摘要：推進(jìn)數字化轉型是實(shí)現制造業(yè)高質(zhì)量發(fā)展的關(guān)鍵舉措。本文聚焦微觀(guān)企業(yè)層面，基于數據要素賦能傳統要素視角，對制造企業(yè)數字化轉型的內在邏輯展開(kāi)討論。重點(diǎn)探究數據要素賦能三種傳統要素的作用機制，包括賦能資本以減少使用摩擦，暢通生產(chǎn)流程；賦能勞動(dòng)力以增強人類(lèi)勞動(dòng)，促進(jìn)人機協(xié)作；賦能技術(shù)以調整改進(jìn)方向，并加快迭代速度。結合制造企業(yè)面臨的突出問(wèn)題，本文進(jìn)一步指出，應將提升數據能力作為推進(jìn)制造企業(yè)數字化轉型的重要抓手，以更好發(fā)揮數據要素對傳統要素的賦能作用，促進(jìn)企業(yè)能力提升，從而實(shí)現制造企業(yè)降本增效和新的價(jià)值創(chuàng )造。

關(guān)鍵詞：制造企業(yè)；數字化轉型；數據要素；傳統要素

 

一、引言

改革開(kāi)放后，中國經(jīng)濟發(fā)展進(jìn)入快車(chē)道，一躍成為世界第二大經(jīng)濟體，其中作為支柱產(chǎn)業(yè)的制造業(yè)功不可沒(méi)。隨著(zhù)收入水平的持續提高，消費者對于商品的消費需求也在不斷升級，但供給側卻落后于需求側的變化，市場(chǎng)出現商品供需結構失衡，造成產(chǎn)能過(guò)剩和資源浪費。加之，當前國際局勢復雜多變，國內也面臨著(zhù)人口老齡化、“卡脖子”技術(shù)等發(fā)展困境。鑒此，制造業(yè)亟待通過(guò)供給側結構性改革以實(shí)現轉型升級。基于數字經(jīng)濟的快速崛起，數字技術(shù)可為制造業(yè)重構增長(cháng)動(dòng)力提供有力支撐，數據要素也得以形成并廣泛應用，制造企業(yè)應抓住此契機，全面推進(jìn)數字化轉型，以更好應對要素成本上升和創(chuàng )新性不足等嚴峻挑戰。

數據要素主要來(lái)源于數字技術(shù)的投入使用，但不是任何數據都可稱(chēng)為生產(chǎn)要素。隨著(zhù)信息技術(shù)的發(fā)展與普及，數據得以產(chǎn)生但總量有限，內含的有價(jià)值的信息也有限，不具備成為生產(chǎn)要素的基本條件，因此衍生出“索洛悖論”[1]。而數字技術(shù)的運用能夠產(chǎn)生大量數據資源，使數據量呈指數級增長(cháng)，以ZB為單位計量的海量數據等待被處理和挖掘，是數字時(shí)代的潛在財富來(lái)源。需要指出的是，數據資源與數據要素不是同一概念。數據資源是基于新型基礎設施采集到的海量原始數據，其價(jià)值密度相對較低，需要運用數據抽取、數據清洗和數據標注等數據處理技術(shù)進(jìn)行基礎性挖掘，進(jìn)而將數據資源“化簡(jiǎn)”為具備低噪音、準確分布、可廣泛使用等特點(diǎn)的數據要素，此即本文論述的核心變量[2][3]。

制造企業(yè)作為一類(lèi)經(jīng)濟主體，曾一度被比作為“黑箱”，原因在于只有最初的原材料投入以及最終的成品產(chǎn)出是顯性可見(jiàn)的，其間的生產(chǎn)和管理等過(guò)程的隱性作用機制未被揭示。直到分離出資本、勞動(dòng)力和土地要素，逐漸擴展到技術(shù)、企業(yè)家才能要素，才得以將“黑箱”打開(kāi)，了解到企業(yè)內在的運作機制以及從原材料到產(chǎn)成品的全過(guò)程。隨著(zhù)信息時(shí)代的到來(lái)，信息的價(jià)值不言而喻，通過(guò)對承載信息的數據進(jìn)行收集分析，能夠為提高企業(yè)能力和效率提供改進(jìn)的方向和途徑。但在傳統運營(yíng)模式下，企業(yè)基本不具備對海量數據進(jìn)行采集、存取和挖掘分析的數據能力，也無(wú)法發(fā)揮數據要素的價(jià)值及其賦能作用。數字時(shí)代的到來(lái)使制造企業(yè)的數據能力得以提升，數據要素廣泛應用，尤其可利用數據要素對資本、勞動(dòng)力和技術(shù)等傳統要素進(jìn)行賦能，提升企業(yè)在要素使用、要素配置和創(chuàng )新方面的能力，進(jìn)而推動(dòng)數字化轉型，實(shí)現降本增效和新的價(jià)值創(chuàng )造，增強市場(chǎng)競爭力，助力制造業(yè)逐步擺脫供需失衡困境。

本文從數據要素賦能傳統要素的視角探究制造企業(yè)數字化轉型的內在邏輯，并據此提出推進(jìn)數字化轉型的現實(shí)路徑，即通過(guò)構建數據能力以發(fā)揮數據要素賦能作用，促進(jìn)企業(yè)要素使用、要素配置和創(chuàng )新等關(guān)鍵能力提升，最終實(shí)現降本增效和新的價(jià)值創(chuàng )造，以期為制造企業(yè)數字化轉型提供理論依據和實(shí)踐參考，助力制造業(yè)實(shí)現高質(zhì)量發(fā)展。后續內容安排如下：第二部分主要圍繞數據要素對現有文獻進(jìn)行簡(jiǎn)要回顧，明確本文的落腳點(diǎn)；第三部分從微觀(guān)企業(yè)層面，對數據要素賦能資本、勞動(dòng)力和技術(shù)三種傳統要素的作用機制進(jìn)行詳細論述，闡明數字化轉型的內在邏輯；第四部分進(jìn)一步明確制造企業(yè)數字化轉型的現實(shí)路徑，以及改善傳統要素質(zhì)量的重點(diǎn)。

二、文獻綜述

現有關(guān)于數字化轉型的研究主要集中在數字技術(shù)[4][5]、轉型領(lǐng)域[6]和轉型效果[7][8]等視角，從數據要素賦能角度進(jìn)行研究的文獻尚不多見(jiàn)。但在數字化轉型過(guò)程中，數據要素是關(guān)鍵基礎，是整個(gè)進(jìn)程得以持續運轉的核心要素。

一些研究表明，數據要素的有效使用可幫助企業(yè)提高收益和競爭力。從信息技術(shù)的歷史發(fā)展來(lái)看，美國20世紀90年代末的生產(chǎn)力復興與之聯(lián)系緊密。信息技術(shù)密集型行業(yè)的生產(chǎn)率增長(cháng)顯著(zhù)高于其他行業(yè)，且信息技術(shù)資本積累與勞動(dòng)生產(chǎn)率之間存在很強的正相關(guān)性，幾乎所有的生產(chǎn)力增強都可以追溯到生產(chǎn)或使用信息技術(shù)最密集的行業(yè)[9]。Müller et al.（2018）[10]視大數據分析（BDA）為一種資產(chǎn)，利用一套包含814家公司在2008—2014年的BDA解決方案和財務(wù)業(yè)績(jì)面板數據，指出動(dòng)態(tài)BDA資產(chǎn)與企業(yè)生產(chǎn)率提高有顯著(zhù)相關(guān)性，平均水平可提高3%～7%，且IT密集型行業(yè)的企業(yè)利用BDA資產(chǎn)獲取價(jià)值的效應顯著(zhù)。另外，還有研究從大數據的主要特征角度出發(fā)進(jìn)行探討。大數據有三大特征，分別為數量、多樣性和速度（簡(jiǎn)稱(chēng)“3V”）。實(shí)證檢驗表明，數據的多樣性和速度對企業(yè)創(chuàng )新績(jì)效有顯著(zhù)促進(jìn)作用，但數據量沒(méi)有顯著(zhù)影響。數據量在提高企業(yè)創(chuàng )新績(jì)效方面沒(méi)有起到關(guān)鍵作用，這一發(fā)現與“大數據越多越好”的普遍觀(guān)點(diǎn)相矛盾。此外，數據速度對企業(yè)創(chuàng )新績(jì)效的提高作用強于另外兩個(gè)特征，這意味著(zhù)，相比于關(guān)注大規模不同種類(lèi)的數據集成，實(shí)時(shí)分析和解釋數據以快速迭代研究結論發(fā)揮著(zhù)更重要的作用[11]。

與傳統生產(chǎn)要素相比，數據要素不具有消耗性和競用性的特點(diǎn)。將數據要素納入生產(chǎn)流程后，數據并不會(huì )消耗殆盡，反而有可能持續增加，并且被多個(gè)組織同時(shí)使用。但數據要素不可脫離傳統要素，否則無(wú)法成為具有生產(chǎn)力的要素，也不會(huì )為企業(yè)帶來(lái)收益。現有研究提供了一些數據要素賦能傳統要素的應用場(chǎng)景，論述了數據相關(guān)能力形成和企業(yè)能力提升的過(guò)程。在勞動(dòng)力要素方面，Brynjolfsson et al.（2016）[12]認為，新型數字技術(shù)極大增加了管理者可獲得數據的規模和范圍，對就業(yè)率更高、IT投資更大、受教育員工比例更高和企業(yè)學(xué)習方式更多樣化的制造工廠(chǎng)而言，數據驅動(dòng)決策的比例更大，生產(chǎn)管理效率更高。更具體看，數據要素還會(huì )因為勞動(dòng)力受教育水平的不同，從而對企業(yè)生產(chǎn)率造成影響：外生性的寬帶互聯(lián)網(wǎng)應用有利于提高熟練勞動(dòng)力的相對生產(chǎn)率，對于科技、工程和商業(yè)等領(lǐng)域的大學(xué)畢業(yè)生來(lái)說(shuō)，技能勞動(dòng)生產(chǎn)率的提高尤其大。相比之下，寬帶互聯(lián)網(wǎng)是受教育水平為高中以下工人的替代品，顯著(zhù)降低了其邊際生產(chǎn)率[13]。在資本和技術(shù)要素方面，Chen et al.（2015）[14]基于組織動(dòng)態(tài)能力理論，從資本生產(chǎn)率和業(yè)務(wù)增長(cháng)兩個(gè)角度闡釋大數據分析如何影響企業(yè)價(jià)值創(chuàng )造。企業(yè)組織可以通過(guò)大數據分析的手段開(kāi)發(fā)信息處理能力，并將這些綜合信息引流給職能供應鏈部門(mén)的相應決策者，以減少現金、庫存和過(guò)剩產(chǎn)能，降低不確定性和風(fēng)險，用“信息代替庫存”[15]。特別是在動(dòng)態(tài)市場(chǎng)中，僅僅通過(guò)優(yōu)化現有資源配置很難獲得長(cháng)期競爭優(yōu)勢，而大數據分析能夠助力組織在供應鏈的不同階段實(shí)現一系列臨時(shí)優(yōu)勢的技術(shù)改進(jìn)。例如，對銷(xiāo)售點(diǎn)（POS）數據的實(shí)時(shí)分析可能會(huì )為特定客戶(hù)群帶來(lái)更具吸引力的定價(jià)或服務(wù)；對庫存和運輸數據的實(shí)時(shí)分析也可為縮短交貨期和提高產(chǎn)品可用性創(chuàng )造機會(huì )，從而提高銷(xiāo)售。在能力方面，焦豪等（2021）[16]基于數據全生命周期管理的視角，發(fā)現數據分析、運營(yíng)和賦能平臺分別發(fā)揮不同特性的數據驅動(dòng)效應。在數字化情境下，考察機會(huì )感知、機會(huì )把控和變革重構三種企業(yè)動(dòng)態(tài)能力，其分別激發(fā)上述三種數據驅動(dòng)效應，推動(dòng)數字化轉型進(jìn)程，實(shí)現業(yè)務(wù)模式和流程管理創(chuàng )新。還有學(xué)者基于資源編排視角，從數字重組、數字捕獲、數字感知三個(gè)維度出發(fā)，揭示在數字技術(shù)變化背景下制造企業(yè)數據驅動(dòng)動(dòng)態(tài)能力的形成與演化過(guò)程，以對數字化轉型提供一定指導[17]。

以上相關(guān)研究大都著(zhù)眼于某一特定傳統要素進(jìn)行探討，或主要用實(shí)證方法檢驗賦能作用是否存在，沒(méi)有系統刻畫(huà)數據要素對各類(lèi)傳統要素的賦能機制，也沒(méi)有突出某一行業(yè)或產(chǎn)業(yè)的特點(diǎn)，且未建立要素與能力之間的聯(lián)系，尚未勾勒出全面且清晰的數字化轉型過(guò)程。對于制造業(yè)而言，生產(chǎn)經(jīng)營(yíng)投入一般包括資本、勞動(dòng)力和技術(shù)三種傳統要素。舉例來(lái)說(shuō)，其生產(chǎn)運營(yíng)過(guò)程需要投入設備和原材料等資本品，需要招募掌握相應技能的勞動(dòng)力，需要不斷進(jìn)行技術(shù)革新保持競爭力。用于衡量生產(chǎn)經(jīng)營(yíng)效果的指標主要包括要素使用、要素配置和創(chuàng )新三種效率，若要實(shí)現效率改進(jìn)，則需對應的三種企業(yè)能力有所提升。本文基于現有文獻，從數據要素角度出發(fā)，對制造企業(yè)的數字化轉型過(guò)程進(jìn)行討論，重點(diǎn)剖析數據要素分別賦能三種傳統要素的作用機制，并在此基礎上，進(jìn)一步將要素和能力相聯(lián)系，探討數據能力如何促進(jìn)企業(yè)能力提升，以厘清數字化轉型的內在邏輯和現實(shí)路徑，更好實(shí)現降本增效和價(jià)值創(chuàng )造的目標。

三、數據要素賦能傳統要素的作用機制

制造業(yè)包含多個(gè)細分行業(yè)，不同行業(yè)各具特點(diǎn)，其數字化轉型之路也有所區別。例如，對于服裝業(yè)來(lái)說(shuō)，實(shí)現服裝制作各模塊生產(chǎn)的數字化較容易，但各模塊之間的連接方式種類(lèi)繁多，因此仍需要人工密集勞動(dòng)，難以實(shí)現生產(chǎn)全過(guò)程的數字化，甚至自動(dòng)化也面臨較大障礙。但對于通用設備等裝備制造業(yè)而言，各個(gè)組件的性能參數往往是可以被窮盡且標準化的，可以運用數字技術(shù)根據生產(chǎn)需要對設備相關(guān)參數進(jìn)行調整，以實(shí)現全流程數字化。因此，在數字經(jīng)濟背景下，這里基于高度概括的一般生產(chǎn)流程和生產(chǎn)函數設定，試圖分析數據要素如何賦能傳統要素，以厘清轉型過(guò)程的內在邏輯。

單個(gè)企業(yè)作為經(jīng)濟活動(dòng)理性主體，其經(jīng)濟行為目標是利潤最大化，反映在生產(chǎn)過(guò)程中，即追求要素投入成本降低和產(chǎn)出效率提升。一般來(lái)說(shuō)，衡量企業(yè)投入成本和產(chǎn)出效率的有效工具為生產(chǎn)函數。在經(jīng)濟學(xué)的理論框架中，為了簡(jiǎn)化分析且不失代表性，通常忽略土地要素，只考察資本和勞動(dòng)力兩種要素的投入產(chǎn)出，由此可將生產(chǎn)過(guò)程大致分為資本密集型和勞動(dòng)密集型。但隨著(zhù)技術(shù)不斷進(jìn)步帶來(lái)的突出貢獻，不得不將技術(shù)要素也內生化。當前，數字時(shí)代的到來(lái)又催生出數據要素，生產(chǎn)要素的內涵進(jìn)一步擴大：數據要素通過(guò)分別賦能資本、勞動(dòng)力和技術(shù)三種傳統要素，提高傳統要素使用效率，優(yōu)化要素資源配置，促進(jìn)創(chuàng )新活動(dòng)，推動(dòng)企業(yè)數字化轉型，助力實(shí)現降本增效和新的價(jià)值創(chuàng )造。

（一）數據要素賦能資本要素

制造業(yè)所涉及的資本要素一般包括廠(chǎng)房、機器設備和原材料等物質(zhì)形態(tài)的中間投入品，在生產(chǎn)過(guò)程中一次性或分多期消耗，轉換為產(chǎn)成品增值的一部分，這里所討論的資本要素即主要指上述實(shí)物資本。在中國經(jīng)濟高速增長(cháng)的三十余年里，投資作為拉動(dòng)經(jīng)濟的“三駕馬車(chē)”之一，一直發(fā)揮主要作用。其內在動(dòng)因是：資本相對勞動(dòng)力要素而言屬于稀缺要素，不斷投入資本能夠實(shí)現遞增的邊際收益。隨著(zhù)經(jīng)濟發(fā)展步入新階段，投資驅動(dòng)經(jīng)濟發(fā)展的方式不可持續。對于大部分制造企業(yè)而言，應在現有資本存量基本穩定的前提下，加快資本折舊，提高使用效率，盤(pán)活現存資本，不斷更新?lián)Q代，而數據要素的引入正是提供了這樣的轉型契機。

1.資本要素投入使用存在摩擦。

生產(chǎn)活動(dòng)是制造業(yè)的核心領(lǐng)域和創(chuàng )造價(jià)值的主要環(huán)節，這里以生產(chǎn)活動(dòng)為例，討論資本要素投入使用的摩擦問(wèn)題。企業(yè)的生產(chǎn)流程一般可作如下總結：根據下游企業(yè)的生產(chǎn)訂單和具體需求排定生產(chǎn)計劃，依據相應原材料的庫存信息和生產(chǎn)所需進(jìn)行采購和出入庫管理，按照訂單需求將原材料投放到對應的生產(chǎn)線(xiàn)或工序上進(jìn)行生產(chǎn)，并初步產(chǎn)出一批樣品，對其進(jìn)行嚴格質(zhì)量檢測，根據檢測結果決定是否對設備參數等指標進(jìn)行調整，再進(jìn)行批量生產(chǎn)，最終得到滿(mǎn)足客戶(hù)需求的合格產(chǎn)成品。但在實(shí)際生產(chǎn)中，關(guān)鍵數據可得性問(wèn)題、機器設備優(yōu)化問(wèn)題、各環(huán)節銜接問(wèn)題等層出不窮，大大降低了生產(chǎn)活動(dòng)的效率。

依照生產(chǎn)制造的一般流程來(lái)看，資本要素的投入使用主要存在以下摩擦問(wèn)題。在接收訂單和排產(chǎn)階段，當企業(yè)接收到數份不同產(chǎn)品的生產(chǎn)訂單時(shí)，由于無(wú)法獲取原材料的實(shí)時(shí)庫存、生產(chǎn)設備的實(shí)時(shí)使用狀況和生產(chǎn)效率等數據，使得人工排產(chǎn)的重要參考信息缺失，往往需要消耗較長(cháng)時(shí)間制定生產(chǎn)計劃，甚至導致排產(chǎn)不合理，影響交貨時(shí)效。在采購原材料階段，由于生產(chǎn)過(guò)程中的數據可得性和豐富性不高，即使是關(guān)鍵工序的相關(guān)數據，最快也只能保持日更頻率，導致生產(chǎn)用料無(wú)法準確估計，往往需要更多的原材料儲備以備不時(shí)之需，極易導致意外庫存和無(wú)序堆積，造成資源浪費。在投入生產(chǎn)階段，各個(gè)生產(chǎn)設備僅僅是孤立的物理實(shí)體，無(wú)法將在產(chǎn)品的來(lái)源（即原材料）和去向（即產(chǎn)成品）以及工作時(shí)長(cháng)、生產(chǎn)進(jìn)度等實(shí)時(shí)信息向外傳遞，也無(wú)法與其他設備進(jìn)行信息交互。生產(chǎn)計劃完成情況信息的采集頻率較低，無(wú)法實(shí)現精確的實(shí)時(shí)統計，原材料與產(chǎn)品數量易出現較大偏差。例如，某一生產(chǎn)線(xiàn)上的機器發(fā)生故障時(shí)，不能及時(shí)將信息傳遞給后續設備，以暫時(shí)停止工作或啟用備用設備，并向專(zhuān)業(yè)維護人員報警，提供故障參數，及時(shí)止損，甚至影響整個(gè)生產(chǎn)計劃的執行與完成。最后，就整個(gè)生產(chǎn)過(guò)程來(lái)看，與全局可視化還有較大差距，只能保證原材料投入量、產(chǎn)成品產(chǎn)量等幾個(gè)關(guān)鍵節點(diǎn)數據的時(shí)效性和有效性，眾多原材料、在產(chǎn)品、產(chǎn)成品之間尚未建立清晰明確的對應關(guān)系。若產(chǎn)成品出現問(wèn)題，無(wú)法立即查明其原材料供應商、經(jīng)歷工序、操作設備編號、操作人員姓名和關(guān)鍵工藝參數等信息，不利于產(chǎn)品質(zhì)量的保障與升級。

2.數據要素賦能資本要素以減少使用摩擦，暢通生產(chǎn)流程。

引入數據要素并賦能資本要素將是解決上述問(wèn)題的有效途徑，其基本邏輯如圖1所示。在圖1的框架中，假設企業(yè)僅投入使用一種多用途原材料和三條生產(chǎn)線(xiàn)，每條生產(chǎn)線(xiàn)僅由2臺生產(chǎn)設備組成，且得到的產(chǎn)成品不同，以便對數據要素賦能資本要素的作用機制加以分析。數據要素不同于資本要素，其流向既可以單向也可以雙向。

 

圖1 數據要素賦能資本要素

注：帶箭頭實(shí)線(xiàn)代表資本品主要流向，帶箭頭虛線(xiàn)代表數據主要流向，虛線(xiàn)框內為簡(jiǎn)化生產(chǎn)過(guò)程

資料來(lái)源：作者繪制

 

數據要素的賦能作用使生產(chǎn)流程從單向流動(dòng)模式轉變?yōu)椴粩嗟壍难h(huán)模式。隨著(zhù)數字技術(shù)投入使用，市場(chǎng)需求、生產(chǎn)計劃和實(shí)時(shí)庫存等信息都通過(guò)實(shí)時(shí)更新的大數據傳遞。在接收訂單和排產(chǎn)階段，生產(chǎn)部門(mén)可根據各類(lèi)生產(chǎn)計劃對產(chǎn)品特點(diǎn)、質(zhì)量以及交期等具體需求，在系統中輸入相應參數實(shí)現自動(dòng)排產(chǎn)，避免因收集排產(chǎn)所需的相關(guān)信息耗時(shí)過(guò)長(cháng)或生產(chǎn)環(huán)節銜接不流暢，進(jìn)而拖延生產(chǎn)用時(shí)，降低生產(chǎn)效率。在采購原材料階段，采購部門(mén)可以依據由生產(chǎn)部門(mén)實(shí)時(shí)共享的生產(chǎn)計劃及大數據資源，實(shí)現自動(dòng)平衡利庫，確定適當的原材料采購數量，減少原材料、在產(chǎn)品以及產(chǎn)成品的積壓，避免不必要的資源浪費。在生產(chǎn)過(guò)程中，機器設備可以通過(guò)傳感器等技術(shù)將生產(chǎn)參數、工作效率等數據實(shí)時(shí)返回到生產(chǎn)數據分析平臺，設備之間也可以進(jìn)行信息交互，實(shí)現生產(chǎn)計劃完成情況的精準實(shí)時(shí)反饋，勞動(dòng)力也可以對生產(chǎn)流程進(jìn)行實(shí)時(shí)掌控和調整。孤立的生產(chǎn)設備發(fā)展為具有邊緣計算能力的智能設備，再到工業(yè)互聯(lián)網(wǎng)環(huán)境下的泛在互聯(lián)，企業(yè)通過(guò)建立起設備與設備之間、設備與勞動(dòng)力之間的有效聯(lián)系，提高生產(chǎn)效率。

另外，基于生產(chǎn)流程的數字化可以實(shí)現對每一單位產(chǎn)成品追根溯源。在原材料入庫時(shí)，可運用RFID等數據采集技術(shù)對其進(jìn)行逐個(gè)或逐單位標記，包括供應商名稱(chēng)、原材料名稱(chēng)以及型號等信息。其后對產(chǎn)品在產(chǎn)環(huán)節的每一步分別進(jìn)行疊加標記，使每一單位產(chǎn)成品都擁有自己獨一無(wú)二的“數據身份證”，便可據此追溯到所經(jīng)歷的每道生產(chǎn)工序和供應商來(lái)源等信息，有助于優(yōu)質(zhì)供應商的篩選和產(chǎn)品質(zhì)量提升。

（二）數據要素賦能勞動(dòng)力要素

勞動(dòng)力要素是明確勞動(dòng)目的、明晰勞動(dòng)內容及方式方法的勞動(dòng)者，是價(jià)值創(chuàng )造的源泉。對于制造業(yè)來(lái)說(shuō)，勞動(dòng)力要素的地位舉足輕重。中國之所以能夠成為制成品出口全球的“世界工廠(chǎng)”，與天然的勞動(dòng)力比較優(yōu)勢（即勞動(dòng)年齡人口數量多、增速快、比重大）關(guān)系密切，人口紅利是經(jīng)濟增長(cháng)的重要源泉之一。但是，當前人口老齡化趨勢有增無(wú)減，勞動(dòng)年齡人口的絕對數量持續下降，僅依靠勞動(dòng)力數量?jì)?yōu)勢的發(fā)展模式不再可行，需要提升勞動(dòng)力質(zhì)量，將數量?jì)?yōu)勢轉化為質(zhì)量?jì)?yōu)勢。

1.勞動(dòng)力要素投入使用存在誤判。

與討論資本要素的前提一致，這里以生產(chǎn)部門(mén)的勞動(dòng)過(guò)程為例，分為前期布置、中期生產(chǎn)和后期改進(jìn)三個(gè)階段進(jìn)行探討。當企業(yè)尚處傳統發(fā)展模式時(shí)，在前期布置階段，往往僅依靠經(jīng)理人或管理人員根據勞動(dòng)力所擅長(cháng)工作內容和工作績(jì)效等定期收集的信息來(lái)分配工作，這存在以下三點(diǎn)潛在風(fēng)險：第一，人工收集以上數據需要耗費一定時(shí)間，可能造成工期延長(cháng)；第二，因參考數據體量較小而產(chǎn)生誤判，從而制定不合理的任務(wù)安排，或不能充分挖掘勞動(dòng)力潛力或施加過(guò)大工作壓力；第三，勞動(dòng)力在接收到工作任務(wù)之前，大部分都難以達到企業(yè)對相關(guān)技能或知識的標準要求，需要進(jìn)行產(chǎn)前培訓或通過(guò)“干中學(xué)”提高效率，在短時(shí)間內很難達到理想的或計劃的生產(chǎn)效率水平。在中期生產(chǎn)階段，無(wú)法實(shí)時(shí)采集工作績(jì)效數據。即使提高人工采集頻率也容易產(chǎn)生滯后，對日后分配生產(chǎn)任務(wù)的參考價(jià)值不高。另外，不合理的考核制度可能使員工對績(jì)效考核產(chǎn)生抵觸情緒，致使工作熱情和工作認同感下降，績(jì)效考核的激勵作用未充分發(fā)揮，還會(huì )阻礙勞動(dòng)力生產(chǎn)潛力的挖掘。在后期改進(jìn)階段，每當制造企業(yè)面臨新一輪技術(shù)變革時(shí)，將引致勞動(dòng)力需求發(fā)生快速且巨大的變化，但勞動(dòng)力供給卻因人力資本的投資回報周期較長(cháng)而難以跟上變化的速度，于是出現“機器換人”“就業(yè)替代”等風(fēng)險。歸根到底是因為部分勞動(dòng)力所擁有的工作技能落后于技術(shù)的更新?lián)Q代，沒(méi)有形成機器難以替代的技能，從而遭遇職業(yè)發(fā)展困境，影響企業(yè)生產(chǎn)效率。

2.數據要素賦能勞動(dòng)力要素以增強人類(lèi)勞動(dòng)，促進(jìn)人機協(xié)作。

企業(yè)進(jìn)行數字化轉型將推動(dòng)數據要素發(fā)揮賦能作用，實(shí)現勞動(dòng)力要素與數據要素融合發(fā)展，促使勞動(dòng)力提效升級。如圖2所示，僅以多個(gè)勞動(dòng)力生產(chǎn)同一種產(chǎn)品為例，該產(chǎn)品只有一道生產(chǎn)工序，且可由每個(gè)勞動(dòng)力分別操作一臺機器設備完成。數據要素的賦能改變了勞動(dòng)力只接受生產(chǎn)指令的單向工作模式，轉變?yōu)椤皩?shí)時(shí)跟進(jìn)工作效率—精細化派發(fā)任務(wù)”的雙向互動(dòng)模式，從而增強人類(lèi)勞動(dòng)，促進(jìn)人機協(xié)作。

 

圖2 數據要素賦能勞動(dòng)力要素

注：帶箭頭實(shí)線(xiàn)代表勞動(dòng)力接受工作技能培訓等過(guò)程，帶箭頭虛線(xiàn)代表數據主要流向，虛線(xiàn)框內為簡(jiǎn)化生產(chǎn)過(guò)程

資料來(lái)源：作者繪制

 

在前期布置階段，生產(chǎn)部門(mén)可利用數字技術(shù)分析生產(chǎn)計劃和各勞動(dòng)力既往生產(chǎn)效率等數據以及同類(lèi)型勞動(dòng)力的參考數據，以分配“適當”的工作任務(wù)，啟用工作流，使勞動(dòng)力自行領(lǐng)取工作任務(wù)，實(shí)現生產(chǎn)計劃從制定到落地的無(wú)縫銜接，減少不必要的時(shí)間浪費，最終達到縮短工期、加快企業(yè)生產(chǎn)循環(huán)的效果。同時(shí)也可使勞動(dòng)力能夠盡快知曉工作任務(wù)，盡早著(zhù)手學(xué)習相關(guān)知識或技能，在生產(chǎn)中提高勞動(dòng)效率。其中，“適當”既指與勞動(dòng)力個(gè)人能力和技能相匹配的工作內容，也指符合勞動(dòng)力能力水平的績(jì)效考核指標。

在中期生產(chǎn)階段，勞動(dòng)力生產(chǎn)各類(lèi)產(chǎn)品的耗時(shí)、完成質(zhì)量等績(jì)效數據可以被實(shí)時(shí)采集，并返回到生產(chǎn)數據平臺。經(jīng)過(guò)初步數據處理后，可以實(shí)現對勞動(dòng)力完成不同工作任務(wù)的生產(chǎn)效率進(jìn)行精確量化和場(chǎng)景分析，這也是后續工作規劃不斷迭代過(guò)程中的重要參考依據。在此基礎上，還可以通過(guò)設立數字大屏或工位顯示屏，展示各工位的實(shí)時(shí)生產(chǎn)情況，激發(fā)勞動(dòng)力的主觀(guān)能動(dòng)性，挖掘生產(chǎn)潛力。當出現問(wèn)題時(shí)，還可及時(shí)調取生產(chǎn)數據記錄，查找問(wèn)題來(lái)源。

在后期改進(jìn)階段，伴隨數字技術(shù)的大規模應用，勞動(dòng)力所需的工作技能也需同步提升更新，如此才能實(shí)現數據要素與勞動(dòng)力要素的和諧發(fā)展。數據要素的引入暢通了勞動(dòng)力獲取生產(chǎn)計劃等關(guān)鍵信息的渠道，并可提供相關(guān)崗位專(zhuān)業(yè)能手的工作經(jīng)驗和學(xué)習方法，促使形成“傳幫帶”學(xué)習小組以激勵自主學(xué)習與技能提升，幫助勞動(dòng)力成長(cháng)為兼具專(zhuān)業(yè)技術(shù)能力與組織、協(xié)作、規劃能力的復合型人才，完成就業(yè)轉型，實(shí)現人機協(xié)作共贏(yíng)。

（三）數據要素賦能技術(shù)要素

技術(shù)要素源于豐富的生產(chǎn)實(shí)踐以及各類(lèi)科學(xué)研究，是經(jīng)過(guò)提煉總結或反復實(shí)驗得到的知識或技能，這里所探討的技術(shù)主要包括產(chǎn)品技術(shù)和工藝技術(shù)。基于生產(chǎn)函數設定，制造企業(yè)的生產(chǎn)活動(dòng)和生產(chǎn)效率必然受到各項技術(shù)水平的限制。我國制造業(yè)雖享有全產(chǎn)業(yè)鏈的優(yōu)勢，但卻“廣而不精”，在一些前沿技術(shù)、核心技術(shù)和關(guān)鍵零部件元器件制造等方面遭到卡脖子威脅，加之新常態(tài)下經(jīng)濟發(fā)展動(dòng)能的轉換，倒逼技術(shù)更迭不斷加快，技術(shù)水平不斷提升，數據要素恰好能夠為這一過(guò)程提供強大動(dòng)力。

1.技術(shù)要素投入使用存在偏差。

技術(shù)的改進(jìn)過(guò)程一般包括三個(gè)階段，即技術(shù)篩選、技術(shù)研發(fā)和技術(shù)迭代。在傳統技術(shù)改進(jìn)過(guò)程中，技術(shù)篩選具有較強的慣性，即企業(yè)往往會(huì )根據生產(chǎn)實(shí)踐結果偏向于生產(chǎn)效率更高、應用范圍更廣的技術(shù)。但在當前需求升級速度遠快于企業(yè)匯總有效信息速度的背景下，消費者需求變化相對被忽略，舊的技術(shù)篩選過(guò)程所留下的“王牌技術(shù)”難以精準把握需求痛點(diǎn)，而更具發(fā)展潛力、靈活性較強的技術(shù)很可能因為企業(yè)的技術(shù)慣性被篩選出局，造成技術(shù)改進(jìn)在前期就出現方向偏差。

隨后，企業(yè)將基于對既有技術(shù)的篩選開(kāi)展技術(shù)研發(fā)。受技術(shù)慣性的影響，研發(fā)工作也可能出現偏差大、針對性弱、速度慢、人員覆蓋面窄等問(wèn)題。若技術(shù)篩選出現方向偏差，而開(kāi)辟全新技術(shù)創(chuàng )新領(lǐng)域的風(fēng)險又較大，企業(yè)的技術(shù)研發(fā)將延續篩選過(guò)程的方向邁進(jìn)，這將與需求升級現狀產(chǎn)生更大偏差。并且當一種新技術(shù)出現時(shí)，企業(yè)往往會(huì )爭相追趕技術(shù)熱潮，以期能將新技術(shù)盡快消化并為己所用，但盲目跟風(fēng)的研發(fā)行為缺乏針對性，難以獲得預期的市場(chǎng)反饋與收益。此外，研發(fā)過(guò)程不僅涉及技術(shù)部門(mén)，還需要生產(chǎn)等部門(mén)加以配合，中間溝通環(huán)節眾多，且常常要進(jìn)行反復試驗優(yōu)化，盡可能追求可行范圍內的“質(zhì)優(yōu)價(jià)廉”，導致研發(fā)速度較慢，錯失發(fā)展良機。最后，傳統研發(fā)過(guò)程一般以研發(fā)人員和專(zhuān)利等創(chuàng )新成果為支撐，由相對固定的某一部門(mén)或項目組實(shí)現，人員覆蓋面窄，未充分利用企業(yè)內部現存人力資源。

技術(shù)迭代是指將技術(shù)篩選和技術(shù)研發(fā)的成果應用于實(shí)際生產(chǎn)，再根據相關(guān)反饋信息進(jìn)行新一輪技術(shù)篩選和技術(shù)研發(fā)，并不斷循環(huán)迭代的過(guò)程。由上述分析可知，傳統技術(shù)篩選和技術(shù)研發(fā)無(wú)法精確把握消費需求信息，且衍生出配套新技術(shù)的生產(chǎn)工藝、組織結構的能力較弱，迭代循環(huán)效率低下。因此，即使投入再多的資本、勞動(dòng)力等生產(chǎn)要素，企業(yè)邊際產(chǎn)量也不會(huì )有質(zhì)的飛躍，甚至會(huì )出現遞減趨勢。

2.數據要素賦能技術(shù)要素以糾正改進(jìn)方向并加快迭代速度。

數據要素的賦能作用為有效解決上述問(wèn)題予以支撐，圖3為數據要素賦能技術(shù)要素作用機制示意圖。在技術(shù)篩選階段，數據要素的引入將消費需求升級顯性化，弱化企業(yè)以自身為中心的篩選慣性[18]。數字技術(shù)的應用顛覆了制造企業(yè)效率低下的傳統信息采集過(guò)程，可以實(shí)時(shí)采集和分析消費者或下游企業(yè)的產(chǎn)品需求偏好數據，了解各類(lèi)產(chǎn)品消費的動(dòng)態(tài)信息，據此進(jìn)一步預測長(cháng)短期消費趨勢。企業(yè)可在既有技術(shù)應用的基礎上，依據數據要素提供的顯性化消費需求升級信息，判斷哪些技術(shù)更能適應動(dòng)態(tài)變化的市場(chǎng)需求，修正技術(shù)篩選方向從而規避由信息受限導致的篩選慣性問(wèn)題。

 

圖3 數據要素賦能技術(shù)要素

注：帶箭頭實(shí)線(xiàn)代表技術(shù)改進(jìn)路徑，帶箭頭虛線(xiàn)代表數據主要流向，虛線(xiàn)框內為簡(jiǎn)化技術(shù)種類(lèi)

資料來(lái)源：作者繪制

 

在技術(shù)研發(fā)階段，數據要素的引入將進(jìn)一步修正研發(fā)方向，并為拓展新的研發(fā)領(lǐng)域提供重點(diǎn)方向指引和可靠數據支撐，促進(jìn)研發(fā)過(guò)程中各環(huán)節銜接，加快配套支持速度。首先，基于數據要素對技術(shù)篩選方向的修正，企業(yè)可以較大程度上避免研發(fā)方向與真實(shí)需求偏差過(guò)大的風(fēng)險。同時(shí)，數據要素也為企業(yè)開(kāi)辟新技術(shù)領(lǐng)域的研究提供海量參考資料，助力其尋找新的增長(cháng)點(diǎn)，提升產(chǎn)品價(jià)值或生產(chǎn)效率，甚至填補技術(shù)空白。其次，經(jīng)過(guò)對企業(yè)內外部大數據的分析，決策層和技術(shù)部門(mén)應對本企業(yè)的生產(chǎn)特性和技術(shù)發(fā)展現狀更為了解，對今后的技術(shù)發(fā)展規劃更為明確，降低了因追趕“技術(shù)熱”而盲目開(kāi)展研發(fā)的可能性。再次，以數據要素為資源池開(kāi)展的技術(shù)研發(fā)過(guò)程相對簡(jiǎn)約化，且可信度較高。一是簡(jiǎn)化與各個(gè)相關(guān)部門(mén)實(shí)地對接的工作流程，遵循敏捷高效的原則建立研發(fā)綠色通道，縮短研發(fā)周期；二是研發(fā)可用基礎數據呈指數級增長(cháng)，不僅夯實(shí)了研發(fā)結果的可靠性，還增加了潛在成果的轉化概率，為及時(shí)把握市場(chǎng)機會(huì )提供了先決條件。最后，隨著(zhù)人均受教育年限的增加，員工素質(zhì)不斷提高，數據要素的引入和工作界面的擴展也為普通員工提供了豐富的一手資料和良好的創(chuàng )新平臺，為“全員創(chuàng )新”奠定技術(shù)基礎，在技術(shù)研發(fā)方面給予廣大員工更多的參與感和話(huà)語(yǔ)權，有利于充分挖掘現存人力資源。

在技術(shù)迭代階段，由于數據要素的賦能作用，技術(shù)篩選和技術(shù)研發(fā)基本都是依照市場(chǎng)需求導向進(jìn)行的。因此，技術(shù)迭代也將由以技術(shù)慣性為基礎的剛性循環(huán)轉為以市場(chǎng)需求為基礎的柔性循環(huán)。另外，基于數據可得性的提高，新技術(shù)的配套工作將加速進(jìn)行，逐步轉變?yōu)槌B(tài)化工作機制。隨著(zhù)技術(shù)迭代的不斷增速和柔性循環(huán)，企業(yè)活力得到釋放，生產(chǎn)效率也將逐步提高。

四、數據要素賦能傳統要素推動(dòng)數字化轉型的現實(shí)路徑

以上從要素角度分析了數據要素賦能傳統要素推進(jìn)制造企業(yè)數字化轉型的內在邏輯，進(jìn)一步需探討的是，企業(yè)為解決突出問(wèn)題而推進(jìn)數字化轉型的現實(shí)路徑是什么。目前我國制造企業(yè)面臨的突出問(wèn)題在于原材料、勞動(dòng)力等要素成本快速上漲與產(chǎn)品附加值低、同質(zhì)化競爭嚴重共同導致的盈利能力低下，企業(yè)發(fā)展內生動(dòng)力不足。解決問(wèn)題的關(guān)鍵在于如何提高企業(yè)的要素使用效率、要素配置效率和創(chuàng )新效率，以實(shí)現降本增效和新的價(jià)值創(chuàng )造。在傳統運營(yíng)模式下，企業(yè)對數據的采集、存取和分析能力較差，對應三種效率的三個(gè)關(guān)鍵企業(yè)能力，即要素使用、要素配置和創(chuàng )新能力具有明顯上限，不足以應對復雜多變的市場(chǎng)環(huán)境和更好利用跨界要素資源。因此，為有效提升企業(yè)能力，制造企業(yè)需廣泛應用數據要素，發(fā)揮其對傳統要素的賦能作用，在此情境下，數據能力的重要性凸顯，成為推進(jìn)數字化轉型的重要抓手。

數據能力是指企業(yè)采集、存取和挖掘分析數據，利用挖掘分析得到的數據要素驅動(dòng)傳統要素的高效使用和配置，并支持企業(yè)技術(shù)創(chuàng )新、戰略決策等行為的能力。企業(yè)可使用傳感器和各類(lèi)信息化辦公軟件等采集內部的設備運行數據和運營(yíng)數據，并通過(guò)互聯(lián)網(wǎng)平臺和爬蟲(chóng)技術(shù)等采集外部的供應鏈和用戶(hù)需求等數據，從而獲取采集內外部數據的能力。在對采集到的數據進(jìn)行預處理后，企業(yè)還應具備對數據隨存隨取以及保障數據安全的能力，對于涵蓋設備、產(chǎn)品和技術(shù)信息的敏感數據可存儲于本地設備，其他數據則可酌情使用第三方云存儲服務(wù)來(lái)降低成本。挖掘分析是指對海量數據資源進(jìn)行處理分析和深度挖掘，獲取其中有價(jià)值的信息，也就是將數據資源轉化為數據要素的過(guò)程，這需要企業(yè)擁有專(zhuān)業(yè)的數據處理軟件，以及具備行業(yè)專(zhuān)業(yè)知識或從業(yè)經(jīng)驗的數據分析人員。最終，數據能力還要與企業(yè)決策等經(jīng)營(yíng)行為相結合，以促進(jìn)企業(yè)要素使用、要素配置和創(chuàng )新能力提升，才能真正實(shí)現制造企業(yè)的數字化轉型，達到降低成本、提高效率以及促進(jìn)價(jià)值創(chuàng )造的效果。

一是數據能力促進(jìn)企業(yè)要素使用能力提升，提高要素生產(chǎn)效率。要素使用能力是指在要素投入總量和要素配置水平等條件不變的前提下，各要素在生產(chǎn)經(jīng)營(yíng)過(guò)程中得以充分利用的能力。在傳統運營(yíng)模式下，由于可得數據十分有限，無(wú)法對各種改變要素使用現狀的可能結果進(jìn)行窮盡分析，企業(yè)只能沿用既有經(jīng)驗，延續以往的生產(chǎn)流程和節奏，往往會(huì )造成要素使用浪費。但在數據能力支持下，企業(yè)能夠對生產(chǎn)經(jīng)營(yíng)過(guò)程進(jìn)行實(shí)時(shí)監測和效率分析，并迅速定位要素使用不當的具體環(huán)節，做出數據驅動(dòng)的要素使用決策，從而充分利用各種要素，發(fā)揮其潛在生產(chǎn)價(jià)值。例如，在資本要素方面，通過(guò)對生產(chǎn)設備運行過(guò)程的相關(guān)數據進(jìn)行實(shí)時(shí)采集，可以分析出在何種作業(yè)環(huán)境下其產(chǎn)出效率較高，或哪些環(huán)節易于發(fā)生故障從而耽誤生產(chǎn)進(jìn)程等。在勞動(dòng)力要素方面，依據對工作情況的實(shí)時(shí)反饋，可以明確每個(gè)個(gè)體工作效率較高的時(shí)間段，對現有排班表進(jìn)行更新；還可以及時(shí)發(fā)現惰工行為，采取適當管理措施。在技術(shù)要素方面，根據對技術(shù)使用情況的實(shí)時(shí)記錄，可以觀(guān)測分析相似技術(shù)使用效率相差較大的原因，以進(jìn)一步優(yōu)化技術(shù)運用條件。

二是數據能力促進(jìn)企業(yè)要素配置能力提升，優(yōu)化要素配置組合。要素配置能力是指在要素投入總量等條件不變的情況下，各種要素在生產(chǎn)經(jīng)營(yíng)過(guò)程中實(shí)現合理有效組合的能力。當面臨較大的外部變化影響時(shí)，企業(yè)會(huì )對要素配置進(jìn)行一定調整。但受信息不對稱(chēng)的影響，要素配置往往會(huì )表現出較強的慣性，導致企業(yè)難以及時(shí)應對內外部環(huán)境變化。而在數據能力支持下，可極大緩解企業(yè)內外部信息不對稱(chēng)的問(wèn)題，使企業(yè)獲得相對透明的要素資源信息，以及時(shí)做出數據驅動(dòng)的要素配置決策，不斷調整既有要素組合，提高企業(yè)生產(chǎn)經(jīng)營(yíng)效率。在企業(yè)內部，各部門(mén)可以依托數據能力打通數據壁壘以共享信息，暢通溝通協(xié)調過(guò)程，方便及時(shí)研討要素配置方案；在企業(yè)外部，可以及時(shí)接觸到上下游企業(yè)或客戶(hù)的供給或需求變動(dòng)等外部重要信息，與合作企業(yè)做好配合，靈活配置各種要素，實(shí)現原材料及時(shí)供應、機器設備隨用隨租、生產(chǎn)線(xiàn)敏捷改造和員工新知識新技能超前儲備更新等。

三是數據能力促進(jìn)企業(yè)創(chuàng )新能力提升，實(shí)現新的價(jià)值創(chuàng )造。這里的創(chuàng )新能力主要是指企業(yè)在技術(shù)、產(chǎn)品、生產(chǎn)流程和商業(yè)模式等方面的不斷創(chuàng )新以實(shí)現新價(jià)值創(chuàng )造的能力。傳統的技術(shù)、產(chǎn)品等研發(fā)創(chuàng )新活動(dòng)往往僅以專(zhuān)業(yè)研發(fā)部門(mén)為主導，創(chuàng )新來(lái)源十分有限。對于生產(chǎn)流程、商業(yè)模式等管理創(chuàng )新領(lǐng)域而言，其關(guān)系到企業(yè)整體發(fā)展走向，依賴(lài)于企業(yè)對內部運營(yíng)情況及外部市場(chǎng)信息的全面掌握，因此更需要廣泛的數據來(lái)源和暢通的傳遞通道予以支持。而在數據能力的支持下，不僅可以擴展研發(fā)創(chuàng )新的來(lái)源，還為管理創(chuàng )新提供了豐富的數據基礎，催生出數據驅動(dòng)的創(chuàng )新決策。在研發(fā)創(chuàng )新方面，數據能力有助于拓展企業(yè)內部封閉式創(chuàng )新的參與覆蓋面，突破研發(fā)主體的限制，推動(dòng)“全員創(chuàng )新”；還有助于突破企業(yè)組織邊界，搭建開(kāi)放式創(chuàng )新網(wǎng)絡(luò )，有效利用下游客戶(hù)的需求數據。在管理創(chuàng )新方面，數據能力提高了對內部運營(yíng)情況及外部需求和競爭態(tài)勢等信息的掌控力，傳統商業(yè)模式得以不斷優(yōu)化；更有助于企業(yè)尋找和發(fā)現新的價(jià)值獲取來(lái)源，不斷創(chuàng )新以數據要素為支撐的價(jià)值主張和商業(yè)模式，如平臺商業(yè)模式、共享經(jīng)濟模式、制造業(yè)服務(wù)化模式等，進(jìn)而創(chuàng )造新的價(jià)值增長(cháng)點(diǎn)。

最后需強調的是，數字化轉型不僅是數據要素對傳統要素單向賦能的結果，也是兩者相互融合且不斷適應的交互作用結果，也即傳統要素的質(zhì)量也會(huì )影響轉型的進(jìn)展與效果。在這個(gè)意義上，改善傳統要素質(zhì)量是制造企業(yè)有效推動(dòng)數字化轉型的必要條件。在資本要素方面，機器設備是工業(yè)數據的主要載體，其自動(dòng)化、標準化水平?jīng)Q定了是否可以連接傳感器等數字化產(chǎn)品，代際較老的機器設備可能存在缺少傳感器接口或與數字化產(chǎn)品不兼容的問(wèn)題，導致企業(yè)無(wú)法采集到工業(yè)數據。因而企業(yè)應通過(guò)技術(shù)改造或更新?lián)Q代，盡快提高設備的自動(dòng)化、標準化程度。在勞動(dòng)力要素方面，企業(yè)需要大量同時(shí)掌握數字技術(shù)和專(zhuān)業(yè)技術(shù)的高端人才。制造企業(yè)中的傳統技術(shù)人才多精通與產(chǎn)品生產(chǎn)相關(guān)的專(zhuān)業(yè)技術(shù)，對新興的數字技術(shù)不甚擅長(cháng)；反之，外聘的數字技術(shù)專(zhuān)家或新招聘的數字人才精通數字技術(shù)，但缺乏行業(yè)專(zhuān)業(yè)知識和從業(yè)經(jīng)驗。兩類(lèi)技術(shù)人才由于專(zhuān)業(yè)背景不同存在溝通障礙，磨合期較長(cháng)，而兼具兩類(lèi)技能的雙料人才又極為短缺。因此，如何通過(guò)加快大學(xué)教育教學(xué)改革，以及強化職業(yè)技術(shù)教育和企業(yè)現場(chǎng)培訓，從而不斷彌補人才的供需缺口，也成為能否有效推進(jìn)制造企業(yè)數字化轉型的一個(gè)關(guān)鍵問(wèn)題。

 

參考文獻

[1]田杰棠、劉露瑤：《交易模式、權利界定與數據要素市場(chǎng)培育》,《改革》2020年第7期，第17-26頁(yè)。

[2]謝康、夏正豪、肖靜華：《大數據成為現實(shí)生產(chǎn)要素的企業(yè)實(shí)現機制：產(chǎn)品創(chuàng )新視角》,《中國工業(yè)經(jīng)濟》2020年第5期，第44-62頁(yè)。

[3]張昕蔚、蔣長(cháng)流：《數據的要素化過(guò)程及其與傳統產(chǎn)業(yè)數字化的融合機制研究》,《上海經(jīng)濟研究》2021年第3期，第60-69頁(yè)。

[4]Chanias,S.,“Mastering Digital Transformation:The Path of a Financial Services Provider towards a Digital Transformation Strategy”,European Conference of Information Systems,June 5-10,2017,pp.16-31.

[5]Kane,G.C.,“The American Red Cross:Adding Digital Volunteers to Its Ranks”,MIT Sloan Management Review,Vol.55,No.4,2014,pp.1-6.

[6]Heilig,L.,Schwarze,S.,Voss,S.,“An Analysis of Digital Transformation in the History and Future of Modern Ports”,Hawaii International Conference on System Sciences,2017,pp.1341-1350.

[7]Bekkhus,R.,“Do KPIs Used by CIOs Decelerate Digital Business Transformation?The Case of ITIL”,DIGIT 2016 Proceedings,2016.

[8]徐偉呈、范愛(ài)軍：《互聯(lián)網(wǎng)技術(shù)驅動(dòng)下制造業(yè)結構優(yōu)化升級的路徑——來(lái)自中國省際面板數據的經(jīng)驗證據》,《山西財經(jīng)大學(xué)學(xué)報》2018年第7期，第45-57頁(yè)。

[9]Stiroh,K.J.,“Information Technology and the U.S.Productivity Revival:What Do the Industry Data Say?”,American Economic Review,Vol.92,No.5,2002,pp.1559-1576.

[10]Müller,O.,Fay,M.,Brocke,J.V.,“The Effect of Big Data and Analytics on Firm Performance:An Econometric Analysis Considering Industry Characteristics”,Journal of Management Information Systems,Vol.35,No.2,2018,pp.488-509.

[11]Ghasemaghaei,M.,Calic,G.,“Assessing the Impact of Big Data on Firm Innovation Performance:Big Data is not always Better Data”,Journal of Business Research,Vol.108,2020,pp.147-162.

[12]Brynjolfsson,E.,Mcelheran,K.,“The Rapid Adoption of Data-Driven Decision-Making”,American Economic Review,Vol.106,No.5,2016,pp.133-139.

[13]Akerman,A.,Gaarder,I.,Mogstad,M.,“The Skill Complementarity of Broadband Internet”,The Quarterly Journal of Economics,Vol.130,No.4,2015,pp.1781-1824.

[14]Chen,D.Q.,Preston,D.S.,Swink,M.,“How the Use of Big Data Analytics Affects Value Creation in Supply Chain Management”,Journal of Management Information Systems,Vol.32,No.4,2015,pp.4-39.

[15]Wang,E.T.G.,Wei,H.L.,“Interorganizational Governance Value Creation:Coordinating for Information Visibility and Flexibility in Supply Chains”,Decision Sciences,Vol.38,No.4,2007,pp.647-674.

[16]焦豪、楊季楓、王培暖、李倩：《數據驅動(dòng)的企業(yè)動(dòng)態(tài)能力作用機制研究——基于數據全生命周期管理的數字化轉型過(guò)程分析》,《中國工業(yè)經(jīng)濟》2021年第11期，第174-192頁(yè)。

[17]賴(lài)曉烜、陳衍泰、范彥成：《制造企業(yè)數據驅動(dòng)動(dòng)態(tài)能力的形成與演化》,《科學(xué)學(xué)研究》2022年6月14日網(wǎng)絡(luò )首發(fā)，第1-19頁(yè)。

[18]徐翔、厲克奧博、田曉軒：《數據生產(chǎn)要素研究進(jìn)展》,《經(jīng)濟學(xué)動(dòng)態(tài)》2021年第4期，第142-158頁(yè)。

 

李冉，中國社會(huì )科學(xué)院大學(xué)應用經(jīng)濟學(xué)院博士研究生。

 

呂鐵,李冉.制造企業(yè)數字化轉型:數據要素賦能傳統要素的視角[J].學(xué)習與探索,2022,(09):108-117.