工业互联网平台数据赋能、吸收能力与制造企业数字化转型

郑勇华 孙延明 尹剑峰

摘 要：基于吸收能力理论视角分析平台数据赋能对制造企业数字化转型的内在作用机理。采用239份来自全国部分地区制造企业调查问卷，运用结构方程模型进行实证研究。结果发现：在平台数据赋能的3个子维度中，平台连接能力、平台智能能力和平台分析能力均显著正向影响制造企业数字化转型；吸收能力分别中介平台连接能力、平台智能能力、平台分析能力与制造企业数字化转型的关系；数字化导向正向调节吸收能力与制造企业数字化转型的关系；数字化导向正向调节平台连接能力与制造企业数字化转型的关系，但在平台智能能力、平台分析能力与制造企业数字化转型关系中的调节作用不显著；数字化导向正向调节平台连接能力通过吸收能力对制造企业数字化转型产生的促进作用，但在平台智能能力、分析能力分别通过吸收能力对企业数字化转型产生正向影响过程中的调节作用不显著。

关键词：数据赋能；工业互联网；数字化导向；数字化转型；吸收能力

DOI：10.6049/kjjbydc.2021110739

中图分类号：F272.7-39

文献标识码：A

文章编号：1001-7348（2023）11-0019-12

0 引言

随着新一代数字技术（云计算、大数据、人工智能等）飞速发展和广泛应用^[1]，企业数字化转型浪潮兴起。越来越多的传统制造企业加速数字化转型，发展成为数据驱动型企业^[2]。数字化转型给制造企业带来产品创新、生产效率与质量提升、运营成本下降等优势，成为制造企业适应外界环境的战略选择^[3-4]，相关研究成果不断涌现^[5]。目前，部分学者聚焦制造企业数字化转型结果，探讨其对企业产品与服务创新、流程创新^[6]、商业模式创新^[7]、全要素生产率^[8]、企业绩效^[9]的影响；部分学者关注制造企业数字化转型内在过程，基于资源基础观、组织学习理论、动态能力理论等视角探讨制造企业数字化转型影响因素^[10]及内在机制^[11]，相关影响因素主要包括数字技术发展及渗透^[12]、竞争环境加剧^[11]、用户需求变化^[13]等。目前，数字化转型相关研究主要集中于案例研究层面，缺乏制造企业数字化转型内在机制的实证研究^[14]。此外，工业互联网催生出各类工业互联网平台，如阿里supET平台、航天云网、根云等，目前达到70余家，可作为重要工业基础设施赋能制造企业数字化转型^[15]。作为赋能理论中资源赋能的核心^[16]，基于工业互联网平台（以下简称平台）的数据赋能，即平台数据赋能成为传统制造企业数字化转型的重要驱动力。平台数据赋能是指工业互联网平台基于海量运营数据，利用大数据、云计算等新一代数字技术为制造企业提供智能化数据支持的行为^[17]。

然而，平台数据赋能对制造企业数字化转型的内在作用机理是什么？目前，尚未有学者探讨这一问题。由此，平台数据赋能对制造企业数字化转型的内在作用机制研究存在以下空白：第一，平台数据赋能对制造企业数字化转型的中介作用机制。平台数据赋能如何促进制造企业数字化转型？中间路径是什么？依据吸收能力理论，工业互联网平台基于海量经营数据，通过数据赋能给予制造企业数据、信息、知识等支持，以提升其吸收能力，从而促进制造企业数字化转型。由此可见，吸收能力在平台数据赋能与制造企业数字化转型关系中起重要作用，但吸收能力能否在平台数据赋能与制造企业数字化转型关系中发挥中介作用，有待进一步探讨和实证检验。第二，数字化导向在平台数据赋能对制造企业数字化转型作用机制中的调节作用。数字化导向是指制造企业对于应用数字技术提供创新产品、服务和解决方案的承诺^[18]。数字化导向有助于制造企业积极采用数字技术进行数字化转型，进而在平台数据赋能作用于制造企业数字化转型过程中起重要作用。但数字化导向能否在平台数据赋能与制造企业数字化转型间，以及在吸收能力与制造企业数字化转型间发挥调节作用，有待进一步探讨和实证检验。

1 文献回顾与研究假设

1.1 平台数据赋能对制造企业数字化转型的直接作用

数字化转型是指制造企业通过应用数字技术实现各要素、环节数字化，进而推动生产方式、业务流程变革，以及商业模式创新的过程^[4]。数字化转型的本质是制造企业将新一代数字技术与经营管理深度融合^[5]，实现由传统生产体系转变为数字化体系的创新过程^[19]。随着数字技术飞速发展与广泛应用，由感知设备、生产设备、网络终端以及制造企业自身产生的数据渗透至企业经营管理全过程，并成为继土地、资本、劳动力、技术之后的新型生产要素（戚聿东、肖旭，2020）和制造企业竞争优势的重要来源^[20]，开始发挥其潜藏价值，在制造企业数字化转型过程中发挥强大的赋能作用^[21]。传统制造企业围绕数据这一新型关键要素进行资源配置和流程变革，形成新的企业业态，进而实现数字化转型（马名杰、戴建军，2019）。由此，数据成为赋能制造企业数字化转型的关键要素，随即受到广泛关注（张明超、孙新波，2021）。现有数据赋能研究尚处于起步阶段，部分学者围绕数据赋能对创新效率、企业绩效等的影响进行了探索性研究。此外，随着工业互联网的兴起与广泛应用，工业互联网平台成为赋能制造企业数字化转型的重要基础设施^[15]。由此，平台数据赋能成为传统制造企业数字化转型的重要驱动力和数据賦能研究领域中的重要方向。作为新兴概念，平台数据赋能是指工业互联网平台通过大数据、云计算等数字技术赋予制造企业大数据能力^[22]，对经营管理产生或需要的数据进行采集、整理、分析并共享，进而为制造企业打造数据资源库并提供决策支撑的过程^[23]。基于能力视角，平台数据赋能主要分为平台连接能力、平台智能能力和平台分析能力3个维度^[24]。平台数据赋能是工业互联网平台价值存在的重要方式^[25]，依据赋能理论，依托工业互联网平台先进的数字技术和海量数据资源，平台数据赋能可以为企业提供智能化数据支持，进而有效促进制造企业数字化转型。

（1）平台连接能力对制造企业数字化转型的促进作用。平台连接能力是指工业互联网平台通过通信技术赋予制造企业实现内外部人、物、信息等广泛连接的能力^[24]。它能够帮助制造企业实现人与人、人与物、人与信息、信息与信息间的有效连接（周文辉，2018），进而通过数据泛在连接与交互作用促进制造企业数字化转型，具体表现如下：一方面，平台连接能力有助于制造企业将生产设备和内部业务信息系统连接至工业互联网平台，以企业内部价值链为主线，将内部物流、信息流相结合，进而实现内部业务流程全过程的数字化改造，促进制造企业数字化转型；另一方面，平台连接能力有助于制造企业实现与全价值产业链上关联企业间业务信息系统的互联互通，以供应链为主线，结合企业间物流、信息流，围绕客户需求实现产品全生命周期的紧密协作，以促进制造企业数字化转型^[26]。由此可见，平台连接能力对制造企业数字化转型具有促进作用。据此，本文提出以下假设：

H_1a：平台连接能力正向影响制造企业数字化转型。

（2）平台智能能力对制造企业数字化转型的促进作用。平台智能能力是指在人工参与程度较低的情况下，工业互联网平台通过先进的硬件设备和信息技术赋予制造企业快速感知、捕获及动态分配数据资源的能力。工业互联网平台的泛在连接与数据采集功能有助于制造企业全面获取生产设备运营状态、生产流程、产品质量检测等方面的数据，能够帮助制造企业對内部生产业务流程进行实时监控，进而为企业经营管理活动提供数据支持。同时，工业互联网平台的网络互联与数据采集功能有助于制造企业获取产业链上下游各环节数据资源，后者可为企业提供设计协同、制造协同、管理协同、供需对接层面的智能化支持。由此可见，较强的平台智能能力有助于提升制造企业数据感知、捕获和利用能力^[27]，进而促进制造企业数字化转型。据此，本文提出以下假设：

H_1b：平台智能能力正向影响制造企业数字化转型。

（3）平台分析能力对制造企业数字化转型的促进作用。平台分析能力是指工业互联网平台基于海量经营数据，利用平台算力和算法赋予制造企业在规模庞大的数据中发掘有价值的信息，并将其转换为具有组织运营价值的预测性见解的能力^[24]。它体现的是工业互联网平台对工业大数据进行高效处理与分析的能力。平台分析能力强调赋能主体（工业互联网平台）对数据资源挖掘和分析的方法与技术，即侧重数字技术和工具的运用。随着数字孪生和人工智能等先进数字技术应用，工业互联网平台的分析能力有助于拓展制造企业数据开发利用广度和深度，促使制造企业实现从传统决策到基于数据分析的智能决策转变^[28]，从而促进制造企业数字化转型。据此，本文提出以下假设：

H_1c：平台分析能力正向影响制造企业数字化转型。

1.2 吸收能力在平台数据赋能与企业数字化转型关系中的中介作用

数字化转型是传统制造企业通过将大数据、云计算等数字技术应用于经营管理全过程，实现自我突破并进行创新发展的过程。现有企业数字化转型研究主要集中于结果层面，探讨企业数字化转型内在过程的研究鲜见，仅少量文献初步分析了制造企业数字转型促成因素、所需资源和能力^[29]。在制造企业数字化转型过程中，数据资源（信息、数据、知识等）高效获取与应用至关重要^[30]。由此，基于工业互联网平台的数据赋能成为制造企业数字化转型的重要驱动力。然而，工业互联网平台的数据资源需要制造企业结合实际经营进行消化、转换后，才能应用于商业活动以发挥其潜在价值，进而推动制造企业数字化转型。由此，根据吸收能力理论^[31]，吸收能力有助于制造企业将工业互联网平台的数据资源与具体经营需要相结合，通过对其消化、转换并应用于商业活动实现数字化转型。平台数据赋能是指工业互联网平台基于海量经营数据赋予制造企业能量^[25]，通过创新数据运用场景、技能和方法^[28]，大幅度提升制造企业数据获取、分析及应用能力^[17]。由此可见，平台数据赋能有助于提升制造企业吸收能力，而较强的吸收能力有助于制造企业通过高效获取、消化、转换和应用数据、信息及知识资源实现数字化转型。由此可见，吸收能力在平台数据赋能与制造企业数字化转型关系中发挥重要中介作用。

（1）吸收能力在平台连接能力与制造企业数字化转型关系中的中介作用。平台理论认为，工业互联网平台与参与主体的相互作用能够实现跨界异质性数据资源整合（高良、张一进，2018），平台连接能力通过利用工业互联网平台关键技术，如传感器技术、协议转化技术、异构数据处理技术和嵌入式系统技术等将企业内外部人、物、信息等广泛连接起来^[24]。通过上述方式，分散于不同企业业务系统、硬件设备间的工业信息、数据和知识获得有效沉淀和汇聚，并被更多平台用户企业共享。由此可见，平台连接能力通过平台泛在连接为制造企业提供丰富的数据资源支持，并通过企业吸收能力发挥数据资源价值，从而有效推动制造企业数字化转型。据此，本文提出以下假设：

H_2a：吸收能力在平台连接能力与制造企业数字化转型关系中起中介作用。

（2）吸收能力在平台智能能力与制造企业数字化转型关系中的中介作用。平台智能能力借助工业互联网平台先进的硬件设备和信息技术，帮助制造企业在人工参与程度较低的情况下快速感知、捕获和动态分配数据资源，即通过工业互联网平台的网络互联与数据采集功能，帮助制造企业获取内部运营数据及产业链上下游各环节数据资源，优化制造企业数据资源收集、管理方式^[25]。由此可见，平台智能能力可以提升制造企业吸收能力，有助于企业数据资源有效获取、积累与运用，从而促进制造企业数字化转型。据此，本文提出以下假设：

H_2b：吸收能力在平台智能能力与制造企业数字化转型关系中发挥中介作用。

（3）吸收能力在平台分析能力与制造企业数字化转型关系中的中介作用。利用工业互联网平台强大的算力和算法，平台分析能力帮助制造企业在海量经营数据中发掘出潜在价值信息，并将其转换为具有组织运营价值的预测性见解^[24]，从而为制造企业高效、准确地分析和运用数据提供有力支撑。也就是说，利用机器学習、深度学习和机理模型等人工智能技术，平台分析能力帮助制造企业对海量经营数据进行智能化处理，从中发现规律或有价值的知识，进而挖掘、分析和利用数据，为企业数字化运营提供有力支持^[28]。由此可见，平台分析能力有助于提升制造企业吸收能力，促使企业将吸收的有价值数据、信息应用于经营活动以实现价值目标^[17]，从而推动制造企业数字化转型。据此，本文提出以下假设：

H_2c：吸收能力在平台分析能力与制造企业数字化转型关系中发挥中介作用。

1.3 数字化导向在吸收能力与制造企业数字化转型关系中的调节作用

数字化导向是指制造企业利用数字技术提供创新产品、服务和解决方案的承诺^[18]。数字化导向有助于强化制造企业获取与应用数字技术进行创新发展的意愿和能力。由此，在吸收能力与数字化转型关系中，制造企业数字化导向越强，越能主动融入工业互联网平台，利用数字技术并借助吸收能力获取、消化、转换和应用数据资源，将其应用于生产方式、业务流程变革以及产品、服务、商业模式创新，进而推动制造企业数字化转型。也就是说，制造企业数字化导向越强，吸收能力对制造企业数字化转型的促进作用越显著。据此，本文提出以下假设：

H₃：数字化导向正向调节吸收能力与制造企业数字化转型的关系。

1.4 数字化导向在平台数据赋能与制造企业数字化转型关系中的调节作用

制造企业倾向于采用数字技术推动数字化转型，数字化导向有助于制造企业利用数字技术提供创新产品、服务和解决方案^[18]。数字化导向较强的制造企业倾向于以承诺方式接受数字举措，并将其转化为数字创新解决方案。由此，在平台数据赋能与数字化转型关系中，制造企业数字化导向越强，越会积极利用工业互联网平台的数字技术和数据资源进行数字化转型。由此可见，数字化导向在平台数据赋能与制造企业数字化转型关系中起正向调节作用。

（1）数字化导向在平台连接能力与制造企业数字化转型关系中的调节作用。数字化导向和平台连接能力在促进制造企业数字化转型方面相辅相成，制造企业数字化导向越强，越会主动利用工业互联网平台数字技术和通信技术实现内外部人、物、信息泛在连接^[18]，以促进自身数字化转型。由此可见，数字化导向能够进一步强化平台连接能力对制造企业数字化转型的促进作用。据此，本文提出以下假设：

H_4a：数字化导向正向调节平台连接能力与制造企业数字化转型的关系。

（2）数字化导向在平台智能能力与制造企业数字化转型关系中的调节作用。数字化导向对制造企业数字化转型具有促进作用，一般而言，制造企业数字化导向越强，越会主动利用工业互联网平台硬件设备与数字技术快速感知、获取海量运营管理数据，为自身运营管理活动提供数据支持^[27]，从而实现自身数字化转型。由此可见，数字化导向能够进一步强化平台智能能力对制造企业数字化转型的促进作用。据此，本文提出以下假设：

H_4b：数字化导向正向调节平台智能能力与制造企业数字化转型的关系。

（3）数字化导向在平台分析能力与制造企业数字化转型关系中的调节作用。数字化导向有助于制造企业利用数字技术提供创新产品、服务和解决方案，进而强化其数字化转型意愿^[18]。一般而言，制造企业数字化导向越强，越会主动借助工业互联网平台的先进算力和算法对海量运营管理数据进行深入挖掘与分析，通过发掘有价值信息提供智能化决策、专业化解决方案，从而促进企业数字化转型。由此可见，数字化导向越强，平台分析能力对制造企业数字化转型的促进作用越显著。据此，本文提出以下假设：

H_4c：数字化导向正向调节平台分析能力与制造企业数字化转型的关系。

1.5 数字化导向在数据赋能与数字化转型关系中的调节作用

在上述分析的基础上，本文进一步推测：数字化导向对平台数据赋能→吸收能力→制造企业数字化转型间的关系具有调节作用。当数字化导向较强时，制造企业会更积极融入工业互联网平台，通过平台数据赋能强化吸收能力，有效获取、消化、转换、应用数据资源，进而通过生产方式、业务流程变革以及产品、服务、商业模式创新进行数字化转型。由此可见，数字化导向对吸收能力在平台数据赋能与制造企业数字化转型间的中介关系具有正向调节作用，具体包括：

（1）数字化导向在平台连接能力通过吸收能力影响数字化转型关系中的调节作用。由前述可知，吸收能力在平台连接能力与制造企业数字化转型间发挥中介作用，且数字化导向对吸收能力与制造企业数字化转型的关系具有正向调节作用；制造企业数字化导向越强，吸收能力对其数字化转型的促进作用就越显著。由此，本文进一步推论：吸收能力在平台连接能力与制造企业数字化转型间的中介效应可能受数字化导向的调节作用。具体而言，具有较强数字化导向的制造企业利用工业互联网平台的通信技术将内外部人、物、信息等广泛连接起来以强化吸收能力，进而通过获取、消化、转换和应用数据资源加快数字化转型；数字化导向越强，平台连接能力通过吸收能力对制造企业数字化转型的促进作用就越显著。据此，本文提出以下假设：

H_5a：数字化导向正向调节吸收能力在平台连接能力与制造企业数字化转型间的中介作用。

（2）数字化导向在平台智能能力通过吸收能力影响数字化转型关系中的调节作用。

同理可知，平台智能能力通过吸收能力对制造企业数字化转型产生影响，且吸收能力对数字化转型的促进作用受数字化导向的调节作用。由此，本文进一步推论：吸收能力对平台智能能力与制造企业数字化转型的中介作用可能受数字化導向的调节。即制造企业数字化导向越强，其越会利用工业互联网平台先进的硬件设备与数字技术快速感知、捕获和动态分配数据资源，通过强化吸收能力促进自身数字化转型。由此可见，数字化导向有助于进一步强化平台智能能力通过吸收能力对制造企业数字化转型的促进作用。据此，本文提出以下假设：

H_5b：数字化导向正向调节吸收能力在平台智能能力与制造企业数字化转型间的中介作用。

（3）数字化导向在平台分析能力通过吸收能力影响数字化转型关系中的调节作用。

同理可知：吸收能力中介作用于平台分析能力与制造企业数字化转型的关系，且数字化导向正向调节吸收能力与制造企业数字化转型的关系。由此，本文进一步推论：数字化导向可能对平台分析能力通过吸收能力影响制造企业数字化转型的过程具有正向调节作用。即对于具有较强数字化导向的制造企业而言，其借助工业互联网平台先进的算力和算法，在海量经营数据中发掘有价值的信息^[24]，通过吸收能力将其与企业经营需要结合起来并进行转换和有效应用，进而促进自身数字化转型。由此可见，数字化导向有助于进一步强化平台分析能力通过吸收能力对制造企业数字化转型的促进作用。据此，本文提出以下假设：

H_5c：数字化导向正向调节平台分析能力通过吸收能力对制造企业数字化转型的影响。

基于以上分析，本文基于赋能视角，通过引入吸收能力的中介机制，以及数字化导向的调节机制，探讨平台数据赋能对制造企业数字化转型的作用机制，构建研究框架如图1所示。

2 研究方法

2.1 数据收集

本文采用实地问卷发放和网络问卷调查相结合的方式完成基础数据收集工作。为了符合现实研究情境，研究对象选取利用工业互联网平台驱动的传统制造企业，调研对象为企业技术总监或运营总监等高层管理人员（以下简称高管）。课题组选取珠三角、长三角地区和山东半岛，以及贵阳（中国数谷）等地区利用工业互联网平台驱动数字化转型的传统制造企业，通过3种方式发放问卷：一是通过广州市工业与信息化局、贵州省工业与信息化厅进行问卷发放。随机发放问卷201份（广州167份，贵州34份），共回收问卷131份（广州109份，贵州22份），回收率为63.2%。二是在工业互联网和大数据相关展会进行现场发放。充分利用广州、深圳和贵阳三地举办的全国性或国际性工业互联网（大数据）相关展会，共发放问卷312份，回收77份，回收率为24.7%。三是通过华南理工大学EMB和MBA班学员进行问卷发放。通过EMBA和MBA学员联系所在企业高管进行问卷填写，共发放问卷87份，回收31份。回收率35.6%份。对相关问卷进行汇总，经过课题组成员认真校对，剔除无效问卷，得到有效问卷239份，具体样本情况如表1所示。

2.2 变量测量

调查问卷包含平台数据赋能（平台连接能力、平台智能能力、平台分析能力）、吸收能力、数字化导向、数字化转型等变量。为确保测量变量的有效性，本研究采用国内外成熟量表并邀请3位管理学博士对其进行中英文回译与校对，以此形成初始问卷。此外，在正式调查之前，对阿凡达家具、卡迪莲化妆品、广州一品红制药、维尚家具、广东星星制冷设备公司、佛山源田床具机械等20多家企业的高管进行实地访谈。根据实地调查反馈，邀请3位管理学教授结合现实情境对问卷进行实用性修订，最终形成大规模调研问卷，变量测量题项见表2。采用李克特（Likert）5级量表对问卷进行测量，1表示“非常不符合”，5表示“非常符合”。

（1）平台数据赋能（自变量）。借鉴Hardy等^[32]、周文辉等^[27]、张振刚等^[33]的研究成果，结合现实情境对数据赋能测量量表进行适当调整，包括平台连接能力（3个题项）、平台智能能力（3个题项）、平台分析能力（3个题项）3个维度，共计9个题项。平台连接能力的Cronbach's α系数为0.894，平台智能能力的Cronbach's α系数为0.906，平台分析能力的Cronbach's α系数为0.869。

（2）吸收能力（中介变量）。参照Zagra等^[34]的研究量表并结合尹剑峰等^[35]的研究成果，采用4个题项对吸收能力进行测量。吸收能力的Cronbach's α系数为0.882。

（3）数字化导向（调节变量）。借鉴Zhou等 ^[36]的研究量表对数字化导向进行测量，主要包含4个题项，数字化导向的Cronbach's α系数为0.852。

（4）数字化转型（因变量）。参考Matt等^[12]、池毛毛^[9]和卢艳秋（2021）的研究成果，采用3个题项对数字化转型进行测量，数字化转型的Cronbach's α系数为0.909。

（5）控制变量。已有研究表明，企业规模、成立年限和所有制类型能够决定企业数字化难易程度，因而可能影响制造企业数字化转型^[9]。综上，本文将企业规模（Scale）、行业类型（Type）、企业所有制（Owner）、企业成立年限（Year）、数字化转型年限（Tyear）作为控制变量，并对不同选项赋予不同数值。

2.3 问卷信度与效度

由表2可知，所有变量的AVE值介于0.593～0.801之间，大于临界值0.5；CR值介于0.853～0.924之间，均大于临界值0.8。以上检验结果均在标准范围内，表明变量间聚合效度较高。

由表3表可知，六因子模型拟合效果最佳（χ² /df =1.161，RMSEA=0.026，RMR=0.030，CFI =0.992，TLI=0.990），明显优于其它模型，且拟合指标达到要求，说明6个变量间的区分效度较高。综上表明，本研究变量信、效度较高。

2.4 共同方法偏差检验

在问卷设计和调研过程中，为避免共同方法偏差问题，采用Amos软件和SPSS22.0对样本数据进行检验。首先，由表3可知，六因子模型（LJ;ZN;FX;AC;DO;DT）拟合效度最优，单因子模型（LJ+ZN+FX+AC+DO+DT）拟合效度最差，可初步判断样本共同方法偏差问题不严重。其次，采用Harman单因子检验法对问卷中6个变量的20个题项进行因子分析，在未旋转的情况下，得到第一主成分为40.360%，低于50%的判定标准。上述结果表明，研究样本的同源性误差在可接受范围内。

2.5 描述性统计与相关系数

表4为相关变量均值、标准差和相关系数。由表4可知，平台连接能力与数字化转型显著正相关（r=0.604，P<0.001），平台智能能力与数字化转型显著正相关（r=0.517，p<0.001），平台分析能力与数字化转型显著正相关（r=0.573，p<0.001）；平台连接能力与吸收能力显著正相关（r=0.494，P<0.001），平台智能能力与吸收能力显著正相关（r=0.507，p<0.001），平台分析能力与吸收能力显著正相关（r=0.497，p<0.001）；吸收能力与数字化转型显著正相关（r=0.559，p<0.001）；数字化导向与吸收能力显著正相关（r=0.142，p<0.05））。潜变量间数据关系分析结果与研究预期一致，为下一步模型检验奠定了良好基础。

3 假设检验

3.1 全模型检验

参考既有研究，本文控制以下变量：企业规模、行业类型、企业所有制、企业成年年限和数字化转型年限。借鉴温忠麟和叶宝娟^[37]的研究成果，采用Mplus 7.0软件（Bootstrap=1 000次）对平台连接能力、平台智能能力、平台分析能力和吸收能力与数字化转型间的关系进行检验，各步骤标准化回归系数和检验结果见表5。模型验证性拟合检验结果如下：χ²/λ=1.826<3，CFI=0.923>0.9，TLI=0.931>0.9，SRMR=0.045<0.05，RMSEA=0.033<0.08），模型拟合指标在可接受范围内。

由表5可知，在纳入5个控制变量后，平台连接能力对数字化转型的标准化作用路径系数值β=0.319，显著性水平p< 0.001，假设H_1a得到支持；平台智能能力对数字化转型的标准化作用路径系数值β=0.203，显著性水平p<0.001，假设H_1b得到支持；平臺分析能力对数字化转型的标准化作用路径系数值β=0.244，显著性水平p<0.001，假设H_1c得到支持；平台连接能力通过吸收能力对数字化转型的中介作用（β=0.048，p<0.05）95%的置信区间[0.009，0.112]不包含0，说明吸收能力的中介作用显著，H_2a得到验证。此外，总效应为0.367。平台智能能力通过吸收能力对数字化转型的中介作用（β=0.053，p<0.05）95%的置信区间[0.009，0.012]不包含0，说明吸收能力的中介作用显著，H_2b得到验证。此外，总效应为0.256。平台分析能力通过吸收能力对数字化转型的中介作用（β=0.060，p<0.05）95%的置信区间[0.017，0.124]不包含0，说明吸收能力的中介作用显著，H_2c得到验证。此外，总效应为0.304。同时，相较于另外两条路径的中介作用，平台连接能力通过吸收能力对制造企业数字化转型的中介作用更显著。研究结果未发现吸收能力的完全中介作用，说明吸收能力并不是平台数据赋能促进制造企业数字化转型的唯一路径，可能原因在于工业互联网平台大数据促进制造企业数字化转型过程较为复杂：一方面，当前制造企业门类繁多，企业间差异较大，不同企业对工业互联网平台大数据的使用需求和场景完全不同；另一方面，制造企业对工业互联网大数据的使用不仅与自身吸收能力有关，而且与组织敏捷性、利用式学习和供应链动态能力等因素有关。

控制变量中，企业规模（β=-0.053，p>0.05）、行业类型（β=-0.014，p>0.05）、所有制类型（β=-0.067，p>0.05）、企业成立年限（β=-0.040，p>0.05）和数字化转型年限（β=-0.079，p>0.05）对制造企业数字化转型无显著影响。

3.2 调节效应检验

借鉴Edwardsdeng等^[38]的检验方法，本研究进一步运用MPLUS 7.4软件检验数字化导向的调节效应。为避免多重共线性问题，对所有变量进行中心化处理，结果显示，该模型的验证性拟合指标良好：χ²/λ=1.063<3，CFI=0.989>0.9，TLI=0.986>0.9，SRMR=0.022<0.05，RMSEA=0.021<0.08。由表6可知，吸收能力与数字化导向的交互作用对制造企业数字化转型具有正向影响（β=0.134，p <0.01），即吸收能力和数字化导向在促进传统制造企业数字化转型方面具有互补作用，H₃得到验证；平台连接能力与数字化导向的交互作用对数字化转型具有正向影响（β=0.198，p <0.001），即平台连接能力和数字化导向在促进传统制造企业数字化转型方面具有互补作用，H_4a得到验证；平台智能能力与数字化导向的交互作用对数字化转型的作用不显著（β=0.024，p >0.05），H_4b未得到验证；平台分析能力与数字化导向的交互作用对数字化转型的作用不显著（β=-0.016，p >0.05），H_4c未得到验证。H_4b和H_4c未得到验证的原因在于：一方面，平台服务（PasS）缺失。当前，我国工业互联网平台发展处于起步阶段，多数工业互联网平台以提供连接和储存服务为主，即搭建运行环境为主。面对制造企业复杂多变的应用需求，平台难以提供智能化能力，尤其多场景工业大数据间互联、互通和共享能力欠缺。另一方面，平台软件服务（SaaS）低端。当前，多数工业互联网平台以基础性和普适性应用为主，大部分软件服务只是信息化服务，尚未达到能够对工业机理沉淀和算法优化的水平，因而难以助力企业通过数据驱动实现业务数字化。此外。部分企业在国家政策的驱动下，积极响应企业业务上云上平台的号召，但对使用工业互联网平台缺乏数盈体验和长远规划，导致上平台形式大于内容，即重视上平台而轻使用。

为了直观揭示数字化导向的调节效应，基于调节效应的验算数据，本文绘制数字化导向对吸收能力与制造企业数字化转型关系的调节效应图（见图2）、数字化导向对平台连接能力与制造企业数字化转型关系的调节效应图（见图3）。由图2可知，高数字化导向下的直线斜率明显大于低数字化导向下的直线斜率，表明数字化导向越高，企业吸收能力越强，越能促进制造企业数字化转型。同理，由图3可知，数字化导向越高，平台连接能力越强，越能促进制造企业数字化转型。

3.3 有调节的中介效应分析

参照Edwards等^[38]的检验方法对H_5a进行检验，结果见表7。由表7可知，在不同数字化导向（低值、高值）下，平台连接能力通过吸收能力影响制造企业数字化转型的间接效应分别为0.131和0.199，95%置信区间分别为[0.013，0.240]和[0.097，0.324]，均不包含0，并且二者之差为0.068，95%的置信区间为[0.139，0.749]，表明数字化导向能够正向调节吸收能力在平台连接能力与制造企业数字化转型关系中的中介作用，假设H_5a得到验证。

4 结语

4.1 结论

为揭示平台数据赋能与企业数字化转型的逻辑关系，本文基于239份制造企业数字化转型有效问卷，采用赋能理论和吸收能力理论，深入探讨平台数据赋能的作用机制及边界条件，得到以下主要结论：

（1）平台数据赋能的3个子维度（平台连接能力、平台智能能力和平台分析能力）对传统制造企业数字化转型均具有正向影响。现有研究强调平台数据作为关键要素在企业数字化转型过程中发挥强大的赋能作用^[21]，发现平台数据赋能是企业数字化转型的关键^[27]，但尚未对平台数据赋能与企业数字化转型的关系进行深入探讨。本文基于工业互联网平台视角，就平台数据赋能及其子维度对制造企业数字化转型的促进作用进行实证检验。

（2）吸收能力在平台数据赋能的3个子维度（平台连接能力、平台智能能力、平台分析能力）与传统制造企业数字化转型关系中发挥中介作用。郭星光、陈曦^[39]研究发现，平台数据赋能环境下，制造企业变得更加灵活，能够对新技术进行快速转换和利用。本文认为，工业互联网平台的数据资源只有经过制造企业消化、转换后才能应用于商业活动，进而有效促进企业数字化转型。为此，本文进一步将吸收能力作为重要中介变量纳入平台数据赋能对制造企业数字化转型的作用机制研究框架中，并对中介效应进行实证检验。

（3）数字化导向正向调节平台连接能力、吸收能力与制造企业数字化转型的关系。现有研究强调数字化导向在制造企业数字化转型中的推动作用^[18]，本文进一步将数字化导向作为重要调节变量纳入平台连接能力、吸收能力对制造企业数字化转型的作用机制研究框架中，并对调节效应进行实证检验。

4.2 理论贡献

（1）将赋能理论拓展至制造企业数字化转型情境。目前，数字化转型成为学界研究热点^[40]，大部分研究关注企业数字化转型的后置影响，如商业模式创新^[7]、全要素生产率^[8]、企业绩效^[9]等，企业数字化转型前因研究鲜见（曾德麟等，2021）。本文基于赋能理论视角，探讨平台数据赋能及其子维度（平台连接能力、平台智能能力、平台分析能力）对制造企业数字化转型的作用，发现其对制造企业数字化转型均具有正向影响，进一步丰富了制造企业数字化转型前因研究。

（2）揭示平台数据赋能对企业数字化转型的作用机制。围绕平台数据赋能如何促进企业数字化转型的机制问题，鲜有研究探讨。本研究基于吸收能力理论，通过分析吸收能力的中介机制探讨平台数据赋能及其子维度对企业数字化转型的作用路径，实证检验结果发现，吸收能力在平台数据赋能与企业数字化转型关系中起重要中介作用。由此，就平台数据赋能对企业数字化转型的作用机制给出了理论解释。

（3）揭示了数字化导向在平台数据赋能、吸收能力与企业数字化转型关系中的调节机制。关于平台数据赋能、吸收能力对制造企业数字化转型的作用边界条件，鲜有文献探讨。本文通过分析数字化导向在平台数据赋能及其子维度（平台连接能力、平台智能能力、平台分析能力）与制造企业数字化转型，以及吸收能力与制造企业数字化转型关系中的调节机制，实证检验发现，数字化导向正向调节平台连接能力与制造企业数字化转型的关系；数字化导向正向调节吸收能力与制造企业数字化转型的关系。由此，厘清了平台数据赋能、吸收能力对制造企业数字化转型的影响边界。

4.3 实践启示

（1）传统制造企业应积极响应国家与地方相关部门的号召，积极推动企业上云上网工程。为此，制造企业应将数字化转型目标纳入自身发展规划，加快适应工业互联网平台的具体要求，配套建设数字化基础设施，从而加快自身数字化轉型步伐。

（2）吸收能力是制造企业数字化转型的重要影响因素。在工业互联网情境下，吸收能力主要体现的是企业获取、消化、转换和应用工业互联网平台数据资源的能力。制造企业通过工业互联网平台可以短期内显著提升自身数据获取能力和消化能力，即工业互联网平台强大的数据采集能力和分析能力可以帮助制造企业增强数据获取、消化能力。在工业互联网时代，工业互联网平台的数据资源需要经过企业转换和应用后才能有效发挥价值。由此，吸收能力维度下数据资源转换和应用能力差异成为决定企业数字化转型顺利与否的重要因素，这也初步解释了为何许多企业利用工业互联网平台，但企业数字化转型程度却存在较大差异的原因。

（3）企业高管应充分认识到数字化导向对企业数字化转型的影响。在数字经济战略实施背景下，数字化转型已经成为传统制造企业转型升级的必由之路。由此，企业高管应强化数字化导向，增强企业数字化转型意愿和动力，从被动转型到主动转型，以顺应数字经济时代发展趋势。当前，数字化导向是驱动制造企业数字化转型的重要因素。具有较强数字化导向的企业高管能够驱动企业数字化转型，加快推进企业上云上平台建设，实现关键流程和关键部件数字化，从而加速推进企业数字化转型进程。

4.4 不足与展望

本文存在以下不足：第一，调研对象为数字化转型程度较高的珠三角、长三角和山东半岛地区制造企业，因而结论的普适性可能受到一定程度的影响；第二，受调研客观条件限制，数据主观性仍然难以避免，后续研究可以采用二手数据进一步加以完善；第三，本研究基于平台数据赋能视角，提出并验证吸收能力在平台数据赋能与企业数字化转型关系中的中介作用，以及数字化导向的调节作用。未来可尝试将组织敏捷性、利用式学习、失败学习、利用式创新、价值共创等变量纳入研究模型，以更加全面的视角探讨平台数据赋能对制造企业数字化转型的作用机制及边界条件。

参考文献：

[1] 郭润萍，韩梦圆，邵婷婷，等.生态视角下数字化转型企业的机会开发机理——基于海尔和苏宁的双案例研究[J].外国经济与管理，2021，43（9）：43-67.

[2] GHOBAKHLOO M， IRANMANESH M.Digital transformation success under Industry 4.0： a strategic guideline for manufacturing smes[J]. Journal of Manufacturing Technology Management， 2021（5）：1533-1556.

[3] 卢宝周，尹振涛，张妍.传统企业数字化转型过程与机制探索性研究[J].科研管理，2022，43（4）：83-93.

[4] VIAL G.Understanding digital transformation： a review and a research agenda[J]. The Journal of Strategic Information Systems， 2019， 28（2）：118-144.

[5] 肖静华.企业跨体系数字化转型与管理适应性变革[J].改革，2020，33（4）：37-49.

[6] HESS，THOMAS，MATT，ET AL. OPTIONS for formulating a digital transformation strategy[J]. MIS QUARTERLY EXECUTIVE，2016，15（2）：123-139.

[7] 张振刚，张君秋，叶宝升，等.企业数字化转型对商业模式创新的影响[J].科技进步与对策，2022，39（11）：14-123.

[8] 赵宸宇，王文春，李雪松.数字化转型如何影响企业全要素生产率[J].财贸经济，2021，42（7）：114-129.

[9] 池毛毛，叶丁菱，王俊晶，等.我国中小制造企业如何提升新产品开发绩效——基于数字化赋能的视角[J].南开管理评论，2020，23（3）：63-75.

[10] SANDBERG J， HOLMSTRM J，LYYTINEN K.Digitization and phase transitions in platform organizing logics： evidence from the process automation industry[J]. MIS Quarterly， 2020， 44（1）：129-153.

[11] KOHLI R， MELVILLE N P. digital innovation： a review and synthesis[J]. Information Systems Journal， 2019， 29（1）： 200-223.

[12] MATT C，HESS T ，BENLIAN A.Digital transformation strategies[J].Business & Information Systems Engineering，2015，57（5）：339-343.

[13] ABRELL T， PIHLAJAMAA M， KANTO L， et al. The role of users and customers in digital innovation： insights from B2B manufacturing firms[J]. Information & Management， 2016， 53（3）：324-335.

[14] LI L， SU F， ZHANG W， ET AL. digital transformation by sme entrepreneurs： a capability perspective[J]. information systems journal， 2018， 28（6）： 1129-1157.

[15] 朱勤，孫元，周立勇.平台赋能、价值共创与企业绩效的关系研究[J].科学学研究，2019，37（11）：2026-2033，2043.

[16] 李君，邱君降，成雨.工业企业数字化转型过程中的业务综合集成现状及发展对策[J].中国科技论坛，2019，35（7）：113-118.

[17] 肖迪，陈瑛，王佳燕，等.考虑平台数据赋能的电商供应链成本分担策略选择研究[J].中国管理科学，2021，29（10）：58-69.

[18] KHIN S， HO T C.Digital technology， digital capability and organizational performance： a mediating role of digital innovation[J]. International Journal of Innovation Science， 2018， 11（6）：177-196.

[19] 吴非，胡慧芷，林慧妍，等.企业数字化转型与资本市场表现——来自股票流动性的经验证据[J].管理世界，2021，37（7）：130-144，10.

[20] BAACK S. Datafication and empowerment： how the open data movement re-articulates notions of democracy， participation， and journalism[J]. Big Data & Society， 2015，2（2）：1-11.

[21] GUENTHER W A， MEHRIZI M， HUYSMAN M， et al. Debating big data： a literature review on realizing value from big data[J]. The Journal of Strategic Information Systems， 2017， 26（3）：191-209.

[22] CARMEN L M， PAN S L， RACTHAM P. ICT-enabled community empowerment in crisis response： social media in Thailand flooding 2011[J]. Journal of the Association for Information Systems， 2015， 16（3）： 174-212.

[23] MANJUL GUPTA，JOEY F GEORGE. Toward the development of a big data analytics capability[J].Information& Management，2016，53（8）：1049-1064.

[24] 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.

[25] 孙新波，苏钟海，钱雨，等.数据赋能研究现状及未来展望[J].研究与发展管理，2020，32（2）：155-166.

[26] 延建林，孔德婧.解析“工业互联网”与工业4.0”及其对中国制造业发展的启示[J].中国工程科学，2015，17（7）：141-144.

[27] 周文辉，邓伟，陈凌子.基于滴滴出行的平台企业数据赋能促进价值共创过程研究[J].管理学报，2018，15（8）：1110-1119.

[28] 孙新波，苏钟海.数据赋能驱动制造业企业实现敏捷制造案例研究[J].管理科学，2018，31（5）：117-130.

[29] CHA K J，HWANG T，GREGOR S.An integrative model of IT-enabled organizational transformation：a multiple case study[J]. Management Decision，2015，53（8），1755-1770.

[30] 池雅琼，刘峰，齐佳音.数字化转型背景下企业数据保护成熟度模型构建[J].情报杂志，2021，40（9）：133-140.

[31] COHEN W M，LEVINTHAL D A. Absorptive capacity： a new perspective on learning and innovation[J]. Administrative Science Quarterly， 1990，35（1） ： 128-152．

[32] HARDY C， LEIBA-O'SULLIVAN S. The power behind empowerment：implications for research and practice[J]. Human  Relations， 1998， 51（4）： 451-483.

[33] 張振刚，肖丹，许明伦.数据赋能对制造业企业绩效的影响：战略柔性的中介作用[J].科技管理研究，2021，41（10）：126-131.

[34] ZAHRA S A， GEORGE G. absorptive capacity： a review， reconceptualization， and extension[J]. Academy of Management Review， 2002， 27（2）： 185-203.

[35] 尹剑峰，叶广宇，黄胜.国际化导向、国际知识吸收能力与国际机会识别关系研究[J].科学学与科学技术管理，2021，42（8）：76-96.

[36] ZHOU K Z， WU F. technological capability， strategic flexibility， and product innovation[J]. strategic management journal， 2010， 31（5）： 547-561.

[37] 温忠麟，叶宝娟.中介效应分析：方法和模型发展[J].心理科学进展，2014，22（5）：731-745.

[38] EDWARDS J R，LAMBERT L S.methods for integrating moderation and mediation：a general analytical framework using moderated path analysis.[J]. psychological methods， 2007， 12（1）：1-22.

[39] 郭星光，陳曦.数据赋能与我国制造企业创新：前沿探析与未来展望[J].科技进步与对策，2021，38（15）：151-160.

[40] 严子淳，李欣，王伟楠.数字化转型研究：演化和未来展望[J].科研管理，2021，42（4）：21-34.

（责任编辑：张 悦）

Industrial Internet Platform Data Empowerment， Absorptive Capacity

and Digital Transformation of Manufacturing Enterprises

Zheng Yonghua^1，2，Sun Yanming³，Yin Jianfeng⁴

（1.School of Communication，Guizhou Minzu University，Guiyang 550025，China;2.School of Business

Administration，South China University of Technology，Guangzhou 510641，China;3. School of Management

Guangzhou University，Guangzhou 51006，China;4.School of Business，Guizhou Minzu University，Guiyang 550025，China）

Abstract：In recent years， with the rise of the Industrial Internet， various industrial Internet platforms have emerged， such as Alibaba supET platform， Aerospace Cloud Network and Genyun. There are currently more than 70 platforms. As an important industrial infrastructure， the industrial Internet platform enables the digital transformation of manufacturing enterprises. As the core of resource empowerment in empowerment theory， data empowerment based on the industrial Internet platform （ platform data empowerment） has become an important driving force for the digital transformation of traditional manufacturing enterprises. Platform data empowerment means that the industrial Internet platform provides intelligent data support for manufacturing enterprises by collecting a large amount of operational data and using new-generation digital technologies such as big data and cloud computing. However， what is the internal mechanism of platform data empowerment acting on the digital transformation of manufacturing enterprises？ So far， this question has rarely been touched. Therefore， based on the empowerment theory and absorptive capacity， this paper creatively incorporates platform data empowerment into the factors affecting the digital transformation of enterprises.

This study selects the traditional manufacturing enterprises in the Pearl River Delta， the Yangtze River Delta， Shandong Peninsula and Guizhou as the research objects， and obtains 239 valid questionnaires. It constructs a multiple linear regression model and uses the structural equation software MPLUS7.0 to verify the hypothesis.

The results show that the three sub-dimensions of platform data empowerment，i.e.，platform connection capability， platform intelligence capability and platform analysis capability all have significant positive impacts on the digital transformation of manufacturing enterprises. Absorptive capacity mediates the relationship between platform connection ability， platform intelligence ability， platform analysis ability and the digital transformation of manufacturing enterprises; digital orientation positively regulates the relationship between absorptive capacity and digital transformation of manufacturing enterprises; digital orientation positively regulates the relationship between platform connectivity and digital transformation of manufacturing enterprises， but the moderating role in the relationship among platform intelligence capabilities， platform analysis capabilities and digital transformation of manufacturing enterprises is not significant; digital orientation positively regulates the promotion effect of platform connection ability on the digital transformation of manufacturing enterprises through absorptive capacity， but the moderating effect of platform intelligence ability and analytical ability on the promotion of enterprise digital transformation through absorptive capacity is not significant.

Different from the previous literature， this study innovatively extends the empowerment theory to the new situation of digital transformation of manufacturing enterprises for theoretical and empirical analysis， and discusses platform data empowerment and its sub-dimensions （platform connection capability， platform intelligence capability， platform analysis capability）. It is found that they have positive impacts on the digital transformation of manufacturing enterprises， thus further enriching the research on the antecedents of the digital transformation of manufacturing enterprises. By introducing the intermediary mechanism of absorptive capacity， this study discusses the role of platform data empowerment and its sub-dimensions in the digital transformation of enterprises， and empirically finds that absorptive capacity plays an important intermediary role in the relationship between platform data empowerment and enterprise digital transformation. A theoretical explanation is given on the path mechanism of platform data empowerment acting on the digital transformation of enterprises. Therefore it is suggested that manufacturing enterprises should incorporate industrial Internet platform into their enterprise development plans to enable the digital transformation of enterprises， speed up their adaptation to the specific requirements of industrial Internet platforms， and support corresponding digital infrastructure and related data resources to accelerate enterprise digital transformation. Meanwhile whether the conclusions are also applicable to all manufacturing enterprises with digital transformation needs to be verified and amended by future research. It is also suggested that future study could incorporate organizational agility， utilization learning， failure learning， utilization innovation， value co creation and other variables into the research model to explore the mechanism and boundary conditions of platform data empowerment on the digital transformation of manufacturing enterprises from a more comprehensive perspective.

Key Words：Data Empowerment; Industrial Internet; Digital Orientation; Digital Transformation；Absorptive Capacity