ThS. Đinh Văn Hoàng (tác giả liên hệ)

Trường Đại học Ngoại Thương

Email: dinhvanhoang@ftu.edu.vn

ThS. Nguyễn Hồng Minh

Trường Đại học Kinh tế, Đại học Quốc gia Hà Nội

Email: nguyenhongminh@vnu.edu.vn

Vũ Hồng Hà

Trường Đại học Ngoại Thương

Email: k60.2111520024@ftu.edu.vn

Dương Bích Ngọc

Trường Đại học Ngoại Thương

Email: k60.2112520051@ftu.edu.vn

Trương Ngân Hà

Trường Đại học Ngoại Thương

Email: k60.2112520023@ftu.edu.vn

Bùi Phương Khanh

Trường Đại học Ngoại Thương

Email: k60.2111520038@ftu.edu.vn

Tóm tắt

Bài viết phân tích mối quan hệ giữa Lãnh đạo số và Năng lực số của các doanh nghiệp sản xuất nhỏ và vừa (SMEs) Việt Nam, với vai trò trung gian của khả năng thu thập và khai thác tri thức số. Phân tích dữ liệu từ 225 phản hồi doanh nghiệp bằng mô hình phương trình cấu trúc bình phương nhỏ nhất (PLS-SEM), kết quả chỉ ra rằng, Lãnh đạo số có tác động gián tiếp đến Năng lực số thông qua Khả năng khai thác tri thức số. Lãnh đạo số có ảnh hưởng tích cực đến cả khả năng thu thập và khai thác tri thức số, trong khi 2 yếu tố này cũng tác động thuận chiều đến Năng lực số doanh nghiệp. Đồng thời, Khả năng thu thập tri thức số ảnh hưởng tích cực đến Khả năng khai thác tri thức số. Trên cơ sở kết quả nghiên cứu, các tác giả đề xuất một số giải pháp nhằm thúc đẩy Năng lực số cho SMEs sản xuất Việt Nam.

Từ khóa: Khả năng khai thác tri thức số; Lãnh đạo số; Năng lực số; Khả năng thu thập tri thức số

Summary

The article analyzes the relationship between Digital Leadership and Digital Capability of Vietnamese small and medium-sized manufacturing enterprises (SMEs), with the mediating role of the ability to collect and exploit digital knowledge. Analyzing data from 225 enterprise responses using the least square structural equation model (PLS-SEM), the results show that Digital Leadership has an indirect impact on Digital Capacity through the Ability to exploit digital knowledge. Digital Leadership has a positive impact on both the ability to collect and exploit digital knowledge, while these two factors also have a positive impact on the Digital Capacity of enterprises. At the same time, the ability to collect digital knowledge positively affects the Ability to exploit digital knowledge. Based on the research results, the authors propose several solutions to promote Digital Capability for Vietnamese manufacturing SMEs.

Keywords: Ability to exploit digital knowledge; Digital Leadership; Digital Capability; Ability to collect digital knowledge

ĐẶT VẮN ĐỀ

Cách mạng Công nghiệp 4.0 với những đột phá về công nghệ số, như: bản sao kỹ thuật số (Digital Twin) và vạn vật kết nối trong công nghiệp (IoT) đã tạo ra nhiều cơ hội phát triển cho doanh nghiệp sản xuất (De Bem Machado và cộng sự, 2021). Tuy nhiên, đối với các SMEs sản xuất, những hạn chế về nguồn lực và tri thức đã tạo ra thách thức đáng kể trong quá trình chuyển đổi số (Masood và Sonntag, 2020). Trong bối cảnh này, vai trò của lãnh đạo số (LĐS) trở nên đặc biệt quan trọng trong việc dẫn dắt doanh nghiệp vượt qua các thách thức của chuyển đổi số và thị trường biến động (Tagscherer và Carbon, 2023).

Mặc dù nhiều nghiên cứu đã khẳng định tầm quan trọng của LĐS đối với năng lực số (NLS) của doanh nghiệp (Klein, 2020; Wang và cộng sự, 2024), vai trò trung gian của các yếu tố tri thức số trong mối quan hệ này vẫn chưa được làm rõ. Đặc biệt, chưa có nghiên cứu nào phân tích đồng thời tác động của Khả năng thu thập tri thức số (KNTTTTS) và Khả năng khai thác tri thức số (KNKTTTS) như các yếu tố trung gian trong mối quan hệ giữa LĐS và NLS, mặc dù 2 yếu tố này được cho là quan trọng trong việc thúc đẩy ứng dụng công nghệ và phát triển văn hóa số (Gupta và cộng sự, 2023).

Nghiên cứu này góp phần làm rõ cơ chế tác động của LĐS đến NLS thông qua vai trò trung gian của KNTTTTS và KNKTTTS, trong bối cảnh các SMEs sản xuất tại Việt Nam. Kết quả nghiên cứu không chỉ bổ sung vào lý thuyết về mối quan hệ giữa LĐS và NLS, mà còn đề xuất các hàm ý chính sách và giải pháp thực tiễn cho việc nâng cao NLS của các SMEs sản xuất trong quá trình chuyển đổi số.

CƠ SỞ LÝ THUYẾT VÀ PHƯƠNG PHÁP NGHIÊN CỨU

Cơ sở lý thuyết và giả thuyết nghiên cứu

Nghiên cứu này dựa trên 2 nền tảng lý thuyết: Năng lực động và Khả năng hấp thụ tri thức. Lý thuyết năng lực động (Teece và cộng sự, 1998) phát triển từ thuyết nguồn lực (Barney, 1991), nhấn mạnh rằng, trong môi trường kinh doanh biến động, doanh nghiệp không chỉ cần sở hữu nguồn lực có giá trị, mà còn phải có khả năng thích ứng và tái cấu hình các nguồn lực này. Trong bối cảnh chuyển đổi số, lý thuyết này giải thích cách thức LĐS thúc đẩy NLS thông qua việc xây dựng chiến lược và văn hóa số (Benitez và cộng sự, 2022). Mặt khác, lý thuyết Khả năng hấp thụ tri thức (Cohen và Levinthal, 1990) bổ sung khung lý thuyết, bằng cách giải thích cơ chế doanh nghiệp nhận diện, tiếp thu và ứng dụng tri thức bên ngoài vào hoạt động kinh doanh. Khả năng này được xem là thành phần quan trọng của năng lực động, đặc biệt trong môi trường số hóa (Vial, 2021). Dựa trên 2 nền tảng lý thuyết này, nghiên cứu làm rõ vai trò trung gian của KNTTTTS và KNKTTTS trong mối quan hệ giữa LĐS và NLS.

Lãnh đạo số và năng lực số. LĐS là sự kết hợp giữa lãnh đạo chuyển đổi và việc sử dụng công nghệ, với mục tiêu dẫn dắt chuyển đổi số và xây dựng văn hóa thay đổi bền vững trong tổ chức (Klein, 2020). Đây không chỉ là vai trò quản lý công nghệ, mà còn là người truyền cảm hứng và định hướng cho tổ chức (Kane và cộng sự, 2019). NLS thể hiện khả năng tổ chức tận dụng công nghệ và nguồn lực số để đạt mục tiêu chiến lược và duy trì năng lực cạnh tranh trong thời đại số (Gupta và cộng sự, 2022). Với vai trò thúc đẩy chiến lược chuyển đổi số (Shin và cộng sự, 2023), LĐS tác động đến khả năng đổi mới và tích hợp công nghệ số trong hoạt động doanh nghiệp (Karakose và cộng sự, 2022). Do đó đề xuất giả thuyết:

H1: Lãnh đạo số có ảnh hưởng tích cực đến Năng lực số của doanh nghiệp.

Lãnh đạo số, Khả năng thu thập tri thức số, Khả năng khai thác tri thức số và Năng lực số. Boroomand và Chan (2022) định nghĩa, KNTTTTS là một khả năng then chốt trong kỷ nguyên số, bao gồm việc: chủ động tìm kiếm, thu thập, đánh giá và tổng hợp thông tin từ vô số nguồn trực tuyến (Siesfeld và cộng sự, 2009); phân tích, sàng lọc và hệ thống thông tin một cách hiệu quả để biến chúng thành tri thức có giá trị (Bhattacherjee, 2012). KNTTTTS đã tạo điều kiện cho các SMEs tham gia vào các hoạt động chuyển đổi số (Glavas và Mathews, 2014).

LĐS biểu thị khả năng của người lãnh đạo trong việc xử lý các hoạt động số hóa của doanh nghiệp, liên quan đến quá trình kinh doanh (Arshad, 2024), thúc đẩy KNTTTTS, giúp tận dụng dữ liệu và công nghệ. Ngoài ra, KNTTTTS còn đóng vai trò trung gian, kết nối tầm nhìn lãnh đạo với NLS của tổ chức bằng cách chuyển đổi dữ liệu thô thành tri thức hữu ích, làm nền tảng cho việc nâng cao kỹ năng số của doanh nghiệp (Cabrilo và cộng sự, 2024).

Mặt khác, KNKTTTS được Boroomand và Chan (2022) định nghĩa, là khả năng của tổ chức trong việc chuyển đổi và ứng dụng tri thức số đã thu thập được vào các hoạt động kinh doanh, để tạo ra giá trị mới, do đó đóng vai trò then chốt trong việc tạo ra giá trị cho doanh nghiệp; đồng thời là giai đoạn cuối cùng của quá trình hấp thụ tri thức số. Các SMEs sản xuất tại các thị trường mới nổi cần ưu tiên phát triển khả năng KNKTTTS (Kastelli và cộng sự, 2024). Thông qua LĐS, các doanh nghiệp được phát triển tầm nhìn rõ ràng và hiện thực hóa các chiến lược liên quan đến quá trình số hóa (Lai và cộng sự, 2020). Ngoài ra, KNKTTTS này đóng vai trò trung gian, chuyển hóa tầm nhìn của lãnh đạo thành NLS cụ thể trong tổ chức, bao gồm: kỹ năng sử dụng công nghệ và khả năng thích ứng với môi trường số hóa. Như vậy, khi tri thức số được khai thác hiệu quả, NLS của tổ chức được củng cố. Từ đó, nhóm tác giả đưa ra các giả thuyết như sau:

H2: Khả năng thu thập tri thức số đóng vai trò trung gian trong mối quan hệ giữa Lãnh đạo số và Năng lực số.

H3: Khả năng khai thác tri thức số đóng vai trò trung gian trong mối quan hệ giữa Lãnh đạo số và Năng lực số.

H4: Lãnh đạo số có ảnh hưởng tích cực đến Khả năng thu thập tri thức số của doanh nghiệp.

H5: Lãnh đạo số có ảnh hưởng tích cực đến Khả năng khai thác tri thức số của doanh nghiệp.

H6: Khả năng thu thập tri thức số có ảnh hưởng tích cực đến Năng lực số của doanh nghiệp.

H7: Khả năng khai thác tri thức số có ảnh hưởng tích cực đến Năng lực số của doanh nghiệp.

Hơn nữa, chất lượng và phạm vi của tri thức số được thu thập ảnh hưởng trực tiếp đến khả năng phân tích, tổng hợp và ứng dụng thông tin trong KNKTTTS (Boroomand và Chan, 2022). Do đó, KNTTTTS của doanh nghiệp không chỉ giúp cung cấp nguồn dữ liệu phong phú, mà còn định hướng cho các phương pháp và công cụ, nâng cao KNKTTTS phù hợp, giúp tối ưu hóa quá trình vận hành (Qi và cộng sự, 2024). Từ đó, nhóm tác giả đưa ra giả thuyết H8 như sau:

H8: Khả năng thu thập tri thức số có ảnh hưởng tích cực đến Khả năng khai thác tri thức số của doanh nghiệp.

Hình 1: Mô hình nghiên cứu

Phương pháp nghiên cứu

Nghiên cứu kết hợp phương pháp định tính (phỏng vấn chuyên sâu lãnh đạo SMEs sản xuất) và định lượng (khảo sát, phân tích PLS-SEM). Khảo sát được thực hiện từ tháng 09-12/2024 tại 3 miền: Bắc (42,38%); Trung (13,24%); Nam (44,38%), phù hợp với phân bố địa lý của SMEs sản xuất theo số liệu Tổng cục Thống kê (2023), với tỷ lệ tương ứng là 43,1%, 12,8% và 44,1%. Đối tượng khảo sát là quản lý từ cấp trưởng phòng trở lên, có ít nhất 1 năm kinh nghiệm.

Nghiên cứu sử dụng phương pháp lấy mẫu thuận tiện với 748 bảng hỏi phát ra; số bảng hỏi thu về 336 phản hồi (44,91%). Sau sàng lọc, còn 225 phản hồi hợp lệ (Hair và cộng sự, 2021), thuộc các lĩnh vực: Thiết bị điện tử (31,56%); Chế biến thực phẩm (24,44%); Hóa chất (16,89%); Sản xuất xe có động cơ (19,11%) và khác (8%).

KẾT QUẢ NGHIÊN CỨU

Nghiên cứu sử dụng PLS-SEM để kiểm định mô hình và các giả thuyết nghiên cứu. Thiên lệch phương pháp chung (CMB) được kiểm tra thông qua hệ số phóng đại phương sai (VIF) (Kock, 2015), với kết quả < 3,3 cho thấy không có hiện tượng CMB (Bảng 1). Các biện pháp bảo mật và ẩn danh được áp dụng theo Podsakoff và cộng sự (2003) để đảm bảo tính chính xác của kết quả nghiên cứu.

Bảng 1: Kết quả kiểm tra VIF mô hình bên trong

Nguồn: Nhóm tác giả phân tích

Theo Hair và cộng sự (2021) và Henseler và cộng sự (2016), độ tin cậy được xác định thông qua hệ số tải (≥ 0,7), Cronbach’s Alpha và độ tin cậy tổng hợp (CR) (≥ 0,70). Kết quả phân tích cho thấy, tất cả các cấu trúc trong nghiên cứu đều đáp ứng tiêu chuẩn (Bảng 2). Tính hội tụ được đảm bảo khi giá trị phương sai trung bình trích (AVE) và hệ số tải > 0,50, đảm bảo thang đo có độ tin cậy và phù hợp cho phân tích tiếp theo.

Bảng 2: Phân tích độ tin cậy và hội tụ của thang đo

Nguồn: Nhóm tác giả phân tích

Độ tin cậy phân biệt được đánh giá qua nhiều phương pháp. Chỉ số dị tính trạng - đơn tính trạng (HTMT) của các cặp biến đều < 0,9 (Henseler và cộng sự, 2016) (Bảng 3), và kiểm định Fornell và Larcker (1981) cho thấy, căn bậc hai của AVE > hệ số tương quan giữa các biến tiềm ẩn (Bảng 4), xác nhận tính phân biệt của các cấu trúc.

Bảng 3: Kết quả phân tích giá trị phân biệt HTMT của các biến

Nguồn: Nhóm tác giả phân tích

Bảng 4: Kết quả phân tích giá trị phân biệt Fornell-Larcker của các biến

Nguồn: Nhóm tác giả phân tích

Các giả thuyết được kiểm tra thông qua phân tích mô hình PLS-SEM, kết quả như sau:

Bảng 5: Tóm tắt kết quả phân tích mô hình bên trong

Nguồn: Nhóm tác giả phân tích

Kết quả PLS-SEM cho thấy, LĐS tác động tích cực đến KNTTTTS (H4: β = 0,157; t = 2,189; P = 0,029) và KNKTTTS (H5: β = 0,124; t = 2,330; P = 0,020). Điều này phù hợp với Kane và cộng sự (2019) về vai trò của LĐS trong việc tạo động lực và thúc đẩy NLS, thông qua hỗ trợ tiếp cận kiến thức số, cũng như Banmairuroy và cộng sự (2022) về tác động của LĐS đến KNKTTTS.

KNTTTTS và KNKTTTS đều ảnh hưởng đáng kể đến NLS (H6: β = 0,213; t = 2,896; P = 0,004; H7: β = 0,504; t = 6,843; P < 0,001), ủng hộ Boroomand và Chan (2022) và Kastelli và cộng sự (2024) về vai trò then chốt của cả 2 yếu tố này. KNTTTTS tác động tích cực đến KNKTTTS (H8: β = 0,661; t = 13,780; P < 0,001), đồng thuận với Ferreira và cộng sự (2024) về mối liên hệ giữa thu thập và khai thác tri thức.

LĐS không ảnh hưởng trực tiếp đến NLS (H1: β = -0,035; t = 0,565; P = 0,572). Chen và cộng sự (2023) giải thích điều này bằng các rào cản về tài chính và công nghệ của SMEs tại thị trường mới nổi, trong khi Adarkwah và Malonæs (2022) nhấn mạnh tác động của quy mô hạn chế và khả năng tiếp cận công nghệ thấp.

Phân tích vai trò trung gian cho thấy, LĐS tác động gián tiếp đến NLS qua KNKTTTS (H3: β = 0,063; t = 2,318; P = 0,021), ủng hộ quan điểm của Westerman và cộng sự (2014) về tầm quan trọng của việc nâng cao hiểu biết công nghệ. KNTTTTS không đóng vai trò trung gian giữa LĐS và NLS (H2: β = 0,033; t = 1,678; P = 0,093), phù hợp với Boroomand và Chan (2022) khi cho rằng, KNTTTTS cần kết hợp với chiến lược khai thác phù hợp.

KẾT LUẬN VÀ KHUYẾN NGHỊ

Kết luận

Nghiên cứu này cho thấy, ảnh hưởng của LĐS lên NLS tại các SMEs sản xuất tại Việt Nam chưa đạt hiệu quả như kỳ vọng, có thể được giải thích bởi những rào cản đặc thù về nguồn lực, với quy mô và khả năng tiếp cận công nghệ còn hạn chế của SMEs. Ngay cả với KNTTTTS phát triển, SMEs sản xuất vẫn gặp khó khăn trong việc chuyển hóa khả năng LĐS thành NLS thực thụ.

Mặt khác, SMEs có thể đồng thời phát triển khả năng LĐS và KNKTTTS để nâng cao NLS, hướng tới chuyển đổi số hiệu quả, ngay cả trong bối cảnh thị trường mới nổi đầy biến động. Bằng cách nâng cao KNKTTTS từ các hoạt động kinh doanh, SMEs sản xuất Việt Nam có thể nâng cao hiểu biết công nghệ, thực hiện chuyển đổi số hiệu quả.

Kết quả nghiên cứu cũng cho thấy ảnh hưởng tích cực của LĐS lên KNTTTTS và KNKTTTS, nhấn mạnh vai trò của tầm nhìn và khả năng lãnh đạo của bộ phận quản lý trong thời đại số. Ngoài ra, KNTTTTS và KNKTTTS đều thể hiện tác động đáng kể lên NLS, cho thấy SMEs sản xuất cần tích cực đầu tư và trau dồi khả năng tích lũy và khai thác tri thức, từ đó góp phần nâng cao NLS của doanh nghiệp. Khai thác KNTTTTS một cách hiệu quả cũng là một yếu tố quan trọng, giúp doanh nghiệp tối ưu hóa KNKTTTS, đóng góp vào lợi thế cạnh tranh của doanh nghiệp.

Khuyến nghị giải pháp

Về mặt chính sách

Dựa trên kết quả nghiên cứu về tác động tích cực của LĐS đối với KNTTTTS (H4) và KNKTTTS (H5), nhà nước cần ưu tiên phát triển kỹ năng lãnh đạo số thông qua các chương trình đào tạo chuyên sâu. Các chương trình này cần được thiết kế phù hợp với đặc thù của từng ngành sản xuất, như: điện tử, thực phẩm, hóa chất, cơ khí và điều kiện cụ thể của từng địa phương. Bên cạnh đó, để tận dụng mối quan hệ mạnh mẽ giữa KNTTTTS và KNKTTTS (H8), nhà nước cần hoàn thiện khuôn khổ pháp lý về bảo mật dữ liệu và chia sẻ thông tin số. Đồng thời, cần đẩy mạnh phát triển hạ tầng kỹ thuật số, như: băng thông rộng, mạng 5G và các trung tâm dữ liệu. Việc thành lập các trung tâm tư vấn chuyển đổi số chuyên biệt cho SMEs cũng là một giải pháp quan trọng để hỗ trợ doanh nghiệp trong quá trình chuyển đổi.

Đối với doanh nghiệp

Thứ nhất, mặc dù LĐS không ảnh hưởng trực tiếp đến NLS (H1) nhưng có tác động gián tiếp thông qua KNKTTTS (H3), do đó doanh nghiệp cần tập trung xây dựng văn hóa đổi mới sáng tạo và tầm nhìn số hóa dài hạn. Điều này đòi hỏi lãnh đạo phải cởi mở, sẵn sàng học hỏi công nghệ mới và ưu tiên sử dụng dữ liệu trong ra quyết định thay vì dựa vào kinh nghiệm.

Thứ hai, với tác động tích cực của KNTTTTS đến cả KNKTTTS và NLS (H6; H8), doanh nghiệp cần đầu tư vào các công nghệ và nền tảng số hiện đại, đặc biệt là các công cụ quản lý và phần mềm cộng tác số. Việc này giúp chuẩn hóa quy trình thu thập, chia sẻ tri thức số và tạo nền tảng vững chắc cho việc nâng cao NLS. Song song đó, cần tăng cường đào tạo nhân sự thông qua các chương trình huấn luyện và hội thảo với chuyên gia công nghệ trong nước và quốc tế.

Thứ ba, do KNKTTTS có ảnh hưởng mạnh nhất đến NLS (H7), doanh nghiệp cần tập trung vào việc ứng dụng các công nghệ tiên tiến, như: AI, Big Data, Cloud Computing và Blockchain để tối ưu hóa việc truy cập, phân tích và bảo mật tri thức số. Việc phát triển văn hóa chia sẻ tri thức thông qua đào tạo nội bộ và khuyến khích học hỏi lẫn nhau cũng rất quan trọng. Đặc biệt, doanh nghiệp cần xây dựng hệ thống KPIs để đánh giá hiệu quả khai thác tri thức số và thực hiện cải tiến liên tục để đảm bảo phù hợp với thực tế hoạt động./.

TÀI LIỆU THAM KHẢO

1. Adarkwah, G. K., and Malonæs, T. P. (2022), Firm-specific advantages: A comprehensive review with a focus on emerging markets, Asia Pacific Journal of Management, 39(2), 539-585, https://doi.org/10.1007/s10490-020-09737-7.

2. Arshad, A., Latif, S. K. A., Kakakhel, M. G., and Adnan, S. (2024), Digital leadership unleashed: harnessing organizational agility for transformation success, International Journal of Social Sciences Bulletin, 2(1), 144–153.

3. Banmairuroy, W., Kritjaroen, T., and Homsombat, W. (2022), The effect of knowledge-oriented leadership and human resource development on sustainable competitive advantage through organizational innovation’s component factors: Evidence from Thailand ’s new S-curve industries, Asia Pacific Management Review, 27(3), 200-209, https://doi.org/10.1016/j.apmrv.2021.09.001.

4. Barney, J. (1991), Firm resources and sustained competitive advantage, Journal of management, 17(1), 99-120.

5. Benitez, J., Arenas, A., Castillo, A., and Esteves, J. (2022), Impact of digital leadership capability on innovation performance: The role of platform digitization capability, Information and Management, 59(2), https://doi.org/10.1016/j.im.2022.103590.

6. Bhattacherjee, A. (2012), Scholar Commons Social Science Research: Principles, Methods, and Practices.

7. Boroomand, F., and Chan, Y. E. (2022), Digital absorptive capacity: developing an instrument, Knowledge Management Research and Practice, 22(1), 61–72, https://doi.org/10.1080/14778238.2022.2139773.

8. Cabrilo, S., Dahms, S., and Tsai, F. S. (2024), Synergy between multidimensional intellectual capital and digital knowledge management: Uncovering innovation performance complexities, Journal of Innovation and Knowledge, 9(4).

9. Chen, C., Pan, J., Liu, S., and Feng, T. (2023), Impact of digital capability on firm resilience: The moderating role of coopetition behavior, Business Process Management Journal, 29(7), 2167-2190.

10. Cohen, W. M., and Levinthal, D. A. (1990), Absorptive capacity: A new perspective on learning and innovation, Administrative science quarterly, 35(1), 128-152.

11. De Bem Machado, A., Secinaro, S., Calandra, D., and Lanzalonga, F. (2021), Knowledge management and digital transformation for Industry 4.0: a structured literature review, Knowledge Management Research and Practice, 20(2), 320–338, https://doi.org/10.1080/14778238.2021.2015261.

12. Ferreira, J. J. M., Fernandes, C. I., and Veiga, P. M. (2024), The effects of knowledge spillovers, digital capabilities, and innovation on firm performance: A moderated mediation model, Technological Forecasting and Social Change, 200, https://doi.org/10.1016/j.techfore.2023.123086.

13. Fornell, C., and Larcker, D. F. (1981), Evaluating structural equation models with unobservable variables and measurement error, Journal of Marketing Research, 18(1), 39-50.

14. Glavas, C., and Mathews, S. (2014), How international entrepreneurship characteristics influence Internet capabilities for the international business processes of the firm, International Business Review, 23(1), 228–245, https://doi.org/10.1016/j.ibusrev.2013.04.001.

15. Gupta, H., Yadav, A. K., Kusi-Sarpong, S., Khan, S. A., and Sharma, S. C. (2022), Strategies to Overcome Barriers to Innovative Digitalisation Technologies for Supply Chain Logistics Resilience during Pandemic, Technology in Society, 69(1), https://doi.org/10.1016/j.techsoc.2022.101970.

16. Gupta, S., Modgil, S., Bhushan, B., Kamble, S., and Mishra, J. (2023), Digital innovation and transformation capabilities in a large company, Expert Systems, 41(7), https://doi.org/10.1111/exsy.13452.

17. Hair, J. F., Hult, G. T. M., Ringle, C. M., Sarstedt, M., Danks, N. P., and Ray, S. (2021), Partial Least Squares Structural Equation Modeling (PLS-SEM) Using R: A Workbook, Springer International Publishing, https://doi.org/10.1007/978-3-030-80519-7.

18. Henseler, J., Hubona, G., and Ray, P. A. (2016), Using PLS path modeling in new technology research: Updated guidelines, Industrial Management and Data Systems, 116(1), 2-20, https://doi.org/10.1108/IMDS-09-2015-0382.

19. Kane, G. C., Phillips, A. N., Copulsky, J., and Andrus, G. (2019), How digital leadership is (n’t) different, MIT Sloan Management Review, 60(3), 34-39.

20. Karakose, T., Kocabas, I., Yirci, R., Papadakis, S., Ozdemir, T. Y., and Demirkol, M. (2022), The Development and Evolution of Digital Leadership: A Bibliometric Mapping Approach-Based Study, Sustainability, 14(23), https://doi.org/10.3390/su142316171.

21. Kastelli, I., Dimas, P., Stamopoulos, D., and Tsakanikas, A. (2024), Linking digital capacity to innovation performance: The mediating role of absorptive capacity, Journal of the Knowledge Economy, 15(1), 238-272, https://doi.org/10.1007/s13132-022-01092-w.

22. Klein, M. (2020), Leadership characteristics in the era of digital transformation. Business and Management Studies: An International Journal, 8(1), 883–902, https://doi.org/10.15295/bmij.v8i1.1441.

23. Kock, N. (2015), Common method bias in PLS-SEM: A full collinearity assessment approach, International Journal of E-Collaboration, 11(4), 1-10, https://doi.org/10.4018/ijec.2015100101.

24. Lai, F.-Y., Tang, H.-C., Lu, S.-C., Lee, Y.-C., and Lin, C.-C. (2020), Transformational Leadership and Job performance: the Mediating Role of Work Engagement, SAGE Open, 10(1). Sagepub, https://doi.org/10.1177/2158244019899085.

25. Masood, T., and Sonntag, P. (2020), Industry 4.0: Adoption challenges and benefits for SMEs, Computers in Industry, 121, https://doi.org/10.1016/j.compind.2020.103261.

26. Podsakoff, P. M., MacKenzie, S. B., Lee, J.-Y., and Podsakoff, N. P. (2003), Common method biases in behavioral research: A critical review of the literature and recommended remedies, Journal of Applied Psychology, 88(5), 879-903, https://doi.org/10.1037/0021-9010.88.5.879.

27. Qi, Y., Chen, Q., Yang, M., and Sun, Y. (2024), Ambidextrous knowledge accumulation, dynamic capability and manufacturing digital transformation in China, Journal of Knowledge Management, 28(8), 2275-2305.

28. Shin, J., Mollah, M. A., and Choi, J. (2023), Sustainability and Organizational Performance in South Korea: The Effect of Digital Leadership on Digital Culture and Employees’ Digital Capabilities, Sustainability, 15(3), https://doi.org/10.3390/su15032027.

29. Siesfeld, T., Cefola, J., and Neef, D. (2009), The economic impact of knowledge, Routledge eBooks, https://doi.org/10.4324/9780080505022.

30. Tagscherer, F., and Carbon, C. (2023), Leadership for successful digitalization: A literature review on companies’ internal and external aspects of digitalization, Sustainable Technology and Entrepreneurship, 2(2), https://doi.org/10.1016/j.stae.2023.100039.

31. Teece, D. J., Pisano, G., and Shuen, A. (1998), Dynamic capabilities and strategic management, Strategic Management Journal, 18(7), 509–533, https://doi.org/10.1002/(SICI)1097-0266(199708)18:7%3C509::AID-SMJ882%3E3.0.CO;2-Z.

32. Vial, G. (2021), Understanding digital transformation: A review and a research agenda, Managing digital transformation, 13-66.

33. Wang, G., Mansor, Z. D., and Leong, Y. C. (2024), Linking digital leadership and employee digital performance in SMEs in China: The chain-mediating role of high-involvement human resource management practice and employee dynamic capability, Heliyon, 10(16).

34. Wernerfelt, B. (1984), A resource-based view of the firm, Strategic Management Journal, 5(2), 171–180, https://doi.org/10.1002/smj.4250050207.

35. Westerman, G., Bonnet, D., and McAfee, A. (2014), Leading digital: Turning technology into business transformation, Harvard Business Press.