关于数据驱动洞见在双元数字化转型中作用的研究报告

本文发表于《技术预测与社会变革》（*Technological Forecasting & Social Change*）期刊2023年第196卷，作者为吉林大学商学院的Xiumei Zhu和Yue Li。

一、 学术背景与研究目的

本研究属于管理学与信息系统交叉领域，聚焦于数字化转型这一前沿课题。数字化转型已成为企业获取竞争优势的关键，但全球范围内其失败率高达70%–80%。现有文献虽从数字领导力、动态能力、组织敏捷性等多个角度探讨了转型的促进因素，但大多将数字化转型视为一个单一的整体构念。然而，理论与实践均表明，企业要成功实现数字化转型，必须同时关注两个关键方面：一是通过流程优化、文化塑造和组织变革实现内部效率提升；二是通过提供新的数字化产品、服务和商业模式来创造新价值。

基于此，本研究旨在弥补现有研究的不足，主要目标如下：首先，概念化并提出“双元数字化转型”（Ambidextrous Digital Transformation）这一新构念，并将其解构为“效率转型”（Efficiency Transformation）和“价值转型”（Value Transformation）两个维度。其次，探究驱动双元数字化转型的关键前因。研究特别关注“数据驱动洞见”（Data-Driven Insight）——即从大数据中提取价值、生成业务洞察的能力——的核心作用。最后，整合商业智能与分析理论（Business Intelligence and Analytics Theory）与资源管理理论（Resource Management Theory），构建并验证一个研究模型，以揭示数据驱动洞见如何通过“资源编排”（Resource Orchestration）的中介作用，以及“组织战略决策模式”（Organizational Strategic Decision-Making）和“组织敏捷性”（Organizational Agility）的调节作用，最终影响双元数字化转型。研究旨在深化对数字化转型复杂过程的理解，并为致力于推动数字化转型的管理者和政策制定者提供实践启示。

二、 研究流程与方法

本研究采用问卷调查法，严格遵循量表开发与实证检验的规范流程，主要包含以下步骤：

1. 量表开发与预测试： * 目的： 开发并验证“双元数字化转型”这一新构念的测量量表。 * 对象与样本： 研究者首先进行了预调查。向企业发放了500份问卷，回收289份，其中有效问卷241份，有效回收率为48.2%。此样本专门用于量表开发，不纳入最终分析。 * 流程与方法： * 项目生成： 基于文献回顾和企业访谈，确定双元数字化转型（效率转型与价值转型）的关键因素，并生成初始测量题项。 * 内容效度检验： 由三位学者和两位从业者对题项的合理性、规范性和可理解性进行评估，并根据反馈进行修改和定稿。 * 信效度检验： 将241份预测试数据随机分为两个子样本，分别进行探索性因子分析（EFA），结果一致显示量表具有良好的双因子结构（效率转型与价值转型），各题项因子载荷均高于0.7，且无显著交叉载荷。两个维度的克朗巴哈α系数均高于0.7，表明内部一致性良好。 * 验证性因子分析（CFA）： 对合并的预测试样本进行CFA，结果显示两因子模型的拟合度（χ²/df=1.652, RMSEA=0.052, CFI=0.991, TLI=0.987）显著优于单因子模型，证实了二维结构的合理性。组合信度（CR）均高于0.8，平均方差提取量（AVE）均大于0.5，且AVE的平方根大于构念间的相关系数，证明了量表具有足够的收敛效度和判别效度。 * 法则网络效度检验： 研究者构建了一个以“数字领导力→双元数字化转型→竞争优势”为路径的法则网络，利用预测试数据进行检验。结果显示，数字领导力对双元数字化转型有显著正向影响（β=0.292, p<0.001），双元数字化转型对竞争优势有显著正向影响（β=0.349, p<0.001），且双元数字化转型在数字领导力与竞争优势的关系中起部分中介作用（β=0.120, p<0.05）。这证实了新量表具有良好的构念效度。最终，确立了一个包含8个题项的双元数字化转型量表（效率转型与价值转型各4题）。

2. 正式调查与数据收集： * 目的： 收集数据以检验研究模型中的假设。 * 对象与样本： 研究目标为中国正在进行数字化转型的企业。问卷发放对象为广东、江苏、山东和浙江四个数字经济规模较大的省份的企业。受访者为参与企业数字化转型过程、经验丰富的管理者。研究采用两阶段调查法以降低共同方法偏差。 * 第一阶段（2021年12月至2022年2月）： 调查企业基本信息、数据驱动洞见、资源编排、组织战略决策模式和组织敏捷性。 * 第二阶段（2022年3月至4月）： 调查双元数字化转型的测量题项。 * 流程： 通过电子邮件向1150家企业发放问卷，共回收458份，回收率为39.8%。剔除未完整填写或声明未进行数字化转型的问卷后，最终获得312份有效问卷，有效响应率为27.1%，符合在线调查的常规响应率水平。样本涵盖了不同年龄、规模、性质和行业的企业，具有较好的代表性。

3. 变量测量： * 所有构念均采用7点李克特量表（1=非常不同意，7=非常同意）进行测量。 * 自变量： 数据驱动洞见，采用Ghasemaghaei和Calic (2019)的9题项量表，包含描述性洞见、预测性洞见和规范性洞见三个维度。 * 中介变量： 资源编排，基于Sirmon等人(2007)的定义，开发了9题项量表，涵盖资源结构化、资源捆绑和资源利用三个维度。 * 因变量： 双元数字化转型，使用本研究自行开发的8题项量表（效率转型4题，价值转型4题）。 * 调节变量： * 组织战略决策模式：采用Alper等人(1998)和Chin等人(2021)的9题项量表，分为直觉型战略决策（4题）和合作型战略决策（5题）。 * 组织敏捷性：采用Lu和Ramamurthy (2011)的6题项量表，分为运营调整敏捷性（3题）和市场利用敏捷性（3题）。 * 控制变量： 企业年龄、企业规模、企业性质和行业部门。

4. 数据分析方法： * 偏差检验： 进行了无应答偏差检验和共同方法偏差（CMV）检验。通过比较早期和晚期回复者在关键变量上的差异，未发现显著差异，表明无应答偏差不严重。通过程序控制（如匿名调查、多时点数据收集）和统计检验（潜在方法因子检验），证实共同方法偏差不构成严重问题。 * 信效度检验： 对正式调查数据（N=312）进行验证性因子分析。模型拟合指标良好（χ²/df=1.065, RMSEA=0.014, CFI=0.994, TLI=0.993）。所有构念的AVE值均达标，且AVE平方根大于构念间相关系数，再次确认了测量模型的信度和效度。 * 假设检验： 采用分层回归分析检验主效应、中介效应和调节效应。所有变量在分析前进行了中心化处理，方差膨胀因子（VIF）最大值低于10，表明不存在多重共线性问题。

三、 主要研究结果

1. 主效应检验： 数据驱动洞见对效率转型（β=0.426, p<0.001）和价值转型（β=0.431, p<0.001）均有显著的正向影响，假设H1和H2得到支持。这表明企业从数据中提取洞察的能力越强，越能推动其内部的流程优化、效率提升，以及外部的产品、服务和商业模式创新。

2. 中介效应检验： 数据驱动洞见对资源编排有显著正向影响（β=0.305, p<0.001）。资源编排对效率转型（β=0.318, p<0.001）和价值转型（β=0.333, p<0.001）也有显著正向影响。当在数据驱动洞见与双元转型的关系中加入资源编排作为中介变量后，数据驱动洞见对效率转型（β=0.363, p<0.001）和价值转型（β=0.364, p<0.001）的影响仍然显著，但系数有所下降。这证明资源编排在数据驱动洞见与双元数字化转型之间起部分中介作用，假设H3和H4得到支持。这意味着数据驱动洞见不仅直接推动转型，还通过帮助企业更有效地构建、捆绑和利用资源组合来间接促进转型。

3. 调节效应检验：

   • 组织战略决策模式的调节作用： 直觉型战略决策模式负向调节数据驱动洞见与资源编排之间的关系（β=-0.180, p<0.01），假设H5得到支持。这表明当企业过度依赖经验和直觉做决策时，会削弱从数据洞察中获取的知识对资源优化配置的积极影响。相反，合作型战略决策模式正向调节这一关系（β=0.200, p<0.001），假设H6得到支持。这意味着当企业决策基于广泛的信息收集、部门间协作时，能更好地将数据洞察转化为有效的资源编排行动。
   • 组织敏捷性的调节作用： 运营调整敏捷性正向调节资源编排与效率转型之间的关系（β=0.203, p<0.001），假设H7得到支持。这表明企业快速调整内部业务流程的能力越强，越能有效地将编排好的资源应用于提升运营效率。市场利用敏捷性正向调节资源编排与价值转型之间的关系（β=0.174, p<0.001），假设H8得到支持。这表明企业快速捕捉并利用市场机会的能力越强，越能有效地将编排好的资源导向新产品、新服务和商业模式的开发，从而创造新价值。

4. 事后分析： 研究进一步进行了细化分析，发现数据驱动洞见的三个子维度（描述性、预测性、规范性）均对双元转型有显著正向影响，其中描述性和规范性洞见的影响略强于预测性洞见。资源编排的三个子维度（结构化、捆绑、利用）也都对双元转型有显著正向影响，其中资源利用的影响最强。此外，研究还初步探讨了双元数字化转型两个维度间的平衡、互补与协同关系，为未来更精细的研究提供了方向。

四、 结论与意义

本研究得出以下核心结论：数据驱动洞见是推动企业双元数字化转型的关键力量。这种推动作用部分是通过资源编排的中介机制实现的。同时，组织的情境因素至关重要：合作型战略决策模式能增强数据驱动洞见对资源编排的积极影响，而直觉型决策模式则会削弱这种影响；组织敏捷性（运营调整敏捷性和市场利用敏捷性）则能强化资源编排对相应维度数字化转型（效率转型和价值转型）的促进作用。

本研究的价值主要体现在： * 理论贡献： 1. 丰富了数字化转型理论： 首次明确提出了“双元数字化转型”的概念并将其操作化，开发了相应的测量量表，为未来该领域的理论构建和实证研究提供了新的视角和工具。 2. 深化了商业智能与分析理论： 将资源管理理论与之结合，指出数据驱动洞见产生的知识和洞察本身等同于传统的VRIN（有价值、稀有、难以模仿、不可替代）资源，并揭示了如何通过资源编排将其与现有资源整合以获取竞争优势，拓展了该理论在大数据时代的应用。 3. 拓展了资源管理理论： 在数据资源具有跨界性、可移植性、非垄断性等新特性的背景下，本研究论证了数据驱动洞见作为关键“资源”的价值，以及资源编排在释放其潜力中的核心作用，回应了数字时代对资源基础观的挑战。 * 实践启示： 1. 企业应大力培育数据驱动洞见能力，不仅要收集数据，更要注重从数据中生成可指导行动的描述性、预测性和规范性知识。 2. 管理者需重视资源编排过程，善于将数据洞察转化为具体的资源获取、组合与利用行动，为数字化转型提供坚实的资源基础。 3. 企业应倡导合作型、基于数据的战略决策文化，减少对过去经验和直觉的过度依赖，以确保数据洞察能被有效采纳和执行。 4. 企业需同时培养运营调整和市场利用两方面的敏捷性，以便能够灵活、快速地将资源部署到效率提升或价值创新的具体活动中。

五、 研究亮点

1. 概念创新： 创造性地提出了“双元数字化转型”这一整合性构念，并将其清晰区分为“效率转型”和“价值转型”，抓住了数字化转型同时追求“优化”与“颠覆”的本质，为理解这一复杂现象提供了更精细的框架。
2. 理论整合： 成功地将商业智能与分析理论与资源管理理论相结合，构建了一个包含前因、中介和调节机制的整合模型，系统性地揭示了从“数据洞察”到“资源行动”再到“转型成果”的作用路径与边界条件。
3. 严谨的方法： 研究遵循了完整的量表开发流程，并通过两阶段数据收集、多种统计检验方法确保了研究的信度和效度，结论稳健可靠。
4. 情境化洞察： 研究基于中国数字化转型企业的数据，揭示了组织内部战略决策模式和敏捷性这些重要的组织行为因素在数字化转型中的关键调节作用，为管理实践提供了具有针对性的指导。

六、 其他有价值的内容

研究在讨论部分指出，数字化转型的成功并非偶然，而是数据驱动洞见、资源编排以及支持性的组织决策与行动能力共同作用的结果。这为企业规划数字化转型路径提供了一个清晰的逻辑链条：首先培养数据洞察能力，进而以此指导资源的有效配置，并在此过程中辅以科学的决策机制和敏捷的组织能力。此外，研究对双元数字化转型两个维度间可能存在的权衡与协同关系进行了探讨，暗示未来研究可以进一步探索如何在效率与创新之间取得动态平衡，这对于企业的长期可持续发展至关重要。