張曉輝，林 煜，崔翔宇

(長(zhǎng)春大學(xué) 管理學(xué)院，長(zhǎng)春 130022)

隨著互聯(lián)網(wǎng)、大數(shù)據(jù)、區(qū)塊鏈、人工智能等高新技術(shù)的發(fā)展，第四次工業(yè)革命已悄然而至。數(shù)據(jù)作為新興的生產(chǎn)要素改變了企業(yè)的組織結(jié)構(gòu)和運(yùn)營(yíng)模式等方方面面，極大地提高了生產(chǎn)效率。在中國(guó)人口紅利消退的當(dāng)下，中國(guó)經(jīng)濟(jì)正在從高速發(fā)展向高質(zhì)量發(fā)展轉(zhuǎn)變。要維持中國(guó)制造的競(jìng)爭(zhēng)力，依靠數(shù)字經(jīng)濟(jì)進(jìn)行企業(yè)轉(zhuǎn)型勢(shì)在必行。國(guó)家層面也十分重視數(shù)字經(jīng)濟(jì)的發(fā)展，陸續(xù)出臺(tái)相關(guān)政策推動(dòng)企業(yè)數(shù)字化轉(zhuǎn)型。從2017年政府工作報(bào)告中首次出現(xiàn)數(shù)字經(jīng)濟(jì)后，我國(guó)數(shù)字經(jīng)濟(jì)穩(wěn)步發(fā)展，成為國(guó)民經(jīng)濟(jì)的“穩(wěn)定器”和“加速器”。截至2022年，我國(guó)數(shù)字經(jīng)濟(jì)規(guī)模已達(dá)50.2萬(wàn)億元，同比名義增長(zhǎng)10.3%，占GDP比重提升至41.5%(1)數(shù)據(jù)來(lái)源于國(guó)家互聯(lián)網(wǎng)辦公室2023年發(fā)布的《數(shù)字中國(guó)發(fā)展報(bào)告(2022年)》。，但與西方發(fā)達(dá)國(guó)家普遍65%—70%的比例相比還有很大的提升空間。企業(yè)作為國(guó)家經(jīng)濟(jì)重要的微觀組成部分，轉(zhuǎn)型升級(jí)是大勢(shì)所趨，而落實(shí)到企業(yè)個(gè)體而言，數(shù)字化轉(zhuǎn)型的成果并不理想。中國(guó)電子技術(shù)標(biāo)準(zhǔn)化研究院《中小企業(yè)數(shù)字化轉(zhuǎn)型分析報(bào)告(2021)》調(diào)查顯示，中小企業(yè)中有79%的企業(yè)仍處于數(shù)字化轉(zhuǎn)型初步探索階段，即使是大型企業(yè)也有近一半處于初級(jí)階段。一方面，企業(yè)對(duì)進(jìn)行數(shù)字化轉(zhuǎn)型的方法和路徑不明晰，造成資源浪費(fèi)但收效甚微；另一方面，對(duì)數(shù)字化轉(zhuǎn)型所產(chǎn)生的企業(yè)內(nèi)外的經(jīng)濟(jì)后果持觀望態(tài)度，“不會(huì)轉(zhuǎn)”“不敢轉(zhuǎn)”是困擾企業(yè)躊躇不前的重要阻因。現(xiàn)有研究多關(guān)注數(shù)字化轉(zhuǎn)型給企業(yè)帶來(lái)的積極影響，這本無(wú)可非議，企業(yè)確實(shí)應(yīng)當(dāng)順應(yīng)國(guó)家和時(shí)代的發(fā)展要求積極求變，而數(shù)字化轉(zhuǎn)型過(guò)程中也存在著“陣痛”，相關(guān)研究仍有空缺。因此，本研究通過(guò)數(shù)字化轉(zhuǎn)型對(duì)內(nèi)部控制傳導(dǎo)路徑進(jìn)行分析，為企業(yè)數(shù)字化轉(zhuǎn)型需考量的因素提供數(shù)據(jù)支持，以便企業(yè)能夠根據(jù)自身具體情況合理作出戰(zhàn)略規(guī)劃，助力轉(zhuǎn)型順利開(kāi)展。

一、文獻(xiàn)綜述與研究假設(shè)

(一)文獻(xiàn)綜述

1. 數(shù)字化轉(zhuǎn)型相關(guān)研究

現(xiàn)有對(duì)數(shù)字化轉(zhuǎn)型的研究多關(guān)注動(dòng)因分析和對(duì)企業(yè)產(chǎn)生的經(jīng)濟(jì)后果。國(guó)家數(shù)字經(jīng)濟(jì)對(duì)企業(yè)數(shù)字化變革的影響較大，數(shù)字化變革顯著提升了實(shí)體企業(yè)經(jīng)濟(jì)效益[1]，產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型提高了產(chǎn)業(yè)鏈和供應(yīng)鏈的穩(wěn)定性和競(jìng)爭(zhēng)力[2]。數(shù)字化轉(zhuǎn)型對(duì)企業(yè)產(chǎn)生的影響體現(xiàn)在方方面面，趙宸宇等指出，數(shù)字化轉(zhuǎn)型能夠促進(jìn)企業(yè)全要素生產(chǎn)率提升[3]127。肖旭等、戚聿東、蔡呈偉的研究發(fā)現(xiàn)：數(shù)字技術(shù)改變了傳統(tǒng)的商業(yè)邏輯[4]；相比于之前流水線生產(chǎn)，用戶價(jià)值主導(dǎo)成為企業(yè)變革的根本力量[5]；數(shù)字化轉(zhuǎn)型對(duì)企業(yè)績(jī)效產(chǎn)生正向影響[6]。而蔡春花持不同觀點(diǎn)，認(rèn)為數(shù)字化與企業(yè)的盈利能力不存在顯著的線性關(guān)系或顯著的U型關(guān)系[7]。

2.數(shù)字化轉(zhuǎn)型與內(nèi)部控制相關(guān)研究

羅艷梅等根據(jù)數(shù)字化轉(zhuǎn)型的不同方面，從生產(chǎn)數(shù)字化、產(chǎn)品數(shù)字化、服務(wù)數(shù)字化和管理數(shù)字化等4個(gè)角度實(shí)證檢驗(yàn)了數(shù)字化轉(zhuǎn)型有助于顯著提升內(nèi)部控制質(zhì)量[8]。程莉雅等著力研究數(shù)字化轉(zhuǎn)型對(duì)內(nèi)部控制產(chǎn)生影響的路徑機(jī)制，發(fā)現(xiàn)企業(yè)數(shù)字化轉(zhuǎn)型之后主要通過(guò)改善內(nèi)部環(huán)境、提高信息與溝通能力和增強(qiáng)風(fēng)險(xiǎn)管理水平來(lái)提升內(nèi)部控制質(zhì)量[9]118。郜保萍通過(guò)研究發(fā)現(xiàn)，產(chǎn)品市場(chǎng)競(jìng)爭(zhēng)大、企業(yè)生命周期處于非成長(zhǎng)期時(shí)，企業(yè)數(shù)字化轉(zhuǎn)型對(duì)提高內(nèi)部控制的有效性更明顯[10]。

(二)研究假設(shè)

1.數(shù)字化轉(zhuǎn)型對(duì)內(nèi)部控制的直接影響

COSO委員會(huì)發(fā)布的《內(nèi)部控制整合框架》指出，要從5個(gè)方面對(duì)內(nèi)部控制進(jìn)行考量，即控制環(huán)境、風(fēng)險(xiǎn)評(píng)估、控制活動(dòng)、信息與溝通、監(jiān)督。(1)在控制環(huán)境方面，轉(zhuǎn)型首先需要管理層的認(rèn)可和學(xué)習(xí)，爾后通過(guò)培訓(xùn)員工使企業(yè)上下形成數(shù)字化思維，再憑借更加規(guī)范的操作系統(tǒng)將業(yè)務(wù)流程與內(nèi)部控制進(jìn)行整合，為內(nèi)部控制提供良好的環(huán)境。(2)在風(fēng)險(xiǎn)評(píng)估方面，基于信息不對(duì)稱理論，企業(yè)處于動(dòng)態(tài)變化的內(nèi)外環(huán)境之中，獲取的信息資源有很大的局限性[11]，管理層的潛在風(fēng)險(xiǎn)識(shí)別和應(yīng)對(duì)能力不足。通過(guò)數(shù)字化轉(zhuǎn)型，內(nèi)外部信息收取和處理優(yōu)勢(shì)增加，能夠提高資源配置和流轉(zhuǎn)效率[12]，也能夠及時(shí)準(zhǔn)確地識(shí)別業(yè)務(wù)流程中的問(wèn)題，從而提高風(fēng)險(xiǎn)評(píng)估能力。(3)在控制活動(dòng)方面，人是控制活動(dòng)的主體，人的主觀因素影響著控制活動(dòng)[13]。數(shù)字化轉(zhuǎn)型之后，數(shù)據(jù)作為新的生產(chǎn)要素具有客觀性，可以降低人為因素的干擾，減少舞弊的可能性[14]。(4)在信息與溝通方面，企業(yè)數(shù)字化轉(zhuǎn)型能夠優(yōu)化組織結(jié)構(gòu)，使組織層次趨于柔性化、扁平化，上下級(jí)溝通也更加順暢，便于問(wèn)題及時(shí)反饋、命令及時(shí)下達(dá)。企業(yè)與客戶聯(lián)系也更加密切，能夠通過(guò)網(wǎng)絡(luò)平臺(tái)迅速捕捉客戶的個(gè)性化需求，提高信息利用效率。(5)在內(nèi)部監(jiān)督方面，企業(yè)業(yè)務(wù)流程公開(kāi)透明，可以減少管理層短視和不理智行為，在一定程度上緩解委托代理問(wèn)題?；诖?，提出假設(shè)1。

H1：制造業(yè)數(shù)字化轉(zhuǎn)型正向影響內(nèi)部控制

2.財(cái)務(wù)穩(wěn)定性的中介作用

數(shù)字化轉(zhuǎn)型不僅是自上而下的思想觀念的轉(zhuǎn)變，也需要線上和線下組織結(jié)構(gòu)變革，這就意味著企業(yè)如果選擇了數(shù)字化轉(zhuǎn)型，就要增加在人才引進(jìn)和培訓(xùn)，辦公軟件升級(jí)以及線上供應(yīng)鏈建設(shè)等方面的成本投入，還要承受數(shù)字化轉(zhuǎn)型不能立竿見(jiàn)影起到作用的“陣痛”，這無(wú)疑增加了企業(yè)的財(cái)務(wù)壓力。張復(fù)生等的研究表明，當(dāng)財(cái)務(wù)穩(wěn)定性較低時(shí)，其內(nèi)部控制質(zhì)量也相應(yīng)降低[15]?；诖?，提出假設(shè)2。

H2：財(cái)務(wù)穩(wěn)定性在數(shù)字化轉(zhuǎn)型對(duì)內(nèi)部控制的影響中起中介作用

二、實(shí)證研究

(一)模型設(shè)定

基于以上理論分析和研究假設(shè)，為了考察數(shù)字化轉(zhuǎn)型對(duì)內(nèi)部控制的綜合影響，構(gòu)建基準(zhǔn)回歸模型：

IC=β0+β1Dig+∑β3Controls+∑Year+∑Ind+ε0

(模型1)

為了進(jìn)一步考察財(cái)務(wù)穩(wěn)定性對(duì)數(shù)字化轉(zhuǎn)型和內(nèi)部控制的中介效應(yīng)，構(gòu)建中介效應(yīng)模型：

IC=β0+β1Dig+β2Z+∑β3Controls+∑Year+∑Ind+ε0

(模型2)

(1)被解釋變量IC為內(nèi)部控制質(zhì)量。參考程莉雅等[9]113的研究，采用迪博內(nèi)部控制指數(shù)進(jìn)行衡量。迪博內(nèi)部控制指數(shù)按照COSO框架從5個(gè)方面衡量企業(yè)內(nèi)部控制水平，具有較高的權(quán)威性，并且與研究假設(shè)契合，準(zhǔn)確性較高。(2)解釋變量Dig為數(shù)字化轉(zhuǎn)型程度。參考趙宸宇等[3]116的方法，使用文本分析法統(tǒng)計(jì)2016—2021年年度報(bào)告中的數(shù)字技術(shù)應(yīng)用、互聯(lián)網(wǎng)商業(yè)模式、智能制造和現(xiàn)代信息系統(tǒng)等4個(gè)維度對(duì)應(yīng)關(guān)鍵詞的披露次數(shù)，以此反映企業(yè)的數(shù)字化轉(zhuǎn)型程度。(3)中介變量Z為財(cái)務(wù)穩(wěn)定性。采用AltmanZ-score模型進(jìn)行衡量，計(jì)算方法為Z=1.2X1+1.4X2+3.3X3+0.6X4+0.999X5。其中，X1為營(yíng)運(yùn)資產(chǎn)/總資產(chǎn)，X2為留存收益/總資產(chǎn)，X3為息稅前利潤(rùn)/總資產(chǎn)，X4為總市值/負(fù)債總計(jì)，X5為營(yíng)業(yè)收入/總資產(chǎn)，數(shù)值越大表示企業(yè)的財(cái)務(wù)穩(wěn)定性越高。(4)Controls為企業(yè)層面選取的控制變量。包括企業(yè)年齡、企業(yè)規(guī)模、資產(chǎn)負(fù)債率、兩權(quán)分離率、時(shí)間和行業(yè)。此外，為了使模型更加精確，同時(shí)控制了行業(yè)和年份的虛擬變量，ε0為隨機(jī)擾動(dòng)項(xiàng)。詳情如表1所示。

表1 變量定義

(二)數(shù)據(jù)來(lái)源

選取2016—2021年A股制造業(yè)上市企業(yè)作為研究對(duì)象，為了保證數(shù)據(jù)可靠性，剔除ST和ST*企業(yè)。收集2016—2021年企業(yè)財(cái)務(wù)報(bào)表并通過(guò)文本分析法獲得反映數(shù)字化轉(zhuǎn)型程度的指標(biāo)，企業(yè)層面相關(guān)的微觀數(shù)據(jù)根據(jù)萬(wàn)德數(shù)據(jù)庫(kù)和國(guó)泰安數(shù)據(jù)庫(kù)整理所得。為了減少極端值的影響，使模型更加精確，對(duì)數(shù)據(jù)進(jìn)行了前后1%水平的縮尾處理，數(shù)據(jù)處理軟件為stata17.0。

三、實(shí)證分析

(一)描述性統(tǒng)計(jì)

表2為各變量的描述性統(tǒng)計(jì)結(jié)果。IC平均數(shù)和中位數(shù)都比較大，表明大部分樣本企業(yè)重視內(nèi)部控制的建設(shè)，研究?jī)?nèi)部控制的影響因素以及進(jìn)一步加強(qiáng)內(nèi)部控制建設(shè)是有必要的。Dig最大值與最小值相差較大，且中位數(shù)與平均值相近，表明樣本企業(yè)數(shù)字化轉(zhuǎn)型程度差異較大，仍有很大的發(fā)展空間。

續(xù) 表

表2 描述性統(tǒng)計(jì)

(二)相關(guān)性分析

主要變量的相關(guān)系數(shù)矩陣及各變量之間顯著相關(guān)如表3所示。VIF(方差膨脹因子)的平均值為1.32，最大值為1.84，最小值為1.04(見(jiàn)表4)，均遠(yuǎn)小于10。以上表明，變量之間不存在嚴(yán)重的多重共線性問(wèn)題，模型設(shè)定較為合理。

表3 變量間相關(guān)性分析

表4 方差膨脹因子分析

(三)回歸分析

1.基準(zhǔn)回歸分析

表5為回歸分析結(jié)果。第(1)列和第(2)列為不含中介變量的基準(zhǔn)回歸模型，采用遞進(jìn)式的回歸方法，第(1)列僅控制時(shí)間和行業(yè)固定效應(yīng)，結(jié)果顯示其在1%的水平上回歸效果顯著，回歸系數(shù)為6.038；第(2)列在控制時(shí)間和行業(yè)固定效應(yīng)的同時(shí)加入控制變量進(jìn)行回歸，結(jié)果顯示其仍在1%的水平上顯著，回歸系數(shù)為3.109。表明數(shù)字化轉(zhuǎn)型顯著正向影響內(nèi)部控制，假設(shè)1得到驗(yàn)證。

表5 回歸分析

2.中介效應(yīng)檢驗(yàn)

針對(duì)數(shù)字化轉(zhuǎn)型對(duì)內(nèi)部控制產(chǎn)生正向影響的傳導(dǎo)機(jī)制進(jìn)行檢驗(yàn)，基于溫忠麟等[16]提出的中介效應(yīng)模型，借助Bootstrap法進(jìn)行驗(yàn)證(自助抽樣500次)。回歸結(jié)果如表5中第(3)列和第(4)列所示。在加入變量Z之后，回歸結(jié)果依舊在1%的水平上顯著，回歸系數(shù)為3.296，且Bootstrap檢驗(yàn)區(qū)間為[-0.2464211，-0.0656942]，不包含0，再進(jìn)行Sobel檢驗(yàn)，P值為0.0004。上述檢驗(yàn)表明財(cái)務(wù)穩(wěn)定性的中介效應(yīng)成立，假設(shè)2得到驗(yàn)證。值得注意的是，表5中第(3)列中數(shù)字化轉(zhuǎn)型對(duì)財(cái)務(wù)穩(wěn)定性具有顯著的負(fù)向影響，且Bootstrap置信區(qū)間為負(fù)數(shù)區(qū)間，說(shuō)明財(cái)務(wù)穩(wěn)定性在數(shù)字化轉(zhuǎn)型對(duì)內(nèi)部控制質(zhì)量的影響中起“遮掩”作用，即財(cái)務(wù)穩(wěn)定性會(huì)減弱數(shù)字化轉(zhuǎn)型對(duì)內(nèi)部控制質(zhì)量的正向作用。轉(zhuǎn)型意味著投入和不確定性，但由于企業(yè)數(shù)字化轉(zhuǎn)型是一個(gè)長(zhǎng)期的變革，既需要持續(xù)的投入也需要一定的時(shí)間才能見(jiàn)到成效，盲目轉(zhuǎn)型不僅短時(shí)間內(nèi)不會(huì)明顯提高內(nèi)部控制質(zhì)量，反而會(huì)因財(cái)務(wù)穩(wěn)定性降低導(dǎo)致數(shù)字化轉(zhuǎn)型對(duì)內(nèi)部控制的正向影響減弱，這也是部分企業(yè)不愿進(jìn)行數(shù)字化轉(zhuǎn)型嘗試的原因之一。

四、結(jié)論與建議

(一)企業(yè)合理規(guī)劃逐步轉(zhuǎn)型

首先，企業(yè)轉(zhuǎn)型從管理者思想轉(zhuǎn)變開(kāi)始，要正確認(rèn)識(shí)數(shù)字化轉(zhuǎn)型的合理性和必要性。傳統(tǒng)企業(yè)組織層級(jí)冗雜，部門(mén)之間存在信息壁壘，內(nèi)部供銷數(shù)據(jù)不同步，產(chǎn)品供需脫節(jié)等問(wèn)題都給內(nèi)部控制帶來(lái)困難。通過(guò)組織管理的數(shù)字化轉(zhuǎn)型，信息可以快速、及時(shí)地在各部門(mén)之間傳達(dá)，溝通渠道更加通暢，有利于員工充分發(fā)揮主人翁意識(shí)，積極反饋問(wèn)題。其次，數(shù)字化轉(zhuǎn)型不是一蹴而就的，特別是中小企業(yè)，應(yīng)當(dāng)結(jié)合其自身財(cái)務(wù)狀況作好戰(zhàn)略規(guī)劃，切忌盲目跟風(fēng)。在轉(zhuǎn)型初期，自行構(gòu)建數(shù)據(jù)收集和處理系統(tǒng)費(fèi)時(shí)費(fèi)財(cái)，可以選擇與具備相關(guān)服務(wù)的第三方平臺(tái)合作，以降低自建和試錯(cuò)成本。最后，要重視對(duì)員工的培訓(xùn)和教育，既要培養(yǎng)現(xiàn)有員工形成數(shù)字化思維，又要招攬數(shù)據(jù)建模和分析的專業(yè)人才。

(二)政府鋪橋搭路營(yíng)造環(huán)境

政府要加強(qiáng)數(shù)字設(shè)施建設(shè)，為轉(zhuǎn)型提供外部條件[17]。政府要優(yōu)化數(shù)字化發(fā)展環(huán)境，增加建設(shè)工業(yè)互聯(lián)網(wǎng)、5G、大數(shù)據(jù)和人工智能的投資力度。加強(qiáng)借貸征信建設(shè)，設(shè)立針對(duì)數(shù)字化轉(zhuǎn)型的專項(xiàng)貸款，拓寬企業(yè)融資渠道。工商聯(lián)2021年數(shù)據(jù)顯示，在226家獲得外部融資的500強(qiáng)企業(yè)研發(fā)支出中，外部融資支出占總支出的比重小于10%的比例高達(dá)77%，這表明民營(yíng)企業(yè)研發(fā)資金多來(lái)自企業(yè)內(nèi)部[18]。由于部分民營(yíng)企業(yè)資金鏈薄弱，抗風(fēng)險(xiǎn)能力相對(duì)較弱且缺少抵押標(biāo)的物，致使其在金融市場(chǎng)中處于弱勢(shì)地位，陷入融資困難且成本偏高的惡性循環(huán)。轉(zhuǎn)型需要持續(xù)投入資金，卻又面臨著轉(zhuǎn)型效果慢和外部融資困難兩方面難題，財(cái)務(wù)風(fēng)險(xiǎn)增加致使部分有意愿的企業(yè)望而卻步。由政府牽頭搭建數(shù)字化轉(zhuǎn)型交流平臺(tái)，遴選轉(zhuǎn)型成功企業(yè)作為示范標(biāo)桿開(kāi)展經(jīng)驗(yàn)分享活動(dòng)，鼓勵(lì)企業(yè)“看樣學(xué)樣”，發(fā)揮示范企業(yè)帶頭作用，從而推動(dòng)更多企業(yè)開(kāi)展數(shù)字化轉(zhuǎn)型。