“十四五”规划提出要大力推进数字经济发展,在此背景下,以企业为主导的数字经济转型成为当前学术界研究的热点,数字化企业也得到前所未有的关注。《政府工作报告》提出了 2021年以来最新的政策方针,要推进企业数字化发展,构建数字经济创新优势,共同推动企业数字产业化和产业数字化转型。可见,数字化企业已经成为数字经济发展的重点观测对象,全力发展数字化企业已经成为中国数字经济建设中最为关键的一步。成长性是一个客观的衡量企业的生存与发展的指标,对其进行深入的研究,可以为企业的投资者和管理者提供更多的参考依据,同时也是我国政府对上市数字化企业公司进行监督的一个重要度量。但是,截止现在对于数字化企业成长性的研究却很少,很多学者只是将其定义和衡量指标进行了界定和区分。成长性评价标准、评价体系和概念界定存在着较大的差别,还缺乏对成长性和宏观经济的相关研究。因此,如何构建数字化企业成长性预测研究的指标体系、如何全面地考量多因素对企业成长性的影响是一个亟需解决的问题。当今世界万物互联,人工智能技术在各行各业中得到了广泛的应用,人们对大数据内在联系的研究也越来越迫切,机器学习技术迅速发展,出现了很多新的算法技术。目前,新兴行业正在兴起,财务数据、风险投资、商业模式创新等都越来越受到重视,这也恰好符合以数据为基础来解决问题的机器学习方法内核。因此对于数字化企业的研究层出不穷,本文基于这样的背景下,应用机器学习方法对数字化企业的成长性的预测和影响因素做出探索研究。本文首先用文献研究法分析了国内外对于数字化企业成长性的研究现状,接着在了解机器学习方法的发展后介绍并比较了五种机器学习算法模型的优缺点。然后,以沪深两市831个已上市的数字化企业2016-2020年财务数据为例,挑选了四个财务指标来评价数字化上市公司的成长性,它们分别为总资产增长率、利润总额增长率、净利润增长率、主营业务收入增长率。接着利用主成分分析法对四个变量进行提取,得到一个成长性增长率因子,并将其定为因变量,若其大于零则视为有成长性,反之,就是没有成长性;再从公司的财务指标和宏观经济市场两个方面,选择22个对成长性有影响的指标,基于此构建KNN模型、SVM模型、决策树模型、XGBoost算法、Light GBM模型五个机器学习模型,建模后得出AUC值等结果以选择较优适配模型。通过比较可发现:XGBoost模型对于数字化上市公司的成长性具有较好的预测能力,可随情况选择XGBoost、Light GBM模型两种更合适者;通过对指标重要性的排序,可以看出盈利能力指标对于数字化上市公司的成长性是最重要的,而营运能力指标次之;并且盈利能力中影响最大的指标是总资产净利率,营运能力中影响最大的指标是总资产周转率;随着经济环境的变化,其成长性也会受到很大的影响。因此,在充分认识到主要影响因素后,投资者与企业负责人应更多地注意公司的盈利能力及营运能力,尤其要关注总资产周转率与总资产净利率,及时调整风险投资,创新商业模式,改善数字化企业的成长绩效;也应对宏观环境的行业因素、时间因素、经济发展水平等给予重视,及时变换调整公司策略,高效有序地利用资源,提出有针对性、有效的经营计划,增强公司的综合竞争力。另外,本文建议政府可以从专项激励与人才培养、区分行业实施特定方案、加强数据资源共享与开发利用这三方面入手,来提升数字化企业的成长性。