邵兵等丨数字化知识管理与制造业企业技术创新：基于动态能力视角

文摘科技 2024-08-09 15:00 湖北

转载请注明“刊载于《科技进步与对策》2024年第14期”

引用参考文献格式：

邵兵,匡贤明,王翚. 数字化知识管理与制造业企业技术创新：基于动态能力视角[J]. 科技进步与对策, 2024, 41(14): 111-121.

摘要：随着数字技术与知识管理的融合,数字化知识管理正在成为企业获取技术竞争优势的新手段。基于动态能力理论,以2007-2021年沪深A股上市公司中制造业企业数据为样本,实证分析数字化知识管理对企业技术创新的影响及作用机制。研究发现:数字化知识管理对企业技术创新有显著正向影响,其主要通过吸收能力、适应能力和创新能力发挥作用。研究结论不仅可从数字化知识管理角度拓展和深化数字化转型与技术创新理论研究,也可为企业实施数字化知识管理、促进技术创新提供启示。

关键词：数字化知识管理;技术创新;吸收能力;适应能力;创新能力

DOI：10.6049/kjjbydc.2023030519

基金项目：国家自然科学基金项目(72263005);海南省自然科学基金项目(723MS041);海南省哲学社会科学规划项目(HNSK(YB)23-36)

作者简介：邵兵(1980—),男,湖北黄石人,东北大学工商管理学院博士研究生,海南师范大学经济与管理学院副教授,研究方向为数字经济与技术创新;匡贤明(1978—),男,江西泰和人,博士,中国(海南)改革发展研究院副院长、研究员,研究方向为中国改革理论与实践;王翚(1982—),女,福建惠安人,博士,海南大学经济学院副教授,研究方向为数字贸易。

0 引言

制造业是立国之本、强国之基,是实体经济的重要基础。在数字经济背景下,中国的制造业企业也正在进行数字化转型。2022年11月习近平总书记在党的二十大报告中指出:“加快发展数字经济,促进数字经济和实体经济深度融合。”推动制造业加速转向数字化、网络化、智能化,已经成为中国制造业高质量发展的必然选择。

关于数字化转型促进中国制造业企业技术创新及其作用机制的研究刚刚起步[1]。理论上,研究者们将数字化转型作为整体概念,研究其对技术创新的影响,忽略了数字化转型的可分解性和复杂系统流程性,不利于指导制造业企业数字化转型实践,也无法回答数字化转型促进技术创新的具体作用机制。其中,数字化知识管理是数字化转型的首要环节。一方面,数字化转型涵盖组织机构、业务流程、产品和服务、商业模式等方面[2-4],其中,组织层面数字化转型涉及关键业务,进而影响产品和流程,引起商业模式变革[5],因此组织层面数字化转型决定数字化转型的其它方面。另一方面,数字化转型需要以数字化知识管理为中心,促进组织结构扁平化、柔性化、网络化和虚拟化[6],进而实现组织变革。因此,企业数字化知识管理作为组织变革的决定性影响因素,具体包括业务流程、产品与服务、商业模式等方面创新。

因此,本文提出数字化知识管理概念,研究其对制造业企业技术创新的影响,并从动态能力视角分析其作用机制。一方面,数字化转型是企业利用数字化技术进行变革的整体概念。数字化知识管理是数字化转型的首要环节,也是其根基和逻辑起点;另一方面,知识管理的显著特点是信息化,而数字化知识管理的特点表现为智能化、平台化、结构化、显性化等。此外,动态能力是研究数字化转型的理论基础[7],数字化知识管理作为数字化转型的首要环节,通过在知识获取、知识整合、知识吸收、知识应用以及创新环节的数字技术应用促进动态能力形成[8],提升企业技术创新能力[9]。

基于此,本文以2007-2021年沪深A股上市制造业企业为样本,探究企业数字化知识管理能否促进企业技术创新以及影响机制。本文可能的贡献在于:①提出数字化知识管理概念,不同于以往学者采取问卷调查获取数据的研究方法,本文使用文本分析法量化数字化知识管理,利用上市公司面板数据分析数字化知识管理水平,进而拓展知识管理研究方法,深化数字化转型研究;②验证数字化知识管理对企业技术创新的正向影响,证实吸收能力、适应能力和创新能力在两者间的中介作用,揭示中国制造业企业数字化转型的底层逻辑——数字化知识管理,启发研究者进一步解构数字化转型过程机制。同时,将动态能力与数字化知识管理相结合,拓展动态能力理论。

1 理论与假设

1.1 知识管理与数字化知识管理

国内外学者对知识管理进行了大量研究。从目的来看,知识管理通过创造、获取和使用知识以提升创新绩效[10]。从过程来看,知识管理涉及知识创造、存储和索引、转移以及应用4个过程(Maryam等,2012)。随着大数据、人工智能等数字技术发展与应用[11],知识管理进入数字化阶段。数字化知识管理利用数字化技术,识别、获取、分析、应用以及创造新知识,有助于提升组织技术创新能力。

然而,学者们很少关注到数字化知识管理与知识管理间的巨大差异,只是将数字化知识管理视作知识管理的延续。两者无区别地对待可能导致的问题是:①无法区分数字化技术和知识管理对企业技术创新的影响,也不能回答技术创新是由数字化技术还是知识管理导致的,更无法清晰解释技术创新形成机理和路径;②不利于企业打造数字化知识管理能力,由于无法区别数字化知识管理与知识管理,因而无法从知识智能化、社区化、平台化、结构化、显性化等方面构建数字化知识管理能力;③不利于数字化转型的具体实施,无法从企业内部解构数字化转型流程,因而无法从微观层面有效探索和指导企业数字化转型。关于传统知识管理与数字化知识管理的区别主要体现在7个方面,具体见表1。

表1 知识管理与数字化知识管理的区别

1.2 数字化知识管理与技术创新

基于数字化知识管理与知识管理的差异,数字化知识管理对技术创新的影响集中体现在外部知识获取、知识共享、隐性知识显性化、知识结构化、知识创新等方面。

第一,数字化知识管理通过拓展知识获取渠道,促进技术创新。数字化知识管理不仅通过拓展知识获取渠道促进技术创新[12],而且通过提高知识分享效率促进技术创新。一方面,在传统的知识管理中,知识来源往往基于人工判断和识别,而数字化知识管理通过语义搜索引擎进行智能化搜索,节省了识别海量数据的时间成本,而且能提高搜索效率,有利于技术人员高效自主学习,提升研发技能。例如,组织通过自然语言处理(NLP)技术,利用机器学习和智能搜索,将非结构化和半结构化信息转化为结构化知识,能迅速获取与关键词相关的语义信息,提高技术人员学习效率。另一方面,传统知识管理大多通过纸质文本获取知识,而数字化知识管理通过内外渠道,可应用批量下载、格式转换、存储等技术,获取丰富的文本、图片、音频、视频等信息。例如使用Python代码,从特定网站自动“爬取”批量信息和知识,然后使用音频、图片、视频识别等技术,转化为文本信息并存储到大规模数据库中,为智能搜索奠定基础。此外,数字化知识管理利用知识社区、知识平台拓展知识获取渠道,极大丰富了信息总量,为提升价值、提高工作效率发挥了重要作用。例如技术人员从开源技术平台(中国的CSDN平台,国外的GitHub平台)获取某段代码或程序模块,不仅能提高工作效率,而且提升了技术能力。外部客户知识搜集有利于产品改进和创新。Cui &Wu[13]研究指出,多方知识共享为思路创新提供方向指引;Bugshan[14]从客户角度研究知识共享与创新关系,认为在知识共享过程中,不仅客户向企业创新部门积极分享创新知识,而且企业也可以通过客户交流获取第三方知识,因此知识获取渠道拓展有利于技术创新。

第二,数字化知识管理有助于促进知识共享,提升技术创新能力。在数字化环境下,知识共享既存在于技术研发合作中,也存在于联盟等创新协作中,使得企业创新系统形成一个囊括从供应商到消费者、从企业内部到外部利益相关者的知识共享网络。学者们使用实证研究方法探究开放式创新与创新绩效关系,证实开放式创新对创新绩效具有积极影响[15-16]。其逻辑为:企业内外部创新主体共享知识是开放式创新的前提,创新主体将获取的知识与自身知识融合,最终提升创新绩效。此外,数字技术有利于促进企业合作与交流,实现知识共享,启发企业创意和灵感,促进技术、生产工艺和商业模式等方面创新,进而对创新绩效产生积极影响[17]。

第三,数字化知识管理有助于促进隐性知识转化为显性知识,提升技术创新能力。Madhavan &Grover[18]指出,技能类隐性知识有助于促进产品创新和新技术开发,而认知类隐性知识也对创新产生正向影响。在知识获取、应用和创新过程中,数字化知识管理利用数字化技术将隐性知识可视化,有助于员工理解并应用知识,提升工作效率和能力,促进技术创新。

第四,数字化知识管理通过知识结构化,提升技术创新能力。传统知识管理在进行信息分析时主要依靠人工,易受到主观因素影响,且效率较低。在数字化知识管理下,可利用机器学习、认知计算等技术对知识进行拆分、重组和聚类,将半结构化和非结构化知识转化为结构化知识,缩短研发和设计时间,快速满足客户需求。例如,AI通过创新系统流程,降低人力和成本约束,助力企业提高研发效率,缩短研发流程,优化企业内部组织,最终提高组织创新绩效。

第五,数字化知识管理有利于知识创新。知识创新贯穿于知识管理全流程,数字化知识管理有助于促进知识创新,提升技术创新效果。一方面数字化知识管理为员工节省识别、获取、分析知识的时间,为知识创新提供时间保障;另一方面数字化知识管理促进知识共享网络平台和知识创新网络平台形成,为组织创新提供基础支撑。例如云计算技术有助于企业进行知识存储,优化知识管理流程,提高知识共享效率,为知识社区、创新社区形成与发展提供技术保障。

综上所述,本文提出如下研究假设:

H1:数字化知识管理促进企业技术创新。

1.3 数字化知识管理、动态能力与技术创新

Wang& Ahmed[19]提出,动态能力包括吸收能力、适应能力和创新能力。诸多学者研究了吸收能力[20]、适应能力[21]和创新能力[22]对技术创新的正向影响,但是有关数字化知识管理对动态能力3个维度影响的研究较少。

数字化知识管理有助于提高吸收能力。Cohen &Levinthal[23]认为,吸收能力是企业识别、消化和利用外部新知识,并将其推向商业化应用的能力。本文认为数字化知识管理能够通过数字技术促进知识识别、获取和应用。一是,面对海量数据,企业利用大数据、自然语言处理、机器学习等技术,高效地分析信息价值,有助于提升外部资源识别能力。二是,企业在运用语义搜索、人工智能搜索技术时,能大幅降低知识搜寻成本、交易成本和运营成本[24],并在数字化、密集化创新网络中不断获取互补性资产,降低试错成本(戚聿东等,2020),从而促进企业知识获取能力提升[25]。三是,企业借助虚拟仿真、数字孪生和可视化等技术,将非结构化知识转化为结构化、可视化知识,实现隐性知识显性化[26],进而有助于提高企业的知识应用和转化效率。此外,数字化知识管理有利于促进内外部员工学习、交流、讨论、实践,改善组织知识融合系统,促进组织创新能力提升[27]。因此,知识交叉与融合是创新的重要来源之一[28],数字化知识管理技术为其创造了条件。据此,本文提出如下研究假设:

H2:吸收能力在数字化知识管理与技术创新间发挥中介作用。

数字化知识管理有助于提升组织适应能力。企业进行市场机会挖掘时,需要识别与评估客户信息[29]。企业利用数字化知识管理中的语义分析和搜索技术,广泛采集产品销量、服务次数、关注程度、体验评价等信息,通过关键词词频判断市场需求变化,从而快速调整企业生产以满足客户需求。因此,具有较高适应能力的企业可以根据市场变化及时作出调整,克服组织惯性,增强企业环境适应力[30],最终提升技术创新成效。据此,本文提出如下研究假设:

H3:适应能力在数字化知识管理与技术创新间发挥中介作用。

数字化知识管理有助于提升企业创新能力。数字化知识管理水平较高企业一般具有良好的学习氛围,有利于吸收外部知识,形成新知识,促进企业创新能力提升。特别是伴随智能化和交互性社区及平台的大量涌现,具有较强创新能力的企业可通过数字化知识管理,利用大数据和人工智能技术高效整合知识,节省研发时间和成本,启发创新者灵感,从而促进技术创新。据此,本文提出如下研究假设:

H4:创新能力在数字化知识管理与技术创新间发挥中介作用。

2 研究设计

2.1 样本选择与数据来源

本文以 2007—2021 年沪深A股上市公司中的制造业企业为样本。根据中国证监会2012年发布的《上市公司行业分类指引》,制造业共有31个大类行业,本文样本涉及29个大类行业,见表2。其中,专用设备制造业、计算机、通信和其它电子设备制造业以及仪器仪表制造业的数字化知识管理均值较高,反映出这些行业上市公司的数字化知识管理水平较高。本文的企业研发投入、专利申请量等数据主要来源于万得(WIND)金融数据库、国泰安(CSMAR)和CHOICE数据库,中介变量和控制变量数据根据基础数据变换或计算得到,主要解释变量数据根据制造业上市公司年报信息整理而得。为排除极值对样本估计量的影响,对连续变量作前后1%缩尾处理,得到样本量为 2 719家公司,时间跨度15年,总共21 972个年度观测值。

表2 分行业观测值与数字化知识管理均值

2.2 自变量测算

自变量数字化知识管理借鉴吴非等[31]的研究方法,采用文本分析法提取上市公司年报中有关数字化知识管理的关键词并进行词频计数,以衡量企业数字化知识管理水平。为了保证选取的关键词科学合理,通过 Python 语言编写爬虫程序,从证监会指定网站整理上海证券交易所、深圳证券交易所制造业上市公司年度报告,并通过“迅捷转换器”提取所有PDF文本内容,转化为TXT格式,以便后续的特征词筛选。具体步骤如下:第一步,文献搜索。从“中国知网”下载2014年1月1日至2022年10月1日公开发表的关于“知识管理”“组织学习”文献,为了保证文献质量,选择受到“国家自然科学基金”“国家社会科学基金”“教育部人文社会科学研究项目”资助的文献,分别为116篇和135篇。第二步,文献关键词提取。利用Python的“jieba”分词模块,对中文文献进行分词,去除停用词,按照由高到低的词频进行排列,从251篇文献中提取关键词根。第三步,关键词扩展。参照胡媛媛等[32]的方法,继续编写Python程序,使用Word2Vec机器学习算法模块对企业年报文本进行训练。由于年报文本数据量大,而且2021年报涵盖之前的数字化知识管理成果,因此以2021年报文本作为训练集,生成算法模型,然后利用训练好的算法模型进行近义词联想与扩展,最后得到97个关键词,见表3。最后,编写Python程序,从2007-2021年的制造业上市公司年报中进行关键词检索和词频统计,并以年度和公司面板数据形式进行加总,对其加1后取自然对数,得到数字化知识管理指标,即lnkmdt。

表3 数字化知识管理指数构建及关键词选取

本文使用文献确定关键词词根,并利用机器学习算法扩展关键词。其合理性体现为以下几点:一是上市公司年报文本分析法在国内顶级期刊频频出现,说明此种方法逐渐被学者接受。这是因为公司年报中披露的信息含有报告期内企业经营状况回顾和未来发展展望。数字化知识管理是制造业企业数字化转型的首要环节,其信息也应包含在年报中(胡楠等,2021)。二是通过文献提取关键词根,并利用机器学习算法扩展关键词,减少了人为干预,具有一定客观性。三是文献分析与变量相关性分析的一致性,部分说明数字化知识管理变量衡量的合理性。本文样本的数字化知识管理水平与吸收能力、适应能力和创新能力的相关系数显著,分别为0.141、0.115和0.216,与理论分析结果一致。由于数字化知识管理是数字化转型的首要环节,两者间存在一定相关性,通过验证两者相关性侧面印证数字化知识管理变量的合理性。本文使用赵宸宇[33]的数字化转型分词词典中的99个关键词,统计各关键词词频,加总后对其加1取自然对数,得到数字化转型指标(dt),然后计算数字化知识管理(lnkmdt)和数字化转型(dt)间的相关性。其相关系数显著(0.325),说明数字化知识管理与数字化转型密切相关,与理论分析一致。以上均印证了由词频法提取的数字化知识管理变量有效。

2.3 因变量测算

由于本文研究主题是数字化知识管理对技术创新的影响,因此以研发投入衡量技术创新存在不确定性等问题,而以产出结果衡量技术创新水平能够直接反映制造业企业数字化转型成效。因此,参照黎文靖和郑曼妮[34]的研究,以企业专利申请数量衡量技术创新(lntpat)。

2.4 中介变量测算

大部分研究对动态能力的测量采用问卷调查法并使用截面数据,无法洞察其随时间演变的规律。因此,参考杨林等(2020)的做法,从组织和时间角度对吸收能力、适应能力和创新能力进行测量。具体操作如下:①创新能力(rd),将研发投入强度和技术人员占比两个指标进行标准化后求和得到;②吸收能力(absorb),用研发支出与营业收入之比度量;③适应能力(adap),将广告收入、研发投入和资本支出的变异系数取负值。

2.5 其它变量

参照余明桂等[35]和He &Tian[36]的研究,设置以下控制变量:上市年限(lnage),采用当年年份减去公司上市年份并取自然对数;企业规模(lnsize),采用公司年末总资产并取自然对数;产权性质(gov),国有企业取1,非国有企业为0;资产收益率(roa),采用企业净利润与年度平均资产总额的比值(%);资产负债率(lev),采用企业总负债与总资产之比(%);股权集中度(oneshare),采用第一大股东持股比例(%);营业收入增长率(growth),即当年营业收入与上年营业收入之差除以上年营业收入(%);两职兼任(dual):董事长兼任总经理为1,否则为0;独立董事比例(indrat),即独立董事人数占董事会总人数的比例(%)。变量定义见表4。

表4 变量定义

2.6 描述性统计及相关性分析

如表5、表6所示,描述性统计分析结果显示,数字化知识管理平均值为0.12,说明我国上市公司实行数字化知识管理的数量偏少。相关性分析结果显示,仅有吸收能力和创新能力中介变量相关系数大于0.5,表明变量间不存在多重共线性问题。

表5 变量描述性统计结果及 Pearson 相关系数(1)

注:*** p<0.01,** p<0.05,*p<0.1,下同

表6 变量描述性统计结果及 Pearson 相关系数(2)

3 数字化知识管理对技术创新的影响

3.1 基本回归分析

由于样本公司数量为2 719家,如果采用个体固定效应模型,将包含较多虚拟变量,降低模型估计自由度,并且我国数字化转型正处于起步阶段,仅有少部分企业实施数字化知识管理,数值变化较小,可能导致参数估计偏差。考虑到数字化知识管理对企业技术创新的影响,构建控制行业和时间的基准固定效应模型如下:

lntpati,t=α+β1lnkmdti,t+β2CVsi,t+ΣtYeart+Σjindj+εi,t

(1)

其中,lntpati,t表示上市公司i在时间t的技术创新,lnkmdti,t表示上市公司i在时间t的数字化知识管理,CVsi,t为控制变量,包含lnsizei,t、lnagei,t、levi,t、oneholdi,t、growthi,t、roai,t、govi,t、duali,t、indrati,t,ΣtYeart和Σjindj分别为年份与行业固定效应,εi,t为随机误差项。

表7第(1)列为以专利申请量为被解释变量的基准回归结果,可以发现,数字化知识管理(lnkmdt)显著正向影响企业技术创新,即随着企业数字化知识管理水平提升,企业技术创新能力增强,假设H1得证。

表7 基准回归结果

注:括号内为T统计量,* p<0.1,**p<0.05,*** p<0.01

3.2 内生性处理

数字化知识管理对企业技术创新的正向影响可能存在内生性问题,这是因为技术创新能够提高企业市场价值,激励企业重视人才培养,同时加大数字化知识管理投入,从而形成数字化知识管理促进企业技术创新的良性循环。由于内生性问题可能带来估计偏误,因此本文拟从以下几方面缓解内生性问题。

(1)工具变量法。借鉴Fisman &Svensson[37]的工具变量构造方法,选取同区域和同行业其它企业均值作为工具变量(lnkmdt_mean)。由于行业内部存在竞争与协作关系,企业通过标杆管理进行模仿,并通过吸引行业技术人才和内部人才培养方式,提升知识转化效率,从而形成竞争力。区域竞争态势和行业特点会影响企业数字化知识管理水平,但对企业技术创新没有直接影响。工具变量检验结果显示:Kleibergen-Paap rk LM 的P值小于0.01,拒绝不可识别的原假设;Kleibergen-Paaprk的Wald F统计量为351.354,远大于10%的Stock-Yogo标准(16.38),拒绝弱工具变量的原假设。由表6的回归结果可知,第(2)列为工具变量第一阶段估计结果,工具变量lnkmdt_mean系数显著为正,符合工具变量的相关性要求;第(3)列为第二阶段估计结果,其显示数字化知识管理回归系数显著为正,说明控制部分内生性问题后,数字化知识管理对企业技术创新的显著正向影响仍然存在。

(2)倾向得分匹配法(PSM 法)。为进一步缓解选择偏误问题,采用PSM检验内生性。根据企业是否进行数字化知识管理分为处理组和对照组,若企业进行数字化知识管理,lkmdt编码为 1,设定为处理组,反之编码为 0,设定为对照组,结合前文所述的一系列控制变量(lnsize、lnage、lev、onehold、growth、roa、gov、dual和indrat),同时,控制时间和行业作为匹配变量,使用 Logit 回归计算倾向得分,选择一对一最近邻匹配,将匹配得到的样本分别进行回归。表7为PSM检验结果,可以发现,第(4)列中企业技术创新的平均处理效应值(ATT)为0.274 5,在1%水平上显著(T-stat为5.03),表明进行数字化知识管理的上市公司相较于其它上市公司,其技术创新水平高出0.274 5。然后,对匹配样本进行回归检验,结果表明,数字化知识管理(lnkmdt)系数显著为正,该结果与基准回归结果一致。

(3)Heckman两阶段模型法。为缓解可能存在的样本选择偏误问题,使用Heckman两阶段模型进行检验。第一阶段,除选取与主回归模型一样的控制变量、时间虚拟变量以及行业虚拟变量外,以相同时间段、相同区域的其它企业数字化知识管理水平均值作为外生变量(ivprovin),构建Probit回归模型,计算逆米尔斯比率(IMR),检验这些特征变量是否影响数字化知识管理(lkmdt)。这是因为数字化知识管理水平会受到区域数字化资源影响,但是对单个企业技术创新没有直接影响。第二阶段,将IMR作为控制变量加入主回归模型,检验可能存在的选择性偏误。检验结果显示,逆米尔斯比率(IMR)估计系数具有统计显著性,且外生变量(ivprovin)系数非常显著,表明存在数字化知识管理分布偏差。因此,有必要检验样本自选择对基准回归结果的影响。在加入IMR后,数字化知识管理(lnkmdt)对专利申请量(lntpat)的回归系数显著,为0.271 2,与基准回归结果基本一致。综上所述,控制选择性偏差后,研究假设H1依然成立。

3.3 其它稳健性检验

为了验证基准模型稳健性,进行以下测试:①替换因变量,以企业发明专利申请量加上1并取其自然对数(lninpat)测度;②考虑到数字化知识管理的累积效应,即数字化知识管理的软硬件投入、经验和效果在后期继续发挥作用,因此采用滞后一期的数字化知识管理(l.lnkmdt)作为解释变量;③分样本检验,考虑到国有企业与非国有企业的差异性,将样本企业划分为国有企业和非国有企业两组,分别进行检验;④剔除异常年份样本,这是因为在样本区间内存在3个可能影响企业技术创新的重要事件,因此按照吴非[31]的做法,剔除2008 年(全球金融危机)和2015年(中国股灾),以及2020年和2021年(新冠疫情)数据,本文最终选取 2010-2014年和2016-2019年数据进行回归。

如表8所示,控制时间和行业变量后,数字化知识管理对企业技术创新有显著正向影响,说明基准模型结论非常稳健。

表8 其它稳健性检验结果

注:括号内为T统计量,* p<0.1,**p<0.05,*** p<0.01

4 机制路径检验

上述研究充分论证了数字化知识管理对企业技术创新的影响,但需要注意的是,作用机制尚不明晰。因此,本文将分别对适应能力、吸收能力和创新能力3种作用渠道进行检验。借鉴Baron &Kenny[38]的思路,并参照温忠麟等[39]的逐步回归法,结合Bootstrap方法进行Sobel中介因子检验,以证实中介效应存在。

lntpati,t=α+α1lnkmdti,t+Σα2CVsi,t+ΣtYeart+Σjindj+εi,t

(2)

Mediatori,t=θ+θ1lnkmdti,t+Σθ2CVsi,t+ΣtYeart+Σjindj+εi,t

(3)

lntpati,t=δ+δ1lnkmdti,t+δ2Mediatori,t+Σδ3CVsi,t+ΣtYeart+Σjindj+εi,t

(4)

式(2)(3)(4)中,CVsi,t为控制变量(lnsize、lnage、lev、onehold、growth、roa、gov、dual和indrat),ΣtYeart为控制时间变量,Σjindj为控制行业变量。

第一,吸收能力的中介效应(absorb)。表9中第(1)—(3)列结果分别对应式(2)、式(3)和式(4)。回归结果显示,首先,总效应系数、直接效应系数、间接效应系数a及b均十分显著,故吸收能力存在中介效应。其次,通过Bootstrap方法进行Sobel中介因子检验,进一步证实中介效应存在(Sobel Z值分别为4.953,p<0.01,中介效应为4.4%),说明吸收能力在数字化知识管理与企业技术创新关系中发挥中介作用,研究假设H2得证。

表9 中介效应检验

注:括号内为T统计量,* p<0.1,**p<0.05,*** p<0.01

第二,适应能力的中介效应(adap)。首先,进行逐步回归检验,表9中第(1)(4)和(5)列分别对应式(2)(3)和(4)。回归结果显示,总效应系数、直接效应系数、间接效应系数a及b均十分显著,故适应能力存在中介效应。其次,通过Bootstrap方法进行Sobel中介因子检验,进一步证实适应能力的中介效应存在(Sobel Z值分别为3.128,p<0.01,中介效应为7.61%),故研究假设H3成立。可能的原因是,企业通过数字化知识管理,能直接或间接地将知识等战略资源投向技术研发、产品与服务以及商业模式等创新环节,最终促进企业技术创新。

第三,创新能力的中介效应(rd)。表9中第(1)(6)和(7)列分别对应式(2)(3)和(4)。回归结果显示,总效应系数、直接效应系数、间接效应系数a及b均十分显著,故创新能力存在中介效应。通过Bootstrap方法进行Sobel中介因子检验,进一步证实创新能力的中介效应存在(Sobel Z值分别为7.195,p<0.01,中介效应为12.30%),说明创新能力在数字化知识管理与企业技术创新关系中发挥中介作用,即研究假设H4得证。

5 结论与启示

实证研究发现,数字化知识管理对企业技术创新具有显著正向影响,该影响通过吸收能力、适应能力和创新能力发挥作用。本文的理论贡献体现在以下方面:首先,提出了数字化知识管理概念,采用文本分析法从上市公司年报中提取关键词并对其量化,深化了数字化转型和知识管理研究,也拓展了数字化知识管理研究方法;其次,从吸收能力、适应能力和创新能力角度分析数字化知识管理对企业技术创新的影响,充实了动态能力理论。研究不仅丰富了数字化转型维度,而且拓展了动态能力与数字化知识管理理论研究。

本文研究对制造业企业实施数字化转型具有重要参考价值:一是,数字化转型的根基在于数字化知识管理。大多数企业非常重视数字化转型对技术创新的促进作用,但实际效果堪忧。主要原因是:企业管理者误把数字化转型视为一个整体,认为实施数字化转型就一定能提升企业技术创新。这种观念忽视了数字化转型在企业系统中的流程性和逻辑性,误导了数字化转型实施。数字化转型的逻辑起点是数字化知识管理,通过数字化知识管理积蓄组织和员工创新能力,进而提升企业技术创新水平。因此,制造业企业在数字化转型过程中利用数字技术,促使传统知识管理转向智能化、平台化,非结构化知识转变为结构化知识,促进隐性知识显性化,进而提升知识获取、整合、吸收以及应用能力,最终提升企业技术创新水平。二是,不断提升企业动态能力。企业通过数字化知识管理,能够及时识别、获取与应用外部信息,并将市场反馈及时传达给研发设计部门,以更好地满足客户个性化和定制化需求。同时,企业可重新配置资本、生产力等战略性资源,提高资源匹配度和柔性,增强企业适应能力;良好的企业氛围有助于增强员工分享意愿,以开放的心态吸收和融合外部知识,在知识交互中促进技术创新能力提升。在产业转型升级和经济不确定背景下,企业应谨慎选择多元化战略。

然而,本文也存在一定局限性,如未能对数字化知识管理进行深入挖掘,未来研究可进一步分解为流程数字化、产品和服务数字化、商业模式创新等方面,为深化数字化与知识管理融合研究奠定坚实基础。

参考文献：

[1] PENG Y Z,C Q TAO.Can digital transformation promote enterprise performance-from the perspective of public policy and innovation[J].Journal of Innovation &Knowledge,2022,7(3):100198.

[2] 吴江,陈婷,龚艺巍,等.企业数字化转型理论框架和研究展望[J].管理学报,2021,18(12):1871-1880.

[3] 孙新波,张媛,王永霞,等.数字价值创造:研究框架与展望[J].外国经济与管理,2021,43(10):35-49.
[4] 朱秀梅,林晓玥,王天东.企业数字化转型战略与能力对产品服务系统的影响研究[J].外国经济与管理,2022,44(4):137-152.
[5] MATT C,HESS T,BENLIAN A.Digital transformation strategies[J].Business &Information Systems Engineering,2015,57(5):339-343.
[6] 程刚,陈传明.基于企业信息化的组织结构变革研究[J].科学管理研究,2004,22(2):41-45,84.
[7] VIAL G.Understanding digital transformation:a review and a research agenda[J].The Journal of Strategic Information Systems,2019,28(2):118-144.
[8] WARNER K S R,WAGER M.Building dynamic capabilities for digital transformation:an on going process of strategic renewal[J].Long Range Planning,2019,52(3):326-349.
[9] BOGERS M,CHESBROUGH H,HEATON S,et al.Strategic management of open innovation:a dynamic capabilities perspective[J].California Management Review,2019,62(1):77-94.
[10] CHEN C J,J W HUANG.Strategic human resource practices and innovation performance-the mediating role of knowledge management capacity[J].Journal of Business Research,2009,62(1):104-114.
[11] 陈国青,吴刚,顾原东,等.管理决策情境下大数据驱动的研究和应用挑战——范式转变与研究方向[J].管理科学学报,2018,21(7):1-10.
[12] ROUSSEVA R.Identifying technological capabilities with different degrees of coherence:the challenge to achieve high technological sophistication in latecomer software companies[J].Technological Forecasting and Social Change,2007,75 (7) :1007-1031.
[13] CUI A,WU F.Utilizing customer knowledge in innovation:antecedents and impact of customer involvement on new product performance[J].Journal of the Academy of Marketing Science,2016,44(4):516-538.
[14] BUGSHAN H.Open innovation using Web 2.0 technologies[J].Journal of Enterprise Information Management,2015,28(4):595-607.
[15] SISODIYA S R,J L JOHNSON,Y GREGOIRE.Inbound open innovation for enhanced performance:enablers and opportunities[J].Industrial Marketing Management,2013,42(5):836-849.
[16] SHU C,K Z ZHOU,Y XIAO.How green management influences product innovation in China:the role of institutional benefits[J].Journal of Business Ethics,2016,133(3):471-485.
[17] TRIPSAS M.Surviving radical technological change through dynamic capability:evidence from the typesetter industry[J].Industrial &Corporate Change,2017,6(2):341-377.
[18] MADHAVAN R,R GROVER.From embedded knowledge to embodied knowledge:new product development as knowledge management[J].Journal of Marketing,1998,62(4):1-12.
[19] WANG C L,P K AHMED.Dynamic capabilities:a review and research agenda[J].International Journal of Management Reviews,2007,9(1):31-51.
[20] HUANG F,RICE J.The role of absorptive capacity in facilitating "open innovation" outcomes:a study of Australian SMEs in the manufacturing sector[J].International Journal of Innovation Management,2011,13(2):201-220.
[21] 赵凤,王铁男,王宇.开放式创新中的外部技术获取与产品多元化:动态能力的调节作用研究[J].管理评论,2016,28 (6):76-85,99.
[22] 张永安,关永娟.创新政策工具组合、创新能力与创新绩效研究[J].科技进步与对策,2020,37 (21):118-126.
[23] COHEN W M,D A LEVINTHAL.Adsorptive capacity:a new perspective on learning and innovation[J].Administrative Science Quarterly,1990,35(1):128-152.
[24] DEVARAJ S,R KOHLI.Performance impacts of information technology:is actual usage the missing link[J].Management Science,2003,49(3):273-289.
[25] WU L Y.Resources,dynamic capabilities and performance in a dynamic environment:perceptions in taiwanese IT enterprises[J].Information and Management,2006,43(4):447-454.
[26] LANE PJ,BR KOKO,S PATHAK.The reification of absorptive capacity:a critical review and rejuvenation of the construct[J].Academy of Management Review,2006,31(4):833-863.
[27] YANG CL,DW WANG,YJ ZENG.Knowledge based multimodal information fusion for role recognition and situation assessment by using mobile robot[J].Information Fusion,2019,50(10):126-138.
[28] HIDALGO A,J ALBORS.Innovation management techniques and tools:a review from theory and practice[J].R&D Management,2008,38 (2) :113-127.
[29] HITT MA,R D IREL,S M CAMP.Strategic entrepreneurship:entrepreneurial strategies for wealth creation[J].Strategic Management Journal,2001,22 (6/7):479-491.
[30] AGGARWAL VA,H E POSEN,M WORKIEWICZ.Adaptive capacity to technological change:a microfoundational approach[J].Strategic Management Journal,2017,38(6):1212-1231.
[31] 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.
[32] 胡媛媛,陈守明,仇方君.企业数字化战略导向、市场竞争力与组织韧性[J].中国软科学,2021,36(S1):214-225.
[33] 赵宸宇.数字化发展与服务化转型——来自制造业上市公司的经验证据[J].南开管理评论,2021,24(2):149-163.
[34] 黎文靖,郑曼妮.实质性创新还是策略性创新——宏观产业政策对微观企业创新的影响[J].经济研究,2016,51(4):60-73.
[35] 余明桂,范蕊,钟慧洁.中国产业政策与企业技术创新[J].中国工业经济,2016,34(12):5-22.
[36] HE JJ,X TIAN.The dark side of analyst coverage:the case of innovation[J].Journal of Financial Economics,2013,109(3):856-878.
[37] FISMAN R,J SVENSSON.Are corruption and taxation really harmful to growth? firm level evidence[J].Journal of Development Economics,2007,83(1):63-75.
[38] BARON R M,D A KENNY.The moderator-mediator variable distinction in social psychological research:conceptual,strategic,and statistical considerations[J].Journal of Personality and Social Psychology,1986,51:1173-1182.
[39] 温忠麟,张雷,侯杰泰,等.中介效应检验程序及其应用[J].心理学报,2004,36(5):111-117.

http://mp.weixin.qq.com/s?__biz=Mzg4NTc2NjM0Mw==&mid=2247495000&idx=3&sn=04144396f92536bd44b586cae923c248

科技进步与对策

邵兵 等丨数字化知识管理与制造业企业技术创新：基于动态能力视角

1.1 知识管理与数字化知识管理

1.2 数字化知识管理与技术创新

1.3 数字化知识管理、动态能力与技术创新

2.1 样本选择与数据来源

2.2 自变量测算

2.3 因变量测算

2.4 中介变量测算

2.5 其它变量

2.6 描述性统计及相关性分析

3.1 基本回归分析

3.2 内生性处理

3.3 其它稳健性检验

邵兵等丨数字化知识管理与制造业企业技术创新：基于动态能力视角