数字赋能对企业绩效的影响

摘 要：数字赋能有助于提升企业的科技创新能力，推动中国经济向高质量发展。文章采用2016年-2019年沪深两市880家上市公司的面板数据，采用多元回归模型，对数字赋能与企业绩效的关系进行实证分析。研究表明：数字赋能对企业绩效呈正相关关系，尤其对长期绩效有显著的“促进效应”。基于此，政府应优化数字技术环境，加强政策扶持;企业应加大数字化建设，并制定合理有效的高管激励机制，增强自身创新能力。

关键词：数字赋能;企业绩效;上市公司

一、引言

随着大数据、云计算、物联网、区块链、5G、人工智能等赋能技术应用大规模发展，各国都大力推进数字经济与实体经济的深度融合，并把数字赋能作为推动高质量发展进程的引擎，我国“十四五”规划和2035年远景目标纲要中都提出“数字技术新优势”，通过数字赋能提升科技创新能力，提高关键核心技术创新和科技成果转化率，增强科技进步对经济发展的“挤入效应”。企业作为数字赋能的微观主体，必须不断进行研发创造，提升企业价值，实现转型升级。

目前，学者们大多以定性研究表明数字赋能对企业绩效的正向作用，缺乏定量研究，因此，本文以A股上市公司为样本，并将企业绩效分为企业长期绩效与企业短期绩效，实证分析数字赋能和企业绩效两者之间的关系，并提出以下几个问题：数字赋能对公司的绩效有什么影响？并且短期绩效与长期绩效的影响是否不同，针对上述问题，分析数字赋能与企业绩效之间的关系。

二、理论分析与研究假设

数字赋能是企业运用云计算、大数据、物联网、人工智能、区块链、5G等新一代信息技术，对现有的资源与要素重新整合，提升组织效率和运营能力。数字化的技术能充分发挥杠杆效用，使企业以较少的创新资源投入获得较高的创新产出。通过数字赋能重构企业的价值链，编制网络生态，整合其生态系统的资源，为用户提供全方位、多元化的服务。随着互联网、信息技术的发展，用户参与产品设计、生产、销售等流程的活跃度提升，利用数字资源满足自身的利益诉求与升级化需求。企业借助数据工具，追踪消费者的行动轨迹，制作用户画像，满足消费者个性化需求，及时反馈消费者的用户体验，增强用户黏性，实现精准营销。利用数字技术优化组织结构以及决策流程，制定科学的经营战略，有效掌握市场动态，降低市场风险，提升企业利润。通过数字赋能建立先进制造业工业云，衍生发展出协同创新、远程诊断、在线监测等新业态，提升“老字号”制造业的智能化、网络化、数字化制造水平。调整企业之间的连接方式，利用“连接红利”，促进企业之间的共生协同，进而提升创新能力以及风险抗性。

数字赋能的结果是长周期和高不确定性的，短期内赋能成效很难呈现于企业绩效中，但高管的绩效考核都与短期业绩相挂钩，基于管理防御假说，管理层为了自身利益最大化会倾向于规避数字技术的应用与开发，从而数字赋能的短期绩效往往难以显著提升，不过长期内会由于企业价值的提升。据此，本文提出以下研究假设：

H1：数字赋能与短期绩效呈正相关关系，不过影响力度比较小。

H2：数字赋能与长期绩效呈正显著相关关系。

三、研究设计

1.样本选择及数据来源

文章选取2016年-2019年A股上市公司为初始数据。并对原始数据做如下筛选：剔除ST，*ST等公司;剔除行业类型变化的样本;剔除研发及相关数据缺失的样本。经过上述处理，最终选取上市公司880家，为3520个有效样本。数据主要来源于CSMAR数据库，部分研发投入信息来源于巨潮资讯网，数据处理软件为SPSS24.0软件和EXCEL2010。

2.变量定义

（1） 被解释变量。本文企业绩效划分为短期绩效与长期绩效。借鉴前人分析，采用总资产收益率（ROA）表示短期绩效，托宾Q值（TOBINQ）表示长期绩效。

（2） 解释变量。本文将互联网业务收入比重表示数字赋能的程度，这样在不同企业之间也可以进行比较，并且在国际上也能行得通，故本文选用互联网业务收入比重（DE）表示数字赋能。

（3） 控制变量。

①企业规模（SIZE）。企业具有一定规模，不仅能够产生外部经济的内部化，还能提升企业抗风险能力，获取更多利益。故企业规模采用总资产的自然对象衡量。

②企业成长性（GROWTH）。企业成长性能反映企业未来发展趋势，故采用主营业务收入增长率表示企业成长性。

③企业上市年龄（AGE）。分别计算上市公司上市年与2015年-2018年之间的年限之差得出上市年龄。

④资本结构（CF）。企业主要通过负债和发行股票进行融资，与发行股票的区别在于负债还需要还本付息，影响企业的资金链。故采用负债总额与资产总额的比值表示资本结构。

⑤现金流量（CASH）。经营活动净流量反映了企业资金流动的情况，故现金流量采用经营活动净流量与资产总额比值进行衡量。

3.模型构建

为了检验H1、H2，构建多元回归模型如下：

ROA=α0+αiDE+αi ∑controls+ε（1）

TOBINQ=α0+αiDE+αi ∑controls+ε（2）

四、实证分析

1.描述性统计

（1） 数字赋能的描述性统计分析

通过描述统计结果可知，数字赋能平均值为5.729%，与国际先进水平还有一定差距，虽然数字赋能最大值为6.62%，但也有一些企业没有实现数字赋能，造成这种现象的原因可能是经济規模比较低，引进的数字技术水平有限，赋能效果较低，再加上融资约束以及数字基础设施相对比较落后，限制了企业数字赋能的能力，根据不同的年份数据分析可知，2016年-2019年，我国A股上市公司数字赋能程度是先下降又上升的，但总体变化幅度不是很大，相对较低，企业在数字化转型过程中应加大对数字技术的应用与研发（因篇幅原因，图表省略）。

（2） 企业绩效的描述性统计分析

通过企业绩效的描述性统计结果可知，2016年-2019年，我国A股上市公司短期绩效的均值为4.571%，企业之间的效益水平差距较大，说明有的企业发展效益极好，有的企业亏损严重，与先进国家还存在一定差距，整体盈利水平不高，财务增长空间比较大。

通过不同年份的统计数值分析，2016年-2019年A股上市公司的托宾Q值平均水平为3.342，说明A股上市公司整体成长性较好，不过托宾Q值呈现下降的趋势，可能存在的原因是企业没有加大实施高管激励机制，从而使高管与股东利益出现分歧（因篇幅原因，图表省略）。

2.相关性分析

从表1中可以看出，各变量的pearson相关性系数绝对值均在0.7以下，小于0.8，表明模型不存在多重共线性，故可进行回归分析，相关分析如下：

企业数字赋能与总资产收益率、托宾Q值两者均在1%水平上显著正相关，说明企业数字赋能强度越高，企业绩效越好，说明企业应抓住数字变革的机会，尽快实现数字赋能，只不过创新研发活动的成效在短期内较难转化为企业效益，而在长期内能看见创新性成果，为企业增值，从而长期绩效更显著。初步验证了H1、H2成立。

3.回归结果分析

由表1可知，所有回归方程的F统计量均在0.1%的水平上显著，说明回归结果基本可靠，结论如下：

数字赋能与企业绩效的关系。通过表2可知，企业数字赋能强度正向促进短期绩效、长期绩效，不过这种促进力度在长期内更明显（0.071>0.004），证实了H1，H2。表明数字赋能对企业的创新能力具有一定的促进性，研发水平越高，企业的价格优势和成本优势更加明显，进而能有效增强企业核心竞争力，创造企业价值，提升企业绩效，不过数字赋能具有长周期、滞后性的特性，从而这种价值在短期内效果不明显，但有助于长期绩效的提升。

五、結论与建议

1.结论

通过表2的回归分析结果可知，数字赋能强度与企业的短期绩效、长期绩效的关系为正，且在0.1%的水平上显著，分别为0.004、0.071，说明数字赋能每提高1%，企业的短期绩效与长期绩效会分别提高0.004%与0.071%，从而企业数字赋能对企业绩效的促进作用具有一定的滞后性，数字赋能的促进作用在长期更加明显，可能是由于企业实现数字化需要一个过程，大部分企业只是引进了数字技术，又受限于资金、规模、信息及能力等因素的制约，并没有真正收获数字化成果。因此企业应制定长远目标，立足于企业长期发展，重视数字赋能的长期性与稳定性。

2.建议

（1） 政府需优化数字技术应用环境，加强政策扶持。实证分析可知，数字赋能强度对企业的短期和长期绩效有正向的促进作用，政府应营造良好的数字创新环境，推进数字金融发展，缓解金融约束，降低对国有企业的“行政化”干预，给予他们更多地自主权，激发创新活力;加快数字基础设施建设，提高整体数字化水平，提高创新成果转化率以及知识产权的经济效益，激励企业进行自主创新，增强企业的比较优势以及互补优势。

（2） 企业要加大数字化建设，增强自身创新能力。企业应抓住当前数字赋能的机遇，重视数字化投入，制定研发创新战略，实现信息与资源的共享、共用及共联，弥补自身创新资源的不足，推动企业数字化转型升级;加大员工的数字技能培训力度，培育自主创新能力，增强信息获取和资源整合能力，提升人力资本;利用数字技术整合和重构原有的组织结构、生产流程以及营销模式，拥有高技术含量的产品、工艺以及技术，掌握一批核心关键技术，实现精准营销，增强企业核心竞争能力。

（3） 设计高管激励机制，发挥激励作用。高管激励是公司治理过程中的一个核心问题，因此，企业应合理制定高管激励机制，权变的选择短期或中长期激励方式，缓解委托代理问题引起的机会主义行为，通过提高薪资、福利等方式，平衡创新带来的短期成本及长期收益，鼓励高管提供智力支持，利用自身的专业知识以及职业能力，助力数字赋能企业创新过程，提升绩效水平。

参考文献：

[1]施炳展，李建桐.互联网是否促进了分工：来自中国制造业企业的证据[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]刘静，惠宁，南士敬.数据赋能驱动文化产业创新效率的非线性研究——基于STR模型的实证检验[J].经济与管理研究，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，孙元，周立勇.平台赋能、价值共创与企业绩效的关系研究[J].科学学研究，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]陈冬梅，王俐珍，陈安霓.数字化与战略管理理论——回顾、挑战与展望[J].管理世界：2020，36（05）：220-236+20.

作者简介：胡阳华（1989- ），女，山东济宁人，硕士研究生，济南工程职业技术学院，讲师，研究方向：市场营销、战略管理

基金项目：院级课题项目：“大数据环境下营销模式创新研究（GHSK2132）”