战略重点指数：数字化转型优先级评估的诊断工具 朴熙恩（Hee Un Park） 金淑京（Suk Kyung Kim） 李德熙（Duk Hee Lee） 罗在正（Jae Jeung Rho）

《Journal of Theoretical and Applied Electronic Commerce Research》：The Strategic Focus Index: A Diagnostic Instrument for Digital Transformation Prioritization Hee Un Park, Suk Kyung Kim, Duk Hee Lee and Jae Jeung Rho

　　**摘要**
数字化转型已成为核心的战略优先事项，因为组织越来越依赖数字技术来重新设计业务流程、治理结构和价值创造机制，以适应不断发展的数字环境。然而，现有的数字化转型准备度评估方法通常依赖于累积性成熟度模型或能力清单，这些方法假设转型能力是通过逐步的能力发展来提升的。这些方法忽视了在治理和资源限制下，战略重点必须如何在不同的转型领域分配。本研究通过将数字化转型准备度视为一个战略优先级问题，而非单纯的累积能力积累问题，来解决这一局限性。为了将这一观点具体化，研究开发了“战略焦点指数”（SFI），这是一种与治理相一致的诊断工具，用于评估组织如何在相互依存的转型领域之间分配战略关注。该指数通过对来自工业界、学术界和公共部门的53位专家进行两轮德尔菲调查构建，并通过统计验证和一个示例性诊断应用进行了验证。研究结果表明，可以系统地解读领域级别的优先级模式，以识别转型努力中的潜在不平衡。通过将准备度评估重构为基于优先级的诊断工具，而非线性的成熟度衡量标准，本研究为评估数字商业和基于平台的环境中的数字化转型提供了一种结构化的方法。

**1. 引言**
数字化转型已经演变为对数字商业模式、组织架构和价值创造逻辑的结构性重组[1,2,3]。在数字商业环境中，企业越来越多地在由平台中介、数据驱动的协调和跨界价值编排所特征的生态系统内运作[4,5]。在这种条件下，转型不仅仅涉及技术采纳，还需要重新调整战略重点、组织结构和治理机制。因此，数字商业转型本质上包含组织转型。企业必须重新设计流程、重新分配决策权，并协调多个领域（包括客户体验、创新能力、监管合规性和生态系统参与度），以支持数字中介的价值创造[6,7]。转型能力并非源自孤立的能力投资，而是取决于这些领域是如何共同开发和管理的结果，这反映了它们之间的结构性依赖关系[1,8]。因此，数字化转型准备度不能简化为能力的线性积累，而是取决于战略关注如何在各个领域之间分配。

同时，数字化转型在日益规范化的治理结构中展开。平台治理和生态系统协调机制影响着企业如何管理相互依赖关系并在各个参与者之间分配价值[5,9]。数字治理被定义为一个综合性的控制系统，涵盖了控制、协调、激励和信任等多个方面[10]。战略视角进一步强调了治理结构与转型路径之间的相互依赖性[11]。这些条件表明，准备度不仅取决于能力的发展，还取决于在治理限制下如何管理战略重点。

尽管关于数字化转型准备度有大量的研究，但现有方法在诊断战略关注如何在各个转型领域之间分配方面仍然存在局限性。成熟度模型假设能力的逐步积累[12,13]。复合准备度指数汇总了不同维度，但没有明确处理在约束条件下的优先级问题[14,15]。最近的多维框架识别了更广泛的准备度维度[16]，但它们仍然主要将这些领域视为需要集体评估的组成部分，而不是竞争战略关注的相互依存区域[12,15,17]。因此，大多数方法依赖于叠加或补偿逻辑，假设一个领域的优势可以抵消另一个领域的劣势。

重要的是，这种局限性反映了在操作化准备度时存在的更深层次的概念问题。大多数现有方法将准备度视为能力的累积存在，关注每个领域内“有多少”能力。然而，在相互依存的环境中，转型成果取决于在约束条件下战略重点如何在各个领域之间分配[17,18]。在这种情况下，对某一关键领域的重视不足可能会限制其他领域的投资效果[6]。在管理关注有限和资源受限的情况下[18,19]，转型失败往往与战略关注分配不均衡有关，而不仅仅是能力的缺失。

为了解决这一局限性，本研究开发了“战略焦点指数”（SFI），作为一种与治理相一致的数字化转型诊断优先级指数。SFI 不是将不同的领域简化为一个单一的总体准备度得分，而是明确地分析战略关注在各个领域之间的分配情况。因此，SFI 的设计目的不是产生一个单一的转型准备度总结指标，而是揭示在约束条件下各领域的平衡状况，从而为优先级决策提供信息。通过这种方式，它将准备度重新定义为在约束条件下战略重点在相互依存领域之间的分配结构模式，而不仅仅是能力的累积存在。这一构建方法突出了如何在战略关注分配中共同解读领域的重要性和潜在的忽视部分。据此，组织可以识别出被忽视的领域，在资源受限的情况下确定纠正措施，并评估不同情境下的优先级模式差异。

SFI 是通过涉及来自学术界、工业界和公共部门的53位专家的两轮德尔菲调查开发的，为优先级决策提供了透明且方法论上可靠的基础[19,20]。在选择专家时，不仅考虑了他们的专业背景，还考虑了他们在数字化转型相关决策和实施中的直接参与情况。最终得到的指数反映了基于共识的对转型关键事项相对重要性的评估，同时保持了各领域之间的差异性，便于进行诊断性解读。为了提高实际的可解释性，本研究展示了如何使用 SFI 识别组织转型努力中的跨领域优先级模式和潜在不平衡。特别是，示例性分析说明了如何通过解读各领域的轮廓来指导优先级决策，识别出战略关注相对于其重要性而言分配过多或过少的领域。因此，SFI 为分析数字商业环境中战略关注在各个领域之间的分配提供了一个基于优先级的诊断视角。

**2. 理论背景**
**2.1. 受约束条件下的多领域组织变革**
数字化转型通常被定义为通过数字技术实现的业务流程、组织结构和价值创造机制的重新设计[1,2]。以往的研究强调通过数字创新和技术整合实现战略更新[3,21]。虽然这些观点有助于理解由数字技术推动的变革，但它们主要将转型视为内部能力的发展[22,23]。

实际上，数字化转型涵盖多个组织领域。企业必须同时处理技术基础设施、组织流程、客户参与和监管要求，以支持由数字技术实现的价值创造[7,24]。这些领域在分析上是独立的，但共同决定了转型结果。

组织在受限条件下运作。管理者的关注是有限的，资源不能均匀分配到所有领域。外部条件（如平台规则、协调要求和生态系统治理结构）进一步影响了转型的实施方式[25,26,27]。因此，企业必须选择性地在不同领域之间分配关注力和资源，而不是同时开发所有领域[17,28]。因此，数字化转型不是一个简单的能力积累过程，而是取决于组织如何在不同领域之间安排优先级和顺序[1,4]。准备度并不体现在能力的积累上，而是体现在在约束条件下战略重点的构建上。如果优先级不对齐，即使单个领域的能力发展良好，也可能损害转型效果[29,30,31]。因此，战略关注的分配对转型效果至关重要。然而，现有方法在系统地捕捉和解释这些跨领域分布模式方面存在局限性，表明需要一个结构化的诊断工具。

**2.2. 数字转型中的相互依赖性和互补性**
数字化转型涉及多个组织领域的协同变革[1,2]。先前的研究表明，技术基础设施、组织流程、客户参与机制和治理安排共同决定了转型成果，而不是各自独立运作[3,32]。这些领域在分析上是可区分的，但在功能上是相互依赖的，一个领域的变化会影响到其他领域的效果[8,29]。互补性理论为这种相互依赖性提供了正式的解释。当活动具有互补性时，改进一个领域的效果取决于其他领域的发展程度[29,33]。因此，对某一领域的投资回报取决于相关领域之间的配置。如果支持领域发展不足，孤立的改进效果有限；而跨领域的协调调整会产生更大的效果[8,33]。

这种互动逻辑意味着，不能单独评估某个领域的变化，因为它们的效果取决于与其他领域的结合方式。如果不同领域之间的协调不当，即使单个领域发展良好，也可能降低转型效果[30,34]。因此，转型成果不仅取决于领域层面的能力，还取决于战略重点如何在不同领域之间分配[5,33]。因此，跨领域的优先级成为核心分析内容，因为任何领域的效果都取决于它与其他领域的协调情况。然而，现有方法在评估转型准备度时在系统捕捉这种相互依赖性方面存在局限性，亟需一种能够捕捉跨领域优先级结构的诊断工具。

**2.3. 捕捉跨领域相互依赖性的测量局限性**
现有的数字化转型研究主要通过成熟度阶段、能力清单或复合指数（将领域指标汇总成统一得分）来操作化组织条件[1,2,35,36]。一些研究明确将数字化转型视为数字导向和能力发展的函数，强调组织能力的积累是转型效果的关键驱动因素[37]。虽然这些方法提高了可比性，但它们隐含地假设更高的累积能力对应更强的转型能力[18,19,38]。例如，最近的研究通过多维评估框架来概念化组织数字化转型准备度[16]。这种汇总逻辑，包括最近引入的生态系统动态和更广泛的转型维度[7,39]，往往会低估跨领域的互动效应。此外，它还忽略了当个别能力提升时，不同领域的不平衡发展可能导致系统性的不平衡[8,30,34]。特别是，大多数测量框架采用叠加结构，将不同领域视为对总体准备度得分的独立贡献者，这与传统的复合指标构建逻辑一致[18,19]。其他最近的研究强调特定的技术或资源驱动因素（如计算能力投资）是数字化转型成果的关键推动因素[40]。

这些方法基于隐含的补偿假设，即一个领域的缺陷可以通过其他领域的优势来抵消[18,39]。然而，在相互依存的系统中，领域层面的效果并不是独立的，而是相互影响的。在这种条件下，一个领域的开发不足会限制其他领域的效果，导致非线性和不对称的转型结果[19]。因此，叠加式测量方法无法充分揭示领域间的结构不平衡[34,36]。通过将转型简化为一个总体得分，这些方法掩盖了不同领域发展不平衡对结果的影响，并限制了识别可能制约整体转型表现的领域瓶颈[39]。这突显了需要超越简单汇总得分的测量方法，以便捕捉战略关注在不同领域之间的分配情况。这样的方法能够识别不平衡模式，并揭示在约束条件下战略重点在各个领域之间的结构，同时通过突出潜在的忽视部分来支持优先级决策。

**2.4. 战略焦点指数的概念基础**
基于前述讨论，“战略焦点指数”（SFI）被概念化为一种诊断性优先级指数，用于捕捉数字化转型中战略关注在相互依存领域之间的分配情况[41,42]。它将转型准备度定义为在约束条件下各领域战略重点的分配情况，而不是能力的累积水平。SFI 的核心前提是，转型成果不是由单个领域内的绝对能力水平决定的，而是由各领域之间战略重点的构建方式决定的。当领域相互依赖时，任何给定领域的效果取决于它与其他领域的协调程度。因此，转型效果不能从孤立的能力评估中推断出来，而必须从跨领域的协调角度来理解[43,44]。

为了将这一观点具体化，SFI 评估了战略关注在各个领域之间的相对分配情况，而不是将不同指标汇总为一个单一的复合得分[18,19]。它生成了一个反映各领域关注分配情况的优先级概况。这种方法采用非补偿逻辑，即一个领域的忽视不能通过其他领域的优势来补偿[1,36]。由于领域之间存在结构性依赖，即使个别能力发展良好，不同领域的不平衡也会限制整体转型效果[1,39]。因此，SFI 能够系统地识别出被忽视和被过度重视的领域——这些模式在汇总评分方法中往往是隐藏的[36,39]。这种诊断视角为在约束条件下优先考虑转型工作提供了结构化的基础[1,42]，通过突出与领域重要性相关的潜在忽视点，为管理注意力和资源的分配提供信息。SFI通过提供一种诊断视角来补充现有的测量方法，该方法揭示了转型工作在各个领域中的分布情况以及可能出现结构失衡的地方[1,7]。通过这种方式，SFI支持对结构失衡的诊断并指导优先级决策的制定。通过将战略注意力的分布清晰地呈现在分析中，SFI为理解和指导数字化转型建立了独特的概念基础。

2.5. 将SFI与现有测量方法区分开来
现有的数字化转型准备度测量方法，包括成熟度模型、综合指数和多维框架，提供了有用的见解，但在捕捉在约束条件下战略重点如何在相互依赖的领域中分配方面仍然存在局限性。成熟度模型将转型概念化为能力发展的阶段性进展[12,13,15]。它们假设了一个线性和累积的路径，因此无法捕捉到不均衡的战略重点如何塑造转型结果。例如，最近的成熟度模型继续将数字化转型概念化为在组织背景下的阶段性能力发展[45]。综合指数使用加法和往往具有补偿性的逻辑将多个维度汇总成一个单一的分数[18,46]。这种结构假设一个领域的不足可以通过其他领域的优势来抵消。在相互依赖的系统中，这种假设并不成立，因为一个领域的发展不足可能会限制其他领域的有效性[1,36]。因此，综合指数掩盖了转型工作的分布情况，未能揭示跨领域的失衡。
除了建模方法的差异之外，一个根本性的区别在于底层的聚合逻辑。大多数现有框架依赖于加法结构，其中领域层面的贡献被相加以得出整体准备度分数。这种逻辑假设各领域之间的独立性和可补偿性。相比之下，SFI采用了一种配置视角，认为转型结果取决于战略重点在相互依赖的领域中的结构。SFI不是将领域视为可分离的贡献者，而是将转型准备度建模为在约束条件下的优先级模式，其中一个领域的失衡可能会限制其他领域的有效性。
多维框架扩展了转型维度的范围，但通常将领域视为描述性类别，而不是诊断系统的组成部分[1,2,7,39]。它们捕捉到了广度，但未能捕捉到战略重点的分配方式或优先级模式是如何形成的。

为了澄清这些差异，表1提供了现有方法和SFI在基本假设和分析焦点方面的结构化比较。

这些方法的不足之处不在于它们遗漏了相关领域，而在于它们未能捕捉到在约束条件下战略重点如何在相互依赖的领域中分配。即使能力发展良好，当战略重点分布不均时，也可能产生次优的结果，特别是在关键领域的忽视限制了其他领域的有效性[43]。

战略焦点指数（SFI）通过将战略重点在各个领域中的分布建模为一种配置而不是简单总和来解决这一限制。它不假设可补偿性，也不会将转型简化为单一的综合分数。相反，它生成了一个领域层面的优先级概况，揭示了被忽视和过度重视的区域，从而可以通过重新分配战略注意力和资源来优先考虑纠正措施。通过将分析单元从能力层面转移到战略重点的配置上，SFI为理解转型结果如何受到优先级模式和跨领域对齐的影响提供了独特的分析基础。

3. 方法论
3.1. 研究设计
本研究采用了一种结构化的研究设计来开发和验证战略焦点指数（SFI），这是一种与治理相一致的诊断工具，可以捕捉数字化转型中战略重点在相互依赖领域中的分配情况。与信息系统研究中已建立的工具开发原则一致[47]，其目标不是构建一个反思性的潜在量表，而是捕捉战略重点在各个领域中的分布[48]。根据形成性和综合构念推理[49]，SFI保持了领域的可区分性，而不是将转型简化为单一维度。本研究采用的领域结构和相关战略要求建立在先前的研究基础上，这些研究通过结构化的文献综合和专家验证系统地识别和验证了数字化转型领域。与其重新定义这些元素，本研究使用已建立的领域-要求结构作为概念基础，并将其具体化为一个诊断优先级指数。
数字化转型领域是从先前关于数字化转型和数字业务的文献的结构性综合中得出的，随后通过专家审查进行了完善，以确保概念上的可区分性同时保持功能上的相互依赖性。专家的选择优先考虑了直接参与数字化转型相关决策和实施的人员，确保了优先级判断的相关性和有效性。为了在不同组织背景下稳定优先级判断，采用了两轮德尔菲程序。当需要结构化的专家判断来评估多维和相互依赖的现象时，德尔菲方法特别适用[20,48]。由于SFI模型关注相对战略优先级，专家共识为得出稳定的领域层面重点提供了合适的基础。

稳定的评估结果被转化为一个综合指数，使用基于排名的权重和标准化的重要性分数进行加权。根据已建立的综合指标构建原则[18,19]，聚合结构保留了优先级顺序和评估强度之间的互动，避免了加法独立性的假设。这种构建允许指数同时反映战略优先级的相对排序和它们的感知重要性，从而捕捉到了重点的结构。该方法不假设完全的可补偿性，而是反映了优先级差异如何塑造转型工作的整体配置。为了确保这种结构的有效性，后续分析在不同的权重假设下评估了优先级模式的稳定性和稳健性。

3.2. 战略焦点指数的领域和要求结构
战略焦点指数（SFI）建立在通过先前研究的结构化综合而发展出的理论基础上的领域结构之上，并通过专家评估进行了完善。本研究将领域结构具体化，并详细描述了其概念边界和相关的战略要求如何为优先级分析进行精细化。七个领域的识别——竞争、客户、数据、创新、监管、技术和价值——建立在了先前研究的基础上，这些研究一致地将数字化转型概念化为涵盖战略、技术、组织和生态系统相关维度的多维现象[1,2,35,50,51,52,53]。表2定义了每个领域的概念焦点和分析边界，建立了不重叠的标准，支持对战略重点在各个领域中进行系统和可复制的评估。

3.3. 德尔菲设计和专家组选择
设计了一轮两轮的德尔菲研究，以得出一个稳定且适应具体情境的转型领域优先级结构。德尔菲技术适用于评估复杂的、多维的现象，尤其是在没有现成客观基准的情况下[20,48]，特别是当需要捕捉战略重点的分布而不是可观察行为时。专家组由来自学术界、工业界和公共机构的53名参与者组成，确保了制造、服务、信息和通信技术（ICT）以及政策领域的跨部门代表性。虽然小组规模有助于德尔菲判断的稳定性，但小组的适当性主要由参与者的角色相关性及其直接接触数字化转型相关决策和实施情况来决定。参与者是从具有商业和管理正式培训并直接接触组织决策背景的专业人士中招募的，确保了优先级判断的相关性和有效性。数字化转型决策分布在多个组织层面，包括战略和运营角色[62]。因此，本研究中的专长定义是基于直接参与转型过程和对决策相关背景的接触，而不是仅仅基于层级职位。

为了确保参与者选择的严谨性，采用了两阶段的筛选程序。首先，基于角色的筛选确定了直接从事数字化转型相关工作的个人，如战略、IT基础设施、运营或组织变革等职能。其次，基于经验的筛选排除了没有直接参与转型相关项目或决策的受访者。纳入标准要求有至少三年的相关专业经验或高级学术培训（例如硕士或博士生水平），以确保足够的领域熟悉度和明智的判断。共邀请了87名潜在参与者，其中65人表示愿意参与。经过筛选后，最终确定了53名专家组成德尔菲小组。

为了减少潜在的偏见，实施了若干程序性保障措施。小组成员来自不同的行业和组织背景，以限制行业特定的偏见。此外，所有回答都是匿名收集的，以最小化社会期望偏见和层级影响，支持独立的判断。虽然多样性对于捕捉多样化的观点至关重要，但特定领域的经验差异对于解释优先级判断也是相关的[20,48]。因此，在聚合过程中将经验作为权重因素考虑进来，反映了经验深度的差异，而不影响参与者的纳入。

在小组构建之后，实施了德尔菲程序以 elicited 和稳定领域层面的优先级判断。在第一轮中，专家从重要性和优先级两个方面评估了每个转型领域及其相关的战略要求。重要性使用五点李克特量表进行测量，而优先级则通过排序任务来捕捉相对的战略重点。这种双重设计区分了内在相关性和比较性优先级，使得转型可以被建模为在资源限制下的战略注意力分配问题[18,19]。也收集了定性反馈，以识别歧义、冗余和潜在的空白，从而支持内容有效性和结构的完善[47]。使用Kendall一致性系数（W）和四分位距（IQR）阈值来评估共识的稳定性。观察到的同意程度（W ≈ 0.51）表明有中等程度的收敛，这在处理复杂和多维现象的德尔菲研究中是可接受的，在这些研究中并不期望也不需要达成完全共识[48,63]。因此，德尔菲过程的目标是得出一个稳定且可解释的优先级结构。在第二轮后观察到收敛性后，没有继续进行额外的迭代，这符合既定的德尔菲终止标准。

3.4. 战略焦点指数构建
战略焦点指数（SFI）将专家评估的结果汇总成一个领域级别的优先级评分，该评分反映了在限制条件下战略重点在各个相互依赖领域之间的分配情况。对于每位受访者，顺序领域的排名被转换为线性反向排名评分：
(1) 这种转换在保持顺序优先级的同时，也实现了受访者之间的可比性。重要性评分被标准化到[0, 1]区间内，专家们的数字化转型经验被最小-最大比例缩放，以反映经验基础的变化。
每个领域d的SFI评分定义为：
(2) 其中 表示受访者 对领域 的排名（排名越低，优先级越高）， 表示标准化的重要性评分， 表示作为有界缩放因子的数字化转型经验，用于反映与领域相关的暴露度变化，同时保持优先级结构。 是领域数量（此处，D = 7）， 是专家数量。
采用乘法聚合结构来反映转型领域的相互依赖性，其中优先级顺序和感知的重要性共同决定了领域级别的重点。与假设可补偿性的加法公式不同，乘法聚合限制了一个成分中的高值对另一个成分中的低值的补偿程度，这与综合性指标研究中的非补偿性聚合原则一致[18,19]。这种公式捕捉了优先级和重要性的联合效应，这与强调相互依赖元素之间相互作用的观点一致[43,64]。
还考虑了其他公式，包括加法聚合以及仅基于排名或仅基于重要性的评分方案。加法公式假设各领域之间的独立性和可补偿性，而单成分方法则忽略了相对优先级或评估强度。这些替代方案没有被采用，因为它们无法捕捉到在相互依赖系统中定义领域级别重点的优先级顺序和评估强度之间的相互作用[18,43,64]。
基于经验的权重并不是作为选择标准，而是作为一个有界的调整因子，反映了受访者对数字化转型环境的暴露程度变化。权重变量被标准化，并在所有受访者中对称应用，稳健性分析证实，在包括无权重情况在内的各种规格下，优先级结构保持稳定。这与经验知识在复杂组织环境中塑造战略判断的作用一致[20,65]。
SFI被解释为一个领域级别的优先级概况，而不是一个单一的聚合准备就绪分数。这种解释与本研究中数字化转型准备就绪的概念化一致，在该研究中，准备就绪程度反映了在限制条件下战略重点在各个相互依赖领域之间的分配情况。因此，诊断性解释关注的是领域分数的相对分布，而不是它们的绝对大小。
在这种背景下，得分相对较低的领域表明可能存在潜在的关注不足区域，这些区域可能会限制转型结果，特别是在考虑其结构重要性时。相反，得分相对较高的领域反映了战略关注集中的区域。这种解释有助于识别领域间的不平衡模式，并为纠正措施的优先排序提供信息，而不是作为转型绩效的最终衡量标准。

3.5. 验证和稳健性
验证评估了领域级别优先级模式的稳定性、稳健性和可解释性，这与SFI的非反思性和配置性质一致。与假设存在潜在潜在结构的反思性测量方法不同，SFI将数字化转型准备就绪度概念化为在相互依赖领域中战略关注的结构化分布。因此，验证关注的是优先级模式的结构一致性和意义性，而不是潜在维度的收敛[66]。
采用了四种互补机制：结构稳定性、对聚合假设的稳健性、与潜在指令结构的收敛对齐，以及在不同组织环境中的情境差异。这些机制反映了非反思性和配置性测量的关键验证要求，其中有效性是通过结构一致性、稳健性和情境敏感性建立的，而不是潜在结构的连贯性。
使用Kendall一致性系数（W）结合四分位距（IQR）阈值来评估德尔菲轮次间专家判断的收敛性，以此来评估结构稳定性。这种方法同时捕捉了总体一致性和项目级别的分散性，确保最终的优先级结构反映了稳定的集体判断，而不是个体差异[20]。
通过不同的权重规范来检验对聚合假设的稳健性，包括等权重、基于熵的权重和对基线权重的控制性扰动。这些情景下的等级顺序相关性评估在不同聚合逻辑下优先级结构是否保持稳定。鉴于综合指数对权重选择的敏感性，这一步骤至关重要，确保观察到的优先级模式不是特定参数设置的产物[18]。
通过使用等级顺序相关性来评估领域级别优先级分数与聚合指令级别评估之间的方向一致性，以此来评估收敛对齐。这种分析评估领域级别分数是否反映了指令级别分布中的潜在模式，支持SFI捕捉到有意义的领域结构而非任意排名的解释。
通过计算特定群体的SFI概况并检查不同组织环境中的领域级别优先级变化来评估情境差异。这种方法不是测试孤立的差异，而是评估整体战略重点配置是否在情境中系统性地发生变化。这种观点与配置理论一致，这些理论强调组织现象最好被理解为相互依赖元素的模式化组合，而不是独立变量的叠加效应[43,64]。
总体而言，这些结果提供了一致的证据，表明SFI捕捉到了稳定、非任意且对情境敏感的优先级模式，支持其作为配置性诊断工具的有效性。

4. 结果
4.1. 专家小组成员特征
共有53位专家参与了两轮德尔菲过程。小组成员来自公共（38%）和私营（62%）组织，涵盖了多个行业，包括技术和IT（35.8%）、制造业和消费品（22.6%）、学术和研究机构（26.4%）、政府和公共机构（11.3%）以及金融和保险行业（3.8%）。
在专业角色方面，23%的参与者担任高管或高级职位，45%是中级管理者，32%是运营或初级实践者。参与者报告的平均工作经验为13.1年，直接参与数字化转型计划的工作经验为7.7年，表明小组成员在经验和转型特定方面具有多样性。
这种分布反映了参与者是根据他们在转型相关角色中的直接参与度选出的，确保了他们在战略和执行方面的专业知识的相关性。
所有53位参与者都完成了两轮德尔菲过程，没有人员流失，确保了各轮次间小组成员组成的稳定性。这种稳定性，加上专业背景和经验水平的多样性，支持了该小组在评估数字化转型情境中的跨领域优先级方面的适用性。
小组成员构成反映了涵盖战略和运营角色的多样化且与实践相关的专家群体，从而能够捕捉不同转型活动水平下的优先级观点。表3总结了专家小组的人口统计和专业特征。

4.2. 基于德尔菲的优先级和稳定性
在两轮德尔菲过程中，专家们根据相关的战略指令进行了领域级别的评估，这有助于他们判断重要性和优先级。尽管专家背景存在差异，但领域级别的优先级模式仍然保持稳定。在第二轮中，Kendall一致性系数达到了0.51，表明尽管专家背景不同，但在领域级别优先级上仍有中等程度的共识和收敛。在项目层面，41个战略指令中有34个（83%）符合收敛标准（IQR ≤ 1），确认了专家评估的稳定。
表4报告了第二轮的领域级别结果，包括平均重要性、平均排名和分散程度。客户和价值领域的得分最高，排名最低，而监管和竞争领域的得分较低且分散程度较大。

4.3. SFI权重结果
使用第3.4节描述的聚合程序将稳定的领域级别评估结果转换为SFI权重（表5）。表5显示了最终的SFI配置权重（已标准化）。客户（26.99%）和价值（22.43%）占总权重的近一半，其次是数据（13.98%）和创新（13.91%），技术（11.08%）构成了第二层。监管（6.42%）和竞争（5.20%）的权重相对较低。
这种分布反映了一个结构化的优先级模式，其中直接与客户参与和价值创造相关的领域获得了持续的更高关注，而与外部约束和竞争定位相关的领域获得了相对较低的优先级。
监管和竞争的较低权重并不意味着这些领域可以忽略。这些领域定义了边界条件和竞争约束，从而影响了其他领域的有效性。因此，它们的作用虽然是间接的，但在结构上至关重要，因为这些领域的发展不足可能会限制整体转型努力的连贯性。
由于SFI是使用标准化输入构建的，领域权重之间的绝对差异并不表示大的数字差距。诊断性解释应关注权重的相对配置，即使是微小的差异也表明了战略重点的有意义变化。因此，解释时应同时考虑领域的相对位置和它们的结构重要性。
为了考察经验的作用，使用相同的聚合程序计算了一个排除经验因素的替代规格（附录B表A5）。这些结果表明，经验并不改变整体优先级结构，但引入了适度的调整，表明持续接触数字化转型提高了对跨领域权衡的敏感性。因此，SFI被定位为一种诊断性优先级工具，它可以捕捉相互依赖领域之间战略重点的相对分布，而不仅仅是一个单一的综合准备就绪分数。

4.4. 实证应用：领域级别优先级概况
本节通过从专家德尔菲数据集中得出的领域级别优先级概况，展示了战略焦点指数（SFI）的实证应用。与其诊断目的一致，重点在于解释战略关注是如何在各个领域中进行结构和分配的，而不是其预测性的一般化能力。
SFI将转型准备就绪度表示为一个优先级结构，捕捉了在限制条件下战略关注在相互依赖领域中的分配情况。SFI不是通过聚合能力水平来评估准备就绪度，而是使领域级别重点的相对排序和强度在分析上变得可见。
基于SFI的结果，将专家样本分为技术和IT组以及制造和消费品组，以检查不同情境下的优先级结构如何变化。图1展示了两个组的比较领域级别SFI概况。尽管这些概况是从分组专家数据中得出的，而不是特定公司的输入，但它们展示了SFI如何用于诊断相对优先级结构并识别领域间的潜在不平衡。图1显示了技术和IT组与制造和消费品组之间的比较SFI概况（蓝色：技术和IT；橙色：制造和消费品）。概况显示了优先级结构的选择性变化，而不是均匀的分歧。在技术、数据和监管相关领域观察到的差异更为明显，而其他领域在不同情境下相对稳定。技术和IT组的概况给予技术和创新相关领域相对更高的优先级，反映了更加强调数字化基础设施和能力整合。相比之下，制造和消费品组给予客户、价值和监管相关领域相对更高的优先级，表明更加强调执行、市场对齐和机构考虑。这些模式展示了SFI的诊断能力，使得能够解释领域级别的优先级结构并识别战略关注分配中的潜在不平衡。
由于战略关注本质上是有限的，优先级涉及领域间的权衡。SFI通过捕捉某些领域增加的关注如何对应于其他领域相对较低的关注，从而使这些权衡在分析上变得可见。这种视角有助于识别可能导致相互依赖系统中有效转型受阻的优先级结构错位问题。解读SFI（战略焦点指数）的轮廓需要同时考虑每个领域的相对位置及其结构重要性。那些相对于其结构作用而言受重视程度较低的领域可能表明需要调整优先级的区域，而那些受重视程度过高但与其他领域相比之下资源分配不当的领域则可能暗示策略关注力的过度分配。重要的是，优先级决策不应仅基于观察到的差距大小。有效的决策需要同时考虑差距的大小和每个领域的结构重要性。在实践中，那些差距适中但系统重要性较高的领域可能比那些差距较大但总体影响力较低的领域更值得优先考虑，因为前者更有可能塑造整体的转型结果。尽管某些领域（如竞争和监管）的相对重要性可能较低，但为了保持转型配置的结构完整性，它们仍应被保留，因为排除这些领域可能会忽略相互依赖领域系统内的潜在制约或促进条件。由于每个领域都是通过具体的战略要求来运作的，因此观察到的不平衡可以直接追溯到可采取行动的具体领域。通过这种方式，SFI为诊断战略关注力的分配和支持数字化转型努力中的纠正性重新优先级排序提供了结构化基础。

SFI通过综合考虑领域层面的差距和结构重要性来实现可操作的优先级排序。在实际操作中，那些受重视程度较低但结构重要性较高的领域应该被优先考虑采取纠正措施，因为对这些领域的投资不足更可能限制整体转型的有效性。相反，那些受重视程度高但结构重要性较低的领域可能表明存在资源过度分配的情况，在这种情况下可以进行资源再平衡，而不会削弱核心转型目标。这种决策逻辑使组织能够将诊断洞察转化为有针对性的优先级策略，使资源分配与数字化转型的结构依赖性保持一致。

4.5 配置验证与稳健性
配置验证通过互补的诊断检查来进行，这些检查评估了优先级结构的共识稳定性、情境差异性和稳健性。与SFI的配置性质一致，这些程序侧重于领域层面优先级模式的稳定性和可解释性。共识稳定性是通过德尔菲法（Delphi）确定的。正如第4.2节所报道的，41个战略要求中有34个符合IQR ≤ 1的标准，肯德尔一致性系数达到了0.51，表明专家判断的收敛是稳定的。情境差异性是通过使用相同的汇总程序计算特定组的SFI轮廓来评估的。专家样本被分为技术和IT组以及制造和消费组，并比较了所得到的轮廓。比较显示，在不同情境下领域层面的优先级存在系统性差异，这表明SFI能够捕捉不同条件下的战略关注力分配情况。优先级结构的稳健性还通过不同的加权规格进行了进一步评估。排除经验因素并未改变整体的领域排序，只有在较低优先级领域观察到细微的调整，这表明在不同汇总假设下结构稳定性是存在的。这些验证检查的结果总结在表6中。

4.5 SFI的配置验证总结。表7展示了特定组的SFI轮廓。比较显示，在不同情境下领域层面的重视程度存在明显差异，其中技术（+6.99个百分点）、监管（-4.47）和数据（-3.25）的差异最大。这些差异凸显了优先级模式的情境特定性变化，而不是领域间的统一偏离。

5. 讨论
5.1 作为诊断工具的SFI
数字化转型通常被概念化为一个多领域且相互依赖的过程，涉及技术、组织和价值创造维度的协调变化，而不是能力的线性累积[2,67]。然而，许多现有的准备度和成熟度框架仍然将转型视为跨领域的累加性进展，隐含着一个领域的优势可以弥补其他领域的劣势[12,15]。这种累加性假设忽视了数字化转型所具有的结构依赖性以及战略注意力分配所受到的限制[1]。实证结果表明，领域层面的重视程度并非均匀分布，而是遵循一个稳定且有所差异的优先级结构。正如德尔菲结果和SFI权重配置所示，某些领域（例如客户和价值）系统性地得到了更多的重视，而其他领域（例如监管和竞争）则相对较低，尽管在结构上仍然是必要的。观察到的优先级模式表明，转型结果不仅受到能力发展水平的影响，还受到跨相互依赖领域战略注意力选择性分配方式的影响[17]。SFI与传统准备度和成熟度框架的不同之处在于，它将转型准备度视为在限制条件下的优先级配置，而不是一个累加性的综合得分[6,7]。通过将准备度建模为战略关注力的结构性分布，SFI揭示了在总体评估中被掩盖的结构不平衡问题，并且这些问题无法通过补偿性测量方法来识别。在这种背景下，SFI最好被理解为一种诊断优先级工具，而不是一个综合准备度得分。SFI不是将领域层面的条件汇总为单一指标，而是将准备度表示为战略关注力的结构性分布。保持领域层面的差异性有助于识别可能限制转型效果的重叠优先级模式。将准备度视为优先级结构有助于明确转型评估如何为决策提供信息。SFI为识别那些战略关注力与结构重要性不一致的领域提供了基础，使组织能够确定需要重新优先考虑的潜在领域，从而解决那些重视不足但在结构上至关重要的领域的问题，并重新考虑那些受重视过高的领域。因此，SFI为在资源限制下解释优先级排序提供了基础。

因此，转型评估的重点从能力的大小转向了优先级结构。SFI不是评估组织在数字化方面的先进程度，而是考察战略注意力是否以平衡或可能不匹配的方式分配。这样，转型就被理解为相互依赖的优先级配置，而不是一维状态。这种重新框架通过引入基于分布和配置的准备度观，扩展了现有的方法。通过将准备度视为在限制条件下战略注意力结构化的属性，研究强调了优先级和跨领域对齐的重要性[6,7]。这一视角与关于数字战略敏捷性的新兴观点一致，在复杂和不断变化的环境中，动态重新配置优先级的能力至关重要。

5.2 理论贡献
目前关于数字化转型的研究主要将准备度视为跨多个领域的能力汇总函数[1,2,35]。这种观点假设随着组织积累能力，转型能力也会增加，并认为一个领域的缺陷可以被其他领域的优势所弥补[39]。然而，这种假设限制了在相互依赖和受限条件下转型如何展开的捕捉能力。本研究的发现表明，数字化转型的准备度不能仅通过能力水平的汇总来充分解释。领域层面的优先级遵循一个稳定且有所差异的结构，这表明转型结果取决于战略注意力在相互依赖领域之间的分配方式[8]。这项研究的主要理论贡献在于将数字化转型的准备度重新概念化为在限制条件下的战略注意力分布属性。这种视角将分析重点从静态的能力水平转移到战略注意力的分配上，引入了一种基于机制的理解方式，解释了转型如何在各个领域中展开。与现有的准备度模型不同，这些模型将领域视为可分离和可补偿的，这种方法强调了相互依赖性如何限制和塑造优先级结果。基于这一视角，研究引入了一种诊断工具，用于理解数字化转型。通过保持领域的可分离性同时捕捉战略注意力的相对分布，战略焦点指数（SFI）能够识别领域间的不平衡和错位[18,19]。这扩展了之前的测量方法，表明结构上的重要不平衡无法通过汇总或补偿模型来检测，从而明确了现有准备度框架的局限性。此外，研究还将治理结构确定为在限制条件下塑造优先级的边界条件。在以平台治理、监管限制和生态系统相互依赖为特征的数字商业环境中，组织在受外部条件限制的边界内分配战略注意力[9]。这突出了转型的情境特定性，优先级模式是由内部战略选择与外部限制之间的互动产生的。

5.3 管理意义
研究结果表明，有效的数字化转型管理需要从能力积累转向优先级对齐。在相互依赖的转型环境中，战略注意力的不均衡分配可能会影响整体转型效果，即使总体能力水平看起来足够。在实际操作中，也观察到了这一挑战，即尽管组织在总体上看起来在数字化方面很先进，但由于领域间的不均衡对齐，它们难以实现连贯的转型成果[68,69]。SFI通过使跨领域的战略注意力分配变得可分析可见，为管理决策提供了结构化基础。优先级决策应考虑领域层面差距的大小及其结构重要性。结构权重较高且差距较大的领域可能需要及早干预，而权重较低的领域可能需要根据它们与其他领域的互动效应进行有针对性的调整。这意味着优先级不仅受差距大小的影响，还受这些差距在更广泛相互依赖领域配置中的嵌入方式的影响。从管理的角度来看，SFI轮廓应被解读为诊断信号，而不是绩效得分。受重视程度较低的领域可能表明某些领域的投资不足可能会限制其他领域的有效性，而受重视程度过高的领域则可能反映了相对于其战略角色的资源过度分配。因此，转型挑战可能不仅来自能力水平不足，还来自优先级结构的不匹配。这在相互依赖的领域中尤其相关，因为一个领域的较低重视程度可能会影响其他领域的贡献。例如，如果客户参与、价值配置或监管对齐受到的关注较少，强大的技术能力可能无法完全转化为转型成果。通过将转型表示为战略注意力的分布，SFI使这些结构依赖性变得可见。由于战略注意力是有限的，优先级安排必然涉及跨领域的权衡。在一个领域增加重视程度必然意味着其他领域的相对减少[70]。SFI为评估这些权衡是否反映了有意的战略对齐或无意的错位提供了依据。在实际操作中，SFI通过三个互补的步骤支持管理决策：首先，管理者可以通过检查不同领域之间的相对重视程度来识别优先级较低的领域；其次，他们可以评估这些差距可能如何影响相互依赖的领域，特别是在结构重要性较高的情况下；第三，他们可以通过将领域层面的不平衡与具体的战略要求联系起来来调整资源分配，从而更明智地考虑纠正措施。这些优先级决策可以通过具体的管理干预来实施。在实践中，这可能涉及将投资组合重新分配到优先级较低的领域，重新设计跨职能协调机制以更好地对齐相互依赖的活动，并调整治理结构，确保结构上关键的领域充分融入转型计划。通过这种方式，SFI将诊断洞察转化为可操作的组织变革。

这种结构化的方法将转型管理的目标从最大化所有领域的能力水平转变为使战略注意力的分配与组织的具体情境限制保持一致。这种视角与观察结果一致，即数字化转型越来越需要整合相互关联的产品、服务和系统，而不仅仅是孤立的能力发展[71]。

5.4 局限性与未来研究
战略焦点指数（SFI）是基于结构化的专家优先级过程得出的，该过程捕捉了跨领域战略注意力的稳定评估。虽然这种方法适合于研究复杂和多维度的现象，但它反映的是评估得到的优先级，而不是实际观察到的组织行为[72]。因此，这些发现是基于横断面评估和专家咨询得出的，可能无法完全反映在实际组织环境中优先级的实施方式。因此，SFI（战略焦点指数）捕捉的是战略重点的评估方式，而不是其在实践中的实施情况，这可能会导致评估出的优先级与观察到的转型结果之间存在差距[68]。此外，该研究依赖于一种基于专家评估和指数构建的方法论。虽然这种方法适合捕捉结构化的优先级模式，但它限制了对于领域级优先级与转型结果之间因果关系的推断能力。因此，这些发现应该被解释为结构模式的指示，而不是因果效应。

SFI将数字化转型表现为某一时间点上的领域级优先级模式。虽然这有助于进行结构化的诊断，但它无法捕捉优先级如何根据外部条件的变化而演变。数字化转型发生在由不断发展的平台规则、监管要求和技术轨迹所塑造的环境中[1,2,5,35,69]。未来的研究可以采用纵向设计来考察优先级模式随时间的变化以及这些动态如何影响转型结果。此外，未来的研究可以采用实验性或准实验性设计来考察领域级优先级与转型绩效之间的因果关系。这些方法允许研究人员在受控或可比的条件下分离优先级结构的影响，从而增强SFI框架的因果有效性。

本研究中的战略重点并不是作为独立验证的测量项目来使用的，而是作为结构化输入，用于领域级评估。这反映了与SFI的配置性质相一致的深思熟虑的设计选择。虽然这确保了分析的一致性，但它可能无法完全捕捉数字化转型的所有特定背景下的细微差别，未来的研究可以探索其他规格或改进方案。最后，本研究中采用的领域结构是有意简化的，以保持概念上的清晰度和分析上的可分离性。同时，数字化转型在不同的行业、组织形式和制度环境中的表现各不相同[3,36,42]。未来的研究可以细化或扩展领域架构，以考察在哪些边界条件下特定的优先级模式最为有效，同时保持SFI的诊断逻辑。

6. 结论

本研究引入了战略焦点指数（SFI）作为数字商业环境中数字化转型的诊断工具。与传统的成熟度模型不同，SFI将转型概念化为在治理约束下跨相互依赖领域的战略重点分布。与之前将准备度视为能力累积函数的方法不同，研究结果表明，这种假设可能会掩盖领域间的结构性不平衡。通过结合基于专家的德尔菲法稳定化和结构化指数构建，该研究提供了一种透明且可复现的方法来考察跨领域的优先级分配。研究发现表明，数字化转型不仅仅可以通过能力的累积来完全解释。相反，转型结果与战略重点在各个领域中的分布方式有关。在不同规格下领域级优先级的稳定性表明，这些模式反映了持续的优先级结构，而不是建模中的伪影。通过示例应用进一步展示了在不同组织背景下如何出现不同的战略重点配置。

本研究从三个方面为数字化转型研究做出了贡献。首先，它将准备度重新定义为在约束条件下的领域级优先级问题，而不是能力的累积函数。其次，它引入了一种分布式视角，能够捕捉战略注意力在相互依赖领域之间的分配情况，同时保持领域间的可分离性。第三，它提供了一种诊断方法，有助于识别优先级不平衡，并支持更加结构化的资源分配决策。这些贡献将转型评估的分析重点从总体测量转移到了配置层面。

SFI反映的是经过稳定的基于专家的优先级分配，而不是直接观察到的组织行为。未来的研究可以通过纵向应用、特定背景下的适应以及实证检验来扩展这种方法，以考察在不断变化的治理条件下优先级模式与转型结果之间的关系。从实际角度来看，SFI提供了一个以决策为导向的框架，通过在资源分配上关注那些既被忽视又在结构上具有重要性的领域来支持在约束条件下的优先级制定。因此，数字化转型不仅仅是能力提升的问题，更重要的是在约束条件下如何在相互依赖的领域间分配战略注意力。