TOE框架下制造企业数字化转型组态路径研究

艾志红

【摘要】本文基于TOE理论框架， 采用模糊集定性比较分析方法， 以321家嵌入外部创新生态系统的制造企业为研究样本， 从组态视角选取“技术—组织—环境”层面的6个因素， 探讨制造企业数字化转型的复杂因果机制。研究结果表明： 第一， IT基础设施建设、 IT业务拓展能力、 IT前瞻性能力、 探索式学习、 利用式学习、 制度逻辑差异均不构成制造企业数字化转型的必要条件。第二， 存在利用式学习为主导的外部环境驱动型、 组织双元学习为主导的能力驱动型、 能力—组织学习—外部环境内外驱动型三条制造企业高数字化转型驱动路径； 低数字化转型驱动路径有两条， 且与高数字化转型驱动路径存在非对称关系。第三， 利用式学习作为核心条件出现在高数字化转型的三条组态路径中， 说明利用式学习对制造企业高数字化转型具有重要作用。

【关键词】数字化转型；TOE理论；模糊集定性比较分析；制度逻辑差异

【中图分类号】 F270     【文献标识码】A      【文章编号】1004-0994（2023）17-0145-7

一、 引言

以大数据、 人工智能、 云计算等为代表的新一代信息技术全面推动了生产方式、 生活方式和治理方式的数字化变革， 数字化转型是推动制造企业高质量发展的重要举措， 已成为当下及未来发展的主要趋势。然而， 由于数字化转型极具复杂性和挑战性， 大多数企业均以失败告终（李晶和曹钰华，2022）。2022年10月埃森哲正式发布的《2022中国企业数字化转型指数研究》显示， 仅有17%的企业取得了显著效果。因此， 理论界和实务界越来越关注驱动制造企业数字化转型成功的关键因素。

学术界对制造企业数字化转型开展了广泛的研究， 为本文奠定了深厚的理论基础， 但仍存在以下研究缺口： ①现有研究主要从CEO权力（苑泽明等，2023）、 国际化程度（林立杰和李盼盼，2023）、 信息技术（Vial，2019）、 政府支持（肖静华，2020）、 合作资源（金珺等，2020）等组织内部或外部萃取单一变量分析影响制造企业数字化转型的因素及作用机制， 聚焦于单个前因变量与结果变量的简单线性关系。由于数字化转型的复杂性， 可能存在多因并发的复杂因果关系。②已有少数学者开始关注组织内外多重因素联动匹配对数字化转型的驱动路径（李晶和曹钰华，2022）， 但对研究对象没有考虑情境因素。数字化转型是企业为适应外部环境而采取的一种主动应用信息技术、 获取外部资源和整合学习的行为。外部环境差异会影响企业资源获取方式及途径， 需根据特定情境进行探讨， 而现有学者鲜少关注多主体协作的创新生态系统这一具体情境。创新生态系统是由相互连接的创新主体（核心企业、 科研机构、 政府及其他利益相关者）通过创新来实现价值共创的生态型组织（Autio和Thomas，2014）。Henfridsson等（2018）认为， 数字化环境下的创新生态系统是动态的数字资源网络， 通过数字资源的组合创新产生差异化价值。基于此， 本文以嵌入创新生态系统的制造企业为研究对象， 采用“技术—组织—环境”（TOE）框架， 运用模糊集定性比较分析法（fsQCA）来识别组织内外部多因素联动协同对制造企业数字化转型的驱动路径， 尝试打开制造企业数字化转型的“黑箱”， 以期进一步丰富数字化环境下企业数字化转型的理论研究。

二、 文献综述与模型构建

1. 数字化转型。Li等（2018）基于技术支撑视角认为， 数字化转型是信息技术变革促成的转型， 能对一个正常运作的系统造成计划性数字冲击； 肖静华（2020）基于组织变革视角认为， 数字化转型是数字技术与实体经济的深度融合， 是通过新一代信息技术进行业务升级和管理创新， 提升生产效率。可见， 数字化转型离不开信息技术的发展（曾德麟等，2021）。借鉴现有学者的观点， 本文认为， 制造企业数字化转型是企业运用新一代信息技术适应外部环境， 通过组织学习融合外部知识实现产品创新和商业模式创新， 以保持企业竞争优势。

现有企业數字化转型的研究主要聚焦于以下两点： ①探究数字化转型的后效。认为数字化转型是培育世界一流企业的重要渠道， 因为其对组织结构优化（刘政等，2020）、 创新模式迭代更新（Li和Yang，2021）、 新产品开发绩效（池毛毛等，2021）都具有积极的促进作用。②探究数字化转型的前因。一类研究基于资源基础观（Verhoef等，2021）、 组织学习理论（肖静华，2020）、 动态能力理论（Waner和Wager，2018）等企业内部视角进行探讨； 另一类研究聚焦于竞争环境加剧（Kohli和Melvillen，2019）、 用户需求变化（Abrellt等，2016）、 政府引导（马书琴和李卓异，2020）等企业外部环境视角进行探讨。学者们从组织内外视角萃取出制造企业数字化转型的影响因素， 为本文探讨组织内外不同层面前置要素协同对数字化转型的驱动路径奠定了坚实的理论基础。

2. TOE框架与制造企业数字化转型。TOE理论是指将技术（technology）、 组织（organization）、 环境（environment）三个层面的因素置于同一框架来研究三者之间的交互影响， 被广泛应用于组织的技术整合和采纳行为（Tornatzky等，1990）。本文以TOE框架和现有研究成果为基础， 结合制造企业数字化发展的组织内外情境， 确定推动制造企业数字化转型的技术、 组织、 环境3个方面的条件变量。

（1）技术： 信息技术。信息技术（IT）的快速发展引起诸多学者关注。现有研究发现， IT能力为企业数字创新活动提供了必要的技术支撑， 是影响制造企业数字化转型的关键因素（Vial，2019）。IT能力不仅可为企业提供技术工具和手段， 而且能够帮助其实现数字资源化， 通过赋能激活或提升生存与创新能力（高素英等，2021）， 快速实现业务流程再造和数字化产品生产。可见， 数字化转型过程离不开IT能力。本文借鉴Lu和Ramamurthy（2011） 的研究， 将IT能力分为IT基础设施能力、 IT业务拓展能力和IT前瞻性能力。

IT基础设施能力是指信息系统、 基础设施、 技术架构等与企业数字化相关的硬件平台和软件系统（池毛毛等，2022）， 是制造企业数字化转型的物理支撑（Porter和Happelmann，2014）。以大数据、 人工智能等为代表的新一代信息技术拥有颠覆性潜能， 改变了传统的社会互动方式， 用户形成了在线上积极参与信息分享、 产品建议的偏好（Greenstein等，2013）。良好的IT基础设施能力有助于企业及时且低成本地获取用户需求偏好和新产品创新灵感从而抢占市场先机（Christensen等，2015）， 还有助于企业整合组织流程以创造数字化能力， 进一步帮助企业与创新生态系统异质性组织者协同探索机会以实现产品创新。

IT业务拓展能力是指企业利用信息技术资源有效支持其业务目标的能力（Wade和Hulland，2004）， 强调通过信息技术与传统业务的协同实现各部门间的资源和知识共享。在开放式创新和信息共享的创新生态系统环境中， IT业务拓展能力有助于企业跨组织边界获取系统内异质性数字资源和知识资源以实现资源创新组合， 扩大在数字资源竞争中的不对称优势。IT业务拓展能力通过利用信息技术的强链接能力增强与外部创新生态系统异质性组织的合作关系， 进行价值再创造， 这不仅有助于为企业创造核心竞争优势， 而且这种跨越不同领域的信息整合还有助于激发更多原创性创意。

IT前瞻性能力是指企业积极主动地探索信息技术， 使企业能够快速响应与业务策略相关的信息和知识需求， 能够帮助企业实时了解最新的市场技术发展方向并及时做出快速决策（Benitez等，2018）。IT前瞻性能力强调企业能够快速识别、 利用信息技术进步和新兴技术创新的机会， 前瞻性地探索和利用现有数字资源来创造商业机会（高素英等，2021）， 拥有这种能力的组织通过探索外部创新生态系统异质性组织正在运用的信息技术， 能够准确把握未来技术、 发展方向并将提前采取行动。

（2）组织： 组织学习。组织学习是企业对知识的获取、 消化以及应用的过程， 是重构组织结构、 配置资源的重要决定因素（崔淼等，2020）。外部创新生态系统拥有丰富的异质性知识资源和数字资源， 是企业产生差异化价值的要素来源， 但需要企业通过对知识资源和数字资源进行甄别、 吸收和转化， 最终形成资源的组合创新（Wade和Hulland，2004）。组织学习理论认为， 组织学习通过获取、 吸收外部创新网络的知识并与企业内部知识整合进行知识创新， 强化企业竞争力， 能帮助企业适应不断变化的数字化环境， 促进数字化转型（张林刚等，2022）。本文借鉴March（1991）的研究成果， 将组织学习分为探索式学习和利用式学习。

探索式学习的本质是对新知识和新资源的探索获取， 是企业采用搜索、 试验、 尝试、 发现和创新等方式对外部新知识和新资源开展学习的行为。外部创新生态系统拥有丰富的异质性知识资源和数字资源， 企业通过探索式学习可以实现对新颖性知识的学习和应用。从知识体系构建来看， 探索式学习能够帮助企业学习外部创新生态系统异质性组织的新知识和新理念， 搭建新知识体系， 促进新产品开发； 从企业能力形成来看， 探索式学习能够帮助企业获取外部创新生态系统的新知识和新资源， 提高重组转型能力， 以适应数字时代新环境的发展（张林刚等，2022）。

利用式学习的本质是对已有知识与技能的直接使用及改造， 是企业挖掘、 提炼和升华现有知识的学习行为。企业通过与外部创新生态系统异质性组织的合作， 有利于对比发现自身的优势与不足， 通过借鉴异质性组织在生产流程、 管理制度、 人才培养等方面的做法来解决现在的问题， 即通过利用式学习激活和巩固现有知识存量， 改善现有技术和流程。从知识体系构建来看， 利用式学习可以帮助企业学习外部创新生态系统异质性组织的新知识和新理念， 对现有知识体系进行巩固和改进， 促进对现有技术的改良； 从企业能力形成来看， 利用式学习可以帮助企业修正组织的行为和策略， 提高企业协调整合能力， 使企业更好地适应数字时代新环境的变化（Levinthal和March，1993）。

（3）环境： 制度逻辑差异。新一代信息技术搭建的外部创新生态系统， 对企业打破传统组织边界而建立非地理邻近的网络关系， 以获取更多与外界联动的稀缺知识资源和数字资源具有关键作用。然而， 外部创新生态系统异质性组织之间制度逻辑的不兼容会严重影响彼此间的合作（Meye和Hllerer，2010）， 不同的意识形态和行动方式导致制度逻辑相互冲突， 会阻碍企业获取外部创新生态系统中的数字资源和知识资源， 一定程度上影响数字化转型进程。制度逻辑是指能够约束并塑造组织认知和行为的原则， 包括法律法规等正式制度和价值观念等非正式制度， 能够反映组织行为的价值观和信仰。在跨部门关系中， 具有差异化的制度逻辑集聚在一起， 形成内在冲突， 可能导致合作伙伴关系的不稳定， 这种情况被称为制度逻辑差异（Greenwood等，2011）。现有研究表明， 不同制度逻辑背景的合作伙伴可能追求着相互冲突的目标， 还可能存在着非对称的权力关系， 权力更大的企业试图通过强制度逻辑替代弱制度逻辑而获利。因此， 由于制度逻辑差异和组织间权力的不均衡， 即使与异质性组织合作能够为企业提供更多的稀缺资源， 企业也可能放弃或终止合作（张睿倩等，2021）。

可见， 嵌入同一创新生态系统中的异质性组织如遵循共同的制度逻辑， 相互间有更高的承诺和信任， 可以加速系統内数字资源与知识资源共享， 形成资源互补、 协同共生的关系， 实现数据驱动的价值共创（魏江和赵雨菡，2021）。

（4）IT能力、 组织学习、 制度逻辑差异与制造企业数字化转型模型构建。IT能力、 组织学习和制度逻辑差异均会影响制造企业数字化转型。IT能力帮助企业快速精确地感知外部创新生态系统异质性组织的制度逻辑差异， 高效地获取、 整合、 重构外部新颖性知识资源， 将知识资源与外部环境更好地匹配（单标安等，2022）， 促进制造企业数字化转型。组织学习是拓展和积累知识的重要途径， 企业通过嵌入外部创新生态系统， 有利于积累、 拓展全新知识以及深挖原有知识。在数字化环境中， 组织学习有利于企业获取更深层次、 更全面的IT能力， 为企业创造新产品、 发现新市场提供可能性。而制度逻辑差异又反过来促进企业IT能力和组织学习能力提升， 如外部创新生态系统异质性组织间合作关系和良性互动通过跨层次资源互补和共享， 提高企业数字资源水平、 IT能力、 组织学习能力， 从而促进企业数字化转型（李晶和曹钰华，2022）。

本文基于TOE框架， 从技术、 组织和环境等维度构建制造企业数字化转型的理论模型， 如图1所示。

三、 研究设计

1. 研究方法。fsQCA旨在探究多个前因要素间的非线性复杂关系及对结果要素的组态影响， 兼具定性研究与定量研究方法的优点（Ragin，2009）。由于制造企业数字化转型是一个复杂且具有挑战性的问题， 组织内外多个前因要素间可能存在非线性复杂关系， 对数字化转型的影响可能存在因果的非对称性。因此， 本文选用fsQCA方法来分析IT基础设施能力、 IT业务拓展能力、 IT前瞻性能力、 探索式学习、 利用式学习、 制度逻辑差异如何共同影响制造企业数字化转型的复杂作用机制。本文试图回答以下三个问题： 存在哪些条件组态以“殊途同归”的方式促进制造企业的数字化转型？哪些条件对制造企业数字化转型起着核心作用？数字化转型路径中是否存在“多重并发”现象？

2. 数据来源与处理。Andersson等（2002） 基于价值链视角将嵌入性分为业务嵌入和技术嵌入， 其中业务嵌入强调异质性组织联系的紧密程度， 而技术嵌入强调异质性组织在技术研发过程中的依赖程度。企业通过与科研机构、 政府、 顾客等利益相关者跨界交流嵌入创新生态系统， 可以提高价值创造效率。本文以嵌入创新生态系统的制造企业为研究对象， 采用调查问卷方式收集相关数据， 调研对象为制造企业的中高层管理者。问卷主要通过同门、 同学、 亲朋好友等社会关系在各地科技局、 工信局举办的企业培训现场发放。参加政府部门组织培训会的一般为企业中高层领导， 同时也表明企业在某种程度已嵌入创新生态系统， 可以较为精准地回收调查问卷。整个数据收集工作历时4个月， 从2022年2月28日到2022年5月28日结束， 共发放问卷405份， 对有缺漏、 信息不完整的问卷进行剔除后， 剩余有效问卷321份， 问卷回收有效率为79.3%， 样本分布情况如表1所示。

3. 变量测量。本文借鉴国内外学者使用并证明有效的度量指标， 根据实际情况不断完善， 形成最终量表。在问卷设计中采用李克特5点量表进行评分， 受访对象根据企业实际情况按1 ～ 5进行打分， 1表示不符合， 5表示完全符合。变量测量题项具体来源如下： 数字化转型的测量借鉴池毛毛等（2021）的研究， 使用企业正在采用新一代信息技术对现有产品、 服务和流程进行改造升级等4个测量题项。IT能力的测量参考了Lu和Ramamurthy（2011）的研究， IT基础设施能力使用企业的信息技术基础设施建设水平（如服务器和数据库构建， 企业内网的稳定性等）较高等3个测量题； IT业务拓展能力使用企业制定了利用IT技术支持企业整体商业活动的发展规划等3个测量题项； IT前瞻性能力使用企业不断与新兴IT技术发展趋势保持同步等3个测量题项。组织学习的测量参考了Kim（1998）的研究， 探索式学习使用企业运用全新的、 可能无法在现有市场成功的产品或市场新创意等3个测量题项， 利用式学习使用企业运用与目前产品经验相一致的新创意等4个测量题项。制度逻辑差异测量参考了梁玲玲等（2022）的研究， 使用企业与合作伙伴有着相近的企业文化等3个测量题项。

4. 描述性统计。本文利用SPSS 26.0进行信度和效度检验， 检验结果如表2所示。各变量的Cronbach' a系数均大于0.8， 组合信度CR均大于0.9， 说明量表的测量信度较高。同时， 各变量的因子载荷均大于0.6， 且所有变量的平均变异萃取量AVE均大于0.7， 说明变量具有良好的收敛效度。

5. 变量校准。校准是将原始数据转为可用于fsQCA分析所需数据形式的过程， 本文参考池毛毛等（2020）的做法， 采用分位数法为校准标准， 选择条件变量和结果变量的95%、 50%、 5%分位数值作为“完全隶属”“交叉点”“完全不隶属”的判定锚点， 通过fsQCA3.0软件中的Calibrate函数对各变量进行校准， 结果如表3所示。

四、 数据分析过程

1. 单因素必要性分析。衡量必要条件的重要标准是一致性， 一致性最低值达到0.9以上认定为必要条件。使用fsQCA3.0软件统计高数字化转型和低数字化转型的必要条件， 分析结果如表4所示。由表4可知， 本文所有的前因条件变量的一致性均未达到0.9， 即单个前因条件变量不构成数字化转型的必要前因。必要性分析结果也反映出制造企业数字化转型的复杂性， 技术、 组织及环境方面的条件变量可能通过组态方式协同作用于制造企业数字化转型。

2. 多因素组态充分性分析。在必要性分析后， 运用fsQCA.0设定充分条件阈值构建真值表。本文借鉴杜运周和贾良定（2017）的研究， 将总样本数的1%设定为频数阈值， 同时， 将原始一致性门槛值设置为0.8， 进行筛选， 样本数大于或等于1%且原始一致性大于0.8的逻辑条件組合可保留。此外， 根据PRI一致性分值进行重新编码， 当PRI一致性大于或等于0.7时， 保留结果变量1； 当PRI一致性小于0.7时， 将该组合对应的结果变量手动更改为0（Misangyi和Acharya，2014）。分析得到复杂解、 中间解和简约解， 对中间解和简约解进行嵌套对比， 得到最终组态结果， 见表5。

（1）高数字化转型的组态分析。表5列示了产生高数字化转型的组态分析结果， 清楚地区分了引发高数字化转型的核心条件和边缘条件， 并有效识别出三种组态（H1、H2、H3）。三种组态的一致性指标值分别为0.932、 0.914、 0.907， 说明这三种组态都是高数字化转型的充分条件。总体解的一致性为0.895， 进一步说明覆盖绝大部分样本的三种组态是高数字化转型的充分条件； 总体解的覆盖度为0.513， 说明这三种组态解释了约51.3%的高数字化转型的原因。接下来， 本文进一步对制造企业高数字化转型进行组态分析。

组态H1： 利用式学习为主导的外部环境驱动型。组态1指出， 利用式学习、 制度逻辑差异同时以核心条件存在， 探索式学习为核心条件缺失， IT基础设施能力、 IT业务拓展能力为边缘条件缺失， 无论IT前瞻性能力是否存在， 制造企业均可实现高数字化转型。组态H1之所以可以实现高数字化转型， 是因为开展利用式学习的企业需具备稳定的技术、 经验来源， 具有同一制度逻辑的企业在开展业务合作、 共同研发和引进外资等开放式创新活动时具有更强的信任关系， 更有利于增强创新生态系统异质性组织与企业交流互动和知识分享的意愿。

组态H2： 组织双元学习为主导的能力驱动型。组态H2指出， IT业务拓展能力、 探索式学习、 利用式学习同时以核心条件存在， IT基础设施能力以边缘条件存在， 制度逻辑差异为边缘条件缺失， 无论IT前瞻性能力是否存在， 制造企业均可实现高数字化转型。组态H2之所以可以实现高数字化转型， 是因为双元学习与其他前因条件的协同效应均能提高企业数字化转型。面对创新加快、 知识更新周期变短等外部压力， 单纯依赖某种学习行为难以满足企业所有创新需求。因此， 部分企业选择在合作中将有限资源相对均衡地分配给两种学习行为， 并最终形成探索式学习、 利用式学习双元学习模式。探索式学习和利用式学习具有互补性， 探索式学习为企业与外部创新生态系统组织提供更多合作交流机会， 促使企业深入了解与学习外部知识， 而利用式学习则有利于企业发挥自身竞争优势。此外， IT业务拓展能力有助于企业快速利用和管理企业信息技术资源， 通过管理和利用现有信息技术资源， 整合和协调组织内其他资源通过双元学习进行价值创造。在外部创新生态系统中， IT业务拓展能力有助于进一步提升企业获取和管理外部数字资源和知识资源的能力， 还能为企业的数字产品创新活动和数字流程创新提供技术、 信息和网络等资源支持。

组态H3： 能力—组织学习—外部环境内外驱动型。组态H3指出， IT业务拓展能力、 探索式学习、 利用式学习、 制度逻辑差异同时以核心条件存在， 以IT基础设施能力、 IT前瞻性能力为边缘条件存在， 可实现高数字化转型。组态H3之所以能实现高数字化转型， 是因为企业可通过利用式学习获取外部创新生态系统内其他组织知识并利用这些知识， 但此类学习方式可能使企业固步自封， 降低合作意愿。企业在与外部创新生态系统中其他组织合作过程中接触到许多异质性知识， 需通过探索式学习将这些异质性知识整合并应用于实践。当创新生态系统内企业具有同一制度逻辑时， IT业务拓展能力可通过知识整合丰富企业知识积累， 帮助其开发数字产品， 优化数字流程， 实现数字化转型。

（2）低数字化转型的组态分析。表5还列示了产生低数字化转型的组态分析结果， 并有效识别出两种组态（N1、N2）。组态N1表明， 如果将IT业务拓展能力、 IT前瞻性能力、 探索式學习、 利用式学习、 制度逻辑差异作为核心条件缺失， 会产生低数字化转型。组态N2表明， 如果将IT基础设施能力、 IT前瞻性能力、 探索式学习、 制度逻辑差异作为核心条件缺失， 利用式学习作为边缘条件缺失， 也会产生低数字化转型。由表5可知 ， 这两种组态的一致性明显低于高数字化转型的三种组态。

3. 稳健性检验。本文采用调整一致性阈值进行稳健性检验， 借鉴杜运周和贾良定（2017）对QCA稳健性讨论的经验， 将一致性阈值从0.8提升至0.85， 并将样本阈值从1%提升到1.5%， 进行稳健性分析， 其他条件保持不变， 发现计算结果中组态路径保持不变， 本文组态结果具有良好的稳健性。

五、 研究结论与启示

1. 研究结论。本文基于“技术—组织—环境”TOE理论框架， 以321家嵌入创新生态系统的制造业企业为研究样本， 采用fsQCA方法分析了IT基础设施能力、 IT业务拓展能力、 IT前瞻性能力、 探索式学习、 利用式学习以及制度逻辑差异对制造企业数字化转型的组态效应， 主要研究结论如下：

（1）制造企业数字化转型不存在单一必要条件。fsQCA的必要条件检验显示， 在IT基础设施能力、 IT业务拓展能力、 IT前瞻性能力、 探索式学习、 利用式学习、 制度逻辑差异等前因条件中， 没有任何单一变量是制造企业数字化转型的必要条件， 说明在数字化时代， 制造业企业的数字化转型具有复杂的因果机制， 是技术、 组织及环境等多重条件协同交互、 共同作用的结果。

（2）高数字化转型的前因组态包括利用式学习为主导的外部环境驱动型、 组织双元学习为主导的能力驱动型、 能力—组织学习—外部环境内外驱动型三种路径。利用式学习为主导的外部环境驱动型强调了利用式学习与制度逻辑差异在制造企业数字化转型过程中的共同作用。该类型组态说明了面对数字化转型的变革趋势， 外部创新生态系统异质性组织的同一制度逻辑有助于企业开展利用式学习， 只有企业与所处的外部创新生态系统深度融合与协调互动， 才能够促进制造企业数字化转型。组织双元学习为主导的能力驱动型强调了IT业务拓展能力与组织双元学习协同对制造企业数字化转型的重要作用。该类型组态说明了在外部创新生态系统中， 企业除了需要IT业务拓展能力获取和管理知识资源， 还需要运用组织双元学习对获取的外部知识资源进行有效利用。能力—组织学习—外部环境内外驱动型强调， 当创新生态系统内企业具有同一制度逻辑时， IT业务拓展能力可通过组织双元学习整合丰富企业知识积累， 帮助其开发数字产品， 优化数字流程， 实现数字化转型。

2. 启示。本文研究结果对于制造企业如何匹配内部不同资源和能力以应对外部环境的多重挑战并实现数字化转型提供了重要的理论指导， 具体如下：

（1）制造企业在实施数字化转型过程中应重视开发和构建良好的IT能力， 特别是IT业务拓展能力。本文的结论表明， IT业务拓展能力对制造企业数字化转型起着积极作用。实践证明， IT业务拓展能力可以为企业的数字化转型活动提供技术、 信息和网络等资源的支持。如海尔积极开展开发信息技术利用能力， 通过HOPE平台不断进行产品和流程创新， 并实现了跨越式发展。

（2）制造企业在数字化转型过程中应重视组织学习。 组织学习作为驱动数字化转型的驱动力， 可以让企业更好地适应环境变化。在数字化时代， 知识更新速度加剧， 企业需要不断吸收新知识、 持续创新以应对复杂激烈的竞争环境。利用式学习和探索式学习是企业获取、 应用外部知识的两种方式， 能有效促进企业数字化创新。企业通过有效嵌入外部创新生态系统， 可以获得更多稀缺知识资源和数字资源， 通过利用式学习和探索式学习对其进行吸收转化， 最终应用于数字创新管理实践中。企业可以根据所嵌入外部创新生态系统的制度逻辑差异， 对利用式学习或探索式学习有所侧重。若外部创新生态系统具有同一制度逻辑差异， 可以将重心放在利用式學习上， 改善现有技术和流程， 通过修正组织行为和策略更好地适应数字化时代新环境的变化； 若外部创新生态系统异质性组织制度逻辑差异较大， 则应将重心放在探索式学习上， 着眼于新知识的搜索应用， 通过改变现有组织模型适应数字化时代新环境的发展。

（3）制度逻辑差异会对企业间合作带来负效应， 企业需选择不同的组织学习方式规避外部负效应。制造企业应用信息技术进行数字化转型跨越了传统的组织行为边界， 伴随着制度逻辑差异带来的诸多挑战， 关注制度逻辑差异所带来的外部负效应， 并匹配不同的组织学习方式规避负效应对其顺利实施数字化转型至关重要。制造企业在嵌入外部创新生态系统过程中， 具有同一制度逻辑的异质性组织相互间具有较高的承诺水平， 有利于形成资源互补、 协同共生的关系， 实现数据驱动的价值共创； 而具有较大制度逻辑差异的异质性组织会对合作伙伴关系产生负面影响， 阻碍企业获取外部知识资源和数字资源。因此在管理实践过程中， 制造企业管理者应关注所嵌入外部创新生态系统的制度逻辑差异， 匹配不同的组织学习方式来解决数字创新活动所面临的内外部制度认同障碍。

【 主 要 参 考 文 献 】

池毛毛，王俊晶，王伟军．数字化转型背景下企业创新绩效的影响机制研究——基于NCA与SEM的混合方法［ J］．科学学研究，2022（2）：319 ～ 331．

池毛毛，叶丁菱，王俊晶等．我国中小制造企业如何提升新产品开发绩效：基于数字化赋能的视角［ J］．南开管理评论，2020（3）：63 ～ 75．

崔淼，周晓雪，蔡地．新兴市场企业如何塑造组织韧性——基于路径构造理论的案例研究［ J］．管理案例研究与评论，2020（6）：646 ～ 657．

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）：155 ～ 167．

高素英，张烨，金相杉．技术赋能视角下企业服务生态系统动态演化机理研究［ J］．科学学与科学技术管理，2021（4）：104 ～ 126．

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（6）：22 ～ 34．

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（3）：106 ～ 122．

梁玲玲，李烨，陈松．数字技术驱动下的企业开放式创新路径研究——基于fsQCA方法的组态效应分析［ J］．科技管理研究，2022（17）：142 ～ 150．

林立杰，李盼盼．国际化程度对企业数字化转型的影响［ J］．财会月刊，2023（12）：145 ～ 152．

刘政，姚雨秀，张国胜，匡慧姝．企业数字化、专用知识与组织授权［ J］．中国工业经济，2020（9）：156 ～ 174．

马书琴，李卓异．我国信息化与工业化深度融合的影响因素及变化机制分析［ J］．情报科学，2020（6）：38 ～ 43．

单标安，刘晓菊，赵润萱等．组织能力，组织创新与数字化转型如何激发新产品开发绩效？——基于fsQCA的组态效应研究［ J］．研究与发展管理，2022（3）：81 ～ 93．

魏江，赵雨菡．数字创新生态系统的治理机制［ J］．科学学研究，2021（6）：965 ～ 969．

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 ～ 49.

苑泽明，芦欣媛，李萌等．CEO权力与企业数字化转型：促进还是抑制［ J］．财会月刊，2023（12）：153 ～ 160．

张林刚，耿文月，熊焰．组织学习，组织遗忘与企业数字化转型［ J］．领导科学，2022（9）：91 ～ 95．

张睿倩，刘昊倬，谢一臻等．虚拟集聚型网络关系，制度逻辑差异与数字赋能型企业成长——基于云计算企业的研究［ 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．