制造业商业模式创新驱动因素的组态揭示：数字资源与能力的互动作用

《Journal of Innovation & Knowledge》：Uncovering the configurations driving business model innovation in manufacturing: Interplay between digital resources and capabilities

　　

尽管制造商已意识到数字商业模式创新（Digital Business Model Innovation, DBMI）对于获得可持续竞争优势至关重要，但如何实现DBMI仍是学术界和工业界面临的挑战。基于资源编排理论（Resource Orchestration Theory）和组态视角（Configurational Perspective），本研究调查了数字资源（digital resources）（数字导向（Digital Orientation）和业务分析专长（Business Analytics Expertise））与数字能力（digital capabilities）（数字技术部署（Digital Technology Deployment）和数字技术-业务战略对齐（Digital Technology-Business Strategic Alignment））的组合如何使DBMI成为可能。本研究采用模糊集定性比较分析（Fuzzy Set Qualitative Comparative Analysis, fsQCA）检验来自329家中国制造商的数据。结果表明，没有任何单一因素构成DBMI的必要条件。此外，有四种实现高DBMI的路径，即双资源驱动的数字合作广度（Dual Resources Driven Digital Cooperation Breadth）、数字导向驱动的技术部署-战略协作（Digital Orientation Driven Technology Deployment-Strategic Collaboration）、双资源驱动的数字应用深度（Dual Resources Driven Digital Application Depth）和业务分析驱动的技术部署-战略协作（Business Analytics Driven Technology Deployment-Strategic Collaboration）。还有四种非高DBMI的路径。本研究解释了实现高DBMI的复杂机制，丰富了DBMI文献，并为未来制造业DBMI研究提供了理论启示。

在全球数字化转型和动荡商业环境背景下，制造业面临同质化竞争挑战，传统商业模式在价值创造、交付和获取方面受限。数字商业模式创新（Digital Business Model Innovation, DBMI）被视为通过数字技术重塑价值创造逻辑、拓展产品服务边界、创造新市场机会的关键战略实践。然而，如何实现DBMI仍是学界和产业界的难题。现有研究多从资源视角（强调数字导向和业务分析专长）或能力视角（强调数字技术部署和数字技术-业务战略对齐）单独探讨其驱动因素，忽视了二者协同效应，难以解释具备相似资源或能力的企业在DBMI成效上的差异。资源编排理论（Resource Orchestration Theory）指出，竞争优势源于资源与能力的有效捆绑和安排，但该理论在DBMI领域的组合研究尚缺。为此，研究人员基于资源编排理论和组态视角，采用模糊集定性比较分析（fsQCA）方法，探索数字资源（数字导向与业务分析专长）和数字能力（数字技术部署广度与深度、数字技术-业务战略对齐）的配置如何驱动高DBMI或非高DBMI。

本研究收集自329家中国制造企业的问卷调查数据，来自东部（185家）、中部（69家）、西部（40家）和东北（21家）四个地区。主要采用模糊集定性比较分析（fsQCA）方法，该方法擅长分析多条件组合导致共同结果的因果复杂性，符合资源与能力协调的逻辑。具体技术包括：使用直接校准法（以75th、50th、25th百分位作为完全隶属、交叉点和完全不隶属点）对条件进行校准；设置一致性阈值0.85、频率阈值3和PRI值0.75；进行必要性和充分性分析。所有测量量表来自已有文献，经过回译和预测试，确保信效度良好，各构念的Cronbach's α和组合信度（CR）均大于0.8，平均方差提取量（AVE）大于0.6。

**必要性分析（Necessary condition analysis）**：所有单个条件（数字导向、业务分析专长、数字技术部署广度、数字技术部署深度、数字技术-业务战略对齐以及其非集）对高或非高DBMI的一致性均低于0.9，表明没有任何单一条件是实现高或非高DBMI的必要条件，需进一步进行组态分析。

**充分性分析（Sufficiency analysis）**：生成了四个实现高DBMI的组态和四个导致非高DBMI的组态，整体解决方案一致性分别为0.934和0.957，覆盖度分别为0.709和0.706。

**高数字商业模式创新组态（Configurations for digital business model innovation）**：
- H1a（双资源驱动的数字合作广度）：高数字导向、高业务分析专长与高数字技术部署广度为核心条件，即使缺乏数字技术-业务战略对齐，也能通过扩展合作网络实现DBMI。
- H1b（数字导向驱动的技术部署-战略协作）：以高数字导向为核心，配合高数字技术部署广度、深度和高数字技术-业务战略对齐，实现技术部署与战略协同。
- H2（双资源驱动的数字应用深度）：高数字导向和高业务分析专长为核心，结合高数字技术部署深度，即使缺乏数字技术-业务战略对齐，也能通过深度运营优化实现DBMI。
- H3（业务分析驱动的技术部署-战略协作）：以高业务分析专长、高数字技术部署广度、深度和高数字技术-业务战略对齐为核心，即使数字导向不突出，也能通过数据驱动协同实现DBMI。

**非高数字商业模式创新组态（Configurations for non-high DBMI）**：包括NH1a、NH1b、NH2和NH3。例如，NH1a和NH1b显示缺乏业务分析专长、数字技术部署广度和数字技术-业务战略对齐时，即使有部分优势也难以成功；NH2表明缺乏双资源和数字技术部署广度与深度时失败；NH3强调即使具备高数字导向、数字技术部署深度和数字技术-业务战略对齐，但缺乏业务分析专长和数字技术部署广度，仍无法实现高DBMI。

**讨论总结**：本研究揭示了数字资源与能力的协同而非对立关系。资源充足的企业具备战略灵活性，可选择性构建广度或深度路径；资源有限的企业需依赖完整能力系统，以能力放大资源价值。非高DBMI组态并非高DBMI的镜像，存在非补偿性逻辑——缺乏核心条件无法由其他优势弥补。研究挑战了单一最优解的线性范式，将理论焦点转向“哪种配置适合哪种情境”，提供了组态视角的方法论补充。

**研究结论**：基于资源编排理论，本研究探索了不同数字资源与能力组态形成的多条等效路径。任何单一因素都不构成高或非高DBMI的必要条件。识别出四个实现高DBMI的路径：双资源驱动的数字合作广度、数字导向驱动的技术部署-战略协作、双资源驱动的数字应用深度、业务分析驱动的技术部署-战略协作，以及四个非高DBMI路径。企业可根据自身数字资源禀赋和能力发展水平选择合适路径。拥有双资源的企业可配合高数字技术部署广度或深度；仅拥有单一资源的企业则需要多能力协作才能实现DBMI。这些不同组态为管理者提供了多种实现DBMI的可行配方。