基于數據分析的企業行政決策支持建設綜述

賀馳名

（中國電建集團中南勘測設計研究院有限公司，湖南 長沙 410000）

一、引言

隨著互聯網技術的快速發展，越來越多的技術被應用到企業管理中，從而進一步提升了企業的行政決策能力。數據時代的來臨，讓人們對數據的處理、分析能力有了較大的提高，所以數據的分析與應用將越來越頻繁，也將改變企業的決策方式和管理環境。

二、數據分析對企業行政決策的意義

每一個企業都會產生一定的數據，各類數據對企業的生產經營和行政決策起著至關重要的作用。數據分析已經成為企業經營、管理、戰略等不可或缺的信息資源。正確、科學的數據分析能幫助企業做出明智的行政決策，數據就如同企業管理者的眼睛，通過數據反映出企業深層次問題，從而為企業行政決策提供更多的幫助。行政決策數據分析是對數據進行計算、處理從而得出一些有意義的結論的過程。通過數據分析對企業進行管理，不僅能提高企業行政決策水平，還能對企業未來的發展起到推動作用。

目前，很多企業的日常綜合辦公都是采用信息化系統以提升工作質量與效率，以促進管理的規范化。綜合辦公信息化系統，主要是以系統科學、行為科學為指導，用于群體辦公，以提高效率、促進知識共享、支持決策的集成化信息系統。它的使用讓信息化數據的積累變成可能，不僅僅是要支持日常辦公事務，還需要支持知識管理、協作辦公、決策支持等。其中，決策支持近年來越來越受到重視。

三、目前行政決策存在的問題

（一）行政決策程序滯后于需要

當前，大部分企業的行政決策流程依舊比較落后，從調查研究、分析論證到方案評估，一般需要較長時間。支撐材料的收集較困難，決策程序較復雜，以致決策滯后，最后讓企業錯失了發展機會。在信息化高速發展的今天，企業不僅需要制定科學的決策，更需要優化決策程序。通過分類整合和挖掘技術，找出有利于決策的數據，并快速地進行研判，從而選出最佳方案。

（二）綜合信息化系統忽略結構化數據的積累

綜合辦公系統與各業務系統間聯系緊密，系統間的區分日趨變得模糊，關系由孤立轉向融合，往往需要同時進行結構化數據以及非結構化數據的處理，信息與數據一體化將是大勢所趨。然而，目前大部分企業的綜合信息化系統，更多的是強調具體事務的處理，而忽略了結構化數據的積累和運用，忽略了數據信息的傳遞、交互與共享。

（三）數據利用效率較低下

現今，多數企業數據資源的使用方式是在業務系統中建立業務報表和數據查詢系統，缺少對數據信息的高效復用，導致數據功能得不到充分的有效發揮。另外，業務信息系統存在不完善，數據復用采取信息系統與手工結合的方式，除了從各自業務系統中采集相關數據，對沒有信息系統支撐的分析表還要手工統計形成報表，然后經過人工分析后提交給企業領導作為決策依據。此外，還有不少管理需求由于數據無法歸集利用而被擱淺。

（四）不適應綜合行政決策主體多元化的趨勢

由于綜合行政決策所要求的技術化、知識化不斷加強，數據數量的不斷增多，綜合行政決策主體也在增加，決策主體不僅是企業領導，也可以是專家、技術管理員，還可以是一般員工。在一定程度上，多元化的決策主體和多面化的知識降低了綜合行政決策中主觀判斷的失誤率。因此，為了提高決策管理的科學性，應盡快構建企業級的決策管理系統，更廣泛地運用數據采集、分析與篩選等技術，形成正確、科學的決策數據指標，為行政決策提供更好的服務。

四、應對策略

（一）構建企業級數據倉庫

影響變量的增多，在一定程度上增加了決策的難度。因此，要在利用數據技術的基礎上，進行高效分析后再做出正確預判，讓企業能夠應對快速變化的外部環境。企業應構建基于數據支持的企業決策管理系統，不同層級的企業應構建與之相適應的數據集成倉庫，并充分體現出實用特性、綜合功能以及可拓展性特點。

（二）充分利用數據挖掘技術分析處理與決策管理相關的信息

首先在獲取初始源數據之后，可通過專業技術剔除一些錯誤數據和冗余數據，然后進行初步的篩選與鑒定，最后利用數據集成技術，將多個數據源中的數據結合起來存放到統一的數據倉庫。同時，利用數學變換方法將多維數據壓縮成較少維數的數據，消除它們在時間、空間及屬性等特征表現的差異，讓數據結果更有利于企業決策。

（三）優化基于數據分析的企業決策程序

企業可以通過信息平臺，進一步完善決策信息的溝通渠道，不斷優化決策程序，鼓勵決策參與者快速參與溝通，提出合理的意見或建議，并制定出科學的決策方案。盡量減少上下溝通時間，縮短信息鏈的長度并進行合理整合，最終優化企業運作流程。通過虛擬的網絡平臺來進一步提升企業的決策管理水平，讓其運作更規范、管理更科學、發展更高效，綜合競爭力更強大。

（四）進一步拓寬企業的決策主體

隨著信息化和決策主體多樣化的發展，決策環境瞬息萬變，企業決策的范圍不斷擴大，決策對象也日趨紛繁復雜。如果企業仍依靠個別決策主體或決策機構來進行研判，是無法確保決策的正確性與科學性。要拓寬決策主體，發揮情報機構和相關信息咨詢機構的作用，甚至讓員工參與進來，將他們納入決策主體，從而構建多個層次的決策主體系統，降低決策風險，確保決策專業化。

（五）改進傳統決策方法

企業一般在采集大數據時，會將不同的海量數據源進行結構化管理，然后篩查與轉化，運用數據可視化方法進行處理，使它們能被企業獲取與應用。我們應該改進傳統決策方法，創新思維，善于從數據中發現價值，然后直接運用到行政決策。我們可以通過大數據技術的變量定義、不確定與價值建模等方法，量化分析企業決策的管理風險，確保行政決策的科學性。

五、解決思路

數據分析是提供信息，數據挖掘則提供預測參考，兩者一起為企業行政決策提供有效的依據。隨著大數據概念的興起，還應注重大數據積累、分析和挖掘。雖然目前大部分企業的綜合辦公數據無法滿足大數據需求，但從長遠來看，需積累大數據并展開相應的研究。因此，可以把數據分析分為以下三個層次：

第一層次，利用數理分析手段提供企業行政決策信息。在工作中，我們可根據行政決策的不同需求，相應選擇不同的統計方法。首先，從研究目的出發，確定數據特征和分析因素、樣本量大小、設計類型等；其次，判斷統計資料所對應的類型（計量、計數和等級資料），并根據適合的條件進行統計量值計算；最后，根據資料的實際情況和相關專業知識，靈活選擇統計分析方法。

第二層次，利用數據挖掘手段提供企業行政決策推斷。數據挖掘是在數理分析的基礎上，提供推斷以供參考。數據挖掘是對大批量的數據歸納、推理并進行聯想，發現隱藏在其后的數據關系和規律，從而建立新的模型，最終服務于行政決策。數據挖掘技術能自動分析數據，涉及數據庫、人工智能、機器學習和統計分析等多種技術，通常以圖表、可視化界面等形式表示出來，然后進一步評價、篩選與驗證，把有意義的知識放到知識庫中，隨著時間的推移將不斷積累。

第三層次，積累大數據為企業行政決策提供豐富支撐。大數據也稱海量數據，是指所涉及的數據量規模巨大，無法通過人工的方式在合理時間內處理并整理成為大家所能解讀的信息。大數據不僅數據量大，且數據類型較多，增長速度很快。大數據分析，一般需要借助專門的分析工具，當然，也需要分析人員要具有敏感的、較強的數據分析能力，找準切入點，對數據做出合理分析。數據分析之后，還需對數據結果進行管理與提煉，分析出涉及企業內外環境、自身發展的相關信息。

六、小結

總之，要面向企業行政管理需求的分析與決策支持，建立基于綜合辦公需要的數據資源庫，利用數理分析、數據挖掘、大數據分析等手段，通過對企業各類數據的分析，尋找數據間的關聯與規律，為企業行政決策提供數據支撐，真正做到數據、知識共享互用，同時讓企業及時掌握數據分析反應出來地運營狀況和發展狀態，實施管理干預，從而做出正確、科學的決策。若能加入外部環境等影響因素的數據，將有利于企業尋找新的競爭優勢，從而獲取更大的效益和發展。