企業(yè)數(shù)字化轉(zhuǎn)型、CEO 信息技術(shù)背景與內(nèi)部控制質(zhì)量

趙琛虎

（湖南工業(yè)大學(xué)經(jīng)濟(jì)與貿(mào)易學(xué)院,湖南 株洲 412007）

隨著數(shù)字技術(shù)的快速發(fā)展，數(shù)據(jù)成為新的生產(chǎn)要素，數(shù)字化轉(zhuǎn)型是企業(yè)發(fā)展的新動(dòng)力，也是其未來(lái)發(fā)展的必然趨勢(shì)[1]。在企業(yè)數(shù)字化轉(zhuǎn)型與內(nèi)部控制質(zhì)量關(guān)系的研究上，陳小輝等（2022）基于企業(yè)內(nèi)部代理成本和外部融資視角研究發(fā)現(xiàn)，數(shù)字經(jīng)濟(jì)可以緩解股東之間的信息不對(duì)稱(chēng)和強(qiáng)化企業(yè)與外界聯(lián)系，降低企業(yè)內(nèi)部代理成本，提高企業(yè)的融資水平，最終提高企業(yè)的內(nèi)部控制質(zhì)量[2]。羅艷梅等（2022）認(rèn)為內(nèi)部控制數(shù)字化可以降低信息在企業(yè)內(nèi)部傳遞的失真度，減少信息傳輸與溝通成本，加快企業(yè)的運(yùn)行效率，提高企業(yè)的內(nèi)部控制質(zhì)量[3]。郜保萍（2023）研究發(fā)現(xiàn)，企業(yè)內(nèi)部控制數(shù)字化，實(shí)現(xiàn)了信息在各部門(mén)之間暢通無(wú)阻，大大增加了信息的透明度，減少人為舞弊的可能性，同時(shí)由于信息標(biāo)準(zhǔn)化，員工可以更加準(zhǔn)確地理解信息，從而提高了企業(yè)的內(nèi)部控制質(zhì)量[4]。但是，尹薛穎（2016）在研究企業(yè)內(nèi)部控制數(shù)字化時(shí)發(fā)現(xiàn)，企業(yè)加速信息化給企業(yè)帶來(lái)信息多而雜、信息真實(shí)性和安全性難以保證等問(wèn)題，進(jìn)而導(dǎo)致企業(yè)內(nèi)部控制質(zhì)量降低[5]。

綜上所述，目前企業(yè)數(shù)字化轉(zhuǎn)型對(duì)企業(yè)內(nèi)部控制質(zhì)量影響的研究結(jié)論尚不清晰，并且現(xiàn)有文獻(xiàn)大多是從數(shù)字經(jīng)濟(jì)等宏觀層面探究其對(duì)企業(yè)內(nèi)部控制質(zhì)量的影響，微觀層面企業(yè)數(shù)字化轉(zhuǎn)型對(duì)內(nèi)部控制質(zhì)量影響的研究有待挖掘。鑒于此，本文利用數(shù)據(jù)分析和文本挖掘方法刻畫(huà)企業(yè)數(shù)字化轉(zhuǎn)型程度，從CEO信息技術(shù)背景視角來(lái)研究企業(yè)數(shù)字化轉(zhuǎn)型對(duì)內(nèi)部控制質(zhì)量的影響。

1 理論分析和研究假設(shè)

企業(yè)數(shù)字化轉(zhuǎn)型指的是運(yùn)用互聯(lián)網(wǎng)、云計(jì)算等現(xiàn)代信息技術(shù)，對(duì)企業(yè)內(nèi)部信息進(jìn)行實(shí)時(shí)分析、計(jì)算和處理，連接企業(yè)內(nèi)部各個(gè)部門(mén)單元進(jìn)行深層次的交互，并且逐漸將數(shù)字技術(shù)滲透到企業(yè)生產(chǎn)經(jīng)營(yíng)過(guò)程中，促進(jìn)內(nèi)部要素協(xié)同，提高企業(yè)運(yùn)行效率。企業(yè)數(shù)字化轉(zhuǎn)型會(huì)通過(guò)影響企業(yè)內(nèi)部控制來(lái)全面影響企業(yè)內(nèi)部控制質(zhì)量。具體而言，在企業(yè)控制環(huán)境方面，企業(yè)依托數(shù)字技術(shù)對(duì)內(nèi)部結(jié)構(gòu)進(jìn)行重塑，企業(yè)組織架構(gòu)趨于扁平化[6-7]。在企業(yè)風(fēng)險(xiǎn)評(píng)估方面，通過(guò)大數(shù)據(jù)、云計(jì)算等數(shù)字技術(shù)，企業(yè)可以對(duì)市場(chǎng)海量數(shù)據(jù)與企業(yè)內(nèi)部控制活動(dòng)數(shù)據(jù)進(jìn)行對(duì)比分析，及時(shí)識(shí)別業(yè)務(wù)流程中可能存在的風(fēng)險(xiǎn)并進(jìn)行提示，預(yù)估風(fēng)險(xiǎn)可能造成的損失，準(zhǔn)確劃分風(fēng)險(xiǎn)等級(jí)，并且制定針對(duì)性的預(yù)防措施[8]。在企業(yè)控制活動(dòng)方面，傳統(tǒng)企業(yè)的內(nèi)部控制本質(zhì)上是“人控制人”的活動(dòng)，企業(yè)數(shù)字化轉(zhuǎn)型將其轉(zhuǎn)變?yōu)楣局贫▋?nèi)部控制規(guī)則通過(guò)信息平臺(tái)進(jìn)行控制的活動(dòng)，進(jìn)而最大限度減少人為因素干擾。基于此，本文提出假設(shè)1：

H1：企業(yè)數(shù)字化轉(zhuǎn)型能夠提高內(nèi)部控制質(zhì)量。

企業(yè)在數(shù)字化轉(zhuǎn)型過(guò)程中，需要對(duì)企業(yè)內(nèi)部結(jié)構(gòu)和營(yíng)運(yùn)流程重新定義。要求企業(yè)具有獲取數(shù)字資產(chǎn)的能力，能夠敏銳把握數(shù)字化轉(zhuǎn)型的方向，擁有數(shù)字網(wǎng)絡(luò)構(gòu)建能力、大數(shù)據(jù)分析能力，以及將數(shù)字資源與傳統(tǒng)資源進(jìn)行協(xié)調(diào)組合的戰(zhàn)略思考能力。企業(yè)要想順利推進(jìn)數(shù)字化進(jìn)程，就需要具有信息技術(shù)背景的CEO。企業(yè)數(shù)字化轉(zhuǎn)型不單單需要數(shù)字資源的投入，更加需要與之匹配的數(shù)字技術(shù)創(chuàng)造價(jià)值的戰(zhàn)略實(shí)施，隨著信息技術(shù)與業(yè)務(wù)流程的深度融合，勢(shì)必會(huì)對(duì)企業(yè)CEO背景結(jié)構(gòu)進(jìn)行調(diào)整，增加企業(yè)對(duì)具有信息技術(shù)背景CEO的需求[9]。同時(shí)，作為企業(yè)的決策人員，CEO的信息技術(shù)背景將會(huì)直接影響企業(yè)內(nèi)部控制數(shù)字化的實(shí)施質(zhì)量。由于具有信息技術(shù)背景的CEO同時(shí)擁有信息技術(shù)經(jīng)驗(yàn)和專(zhuān)業(yè)技能，會(huì)為企業(yè)內(nèi)部控制流程的重塑提供戰(zhàn)略支持。通過(guò)重新梳理內(nèi)部控制流程，明確各個(gè)內(nèi)部控制節(jié)點(diǎn)責(zé)任劃分，對(duì)每個(gè)內(nèi)部控制單元進(jìn)行合理的授權(quán)，最終提高企業(yè)運(yùn)用數(shù)字技術(shù)有效控制企業(yè)內(nèi)部流程的可能性[10]?；诖耍疚奶岢黾僭O(shè)2：

H2：企業(yè)數(shù)字化轉(zhuǎn)型能夠通過(guò)任用具有信息技術(shù)背景的CEO來(lái)提高內(nèi)部控制質(zhì)量。

2 研究設(shè)計(jì)

2.1 樣本選擇和數(shù)據(jù)來(lái)源

本文企業(yè)數(shù)據(jù)來(lái)源于國(guó)泰安數(shù)據(jù)庫(kù)，選擇了2011—2020年滬深A(yù)股上市公司數(shù)據(jù)作為研究的樣本。在公司數(shù)據(jù)的選擇上，為了保證數(shù)據(jù)的可靠性與真實(shí)性，本文對(duì)數(shù)據(jù)做了以下處理：（1）在公司類(lèi)型的選擇上，由于金融類(lèi)企業(yè)和房地產(chǎn)企業(yè)與其他行業(yè)企業(yè)的運(yùn)行方式差距較大，剔除了相關(guān)行業(yè)企業(yè)樣本，并且刪除了ST類(lèi)公司；（2）在樣本的選擇上，刪除了負(fù)債大于資產(chǎn)的企業(yè)樣本和變量數(shù)據(jù)不全的企業(yè)樣本；（3）考慮到極端數(shù)據(jù)的影響，對(duì)連續(xù)變量數(shù)據(jù)進(jìn)行了縮尾處理。相關(guān)上市公司年報(bào)數(shù)據(jù)來(lái)自上海、深圳證券交易所官方網(wǎng)站以及巨潮資訊網(wǎng)。

2.2 模型設(shè)定

為了檢驗(yàn)企業(yè)數(shù)字化轉(zhuǎn)型對(duì)內(nèi)部控制質(zhì)量的影響，本文構(gòu)建如下模型：

其中，i代表企業(yè)個(gè)體，t為當(dāng)年的年份，IC為企業(yè)內(nèi)部控制質(zhì)量，DT為企業(yè)數(shù)字化轉(zhuǎn)型程度，為本文所使用的控制變量，ε為隨機(jī)干擾項(xiàng)，β為相關(guān)系數(shù)，表示控制了行業(yè)固定效應(yīng)，表示控制了年份固定效應(yīng)。根據(jù)理論預(yù)期，如果β1顯著為正，則說(shuō)明企業(yè)數(shù)字化轉(zhuǎn)型會(huì)提高企業(yè)內(nèi)部控制質(zhì)量，假設(shè)1成立。

為了驗(yàn)證企業(yè)數(shù)字化轉(zhuǎn)型能夠通過(guò)任用具有信息技術(shù)背景的CEO來(lái)提高內(nèi)部控制質(zhì)量這一假設(shè)，本文構(gòu)建以下中介模型：

設(shè)定：獨(dú)立變量(X)：企業(yè)數(shù)字化轉(zhuǎn)型程度。中介變量(M)：具有信息技術(shù)背景的CEO（0=無(wú)信息技術(shù)背景，1=有信息技術(shù)背景）。因變量(Y)：內(nèi)部控制質(zhì)量。

模型1（直接效應(yīng)模型）：

其中，Y是內(nèi)部控制質(zhì)量，X是企業(yè)數(shù)字化轉(zhuǎn)型程度，beta_0是常數(shù)項(xiàng)，beta_1是獨(dú)立變量X對(duì)因變量Y的直接效應(yīng)，epsilon是誤差項(xiàng)。

模型2（中介效應(yīng)模型）：

其中，M是具有信息技術(shù)背景的CEO，alpha_0是常數(shù)項(xiàng)，alpha_1是獨(dú)立變量X對(duì)中介變量M的效應(yīng)，epsilon_M是誤差項(xiàng)。

其中，gamma_0是常數(shù)項(xiàng)，gamma_1是獨(dú)立變量X對(duì)因變量Y的直接效應(yīng)（考慮中介變量后），gamma_2是中介變量M對(duì)因變量Y的效應(yīng)，epsilon_Y是誤差項(xiàng)。

2.3 變量定義

2.3.1 被解釋變量

內(nèi)部控制質(zhì)量（IC）：采用迪博數(shù)據(jù)庫(kù)中的內(nèi)部控制指數(shù)來(lái)衡量企業(yè)內(nèi)部控制質(zhì)量。IC值越大，公司的內(nèi)部控制質(zhì)量越高。

2.3.2 解釋變量

企業(yè)數(shù)字化轉(zhuǎn)型（DT）：將公司年報(bào)數(shù)據(jù)整理為面板數(shù)據(jù)，對(duì)人工智能、大數(shù)據(jù)、云計(jì)算、區(qū)塊鏈、數(shù)字技術(shù)運(yùn)用等5個(gè)維度76個(gè)數(shù)字化詞頻進(jìn)行統(tǒng)計(jì)，據(jù)此計(jì)算企業(yè)數(shù)字化轉(zhuǎn)型程度。

2.3.3 中介變量

在本研究中，我們將通過(guò)以下具體數(shù)據(jù)來(lái)衡量CEO的信息技術(shù)背景：

教育背景：將收集CEO的教育信息，特別關(guān)注是否擁有與信息技術(shù)相關(guān)的學(xué)位，如計(jì)算機(jī)科學(xué)、信息系統(tǒng)管理等。這些信息通?？梢酝ㄟ^(guò)公司年報(bào)、CEO的公開(kāi)簡(jiǎn)歷或官方傳記等公開(kāi)資料獲得。

工作經(jīng)驗(yàn)：分析CEO的職業(yè)生涯，特別是其在信息技術(shù)領(lǐng)域或與信息技術(shù)密切相關(guān)的行業(yè)的工作經(jīng)歷。例如，是否曾在技術(shù)公司擔(dān)任高級(jí)管理職位，或參與過(guò)重要的技術(shù)項(xiàng)目。

專(zhuān)業(yè)資格證書(shū)：檢查CEO是否持有與信息技術(shù)相關(guān)的專(zhuān)業(yè)資格證書(shū)，例如CISA（認(rèn)證信息系統(tǒng)審計(jì)師）、PMP（項(xiàng)目管理專(zhuān)業(yè)人士）等，這些證書(shū)反映了其在信息技術(shù)領(lǐng)域的專(zhuān)業(yè)知識(shí)和技能。

公開(kāi)發(fā)言和出版物：通過(guò)分析CEO的公開(kāi)演講、文章或書(shū)籍，評(píng)估其對(duì)信息技術(shù)的理解和重視程度。這包括在技術(shù)會(huì)議上的發(fā)言、撰寫(xiě)的關(guān)于技術(shù)主題的文章或書(shū)籍等。

參與的技術(shù)項(xiàng)目：考察CEO在任職期間企業(yè)進(jìn)行的技術(shù)項(xiàng)目，尤其是那些直接由CEO主導(dǎo)或強(qiáng)烈推動(dòng)的項(xiàng)目。

2.3.4 控制變量

根據(jù)以往相關(guān)研究[11-12]，本文控制了資產(chǎn)負(fù)債率（Lev）、總資產(chǎn)凈利潤(rùn)率（Roa）、現(xiàn)金流比率（Cashflow）、存貨占比（Ria）、賬面市值比（Bm）、第一大股東持股比率（Top1）、審計(jì)師是否來(lái)自國(guó)際四大會(huì)計(jì)師事務(wù)所（Big4）、企業(yè)性質(zhì)（Soe）等公司層面的特征。

3 實(shí)證分析結(jié)果

3.1 基準(zhǔn)回歸分析

基準(zhǔn)回歸的結(jié)果如表1所示。列（1）表示未加入控制變量時(shí)企業(yè)數(shù)字化轉(zhuǎn)型對(duì)內(nèi)部控制質(zhì)量的影響，企業(yè)數(shù)字化轉(zhuǎn)型系數(shù)為0.105且在1%的水平上顯著，說(shuō)明企業(yè)數(shù)字化轉(zhuǎn)型對(duì)內(nèi)部控制質(zhì)量的提升起到了有效的促進(jìn)作用。列（2）和列（3）為在列（1）的基礎(chǔ)上逐步加入控制變量后企業(yè)數(shù)字化轉(zhuǎn)型對(duì)內(nèi)部控制質(zhì)量的影響效果，企業(yè)數(shù)字化轉(zhuǎn)型系數(shù)分別為0.083和0.081，并且都在1%的水平上顯著為正，表明結(jié)論的穩(wěn)定性，假設(shè)1正確。企業(yè)數(shù)字化轉(zhuǎn)型可以使企業(yè)內(nèi)部控制流程更加完善和規(guī)范化，明確了各個(gè)崗位的職責(zé)，使內(nèi)部控制系統(tǒng)成為真正控制企業(yè)內(nèi)部經(jīng)營(yíng)流程與企業(yè)協(xié)同發(fā)展的系統(tǒng)，增強(qiáng)了企業(yè)內(nèi)部控制質(zhì)量。

表1 企業(yè)數(shù)字化轉(zhuǎn)型對(duì)內(nèi)部控制質(zhì)量影響的回歸結(jié)果

表1中，***表示在更嚴(yán)格的0.01的顯著性水平上顯著，即結(jié)果的發(fā)生概率小于1%。表中數(shù)據(jù)分別表示未加入和加入控制變量時(shí)企業(yè)數(shù)字化轉(zhuǎn)型對(duì)內(nèi)部控制質(zhì)量的影響，主要包含資產(chǎn)負(fù)債率（Lev）、總資產(chǎn)凈利潤(rùn)率（Roa）、現(xiàn)金流比率（Cashflow）、存貨占比（Ria）、賬面市值比（Bm）等參數(shù)。

3.2 穩(wěn)健性檢驗(yàn)

3.2.1 使用其他衡量方式測(cè)度企業(yè)數(shù)字化轉(zhuǎn)型

在基準(zhǔn)回歸中，本文從5個(gè)維度76個(gè)數(shù)字化詞頻測(cè)度了企業(yè)數(shù)字化轉(zhuǎn)型程度，參考趙宸宇等（2021）的研究[13]，從數(shù)字技術(shù)應(yīng)用、智能制造、互聯(lián)網(wǎng)商業(yè)模式、現(xiàn)代信息系統(tǒng)等4個(gè)維度99個(gè)數(shù)字化相關(guān)詞頻重新測(cè)度企業(yè)數(shù)字化轉(zhuǎn)型程度（DT2），表2列（1）展示了回歸結(jié)果，企業(yè)數(shù)字化轉(zhuǎn)型對(duì)內(nèi)部控制質(zhì)量的影響系數(shù)方向和顯著性水平與前文一致，表明結(jié)論是可靠的。

表2 內(nèi)生性處理和穩(wěn)健性檢驗(yàn)結(jié)果

3.2.2 去除信息相關(guān)行業(yè)樣本

由于信息相關(guān)行業(yè)與其他行業(yè)特點(diǎn)不同，信息相關(guān)行業(yè)本身直接或者間接從事數(shù)字化產(chǎn)業(yè)，企業(yè)內(nèi)部具有較高的互聯(lián)網(wǎng)、大數(shù)據(jù)等技術(shù)應(yīng)用水平。為了避免信息相關(guān)行業(yè)數(shù)字化轉(zhuǎn)型的干擾，參考尚洪濤等（2022）研究[14]，刪除了中國(guó)證券監(jiān)督管理委員會(huì)《上市公司行業(yè)分類(lèi)指引》（2012年修訂）中行業(yè)分類(lèi)為計(jì)算機(jī)、通信和其他電子設(shè)備制造業(yè)（C39）以及信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)（I63、I64、I65）的樣本。表2列（2）展示了回歸結(jié)果，結(jié)果表明解釋變量系數(shù)的方向和顯著性水平并不受到信息相關(guān)行業(yè)的影響。

3.2.3 數(shù)字化轉(zhuǎn)型滯后一期

企業(yè)數(shù)字化轉(zhuǎn)型是一個(gè)復(fù)雜的過(guò)程，企業(yè)需要將數(shù)字技術(shù)深度融合到內(nèi)部經(jīng)營(yíng)流程中，也需要各個(gè)部門(mén)能夠適應(yīng)數(shù)字化轉(zhuǎn)型所帶來(lái)的一系列改變。企業(yè)數(shù)字化轉(zhuǎn)型的效果可能不會(huì)立刻體現(xiàn)在當(dāng)年，即企業(yè)數(shù)字化轉(zhuǎn)型的影響可能存在時(shí)間滯后性[15]。據(jù)此，本文將核心解釋變量滯后一期進(jìn)行回歸（L.DT），結(jié)果如表2列（3）所示，核心解釋變量回歸結(jié)果與前文保持一致。

3.3 機(jī)制分析

為進(jìn)一步研究企業(yè)數(shù)字化轉(zhuǎn)型對(duì)內(nèi)部控制質(zhì)量的影響途徑，本文從企業(yè)管理者角度，采用CEO信息技術(shù)背景作為中介變量[10,16]，來(lái)分析企業(yè)數(shù)字化轉(zhuǎn)型對(duì)內(nèi)部控制質(zhì)量的影響機(jī)制。借鑒溫忠麟等（2014）[17]對(duì)中介效應(yīng)分析的方法及模型，構(gòu)建本文的中介效應(yīng)模型，并進(jìn)行機(jī)制分析。

表3列（1）和列（3）展示了企業(yè)數(shù)字化轉(zhuǎn)型對(duì)中介變量影響的回歸結(jié)果，表明企業(yè)數(shù)字化轉(zhuǎn)型會(huì)提高企業(yè)CEO信息技術(shù)背景比例。表3列（2）和（4）展示了考慮CEO信息技術(shù)背景以后企業(yè)數(shù)字化轉(zhuǎn)型對(duì)內(nèi)部控制質(zhì)量影響的回歸結(jié)果。結(jié)果表明，不論是否加入控制變量，企業(yè)數(shù)字化轉(zhuǎn)型與內(nèi)部控制質(zhì)量均顯著正相關(guān)，并且會(huì)通過(guò)提高CEO信息技術(shù)背景比例來(lái)促進(jìn)內(nèi)部控制質(zhì)量的提升。原因可能是企業(yè)為了實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型，需要配套數(shù)字化轉(zhuǎn)型的戰(zhàn)略制定和執(zhí)行人員，必須提高CEO背景結(jié)構(gòu)中信息技術(shù)的比重。當(dāng)具備信息技術(shù)背景的CEO在運(yùn)用信息技術(shù)重塑企業(yè)內(nèi)部控制流程時(shí)，可以更好地發(fā)揮自身的特長(zhǎng)和領(lǐng)導(dǎo)能力營(yíng)造企業(yè)數(shù)字化轉(zhuǎn)型的良好氛圍，提高企業(yè)應(yīng)用數(shù)字技術(shù)提高內(nèi)部控制質(zhì)量的效率。因此，企業(yè)數(shù)字化轉(zhuǎn)型提升內(nèi)部控制質(zhì)量的一條途徑是通過(guò)提高CEO信息技術(shù)背景比例。綜上所述，假設(shè)2得到檢驗(yàn)。

表3 中介效應(yīng)檢驗(yàn)結(jié)果

4 結(jié)語(yǔ)

數(shù)字化轉(zhuǎn)型不僅是企業(yè)發(fā)展的必然趨勢(shì)，也是提升企業(yè)競(jìng)爭(zhēng)力的關(guān)鍵。這一過(guò)程中，企業(yè)領(lǐng)導(dǎo)的信息技術(shù)背景顯得尤為重要。因此，企業(yè)在推進(jìn)數(shù)字化轉(zhuǎn)型時(shí)應(yīng)重視領(lǐng)導(dǎo)層的信息技術(shù)培訓(xùn)和能力提升，確保轉(zhuǎn)型過(guò)程中能有效利用技術(shù)資源，提高決策效率和精確性。同時(shí)，企業(yè)應(yīng)建立一個(gè)持續(xù)學(xué)習(xí)和技術(shù)更新的環(huán)境，并提升內(nèi)部控制質(zhì)量，以適應(yīng)快速變化的市場(chǎng)需求和技術(shù)進(jìn)步。此外，企業(yè)在進(jìn)行數(shù)字化轉(zhuǎn)型時(shí)還應(yīng)考慮到員工的培訓(xùn)和適應(yīng)，確保整個(gè)組織的同步進(jìn)步?？傊髽I(yè)的數(shù)字化轉(zhuǎn)型需要一個(gè)全方位、多層次的策略規(guī)劃，才能在競(jìng)爭(zhēng)激烈的市場(chǎng)環(huán)境中保持領(lǐng)先地位。