數字服務化情境下制造企業組織植入維度探索與量表開發

王 絨, 陳菊紅

(1.西安郵電大學 現代郵政學院,陜西 西安 710121;2.西安理工大學 經濟與管理學院,陜西 西安 710054)

0 引言

隨著服務化持續深入,制造企業越來越關注能夠交付產品性能、延長生命周期、獲取定期收益的高級服務[1]。提供高級服務的制造企業有能力開發產品,知道如何維持產品運作和管理,通過為客戶提供以性能或結果為合約內容的高級服務,提升客戶內部運營效率[2]。國內服務化水平領先的制造企業(如陜鼓動力),將員工作為組織代表長期派駐到客戶企業運營現場,為客戶提供實時高級運維服務,有學者把這種行為現象稱為“組織植入(organizational implants)”[3-4]。

近年來,數字經濟異軍突起。數字化能力被認為是制造企業提供高級服務的關鍵助推者[5]。勞斯萊斯、卡特彼勒、ABB、沃爾沃等世界領先型制造企業已引進數字技術,以此構建產品服務軟件系統和制定智能解決方案[6]。自此,數字服務化(digital servitization)概念應運而生,它關注制造企業數字化與服務化融合,強調制造企業通過應用數字技術提供服務或實現服務創新[7-8]。有學者發現,能夠更早、更有效地實現數字化轉型的制造企業在服務化方面優勢更大[9]。

制造企業組織植入行為跨越組織邊界,搭建起自身與客戶間的鏈接渠道,以此促進制造企業與客戶互動并共創價值[10]。然而,數字服務化情境下,制造企業組織植入內容是什么?如何通過組織植入有效提供高級服務?回答上述實踐議題,需要對組織植入內涵與結構維度進行深入探討。現有研究采用定性方法分析制造企業組織植入對服務創新的正向影響,但尚未對數字服務化情境下制造企業組織植入進行深入探討。鑒于此,本文結合國內制造企業實際,應用扎根理論研究方法,探索數字服務化情境下制造企業組織植入構成維度,并通過探索性與驗證性因子分析,開發制造企業組織植入測度量表,以期為制造企業通過組織植入行為助推數字服務化轉型提供理論參考。

1 文獻述評

1.1 組織植入

組織植入常見于醫學研究領域,其中植入物被定義為植入到生理存在或外科操作造成的體腔中、留存時間不少于30天的可植入型物品[11]。管理學領域的組織植入源于Grawe[12]對物流服務提供商與客戶關系構建的探討。該研究指出,服務提供商指派員工作為組織代表植入客戶企業內部,與客戶企業員工在客戶運營現場工作,這些現場代表被稱為“植入者”,而企業代表在供應鏈合作伙伴工作設施中工作被稱為“組織植入”。在上述定義的基礎上,王絨與陳菊紅[3]進一步探討制造企業組織植入對服務創新的影響。

梳理先前文獻可以發現組織植入概念的3個要點:①組織植入是服務提供商跨越組織邊界進駐客戶企業運營現場的行為,該行為的直接目的是零距離接近客戶以提供實時服務[3,13];②組織植入的植入物特指服務提供商在客戶運營現場常駐員工[3-4];③組織植入施行過程中,植入物與宿主間存在實時互動,如服務提供商員工代表與客戶企業員工在同一場所為解決共同問題進行交流[3-4]。

從研究論題的關注點看,現有研究普遍認可組織植入的植入物,即駐場員工(眾多跨組織邊界研究中稱之為“邊界扳手”),作為服務提供商與外部組織關系的媒介,對組織間關系發展與維系以及企業創新具有重要影響。上述研究認為,植入客戶現場的員工是跨越組織邊界培育企業競爭優勢的關鍵因素[14],能夠有效促進企業間異質性知識交換,提升研發績效[15],履行群體代表、資源獲取、信息交換等職能,在知識轉移活動中的地位日益重要[16],有助于促使服務提供商與客戶間信息共享,進而建立親密的跨組織關系,驅動知識交換與服務創新[17]。

1.2 數字服務化

數字化可為制造企業提供客戶交互的新形式,提升與客戶深度信息共享的可能性,為制造企業深入了解客戶偏好提供機會,促進制造企業不同類型的服務創新[18]。Coreynen等[19]指出,數字化情境下制造企業通過積累、吸收、利用數字資源,構建難以被競爭對手獲取或模仿的動態資源基礎,保持與客戶持續交流互動,捕獲客戶需求,進而從根本上更新價值鏈,影響和改變客戶流程;陳劍等[20]提出,數字化有助于企業采集與分析數據,深化對客戶需求的認知,從而實現個性化定制與網絡化協同轉型。

先前制造業服務化與數字化研究大多是孤立的,近年來才以“數字服務化”的名義出現[7],在國際服務化研究領域廣受關注。現有制造企業數字服務化研究主要聚焦數字技術對服務化的支持與推進作用[21],尤其是數字技術對高級服務產品的驅動作用[22],以及數字服務化對商業模式創新的助推作用[23]。有學者發現,數字服務化是制造企業實現價值創造的有效途徑(張振剛等,2022)。亦有學者提出,數字服務化不是簡單的“數字技術+服務化”,而是企業在數字時代實現重構變革的新范式[24]。值得注意的是,越來越多的研究者發現,數字服務化依托嵌入物理產品中的數字組件,能夠增強供應鏈上游企業對下游企業的依賴[25]。由此,制造企業需要跨越組織邊界與客戶及生態系統其他主體協作,從而制定智能解決方案[26-27]。

上述研究對制造企業組織植入與數字服務化的概念內涵及作用效果進行了有益的探索,但不足之處在于,對制造企業組織植入鮮有關注。近年來,數字服務化轉型成為制造企業發展趨勢,但鮮有學者對數字服務化情境下制造企業組織植入結構維度與測度量表進行系統研究。為此,本文采用定性、定量相結合的方法探討組織植入結構維度與測量量表,以期回答“數字服務化情境下制造企業組織植入內容是什么”這一研究問題。

2 制造企業組織植入維度探索

2.1 研究方法

扎根理論作為質性研究方法,可從經驗資料中生成理論,呈現行動者在處理某個問題時的行為變異,找到各種可能行為模式,并將這些模式以理論的形式表達出來[28]。扎根理論研究方法能夠通過深入挖掘調研獲取的經驗數據,自下而上地構建理論,適合用于新概念探索[29]。因此,扎根理論是探索數字服務化情境下制造企業組織植入結構維度的有效方法。深度訪談是扎根理論常用的資料收集方式(曾月明,許素,2019)。借鑒Binder &Edwards[30]的研究成果,本研究通過訪談調研獲取經驗數據,按照程序化扎根理論的編碼過程,依次對訪談資料進行開放式編碼、軸心式編碼、選擇性編碼,進而解析概念維度。

2.2 數據來源

本文選取西安陜鼓動力、海爾集團、西電集團、陜西汽車控股、華為技術有限公司、美的集團、法士特集團等7家制造企業19位工作人員作為訪談對象,樣本企業與受訪對象選取依據如下:

(1)樣本典型性。在工信部發布的服務型制造示范企業名單中,提供全生命周期服務和總集成總承包服務的裝備制造企業占大多數。為此,本文選取陜鼓動力、陜汽控股作為裝備制造示范企業。考慮到樣本多樣性和研究結論的適用性,本文選取通信及電子設備制造業、儀器儀表制造等其它細分制造行業領先企業作為備選樣本。

(2)資料可獲性。借助私人關系,通過現場走訪、電話、郵件、視頻等形式訪問7家樣本企業。

(3)信息多源性。為規避個人主觀傾向對訪談結果的影響,各企業訪談對象除1位高層管理者外,還包括由高層管理者引薦的1位中層項目經理和1～2名在服務現場工作的普通員工。

(4)數據有效性。各樣本企業受訪者在該企業工作時長超過3年,熟悉企業服務業務相關事項,并能夠清楚表達其專業觀點。

本研究主要通過個人深度訪談捕獲與組織植入構念相關的原始語句。訪談隊伍由研究團隊的3位博士組成,通過手寫筆記記錄受訪者陳述,在受訪者同意的情況下,輔助使用錄音筆記錄訪談過程。每次訪談前先進行訪談提綱設計,訪談主要圍繞“企業服務產品類型”“與客戶持續接觸的服務業務”“進入客戶企業提供服務的形式與做法”“數字化對服務提供的影響”4個開放性問題展開,但不受限于此。在開放式訪談與關鍵命題聚焦基本平衡的前提下,在訪談過程中適當調整相關問題,鼓勵受訪者說出計劃問題外的故事。訪談累計時長1 120分鐘,最終整理形成5萬余字的原始資料信息。

2.3 數據分析

2.3.1 開放式編碼

開放式編碼是指按照一定標準對訪談文本的原始語句進行概念化和范疇化。本研究主要遵循以下原則提高編碼信效度:①為了降低研究者主觀認知對新概念的影響,進一步提升代碼與原始數據資料的契合度,保留受訪者獨特用語,生成可以反映研究對象行動的原生代碼;②合并受訪者言語詞條中表達意涵相似或相同的詞條,剔除觀點相悖或有沖突的詞條;③3位主研人員分別對訪談資料進行編碼,比較各研究成員的編碼結果,形成最終開放性編碼結果。通過開放式編碼,本研究獲得22個概念,即初始范疇,概念獲取的原始語句示例見表1。

表1 訪談原始語句示例與初始范疇

2.3.2 軸心式編碼

軸心式編碼作為程序化扎根理論的第二步,主要尋找和構建概念間的關聯與類屬,形成若干范疇。每個被發現和深度分析的類屬,即為軸心。圍繞軸心總結得出的范疇為副范疇,通過進一步深入探尋副范疇間的關聯,合并得到的更高層范疇為主范疇。為降低研究者對編碼結果的主觀影響,本研究中軸心式編碼過程仍然先由3位主研人員分別單獨完成,經過整合、討論與比較分析,確定最終范疇。

外派員工、固定工位、共同工作、當面交流等4個概念均屬于制造企業駐場服務人員在客戶現場工作的場景,是制造企業與客戶聯系及交互界面,故將其歸于同一副范疇,命名為“服務界面”;信息依賴、任務依賴、彼此尊重、建立友誼、積極溝通、重視關系等6個概念反映的是制造企業駐場服務人員與現場工作人員為解決產品故障或運行問題而協同合作、交流互動的過程,涉及雙方員工間的交互,故將其歸于同一范疇,命名為“人際互動”;交換知識、共享經驗、獲取信息、分享信息4個概念均是制造企業駐場人員與客戶現場人員合作交流的結果,前兩個概念反映的是專業理論相關顯性知識與員工工作經驗積累形成的隱性知識互換,涉及制造企業與客戶知識共享,故歸屬于同一副范疇,命名為“知識共享”;后兩個概念代表雙方員工通過自身觀察捕獲對方尚未察覺的信息,以及直接告訴對方的確定信息,故將其歸于同一副范疇,命名為“信息交換”;植入設備反映的是制造企業與客戶聯系的另一場景,將設備植入客戶現場類似軟件嵌入系統平臺接口,因其與其它概念內涵相異,故單獨列為副范疇,命名為“嵌入接口”;獲取數據是制造企業通過植入設備從客戶現場獲取的直接成果,因與其它概念內涵相異,故單獨列為副范疇,命名為“數據采集”;診斷故障、預警故障、評估健康3個概念均是制造企業植入設備對客戶現場數據進行分析的智能反饋,故將其歸為同一副范疇,命名為“數據分析”;改進設計、優化流程、挖掘需求3個概念均是制造企業基于客戶現場數據,深層挖掘數據背后的信息并結合技術人員專業知識與經驗,實現數據應用結果,故將其歸為同一副范疇,命名為“數據應用”。

服務界面、人際互動、知識共享、信息交換4個副范疇均是制造企業將服務員工植入客戶現場發生的結果,故歸屬于同一主范疇,命名為“員工植入”;嵌入接口、數據采集、數據分析、數據應用4個副范疇均是制造企業將智能組件植入客戶現場運營設備后發生的結果,故歸屬于同一副范疇,命名為“智能設備植入”。綜上所述,通過軸心式編碼,本研究獲得8個副范疇和兩個主范疇(見表2)。

表2 軸心式編碼結果

2.3.3 選擇性編碼

選擇性編碼是指通過對軸心式編碼歸納的主范疇進行挖掘分析,提煉核心范疇的過程。具體而言,就是選擇或找出一個核心范疇,以此統領和概括主范疇間的邏輯關聯,圍繞核心范疇厘清故事主線,進而形成理論框架。本研究的核心范疇是“制造企業組織植入”,通過軸心式編碼歸納得出的“員工植入”“智能設備植入”兩個主范疇,均是制造企業將代表其組織的物質要素植入客戶企業內部,為客戶提供高級服務的行為方式。

圍繞“環境—行為—結果”的故事鏈條,本文構建數字服務化情境下制造企業組織植入行為構成理論框架,具體如下:員工植入和智能設備植入是制造企業組織植入的兩種行為方式;員工植入作為制造企業為客戶提供實時服務并與客戶保持互動的傳統行為方式,通過派員工進駐客戶運營現場構建服務界面,利用本企業駐場員工與客戶企業現場員工互動,促進制造企業與客戶的知識共享和信息交換;智能設備植入是制造企業受數字化轉型環境的影響,拓展高級服務供給并與客戶保持互動的新興行為方式,通過將攝像頭、傳感器等智能設備組件植入客戶現場運行的產品設備,以遠程監控形式依次進行數據采集、數據分析,最終實現數據應用。

2.3.4 理論飽和度檢驗

理論飽和度檢驗是指在理論構建完成后,尋找是否還有新的概念和范疇出現,以此檢驗理論效度。本文基于后續二輪訪談獲取的1.1萬字原始資料進行理論飽和度檢驗,結果顯示,追加數據中沒有新的概念和范疇出現。據此可以認為,本研究中數字服務化情境下制造企業組織植入只包括兩個維度,且結構維度達到理論飽和。

2.4 結果討論

組織植入是制造企業跨越組織邊界、進入客戶企業運營現場、與客戶保持互動及持續聯系的有效行為方式。本文基于數字服務化情境,在探討制造企業組織植入結構維度時發現,當前制造企業組織植入主要包括員工植入和智能設備植入兩種形式。上述兩種組織植入行為方式既有區別也有聯系,既有替代也有合作,共同支持制造企業高級服務供給。

2.4.1 員工植入特征

制造企業員工植入是指由駐場員工與客戶企業構建服務交互界面,組織代表為“人”。該行為模式源于制造企業服務化轉型,基于服務員工專業技術與溝通技巧,能夠實時、靈活地滿足客戶個性化需求,其服務對象不限于制造企業自家產品,可拓展至客戶運營現場所有產線機器。制造企業通過服務擁有的客戶交互成為其關鍵資產,而植入客戶工作現場的一線服務員工,構成促進客戶經驗知識積累的關鍵機制。植入員工在長期頻繁地與客戶員工面對面交流中,通過觀察學習積累客戶工作領域的相關知識,獲取更真實與全面的客戶需求信息[31]。在植入員工與客戶員工長期密切交流與共同協作過程中,會誘發更深層次的隱性與異質性知識交換。員工間私人友誼衍生出企業間關系資本,而關系資本可強化雙方員工對共同目標的關注,產生“鎖定效應”,從而幫助制造企業獲取競爭對手難以模仿的信息和能力[3,15]。同時,跨邊界形成的親近關系有助于員工在交流與服務過程中精準獲知客戶偏好、差異化理念、知識或不同的實踐經驗,洞察客戶自身尚未察覺的服務需求[32]。可見,員工植入以線下現場人工服務方式進駐客戶企業內部運營現場,為客戶提供實時服務,有助于制造企業獲得客戶企業關系資本。

2.4.2 智能設備植入特征

制造企業智能設備植入是指通過嵌入產品的智能設備與客戶企業產生關聯,組織代表為“智能設備”。該行為方式基于制造企業數字服務化轉型,應用數字化技術將傳感器等智能組件嵌入客戶購買的產品,通過遠程監控進駐客戶企業運營現場,進而為客戶提供即時設備維護服務。由此,制造企業獲得其產品運行數據,掌握更多精確產品使用信息。經客戶允許并在客戶參與的情況下,將傳感器等智能設備植入客戶使用的產品中,作為服務提供商的制造企業能夠收集產品使用相關數據。這種行為方式具有顯著跨邊界屬性和結果導向特征,有助于制造企業深入了解與獲取客戶需求信息,并與客戶發展強綁定關系。此外,通過長期積累,不同客戶企業數據形成與產品使用及客戶行為相關的大數據池,成為制造企業分析客戶不當操作行為、挖掘產品故障多發點與升級產品優化流程的重要數據資源。可見,智能設備植入以線上遠程的數字服務方式進駐客戶企業內部運營現場,為客戶提供即時服務,并在此過程中幫助制造企業積累相應的數據資源。上述員工植入與智能設備植入特征如圖1所示。

圖1 員工植入與智能設備植入特征

2.4.3 員工植入與智能設備植入比較

作為服務提供商的制造企業,借助組織植入行為方式為客戶提供高級服務。由此,組織植入成為制造企業與客戶企業進行聯系、互動的橋梁。隨著數字技術發展,以產品為中心的服務型制造企業單純依靠員工植入獲取產品在客戶現場的運營信息以跟進自有產品維護服務開始被智能設備植入所取代。然而,以客戶為中心的服務型制造企業在員工植入行為方式的基礎上,結合智能設備植入對自有產品進行預測性維護,同時通過植入員工解決客戶運營現場其它設備故障,為客戶提供保姆式甚至管家式服務,全方位保障客戶企業生產運營。員工植入與智能設備植入部分差異見表3。

表3 員工植入與智能設備植入差異

3 制造企業組織植入量表開發

3.1 量表編制

基于前文研究結果,結合制造企業員工植入與智能設備植入內容,參考先前研究中有關“人際互動、知識共享、信息交換”與“數據采集、數據分析、數據應用”的描述,本文分別對員工植入與智能設備植入進行測度,具體題項如表4所示。

表4 組織植入初始測度量

3.2 量表修正

3.2.1 小樣本數據收集

本文基于初始量表編制預調研調查問卷,采用李克特5級量表測度各題項與受訪企業實際情況的一致性,1～5分別表示“完全不符合”“不符合”“不確定”“符合”“完全符合”。為了精準修正題項表述,小范圍選取陜西省內11家制造企業進行預調研,邀請企業成員填寫問卷,并及時與答卷人進行交流,以確保題項與企業實際情況相契合。

此后,課題組于2021年8月派3位主研人員走訪當地涉及數字服務業務的制造企業,以線上視頻方式與山東、江蘇等地區制造企業取得聯系,邀請企業員工或管理者填寫問卷。歷時一個月,發放與回收151份問卷,得到131份有效問卷。此次預調研回收有效問卷涉及通用設備、專用設備等多個細分行業制造企業,能夠有效反映制造企業實況信息。

3.2.2 量表提純

本文采用IBM SPSS Statistics 22軟件對預調研問卷數據進行處理。基于個項和總體相關系數不小于0.5以及刪除該項后Cronbach's α值不高于量表總Cronbach's α值的標準,通過項目分析凈化冗余題項。由此,EI1、EI6、DI1、DI2等4個題項被刪除。剩余題項總量表Cronbach's α值為0.930,刪除任一項后量表Cronbach's α值均會降低,更正后各項總體相關系數CITC均大于0.7,分維度Cronbach's α值分別為0.938和0.904,可靠性較高,量表一致性較好,項目分析結果見表5。

表5 探索性因子分析與可靠性檢驗結果

3.2.3 探索性因子分析

本文使用主成分法對修正后的量表進行探索性因子分析,結果顯示,樣本KMO值為0.890,顯著性P<0.001,適合作因子分析。采用最大方差法對13個初始題項進行主體元件提取,經正交旋轉共提取出兩個公因子,各題項在其所屬因子載荷均大于0.7,按因子系數大小排序,主因子變異解釋量分別為39.174%和32.042%,累計方差貢獻率71.216%。由此可見,因子分析結果與維度探索研究結果一致。探索性因子分析結果見表5。

3.3 量表檢驗

3.3.1 大樣本數據收集

本文采用修正后的問卷進行大規模發放,正式問卷內容包括制造企業基本信息、組織植入測度題項以及效標變量題項3個部分,主要以問卷星的形式進行線上發放與回收,以滾雪球方式在制造業從業者間擴散。正式調研時間為2021年10～11月,共發放與回收問卷304份,剔除無效答卷68份,回收有效問卷236份,問卷有效回收率77.632%。

從問卷填寫人特征看,答卷者均來自服務相關部門,管理者與一線員工占比分別為43.496%和56.504%,工作年限超過5年人員占總人數的76.081%,學歷為本科及研究生以上人員占總人數的85.366%,男性員工占比為64.312%,略高于女性員工。上述結果表明,答卷者較為了解企業實況。答卷者學歷普遍較高,一定程度上可以確保其對問卷題項理解的準確性。樣本企業基本信息見表6。

表6 正式調研樣本企業基本信息

3.3.2 驗證性因子分析

本文基于扎根理論與探索性因子分析結果,構建二因子基礎模型,應用Amos24.0軟件采用極大似然估計方法對236條樣本數據進行驗證性因子分析,結果如圖2所示。

圖2 驗證性因子分析結果(N=263)

參考李朋波等(2021)、馬欽海等(2021)研究中的驗證性因子分析模型擬合度指標選擇與常用標準,χ2/df<5表示模型整體可接受,RMSEA<0.08表明模型與數據擬合度可接受,GFI、NFI、IFI、CFI值大于0.9說明模型適配度較高。數據分析結果顯示,模型匹配指標中, χ2/df值為4.155,RMSEA值為0.072, GFI、NFI、IFI、CFI值均接近或大于0.9。據此可以認為,將制造企業組織植入劃分為員工植入與智能設備植入兩個維度的測量結構比較理想。

3.3.3 信度與效度檢驗

信度檢驗結果發現,由二維13個題項構成的制造企業組織植入測度量表總體克朗巴哈系數為0.934,單個維度克朗巴哈系數分別為0.936和0.908,均大于0.7。同時,刪除13個題項中任一題項后,量表克朗巴哈系數均會降低。由此表明,本文研究量表信度較高。

效度主要包括內容效度與結構效度,結構效度又分為收斂效度和區分效度。本文以各因子平均提取方差,即AVE的平方根大于該因子與其它因子的相關系數為標準,檢驗量表區分效度,通過以下標準檢驗量表收斂效度(李朋波等,2021;周天舒,2021):①各因子平均提取方差AVE大于0.5;②各因子組合信度CR大于0.7;③各題項在其所屬因子的標準化因子載荷顯著大于0.5且低于0.95。驗證性因子分析及AVE和CR的計算結果見表7。結果顯示,兩個維度即因子平均提取方差AVE均大于0.6,組合信度CR均大于0.9,所有標準化因子載荷(見圖2)均顯著介于0.68～0.88之間,可見量表收斂效度較高。此外,因子間顯著相關,兩個因子平均提取方差AVE的平方根分別為0.824和0.856,均大于兩個因子的相關系數0.628,說明量表區分效度較高。本研究基于訪談結果與先前文獻,對題項表述進行多輪篩查與進一步修正,因而可以認為內容效度較高。

3.3.4 效標關聯效度檢驗

服務創新在以客戶價值為核心的競爭邏輯與服務主導范式下成為影響制造企業績效的重要變量[33]。實現服務創新的重點在于對關鍵信息與知識的持續更新、創造和轉化[34]。關系觀認為,僅限于傳統交易關系的買賣雙方因沒有跨組織關系而不會進行密集的信息交流。二元社會關系單位間的知識轉移與整合取決于接觸頻率、溝通水平、連接強度等權變因素[35]。提供高級服務的制造企業通過開放組織邊界獲得的外部伙伴知識可為創新提供機會[36]。據此,本研究以服務創新作為制造企業組織植入的效標變量,參照Hsueh等[37]的研究成果,構建測度量表,該量表包括“更多新服務理念形成”“新服務或新產品數量增加”“服務流程得以優化”3個題項。相關性分析結果顯示,制造企業組織植入與服務創新在p<0.01水平上顯著相關,相關系數為0.562。由此可見,制造企業組織植入量表效標關聯效度較高。

4 結語

4.1 研究結論

本文基于數字服務化情境,從制造企業數字服務化轉型視角,結合先前文獻與企業實踐剖析制造企業組織植入概念,揭示制造企業組織植入的兩個維度(員工植入與智能設備植入),并通過定量統計分析構建包含13個題項的制造企業組織植入測度量表。數據分析結果表明,二維13項制造企業組織植入量表信效度較高,能夠有效測度制造企業組織植入程度。

研究結論明確了數字服務化情境下制造企業組織植入的主要內容,系統闡釋了制造企業從服務化轉型向數字服務化轉型過程中,在客戶現場服務提供行為方式的變化。具體地,服務化階段,制造企業主要通過員工植入,以人際互動、知識共享、信息交換,以及由此構建的關系資本等行為要素提供現場線下服務;數字服務化階段,在員工植入的基礎上,制造企業通過智能設備植入,以數據采集、數據分析、數據應用,以及由此產生的數據資源等行為要素提供遠程線上服務。

4.2 理論貢獻

(1)區別于先前研究局限于傳統服務業中組織植入的描述,本文將組織植入概念從物流服務領域引入制造服務領域,拓展了組織植入概念應用范疇,為制造業服務化相關研究提供了概念基礎。

(2)基于制造企業數字服務化轉型視角,結合行業差異與企業發展實際,通過深度訪談與扎根理論等研究方法,將組織植入維度從傳統服務業中的單一維度“員工植入”拓寬至制造服務業中的“員工植入”與“智能設備植入”雙元維度,為制造企業組織行為研究提供了新視角。

(3)基于數字服務化情境開發了信效度較高的制造企業組織植入量表,豐富了制造企業數字服務化轉型研究體系,回應了Marko等[23]、Gebauer等[38]的研究呼吁,為未來數字服務化相關定量與實證研究提供了參考。

4.3 管理啟示

(1)制造企業可采用員工植入行為方式派遣技術員工進駐客戶企業現場,實現與客戶零距離、高頻次溝通,據此與客戶建立關系并實現異質性知識和隱性知識交換。在鎖定客戶的同時,了解客戶當前真實需求,進而精準預測客戶未來需求,以便先于競爭對手改進現有服務或推出新服務。

(2)借助數字技術,制造企業可應用物聯網等先進技術,在征得客戶同意的前提下,將傳感器等智能設備組件植入客戶購買的產品中,實時收集產品運行數據,掌握產品使用狀況,即時預測產品可能發生的故障并提前制定應對策略。在確保客戶企業持續生產的同時,分析產品運行數據,尋找故障多發數據點,找出產品可能存在的設計缺陷等,優化現有產品服務流程,進而實現服務創新。

(3)制造企業可根據自身服務轉型情況,選擇恰當的組織植入方式以鎖定客戶,在提升客戶忠誠度的同時,實現服務創新。選擇員工植入時,派駐客戶現場的員工不僅需要具備良好的專業技能,而且需要具備較高的人際溝通技巧,能夠敏銳地觀察現場狀況并迅速作出反應。應用智能設備植入時,制造企業應重點提升其數字化能力,如信息感知和獲取能力、硬件組件低人力涉入能力、通過無線通信網絡連接數字化產品的能力,以及大數據分析和應用能力等。

4.4 不足與展望

本文存在以下不足:第一,訪談數據收集方面,盡管本研究強調數據多源性與樣本均衡性,但受時間限制,訪談對象主要集中于西北地區,且受訪者所在細分行業覆蓋面較小。因此,未來可以進一步拓展研究范圍并進行深度訪談。第二,研究視角方面,本研究主要基于數字服務化轉型視角從植入物方面探究制造企業組織植入結構維度,未來可拓展研究維度,從更多視角與層面探討不同行業跨組織服務中的組織植入行為。