企業檔案大數據分析方法與技術創新雙向決策模型

李晶偉王毅

（1.中國人民大學，北京 100872;2.遼寧大學，遼寧沈陽 110136）

企業檔案大數據分析方法與技術創新雙向決策模型

李晶偉1王毅2

（1.中國人民大學，北京 100872;2.遼寧大學，遼寧沈陽 110136）

大數據分析方法可以幫助企業從檔案數據中發現規律和問題，推動企業科學決策與技術創新。基于目標驅動的“技術評估與預測模型”與基于數據驅動的“技術監測與預警模型”雙向決策模型本質上是企業管理決策的一種科學工具，有利于企業技術知識的可視化累積和知識發現，有利于企業流程重造、質量控制以及合作模式創新，有利于企業風險管理、偏差檢測、預警響應等。應注意模型應用策略，及時建立失效預警機制，自覺維護客戶隱私，確定數據存儲期限。

企業檔案；大數據分析方法；技術創新；決策模型

引言

大數據分析方法是企業技術創新的方法之一，可以幫助企業從大量復雜數據中發現規律和問題，實現從“數據分析能力”向“數據決策能力與優勢”的轉化。企業檔案是企業知識資產和信息資源的重要組成部分，具有知識創新性、不可替代性，為企業技術創新提供數據基礎。對于企業而言，抓住大數據時代帶來的技術機遇，將大數據分析方法運用在企業檔案信息資源分析挖掘上，可推動企業科學決策和技術創新。

“技術創新的本質就是組織利用知識創造出新知識的過程”[1]，拓寬“技術創新”的外延，將企業技術創新界定為“企業管理決策思維創新”。根據朱東華等提出的大數據環境下面向技術創新管理的雙向決策模型[2]，即從“技術評估與預測”“技術監測與預警”兩個方面構建適用于企業技術創新管理的新方案，以及王毅等提出的“國有企業檔案大數據管理與技術創新模型”[3]理論基礎，探討檔案大數據分析方法與企業技術創新的關系，結合大數據分析方法，構建企業檔案大數據分析方法與技術創新雙向決策模型。該模型本質上是企業運用大數據分析方法的管理決策思維外化而成的科學決策工具。

一、雙向決策模型的內容框架

雙向決策模型主要由兩部分組成（如圖1所示）：右側部分顯示該模型遵循“數據采集——數據預處理及存儲——數據分析挖掘——數據應用”的數據生命周期，主要功能是為模型構造提供思維依據；左側顯示模型主體部分，主要由兩部分——技術評估與預測模型和技術監測與預警模型構成。左側主體雙向決策模型建立的基礎是“企業檔案信息資源”板塊和“大數據環境下云計算平臺”板塊，前者為雙向決策模型提供數據來源，后者為雙向決策模型提供存儲和運行平臺。主體第一部分為目標驅動技術評估與預測模型，主要功能是以傳統大數據分析方法和技術為手段分析挖掘企業內部檔案信息資源，達到技術評估與預測目的；主體第二部分為數據驅動技術監測與預警模型，主要功能是以自組織動態實時監測大數據分析方法和技術為手段分析挖掘企業外部有價值的檔案信息資源，預

警突發情況，達到技術監測與預警目的。需要說明的是，技術監測與預警模型、技術評估與預測模型中各自運用的大數據分析方法與技術是相通的，在實際分析中可根據需要選擇。

圖1 企業檔案大數據分析方法與技術創新雙向決策模型

（一）目標驅動的技術評估與預測模型

技術評估與預測模型著眼于企業內部檔案信息資源，以“目標驅動決策”展開。對于企業管理者而言，首先需要弄清楚目標需求。基于目標驅動，通常采取傳統意義上的大數據分析挖掘方法，經過數據采集、預處理、分析挖掘，從企業檔案信息資源中獲取推動企業技術創新知識、觀點或者管理思維。然而對于傳統意義上十大類企業檔案信息資源，企業管理者的目標需求不同，分析挖掘的企業檔案信息資源種類也不同。因此，企業管理者在運用技術評估與預測模型時，應當具體問題具體分析。

對于企業科研開發、儀器設備等技術類檔案而言，通過分析挖掘，實現對潛在技術信息的發現與可視化，企業管理者可以評估技術發展狀態并預測技術發展趨勢。美國佐治亞理工大學Alan

Porter教授提出以“技術機會分析”方法為核心的“技術挖掘”理論[4]，可以為企業管理者針對技術類檔案分析挖掘提供借鑒。通過整合專家知識和文獻計量方法，將與某特定新興技術相關領域的科技文獻采集、處理、分析挖掘，進而發掘該技術領域內的核心企業、技術的實時變化和與該技術企業聯系密切的相關技術參與者間的關系并可視化展示，從而掌握技術競爭情報，預測創新路徑。在利用文獻計量法時采用“自然語言處理技術”“主題詞簇技術”等，實現對噪聲數據的清洗與合并。

對于經營管理類、生產管理類檔案，企業管理者可以運用關聯規則、聚類分析、分類回歸分析、時序分析等方法，實現企業檔案潛在規律模式的發現與可視化，形成新的管理思維，做出精確的市場趨勢預測和企業管理模式的轉變，進而實施更加有效的市場營銷戰略，提升企業競爭力。以樂購公司經營管理中會員卡顧客數據為例。樂購公司的會員卡中記錄顧客購物商品信息，樂購公司通過顧客信息挖掘并分類，得出顧客購買商品間的相關關系，進而調整策略，使樂購的非食品類產品和服務類產品銷售大大增加；同時樂購公司通過精確的實驗分析，將會員卡用戶細分，針對不同用戶提供不同的優惠促銷活動。優惠券的答復率在直銷業一般為2%，樂購公司在匯率支付的年度大型樂購700萬優惠券中答復率高達20%。通過精確的用戶細分，樂購公司不僅提升客戶的忠誠度，更在業績方面居于市場領先地位。

（二）數據驅動的技術監測與預警模型

數據時代，任何一種信息都可能為企業技術創新帶來新思維。對于企業而言，不僅應該關注自身擁有的數據資產，更應關注企業外部與企業相關的有價值信息。企業應通過實時建檔，利用最新的大數據分析方法和技術，充分掌握新興技術和競爭對手態勢、市場最新動態，并對一切可能的情況及時做出反應與預警，這正是技術監測與預警模型要解決的問題。

與目標驅動的技術評估和預測模型不同，數據驅動技術監測與預警模型更能體現出自組織動態實時監測的特點。通過在線實時監測技術與主動爬蟲技術，自動獲取和收集散落在互聯網上有價值的社交數據、網絡輿情數據、政府政策、市場動態數據以及金融交易數據等，經過機器的算法訓練和網絡輿情、偏差檢測分析，能夠追蹤輿情的最新動態，分析挖掘新興技術及競爭對手的最新動態，做出及時有效反應，達到監測與預警目的。以因百威啤酒而名揚世界的安海斯——布希公司為例，該公司通過大數據分析系統，自組織實時動態監測與公司相關的競爭對手和分銷商數據，不僅了解競爭對手產品的陳列、定價及貨架空間等情況，同時還從大量分銷商銷售數據中獲得本公司產品在零售環節的詳細情況，掌握市場最新動態，從而開展效果更佳的營銷活動。

二、雙向決策模型的特點

（一）基于“大檔案觀”多元化的數據來源

企業檔案呈現4V特征：Variety（模態繁多但不便于存儲）、Volume（體量浩大但分析周期長）、Velocity（生成快速但難以捕捉）和Value（價值巨大但密度很低，較難控制）[3]。在這種情況下如果企業檔案管理者依然把企業檔案視為傳統意義上的十大類企業檔案，那么企業檔案工作不僅會在社會分工中越來越邊緣化，而且不利于企業知識管理與企業檔案價值的實現。該模型從“大檔案觀”視角研究企業檔案信息資源，既包括傳統意義上十大類檔案信息資源，也包括與企業相關的網絡輿情數據和社交網絡數據，后者利用網絡輿情進行預警與監測，同時把政府政策、市場動態以及金融交易等數據納入其中，提升企業情報分析的全面性。

（二）數據生命周期貫穿始終，云計算平臺為基礎

大數據分析方法貫穿企業檔案信息資源處理的整個生命周期，因此在構建雙向決策模型時將“數據采集——數據預處理——數據存儲——數據分析挖掘——數據應用”數據生命周期貫穿模型始終。此外，在大數據時代由于企業檔案信息資源呈現4V特征，傳統數據庫和處理方法已經不再適應大數據環境，因此該模型建立在云計算平臺基礎之上，通過采用目前常用的MapReduce并行處理系統運行算法、基于Hadoop開源的分布式文件系統（HDFS）及谷歌的BigTable等非關系型數據庫，實現數據有效采集、預處理、存儲和質量管理。

（三）多種大數據分析方法與技術的有效結合

分析企業檔案信息資源時，可視化分析、數據挖掘、預測分析、語義引擎、數據質量管理等大數據分析方法不僅單獨運用，也可相輔相成地綜合運用，因此該模型充分吸納這幾種常見的大數據分析方法。具體來說，基于目標驅動的傳統大數據分析方法有文獻計量法、關聯規則、聚類分析、分類回歸分析、時序分析、可視化分析、語義引擎等，運用具體技術包括文本萃取、自然語言處理、主體詞簇等；基于數據驅動的大數據分析方法有網絡輿情法、偏差監測法，常用的技術主動爬蟲、機器學習等。

（四）雙向決策模型的本質特點——企業管理決策的有效工具

目前對于企業管理者而言，“企業高層越來越依靠基于數據分析的企業管理決策，而不是靠直覺的經驗管理決策。”[5]大數據分析方法作為定量分析方法的工具，勢必會對企業運行管理、生產業務流程、管理決策產生影響。為促進企業管理決策科學，雙向決策模型的構造將大數據分析方法運用在企業檔案信息資源挖掘上。而“任何一個管理活動都會有管理工具，任何管理工具都有物質與意識兩種不同的表現形式。”[6]根據管理工具的不同，檔案管理可以分為檔案物理管理和檔案邏輯管理。企業經營者運用大數據分析方法管理企業檔案信息資源實質是一個邏輯管理過程。企業經營者在決策前，首先要擁有運用大數據分析企業檔案信息資源的思維，然后將該思維外化為規則符號構成企業決策模型，成為企業決策的有效工具。

因此，可以說雙向決策模型由大數據分析方法外化而成，其本質是企業管理決策的有效工具。

三、雙向決策模型的優勢

雙向決策模型的本質是企業管理決策的有效工具，對模型的優勢性分析需要結合企業管理中的具體理論與實踐。近年來出現企業知識管理、集成管理、風險管理等專門研究領域。“管理就是制定決策。”[7]企業知識管理、集成管理、風險管理的實質是決策過程。因此本文主要從企業知識管理、集成管理、風險管理三個層次結合案例分析雙向決策模型，雙向決策模型優勢分析如圖2所示。

圖2 雙向決策模型優勢分析

（一）雙向決策模型驅動下的企業知識管理與技術創新

1.有利于企業隱性技術知識的可視化累積。在大數據時代，一切都可以量化，類似于企業員工的經驗等隱性知識可以數據化，企業隱性知識可視化展現已經具備技術基礎。例如，對于即將退休的技術人員，通過口述訪談形式將其多年工作經驗標準化、規范化，形成企業的業務指南或者員工技術手冊，有助于提升企業技術創新水平。

2.有利于企業的知識發現。使用雙向決策模型，企業管理者可以迅速掌握企業內部信息和外部競爭情報，掌握市場發展趨勢，精準營銷。利用基于目標驅動技術評估與預測模型，企業可以采取與顧客交流方式，將顧客隱性需求顯性化，

滿足顧客需求；利用基于數據驅動技術監測與預警模型，企業可以獲取網絡、新聞、報紙等不同媒介上的信息，及時建檔，分析消費者觀念變化、價值取向、市場發展趨勢等。

（二）雙向決策模型驅動下的企業集成管理與技術創新

1.有利于流程重造，質量控制。以雙向決策模型為工具，能夠幫助企業重新審視自身結構，加強質量控制，推動企業業務流程的優化重造。

2.有利于企業合作模式創新。雙向決策模型可以使企業管理者掌握企業內外有價值的檔案數據，通過分析挖掘發現潛在的合作伙伴，促進企業合作模式創新。

（三）雙向決策模型驅動下的企業風險管理與技術創新

雙向決策模型為企業風險管理提供工具。通過及時建檔，對企業實現內外部控制，從企業檔案大數據中發現有價值的競爭情報，發現企業運行過程中的潛在問題，把企業運行管理過程的風險降低到最低，并對風險進行預測、評估、監控，實現企業對風險的主動控制。具體來說，企業可以使用該模型中的偏差檢測技術，從眾多檔案數據中發現異常情況，并參照給定模型預警響應，達到風險控制目的，減少企業損失。

四、雙向決策模型的運用策略

雙向決策模型作為科學管理決策工具，幫助企業管理者做出科學決策，推動企業技術創新，但該模型并不是萬能的。谷歌在2009年預測禽流感案例被視為大數據分析預測的典型成功案例，然而谷歌的禽流感預測在最近兩年顯示不準確。大數據時代下企業檔案信息資源的4V特征使得很多時候收集到的檔案數據存在“變量遺漏”和“樣本偏差”，以這樣的數據為依據，得到結果可能是低效甚至是錯誤的。

大數據分析方法只是一種工具，只能提供參考，并不能盲從，應建立失效預警防御機制。同時由于企業檔案中包含大量個人隱私信息，要求企業管理者在分析挖掘這些檔案信息時應正確處理商業利益與客戶隱私的關系，保護客戶個人隱私。此外，雙向決策模型運用實時建檔方法，將使企業檔案大量增加，給企業檔案管理帶來較大壓力，因此應設定數據合理存儲期限。

［1］Drucker.Post-capitalist Society[M].New York:Butterworth Heineman, 1993.

［2］朱東華.大數據環境下技術創新管理方法研究[J].科學學與科學技術管理,2013(4).

［3］王毅,趙淑梅.國有企業技術創新與檔案大數據管理安全戰略研究[J].檔案學通訊,2014(2).

［4］Porter A,Cunningham S.Tech Mining:Exploiting New Technologies for Competitive Advantage[M].New York:Wiley,2005.

［5］Akella,Janaki,Timo Kubach,et al.Data-driven Management: Bringing more Science into Management[R].McKinsey Technology Initiative Perspective,2008.

［6］丁海斌.論檔案的邏輯管理[J].檔案管理,2013(5).

［7］赫伯特·A·西蒙.管理決策新科學[M].李柱流,譯.北京:中國社會科學出版社,1982.

F272

A

1672-3805(2016)05-0001-05

2016-08-08

遼寧省經濟社會發展課題“遼寧省企業技術創新與檔案大數據分析方法研究”（2016lslktzdian-30）

李晶偉（1991-），男，中國人民大學信息資源管理學院碩士研究生，研究方向為檔案管理。