数字化转型如何赋能企业高质量发展——基于技术知识扩散与技能结构视角

杨 艳 林 凌 王 理

在“十四五”新发展格局下，数字经济逐渐成为支撑经济高质量发展和企业转型升级的新动能，助力生产、生活及治理方式的变革。制造业是我国支柱性产业，也是我国经济命脉所系，5G、大数据、人工智能、工业互联网等数字技术的快速发展能够在产品、技术及组织等层面推动我国制造业提质增效，高速发展的数字经济正逐渐成为制造业价值链攀升、突破“大而不强，全而不优”难题的关键赋能者。企业高质量发展是我国经济韧性的重要保障，面对激烈的市场竞争与复杂多变的外部环境，数字化转型为企业发展带来了一系列机遇和挑战。近年来，为助力企业摆脱疫情困扰，培育企业发展新动能，国家从能力扶持、金融普惠、基础建设等多方面支持企业提升数据管理能力，加快数字化转型。国务院国资委办公厅印发的《关于加快推进国有企业数字化转型工作的通知》指出，“坚持数据驱动”，“加速传统产业全方位、全角度、全链条的数字化转型”。《国务院关于印发“十四五”数字经济发展规划的通知》(国发〔2021〕29号)指出，“实施中小企业数字化赋能专项行动”，“加快企业数字化转型升级”。在数字经济迅速发展及我国经济增长乏力的大背景下，数字化转型将成为各类企业增强竞争力，走出发展困境的重要战略举措。作为微观主体的企业利用新的生产要素赋能企业生产运营，提高全要素生产率，是我国实现制造业高质量发展的必由之路。

一个企业的演变就是一个时代的缩影。在快速变革的数字经济时代，越来越多的企业主动拥抱数字化浪潮，大力提升自主创新能力，将数字化投入转化为经营绩效。近年来，我国企业信息化与工业化融合的水平不断提高，但数字化水平呈现出较大差异，且数字化转型整体进程较慢。从数字化转型所处阶段看，有49.27%的企业处于初步成效阶段，41.82%处于探索试点阶段，8.73%处于转型相对成熟阶段，完成数字化转型的仅占0.18%(1)资料来源：中国上市公司协会发布的《中国上市公司数字经济白皮书(2022)》。。在数字经济爆发式增长的新背景下，以数字化转型赋能企业生产行为变革，培育企业创新动能既是实现数字经济与实体经济融合发展的有效路径，也是实现我国企业高质量发展的必然选择〔1-3〕。因此，为积极应对全球数字化趋势，重塑企业数字生产力，探究数字技术影响企业转型、创新、增长的有效机制，对我国制造业高质量发展及企业可持续发展具有重要理论意义与现实意义。那么，如何利用数字化提升企业全要素生产率，助推中国数字经济和实体经济融合？如何将数字经济发展红利融合到企业价值链过程，促进企业高质量发展？企业如何借助数字化转型突破经济增长困境？这些都是值得思考和解决的问题。

1.数字化转型与全要素生产率

为把握数字化发展的新趋势，抢抓数字经济发展重要战略机遇期，大部分企业已明确将数字化转型纳入企业战略，学者们也开始关注企业数字化转型问题，并从不同层面多维视角开展研究。宏观层面的相关研究主要集中于新兴信息技术与数字技术对经济增长〔4〕、出口贸易〔5〕、劳动力市场〔6-7〕等的深远影响。从工业时代过渡到数字时代，具有强渗透性和广覆盖性特征的信息、数据等新兴要素已逐步应用到实体经济各行业，我们需要以全新的视角来探究数字经济与实体经济的融合发展。已有的关于企业数字化转型研究表明，数字技术发展可以通过降低企业边际成本〔8〕、提高组织协调效率〔9〕、缓解企业融资约束〔10〕、促进企业专业化分工、推动先进制造业与现代服务业融合发展、优化人力资本结构〔11〕、促进企业结构升级、降低代理成本〔12〕等方式提升企业全要素生产率。目前我国大部分企业仍处于数字化转型初期，数字化转型的生产率效应还需在不断发展的过程中继续探索研究，未来仍是学者们关注的重点。

2.数字化转型、技术知识扩散效应与全要素生产率

首先，数字化转型可以驱动企业增加研发投入，提高技术创新能力。我国制造业虽然经济体量庞大，但存在自主创新能力较弱、产品供给质量不高等问题，数字技术将重塑制造业数字化生产力及创新力。一方面，数字经济的快速发展可以在一定程度上打破时空限制，加速信息的储存、扩散与传播〔13〕，降低企业信息交流成本，推动企业技术、业务、人才等资源共享及优化配置，进而激发企业创新意愿，提升企业创新能力〔14〕。另一方面，数字化转型能创造新型产品、优化创新过程，使得企业向价值链上游附加值更高的技术创新环节攀升〔15〕。数字化转型赋予企业更强的动力增加创新投入，以获得市场竞争优势。数字经济与实体经济的融合发展可以有效促进技术创新、提高产品质量和企业生产效率〔16〕。

其次，数字化转型可以推动企业进行自主创新，增强企业创新竞争力，并通过技术知识扩散强化数字化转型的生产率提升效应。数字化转型具有技术知识扩散效应，可以提升上市企业子公司及外部公司的创新能力。数字技术对技术知识扩散具有正向促进作用，而技术扩散是促进生产率的关键因素。一方面，新技术、新知识促进企业自身技术创新的同时，也能产生知识溢出效应，促进其他企业进行创新〔17-18〕。技术知识的自由流动与传播不仅受到空间距离限制，也受不同区域间的贸易壁垒和市场分割的阻碍〔19〕。在数字经济时代，信息和知识能够借助各种平台突破空间阻碍与壁垒限制，低成本地、迅速地、实时地产生、分享和交流，加强企业与外界的双向信息交流沟通。另一方面，数字经济下的创新与网络价值存在正反馈机制，共同推动企业创新能力的提升〔20-21〕。数字化转型可以提升企业学习外界知识与经验的效率，扩大知识外溢范围，推动其关联企业发生新技术采纳行为与创新行为。

3.数字化转型、劳动力技能结构与全要素生产率

数字化转型能够显著驱动企业选择具备新技能的“数字化”劳动力，转换内部劳动力技能结构，进而强化高技能劳动与非常规劳动力的生产率互补效应。针对欧美等发达经济体的研究发现，技术进步与劳动者技能升级之间通常存在正向激励关系，技术进步对不同技能劳动者产生的影响是非对称的〔22-23〕。部分理论研究利用替代效应和生产率效应解释数字化技术对生产力影响的理论机制，认为技术进步提高生产率的同时也具备技能偏向性，会对高技能劳动力产生需求，对低技能劳动力形成替代〔24-25〕。但并不是所有的技术变化都会伴随对高技能劳动者的偏好〔26〕，数字化转型对就业总量和劳动力结构的影响需要我们继续深入探究。企业数字化转型能够显著驱动其内部劳动力技能结构转换，增强企业运营能力，提升运营效率，进而提高企业全要素生产率。具体到实践中来，企业数字化转型的本质是重塑其业务模式和运营管理模式，要求企业从原来的“工业化管理模式”转向新的“数字化管理模式”〔27〕。虽然数字化转型有利于促进企业技术创新、商业模式创新、运营模式变革与生产率提升，但数字技术复杂度的提高也对企业劳动力技能提出了更高的要求。数字化转型可能引发企业工作岗位发生本质性改变，即对新的劳动技能产生需求，提高高技能劳动力占比，降低低技能劳动力占比〔28-29〕。非程序性工作、高素质劳动力和专业化知识更有利于整合价值链各环节、改进业务流程、降低生产和交易成本〔30-31〕、赋能企业运营的数字化变革，在企业数字化转型过程中也更具备就业潜力与就业优势。换言之，高技能劳动力能更好地与新信息技术进行匹配，进而强化其生产率效应〔32〕，企业在数字化转型过程中对数字技术的应用客观上也要求大量拥有信息化和智能化知识的高素质劳动力，以及数字化人才作为互补性生产要素投入〔33〕。

综上所述，虽然数字化转型一直备受学界关注，但围绕企业数字化转型实践的实证分析还较少〔34〕。现有文献对数字经济影响的研究更多聚焦在宏观层面，还未形成关于微观层面数字化经济后果及其影响机制的全面分析框架。与已有研究相比，本文的创新点及边际贡献如下：一是以企业年报文本信息为基础来刻画企业数字化转型程度，从微观结构主体视角拓展对数字经济时代企业高质量发展的研究，深化和完善在数字技术迅速发展背景下对企业数字化转型复杂性的认识。二是结合企业数字化本质与特征，将技术知识扩散和劳动力技能结构纳入分析框架，厘清数字经济赋能微观企业高质量发展的具体路径，丰富数字经济影响机制与经济后果的研究成果。三是在研究内容上进一步探究重要外部支撑条件对企业的经济影响。从区域、行业、企业多维度，以区域创新创业环境、要素密集度、企业微观特征等多视角来考察企业数字化转型对全要素生产率的影响，有利于揭示数字经济未来应如何发挥对实体经济的直接带动效应，为进一步促进我国数字经济和实体经济融合发展以及推动企业高质量发展提供经验证据和政策启示。本文研究数字化转型对生产率的影响及其传导机制如图1所示。

图1 企业数字化转型影响机制

1.样本选择与数据来源

将2011—2020年制造业上市公司作为研究对象，参考袁淳(2021)等已有研究的做法〔35〕，对原始数据进行如下处理：(1)剔除金融类企业样本；
(2)剔除ST、*ST企业样本；
(3)剔除样本数据严重缺失的样本；
(4)对连续变量在1%水平上缩尾处理。企业层面的数据主要来自Wind数据库、锐思数据库、CSMAR数据库、中国研究数据服务平台(CNDRS)。根据统计数据的可得性及实证分析的需要，筛选处理后，最终得到1598家制造业上市公司共9655个观测值。

2.关键变量度量

被解释变量：企业高质量发展，将企业全要素生产率(Tfp)作为被解释变量。参考赵宸宇(2021)等的做法〔36〕，采用LP方法测算得到企业全要素生产率。

核心解释变量：企业数字化转型。企业数字化转型需要人工智能、大数据、区块链、云计算等共同构成的架构体系升级作为技术支撑，重塑企业业务形态，助力数字技术与企业生产经营的深度融合应用。因此，参考吴非(2021)等的做法，如表1所示，从底层数字技术与数字技术应用两个层面出发，运用五个子维度构建数字化转型指标〔37〕。将企业年报文本中“数字化转型”关键词出现的频次取对数来刻画企业相应年度的数字化转型程度。

表1 数字化转型指标构建及关键词选取

机制变量：技术知识扩散、劳动力技能结构。首先，参考薛成(2020)〔38〕、党琳(2021)〔39〕等的研究，“技术知识扩散”以上市公司子公司的专利申请数量及上市公司与其他经济实体的联合发明专利申请数量两个指标来度量。其次，参考王泽宇(2020)〔40〕、张远(2022)〔41〕等的研究，“劳动力技能结构”指标根据锐思数据库中上市公司员工构成类型数据，经手工整理后计算得到。具体地，根据锐思数据库中对企业不同岗位类型员工的划分，将非重复性的、需要适应工作环境并做出反应、更具操作灵巧性的科技人员、市场销售人员、财务金融人员划分为非常规劳动力，进一步算出非常规劳动力在员工总数中的占比。另外，现有研究多用教育水平来划分劳动力结构〔42-44〕，通过对上市公司员工教育背景数据的整理，用本科及以上学历员工占比来衡量企业高技能劳动力占比。

控制变量：为更加全面地分析企业数字化转型对全要素生产率的影响，减轻遗漏变量对估计结果的干扰，参考已有研究的做法〔45-48〕，选取了一系列企业层面的控制变量，具体包括：资产负债率(Debt)、独立董事规模(Indirector)、研发投入占比(R&D)、机构投资者持股比例(Inst)、企业存续年限(Age)、企业规模(Size)、企业所有权属性(Soe)、托宾Q值(Tobin"s Q)。

表2 变量定义与说明

3.实证模型与描述性统计

借鉴袁淳(2021)等、赵宸宇(2021)等的研究，本文构建计量模型如下：

Tfpit=α+βDigitalit+γ∑Controlsit+ρY+μP+δI+εit

被解释变量Tfp为全要素生产率，核心解释变量Digital为企业数字化转型程度，i对应企业，t对应年份。Controls代表一系列企业层面的控制变量。ρ、μ、δ分别为年份、省份、行业固定效应，为随机误差项。本文主要关注系数，预期为正值，回归均在企业层面进行聚类。表3描述性统计结果展示了主要数据结构。

表3 描述性统计结果

1.基准结果

基准估计模型估计了企业数字化转型水平对生产率的影响，表4报告了其影响效应结果，第(1)列为单变量回归，第(2)(3)列分别加入部分固定效应项回归分析，第(4)列加入了省份、年份、行业、企业固定效应及控制变量。结果显示，Digital的系数均在1%的置信水平上显著为正，与前文提出的理论分析结论基本一致。从经济意义看，以表4第(4)列结果为例，若企业数字化转型程度增加一个单位，则全要素生产率提高7.08%，总体来看企业数字化转型具有较明显的生产率提升效应。

表4 基准回归结果

2.稳健性检验

前文的研究结论可能存在内生性问题：一方面，反向因果问题，生产率更高的企业可能有更高的动力和需求推动企业数字化转型；
另一方面，遗漏变量问题，即可能存在不可观测因素同时影响企业数字化转型与全要素生产率。因此，为尽可能缓解内生性问题，保证基准模型的估计结果是稳健可靠的，本文采取以下稳健性检验措施：第一，剔除异质性样本，剔除数字化转型指数为0的样本。本文测算的核心解释变量企业数字化转型(Digital)有部分样本值为0，可能是因为企业未将数字化转型有关内容在年报文本中列出或详细表述，在统计词频时未捕捉到相应的关键词，从而低估了这部分企业的数字化转型程度，对基准模型的估计造成影响。因此，本文剔除数字化转型为0的样本重新回归分析。第二，替换被解释变量。进一步采用OP法测算的全要素生产率重新回归分析，以检验结果是否稳健可靠。第三，工具变量检验。为确保基准回归结果的稳健性，参考已有研究的做法〔49〕，本文构造了基于企业自身数据的工具变量，将“企业数字化转型与行业数字化转型水平均值差额的三次方”作为数字化转型的工具变量。表5中第(3)列为工具变量检验结果，第一阶段回归结果表明工具变量与内生变量显著正相关，且Digital系数仍在1%的水平上显著为正，与基准回归的结果基本一致(2)Kleibergen-Paap rk LM 统计量的p值在1%的显著性水平上拒绝了工具变量识别不足的假设。Cragg-Donald Wald F统计量也远大于Stock和Yogo(2005)提供的10%显著性水平上的临界值，拒绝了弱工具变量的假设，说明本文选取的工具变量符合条件且有效。。在进行以上稳健性检验后，企业数字化转型仍具有显著的生产率提升效应，说明模型与结论较为稳健。

表5 稳健性检验回归结果

1.机制分析

(1)技术知识扩散效应

表6汇报了对技术知识扩散效应的回归结果，其中第(1)列结果显示，数字化转型对企业研发投入占比(R&D)具有显著正向影响。企业在数字化转型过程中会增加对创新活动的投入，数字化转型增加了其对创新活动的参与度，优化了企业的创新协同模式，促进了数字化转型与创新发展的融合。第(2)(3)列结果显示，企业数字化转型能显著促进企业技术知识扩散。以往的技术知识扩散需要较长的时间，扩散速度比较缓慢，企业数字化转型则可以通过数字技术的应用降低信息不对称，增强企业协同创新的能力，影响扩散速度和范围。数字技术的渗透可以改变企业的生产流程，赋能价值链各个环节的制造创新，并将这种创新效应扩散至子公司与其他外部公司，对企业整体生产率提升具有至关重要的作用。第(4)(5)列结果显示，企业创新研发的投入对技术知识扩散有显著正向影响。数字经济时代，企业需要不断进行创新投入，采取差异化竞争策略以维持自身竞争地位，进而提高企业创新价值并促进技术知识扩散。第(6)(7)列汇报了企业技术知识扩散对全要素生产率的回归结果，结果显示，技术知识扩散能显著提升企业生产率。上述实证结果表明，存在“数字化转型—增加创新投入—促进技术知识扩散—生产率提升”的正向技术知识扩散效应传导机制。

表6 技术知识扩散效应的回归结果

(2)劳动力结构互补效应

表7第(1)(2)列回归结果显示，Digital的系数均在1%水平上显著为正，企业数字化转型对以岗位划分的非常规劳动力和以教育程度划分的高技能劳动力产生了显著的互补效应，即企业数字化转型会提高企业内部的非常规劳动力占比和高技能劳动力占比。原因可能是：随着数字技术逐步渗透到企业生产、组织、管理等各方面，这种转变也要求相应的劳动力技能与之匹配，数字化人才所具备的思维认知能力与技术能力对企业成功实施数字化转型以及强化其生产率效应至关重要。第(3)(4)列分别汇报了企业非常规劳动力和高技能劳动力对企业总资产周转率的影响结果，均显著为正，即企业非常规劳动力占比和高技能占比越高，越有利于提升企业总资产周转率。原因可能是：一方面，随着数字化转型进程的不断推进，数字化进一步赋能企业运营管理。企业身处数字化背景下的全新经营环境〔50〕，数字化人才可以在产品设计、供应链管理等方面发挥重要作用，赋能企业运营管理创新。另一方面，能更快适应并使用数字技术的高技能劳动者能更好地对多样化的海量数据进行管理和使用，助力企业更好地实施动态数字资产管理，赋能数字化资产运营。第(4)—(7)列纳入了劳动力结构和总资产周转率对企业生产率的影响。结果显示，企业内部劳动力的生产率提升效应主要体现在非常规劳动力和高技能劳动力上，企业可以通过提升资产周转率及运营能力，进而提升全要素生产率。即企业存在“数字化转型—劳动力技能互补—高效管理企业资产—生产率提升”的正向劳动力技能互补效应传导机制。

表7 劳动力结构互补效应的回归结果

2.异质性分析

(1)基于地理位置和区域创新环境的异质性分析。首先，根据企业所处地理位置，考察数字化转型对全要素生产率的差异化影响。表8第(1)—(3)列的结果显示，东部和西部Digital的系数均在5%的水平上显著为正。可能的原因是：我国数字经济发展存在区域不平衡的问题。从自身禀赋及发展趋势来看，东部地区数字经济发展迅速、增长规模较大、产业发展完善、创新能力强，具备数字化转型的多项引领优势。与东中部地区相比，西部地区数字经济发展起步较晚，但经过多年努力探索，西部也逐渐形成了自身的数字经济优势，转型升级步伐加快。此外，为推进数字经济高质量发展，我国全面启动“东数西算”工程，促进东西部数据流通与协同联动，有利于加快推进西部地区企业数字化进程，强化数字化转型的生产率提升效应。

其次，以北京大学企业大数据研究中心发布的中国区域创新创业指数为依据，将样本所属区域分为高创新环境区域和低创新环境区域两组，考察不同创新环境下企业数字化转型对全要素生产率的差异化影响。表8中第(4)(5)列结果显示，在高创新指数区域的企业，Digital系数在1%水平上显著为正；
在低创新指数区域的企业，Digital系数在10%水平上显著为正。可能的原因是：一方面，创新创业活力更强的区域能更好地整合政府、市场、社会等各类要素，汇聚高水平创新资源。良好的创新创业环境可以增强企业创新力，促进企业协同发展，加快数字化转型进程。另一方面，区域创新环境也是沟通区域数字经济发展与技术扩散视角下企业研发创新的重要桥梁〔51〕。因此，高创新指数区域为企业营造了更好的数字化发展环境，提供全方位数字化的赋能体系，具备更高的创新创业活力，可以强化数字化转型的生产率提升效应。

表8 基于区域的异质性分析结果

(2)基于要素密集度的异质性分析。参考已有研究的做法，将制造业细分行业按要素密集度进行划分。表9第(1)(2)列结果显示，Digital系数在资本密集型和劳动密集型行业样本中不显著。首先，资本密集型企业数字化转型的生产率提升效应不显著的原因可能是：数字化需要对海量数据进行挖掘、分析、存储、利用，数据资产是数字经济时代企业的关键生产要素，也是企业数据化转型及数字化运营的坚实基础，传统的有形资产在数字化转型过程中发挥的作用较小〔52〕。其次，劳动密集型企业数字化转型的生产率提升效应不显著的原因可能是：在新技术、新模式不断涌现的当下，许多劳动密集型企业实施数字化转型的基础相对较薄弱，数字化转型比较困难，存在数字化认知不足和数字化人才紧缺的短板，企业数字化转型的生产率提升效应尚未充分发挥。表9第(3)列实证结果显示，在制造业细分行业中，与数字技术密切相关的行业对生产率的影响在1%的水平上显著为正，可能的原因是：技术密集型行业对数字技术全面应用及创新的能力更强，能更好地将数字技术与企业业务流程进行融合，岗位需求和劳动力供给的匹配度更高，在数字化转型过程中能较好地发挥生产率提升效应。

表9 基于行业的异质性分析结果

(3)基于企业产权性质与政府补助的异质性分析。首先，基于所有权性质视角的异质性分析。从表10第(1)(2)列的实证结果可以看出，国有企业的Digital系数在1%水平上显著为正，而非国有企业的系数为正但不显著。原因可能是：数字化转型是构建国有企业未来战略新优势的关键之举，相较于非国有企业，国有企业需要承担“最佳实践”的带领作用。国有企业数字化转型不仅关系自身生产率提升，也需要履行数字经济时代更大的社会责任。在我国经济高质量发展的新常态下，中央从战略高度出发切实关注着国有企业的数字化发展，国有企业在内外部因素的驱动下有更强的动力进行数字化转型，利用数字技术赋能企业高质量发展。

其次，基于政府补助视角的异质性分析。根据企业当年收到政府补助金额的中位数将样本划分为高政府补贴和低政府补贴两个子样本，表10第(3)(4)列的结果显示，高政府补助的样本中，Digital的系数在5%的水平上显著为正，企业数字化转型能显著提升生产率，在低政府补助的样本中则不显著。原因可能是：在国家数字经济战略的推动下，为加快企业数字化转型，鼓励数字技术发展应用，中央及地方政府出台了一系列支持企业数字化转型的政策文件，加大资金扶持力度，支持地方开展中小企业数字化转型、创新和技术改造。因此，政府补助的推动效应导致高政府补助样本中企业数字化转型的生产率效应更加显著。

表10 基于企业的异质性分析结果

本文将技术知识扩散与技能结构纳入数字化转型生产率效应的理论分析框架，利用2011-2020年制造业上市公司数据与企业数字化转型指标进行实证检验，研究结果表明：

第一，数字化转型具有显著的生产率提升效应，并且可以通过促进企业创新及技术知识扩散对生产率产生正向影响。数字技术有利于推动企业增加创新投入，并进一步扩大技术影响范围，推动企业协同创新，进而提升全要素生产率，实现企业高质量发展。

第二，数字化人才是实现企业高质量发展的重要支撑。数字化转型需要高技能劳动力与非常规劳动力与之匹配发挥赋能作用，高技能劳动力与非常规劳动力所具备的专业知识与思维能力能够与数字化转型形成技能互补效应，进而对全要素生产率产生正向影响。

第三，数字化转型的生产率提升效应在划分区域、行业、企业维度后存在不平衡的现象。在区域维度，上述提升效应在东部、西部地区和创新创业指数较高的区域显著为正；
在行业维度，上述提升效应在技术密集型行业显著为正；
在企业维度，上述提升效应在国企和高政府补助的企业中显著为正。

基于以上研究结论，本文提出如下对策建议：

第一，推动企业形成创新联合体，构建数字化协同创新体系。数字技术的蓬勃发展和深度应用有利于提高企业创新能力，增强核心竞争力，数字化转型还能通过技术知识扩散效应共同促进企业高质量发展。从创新发展战略的角度，企业应积极利用数字技术全方位推进业务重塑和业态创新，探索推进新技术创新应用；
从构建创新体系的角度，企业应完善创新机制，加强企业合作，发挥创新协同效应。因此，未来应考虑加快企业数字化转型协同创新平台的建设，切实提升数字化转型与变革效率，保证转型赋能创新及生产率提升的过程性及持续性。

第二，大力培养数字化人才，健全数字化人才培养体系。企业数字化转型是一个技术、业务和人才的互动过程，劳动力技能的升级是企业数字化落地的核心。虽然大部分企业目前已意识到数字化转型对生产率的提升作用，但缺少关键技能人才将阻碍企业数字化转型进程，致使企业陷入高质量发展困局。因此，未来应根据企业数字化转型的痛点与需求，加大数字化管理、应用、技术人才的培养力度。根据岗位能力需求注重培养数字化领导力、应用能力、技术能力以及复合型数字人才，通过内外协作的方式，通过加深校企合作、建立技能培训基地等方式构建人才培养生态体系，保障高技能劳动力与非常规劳动力供给的数量与质量。

第三，营造良好的数字化转型环境，助推转型赋能高质量发展。首先，基于区域维度。未来应以数字化发展促进区域协调发展，增强区域协同创新能力，弥合地区发展鸿沟。营造良好的创新环境，增强企业创新创业活力，提高数据要素配置效率，助力企业成功数字化转型并强化转型的生产率提升效应。其次，基于企业维度。政府应积极创新数字化转型的财政金融政策工具，统筹协调利用企业新型能力建设等数字化资金的投入，加大对企业数字化转型的资源投入强度，提升政策效能。国有企业应利用自身具备的资金与经济规模等优势，积极发挥数字化转型引领作用，带动其他企业提升数字化转型执行力，持续发挥转型的生产率赋能作用。

猜你喜欢生产率劳动力效应中国城市土地生产率TOP30决策(2022年7期)2022-08-04铀对大型溞的急性毒性效应核科学与工程(2021年4期)2022-01-122020年河南新增农村劳动力转移就业45.81万人今日农业(2021年1期)2021-03-19广东：实现贫困劳动力未就业动态清零今日农业(2020年24期)2020-12-15懒马效应今日农业(2020年19期)2020-12-14跟踪导练（三）4时代英语·高一(2019年1期)2019-03-13外资来源地与企业生产率智富时代(2018年1期)2018-03-26外资来源地与企业生产率智富时代(2018年1期)2018-03-26应变效应及其应用中学物理·高中(2016年12期)2017-04-22关于机床生产率设计的探讨中国市场(2016年45期)2016-05-17