基于神经网络的企业信息能力模糊评价研究——以安徽省制造型企业为例

姜 婷

（安徽经济管理学院 信息工程系，安徽 合肥230059）

一、引 言

企业在信息化建设工作中，首先必须清楚其信息化的现状。企业信息能力是企业在生产、经营、技术、管理等环节应用信息资源和信息技术的价值度量，它反映了企业信息化对企业发展的作用效果的大小（张海涛和靖继鹏，2008）［1］。只有在了解了企业信息能力的情况后，企业的信息化建设才能更加有针对性，行动才会更具成效。

国外已有不少学者研究企业信息能力问题（T Ravichandran和CLertwongsatien等，2005；CNakata和Zhenzhu等，2008；J H Lim和T C Stratopoulos等，2011）［2-4］，主要是针对企业信息技术能力和信息系统能力开展研究，研究方法以实证研究为主（程刚和李倩，2013）［5］。国内学者对企业信息能力问题的研究主要集中在企业信息能力的内涵及内容等基本理论方面（张同建和梅强，2011；史敏和刘素华等，2013）［6-7］、企业信息能力的提升和培育（刘焕成和孟玲，2011；许亮和周玲，2014）［8-9］、企业信息能力的评价（张海涛和靖继鹏，2008；程刚和李旭辉，2009）［10-11］等方面。

研究并构建企业信息能力评价指标体系和评价模型，是企业信息能力研究工作的重要组成部分，也是企业信息化建设不可或缺的重要指导工具，该方面的研究工作取得了一系列成果。张海涛等构建了企业信息能力的评价指标体系，并建立了经济计量模型（2008）［10］；程刚等利用层次分析法构建了企业信息能力评价体系和评价模型（2009）［11］。尽管目前国内学者对企业信息能力评价的研究成果已经不少，但评价主要采用层次分析法、专家评分法、模糊综合评价法等方法，这些方法均在一定程度上受到主观意愿和判断的影响，因此，在研究中科学客观地处理定量和定性的信息更凸显其重要性，而人工神经网络表现出来的各方面性能可以保证在确定评价的指标权重方面更具科学性（张宪，2012；龚关，2014）［12-13］。本文利用人工神经网络原理，结合能力成熟度模型，构建了企业信息能力模糊综合评价模型，并将该模型应用于安徽省制造型企业信息能力的评价工作中。

二、企业信息能力模糊综合评价模型

（一）确定评价因素集

确定评价对象的因素集U，U=(u1,u2,…,um)，即选择评价对象的指标，构建评价指标体系。按照评价指标的可操作性、评价工作的目的性、评价效果的全面性以及评价对象的差异性等原则，采用主成分分析法构建了企业信息能力综合评价指标体系，指标分6大类，共有32个指标，如表1所示。

表1 企业信息能力综合评价指标体系

（二）企业信息能力评语等级论域

能力成熟度模型（Capability Maturity Model，简称CMM）最早由Watts Humpherey提出，用于评估软件供应商的能力［14］。本文根据CMM的分级标准和企业信息能力的内涵，将企业信息能力划分为初始级、系统级、优化级、战略级和持续改善级五个层次。

初始级：企业较为重视信息基础设施建设，对信息化的理解偏重于技术层面；基本实现文档的电子化；部门之间存在较为严重的信息孤岛；基础数据的有效性、标准性和完整性较低。

系统级：企业基本完成了信息基础设施建设；企业开始全面引入面向业务的管理信息系统，整合孤立的数据库，实现了核心应用系统之间的集成；核心业务数据质量较好，但是整体数据的标准化、完整性和有效性比较低。

优化级：企业各部门都引入了管理信息系统，建立了统一的数据标准及信息管理制度，整合了数据库管理信息系统，部门间数据实现共享；建立了内部职能部门之间的系统集成框架。

战略级：企业的信息化战略与经营管理战略相互融合，信息资源构成了企业的核心竞争力；企业将内部的信息流、资金流和业务流融为一体，完成了内部协同。

持续改善级：企业能够进行内部和外部资源的整合，各部门之间及企业之间的关系转变为内外供应链的关系；信息资源成为组织创新的重要工具和力量；组织成为一个智能的主体，能够快速对环境或市场的变化做出反应。

综上所述，本文将企业信息能力的评语等级论域确定为V=(v1,v2,v3,v4,v5)=（初始级，系统级，优化级，战略级，持续改善级）。

（三）对评价指标进行无量纲化处理

本研究针对评价指标包括定量和定性两类的情况，分别对其进行了无量纲化处理。

1.定量分析指标

若ui为定量评价指标，对原始数据进行归一化处理，将它们转化为闭区间［0，1］上的无量纲性指标值。设ai为定量评价指标ui的原始样本数据，xi(i=1,2,…,m)为ai的无量纲化值，xi∈[0,1]；mi为原始样本集在指标ui上的最小值；Mi为原始样本集在指标ui上的最大值。

定量指标无纲量化值为:

2.定性评价指标

若ui为定性评价指标，首先构建评价尺度S，S=(s1,s2,s3,s4,s5)，然后确定各定性指标的隶属度向量ri=（r1，r2，r3，r4，r5）。则定性指标的无量纲化值为：

（四）模糊关系矩阵的确定

用R表示模糊关系矩阵，用以描述评价因素集U中元素值ui与评价等级集V中元素vj的模糊隶属度rij的估值矩阵，它表示的是U中元素ui使得V中元素vj达到满意的程度。

（五）确定评价的权重指标

评价指标的权重W是U中各指标对被评价事物的隶属关系，本文采用人工神经网络的方法确定权重。

该评价模型人工神经网络构造如图1所示，整个网络包括输入层、隐含层和输出层共三层。网络输入层的变量为X=(x1,x2,…,xm)，对应m个指标；输入层与隐含层之间权重固定为1；隐含层与输出层之间的连接权重wi(i=1,2,…,m)，该值要经过训练得到；输出层有n个输出，对应n个评语等级。

图1 确定权重的神经网络结构

设bj(j=1,2,…,n)为该神经网络的实际输出，为输出结果的期望值，误差函数计算公式是隐含层与输出层之间的初始权重值设为wi(0),(i=1,2,…,m)，wi(t)为经过t次迭代确定的权重。随机选择一组学习样本，分别为X1,X2,…,XP，实际输出与期望值之间的误差限为ε。wi(t)的确定过程的主要步骤描述如下：

（2）对权重进行调整，即：

（六）企业信息能力模糊综合评价

模糊综合评判过程最终的评价结果，即评语集是通过分步计算各层隶属度的方式得到的。上一层的评价结果是其下一层评价指标隶属度，每一个指标的综合评价结果是通过评价矩阵和权重系数向量相乘得到。最后根据最大隶属原则，确定评判对象为对应的评语级别。

三、案例研究

本研究选择了安徽省8家制造型企业进行实证研究。采用前述的模型构造人工神经网络，模型的32个评价指标作为输入层神经元，5个评语变量为网络输出层。

（一）对评判指标进行无量纲化处理

将实际调研问卷得到的数据代入企业信息能力综合评判模型中，根据（1）式和（2）式，可以得到标准化矩阵U={}uij,i=8,j=32，即矩阵每行代表一个企业的信息能力情况，每一列代表一个经过无量纲化处理过的指标样本。

（二）隶属函数的确定

该神经网络第二层输出的是各评价指标对不同等级的评语具有的隶属关系。针对每个企业，将其实际调研数据输入模型，可以求出模型中各个评价指标的隶属函数，进而得出评语等级变量值。

（三）网络训练

选择利用人工神经网络算法中的改进反向传播法训练权重的步骤如下。

（1）确定训练样本。本研究选取了各指标平均值、最大值和最小值作为训练样本的输入；

（2）确定神经网络输出值。网络主要训练第二层和第三层的连接权值，将网络第三层的输出设定为{1，0，0，0，0}、{0，0，1，0，0}和{0，0，0，0，1}3个向量；

（3）选取权重训练初始值，本文选择{0.031 62，0.031 62，…，0.031 62}作为初始值；

（4）进行网络迭代训练求得连接权值。本研究构建的神经网络通过126次迭代后，其误差值ε=0.000 05，因此可得网络第二层与第三层之间的连接权值为{0.018 54，0.027 57，0.021 73…0.026 76，0.018 76}。

（四）网络输出

将调研数据输入经过训练的神经网络，网络输出结果如表2所示。根据最大隶属原则可以判断出评价指标属于的评价等级集。

表2 网络输出结果

（五）结果分析

由网络输出结果可以得出结论，企业1的信息能力最低，为“初始级”；公司4和6的信息能力较低，处于“系统级”；公司3、5和8的信息能力中等，处于“优化级”；公司2和7的信息能力较强，为“战略级”。此结果与实际情况比较吻合，公司2和7均为安徽省的知名制造型企业，其通过多年的信息化建设，信息基础设施非常完善，因此企业信息能力很强；企业3、5和8为成立多年的公司，其在信息化建设中积累了一定的经验，并取得了较好的成效，信息能力较强；公司4和6为成立一段时间的企业，基本完成了信息化基础设施建设，积累了一定的基础数据，信息化能力一般；企业1刚刚成立，企业不具备信息化的组织和管理能力，因此信息能力较低。

四、结论与建议

本文通过引入能力成熟度模型的概念，为定量评价企业信息能力提供了理论支持；通过运用人工神经网络技术，提高了企业信息能力评价模型中指标权重值确定过程的科学性。研究结果表明：经过多年发展，安徽省制造型企业的信息能力得到较大提升。但是，各地区各行业的信息化建设水平还不均衡，在整合内外资源、建立智能创新型组织方面还有较大的提升空间。针对安徽省制造型企业现状，提出以下政策建议。

（1）安徽省应抓住产业转型升级的契机，进一步提高信息化和工业化的融合度，不断提升企业信息能力。目前制造业信息化正在全球范围内迎来一场变革，发达国家的先进制造和工业4.0战略有效提高了制造业的效率、精细化水平以及协作化程度。我国政府对此也相当重视，党的十八大报告将两化深度融合上升到了国家战略的高度。安徽省应学习国内外信息化建设的先进经验，将其与省情相结合，引导制造型企业不断提升各方面的信息能力。

（2）要整合资源，平衡发展，优化结构，最大限度地将政府投入的财政资金转化为生产力。政府统筹利用财政资金对信息基础设施和公共服务平台进行建设，提高各地区各行业利用公共信息资源的能力，避免信息资源的重复建设。建设工作既要具有一定的前瞻性，又要结合企业信息能力现状，保证资金向生产力的有效转化。

（3）强化人才培育和引进机制，不断提高企业员工素质。人才是企业信息能力提升的关键要素之一。相关部门要制定政策吸引高素质人才加盟安徽省制造型企业，对于企业亟需的人才给予户口、住房等优惠待遇。引导企业加强人才梯队建设，促进信息化培训工作，不断提高企业员工信息能力。

［1］张海涛，靖继鹏.企业信息能力:内涵、维度与结构模型［J］.情报杂志，2008（12）：109-111.

［2］T Ravichandran，Lertwongsatien C.Effect of Information System Resources and Capabilities on Firm Performace：A Resource-Based Perspective［J］.Journal of Management Information Systems，2005，21（4）：237-276.

［3］Nakata C，Zhen Zhu，Maria L Kraimer.The Complex Contribution of Information Technology Capability to Business Performance［J］.Journal of Managerial Issues，2008，20（4）：485-505.

［4］Lim J H，Stratopoulos T C，Wirjanto T S.Path Dependence of Dynamic Information Technology Capability：An Empirical Investigation［J］.Journal of Management Information Systems，2011，28（3）：45-84.

［5］程刚，李倩.企业信息能力提升竞争优势的模型及路径研究［J］.现代情报，2013（6）：96-105.

［6］张同建，梅强.我国企业信息能力体系经验性解析［J］.情报杂志，2011，30：59-62，46.

［7］史敏，刘素华，李维思，等.面向技术创新的企业信息情报能力成熟度诊断模型研究［J］.图书情报工作，2013，57（24）：106-110.

［8］刘焕成，孟玲.基于核心竞争力的企业信息能力培育［J］.情报科学，2011，29（12）：1892-1895，1901.

［9］许亮，周玲.基于信息行为的企业信息能力提升机制研究［J］.中国商贸，2014（1）：66-67.

［10］张海涛，靖继鹏.企业信息能力的评价及其价值计量分析［J］.情报杂志，2008（10）：14-16.

［11］程刚，李旭辉.企业信息能力评价体系研究［J］.安徽工业大学学报：社会科学版，2009，26（6）：48-49.

［12］张宪.基于人工神经网络的项目管理成熟度模糊综合评判［J］.统计与决策，2012（20）：175-178.

［13］龚关.基于BP网络的企业信息能力评价研究［J］.情报科学，2014，32（9）：95-99.

［14］XIANG Yangxia，WANG Tao，MI Dong.CMM model and improving software process with it［J］.Computer Engineering and Design，2003，24（12）：126-128.