馮俊池，安豐亮，肖巖平

（軍事科學(xué)院系統(tǒng)工程研究院后勤科學(xué)與技術(shù)研究所，北京 100071）

0 引言

資產(chǎn)是一個(gè)單位完成生產(chǎn)任務(wù)和開展日常工作的物質(zhì)基礎(chǔ)，也是單位生存和發(fā)展所依賴的重要資源，其管理成效直接影響單位資源能否合理配置。資產(chǎn)管理是單位日常管理的重要工作之一，科學(xué)有效地管理好資產(chǎn)，能夠增強(qiáng)資產(chǎn)采購的科學(xué)性、資產(chǎn)配置的合理性，實(shí)現(xiàn)資產(chǎn)管理與預(yù)算管理、財(cái)務(wù)管理的緊密結(jié)合，發(fā)揮其最大使用效益，對保持和提高生產(chǎn)能力具有重要意義。

隨著信息化的發(fā)展，資產(chǎn)管理信息系統(tǒng)逐漸得到普及，資產(chǎn)申請、審核、購置、登記、處置等各項(xiàng)管理業(yè)務(wù)流程實(shí)現(xiàn)線上化操作處理，資產(chǎn)使用及運(yùn)行狀態(tài)通過實(shí)時(shí)采集手段實(shí)現(xiàn)動(dòng)態(tài)監(jiān)控。在線系統(tǒng)產(chǎn)生的資產(chǎn)數(shù)據(jù)逐漸匯聚，規(guī)模體量逐漸龐大，資產(chǎn)管理過程中的規(guī)律、態(tài)勢、風(fēng)險(xiǎn)等有價(jià)值的數(shù)據(jù)潛藏其中。如何有效利用數(shù)據(jù)積累，發(fā)揮信息技術(shù)優(yōu)勢，實(shí)現(xiàn)資產(chǎn)整體態(tài)勢掌握、有效管控和統(tǒng)籌配置，受到了越來越多的重視。

數(shù)據(jù)可視化技術(shù)與數(shù)據(jù)挖掘分析技術(shù)是大數(shù)據(jù)利用中常用的關(guān)鍵技術(shù)，能夠從規(guī)模巨大、類型繁多、產(chǎn)生迅速、價(jià)值密度低的數(shù)據(jù)中有效提取關(guān)鍵信息。通過在資產(chǎn)數(shù)據(jù)分析中應(yīng)用數(shù)據(jù)可視化與挖掘分析技術(shù)，能夠分析資產(chǎn)規(guī)模、價(jià)值、質(zhì)量、使用狀況及分布情況，探索變化趨勢，發(fā)現(xiàn)存在問題，對掌握資產(chǎn)整體態(tài)勢，盤活存量資產(chǎn)，優(yōu)化資源配置，提高資產(chǎn)利用率和經(jīng)營管理效能具有重要意義。

1 數(shù)據(jù)可視化與挖掘分析技術(shù)簡介

1.1 數(shù)據(jù)可視化

數(shù)據(jù)可視化是數(shù)據(jù)描述的圖形化表示，通過以直觀的方式呈現(xiàn)數(shù)據(jù)，幫助用戶深入理解數(shù)據(jù)內(nèi)涵，有效獲取數(shù)據(jù)潛在的重要信息以及特征規(guī)律［1］。數(shù)據(jù)可視化能將枯燥繁多的數(shù)據(jù)轉(zhuǎn)化為生動(dòng)形象的圖表，為錯(cuò)綜復(fù)雜、看上去沒有關(guān)聯(lián)的數(shù)據(jù)建立聯(lián)系和關(guān)聯(lián)［2］。

數(shù)據(jù)可視化過程包括數(shù)據(jù)采集、數(shù)據(jù)處理變換、可視化映射和用戶感知4 個(gè)主要階段［2］。數(shù)據(jù)采集主要通過從業(yè)務(wù)信息系統(tǒng)、離線文件、物聯(lián)網(wǎng)采集設(shè)備等來源實(shí)現(xiàn)數(shù)據(jù)匯聚，通過自動(dòng)化接口、人工處理等形式，將多源數(shù)據(jù)進(jìn)行融合。數(shù)據(jù)處理變換將數(shù)據(jù)進(jìn)行格式、形式上的轉(zhuǎn)換和特征提取等操作，為數(shù)據(jù)展現(xiàn)提供基礎(chǔ)?？梢暬成鋭t將數(shù)據(jù)特征映射到不同類型的圖表，實(shí)現(xiàn)由數(shù)據(jù)值到形狀、大小、顏色等圖表特征的轉(zhuǎn)換，常用的統(tǒng)計(jì)圖表包括柱狀圖、折線圖、餅狀圖、散點(diǎn)圖、氣泡圖、雷達(dá)圖、直方圖、詞云圖、熱度圖、地圖等。用戶感知?jiǎng)t是用戶借助圖表發(fā)現(xiàn)潛在信息和知識(shí)的過程，實(shí)現(xiàn)由數(shù)據(jù)到認(rèn)識(shí)的最后轉(zhuǎn)換。

1.2 數(shù)據(jù)挖掘分析

數(shù)據(jù)挖掘分析是通過特定的方法來發(fā)現(xiàn)隱藏在大量數(shù)據(jù)中的信息的過程，是大數(shù)據(jù)處理體系的核心。數(shù)據(jù)挖掘分析涵蓋了統(tǒng)計(jì)分析、機(jī)器學(xué)習(xí)、模式識(shí)別等多個(gè)領(lǐng)域的技術(shù)和方法［3］，主要包括數(shù)據(jù)預(yù)處理、特征工程、建立模型和應(yīng)用模型4 個(gè)主要階段。（1）數(shù)據(jù)預(yù)處理。主要針對數(shù)據(jù)進(jìn)行歸一化、標(biāo)準(zhǔn)化等操作，原始數(shù)據(jù)中通常存在各類問題，如：數(shù)據(jù)量綱不一致、數(shù)據(jù)項(xiàng)冗余、存在缺失值、類別特征不能直接使用等，需要進(jìn)行處理后才能進(jìn)行下一步。如在算法只接受數(shù)值特征的輸入、字符型類別特征不能直接使用的情況下，需要通過one-hot［4］將字符型數(shù)據(jù)轉(zhuǎn)換為數(shù)值型數(shù)據(jù)。（2）特征工程。指從數(shù)據(jù)中篩選與訓(xùn)練目標(biāo)相關(guān)的特征，從而提高模型效果的過程。待挖掘分析的數(shù)據(jù)項(xiàng)一般很多，如果全部作為特征輸入模型進(jìn)行訓(xùn)練，則會(huì)帶來噪聲，影響模型效果。通過可視化分析可以發(fā)現(xiàn)影響目標(biāo)的相關(guān)變量，為特征選取提供參考。（3）建立模型。指選擇要使用的模型，利用數(shù)據(jù)進(jìn)行訓(xùn)練，并不斷調(diào)整優(yōu)化的過程。常見的模型包括回歸、聚類、分類等。針對不同的分析任務(wù)，要選取的模型也不同，需要根據(jù)任務(wù)特點(diǎn)和模型的適用性，選擇最優(yōu)模型。（4）應(yīng)用模型。在建立模型階段訓(xùn)練得到的模型在應(yīng)用模型階段使用，通過將待分析數(shù)據(jù)作為輸入運(yùn)行模型，從而得到分析結(jié)果，為業(yè)務(wù)人員決策提供指導(dǎo)。

2 資產(chǎn)數(shù)據(jù)可視化分析

數(shù)據(jù)可視化技術(shù)能夠?qū)崿F(xiàn)資產(chǎn)態(tài)勢的掌握以及數(shù)據(jù)規(guī)律的發(fā)現(xiàn)，還可用于資產(chǎn)數(shù)據(jù)的清洗［5］，進(jìn)行數(shù)據(jù)的檢查、糾錯(cuò)和轉(zhuǎn)換。

2.1 資產(chǎn)分布分析

資產(chǎn)分布主要指資產(chǎn)數(shù)量及價(jià)值在類別、所屬部門、所處位置等多個(gè)維度上的分布情況，可采用柱狀圖、南丁格爾圖、餅圖、雷達(dá)圖、詞云圖等形式表現(xiàn)。針對基礎(chǔ)設(shè)施類數(shù)據(jù)可采用地圖形式表現(xiàn)。（1）類別分布分析。通過資產(chǎn)價(jià)值在不同類別資產(chǎn)上的分布情況對比，可查看經(jīng)費(fèi)投向投量，對比與整體戰(zhàn)略是否一致。（2）部門分布分析。通過資產(chǎn)數(shù)據(jù)及價(jià)值在不同單位或部門的分布情況對比，分析資產(chǎn)分布與單位職能、規(guī)模是否匹配。（3）位置分布分析。通過資產(chǎn)數(shù)量及價(jià)值在不同地理位置的分布情況對比，分析是否均衡，以及與業(yè)務(wù)區(qū)域重視程度是否相符。

（4）多維分布分析。結(jié)合類型、部門、位置等多種因素，綜合查看資產(chǎn)分布情況。在堆積柱形圖中可以實(shí)現(xiàn)不同子分類數(shù)據(jù)的堆積，從而在展現(xiàn)數(shù)據(jù)分類對比的同時(shí)查看子分類的占比情況。如在針對單位資產(chǎn)價(jià)值的分布圖中，可通過堆積不同類型資產(chǎn)的價(jià)值，實(shí)現(xiàn)查看不同單位資產(chǎn)價(jià)值分布情況的同時(shí)，對比同一單位不同類型資產(chǎn)的價(jià)值。

2.2 資產(chǎn)趨勢分析

資產(chǎn)趨勢分析主要指分析資產(chǎn)數(shù)量及價(jià)值在時(shí)間維度上的變化情況，可采用折線圖、階梯圖等形式實(shí)現(xiàn)。通過觀察資產(chǎn)總量、規(guī)模和結(jié)構(gòu)在時(shí)間維度上的增減變動(dòng)情況，可了解資產(chǎn)整體態(tài)勢及管理情況，并判斷其對單位生產(chǎn)效能的影響；通過觀察某類資產(chǎn)在時(shí)間維度上的增減情況，可發(fā)現(xiàn)該類資產(chǎn)購置、使用和退出規(guī)律，為采購、維修、報(bào)廢計(jì)劃提供參考。資產(chǎn)趨勢分析應(yīng)用場景還包括：

（1）資產(chǎn)購置新增趨勢分析，反映單位在特定領(lǐng)域建設(shè)的投入情況，檢查各領(lǐng)域方向投入是否均衡，以及是否與業(yè)務(wù)發(fā)展重點(diǎn)相一致。

（2）資產(chǎn)報(bào)廢退役趨勢分析，反映資產(chǎn)消耗情況，檢查資產(chǎn)消耗速度是否正常，是否存在消耗過快情況。

（3）資產(chǎn)使用時(shí)間趨勢分析，反映資產(chǎn)使用規(guī)律，檢查資產(chǎn)利用率是否合理，如利用率過低，則可能存在資產(chǎn)數(shù)量過多或配置不均等情況，需要根據(jù)具體原因調(diào)整資產(chǎn)配置。

2.3 資產(chǎn)損耗分析

資產(chǎn)損耗分析主要從質(zhì)量和使用情況角度分析資產(chǎn)狀況，發(fā)現(xiàn)資產(chǎn)使用和維護(hù)管理中存在的問題，為提升資產(chǎn)質(zhì)量和使用效益發(fā)現(xiàn)可改進(jìn)之處。

2.3.1 資產(chǎn)質(zhì)量分析

資產(chǎn)以采購等各種形式新增，以報(bào)廢、權(quán)利轉(zhuǎn)移等各種形式減少，在其生命周期內(nèi)，還需要關(guān)注運(yùn)行（使用）、維護(hù)及處置情況，如果沒有完善的管理機(jī)制，資產(chǎn)會(huì)出現(xiàn)質(zhì)量問題，導(dǎo)致其無法發(fā)揮應(yīng)有的作用。針對以上情況，分析各類資產(chǎn)新品、堪用品、待修品、報(bào)廢品的數(shù)量及比例，可獲悉資產(chǎn)質(zhì)量分布情況，從而判斷質(zhì)量情況是否合理，并從以下角度分析有無問題以改進(jìn)管理：①設(shè)施設(shè)備維修是否及時(shí)；②資產(chǎn)報(bào)廢率是否過高；③資產(chǎn)購置及處理是否及時(shí)；④可用資產(chǎn)規(guī)模是否滿足業(yè)務(wù)工作需求。

2.3.2 資產(chǎn)使用分析

如果采購時(shí)缺乏整體協(xié)調(diào)容易使得部分資產(chǎn)的重復(fù)購置率較高，從而造成使用效率低；部分設(shè)備類資產(chǎn)由于更新?lián)Q代頻繁、兼容性差等原因也有可能造成資產(chǎn)長期閑置。針對以上情況，分析每類資產(chǎn)以及其在不同部門的使用及閑置情況，判斷資產(chǎn)存量是否滿足需求、是否存在冗余，以及各部門間資產(chǎn)使用是否存在忙閑不均等情況，為資產(chǎn)合理配置提供數(shù)據(jù)依據(jù)，充分挖掘資產(chǎn)潛能，避免設(shè)備空置、重復(fù)購置等浪費(fèi)現(xiàn)象出現(xiàn)。

3 資產(chǎn)數(shù)據(jù)挖掘分析

3.1 聚類分析

聚類分析目的是把大量數(shù)據(jù)點(diǎn)的集合分為若干類，使得每個(gè)類中的數(shù)據(jù)最大限度地相似，而不同類中的數(shù)據(jù)最大限度地不同。將各單位不同類型資產(chǎn)的數(shù)量作為特征向量，運(yùn)用聚類分析方法，可挖掘具有相似資產(chǎn)分布特性的單位，通過與單位職能的對比分析，來輔助判斷資產(chǎn)配置是否合理。

資產(chǎn)數(shù)據(jù)分析中其他可以應(yīng)用聚類分析的場景還包括：

（1）根據(jù)資產(chǎn)使用壽命、維修周期等特征，建立聚類模型，挖掘具有相同維護(hù)特性的資產(chǎn)類型，以便于統(tǒng)一管理。

（2）針對某一類型設(shè)備，根據(jù)設(shè)備性能參數(shù)等進(jìn)行聚類，如臺(tái)式計(jì)算機(jī)，根據(jù)處理器、內(nèi)存、硬盤、顯卡等參數(shù)進(jìn)行聚類分析，結(jié)合用途功能，形成系列配置，可為下一步采購、編配、調(diào)劑提供參考。

3.2 關(guān)聯(lián)分析

關(guān)聯(lián)分析通過尋找最能夠解釋數(shù)據(jù)變量之間關(guān)系的規(guī)則，來找出大量多元數(shù)據(jù)集中有用的關(guān)聯(lián)規(guī)則，是從大量數(shù)據(jù)中發(fā)現(xiàn)多種數(shù)據(jù)之間關(guān)系的一種方法；另外，它也可以基于時(shí)間序列對多種數(shù)據(jù)間的關(guān)系進(jìn)行挖掘。

關(guān)聯(lián)分析的對象包括不同類別員工數(shù)量與辦公設(shè)備數(shù)量之間的關(guān)系、不同類型資產(chǎn)之間的數(shù)量關(guān)系等，如臺(tái)式計(jì)算機(jī)數(shù)量與硬盤購置數(shù)量、辦公桌數(shù)量等之間的關(guān)系；還可以對各類資產(chǎn)數(shù)量之間進(jìn)行關(guān)聯(lián)分析，發(fā)現(xiàn)其中隱藏的不同資產(chǎn)之間的潛在關(guān)聯(lián)，為制定配置標(biāo)準(zhǔn)、科學(xué)規(guī)范配置相關(guān)資產(chǎn)提供參考。

3.3 回歸預(yù)測

回歸分析的核心是解決連續(xù)型變量的預(yù)測問題，通過對具有連續(xù)型標(biāo)簽的數(shù)據(jù)進(jìn)行學(xué)習(xí)，建立機(jī)器學(xué)習(xí)模型，從而對其他有相同特征的數(shù)據(jù)集進(jìn)行預(yù)測。常用模型包括線性模型、決策樹模型、生存回歸模型等。應(yīng)用回歸預(yù)測對單位資產(chǎn)總量隨時(shí)間變化情況進(jìn)行分析，可發(fā)現(xiàn)資產(chǎn)變化趨勢規(guī)律，輔助后續(xù)規(guī)劃計(jì)劃；對比不同單位資產(chǎn)變化情況，根據(jù)差異尋找不同及原因，推動(dòng)改進(jìn)管理手段和方法。

針對大型儀器設(shè)備，通過回歸預(yù)測還可輔助進(jìn)行運(yùn)行狀態(tài)監(jiān)控管理。根據(jù)設(shè)備信息、維修情況以及運(yùn)行特征狀態(tài)數(shù)據(jù)集，構(gòu)建預(yù)測模型，對設(shè)備進(jìn)行使用壽命、檢修維修時(shí)間等數(shù)值預(yù)測，實(shí)現(xiàn)設(shè)備運(yùn)行狀況預(yù)警，同時(shí)為采購計(jì)劃、備品備件庫存、維修檢修計(jì)劃等提供參考。

3.4 異常點(diǎn)檢測

異常點(diǎn)檢測又稱離群點(diǎn)檢測，是找出明顯偏離其他數(shù)據(jù)，不滿足一般模式或行為的數(shù)據(jù)點(diǎn)的檢測過程［6］。常見的檢測方法包括基于統(tǒng)計(jì)的模型、基于距離的模型等。異常點(diǎn)檢測試圖捕捉那些顯著偏離多數(shù)模式的異常情況，可用于發(fā)現(xiàn)大量資產(chǎn)中存在的異常個(gè)例。如果某類資產(chǎn)的報(bào)廢期限普遍為6～8 年，那么某個(gè)使用2 年便報(bào)廢的該類資產(chǎn)便是典型的異常點(diǎn)，需要進(jìn)一步結(jié)合實(shí)際情況開展分析，確定是統(tǒng)計(jì)錯(cuò)誤還是實(shí)際情況，如情況屬實(shí)，還可對其產(chǎn)生原因做進(jìn)一步分析，為后期使用管理提供經(jīng)驗(yàn)。此外，還可以針對資產(chǎn)數(shù)量、價(jià)值、質(zhì)量等多個(gè)指標(biāo)在不同維度上進(jìn)行異常點(diǎn)檢測，發(fā)現(xiàn)資產(chǎn)管理中存在的個(gè)別問題，有助于發(fā)現(xiàn)異常和違規(guī)情況，推動(dòng)資產(chǎn)規(guī)范化管理。

4 結(jié)語

在信息技術(shù)特別是大數(shù)據(jù)技術(shù)迅速發(fā)展的形勢下，資產(chǎn)數(shù)據(jù)在質(zhì)和量上逐漸提升。海量資產(chǎn)數(shù)據(jù)如果無法得到有效利用，則不能充分發(fā)揮信息化管理的優(yōu)勢，無法將數(shù)據(jù)優(yōu)勢轉(zhuǎn)化為決策優(yōu)勢，從而無法改進(jìn)管理，提高效益。為解決這一問題，本文對數(shù)據(jù)可視化及挖掘分析技術(shù)在資產(chǎn)數(shù)據(jù)管理中的應(yīng)用進(jìn)行了分析，針對典型場景提出了應(yīng)用方向和內(nèi)容。通過對資產(chǎn)數(shù)據(jù)的深入分析得出規(guī)律，指導(dǎo)資產(chǎn)采購、使用、調(diào)配、報(bào)廢等工作開展，有利于提高資產(chǎn)利用率，提升資產(chǎn)管理的科學(xué)性、準(zhǔn)確性。