張樂(lè) 陳菊紅 董海林 王昊

基金項(xiàng)目：國(guó)家社會(huì)科學(xué)基金項(xiàng)目（22BTJ050）；教育部人文社會(huì)科學(xué)研究青年基金項(xiàng)目（16YJC630170）

作者簡(jiǎn)介：張樂(lè)（1987—），女，陜西西安人，西安理工大學(xué)經(jīng)濟(jì)與管理學(xué)院博士研究生，渭南師范學(xué)院經(jīng)濟(jì)與管理學(xué)院講師，研究方向?yàn)橹圃炱髽I(yè)數(shù)字化轉(zhuǎn)型；陳菊紅（1964—），女，陜西富平人，博士，西安理工大學(xué)經(jīng)濟(jì)與管理學(xué)院教授、博士生導(dǎo)師，研究方向?yàn)橹圃炱髽I(yè)服務(wù)化、數(shù)字化；董海林（1985—），女，甘肅民勤人，西安理工大學(xué)經(jīng)濟(jì)與管理學(xué)院博士研究生，研究方向?yàn)閿?shù)字服務(wù)創(chuàng)新；王昊（1991-），男，江蘇連云港人，博士，西安理工大學(xué)經(jīng)濟(jì)與管理學(xué)院講師，研究方向?yàn)榉?wù)生態(tài)系統(tǒng)。

摘 要：隨著數(shù)智技術(shù)的飛速發(fā)展，數(shù)智化轉(zhuǎn)型已成為數(shù)字經(jīng)濟(jì)時(shí)代制造企業(yè)發(fā)展的必然選擇。數(shù)智化推動(dòng)制造企業(yè)重構(gòu)競(jìng)爭(zhēng)優(yōu)勢(shì)，數(shù)智化能力成為制造企業(yè)創(chuàng)新發(fā)展的關(guān)鍵驅(qū)動(dòng)力。然而，部分制造企業(yè)在轉(zhuǎn)型過(guò)程中陷入“不轉(zhuǎn)型等死、轉(zhuǎn)型找死”的兩難困境，數(shù)智化能力建設(shè)缺乏方向指引，亟待對(duì)數(shù)智化能力的內(nèi)涵和構(gòu)面進(jìn)行深入研究。在文獻(xiàn)分析和扎根理論的基礎(chǔ)上，基于動(dòng)態(tài)資源基礎(chǔ)觀，歸納并提取企業(yè)數(shù)智化能力構(gòu)成維度，包括生產(chǎn)智造能力、數(shù)智化運(yùn)營(yíng)能力和數(shù)智連接能力，開(kāi)發(fā)各維度測(cè)量量表，利用SPSS和Amos軟件對(duì)290份有效問(wèn)卷進(jìn)行實(shí)證檢驗(yàn)，結(jié)果表明開(kāi)發(fā)的數(shù)智化能力測(cè)量量表信效度較高。研究結(jié)論有助于加深對(duì)數(shù)智化能力這一概念構(gòu)成的理解，為數(shù)智化能力水平測(cè)度提供有效的量化分析工具。

關(guān)鍵詞：數(shù)智化能力；結(jié)構(gòu)維度；測(cè)量量表；扎根理論

DOI：10.6049/kjjbydc.2023010267

中圖分類號(hào)：F272.7-39

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1001-7348（2024）11-0079-10

0 引言

大數(shù)據(jù)、人工智能、云計(jì)算、物聯(lián)網(wǎng)等數(shù)智技術(shù)正改變制造企業(yè)商業(yè)模式和生產(chǎn)經(jīng)營(yíng)方式^[1]?！吨袊?guó)制造2025》明確提出要加快推動(dòng)新一代信息技術(shù)與制造技術(shù)融合發(fā)展，把智能制造作為兩化深度融合的主攻方向，全面提升企業(yè)研發(fā)、生產(chǎn)、管理和服務(wù)的智能化水平。2021年12月，中央網(wǎng)絡(luò)安全和信息化委員會(huì)印發(fā)《“十四五”國(guó)家信息化規(guī)劃》，要求加快制造業(yè)數(shù)字化轉(zhuǎn)型，深入實(shí)施智能制造工程。然而，很多企業(yè)受到自身業(yè)務(wù)、規(guī)模和生存環(huán)境的限制，在轉(zhuǎn)型過(guò)程中陷入“不轉(zhuǎn)型等死、轉(zhuǎn)型找死”的兩難困境?！?021埃森哲中國(guó)企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)》指出，數(shù)字化轉(zhuǎn)型的第二大難點(diǎn)在于數(shù)字化能力的建設(shè)。制造企業(yè)運(yùn)用數(shù)智技術(shù)實(shí)現(xiàn)轉(zhuǎn)型已成為其核心競(jìng)爭(zhēng)力（Verhoef等，2021）。

近年來(lái)，相關(guān)學(xué)者開(kāi)始關(guān)注制造企業(yè)數(shù)智化能力。資源基礎(chǔ)觀認(rèn)為，資源需要具有高價(jià)值、稀有性、不可模仿性、不可替代性和不可轉(zhuǎn)讓性特征才能產(chǎn)生可持續(xù)競(jìng)爭(zhēng)優(yōu)勢(shì)（Barney，1991）。數(shù)智技術(shù)作為一種資源本身并不具有可持續(xù)競(jìng)爭(zhēng)優(yōu)勢(shì)（Khin & Ho，2019），在數(shù)智化轉(zhuǎn)型背景下，企業(yè)獲取可持續(xù)競(jìng)爭(zhēng)優(yōu)勢(shì)的關(guān)鍵在于對(duì)數(shù)智技術(shù)和其它資源進(jìn)行整合，利用數(shù)智技術(shù)將數(shù)智生產(chǎn)要素融入企業(yè)業(yè)務(wù)，將數(shù)智生產(chǎn)要素轉(zhuǎn)化為數(shù)智化能力（René等，2020）。Helfat等^[3]從動(dòng)態(tài)視角延伸資源基礎(chǔ)觀的內(nèi)涵，將識(shí)別、整合企業(yè)資源響應(yīng)環(huán)境變化的能力納入動(dòng)態(tài)資源基礎(chǔ)理論。“數(shù)智化”不同于“數(shù)字化”，陳劍等^[1]認(rèn)為“數(shù)智化”是數(shù)字化和智能化的深度結(jié)合；沈馨怡和吳松強(qiáng)（2023）指出，數(shù)智化是對(duì)數(shù)據(jù)全生命周期和全場(chǎng)景的集成化管理，數(shù)智化相比于數(shù)字化更加重視生態(tài)規(guī)模與合作深度。1983年，Gardner首次提出“數(shù)智”能力的概念，對(duì)于深入理解數(shù)智化能力具有重要意義。

本文基于動(dòng)態(tài)資源基礎(chǔ)觀對(duì)制造企業(yè)數(shù)智化能力進(jìn)行研究，試圖回答“什么是數(shù)智化能力，數(shù)智化能力包括哪幾個(gè)維度以及如何對(duì)數(shù)智化能力進(jìn)行科學(xué)測(cè)度”這3個(gè)問(wèn)題，旨在明晰制造企業(yè)數(shù)智化能力的內(nèi)涵，開(kāi)發(fā)制造企業(yè)數(shù)智化能力結(jié)構(gòu)維度，探尋支持?jǐn)?shù)智化能力研究的理論基礎(chǔ)，以期促進(jìn)數(shù)智化能力理論體系發(fā)展。

1 文獻(xiàn)回顧與理論基礎(chǔ)

1.1 數(shù)智化能力概念

對(duì)于數(shù)智化能力的概念和內(nèi)涵，學(xué)者尚未形成統(tǒng)一共識(shí)，現(xiàn)有對(duì)制造企業(yè)數(shù)智化能力的研究主要圍繞以下幾個(gè)方面展開(kāi)：第一，數(shù)智化能力對(duì)企業(yè)績(jī)效的影響。Ritter等（2022）指出數(shù)智能力通過(guò)識(shí)別并捕獲市場(chǎng)中價(jià)值創(chuàng)造機(jī)會(huì)提升企業(yè)績(jī)效，但也有研究證實(shí)數(shù)智化能力對(duì)企業(yè)績(jī)效的影響作用甚微甚至沒(méi)有影響（Usai等，2021）。第二，數(shù)智化能力與制造企業(yè)服務(wù)化之間的關(guān)系。Parida等^[4]指出數(shù)智化能力是解決日益復(fù)雜問(wèn)題和維護(hù)多樣化客戶互動(dòng)關(guān)系的可行路徑；Calle等^[5]發(fā)現(xiàn)先進(jìn)制造技術(shù)除非與互聯(lián)網(wǎng)數(shù)字能力相結(jié)合，否則對(duì)服務(wù)化無(wú)顯著影響。第三，數(shù)智化能力的概念和內(nèi)涵。部分學(xué)者認(rèn)為數(shù)字化能力就是數(shù)智化能力，即數(shù)智技術(shù)業(yè)務(wù)應(yīng)用能力；另有部分學(xué)者認(rèn)為數(shù)智化能力是數(shù)字化能力與智能化能力的融合^[7-8]，既包括數(shù)智轉(zhuǎn)化過(guò)程中的技術(shù)能力，又包括管理變革能力^[9]?？梢?jiàn)，明晰數(shù)智化能力的概念是開(kāi)展實(shí)證研究的基礎(chǔ)。

已有研究圍繞IT能力、數(shù)字化能力、智能化能力等相似概念對(duì)數(shù)智化能力進(jìn)行界定。IT 能力的概念于1996年由Ross提出，隨后關(guān)于其內(nèi)涵的研究逐漸豐富。學(xué)者普遍認(rèn)為IT能力是指利用IT技術(shù)對(duì)企業(yè)現(xiàn)有業(yè)務(wù)流程進(jìn)行優(yōu)化，進(jìn)而提高工作效率的能力。Ross等^[10]認(rèn)為 IT 能力是企業(yè)運(yùn)用IT技術(shù)影響組織決策的能力；吳曉波等^[11]指出IT能力不單是一種技術(shù)能力，更是一種資源配置能力，是企業(yè)調(diào)動(dòng)、配置和應(yīng)用IT資源促進(jìn)組織自身業(yè)務(wù)重組進(jìn)而獲取長(zhǎng)期競(jìng)爭(zhēng)優(yōu)勢(shì)的能力。

隨著數(shù)據(jù)資源井噴式增長(zhǎng)以及大數(shù)據(jù)技術(shù)在互聯(lián)網(wǎng)的應(yīng)用，學(xué)者開(kāi)始關(guān)注數(shù)據(jù)資源在制造企業(yè)的應(yīng)用。張振剛等^[12]指出大數(shù)據(jù)能力是利用大數(shù)據(jù)技術(shù)處理動(dòng)態(tài)信息的能力；Lin & Kunnathur^[13]指出大數(shù)據(jù)能力是企業(yè)識(shí)別、收集、存儲(chǔ)和分析大量類型各異、高速流動(dòng)的數(shù)據(jù)，用以支持企業(yè)實(shí)現(xiàn)戰(zhàn)略目標(biāo)的能力；Chen等^[14]將大數(shù)據(jù)能力定義為“對(duì)海量離散數(shù)據(jù)進(jìn)行實(shí)時(shí)分析以及對(duì)復(fù)雜數(shù)據(jù)進(jìn)行挖掘的能力”；馬鴻佳等^[15]認(rèn)為大數(shù)據(jù)能力是一種高階動(dòng)態(tài)能力，即利用數(shù)據(jù)分析感知、整合、建立和再配置內(nèi)外部大數(shù)據(jù)資源以適應(yīng)快速變化的環(huán)境的能力。

盡管大數(shù)據(jù)能力解決了IT能力無(wú)法對(duì)數(shù)據(jù)資源進(jìn)行識(shí)別和篩選這一難題，但數(shù)據(jù)庫(kù)之間各自為政難以滿足客戶多樣化需求，而數(shù)字化技術(shù)則可實(shí)現(xiàn)這一目標(biāo)。Lyytinen等^[16]、吉峰等^[17]指出數(shù)字化能力是企業(yè)利用數(shù)字技術(shù)使數(shù)據(jù)和信息以適當(dāng)方式呈現(xiàn)，能夠減少信息不確定性，實(shí)現(xiàn)營(yíng)銷、研發(fā)和生產(chǎn)的全面整合，最終創(chuàng)造更大商業(yè)價(jià)值的能力；Sjodin等^[18]將數(shù)字化能力定義為“使用數(shù)字技術(shù)創(chuàng)造差異化附加值的高級(jí)能力”。如今，大數(shù)據(jù)與人工智能深度融合，形成新一代“數(shù)智”技術(shù)，企業(yè)核心能力逐漸轉(zhuǎn)變?yōu)閿?shù)智化能力^[19]。從“數(shù)字化”到“數(shù)智化”，企業(yè)數(shù)據(jù)資源不斷擴(kuò)充，新型數(shù)智工具持續(xù)涌現(xiàn)，對(duì)企業(yè)能力提出更高要求^[20]。隨著資源基礎(chǔ)觀的發(fā)展，越來(lái)越多的學(xué)者意識(shí)到“數(shù)智化”意味著對(duì)更多資源進(jìn)行整合，數(shù)智化能力代表著一種更高階的能力。鄭勇華等^[21]認(rèn)為，數(shù)智化能力是制造企業(yè)將新一代信息技術(shù)與已有資源相結(jié)合的能力；Kaplan等^[22]指出數(shù)智化能力是系統(tǒng)解釋內(nèi)外部數(shù)據(jù)，從數(shù)據(jù)中學(xué)習(xí)、調(diào)整和利用學(xué)習(xí)成果連接智能目標(biāo)的能力。

綜上所述，隨著信息技術(shù)的發(fā)展，資源范疇越來(lái)越廣，結(jié)合以上概念，本文將制造企業(yè)數(shù)智化能力定義為“制造企業(yè)將大數(shù)據(jù)、云計(jì)算、人工智能等數(shù)智化技術(shù)融入企業(yè)研發(fā)、生產(chǎn)、銷售等生產(chǎn)經(jīng)營(yíng)活動(dòng)，通過(guò)對(duì)數(shù)智技術(shù)、數(shù)據(jù)信息等內(nèi)外部資源之間的連接和配置，實(shí)現(xiàn)生產(chǎn)、運(yùn)營(yíng)數(shù)智化的創(chuàng)新能力”。這一能力既不同于強(qiáng)調(diào)技術(shù)運(yùn)用的IT能力，也不同于強(qiáng)調(diào)數(shù)據(jù)資源識(shí)別的大數(shù)據(jù)能力，更不同于強(qiáng)調(diào)數(shù)字技術(shù)融合以消除數(shù)據(jù)孤島的數(shù)字化能力，數(shù)智化能力能夠促進(jìn)制造企業(yè)實(shí)現(xiàn)提質(zhì)降本增效、智能連接的目標(biāo)。

1.2 數(shù)智化能力結(jié)構(gòu)維度

當(dāng)前，關(guān)于數(shù)智化能力維度的研究主要集中在以下幾個(gè)方面：首先，數(shù)智技術(shù)特征。Lenka等^[23]將數(shù)字化能力劃分為3個(gè)維度：智能能力、連接能力和分析能力，分別指配置硬件組件以感知和捕獲信息的能力、通過(guò)無(wú)線通信網(wǎng)絡(luò)連接數(shù)字化產(chǎn)品的能力以及使用可用數(shù)據(jù)為公司作出有效決策的能力；Ajaegbu（2020）認(rèn)為數(shù)字化能力包括數(shù)據(jù)捕獲能力、數(shù)據(jù)連接能力和數(shù)據(jù)分析能力；易加斌等^[24]總結(jié)出大數(shù)據(jù)能力包含數(shù)據(jù)感知能力、數(shù)據(jù)整合能力及深度分析與洞察能力；馬鴻佳等^[15]將大數(shù)據(jù)能力劃分為大數(shù)據(jù)預(yù)測(cè)和分析能力以及大數(shù)據(jù)管理和應(yīng)用能力兩個(gè)維度；Sjodin等^[18]研究了3組重要的人工智能能力：數(shù)據(jù)管道、算法開(kāi)發(fā)和人工智能民主化。其次，數(shù)智技術(shù)應(yīng)用場(chǎng)景。Lee（2015）等將IT能力劃分為IT探索和利用能力；Calle等^[5]將數(shù)字能力劃分為3個(gè)維度：使用先進(jìn)制造技術(shù)的數(shù)字技術(shù)能力、供應(yīng)鏈層面業(yè)務(wù)關(guān)系數(shù)字能力、軟件應(yīng)用程序開(kāi)發(fā)和部署數(shù)字能力；Anwar等^[25]將大數(shù)據(jù)能力劃分為大數(shù)據(jù)技術(shù)能力和大數(shù)據(jù)人員能力；鄭勇華等^[21]認(rèn)為智能化能力包括裝備智能化能力、人員智能化能力和管理智能化能力3個(gè)維度。

數(shù)智化能力是數(shù)智技術(shù)驅(qū)動(dòng)企業(yè)管理變革與重塑的能力，其應(yīng)用場(chǎng)景已經(jīng)突破業(yè)務(wù)層面，實(shí)現(xiàn)商業(yè)模式創(chuàng)新（Ancillai等，2023），同時(shí)涵蓋“數(shù)字化”和“智能化”兩個(gè)要素。根據(jù)資源基礎(chǔ)觀，制造企業(yè)與利益相關(guān)者長(zhǎng)期處于一個(gè)相互影響的動(dòng)態(tài)系統(tǒng)中，企業(yè)發(fā)展需要各方資源的相互作用^[5]，企業(yè)邊界變得日益模糊。因此，基于內(nèi)外部資源調(diào)配對(duì)數(shù)智化能力結(jié)構(gòu)維度進(jìn)行探究，有助于企業(yè)真正理解數(shù)智化能力的內(nèi)涵。

1.3 理論基礎(chǔ)

傳統(tǒng)資源基礎(chǔ)觀指出企業(yè)資源異質(zhì)性是形成企業(yè)績(jī)效差異的主要原因，資源具有價(jià)值屬性^[26]。然而，某種資源很難單獨(dú)構(gòu)成企業(yè)持續(xù)競(jìng)爭(zhēng)優(yōu)勢(shì)，其需要與其它資源相結(jié)合（Barney，1991）。Ulaga & Reinartz（2011）研究發(fā)現(xiàn)，制造企業(yè)通過(guò)整合生產(chǎn)資源，可將自身獨(dú)特資源轉(zhuǎn)化為企業(yè)所需能力。不同于傳統(tǒng)靜態(tài)資源基礎(chǔ)觀，動(dòng)態(tài)資源基礎(chǔ)理論認(rèn)為在不斷變化的外部環(huán)境中，企業(yè)整合資源獲取持續(xù)競(jìng)爭(zhēng)優(yōu)勢(shì)的能力尤其值得關(guān)注。數(shù)智化技術(shù)作為一種資源需要嵌入到企業(yè)日常經(jīng)營(yíng)活動(dòng)中，將新信息技術(shù)與已有資源相結(jié)合（鄭勇華，2022）。因此，有必要基于動(dòng)態(tài)資源基礎(chǔ)觀研究數(shù)智化能力。

2 研究設(shè)計(jì)

2.1 研究方法

已有研究對(duì)數(shù)智化能力結(jié)構(gòu)維度的刻畫(huà)較少，加之企業(yè)數(shù)智化能力內(nèi)容多樣和復(fù)雜，因此本文采用扎根理論對(duì)制造企業(yè)數(shù)智化能力結(jié)構(gòu)維度進(jìn)行探究。扎根理論通過(guò)對(duì)本文資料進(jìn)行歸納、總結(jié)，可以形成新的理論（賈旭東和衡量，2016）。本文從定性視角出發(fā)，通過(guò)半結(jié)構(gòu)化訪談、實(shí)地調(diào)研獲取一手?jǐn)?shù)據(jù)并通過(guò)官網(wǎng)、公眾號(hào)等途徑收集文本資料，按照扎根理論研究方法，遵循開(kāi)放式編碼—主軸編碼—選擇性編碼3個(gè)步驟，挖掘并歸納數(shù)智化能力結(jié)構(gòu)維度。在此基礎(chǔ)上，將扎根理論研究成果與文獻(xiàn)相結(jié)合，形成制造企業(yè)數(shù)智化能力初始量表，并對(duì)量表進(jìn)行實(shí)證檢驗(yàn)。

2.2 研究對(duì)象

本文遵循質(zhì)性研究抽樣原則，利用研究團(tuán)隊(duì)資源對(duì)樣本進(jìn)行搜尋，選取華為技術(shù)有限公司（華為）、施耐德電氣（中國(guó)）有限公司（施耐德）、西安陜鼓動(dòng)力股份有限公司（陜鼓動(dòng)力）、陜西汽車(chē)控股集團(tuán)有限公司（陜汽）、中國(guó)西電集團(tuán)有限公司（西電）5家數(shù)智化轉(zhuǎn)型典型制造企業(yè)，對(duì)31名中高層管理者和23名員工進(jìn)行半結(jié)構(gòu)化訪談。在正式訪談之前，選取施耐德、華為3名管理人員和4名普通用戶組成焦點(diǎn)小組進(jìn)行討論，根據(jù)反饋意見(jiàn)對(duì)訪談提綱進(jìn)行修改。在訪談對(duì)象中，男性41名、女性13名，年齡主要分布在25～45歲之間，每次訪談時(shí)間約為60分鐘。

3 制造企業(yè)數(shù)智化能力結(jié)構(gòu)維度探索性研究

3.1 數(shù)據(jù)收集

為保證數(shù)據(jù)質(zhì)量，借鑒Miles等（1984）提出的三角測(cè)量法，通過(guò)多種渠道收集數(shù)據(jù)，以保證研究結(jié)論的科學(xué)性和合理性。訪談、二手資料和直接觀察是定性研究的主要數(shù)據(jù)來(lái)源，訪談過(guò)程主要圍繞事先準(zhǔn)備的問(wèn)題進(jìn)行討論，如“企業(yè)數(shù)智化能力是什么”“制造企業(yè)數(shù)智化能力包括哪些方面”“企業(yè)通過(guò)哪些方面提升數(shù)智化能力？為確保資料的準(zhǔn)確性，與受訪者再次核實(shí)訪談內(nèi)容，結(jié)合訪談企業(yè)公開(kāi)資料，對(duì)訪談資料進(jìn)行三角驗(yàn)證，剔除個(gè)別不真實(shí)的內(nèi)容。數(shù)據(jù)收集時(shí)間為2021年6月至2022年6月，訪談時(shí)間共計(jì)27小時(shí)，訪談文字共計(jì)6.2萬(wàn)字，二手資料共計(jì)4.1萬(wàn)字。本文采用3/4資料進(jìn)行編碼分析，剩余資料用于飽和度檢驗(yàn)。

3.2 開(kāi)放式編碼

開(kāi)放式編碼是扎根理論分析的第一步，通過(guò)對(duì)多種渠道收集的文本資料進(jìn)行標(biāo)簽化處理，對(duì)語(yǔ)義接近、重復(fù)出現(xiàn)的條目進(jìn)行刪減，最終抽取出141個(gè)初始概念。接著，對(duì)141個(gè)初始概念進(jìn)行歸納總結(jié)，最終得到生產(chǎn)設(shè)備（生產(chǎn)線）智能化、數(shù)字平臺(tái)搭建、設(shè)備接入、傳感器數(shù)據(jù)采集、數(shù)據(jù)加工分析、智能產(chǎn)品設(shè)計(jì)、虛擬設(shè)計(jì)、新產(chǎn)品創(chuàng)新能力、產(chǎn)品智能升級(jí)、生產(chǎn)數(shù)據(jù)分析能力、質(zhì)量控制、生產(chǎn)過(guò)程自我優(yōu)化、數(shù)據(jù)標(biāo)準(zhǔn)化處理能力、信息可視化、風(fēng)險(xiǎn)管控能力、生產(chǎn)技術(shù)創(chuàng)新能力、決策支持能力、平臺(tái)協(xié)作能力、實(shí)時(shí)應(yīng)變能力、成本優(yōu)化能力、人員調(diào)配能力、遠(yuǎn)程數(shù)據(jù)采集、產(chǎn)品質(zhì)量追溯服務(wù)、人員數(shù)智技能、預(yù)測(cè)性遠(yuǎn)程診斷與維護(hù)、供應(yīng)商集成、智能客戶管理、需求感知、個(gè)性化營(yíng)銷、物流信息實(shí)時(shí)共享、生產(chǎn)規(guī)模智能調(diào)節(jié)、生產(chǎn)環(huán)節(jié)互聯(lián)互通、數(shù)智生態(tài)系統(tǒng)環(huán)境、數(shù)智生態(tài)技術(shù)支撐等34個(gè)范疇，開(kāi)放式編碼過(guò)程如表1所示。

3.3 主軸編碼

對(duì)開(kāi)放式編碼獲取的34個(gè)范疇進(jìn)行關(guān)聯(lián)，歸納總結(jié)出8個(gè)一階范疇，分別為基礎(chǔ)裝備數(shù)智化、產(chǎn)品設(shè)計(jì)數(shù)智化、制造過(guò)程數(shù)智化、業(yè)務(wù)管理數(shù)智化、遠(yuǎn)程運(yùn)維數(shù)智化、橫向供應(yīng)鏈數(shù)智化、縱向制造鏈數(shù)智化和產(chǎn)業(yè)生態(tài)鏈數(shù)智化，以及3個(gè)二階范疇，分別為生產(chǎn)智造能力、數(shù)智化運(yùn)營(yíng)能力和數(shù)智連接能力，如表2所示。

3.4 選擇性編碼

選擇性編碼將不同范疇聯(lián)系在一起，以故事線的方式描述行為現(xiàn)象，識(shí)別核心范疇并構(gòu)建理論框架（王冰等，2018）。在制造企業(yè)數(shù)智化能力結(jié)構(gòu)維度中，基礎(chǔ)裝備數(shù)智化、產(chǎn)品設(shè)計(jì)數(shù)智化和制造過(guò)程數(shù)智化3個(gè)一階范疇共同構(gòu)成二階范疇生產(chǎn)智造能力；業(yè)務(wù)管理數(shù)智化、遠(yuǎn)程運(yùn)維數(shù)智化兩個(gè)一階范疇共同構(gòu)成二階范疇數(shù)智化運(yùn)營(yíng)能力；橫向供應(yīng)鏈數(shù)智化、縱向制造鏈數(shù)智化和產(chǎn)業(yè)生態(tài)鏈數(shù)智化3個(gè)一階范疇共同構(gòu)成二階范疇智能連接能力。通過(guò)對(duì)一階范疇和二階范疇進(jìn)行分析，確定數(shù)智化能力這一核心范疇，梳理各范疇間的關(guān)系結(jié)構(gòu)，具體編碼結(jié)果如表3所示。

圍繞數(shù)智化能力這一核心范疇，將故事線概括為：在制造企業(yè)數(shù)智化轉(zhuǎn)型過(guò)程中，生產(chǎn)智造能力、數(shù)智化運(yùn)營(yíng)能力、數(shù)智連接能力共同構(gòu)成更高階的數(shù)智化能力。生產(chǎn)是制造企業(yè)為客戶提供產(chǎn)品最重要的一個(gè)環(huán)節(jié)，生產(chǎn)智造能力是企業(yè)通過(guò)搭建數(shù)智化基礎(chǔ)平臺(tái)，利用先進(jìn)的數(shù)智工具進(jìn)行產(chǎn)品設(shè)計(jì)和創(chuàng)新，并在生產(chǎn)制造過(guò)程中實(shí)現(xiàn)數(shù)智化的能力，因此生產(chǎn)智造能力是數(shù)智化轉(zhuǎn)型的基礎(chǔ)能力；數(shù)智化運(yùn)營(yíng)能力既包括制造企業(yè)在內(nèi)部日常業(yè)務(wù)活動(dòng)中實(shí)現(xiàn)數(shù)智化管理的能力，也包括在產(chǎn)品后期運(yùn)維服務(wù)中采用數(shù)智化的能力，是制造企業(yè)數(shù)智化轉(zhuǎn)型的延伸能力；數(shù)智連接能力則是制造企業(yè)解決內(nèi)部橫向供應(yīng)鏈、縱向供應(yīng)鏈雙向連接，提升制造鏈質(zhì)量、優(yōu)化供應(yīng)鏈效率，跨越企業(yè)邊界，實(shí)現(xiàn)產(chǎn)業(yè)鏈密切協(xié)作的能力，是制造企業(yè)數(shù)智化轉(zhuǎn)型的期望能力。據(jù)此，本文構(gòu)建制造企業(yè)數(shù)智化能力結(jié)構(gòu)維度模型，如圖1所示。

3.5 理論飽和度檢驗(yàn)

本文對(duì)預(yù)留的1/4材料進(jìn)行理論飽和度檢驗(yàn)，編碼結(jié)果包含生產(chǎn)智造能力、數(shù)智化運(yùn)營(yíng)能力和智能連接能力，沒(méi)有發(fā)現(xiàn)新范疇和新概念，說(shuō)明本文構(gòu)建的制造企業(yè)數(shù)智化能力維度理論已飽和。

3.6 效度保障策略

本文采用以下方法確保編碼信效度：①三角驗(yàn)證：采用企業(yè)內(nèi)部訪談資料、公開(kāi)資料等多種數(shù)據(jù)來(lái)源進(jìn)行三角驗(yàn)證以保證資料的合理性和真實(shí)性；②成員驗(yàn)證：在編碼結(jié)束后，采用成員驗(yàn)證方法，把故事線和模型圖反饋給54名受訪人，用以判斷研究結(jié)果的有效性，最終收到41份反饋結(jié)果，其中36份均給出肯定答復(fù)。

4 維度討論

4.1 生產(chǎn)智造能力

產(chǎn)品生產(chǎn)是制造企業(yè)最重要的環(huán)節(jié)（尹夏楠等，2022），制造企業(yè)生產(chǎn)智造能力是其數(shù)智化的基礎(chǔ)，包括基礎(chǔ)裝備數(shù)智化、產(chǎn)品設(shè)計(jì)數(shù)智化和制造過(guò)程數(shù)智化。當(dāng)前，對(duì)于制造企業(yè)而言，數(shù)智化基礎(chǔ)設(shè)施是最大的產(chǎn)能所在，如工業(yè)機(jī)器人的廣泛應(yīng)用替代了大量重復(fù)性的人工勞動(dòng)，工業(yè)機(jī)器人逐漸具備自我感知、判斷和決策能力，“黑燈工廠”“燈塔工廠”成為智能生產(chǎn)的代名詞（陳曉東和楊曉霞，2021）。另外，產(chǎn)品生產(chǎn)質(zhì)量、生產(chǎn)效率和生產(chǎn)周期甚至生產(chǎn)成本都取決于企業(yè)數(shù)智化生產(chǎn)能力，企業(yè)智能化集成系統(tǒng)可以綜合考慮生產(chǎn)條件，制定適應(yīng)下屬工廠生產(chǎn)能力的生產(chǎn)計(jì)劃^[18]，實(shí)現(xiàn)生產(chǎn)制造環(huán)節(jié)的透明化、標(biāo)準(zhǔn)化和可視化，在提高生產(chǎn)效率的同時(shí)，保障產(chǎn)品制造的高質(zhì)量與可追溯性（張玉利等，2022）。然而，除基礎(chǔ)設(shè)施和生產(chǎn)數(shù)智化外，智能產(chǎn)品設(shè)計(jì)也不容忽視。制造企業(yè)利用數(shù)智化技術(shù)對(duì)產(chǎn)品工藝和生產(chǎn)資源進(jìn)行建模仿真，使產(chǎn)品工藝設(shè)計(jì)效果獲得早期驗(yàn)證和優(yōu)化。因此，制造企業(yè)的生產(chǎn)智造能力側(cè)重于基礎(chǔ)設(shè)施準(zhǔn)備和產(chǎn)品設(shè)計(jì)，是企業(yè)數(shù)智化能力的基礎(chǔ)。

4.2 數(shù)智化運(yùn)營(yíng)能力

數(shù)智化運(yùn)營(yíng)能力是指制造企業(yè)快速適應(yīng)并利用數(shù)字運(yùn)營(yíng)技術(shù)，推動(dòng)制造企業(yè)傳統(tǒng)運(yùn)營(yíng)模式向數(shù)智化運(yùn)營(yíng)模式轉(zhuǎn)變的能力（馬永霞和王琳，2022）。目前，制造企業(yè)對(duì)數(shù)智技術(shù)的使用已改變企業(yè)日常工作方式，利用數(shù)智化工具打通生產(chǎn)、供應(yīng)鏈、研發(fā)、市場(chǎng)、服務(wù)等企業(yè)價(jià)值鏈，實(shí)現(xiàn)風(fēng)險(xiǎn)管控、決策支持、平臺(tái)協(xié)作和成本優(yōu)化，既有助于提高工作效率，更好地支撐業(yè)務(wù)發(fā)展，又能通過(guò)整合數(shù)據(jù)資源實(shí)現(xiàn)商業(yè)模式創(chuàng)新。除提升內(nèi)部運(yùn)營(yíng)管理數(shù)智化能力外，生產(chǎn)端智能運(yùn)維服務(wù)也至關(guān)重要。智能運(yùn)維服務(wù)是制造企業(yè)數(shù)智技術(shù)應(yīng)用最廣泛的場(chǎng)景，智能運(yùn)維以設(shè)備數(shù)據(jù)為基礎(chǔ)，通過(guò)對(duì)設(shè)備運(yùn)行狀況進(jìn)行遠(yuǎn)程實(shí)時(shí)監(jiān)測(cè)與可視化呈現(xiàn)、設(shè)備故障診斷與預(yù)判以及設(shè)備操作與運(yùn)行優(yōu)化，解決傳統(tǒng)運(yùn)維服務(wù)所面臨的各種困境，實(shí)現(xiàn)運(yùn)維服務(wù)從傳統(tǒng)反應(yīng)性服務(wù)向數(shù)據(jù)驅(qū)動(dòng)主動(dòng)性服務(wù)轉(zhuǎn)變，在提高工業(yè)系統(tǒng)生產(chǎn)率和可靠性、優(yōu)化運(yùn)維策略、減少運(yùn)營(yíng)成本、降低能源消耗以及構(gòu)建企業(yè)競(jìng)爭(zhēng)力等方面發(fā)揮重要作用（Porter & Heppelmann，2014）。這一階層數(shù)智化能力是企業(yè)在設(shè)備數(shù)據(jù)基礎(chǔ)上形成的數(shù)智化延伸能力。

4.3 數(shù)智連接能力

數(shù)智化時(shí)代，企業(yè)資源和能力不再受限于企業(yè)本身，而是有了更多外部可能性。陳春花（2021）指出數(shù)智化能力是一種“連接、共生”能力，通過(guò)連接實(shí)現(xiàn)各種技術(shù)創(chuàng)新，重構(gòu)現(xiàn)實(shí)世界成為數(shù)字世界。企業(yè)核心競(jìng)爭(zhēng)力不再局限于自身資源和能力，而是通過(guò)尋求外部資源和能力實(shí)現(xiàn)聚合連接。對(duì)于制造企業(yè)而言，數(shù)智化連接能力體現(xiàn)為：一是實(shí)現(xiàn)內(nèi)部橫向供應(yīng)鏈與縱向制造鏈雙向連接和協(xié)同，提升制造鏈質(zhì)量，優(yōu)化供應(yīng)鏈效率（趙西三，2017）；二是跨越企業(yè)邊界，促進(jìn)整個(gè)產(chǎn)業(yè)鏈上下游連接和協(xié)同，最終通過(guò)大數(shù)據(jù)、物聯(lián)網(wǎng)、云計(jì)算等數(shù)智技術(shù)與制造技術(shù)相融合，實(shí)現(xiàn)軟硬件制造資源和能力互聯(lián)、感知、控制、決策、執(zhí)行，促進(jìn)人、機(jī)、物及信息集成與共享、協(xié)同與優(yōu)化，形成產(chǎn)業(yè)鏈上下游更加密切的數(shù)智化協(xié)作關(guān)系，這是一種高階數(shù)智化能力，不僅是數(shù)智技術(shù)的應(yīng)用，更是一種數(shù)智思維能力。

5 制造企業(yè)數(shù)智化能力量表開(kāi)發(fā)

5.1 量表開(kāi)發(fā)

本文基于扎根理論開(kāi)發(fā)的3個(gè)維度，借鑒已有文獻(xiàn)，編制出19條測(cè)量題項(xiàng)。隨后，對(duì)樣本企業(yè)中5名數(shù)字化部長(zhǎng)和3名戰(zhàn)略規(guī)劃部成員進(jìn)行半結(jié)構(gòu)化訪談，根據(jù)訪談結(jié)果對(duì)題項(xiàng)進(jìn)行調(diào)整，增加“我們能夠隨時(shí)優(yōu)化產(chǎn)品/服務(wù)，使其更符合銷售前景”這一題項(xiàng)。同時(shí)，為確保量表能夠更加直觀地表達(dá)語(yǔ)義，本文還邀請(qǐng)3名專家對(duì)題項(xiàng)進(jìn)行評(píng)審，根據(jù)專家意見(jiàn)對(duì)存在爭(zhēng)議的題項(xiàng)進(jìn)行修訂，剔除“我們利用邏輯數(shù)據(jù)預(yù)測(cè)客戶需求”“采用數(shù)智化工具與公司利益相關(guān)者進(jìn)行外部溝通”兩個(gè)題項(xiàng)，最終形成3個(gè)維度18個(gè)題項(xiàng)的初始量表。采用李克特5級(jí)量表編寫(xiě)問(wèn)卷，在企業(yè)管理層面進(jìn)行預(yù)測(cè)試，并根據(jù)反饋意見(jiàn)對(duì)問(wèn)卷語(yǔ)義進(jìn)行修訂，具體測(cè)量題項(xiàng)如表4所示。

5.2 量表測(cè)量

5.2.1 探索性因子分析

本文采用探索性因子分析法識(shí)別制造企業(yè)數(shù)智化能力的內(nèi)在結(jié)構(gòu)，數(shù)據(jù)來(lái)源于陜西、廣東、山東、浙江4個(gè)省份制造企業(yè)，主要借助研究團(tuán)隊(duì)的社會(huì)資源對(duì)制造企業(yè)管理者進(jìn)行問(wèn)卷發(fā)放和回收，少數(shù)企業(yè)采用在線方式發(fā)送和回收問(wèn)卷。共計(jì)發(fā)放問(wèn)卷331份，回收有效問(wèn)卷290份，有效問(wèn)卷回收率為87.6%。樣本特征如下：①調(diào)研對(duì)象性別：男性占60.4%，女性占39.6%；②年齡：20～25歲占13.2%，26～30歲占28.4%，31～35歲占30.2%，36～40歲占23.3%，41歲以上占4.9%；③企業(yè)工作年限：在企業(yè)工作不足2年占13.5%，2～5年占24.8%，6～10年占46.7%，11～15年占6.8%，大于15年占8.2%；④學(xué)歷：?？萍耙韵抡?8.5%，本科占53.6%，碩士占22.7%，博士占5.2%。

本文運(yùn)用SPSS24對(duì)18項(xiàng)初始題項(xiàng)進(jìn)行探索性因子分析，結(jié)果顯示KMO值為0.878，Bartlett球形檢驗(yàn)顯著值為0.000，說(shuō)明初始量表適合進(jìn)行因子分析；接著，采用主成分分析法篩選出特征值大于1的因子，對(duì)因子結(jié)果作最大方差法正交轉(zhuǎn)軸，結(jié)合碎石圖抽取出3個(gè)因子，剔除“我們利用數(shù)智技術(shù)提升生產(chǎn)效率”等多個(gè)因子題項(xiàng)。進(jìn)一步，對(duì)兩個(gè)因子載荷大于0.45的題項(xiàng)予以刪除，最后剩余16個(gè)題項(xiàng)。因子分析結(jié)果顯示，KMO值為0.898，Bartlett球形檢驗(yàn)顯著性水平P<0.000 1，累計(jì)方差貢獻(xiàn)率達(dá)到66.61%，每個(gè)題項(xiàng)因子載荷值均介于0.65～0.9之間，滿足標(biāo)準(zhǔn)要求，如表5所示。

5.2.2 效度檢驗(yàn)

本研究采用Cronbach′s α值判斷量表效度，結(jié)果如表5所示。從中可見(jiàn)，生產(chǎn)智造能力、數(shù)智運(yùn)營(yíng)能力、數(shù)智連接能力的Cronbach′s α系數(shù)分別為0.868、0.894和0.883。同時(shí)，對(duì)整體量表進(jìn)行可靠性分析，發(fā)現(xiàn)由16條題項(xiàng)組成的整體量表的Cronbach′s α系數(shù)為0.869?？梢?jiàn)，本文量表信度達(dá)到指標(biāo)要求，說(shuō)明量表信度較高。

5.2.3 驗(yàn)證性因子分析

根據(jù)Fornell & Larker（1981）的建議，若各變量平均方差提取值A(chǔ)VE>0.5，則說(shuō)明各測(cè)量指標(biāo)聚合效度良好。根據(jù)Hair（2006）的建議，結(jié)合Amos 23對(duì)16個(gè)題項(xiàng)進(jìn)行驗(yàn)證性因子分析，結(jié)果如圖2所示。從中可見(jiàn)，各題項(xiàng)標(biāo)準(zhǔn)化路徑系數(shù)計(jì)算所得AVE均大于0.5、CR均大于0.7，符合良好聚合效度的要求。其次，驗(yàn)證性因子分析結(jié)果顯示，卡方自由度指數(shù)為1.216（小于2.5），CFI值為0.991，NFI值為0.95，均達(dá)到0.9的理想水平；RMSEA值為0.027，小于0.08的臨界值。各項(xiàng)指標(biāo)數(shù)值均達(dá)到判斷標(biāo)準(zhǔn)，說(shuō)明本文變量因子結(jié)構(gòu)清晰，具有較高的擬合優(yōu)度。

6 結(jié)論與啟示

6.1 研究結(jié)論

本研究采用扎根理論歸納制造企業(yè)數(shù)智化能力由生產(chǎn)智造能力、數(shù)智運(yùn)營(yíng)能力和數(shù)智連接能力3個(gè)維度構(gòu)成。在此基礎(chǔ)上，本研究開(kāi)發(fā)出包含16個(gè)題項(xiàng)的制造企業(yè)數(shù)智化能力初始量表，驗(yàn)證量表具有較高的信效度并通過(guò)理論飽和度檢驗(yàn)。首先，本研究結(jié)合相關(guān)概念，將制造企業(yè)數(shù)智化能力定義為“制造企業(yè)將大數(shù)據(jù)、云計(jì)算、人工智能等數(shù)智化技術(shù)融合應(yīng)用于企業(yè)研發(fā)、生產(chǎn)、銷售等生產(chǎn)經(jīng)營(yíng)活動(dòng)，通過(guò)對(duì)數(shù)智技術(shù)、數(shù)據(jù)信息等內(nèi)外部資源之間的連接和配置，實(shí)現(xiàn)生產(chǎn)、運(yùn)營(yíng)數(shù)智化的創(chuàng)新能力”，該概念基于動(dòng)態(tài)資源基礎(chǔ)觀視角詮釋了制造企業(yè)數(shù)智化能力的新內(nèi)涵。與數(shù)字化能力、IT能力、大數(shù)據(jù)能力相比，數(shù)智化能力追求更廣的資源獲取范圍和更長(zhǎng)期的目標(biāo)。其次，基于文獻(xiàn)分析和企業(yè)訪談構(gòu)建制造企業(yè)數(shù)智化能力測(cè)量量表，在初始量表開(kāi)發(fā)階段，為避免存在研究者主觀偏誤，由專家討論題項(xiàng)的內(nèi)容效度，并對(duì)題項(xiàng)進(jìn)行逐一修訂，嚴(yán)格遵循量表開(kāi)發(fā)步驟。該量表為后續(xù)研究提供了可量化、可操作的測(cè)量工具，對(duì)于制造企業(yè)更好地服務(wù)客戶并實(shí)現(xiàn)智能化轉(zhuǎn)型具有重要意義。

6.2 研究貢獻(xiàn)

（1）本文通過(guò)對(duì)制造企業(yè)數(shù)智化能力的深入解讀，在與其它概念進(jìn)行對(duì)比的基礎(chǔ)上厘清數(shù)智化能力的內(nèi)涵和外延。以往文獻(xiàn)多關(guān)注大數(shù)據(jù)資源或數(shù)智技術(shù)等靜態(tài)資源，本研究在動(dòng)態(tài)資源基礎(chǔ)觀指導(dǎo)下，將更多內(nèi)外部數(shù)智資源納入企業(yè)數(shù)智化能力概念，體現(xiàn)了數(shù)據(jù)全生命周期、全場(chǎng)景集成管理能力。

（2）本文采用扎根理論深挖數(shù)智化能力結(jié)構(gòu)維度，彌補(bǔ)了此前研究?jī)H分析數(shù)智化能力相似概念維度的不足，為深化制造企業(yè)數(shù)智化能力內(nèi)涵奠定了理論基礎(chǔ)，突出數(shù)智化能力更重視產(chǎn)業(yè)鏈生態(tài)規(guī)模以及企業(yè)間深

度合作，拓展了企業(yè)數(shù)智化能力概念邊界。

（3）本文開(kāi)發(fā)的制造企業(yè)數(shù)智化能力量表提供了有效測(cè)量工具，彌補(bǔ)了以往數(shù)智化能力定量研究的不足，促進(jìn)數(shù)智化能力由概念討論向?qū)嵶C研究進(jìn)階，為進(jìn)一步研究數(shù)智化能力提升路徑和作用機(jī)制打下了基礎(chǔ)。

6.3 實(shí)踐啟示

（1）企業(yè)需要培養(yǎng)敏銳的外部環(huán)境感知能力。數(shù)智化能力建設(shè)并非一蹴而就，需要根據(jù)外部環(huán)境變化實(shí)時(shí)調(diào)整資源內(nèi)容，這就要求企業(yè)在日?；顒?dòng)中加強(qiáng)各部門(mén)之間的溝通，對(duì)市場(chǎng)需求進(jìn)行動(dòng)態(tài)識(shí)別。

（2）管理者需要明確企業(yè)在數(shù)智化轉(zhuǎn)型過(guò)程中所具備的能力，從數(shù)智化能力構(gòu)成入手，根據(jù)企業(yè)業(yè)務(wù)需要，加強(qiáng)數(shù)智基礎(chǔ)設(shè)施建設(shè)，將數(shù)智技術(shù)應(yīng)用于產(chǎn)品生產(chǎn)過(guò)程的各個(gè)環(huán)節(jié)，實(shí)現(xiàn)提質(zhì)降本增效。發(fā)揮數(shù)智化平臺(tái)的作用，提升各部門(mén)之間的溝通協(xié)作效率，優(yōu)化業(yè)務(wù)流程，完善遠(yuǎn)程運(yùn)維服務(wù)內(nèi)容，與上下游企業(yè)共享流程與產(chǎn)品信息，更好地幫助企業(yè)實(shí)現(xiàn)智能決策。

（3）企業(yè)應(yīng)評(píng)估自身數(shù)智化能力，找出自身數(shù)智化能力建設(shè)中的薄弱環(huán)節(jié)，動(dòng)態(tài)調(diào)整企業(yè)數(shù)智化能力建設(shè)實(shí)踐，促進(jìn)企業(yè)不斷轉(zhuǎn)型升級(jí)。

6.4 不足與展望

本文存在如下不足：首先，僅選取5家數(shù)智化轉(zhuǎn)型企業(yè)作為研究樣本，企業(yè)數(shù)量較少造成研究結(jié)論適用范圍存在一定局限性；其次，初步探索制造企業(yè)數(shù)智化能力的3個(gè)維度，這3個(gè)維度如何在制造企業(yè)數(shù)智化轉(zhuǎn)型過(guò)程中發(fā)揮作用，是后續(xù)重點(diǎn)研究方向之一。

參考文獻(xiàn)：

[1]陳劍，劉運(yùn)輝.數(shù)智化使能運(yùn)營(yíng)管理變革：從供應(yīng)鏈到供應(yīng)鏈生態(tài)系統(tǒng)[J].管理世界，2021，37（11）：227-240，14.

[2]CHAUDHURI A， SUBRAMANIAN N， DORA M. Circular economy and digital capabilities of SMEs for providing value to customers： combined resource-based view and ambidexterity perspective[J]. Journal of Business Research， 2022，142（3）：32-44.

[3]HELFAT C E， PETERAF M A. The dynamic resource-based view： capability lifecycles[J]. Strategic Management Journal， 2003， 24（10）： 997-1010.

[4]PARIDA V， SJODIN D R， LENKA S， et al. Developing global service innovation capabilities： how global manufacturers address the challenges of market heterogeneity[J]. Research Technology management， 2015， 58（5）： 35-44.

[5]CALLE A D L， FREIJE I， UGARTE J V， et al. Measuring the impact of digital capabilities on product-service innovation in Spanish industries[J]. International Journal of Business Environment， 2020， 11（3）： 254-274.

[6]ARDOLINO M， RAPACCINI M，SACCANI N，et al. The role of digital technologies for the service transformation of industrial companies[J]. International Journal of Production Research， 2018， 56（6）： 2116-2132.

[7]張志學(xué)，趙曙明，連匯文，等.數(shù)智時(shí)代的自我管理和自我領(lǐng)導(dǎo)：現(xiàn)狀與未來(lái)[J].外國(guó)經(jīng)濟(jì)與管理，2021，43（11）：3-14.

[8]金華，陳佳鵬，黃匡時(shí).新業(yè)態(tài)下數(shù)智化勞動(dòng)：平臺(tái)規(guī)訓(xùn)、風(fēng)險(xiǎn)生成與政策因應(yīng)[J].電子政務(wù)，2022，19（2）：75-87.

[9]陳疇鏞，許敬涵.制造企業(yè)數(shù)字化轉(zhuǎn)型能力評(píng)價(jià)體系及應(yīng)用[J].科技管理研究，2020，40（11）：46-51.

[10]ROSS J W，BEATH C M，GOODHUE D L.Develop long-term competitiveness through IT assets[J]. Sloan Management Review， 1996， 38（1）： 31-42.

[11]吳曉波，胡保亮，蔡荃.運(yùn)用信息技術(shù)能力獲取競(jìng)爭(zhēng)優(yōu)勢(shì)的框架與路徑研究[J].科研管理，2006，26（5）：53-58.

[12]張振剛，張君秋，陳一華.資源協(xié)奏視角下大數(shù)據(jù)賦能精益生產(chǎn)的機(jī)理研究[J].管理案例研究與評(píng)論，2022，15（1）：85-98.

[13]LIN C， KUNNATHUR A. Strategic orientations， developmental culture， and big data capability[J]. Journal of Business Research， 2019， 105（16）： 49-60.

[14]CHEN D Q， PRESTON D S， SWINK M. How the use of big data analytics affects value creation in supply chain management[J]. Journal of Management Information Systems， 2015， 32（4）： 4-39.

[15]馬鴻佳，肖彬，王春蕾.大數(shù)據(jù)能力影響因素及效用：基于元分析的研究[J].南開(kāi)管理評(píng)論，2021，40（10）：1-19.

[16]LYYTINEN K， YOO Y， BOLAND JR R J. Digital product innovation within four classes of innovation networks[J]. Information Systems Journal， 2016， 26（1）： 47-75.

[17]吉峰，賈學(xué)迪，林婷婷.制造企業(yè)數(shù)字化能力的概念及其結(jié)構(gòu)維度——基于扎根理論的探索性研究[J].中國(guó)礦業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2022，24（5）：151-166.

[18]SJODIN D R， PARIDA V， KOHTAMAKI M，et al. Capability configurations for advanced service offerings in manufacturing firms： using fuzzy set qualitative comparative analysis[J].Journal of Business Research，2016，69（11）： 5330-5335.

[19]孫建軍，李陽(yáng)，裴雷.“數(shù)智”賦能時(shí)代圖情檔變革之思考[J].圖書(shū)情報(bào)知識(shí)，2020，195（3）：22-27.

[20]劉平峰，王雨婷，蘇超超.大數(shù)據(jù)賦能企業(yè)知識(shí)管理創(chuàng)新機(jī)理與路徑研究——基于華為案例 [J].科技進(jìn)步與對(duì)策，2021，38（1）：122-131.

[21]鄭勇華，孫延明，尹劍峰.智能化轉(zhuǎn)型、智能化能力與制造企業(yè)轉(zhuǎn)型績(jī)效——戰(zhàn)略匹配的調(diào)節(jié)作用[J].科技進(jìn)步與對(duì)策，2022，39（18）：99-109.

[22]KAPLAN A，HAENLEIN M.Siri，siri，in my hand：who′s the fairest in the land？ on the interpretations， illustrations， and implications of artificial intelligence[J].Business Horizons，2019， 62（1）：15-25.

[23]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.

[24]易加斌，徐迪，王宇婷，等.學(xué)習(xí)導(dǎo)向、大數(shù)據(jù)能力與商業(yè)模式創(chuàng)新：產(chǎn)業(yè)類型的調(diào)節(jié)效應(yīng)[J].管理評(píng)論，2021，33（12）：137-151.

[25]ANWAR M， KHAN S Z， SHAH S Z A. Big data capabilities and firm′s performance： a mediating role of competitive advantage[J]. Journal of Information & Knowledge Management， 2018， 17（4）： 1850045.

[26]BARNEY J. Firm resources and sustained competitive advantage[J]. Journal of Management， 1991， 17（1）： 99-120.

（責(zé)任編輯：王敬敏）

Digital Intelligence Capability of Manufacturing Enterprises：Dimension Exploration and Scale Development

Zhang Le^1，2，Chen Juhong¹， Dong Hailin¹， Wang Hao¹

（1.School of Economics and Management，Xi'an University of Technology ，Xi′an 710054，China;2.School of Economics and Management，Weinan Normal University，Weinan 714099， China）

Abstract：With the rapid development of digital intelligence technology， the transformation of digital intelligence has become an inevitable choice for the development of manufacturing enterprises in the era of the digital economy. In this context， the ability to integrate digital intelligence technology and other resources of the enterprise has become the key to gaining a sustainable competitive advantage. Companies need to use digital intelligence technology to integrate digital intelligence production factors into the way they do business and transform digital intelligence production factors into digital intelligence capabilities. However， due to the lack of directional guidance for the construction of digital intelligence capability， some manufacturing enterprises are caught in the dilemma of "not transforming and waiting for death， or seeking death through transformation" ， and it is urgent to carry out in-depth research on the connotation and structure of digital intelligence capability from an academic point of view.

Following the dynamic resource-based view and the similar concept of digital intelligence capability， this paper defines the digital intelligence capability of manufacturing enterprises as the innovative capability of manufacturing enterprises to integrate and apply digital intelligence technologies such as big data， cloud computing and artificial intelligence in their R&D， production and sales activities， and to realize the digital intelligence of production and operation through the connection and configuration of internal and external resources such as digital intelligence technologies and data and information. Then， it explores the structural dimensions of digital intelligence capabilities of manufacturing companies using the qualitative research method of grounded theory and develops its scale. The paper follows the sampling principles of qualitative research to select the sample and conducts semi-structured interviews with 31 middle and senior managers and 23 employees from the selected manufacturing companies. The obtained textual information is tested by open coding， axial coding and selective coding， as well as theoretical saturation， and it is concluded that the digital intelligence capability of manufacturing enterprises consists of three dimensions： production intelligence capability， digital intelligence operation capability and digital intelligence connection capability. Finally， the initial scale of 19 measurement items is developed based on the connotations of each dimension. Drawing on the existing literature， the study revises the initial scale according to the experts' opinions. It strictly follows the scale development steps and constructs a digital intelligence capability index system consisting of 3 dimensions and 16 questions based on exploratory factor analysis for manufacturing enterprises. Through quantitative analysis of reliability and validity tests， the study confirms the good discriminant and convergent validity of the scale.

Different from the existing literature， this study clarifies the connotation and extension of digital intelligence capabilities in manufacturing enterprises through an in-depth interpretation of digital intelligence capabilities from a dynamic resource-based perspective and on the basis of comparison with other related concepts. Furthermore， grounded theory is used to dig deeper into the structural dimensions of digital intelligence capabilities， bridging the gap for previous studies merely focused on similar conceptual dimensions of numerical intelligence capabilities. It highlights that， compared to the digital capability， the digital intelligence capability pays more attention to the ecological scale of the industry chain and the depth of cooperation between enterprises， which expands the boundaries of the concept of enterprise digital intelligence capability. Finally， the digital intelligence capability scale for manufacturing companies developed in this study provides an effective measurement tool for the quantitative study of companies' digital intelligence capabilities. The development of this scale makes up for the shortcomings of the previous quantitative research on numerical intelligence ability， promotes the transformation of numerical intelligence ability from conceptual discussion to empirical research， lays a good foundation for further research on the paths and mechanisms of numerical intelligence ability enhancement， and promotes in-depth research on digital intelligence capability.

Key Words：Digital Intelligence Capability; Structural Dimensions; Measurement Scales; Grounded Theory