中國服裝行業上市企業數字化轉型評價

鄭通 張立杰

摘要：為了研究中國服裝企業數字化轉型的主要影響因素和轉型程度，文章以中國服裝行業上市企業為研究對象，從技術變革能力、組織變革能力和業務變革能力3個維度建立了服裝行業上市企業數字化轉型評價指標體系，并運用熵權—TOPSIS評價法對中國24家服裝行業上市企業2018—2021年的企業面板數據進行了分析。權重分析結果表明，業務變革能力權重為0.365，對中國服裝行業上市企業數字化轉型的影響最大。數字化轉型指數表明，超過50%的樣本企業數字化程度有所提升;2018—2021年的數字化指數平均值分別為0.288、0.292、0.333和0.336，整體取得一定進展，但程度較低。最后基于企業層面，分析了數字化轉型程度低的原因并給出相關建議。

關鍵詞：數字化轉型;服裝企業;熵權—TOPSIS;影響因素;權重;轉型指數

中圖分類號：TS941.1; F407.86??? 文獻標志碼：A???文章編號： 10017003（2023）090001

引用頁碼：091101? ? DOI： 10.3969/j.issn.1001-7003.2023.09.001（篇序）

隨著數字化浪潮席卷全球，以大數據、互聯網、人工智能等新興數字技術驅動的“數字經濟”成為研究熱點，傳統制造型企業數字化轉型成為未來發展趨勢［1］。服裝行業作為傳統制造業之一，在中國經濟發展中占有重要地位。2016年G20峰會通過《二十國集團數字經濟發展與合作倡議》以來，中國服裝企業數字化相關研究迅速增加，研究內容主要集中在對數字技術應用介紹［2-3］、轉型路徑分析［4］等，缺乏基于企業層面的轉型效果評價。

TOPSIS法又稱為優劣解距離法，本質上是一種綜合排序方法，具有對數據信息利用充分、計算簡單、精確反映評價對象與最優目標的接近程度等優點，常被用于解決多層次、多指標的企業轉型評價［5］。熵權法是一種指標權重的客觀賦權方法，熵值的大小反映了指標數據信息量，權重計算完全按照指標間的數值離散程度來設置，具有極強的客觀性和適應性［6］。將熵權法與TOPSIS評價法結合，適用于本文構建的多層次、多指標的服裝企業數字化轉型指標體系，并且評價結果客觀，邏輯清晰。

綜上所述，本文采用熵權法對指標進行賦權，分析各個指標在數字化轉型過程中的重要程度;將權重值帶入TOPSIS評價法，計算各個服裝企業數字化轉型指數并進行評價。研究結果可為中國服裝企業順利進行數字化轉型提供一定參考。

1 熵權—TOPSIS評價法和數據來源

1.1 熵權—TOPSIS評價法

綜合運用熵權—TOPSIS評價法，可以克服TOPSIS方法無法反映變量之間相關性和重要程度的缺點，通過無量綱化處理也可以有效避免逆序問題［7］。熵權—TOPSIS評價法的計算原理如下：

1） 正向化數據。本文所采集的指標數據中，組織管理層級需要進行正向化處理，其他指標為正向數據，不需要進行正向化處理。

2） 構建決策矩陣。有n個樣本企業，m個可量化評價指標，用極差變換法對指標數據進行無量綱化處理，矩陣中每一個元素x*ij為：

4） 計算概率矩陣P。概率矩陣中每個元素pij計算公式為：

式中：j=1，2，…，m。

8） 基于歐氏距離，計算各指標與最優解和最劣解向量之間的距離。正理想解為X+0=（x+0（1），x+0（2），…，x+0（n）），負理想解為X-0=（x-0（1），x-0（2），…，x-0（n））。

1.2 數據來源

選擇中國A股服裝行業上市企業，均為中國自主品牌服裝企業。通過上海證券交易所和深圳證券交易所，查詢到屬于紡織服裝業的上市企業41家。篩選出以多品種服裝服飾產品為主營業務，服裝服飾營業收入大于企業總營業收入50%的上市企業，時間跨度為2018—2021年，剔除數據不連貫，沒有“數字化”“智能化”等相關內容披露的企業，最終找到符合條件的上市企業24家。數據主要來源于上海證券交易所、深圳證券交易所、企知道專利數據庫、國泰安金融數據庫等，同一企業不同年份的少數缺失數據采用移動平均法補齊。

2 實證分析

2.1 指標體系

服裝企業數字化轉型受到多個層次中多種因素的影響，為全面了解服裝企業數字化轉型中的影響因素，本文對相關的企業數字化評價文獻進行梳理。部分具有代表性的文獻作者及指標覆蓋維度如表1所示。

通過仔細閱讀企業數字化評價相關文獻發現，指標覆蓋維度以3～4個居多，其中數字技術和組織環境是指標體系的研究重點，其他維度由于研究對象不同而各有側重。不同行業之間的數字化轉型具有異質性，本文研究對象為中國服裝行業上市企業，參考杜勁松等［15］、舒偉［16］、陳雁［17］等學者對服裝企業數字化的相關研究，認為業務流程數字化是服裝企業數字化轉型的重點之一。因此，從技術變革能力、組織變革能力和業務變革能力3個方面構建數字化轉型評價指標體系。為最大程度保證評價的客觀性，本文所選具體指標均可量化。

2.1.1 技術變革能力

數字技術是企業數字化轉型的關鍵驅動因素，越來越多的學者認可其在企業數字化轉型中的重要地位［18］。數字技術變革離不開數字化軟硬件基礎設施，數字化基礎設施對企業轉型升級的積極效應得到了學術界的廣泛認可［19］。數字化基礎設施帶來的積極效應推動企業研發創新，主要體現在研發投入強度和創新成果產出［20］。因此，技術變革能力包括數字化基礎設施建設和數字化研發2個二級指標。

2.1.2 組織變革能力

數字技術幫助服裝企業員工更加有效地進行溝通和獲取信息，提高數字化技能與管理能力，拉動企業對數字化人才的需求，迫使服裝企業在數字化轉型過程中利用數字技術進行組織結構變革。數字技術的應用幫助企業轉型成為高新技術企業、減少人員冗余，促使企業管理層級扁平化;數字化背景高管可以明確轉型方向、合理分配資源等。數字化人才是企業數字化轉型不可或缺的因素，體現在人才的培養、高學歷員工和研發人員占比。企業通過優化組織結構、引進和培養數字化人才促進企業數字化轉型，從而提高企業的運營效率和效益。因此，組織變革能力包括組織結構轉型和數字化人才建設2個二級指標。

2.1.3 業務變革能力

服裝行業既屬于制造業，又屬于零售行業，服裝產品容易受到人和市場的影響，數字系統應貫穿服裝設計、生產、物流、營銷、服務等環節，滿足消費者對服裝越來越偏向個性化、多樣化的需求［21］。業務核心環節之間系統集成可以提高企業對數據處理的效率和數據的自動流動水平。因此，業務變革能力包括設計、生產、物流、營銷、服務和端到端集成6個二級指標。

本文借鑒現有學者的數字化轉型研究，遵循科學性、客觀性、層次性等原則，構建中國服裝行業上市企業數字化轉型評價指標體系，并使用熵權法對三級指標進行賦權，如表2所示。

2.2 指標權重分析

一級指標和二級指標的權重由三級指標的權重加和得到。業務變革能力在一級指標中權重占比最大，為0.365。服裝企業需要研發和引進新的數字系統，促使各個業務環節之間有機連接，提高企業的運營效率，從而應對快速變化的市場需求。

在二級指標中，權重在前3位的是數字化基礎建設、組織結構轉型和數字化人才建設，分別為0.251、0.154和0.133。這3個二級指標所包含的三級指標較多，企業應均衡發展每一個具體的影響因素。業務變革能力的6個二級指標中，數字化設計系統數量所占權重為0.111，在二級指標中排第4位，其他5個二級指標權重均沒有達到0.100，端到端集成所占權重為0.016，說明不同環節之間數字化發展不平衡，數據共享和系統集成程度低，沒有完全打破“信息孤島”，服裝企業更應該關注業務流程總體的提升。

三級指標中，服裝數字化設計系統數量在業務流程5個核心環節中權重占比最高，也是三級指標中所占權重最大的項?？梢钥闯霎斚轮袊b企業在數字化轉型過程中對服裝設計更為重視，服裝設計所用到的數字化技術，如服裝顏色自動搭配、風格遷移、3D測量、新的工藝設計等成為當下中國服裝企業數字化轉型的研究重點。數字化生產系統數量所占權

重較小，為0.035，這與服裝的特點相關，服裝種類和樣式繁多，大型服裝企業在服裝制作過程中都采用“自主生產+勞務外包”的模式，企業自身生產系統和設備的數字化程度較低，服裝制造過程仍然嚴重依賴傳統手工作業。數字化物流系統數量所占權重為0.046，中國服裝企業的物流環節主要使用RFID、自動識別等系統實現倉儲智能化，而運輸業務會外包給物流企業，造成該環節數字化系統數量相對較少。營銷階段有2個三級指標，數字化營銷系統數量和電商平臺數量。大多數服裝行業上市企業都有成熟的精準營銷，部分企業與京東合作，開發無界營銷系統等。企業在天貓、京東等電商平臺上有自己的店鋪，并通過抖音、小紅書等流量平臺進行品牌營銷。數字化服務系統數量的權重為0.077，高于生產和物流2個環節所占比重，多數服裝企業意識到企業數字化轉型是以消費者需求為核心，為提高服務質量，從傳統服務轉向數字化服務，開始布局智慧店鋪、3D虛擬試衣、個性化定制系統、智能會員管理系統等新型數字化服務系統，數字化服務為服裝企業與消費者之間增添了互動，提升了消費者的購物體驗。

2.3 轉型指數分析

將權重值代入TOPSIS評價法，計算2018—2021年樣本企業數字化轉型指數，如表3所示。表3按照各企業在2018—2021年數字化轉型指數平均值進行降序排序。

從表3可以看到，2018—2021年數字化轉型指數在波動中上升的企業有11家，森馬服飾的轉型指數連續4年最高，均在0.460以上，2020年開始迅速增加，2021年轉型指數達到0.683。樣本企業在2018—2021年平均轉型指數中，排名在前3位的為森馬服飾、紅豆實業和安正時尚，平均值均大于0.400，這3家企業的研發投入強度、研發人員占比、員工高學歷人才占比等處于領先地位，業務流程中數字系統使用更為全面。2018—2021年，數字化轉型指數持續上升的有6家企業，占比25.00%;數字化轉型進程較為穩定的有3家企業，占比1250%;轉型指數在波動中處于下降的有4家企業，占比1667%。由此看出，中國大多數服裝行業上市企業數字化轉型都取得了進步。

2.4 數字化轉型管理啟示

樣本企業2018—2021年當年的數字化轉型平均指數由0.288逐漸升高至0.336，可以看出中國服裝企業數字化轉型整體正在穩步進行中，但是當年的數字化轉型平均指數低于0.400，整體數字化水平較低，結合指標體系分析，得出以下原因和相關建議。

1） 數字化投入有限。數字技術和設備投入花費資金較大，新的數字技術更新迭代迅速，加上企業受到近幾年疫情、國際貿易摩擦等影響，企業面臨轉型失敗的風險，對數字化建設投入有限。隨著數字化技術日漸成熟，企業應增加投入資金來引進和研發數字技術和設備，必要時向政府數字化相關部門尋求幫助，政府的財政科技支持可以顯著提高服裝企業數字化轉型效率［28］。

2） 組織結構轉型能力弱。中國服裝企業已經開始注重數字化人才建設，但是員工高學歷人才比重較低，24家上市企業均沒有超過10%;與高校產學研合作強度不夠;對數字化背景高管的重視有待加強，24家上市企業中只有紅豆實業一家設有信息化部門。數字化背景高管在企業數字化資源分配、數字化戰略制定等方面起到關鍵作用。人才是企業數字化轉型的基石，企業應完善引進和培養數字化人才的相關制度，增設數字化相關部門和數字化高管職位，制定數字化轉型路徑，最大程度利用企業資源，為數字化轉型提速。

3） 業務流程變革困難。中國服裝企業已經開始在設計、生產、營銷等環節使用新的數字系統，新系統與傳統信息系統之間集成困難，數據傳輸不便，不能很好解決“信息孤島”問題，數據及新舊系統接口之間缺乏統一標準。企業應重視數據治理，制定數據傳輸標準;運用人工智能、大數據等相關技術，充分挖掘線上線下數據，完善數據收集、清洗、分析等流程，充分發揮數據的價值。完善數據中臺的建設，利用數據中臺連接業務流程各個環節，解決數據傳輸過程中新舊系統難以集成的問題，打破“信息孤島”，實現信息在消費者和企業之間快速、無障礙傳遞。

3 結 語

服裝企業數字化轉型關系到中國服裝企業未來發展，本文以中國24家服裝行業上市企業2018—2021年面板數據為依據，綜合運用熵權—TOPSIS評價法對指標數據進行分析和評價。熵權法計算得出技術變革能力、組織變革能力和業務變革能力3個維度（一級指標）的19個影響因素在數字化轉型過程中所占權重;TOPSIS評價法計算得出24家上市企業的數字化轉型指數。結果表明，業務變革能力所占權重最高;2018—2021年超過半數的樣本企業數字化轉型指數得到了提升，但總體水平不高;最后根據指標體系分析其原因并給出了合理建議。

本文主要聚焦于中國服裝行業上市企業，囿于數據可得性，未關注中小型服裝企業數字化轉型。在條件允許的情況下，今后的研究可以將中國中小型服裝企業納入研究范圍，在更大范圍內收集服裝企業的數字化轉型數據，以更準確地反映中國服裝企業的整體水平。本文構建的指標體系完全客觀，未考慮定性指標，之后可以根據服裝企業的實際情況，對指標體系進行修改，加入定性指標，從定性和定量兩個方面共同衡量企業的數字化水平。

參考文獻：

［1］鄭瓊潔， 姜衛民. 數字經濟視域下制造業企業數字化轉型研究： 基于企業問卷調查的實證分析［J］. 江蘇社會科學， 2022， 320（1）： 137-149.

ZHENG Qiongjie， JIANG Weimin. Research on the digital transformation of manufacturing enterprises from the perspective of digital economy： An empirical analysis based on an enterprise questionnaire survey［J］. Jiangsu Social Sciences， 2022， 320（1）： 137-149.

［2］張輝， 信曉瑜， 康曉靜， 等. 基于服裝數字化技術的尼雅“萬世如意”錦袍復原［J］. 絲綢， 2021， 58（9）： 73-79.

ZHANG Hui， XIN Xiaoyu， KANG Xiaojing， et al. Restoration of “Wan Shi Ru Yi”brocade robe unearthed from Niya relics［J］. Journal of Silk， 2021， 58（9）： 73-79.

［3］雷鴿， 李小輝. 數字化服裝結構設計技術的研究進展［J］. 紡織學報， 2022， 43（4）： 203-209.

LEI Ge， LI Xiaohui. Review of digital pattern-making technology in garment production［J］. Journal of Textile Research， 2022， 43（4）： 203-209.

［4］任若安， 陳涵. “十四五”規劃下服裝企業數字化轉型升級路徑研究［J］. 毛紡科技， 2022， 50（4）： 104-111.

REN Ruo’an， CHEN Han. Research on digital transformation and upgrading path of garment enterprises under the 14th Five-Year Plan［J］. Wool Textile Journal， 2022， 50（4）： 104-111.

［5］楊瑾， 王忠偉， 龐燕. 基于熵權TOPSIS法的油茶產業發展績效評價［J］. 中南林業科技大學學報， 2021， 41（12）： 168-177.

YANG Jin， WANG Zhongwei， PANG Yan. Performance evaluation of camellia industry development based on entropy TOPSIS method［J］. Journal of Central South University of Forestry & Technology， 2021， 41（12）： 168-177.

［6］張莉， 許君， 馬大力， 等. 基于主觀評價和熵權—TOPSIS的虛擬試衣軟件評價［J］. 毛紡科技， 2022， 50（11）： 80-87.

ZHANG Li， XU Jun， MA Dali， et al. Evaluation of virtual fitting software based on subjective evaluation and entropy-TOPSIS［J］. Wool Textile Journal， 2022， 50（11）： 80-87.

［7］傅為忠， 儲劉平. 長三角一體化視角下制造業高質量發展評價研究： 基于改進的CRITIC-熵權法組合權重的TOPSIS評價模型［J］. 工業技術經濟， 2020， 39（9）： 145-152.

FU Weizhong， CHU Liuping. Research on the evaluation of high quality development of manufacturing industry from the perspective of integration of the Yangtze River Delta： TOPSIS evaluation model based on improved CRITICAL-Entropy wight method［J］. Journal of Industrial Technological Economics， 2020， 39（9）： 145-152.

［8］萬倫， 王順強， 陳希， 等. 制造業數字化轉型評價指標體系構建與應用研究［J］. 科技管理研究， 2020， 40（13）： 142-148.

WAN Lun， WANG Shunqiang， CHEN Xi， et al. Research on construction and application of evaluation index system for digital transformation of manufacturing［J］. Science and Technology Management Research， 2020， 40（13）： 142-148.

［9］陳疇鏞， 許敬涵. 制造企業數字化轉型能力評價體系及應用［J］. 科技管理研究， 2020， 40（11）： 46-51.

CHEN Chouyong， XU Jinghan. Manufacturing enterprise digital transformation ability evaluation system and application［J］. Science and Technology Management Research， 2020， 40（11）： 46-51.

［10］王和勇， 何泓漫. 制造企業數字化轉型評價及影響機制研究： 以汽車制造企業為例［J］. 工業技術經濟， 2022， 41（8）： 3-11.

WANG Heyong， HE Hongman. Research on evaluation and influence mechanism of digital transformation of manufacturing enterprises： Take automobile manufacturing enterprises as an example［J］. Journal of Industrial Technological Economics， 2022， 41（8）： 3-11.

［11］王瑞， 董明， 侯文皓. 制造型企業數字化成熟度評價模型及方法研究［J］. 科技管理研究， 2019， 39（19）： 57-64.

WANG Rui， DONG Ming， HOU Wenhao. Evaluation model and method of digital maturity of manufacturing enterprises［J］. Science and Technology Management Research， 2019， 39（19）： 57-64.

［12］陳群， 李佳昕， 陳哲. 我國建筑企業數字化發展水平測度研究［J］. 建筑經濟， 2023， 44（1）： 21-28.

CHEN Qun， LI Jiaxin， CHEN Zhe. Research on measurement of digital development level of construction enterprises in China［J］. Construction Economy， 2023， 44（1）： 21-28.

［13］范德成， 王婭. 傳統企業數字化轉型對其創新的影響研究： 以汽車制造企業為例［J］. 軟科學， 2022， 36（6）： 63-70.

FAN Decheng， WANG Ya. Research on the impact of traditional enterprise digital transformation on its innovation： Taking automobile manufacturing companies as an example［J］. Soft Science， 2022， 36（6）： 63-70.

［14］MIRJANA K B， ANDREJA P. Multi-attribute assessment of digital maturity of SMEs［J］. Electronics， 2021， 10（8）： 1-15.

［15］杜勁松， 余雅蕓， 趙妮， 等. 不同類型服裝企業智能制造能力成熟度評價模型［J］. 紡織學報， 2021， 42（5）： 162-167.

DU Jinsong， YU Yayun， ZHAO Ni， et al. Evaluation modelling for maturity in intelligent manufacturing for multi-type clothing factories［J］. Journal of Textile Research， 2021， 42（5）： 162-167.

［16］舒偉. 紡織智能制造任重而道遠： 第11期紡織科技新見解學術沙龍后記［J］. 紡織學報， 2017， 38（10）： 184-186.

SHU Wei. Textile intelligent manufacturing has a long way to go： Postscript of the 11th issue of the academic salon on new insights in textile technology［J］. Journal of Textile Research， 2017， 38（10）： 184-186.

［17］陳雁. 服裝設計與工程學科發展趨勢與關鍵議題［J］. 紡織學報， 2019， 40（1）： 182-188.

CHEN Yan. Trends and key subjects of apparel design and engineering［J］. Journal of Textile Research， 2019， 40（1）： 182-188.

［18］胡元林， 莊永耀. 企業數字化轉型的影響因素及其績效研究進展［J］. 昆明理工大學學報（自然科學版）， 2023， 48（1）： 160-169.

HU Yuanlin， ZHUANG Yongyao. Research progress on influencing factors and performance of enterprise digital transformation［J］. Journal of Kunming University of Science and Technology （Natural Science）， 2023， 48（1）： 160-169.

［19］趙宸宇， 王文春， 李雪松. 數字化轉型如何影響企業全要素生產率［J］. 財貿經濟， 2021， 42（7）： 114-129.

ZHAO Chenyu， WANG Wenchun， LI Xuesong. How does digital transformation affect the total factor productivity of enterprises［J］. Finance & Trade Economics， 2021， 42（7）： 114-129.

［20］白雪潔， 李琳， 宋培. 數字化改造能否推動中國行業技術升級［J］. 上海經濟研究， 2021， 397（10）： 62-76.

BAI Xuejie， LI Lin， SONG Pei. Can digital transformation promote the technological upgrading of China’s industry［J］. Shanghai Journal of Economics， 2021， 397（10）： 62-76.

［21］毛雅菲. TOC理論在零售行業的應用研究［J］. 商業經濟研究， 2018， 763（24）： 97-100.

MAO Yafei. Research on the application of TOC theory in the retail industry［J］. Journal of Commercial Economics， 2018， 763（24）： 97-100.

［22］鄭衛華. 制造企業數字化轉型路徑研究： 基于acatech工業4.0成熟度指數［J］. 科技與經濟， 2018， 31（4）： 51-55.

ZHENG Weihua. Research on digital transformation path of manufacturing enterprises： Based on acatech industry 4.0 maturity index［J］. Science & Technology and Economy， 2018， 31（4）： 51-55.

［23］萬曉榆， 趙寒， 張炎. 我國智能化發展評價指標體系構建與測度［J］. 重慶社會科學， 2020， 306（5）： 84-97.

WAN Xiaoyu， ZHAO Han， ZHANG Yan. Construction and measurement of intelligent development evaluation index system in China［J］. Chongqing Social Sciences， 2020， 306（5）： 84-97.

［24］單志廣， 徐清源， 馬潮江， 等. 基于三元空間理論的數字經濟發展評價體系及展望［J］. 宏觀經濟管理， 2020， 436（2）： 42-49.

SHAN Zhiguang， XU Qingyuan， MA Chaojiang， et al. Evaluation system and prospect of digital economy development based on the theory of ternary space［J］. Macroeconomic Management， 2020， 436（2）： 42-49.

［25］李小青， 何瑋萱， 李子彪， 等. 制造企業數字化創新能力影響因素識別及評價［J］. 科技管理研究， 2022， 42（16）： 1-10.

LI Xiaoqing， HE Weixuan， LI Zibiao， et al. Identification and evaluation of influencing factors of digital innovation capability of manufacturing enterprises［J］. Science and Technology Management Research， 2022， 42（16）： 1-10.

［26］童雨. 中國制造業數字化轉型的影響因素研究［J］. 技術經濟與管理研究， 2022， 308（3）： 124-128.

TONG Yu. Research on the influencing factors of manufacturing digital transformation［J］. Journal of Technical Economics & Management， 2022， 308（3）： 124-128.

［27］王核成， 王思惟， 劉人懷. 企業數字化成熟度模型研究［J］. 管理評論， 2021， 33（12）： 152-162.

WANG Hecheng， WANG Siwei， LIU Renhuai. Research on enterprise digital maturity model［J］. Management Review， 2021， 33（12）： 152-162.

［28］王浩然， 李欣華. 數字化時尚策展在服裝品牌文化構建及傳播中的探索［J］. 絲綢， 2022， 59（6）： 95-102.

WANG Haoran， LI Xinhua. Exploration of digital fashion curation in constructing and communication of fashion brand culture［J］. Journal of Silk， 2022， 59（6）： 95-102.

Evaluation on the digital transformation of listed enterprises in China’s clothing industry

ZHENG Tong， ZHANG Lijie

（College of Textiles and Clothing， Xinjiang University， Urumqi 830046， China）

Abstract：

With the rapid development of related technologies such as the Internet， big data， and artificial intelligence， the digital economy has gradually become an important factor to drive economic development. After several years’ continuous growth， the scale of China’s digital economy reached about 39. 2 trillion yuan by 2020， accounting for 38.6% of GDP. The rapid development of the digital economy promotes the digital transformation of China’s traditional manufacturing enterprises. As one of the traditional manufacturing industries in China， the clothing industry should follow the trend of digitalization and utilize digital technology to comprehensively reform the organizational structure and business processes of enterprises， so as to eliminate issues such as personnel redundancy and low production efficiency， improve operational efficiency and market competitiveness， and better meet the growing personalized needs of consumers. Therefore， the digital transformation of garment enterprises has become a hot topic at present. It is found through literature related to the digitalization of garment enterprises that relevant studies on digitalization of garment enterprises mainly focus on the application aspect of digital technology， lacking analysis of influencing factors and evaluation of transformation degree from the perspective of enterprise.

To promote the digital transformation of China’s garment enterprises， listed enterprises in China’s clothing industry were selected as the sample enterprises， the main influencing factors of transformation were analyzed at the enterprise level， the degree of digital transformation was measured， and digital transformation evaluation was carried out. The research time interval is from 2018 to 2021. By analyzing the annual reports of listed enterprises in the China’s clothing industry， the enterprises mainly engaged in clothing and accessory product business were selected， and the enterprises with inconsistent data and no digital related information disclosure were excluded. Finally， 24 sample enterprises were obtained. To cover as many aspects as possible of the digital transformation of sample enterprises， the relevant literature on digital transformation evaluation and the annual reports of listed clothing companies were sorted out， and the results show that the main changes of garment enterprises of digital transformation are reflected in three dimensions： digital technology， organizational environment and business processes. By comparing relevant evaluation methods， it was found that the entropy-TOPSIS evaluation method has the advantages of objective results and strong logic in dealing with multilevel and multi-index digital transformation indicator systems， which meets the research needs. Therefore， this paper constructed an evaluation indicator system for the digital transformation of listed enterprises in China’s clothing industry， which contains 19 specific indicators in three dimensions： technological transformation capability， organizational transformation capability and business transformation capability. Based on the panel data of 24 listed enterprises in the clothing industry in China from 2018 to 2021， the entropy weight method was employed to assign weights to quantitative indicators， with the weight value representing the influence degree of indicators in the digital transformation process; the weight value was substituted into the TOPSIS evaluation method to calculate and evaluate the digital transformation indicator of each sample enterprise. The weight analysis results show that： among the three primary indicators， the weight of business transformation capability is 0365， indicating the greatest impact on the digital transformation of listed enterprises in China’s clothing industry. Among the 10 secondary indicators， the top three weights are digital infrastructure construction， organizational structure transformation， and digital personnel training， with values of 0.251， 0.154， and 0.133， respectively. These three secondary indicators contain many tertiary indicators， and enterprises should balance the development of each specific influencing factor. Among the tertiary indicators， digital design system has the highest weight of 0.111， which indicates that design is an important part of garment enterprises’ digital transformation in the context of consumers’ pursuit for personalization. The digital transformation index shows that more than 50% of sample enterprises have improved their digital degree; the average digital indexes of full samples from 2018 to 2021 are 0.288， 0.292， 0.333 and 0.336， respectively， showing an upward trend， and indicating that China’s listed garment enterprises have made some progress in digital transformation overall， but the degree of digitalization is low. The sample enterprises could do better in the future. Finally， based on the enterprise level， we summarized three main reasons for the low degree of digital transformation： （i） limited digital investment; （ii） weak ability to transform organizational structure; （iii） difficulties in business process transformation. In view of the three main reasons for the low degree of digital transformation， three suggestions were proposed： （i） increasing investment in digital technology and equipment; （ii） creating a digital environment， cultivating， and introducing relevant people; （iii） emphasizing standardized data transmission and promoting business process transformation.

The evaluation indicator system for digital transformation of garment enterprises constructed in this paper is objective， scientific and hierarchical， which can provide reference for the digital transformation of China’s garment enterprises. In the future， the indicator system could be modified and improved on the basis of the indicator system built in this paper; the small and medium-sized garment enterprises could be included in the research scope， and then the number of sample enterprises could be expanded. In this way， the influencing factors and transformation effects of digital transformation in China’s garment enterprises could be analyzed more comprehensively. We could also compare domestic and foreign garment enterprises， to analyze the advantages and disadvantages of China’s garment enterprises in the process of digital transformation， so as to accelerate the digital transformation.

Key words： digital transformation; garment enterprises; entropy-TOPSIS; influence factor; weight; transformation index