數字化轉型量化評估研究的比較分析與最新進展

陸 洋，王超賢

(1.中國社會科學院大學 投資經濟系；2.中國信息通信研究院 政策與經濟研究所，北京 100191)

0 引言

數字化轉型是數字經濟發展的主引擎，蘊藏著巨大的經濟和社會價值。隨著新一代信息技術蓬勃發展，各國普遍高度重視數字化轉型，紛紛出臺國家戰略加速推進，如德國工業4.0、美國工業互聯網、英國工業2050、印度國家制造政策等。我國在中國特色社會主義進入新時代之際，順應新一輪科技革命和產業變革大勢，利用數字技術持續提升經濟生產力、改善社會治理模式，對于建成全球數字經濟強國、實現經濟高質量發展意義重大，推動數字化轉型也已成為我國重大戰略部署。黨的十九大提出,加快建設制造強國，發展先進制造業，推動互聯網、大數據、人工智能和實體經濟深度融合。黨的十九屆五中全會指出，堅定不移建設制造強國、質量強國、網絡強國、數字中國，推進產業基礎高級化、產業鏈現代化，加快數字化發展。

數字化轉型是一個新興課題，相關研究從2016年前后開始快速興起。在CNKI學術期刊學術論文搜索中，2000-2015年底16年間總共只有不到500篇相關論文，而2016年一年內就增加了接近200篇，到2020年9月底增加了600多篇相關論文。當前相關研究還處在初期，各方對數字化轉型內涵、構成等認識仍有分歧。本文將數字化轉型看作信息通信技術驅動的產業變革過程，具體是指以數據為關鍵要素，以信息通信技術與各行業全面融合驅動生產方式、商業模式和產業組織變革為主線，以提升行業和企業質量效益為目標和出發點的系統轉型過程。數字化轉型與“信息化”“互聯網+”“兩化融合”“數字經濟”等熱點概念既有關聯又有區別：①與“信息化”概念類似，都強調信息通信技術驅動產業變革，但前者強調的信息通信技術是起源于20世紀六七十年代的IT技術，而數字化轉型更強調新一代信息通信技術，特別是互聯網、5G、人工智能、大數據等技術；②與“互聯網+”相比，數字化轉型所包含的技術種類更多，不局限于互聯網技術；③與工業化與信息化“兩化融合”相比，數字化轉型不僅包括工業領域的信息通信技術應用，還包括服務業、農業、建筑業以及政府等各行各業各領域的應用，范圍更廣；④與數字經濟相比，數字化轉型是一個過程，而數字經濟是一種經濟形態，兩者含義截然不同。但在構成上，數字經濟包括數字產業化和產業數字化，其中，產業數字化是指數字化轉型，數字化轉型是數字經濟的核心組成部分。2019年，產業數字化占數字經濟比重達到80%，是數字產業化的4倍。

綜合來看，當前對數字化轉型的研究可以分為理論研究和實證研究兩類[1-4]。理論研究主要集中在轉型機理、戰略路徑、生產體系、應用場景等方面，實證量化研究主要側重數字化轉型水平評估、轉型績效衡量等方面。其中，實證量化研究是極為重要的領域，量化分析結果可以讓政策制定者、企業管理者等明晰相關主體的數字化水平，了解與標桿水平、平均水平之間的差距，掌握數字化轉型政策或項目實施績效等，具有重要的基礎性、前導性作用。

數字化轉型的量化研究可以分為三大方向。一是數字化轉型進程衡量。主要通過構建數字化轉型評估方法，衡量國家、區域、行業、企業等維度的數字化轉型水平，分析判斷數字化轉型發展水平和成熟度[5-8]；二是數字化轉型經濟績效測算。在衡量數字化進程的基礎上，結合計量模型，定量分析數字化轉型對產業的勞動生產率、全要素生產率、產業進入退出水平、盈利能力等方面的影響，從而得出數字化轉型對產業和經濟增長的經濟貢獻[9-11]。值得注意的是，20世紀90年代出現的索洛悖論相關研究，其關鍵問題是數字化轉型經濟績效科學評估。特別是在當前數字經濟時代，一些研究者提出“新索洛悖論”[12]，辨析解決此問題同樣要準確評估新的技術經濟條件下數字化經濟績效；三是數字化轉型影響因素量化分析。分析不同行業屬性和企業規模大小、基礎能力、變革意愿等特性與數字化轉型進程之間的關系，以更準確得出數字化轉型進程影響因素，進一步區分不同因素對數字化轉型進程的邊際影響大小，從而為提出更有針對性的發展策略提供精準證據[13-16]。在3類研究中，數字化轉型水平的量化衡量研究向前連接影響因素量化研究，是其結果；向后連接經濟績效研究，是其成因。可以看出，數字化轉型水平量化研究是數字化轉型量化研究的基礎性和首要性問題，也是本文研究的核心主題。

不同機構從多個角度對數字化轉型進行了探索性量化研究分析，從研究機構和內容看，既有國際組織和研究學者構建的數字化發展指標體系[17-19]，評價不同國家和區域數字化融合水平，也有知名咨詢機構和領軍企業發布的數字化能力指數，從不同價值維度評估不同行業和企業數字化成熟度。同時，國內科研機構也都開展了相關研究[20-23]，提出數字化水平評估方法。從研究主線看，數字化轉型水平量化研究主要沿著兩大方向展開，分別是微觀層面企業數字化成熟度評估和中觀層面行業數字化水平研究，目前兩個方面都有了相對豐富的研究成果。但總體上，這一領域的研究仍處在初級階段，尚未形成統一的數字化轉型水平評估方法體系，各家方法不一，結果難比，且不同方法的適用邊界沒有得到清晰闡述。本文將對這兩個方向上的國內外各類評估方法進行梳理，對其方法體系、應用方向、適用范圍等進行比較分析，并對數據驅動的數字化轉型這一當前新范式的量化評估作出前沿展望。本文可以為后續企業、智庫和科研機構開展更具可比性、可操作性的數字化轉型量化研究提供參考，具有一定的理論和實踐價值。

1 企業數字化轉型成熟度

成熟度指研究對象與其最佳狀態的相對水平，一般用于對事物發展成熟過程進行定量描述。成熟度模型是項目管理、質量管理等領域非常常見的工具，包括不同階段的成熟程度，把一個不可控的、無序的操作變成可控的、有序的過程。如今，學術界和產業界都在借用成熟度的基本思路，建立數字化成熟度模型，評估企業數字化轉型現狀和潛力。概括來看，數字化成熟度根據一定的標準對企業數字化轉型過程進行等級劃分，描述每個等級相應特征和狀態，已經成為衡量企業數字化轉型程度最常用的方法。

企業數字化轉型成熟度評估，共有3種方法：①業務融合視角的評估方法。這種方法把數字化轉型看作一項系統的業務轉型過程，常見的成熟度等級標準是依據業務轉型范圍大小評估轉型水平和程度。比如，從單個價值環節數字化到全部工廠數字化，再到企業、產業鏈，最后到整個產業生態數字化，依此劃分轉型成熟度等級；②數字化轉型的技術驅動評估方法。這種方法按照數字化轉型發展不同階段驅動技術的不同而對數字化轉型進行分級分類，比如按照數字化、網絡化、智能化分類；③基于能力成熟度評估方法。這種方法把數字化轉型所需能力按照大小進行排列，將數字化轉型成熟度分為入門級、探索級、引領級、領導級等。

1.1 業務融合視角

從業務融合視角對數字化轉型進行成熟度評估分級具有深厚的實踐和理論基礎，業務數字化轉型指企業研發、生產、管理等全生命周期和全產業鏈、全價值鏈利用信息技術所帶來的發展范式變革。業務轉型在整個數字化轉型體系中居于核心地位，為了解決企業業務發展中的問題和痛點，不斷創新業務模式和產業組織方式是數字化轉型的根本出發點、價值實現點。推動數字化轉型，必須直面業務痛點訴求，堅持價值導向，這樣才能真正具有生命力。

從業務融合視角評估企業數字化轉型成熟度，存在不同辦法。根據業務融合范圍進行的評估方法最多，該種方式認為業務數字化轉型是從局部到整體，從小到大，分階段進行的復雜過程。比如，在我國實施“兩化融合”背景下，國家工信安全中心提出兩化融合螺旋式躍升的4個階段，即基礎建設、單項應用、綜合集成、協同創新[21]，是以業務融合范圍為主要標準建立的評估體系。其中，基礎建設包括設備設施購建、信息化人員培養、信息化組織建立等，為信息技術在業務領域的廣泛應用打好資源基礎。單項應用指信息技術在各單項業務環節與工業業務進行結合，實現對各單項業務環節的橫向覆蓋和縱向滲透。綜合集成是在單項業務應用的基礎上，信息技術開始與工業業務深度結合，業務系統之間逐步實現集成運作，逐漸推動業務流程逐漸改良和優化。融合創新階段開始突破企業邊界，引發面向市場和客戶的工業業務流程變革與重組，實現機構變革和模式創新。

在實證研究層面，兩化融合服務平臺成為我國廣泛收集工業企業樣本的重要依托，為開展實證分析與現狀評估研究提供數據支撐。陳杰等[24]基于全國5萬多家工業企業數據進行實證分析，發現我國兩化融合總體仍處于中等水平，僅有小部分企業進入了集成提升和創新突破發展階段；李君等[25]通過企業大樣本分析發現，我國工業企業在數字化轉型過程中面臨業務綜合集成跨越困境；師麗娟[26]對某區工業企業樣本數據進行分析，從基礎設施、產品全生命周期、生產管控3個維度指出該區數字化轉型過程中的薄弱環節。

德國工業4.0戰略及其評估聚焦在業務數字化轉型高級階段，關注大數據、人工智能等新一代信息通信技術如何推動工業集成創新，是我國“兩化融合”評估中綜合集成和創新引領階段的擴展、深化、細化，如圖2所示。具體來看，工業4.0戰略中提出引導企業實現“三項集成”，即縱向集成、橫向集成、端到端集成?？v向集成是在企業內部從底層的傳感器、控制器等設備到最上層的企業管理信息系統的不同層級之間實現全面集成；橫向集成是產業鏈上下游企業之間以數字化系統集成為先導，帶動企業之間的全面整合協同，從而實現社會化協同生產；端對端集成將產品到運維的產品全生命周期階段進行集成，產生新工業價值生態。盡管3種集成總體是并行發展的，但也在一定程度上遵循著從簡單到復雜、從企業到生態的順序依次展開的邏輯屬性，也可以看作是一種成熟度。

圖2 中德數字技術與業務融合范圍比較

1.2 技術驅動視角

從技術驅動視角對數字化轉型進行成熟度評估分級也具有深厚的實踐和理論基礎。數字化轉型本質上是信息通信技術驅動的企業和產業變革過程。數字化轉型體系中，信息通信技術是其內生動力。這主要體現在兩個方面：一是創造物質條件，加速轉型進程。5G、工業互聯網、數據中心等數字基礎設施以及工業軟件、智能裝備等數字化產品和服務，提供了分布廣泛、豐富適用、成本低廉的計算、存儲和分析等數字資源，可以極大地便利企業數字化轉型；二是沖破邊界束縛，拓展轉型空間。技術上的創新突破，使得過去無法實現的轉型模式具有現實可能性、經濟性。比如，在工業互聯網賦能下，預測性維護、全局工藝優化等新模式隨之產生，在5G技術支撐下，智慧港口、高清質檢等新業態快速涌現。從這個角度來看，技術供給能力會影響業務轉型模式，技術演進升級會帶來業務變革，也會表現出階段性。

近年來，隨著信息通信技術進入群體突破階段，新技術蓬勃涌起，學術界逐漸關注技術驅動視角下數字化成熟度評估。總體上，這類評估可以細分為從大歷史視角進行的分析和從中短期視角進行的研究。大歷史視角的研究以德國國家工程院和中國工程院的分析為代表，德國國家科學與工程院[27]將工業4.0分為計算機化、連接性、可見性、透明性、預測性、適應性6個階段，并說明了達到每一階段所需的能力和實現的企業效益。其中，計算機化階段提供數字化基礎能力，可以在企業內部更加高效地處理重復性工作；連通性階段操作技術(OT)系統實現部分連通性和互操作性，但未實現IT和OT層面的完全整合；可見性階段中傳感器可以捕獲大量節點數據，從而實時記錄生產全過程，并根據實時數據作出管理決策；透明性階段通過構建“數字孿生”模型，分析各種事件發生的原因，為復雜、快速的決策提供過程認識；預測性階段，可以模擬不同的未來場景，并評估不同場景發生的可能性，適時采取適當措施；適應性階段使企業能夠向IT系統下放適當決策，以便IT系統能夠適應復雜多變的經營環境。

中國工程院周濟院士等[2,20]將智能制造歸納總結為數字化制造、數字化網絡化制造、數字化網絡化智能化制造3個演進發展階段，圖4展現了智能制造演進過程。第一代智能制造發生在20世紀中葉后，以計算機、通訊和數字控制等信息化技術的發明和廣泛應用為背景，制造系統進入數字化制造時代，引領和推動第三次工業革命。20世紀末，互聯網技術推動制造業向數字化網絡化制造轉變，“互聯網+數字化制造”成為第二代智能制造的重要標志，本質是通過網絡將相關的人、流程、數據和事物等連接起來，實現各種資源的共享與集成優化。新世紀以來，互聯網、云計算、大數據等信息技術形成了群體性跨越，集中于新一代人工智能的戰略性突破，解決復雜問題的方法也從“強調因果關系”的傳統模式向“強調關聯關系”的創新模式轉變，進而向“關聯關系”和“因果關系”深度融合的先進模式發展，重塑制造業的技術體系、生產模式、產業形態。

圖3 工業4.0演進的6個階段

圖4 智能制造發展的3個階段

從中短期視角來看，國務院發展研究中心[23]在研究傳統產業數字化轉型路徑中提出，數字化IT架構遵循傳統IT架構、私有云或公有云、混合云、混合云平臺+敏捷開發的演進順序，數字化投入由購買IT硬件產品、系統運維逐步向購買服務及解決方案發展。

1.3 能力基礎視角

數字化轉型是一場深刻和系統的革命，不局限在技術和業務范疇，更需要深層次的能力作為基礎支撐。數字化企業建設并非一蹴而就，在數字化轉型的不同階段需要的能力基礎不同，既需要數字資產持續、長久的投入，形成一定的資本存量，也需要企業戰略、組織、運營、人才等一系列互補性資產相匹配。基于能力基礎的成熟度評估旨在幫助企業厘清當前具備的數字化能力，以及是否進行適合自身條件和發展方向的數字化提升改造，為不同行業、不同發展階段的企業找到實施數字化的最佳切入點和行動方向。由于需要依據企業具體情況提供個性化定制服務，該種視角下的成熟度評估往往下沉到具體企業，以德勤、IDC等咨詢機構和西門子、施耐德電氣等解決方案提供商為主。

具體來看，德國機械設備制造業聯合會推出工業4.0準備度自測工具，包括戰略和組織、智能工廠、高效運營、智能產品、數據驅動服務、員工6個關鍵維度，每個維度都包含6個等級(門外漢、初學者、中級水平、經驗者、專家、頂級玩家)，以幫助企業了解自己處于何種數字化轉型階段。德勤制定一套標準衡量企業數字化轉型的總體成熟度，將企業智能化水平劃分為智能化認知、智能化探索、智能化應用、系統化智能、全面智能5個階段，根據六大基礎能力評估企業所處階段，幫助企業精準定位自身發展狀態，明確發展方向。西門子發布數字化轉型評測工具，通過成熟度分析摸底企業數字化水平，評估企業在特定的數字化系統、管理執行體系、數據平臺等方面是否具有數字化能力，以及企業是否將已有數字化能力加以充分應用。IDC和華為提煉總結出數字化入門者、數字化探索者、數字化組織者、數字化轉型者、數字化顛覆者五級成熟度模式，根據連續4年跟蹤調研，全球超過40%企業依然處于數字化轉型的前兩個階段。施耐德電氣分析過去5年230多個數字化轉型典型案例，得出資本支出、運營支出、可持續性等方面的關鍵能力要點，歸類為12種收益類型，形成了每種收益類型的平均結果及最佳案例場景。

表1 數字化基礎能力成熟度評估對比

綜上所述，企業數字化成熟度評估呈現出3類研究方向，如圖5所示。一是面向業務融合的數字化成熟度評估，以國家工信安全中心和高校的一批學者為代表。自我國兩化融合戰略提出以來，產業各界投入巨大，而企業數字化水平參差不齊。在此背景下，工信部發布了相關評估規范，依托兩化融合服務平臺，跟蹤監測制造業兩化融合發展水平。評估指標從單一到綜合、從局部到總體，評價體系更加科學合理，基本形成了規劃、診斷、對標、優化的評估閉環，對企業數字化轉型建設具有較強指導意義；二是面向技術驅動的成熟度評估，以中國工程院、國研中心等研究機構為代表。在全球新一輪科技革命蓬勃興起與產業升級轉型持續推進的背景下，這種評估方式深入分析數字化轉型的本質和邏輯，識別轉型各階段的目標、任務、挑戰等，提出制造業數字化、網絡化、智能化轉型過程中演進路線?？梢?，這類評估方式注重戰略布局和路徑選擇，具有更加宏大的歷史視野和更加深刻的現實價值，為我國從制造大國向制造強國邁進奠定理論基礎；三是面向數字化能力基礎的評估范式，以咨詢機構和解決方案提供商為代表。此種評估方式通過定義、劃分數字化成熟度等級和發展階段，幫助企業精準定位發展狀態，逐步建立更加適合的發展模式。評估機構常常需要下沉到企業級單元，開發出更加綜合的評估體系，全面考察企業組織、資產、運營、人才等方面發展程度，提供個性化評級服務和路徑規劃。

圖5 企業數字化轉型成熟度評估主要方向

3種評估方法的側重點在數字化轉型的不同方面，各自適用范圍不同，不同評估視角的優缺點如表2所示。業務融合視角的優勢是可以直接判斷企業數字化轉型工程實施的先后順序，但對于每個成熟度層級所需能力基礎和背后的技術驅動力量沒有顧及。技術驅動視角的優勢是可以一目了然看到不同階段的主導技術，但是，對業務變革的深淺程度和先后順序掌握不夠。能力視角的優勢是可以較好地把握轉型背后的基礎能力，但是，對于企業實際過程中的優先級和驅動力了解不足。因此，越來越多的量化研究開始利用多種視角對數字化轉型作綜合評估。

表2 數字化轉型成熟度評估研究方向分類

2 行業數字化總體水平

行業數字化總體水平是指一個行業數字化的總體進程，常用來評估和比較不同行業的數字化水平，分析主要部門在轉型過程中形成差異的原因。與企業成熟度評估按照縱向演進的分析范式不同，行業數字化總體水平評估方式是對各行業數字化水平進行橫向對比。本文聚焦行業層面的數字化水平研究，在邏輯上與企業層面評估一脈相承。目前，行業數字化總體水平評估方法多樣，可以歸為指標法和核算法兩大類。

2.1 指標法評估

指標法通過設立綜合性指標體系，量化評估不同行業數字化水平，是目前最具代表性的行業數字化水平指標評估方法。關于指標體系構建，基于對數字化轉型基本邏輯和發展趨勢的根本性認識，一般遵循指標設計、權重確定、數據處理、指數計算、比較分析等步驟。指標法為認識行業和企業數字化水平差異提供了一種可行的數理論證方式，也為數字化轉型經濟績效測算、影響因素量化分析等研究工作奠定了基礎。值得注意的是，數字化轉型評估指標不僅要考慮數字化投資，同時也應包括人力資本、組織模式等互補性資產。例如OCED的評估指標[6-7,17]不僅涵蓋ICT投資、機器人數量等數字資產情況，而且將ICT專家占比、在線銷售營業額等無形資產考慮在內。埃森哲對我國制造業細分行業的數字化評估，進一步將運營和商業模式上的創新作為關鍵價值維度納入指標，體現了互補性資產對于行業轉型的重要性。其次，可以采用層次分析法、熵權法等數理方法確定權重系數及評價方法[28-29]。

從實踐角度來看，指標法適用于統計數據公開、統計口徑規范的評估主體，這樣構建的表征指標更加豐富深刻，評估結果更加客觀準確。例如，OECD針對成員國家以及麥肯錫針對美國的數字化水平評估，可以從歐盟統計局、EU-KLEMS數據庫、國際自動控制聯合會等多方渠道獲取豐富的統計資料。相對西方國家，我國統計數據不夠公開、完備，給指標法量化研究帶來一定困難。但依托行業組織和一些服務平臺，采取調研問卷、專家打分等方式，也可獲得指數測算所需數據資料。盡管如此，這種評估帶有較強主觀性和波動性，需要更龐大的統計樣本和更精準的統計方法，以使評估結論更為準確可靠。

根據指標法得出的評估結果可知，行業間數字化水平差距較大，說明行業部門以不同速度和方式參與數字化轉型。總體上，靠近消費端的下游行業、知識密集型行業和服務業數字化程度高，資本密集型行業數字化潛力大，公共部門和勞動密集型部門相對落后。

2.2 核算法評估

核算法的基本原理是采用各種方法核算各行業因利用數字技術(ICT)而獲得的產出增加值，然后以這個增加的產出與行業總增加值的比值反映行業中數字化技術滲透率、密集度或貢獻度，關鍵是要衡量各行業中ICT帶來的產出增量?，F有研究中主要有兩種方法：

(1)增長核算法。這是經濟研究中用于核算資本、勞動等要素投入對經濟增長邊際貢獻的成熟方法。自1987年“索洛悖論”提出以來，越來越多的經濟學家利用這一方法測度數字技術(ICT)對經濟增長的貢獻，以破解索洛悖論[30]。其中，喬根森是最大的貢獻者，也是集大成者。他與合作者的早期研究偏宏觀，直接測度ICT對經濟增長的貢獻。后來喬根森等[31-33]發現，ICT對增長的貢獻在行業層面存在差異，也更具解釋性，將增長核算方法推廣到了行業層面。為了方便國際可比，喬根森等構建了KLEMS項目，定期公布相關數據。在這一方法中，核心和重點是各行業ICT資本存量估計。國內任若恩等[34-35]對此進行了深入研究，應用永續盤存法估算中國細分行業的ICT資本存量。

(2)投入產出核算法。投入產出方法也是一種成熟的經濟研究方法，由列昂惕夫于20世紀30年代開創，主要用來研究經濟體系中各個部分之間投入與產出的相互依存關系。以往研究者主要用投入產出方法計算產業中帶動效應、關聯效應等，中國信通院在核算數字經濟規模時就是采用這一方法。他們創造性地利用投入產出法測算各行業ICT投入帶來的產出增量[22]，并將這些行業的數字化增量加總得到產業數字化規模，再考慮數字產業化部分，就可以得到全部數字經濟總規模。

核算法與指標法作為行業數字化水平評估的兩類方法，應用場景與經濟價值存在差異。核算法基于國民經濟社會統計數據，具有堅實的理論基礎和實踐經驗。該方法適應于更嚴謹的學術研究，為不同區域和行業數字化水平比較提供了一種數理工具，也是經濟增長研究的熱點領域。但也應看到，該方法的準確應用依賴于對經濟產出與要素投入的科學計量, 特別是對資本壽命和相對效率下降更真實的估計。因此，在理論和實踐方面都有很大的發展空間。同時，數字化是一種復雜的現象，其中涉及生產自動化、勞動力技能、商業運作方式、資本投入特征等多個方面，數字技術帶來的經濟增長很難捕捉到全面真實的進展情況，尤其無法反映生產組織和管理的改善情況，不能準確全面衡量數字化轉型效果。指標法將ICT及其互補性資產納入評價體系，可以更加全面地描述數字化轉型進展，較多應用于行業組織和咨詢機構。例如，OECD和麥肯錫詳細展現了相關國家各部門不同時段的數字化程度，并根據不同表現進行歸類總結，對該領域研究具有積極的借鑒意義。但是，此種方法對統計數據的準確性、時效性、顆粒度等方面要求高，適用于統計完備、數據公開的國家和地區。否則，部分指標和數據來源依賴于企業調研、專家打分等外生變量，不同統計口徑可能得出差異化結論。

2.3 典型化事實

每個行業都在經歷數字化轉型，各行業適應這一趨勢的方式和速度各不相同，領先者和落后者呈現差距逐漸加大的趨勢。本質上，由于行業間業務流程和商業邏輯不同，數字化轉型的具體路徑也會有差別。雖然各研究者所用評估方法、數據來源等存在差異，但在一些典型化事實上還是達成了高度一致。各類研究者或研究機構關于行業數字化水平評估的典型化事實、原因如表3所示。

表3 行業數字化水平評估結果對比

(1)從三次產業數字化轉型進程比較來看，服務業高于工業，工業高于農業。測算結果表明，三次產業數字化水平不均衡，服務業高于制造業和農業。究其原因，服務業數字化轉型可以減少以連接為導向的交易環節，幫助供需雙方建立直接對接渠道，相對于制造業其轉型難度小、壁壘低。

(2)從產業鏈上下游轉型進程比較來看，越靠近消費端的下游，數字化轉型進程越快。數字化的三股推動力分別是去中介化、分散化和非物質化，在消費零售、交通出行、文體娛樂、貨運物流等服務領域中介化作用最大，數字化轉型效果更加明顯。

(3)從行業知識密集度轉型進程比較來看，知識密集度高的行業轉型程度高。通過測算得出，ICT、科研、金融等知識密集型行業數字化程度領先。這是由于知識密集型行業的ICT資本和技術投入較多，對行業產出帶動效應明顯。

(4)從行業資本密集度轉型進程比較來看，資本密集型行業數字化轉型進程更快、潛力更大。麥肯錫對美國各部門評估得出，以油氣、化工、醫藥、采礦、交運等為代表的資本密集型行業資產數字化的發展潛力大。中國信通院測算結果說明，我國資本密集型行業數字化轉型程度明顯高于勞動密集型行業。

(5)行業數字化水平差異與ICT資產相配套的互補性投資密切相關，能否將數字化決策能力、流程、運營深入融合成為行業和企業轉型的關鍵。根據數字化綜合指標評估得出，ICT資產需與決策改善、流程更新、商業創新等互補性資產相互協同，才能更好地推進數字化轉型，只有將數字化融入企業經營實踐各方面，才能最終體現為經營績效躍升。

3 結語

3.1 研究結論

數字化轉型日益成為學術界和產業界關注的重點，研究機構從不同角度對數字化轉型水平進行評估衡量，如表4所示。從研究范式來看，基本形成了企業數字化轉型成熟度和行業數字化水平兩大評估范式?；仡欉@些研究發現，盡管不同評估方法在數學模型以及數據收集、分析和呈現等方面有所區別，但大多使用了轉型戰略管理、產品和服務數字化、內部流程和運營數字化等關鍵要素。從研究領域來看，企業數字化成熟度評估可以描述企業業務的數字化程度，從業務融合、技術驅動、能力基礎3個視角全方位衡量企業數字化水平，為產業層面的主導邏輯和演進順序以及企業層面的能力評估和工程實施提供理論遵循與實施規范；行業總體水平是企業級數據匯總分析，既描述不同行業數字化程度，有利于各行業數字化水平橫向對比，也基于一些典型事實分析行業水平差異背后的機理和原因，以加快各行業數字化轉型進程，促使各行業同步協調發展，消弭行業和地區間數字鴻溝。

表4 數字化轉型水平評估方法總覽

總體上，通過評估發現，服務業、知識密集型行業、資本密集型行業的數字化轉型動力強、程度高、效果好，制造業、勞動密集型行業、公共部門數字化轉型的門檻高、難度大、進度慢。同時，ICT資產需與決策改善、流程更新、商業創新等互補性資產相互協同，才能更好地推進數字化轉型。

3.2 研究展望

數字化轉型是螺旋式上升的過程，不同階段對應不同的技術體系、產業體系、關聯方式和驅動力量，要求轉型方式、轉型邏輯與時俱進。2012年后，數字化轉型進入數據驅動的數字化轉型新階段。這一階段，物聯網、云計算、大數據、人工智能等新一代信息通信技術快速發展，為數字化轉型提供了全新的工具。數據驅動轉型階段，企業和產業的轉型邏輯不再是把企業和產業中標準化的流程代碼化、軟件化，而是依靠新一代信息通信技術，構建一個從物理世界到數字空間的映射和轉換，形成從數據、信息、知識到決策的數據優化閉環，從而更加精準、更加迅速、更大范圍地實現對企業、產業的重構、變革、優化。在這個過程中，數據(而不是流程)成為轉型的基本載體和關鍵要素。數據驅動已經在電子商務、社交媒體等服務業數字化領域有了廣泛而深入的應用，商業變成智能商業，同時，在工業互聯網等的賦能下，數據驅動也開始在工業制造領域應用探索，預測性維護、工藝能源優化等新模式新業態也不斷涌現。數據驅動已經成為當前數字化轉型的時代特征和核心邏輯，也是數字化轉型研究的前沿熱點領域。

數字化轉型邏輯的躍升要求理論研究和實證分析都要與時俱進。學術界已經對數據驅動的數字化轉型進行了理論和實踐方面的探索研究，其中，布萊恩約弗森等[36]的許多開創性研究值得關注。他們經過計量模型發現，采用數據驅動決策的制造工廠傳播效果是不均衡的，與企業規模經濟、ICT投資、人力資本、學習效果等因素相關。德國國家工程院提出，先進技術可以獲得更廣泛的數據，但對數據的利用能力取決于企業組織結構和文化。

當前，關于數據驅動產業數字化轉型的實踐推廣還處在加速發展中，對其發展規律的理論認識尚處于初級階段，實證分析也遠遠沒有成熟，研究空間十分廣闊。總體來看，研究缺口和研究方向主要有以下幾個方面：在理論方面，數據驅動數字化轉型的本質、特征、經濟動力等相關研究較少。數據在生產和管理過程中如何轉化為信息、知識和決策，也需要進一步深入研究。數據如何從戰略資源轉變為像勞動力、資本一樣能夠在社會上廣泛流轉應用的生產要素，從而在更廣泛的領域驅動數字化轉型加快發展，理論研究仍然十分少見，需要加強數據要素化、價值化的理論研究；在實證研究方面，如何把數據的重要作用體現在評估指標、核算體系中是最重大的挑戰，這方面已經有一些探索，但還遠遠不夠。此外，在數據驅動的新范式下，數字化轉型進程與經濟績效間關系如何發展，新時代是否存在新的索洛悖論？這些重大問題的解答也需要在考慮數據的影響下進行創新探索。

綜上所述，未來的數字化轉型量化評估研究，可以從3個方面著手：一是注重綜合性，將技術、業務和能力視角綜合起來，統籌考慮；二是注重融通性，將微觀企業的成熟度評估與行業水平的評估打通，避免互相割裂、各成體系；三是注重時效性，突出數據驅動的時代特征，體現數據作為數字化轉型關鍵要素的重要價值。