。χ2/df=1.618<3,RMSEA=0.040<0.08,GFI,AGFI,NFI,IFI,TLI,CFI均大于0.9,各拟合指数均达到适配标准,表明模型与样本数据的拟合度较好。

表6 模型拟合指标

结构方程模型路径分析结果如表7所示。信任对供应链绩效、承诺对供应链绩效、信任对供应链协同、承诺对供应链协同、供应链协同对供应链绩效5条路径的检验结果均正向显著,即假设H1a、H1b、H2a、H2b、H3成立。

表7 结构方程模型路径分析结果

4. Bootstrap中介效应检验

本文采用Bootstrap方法对中介效应进行检验,主要考察供应链协同在信任、承诺与供应链绩效之间起到的中介作用。设定Bootstrap抽样次数为5 000次,每次抽取的样本数等于原样本数,置信区间为95%,检验结果如表8所示。路径1即信任→供应链协同→供应链绩效路径的直接效应、中介效应、总效应在Bias-Corrected方法和Percentile方法检验下的置信区间均不包含0在内,表明存在显著的直接效应、中介效应、总效应。路径1直接效应估计值为0.196,中介效应估计值为0.140,总效应估计值为0.336,中介效应占比41.70%,由此认为,供应链协同在信任与供应链绩效之间起部分中介作用,假设H4a成立。路径2即承诺→供应链协同→供应链绩效路径的直接效应、中介效应、总效应在Bias-Corrected方法和Percentile方法检验下的置信区间均不包含0在内,表明存在显著的直接效应、中介效应、总效应。路径2直接效应估计值为0.107,中介效应估计值为0.127,总效应估计值为0.234,中介效应占比54.30%,由此认为,供应链协同在承诺与供应链绩效之间起部分中介作用,假设H4b成立。

5. 调节效应检验

(1) 数据互操作调节效应检验

以供应链协同为因变量,以信任、承诺为自变量,以数据互操作为调节变量,以所在地区、企业性质、行业类型、企业规模为控制变量,构建多元回归模型来探究数据互操作在信任、承诺与供应链协同之间的调节效应,检验结果如表9所示。交互项“信任×数据互操作”对供应链协同的回归系数为0.216,且P<0.001,表明数据互操作在信任与供应链协同之间具有显著的正向调节作用,假设H5a成立。交互项“承诺×数据互操作”对供应链协同的回归系数为0.160,且P<0.01,表明数据互操作在承诺与供应链协同之间具有显著的正向调节作用,假设H5b成立。

表9 数据互操作调节效应检验结果

根据简单斜率法,绘制数据互操作对信任、承诺分别作用于供应链协同的调节效应示意图,如图3、4所示。由图3可知,当制造业供应链企业间数据互操作水平较高时,信任对供应链协同的正向影响更显著,假设H5a得到进一步验证。由图4可知,当制造业供应链企业间数据互操作水平较高时,承诺对供应链协同的正向影响更显著,假设H5b得到进一步验证。

图3 数据互操作对信任作用于供应链协同的调节效应

图4 数据互操作对承诺作用于供应链协同的调节效应

(2) 有中介的数据互操作调节效应检验

以供应链绩效为因变量,以信任、承诺为自变量,以数据互操作为调节变量,以供应链协同为中介变量,以所在地区、企业性质、行业类型、企业规模为控制变量,构建多元回归模型来探究数据互操作在信任、承诺与供应链绩效之间有中介的调节效应,检验结果如表10所示。交互项“信任×数据互操作”对供应链绩效的回归系数为0.172,且P<0.001,表明数据互操作在信任与供应链绩效之间具有显著的正向调节作用;加入中介变量供应链协同后,交互项“信任×数据互操作”对供应链绩效的回归系数为0.110,且P<0.05依然显著,表明在信任影响供应链绩效的过程中,数据互操作的调节效应部分通过中介变量供应链协同发挥作用,假设H6b成立。交互项“承诺×数据互操作”对供应链绩效的回归系数为0.177,且P<0.001,表明数据互操作在承诺与供应链绩效之间具有显著的正向调节作用;加入中介变量供应链协同后,交互项“承诺×数据互操作”对供应链绩效的回归系数为0.131,且P<0.05依然显著,表明在承诺影响供应链绩效的过程中,数据互操作的调节效应部分通过中介变量供应链协同发挥作用,假设H6d成立。

表10 数据互操作有中介的调节效应检验结果

根据简单斜率法,绘制数据互操作对信任、承诺分别作用于供应链绩效的调节效应示意图,如图5、6所示。由图5可知,当制造业供应链企业间数据互操作水平较高时,信任对供应链绩效的正向影响更显著,假设H6b得到进一步验证。由图6可知,当制造业供应链企业间数据互操作水平较高时,承诺对供应链绩效的正向影响更显著,假设H6d得到进一步验证。

图6 数据互操作对承诺作用于供应链绩效的调节效应

四、结论与启示

1. 研究结论

本文从制造业供应链的视角出发,基于395份制造企业调查数据,研究数据互操作对制造业供应链绩效的影响机理,明确在数据互操作的调节作用下关系质量和供应链协同影响供应链绩效的具体路径,得出如下结论:

(1) 供应链协同在关系质量作用于制造业供应链绩效的过程中起到部分中介作用。关系质量对制造业供应链绩效的影响呈正向作用,这一正向作用部分通过中介变量供应链协同实现。随着供应链企业间关系质量的改善,企业彼此间形成互信互诺的合作氛围,交互成本更低、风险更小,企业有更加强烈的意愿参与到供应链协同过程中,进而带动供应链整体绩效的提高。

(2) 数据互操作在关系质量作用于供应链协同的过程中发挥正向调节作用。供应链企业在现有关系质量水平下,通过提高彼此信息化系统间的数据互操作能力,加快信息流、数据流在整个供应链协同网络中的流动速度,提高了供应链企业间共享信息的时效性,使彼此关于各自利益关注点的沟通更及时,保障了同步决策和激励联盟的实现,从而促进供应链协同效率的提升。

(3) 数据互操作在关系质量作用于制造业供应链绩效的过程中发挥正向调节作用,且调节效应部分通过中介变量供应链协同发挥作用。在既有关系质量水平下,更高水平的数据互操作能力使供应链企业间信息共享、同步决策、激励联盟方面的协同效果得到改善,通过协同效应的充分发挥,使供应链绩效得到提高。同时,更高水平的数据互操作能力使供应链企业能够实时了解合作伙伴的动态,减少了合作过程中彼此猜忌产生的内耗,降低了合作过程中的协调成本,使供应链绩效得到提高。

2. 管理启示

(1) 制造业供应链企业在参与激烈市场竞争的过程中,应充分认识到关系质量对供应链协同及供应链绩效提升的重要性。良好的关系质量可以在正式契约无法覆盖到的领域,发挥重要的协调作用。供应链合作伙伴彼此信任、相互承诺,能够降低供应链企业对合作伙伴机会主义行为的顾虑,消除彼此之间的戒备心理,使其有更强的意愿参与链内的信息和数据共享。多主体的信息共享支撑供应链合作伙伴共同制定需求、生产及销售计划,缩短订单交付时间,提高订单处理准确率,增强供应链在外部环境变化时的稳定性;支撑供应链合作伙伴共同商定最佳订货量,降低全链的库存成本;支撑供应链合作伙伴共同商定产品缺损时的补偿办法、订单变更时的补偿协议以及市场价格下降时的折让办法,实现利益共享、风险共担。通过提升供应链企业间的关系质量,充分发挥“1+1>2”的协同效应,最终实现供应链绩效的提升与整体竞争优势的扩大。

(2) 制造业供应链企业在数字化转型过程中,应充分认识到数据互操作在关系质量作用于供应链协同、关系质量作用于供应链绩效过程中的正向调节作用。随着数字化转型的逐步深入,供应链各企业内部专属的信息化系统已建设得较为成熟,为解决信息孤岛问题,供应链企业应发挥数据互操作的桥梁作用,提高彼此间的数据互操作水平。高水平的数据互操作,可以使信息流、数据流在整个供应链协同网络中高速度高质量地传递,协同网络中各节点企业间的联系更加紧密,交互更加频繁,使供应链企业在既有关系质量水平下,实现供应链协同效率的改善及供应链整体绩效的提升。供应链企业应基于统一的系统开发标准和数据标准,搭建能够实现彼此间数据互操作的信息化系统,使信息技术的发展与应用切实转化为制造业供应链的生产力。

(3) 制造业供应链企业应充分认识到数据互操作收益与风险并存的特性。供应链企业间数据互操作的过程,是一个各方博弈的过程,为避免机会主义行为对数据互操作氛围的破坏,各方应共同商定允许数据互操作的内容及权限,同时,针对数据互操作中可能出现的隐私和安全威胁,需要制定预防措施。供应链企业参与数据互操作的初衷是为了通过提高信息共享效率获取更多的收益,因此在数据互操作过程中,既要避免过度保守导致信息闭塞、协同效率低下,也要避免过度开放导致数据泄露、利益受损。企业管理者应根据企业自身的实际经营情况和发展需要,制定适合本企业的数据互操作战略,最终实现通过数据互操作驱动供应链绩效提高的目的。