大數據時代工業企業統計工作變革的思考

李文 王邦兆/江蘇大學 管理學院

1 數據時代工業企業統計變革的必要性

工業企業統計是經濟統計的核心內容之一，在我國統計體系中占有重要地位。隨著大數據時代的到來，工業企業統計也將面臨著新的變革與挑戰。麥肯錫公司認為：“數據，已經成為當今企業的關鍵生產要素之一，已經滲透到每一個行業、每一項業務職能。對于海量數據的運用與挖掘，預示著新一波生產率增長時代的到來。”在大數據時代，不僅對工業企業統計提出了新的需求，也將逐步擴展工業企業統計的職能。

大數據是指數據集的容量已超出了常規的數據庫軟件工具所能捕捉、存儲和分析的數據，它產生于無所不在的傳感器、微處理器、互聯網和社會媒體等。在發達國家，對于大數據的收集、分類、存儲、分析已經嵌入到經濟社會管理的每一個環節，并成為經濟社會管理的重要組成部分。《華爾街日報》將大數據時代、智能化時代和無線網絡革命稱為是引領未來經濟繁榮的三大技術變革。

大數據時代的到來必然引起企業統計工作的變革。統計工作是企業數據價值成長的溫床，離開了統計工作，企業數據的價值就無從展現。沒有統計工作的促進，數據挖掘也會停滯不前。在大數據時代，工業企業要對海量的生產、營銷、采購、財務、人力資源、質量檢測、安全監控、后勤服務數據進行收集、分析和發布，為企業決策提供參考。這時，人們的思維模式將發生變化，不再過多地探究企業內部要素之間的因果關系，而是專注于企業內部要素之間的相關關系。統計的主要目標不再是描述企業的管理事件及發生的原因，而是轉向對管理行為結果的預測。

2 工業應對大數據時代統計的不足

在大數據時代，工業企業統計將發生天翻地覆的變化，與小數據下的抽樣統計大相徑庭。大數據統計是不可逆轉的趨勢，但是，我國工業企業還沒有做好迎接大數據時代的準備，缺乏相應的思想、條件與方法，這為大數據統計的實施帶來了障礙。這些不足和缺少主要表現在如下方面：

第一，數據增長較快，數據存儲量不足。在過去很長一段時間內，我國工業企業幾乎都沒有意識到數據的經濟價值，數據存儲的觀念較為淡薄，加之在當時的條件下，數據存儲成本較高、數據存儲方法落后，因此數據采集與存儲嚴重不足，遠未達到大數據的標準。近年來，一些企業認識到了數據存儲的重要性，加大了數據的存儲力度，但在數據處理方法上存在很多問題，有待克服。

第二，數據結構較為簡單，缺少多樣化。大數據結構存在著多樣化的特征，不僅包括結構化數據，也包括大量的半結構化數據和非結構化數據。目前，在我國企業所收集的有限數據中，主要是類型較為簡單的結構化數據，非結構化數據較為罕見。同時，這些數據主要源于生產過程，是生產過程中產生的數據，很少涉及營銷、采購、人力資本、財務管理、戰略決策方面的數據，品種較為單一。事實上，在企業運營中，許多有價值的數據是以非結構化數據的形式存在的。

第三，數據存儲較為分散，共享性不足。在當今時代，數據共享是數據的生命，缺乏共享的數據就失去了生命力。目前，我國企業都擁有自己的信息系統，但這些系統一般處于獨立狀態，未能構成統一的數據平臺。即使在企業集團中，子公司或分公司之間的信息系統也處于分散狀態，形成了一個個信息孤島，無法實現高度的數據共享。同時，許多信息系統在架構、數據庫、支持語言上差異較大，數據傳輸困難，也不利于數據共享。

第四，數據所有權存在爭議，使企業處于數據支配的被動狀態。由于沒有認識到數據的重要性，許多企業當初在數據所有權上不以為意，隨意讓出所有權，如關鍵設備的運行數據都被生產廠家所控制，人力資源數據被咨詢公司所控制等。當大數據來臨時，一些企業認識到數據價值之后，欲求重新買回數據所有權，往往耗費巨額費用與代價，帶來了很多所有權爭議。尤其對一些大型企業而言，如果數據所有權問題不解決，大數據統計的平臺就無從搭建。

第五，統計人員地位不高，阻礙了大數據管理能力的提升。在大數據環境下，統計人員的業務素質需要通過脫胎換骨式的錘煉，才能具備大數據管理水平。在主觀上，需要企業領導高度重視，意識到大數據統計的重要性；在客觀上，需要投入一定的資金，包括軟件硬件配置費用、培訓費用、外出交流學習費用等。但是，在目前的環境下，我國企業統計人員的地位普遍不高，甚至被認為可有可無，統計工作被認為是應付差事的附屬工作。在這樣的現狀下，統計人員業務能力開發將面臨著重重困難。

第六，統計指標陳舊，不符合大數據統計的需求。大數據分析的理念是探析事物之間的內在聯系，而不是因果關系，在這種環境下，傳統的統計指標體系已不再適用，需要進行大規模修正。大數據環境下的統計指標不僅要反映企業的靜態特征，也要反映出企業的動態特征，不僅反映企業的過去發展歷程，也要能實現對企業未來發展的預測。現有的指標體系是現行統計制度下的產物，統計制度的變革是指標體系變革的前提。

3 大數據時代工業企業統計的變革

現行的工業企業統計遠不能適應大數據統計的需求，無法構建有效的大數據分析平臺，需要進行一系列的變革。工業企業統計涉及到供、產、銷、人、財、物各個方面，因此，統計變革是一種全方位、綜合式的變革，主要包括如下方面：

第一，轉換統計人員的角色，發揮數據管理者的作用。在傳統工業統計中，統計人員的定位一般是數據采集者，但在大數據時代，統計人員還應是數據管理者，不僅能夠采集數據，也要能夠分析數據。由于信息系統的普及，數據采集工作的難度相對減少，但在大數據環境下，數據分析工作的難度相對增加，對數據挖掘提出了更高的要求。統計人員不僅構建和維護數據庫管理系統，還應負責數據轉換、數據安全、數據分析、數據傳輸與數據發布的工作。統計人員的數據發布對象不僅是上級主管部門，還應包括企業內部各職能部門。

第二，實施自動化數據采集方式，提高數據采集效率。在大數據環境下，傳統的數據采集方式將逐漸消退，代之而起的是數據的自動化采集。在傳統方式下，人工報表、抽樣調查、訪談、問卷發放等數據采集方式，已經無法適應大數據處理的需求。大數據采集不僅包括生產數據，還包括市場、客戶、營銷、采購等生產之外的數據，與傳統數據采集對象截然不同。自動化數據采集不僅降低了數據采集的成本，也確保了數據采集的完整性，不僅可以采集結構化數據，也可以采集半結構化和非結構化數據。當然，在自動化數據采集下，對存儲設備的要求也較高，需要具備容量大、性能強、吞吐率高等特性。

第三，利用大數據統計平臺改進營銷管理，深度認識消費者的需求特征。美國著名營銷專家約翰·沃納梅克認為：“我們知道，許多企業中至少一半的廣告花費是浪費的，但是，我們無從知曉是哪一半。”大數據營銷方式的到來可以使這一問題迎刃而解。隨著大數據處理能力的提高，通過對消費者消費特征的挖掘，數字媒體的營銷也將更趨于個性化。利用大數據統計平臺，可以使消費者的需求分析擺脫直覺的狹隘，全方位地了解消費者的需求，認識消費者的支付意愿，從而為產品設計優化提供合理的規格參數。

第四，利用大數據統計平臺實施庫存管理，實現對最佳庫存的精確測度。庫存管理是企業的一項尖端管理事項，隨著企業規模的增長、企業聲譽的外揚、企業競爭優勢的累積，庫存管理就越重要。庫存成本一般占據產品成本的一半以上，如果降低一成庫存成本，企業競爭力就會呈三倍的增長態勢。在大數據統計平臺上，可以實現對庫存需求的精確預測、減少調撥環節、合理布局庫存結構，將庫存信息及時反饋到生產計劃、訂單采購、庫存安排各個環節，進而實現庫存管理從“需求感應”向“適應性存儲”的轉換，大幅度降低庫存成本。

第五，利用大數據統計平臺進行質量管理，提高產品質量管理水平。20世紀90年代，許多企業已經開始利用數據分析來改進產品質量管理，以求生產與服務的最佳匹配。在大數據環境下，由于數據源較廣、數據挖掘手段較強、數據價值更高，不僅可以使產品制造時間縮短50%，也可以通過仿真與模擬等方法檢驗產品缺陷，剔除不必要的環節、縮短開發周期、降低開發成本。企業利用大數據可以收集到大量同類產品的工藝參數、質檢結果、營銷記錄，從而對新產品質量做出準確的預測和判斷。

第六，統計人員應積極參與企業決策，提高企業決策效率。在傳統管理模式下，統計人員只是普通企業員工，不在決策人員之列，但在大數據時代，由于決策的復雜性在增長，統計人員必須參與決策，否則，許多決策問題將無法實施。大數據下的決策與傳統決策存在著很大的差異，不僅基于一定量的類型繁多的數據，也要借助于各種先進的決策模型，這讓許多高層管理人員難以駕馭。盡管統計人員參與決策是一種必然的趨勢，但在決策過程中，統計人員的定位是輔助性人員或決策技術人員，在很大職能上不能越俎代庖。

第七，轉變企業對數據的管理與控制方式。在大數據環境下，數據分析需要接受一定程度的誤差，無法做到小數據的精準。數據容量越大、數據類型越多，所容忍的誤差就越高。我國企業并未真正進入大數據時代，數據容量較低、數據類型單一，尚不能容忍較多的數據誤差。美國企業大數據管理水平較高，但由于數據誤差較高，每年給企業造成六千多億美元的利益損失。企業應設計專門的大數據管理部門，指派專門的數據管理人員，及時解決數據管理中出現的問題，并不斷謀求數據管理質量的提高。

第八，實施工業統計制度的變革。在大數據時代，由于統計對象、方式、目標都發生了變化，需要統計制度也相應轉變，以適應大數據統計發展的需求。新的工業統計制度應立足于我國工業發展的現實目標，將統計工作與企業發展相結合，充分利用大數據的優勢，提高工業統計對生產、營銷、采購等流程的支持作用。在我國現行的體制下，統計制度變革是一個系統工程，不可能在短時間內一蹴而就。在變革過程中，不僅要吸取西方發達國家統計制度的經驗，也要結合于我國統計實踐的現實特征。

第九，擴張企業的信息統計范圍。在大數據時代，由于數據源擴大，企業的統計信息范圍也應隨之擴張，不僅需要統計企業內部的信息，也要統計企業外部的信息。企業外部信息主要包括四大類：企業所在行業的信息、消費者信息、競爭對手信息，以及與企業發展相關的各種社會信息。大數據統計平臺的建設需要包含這些信息源，繼而實現綜合分析。目前，大多數企業在統計中并不關注這些信息，沒有將這些信息納入必要的統計范圍，必然在大數據競爭中步人后塵。