數字賦能對企業績效的影響

摘 要：數字賦能有助于提升企業的科技創新能力，推動中國經濟向高質量發展。文章采用2016年-2019年滬深兩市880家上市公司的面板數據，采用多元回歸模型，對數字賦能與企業績效的關系進行實證分析。研究表明：數字賦能對企業績效呈正相關關系，尤其對長期績效有顯著的“促進效應”。基于此，政府應優化數字技術環境，加強政策扶持;企業應加大數字化建設，并制定合理有效的高管激勵機制，增強自身創新能力。

關鍵詞：數字賦能;企業績效;上市公司

一、引言

隨著大數據、云計算、物聯網、區塊鏈、5G、人工智能等賦能技術應用大規模發展，各國都大力推進數字經濟與實體經濟的深度融合，并把數字賦能作為推動高質量發展進程的引擎，我國“十四五”規劃和2035年遠景目標綱要中都提出“數字技術新優勢”，通過數字賦能提升科技創新能力，提高關鍵核心技術創新和科技成果轉化率，增強科技進步對經濟發展的“擠入效應”。企業作為數字賦能的微觀主體，必須不斷進行研發創造，提升企業價值，實現轉型升級。

目前，學者們大多以定性研究表明數字賦能對企業績效的正向作用，缺乏定量研究，因此，本文以A股上市公司為樣本，并將企業績效分為企業長期績效與企業短期績效，實證分析數字賦能和企業績效兩者之間的關系，并提出以下幾個問題：數字賦能對公司的績效有什么影響？并且短期績效與長期績效的影響是否不同，針對上述問題，分析數字賦能與企業績效之間的關系。

二、理論分析與研究假設

數字賦能是企業運用云計算、大數據、物聯網、人工智能、區塊鏈、5G等新一代信息技術，對現有的資源與要素重新整合，提升組織效率和運營能力。數字化的技術能充分發揮杠桿效用，使企業以較少的創新資源投入獲得較高的創新產出。通過數字賦能重構企業的價值鏈，編制網絡生態，整合其生態系統的資源，為用戶提供全方位、多元化的服務。隨著互聯網、信息技術的發展，用戶參與產品設計、生產、銷售等流程的活躍度提升，利用數字資源滿足自身的利益訴求與升級化需求。企業借助數據工具，追蹤消費者的行動軌跡，制作用戶畫像，滿足消費者個性化需求，及時反饋消費者的用戶體驗，增強用戶黏性，實現精準營銷。利用數字技術優化組織結構以及決策流程，制定科學的經營戰略，有效掌握市場動態，降低市場風險，提升企業利潤。通過數字賦能建立先進制造業工業云，衍生發展出協同創新、遠程診斷、在線監測等新業態，提升“老字號”制造業的智能化、網絡化、數字化制造水平。調整企業之間的連接方式，利用“連接紅利”，促進企業之間的共生協同，進而提升創新能力以及風險抗性。

數字賦能的結果是長周期和高不確定性的，短期內賦能成效很難呈現于企業績效中，但高管的績效考核都與短期業績相掛鉤，基于管理防御假說，管理層為了自身利益最大化會傾向于規避數字技術的應用與開發，從而數字賦能的短期績效往往難以顯著提升，不過長期內會由于企業價值的提升。據此，本文提出以下研究假設：

H1：數字賦能與短期績效呈正相關關系，不過影響力度比較小。

H2：數字賦能與長期績效呈正顯著相關關系。

三、研究設計

1.樣本選擇及數據來源

文章選取2016年-2019年A股上市公司為初始數據。并對原始數據做如下篩選：剔除ST，*ST等公司;剔除行業類型變化的樣本;剔除研發及相關數據缺失的樣本。經過上述處理，最終選取上市公司880家，為3520個有效樣本。數據主要來源于CSMAR數據庫，部分研發投入信息來源于巨潮資訊網，數據處理軟件為SPSS24.0軟件和EXCEL2010。

2.變量定義

（1） 被解釋變量。本文企業績效劃分為短期績效與長期績效。借鑒前人分析，采用總資產收益率（ROA）表示短期績效，托賓Q值（TOBINQ）表示長期績效。

（2） 解釋變量。本文將互聯網業務收入比重表示數字賦能的程度，這樣在不同企業之間也可以進行比較，并且在國際上也能行得通，故本文選用互聯網業務收入比重（DE）表示數字賦能。

（3） 控制變量。

①企業規模（SIZE）。企業具有一定規模，不僅能夠產生外部經濟的內部化，還能提升企業抗風險能力，獲取更多利益。故企業規模采用總資產的自然對象衡量。

②企業成長性（GROWTH）。企業成長性能反映企業未來發展趨勢，故采用主營業務收入增長率表示企業成長性。

③企業上市年齡（AGE）。分別計算上市公司上市年與2015年-2018年之間的年限之差得出上市年齡。

④資本結構（CF）。企業主要通過負債和發行股票進行融資，與發行股票的區別在于負債還需要還本付息，影響企業的資金鏈。故采用負債總額與資產總額的比值表示資本結構。

⑤現金流量（CASH）。經營活動凈流量反映了企業資金流動的情況，故現金流量采用經營活動凈流量與資產總額比值進行衡量。

3.模型構建

為了檢驗H1、H2，構建多元回歸模型如下：

ROA=α0+αiDE+αi ∑controls+ε（1）

TOBINQ=α0+αiDE+αi ∑controls+ε（2）

四、實證分析

1.描述性統計

（1） 數字賦能的描述性統計分析

通過描述統計結果可知，數字賦能平均值為5.729%，與國際先進水平還有一定差距，雖然數字賦能最大值為6.62%，但也有一些企業沒有實現數字賦能，造成這種現象的原因可能是經濟規模比較低，引進的數字技術水平有限，賦能效果較低，再加上融資約束以及數字基礎設施相對比較落后，限制了企業數字賦能的能力，根據不同的年份數據分析可知，2016年-2019年，我國A股上市公司數字賦能程度是先下降又上升的，但總體變化幅度不是很大，相對較低，企業在數字化轉型過程中應加大對數字技術的應用與研發（因篇幅原因，圖表省略）。

（2） 企業績效的描述性統計分析

通過企業績效的描述性統計結果可知，2016年-2019年，我國A股上市公司短期績效的均值為4.571%，企業之間的效益水平差距較大，說明有的企業發展效益極好，有的企業虧損嚴重，與先進國家還存在一定差距，整體盈利水平不高，財務增長空間比較大。

通過不同年份的統計數值分析，2016年-2019年A股上市公司的托賓Q值平均水平為3.342，說明A股上市公司整體成長性較好，不過托賓Q值呈現下降的趨勢，可能存在的原因是企業沒有加大實施高管激勵機制，從而使高管與股東利益出現分歧（因篇幅原因，圖表省略）。

2.相關性分析

從表1中可以看出，各變量的pearson相關性系數絕對值均在0.7以下，小于0.8，表明模型不存在多重共線性，故可進行回歸分析，相關分析如下：

企業數字賦能與總資產收益率、托賓Q值兩者均在1%水平上顯著正相關，說明企業數字賦能強度越高，企業績效越好，說明企業應抓住數字變革的機會，盡快實現數字賦能，只不過創新研發活動的成效在短期內較難轉化為企業效益，而在長期內能看見創新性成果，為企業增值，從而長期績效更顯著。初步驗證了H1、H2成立。

3.回歸結果分析

由表1可知，所有回歸方程的F統計量均在0.1%的水平上顯著，說明回歸結果基本可靠，結論如下：

數字賦能與企業績效的關系。通過表2可知，企業數字賦能強度正向促進短期績效、長期績效，不過這種促進力度在長期內更明顯（0.071>0.004），證實了H1，H2。表明數字賦能對企業的創新能力具有一定的促進性，研發水平越高，企業的價格優勢和成本優勢更加明顯，進而能有效增強企業核心競爭力，創造企業價值，提升企業績效，不過數字賦能具有長周期、滯后性的特性，從而這種價值在短期內效果不明顯，但有助于長期績效的提升。

五、結論與建議

1.結論

通過表2的回歸分析結果可知，數字賦能強度與企業的短期績效、長期績效的關系為正，且在0.1%的水平上顯著，分別為0.004、0.071，說明數字賦能每提高1%，企業的短期績效與長期績效會分別提高0.004%與0.071%，從而企業數字賦能對企業績效的促進作用具有一定的滯后性，數字賦能的促進作用在長期更加明顯，可能是由于企業實現數字化需要一個過程，大部分企業只是引進了數字技術，又受限于資金、規模、信息及能力等因素的制約，并沒有真正收獲數字化成果。因此企業應制定長遠目標，立足于企業長期發展，重視數字賦能的長期性與穩定性。

2.建議

（1） 政府需優化數字技術應用環境，加強政策扶持。實證分析可知，數字賦能強度對企業的短期和長期績效有正向的促進作用，政府應營造良好的數字創新環境，推進數字金融發展，緩解金融約束，降低對國有企業的“行政化”干預，給予他們更多地自主權，激發創新活力;加快數字基礎設施建設，提高整體數字化水平，提高創新成果轉化率以及知識產權的經濟效益，激勵企業進行自主創新，增強企業的比較優勢以及互補優勢。

（2） 企業要加大數字化建設，增強自身創新能力。企業應抓住當前數字賦能的機遇，重視數字化投入，制定研發創新戰略，實現信息與資源的共享、共用及共聯，彌補自身創新資源的不足，推動企業數字化轉型升級;加大員工的數字技能培訓力度，培育自主創新能力，增強信息獲取和資源整合能力，提升人力資本;利用數字技術整合和重構原有的組織結構、生產流程以及營銷模式，擁有高技術含量的產品、工藝以及技術，掌握一批核心關鍵技術，實現精準營銷，增強企業核心競爭能力。

（3） 設計高管激勵機制，發揮激勵作用。高管激勵是公司治理過程中的一個核心問題，因此，企業應合理制定高管激勵機制，權變的選擇短期或中長期激勵方式，緩解委托代理問題引起的機會主義行為，通過提高薪資、福利等方式，平衡創新帶來的短期成本及長期收益，鼓勵高管提供智力支持，利用自身的專業知識以及職業能力，助力數字賦能企業創新過程，提升績效水平。

參考文獻：

[1]施炳展，李建桐.互聯網是否促進了分工：來自中國制造業企業的證據[J].管理世界，2020，36（04）：130-149.

[2]Huang J，Henfridsson O，Liu M J，et al.Growing on steroids：Rapidly scaling the user base of digital ventures through digital innovation[J].MIS Quarterly，2017，41（01）：301-314.

[3]劉靜，惠寧，南士敬.數據賦能驅動文化產業創新效率的非線性研究——基于STR模型的實證檢驗[J].經濟與管理研究，2020，41（07）：31-46.

[4]Cheema A S.Digital Empowerment of Indian Rural People：Key Issues and Challenges[J].Asian Journal of Multidisciplinary Studies，2015，3（09）：25-29.

[5]Saarijarvi H，Kannan P K，kuusela H.Value co-creation：Theoretical approaches and practical implications[J].European Business Review，2013，25（01）：6-19.

[6]朱勤，孫元，周立勇.平臺賦能、價值共創與企業績效的關系研究[J].科學學研究，2019，37（11）：2026-2033+2043.

[7]Hunt D M，Radford S K，Evans K R，Individual differences in consumer value for mass customized products[J].Journal of Consumer Behaviour，2013，12（04）：327-336.

[8]陳冬梅，王俐珍，陳安霓.數字化與戰略管理理論——回顧、挑戰與展望[J].管理世界：2020，36（05）：220-236+20.

作者簡介：胡陽華（1989- ），女，山東濟寧人，碩士研究生，濟南工程職業技術學院，講師，研究方向：市場營銷、戰略管理

基金項目：院級課題項目：“大數據環境下營銷模式創新研究（GHSK2132）”