忘卻學(xué)習(xí)視角下企業(yè)數(shù)字化轉(zhuǎn)型的多重路徑分析
——基于機器學(xué)習(xí)算法

方 剛，高 安

（杭州電子科技大學(xué)管理學(xué)院，浙江杭州 310018）

當(dāng)前有大量的企業(yè)開展數(shù)字化轉(zhuǎn)型，但其中仍有近七成企業(yè)的轉(zhuǎn)型實踐以失敗告終［1］。當(dāng)前研究企業(yè)如何實現(xiàn)數(shù)字化轉(zhuǎn)型的文獻(xiàn)數(shù)量也日益增加，但多是從資源和能力層面展開討論，忽視了組織學(xué)習(xí)這一更深層次的驅(qū)動因素［2］，而從組織學(xué)習(xí)的角度探討企業(yè)如何實現(xiàn)數(shù)字化轉(zhuǎn)型或許能為解決當(dāng)前我國傳統(tǒng)企業(yè)數(shù)字化轉(zhuǎn)型難的問題提供新思路。不同于漸進(jìn)性的技術(shù)和管理創(chuàng)新，企業(yè)數(shù)字化轉(zhuǎn)型是由工業(yè)化向數(shù)字化、智能化轉(zhuǎn)變的根本性變革［3］，企業(yè)必須主動拋棄在以往范式下所積累的過時的觀念和慣例，并主動學(xué)習(xí)適用于數(shù)字技術(shù)范式下的新技術(shù)、新思想［4］，通過忘卻學(xué)習(xí)實現(xiàn)組織知識的更新［5］。因此，研究企業(yè)如何通過忘卻學(xué)習(xí)實現(xiàn)數(shù)字化轉(zhuǎn)型具有理論和實踐意義［6］。然而現(xiàn)有相關(guān)文獻(xiàn)中存在一些欠缺：一是大多是俯瞰性的結(jié)論，難以“對癥下藥”。普適性的數(shù)字化轉(zhuǎn)型路徑不能充分考慮到企業(yè)個體間的差異，會導(dǎo)致數(shù)字技術(shù)和企業(yè)難以實現(xiàn)有機融合，在個別企業(yè)中甚至產(chǎn)生了負(fù)作用［7］。二是大多將數(shù)字化轉(zhuǎn)型作為單一變量進(jìn)行研究，忽視了數(shù)字化轉(zhuǎn)型是一個漫長且充滿試錯的過程［8］，事實上，數(shù)字化轉(zhuǎn)型的階段性特征十分明顯［9］。因此，識別不同企業(yè)的特征及其轉(zhuǎn)型所處的階段，回答“何種類型的企業(yè)在何種階段適合采用何種學(xué)習(xí)方式來實現(xiàn)數(shù)字化轉(zhuǎn)型”的問題，為企業(yè)提供具體而有針對性的轉(zhuǎn)型指導(dǎo)是本研究的主要目的。

1 研究背景

行業(yè)數(shù)字化程度與地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展水平是影響企業(yè)數(shù)字化轉(zhuǎn)型決策的重要外部因素［10］，來自業(yè)內(nèi)激烈的競爭或是地區(qū)政策導(dǎo)向與制度壓力常使企業(yè)面臨進(jìn)退兩難的抉擇。同樣的，企業(yè)年齡等來自企業(yè)內(nèi)部的因素同樣會影響其創(chuàng)新活動［11］。然而，即使企業(yè)最終決定開展數(shù)字化轉(zhuǎn)型，并非能夠一蹴而就，漫長的轉(zhuǎn)型之路要求企業(yè)制定明晰的戰(zhàn)略規(guī)劃和科學(xué)的轉(zhuǎn)型節(jié)奏［12］。縱觀當(dāng)前企業(yè)的數(shù)字化轉(zhuǎn)型路徑，基本遵循“設(shè)計—實施—反饋”三階段［9］。因此，在現(xiàn)有文獻(xiàn)基礎(chǔ)上將行業(yè)數(shù)字化程度、地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展水平以及企業(yè)年齡作為企業(yè)類型的劃分依據(jù)，將戰(zhàn)略制定、轉(zhuǎn)型實施、評估迭代作為企業(yè)轉(zhuǎn)型的3 個階段，利用機器學(xué)習(xí)算法獲取不同類型的企業(yè)在轉(zhuǎn)型不同階段采用的學(xué)習(xí)方式。

那么，為什么要采用機器學(xué)習(xí)算法來進(jìn)行研究？首先，相關(guān)實證研究常用的回歸模型需要假設(shè)變量之間具有特定的函數(shù)形式（如線性或“U”型），但僅通過線性回歸或結(jié)構(gòu)方程等線性關(guān)系來驗證假設(shè)的方式在合理性方面本就存疑［13］，簡單的函數(shù)形式也常使研究結(jié)論難以解釋樣本之外的案例；相比之下，機器學(xué)習(xí)方法無需事先設(shè)定函數(shù)形式，在大樣本情形下能夠發(fā)掘出更為復(fù)雜的規(guī)律，提升結(jié)論的泛化能力。其次，盡管機器學(xué)習(xí)方法使得變量間的函數(shù)關(guān)系成為“黑箱”，但仍為我們提供了驗證理論假設(shè)的新途徑：不同于傳統(tǒng)回歸方法比較函數(shù)中自變量系數(shù)的方式，機器學(xué)習(xí)方法能夠通過輸出變量，在模型中對結(jié)果準(zhǔn)確性的貢獻(xiàn)度來反映不同學(xué)習(xí)方式對數(shù)字化轉(zhuǎn)型的重要程度［14］，從另一角度實現(xiàn)研究目的。

2 理論分析與研究假設(shè)

2.1 地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展水平對企業(yè)數(shù)字化轉(zhuǎn)型的影響

地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展水平對企業(yè)數(shù)字化轉(zhuǎn)型的影響在于兩方面。一是地區(qū)制度壓力的推動。數(shù)字經(jīng)濟(jì)發(fā)展水平較高的地區(qū)往往擁有完善的數(shù)字基礎(chǔ)設(shè)施，地區(qū)內(nèi)企業(yè)開展數(shù)字化轉(zhuǎn)型具有成本優(yōu)勢，同時當(dāng)?shù)卣鶗槠髽I(yè)提供扶持性與引導(dǎo)性政策，吸引區(qū)域內(nèi)大量企業(yè)開展數(shù)字化轉(zhuǎn)型，逐步形成區(qū)域數(shù)字化制度和數(shù)字化生態(tài)系統(tǒng)［15］；此后，數(shù)字化制度壓力推動區(qū)域內(nèi)其他企業(yè)通過數(shù)字化轉(zhuǎn)型融入生態(tài)系統(tǒng)而避免被淘汰。二是地區(qū)同群企業(yè)的拉動。體現(xiàn)在區(qū)域內(nèi)的競爭使得企業(yè)傾向于通過模仿對手的行為而避免自身失去競爭優(yōu)勢［16］，對于數(shù)字經(jīng)濟(jì)發(fā)展水平高的地區(qū)，當(dāng)競爭對手尤其是地區(qū)龍頭企業(yè)選擇數(shù)字化戰(zhàn)略時，同群其他企業(yè)基于降低決策風(fēng)險的考慮往往會選擇跟隨。綜上提出假設(shè)：

H1：地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展水平是影響企業(yè)數(shù)字化轉(zhuǎn)型決策的因素之一。

2.2 行業(yè)數(shù)字化程度對企業(yè)數(shù)字化轉(zhuǎn)型的影響。

行業(yè)數(shù)字化程度對企業(yè)數(shù)字化轉(zhuǎn)型的影響在于兩方面。一是行業(yè)數(shù)字化程度影響企業(yè)實現(xiàn)數(shù)字化轉(zhuǎn)型的管理模式跨度。如處于建筑業(yè)、運輸業(yè)等數(shù)字化程度較低行業(yè)的企業(yè)中，科層制的組織架構(gòu)、追求穩(wěn)定的組織文化十分常見，這使得這類企業(yè)缺乏戰(zhàn)略柔性，當(dāng)數(shù)字化帶來的沖擊尚未打破行業(yè)穩(wěn)定，數(shù)字化轉(zhuǎn)型對提高企業(yè)績效的影響尚不明朗，貿(mào)然拋棄多年積累的觀念和慣例并不被企業(yè)管理者接受［17］；而對于軟件和信息技術(shù)服務(wù)業(yè)等數(shù)字化程度高的行業(yè)，產(chǎn)品迭代快、競爭強度大的特點促使行業(yè)內(nèi)大量企業(yè)形成扁平高效的組織結(jié)構(gòu)以及擁抱創(chuàng)新的組織文化，當(dāng)行業(yè)內(nèi)競爭對手的數(shù)字化轉(zhuǎn)型帶來示范效應(yīng)，往往會有很多企業(yè)對其進(jìn)行學(xué)習(xí)和模仿并逐漸實現(xiàn)同質(zhì)化和規(guī)范化，而那些不主動跟隨的企業(yè)將面臨被行業(yè)淘汰的風(fēng)險［10］。二是行業(yè)數(shù)字化程度影響實現(xiàn)轉(zhuǎn)型的技術(shù)跨度。對于行業(yè)數(shù)字化程度低的企業(yè)，其原有技術(shù)標(biāo)準(zhǔn)、生產(chǎn)規(guī)范等知識和慣例在轉(zhuǎn)型過程中的復(fù)用程度低，更寬的技術(shù)跨度意味著更高的風(fēng)險和試錯成本，挑戰(zhàn)了多個部門的利益，使得自上而下的轉(zhuǎn)型戰(zhàn)略往往難以推行［18］；而對于行業(yè)數(shù)字化程度高的企業(yè)，其業(yè)務(wù)對于數(shù)字技術(shù)的依賴程度高，數(shù)字化轉(zhuǎn)型帶來的技術(shù)跨度小，較高的投入產(chǎn)出效率有助于各部門利益達(dá)成一致，便于企業(yè)開展新設(shè)備的購置與建造、信息系統(tǒng)的建設(shè)和技術(shù)知識的培訓(xùn)學(xué)習(xí)，實現(xiàn)全局性的數(shù)字化轉(zhuǎn)型［19］。綜上提出假設(shè)：

H2：行業(yè)數(shù)字化程度是影響企業(yè)數(shù)字化轉(zhuǎn)型決策的因素之一。

2.3 企業(yè)年齡對企業(yè)數(shù)字化轉(zhuǎn)型的影響

企業(yè)年齡能夠代表其行業(yè)經(jīng)驗的豐富程度［20］，通常而言，年齡越大的企業(yè)所擁有的資源和經(jīng)驗越豐富。但對于數(shù)字化轉(zhuǎn)型等技術(shù)創(chuàng)新活動來講，年齡因素或許會對企業(yè)產(chǎn)生倒“U”型影響。具體而言，年齡較小的初創(chuàng)企業(yè)，其行業(yè)實力和經(jīng)驗有所欠缺，研發(fā)投資風(fēng)險更大［20］，但路徑依賴程度低，對于先進(jìn)的數(shù)字化技術(shù)和知識具有很強的吸收能力；而年齡較大的老牌企業(yè)，在傳統(tǒng)行業(yè)多年的深耕使其形成獨有的技術(shù)和管理體系，擁有較強的處理不確定性的能力，但所積累的技術(shù)壁壘在其數(shù)字化轉(zhuǎn)型時往往形成阻礙［11］，制約轉(zhuǎn)型活動的開展。綜上提出假設(shè)：

H3：企業(yè)年齡是影響企業(yè)數(shù)字化轉(zhuǎn)型決策的因素之一。

2.4 忘卻學(xué)習(xí)——企業(yè)數(shù)字化轉(zhuǎn)型的有效途徑

以往從資源能力視角探討數(shù)字化轉(zhuǎn)型的實現(xiàn)路徑往往局限在具體的資源或能力，從而得出較為片面的結(jié)論［2］。組織學(xué)習(xí)是實現(xiàn)企業(yè)數(shù)字化轉(zhuǎn)型這一跨范式變革的重要方式［3］，企業(yè)在學(xué)習(xí)新知識前需要首先對不再適用的舊知識進(jìn)行忘卻，才能表現(xiàn)出更強的適應(yīng)性和創(chuàng)新性。本研究中所指的忘卻學(xué)習(xí)，既包括對舊知識的拋棄，也有對新知識的主動學(xué)習(xí)，并沿用Gabriel 等［21］學(xué)者的劃分方式，將忘卻學(xué)習(xí)分為利用式忘卻學(xué)習(xí)和探索式忘卻學(xué)習(xí)。綜上提出假設(shè)：

H4：企業(yè)數(shù)字化轉(zhuǎn)型會開展利用式忘卻學(xué)習(xí)。

H5：企業(yè)數(shù)字化轉(zhuǎn)型會開展探索式忘卻學(xué)習(xí)。

3 研究設(shè)計

3.1 研究方法

首先運用文獻(xiàn)分析法總結(jié)企業(yè)在數(shù)字化轉(zhuǎn)型過程中的相似行為，將企業(yè)數(shù)字化轉(zhuǎn)型劃分為3 個階段，其次運用K-means 算法將數(shù)字化轉(zhuǎn)型企業(yè)依據(jù)行業(yè)數(shù)字化程度、地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展水平和企業(yè)年齡3 個維度劃分不同群組，最后運用輕量級梯度提升機算法（light gradient boosting machine，LightGBM）分別構(gòu)建兩類忘卻學(xué)習(xí)對企業(yè)數(shù)字化轉(zhuǎn)型不同階段影響關(guān)系模型，通過自變量（兩類忘卻學(xué)習(xí)）在各個模型中的貢獻(xiàn)度（貢獻(xiàn)度越高，該變量對于結(jié)果的影響程度越大）來解釋不同類型企業(yè)在不同的轉(zhuǎn)型階段適合開展的學(xué)習(xí)方式。

3.2 企業(yè)數(shù)字化轉(zhuǎn)型的階段劃分

現(xiàn)有關(guān)于轉(zhuǎn)型階段的研究方法主要可歸納為案例研究法和歸納總結(jié)法，分別有如陳國權(quán)等［22］和Ekman 等［23］的研究，前者通過對單個企業(yè)的數(shù)字化轉(zhuǎn)型進(jìn)行詳細(xì)的案例分析，得出其具體行為路徑，能夠為目標(biāo)企業(yè)提出有針對性且詳細(xì)的建議，但缺乏普適性；后者通過匯總多家企業(yè)數(shù)字化轉(zhuǎn)型相關(guān)的文獻(xiàn)或案例，提煉企業(yè)間相似的行為特征并總結(jié)為階段模型，盡管對于具體階段的命名有差異，但普遍遵循“設(shè)計—實施—反饋”的分析邏輯。因此，本研究在運用歸納總結(jié)法的相關(guān)文獻(xiàn)基礎(chǔ)上，將企業(yè)數(shù)字化轉(zhuǎn)型劃分為戰(zhàn)略制定、轉(zhuǎn)型實施、評估迭代3 個階段（見圖1）。在戰(zhàn)略制定階段，管理者拋棄陳舊的觀念，吸納更加開放的文化和思想，設(shè)立長遠(yuǎn)的數(shù)字化轉(zhuǎn)型目標(biāo)，優(yōu)化組織結(jié)構(gòu)并營造變革的氛圍；在轉(zhuǎn)型實施階段，企業(yè)拋棄傳統(tǒng)低效的工作流程，引入信息化資產(chǎn)搭建數(shù)字基礎(chǔ)設(shè)施，并學(xué)習(xí)利用數(shù)字技術(shù)解決業(yè)務(wù)問題；在評估迭代階段，企業(yè)通過評估數(shù)字化轉(zhuǎn)型的成果與不足，發(fā)現(xiàn)業(yè)務(wù)流程中尚未優(yōu)化的環(huán)節(jié)，進(jìn)一步除舊布新。

圖1 企業(yè)數(shù)字化轉(zhuǎn)型的階段劃分

3.3 樣本選擇和數(shù)據(jù)來源

鑒于我國企業(yè)數(shù)字化轉(zhuǎn)型熱潮的掀起始于2016年G20 峰會之后，因此選取2017—2021 年A 股上市企業(yè)為樣本，數(shù)據(jù)來源于CSMAR 數(shù)據(jù)庫、國家統(tǒng)計局和國家工業(yè)信息安全發(fā)展研究中心。在獲得26 428 條初步數(shù)據(jù)后，依下列次序進(jìn)行數(shù)據(jù)處理，共獲得1 353 家企業(yè)2 401 條樣本數(shù)據(jù)。

（1）去除標(biāo)記為ST、*ST、PT 的異常企業(yè)樣本；

（2）去除資產(chǎn)負(fù)債率大于1（資不抵債）的樣本；

（3）去除存在數(shù)據(jù)維度缺失的樣本；

（4）去除距離樣本均值超過3 倍標(biāo)準(zhǔn)差的極端值；

（5）去除互聯(lián)網(wǎng)行業(yè)的企業(yè)（認(rèn)為此類企業(yè)本身數(shù)字化程度較高，未開展數(shù)字化轉(zhuǎn)型）；

（6）去除年報中數(shù)字化轉(zhuǎn)型相關(guān)詞頻為0 的樣本（認(rèn)為此類企業(yè)未開展數(shù)字化轉(zhuǎn)型）。

3.4 變量測量方式

3.4.1 聚類維度

（1）行業(yè)數(shù)字化程度（IDT）。借鑒陳玉嬌等［10］的測量方式，采用企業(yè)所處行業(yè)對計算機制造業(yè)和信息服務(wù)行業(yè)的完全消耗系數(shù)（計算機制造業(yè)和信息服務(wù)業(yè)投入到各行業(yè)的中間品占各行業(yè)增加值的比重）作為行業(yè)數(shù)字化程度指標(biāo)。

（2）地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展水平（RDT）。我國國家工業(yè)信息安全發(fā)展研究中心［24］發(fā)布的《全國數(shù)字經(jīng)濟(jì)發(fā)展指數(shù)（2021）》顯示，31 個省區(qū)市（未含港澳臺地區(qū)）的數(shù)字經(jīng)濟(jì)發(fā)展水平同當(dāng)?shù)厝司a(chǎn)總值（GDP）高度正相關(guān)，因此取企業(yè)所在省區(qū)市2017—2021 年的人均GDP 作為地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展水平指標(biāo)。

（3）企業(yè)年齡（AGE）。借鑒鄭登攀等［11］的測量方式，采用企業(yè)從注冊年份到2021 年的時間。

由于上述數(shù)據(jù)在各個維度內(nèi)不存在極端值，但不同維度間的量綱差異較大，因此適合采用歸一化處理，將各維度數(shù)據(jù)均轉(zhuǎn)化為［0,1］之間的變量。

3.4.2 特征變量

（1）利用式忘卻學(xué)習(xí)（LW）和探索式忘卻學(xué)習(xí)（TW）。知識在組織中有不同的載體，或存在于專利、技術(shù)手冊中，或物化在機器設(shè)備上，組織知識存量的變動通常以資產(chǎn)變動的形式體現(xiàn)［25］。利用式忘卻學(xué)習(xí)意味對舊知識的拋棄，因此選用（企業(yè)處置固定資產(chǎn)、無形資產(chǎn)和其他長期資產(chǎn)收回的現(xiàn)金凈額）/總資產(chǎn)來測量；探索式忘卻學(xué)習(xí)意味對新知識的吸收，因此選用（企業(yè)購建固定資產(chǎn)、無形資產(chǎn)和其他長期資產(chǎn)支付的現(xiàn)金凈額）/總資產(chǎn)來測量。

3.4.3 結(jié)果變量

（1）戰(zhàn)略制定（DS）。企業(yè)的戰(zhàn)略規(guī)劃會在其年報中體現(xiàn)，對上市企業(yè)年報進(jìn)行文本分析可以了解其戰(zhàn)略導(dǎo)向，因此以企業(yè)年報文本中與數(shù)字化轉(zhuǎn)型相關(guān)詞的詞頻表示［26］。表1 列舉了數(shù)字化轉(zhuǎn)型企業(yè)在戰(zhàn)略制定階段所采用的關(guān)鍵詞。

表1 企業(yè)數(shù)字化轉(zhuǎn)型相關(guān)關(guān)鍵詞

（2）轉(zhuǎn)型實施（DZ）。轉(zhuǎn)型實施階段主要測算數(shù)字基礎(chǔ)設(shè)施（計算機、電子設(shè)備、信息系統(tǒng)等軟硬件資產(chǎn)）在企業(yè)中的應(yīng)用程度，因此沿用劉飛［26］的測量方式，以企業(yè)本年度購進(jìn)數(shù)字資產(chǎn)占總資產(chǎn)的比例作為指標(biāo)。

（3）評估迭代（DP）。評估迭代階段主要測算數(shù)字化轉(zhuǎn)型對企業(yè)績效的影響程度。有文獻(xiàn)指出，企業(yè)數(shù)字化轉(zhuǎn)型帶來的積極或消極效應(yīng)均會反映到其經(jīng)濟(jì)效益指標(biāo)上,但該影響存在滯后性［27］。考慮到企業(yè)規(guī)模的不同，在劉淑春等［27］測量利潤額的基礎(chǔ)上，以（企業(yè)t+1 期凈利率-t期凈利率）（t為年份）作為測算指標(biāo)。

3.5 K-means 聚類分析

借助基于Python 語言的機器學(xué)習(xí)庫Scikit-learn實現(xiàn)K-means 聚類分析，從行業(yè)數(shù)字化程度、地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展水平以及企業(yè)年齡3 個維度確定樣本在空間中的位置，并以此對群體進(jìn)行聚類。

3.5.1 群組個數(shù)的選擇

由于K-means 算法需要人為事先規(guī)定k值（聚類簇數(shù)），主觀為k賦值往往帶來聚類結(jié)果的不科學(xué)性，因此Rousseeuw［28］提出通過計算輪廓系數(shù)（silhouette coefficient，SC）來評價聚類結(jié)果的好壞，當(dāng)前k 值下的輪廓系數(shù)越大，意味聚類效果越好（不同群組間的差異最大）。基于樣本數(shù)據(jù)，通過對k分別在［2,10］區(qū)間內(nèi)賦值并計算各自的輪廓系數(shù)，得出不同k值下的輪廓系數(shù)的變化趨勢，結(jié)果如圖2 顯示，當(dāng)k取3 時聚類效果最好，因此選取k=3 開展分析。

圖2 不同k 值下樣本數(shù)據(jù)的輪廓系數(shù)

3.5.2 K-means 聚類結(jié)果

將參數(shù)k=3 輸入聚類模型，運行后聚類結(jié)果如圖3 所示。

圖3 樣本數(shù)字化轉(zhuǎn)型企業(yè)的聚類結(jié)果

聚類中心能夠反映不同群組在空間中的分布情況，表2 展示了樣本企業(yè)聚類結(jié)果中各群組的聚類中心坐標(biāo)。結(jié)果顯示：群組1 表現(xiàn)為高行業(yè)數(shù)字化程度與高地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展水平；群組2 表現(xiàn)為高行業(yè)數(shù)字化程度與低地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展水平；群組3 表現(xiàn)為低行業(yè)數(shù)字化程度與高地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展水平。值得一提的是，3 類群組在企業(yè)年齡維度下均表現(xiàn)出較為中間的水平，這在一定程度上驗證了年齡因素對企業(yè)創(chuàng)新績效的倒“U”型影響。一種可能的原因是，企業(yè)年齡通常能夠反映企業(yè)的行業(yè)經(jīng)驗［20］，盡管豐富的行業(yè)經(jīng)驗意味著企業(yè)具有高超的技術(shù)能力和較多的資源，但對于成熟企業(yè)來講，限制其后期發(fā)展的反而是技術(shù)剛性問題［11］。同樣的，初創(chuàng)型企業(yè)受制于較差的技術(shù)創(chuàng)新和抗風(fēng)險能力，也注定會在數(shù)字化轉(zhuǎn)型上表現(xiàn)出猶豫，因此，行業(yè)追隨者企業(yè)或許成為轉(zhuǎn)型機會窗口的主要受益者，組成數(shù)字化轉(zhuǎn)型的主力軍。

表2 樣本數(shù)字化轉(zhuǎn)型企業(yè)各群組的聚類中心坐標(biāo)

在限定企業(yè)年齡維度的前提下，根據(jù)樣本企業(yè)各群組在行業(yè)數(shù)字化成熟度、地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展水平維度下的不同水平，依次對其進(jìn)行命名：

（1）行業(yè)和地區(qū)雙贏型（群組1）。表3 展示了行業(yè)和地區(qū)雙贏型企業(yè)的基本特征。此類企業(yè)占總樣本的62.9%，是比重最高的群組，說明同時具有地區(qū)和行業(yè)雙重優(yōu)勢的企業(yè)更傾向于數(shù)字化轉(zhuǎn)型。此類企業(yè)主要特征表現(xiàn)為：一方面，處于珠三角、長三角以及直轄市等地區(qū)，當(dāng)?shù)財?shù)字經(jīng)濟(jì)發(fā)展水平高、數(shù)字基礎(chǔ)設(shè)施完善、數(shù)字經(jīng)濟(jì)相關(guān)政策導(dǎo)向強；另一方面，深耕于軟件和信息技術(shù)服務(wù)業(yè)、計算機、通信和其他電子設(shè)備制造業(yè)等科技水平含量高、產(chǎn)品更新迭代快、業(yè)內(nèi)競爭壓力大的高新技術(shù)行業(yè)，大多為高新技術(shù)行業(yè)領(lǐng)先者，較早嗅覺數(shù)字經(jīng)濟(jì)趨勢并率先進(jìn)行戰(zhàn)略布局，注重前沿技術(shù)創(chuàng)新，在數(shù)字化轉(zhuǎn)型方面具有很強的主動性，將數(shù)字化轉(zhuǎn)型視為降本增效、帶來持續(xù)競爭優(yōu)勢的有效途徑。

表3 行業(yè)和地區(qū)雙贏型數(shù)字化轉(zhuǎn)型企業(yè)的基本特征

（2）行業(yè)優(yōu)勢型（群組2）。表4 展示了行業(yè)優(yōu)勢型企業(yè)的基本特征。此類企業(yè)在樣本中的比例為21.6%，與行業(yè)和地區(qū)雙贏型企業(yè)處在同一產(chǎn)業(yè)鏈，但企業(yè)規(guī)模相對較小，一般承擔(dān)前者的資源供給者或代工方的角色，因此更加注重固定資產(chǎn)投入。行業(yè)的先進(jìn)性和激烈的競爭氛圍促使此類企業(yè)養(yǎng)成了較強的知識吸收能力，但其大多處于中西部地區(qū)，相較于前者往往受限于當(dāng)?shù)剌^為薄弱的數(shù)字基礎(chǔ)設(shè)施和有限的政策紅利。其轉(zhuǎn)型動機源于行業(yè)和地區(qū)雙贏型企業(yè)大量轉(zhuǎn)型產(chǎn)生的業(yè)務(wù)帶動效應(yīng)，具有很強的跟隨和模仿性。產(chǎn)業(yè)鏈數(shù)字化對此類企業(yè)的生產(chǎn)方式提出了新的要求，管理者逐漸感知到產(chǎn)業(yè)鏈帶來的壓力，當(dāng)行業(yè)領(lǐng)先者提供了數(shù)字化轉(zhuǎn)型的示范效應(yīng)，模仿是此類企業(yè)提升競爭力的重要途徑。

表4 行業(yè)優(yōu)勢型數(shù)字化轉(zhuǎn)型企業(yè)的基本特征

（3）地區(qū)優(yōu)勢型（群組3）。表5 展示了地區(qū)優(yōu)勢型企業(yè)的基本特征。此類企業(yè)占據(jù)了15.5%，多數(shù)為經(jīng)濟(jì)發(fā)達(dá)地區(qū)傳統(tǒng)行業(yè)的大型央國企及其生態(tài)企業(yè)，具有復(fù)雜的組織架構(gòu)并面臨較強的路徑依賴。此類企業(yè)的數(shù)字化轉(zhuǎn)型具有很強的被動性，源于發(fā)達(dá)地區(qū)新的數(shù)字化生態(tài)系統(tǒng)對企業(yè)的合法性約束以及制度壓力，其較為復(fù)雜的組織架構(gòu)以及數(shù)字化轉(zhuǎn)型帶來的跨越式技術(shù)變革也使其相對于前兩類具有行業(yè)優(yōu)勢的企業(yè)群組面臨更大的風(fēng)險，因此不同于前兩類企業(yè)追求數(shù)字化轉(zhuǎn)型的效率，其更為看重數(shù)字化轉(zhuǎn)型過程中組織和業(yè)務(wù)的穩(wěn)定，同時較大的企業(yè)規(guī)模也使得其對于數(shù)字化轉(zhuǎn)型成本的敏感度較低。

表5 地區(qū)優(yōu)勢型數(shù)字化轉(zhuǎn)型企業(yè)的基本特征

3.6 LightGBM 回歸分析

3.6.1 方法選擇

采用機器學(xué)習(xí)LightGBM 算法對樣本進(jìn)行擬合，原因在于兩方面：一方面，數(shù)字化轉(zhuǎn)型是一種復(fù)雜且動態(tài)的變革，各要素的協(xié)同整合使得其難以通過基于函數(shù)關(guān)系構(gòu)建的回歸模型進(jìn)行描述；另一方面，本研究的目的是探究不同類型企業(yè)在數(shù)字化轉(zhuǎn)型各階段中采用的主要忘卻學(xué)習(xí)方式，最終組成企業(yè)數(shù)字化轉(zhuǎn)型路徑。借助機器學(xué)習(xí)模型雖然無法直接獲取變量間的函數(shù)關(guān)系，但可以獲取自變量間的相對重要性，自變量重要性越高則該變量對因變量的影響就越大［29］。因此，采用機器學(xué)習(xí)中LightGBM 回歸算法分別對上述3 個群組各自3 個階段共9 個回歸模型進(jìn)行擬合。

3.6.2 LightGBM 算法介紹

LightGBM 算法原理是將連續(xù)的浮點特征離散成k個值，并以此為基礎(chǔ)構(gòu)建直方圖，隨后遍歷樣本數(shù)據(jù)計算每個值在直方圖中的累計量，找到最優(yōu)的樣本分割點［30］。相對于決策樹算法，LightGBM 算法有訓(xùn)練速度和泛化能力的提升，對于樣本之外數(shù)據(jù)的適應(yīng)性更強，當(dāng)前已成為用于解決回歸問題的主流算法之一［29］。

3.6.3 LightGBM 算法模型參數(shù)選擇

LightGBM 算法需要對模型參數(shù)進(jìn)行調(diào)優(yōu)，使得測試集的均方誤差（mean square error，MSE）盡可能小。模型參數(shù)的調(diào)整采用控制變量法，每次控制其他參數(shù)不變，對單個參數(shù)進(jìn)行調(diào)整，經(jīng)多輪調(diào)試發(fā)現(xiàn)，模型評估指標(biāo)并無顯著提升。為避免過擬合現(xiàn)象以及增強不同模型間的可解釋性，統(tǒng)一將所有模型固定選取參數(shù)，如表6 所示。

表6 LightGBM 算法模型參數(shù)取值

3.6.4 不同回歸算法比較

同時選取XGBoost 算法、隨機森林算法以及線性回歸算法對樣本變量數(shù)據(jù)進(jìn)行擬合，將所得結(jié)果與LightGBM 算法進(jìn)行對比，如表7 所示。其中MSE、均方根誤差（root mean squared error，RMSE）、平均絕對誤差（mean absolute error，MAE）指標(biāo)均為越小則該算法擬合度越高，R2為越大則該算法擬合度越高［13］，表中數(shù)值為該算法下所有回歸模型指標(biāo)的均值。首先，通過對比各算法的訓(xùn)練集所得R2（0.808>0.514>0.250>>0.002）,可知復(fù)雜算法在對樣本的擬合能力上顯著高于線性回歸算法，驗證了本研究方法選取的合理性；其次，盡管XGBoost 算法在訓(xùn)練集的表現(xiàn)最好（R2=0.808），但其測試集所得R2<0，意味其對于樣本外數(shù)據(jù)的預(yù)測能力甚至不如將樣本均值作為預(yù)測值準(zhǔn)確，說明XGBoost 算法出現(xiàn)了過擬合現(xiàn)象；最后，LightGBM算法在訓(xùn)練集和測試集的各項指標(biāo)均表現(xiàn)最優(yōu)或次優(yōu)，因此選用LightGBM 算法。

表7 基于不同算法的樣本數(shù)據(jù)的模型指標(biāo)比較

3.6.5 LightGBM 算法訓(xùn)練結(jié)果

選取表6 設(shè)定參數(shù)分別對所有LightGBM 算法下的模型進(jìn)行訓(xùn)練，將所得結(jié)果中特征重要程度匯總于表8，可知地區(qū)優(yōu)勢型企業(yè)在轉(zhuǎn)型實施和評估迭代階段開展探索式忘卻學(xué)習(xí)的重要程度顯著高于利用式忘卻學(xué)習(xí)，說明行業(yè)的大幅跨越使得此類企業(yè)需要大幅引進(jìn)新的資產(chǎn)、技術(shù)及管理模式，支撐其數(shù)字化轉(zhuǎn)型；在其他情形下，企業(yè)開展兩類忘卻學(xué)習(xí)的重要程度并無顯著差異，說明企業(yè)開展數(shù)字化轉(zhuǎn)型應(yīng)當(dāng)注重穩(wěn)中求進(jìn)，不應(yīng)開展大幅引進(jìn)或拋棄的躍進(jìn)行為。

表8 LightGBM 算法下樣本數(shù)據(jù)模型結(jié)果的特征重要程度

值得一提的是，盡管樣本企業(yè)在單個階段內(nèi)部開展兩類忘卻學(xué)習(xí)的重要程度相似，但隨著發(fā)展階段的推進(jìn)，不同學(xué)習(xí)方式的重要性呈一定的變化趨勢，且不同類型企業(yè)所展現(xiàn)的趨勢具有明顯差異。為了直觀展現(xiàn)，將表8 以圖4 形式展示。可看出，行業(yè)和地區(qū)雙贏型企業(yè)在戰(zhàn)略制定和轉(zhuǎn)型實施階段主要開展探索式忘卻學(xué)習(xí)，而在評估迭代階段主要開展利用式忘卻學(xué)習(xí)；行業(yè)優(yōu)勢型企業(yè)在3 個階段均以探索式忘卻學(xué)習(xí)為主；地區(qū)優(yōu)勢型企業(yè)在戰(zhàn)略制定階段主要開展利用式忘卻學(xué)習(xí)，在轉(zhuǎn)型實施和評估迭代階段主要開展探索式忘卻學(xué)習(xí)。

圖4 各類型樣本企業(yè)在不同階段開展兩類忘卻學(xué)習(xí)的程度和變化趨勢

具體分析發(fā)現(xiàn)：（1）行業(yè)和地區(qū)雙贏型企業(yè)與行業(yè)優(yōu)勢型企業(yè)的差別主要在地區(qū)因素。二者轉(zhuǎn)型路徑相似，在戰(zhàn)略制定和轉(zhuǎn)型實施階段均以探索式忘卻學(xué)習(xí)為主且程度相近，但行業(yè)和地區(qū)雙贏型企業(yè)在評估迭代階段開展探索式忘卻學(xué)習(xí)程度迅速降低并轉(zhuǎn)為以利用式忘卻學(xué)習(xí)為主的學(xué)習(xí)方式，而行業(yè)優(yōu)勢型企業(yè)仍以探索式為主。一種可能的原因是，行業(yè)和地區(qū)雙贏型企業(yè)屬于主動求變，而行業(yè)優(yōu)勢型企業(yè)因為地區(qū)的差距，使得其在轉(zhuǎn)型上面臨更高的成本，當(dāng)行業(yè)領(lǐng)頭羊效應(yīng)凸顯時，此類企業(yè)更傾向于模仿領(lǐng)頭企業(yè)數(shù)字化轉(zhuǎn)型行為來規(guī)避風(fēng)險，但模仿帶來的滯后效應(yīng)或許會打亂自身變革節(jié)奏［31］，導(dǎo)致后期不能有效識別自身知識冗余，因此不能及時轉(zhuǎn)向利用式忘卻學(xué)習(xí)。（2）地區(qū)優(yōu)勢型企業(yè)與行業(yè)和地區(qū)雙贏型企業(yè)的差別主要在行業(yè)因素。二者轉(zhuǎn)型路徑差距較大，行業(yè)和地區(qū)雙贏型企業(yè)采用先探索式忘卻學(xué)習(xí)為主、后利用式忘卻學(xué)習(xí)為主的忘卻學(xué)習(xí)方式，而地區(qū)優(yōu)勢型企業(yè)則是先利用式忘卻學(xué)習(xí)為主、后探索式忘卻學(xué)習(xí)為主。較大的差異說明行業(yè)因素更能影響企業(yè)的數(shù)字化轉(zhuǎn)型決策。一種可能的原因是，地區(qū)優(yōu)勢型企業(yè)對數(shù)字技術(shù)運用程度低，轉(zhuǎn)型將要面臨較強的技術(shù)剛性問題，傳統(tǒng)的組織架構(gòu)易于形成“知識孤島”［32］，企業(yè)高層管理者需要在前期通過調(diào)整組織架構(gòu)、領(lǐng)導(dǎo)變革等方式擺脫來自于內(nèi)部的阻力［33］，為后期大幅開展探索式忘卻學(xué)習(xí)奠定基礎(chǔ)。表9 總結(jié)了各類型樣本企業(yè)在數(shù)字化轉(zhuǎn)型不同階段主要的學(xué)習(xí)方式。

表9 各類型樣本企業(yè)在數(shù)字化轉(zhuǎn)型不同階段主要的學(xué)習(xí)方式

4 結(jié)論與啟示

4.1 研究結(jié)論與討論

本研究以2017—2021 年度A 股上市企業(yè)為研究對象，采用K-means聚類方法，基于行業(yè)數(shù)字化程度、地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展水平以及企業(yè)年齡3 個維度對樣本劃分群組，隨后采用LightGBM 算法分別獲取各群組在數(shù)字化轉(zhuǎn)型不同階段的學(xué)習(xí)方式，得出3 條路徑。對結(jié)論總結(jié)并討論如下：

第一，企業(yè)數(shù)字化轉(zhuǎn)型受到所處行業(yè)數(shù)字化程度、所在地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展水平以及企業(yè)年齡的影響，其中行業(yè)因素的影響最大。劉淑春等［27］曾指出，企業(yè)數(shù)字化轉(zhuǎn)型成效受所處行業(yè)、企業(yè)規(guī)模等因素的影響，但未涉及因素間的對比，本研究結(jié)果表明，在開展數(shù)字化轉(zhuǎn)型的企業(yè)當(dāng)中，行業(yè)的差異使得企業(yè)的學(xué)習(xí)方式呈現(xiàn)近乎相反的表現(xiàn)，表明行業(yè)是影響企業(yè)轉(zhuǎn)型行為的主要因素，這與陳玉嬌等［10］、黃節(jié)根等［17］的結(jié)論相符；而李煜華等［7］將具有行業(yè)優(yōu)勢的企業(yè)定義為數(shù)字原生企業(yè)，相對于非原生企業(yè)，這類企業(yè)開展數(shù)字化轉(zhuǎn)型存在技術(shù)和經(jīng)驗上的優(yōu)勢，更容易規(guī)避來自內(nèi)部或外部的阻礙，采取更迅速的行動。

第二，行業(yè)和地區(qū)雙贏型企業(yè)開展數(shù)字化轉(zhuǎn)型時優(yōu)先注重外部知識的獲取，并逐漸將重心轉(zhuǎn)移到過時知識的拋棄。對于行業(yè)和地區(qū)雙贏型企業(yè)，行業(yè)的先進(jìn)性使得其對于轉(zhuǎn)型所需的新技術(shù)擁有較強的適應(yīng)能力，同時地區(qū)的經(jīng)濟(jì)優(yōu)勢能夠使其轉(zhuǎn)型耗費更低的成本和風(fēng)險、面臨更小的內(nèi)部阻力，從而吸引了大量同類企業(yè)開展數(shù)字化轉(zhuǎn)型，產(chǎn)生了高強度的競爭。此外，企業(yè)在數(shù)字化轉(zhuǎn)型中更傾向于率先引入數(shù)字化技術(shù)和先進(jìn)的管理理念，當(dāng)企業(yè)“站穩(wěn)腳跟”后，數(shù)字化水平對企業(yè)績效的提升作用將會表現(xiàn)出顯著的邊際遞減效應(yīng)［17］，此時將注重于通過調(diào)整組織架構(gòu)或精簡業(yè)務(wù)線來剔除那些多余的、不合適的知識，由追求知識的數(shù)量轉(zhuǎn)向追求知識的質(zhì)量。例如總部位于深圳、深耕于信息與通信技術(shù)行業(yè)的華為技術(shù)有限公司，其數(shù)字化轉(zhuǎn)型經(jīng)歷了由前期數(shù)字技術(shù)的大量引入與創(chuàng)新，到后期合并和縮減已有價值鏈環(huán)節(jié)，形成高效的轉(zhuǎn)型模式，并具備對外輸出解決方案的能力［34］。

第三，行業(yè)優(yōu)勢型企業(yè)開展數(shù)字化轉(zhuǎn)型全程注重外部知識的獲取。此類企業(yè)所處行業(yè)的先進(jìn)性和激烈的競爭氛圍促使其善于主動吸收外部先進(jìn)知識，如位于寧夏的西云數(shù)據(jù)，將發(fā)展重心始終放在數(shù)字基礎(chǔ)設(shè)施的購進(jìn)與建設(shè)，強大的數(shù)據(jù)資源供給能力成為其核心競爭力，抓住“東數(shù)西算”工程機遇并獲得快速發(fā)展。但此類企業(yè)的數(shù)字化轉(zhuǎn)型具有很強的跟隨和模仿性，相對于行業(yè)和地區(qū)雙贏型企業(yè)又因地區(qū)劣勢而獲得有限的配套設(shè)施支持，更高的成本和風(fēng)險使得企業(yè)轉(zhuǎn)型節(jié)奏不同，在后期難以跟隨行業(yè)和地區(qū)雙贏型企業(yè)進(jìn)行高頻率的新舊知識更替［35］，容易導(dǎo)致新技術(shù)新模式在應(yīng)用上的滯后，最終產(chǎn)生試錯風(fēng)險［12］。

第四，地區(qū)優(yōu)勢型企業(yè)開展數(shù)字化轉(zhuǎn)型優(yōu)先注重內(nèi)部過時知識的拋棄，并逐漸將重心轉(zhuǎn)移到外部知識的獲取。對于扎根工業(yè)化范式的老牌企業(yè)，需要首先忘卻初創(chuàng)環(huán)境中的固有邏輯才能實現(xiàn)數(shù)字技術(shù)內(nèi)部化［6］。企業(yè)管理者需要做好數(shù)字化動員，統(tǒng)一組織思想、接受變革，擁抱創(chuàng)新，才能降低數(shù)字化轉(zhuǎn)型遇到的阻力［2］。在轉(zhuǎn)型的中后期，大量數(shù)字資產(chǎn)的購建以及管理模式的引入標(biāo)志探索式忘卻學(xué)習(xí)成為數(shù)字化轉(zhuǎn)型企業(yè)的主要學(xué)習(xí)方式，如中國機械工業(yè)集團(tuán)有限公司在建設(shè)重大裝備潤滑安全數(shù)字化運維平臺的過程中，首先將開展與數(shù)字技術(shù)相適應(yīng)的組織架構(gòu)調(diào)整和管理流程優(yōu)化作為入手點，隨后轉(zhuǎn)向應(yīng)用軟件和數(shù)字基礎(chǔ)設(shè)施的投入。

第五，數(shù)字化轉(zhuǎn)型對行業(yè)追隨者企業(yè)具有很強的吸引力。根據(jù)本研究結(jié)果，開展數(shù)字化轉(zhuǎn)型的企業(yè)年齡集中在“腰部”區(qū)域，年齡過大或過小的企業(yè)轉(zhuǎn)型意愿均較低。一方面，技術(shù)范式的轉(zhuǎn)變不僅使得老牌企業(yè)原有行業(yè)領(lǐng)先者的技術(shù)壁壘消失，其多年形成的慣例使得組織內(nèi)部產(chǎn)生拒絕數(shù)字化紅利的阻力［6］；另一方面，行業(yè)內(nèi)的初創(chuàng)企業(yè)則困于較差的資源和能力而在數(shù)字化轉(zhuǎn)型上顯得有心無力。行業(yè)追隨者企業(yè)擁有極具競爭力的行業(yè)資源又較少受限于現(xiàn)有的技術(shù)剛性，獲得數(shù)字化轉(zhuǎn)型帶來的機會窗口，能否把握這個機會是其打破行業(yè)格局、實現(xiàn)后來居上的關(guān)鍵。

4.2 啟示與不足

基于以上研究結(jié)論，獲得以下啟示：企業(yè)開展數(shù)字化轉(zhuǎn)型需要明確自身優(yōu)劣勢，選擇合適的轉(zhuǎn)型路徑。對于身處高新技術(shù)相關(guān)行業(yè)的企業(yè)，應(yīng)善于利用自身的技術(shù)優(yōu)勢和資源稟賦，通過快速的技術(shù)迭代實現(xiàn)快速高效的數(shù)字化轉(zhuǎn)型，在激烈的競爭中取得優(yōu)勢；對于行業(yè)數(shù)字化程度低的企業(yè)，應(yīng)借助區(qū)域其他同群企業(yè)的榜樣效應(yīng)，對比“過濾”自身所不再適用的觀念與慣例，同時借助區(qū)域數(shù)字基礎(chǔ)設(shè)施，漸進(jìn)性地實現(xiàn)數(shù)字化生產(chǎn)和運營。

本研究還存在以下不足：首先，企業(yè)群組的劃分維度不夠細(xì)致，較大的顆粒度使得企業(yè)定位并非絕對清晰；其次，僅考慮兩類忘卻學(xué)習(xí)對數(shù)字化轉(zhuǎn)型的影響，未放入其他可能的相關(guān)變量，未來可考慮納入其他因素進(jìn)行綜合考量。