制造企业服务转型演化的序参量识别研究

易 骅（江苏大学 管理学院，江苏 镇江 212013）

0 引言

《中国制造2025》明确提出，要积极发展服务型制造，促进制造企业服务转型，并向客户提供集成解决方案转变。事实上，早于1988年Vandermerwe等[1]就提出了服务转型的三阶段理论，后续相关研究也基本延续这一逻辑，认为制造企业为满足客户需求，服务化程度将逐渐提升，即由仅向客户提供产品到产品+附加服务，再到提供产品+增值服务，最后向提供集成解决方案转变[2-3]。有关制造企业服务转型演化影响因素的研究引起了学者们广泛关注，归纳起来主要包括：基于企业财务绩效的改善（Gebauer，2006；Baines，2009）[3-4]；满足客户需求（Schmenner，2009；曲婉，2012）[5-6]；迎合外在市场竞争（Turunen，2014；Guo，2015）[7-8]；基于知识或创新（曲婉，2012；Turunen，2014；Guo，2015）[6-8]等。然而，上述众多因素多是基于定性分析提出的，缺乏对其关键因素如何识别的探究。协同学理论的支配原理认为，复杂系统的演化过程中总会有一些少数的变量，在系统的发展中变化较慢，并且主宰着整个系统的演变方向，决定着系统的客观（有序）状态，这类参量被称之为序参量。序参量产生于系统内部，表现系统的总体特征，支配系统由无序到有序的演化进程，如Chen[9]认为学习能力与企业文化是企业创新演变的序参量；李泊洲[10]提出组织学习基因是企业进化的序参量；谢旭光[11]则认为创新能力和盈利能力是组织核心竞争力演化的序参量。同样的局限是其参量的提出多是基于序参量特征分析而得。序参量隐匿于系统众多的状态参量中，序参量识别应遵循其本质，从众多状态参量中识别更能反映系统演化的本质。

基于此，本文在制造企业服务转型演化系统特性分析基础上，寻求支持制造企业服务转型的状态参量集，运用粗糙集约简理论能够在无需先验知识下，从已知条件属性中找到重要属性的优势，进行制造企业服务转型演化序参量的定量识别，旨在揭示支持制造企业服务转型演化升级的关键因素，为制造企业面向服务型制造转型提供理论支持与决策参考。

1 制造企业服务转型演化系统状态参量体系的建立

状态参量的选取必须根据制造企业服务转型的特征，科学全面地反映系统状态。本文借鉴平衡计分卡（BSC）与关键绩效指标（KPI），从财务、客户、内部过程、学习与创新，以及其他利益相关者五个维度反映制造企业服务转型演化的状态，并确定各维度的一级、二级关键参量指标，构建其完整的状态参量体系。

1.1 财务维度状态参量的选取

制造企业服务转型的首要目标是实现价值创造，从财务指标上体现应包涵两层含义：确保当前企业盈利；面向未来的绩效持续改善。因此，制造企业应在凝炼优势核心业务和衍生服务业务的同时，聚焦于如下财务状态参量：

（1）盈利能力：反映以服务为主体的业务对企业利润的影响，Kastalli等[13]认为制造企业服务业务规模与利润存在非线性的正相关关系，Li等[14]指出服务种类与资产收益率也呈正向关系，基于此本文选取服务利润率、资产收益率、制造利润率作为二级状态参量。

（2）运营能力：运营能力反映了企业管理运作的有效性。服务转型进程强调与各利益主体间资源共享性和优势互补性，因此，总资产周转率与库存周转率能够综合评价服务转型过程制造企业资产、库存运营情况和利用效率。

（3）偿债能力：制造企业服务转型技术与服务创新面临着较大研发成本与风险，易受资金的约束，企业偿债能力是能否抵抗风险、健康发展的关键，这可用流动比率来衡量。

1.2 客户维度状态参量的选取

制造企业服务转型是以集成解决方案有效提供为价值创造的主要手段，注重客户参与，实现客企价值共创。因此，可用客户关系度和客户满意度来表示集成解决方案提供的有效性。

（1）客户关系度：企业要想获得持续的绩效收益，必须在留住已有客户基础上开发新客户。客户关系度可度量通过客户参与、感知集成解决方案的质量，并藉此实现客户的长期自然锁定程度，及以能力为基础的差异化战略提升市场竞争优势。因此，选取客户参与度、市场占有率和订单增长率刻画客户关系度。

（2）客户满意度：客户满意度反映了客户期望与客户实际感知的匹配程度，而客户是否满意取决于制造企业能否准时、完整地向客户交付解决方案。因此，准时交付率和订单完成率可作为客户满意度的二级状态参量。

1.3 内部过程维度状态参量的选取

根据产品制造与服务衍生相匹配的原则，制造企业服务转型，扩展集成解决方案价值空间时，应关注如下指标：

（1）制造水平：制造业务作为服务业务扩展的基点，直接体现了服务的价值创造与集成解决方案的效用。制造水平一般是通过产品可靠性与生产成本为主度量，因此，选取产品合格率与制造成本作为二级状态参量。

（2）服务提供能力：制造企业服务提供是企业与客户的持续互动的过程，受核心能力影响[15]。从效率及成本两个维度，服务响应速度与服务成本可衡量服务提供能力。

1.4 学习与创新维度状态参量的选取

BSC和服务利润链理论都表明，支撑制造企业可持续稳定发展的根本是员工的学习与成长，因此，制造企业服务转型应聚焦于技术与服务创新，提升员工应对问题的解决能力，使企业持久保持创造力与竞争力。

（1）员工素质： Gallouj等[16]认为创新主要来源于企业员工的经验积累和专业技能，高学历员工所占比率与员工培训率可反映员工整体素质与上层领导对员工学习发展的重视程度，故将二者作为其二级状态参量。

（2）技术创新能力：以产品为载体衍生服务，技术创新能力不断改变着企业的运作方式，是服务转型能否成功的基础。研发资金作为创新投入的核心要素，研发费用率可衡量企业对新产品研发的重视程度，而从收入弹性的视角来看，制造收入增长率反映了企业技术创新能力的发展趋势，选取二者度量技术创新能力较为合适。

（3）服务创新能力：在服务转型背景下，价值诉求转向市场，制造企业仅依赖技术创新难以维系长久的竞争优势，对服务创新的需求日益增长。服务收入占总收入的比例可度量企业服务创新的程度[17]，服务收入增长率则是服务创新的一种动态表征，因此选取二者反映企业的服务创新能力。

1.5 其他利益相关者维度状态参量的选取

随着服务网络经济的兴起，制造企业为提供异质化产品服务方案，必须借助外部资源能力，价值创造的主体扩展至整个产品服务方案提供的所有参与者，因此，还需从供应商、政府等其他利益相关者审视制造企业服务化演进状态。

（1）供应商合作意愿：多主体的价值共创前提是稳定的供应商合作关系，这将有助于制造企业稳健的服务转型，可表征为制造企业向供应商下达订单数量的增长趋势。

（2）政府重视程度：为能刺激制造业的相关产业联动效用，政府的扶持政策，如补贴可以有效增强制造企业通过服务转型的社会效益。政府资助金额直接反映政府重视程度。

综上，构建如表1所示的制造企业服务转型演化状态参量体系。

其中起支配作用的序参量一般属于宏观（一级）参量，二级状态参量仅从不同微观角度反映了一级状态参量的状态。

2 粗糙集属性约简相关定义及序参量识别步骤

2.1 粗糙集与属性约简理论的相关定义

设决策表T=（U,C,D,V,f），其中U为对象集合，C为条件属性集，D为决策属性集，V是属性的值域，f是信息函数，为对象的每个属性赋值。在所构建的决策表T中，对象集U=｛u1,u2,…,un｝，其中un代表所选取的样本对象；条件属性集C=｛c1,c2,…,c23｝，ck表示二级状态参量属性；决策属性集D=｛d｝，其体现制造企业服务转型的整体效益，总利润率可反映制造企业一定时期内总体经营效益，故d表示总利润率。

定义1：对决策表T，D关于C的正域POSC（D）=Ux∈U/DC－（X），即等价类U/C表达的知识能够确定划入等价类U/D的对象的集合里。若POSC（D）=U，则称决策表T是协调的，否则是不协调的决策表。对于不协调的决策表，不能由条件属性导出决策属性之间的关系。

定义2：设T是一个协调的决策表，属性r∈R⊆C，R是条件属性集C的一个子集，若r满足POSR（D）=POSR-｛r｝（D），那么属性r是条件属性子集R中相对于决策属性集D的冗余属性，否则程属性r是R中相对于决策属性D的必要属性。若R中每一个属性r都是相对于D的必要属性，那么R相对于D是独立的。

决策表的一般属性约简算法即是应用定义2找到R中的不必要属性r，剔除r，得到一个约简集。

定义3：对于决策表T，R⊆C且R≠Ø，若POSR（D）=POSC（D），且R相对于D独立，那么R就是条件属性集C相对于决策属性集的一个约简。若R中的元素均为相对于决策属性D的必要属性，则称R为条件属性C相对于决策属性D的核。

定义4：设决策表T=（U,C,D），A=C∪D=｛c1, c2,…,ck,d｝，U=｛u1, u2,…,un｝，辨识矩阵 Mn×n=｛mij|i=1～n,j=1～n ｝，其中mij定义如下：辨识矩阵是一个下三角形矩阵，且若某个mij仅等于一个属性ck，这样的mij所组成的集合即为该决策表

T的核，即：COREC（D）=｛c∈C|mij=ck且 ui,uj∈U｝。

2.2 基于粗糙集属性约简的序参量识别步骤

表1 制造企业服务转型演化状态参量体系

由于本文选取的状态参量较多，为使运算简便，先选用一般属性约简算法去除一部分冗余的状态参量，得到一组可能非独立的约简集，再运用辨识矩阵求出状态参量的核，识别出序参量。识别步骤如下：

Step1：样本选取。为能确保处理结果的简练性、真实性和可靠性，选择的样本企业应符合研究主题。

Step2：数据预处理。由于各状态参量的量纲、数量，以及正负取向均有差异，且原始数据可能并非离散，运用粗糙集属性约简理论处理难度较大，可采用min-max标准化原则对原始数据进行标准化处理。计算公式如下：

正向状态参量：

负向状态参量：

此后，对标准化后的数据运用DIANA算法（一种层次聚类算法），将每一条件属性和决策属性状态参量的数据分为5个聚类簇，由小至大按1～5赋值，实现数据的离散化。

Step3：决策表判定。若发现预处理数据的对象集关于条件属性的划分U/C=｛｛u1｝,｛u2｝,…,｛un｝｝中每一个元素只有一个对象，此时不论对象集关于决策属性存在怎样的划分，POSC（D）=U，即决策表T是协调的。若协调则进入步骤4。

Step4：运用一般属性约简算法剔除若干冗余状态参量。在状态参量体系中选择状态参量ca，判断从属性集C中去除状态参量ca后D关于C的正域是否改变，即POSR（D）=POSR-｛r｝（D），则可从条件属性集C中去除该冗余属性ca。运用一般属性约简算法去除若干较易识别的冗余参量，将属性集C简化为一个可能非独立的约简集。

Step5：构建辨识矩阵求核。构建约简集的辨识矩阵识别序参量构建约简集的辨识矩阵，判定属性集C的核，并以此识别出序参量。

3 制造企业服务转型演化的序参量识别

3.1 样本选取与数据预处理

为能体现支持制造企业服务转型演化序参量的普适性，样本企业选取遵循的原则是：（1）具有典型服务转型特质；（2）服务转型效果已得到社会的高度认可；（3）至少有5年及以上的完整公开财务报表数据；（4）为体现服务转型阶段性特征，所选几个样本应覆盖转型的不同阶段。基于以上原则，本文选取了陕鼓动力、青岛海尔、上海电气、东方电气、中国一重5家上市公司，依据2012～2016年度公开财务报表做成面板数据。

因此，本文构建的决策表T中对象集U=｛u1,u2,…,u25｝，其中从u1起每5个元素代表2012～2016年的同一家样本企业（共5组），分别以陕鼓动力、青岛海尔、上海电气、东方电气、中国一重依次对应。根据5家公司2012～2016年度公开的财务报表为决策表中的条件属性与决策属性赋值，做成状态参量原始面板数据（如表2所示），再将数据预处理，得到表3所示离散数据。

3.2 属性约简与求核运算

根据预处理的数据，发现决策表T符合POSC（D）=U，即决策表T是协调的。如上文所述，本文先运用决策表一般属性约简算法将预处理过后的数据进行约简，去除15个不必要的状态参量后，剩下c1服务利润率、c3制造利润率、c7市场占有率、c8订单增长率、c9客户参与度、c19制造收入增长率、c20服务收入增长率、c21服务收入比重8个状态参量，如表4所示。

此时决策表T的决策属性不变，条件属性约简为C=｛c1,c3,c7,c8,c9,c19,c20,c21｝，已可轻松构建此决策表的辨识矩阵，通过对辨识矩阵的元素进行分析，得到决策表T的核。根据定义4对约简后的决策表T构建辨识矩阵如下：

表4 状态参量数据属性约简表

其中m1311=c20，m1412=c9，m1719=c3，除此之外矩阵其他元素均为若干个属性组成的析取范式，如m65=c1∨c3∨c8∨c9∨c19∨c20∨c21，所以决策表T的核COREC（D）=｛c3,c20,c9｝，即制造利润率、服务收入增长率、客户参与度构成二级状态参量属性的最小属性集。

3.3 制造企业服务转型演化的序参量分析

通过以上基于粗糙集属性约简求核运算，得到制造利润率、服务收入增长率、客户参与度为23个状态参量的核，其对应的一级状态参量盈利能力、服务创新能力、客户关系度即为支配制造企业服务转型演化的序参量。

（1）盈利能力。盈利能力作为制造企业服务转型演化系统的财务状态变量，主要体现为制造利润率（制造业务利润与成本之比），即通过制造业务优势获取利润的能力。制造盈利能力反映了中国制造业“二元”背景下，以实物产品为载体衍生各转型阶段相关服务的特性。

（2）服务创新能力。服务创新能力通过服务收入增长率体现围绕衍生服务开展的创新行为给企业带来的价值效用。市场同质化下，制造业务的价值空间趋于饱和，制造盈利能力的支配作用趋于减弱，企业价值诉求逐渐转向产品后市场。服务创新能力的不断提升，服务深度增加产品附加价值，使产品服务方案更具异质性，以服务为核心的竞争优势逐渐主导服务转型演化趋向。

（3）客户关系度。客户关系度是制造企业为扩展价值空间主动与客户交互的程度，其主要通过客户参与度（“微笑曲线”波段分布中客户参与的点）体现。为挖掘客户隐性需求，客户从传统单纯消费者转变为企业的合作者，企业与客户进行主动式交互，并用客户知识引导创新，在为实现价值共创的客企协同作用下形成客户关系度。客户关系度越高意味着服务化程度越深，在夯实制造业务优势的同时，对服务创新能力要求也更高，对服务转型演化系统起着积极影响作用。

4 结 论

为揭示制造企业服务转型演化的本质因素，与已有的定性分析不同的是，本文运用协同学理论的支配原理，在构建符合制造企业服务化转型演化特征的状态参量体系的基础上，根据样本企业实际数据，运用粗糙集约简理论，识别出制造企业服务转型演化的序参量是：盈利能力、服务创新能力和客户关系度。制造企业应主动引导客户参与挖掘更深层次的客户需求，凭借服务创新突破技术约束的枷锁，提升产品服务包的异质性，以服务化增强制造业务盈利能力，塑造以服务为核心的竞争优势。这将有助于制造企业在服务转型实践中，有效认知转型不同阶段的关键因素，探寻提升这些因素（序参量组）的方法途径，促使制造企业服务转型由低阶向高阶不断演化升级。

[1]Vandermerwe S,Rada J.Servitization of business:Adding value by adding service[J].European Management Journal,1988,6(4):314-324.

[2]罗建强，王志恒，彭永涛.制造企业服务衍生的路径形成及状态转移[J].工业工程与管理，2016,21(4):6-12.

[3]Gebauer H.Identifying service strategies in product manufacturing companies by exploring environment strategy configurations[J].Industrial Marketing Management,2008,37(3):278-291.

[4]Baines T S,Lightfoot H W,Benedettini O,et al.The servitization of manufacturing:A review of literature and reflection on future challenges[J].Journal of Manufacturing Technology Management,2009,20(5):547-567.

[5]Schmenner R W.Manufacturing,service,and their integration:some history and theory[J].International Journal of Operations&Production Management,2009,29(5):431-443.

[6]曲婉，穆荣平，李铭禄.基于服务创新的制造企业服务转型影响因素研究[J].科研管理，2012,33(10):64-71.

[7]Turunen T,Finne M.The organisational environment's impact on the servitization of manufacturers[J].European Management Journal,2014,32(4):603-615.

[8]Guo A,Chen G,Zuo Z.Influence of organizational elements on manufacturing firms'service-enhancement:An empirical study based on Chinese ICT industry[C]//Portland International Conference on Management of Engineering&Technology,IEEE,2014:2104-2110.

[9]Chen C M,Jin D W.Study on the Function Mechanism of Enterprise Culture in the Enterprise Organizational Innovation[C]//International Conference on Management Science and Engineering,IEEE,2007:897-902.

[10]李柏洲，刘建波.企业进化系统的序参量探讨[J].管理世界，2005(9):162-163.

[11]谢旭光，张在旭.基于协同学的组织核心竞争力序参量转化模型研究[J].系统科学学报，2013,21(1):69-72.

[12]Akaka M A,Vargo S L,Lusch R F.The Complexity of Context:A Service Ecosystems Approach for International Marketing[J].Journal of International Marketing,2013,21(4):1-20.

[13]Kastalli I V,Van Looy B.Servitization:Disentangling the impact of service business model innovation on manufacturing firm performance[J].Journal of Operations Management,2013,31(4):169-180.

[14]Li J.H,Lin L,Chen D.P,Ma L.Y.An empirical study of servitization paradox in China[J].The Journal of High Technology Management Research,2015,26(1):66-76.

[15]Ulaga W,Reinartz W J.Hybrid offerings:How manufacturing firms combine goods and services successfully[J].Journal of Marketing,2011,75(6):5-23．

[16]Galluoj F.Innovation in services and the attendant old and new myths[J].Journal of Socio-Economics,2002,31(2):137-154.

[17]Mansury M A,Love J H.Innovation,productivity and growth in US business services:A firm-level analysis[J].Technovation,2008,28(1):52-62.

[18]朱建平.数据挖掘中属性项压缩的统计方法研究[J].统计与信息论坛，2006,21(5):15-18.

[19]舒辉，林晓伟.集成化物流资源整合的序参量分析[J].当代财经，2011(6):77-82.

[20]兰洪杰，刘志高，王瑞江.基于粗糙集约简的食品冷链物流系统协同模型研究[J].北京交通大学学报（社会科学版），2010,9(2):32-36.