制造企業數智化能力：維度探索與量表開發

張樂 陳菊紅 董海林 王昊

基金項目：國家社會科學基金項目（22BTJ050）；教育部人文社會科學研究青年基金項目（16YJC630170）

作者簡介：張樂（1987—），女，陜西西安人，西安理工大學經濟與管理學院博士研究生，渭南師范學院經濟與管理學院講師，研究方向為制造企業數字化轉型；陳菊紅（1964—），女，陜西富平人，博士，西安理工大學經濟與管理學院教授、博士生導師，研究方向為制造企業服務化、數字化；董海林（1985—），女，甘肅民勤人，西安理工大學經濟與管理學院博士研究生，研究方向為數字服務創新；王昊（1991-），男，江蘇連云港人，博士，西安理工大學經濟與管理學院講師，研究方向為服務生態系統。

摘 要：隨著數智技術的飛速發展，數智化轉型已成為數字經濟時代制造企業發展的必然選擇。數智化推動制造企業重構競爭優勢，數智化能力成為制造企業創新發展的關鍵驅動力。然而，部分制造企業在轉型過程中陷入“不轉型等死、轉型找死”的兩難困境，數智化能力建設缺乏方向指引，亟待對數智化能力的內涵和構面進行深入研究。在文獻分析和扎根理論的基礎上，基于動態資源基礎觀，歸納并提取企業數智化能力構成維度，包括生產智造能力、數智化運營能力和數智連接能力，開發各維度測量量表，利用SPSS和Amos軟件對290份有效問卷進行實證檢驗，結果表明開發的數智化能力測量量表信效度較高。研究結論有助于加深對數智化能力這一概念構成的理解，為數智化能力水平測度提供有效的量化分析工具。

關鍵詞：數智化能力；結構維度；測量量表；扎根理論

DOI：10.6049/kjjbydc.2023010267

中圖分類號：F272.7-39

文獻標識碼：A

文章編號：1001-7348（2024）11-0079-10

0 引言

大數據、人工智能、云計算、物聯網等數智技術正改變制造企業商業模式和生產經營方式^[1]。《中國制造2025》明確提出要加快推動新一代信息技術與制造技術融合發展，把智能制造作為兩化深度融合的主攻方向，全面提升企業研發、生產、管理和服務的智能化水平。2021年12月，中央網絡安全和信息化委員會印發《“十四五”國家信息化規劃》，要求加快制造業數字化轉型，深入實施智能制造工程。然而，很多企業受到自身業務、規模和生存環境的限制，在轉型過程中陷入“不轉型等死、轉型找死”的兩難困境。《2021埃森哲中國企業數字化轉型指數》指出，數字化轉型的第二大難點在于數字化能力的建設。制造企業運用數智技術實現轉型已成為其核心競爭力（Verhoef等，2021）。

近年來，相關學者開始關注制造企業數智化能力。資源基礎觀認為，資源需要具有高價值、稀有性、不可模仿性、不可替代性和不可轉讓性特征才能產生可持續競爭優勢（Barney，1991）。數智技術作為一種資源本身并不具有可持續競爭優勢（Khin & Ho，2019），在數智化轉型背景下，企業獲取可持續競爭優勢的關鍵在于對數智技術和其它資源進行整合，利用數智技術將數智生產要素融入企業業務，將數智生產要素轉化為數智化能力（René等，2020）。Helfat等^[3]從動態視角延伸資源基礎觀的內涵，將識別、整合企業資源響應環境變化的能力納入動態資源基礎理論。“數智化”不同于“數字化”，陳劍等^[1]認為“數智化”是數字化和智能化的深度結合；沈馨怡和吳松強（2023）指出，數智化是對數據全生命周期和全場景的集成化管理，數智化相比于數字化更加重視生態規模與合作深度。1983年，Gardner首次提出“數智”能力的概念，對于深入理解數智化能力具有重要意義。

本文基于動態資源基礎觀對制造企業數智化能力進行研究，試圖回答“什么是數智化能力，數智化能力包括哪幾個維度以及如何對數智化能力進行科學測度”這3個問題，旨在明晰制造企業數智化能力的內涵，開發制造企業數智化能力結構維度，探尋支持數智化能力研究的理論基礎，以期促進數智化能力理論體系發展。

1 文獻回顧與理論基礎

1.1 數智化能力概念

對于數智化能力的概念和內涵，學者尚未形成統一共識，現有對制造企業數智化能力的研究主要圍繞以下幾個方面展開：第一，數智化能力對企業績效的影響。Ritter等（2022）指出數智能力通過識別并捕獲市場中價值創造機會提升企業績效，但也有研究證實數智化能力對企業績效的影響作用甚微甚至沒有影響（Usai等，2021）。第二，數智化能力與制造企業服務化之間的關系。Parida等^[4]指出數智化能力是解決日益復雜問題和維護多樣化客戶互動關系的可行路徑；Calle等^[5]發現先進制造技術除非與互聯網數字能力相結合，否則對服務化無顯著影響。第三，數智化能力的概念和內涵。部分學者認為數字化能力就是數智化能力，即數智技術業務應用能力；另有部分學者認為數智化能力是數字化能力與智能化能力的融合^[7-8]，既包括數智轉化過程中的技術能力，又包括管理變革能力^[9]。可見，明晰數智化能力的概念是開展實證研究的基礎。

已有研究圍繞IT能力、數字化能力、智能化能力等相似概念對數智化能力進行界定。IT 能力的概念于1996年由Ross提出，隨后關于其內涵的研究逐漸豐富。學者普遍認為IT能力是指利用IT技術對企業現有業務流程進行優化，進而提高工作效率的能力。Ross等^[10]認為 IT 能力是企業運用IT技術影響組織決策的能力；吳曉波等^[11]指出IT能力不單是一種技術能力，更是一種資源配置能力，是企業調動、配置和應用IT資源促進組織自身業務重組進而獲取長期競爭優勢的能力。

隨著數據資源井噴式增長以及大數據技術在互聯網的應用，學者開始關注數據資源在制造企業的應用。張振剛等^[12]指出大數據能力是利用大數據技術處理動態信息的能力；Lin & Kunnathur^[13]指出大數據能力是企業識別、收集、存儲和分析大量類型各異、高速流動的數據，用以支持企業實現戰略目標的能力；Chen等^[14]將大數據能力定義為“對海量離散數據進行實時分析以及對復雜數據進行挖掘的能力”；馬鴻佳等^[15]認為大數據能力是一種高階動態能力，即利用數據分析感知、整合、建立和再配置內外部大數據資源以適應快速變化的環境的能力。

盡管大數據能力解決了IT能力無法對數據資源進行識別和篩選這一難題，但數據庫之間各自為政難以滿足客戶多樣化需求，而數字化技術則可實現這一目標。Lyytinen等^[16]、吉峰等^[17]指出數字化能力是企業利用數字技術使數據和信息以適當方式呈現，能夠減少信息不確定性，實現營銷、研發和生產的全面整合，最終創造更大商業價值的能力；Sjodin等^[18]將數字化能力定義為“使用數字技術創造差異化附加值的高級能力”。如今，大數據與人工智能深度融合，形成新一代“數智”技術，企業核心能力逐漸轉變為數智化能力^[19]。從“數字化”到“數智化”，企業數據資源不斷擴充，新型數智工具持續涌現，對企業能力提出更高要求^[20]。隨著資源基礎觀的發展，越來越多的學者意識到“數智化”意味著對更多資源進行整合，數智化能力代表著一種更高階的能力。鄭勇華等^[21]認為，數智化能力是制造企業將新一代信息技術與已有資源相結合的能力；Kaplan等^[22]指出數智化能力是系統解釋內外部數據，從數據中學習、調整和利用學習成果連接智能目標的能力。

綜上所述，隨著信息技術的發展，資源范疇越來越廣，結合以上概念，本文將制造企業數智化能力定義為“制造企業將大數據、云計算、人工智能等數智化技術融入企業研發、生產、銷售等生產經營活動，通過對數智技術、數據信息等內外部資源之間的連接和配置，實現生產、運營數智化的創新能力”。這一能力既不同于強調技術運用的IT能力，也不同于強調數據資源識別的大數據能力，更不同于強調數字技術融合以消除數據孤島的數字化能力，數智化能力能夠促進制造企業實現提質降本增效、智能連接的目標。

1.2 數智化能力結構維度

當前，關于數智化能力維度的研究主要集中在以下幾個方面：首先，數智技術特征。Lenka等^[23]將數字化能力劃分為3個維度：智能能力、連接能力和分析能力，分別指配置硬件組件以感知和捕獲信息的能力、通過無線通信網絡連接數字化產品的能力以及使用可用數據為公司作出有效決策的能力；Ajaegbu（2020）認為數字化能力包括數據捕獲能力、數據連接能力和數據分析能力；易加斌等^[24]總結出大數據能力包含數據感知能力、數據整合能力及深度分析與洞察能力；馬鴻佳等^[15]將大數據能力劃分為大數據預測和分析能力以及大數據管理和應用能力兩個維度；Sjodin等^[18]研究了3組重要的人工智能能力：數據管道、算法開發和人工智能民主化。其次，數智技術應用場景。Lee（2015）等將IT能力劃分為IT探索和利用能力；Calle等^[5]將數字能力劃分為3個維度：使用先進制造技術的數字技術能力、供應鏈層面業務關系數字能力、軟件應用程序開發和部署數字能力；Anwar等^[25]將大數據能力劃分為大數據技術能力和大數據人員能力；鄭勇華等^[21]認為智能化能力包括裝備智能化能力、人員智能化能力和管理智能化能力3個維度。

數智化能力是數智技術驅動企業管理變革與重塑的能力，其應用場景已經突破業務層面，實現商業模式創新（Ancillai等，2023），同時涵蓋“數字化”和“智能化”兩個要素。根據資源基礎觀，制造企業與利益相關者長期處于一個相互影響的動態系統中，企業發展需要各方資源的相互作用^[5]，企業邊界變得日益模糊。因此，基于內外部資源調配對數智化能力結構維度進行探究，有助于企業真正理解數智化能力的內涵。

1.3 理論基礎

傳統資源基礎觀指出企業資源異質性是形成企業績效差異的主要原因，資源具有價值屬性^[26]。然而，某種資源很難單獨構成企業持續競爭優勢，其需要與其它資源相結合（Barney，1991）。Ulaga & Reinartz（2011）研究發現，制造企業通過整合生產資源，可將自身獨特資源轉化為企業所需能力。不同于傳統靜態資源基礎觀，動態資源基礎理論認為在不斷變化的外部環境中，企業整合資源獲取持續競爭優勢的能力尤其值得關注。數智化技術作為一種資源需要嵌入到企業日常經營活動中，將新信息技術與已有資源相結合（鄭勇華，2022）。因此，有必要基于動態資源基礎觀研究數智化能力。

2 研究設計

2.1 研究方法

已有研究對數智化能力結構維度的刻畫較少，加之企業數智化能力內容多樣和復雜，因此本文采用扎根理論對制造企業數智化能力結構維度進行探究。扎根理論通過對本文資料進行歸納、總結，可以形成新的理論（賈旭東和衡量，2016）。本文從定性視角出發，通過半結構化訪談、實地調研獲取一手數據并通過官網、公眾號等途徑收集文本資料，按照扎根理論研究方法，遵循開放式編碼—主軸編碼—選擇性編碼3個步驟，挖掘并歸納數智化能力結構維度。在此基礎上，將扎根理論研究成果與文獻相結合，形成制造企業數智化能力初始量表，并對量表進行實證檢驗。

2.2 研究對象

本文遵循質性研究抽樣原則，利用研究團隊資源對樣本進行搜尋，選取華為技術有限公司（華為）、施耐德電氣（中國）有限公司（施耐德）、西安陜鼓動力股份有限公司（陜鼓動力）、陜西汽車控股集團有限公司（陜汽）、中國西電集團有限公司（西電）5家數智化轉型典型制造企業，對31名中高層管理者和23名員工進行半結構化訪談。在正式訪談之前，選取施耐德、華為3名管理人員和4名普通用戶組成焦點小組進行討論，根據反饋意見對訪談提綱進行修改。在訪談對象中，男性41名、女性13名，年齡主要分布在25～45歲之間，每次訪談時間約為60分鐘。

3 制造企業數智化能力結構維度探索性研究

3.1 數據收集

為保證數據質量，借鑒Miles等（1984）提出的三角測量法，通過多種渠道收集數據，以保證研究結論的科學性和合理性。訪談、二手資料和直接觀察是定性研究的主要數據來源，訪談過程主要圍繞事先準備的問題進行討論，如“企業數智化能力是什么”“制造企業數智化能力包括哪些方面”“企業通過哪些方面提升數智化能力？為確保資料的準確性，與受訪者再次核實訪談內容，結合訪談企業公開資料，對訪談資料進行三角驗證，剔除個別不真實的內容。數據收集時間為2021年6月至2022年6月，訪談時間共計27小時，訪談文字共計6.2萬字，二手資料共計4.1萬字。本文采用3/4資料進行編碼分析，剩余資料用于飽和度檢驗。

3.2 開放式編碼

開放式編碼是扎根理論分析的第一步，通過對多種渠道收集的文本資料進行標簽化處理，對語義接近、重復出現的條目進行刪減，最終抽取出141個初始概念。接著，對141個初始概念進行歸納總結，最終得到生產設備（生產線）智能化、數字平臺搭建、設備接入、傳感器數據采集、數據加工分析、智能產品設計、虛擬設計、新產品創新能力、產品智能升級、生產數據分析能力、質量控制、生產過程自我優化、數據標準化處理能力、信息可視化、風險管控能力、生產技術創新能力、決策支持能力、平臺協作能力、實時應變能力、成本優化能力、人員調配能力、遠程數據采集、產品質量追溯服務、人員數智技能、預測性遠程診斷與維護、供應商集成、智能客戶管理、需求感知、個性化營銷、物流信息實時共享、生產規模智能調節、生產環節互聯互通、數智生態系統環境、數智生態技術支撐等34個范疇，開放式編碼過程如表1所示。

3.3 主軸編碼

對開放式編碼獲取的34個范疇進行關聯，歸納總結出8個一階范疇，分別為基礎裝備數智化、產品設計數智化、制造過程數智化、業務管理數智化、遠程運維數智化、橫向供應鏈數智化、縱向制造鏈數智化和產業生態鏈數智化，以及3個二階范疇，分別為生產智造能力、數智化運營能力和數智連接能力，如表2所示。

3.4 選擇性編碼

選擇性編碼將不同范疇聯系在一起，以故事線的方式描述行為現象，識別核心范疇并構建理論框架（王冰等，2018）。在制造企業數智化能力結構維度中，基礎裝備數智化、產品設計數智化和制造過程數智化3個一階范疇共同構成二階范疇生產智造能力；業務管理數智化、遠程運維數智化兩個一階范疇共同構成二階范疇數智化運營能力；橫向供應鏈數智化、縱向制造鏈數智化和產業生態鏈數智化3個一階范疇共同構成二階范疇智能連接能力。通過對一階范疇和二階范疇進行分析，確定數智化能力這一核心范疇，梳理各范疇間的關系結構，具體編碼結果如表3所示。

圍繞數智化能力這一核心范疇，將故事線概括為：在制造企業數智化轉型過程中，生產智造能力、數智化運營能力、數智連接能力共同構成更高階的數智化能力。生產是制造企業為客戶提供產品最重要的一個環節，生產智造能力是企業通過搭建數智化基礎平臺，利用先進的數智工具進行產品設計和創新，并在生產制造過程中實現數智化的能力，因此生產智造能力是數智化轉型的基礎能力；數智化運營能力既包括制造企業在內部日常業務活動中實現數智化管理的能力，也包括在產品后期運維服務中采用數智化的能力，是制造企業數智化轉型的延伸能力；數智連接能力則是制造企業解決內部橫向供應鏈、縱向供應鏈雙向連接，提升制造鏈質量、優化供應鏈效率，跨越企業邊界，實現產業鏈密切協作的能力，是制造企業數智化轉型的期望能力。據此，本文構建制造企業數智化能力結構維度模型，如圖1所示。

3.5 理論飽和度檢驗

本文對預留的1/4材料進行理論飽和度檢驗，編碼結果包含生產智造能力、數智化運營能力和智能連接能力，沒有發現新范疇和新概念，說明本文構建的制造企業數智化能力維度理論已飽和。

3.6 效度保障策略

本文采用以下方法確保編碼信效度：①三角驗證：采用企業內部訪談資料、公開資料等多種數據來源進行三角驗證以保證資料的合理性和真實性；②成員驗證：在編碼結束后，采用成員驗證方法，把故事線和模型圖反饋給54名受訪人，用以判斷研究結果的有效性，最終收到41份反饋結果，其中36份均給出肯定答復。

4 維度討論

4.1 生產智造能力

產品生產是制造企業最重要的環節（尹夏楠等，2022），制造企業生產智造能力是其數智化的基礎，包括基礎裝備數智化、產品設計數智化和制造過程數智化。當前，對于制造企業而言，數智化基礎設施是最大的產能所在，如工業機器人的廣泛應用替代了大量重復性的人工勞動，工業機器人逐漸具備自我感知、判斷和決策能力，“黑燈工廠”“燈塔工廠”成為智能生產的代名詞（陳曉東和楊曉霞，2021）。另外，產品生產質量、生產效率和生產周期甚至生產成本都取決于企業數智化生產能力，企業智能化集成系統可以綜合考慮生產條件，制定適應下屬工廠生產能力的生產計劃^[18]，實現生產制造環節的透明化、標準化和可視化，在提高生產效率的同時，保障產品制造的高質量與可追溯性（張玉利等，2022）。然而，除基礎設施和生產數智化外，智能產品設計也不容忽視。制造企業利用數智化技術對產品工藝和生產資源進行建模仿真，使產品工藝設計效果獲得早期驗證和優化。因此，制造企業的生產智造能力側重于基礎設施準備和產品設計，是企業數智化能力的基礎。

4.2 數智化運營能力

數智化運營能力是指制造企業快速適應并利用數字運營技術，推動制造企業傳統運營模式向數智化運營模式轉變的能力（馬永霞和王琳，2022）。目前，制造企業對數智技術的使用已改變企業日常工作方式，利用數智化工具打通生產、供應鏈、研發、市場、服務等企業價值鏈，實現風險管控、決策支持、平臺協作和成本優化，既有助于提高工作效率，更好地支撐業務發展，又能通過整合數據資源實現商業模式創新。除提升內部運營管理數智化能力外，生產端智能運維服務也至關重要。智能運維服務是制造企業數智技術應用最廣泛的場景，智能運維以設備數據為基礎，通過對設備運行狀況進行遠程實時監測與可視化呈現、設備故障診斷與預判以及設備操作與運行優化，解決傳統運維服務所面臨的各種困境，實現運維服務從傳統反應性服務向數據驅動主動性服務轉變，在提高工業系統生產率和可靠性、優化運維策略、減少運營成本、降低能源消耗以及構建企業競爭力等方面發揮重要作用（Porter & Heppelmann，2014）。這一階層數智化能力是企業在設備數據基礎上形成的數智化延伸能力。

4.3 數智連接能力

數智化時代，企業資源和能力不再受限于企業本身，而是有了更多外部可能性。陳春花（2021）指出數智化能力是一種“連接、共生”能力，通過連接實現各種技術創新，重構現實世界成為數字世界。企業核心競爭力不再局限于自身資源和能力，而是通過尋求外部資源和能力實現聚合連接。對于制造企業而言，數智化連接能力體現為：一是實現內部橫向供應鏈與縱向制造鏈雙向連接和協同，提升制造鏈質量，優化供應鏈效率（趙西三，2017）；二是跨越企業邊界，促進整個產業鏈上下游連接和協同，最終通過大數據、物聯網、云計算等數智技術與制造技術相融合，實現軟硬件制造資源和能力互聯、感知、控制、決策、執行，促進人、機、物及信息集成與共享、協同與優化，形成產業鏈上下游更加密切的數智化協作關系，這是一種高階數智化能力，不僅是數智技術的應用，更是一種數智思維能力。

5 制造企業數智化能力量表開發

5.1 量表開發

本文基于扎根理論開發的3個維度，借鑒已有文獻，編制出19條測量題項。隨后，對樣本企業中5名數字化部長和3名戰略規劃部成員進行半結構化訪談，根據訪談結果對題項進行調整，增加“我們能夠隨時優化產品/服務，使其更符合銷售前景”這一題項。同時，為確保量表能夠更加直觀地表達語義，本文還邀請3名專家對題項進行評審，根據專家意見對存在爭議的題項進行修訂，剔除“我們利用邏輯數據預測客戶需求”“采用數智化工具與公司利益相關者進行外部溝通”兩個題項，最終形成3個維度18個題項的初始量表。采用李克特5級量表編寫問卷，在企業管理層面進行預測試，并根據反饋意見對問卷語義進行修訂，具體測量題項如表4所示。

5.2 量表測量

5.2.1 探索性因子分析

本文采用探索性因子分析法識別制造企業數智化能力的內在結構，數據來源于陜西、廣東、山東、浙江4個省份制造企業，主要借助研究團隊的社會資源對制造企業管理者進行問卷發放和回收，少數企業采用在線方式發送和回收問卷。共計發放問卷331份，回收有效問卷290份，有效問卷回收率為87.6%。樣本特征如下：①調研對象性別：男性占60.4%，女性占39.6%；②年齡：20～25歲占13.2%，26～30歲占28.4%，31～35歲占30.2%，36～40歲占23.3%，41歲以上占4.9%；③企業工作年限：在企業工作不足2年占13.5%，2～5年占24.8%，6～10年占46.7%，11～15年占6.8%，大于15年占8.2%；④學歷：專科及以下占18.5%，本科占53.6%，碩士占22.7%，博士占5.2%。

本文運用SPSS24對18項初始題項進行探索性因子分析，結果顯示KMO值為0.878，Bartlett球形檢驗顯著值為0.000，說明初始量表適合進行因子分析；接著，采用主成分分析法篩選出特征值大于1的因子，對因子結果作最大方差法正交轉軸，結合碎石圖抽取出3個因子，剔除“我們利用數智技術提升生產效率”等多個因子題項。進一步，對兩個因子載荷大于0.45的題項予以刪除，最后剩余16個題項。因子分析結果顯示，KMO值為0.898，Bartlett球形檢驗顯著性水平P<0.000 1，累計方差貢獻率達到66.61%，每個題項因子載荷值均介于0.65～0.9之間，滿足標準要求，如表5所示。

5.2.2 效度檢驗

本研究采用Cronbach′s α值判斷量表效度，結果如表5所示。從中可見，生產智造能力、數智運營能力、數智連接能力的Cronbach′s α系數分別為0.868、0.894和0.883。同時，對整體量表進行可靠性分析，發現由16條題項組成的整體量表的Cronbach′s α系數為0.869。可見，本文量表信度達到指標要求，說明量表信度較高。

5.2.3 驗證性因子分析

根據Fornell & Larker（1981）的建議，若各變量平均方差提取值AVE>0.5，則說明各測量指標聚合效度良好。根據Hair（2006）的建議，結合Amos 23對16個題項進行驗證性因子分析，結果如圖2所示。從中可見，各題項標準化路徑系數計算所得AVE均大于0.5、CR均大于0.7，符合良好聚合效度的要求。其次，驗證性因子分析結果顯示，卡方自由度指數為1.216（小于2.5），CFI值為0.991，NFI值為0.95，均達到0.9的理想水平；RMSEA值為0.027，小于0.08的臨界值。各項指標數值均達到判斷標準，說明本文變量因子結構清晰，具有較高的擬合優度。

6 結論與啟示

6.1 研究結論

本研究采用扎根理論歸納制造企業數智化能力由生產智造能力、數智運營能力和數智連接能力3個維度構成。在此基礎上，本研究開發出包含16個題項的制造企業數智化能力初始量表，驗證量表具有較高的信效度并通過理論飽和度檢驗。首先，本研究結合相關概念，將制造企業數智化能力定義為“制造企業將大數據、云計算、人工智能等數智化技術融合應用于企業研發、生產、銷售等生產經營活動，通過對數智技術、數據信息等內外部資源之間的連接和配置，實現生產、運營數智化的創新能力”，該概念基于動態資源基礎觀視角詮釋了制造企業數智化能力的新內涵。與數字化能力、IT能力、大數據能力相比，數智化能力追求更廣的資源獲取范圍和更長期的目標。其次，基于文獻分析和企業訪談構建制造企業數智化能力測量量表，在初始量表開發階段，為避免存在研究者主觀偏誤，由專家討論題項的內容效度，并對題項進行逐一修訂，嚴格遵循量表開發步驟。該量表為后續研究提供了可量化、可操作的測量工具，對于制造企業更好地服務客戶并實現智能化轉型具有重要意義。

6.2 研究貢獻

（1）本文通過對制造企業數智化能力的深入解讀，在與其它概念進行對比的基礎上厘清數智化能力的內涵和外延。以往文獻多關注大數據資源或數智技術等靜態資源，本研究在動態資源基礎觀指導下，將更多內外部數智資源納入企業數智化能力概念，體現了數據全生命周期、全場景集成管理能力。

（2）本文采用扎根理論深挖數智化能力結構維度，彌補了此前研究僅分析數智化能力相似概念維度的不足，為深化制造企業數智化能力內涵奠定了理論基礎，突出數智化能力更重視產業鏈生態規模以及企業間深

度合作，拓展了企業數智化能力概念邊界。

（3）本文開發的制造企業數智化能力量表提供了有效測量工具，彌補了以往數智化能力定量研究的不足，促進數智化能力由概念討論向實證研究進階，為進一步研究數智化能力提升路徑和作用機制打下了基礎。

6.3 實踐啟示

（1）企業需要培養敏銳的外部環境感知能力。數智化能力建設并非一蹴而就，需要根據外部環境變化實時調整資源內容，這就要求企業在日常活動中加強各部門之間的溝通，對市場需求進行動態識別。

（2）管理者需要明確企業在數智化轉型過程中所具備的能力，從數智化能力構成入手，根據企業業務需要，加強數智基礎設施建設，將數智技術應用于產品生產過程的各個環節，實現提質降本增效。發揮數智化平臺的作用，提升各部門之間的溝通協作效率，優化業務流程，完善遠程運維服務內容，與上下游企業共享流程與產品信息，更好地幫助企業實現智能決策。

（3）企業應評估自身數智化能力，找出自身數智化能力建設中的薄弱環節，動態調整企業數智化能力建設實踐，促進企業不斷轉型升級。

6.4 不足與展望

本文存在如下不足：首先，僅選取5家數智化轉型企業作為研究樣本，企業數量較少造成研究結論適用范圍存在一定局限性；其次，初步探索制造企業數智化能力的3個維度，這3個維度如何在制造企業數智化轉型過程中發揮作用，是后續重點研究方向之一。

參考文獻：

[1]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，2021，37（11）：227-240，14.

[2]CHAUDHURI A， SUBRAMANIAN N， DORA M. Circular economy and digital capabilities of SMEs for providing value to customers： combined resource-based view and ambidexterity perspective[J]. Journal of Business Research， 2022，142（3）：32-44.

[3]HELFAT C E， PETERAF M A. The dynamic resource-based view： capability lifecycles[J]. Strategic Management Journal， 2003， 24（10）： 997-1010.

[4]PARIDA V， SJODIN D R， LENKA S， et al. Developing global service innovation capabilities： how global manufacturers address the challenges of market heterogeneity[J]. Research Technology management， 2015， 58（5）： 35-44.

[5]CALLE A D L， FREIJE I， UGARTE J V， et al. Measuring the impact of digital capabilities on product-service innovation in Spanish industries[J]. International Journal of Business Environment， 2020， 11（3）： 254-274.

[6]ARDOLINO M， RAPACCINI M，SACCANI N，et al. The role of digital technologies for the service transformation of industrial companies[J]. International Journal of Production Research， 2018， 56（6）： 2116-2132.

[7]張志學，趙曙明，連匯文，等.數智時代的自我管理和自我領導：現狀與未來[J].外國經濟與管理，2021，43（11）：3-14.

[8]金華，陳佳鵬，黃匡時.新業態下數智化勞動：平臺規訓、風險生成與政策因應[J].電子政務，2022，19（2）：75-87.

[9]陳疇鏞，許敬涵.制造企業數字化轉型能力評價體系及應用[J].科技管理研究，2020，40（11）：46-51.

[10]ROSS J W，BEATH C M，GOODHUE D L.Develop long-term competitiveness through IT assets[J]. Sloan Management Review， 1996， 38（1）： 31-42.

[11]吳曉波，胡保亮，蔡荃.運用信息技術能力獲取競爭優勢的框架與路徑研究[J].科研管理，2006，26（5）：53-58.

[12]張振剛，張君秋，陳一華.資源協奏視角下大數據賦能精益生產的機理研究[J].管理案例研究與評論，2022，15（1）：85-98.

[13]LIN C， KUNNATHUR A. Strategic orientations， developmental culture， and big data capability[J]. Journal of Business Research， 2019， 105（16）： 49-60.

[14]CHEN D Q， PRESTON D S， SWINK M. How the use of big data analytics affects value creation in supply chain management[J]. Journal of Management Information Systems， 2015， 32（4）： 4-39.

[15]馬鴻佳，肖彬，王春蕾.大數據能力影響因素及效用：基于元分析的研究[J].南開管理評論，2021，40（10）：1-19.

[16]LYYTINEN K， YOO Y， BOLAND JR R J. Digital product innovation within four classes of innovation networks[J]. Information Systems Journal， 2016， 26（1）： 47-75.

[17]吉峰，賈學迪，林婷婷.制造企業數字化能力的概念及其結構維度——基于扎根理論的探索性研究[J].中國礦業大學學報（社會科學版），2022，24（5）：151-166.

[18]SJODIN D R， PARIDA V， KOHTAMAKI M，et al. Capability configurations for advanced service offerings in manufacturing firms： using fuzzy set qualitative comparative analysis[J].Journal of Business Research，2016，69（11）： 5330-5335.

[19]孫建軍，李陽，裴雷.“數智”賦能時代圖情檔變革之思考[J].圖書情報知識，2020，195（3）：22-27.

[20]劉平峰，王雨婷，蘇超超.大數據賦能企業知識管理創新機理與路徑研究——基于華為案例 [J].科技進步與對策，2021，38（1）：122-131.

[21]鄭勇華，孫延明，尹劍峰.智能化轉型、智能化能力與制造企業轉型績效——戰略匹配的調節作用[J].科技進步與對策，2022，39（18）：99-109.

[22]KAPLAN A，HAENLEIN M.Siri，siri，in my hand：who′s the fairest in the land？ on the interpretations， illustrations， and implications of artificial intelligence[J].Business Horizons，2019， 62（1）：15-25.

[23]LENKA S， PARIDA V， WINCENT J. Digitalization capabilities as enablers of value co-creation in servitizing firms[J]. Psychology & Marketing， 2017， 34（1）： 92-100.

[24]易加斌，徐迪，王宇婷，等.學習導向、大數據能力與商業模式創新：產業類型的調節效應[J].管理評論，2021，33（12）：137-151.

[25]ANWAR M， KHAN S Z， SHAH S Z A. Big data capabilities and firm′s performance： a mediating role of competitive advantage[J]. Journal of Information & Knowledge Management， 2018， 17（4）： 1850045.

[26]BARNEY J. Firm resources and sustained competitive advantage[J]. Journal of Management， 1991， 17（1）： 99-120.

（責任編輯：王敬敏）

Digital Intelligence Capability of Manufacturing Enterprises：Dimension Exploration and Scale Development

Zhang Le^1，2，Chen Juhong¹， Dong Hailin¹， Wang Hao¹

（1.School of Economics and Management，Xi'an University of Technology ，Xi′an 710054，China;2.School of Economics and Management，Weinan Normal University，Weinan 714099， China）

Abstract：With the rapid development of digital intelligence technology， the transformation of digital intelligence has become an inevitable choice for the development of manufacturing enterprises in the era of the digital economy. In this context， the ability to integrate digital intelligence technology and other resources of the enterprise has become the key to gaining a sustainable competitive advantage. Companies need to use digital intelligence technology to integrate digital intelligence production factors into the way they do business and transform digital intelligence production factors into digital intelligence capabilities. However， due to the lack of directional guidance for the construction of digital intelligence capability， some manufacturing enterprises are caught in the dilemma of "not transforming and waiting for death， or seeking death through transformation" ， and it is urgent to carry out in-depth research on the connotation and structure of digital intelligence capability from an academic point of view.

Following the dynamic resource-based view and the similar concept of digital intelligence capability， this paper defines the digital intelligence capability of manufacturing enterprises as the innovative capability of manufacturing enterprises to integrate and apply digital intelligence technologies such as big data， cloud computing and artificial intelligence in their R&D， production and sales activities， and to realize the digital intelligence of production and operation through the connection and configuration of internal and external resources such as digital intelligence technologies and data and information. Then， it explores the structural dimensions of digital intelligence capabilities of manufacturing companies using the qualitative research method of grounded theory and develops its scale. The paper follows the sampling principles of qualitative research to select the sample and conducts semi-structured interviews with 31 middle and senior managers and 23 employees from the selected manufacturing companies. The obtained textual information is tested by open coding， axial coding and selective coding， as well as theoretical saturation， and it is concluded that the digital intelligence capability of manufacturing enterprises consists of three dimensions： production intelligence capability， digital intelligence operation capability and digital intelligence connection capability. Finally， the initial scale of 19 measurement items is developed based on the connotations of each dimension. Drawing on the existing literature， the study revises the initial scale according to the experts' opinions. It strictly follows the scale development steps and constructs a digital intelligence capability index system consisting of 3 dimensions and 16 questions based on exploratory factor analysis for manufacturing enterprises. Through quantitative analysis of reliability and validity tests， the study confirms the good discriminant and convergent validity of the scale.

Different from the existing literature， this study clarifies the connotation and extension of digital intelligence capabilities in manufacturing enterprises through an in-depth interpretation of digital intelligence capabilities from a dynamic resource-based perspective and on the basis of comparison with other related concepts. Furthermore， grounded theory is used to dig deeper into the structural dimensions of digital intelligence capabilities， bridging the gap for previous studies merely focused on similar conceptual dimensions of numerical intelligence capabilities. It highlights that， compared to the digital capability， the digital intelligence capability pays more attention to the ecological scale of the industry chain and the depth of cooperation between enterprises， which expands the boundaries of the concept of enterprise digital intelligence capability. Finally， the digital intelligence capability scale for manufacturing companies developed in this study provides an effective measurement tool for the quantitative study of companies' digital intelligence capabilities. The development of this scale makes up for the shortcomings of the previous quantitative research on numerical intelligence ability， promotes the transformation of numerical intelligence ability from conceptual discussion to empirical research， lays a good foundation for further research on the paths and mechanisms of numerical intelligence ability enhancement， and promotes in-depth research on digital intelligence capability.

Key Words：Digital Intelligence Capability; Structural Dimensions; Measurement Scales; Grounded Theory