EMBA管理智庫丨演算法技術涉入與企業商業模式創新——數字化能力的視角

摘要
演算法技術是數字智慧技術中的關鍵核心技術,更是涉入企業創新鏈、價值鏈與供應鏈的一種基礎性元素,能夠全方位重塑企業商業模式創新。基於數字化能力與演算法技術治理雙重視角,在構建演算法技術涉入與企業商業模式創新的理論模型基礎上,基於迴歸分析方法檢驗了演算法技術涉入與企業商業模式創新的內在傳導機理與邊界機制。研究表明:第一,演算法技術涉入對企業商業模式創新具有顯著的正向促進效應,不管是演算法技術涉入深度還是演算法技術涉入廣度均對企業商業模式創新產生顯著的正向驅動效應。第二,演算法技術涉入能夠驅動兩種不同型別的商業模式創新,即效率型商業模式創新與新穎型商業模式創新。第三,數字化能力在演算法技術涉入與企業商業模式創新之間產生部分中介效應。第四,演算法治理在演算法技術涉入與企業商業模式創新之間產生顯著的正向調節效應,說明演算法治理有助於推動企業價值創造網路與價值主張的迭代升級,實現企業商業模式創新。第五,演算法技術涉入的經濟後果檢驗表明演算法技術涉入有助於透過企業商業模式創新提升企業市場競爭力。
新一輪技術革命催生了全新的數字經濟形態,且伴隨著外部數字經濟形態與數字智慧技術的不斷演化發展,企業已經從傳統的核心能力構建競爭優勢、動態能力延展競爭優勢逐步過渡到數字化能力重構競爭優勢。商業模式反映企業在市場中如何傳遞價值、獲取價值與創造價值的一系列過程。在新的技術驅動下,商業模式涵蓋的價值創造要素、結構以及管理模式發生顛覆性變化,特別是在數字智慧技術驅動下,傳統企業商業模式正向基於數字型以及平臺型商業模式轉型。例如,在平臺情境下,基於演算法連結、演算法驅動的大資料分析以及網際網路技術,成為驅動平臺企業連結雙邊市場使用者實現價值連結、價值創造與價值迭代的新型商業模式,使使用者、產品和服務的連結與交易過程更加高效,並形成面向雙邊使用者的價值共創網路,成為可持續性商業模式創新的突出表現。百度、騰訊、阿里巴巴、京東商城、滴滴打車、美團網等平臺型企業正引領著21世紀的平臺商業模式演化。平臺經濟也在數字經濟背景下成為驅動經濟發展的主要經濟形態,在平臺經濟形態中產生了大量立足大資料、演算法的網際網路平臺企業,成為推動傳統產業數字化以及數字產業化的主導微觀企業組織。相應地,越來越多的企業認識到數字智慧化時代下以演算法技術為核心技術元素驅動商業模式創新的獨特價值,尋求透過商業模式創新重構企業競爭優勢,為企業的價值創造尋求新的增長空間。
但不容忽視的現實是,演算法技術驅動的企業商業模式創新需要不斷尋找商業應用場景,其中一些應用場景諸如新聞推薦、交通出行、社交媒體、安防控制、司法審判、輔助醫療等涉及社會公眾的社會權利,傳統基於技術中立實現的技術嵌入的商業場景可能延伸出“技術惡德”,即商業場景中各類主體的工具主義導向或者極致的市場邏輯導向忽視社會價值導向以及社會倫理規範,導致技術中立下的演算法應用場景下的商業模式難以可持續,甚至破壞社會公眾對演算法技術的決策信任,演算法技術的合法性受到挑戰並威脅到演算法技術開發與應用的未來前景,也給數字智慧時代下演算法等數字技術驅動的企業商業模式創新帶來合法性質疑。從這個意義上講,演算法不僅僅是一種基於計算機的自動決策與自動推理分析程式,更是在廣義層面成為構建社會秩序並參與社會治理的一種具有人類理性的智慧模型。因此,數字情境下演算法設計與構建規則作為商業決策與社會執行中基礎性技術支撐,其對社會性利益相關方產生廣泛的影響,從演算法治理特別是負責任型演算法治理推動演算法可持續賦能企業商業模式創新的內在機制,成為數智化時代企業商業模式創新過程中的重要議題。
近年來,學界充分關注到了演算法技術作為技術要素在涉入企業創新鏈與價值鏈中的重要作用,對演算法技術責任、演算法治理以及演算法技術創新效應開展了理論探索,形成了兩條研究主線。一是圍繞演算法技術與組織平臺化開展相關研究,即在演算法技術驅動下,組織平臺化與平臺型組織成為全新的組織變革與創新正規化,數字化平臺型企業成為全新的組織形態,平臺型企業能夠透過網際網路平臺介面實現雙邊市場使用者的有效聚合與包絡,基於大資料聚合分析、演算法檢索與快速匹配等底層技術提高所連結的雙邊市場使用者交易效率,降低雙邊市場使用者的資訊不對稱,較大程度地降低了傳統交易過程中的交易成本,基於平臺巨大的使用者資料基礎以及使用者網路效應(周邊與跨邊網路效應)實現平臺商業生態圈的建構與動態擴充套件,在創新過程中涵蓋平臺企業主導的商業模式創新、平臺場景創新以及平臺內使用者創新等多種創新型別。二是圍繞演算法技術驅動研發設計與知識創新領域開展理論探索性研究,基於演算法技術以及大資料分析技術能夠與客戶互動創新,實現研發創新的高度開放協同,特別是隨著機器學習演算法驅動的AI大模型加速應用,大幅縮短了傳統企業創新的週期、降低了知識獲取與學習成本,並強化了企業創新過程中響應外部環境的動態能力,最終提升企業的創新效率與創新績效。演算法技術涉入企業運營管理與業務活動的過程,逐步改變了企業傳統價值創造邏輯,特別是使企業價值主張、價值傳遞與價值互動、價值網路發生顛覆性改變,在一定程度上悄然改變著企業商業模式的內在元素。既有對演算法技術與企業商業模式創新的相關研究尚缺乏深度解構,且對演算法與商業模式創新的傳導機理也缺乏系統研究。值得關注的是,演算法技術在嵌入企業經營管理與決策過程中具備較強的社會嵌入性,但演算法技術在企業市場邏輯導向下產生了諸多演算法技術異化與演算法責任缺失等問題,不同程度地對企業價值創造網路的可持續性產生負外部性,面向演算法技術的可持續治理正規化建構與治理機制設計也成為學介面臨的全新創新治理議題。
基於上述研究現狀,本文認為,演算法作為一種數字智慧技術廣泛涉入企業,在一定程度上使企業核心生產要素、企業內部運營過程、企業組織形態與管理模式、企業決策過程發生顛覆性變化。演算法在一定程度上具備智慧屬性,能夠為企業收集資料、分析資料,最終形成大資料分析能力、學習能力與預測能力提供基本的技術支撐,進而改變商業模式的創新過程與核心邏輯,使企業價值創造系統發生顛覆性變化。
理論分析與研究假設
(一)演算法技術涉入與企業商業模式創新
從屬性視角看,商業模式創新可以分為新穎型商業模式創新與效率型商業模式創新。新穎型商業模式創新主要是企業採取新的交易方式、新的交易機制以及新的交易空間等實現交易過程的重新建構,透過引入新的價值創造主體、搭建新的價值創造網路以及新的價值啟用與激勵方式等促進新的價值創造網路的形成與升級。演算法技術涉入能夠促進新穎型商業模式創新的主要原因在於:第一,演算法技術能夠自動捕獲市場中的全新的需求,幫助企業形成全新的價值主張,主動地幫助企業分析市場中的新需求與使用者的新痛點,推動企業形成新的產品與服務。第二,演算法技術能夠改變傳統消費者與企業之間交易連結的方式與介面,實現企業與消費者之間、消費者與消費者之間、使用者與使用者之間的交易零距離,透過打造數字交易空間實現全新的交易方式。
效率型商業模式創新不同於新穎型商業模式創新,效率型商業模式更加強調企業透過商業模式設計與創新為交易各方降低市場交易成本,其核心要義在於降低市場的資訊搜尋與溝通成本,降低市場交易過程之中的不確定性以及機會主義風險,實現交易成本的降低。演算法技術涉入能夠促進企業效率型商業模式創新的原因在於兩個方面:第一,演算法技術涉入企業的價值鏈與供應鏈環節,能夠精準地幫助企業響應消費者需求以及動態跟蹤響應的產品服務資訊,縮短企業與供應商、消費者的交易流程,並能夠基於及時的資訊捕捉與資訊反饋機制降低交易過程的不確定性,促進企業效率型商業模式創新。第二,演算法技術涉入能夠創造消費者即時溝通介面與交易空間,實現消費者資訊與訴求迅速反饋到企業的研發、生產製造等價值鏈與創新鏈環節,促進企業與消費者之間更好地實現價值傳遞與價值分配。綜合上述分析,本文提出瞭如下研究假設。
H1:演算法技術涉入對企業商業模式創新具有正向影響。
(二)演算法技術涉入、數字化能力與企業商業模式創新
企業商業模式創新作為企業創新的一種主要正規化,商業模式創新過程中同樣需要企業不斷捕獲新的市場需求、形成新的市場主張與價值捕獲範圍,並抓住新的市場機會視窗形成價值創造介面與價值創造網路,與企業連結的外部利益相關方與內部利益相關方共同參與價值創造與交付實現價值。從這個意義上,企業商業模式創新的重要基礎在於企業獨特的能力,“動態能力理論”(Thetheoryofdynamiccapability)認為企業環境具有動態性與不確定性,企業不斷擁抱、接受以及適應外部環境的變化是企業創新與獲取可持續競爭能力的關鍵。而在數字經濟時代,企業面臨的環境的動態性不斷強化,需要企業具備面向數字情境的數字化能力。實質上,企業數字化能力是對傳統動態能力的一種修補與延伸,在演算法技術涉入過程中逐步形成一種全新的企業能力基礎。既有研究表明,在數字情境下,企業商業模式創新高度依賴企業具備的數字化能力,這種數字化能力表現為多個層面,包括掌握關鍵資料要素、感知與捕獲數字情境下的數字機會以及與消費者、使用者、其他合作伙伴共同實現數字價值創造網路建構等。數字化能力是企業在數字情境下不斷響應市場需求以及調整企業產品研發與生產的綜合能力,是企業開展商業模式創新的重要能力基礎。
具體來看,演算法技術涉入有助於企業形成數字情境下的數字化能力,其原因在於三個方面。第一,在數字情境下,企業戰略決策既不僅是員工與領導者、高管團隊之間的資訊互動與價值判斷的過程,也不僅是企業戰略團隊對外部競爭環境、內部資源基礎的判斷過程,而是涵蓋企業與利益相關方動態互動、環境動態分析、動態響應以及動態博弈敏捷的過程。相應地,企業戰略決策過程需要數字技術尤其是演算法技術的支援,演算法技術憑藉其特有的學習能力、智慧分析能力與輔助決策判斷能力,能夠對企業所處外部環境的資訊進行捕獲、加工、分析與判斷,其特有的計算能力、資料儲存能力以及學習分析能力能夠為企業戰略決策者提供資料基礎、模擬分析以及未來預測與綜合判斷。第二,演算法技術不僅體現在戰略決策的市場資訊捕獲、分析與推斷,更體現在演算法技術能夠自動地挖掘使用者需求,尤其是連結相關的參與者或者互補者共同創造價值,幫助其他合作方更好地與企業進行資源協同與能力互補,實現企業與外部合作伙伴以及參與方之間的資源協同,最佳化企業的資源配置,進而更好地實現企業面向市場使用者與消費者的價值主張,實現價值創造。第三,演算法技術涉入市場服務與營銷環節也更好地幫助企業與外部使用者、消費者與參與者之間形成數字化的動態價值創造網路,市場使用者需求與相關市場資訊即時反映到企業的生產運營與研發體系之中,為企業與市場使用者、消費者的深入融合提供了可能,進而提高企業戰略決策柔性程度。基於此,本研究提出如下研究假設。
H2a:演算法技術涉入對企業數字化能力具有正向影響。
更進一步地,基於動態能力理論,數字情境下的企業數字化能力能夠幫助企業更好地洞察市場變化與商業機會,幫助企業更好地適應數字環境的動態性,有助於企業動態調整面向市場細分領域的價值主張以及搭建數字化價值創造網路,進而有助於企業開展商業模式創新。具體來看,企業數字化能力能夠對企業商業模式創新產生積極作用的原因有兩個。
第一,數字化能力能夠幫助企業及時動態地調整企業面向市場使用者與消費者個性化需求的戰略,幫助企業制定符合消費者需求與價值主張的戰略規劃與具體戰術,提升企業戰略制定過程的動態性與靈活性,幫助企業更好地面對市場使用者個性化需求,感知相應的市場機會,形成個性化的價值主張,精準定位相關的價值來源主體,為企業開闢新的市場與新的產品服務提供新的價值空間,進而幫助企業開展商業模式創新。因此,從機會感知的視角看,數字化能力的重要構成之一便是機會感知能力,即面對不斷變化的市場需求與使用者價值主張,企業基於數字技術分析市場需求的動態變化,並發現所處市場中競爭者的潛在威脅等,為企業形成新的價值主張與價值定位提供能力基礎。既有的研究表明,在數字情境下,數字機會感知意味著對市場消費者的偏好能夠更好地定位,以及對市場交易過程中的流程痛點能夠更好地判斷,形成以消費者需求為核心的動態價值主張與戰略彈性框架。
第二,從組織資源協同的視角看,演算法技術涉入能夠促進企業資源網路的開放與共享,尤其是在企業與內外部價值鏈節點或者資源主體的互動環節,演算法技術涉入能夠實現企業內部價值鏈各個環節與各類主體之間的資訊、知識的充分共享,打通企業價值鏈各個環節和參與主體之間的資訊堵點,促進各個環節中各類參與主體之間的開放性、流通性與資源對接緊密程度,實現企業面向價值鏈內的各環節資源協同與整合能力的整體性改善。與此同時,立足資源基礎觀與協同創新觀,企業開展商業模式創新的過程需要對原有的價值主張、資源結構、組織流程、交易方式、人員配置以及戰略導向進行系統調整,這一過程實質上離不開企業內外部資源的有效協同與重組,即需要對商業模式創新過程中各要素模組需要支撐的資源進行系統重組配置。從這個意義上,企業商業模式創新本質上也是企業對內外部資源與價值創造體系的調整、最佳化與升級的過程。因此,在企業具備數字化能力的前提下,能夠更好地幫助企業動態地配置企業內外部資源,最佳化企業資源配置的方式以及實現企業內部各業務單元之間的資源協同,幫助企業圍繞特定的價值主張、特定的價值創造網路以及特定的業務領域開展資源配置活動,促進企業開展不同導向的商業模式創新。基於此,本研究認為演算法技術涉入有助於強化企業的數字化能力(數字機會感知與資源協同能力),基於數字化能力促進企業商業模式創新,進而提出以下研究假設。
H2b:企業數字化能力對企業商業模式創新具有正向影響。
H2c:企業數字化能力在演算法技術涉入與企業商業模式創新之間起中介作用。
(三)演算法技術涉入、企業商業模式創新與企業績效
商業模式創新是對企業價值創造邏輯系統重塑,最佳化企業“賺錢”的系統邏輯與治理結構,因此,立足企業競爭力的視角,商業模式創新降低交易成本改善企業交易結構實現企業成本節約,開發新的需求獲取新的價值最終提升企業業務和價值創造力,提高企業市場競爭優勢。既有研究表明,商業模式設計與商業模式創新是企業績效差異性的重要前因,商業模式創新能夠為企業利益相關方創造新的價值實現價值共創,進而對企業的績效產生正向影響。新穎型商業模式創新與效率型商業模式創新均有助於提升企業績效。具體而言,一方面,從新穎型商業模式創新與企業績效的關係來看,新穎型商業模式創新主要是透過形成新的價值主張、新的價值定位以及新的價值創造方式與交易方式創造新的價值,一定程度上屬於創造企業家租金(熊彼特租金),因為新穎型商業模式創新主要是採用新的交易內容、開發新的交易方式以及形成新的交易方式與交易治理框架,即企業家透過新的生產要素與要素組合方式實現創新租金,進而提升企業績效。另一方面,不同於新穎型商業模式創新,效率型商業模式創新更強調企業對交易方式、交易內容與交易結構與治理的改進與調整,主要表現為以改進調整為基本動機,透過降低企業與利益相關方之間的交易成本以及提高整個企業價值創造網路與商業系統的效率實現企業成本節約與效率改善,比如京東建立自營物流體系,在平臺商業模式創新過程中進行了改進與創新,提高了整個使用者、消費者交易過程中的交易效率,節省了使用者下單後的等待時間,也為消費者與使用者的售後服務提供了新的治理結構,進而降低了平臺內的交易成本,最終能夠基於資訊效應與成本節約效應實現企業績效改善。因此,在前文演算法技術涉入有助於企業商業模式創新的研究假設基礎上,本研究進一步提出以下研究假設。
H3a:企業商業模式創新對企業績效具有正向影響。
H3b:企業商業模式創新在演算法技術涉入與企業績效之間起中介作用。
(四)演算法技術涉入、演算法治理與企業商業模式創新
從技術治理的視角來看,演算法作為數字經濟範疇下的新興技術,在技術開發與應用過程中不同程度地被技術開發者的市場邏輯導向與技術開發理念所影響。演算法技術最大的特殊性在於,其具有人的價值嵌入的“人—技術複合共存系統”。不同於一般性的技術,演算法技術具備不同程度的學習屬性與智慧屬性,即透過機器學習與強化學習等實現自我推理與自我決策,這在一定程度上加劇了演算法技術涉入的不確定性。演算法治理是立足技術向善屬性,認為演算法技術不僅僅是一種技術手段或者技術中介,更是技術嵌入社會系統以及社會結構中的社會技術實體。因此,演算法技術具備技術屬性與社會屬性,相應地,演算法技術涉入企業生產運營、研發設計以及銷售服務等過程,也需要考慮到演算法技術涉入後企業行為對社會環境的可能正面或者負面影響。演算法技術治理強調演算法技術開發或者應用過程中以技術向善與技術倫理觀為基本理念,企業對演算法技術涉入的源頭、過程以及結果等多維度治理,包括演算法開發或者應用過程中以負責任的理念以及技術向善的戰略導向推動演算法嵌入企業的價值鏈、供應鏈與創新鏈的各個模組之中,在演算法技術涉入過程中強化演算法決策的透明度,進而增進企業與利益相關方之間的演算法技術涉入的信任程度。在演算法技術涉入的結果層面,需要強化評估其對企業、社會與環境等多維利益相關方的可能積極影響與消極影響等,確保演算法涉入企業價值鏈、供應鏈與創新鏈等決策結果符合利益相關方的價值期望與法律要求,以確保演算法技術涉入的可持續價值創造目標。
因此,一方面,從利益相關方的視角來看,在演算法技術涉入的過程中,開展演算法治理更為完善的企業能夠捕獲市場需求和消費者價值主張以及獲得更廣泛的信任與支援,提高企業演算法涉入過程中價值創造網路的穩定性以及價值主張的可持續性,最終為企業商業模式創新提供更大的價值網路支援與資源支援效應。另一方面,從價值創造的視角來看,演算法技術治理更為完備的企業其在演算法技術涉入的過程中,更能幫助企業最佳化其面向利益相關方綜合價值導向的新型價值主張,避免企業單一市場邏輯下的技術惡德主義等衍生的價值主張異化,推動企業形成符合法律要求、道德規範以及社會正義的綜合性可持續性價值主張,更好地吸引具有可持續價值創造意願的各類主體(經濟性主體與社會性主體)參與到企業的價值創造過程之中,最終更好地促進演算法技術涉入對企業商業模式創新的正向促進效應。基於此,本研究提出如下研究假設。
H4:演算法治理在演算法技術涉入與商業模式創新之間起正向調節作用。
研究設計
(一)樣本資料來源
本文資料樣本主要來源於問卷調查。為確保問卷的有效性,本研究選取北京、杭州、深圳、上海、青島等地的140家企業,透過與被調研企業中的創業者、高層管理人員進行線上深入訪談,圍繞問卷設計的合理性和準確性進行探討,進一步完善相關問卷設計的主要測量題項與表達方式,經過多次問卷修改迭代,形成最終的調查問卷。在正式調研中,根據預調研的相關結果進行分析,進一步立足探索性因子分析結果系統修正問卷,並最佳化問卷題項形成最終版問卷,開始正式調研。其中,在樣本抽樣方法方面,中國資訊通訊研究院釋出的《中國數字經濟發展報告白皮書2021》資料顯示,在城市數字經濟競爭力綜合排名中,前五強依次為北京、上海、深圳、廣州、杭州。考慮到本研究調研範圍的有限性,本文主要對北京、上海與杭州等地的企業進行隨機抽樣,主要是保證數字化程度較高的地區中各層次範圍入選樣本機率的相對均等性。特寫範圍,在此基礎上在不同地域之間進行不同層次的分層抽樣,以此實現分層樣本代表總體樣本。正式調研主要採取問卷調查法中常用的集體訪談與座談、實地考察、網路問卷、第三方委託發放以及電話郵件詢問等方式。其中,樣本企業調查主要是透過把在清華大學、北京大學、浙江大學、中國社會科學院大學、中國人民大學等高校就讀工商管理碩士的企業高階管理人員作為調研物件,在此基礎上,積極採用多種方式聯絡和溝通樣本企業,採取實地考察、訪談調研、線上電子郵件、微信互動、QQ互動等多種線上與線下的方式發放和回收調查問卷。在調研階段選擇方面,正式調研選擇“時滯調查法”(Time-LaggedStudy)進行問卷調查,以克服樣本的同源偏差,在2021年10月—2022年1月開展兩階段調研,對不同階段的調研而言,在調研過程中採取均等化的時間間隔,以保證填寫過程中的有效性。調查問卷由企業管理者(中高層管理者)或者企業家進行填寫。問卷全部回收後,將不同階段相同企業的資料按照編號進行匹配。本次正式調研發放問卷600份,回收問卷350份,對回答時間過短、回答資料明顯有誤以及上下填寫資訊矛盾不一致的問卷樣本進行剔除,共得到有效樣本290份,問卷總有效回收率為48.33%。
(二)變數測量
1.演算法技術涉入
從既有研究來看,學界主要是研究了數字技術或者數字化程度的主要測度,演算法技術作為數字智慧技術中的重要構成,一定程度上成為企業邁向數字化與智慧化過程中的關鍵數字技術。胡青開發了數字技術涉入的相關問卷題項,所開發的問卷題項蘊含了數字技術涉入企業研發設計、生產製造、產品銷售與服務以及組織管理等過程。基於此,本文認為,一方面,演算法技術涉入是指企業將演算法(搜尋類演算法、排序類演算法、學習類演算法、最佳化類演算法以及輔助決策類演算法)運用到企業的價值鏈之中,具體包括企業的研發設計、生產製造、銷售服務與組織管理等過程之中,以此根據企業應用演算法技術的環節數量計算演算法技術涉入廣度(AG_width)。另一方面,演算法技術涉入是企業透過演算法驅動企業參與市場競爭的技術工具,根據涉入深度開發相應的量表,即“我們公司能夠透過演算法技術與使用者、供應商、其他企業等更好地解決問題”“我們公司能夠透過演算法技術獲取更多市場需求”“我們公司能夠透過演算法技術為使用者、供應商、其他等利益相關方提供更多的價值可能性”“我們公司能夠利用演算法技術改變或者引領市場的需求或者市場競爭力”,基於主成分分析法形成演算法技術涉入深度(AG)。
2.商業模式創新
商業模式創新是企業對現有的商業模式進行轉型、再造、更新與再創造,其實質上是企業對價值系統的重新更新與再造。本文對商業模式創新的測量主要是參考Brettel與Zott和Amit的相關研究成果,從新穎型與效率型雙重視角測度企業商業模式創新(BM),其中新穎型商業模式創新主要反映企業價值主張、價值創造、產品服務以及價值捕獲方面的新模式、新組合,以及在商業模式創新過程中不斷引入創新性的方法;效率型商業模式創新主要是反映企業商業模式創新聚焦於企業交易成本節約與響應市場需求,降低組織協調成本與市場交易成本。
3.數字化能力
在數字情境下,企業立足數字技術、數字基礎設施以及數字手段形成對企業機會感知、資源協調、整合與資源配置的技能集合。學界對數字化能力的定義涵蓋技術驅動觀和環境適應觀等,本文認為,企業數字化能力涵蓋企業數字化機會感知能力、數字化資源整合能力、數字化決策能力以及數字化協同能力等方面,綜合反映企業面向數字情境下的市場機會捕獲、資源動態整合以及利益相關方協同共創的基本能力。基於此,本文參考反映上述維度的相關研究量表,結合國內相關預調研企業的訪談對問卷題項進行了最佳化。最終以7個題項綜合測度企業數字化能力(DG),包括“我們公司能夠透過數字技術及時瞭解外界技術研發或者產品服務的最新資訊”“我們公司能夠及時識別出有價值的資料資訊”“我們公司對自身的數字與智慧化水平有比較好的敏捷性判斷”“我們公司的各業務單元有統一的資訊交介面或者交接方式”“我們公司有能力利用數字技術根據市場變化共享組織內各部門之間的資訊”“我們公司有能力利用數字技術與外部利益相關者之間進行多樣化的合作與協同”“我們公司有能力利用數字技術對關鍵業務與關鍵流程進行協同最佳化”等。
4.演算法治理
本文參考演算法技術治理與演算法責任的既有相關研究,從演算法技術開發過程的責任型創新導向、演算法應用過程的利益相關方參與以及演算法影響的評估等多重視角測度演算法治理,具體以7個題項測度演算法治理,包括“我們公司演算法開發和應用過程中,以易懂的方式向利益相關者解釋”“我們公司演算法開發和應用過程中確保不違背法律與社會道德規範”“我們公司在演算法開發和應用過程中與使用者、監管者、開發者等利益相關者進行充分互動、交流與溝通”“我們公司開發和應用演算法的目的、資料管理和訪問許可權等可以被評估和檢驗”“我們公司開發或者應用演算法決策的影響被評估為積極或者消極的影響”“我們公司積極探索基於演算法開發與應用的開源社群,推進資料與演算法共享”與“我們公司積極探索基於演算法服務為可持續發展領域(或公共社會領域)重大問題提供解決方案”等。
5.企業績效
企業績效是反映企業運營能力與企業成長能力的綜合指標,主要包括企業財務績效以及企業市場績效,其中企業財務績效主要是企業的短期或者長期盈利能力,企業市場績效主要是企業市場競爭力與控制力。本文參考既有研究從財務績效與市場績效兩個層面測度企業績效(PF),透過6個題項測度,包括“與同行業主要競爭對手相比,本企業的淨收益率水平更高”“與同行業主要競爭對手相比,本企業的投資收益率水平更高”與“同行業主要競爭對手相比,本企業的主營業務收入水平更高”“與同行業主要競爭對手相比,本企業的市場佔有率更高”“與同行業主要競爭對手相比,本企業的使用者滿意度更高”和“與同行業主要競爭對手相比,本企業的銷售額增長更高”等。
6.控制變數
本研究聚焦於演算法技術驅動企業商業模式創新的具體影響及其內在影響機制,進一步控制被調查者的個體層面和被調查企業層面的影響因素,提高本研究估計結果的準確性與研究結論的推廣效度,避免本文主要變數間關係的估計結果偏誤。具體而言,在被調查的個體因素層面,本研究控制了被調查者的年齡(age)、教育水平(edu)、性別(gender)、職位(position)等變數。在被調查企業層面,本研究控制了企業產權性質(state)、企業年齡(age)、企業規模(firmage)、企業所處行業等變數。在控制變數的測度方面,統一以虛擬變數或者分類變數予以設定。
(三)同源方差檢驗
“同源方法偏差”(CommonMethodBiases)是指自變數與因變數之間的人為共變關係。這種偏差可能會導致不存在的變數關係或誇大的變數關係,也可能導致研究者得出錯誤的結論,影響本研究對演算法技術涉入與企業商業模式創新相關研究結論的可靠性。因此,在信效度分析之前,需要對本研究收集到的相關研究資料進行同源偏差檢驗。目前,有兩個克服同源方差問題的方法,一是在研究設計階段克服,本研究開展了二階段均等化時間間隔的調查方法收集調研資料,以控制共同方法偏差。其中,第一階段收集被調查者的基本資訊與被調查企業基本資訊,以及演算法技術涉入、數字化能力、演算法治理等資訊。第二階段收集商業模式創新和企業績效相關資料,這在一定程度上控制了同源方法偏差。二是在資料分析階段克服同源方法偏差問題,具體而言,在資料分析階段,本研究採用Harman提出的單因素檢驗方法開展同源偏差檢驗,透過SPSS23.0軟體以未旋轉的主成分分析對收集資料的變數測量題項進行同源偏差檢驗,包括商業模式創新、數字化能力、演算法治理、企業績效等,結果表明主要量表能夠形成7個特徵值大於1的因子,且第一個因子解釋總小於臨界值40%。總體上,本研究調研資料的同源偏差不會影響本文最終實證假設檢驗結果。
(四)信效度檢驗
信效度分析是開展研究的前提,即研究假設檢驗結果的有效性依賴於相應構念資料的可信度與有效性。基於信度分析結果可以看到,本研究理論模型中的各變數的信度係數Cronbach’sAlpha值均大於0.8。具體來看,演算法技術涉入的Cronbach’sAlpha係數為0.954;商業模式創新的Cronbach’sAlpha係數為0.959;數字化能力的Cronbach’sAlpha係數為0.957;演算法治理的Cronbach’sAlpha係數為0.946;企業績效的Cronbach’sAlpha係數為0.947。因此,所有研究變數的Cronbach’sAlpha係數均大於0.7,上述信度分析情況表明本研究變數量表的信度較好,且具有較好的穩定性。更進一步地,本文采取驗證性因子分析,驗證性因子分析結果表明演算法技術涉入、商業模式創新、數字化能力演算法治理與企業績效的各項測量題項因子載荷值均大於0.7,各項擬合優度指標尤其是AVE值均大於0.7,具有較好的區分效度。利用AMOS24.0軟體對所有變數進行區分效度檢驗。
假設檢驗與結果討論
(一)描述性統計
在對本研究各主要變數進行多元線性迴歸分析之前,首先需要對所有變數進行基本的描述性統計分析,在控制變數方面,一方面,在被調查的主要人口統計學變數中,樣本企業中的被調查者主要為男性,且年齡多在31歲以上,教育程度大部分為碩士研究生以上,所處的職位主要是中高層管理者,其教育程度與企業職位基本相符;另一方面,在企業特徵方面,企業性質主要是國有企業以及民營企業,企業規模主要是中大型企業,普遍為成立10年以上的企業。在主要變數方面,商業模式創新(BM)的均值為4.74,方差為1.32;演算法技術涉入深度(AG)的均值為4.62,方差為1.44;數字化能力(DG)的均值為4.77,方差為1.29;演算法治理(GOV)的均值為4.79,方差為1.22;企業績效(PF)的均值為4.74,方差為1.37;足以說明各變數具有較好的區分程度。
(二)相關性分析
為進一步分析各主要變數之間的相關性,本文基於STATA15.0軟體對各變數進行相關性分析,基於Pearson相關分析,控制變數與本文探究的主要變數演算法技術涉入廣度(AG_width)、演算法技術涉入深度(AG)、商業模式創新(BM)、演算法治理等不存在明顯的相關性;但是,本文的主要變數演算法技術涉入深度(AG)與企業商業模式創新(BM)、企業商業模式創新(BM)與企業績效(PF)、演算法技術涉入深度(AG)與數字化能力(DG)、企業數字化能力(DG)與企業商業模式創新(BM)皆存在顯著的正相關關係,相關性係數分別為0.799、0.720、0.872和0.835。因此,各自變數、調節變數與因變數存在顯著的正向相關關係。由此說明,本研究變數的測量效果符合資料分析要求。且考慮到多重共線性的可能性,進一步檢驗本文涉及主要研究假設中所有迴歸方程的自變數VIF值均小於3,說明變數間不存在嚴重的多重共線性問題,並且D-W值也均在2附近,說明樣本之間沒有影響關係,基本不存在多重共線性問題。
(三)迴歸分析與假設檢驗
1.演算法技術涉入對企業商業模式創新的主效應檢驗(H1)
本文進一步基於演算法技術涉入與企業商業模式創新的理論概念模型,對演算法技術涉入驅動企業商業模式創新的5個主要研究假設進行檢驗。在對樣本資料進行Pearson相關分析的基礎上,本文將被調查者的個體特徵以及企業特徵與企業所處行業納入研究模型,用於檢驗各變數之間的關係,以驗證本研究的理論假設。基於表1的迴歸結果可以發現,列(1)—(3)分別是逐步加入控制變數後探究演算法技術涉入深度(AG)對商業模式的影響,在加入所有控制變數後,列(3)演算法技術涉入深度對企業商業模式創新的影響係數為0.796,且通過了1%水平下的顯著性檢驗,說明演算法技術涉入深度有助於促進企業商業模式創新。
更進一步,為探究演算法技術涉入廣度(AG_width)對企業商業模式創新的影響,本文立足研究問卷設計中的演算法是否涉入企業研發設計環節、生產製造環節、銷售與服務環節、組織與運營管理環節以及資訊與知識管理服務等。若演算法具體涉入某一環節則對該環節取值為1,最終加總計算演算法技術涉入廣度,進一步探究其對商業模式創新的影響。基於表1列(4)—(6)的迴歸結果表明,演算法技術涉入廣度對企業商業模式創新產生顯著的正向促進效應,且加入所有控制變數後列(6)的迴歸係數為0.127,說明演算法技術涉入企業價值鏈環節越廣,對企業商業模式創新的促進效應更強,因此,本文的實證研究結果支援了研究假設H1。
為進一步提高本文主要研究假設H1的穩健性,本文進一步透過控制調查企業的所在地區以及企業應用演算法的型別,分別考察演算法技術涉入深度(AG)與演算法技術涉入廣度(AG_width)對企業商業模式創新的影響。基於表2的研究結果可以發現,列(1)、(3)、(5)的迴歸結果表明在分別加入演算法型別、地區效應後,演算法技術涉入深度(AG)對企業商業模式創新產生顯著的正向促進效應,影響係數分別為0.776、0.796和0.778,分別通過了1%水平下的顯著性檢驗;列(2)、(4)、(6)的迴歸結果表明分別加入演算法型別、地區效應後,演算法技術涉入廣度對企業商業模式創新產生顯著的正向促進效應,影響係數分別為0.168、0.111,分別通過了5%和1%水平下的顯著性檢驗;這說明本文研究假設H1演算法技術涉入驅動企業商業模式創新的研究結論基本穩健。
2.中介效應檢驗(H2a-H2c)
為進一步檢驗演算法技術涉入對企業數字化能力以及數字化能力在企業演算法技術涉入與企業商業模式創新之間的中介效應,本文根據中介效應檢驗方法,基於表3的迴歸結果發現,首先,從演算法技術涉入對企業數字化能力(DG)的影響來看,列(2)和列(5)分別展示了演算法技術涉入深度(AG)和演算法技術涉入廣度(AG_width)對企業數字化能力的影響,影響係數分別為0.880和0.126,即演算法技術涉入深度和演算法技術涉入廣度對企業數字化能力產生顯著的正向促進效應;進一步加入企業數字化能力(DG)探究演算法技術涉入對企業商業模式創新的影響,列(3)和列(6)的迴歸結果顯示,在加入企業數字化能力這一中介變數後,自變數演算法技術涉入深度和演算法技術涉入廣度對企業商業模式創新(BM)的係數變為0.291和0.024,通過了1%水平下的顯著性檢驗,且影響係數大大降低,但中介變數企業數字化能力依然產生顯著的正向效應,且演算法技術涉入廣度的影響係數不再顯著,足以說明,企業數字化能力(DG)在企業演算法技術涉入與企業商業模式創新之間產生中介效應,可以認為演算法技術涉入主要是促進企業建構與鞏固企業數字化能力,進而促進企業商業模式創新,本文研究假設H2a-H2c得到實證結果的支援。
另外,本文為進一步提高中介效應檢驗方法的準確性,採取Bootstrap法檢驗數字化能力在演算法技術涉入深度(AG)與演算法技術涉入廣度(AG_width)之間的中介效應。檢驗結果表明,中介效應在95%的置信區間下顯著,且置信區間[0.3296944,0.6805673]和[0.0262893,0.1796189]均不含0,表明本文研究的企業數字化能力的中介效應得到進一步支援。
3.價值效應檢驗(H3a-H3b)
為進一步考察演算法技術涉入是否透過企業商業模式創新改善了企業績效,檢驗本文研究假設H3a-H3b,本文基於中介效應檢驗步驟考察商業模式創新在企業演算法技術涉入與企業績效之間的中介作用。基於表4的迴歸結果表明,首先,從演算法技術涉入對企業績效(PF)的影響來看,列(1)和列(4)分別展示了演算法技術涉入深度(AG)與演算法技術涉入廣度(AG_width)對企業商業模式創新的影響,影響係數分別為0.723和0.171,即演算法技術涉入深度與演算法技術涉入廣度對企業績效產生顯著的正向促進效應;進一步加入企業商業模式創新(BM)探究演算法技術涉入對企業績效的影響,列(3)和列(6)的迴歸結果顯示,在加入企業商業模式創新這一中介變數後,自變數演算法技術涉入深度和演算法技術涉入廣度對企業績效(PF)的係數變為0.400和0.082,通過了1%水平下的顯著性檢驗,且影響係數大大降低,但中介變數即企業商業模式創新對企業績效依然產生顯著的正向效應,足以說明企業商業模式創新(BM)在企業演算法技術涉入與企業績效(PF)之間產生中介效應,可以認為演算法技術涉入主要能夠透過促進企業商業模式創新提高企業績效,即透過強化企業商業模式創新的價值效應提升企業市場競爭力,本文研究假設H3a-H3b得到實證結果的支援。
4.演算法治理的調節效應檢驗(H4)
為進一步檢驗本文提出的研究假設H4,即演算法治理在演算法技術涉入與企業商業模式創新之間的調節效應,基於調節效應分析表5
的檢驗結果,可以看到,列(1)的結果表明,演算法技術涉入與演算法治理的互動項(AG∗GOV)對企業商業模式創新的影響係數為0.062,且通過了5%水平下的顯著性檢驗;演算法技術涉入廣度與演算法治理的互動項(AG_width∗GOV)的係數為0.072,通過了10%水平下的顯著性檢驗,說明演算法治理有助於強化演算法技術涉入廣度對企業商業模式創新的正向促進效應,本文研究假設H4得到實證結果的支援。因此,可以說明,演算法治理有助於強化演算法技術涉入下企業商業模式創新的正向價值,說明在演算法技術涉入的過程中,企業開展演算法治理能夠獲取利益相關方更多的信任,進而幫助企業在演算法技術涉入捕獲市場需求、消費者價值主張以及形成價值創造網路的過程中獲取更廣泛信任與支援,進一步提高企業演算法涉入過程中價值創造網路的穩定性以及價值主張的可持續性,更好地吸引外部利益相關方參與企業價值共創,實現企業價值共創網路與效應的更新迭代,最終促進企業商業模式創新的正向價值,實現傳統商業模式創新向可持續性商業模式創新的轉型升級。
進一步分析
(一)演算法技術涉入對不同型別商業模式創新的影響
更進一步地,本文區分審視演算法技術涉入對不同型別商業模式創新的影響。從屬性視角看,商業模式創新可以分為新穎型商業模式創新與效率型商業模式創新。本文根據相關測量題項進一步分類考察演算法技術涉入對兩類不同導向的商業模式創新的影響。基於表6的迴歸結果可以發現,不管是演算法技術涉入廣度(AG_width)還是演算法技術涉入深度(AG),都對企業新穎型商業模式創新與效率型商業模式創新產生顯著的正向促進效應,說明演算法技術涉入一方面能夠促進新穎型商業模式創新,即有助於捕獲市場中的全新的需求,幫助企業形成全新的價值主張、全新的價值創造網路以及價值創造過程的創新;另一方面也有助於促進效率型商業模式創新,即透過降低組織內部的資訊、資料與人員的互動成本以及改善組織與外部利益相關方或者生態方的交易成本,立足交易成本降低促進企業效率型商業模式創新。
(二)演算法技術涉入對企業不同型別績效的異質性影響
本文進一步根據企業績效的異質性,考察演算法技術對企業不同型別績效的影響。企業績效一般分為財務績效與市場績效,財務績效主要體現為企業的盈利能力,市場績效主要表現為企業在市場中的競爭力,本文根據問卷量表設計中相關測量指標題項進行分類,形成企業財務績效(Performance1)和企業市場績效(Performance2),進一步考察演算法技術涉入對兩類不同績效的差異性影響。基於表7的迴歸結果表明,列(1)、(2)的迴歸係數顯示演算法技術涉入對企業財務績效與市場績效都分別產生顯著的正向促進效應,影響係數分別為0.653和0.627,分別通過了1%水平下的顯著性檢驗,且演算法技術涉入對企業財務績效的影響係數更大,說明演算法技術驅動的企業財務績效較之於市場績效而言更為明顯;從演算法技術涉入廣度(AG_width)來看,列(3)、(4)分別顯示出演算法技術涉入廣度對企業財務績效與市場績效分別產生顯著的正向促進效應,影響係數分別為0.235和0.200,分別通過了1%水平下的顯著性檢驗,即演算法技術涉入價值鏈環節的寬度越廣對企業財務績效與市場績效的改善效應越為明顯,且對企業財務績效改善效應更為明顯。
結論與啟示
本文研究表明,第一,演算法技術涉入作為數字情境下的新型技術要素,能夠促進企業商業模式創新,且演算法技術涉入對新穎型商業模式創新和效率型商業模式創新均產生顯著的正向影響。第二,演算法技術有助於企業形成數字化能力,且數字化能力在演算法技術涉入與企業商業模式創新的正向關係間起到部分中介作用。第三,演算法治理在演算法技術涉入與企業商業模式創新之間產生顯著的正向調節效應,說明演算法治理有助於強化演算法技術涉入下企業商業模式創新,推動企業價值創造網路與價值主張的進一步迭代升級,推進企業商業模式創新過程中價值創造的可持續性。第四,演算法技術涉入有助於透過企業商業模式創新進一步促進企業績效改善,即企業商業模式創新在演算法技術涉入與企業績效之間產生部分中介效應,說明演算法技術涉入作為一種新型技術要素能夠更好地推動企業商業模式創新,啟用企業市場競爭能力。本文的研究成果可為企業戰略決策及政策制定提供以下啟示。
第一,加快推進面向數字智慧技術嵌入的數字化轉型,以數字智慧技術涉入推動企業價值系統重塑進而實現商業模式創新。一方面,在企業戰略導向與戰略認知層面,需要牢固樹立數字智慧技術作為新型技術要素的重要性,充分認識數字智慧技術的新特徵以及演算法涉入對企業運營管理的新變化,將以演算法技術為核心的數字智慧技術作為企業的一種新的技術基礎,推動數字智慧技術涉入企業戰略決策、管理流程以及業務運營等經營活動之中,提升企業演算法技術涉入的廣度與深度。另一方面,合理利用不同型別演算法在企業價值鏈與創新鏈各個環節中的異質性作用,立足演算法技術實現新的資料要素生成、學習與壯大,進而推動傳統生產要素驅動的企業商業模式創新向以資料要素、數字技術要素等驅動的企業商業模式創新轉變,特別是依託演算法技術涉入企業價值鏈中的研發設計、生產製造、銷售服務以及組織管理等各個價值鏈環節,精準構築契合數字環境下的使用者價值主張的數字創新網路與價值共創網路,實現企業商業模式創新。
第二,加快構築契合企業數字化轉型與商業模式創新需求的企業數字化能力,逐步形成數字智慧技術驅動的數字化動態能力與數字賦能體系。在數字情境下,企業需要充分重視數字化轉型的戰略體系,推動企業在認知結構、組織結構、企業文化、人力資本等方面的數字化轉型,高度重視企業數字智慧基礎設施以及數字人才對企業數字化能力形成與建構的重要性。實質上,在數字化時代,演算法技術驅動的企業數字化能力不僅僅體現為企業將數字技術應用到企業價值鏈或者產業鏈之中,更體現為透過演算法技術幫助企業在市場機會發現、資源協調與整合、價值創造網路重構等多個層面提升動態能力。另一方面,根據企業商業模式創新導向的差異性,有序推動企業數字化能力體系建設。效率型商業模式創新要求企業以更低的交易成本滿足特定市場使用者價值主張,實現價值傳遞與價值創造,一定程度上需要企業更加側重價值鏈與創新鏈的中後端的演算法技術涉入,強化企業資源協調與整合能力建設,形成面向數字智慧技術驅動的動態整合能力。新穎型商業模式創新更加強調企業價值主張的新穎性,強調企業與使用者交易方式的新變化,一定程度上需要企業更加側重市場機會捕獲與使用者價值主張識別過程中的即時性與精準性,客觀上要求企業更加註重在價值鏈與創新鏈前端環節強化演算法技術涉入,強化企業市場機會發現與價值主張生成過程中的動態性與即時性。從這個意義上,不管是面向效率導向的商業模式創新還是面向新穎導向的商業模式創新,企業需要加速形成數字化能力實現企業資源重構與價值網路重構,以新的價值主張、價值網路以及價值創造與實現,推動企業新穎型商業模式創新和效率型商業模式創新。因此,企業需要在不同成長階段有序推進企業數字化轉型,構建企業數字化能力進而推動企業商業模式創新。
第三,加快構建面向演算法技術治理的企業技術治理體系。演算法技術作為新一輪數字技術革命程序中的新興技術,其形成、應用等過程與傳統資訊科技存在較大程度的差異性,在涉入企業戰略決策與運營管理過程中具備一定的自我學習與自主決策能力,並一定程度上形成“學習過程—決策結果”的演算法黑箱,加劇了技術應用於企業戰略決策或者企業運營管理中的不確定性。比如在平臺情境下,演算法技術涉入平臺內使用者交易定價、價值捕獲等過程中產生了演算法歧視、演算法殺熟、演算法壟斷等系列負外部性,嚴重侵害了消費者福利,不利於企業價值創造的可持續性。特別是企業“濫用演算法”與“演算法治理缺位”進一步衍生基於演算法技術參與企業戰略決策、組織管理與業務運營的信任危機,對演算法技術驅動的企業商業模式創新帶來合法性挑戰。因此,企業需要構建面向演算法技術開發與技術應用的技術治理體系,一方面以責任式創新理念重塑企業演算法技術開發過程中的社會安全屬性,避免企業“市場邏輯”過度嵌入或者人為的技術不正當利用導致演算法技術涉入企業經營決策過程中產生系列負面社會問題;另一方面加強演算法技術應用過程中的利益相關方參與機制,包括面向利益相關方的演算法技術與決策過程的資訊披露機制,在技術應用環節以及技術影響層面強化演算法技術資訊披露,最大程度提高演算法技術參與企業經營管理決策的透明度。強化企業演算法技術應用的影響評估,定期開展演算法決策與演算法管理的多維利益相關方影響評估,最大程度地避免演算法技術涉入企業決策與運營管理過程中產生對企業利益相關方的負面影響。
參考文獻(略)
掃碼下載原文
文章來源丨南京大學學報(哲學·人文科學·社會科學) . 2025年第1期。
關於作者丨 陽鎮:中國社會科學院工業經濟研究所副研究員,清華大學技術創新研究中心兼職研究員;陳勁:清華大學經濟管理學院蘋果公司講席教授,清華大學技術創新研究中心主任,博士生導師。
內容來源:清華大學技術創新研究中心
喜歡清華經管EMBA,請點在看

相關文章