大數據系統采用對企業運營效率的影響研究

摘" "要：以我國滬深兩市A股上市機械制造業企業為研究對象，選取2013—2020年的數據實證檢驗大數據系統采用對企業運營效率的影響，以及集權程度在大數據系統采用與企業運營效率之間的調節作用。研究結果表明，企業大數據系統的采用對企業運營效率有顯著的正向促進作用；集權程度在大數據系統采用對企業運營效率的影響機制中發揮負向調節作用。

關鍵詞：大數據系統采用；集權程度；企業運營效率；全要素生產率

中圖分類號：Ｆ４９" " " "文獻標志碼：A" " " 文章編號：1673-291X（2023）21-0004-03

學術界與商業領域普遍認為大數據將引發下一場技術革命，以物聯網、云計算、大數據、區塊鏈、人工智能、5G技術等為代表的新一代信息技術高速發展的背景下，大數據系統的應用可以使企業從大數據中挖掘信息，獲得競爭優勢，探索新的商業模式。對于上市公司而言，大數據技術已經成為提升公司競爭力的重要手段，大數據系統也已成為企業理性投資經營的基礎條件配置。

我國越來越多的企業采用大數據系統，期望獲得競爭優勢。傳統的機械制造業企業也在數字化轉型的浪潮中積極尋求變革，花費巨大的人力物力建設大數據系統。探究企業大數據系統對于企業的效率的影響順理成章地成為企業管理者關注的問題。

一、理論分析與研究假設

（一）大數據系統應用與企業效率

為了處理大量結構化和非結構化數據，企業需采用大數據收集、儲存、分析和可視化等技術和系統。大數據本身和大數據資產本身并不能形成企業的競爭優勢，只有將其正確應用于業務流程和組織結構的變革，通過知識的更新、創造、整合和重構，實現知識的整合和轉移，創造新的知識，構建企業的動態能力，應對高度不確定性的環境。在實現大數據的背景下，大數據分析處理技術本身在某種程度上并不罕見和獨特。然而，正是利用這些工具和數據驅動決策的創新推動構成了企業的競爭優勢，這將帶來更好的財務績效、生產力和預期更好的市場價值。例如，Chen DQ等人（2015）認為使用大數據分析可以增強組織的信息處理能力，從而為組織帶來競爭優勢。他們的研究結果還表明，大數據分析與業務增長呈正相關，可以用于獲得有關業務流程、資源配置和生產力的提高。根據上述分析，提出以下假設。

假設1：其他條件不變的情況下，大數據系統采用后，將會提高企業運營效率。

（二）集權程度、大數據系統應用與企業運營效率

隨著企業大數據系統的引入，信息流程的改變將有效緩解母公司管理者與子公司的信息不對稱問題，促進母子公司之間信息傳遞效率，打破“信息孤島”。加強母子公司的聯系，有利于母公司強化對子公司的監督和管理，降低委托—代理成本，企業管理組織將趨于去中心化（陳國青，2020）。在大數據環境下，由于非線性決策的復雜性，對企業組織的知識管理能力提出了更高的要求，同時通過企業大數據系統，知識在組織間轉移也更為便利。高效的決策應當是由掌握決策命題相關知識最多的群體或個體做出。企業實施大數據系統，數據的采集、存儲、訪問均建立完整的管理體系，相較于傳統的數據管理模式，更利于跨部門的訪問。因此在大數據系統的賦能下，信息流動與顯性知識轉移更為便利。而隱性知識卻難以轉移，這是因為隱性知識與個人的背景、學識、性格等相關，也與職業經歷密不可分。在集權程度低的組織中，可以充分利用子公司管理層的知識，他們對客戶需求、外部環境、子公司的運營能力等更為了解，可因地制宜做出決策，而集權管理者可能在缺乏知識的情況下作出決策導致運營效率的降低。根據上述討論，提出以下假設。

假設2：集權程度在大數據系統采用與企業的運營效率的影響機制中起負向調節作用。

二、研究設計

（一）樣本選取和數據來源

本文選取的滬深股市中的機械制造業行業為研究對象，樣本選擇的時間區間為2013—2020年。樣本的選取上主要是根據以下原則來進行篩選：一是本文選擇研究機械制造業的原因：制造業的數字化轉型是企業數字化轉型的關鍵領域，機械制造業又是制造業中的基礎；二是對于初選數據中那些明顯存在數據缺失的企業予以剔除；三是最后剔除了我國ST以及ST*類上市企業的樣本數據。實證檢驗的模型中，除自變量大數據系統采用外，所有的數據均來自于萬德數據庫（Wind）；大數據系統采用來自企業年報、企業官網，大數據服務企業公開報道等并加以手工整理，主要運用Stata15.0進行數據的分析和處理。為了避免極端值以及異常值導致樣本數據偏離真實值，故本文對所有的連續變量都進行了1%和99%的縮尾處理。

（二）變量選取及說明

1.被解釋變量。本文被解釋變量企業運營效率，以全要素生產率作為代理變量，全要素生產率的估計借鑒連玉君（2012）、楊汝岱（2015）的研究，采用LP法進行估計。

其中，產出y通常的指標是上市公司主營業務收入或上市公司增加值；由于主營業務收入中包括中間投入，并不能準確衡量企業產出，根據會計計算準則，因此本文使用上市公司增加值來衡量產出：上市公司增加值=職工薪酬+固定資產折舊+營業利潤+稅費。生產過程中的投入要素共有三種，分別是勞動力、資本和中間投入。勞動力以上市公司職工人數衡量；資本以固定資產凈值衡量；中間投入以購買商品、接受勞務支付的現金衡量。

2.解釋變量。本文的解釋變量為大數據系統采用（BDI），借鑒Cheng-Kui（2018）、徐國虎（2017）的研究，即利用上市公司披露的年報，通過爬取2013—2020年A股上市的機械制造業企業年報中“大數據”“海量數據”“企業云”“云計算”等大數據技術和大數據應用的關鍵詞搜索開發部署大數據系統的企業；進一步使用百度、谷歌等搜索引擎，結合新聞報道搜索閱讀相關新聞文章，再次確認這些企業發布關于建設大數據系統的消息的真實性，同時記錄各企業建設大數據系統的年份數據，將公告中公布建設大數據系統的時間界定為企業啟動大數據項目的時間；通過公開報道披露的大數據合作新聞來再次驗證企業建設大數據系統的相關信息。將采用大數據系統的年份標記為1，其他標記為0。樣本期間沒有任何大數據實施公告的公司作為對照組。通過再次搜索這些對照組的名稱和關鍵詞，進一步確認這些控制公司在2013—2020年期間沒有任何與大數據相關的新聞公告。

3.調節變量。集權程度借鑒潘怡麟等人（2018）的研究，因變量（PSalary）為母公司支付給職工以及為職工支付的現金除以合并報表支付給職工以及為職工支付的現金；自變量（PAsset）為母公司總資產除以合并報表總資產；分年度回歸的殘差作為集權程度（Cen）的度量。首先，分年度回歸的擬合曲線代表機械制造業行業母公司支付給職工以及為職工支付的現金占比與母公司總資產占比的平均水平；殘差作為母公司支付給職工以及為職工支付的現金占比的實際值與擬合曲線的估計值之間的差值作為集權程度的指標。當Cen大于0，代表企業集權程度高于行業平均水平；當Cen小于0，代表企業集權程度低于行業平均水平。

4.控制變量。銷售凈利率（Prof）、固定資產占比（PPE）、銷售毛利率（GPM）、董事會規模（Bsize）、公司成長性（Growth）、年份變量（Year）。

（三）研究模型構建

對于假設1，本文參考Beck（2010）和Kegui Wang（2021）的研究，采用多期雙重差分模型進行回歸，其中TFPi，t為被解釋變量全要素生產率，BDLi，t為被解釋變量即公司在第t年是否部署大數據系統，若部署大數據系統則的取值為1，否則為0。

TFPi，t=a0+a1BDIi，t+a3profi，t+a4PPEi，t+a5GPMi，t+

a6Bsizei，t+a7Growthi，t+ΣYear+ε

為檢驗假設2，集權程度下大數據系統采用與企業效率之間的關系，構建假設2的回歸模型：

TFPi，t=λ0+λ1BDIi，t+λ2Ceni，t+λ4BDIi，t×Ceni，t+λ3profi，t+λ4PPEi，t+λ5GPMi，t+λ6Bsizei，t+λ7Growthi，t+ΣYear+ε

三、實證檢驗與結果分析

（一）回歸分析

為檢驗假設1關于企業大數據系統采用與企業運營效率二者之間的關系，本文對式（1）進行了回歸分析，回歸結果如下頁表1模型（1）所示。

由模型（1）回歸結果可知：企業大數據系統采用和企業全要素生產率的回歸系數為0.089，在5%的水平上顯著正相關。證實了假設H1，說明了企業采用大數據系統后，企業的運營效率有顯著提高。為檢驗假設2，對式（2）進行了回歸，結果見回歸結果中模型（2），集權程度和大數據系統采用的交乘項對企業全要素生產率依舊在1%水平下顯著負相關，相關系數為-0.418，說明集權程度在企業大數據系統采用對企業運營效率影響機制中產生負向調節效應的可靠度較高。證明了集權程度在企業大數據系統采用對企業運營效率影響機制中發揮負向調節作用。

（二）平行趨勢檢驗

多期雙重差分回歸有效的前提條件是平行趨勢假設成立。為了驗證平行趨勢假設，本文借助Wang（2022）的做法，若平行趨勢假設成立，則企業運營績效的提高發生在大數據系統采用后，而大數據系統采用前，實驗組和對照組的運營績效變動趨勢不存在顯著差異。回歸結果顯示，大數據系統采用前五年的全要素生產率系數的變化未表現出一定的規律，實驗組與對照組趨勢基本一致，大數據系統采用后5年內全要素生產率系數呈顯著上升趨勢，由此表明平行趨勢假設成立。

四、研究結論

本文以我國滬深兩市A股上市機械制造業企業為研究對象，選取2013—2020年的數據研究了大數據系統采用與企業運營效率的關系，以及集權程度在大數據系統采用與企業運營效率之間的調節作用，得出以下結論：企業大數據系統的采用對企業全要素生產率有顯著的正向促進作用，并且通過了平行趨勢檢驗。為了進一步研究集權程度在大數據系統采用對企業運營效率的影響過程中的作用，將集權程度作為調節變量加入到模型中進行檢驗，發現大數據系統采用與集權程度的交互項對企業全要素生產率的影響顯著為負，說明集權程度在大數據系統采用對企業運營效率的影響機制中發揮負向調節作用。

參考文獻：

[1]" "許芳，田萌，徐國虎.大數據應用能力對企業創新績效的影響研究：供應鏈協同的中介效應與戰略匹配的調節效應[J].宏觀經濟研究，2020（3）：19.

[2]" "徐國虎，田萌.大數據系統實施對企業績效影響的實證研究[J].科技進步與對策，2017，34（16）：98-105.

[3]" "楊汝岱.中國制造業企業全要素生產率研究[J].經濟研究，2015，50（2）：61-74.

[4]" "陳國青，曾大軍，衛強，等.大數據環境下的決策范式轉變與使能創新[J].管理世界，2020（2）：95-105.

[5]" "魯曉東，連玉君.中國工業企業全要素生產率估計：1999—2007[J].經濟學，2012，11（1）：18.

[6]" "潘怡麟，朱凱，陳信元.決策權配置與公司價值：基于企業集團的經驗證據[J].管理世界，2018，34（12）：111-119.

[7]" "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.

[責任編輯" "立" "夏]