Upper Echelons Theory and the Digital Leap: Expert-Coded Leadership and Organizational Digitalization

This dataset accompanies the study “Upper Echelons Theory and the Digital Leap: Expert-Coded Leadership and Organizational Digitalization.” It provides a unique expert-coded view of how CEO digital expertise, top management team (TMT) diversity, and integration mechanisms influence digital innovation outcomes in leading global technology firms.

The dataset covers 12 firm-years (2023–2024) from six representative companies at the forefront of digital transformation: Intel, NVIDIA, Huawei, Tencent, SAP, and ASML. Three independent coders contributed to the evaluation process: (1) the current CEO of a Shenzhen software company (aggressive stance), (2) a retired U.S. semiconductor CEO (conservative stance), and (3) a European scholar specialized in Upper Echelons Theory (moderate stance). This triangulated approach reduces bias and improves construct validity.

Variables include:

CEO Digital Expertise: five dimensions (human capital depth, track record of digital value creation, boundary spanning with IT leaders, governance of digital/data/AI risk, and centralization stance).

TMT Diversity: size, functional heterogeneity (Blau index), gender diversity.

Integration Mechanisms: presence of CIO/CDO/CTO roles, digital councils, and ecosystem partnerships.

Digital Innovation Outcomes: digital patent families, product/feature releases, digital revenue share, process digitization milestones.

Controls: firm age, size, R&D intensity, industry volatility.

Contents:
The dataset consists of three main workbooks (Coder A, B, C), each containing:

Coding_Sheet: ratings per firm-year, including formulas for indices.

TMT_Roster: member-level data (local and common names, function category, gender, source URL).

Roster_Calcs: auto-calculated measures of TMT size, Blau index, and share female.

Rubric & Instructions: coding anchors and coder-specific guidance.

Usefulness:
This dataset is valuable for scholars in strategic management, leadership, and digital transformation. It offers a replicable, transparent method to operationalize Upper Echelons Theory beyond demographics and surveys, enabling the study of substantive expertise and team integration. Researchers can reuse the coding rubric, adapt the roster approach to other industries, or extend the methodology with automated coding (e.g., NLP, machine learning). The multi-rater structure also allows for intercoder reliability analysis, an uncommon but critical step in leadership research.

This dataset directly supports the empirical analysis presented in the associated article, offering open and replicable materials for future comparative, cross-industry, and longitudinal studies.

本数据集配套于研究论文《高层梯队理论（Upper Echelons Theory）与数字化跃迁：专家编码式领导力与组织数字化》。本数据集提供了独特的专家编码视角，剖析全球顶尖科技企业中，首席执行官（CEO）数字化专业能力、高管团队（Top Management Team, TMT）多样性与整合机制如何影响数字化创新成果。

本数据集涵盖了处于数字化转型前沿的6家代表性企业的12个企业年度样本（2023年—2024年），分别为英特尔（Intel）、英伟达（NVIDIA）、华为（Huawei）、腾讯（Tencent）、SAP与阿斯麦（ASML）。本次评估由三位独立编码员完成：1. 深圳某软件企业现任首席执行官（持激进立场）；2. 美国某半导体企业退休首席执行官（持保守立场）；3. 专注于高层梯队理论（Upper Echelons Theory）的欧洲学者（持中立立场）。这种三角验证法可降低评估偏差，提升结构效度（construct validity）。

变量设置如下：
1. CEO数字化专业能力：包含5个维度，即人力资本深度、数字化价值创造过往记录、与IT领导者的边界跨越能力、数字化/数据/人工智能（Artificial Intelligence, AI）风险治理，以及集权化立场。
2. 高管团队（TMT）多样性：包括团队规模、职能异质性（布劳指数，Blau index）与性别多样性。
3. 整合机制：包括首席信息官（Chief Information Officer, CIO）、首席数据官（Chief Data Officer, CDO）、首席技术官（Chief Technology Officer, CTO）岗位设置、数字化委员会与生态伙伴合作。
4. 数字化创新成果：包括数字化专利族、产品/功能发布情况、数字化收入占比、流程数字化里程碑。
5. 控制变量：包括企业年龄、规模、研发（Research and Development, R&D）强度与行业波动性。

数据集内容：
本数据集包含三个核心工作簿（编码员A、B、C），每个工作簿均包含以下内容：
1. 编码工作表（Coding_Sheet）：各企业年度样本的编码评分，包含各类指数的计算公式。
2. 高管团队名册（TMT_Roster）：成员级数据，包括本地姓名与通用姓名、职能类别、性别以及来源链接。
3. 名册计算表（Roster_Calcs）：自动计算得出的高管团队规模、布劳指数与女性成员占比数据。
4. 编码标准与操作指南（Rubric & Instructions）：编码锚点与针对每位编码员的专属指导说明。

学术价值：
本数据集对于战略管理、领导力与数字化转型领域的学者具有重要学术价值。它提供了一套可复制、透明化的操作方法，将高层梯队理论（Upper Echelons Theory）的研究范畴从人口统计学特征与问卷调查拓展至实质性专业能力与团队整合层面，为相关研究提供支撑。研究者可复用该编码标准、将名册分析方法适配至其他行业，或结合自然语言处理（Natural Language Processing, NLP）、机器学习（Machine Learning）等自动化编码技术拓展研究方法。多编码员评估结构还支持编码者间信度分析，这在领导力研究中虽不常见却至关重要。

本数据集直接支撑了配套论文中的实证分析，可为未来的比较研究、跨行业研究与纵向研究提供开放且可复制的研究材料。