TOE框架下制造企業數字化轉型組態路徑研究

艾志紅

【摘要】本文基于TOE理論框架， 采用模糊集定性比較分析方法， 以321家嵌入外部創新生態系統的制造企業為研究樣本， 從組態視角選取“技術—組織—環境”層面的6個因素， 探討制造企業數字化轉型的復雜因果機制。研究結果表明： 第一， IT基礎設施建設、 IT業務拓展能力、 IT前瞻性能力、 探索式學習、 利用式學習、 制度邏輯差異均不構成制造企業數字化轉型的必要條件。第二， 存在利用式學習為主導的外部環境驅動型、 組織雙元學習為主導的能力驅動型、 能力—組織學習—外部環境內外驅動型三條制造企業高數字化轉型驅動路徑； 低數字化轉型驅動路徑有兩條， 且與高數字化轉型驅動路徑存在非對稱關系。第三， 利用式學習作為核心條件出現在高數字化轉型的三條組態路徑中， 說明利用式學習對制造企業高數字化轉型具有重要作用。

【關鍵詞】數字化轉型；TOE理論；模糊集定性比較分析；制度邏輯差異

【中圖分類號】 F270? ? ?【文獻標識碼】A? ? ? 【文章編號】1004-0994（2023）17-0145-7

一、 引言

以大數據、 人工智能、 云計算等為代表的新一代信息技術全面推動了生產方式、 生活方式和治理方式的數字化變革， 數字化轉型是推動制造企業高質量發展的重要舉措， 已成為當下及未來發展的主要趨勢。然而， 由于數字化轉型極具復雜性和挑戰性， 大多數企業均以失敗告終（李晶和曹鈺華，2022）。2022年10月埃森哲正式發布的《2022中國企業數字化轉型指數研究》顯示， 僅有17%的企業取得了顯著效果。因此， 理論界和實務界越來越關注驅動制造企業數字化轉型成功的關鍵因素。

學術界對制造企業數字化轉型開展了廣泛的研究， 為本文奠定了深厚的理論基礎， 但仍存在以下研究缺口： ①現有研究主要從CEO權力（苑澤明等，2023）、 國際化程度（林立杰和李盼盼，2023）、 信息技術（Vial，2019）、 政府支持（肖靜華，2020）、 合作資源（金珺等，2020）等組織內部或外部萃取單一變量分析影響制造企業數字化轉型的因素及作用機制， 聚焦于單個前因變量與結果變量的簡單線性關系。由于數字化轉型的復雜性， 可能存在多因并發的復雜因果關系。②已有少數學者開始關注組織內外多重因素聯動匹配對數字化轉型的驅動路徑（李晶和曹鈺華，2022）， 但對研究對象沒有考慮情境因素。數字化轉型是企業為適應外部環境而采取的一種主動應用信息技術、 獲取外部資源和整合學習的行為。外部環境差異會影響企業資源獲取方式及途徑， 需根據特定情境進行探討， 而現有學者鮮少關注多主體協作的創新生態系統這一具體情境。創新生態系統是由相互連接的創新主體（核心企業、 科研機構、 政府及其他利益相關者）通過創新來實現價值共創的生態型組織（Autio和Thomas，2014）。Henfridsson等（2018）認為， 數字化環境下的創新生態系統是動態的數字資源網絡， 通過數字資源的組合創新產生差異化價值。基于此， 本文以嵌入創新生態系統的制造企業為研究對象， 采用“技術—組織—環境”（TOE）框架， 運用模糊集定性比較分析法（fsQCA）來識別組織內外部多因素聯動協同對制造企業數字化轉型的驅動路徑， 嘗試打開制造企業數字化轉型的“黑箱”， 以期進一步豐富數字化環境下企業數字化轉型的理論研究。

二、 文獻綜述與模型構建

1. 數字化轉型。Li等（2018）基于技術支撐視角認為， 數字化轉型是信息技術變革促成的轉型， 能對一個正常運作的系統造成計劃性數字沖擊； 肖靜華（2020）基于組織變革視角認為， 數字化轉型是數字技術與實體經濟的深度融合， 是通過新一代信息技術進行業務升級和管理創新， 提升生產效率。可見， 數字化轉型離不開信息技術的發展（曾德麟等，2021）。借鑒現有學者的觀點， 本文認為， 制造企業數字化轉型是企業運用新一代信息技術適應外部環境， 通過組織學習融合外部知識實現產品創新和商業模式創新， 以保持企業競爭優勢。

現有企業數字化轉型的研究主要聚焦于以下兩點： ①探究數字化轉型的后效。認為數字化轉型是培育世界一流企業的重要渠道， 因為其對組織結構優化（劉政等，2020）、 創新模式迭代更新（Li和Yang，2021）、 新產品開發績效（池毛毛等，2021）都具有積極的促進作用。②探究數字化轉型的前因。一類研究基于資源基礎觀（Verhoef等，2021）、 組織學習理論（肖靜華，2020）、 動態能力理論（Waner和Wager，2018）等企業內部視角進行探討； 另一類研究聚焦于競爭環境加劇（Kohli和Melvillen，2019）、 用戶需求變化（Abrellt等，2016）、 政府引導（馬書琴和李卓異，2020）等企業外部環境視角進行探討。學者們從組織內外視角萃取出制造企業數字化轉型的影響因素， 為本文探討組織內外不同層面前置要素協同對數字化轉型的驅動路徑奠定了堅實的理論基礎。

2. TOE框架與制造企業數字化轉型。TOE理論是指將技術（technology）、 組織（organization）、 環境（environment）三個層面的因素置于同一框架來研究三者之間的交互影響， 被廣泛應用于組織的技術整合和采納行為（Tornatzky等，1990）。本文以TOE框架和現有研究成果為基礎， 結合制造企業數字化發展的組織內外情境， 確定推動制造企業數字化轉型的技術、 組織、 環境3個方面的條件變量。

（1）技術： 信息技術。信息技術（IT）的快速發展引起諸多學者關注。現有研究發現， IT能力為企業數字創新活動提供了必要的技術支撐， 是影響制造企業數字化轉型的關鍵因素（Vial，2019）。IT能力不僅可為企業提供技術工具和手段， 而且能夠幫助其實現數字資源化， 通過賦能激活或提升生存與創新能力（高素英等，2021）， 快速實現業務流程再造和數字化產品生產。可見， 數字化轉型過程離不開IT能力。本文借鑒Lu和Ramamurthy（2011） 的研究， 將IT能力分為IT基礎設施能力、 IT業務拓展能力和IT前瞻性能力。

IT基礎設施能力是指信息系統、 基礎設施、 技術架構等與企業數字化相關的硬件平臺和軟件系統（池毛毛等，2022）， 是制造企業數字化轉型的物理支撐（Porter和Happelmann，2014）。以大數據、 人工智能等為代表的新一代信息技術擁有顛覆性潛能， 改變了傳統的社會互動方式， 用戶形成了在線上積極參與信息分享、 產品建議的偏好（Greenstein等，2013）。良好的IT基礎設施能力有助于企業及時且低成本地獲取用戶需求偏好和新產品創新靈感從而搶占市場先機（Christensen等，2015）， 還有助于企業整合組織流程以創造數字化能力， 進一步幫助企業與創新生態系統異質性組織者協同探索機會以實現產品創新。

IT業務拓展能力是指企業利用信息技術資源有效支持其業務目標的能力（Wade和Hulland，2004）， 強調通過信息技術與傳統業務的協同實現各部門間的資源和知識共享。在開放式創新和信息共享的創新生態系統環境中， IT業務拓展能力有助于企業跨組織邊界獲取系統內異質性數字資源和知識資源以實現資源創新組合， 擴大在數字資源競爭中的不對稱優勢。IT業務拓展能力通過利用信息技術的強鏈接能力增強與外部創新生態系統異質性組織的合作關系， 進行價值再創造， 這不僅有助于為企業創造核心競爭優勢， 而且這種跨越不同領域的信息整合還有助于激發更多原創性創意。

IT前瞻性能力是指企業積極主動地探索信息技術， 使企業能夠快速響應與業務策略相關的信息和知識需求， 能夠幫助企業實時了解最新的市場技術發展方向并及時做出快速決策（Benitez等，2018）。IT前瞻性能力強調企業能夠快速識別、 利用信息技術進步和新興技術創新的機會， 前瞻性地探索和利用現有數字資源來創造商業機會（高素英等，2021）， 擁有這種能力的組織通過探索外部創新生態系統異質性組織正在運用的信息技術， 能夠準確把握未來技術、 發展方向并將提前采取行動。

（2）組織： 組織學習。組織學習是企業對知識的獲取、 消化以及應用的過程， 是重構組織結構、 配置資源的重要決定因素（崔淼等，2020）。外部創新生態系統擁有豐富的異質性知識資源和數字資源， 是企業產生差異化價值的要素來源， 但需要企業通過對知識資源和數字資源進行甄別、 吸收和轉化， 最終形成資源的組合創新（Wade和Hulland，2004）。組織學習理論認為， 組織學習通過獲取、 吸收外部創新網絡的知識并與企業內部知識整合進行知識創新， 強化企業競爭力， 能幫助企業適應不斷變化的數字化環境， 促進數字化轉型（張林剛等，2022）。本文借鑒March（1991）的研究成果， 將組織學習分為探索式學習和利用式學習。

探索式學習的本質是對新知識和新資源的探索獲取， 是企業采用搜索、 試驗、 嘗試、 發現和創新等方式對外部新知識和新資源開展學習的行為。外部創新生態系統擁有豐富的異質性知識資源和數字資源， 企業通過探索式學習可以實現對新穎性知識的學習和應用。從知識體系構建來看， 探索式學習能夠幫助企業學習外部創新生態系統異質性組織的新知識和新理念， 搭建新知識體系， 促進新產品開發； 從企業能力形成來看， 探索式學習能夠幫助企業獲取外部創新生態系統的新知識和新資源， 提高重組轉型能力， 以適應數字時代新環境的發展（張林剛等，2022）。

利用式學習的本質是對已有知識與技能的直接使用及改造， 是企業挖掘、 提煉和升華現有知識的學習行為。企業通過與外部創新生態系統異質性組織的合作， 有利于對比發現自身的優勢與不足， 通過借鑒異質性組織在生產流程、 管理制度、 人才培養等方面的做法來解決現在的問題， 即通過利用式學習激活和鞏固現有知識存量， 改善現有技術和流程。從知識體系構建來看， 利用式學習可以幫助企業學習外部創新生態系統異質性組織的新知識和新理念， 對現有知識體系進行鞏固和改進， 促進對現有技術的改良； 從企業能力形成來看， 利用式學習可以幫助企業修正組織的行為和策略， 提高企業協調整合能力， 使企業更好地適應數字時代新環境的變化（Levinthal和March，1993）。

（3）環境： 制度邏輯差異。新一代信息技術搭建的外部創新生態系統， 對企業打破傳統組織邊界而建立非地理鄰近的網絡關系， 以獲取更多與外界聯動的稀缺知識資源和數字資源具有關鍵作用。然而， 外部創新生態系統異質性組織之間制度邏輯的不兼容會嚴重影響彼此間的合作（Meye和Hllerer，2010）， 不同的意識形態和行動方式導致制度邏輯相互沖突， 會阻礙企業獲取外部創新生態系統中的數字資源和知識資源， 一定程度上影響數字化轉型進程。制度邏輯是指能夠約束并塑造組織認知和行為的原則， 包括法律法規等正式制度和價值觀念等非正式制度， 能夠反映組織行為的價值觀和信仰。在跨部門關系中， 具有差異化的制度邏輯集聚在一起， 形成內在沖突， 可能導致合作伙伴關系的不穩定， 這種情況被稱為制度邏輯差異（Greenwood等，2011）。現有研究表明， 不同制度邏輯背景的合作伙伴可能追求著相互沖突的目標， 還可能存在著非對稱的權力關系， 權力更大的企業試圖通過強制度邏輯替代弱制度邏輯而獲利。因此， 由于制度邏輯差異和組織間權力的不均衡， 即使與異質性組織合作能夠為企業提供更多的稀缺資源， 企業也可能放棄或終止合作（張睿倩等，2021）。

可見， 嵌入同一創新生態系統中的異質性組織如遵循共同的制度邏輯， 相互間有更高的承諾和信任， 可以加速系統內數字資源與知識資源共享， 形成資源互補、 協同共生的關系， 實現數據驅動的價值共創（魏江和趙雨菡，2021）。

（4）IT能力、 組織學習、 制度邏輯差異與制造企業數字化轉型模型構建。IT能力、 組織學習和制度邏輯差異均會影響制造企業數字化轉型。IT能力幫助企業快速精確地感知外部創新生態系統異質性組織的制度邏輯差異， 高效地獲取、 整合、 重構外部新穎性知識資源， 將知識資源與外部環境更好地匹配（單標安等，2022）， 促進制造企業數字化轉型。組織學習是拓展和積累知識的重要途徑， 企業通過嵌入外部創新生態系統， 有利于積累、 拓展全新知識以及深挖原有知識。在數字化環境中， 組織學習有利于企業獲取更深層次、 更全面的IT能力， 為企業創造新產品、 發現新市場提供可能性。而制度邏輯差異又反過來促進企業IT能力和組織學習能力提升， 如外部創新生態系統異質性組織間合作關系和良性互動通過跨層次資源互補和共享， 提高企業數字資源水平、 IT能力、 組織學習能力， 從而促進企業數字化轉型（李晶和曹鈺華，2022）。

本文基于TOE框架， 從技術、 組織和環境等維度構建制造企業數字化轉型的理論模型， 如圖1所示。

三、 研究設計

1. 研究方法。fsQCA旨在探究多個前因要素間的非線性復雜關系及對結果要素的組態影響， 兼具定性研究與定量研究方法的優點（Ragin，2009）。由于制造企業數字化轉型是一個復雜且具有挑戰性的問題， 組織內外多個前因要素間可能存在非線性復雜關系， 對數字化轉型的影響可能存在因果的非對稱性。因此， 本文選用fsQCA方法來分析IT基礎設施能力、 IT業務拓展能力、 IT前瞻性能力、 探索式學習、 利用式學習、 制度邏輯差異如何共同影響制造企業數字化轉型的復雜作用機制。本文試圖回答以下三個問題： 存在哪些條件組態以“殊途同歸”的方式促進制造企業的數字化轉型？哪些條件對制造企業數字化轉型起著核心作用？數字化轉型路徑中是否存在“多重并發”現象？

2. 數據來源與處理。Andersson等（2002） 基于價值鏈視角將嵌入性分為業務嵌入和技術嵌入， 其中業務嵌入強調異質性組織聯系的緊密程度， 而技術嵌入強調異質性組織在技術研發過程中的依賴程度。企業通過與科研機構、 政府、 顧客等利益相關者跨界交流嵌入創新生態系統， 可以提高價值創造效率。本文以嵌入創新生態系統的制造企業為研究對象， 采用調查問卷方式收集相關數據， 調研對象為制造企業的中高層管理者。問卷主要通過同門、 同學、 親朋好友等社會關系在各地科技局、 工信局舉辦的企業培訓現場發放。參加政府部門組織培訓會的一般為企業中高層領導， 同時也表明企業在某種程度已嵌入創新生態系統， 可以較為精準地回收調查問卷。整個數據收集工作歷時4個月， 從2022年2月28日到2022年5月28日結束， 共發放問卷405份， 對有缺漏、 信息不完整的問卷進行剔除后， 剩余有效問卷321份， 問卷回收有效率為79.3%， 樣本分布情況如表1所示。

3. 變量測量。本文借鑒國內外學者使用并證明有效的度量指標， 根據實際情況不斷完善， 形成最終量表。在問卷設計中采用李克特5點量表進行評分， 受訪對象根據企業實際情況按1 ～ 5進行打分， 1表示不符合， 5表示完全符合。變量測量題項具體來源如下： 數字化轉型的測量借鑒池毛毛等（2021）的研究， 使用企業正在采用新一代信息技術對現有產品、 服務和流程進行改造升級等4個測量題項。IT能力的測量參考了Lu和Ramamurthy（2011）的研究， IT基礎設施能力使用企業的信息技術基礎設施建設水平（如服務器和數據庫構建， 企業內網的穩定性等）較高等3個測量題； IT業務拓展能力使用企業制定了利用IT技術支持企業整體商業活動的發展規劃等3個測量題項； IT前瞻性能力使用企業不斷與新興IT技術發展趨勢保持同步等3個測量題項。組織學習的測量參考了Kim（1998）的研究， 探索式學習使用企業運用全新的、 可能無法在現有市場成功的產品或市場新創意等3個測量題項， 利用式學習使用企業運用與目前產品經驗相一致的新創意等4個測量題項。制度邏輯差異測量參考了梁玲玲等（2022）的研究， 使用企業與合作伙伴有著相近的企業文化等3個測量題項。

4. 描述性統計。本文利用SPSS 26.0進行信度和效度檢驗， 檢驗結果如表2所示。各變量的Cronbach' a系數均大于0.8， 組合信度CR均大于0.9， 說明量表的測量信度較高。同時， 各變量的因子載荷均大于0.6， 且所有變量的平均變異萃取量AVE均大于0.7， 說明變量具有良好的收斂效度。

5. 變量校準。校準是將原始數據轉為可用于fsQCA分析所需數據形式的過程， 本文參考池毛毛等（2020）的做法， 采用分位數法為校準標準， 選擇條件變量和結果變量的95%、 50%、 5%分位數值作為“完全隸屬”“交叉點”“完全不隸屬”的判定錨點， 通過fsQCA3.0軟件中的Calibrate函數對各變量進行校準， 結果如表3所示。

四、 數據分析過程

1. 單因素必要性分析。衡量必要條件的重要標準是一致性， 一致性最低值達到0.9以上認定為必要條件。使用fsQCA3.0軟件統計高數字化轉型和低數字化轉型的必要條件， 分析結果如表4所示。由表4可知， 本文所有的前因條件變量的一致性均未達到0.9， 即單個前因條件變量不構成數字化轉型的必要前因。必要性分析結果也反映出制造企業數字化轉型的復雜性， 技術、 組織及環境方面的條件變量可能通過組態方式協同作用于制造企業數字化轉型。

2. 多因素組態充分性分析。在必要性分析后， 運用fsQCA.0設定充分條件閾值構建真值表。本文借鑒杜運周和賈良定（2017）的研究， 將總樣本數的1%設定為頻數閾值， 同時， 將原始一致性門檻值設置為0.8， 進行篩選， 樣本數大于或等于1%且原始一致性大于0.8的邏輯條件組合可保留。此外， 根據PRI一致性分值進行重新編碼， 當PRI一致性大于或等于0.7時， 保留結果變量1； 當PRI一致性小于0.7時， 將該組合對應的結果變量手動更改為0（Misangyi和Acharya，2014）。分析得到復雜解、 中間解和簡約解， 對中間解和簡約解進行嵌套對比， 得到最終組態結果， 見表5。

（1）高數字化轉型的組態分析。表5列示了產生高數字化轉型的組態分析結果， 清楚地區分了引發高數字化轉型的核心條件和邊緣條件， 并有效識別出三種組態（H1、H2、H3）。三種組態的一致性指標值分別為0.932、 0.914、 0.907， 說明這三種組態都是高數字化轉型的充分條件。總體解的一致性為0.895， 進一步說明覆蓋絕大部分樣本的三種組態是高數字化轉型的充分條件； 總體解的覆蓋度為0.513， 說明這三種組態解釋了約51.3%的高數字化轉型的原因。接下來， 本文進一步對制造企業高數字化轉型進行組態分析。

組態H1： 利用式學習為主導的外部環境驅動型。組態1指出， 利用式學習、 制度邏輯差異同時以核心條件存在， 探索式學習為核心條件缺失， IT基礎設施能力、 IT業務拓展能力為邊緣條件缺失， 無論IT前瞻性能力是否存在， 制造企業均可實現高數字化轉型。組態H1之所以可以實現高數字化轉型， 是因為開展利用式學習的企業需具備穩定的技術、 經驗來源， 具有同一制度邏輯的企業在開展業務合作、 共同研發和引進外資等開放式創新活動時具有更強的信任關系， 更有利于增強創新生態系統異質性組織與企業交流互動和知識分享的意愿。

組態H2： 組織雙元學習為主導的能力驅動型。組態H2指出， IT業務拓展能力、 探索式學習、 利用式學習同時以核心條件存在， IT基礎設施能力以邊緣條件存在， 制度邏輯差異為邊緣條件缺失， 無論IT前瞻性能力是否存在， 制造企業均可實現高數字化轉型。組態H2之所以可以實現高數字化轉型， 是因為雙元學習與其他前因條件的協同效應均能提高企業數字化轉型。面對創新加快、 知識更新周期變短等外部壓力， 單純依賴某種學習行為難以滿足企業所有創新需求。因此， 部分企業選擇在合作中將有限資源相對均衡地分配給兩種學習行為， 并最終形成探索式學習、 利用式學習雙元學習模式。探索式學習和利用式學習具有互補性， 探索式學習為企業與外部創新生態系統組織提供更多合作交流機會， 促使企業深入了解與學習外部知識， 而利用式學習則有利于企業發揮自身競爭優勢。此外， IT業務拓展能力有助于企業快速利用和管理企業信息技術資源， 通過管理和利用現有信息技術資源， 整合和協調組織內其他資源通過雙元學習進行價值創造。在外部創新生態系統中， IT業務拓展能力有助于進一步提升企業獲取和管理外部數字資源和知識資源的能力， 還能為企業的數字產品創新活動和數字流程創新提供技術、 信息和網絡等資源支持。

組態H3： 能力—組織學習—外部環境內外驅動型。組態H3指出， IT業務拓展能力、 探索式學習、 利用式學習、 制度邏輯差異同時以核心條件存在， 以IT基礎設施能力、 IT前瞻性能力為邊緣條件存在， 可實現高數字化轉型。組態H3之所以能實現高數字化轉型， 是因為企業可通過利用式學習獲取外部創新生態系統內其他組織知識并利用這些知識， 但此類學習方式可能使企業固步自封， 降低合作意愿。企業在與外部創新生態系統中其他組織合作過程中接觸到許多異質性知識， 需通過探索式學習將這些異質性知識整合并應用于實踐。當創新生態系統內企業具有同一制度邏輯時， IT業務拓展能力可通過知識整合豐富企業知識積累， 幫助其開發數字產品， 優化數字流程， 實現數字化轉型。

（2）低數字化轉型的組態分析。表5還列示了產生低數字化轉型的組態分析結果， 并有效識別出兩種組態（N1、N2）。組態N1表明， 如果將IT業務拓展能力、 IT前瞻性能力、 探索式學習、 利用式學習、 制度邏輯差異作為核心條件缺失， 會產生低數字化轉型。組態N2表明， 如果將IT基礎設施能力、 IT前瞻性能力、 探索式學習、 制度邏輯差異作為核心條件缺失， 利用式學習作為邊緣條件缺失， 也會產生低數字化轉型。由表5可知 ， 這兩種組態的一致性明顯低于高數字化轉型的三種組態。

3. 穩健性檢驗。本文采用調整一致性閾值進行穩健性檢驗， 借鑒杜運周和賈良定（2017）對QCA穩健性討論的經驗， 將一致性閾值從0.8提升至0.85， 并將樣本閾值從1%提升到1.5%， 進行穩健性分析， 其他條件保持不變， 發現計算結果中組態路徑保持不變， 本文組態結果具有良好的穩健性。

五、 研究結論與啟示

1. 研究結論。本文基于“技術—組織—環境”TOE理論框架， 以321家嵌入創新生態系統的制造業企業為研究樣本， 采用fsQCA方法分析了IT基礎設施能力、 IT業務拓展能力、 IT前瞻性能力、 探索式學習、 利用式學習以及制度邏輯差異對制造企業數字化轉型的組態效應， 主要研究結論如下：

（1）制造企業數字化轉型不存在單一必要條件。fsQCA的必要條件檢驗顯示， 在IT基礎設施能力、 IT業務拓展能力、 IT前瞻性能力、 探索式學習、 利用式學習、 制度邏輯差異等前因條件中， 沒有任何單一變量是制造企業數字化轉型的必要條件， 說明在數字化時代， 制造業企業的數字化轉型具有復雜的因果機制， 是技術、 組織及環境等多重條件協同交互、 共同作用的結果。

（2）高數字化轉型的前因組態包括利用式學習為主導的外部環境驅動型、 組織雙元學習為主導的能力驅動型、 能力—組織學習—外部環境內外驅動型三種路徑。利用式學習為主導的外部環境驅動型強調了利用式學習與制度邏輯差異在制造企業數字化轉型過程中的共同作用。該類型組態說明了面對數字化轉型的變革趨勢， 外部創新生態系統異質性組織的同一制度邏輯有助于企業開展利用式學習， 只有企業與所處的外部創新生態系統深度融合與協調互動， 才能夠促進制造企業數字化轉型。組織雙元學習為主導的能力驅動型強調了IT業務拓展能力與組織雙元學習協同對制造企業數字化轉型的重要作用。該類型組態說明了在外部創新生態系統中， 企業除了需要IT業務拓展能力獲取和管理知識資源， 還需要運用組織雙元學習對獲取的外部知識資源進行有效利用。能力—組織學習—外部環境內外驅動型強調， 當創新生態系統內企業具有同一制度邏輯時， IT業務拓展能力可通過組織雙元學習整合豐富企業知識積累， 幫助其開發數字產品， 優化數字流程， 實現數字化轉型。

2. 啟示。本文研究結果對于制造企業如何匹配內部不同資源和能力以應對外部環境的多重挑戰并實現數字化轉型提供了重要的理論指導， 具體如下：

（1）制造企業在實施數字化轉型過程中應重視開發和構建良好的IT能力， 特別是IT業務拓展能力。本文的結論表明， IT業務拓展能力對制造企業數字化轉型起著積極作用。實踐證明， IT業務拓展能力可以為企業的數字化轉型活動提供技術、 信息和網絡等資源的支持。如海爾積極開展開發信息技術利用能力， 通過HOPE平臺不斷進行產品和流程創新， 并實現了跨越式發展。

（2）制造企業在數字化轉型過程中應重視組織學習。 組織學習作為驅動數字化轉型的驅動力， 可以讓企業更好地適應環境變化。在數字化時代， 知識更新速度加劇， 企業需要不斷吸收新知識、 持續創新以應對復雜激烈的競爭環境。利用式學習和探索式學習是企業獲取、 應用外部知識的兩種方式， 能有效促進企業數字化創新。企業通過有效嵌入外部創新生態系統， 可以獲得更多稀缺知識資源和數字資源， 通過利用式學習和探索式學習對其進行吸收轉化， 最終應用于數字創新管理實踐中。企業可以根據所嵌入外部創新生態系統的制度邏輯差異， 對利用式學習或探索式學習有所側重。若外部創新生態系統具有同一制度邏輯差異， 可以將重心放在利用式學習上， 改善現有技術和流程， 通過修正組織行為和策略更好地適應數字化時代新環境的變化； 若外部創新生態系統異質性組織制度邏輯差異較大， 則應將重心放在探索式學習上， 著眼于新知識的搜索應用， 通過改變現有組織模型適應數字化時代新環境的發展。

（3）制度邏輯差異會對企業間合作帶來負效應， 企業需選擇不同的組織學習方式規避外部負效應。制造企業應用信息技術進行數字化轉型跨越了傳統的組織行為邊界， 伴隨著制度邏輯差異帶來的諸多挑戰， 關注制度邏輯差異所帶來的外部負效應， 并匹配不同的組織學習方式規避負效應對其順利實施數字化轉型至關重要。制造企業在嵌入外部創新生態系統過程中， 具有同一制度邏輯的異質性組織相互間具有較高的承諾水平， 有利于形成資源互補、 協同共生的關系， 實現數據驅動的價值共創； 而具有較大制度邏輯差異的異質性組織會對合作伙伴關系產生負面影響， 阻礙企業獲取外部知識資源和數字資源。因此在管理實踐過程中， 制造企業管理者應關注所嵌入外部創新生態系統的制度邏輯差異， 匹配不同的組織學習方式來解決數字創新活動所面臨的內外部制度認同障礙。

【 主 要 參 考 文 獻 】

池毛毛，王俊晶，王偉軍．數字化轉型背景下企業創新績效的影響機制研究——基于NCA與SEM的混合方法［ J］．科學學研究，2022（2）：319 ～ 331．

池毛毛，葉丁菱，王俊晶等．我國中小制造企業如何提升新產品開發績效：基于數字化賦能的視角［ J］．南開管理評論，2020（3）：63 ～ 75．

崔淼，周曉雪，蔡地．新興市場企業如何塑造組織韌性——基于路徑構造理論的案例研究［ J］．管理案例研究與評論，2020（6）：646 ～ 657．

杜運周，賈良定．組態視角與定性比較分析（QCA）：管理學研究的一條新道路［ J］．管理世界，2017（6）：155 ～ 167．

高素英，張燁，金相杉．技術賦能視角下企業服務生態系統動態演化機理研究［ J］．科學學與科學技術管理，2021（4）：104 ～ 126．

金珺，李詩婧，黃亮彬．傳統制造業企業數字化轉型影響因素研究［ J］．創新科技，2020（6）：22 ～ 34．

李晶，曹鈺華．基于組態視角的制造企業數字化轉型驅動模式研究［ J］．研究與發展管理，2022（3）：106 ～ 122．

梁玲玲，李燁，陳松．數字技術驅動下的企業開放式創新路徑研究——基于fsQCA方法的組態效應分析［ J］．科技管理研究，2022（17）：142 ～ 150．

林立杰，李盼盼．國際化程度對企業數字化轉型的影響［ J］．財會月刊，2023（12）：145 ～ 152．

劉政，姚雨秀，張國勝，匡慧姝．企業數字化、專用知識與組織授權［ J］．中國工業經濟，2020（9）：156 ～ 174．

馬書琴，李卓異．我國信息化與工業化深度融合的影響因素及變化機制分析［ J］．情報科學，2020（6）：38 ～ 43．

單標安，劉曉菊，趙潤萱等．組織能力，組織創新與數字化轉型如何激發新產品開發績效？——基于fsQCA的組態效應研究［ J］．研究與發展管理，2022（3）：81 ～ 93．

魏江，趙雨菡．數字創新生態系統的治理機制［ J］．科學學研究，2021（6）：965 ～ 969．

肖靜華．企業跨體系數字化轉型與管理適應性變革［ J］．改革，2020（4）：37 ～ 49.

苑澤明，蘆欣媛，李萌等．CEO權力與企業數字化轉型：促進還是抑制［ J］．財會月刊，2023（12）：153 ～ 160．

張林剛，耿文月，熊焰．組織學習，組織遺忘與企業數字化轉型［ J］．領導科學，2022（9）：91 ～ 95．

張睿倩，劉昊倬，謝一臻等．虛擬集聚型網絡關系，制度邏輯差異與數字賦能型企業成長——基于云計算企業的研究［ 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．