I figur 5 visas hur den digitala intensiteten utvecklats har mellan 2012 och 2014, när den digitala intensiteten beräknas med användning av mjukvara för affärssystem och mjukvara för hantering av kundrelationer (ERP och CRM). Den digitala intensiteten har ökat i de flesta branscher, förutom i byggindustrin och transport och magasinering. Ökningen mellan 2012 och 2014 är tydlig i informations- och kommunikationsföretag och bland fastighetsbolag. År 2012 var handeln och tillverkningsindustrin de mest digitalt intensiva branscherna. Den digitala intensiteten ökade mycket bland Informations- och
8 Se till exempel Su och Yang (2010, 2010b), Madapusi och D'Souza (2012).
tionsföretag samt fastighetsbolag och fastighetsförvaltare. År 2014 var det liten skillnad mellan handeln, informations- och kommunikationsföretag samt fastighetsbolag avseende digital intensitet.
Figur 5 Digital intensitet i företag fördelat på bransch 2012 och 2014
Anm: Beräkningen basera på användningen av ERP-system och mjukvara för hantering av kundinformation CRM. Sannolikhet att ett typföretag använder båda applikationerna. Typföretaget har en omsättning på 25 miljoner, är inte del av en internationell koncern och inte verksamt i IKT-sektorn.
Källa: IT-användning i företag, Företagens ekonomi, SCB. Egna beräkningar.
0%
20%
40%
60%
Tillverkningsindustri El, gas och värmeverk mm Byggindustri Handel, mm Transport och magasinering Hotell och restauranger Information och kommunikationsföret ag Fastighetsbolag och fastighetsförvaltare Andra tjänsteföretag
2012 2014
5 Avslutande diskussion
I Tillväxtanalys (2016) diskuterades en indikator på digital intensitet i svenskt näringsliv som syftade till att göra det möjligt att jämföra användningen av digitala tekniker i olika branscher. Den föreslagna indikatorn jämförde användningen av ett antal olika digitala tekniker för ett givet typföretag i olika branscher.
I denna rapport försöker vi sätta användningen av olika digitala tekniker i ett sammanhang, genom att diskutera kopplingen mellan vad statistiken mäter och kopplingen till det näringspolitiska målet. Avsikten är att förbättra måttet på digital intensitet i syfte att kunna definiera en indikator på digitalisering i företagen i syfte att nå näringspolitiska mål genom är att besvara frågorna om det finns ett samband mellan IT-användning och produktivitet och i så fall, är det möjligt att sammanfatta IT-användning på ett sådant sätt att den kan användas som en indikator
En indikator är bra om den mäter det den avser mäta och det finns en tydlig och entydig koppling mellan indikatorn och de politiska målen. Nästan alla företag i alla branscher använder datorer och internet i sin verksamhet. Däremot är det skillnad mellan branscher i vilka och hur många olika affärsprocesser företagen typiskt använder. Företag inom handeln och informations- och kommunikationsföretag använder flest tjänster: igenomsnitt använder de tre av sex digitala applikationer. Företag i byggsektorn använder det lägsta antalet av de här mätta digitala applikationerna: i genomsnitt använder de en av de sex tjänster som vi mätt.
Användningen av olika digitala applikationer är högt korrelerade. Det gör det svårt att identifiera vilka applikationer som är särskilt relevanta för värdeskapande för företag i olika branscher. Dessutom varierar denna koppling mellan tekniker mellan olika branscher.
All mätning av digital intensitet i företagen beror också på vad man väljer att mäta.
Användningen av ERP-system är kopplad till användning av andra digitala applikationer.
Av denna anledning studeras särskilt kopplingen mellan användning av ERP och produktivitet i företagen. Vi finner att företag som använder ERP-system i allmänhet är mer produktiva än företag som inte använder dessa tekniker. Det tycks också finnas ett positivt samband mellan produktivitetspremien på branschnivå och andelen företag i respektive bransch som använder ERP-system. Detta kan tolkas som att användningen av ERP-system är en rimlig indikator för digitaliseringens bidrag till företagens produktivitet.
Även användning av mjukvara för hantering av kundrelationer (CRM-system) har ett positivt samband med produktivitet, medan andra applikationer inte har en lika tydlig. En beräkning av digital intensitet baserad på dessa två applikationer visar att den digitala intensiteten har ökat i de flesta branscher mellan 2012 och 2014.
Vi rekommenderar att frågor om företagens användning av ERP-system och mjukvara för hantering av kundrelationer blir regelbundet återkommande frågor i undersökningen IT-användning i företag. Det är också viktigt att frågans konstruktion och formulering bevaras, eftersom det annars inte går att följa utvecklingen över tiden.
Ytterligare studier som försöker bena ut hur företag anammar olika tekniker är nödvändiga för att komma vidare i studier om produktivitet och användning av olika digitala applika-tioner och affärslösningar.
Referenser
Altinkemer, K., Ozcelik, Y. och Ozdemir, Z. D. (2011): Productivity and performance effects of business process reengineering: A firm-level analysis. Journal of Management Information Systems, 27(4), s. 129–162.
Beheshti, H. M. och Beheshti, C. M. (2010): Improving productivity and firm performance with enterprise resource planning. Enterprise Information Systems, 4(4), s.445–472.
Cardona, M., Kretschmer, T. och Strobel, T. (2013): ICT and productivity: conclusions from the empirical literature. Information Economics and Policy, 25(3), s. 109–125.
Edquist, Harald och Henrekson, Magnus (2015): How important are ICT and R&D to Economic Growth? IFN Working Paper 1073, Stockholm: Institutet för
näringslivsforskning.
Edquist, Harald och Henrekson, Magnus (2016): Do R&D and ICT Affect Total Factor Productivity Growth Differently? IFN Working Paper 1108, Stockholm: Institutet för näringslivsforskning.
Eu-kommissionen (2013): Evalsed: The resource for the evaluation of Socio-Economic Development. Hämtad [2015-05-20]
http://ec.europa.eu/regional_policy/sources/docgener/evaluation/guide/guide_evalse d.pdf
Falk, Martin och Biagi, Federico (2017): Relative demand for highly skilled workers and use of different ICT technologies, Applied Economics 49(9), s. 903–914, DOI:
10.1080/00036846.2016.1208357.
Haller, Stefanie och Siedschlag, Iulia (2011): Determinants of ICT adoption: Evidence from firm-level data. Applied Economics 43(26), s. 3775–3788.
Hendricks, K. B., Singhal, V. R. och Stratman, J. K. (2007): The impact of enterprise systems on corporate performance: A study of ERP, SCM, and CRM system implementations. Journal of operations management, 25(1), s. 65–82.
Hitt, L. M. och DJ Wu, X. Z. och Zhou, X. (2002): Investment in enterprise resource planning: Business impact and productivity measures. Journal of management information systems, 19(1), s. 71–98.
Hunton, J. E., Lippincott, B. och Reck, J. L. (2003): Enterprise resource planning systems:
comparing firm performance of adopters and nonadopters. International Journal of Accounting information systems, 4(3), s.165–184
Kallunki, J. P., Laitinen, E. K., och Silvola, H. (2011): Impact of enterprise resource planning systems on management control systems and firm performance.
International Journal of Accounting Information Systems, 12(1), s. 20–39.
Lipsey, Richard, Carlaw. Kenneth I och Bekhar Clifford T. (2005): Economic
Transformations: General Purpose Technologies and Long Term Economic Growth.
Oxford: Oxford University Press.
Madapusi, A. och D'Souza, D. (2012): The influence of ERP system implementation on the operational performance of an organization. International Journal of Information Management, 32(1), s. 24–34.
Nurmilaakso, J. M. (2009): ICT solutions and labor productivity: evidence from firm-level data. Electronic Commerce Research, 9(3), s. 173–181.
Polder, Michael, van Leeuwen, George, Mohnen, Pierre och Raymond, Wladimir (2010):
Product, Process and Organizational Innovation: Drivers, Complementarity and Productivity Effects (June 18, 2010). CIRANO - Scientific Publications 2010.
http://dx.doi.org/10.2139/ssrn.1626805.
Regeringskansliet (2017): För ett hållbart digitaliserat Sverige – en digitaliseringsstrategi, Diarenr N2017/03643/D,
http://www.regeringen.se/49adea/contentassets/5429e024be6847fc907b786ab95422 8f/digitaliseringsstrategin_slutlig_170518-2.pdf.
Romero, Cipriano Quirós, och Rodríguez, Diego Rodríguez (2010): E-commerce and efficiency at the firm level. International Journal of Production Economics 126(2), s. 299–305.
Rybalka, M. (2009): Measuring ICT capital and estimating its impact on firm productivity.
Manufacturing firms versus firms in services, Reports 2009/4, Oslo-Kångsvinger:
Statistisk sentralbyrå.
Sarbu, M. (2017): Does Social Media Increase Labour Productivity? Jahrbücher für Nationalökonomie und Statistik, 237(2), s.81–113.
SCB (2016): IT-användning i företag 2016, Beskrivning av statistiken. Diarenr NV0116, Örebro: Statistiska Centralbyrån.
Spieza, Vicenzo (2012): ICT Investments and productivity: Measuring the contribution of ICTS to growth, OECD Journal: Economic Studies, Vol 2012/1.
Spiezia, V. (2011): Are ICT Users More Innovative? OECD Journal: Economic Studies, 2011(1), s. 1–21.
Su, Y. F. och Yang, C. (2010): A structural equation model for analyzing the impact of ERP on SCM. Expert Systems with Applications, 37(1), s. 456–469.
Su, Y. F. och Yang, C. (2010b): Why are enterprise resource planning systems indispensable to supply chain management?. European Journal of Operational Research, 203(1), s. 81–94.
Tillväxtanalys (2016): Digital mognad i svenskt näringsliv – ett förslag på ny indikator, PM 2016:18, Myndigheten för tillväxtpolitiska utvärderingar och analyser, Östersund.
Appendix
Produktivitetspremie för användning av ERP-system Produktivitetspremie skattad med fixa effekter
Produktionen i företag i i bransch j skattas:
1 Där y är företagets produktion, K är företagets kapitalstock, mätt som det bokförda värdet av materiella anläggningstillgångar, L är antalet sysselsatta i företag och IntK är en indikatorvariabel som tar värdet 1 om företaget är en del av en internationell koncern, och noll annars. ERP är en dummyvariabel som tar värdet 1 om företaget använder ett ERP-system. B är en uppsättning av j stycken dummyvariabler som tar värdet 1 om företaget är verksamt i bransch j och noll annars.
Tabell 11 Regressionsresultat, fixa effekter. Beroende variabel är logaritmerat förädlingsvärde
Bransch Estimat Std.err
Bransch / ERP
Tillverkningsindustri 0,0743 0,042
El, gas och värmeverk mm 0,1799 0,118
Byggindustri 0,0311 0,057
Handel, mm 0,175 0,057
Transport och magasinering 0,135 0,105
Hotell och restauranger -0,031 0,076
Information och kommunikationsföretag 0,2545 0,157
Fastighetsbolag och fastighetsförvaltare 0,3544 0,156
Andra tjänsteföretag 0,1868 0,072
1.iIntKoncern 0,2883 0,039
Bransch (FE)
El, gas och värmeverk mm 0,0218 0,289
Byggindustri 0,0418 0,174
Handel, mm 0,046 0,147
Transport och magasinering 0,0495 0,242
Hotell och restauranger -0,2365 0,145
Information och kommunikationsföretag 0,7395 0,296
Fastighetsbolag och fastighetsförvaltare 0,4314 0,325
Andra tjänsteföretag 0,4949 0,132
Bransch / Sysselsättning x
Tillverkningsindustri 0,995 0,02
El, gas och värmeverk mm 1,0711 0,055
Byggindustri 0,9889 0,04
Bransch Estimat Std.err
Handel, mm 0,97 0,029
Transport och magasinering 0,9341 0,05
Hotell och restauranger 0,9592 0,033
Information och kommunikationsföretag 0,8317 0,099
Fastighetsbolag och fastighetsförvaltare 0,7523 0,089
Andra tjänsteföretag 0,8724 0,028
Bransch / Kapital
Tillverkningsindustri 0,0143 0,008
El, gas och värmeverk mm 0,032 0,016
Byggindustri 0,0168 0,005
Handel, mm 0,0118 0,006
Transport och magasinering 0,0244 0,013
Hotell och restauranger 0,0101 0,006
Information och kommunikationsföretag 0,0102 0,006
Fastighetsbolag och fastighetsförvaltare 0,0684 0,014
Andra tjänsteföretag 0,0063 0,004
Konstant 6,052 0,1
I urval I populationen
Antal observationer 3 517 32 109
R2 81% x
F( 36, 3481) = 456,88 x x
Anm: Observationerna är viktade med betydelsevikter, som återspeglar antal företag observationen representerar.
Källa: Företagens ekonomi och IT-användning i företag, SCB. Egna beräkningar.
Produktivitetspremie som slumpvariabel Företagets produktivitet yij skattas
2 Där L är antalet sysselsatta i företaget, K är företagets kapitalstock mätt som det bokförda värdet av materiella anläggningstillgångar. Avkastning på arbete och kapital varierar mellan branscher kring genomsnittligt avkastning på arbete ( ) och kapital ( ). Den genomsnittliga avvikelsen i avkastning på arbete respektive kapital indikeras av ( ) och ( ). Produktivitetspremien beräknas på branschnivå som en spridning i produktivitet per bransch .
Tabell 12 Regressionsresultat. Slumpmässiga (random) effekter. Beorende variabel är logaritmerat förädlingsvärde
Fixa effekter Beta Standardfel
Ln_L 0,9436 0,0235
ln_K 0,0202 0,0061
1.iIntKoncern 0,2519 0,0323
_cons 6,2257 0,0856
Random effect per bransch Standardfel
sd(ln_L) 0,0540 0,0215
sd(ln_L) 0,0169 0,0047
sd(ERP) 0,1653 0,0505
sd(_cons) 0,2061 0,0701
sd(Residual) 0,5311 0,0083
Antal observationer 3 517
Antal grupper 9
Wald 2(3) = 1 843,6
Anm: Den fixa delen av regressionen är viktade med betydelsevikter, som återspeglar antal företag observationen representerar. Den slumpmässiga delen är oviktad och skalad med branschens urvalsstorlek.
Källa: IT-användning i företag, Företagens ekonomi, SCB. Egna bearbetningar.
Produktivitetspremie för övriga applikationer
Produktionsfunktionen (ekvation 1) skattades även med användningen av övriga digitala applikationer förutom ERP-system. I tabell 13 presenteras estimaten för produktivitets-premien för de olika applikationerna. Resultaten i denna tabell ligger till grund för tabell 10.
Tabell 13 Regressionsresultat. Produktivitetspremie (Fixa effekter) per bransch av olika applikationer Energi och återvinning 0,11
(1,11) -0,17
magasineringsföretag (1,91) 0,23 -0,07
(-0,77) -0,05
(-0,60) -0,07
(-0,51) 0,01 (0,05) Hotell och restauranger 0,01
(0,11) 0,10
kommunikationsföretag (0,21) 0,03 0,05
(0,42) -0,12
Källa: IT-användning i företag, Företagens ekonomi, SCB. Egna bearbetningar.
Skattning av digital intensitet
För att beräkna index beräknas sannolikheten att företag i svarar ja på den aktuella frågan.
För varje fråga Yj gör vi en probit
( )
Där Xi är en matris med variabler om företaget: bransch, om företaget tillhör IKT-sektorn, omsättning, om företaget hör till en koncern.
Utifrån denna probit-skattning beräknas sannolikheten för ett typföretag att svara ”ja” på (den aktuella) frågan, fördelad på bransch.
( ) ( ̃ )
Där Pb är sannolikheten att ett företag i bransch (b) svarar ja på fråga (j), givet typvärden på oberoende variabler. Typföretaget för branschskattningen är ett företag med en omsättning på 250 miljoner kronor, som inte är del av en internationell koncern.
Digital intensitet Di beräknas för varje år som ett geometriskt genomsnitt av sannolikheten att ett företag använder någon av teknologierna.
(∏ ( ̃ )
)
( )
Där j är antingen att företaget använder ERM-system eller mjukvara för hantering av kundrelationer (CRM-system). Den simultana sannolikheten att ett företag i respektive bransch använder samtliga ingående applikationer erhålls genom:
( )
www .til lv axt ana
Myndigheten för tillväxtpolitiska utvärderingar och analyserTillväxtanalys är en analysmyndighet under Näringsdepartementet. På uppdrag av regeringen utvärderar och analyserar vi svensk tillväxtpolitik.
Vi arbetar för att stärka den svenska konkurrenskraften och skapa förutsättningar för fler jobb i fler och växande företag i alla delar av landet. Det gör vi genom att ge regeringen kvalificerade kunskapsunderlag och rekommendationer för att utveckla, ompröva och effektivisera statens arbete för hållbar tillväxt och näringslivsutveckling.
Sakkunniga medarbetare, unika databaser och utvecklade samarbeten på nationell och internationell nivå är viktiga tillgångar i vårt arbete. Myndighetens primära målgrupper är regeringen, riksdagen och andra myndigheter inom vårt kunskapsområde. I våra utvärderingar och analyser har vi en oberoende ställning.
Vi är cirka 35 anställda och finns i Östersund (huvudkontor) och Stockholm.
Våra publikationer
Vi publicerar rapporter i tre olika serier på vår hemsida:
Rapportserien – Tillväxtanalys huvudsakliga kanal för publikationer.
I rapportserien ingår även myndighetens faktasammanställningar.
Statistikserien – Löpande statistikproduktion
PM – Metodresonemang, delrapporter och underlagsrapporter är exempel på publikationer i serien.