鄒文康 趙新才

數字化已成為不可阻擋的歷史潮流，數據日漸成為一種生產要素，成為組織資產的一部分。能否搭上“數字中國”和“智慧社會”建設的班車，將很大程度上決定組織未來的發(fā)展命運。隨著業(yè)務量的增長和信息化工具的應用，產生的數據呈量級增長。要實現數字化轉型，首先需要從思想上充分重視數據的價值，將數據視為重要資產；其次需要圍繞數據的生成、加工、利用、治理，建立一套方法路徑。因此，具備駕馭數據的能力，讓數據產生價值，為科學決策提供依據，成為對新時期各層級管理人員的共性要求，也將是科研管理部門業(yè)務人員的基礎素質。

BI數據分析方法

基于商業(yè)智能（Business Intelligence，簡稱BI）的大數據分析方法，為管理人員駕馭數據提供了一條可能的途徑。筆者近年來在管理改進工作中，結合數字化轉型的要求，對BI數據分析工具在管理活動監(jiān)視測量、決策支持、結果評價方面的應用開展了應用探索，相關結論在管理舉措優(yōu)化方面發(fā)揮了積極的作用。

BI的概念最早由Gartner公司提出，它描述了一系列的概念和方法，以應用基于數據的分析系統(tǒng)來輔助商業(yè)決策的制定。BI技術為企業(yè)提供了迅速收集、分析數據的技術和方法，把數據轉化為有用的信息，提高企業(yè)決策的質量。

BI的普及和應用成本的降低，得力于自助式分析工具的發(fā)展，使業(yè)務人員無須具備專業(yè)編程知識與數據庫知識就能基于業(yè)務邏輯建立數據分析模型，開展數據分析并生成可視化報表。在這種模式下，業(yè)務管理人員身兼數據分析員、IT實現者、終端用戶和決策參謀幾重身份。他們不僅清楚業(yè)務的邏輯、明白關注的問題、擁有需要的數據、懂得分析的方法，還能直接應用形成的結論。

管理實踐的應用

本文以職工出勤數據分析為例，介紹基于BI的大數據分析在科研管理轉型中的應用。筆者所在單位（以下簡稱“我所”）職工出勤記錄主要來源于技防系統(tǒng)記錄的門禁數據，以及人事考勤系統(tǒng)中的出差、請休假備案與審批記錄。門禁數據具有較好的客觀真實性、個人不易更改，在很大程度上可以反映職工的出勤情況。對此進行分析，可以得到職工上下班、加班、出差等通勤特征信息，并建立不同職工群體的通勤畫像。

將門禁數據與職工身份信息、備案車輛信息以及國家和單位節(jié)假日信息進行關聯(lián)匹配，建立通勤行為觀測指標模型，通過大數據分析，生成交互式、可視化的報表，搭建了一套數據監(jiān)測及分析平臺。該平臺建立后，可以對各觀測指標從不同維度進行層層鉆取、交互式篩選；在新數據導入后，采用一鍵刷新的方式即可對報表進行更新。

根據監(jiān)測需要，可建立個性化的度量指標。如圖1所示，在分析中，主要建立的觀測指標包括正常出勤時間、加班時間、日均正常出勤時間、日均加班時間、加班時間占比、深夜凌晨刷卡數占比等。

上述指標以計算得到的個人每日通勤數據為基礎，可以層層向上匯聚，給出各部門、全所的數據，也可以從時間、身份角色等各維度進行交叉篩選。根據需要，還可以基于上述指標進一步建立其他觀測指標。建立的一所職工出勤數據分析系統(tǒng)包含多個交互式頁面，對記錄人數、總出勤時間、加班時間、日均加班時間和加班時間占比等主要KPI進行呈現。

如從2021年1月至2022年6月共500多天時間里，一所職工在839地區(qū)的門禁數據excel文件約180M，共記錄出入記錄刷卡數（含車輛）2563264條，日均4695條。每條記錄包含了人員身份信息、門禁位置信息、時間信息等。如此巨大的數據量，如采取傳統(tǒng)的統(tǒng)計工具和方法，是很難進行分析并從不同維度查看關鍵指標的。

通過大數據分析，可以對一些平時的直觀印象進行印證。例如通過數據顯示，2021年1月至2022年6月，所區(qū)記錄我所職工出入次數最多的三個區(qū)域依次是01所、05部、03所，最少的是012所。刷卡記錄數據在一定程度上反映了我所與各兄弟單位業(yè)務往來的密切程度。圖2顯示了該分析系統(tǒng)用于加班時長及占比隨時間變化的頁面。

通勤情況監(jiān)測及分析平臺的建立，為領導從后臺掌握職工、部門的日常通勤概況提供了數據依據。數據也可以為領導掌握職工的工作習慣提供參考。根據與部分基層單位領導交流的情況看，分析系統(tǒng)提供的數據，能夠較為準確地反映職工的真實情況，為領導推進精細化管理提供依據。

數據推動下改進有方向

基于數據的決策，是管理數字化轉型的必然趨勢。如何從海量的管理數據中，獲得有價值的管理信息，并將其轉化為管理實踐，是當前管理人員面臨的問題。當前，我所信息化建設基礎弱，數據治理和利用與高質量發(fā)展要求存在較大差距，加之數據安全管控等原因，在現行的理架構下，要使大數據分析等方法工具得到普及應用，在以下幾個方面還需加以改進：

●基于數據進行科學管理和決策的意識亟待提升

西方管理學者彼得·德魯克有一句論述：“你如果無法度量它，就無法管理它。”這句話說明了數據對于組織精細化管理的重要性。2022年發(fā)布的現代化管理體系文件也要求，要從方法手段上推進數字化轉型，實現全維透明管理。隨著管理數據量的快速增長和對運營精細化管理的加強，手工分析數據的方法已難以滿足管理者快速分析和預測經營狀況的要求。在傳統(tǒng)的模式下，業(yè)務管理人員也不重視基于數據開展管理過程的分析，并基于數據分析提出優(yōu)化改進的建議，而管理層也傾向于基于經驗進行決策，久而久之在組織內部都不重視數據的價值，從而也就長期不重視數據基礎的建設。

在數字化研發(fā)模式下，數據猶如人體中的血液，既傳遞著各組織運營需要的養(yǎng)分，也承載著表征系統(tǒng)健康與否的關鍵信息。對于數字原生企業(yè)而言，數據本身就是資產的一部分，對于傳統(tǒng)型非數字原生企業(yè)，數據將成為新的且越來越重要的生產要素?？茖W的決策管理，首先是基于數據的，在有數據支撐的前提下，再結合以往的經驗、對風險的接受度、生產關系等因素進行綜合決策。這要求從最高層管理者到基層員工，從思想觀念上都要重視數據在管理過程中的作用，要善于發(fā)掘數據背后隱含的信息，從數據中找到改進的機會。

●數據治理的頂層設計需進一步加強

基于數據進行科學管理和決策的前提是要擁有數據，管理人員要能夠根據權限獲得數據，并且能將數據與其他管理要素關聯(lián)。但由于數據治理頂層設計還存在不足，各業(yè)務管理部門都可以產生、存儲、利用各自的數據，而這些不同業(yè)務管理領域的數據并沒有很好地連通，存在一個個的“數據孤島”，使得決策層面對各業(yè)務部門匯總的海量數據，卻不能建立相互之間的關聯(lián)，找不到可支撐決策的關鍵數據。這是數據治理頂層設計不足的表現之一。

以職工的個人信息為例，所有的業(yè)務部門都有自己的人員臺賬，如保密管理系統(tǒng)、人事系統(tǒng)、型號管理系統(tǒng)、領導干部個人事項系統(tǒng)等。目前，至少在所級層面，這些由各業(yè)務歸口部門建立的數據庫或臺賬并不連通，且很多是靜態(tài)的，人員信息在一個業(yè)務口更新后，其他業(yè)務部門并不能知悉和利用。這就會導致基于過時甚至錯誤的數據進行決策的情況發(fā)生。

數據治理頂層設計不足的另一個表現是數據的規(guī)范性不足，大量非結構數據存在，給后期分析利用造成障礙。非結構化數據的格式和標準不一，給后期分析利用帶來較大的困難。以近年某單位開展的資產清理工作為例，在清理的歷史資產臺賬中發(fā)現，光“計算機”這一類資產，就有“計算機”“電腦”“臺式機”“工控機”“工作站”“筆記本”“筆記本電腦”等近10個標簽類別；此外在日常的信息統(tǒng)計中，盡管已經定義了數據模板，但個性化填寫的內容仍比比皆是，這些都給后續(xù)利用統(tǒng)計分析工具帶來了較大的障礙，翻閱幾百行上千行的excel表格尋找需要信息的情況，在當前管理中仍大量存在。

●管理人員基于業(yè)務開展數據分析的能力需要提升

開展BI數據分析的核心是業(yè)務，其次才是數據分析的工具和方法。這要求管理人員要清楚業(yè)務的內在邏輯、建立科學合理的觀測指標、設計體現業(yè)務特點的數據模型，并從相關管理環(huán)節(jié)獲取數據，然后才是通過分析工具進行分析，并將結論進行呈現。

目前，一些管理部門陸續(xù)引入管理看板，但看板實現的主體仍以IT為主，業(yè)務部門需要將看板建設的需求和數據背后的邏輯先給IT人員講清楚，這使得看板開發(fā)實現的速度嚴重依賴業(yè)務部門的解釋水平和IT人員的領悟力，開發(fā)成果遠遠不能滿足管理部門的要求。而且看板一旦定型后，業(yè)務人員想做更改，難度很大。

如今，外界環(huán)境快速多變，管理人員需要第一時間就能將手中的數據變?yōu)闆Q策的依據，而且往往也不可能一開始就把所有問題想得很清楚，開發(fā)需求改變是不可避免的事。因此，以往依靠業(yè)務部門提需求、IT部門進行模型開發(fā)和可視化呈現的數據分析模式，已經無法適應形勢要求，工作的模式需要改變，以業(yè)務管理人員為主體的自助式數據分析的模式將成為未來的發(fā)展趨勢。今后無論是基于一體化平臺內置的分析工具也好，還是依靠第三方軟件也好，都要求管理人員提升數據分析的能力。畢竟IT部門的人力資源是有限的，數據分析的底層邏輯一定是業(yè)務。

現代化管理體系對管理數字化轉型提出明確要求，需大力推動數據分析工具在管理活動監(jiān)視測量、決策支持、結果評價方面的應用。本文基于數字化轉型的背景，以我所職工通勤情況監(jiān)測及分析為例，介紹了BI數據分析方法在我所科研生產管理的應用，為開展管理手段方法的轉變、推動數據分析在管理決策中的應用進行了探索。在此基礎上，本文對基于院所實際，進一步推動商業(yè)智能數據分析方法普及應用，在思想理念、數據治理、人員能力方面存在的不足和改進方向進行了思考，提出了未來改進的方向。

作者單位 中國工程物理研究院 流體物理研究所