Nguyễn Văn Tình
Trường Đại học Tài chính – Marketing
Email: nguyenvantinh@ufm.edu.vn
Lê Thái Phượng
Học viên Chính sách và Phát triển
Email tác giả liên hệ: phuonglt@apd.edu.vn
(Quanlynhanuoc.vn) – Bài viết phân tích tác động của đặc điểm lãnh đạo chuyển đổi số lên môi trường chia sẻ tri thức và sự linh hoạt tổ chức trong các doanh nghiệp vận tải và logistics tại Việt Nam. Dữ liệu được thu thập từ 300 nhân viên và phân tích bằng mô hình cấu trúc tuyến tính bình phương tối thiểu riêng phần (PLS-SEM). Kết quả cho thấy, lãnh đạo chuyển đổi số giải thích 78,8% biến thiên của môi trường chia sẻ tri thức và 77,2% biến thiên của sự linh hoạt tổ chức. Các đặc điểm đều tác động tích cực đến sự linh hoạt tổ chức, trong đó người đề cao dữ liệu có tác động mạnh nhất. Đối với môi trường chia sẻ tri thức, năm đặc điểm có tác động tích cực gồm người đề cao dữ liệu, người kiến tạo không gian làm việc số, người dẫn dắt thay đổi tổ chức, người tối ưu hóa quy trình kinh doanh và người kiến tạo văn hóa số.
Từ khóa: Lãnh đạo chuyển đổi số, môi trường chia sẻ tri thức, sự linh hoạt tổ chức, vận tải và logistics.
Abstract: This article analyzes the impact of digital transformation leadership traits on the knowledge-sharing environment and organizational flexibility in transportation and logistics companies in Vietnam. Data were collected from 300 employees and analyzed using the Partial Least Squares Structural Equation Modeling (PLS-SEM) approach. The results show that digital transformation leadership explains 78.8% of the variance in the knowledge-sharing environment and 77.2% of the variance in organizational agility. All characteristics have a positive impact on organizational agility, with data-driven leaders having the strongest effect. Regarding the knowledge-sharing environment, the five characteristics with positive effects include data-driven leaders, digital workspace creators, organizational change leaders, business process optimizers, and digital culture creators.
Keywords: Digital transformation leadership, knowledge-sharing environment, organizational agility, transportation and logistics.
1. Đặt vấn đề
Chuyển đổi số đang làm thay đổi cách thức doanh nghiệp tổ chức hoạt động, tạo ra giá trị và cạnh tranh. Trong ngành vận tải và logistics, nơi hoạt động kinh doanh phụ thuộc vào sự phối hợp giữa nhiều bên và chịu tác động lớn của biến động thị trường, chuyển đổi số không chỉ là ứng dụng công nghệ mà còn đòi hỏi thay đổi quy trình, cơ cấu và văn hóa tổ chức. Lãnh đạo chuyển đổi số (Digital Transformation Leadership – DTL) vì vậy được xem là yếu tố giúp doanh nghiệp tận dụng công nghệ số để thay đổi cách thức vận hành (Ly, 2024) và đạt được thành công chiến lược từ quá trình số hóa (McCarthy & cộng sự, 2022).
Thành công của chuyển đổi số phụ thuộc vào khả năng thích ứng với thay đổi và khai thác tri thức của người lao động. Sự linh hoạt tổ chức (Organizational Agility – OAG) giúp doanh nghiệp nhận diện, phản ứng và thích ứng với biến động của môi trường kinh doanh (Walter, 2021). Môi trường chia sẻ tri thức (Knowledge-Sharing Environment – KSE) tạo điều kiện để nhân viên trao đổi kinh nghiệm và ý tưởng giữa các bộ phận (Lin, 2007), qua đó giúp tổ chức tích hợp tri thức cá nhân để tạo ra giá trị và đổi mới (Grant, 1996). Các nghiên cứu trước đã ghi nhận tác động tích cực của DTL đến OAG (AlNuaimi & cộng sự, 2022; Ly, 2024) và vai trò của lãnh đạo trong việc thúc đẩy chia sẻ tri thức (Park và Kim, 2018).
Tuy nhiên, phần lớn các nghiên cứu này tiếp cận DTL như một khái niệm tổng thể, chưa làm rõ đặc điểm cụ thể nào tạo ra tác động. Trên cơ sở tổng quan 87 công bố, McCarthy & cộng sự (2022) xác định tám đặc điểm của DTL, phân thành các nhóm đã được xác lập, đang hình thành và mới xuất hiện, đồng thời cho rằng không có vị trí lãnh đạo đơn lẻ nào hội tụ đủ tám đặc điểm. Việc kiểm định tác động của từng đặc điểm vì vậy giúp doanh nghiệp xác định những vai trò lãnh đạo cần ưu tiên. Xuất phát từ khoảng trống trên, nghiên cứu này đánh giá tác động của tám đặc điểm DTL đến KSE và OAG trong các doanh nghiệp vận tải và logistics tại Việt Nam. Kết quả góp phần cung cấp bằng chứng thực nghiệm và đưa ra hàm ý cho nhà quản lý trong việc xây dựng đội ngũ lãnh đạo chuyển đổi số.
2. Cơ sở lý thuyết và mô hình nghiên cứu
2.1. Khái niệm lãnh đạo chuyển đổi số
Lãnh đạo chuyển đổi số có thể được tiếp cận theo hai góc độ bổ sung cho nhau. Xét về nội dung, DTL là phong cách lãnh đạo tập trung vào việc thay đổi quy trình, cơ cấu và văn hóa tổ chức thông qua việc tận dụng các công nghệ số tiên tiến (Ly, 2024). Xét về mục tiêu, DTL là việc đưa ra những quyết định và hành động đúng đắn để quá trình số hóa đạt được thành công chiến lược cho doanh nghiệp và hệ sinh thái kinh doanh của doanh nghiệp (McCarthy & cộng sự, 2022). Như vậy, lãnh đạo chuyển đổi số vừa là quá trình dẫn dắt sự thay đổi bên trong tổ chức, vừa hướng đến kết quả chiến lược mà quá trình số hóa mang lại.
Trên cơ sở tổng quan tài liệu, McCarthy & cộng sự (2022) xác định tám đặc điểm của DTL. Nhà chiến lược số dẫn dắt tầm nhìn và tư duy số, đồng thời đưa chuyển đổi số trở thành ưu tiên chiến lược của tổ chức. Kiến trúc sư số thiết kế kiến trúc nền tảng số dựa trên các công nghệ hiện hữu và mới nổi. Người dẫn dắt thay đổi tổ chức tập trung vào sự kết nối liên chức năng và việc đơn giản hóa hoạt động. Người kiến tạo văn hóa số theo đuổi cách tiếp cận song hành đối với số hóa và vun đắp văn hóa số. Người lấy khách hàng làm trung tâm, hướng đến nâng cao giá trị dành cho khách hàng. Người đề cao dữ liệu, khai thác dữ liệu phục vụ mục tiêu chiến lược. Người tối ưu hóa quy trình kinh doanh, tái cấu trúc và tối ưu các quy trình mang tính liên chức năng. Người kiến tạo không gian làm việc số, thúc đẩy sự phát triển của nguồn lực và vượt qua các rào cản đối với thay đổi.
2.2. Mối quan hệ giữa DTL và môi trường chia sẻ tri thức
KSE là các tương tác xã hội liên quan đến việc trao đổi tri thức, kinh nghiệm và chuyên môn của nhân viên ở tất cả các bộ phận trong tổ chức (Lin, 2007), bao gồm cả việc chia sẻ tri thức ẩn qua trao đổi trực tiếp và tri thức tường minh qua công nghệ, quy trình chuẩn hóa (Hau & cộng sự, 2013). Theo lý thuyết vốn tri thức, tri thức là nguồn lực chiến lược và việc tích hợp tri thức của các cá nhân giúp tổ chức tạo ra giá trị và đổi mới (Grant, 1996). Các nghiên cứu trước đây cho thấy lãnh đạo giữ vai trò quan trọng trong việc hình thành môi trường này, bởi khi nhà lãnh đạo quan tâm đến tri thức và tạo điều kiện cho việc trao đổi, nhân viên có xu hướng chia sẻ nhiều hơn (Park và Kim, 2018). DTL định hình tầm nhìn về một tổ chức học tập, nơi tri thức được xem là tài sản cốt lõi trong chuyển đổi số (Ly, 2024), đồng thời truyền cảm hứng giúp nhân viên nhận thức rõ giá trị của việc chia sẻ (Majumdarr & cộng sự, 2025). DTL còn khuyến khích sáng tạo và học hỏi từ thất bại (Arham & cộng sự, 2024), giúp nhân viên cảm thấy an toàn khi chia sẻ kinh nghiệm (Vermeulen & cộng sự, 2017), và phát triển kỹ năng số để nhân viên tự tin trao đổi tri thức trong môi trường số (Luu, 2023). Như vậy, DTL được kỳ vọng tác động tích cực đến KSE. Từ những lập luận trên, nghiên cứu đề xuất các giả thuyết sau:
Giả thuyết H1. Nhà chiến lược số ảnh hưởng tích cực lên môi trường chia sẻ tri thức.
Giả thuyết H2. Kiến trúc sư số ảnh hưởng tích cực lên môi trường chia sẻ tri thức.
Giả thuyết H3. Người dẫn dắt thay đổi tổ chức ảnh hưởng tích cực lên môi trường chia sẻ tri thức.
Giả thuyết H4. Người kiến tạo văn hóa số ảnh hưởng tích cực lên môi trường chia sẻ tri thức.
Giả thuyết H5. Người lấy khách hàng làm trung tâm ảnh hưởng tích cực lên môi trường chia sẻ tri thức.
Giả thuyết H6. Người đề cao dữ liệu ảnh hưởng tích cực lên môi trường chia sẻ tri thức.
Giả thuyết H7. Người tối ưu hóa quy trình kinh doanh ảnh hưởng tích cực lên môi trường chia sẻ tri thức.
Giả thuyết H8. Người kiến tạo không gian làm việc số ảnh hưởng tích cực lên môi trường chia sẻ tri thức.
2.3. Mối quan hệ giữa DTL và sự linh hoạt tổ chức
OAG là khả năng của tổ chức trong việc ứng biến nhanh nhạy trước những thay đổi của hoàn cảnh (Brown và Agnew, 1982), hay rộng hơn, là tập hợp năng lực giúp tổ chức thích ứng và phát triển trong môi trường biến động, biến thách thức thành cơ hội kinh doanh (Walter, 2021). Các nghiên cứu trước đây cho thấy lãnh đạo đóng vai trò quan trọng trong việc hình thành năng lực này. Theo lý thuyết vốn tri thức, tổ chức tạo ra giá trị và đổi mới thông qua việc tích hợp tri thức của các cá nhân (Grant, 1996), và DTL hỗ trợ quá trình đó khi xây dựng định hướng số hóa rõ ràng. DTL là sự kết hợp giữa lãnh đạo chuyển đổi và công nghệ số, có khả năng định hình niềm tin, giá trị và khả năng ứng biến của tổ chức trước thay đổi (Ly, 2024). Thông qua việc hình thành văn hóa học tập liên tục, thúc đẩy đổi mới sáng tạo (Ramadan & cộng sự, 2023), chia sẻ quyền ra quyết định với cấp dưới (Klein & cộng sự, 2006) và trao quyền cho nhân viên (Schiuma & cộng sự, 2022), DTL giúp tổ chức chủ động hơn trước biến động. Nghiên cứu thực nghiệm của Ly (2024) và AlNuaimi & cộng sự (2022) cũng xác nhận tác động tích cực của DTL lên OAG. Từ những lập luận trên, các giả thuyết được đề xuất như sau:
Giả thuyết H9. Nhà chiến lược số ảnh hưởng tích cực lên sự linh hoạt tổ chức.
Giả thuyết H10. Kiến trúc sư số ảnh hưởng tích cực lên sự linh hoạt tổ chức.
Giả thuyết H11. Người dẫn dắt thay đổi tổ chức ảnh hưởng tích cực lên sự linh hoạt tổ chức.
Giả thuyết H12. Người kiến tạo văn hóa số ảnh hưởng tích cực lên sự linh hoạt tổ chức.
Giả thuyết H13. Người lấy khách hàng làm trung tâm ảnh hưởng tích cực lên sự linh hoạt tổ chức.
Giả thuyết H14. Người đề cao dữ liệu ảnh hưởng tích cực lên sự linh hoạt tổ chức.
Giả thuyết H15. Người tối ưu hóa quy trình kinh doanh ảnh hưởng tích cực lên sự linh hoạt tổ chức.
Giả thuyết H16. Người kiến tạo không gian làm việc số ảnh hưởng tích cực lên sự linh hoạt tổ chức.
3. Phương pháp nghiên cứu
Thang đo OAG (6 chỉ báo) được kế thừa từ nghiên cứu của Ly (2024); thang đo KSE (4 chỉ báo) được kế thừa từ nghiên cứu của Chen và Lin (2013); DTL được phát triển từ 8 đặc điểm do McCarthy & cộng sự (2022) đề xuất.
Đối tượng khảo sát là người lao động đang làm việc tại các doanh nghiệp vận tải và logistics tại Việt Nam. Dữ liệu được thu thập bằng bảng câu hỏi theo hình thức trực tiếp trong khoảng thời gian từ tháng 02/2026 đến tháng 6/2026 với phương pháp chọn mẫu thuận tiện. Các mục hỏi được đo lường bằng thang đo Likert 5 mức độ, từ 1 (hoàn toàn không đồng ý) đến 5 (hoàn toàn đồng ý). Trong tổng số 387 phiếu thu về, 300 phiếu hợp lệ được đưa vào phân tích. Đặc điểm mẫu nghiên cứu được trình bày ở Bảng 1.
Dữ liệu được phân tích bằng phương pháp mô hình cấu trúc tuyến tính bình phương tối thiểu riêng phần (PLS-SEM) trên phần mềm SmartPLS 4. Quá trình phân tích gồm hai bước. Mô hình đo lường được đánh giá qua độ tin cậy, giá trị hội tụ và giá trị phân biệt, sau đó mô hình cấu trúc được đánh giá qua hệ số VIF, R², f² và kiểm định giả thuyết bằng kỹ thuật bootstrapping với 5.000 mẫu lặp.
Bảng 1. Đặc điểm mẫu nghiên cứu
| Đặc điểm | Số lượng | Tỷ lệ (%) | Đặc điểm | Số lượng | Tỷ lệ (%) |
| Giới tính | 300 | 100,0% | Độ tuổi | 300 | 100,0% |
| Nam | 187 | 62,3% | 18-25 tuổi | 35 | 11,7% |
| Nữ | 113 | 37,7% | 26-43 tuổi | 201 | 67,0% |
| Thu nhập | 300 | 100,0% | 44-60 tuổi | 64 | 21,3% |
| Dưới 7 triệu/tháng | 8 | 2,7% | Trình độ chuyên môn | 300 | 100,0% |
| 7-12 triệu/tháng | 182 | 60,7% | Trung cấp, cao đẳng | 39 | 13,0% |
| 12-18 triệu/tháng | 72 | 24,0% | Đại học | 253 | 84,3% |
| Trên 18 triệu/tháng | 65 | 21,7% | Sau đại học | 8 | 2,7% |
4. Kết quả nghiên cứu
4.1. Kết quả đánh giá mô hình đo lường
Kết quả tại Bảng 2 cho thấy hệ số tải của các chỉ báo dao động từ 0,721 (OAG3) đến 0,945 (KSE1), đều lớn hơn ngưỡng 0,708 (Hair & cộng sự, 2019). Hệ số Cronbach’s alpha của KSE và OAG lần lượt là 0,897 và 0,904, độ tin cậy tổng hợp rho_a đạt 0,907 và 0,911, độ tin cậy tổng hợp rho_c đạt 0,929 và 0,926. Các giá trị này nằm trong khoảng từ 0,70 đến 0,95 theo khuyến nghị của Hair & cộng sự (2019). Phương sai trung bình được trích (AVE) của KSE là 0,765 và của OAG là 0,677, cao hơn ngưỡng 0,50. Như vậy, thang đo của hai khái niệm đạt độ tin cậy và giá trị hội tụ.
Bảng 2. Kết quả đánh giá độ tin cậy và giá trị hội tụ
| Khái niệm | Chỉ báo | Hệ số tải | Cronbach’s alpha | rho_a | rho_c | AVE |
| Môi trường chia sẻ tri thức (KSE) | KSE1 | 0,945 | 0,897 | 0,907 | 0,929 | 0,765 |
| KSE2 | 0,802 | |||||
| KSE3 | 0,876 | |||||
| KSE4 | 0,871 | |||||
| Sự linh hoạt tổ chức (OAG) | OAG1 | 0,783 | 0,904 | 0,911 | 0,926 | 0,677 |
| OAG2 | 0,821 | |||||
| OAG3 | 0,721 | |||||
| OAG4 | 0,897 | |||||
| OAG5 | 0,843 | |||||
| OAG6 | 0,859 |
Giá trị phân biệt được đánh giá bằng tiêu chí Fornell và Larcker (1981) và tỷ số HTMT (Henseler & cộng sự, 2015). Kết quả tại Bảng 3 cho thấy căn bậc hai AVE của KSE (0,875) và OAG (0,823) lớn hơn hệ số tương quan giữa từng khái niệm với các khái niệm còn lại trong mô hình. Giá trị HTMT cao nhất là 0,845 giữa KSE và OAG, tiếp theo là 0,812 giữa DAD và KSE, đều thấp hơn ngưỡng 0,85 (Henseler & cộng sự, 2015). Do đó, các khái niệm trong mô hình đạt giá trị phân biệt.
Bảng 3. Kết quả đánh giá giá trị phân biệt
| DST | DAR | OAL | DCU | CCE | DAD | BPO | DWL | KSE | OAG | |
| DST | 1,000 | 0,668 | 0,487 | 0,463 | 0,536 | 0,601 | 0,327 | 0,486 | 0,647 | 0,701 |
| DAR | 0,668 | 1,000 | 0,425 | 0,400 | 0,401 | 0,441 | 0,280 | 0,384 | 0,529 | 0,586 |
| OAL | 0,487 | 0,425 | 1,000 | 0,540 | 0,425 | 0,638 | 0,378 | 0,600 | 0,770 | 0,721 |
| DCU | 0,463 | 0,400 | 0,540 | 1,000 | 0,448 | 0,507 | 0,258 | 0,557 | 0,637 | 0,673 |
| CCE | 0,536 | 0,401 | 0,425 | 0,448 | 1,000 | 0,469 | 0,384 | 0,483 | 0,591 | 0,661 |
| DAD | 0,601 | 0,441 | 0,638 | 0,507 | 0,469 | 1,000 | 0,413 | 0,657 | 0,812 | 0,768 |
| BPO | 0,327 | 0,280 | 0,378 | 0,258 | 0,384 | 0,413 | 1,000 | 0,413 | 0,544 | 0,529 |
| DWL | 0,486 | 0,384 | 0,600 | 0,557 | 0,483 | 0,657 | 0,413 | 1,000 | 0,790 | 0,722 |
| KSE | 0,615 | 0,502 | 0,729 | 0,606 | 0,563 | 0,772 | 0,517 | 0,751 | 0,875 | 0,845 |
| OAG | 0,668 | 0,560 | 0,688 | 0,644 | 0,629 | 0,734 | 0,501 | 0,690 | 0,766 | 0,823 |
4.2. Kết quả đánh giá mô hình cấu trúc
Trước khi kiểm định giả thuyết, mô hình cấu trúc được kiểm tra hiện tượng đa cộng tuyến giữa các biến độc lập. Hệ số VIF của tám đặc điểm DTL dao động từ 1,329 đến 2,488, thấp hơn ngưỡng 3 (Hair & cộng sự, 2019), cho thấy đa cộng tuyến không ảnh hưởng đến kết quả ước lượng (Bảng 4). Hệ số xác định R² của KSE là 0,788 và của OAG là 0,772, với R² hiệu chỉnh lần lượt là 0,782 và 0,765. Đối chiếu với các mức 0,25, 0,50 và 0,75 do Hair & cộng sự (2019) đề xuất, tám đặc điểm DTL có khả năng giải thích ở mức cao đối với cả KSE và OAG.
Bảng 4. Kết quả đánh giá đa cộng tuyến, mức độ tác động và hệ số xác định
| Đặc điểm DTL | VIF | f² (→ KSE) | f² (→ OAG) |
| Nhà chiến lược số (DST) | 2,488 | 0,009 | 0,029 |
| Kiến trúc sư số (DAR) | 1,867 | 0,004 | 0,020 |
| Người dẫn dắt thay đổi tổ chức (OAL) | 2,045 | 0,119 | 0,058 |
| Người kiến tạo văn hóa số (DCU) | 1,725 | 0,025 | 0,078 |
| Người lấy khách hàng làm trung tâm (CCE) | 1,646 | 0,017 | 0,076 |
| Người đề cao dữ liệu (DAD) | 2,456 | 0,140 | 0,080 |
| Người tối ưu hóa quy trình kinh doanh (BPO) | 1,329 | 0,061 | 0,050 |
| Người kiến tạo không gian làm việc số (DWL) | 2,207 | 0,127 | 0,031 |
| R² | 0,788 | 0,772 | |
| R² hiệu chỉnh | 0,782 | 0,765 |
Mức độ tác động của từng đặc điểm được đánh giá qua hệ số f² theo các mức 0,02, 0,15 và 0,35, tương ứng với tác động nhỏ, trung bình và lớn (Cohen, 1988). Đối với KSE, người đề cao dữ liệu (f² = 0,140), người kiến tạo không gian làm việc số (f² = 0,127) và người dẫn dắt thay đổi tổ chức (f² = 0,119) có mức tác động nhỏ nhưng gần mức trung bình, trong khi nhà chiến lược số (f² = 0,009), kiến trúc sư số (f² = 0,004) và người lấy khách hàng làm trung tâm (f² = 0,017) có f² thấp hơn 0,02. Đối với OAG, giá trị f² của các đặc điểm dao động từ 0,020 đến 0,080, tương ứng với mức tác động nhỏ.
Các giả thuyết được kiểm định bằng kỹ thuật bootstrapping với 5.000 mẫu lặp, khoảng tin cậy phân vị (percentile) và kiểm định hai phía ở mức ý nghĩa 0,05. Kết quả ước lượng mô hình cấu trúc được trình bày tại Bảng 5.
Bảng 6. Kết quả kiểm định giả thuyết
| Giả thuyết | Mối quan hệ | β | Độ lệch chuẩn | Giá trị t | Giá trị p | KTC 95% | Kết luận |
| H1 | DST → KSE | 0,069 | 0,060 | 1,141 | 0,254 | [-0,040; 0,198] | Không chấp nhận |
| H2 | DAR → KSE | 0,042 | 0,041 | 1,019 | 0,308 | [-0,044; 0,118] | Không chấp nhận |
| H3 | OAL → KSE | 0,227 | 0,050 | 4,512 | < 0,001 | [0,135; 0,336] | Chấp nhận |
| H4 | DCU → KSE | 0,095 | 0,034 | 2,780 | 0,005 | [0,028; 0,160] | Chấp nhận |
| H5 | CCE → KSE | 0,076 | 0,049 | 1,554 | 0,120 | [-0,013; 0,181] | Không chấp nhận |
| H6 | DAD → KSE | 0,270 | 0,054 | 4,999 | < 0,001 | [0,164; 0,375] | Chấp nhận |
| H7 | BPO → KSE | 0,131 | 0,034 | 3,822 | < 0,001 | [0,061; 0,196] | Chấp nhận |
| H8 | DWL → KSE | 0,244 | 0,050 | 4,865 | < 0,001 | [0,144; 0,340] | Chấp nhận |
| H9 | DST → OAG | 0,128 | 0,050 | 2,540 | 0,011 | [0,032; 0,231] | Chấp nhận |
| H10 | DAR → OAG | 0,091 | 0,043 | 2,149 | 0,032 | [0,010; 0,177] | Chấp nhận |
| H11 | OAL → OAG | 0,164 | 0,042 | 3,885 | < 0,001 | [0,078; 0,246] | Chấp nhận |
| H12 | DCU → OAG | 0,175 | 0,042 | 4,172 | < 0,001 | [0,092; 0,257] | Chấp nhận |
| H13 | CCE → OAG | 0,169 | 0,037 | 4,605 | < 0,001 | [0,093; 0,238] | Chấp nhận |
| H14 | DAD → OAG | 0,211 | 0,047 | 4,487 | < 0,001 | [0,117; 0,303] | Chấp nhận |
| H15 | BPO → OAG | 0,123 | 0,032 | 3,859 | < 0,001 | [0,059; 0,183] | Chấp nhận |
| H16 | DWL → OAG | 0,126 | 0,042 | 3,012 | 0,003 | [0,046; 0,210] | Chấp nhận |
Đối với KSE, năm trong tám giả thuyết được chấp nhận. Người đề cao dữ liệu có tác động mạnh nhất (β = 0,270; p < 0,001), tiếp đến là người kiến tạo không gian làm việc số (β = 0,244; p < 0,001), người dẫn dắt thay đổi tổ chức (β = 0,227; p < 0,001), người tối ưu hóa quy trình kinh doanh (β = 0,131; p < 0,001) và người kiến tạo văn hóa số (β = 0,095; p = 0,005). Vì vậy, các giả thuyết H3, H4, H6, H7 và H8 được chấp nhận. Ngược lại, tác động của nhà chiến lược số (β = 0,069; p = 0,254), kiến trúc sư số (β = 0,042; p = 0,308) và người lấy khách hàng làm trung tâm (β = 0,076; p = 0,120) không có ý nghĩa thống kê, khoảng tin cậy 95% của các hệ số này đều chứa giá trị 0. Do đó, các giả thuyết H1, H2 và H5 không được chấp nhận.
Đối với OAG, cả tám giả thuyết đều được chấp nhận. Người đề cao dữ liệu có tác động mạnh nhất (β = 0,211; p < 0,001), sau đó là người kiến tạo văn hóa số (β = 0,175; p < 0,001), người lấy khách hàng làm trung tâm (β = 0,169; p < 0,001) và người dẫn dắt thay đổi tổ chức (β = 0,164; p < 0,001). Nhà chiến lược số (β = 0,128; p = 0,011), người kiến tạo không gian làm việc số (β = 0,126; p = 0,003) và người tối ưu hóa quy trình kinh doanh (β = 0,123; p < 0,001) có mức tác động thấp hơn. Kiến trúc sư số có tác động yếu nhất (β = 0,091; p = 0,032). Như vậy, các giả thuyết từ H9 đến H16 đều được chấp nhận.
4.3. Thảo luận kết quả nghiên cứu
Kết quả nghiên cứu cho thấy tám đặc điểm DTL cùng giải thích 78,8% biến thiên của KSE và 77,2% biến thiên của OAG. Không có đặc điểm nào có mức tác động lớn, trong khi nhiều đặc điểm có tác động nhỏ và có ý nghĩa thống kê. Điều này phù hợp với nhận định của McCarthy & cộng sự (2022) rằng lãnh đạo chuyển đổi số cần được xem là hoạt động mang tính tập thể của đội ngũ lãnh đạo.
Cả tám đặc điểm đều tác động tích cực lên OAG, phù hợp với Ly (2024) và AlNuaimi & cộng sự (2022), đồng thời làm rõ tác động này ở cấp độ từng đặc điểm. Người đề cao dữ liệu có tác động mạnh nhất, cho thấy việc ra quyết định dựa trên dữ liệu giúp tổ chức phản ứng với biến động thị trường nhanh hơn. Người kiến tạo văn hóa số và người lấy khách hàng làm trung tâm cũng có tác động tương đối cao. Kiến trúc sư số có tác động yếu nhất, có thể do nền tảng công nghệ chỉ phát huy hiệu quả khi gắn với quy trình vận hành và năng lực nhân viên.
Đối với KSE, người đề cao dữ liệu, người kiến tạo không gian làm việc số và người dẫn dắt thay đổi tổ chức có tác động mạnh nhất. Các đặc điểm này gắn trực tiếp với hoạt động hằng ngày của nhân viên thông qua thói quen sử dụng dữ liệu, công cụ cộng tác số và kết nối liên chức năng. Ngược lại, nhà chiến lược số, kiến trúc sư số và người lấy khách hàng làm trung tâm không có tác động có ý nghĩa lên KSE. Tầm nhìn chiến lược và kiến trúc công nghệ thuộc cấp độ định hướng nên có thể chỉ tác động gián tiếp, còn định hướng khách hàng chủ yếu hướng ra thị trường bên ngoài thay vì trao đổi tri thức nội bộ. Đáng chú ý, các đặc điểm có tác động mạnh lên KSE phần lớn thuộc nhóm mới xuất hiện (McCarthy & cộng sự, 2022), gợi ý rằng nhóm này giữ vai trò quan trọng hơn trong việc hình thành môi trường chia sẻ tri thức trong ngành vận tải và logistics, đồng thời ủng hộ đề xuất tiếp tục nghiên cứu các đặc điểm DTL ở những mức độ trưởng thành khác nhau.
5. Kết luận
Nghiên cứu đã kiểm định tác động của tám đặc điểm DTL đến KSE và OAG trong các doanh nghiệp vận tải và logistics tại Việt Nam. Kết quả cho thấy tám đặc điểm DTL cùng giải thích phần lớn biến thiên của KSE và OAG. Cả tám đặc điểm đều tác động tích cực đến OAG, trong khi năm đặc điểm tác động tích cực đến KSE. Người đề cao dữ liệu là đặc điểm có tác động mạnh nhất đến cả hai biến phụ thuộc.
Về mặt lý thuyết, nghiên cứu cung cấp bằng chứng thực nghiệm cho khung tám đặc điểm DTL của McCarthy & cộng sự (2022), vốn được xây dựng từ tổng quan tài liệu. Việc phân tích tác động ở cấp độ từng đặc điểm bổ sung cho các nghiên cứu trước đây vốn xem DTL là một khái niệm tổng thể. Kết quả cũng cho thấy các đặc điểm DTL có vai trò khác nhau đối với từng kết quả của tổ chức, trong đó các đặc điểm gắn với hoạt động vận hành có ảnh hưởng rõ hơn đến môi trường chia sẻ tri thức so với các đặc điểm thuộc cấp độ chiến lược.
Kết quả nghiên cứu gợi ý một số hàm ý cho các nhà quản lý doanh nghiệp vận tải và logistics. Do không có đặc điểm nào đóng vai trò quyết định, doanh nghiệp cần phân bổ các vai trò lãnh đạo chuyển đổi số cho nhiều vị trí trong đội ngũ lãnh đạo thay vì giao toàn bộ trách nhiệm cho một cá nhân. Nhà lãnh đạo cần ưu tiên xây dựng văn hóa ra quyết định dựa trên dữ liệu, coi dữ liệu vận hành, dữ liệu khách hàng và dữ liệu đối tác là tài sản chung của tổ chức, bởi đây là đặc điểm có tác động mạnh nhất đến cả KSE và OAG.
Để thúc đẩy chia sẻ tri thức, doanh nghiệp cần đầu tư vào các công cụ và nền tảng cộng tác số cho nhân viên, tăng cường kết nối giữa các bộ phận như kho bãi, vận tải, chăm sóc khách hàng và kinh doanh, đồng thời chuẩn hóa và tự động hóa các quy trình nghiệp vụ. Tầm nhìn chiến lược và kiến trúc công nghệ cần được cụ thể hóa thành các hoạt động vận hành và công cụ làm việc hằng ngày, bởi bản thân chúng chưa tác động trực tiếp đến môi trường chia sẻ tri thức. Bên cạnh đó, định hướng khách hàng cần được gắn với cơ chế chia sẻ thông tin nội bộ để tri thức về khách hàng được lan tỏa giữa các bộ phận.
Tài liệu tham khảo:
AlNuaimi, B. K., Singh, S. K., Ren, S., Budhwar, P., & Vorobyev, D. (2022). Mastering digital transformation: The nexus between leadership, agility, and digital strategy. Journal of Business Research, 145, 636–648. https://doi.org/10.1016/j.jbusres.2022.03.038
Arham, A. F., Norizan, N. S., Muhamad Hanapiyah, Z., Mazalan, M. I., & Yanto, H. (2024). Enhancing academic performance: investigating the nexus between digital leadership and the role of digital culture. The Bottom Line, 37(3), 253–276. https://doi.org/10.1108/BL-05-2023-0138
Brown, J. L., & Agnew, N. M. (1982). Corporate agility. Business Horizons, 25(2), 29–33.
Chen, M. L., & Lin, C. P. (2013). Assessing the effects of cultural intelligence on team knowledge sharing from a socio‐cognitive perspective. Human Resource Management, 52(5), 675–695. https://doi.org/10.1002/hrm.21558
Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.
Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39–50. https://doi.org/10.2307/3151312
Grant, R. M. (1996). Toward a knowledge‐based theory of the firm. Strategic Management Journal, 17(S2), 109–122. https://doi.org/10.1002/smj.4250171110
Hair, J. F., Risher, J. J., Sarstedt, M., & Ringle, C. M. (2019). When to use and how to report the results of PLS-SEM. European Business Review, 31(1), 2–24. https://doi.org/10.1108/EBR-11-2018-0203
Hau, Y. S., Kim, B., Lee, H., & Kim, Y.-G. (2013). The effects of individual motivations and social capital on employees’ tacit and explicit knowledge sharing intentions. International Journal of Information Management, 33(2), 356–366. https://doi.org/10.1016/j.ijinfomgt.2012.10.009
Henseler, J., Ringle, C. M., & Sarstedt, M. (2015). A new criterion for assessing discriminant validity in variance-based structural equation modeling. Journal of the Academy of Marketing Science, 43(1), 115–135. https://doi.org/10.1007/s11747-014-0403-8
Klein, K. J., Ziegert, J. C., Knight, A. P., & Xiao, Y. (2006). Dynamic delegation: Shared, hierarchical, and deindividualized leadership in extreme action teams. Administrative Science Quarterly, 51(4), 590–621. https://doi.org/10.2189/asqu.51.4.590
Lin, H.-F. (2007). Knowledge sharing and firm innovation capability: An empirical study. International Journal of Manpower, 28(3/4), 315–332. https://doi.org/10.1108/01437720710755272
Luu, T. D. (2023). Digital transformation and export performance: a process mechanism of firm digital capabilities. Business Process Management Journal, 29(5), 1436–1465. https://doi.org/10.1108/BPMJ-01-2023-0024
Ly, B. (2024). The interplay of digital transformational leadership, organizational agility, and digital transformation. Journal of the Knowledge Economy, 15(1), 4408–4427. https://doi.org/10.1007/s13132-023-01377-8
Majumdarr, S., Dasgupta, S. A., Hassan, Y., Behl, A., & Pereira, V. (2025). Linking digital transformational leadership, symmetrical internal communication with innovation capability: a moderated mediation model. Journal of Knowledge Management, 29(8), 2478–2496. https://doi.org/10.1108/JKM-12-2023-1167
McCarthy, P., Sammon, D., & Alhassan, I. (2022). Digital Transformation Leadership Characteristics: A Literature Analysis. Journal of Decision Systems, 32(1), 79–109. https://doi.org/10.1080/12460125.2021.1908934
Park, S., & Kim, E.-J. (2018). Fostering organizational learning through leadership and knowledge sharing. Journal of Knowledge Management, 22(6), 1408–1423. https://doi.org/10.1108/JKM-10-2017-0467
Ramadan, M., Bou Zakhem, N., Baydoun, H., Daouk, A., Youssef, S., El Fawal, A., Elia, J., & Ashaal, A. (2023). Toward digital transformation and business model innovation: The nexus between leadership, organizational agility, and knowledge transfer. Administrative Sciences, 13(8), 185. https://doi.org/10.3390/admsci13080185
Schiuma, G., Schettini, E., Santarsiero, F., & Carlucci, D. (2022). The transformative leadership compass: Six competencies for digital transformation entrepreneurship. International Journal of Entrepreneurial Behavior & Research, 28(5), 1273–1291. https://doi.org/10.1108/IJEBR-01-2021-0087
Vermeulen, M., Kreijns, K., van Buuren, H., & Van Acker, F. (2017). The role of transformative leadership, ICT‐infrastructure and learning climate in teachers’ use of digital learning materials during their classes. British Journal of Educational Technology, 48(6), 1427–1440. https://doi.org/10.1111/bjet.12478 Walter, A.-T. (2021). Organizational agility: Ill-defined and somewhat confusing? A systematic literature review and conceptualization. Management Review Quarterly, 71(2), 343–391. https://doi.org/10.1007/s11301-020-00186-6



