數據驅動業務流程重構的作用機制研究

孔德奧

（中鐵開發投資集團有限公司 云南 昆明 650500）

0 引言

業務流程作為企業中一系列創造價值的活動的組合，是企業提升核心競爭力、管理質效、盈利能力的關鍵［1］。企業的轉型升級本質上是業務流程重構（business process reengineering，BPR）過程，數字經濟時代，人們總是將BPR與數字化轉型聯系在一起，以數據要素為代表的數字技術資源已成為企業BPR 的重要能力基礎。

統計顯示，我國基礎設施行業的數字化應用水平遠落后于其他行業，與全社會數字經濟的蓬勃發展形成鮮明對比。 現場調研發現，大部分基礎設施投資企業對數據驅動BPR 的作用機制和實踐方法認識模糊，企業在數據驅動BPR 過程中資源配置失衡問題突出，很大程度上阻礙了企業的轉型升級進程。 文獻檢索發現：一方面，目前學者對基礎設施行業“數據驅動業務流程重構的作用機制”的研究較少，絕大部分研究將其歸入“數字化轉型”，盡管強調了數字技術在BPR 中的重要作用，卻一定程度忽視了BPR 過程中數字技術與其他資源的相互作用關系；另一方面，現有研究大多數關注數據驅動的動態能力對單一管理職能和運營流程的影響機制［2］，而BPR 具有全方位、立體式、個性化特征，單一方向的研究對企業BPR 的指導適用性不足。

因此，基礎設施投資企業需要一套更具適應性的數據驅動BPR 作用機制模型來指導業務流程重構工作。 本文采用文獻研究和案例分析相結合的方法，歸納并提出了一套數據驅動業務流程重構的作用機制模型，以期為相關企業提供一些參考和借鑒。

1 BPR 的指導框架

1.1 BPR 過程框架

BPR 過程框架用于指導數據驅動BPR 的全局過程，目前獲得廣泛認可的BPR 過程框架由莫特瓦尼（Motwani）和庫馬爾（Kumar）于1998 年提出并延續至今。該框架描述了企業從提出業務機會到組織實施，再到評估優化的基本執行過程，分為理解—啟動—編程—轉換—實現—評估六個階段。 本文案例研究便遵循該過程框架。

1.2 BPR 應用框架

BPR 應用框架為數據驅動BPR 過程提供了數據應用方向指導。 自BPR 理論被提出以來，各界學者先后提出了基于模型的集成過程改進（model-based integrated process improvement，MIPI）方法、知識型業務流程改進框架、深度業務優化平臺等。 本文提出的基于數據驅動的BPR 作用機制集成了MIPI、知識型業務流程改進框架、深度業務優化平臺的思想，一是借鑒MIPI 方法理念，通過模型展示出了業務流程改進的基本邏輯，以及過程所需的關鍵要素和成功因素；二是借鑒知識型業務流程改進框架理念，將知識理論、過程決策、評估和改進引入BPR 過程，通過改進流程中知識的管理方式來幫助組織提高流程績效；三是借鑒深度業務優化平臺理念，開展以數據集成、流程分析、流程優化為主線的流程挖掘工作，增強流程問題發現、流程一致性檢查、流程優化等能力。

1.3 BPR 評估框架

該框架可基于業務模型評估數據驅動BPR 的執行效果，為改進執行過程提供依據，BPR 評估框架包含了六個重新設計組件（目標、方法、啟發式、輸入模型、可塑性和質量），分為四個連續階段（表述、執行、計算和評估），通過調查反向傳播神經網絡模型的適用性來查找過程問題并持續優化模型［3］。 其中，啟發式被定義為一種快速解決問題或決策的技術，可依據過去的經驗對BPR 執行結果作出快速判斷并調整執行過程。 可塑性反映了模型在實施前的重新設計能力，其與啟發式帶來的重新設計直接關聯。 本文多元回歸模型便采用啟發式評估法。 BPR 評估框架見圖1 所示。

圖1 BPR 評估框架

2 案例分析

通過實證研究與案例分析，總結不同類型的基礎設施投資企業在轉型升級中數據應用的先進經驗和常見問題。以下為基礎設施投資企業在數據驅動發展方面進展緩慢的主要原因：①企業缺乏清晰的發展戰略和業務目標，對服務市場和提升競爭力聚焦不足；②對數據驅動BPR 的作用邏輯和發展方向缺乏深入研究；③數字化過程中對各類資源的投入必要性、各類資源的相互作用關系缺乏有效梳理；④缺乏有效迭代的數字化建設和數據應用管理方法及流程，企業各部門間的信息共享和群體協作未能有效激活；⑤數字技術部門對業務部門的主動服務意識有所欠缺，對業務的學習意識和掌握深度不夠。 這些問題導致企業處于被動跟隨狀態，企業缺乏數據驅動文化的培育土壤，業務流程重構瓶頸難以突破。

3 數據驅動BPR 的作用機制模型

基礎設施投資企業可圍繞投資、建設、運營三階段開展數據驅動的業務流程重構，以企業戰略和業務目標為導向，增強企業內生動力、市場服務水平、資源配置效率，拼市場、搶訂單、控質量、降成本、增服務，增強企業核心競爭力和可持續發展能力。 基于文獻研究和案例分析，提出以下數據驅動BPR 的作用機制模型。

3.1 數據驅動BPR 的作用邏輯

數據要素分為業務貫通、數智決策、流通賦能三次價值釋放過程。 在基礎設施投資企業的BPR 過程中，數據來源主要有三個渠道，分別為業務數據、流程挖掘數據、市場數據，其與數據要素的三次價值釋放過程匹配。 BPR要求企業以戰略洞察為基礎，對企業的技術系統、組織結構、企業文化、經營理念等做整體協調與重構。 通過將企業戰略洞察轉化為業務目標，同步調整企業組織結構、IT架構、管理制度等，保證各獨立業務目標的實現。 數據來自業務并服務于業務，數據通過優化生產決策流程、創新組織體系，驅動企業從傳統工業經濟的科層制組織向網絡制組織轉變，將傳統職能管理模式轉變為流程管理模式［4］。 在基礎設施的投資、建設、運營周期中，數據無處不在，企業的主要任務是建立起數據采集與應用的正向反饋機制。 如圖2 所示。

圖2 數據驅動BPR 的實現過程

3.2 BPI 的關鍵要素和成功因素

業務流程重構是一個系統性、長期性工程，往往以流程改進（business process improvement，BPI）形式呈現。為確保業務流程改進工作取得成效，企業需要明確業務發展戰略與數字化目標，理解現有流程，發現和識別問題，開展創新并持續改進，同時要積極應用新技術和方法，加強組織培訓與溝通，通過制度化、標準化、流程化來保障BPI 成功，以培育數據應用和業務流程重構的支撐文化。 缺乏相關要素均會造成木桶效應，使得企業實踐效果不佳。 BPI 的關鍵要素和成功因素見圖3 所示。

圖3 BPI 的關鍵要素和成功因素

3.3 知識管理提高流程績效

知識經濟時代，知識和信息對企業最為重要，知識管理已經成為企業提高競爭力、優化流程的關鍵手段。 通過對業務數據加工處理、歸納總結、應用反饋，有效提升企業產品、服務、管理創新水平，更好地滿足市場需求。 DIKW（data-information-knowledge-wisdom，數據－信息－知識－智慧）模型很好地反映了知識管理對流程績效提升的過程，知識管理對流程績效的作用邏輯見圖4 所示。 企業的戰略洞察和業務目標制定便是知識管理的結果，知識管理工作要求企業各層級管理者對開發算法、模擬模型、流程管理、信息系統等方面有較高儲備素養。 為了提高流程績效，企業需建立知識庫維護機制，選擇合適工具，確保穩定性與可擴展性。 制定知識管理指標，監測使用率、分享率等，了解現狀與問題并及時改進。 倡導團隊協作的企業文化，鼓勵知識交流和分享，為員工提供平臺與機會，保護激勵員工的知識產權，提高知識共享積極性。

圖4 知識管理對流程績效的作用邏輯

3.4 基于數據的流程挖掘

流程挖掘通過整合數據分析、圖形可視化等技術，直接從客戶及業務視角為企業運營管理效率賦能［5］。 從組織過程觀來看，業務流程是企業的組織核心，組織被視為一組業務流程的集合，一個流程系統中各流程相互作用和相互依賴，具有創造價值的共同目標。 BPR 評估框架和深度業務優化平臺對業務流程挖掘的建模和評估有較強指導性，業務流程挖掘的主要思想是從事件日志中提取事件數據，從而自動構建業務流程模型，將已有的流程模型與同一流程的事件日志進行比較，擴展或改進已有的流程模型。 企業希望在降低生產成本、提高產品質量以及向客戶提供及時、快捷的產品和服務方面達到較高效率和較好效果，BPR 很好地滿足了這些要求。 但BPR 更多強調的是過程中企業各類資源的分配過程，對流程執行的合規性和有效性缺乏監控，因此，BPR 需要流程挖掘作為補充，流程挖掘通過其流程發現、流程一致性檢查、流程加強等能力提升BPR 的合規性和有效性，確保BPR 實施更加徹底。

3.5 BPR 多元回歸模型

目前，學術界已提出多種BPR 框架，從不同的角度為BPR 領域做出了貢獻，但對BPR 過程中各類資源的投入缺乏定量分析研究。 數據驅動業務流程重構過程中，企業的資源要素投入和產出圍繞數據應用展開，在信息知識的時代，用好數據是企業發展的必然要求，而數據的有效利用，需要企業文化、組織結構、技術系統、資源稟賦、管理能力等多種資源轉換投入，這些資源也是BPR 的關鍵影響因素。 為數據應用而投入的各類資源理論上是可以定量的，可用多元回歸模型來表示BPR 過程中各類資源的投入占比，如式（1）所示：

式（1）中，X表示各資源因素在BPR 中的價值比重。 每個因素變量取值范圍為［0，100］，X＝100 時，達到最佳實踐狀態；ε表示隨機擾動項。 由于測量手段限制和信息量大，難以精確計算各影響因素的權重，但可采用啟發式方法評估，通過驗證各因素與企業目標的接近程度了解要追求的路徑和消除的路徑，明確要素資源及其重要程度。

4 結語

綜上所述，業務流程重構需整體協調技術、組織、文化、理念。 基礎設施投資行業數據驅動發展處于初級階段，應以服務市場為導向，平衡數字技術與其他資源投入，發揮業務與數字系統協同效應。 完善數字化建設管理模式，投資建設數據處理和分析能力，形成符合自身特點的數據應用模式和業務邏輯算法，利用數據為企業創造價值。