学术研究报告
一、 研究作者、机构与发表信息
本研究的主要作者为Xiumei Zhu和Yue Li（通讯作者），均来自中国吉林大学（Jilin University）商学院。该研究发表于国际期刊《Technological Forecasting & Social Change》第196卷（2023年），文章在线发表日期为2023年9月18日，文章识别号为122851。
二、 研究学术背景
本研究属于管理学与信息技术交叉领域，聚焦于数字化转型（Digital Transformation）、组织双元性（Ambidexterity）及数据驱动决策等前沿议题。随着数字技术持续颠覆传统经济，数字化转型已成为组织寻求竞争优势的关键。然而，全球范围内数字化转型失败率高达70%-80%，企业常陷入“不转型等死，转型找死”的两难困境。现有文献虽已从数字化能力、领导力、战略等角度探讨了数字化转型的驱动因素，但仍缺乏对其复杂多维过程，特别是其“双元性”特征的深入理解。同时，大数据被视为数字经济的“新石油”，但许多企业并未从中获益，核心问题并非数据本身，而是企业能否从数据中提取并生成独特的洞见（Insight）。因此，本研究旨在填补以下研究空白：1）概念化并测量“双元性数字化转型”（Ambidextrous Digital Transformation）；2）探究数据驱动洞见（Data-Driven Insight）如何驱动双元性数字化转型；3）揭示资源编排（Resource Orchestration）的中介作用以及组织战略决策（Organizational Strategic Decision-Making）和组织敏捷性（Organizational Agility）的调节作用。
本研究整合了商业智能与分析理论（Business Intelligence and Analytics Theory）与资源管理理论（Resource Management Theory），旨在构建并验证一个理论模型，以阐明数据驱动洞见通过资源编排影响双元性数字化转型的内在机制，并考察组织情境因素的权变影响。其最终目标是为学术界理解数字化转型的双元路径提供新视角，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。
三、 详细研究流程
本研究采用问卷调查法，遵循严谨的实证研究流程，主要包括以下几个步骤：
1. 量表开发与预测试（针对因变量“双元性数字化转型”） * 研究程序：首先，通过文献回顾和企业访谈，从理论和实践层面识别双元性数字化转型（效率转型与价值转型）的关键构成要素。其次，由学者、从业者和博士生组成小组，通过系列讨论生成初始测量题项，并进行预测试和修订，最终形成问卷。 * 研究对象与样本量：在2021年10月至12月期间，研究者进行了预调查，共发放500份问卷，回收289份，其中有效问卷241份，有效回收率为48.2%。此样本专门用于开发双元性数字化转型量表，不纳入最终分析样本。 * 数据处理与分析： * 探索性因子分析（EFA）：将241份有效样本随机分为两个子样本（样本1: n=122；样本2: n=119）以检验量表稳定性。KMO和Bartlett球形检验表明数据适合进行因子分析。主成分分析提取出两个特征值大于1的因子（效率转型、价值转型），旋转后因子载荷均高于0.7，无显著交叉载荷，且两个维度的Cronbach‘s α系数均高于0.7，表明量表信度良好。 * 验证性因子分析（CFA）：使用合并的预调查样本（n=241）进行CFA。所有题项的因子载荷和组合信度（CR）均达标（效率转型CR=0.907，价值转型CR=0.915）。两因子模型（χ²/df=1.652, RMSEA=0.052, CFI=0.991, TLI=0.987）的拟合度显著优于单因子模型，支持了双维结构。平均方差提取值（AVE）均大于0.5，且其平方根大于构念间相关系数，证明了良好的聚合效度和区分效度。 * 法则网络分析（Nomological Network Analysis）：为进一步检验构念效度，研究者基于文献构建了“数字化领导力 → 双元性数字化转型 → 竞争优势”的理论关系网络，并使用预调查数据（n=241）进行验证。结果显示，数字化领导力对双元性数字化转型有显著正向影响（β=0.292, p<0.001），而双元性数字化转型部分中介了数字化领导力对竞争优势的影响（β=0.120, p<0.05），验证了量表的法则效度。
2. 正式调查与数据收集 * 研究程序：正式调查采用两阶段法，以减轻共同方法偏差。 * 研究对象与样本量：研究对象为中国广东、江苏、山东和浙江四个数字经济规模较大省份的、正在进行数字化转型的企业。问卷发放给企业内熟悉数字化转型过程的管理者。 * 数据收集流程： * 第一阶段（2021年12月至2022年2月）：调查企业基本信息以及自变量（数据驱动洞见）、中介变量（资源编排）、调节变量（组织战略决策、组织敏捷性）的测量题项。 * 第二阶段（2022年3月至4月）：调查因变量（双元性数字化转型）的测量题项。 * 两阶段完成后，将每个企业的数据进行匹配。 * 样本获取结果：通过电子邮件共发放1150份问卷，回收458份，回收率39.8%。剔除未完成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。样本覆盖了不同年龄、规模、性质和行业的企业（详见原文表1）。
3. 变量测量 所有构念均使用7点李克特量表（1=非常不同意，7=非常同意）进行测量，测量量表均借鉴或改编自成熟文献： * 双元性数字化转型：使用本研究自行开发的8题项量表（效率转型4项，价值转型4项）。 * 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。 * 资源编排：基于Sirmon等人(2007)的定义，使用9题项量表，涵盖资源结构化、资源捆绑和资源杠杆化三个维度。 * 组织战略决策：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和合作型战略决策两个维度。 * 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和市场资本化敏捷性两个维度。 * 控制变量：包括企业年龄、企业规模、企业性质和行业部门。
4. 数据分析方法 * 无应答偏差与共同方法偏差检验：通过比较早期和晚期回复者在主要变量上的差异进行无应答偏差检验，结果不显著。通过程序控制（如匿名调查、分时测量）和统计方法（CFA方法）检验共同方法偏差，结果表明偏差不严重。 * 信效度检验：对正式调查数据（n=312）进行CFA，模型拟合良好（χ²/df=1.065, CFI=0.994, TLI=0.993）。所有构念的Cronbach‘s α值、组合信度（CR）和平均方差提取值（AVE）均符合标准，表明测量模型具有较好的信度和效度。 * 假设检验：采用分层回归分析（Hierarchical Regression Analysis）检验主效应、中介效应和调节效应。在分析前对所有变量进行了中心化处理，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。
四、 主要研究结果
1. 量表开发结果： 成功开发并验证了一个包含效率转型和价值转型两个维度的8题项“双元性数字化转型”量表。该量表具有良好的信度、效度（包括聚合效度、区分效度和法则效度），为后续实证研究提供了可靠的测量工具。
2. 直接效应与中介效应结果： * H1与H2： 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）均有显著正向影响，假设得到支持。 * H3与H4： 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。当在回归模型中同时加入数据驱动洞见和资源编排时，数据驱动洞见对双元性数字化转型的影响依然显著但系数减小（效率转型：β从0.426降至0.363；价值转型：β从0.431降至0.364），这表明资源编排在数据驱动洞见与双元性数字化转型（效率转型和价值转型）之间起部分中介作用，假设H3和H4得到支持。
3. 调节效应结果： * H5与H6（组织战略决策的调节作用）： 直觉型战略决策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）。即，当企业倾向于依赖经验和直觉做战略决策时，数据驱动洞见对资源编排的积极影响会被削弱。相反，合作型战略决策正向调节这一关系（β = 0.200, p < 0.001）。即，当企业倾向于在决策前收集广泛信息并促进跨部门合作时，数据驱动洞见对资源编排的积极影响会增强。假设H5和H6得到支持。 * H7与H8（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）。即，企业内部流程调整的敏捷性越强，资源编排对提升运营效率的促进作用越明显。市场资本化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）。即，企业捕捉市场机会的敏捷性越强，资源编排对创造新价值的促进作用越明显。假设H7和H8得到支持。
4. 事后分析结果： * 细分维度分析： 数据驱动洞见的三个子维度（描述性、预测性、规范性）均对效率转型和价值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、杠杆化）均对双元性数字化转型有显著正向影响，其中资源杠杆化的影响最大。资源捆绑和杠杆化对价值转型的影响强于对效率转型的影响。 * 双元平衡分析： 研究进一步检验了数据驱动洞见对双元性数字化转型的平衡、互补和协同维度的影响。结果表明，数据驱动洞见对双元平衡（即同时追求效率与价值）有显著正向影响。资源编排在其中起部分中介作用。此外，合作型战略决策和市场资本化敏捷性分别正向调节了数据驱动洞见对双元互补（即效率与价值相互促进）和双元协同（即整体效应大于部分之和）的影响。
这些结果层层递进，逻辑严密：首先确认了核心自变量（数据驱动洞见）对因变量（双元性数字化转型）的直接影响；其次，揭示了内在作用机制（资源编排的中介作用）；最后，明确了不同组织情境（战略决策风格和敏捷性类型）如何影响上述机制发挥作用的边界条件。细分维度和双元平衡的分析则使结论更加精细和深入。
五、 研究结论与价值
结论： 本研究概念化了“双元性数字化转型”，并将其划分为效率转型（内部流程优化）和价值转型（外部价值创造）两个维度。研究证实，数据驱动洞见是驱动双元性数字化转型的关键前因，但其作用并非直接实现，而是通过资源编排这一关键的中介机制来传导。此外，这一传导过程受到组织内部情境因素的影响：依赖直觉的战略决策会削弱数据洞见对资源编排的积极影响，而倡导合作的战略决策则会增强之；运营调整敏捷性会强化资源编排对效率转型的促进作用，市场资本化敏捷性则会强化资源编排对价值转型的促进作用。
价值： * 理论贡献： 1. 丰富了数字化转型文献：提出了“双元性数字化转型”这一新概念并开发了测量工具，为理解数字化转型的多维性和矛盾性提供了新视角。 2. 拓展了商业智能与分析理论：将资源管理视角融入该理论，指出数据驱动洞见的巨大效应在于其能与本地资源和专业知识相结合，深化了对其价值实现机制的理解。 3. 推进了资源管理理论：在数据时代挑战了传统VRIN（有价值、稀缺、不可模仿、不可替代）资源假设，论证了数据驱动的知识和洞见等同于传统战略资源，并揭示了如何将其与传统资源整合以获得竞争优势。 * 实践启示： 1. 企业应着力培育数据驱动洞见能力，不仅要收集数据，更要提升从数据中提取描述性、预测性和规范性知识的能力。 2. 管理者需重视资源编排过程，有效整合数据洞见与内外部资源，构建支持数字化转型的资源组合与能力。 3. 组织应培养合作型、基于信息的战略决策文化，减少对直觉经验的过度依赖，以更好地将数据洞见转化为资源配置行动。 4. 企业需同时发展两种敏捷性：通过运营调整敏捷性优化内部流程以提升效率；通过市场资本化敏捷性快速响应市场需求以创造新价值。
六、 研究亮点
七、 其他有价值内容
研究在讨论部分指出，数字化转型的成功不仅要求企业关注双元性（即效率与价值）的协同，也需要注意其间的权衡（例如产品创新与流程变革之间的平衡）。这提示管理者和学者，在推动双元转型时需根据企业所处阶段和资源禀赋，动态调整对效率和价值创造的侧重。此外，研究基于中国转型企业的数据，其结论对于理解新兴经济体企业的数字化转型路径具有重要的参考价值。