夜雨聆风一、为什么这篇文章值得读？🤔
制造企业越来越重视AI、大数据和数字化工具，但一个现实问题是：技术投入很多，为什么可持续绩效未必同步提升？
这篇文章的价值在于，它没有把AI时代的绩效提升简单归因于“技术能力”，而是将视角转向企业内部的决策转化过程。
文章关注的问题是：
利益相关者参与和知识数字化，如何通过数据驱动决策影响制造企业可持续绩效？
作者基于资源基础观认为，利益相关者参与、知识数字化、AI信息质量和负责任的大数据智能，都可以被视为企业难以简单复制的无形资源。
二、核心逻辑：可持续绩效来自“资源—决策—绩效”的转化🧩
文章构建的机制并不复杂，但很有现实意义。
利益相关者参与 / 知识数字化 → 数据驱动决策 → 可持续绩效
其中，数据驱动决策是核心中介。也就是说，企业并不是因为“听取了利益相关者意见”或“进行了知识数字化”就自然获得绩效，而是因为这些资源改善了决策质量。
文章进一步加入三个调节变量：
三、研究设计：来自中国制造企业的问卷证据📊
文章以中国江苏省制造企业为样本，调研城市包括南京、扬州、徐州、无锡、宿迁和淮安。
研究采用问卷调查和PLS-SEM方法，重点考察制造企业管理者对利益相关者参与、知识数字化、数据驱动决策和可持续绩效的感知。
从方法上看，文章进行了信度、效度、区分效度、共同方法偏差和预测相关性检验，模型解释力较强。
不过也要注意：这是一项横截面问卷研究，适合说明变量关系和机制逻辑，但不宜过度解读为严格因果关系。
四、最值得关注的发现🔥
1. 利益相关者参与显著促进数据驱动决策
研究发现，利益相关者参与对数据驱动决策具有显著正向影响。
这说明，企业与客户、供应商、监管者、社区等利益相关者互动越充分，越能获得更丰富的外部信息和现实反馈，从而改善数据解释和决策判断。
利益相关者不是外部压力源，也可以成为企业决策资源。
2. 知识数字化是数据驱动决策的重要基础
知识数字化对数据驱动决策的影响更强。文章显示，知识数字化能够帮助企业将生产、技术、营销和业务知识转化为可存储、可共享、可分析的数字资源。
这意味着，数据驱动决策不是凭空发生的。
没有知识数字化，企业很难把经验、流程和业务知识转化为可计算、可分析、可调用的决策依据。
3. 数据驱动决策显著提升可持续绩效
文章进一步发现，数据驱动决策显著提升可持续绩效，包括经济绩效、社会绩效和环境绩效。
这说明，制造企业要实现可持续发展，关键不只是拥有数据，而是能否用数据支持资源配置、风险识别、运营优化和环境治理。
4. AI信息质量和负责任数据治理是关键边界条件⚠️
文章发现，AI信息质量会强化知识数字化对数据驱动决策的作用。也就是说，只有当AI生成或处理的信息准确、及时、可靠时，数字化知识才更容易转化为有效洞察。
同时，负责任大数据智能会强化数据驱动决策与可持续绩效之间的关系。
数据越负责任、透明和合规，决策越可能产生长期经济、社会和环境价值。
这对企业很有启发：AI时代不是“数据越多越好”，而是高质量信息 + 负责任治理才更重要。
五、管理启发：企业不能只建系统，还要建机制💡
这篇文章对制造企业有三点启发。
第一，企业应把利益相关者参与嵌入决策流程，而不是停留在沟通或合规层面。客户反馈、供应商信息、监管要求和社区诉求，都可能成为数据驱动决策的重要输入。
第二，企业要推进知识数字化，把分散在设备、流程、员工经验和市场反馈中的知识转化为可存储、可共享、可分析的数字资产。
第三，企业应加强AI信息质量管理和负责任数据治理。AI输出不能直接等同于高质量决策，企业仍需建立数据审查、偏差控制、隐私保护和伦理治理机制。
六、边界与谨慎理解🧭
文章结论主要来自中国江苏省制造企业管理者问卷，样本行业和区域具有一定集中性，因此外推到其他地区、行业或国家时需要谨慎。
此外，研究采用横截面数据，难以完全排除反向因果关系。未来如果使用纵向数据、多来源数据或客观绩效指标，将更有助于检验这些机制的稳健性。
更准确的理解是：本文并不是证明AI或数字化必然提升绩效，而是说明企业需要通过数据驱动决策和负责任治理，把数字资源转化为可持续绩效。
免责声明：本文版权归原作者所有，点击阅读原文可获取全文。内容仅供参考与交流，不代表本公众号立场。如有侵权请联系删除。最终解释权归【经管学术观察】所有。21