能源企業數智化轉型價值創造

陳明暉 許高明 曾愛民 王竹青

【摘要】“大智移云物區”新技術環境下， 企業數智化轉型成為大勢所趨。本文聚焦企業數智化轉型如何實現價值創造這一重要問題， 基于現有研究系統梳理了企業數智化轉型的發展歷程及其價值創造的實現路徑， 并以能源行業上市企業物產環能為例， 基于投資、 采購、 生產、 維修四個典型業務場景， 深入探究能源企業數智化轉型價值創造的實現機制。本研究豐富了企業數智化轉型價值創造實現路徑的相關理論， 也為企業實現數智化轉型與業務場景深度融合， 通過智能預測、 規劃與協同企業資源， 乃至智能決策以創造價值提供了實踐啟示。

【關鍵詞】數智化轉型；業務場景；數字化轉型；價值創造

【中圖分類號】 F275? ? ?【文獻標識碼】A? ? ? 【文章編號】1004-0994（2023）18-0103-6

一、 引言

以互聯網為代表的信息技術與產業領域的深度融合日益成為推動企業數字化轉型的強大動力。2020年9月， 國務院國資委發布《關于加快推進國有企業數字化轉型工作的通知》以引導國有企業數字化轉型的改革方向、 重點和舉措。2021年12月12日， 國務院印發的《“十四五”數字經濟發展規劃》提出， 根據自身條件和數字化轉型需求， 企業可分階段、 分環節開展數字化轉型。2022年7月， 中國信息通信研究院發布的《中國數字經濟發展報告（2022年）》強調， 做強做優做大我國數字經濟的重要舉措之一是“以大帶小， 倒逼轉型”， 即鼓勵大企業率先搭建一體化的數字化平臺， 帶動中小企業關鍵業務場景轉型， 從而加速業務場景的數字化應用。可見， 數字化轉型正成為企業發展變革的必經之路。

實踐中， 推動和實施數字化轉型的企業數量也正越來越多。根據2022年10月埃森哲發布的《2022中國企業數字化轉型指數研究》顯示， 相較2018年僅7%的比例， 2022年我國實施數字化轉型取得顯著成效的企業比例已上升至17%。同年5月， ACCA協會的調研數據表明， 83.03%的受調研企業已建立并運營財務共享服務中心一年以上。同時， 八成以上的受調研企業將探索數字技術、 強化數據賦能作為財務數字化戰略的重點提升方向①。這表明， 我國大部分企業已在財務領域進行了數字化轉型， 但多數仍停留在財務核算和分析層面， 基于大數據的智能決策和管控體系建立尚處于探索階段。也就是說， 實施數智化轉型的企業應利用新一代信息技術， 融入業務場景分析決策， 建立智能數據管控體系， 以進一步推動轉型。所以， 本文選取在數智化轉型方面已取得一定成功經驗的企業——浙江物產環保能源股份有限公司（簡稱“物產環能”）進行案例研究， 基于“數據資源—數據中臺—業務場景—數據三化（數據模型化、 數據可視化、 數據智能化）—價值創造”的鏈式路徑， 結合多個典型業務場景， 深入探究如何通過數智化轉型賦能企業價值創造的實現機制， 以期豐富企業數智化轉型的相關理論， 并為企業實現數智化轉型提供經驗和借鑒。

二、 企業數智化轉型的研究綜述

近年來， 企業數智化轉型日漸成為學術研究的熱點話題， 相關研究主要聚焦于企業數智化轉型的內涵、 發展階段、 實現路徑和經濟后果等方面。針對企業數智化轉型的定義， 相關研究主要有兩類觀點。其中， 部分學者和相關文件認為， 企業數智化轉型是數字化轉型的高級階段， 二者通常可以替代使用（戚聿東等，2022）。譬如， 2020年9月， 國務院國資委發布的《關于加快推進國有企業數字化轉型工作的通知》提到， 企業數字化轉型要實現產品創新數字化和生產運營智能化， 這種觀點下的數字化轉型實質上已經涵蓋了數智化轉型。但同時， 金小波（2022）認為， 企業數智化轉型應該是“數字化+智能化”的融合。“數字化”側重技術層面， “智能化”則擴展到數字技術的應用層面， 二者相結合推動企業多層次、 多角度的變革， 進而實現企業數智化轉型。沿此邏輯， 部分學者進一步指出數智化轉型應強調數智技術與企業的業務活動或業務場景相結合。例如， 陳劍和劉運輝（2021）、 吳玉浩（2023）提出， 企業數智化轉型的本質是“數字化+智能化”的融合， 是數字化轉型的更高階段， 更是數智技術和企業業務活動的深度結合。即企業基于業務數字化， 使數據的價值落地到典型業務場景， 實現數據的智能化應用， 以滿足客戶的個性化需求。相應地， 企業數智化轉型也需從數智技術的掌握、 數據平臺的搭建、 數智技術與業務場景相結合三個方面來實現。例如， 田高良和張曉濤（2022）、 周翔等（2023）提出， 要搭建“數智技術”的核心載體——數據中臺， 運用數智技術快速獲取、 解碼、 篩選、 重新編排和分析有效數據， 從管理流程再造方面推動業財融合， 消除系統壁壘， 打破數據孤島現象。在歸集和處理財務、 業務系統的數據和外部數據的基礎上， 探索應用數智技術與業務場景融合， 從而構建智能數據管控平臺， 實現數智賦能， 挖掘數據資源潛在價值（徐玉德和董木欣，2021）。基于學者們的研究， 本文將企業數智化轉型定義為“數據化+智能化+場景化”的融合， 即企業利用新一代信息技術構建數據中臺， 統一數據標準、 細化數據顆粒維度， 進而實現數據可視化、 模型化、 智能化， 以深入解析其積累的數據要素， 智能監測、 管理、 預測業務場景， 最終成功搭建智能數據管控平臺， 達到降本增效、 優化決策、 創造價值的目的。

但現實中， 企業推進數智化轉型會帶來何種經濟后果？現有研究主要存在兩種觀點。一種觀點認為， 企業數字化投資在短期發展內未見顯著效果， 甚至使企業陷入轉型困境（劉淑春等，2021）。比如， 資金投入緊張、 技術不足、 系統數據難以聯動、 數字化人才稀缺。另一種觀點認為， 企業數智化轉型有助于其在不確定的環境中生存和發展（戚聿東等，2022）， 通過數智技術， 梳理業務流程， 挖掘沉淀的數據資源價值， 為其提供可視化、 模型化、 智能化的業務場景應用分析等（徐玉德和董木欣，2021）， 提升全要素生產率（余東華和張恒瑜，2022）， 實現價值創造。譬如， 謝衛紅等（2020）結合數字經濟的特征和價值創造內涵的探究得出， 企業數智化轉型所引發的變革可通過提高企業研發效率、 優化資源配置等方式創造價值。尤其是跨地區、 跨領域的多元化集團， 通過數智化轉型， 利用數據運營、 分析及預測能力， 重構商業生態、 優化決策。由此可知， 企業數智化轉型對企業業務場景賦能效用顯著， 但不同類型企業數智化轉型成果略有不同。例如， 裝備制造業的數智化轉型助力提高研發效率、 改進產品質量、 降低生產成本、 增強產線柔性、 加快響應速度、 拓展增值服務、 減少能耗排放等。漫畫出版業企業數智化轉型主要是提升創作內容質量、 增強用戶體驗、 升級編審校流程和優化紙質出版服務（王若揚，2023）。楊英楠等（2022）認為， 建筑業的數字技術可以劃分為六個成熟級別分階段實現建筑能耗數據預測， 建設項目自動監控， 項目管理決策智能化等。可見， 企業實現數智化轉型需要與業務場景深度結合， 才能更好地發揮數智化的價值創造功能。

綜上可知， 現有研究雖對企業數字化轉型的底層技術建設、 實現路徑及運行機理等展開了初步探究， 也選取了部分行業深入考察企業數智化轉型的積極效應。但相對較為零散， 缺乏對企業數智化轉型一般規律的探討。故此， 本文嘗試從核心業務場景切入， 探討數智化賦能業務、 企業決策優化、 創造價值的一般規律。并選取物產環能案例， 結合典型的業務場景特征， 詳細分析能源企業數智化轉型的價值創造路徑。以期豐富相關理論， 并為企業實現數智化轉型提供經驗和啟示。

三、 企業數智化轉型價值創造的路徑分析

根據現有研究， 企業數智化轉型通常可劃分為三個階段②， 具體如圖1所示。其中， 第一階段是信息化階段， 是指企業從供產銷全部業務鏈出發， 打造數字業務， 以數字編碼形式儲存、 傳輸、 加工和應用文字、 圖片、 圖像、 信號等信息。比如， 公司啟用企業資源計劃（ERP）、 客戶關系管理（CRM）、 辦公自動化（OA）、 項目管理（PM）等軟件， 各部門通過這些全流程的業務軟件， 實現了業務線上化、 流程優化和原始數據積累。但各部門的數據往往各自存儲和定義， 不僅缺乏統一的標準， 也未建立有效的數據交換服務， 易導致企業內部數據缺乏關聯性和一致性， 從而形成數據孤島， 無法發揮數據資源價值。第二階段是網絡化階段， 是指通過無線傳感網絡、 無線通信網絡把物體與互聯網連接起來， 智能識別、 定位、 跟蹤、 監控和管理業務。也可理解為， 在此階段， 企業利用物聯網、 大數據、 人工智能、 移動通信、 云計算等技術搭建數據中臺， 通過移動終端實時采集數據， 及時錄入數據， 即時同步匯總至該數據中臺。最終， 實現了數據標準化、 可視化和實時共享， 從而為管理者決策提供數據支持， 輔助決策。第三階段是智能化， 依托新一代人工智能技術的發展， 企業利用已沉淀的數據資源不斷優化、 創新業務模型和算法。基于上述轉型階段， 企業逐步建立各業務場景自感知、 自學習、 自決策、 自執行和自適應的功能模塊， 從而實現智能決策和價值創造。

相關資料表明， 我國企業已基本完成了第一和第二階段的數智化轉型任務①。那么， 企業在數智化轉型的第三階段該如何進一步實現價值創造則是我國大部分企業所面臨的一個現實問題。因此， 本文基于現有研究和企業實踐， 提煉出企業數智化轉型實現價值創造的一般規律， 具體如圖2所示。已經具備了數智化轉型第一、 二階段基礎的企業， 基于大數據、 云計算、 物聯網、 5G等底層技術， 通過搭建智能數據管控平臺， 匯總整理各業務軟件的數據， 使之成為體系化、 規范化、 結構化的數據， 打破數據孤島與數據碎片化的問題， 為數據驅動奠定數據基礎。然后， 圍繞數智化轉型促進價值創造的總體目標， 從結構化數據出發， 盡可能多地適配應用場景， 助力企業在投資、 采購、 生產、 維修、 銷售等領域實現業務場景數智化， 為充分發揮數據資源價值奠定基礎。最后， 以業務場景為載體， 監測、 管理、 追蹤企業活動， 實現業財一體化和數據可視化； 依托于豐富、 多維、 細顆粒度的數據積累， 構建模型與規則， 實現數據模型化， 支持決策與運營； 基于機器學習和運籌優化技術開展數據分析、 預測與自響應等賦能經營， 從而實現數據智能化， 通過自感知、 自學習、 自決策、 自執行等實現企業資源配置動態優化， 以構建企業競爭新優勢， 達到降本增效、 價值創造的總體目標。

四、 物產環能數智化轉型價值創造分析

（一）物產環能概況

物產環能重大發展節點如下： 2012年， 進行了整體的股份制改造， 優化了公司治理結構， 增強了企業實施數智化轉型抗風險的能力； 2017 ～ 2018年， 逐步實現了財務共享系統和其他系統的集成， 為企業數智化轉型奠定了平臺基礎； 2021年， 在上海證券交易所主板上市， 進一步整合了優質資源， 拓寬了融資渠道， 為企業實施數智化轉型提供了所需的資金保障。作為一家大型國有企業， 物產環能堅持走綠色低碳可持續發展的道路， 聚焦環保、 能源領域， 踐行“能源貿易+能源實業”雙輪驅動發展戰略。其中， 能源貿易板塊是煤炭行業領先的能源貿易集成服務商， 能源實業板塊堅持踐行綠色發展理念， 主營業務為熱電聯產、 污泥焚燒發電、 生物質綜合利用、 固廢處置等環保領域， 以及光伏、 儲能等新能源領域。目前， 物產環能的實業板塊已發展到七家熱電廠的規模， 并新增加了新能源發展、 儲能科技等幾家子公司， 隨著光伏和儲能業務的拓展， 未來將會新增大量子公司。若各子公司延續管理、 生產和業務上的獨立運行模式， 尤其是財務分權管理， 則會出現機構臃腫、 業務繁雜、 流程混亂、 效率低下、 數據孤島和數據煙囪等問題， 無法有效實現財務管理目標。且大量業務累積所形成的數據資源價值未被有效挖掘， 難以幫助管理者優化決策， 更遑論實現智能決策了。可見， 物產環能具有數智化轉型的迫切現實需求， 希望以此實現對公司組織架構、 生產經營、 財務管理等多維度的優化升級。那么， 物產環能是如何實現數智化轉型和業務場景的有機融合？又是如何利用數據資源創造價值的？綜上考慮， 本文從物產環能數智化轉型已初見成效的投資、 采購、 生產、 維修等核心業務展開分析， 以期為相關企業提供經驗借鑒。

（二）物產環能數智化轉型應用場景分析

物產環能以“成為綠色高效的環保能源綜合服務引領者”為戰略愿景， 聚焦于盈利、 風險控制、 安全和環保戰略， 并深化“環保+能源”戰略布局。在其戰略目標的引領下， 以智能數據平臺搭建為切入點， 利用大數據技術， 實現業財融合、 智能化管控的財務目標。并通過數智化技術規范管理公司所有業務， 讓大數據為業務賦能、 賦智， 即將數智化落地到企業的每一個業務場景中， 形成“投資—采購—生產—維修”的智能業務鏈條， 從而為企業降本增效、 創造價值。具體如圖3所示。

具體而言， 物產環能通過數智化轉型實現價值創造主要涉及以下四個核心業務場景。

1. 投資業務場景的數智化轉型。物產環能基于智能數據中臺， 全生命周期智能管控投資項目， 并實現業務數據可視化和一體化的分析、 預警和預測， 以幫助管理者優化決策。首先， 在項目投前管理中， 數智化管控平臺調取財務共享中心預算模塊的項目預算、 OA系統的立項和審核情況， 自動運行項目管理模型、 經濟增加值模型（EVA模型）和線性規劃模型等， 出具項目可行性分析報告， 輔助管理層投資決策。并把投資項目匯總至優采云系統， 進行現場監控、 實時跟蹤、 傳導和報告項目數據， 嚴格管理項目進程， 從而降低投資成本和風險。其次， 針對項目投中管理， 一是實時跟蹤項目成本， 清楚項目的具體花費、 進度、 遇到的問題及解決措施等， 尤其是對工程項目審計和特定項目復審進行嚴格規定， 極大地降低了工程項目成本， 提高了工程效率。二是實現項目風險的動態監管， 實時監控項目進度， 對超預算進度付款、 投后未達成預算指標、 工程未按進度完成和存在較高風險的項目自動預警， 并實現可視化功能。三是完成在現場主動監控和預警關鍵指標的任務， 及時調整項目進程， 以便于落實投后效果跟蹤管理， 改變以往有項目建設期卻無效果跟蹤管理期的現狀。最后， 在投后管理中： 調取財務共享中心核算模塊數據， 對投資項目進行運營管理、 動態收益監控、 現金流監控， 形成經營者看板； 數據中臺采集投資數據， 在線完成投后報告； 基于經營模型預測， 將立項指標與每一年反饋指標進行對比分析， 從而有效、 客觀地評價項目建成后的效果， 總結歸納成功的投資項目， 以指導未來投資項目的遴選。同時， 所有投資項目信息不僅反饋到優采云， 還根據最新投資數據不斷優化投資模型， 推薦投資方案， 優化企業決策， 創造價值。后續還可通過深度學習挖掘數據資源價值， 智能篩選優質投資項目， 從而實現智能投資功能。

2. 采購業務場景的數智化轉型。物產環能通過SIS生產管控平臺、 智慧環保島、 EAM資產管理系統、 財務共享中心的核算模塊實時監控全廠煤炭、 材料消耗情況和原材料庫存， 從全局優化角度合理調度資源， 安排采購計劃， 指導長期采購備貨， 以此幫助企業降低采購成本。煤炭由能源貿易板塊集中采購， 通過海運物流平臺的動態線性規劃指導采購過程， 以此執行最優采購計劃， 降低采購成本。具體而言， 通過海運物流平臺動態監控、 實時定位煤炭船運路線， 實時獲取上游裝港、 下游卸港信息， 結合天氣預報， 向船運公司發出合理的到港時間， 降低船運費和港口滯期費。并根據銷售情況， 把控到貨、 采購節奏， 以此實現最優采購， 降低采購成本。其他采購項目統一使用優采云平臺集中招標采購， 實現了招標業務公開透明， 使采購業務更規范， 以此把控采購風險和成本。最后， 在數智化管控平臺匯總采購數據， 通過標準化和可視化數據刻畫供應商畫像， 并建立供應商信用評分模型， 再利用大數據算法智能推薦優質供應商， 助力企業決策。進一步地， 可通過深度學習不斷訓練采購數據， 優化采購方案， 甚至是智能推薦采購計劃， 以此提高決策的準確性和及時性， 創造企業價值。

3. 生產業務場景的數智化轉型。物產環能的能源實業板塊主要產品為電力、 蒸汽、 壓縮空氣、 污泥處理服務。在這些產品的定價方面， 電力產品價格由發展改革委定價， 壓縮空氣和污泥處理服務的價格隨行就市， 蒸汽價格與煤炭價格聯動。物產環能通過數智化轉型以實現生產預警、 運行調整、 產銷預測等環節的優化。首先， 在可視化系統中設定機組運行的煤炭成本價， 通過市場公開數據獲取煤炭價格信息， 當超過機組成本時， 提出調整運行方式的預警。其次， 利用智慧環保島系統， 實時監控機組負荷和產出數據， 對偏離指標及時發送調整指令， 提高生產效率。然后， 借助大數據算法優化機組組合、 電力（蒸汽）調度和供應鏈等。最后， 所有生產數據都完整地匯集到SIS生產管控平臺， 形成龐大的數據資源， 結合當前實時訂單情況和了解到的生產狀況， 分析客戶歷史銷售數據， 對接下來的訂單進行預測， 及時調整運行方式。以此實現數據資源的內在價值， 降本增效， 從而創造企業價值。

4. 維修業務場景的數智化轉型。由于能源供應企業配有大量生產設備， 所以維修業務是物產環能的節能計劃中最重要的智能化場景之一， 通過合理的維修計劃不僅可以提高設備利用率、 生產率以及能效， 還可以降低能耗成本和維修成本等。在具體管理上， 物產環能將資產維修類項目分為日常維修、 零星維修、 大修理和應急維修四大類。其中， 日常維修和零星維修可歸類為常規維修， 一般發生頻率較高， 中低等難度， 主要通過物聯網監控設備， 智能識別隱性故障后完成檢修。大修理和應急維修可歸類為非常規維修， 可在故障發生后智能診斷設備隱患， 優化決策。而對常規和非常規維修業務也采用差異化的數智應用技術， 主要體現在以下三個方面。一是常規維修業務通過智能預診的方式減少故障發生次數。物產環能通過設備樹形式對電廠設備進行管理， 監控部件運行狀態， 實時獲取運行參數， 與正常設備參數對比， 在巡檢過程中提前發現設備缺陷， 并記錄缺陷、 開具檢修申請單。同時， 根據系統中記錄的設備缺陷位置、 缺陷情況、 檢修人員、 檢修費用、 檢修方案， 形成設備維修數據庫后， 可根據需求智能診斷設備缺陷， 判斷設備質量、 預判設備使用狀況、 快速匹配解決方案， 從而降低停工損失， 提高生產和決策效率。二是非常規維修業務以智能診斷的方式提供維修方案， 優化決策。通過機器學習和運籌優化技術， 訓練設備維修數據， 不斷對維修數據進行建模， 用于規劃維修計劃， 智能推薦維修方案， 物產環能徹底改變了過去依靠經驗或“拍腦袋”決策的方式， 從根本上消除了設備隱患， 延長了大修周期。三是綜合這兩類不同維修業務的數智化應用方式， 實時儲備相關數據， 建立設備維修數據庫。以數據庫資源為基礎， 企業可根據設備狀態和歷史維修次數等信息， 動態預估其剩余壽命， 判斷是否報廢設備， 以減少不必要的維修費用。還可根據累積的大量維修數據， 對所有電廠、 所有新能源公司之間進行維修成本細項目的橫向、 縱向分析對比， 找到差距及原因， 以降低維修成本， 提高企業利潤。綜上所述， 維修業務主要通過智能預診和智能診斷實現智能維修， 以減少停機和維修過剩， 從而減少維修成本， 創造企業價值。

五、 結論與啟示

新一代人工智能技術的發展改變了企業數據資源的存儲和運用方式， 使得數智化轉型成為企業發展的戰略方向。本文基于現有研究， 梳理了企業數智化轉型的定義、 實現方法和經濟后果， 并歸納出企業數智化轉型的“數據資源—數據中臺—業務場景—數據三化—價值創造”實現路徑。同時， 以物產環能為例， 研究了企業如何充分融合數智化技術與業務場景， 以及如何實現價值創造的場景過程。根據數智賦能業務實現價值創造的路徑， 可得出以下四個結論： 一是基于投資業務場景， 通過重點監管投資項目進程， 實時發出風險預警， 動態調整項目， 控制投資風險， 并采集項目全流程的數據， 持續優化投資模型、 價值評估模型等， 優化投資決策。二是基于采購業務場景， 通過集成系統自動監控原材料庫存， 合理調度資源， 指導采購； 同時， 優化供應商推薦算法， 降低采購成本。三是基于生產業務場景， 通過數據管控平臺智能監控機組負荷和機組成本， 及時預警、 調整生產方式。隨后通過大數據算法和機器學習優化生產方式， 實現資源最優配置和智能生產。四是基于維修業務場景， 不僅通過機器學習和運籌優化技術實現智能預診， 解決隱性故障， 還通過啟發式算法助力智能問診， 以優化決策， 降低維修成本， 創造企業價值。綜上所述， 物產環能根據其需求和業務特點， 將數智化技術與業務場景緊密結合， 實現了智能管理投資項目、 降低采購和維修成本、 優化機組運行組合等， 通過以上方面較好地提升了企業價值創造能力。

綜上， 本案例研究可能具有如下重要的實踐啟示： 首先， 企業應結合自己的戰略目標， 制定合適的數智化轉型價值創造路徑， 走符合公司業務特色的轉型之路。尤其注重在網絡化階段利用物聯網、 大數據、 云計算等技術搭建數智化管控平臺， 統一數據標準， 進行數據預處理， 實現各業務環節的數字化聯通， 促進業財融合， 為后續更好地實現智能化奠定基礎。其次， 企業數智化轉型應與業務場景深度融合， 先基于核心業務場景展開， 理清業務流程， 實現業務可視化， 并利用物聯網和人工智能等技術實時監控和報告業務， 以數據為支撐優化決策。最后， 在實現企業具體業務場景智能化時， 應基于內外部歷史和即時數據， 通過機器學習和運籌優化技術迭代更新模型， 實現動態仿真預測、 預診和預警， 逐步建立和優化各業務場景的自決策、 自執行和自適應功能模塊， 并最終實現數據模型化、 可視化、 智能化的相互轉換， 利用數智賦能為企業創造價值。

【 注 釋 】

1 資料來源于《2022年中國共享服務領域調研報告——邁向世界一流》。

2 資料來源于《數字化 網絡化 智能化 把握新一代信息技術的聚焦點》，http：//www.cac.gov.cn/2019-03/01/c_1124178478.htm？from=groupmessage。

【 主 要 參 考 文 獻 】

陳劍，劉運輝．數智化使能運營管理變革：從供應鏈到供應鏈生態系統［ J］．管理世界，2021（11）：227 ～ 240+14．

金小波．數智化轉型推進業財融合實現價值創造［ J］．產業創新研究，2022（15）：142 ～ 144．

戚聿東，郝越，侯娜，周恩懷．裝備制造企業數智化轉型的模式與路徑探索——基于山河智能的案例研究［ J］．經濟管理，2022（11）：25 ～ 45．

田高良，張曉濤．論數字經濟時代智能財務賦能價值創造［ J］．財會月刊，2022（18）：18 ～ 24．

王若揚．從“數字化”到“智能化”：漫畫出版的發展路徑探究［ J］．科技與出版，2023（2）：74 ～ 80．

吳玉浩．數智賦能標準情報服務創新：內在邏輯與實現路徑［ J］．情報雜志，2023（4）：186 ～ 194．

謝衛紅，林培望，李忠順，郭海珍．數字化創新：內涵特征、價值創造與展望［ J］．外國經濟與管理，2020（9）：19 ～ 31．

楊英楠，張治成，馬遠東等．技術邏輯視角下建筑業數字化轉型路徑分析［ J］．科技管理研究，2022（24）：137 ～ 142．

余東華，張恒瑜．制造業企業如何通過數智化轉型突破“服務化困境”？［ J］．甘肅社會科學，2022（6）：203 ～ 217．

周翔，葉文平，李新春．數智化知識編排與組織動態能力演化——基于小米科技的案例研究［ J］．管理世界，2023（1）：138 ～ 157．