大数据驱动下的企业决策范式研究

杨富云（中山开放大学 广东中山 528403）

引言

西方著名学者西蒙提出了“决策就是管理”的论断，其认为管理就是决策的过程，由此可见，决策对于企业的经营发展至关重要。因此，企业决策一直备受关注。然而，如何提高决策效率和准确性，成为了广大企业苦苦思考的问题。互联网时代的到来，极大地促进了物联网和大数据的发展，其进一步地刺激了信息技术的变革，在此背景下“云计算”、“人工智能”、“移动互联网”等迅速兴起，并在广泛应用的过程中逐渐成熟，其为企业的经营决策带来了巨大影响。一方面，大数据环境下市场和企业的相关信息交流更加频繁，其交流效率也大大提高，这就催生了社会化决策的产生。这一变化主要体现在市场成为了企业的决策导向，同时企业在进行决策时更加关注基层员工的声音，这就避免了以往高层决策者一言堂现象的出现；另一方面，大数据时代背景下企业经营不再缺乏数据支撑，企业对数据的重视程度不断加深，其促使企业加大对相关数据的科学分析和有效运用，进而使得大数据的数据类型不断丰富。以大数据为分析工具能够获得更加准确客观的市场关系，其能促使企业更好地发现并解决问题，因此数据驱动型的理性决策成为企业经营管理的主要趋势。由此可以看出，在未来的发展趋势中，大数据成为了企业决策的重要前提。大数据技术的产生虽然为企业带来了发展机遇，但同时也带来了问题——即如何在大数据驱动下做出更加科学合理的决策成为了企业面临的难题。对此，范式提供了科学的指导方法，其能够更好地规范领域研究和相关应用，因此，相关的范式将为大数据驱动下的企业决策提供很好的理论借鉴。然而，由于当前我国大数据发展的时间还不够长，其技术尚未完善，这也使得大数据驱动下的企业决策范式尚未形成。也就是说，当前我国对企业决策范式的研究没有真正考虑到大数据对企业决策的影响和融合等问题。因此，本文认为在当前“互联网+”的时代背景下，基于大数据驱动对企业决策范式的研究十分重要。对此，本文将着眼于大数据背景下的决策范式，深入探讨大数据技术对企业决策的影响机理，并尝试构建大数据驱动下企业决策的范式，以期为企业实现精细化、高效化运营提相关建议，进而让企业的决策更加科学理性，从而使企业能够灵活面对不同时期市场的环境。

研究设计

数据分析方法。论文是科研成果的表现形式，为了能够更加直接有效地构建范式，本文基于一定数量的决策范式领域的研究成果，通过共词分析法提取其相关内容，并利用NetDraw和SPSS21.0软件对其进行矩阵的可视化分析从而展示所构建范式的结构，再通过社会网络分析法定量研究大数据和企业决策之间的相互关系。本文所采用的数据分析法主要分为共词分析法和社会网络分析法两类。其中，共词分析法是一种经典的文献计量法，即通过对特定领域的论文进行研究，分析代表其研究成果的核心关键词在该研究文献中出现频次，从而探讨并挖掘该学科的特点和发展规律，并以此得出其所在领域当前的研究热点和发展动向，最终从多个角度观察和挖据其相关关系；社会网络分析是基于定量研究的基础上，通过计算和解读关键指标从而探讨其中的相互关系，这种全方位的量化网络关系分析有助于全面展示网络中各主体的相互关系，从而能够更加系统地解读和阐释整个网络的关联关系。

表1 企业决策&大数据的共现矩阵（部分）

表2 企业决策&大数据的共现矩阵的中心性（部分）

样本选取和来源。本文的样本选取对象主要为决策范式领域的研究文献成果，所选取的数据主要来源于默认回溯期1979-2019年的中国知网数据库文献。其中，为确保数据质量，本文只收录学术期刊发表的研究文献，并通过BICOMB的筛选统计及人工过滤获得关键词，具体的检索方式表现为：第一次检索设定“全文”字段检索为“企业决策”，共收集相关文献13000多篇，关键词2.5万个，其中高频词低频次分界数值为88，共39个关键词输出共现矩阵；第二次检索选定“全文”字段检索为“企业决策”&“大数据”，共收集相关文献6700多篇，关键词1.2万个，共28个关键词输出共现矩阵；第三次检索为了进一步研究，设定“主题”字段检索为“企业决策”&“大数据”，且选取被引用的文章，总共收集相关文献146篇，共有关键词201个，筛选9个关键词输出共现矩阵；第四次检索则分别将“高层决策”、“基层决策”、“社会化决策”作为“主题”字段的检索词，分别获取数量分别为16891篇、1158篇、190篇，关键词分别为7821个、702个、230个，筛选得出关键词输出共现矩阵分为23个、15个、11个。

图1 多维尺度分析结果

图2 大数据&企业决策关键词共现矩阵中心性可视化

研究假设。一直以来，国内外学者都致力于通过共词分析法确定科学的决策范式。例如，汤姆斯·库恩（1977）认为，从某一学科领域共同的研究内容出发，可以更加直接有效地发现该学科的主要范式。另外，由于马费成和张勤基于共词分析法构建了知识管理范式，因此，本文认为对于大数据驱动下企业决策范式的研究来说，可以在当前已形成的研究文献的基础上，通过分析关键词之间的内在关系，利用关键词共词矩阵，直接快速地发现并构建企业决策范式。基于此，本文提出了假设1：共词矩阵可以作为决策范式研究的样本。

随着互联网技术的不断发展，大数据驱动得到广泛运用，在此背景下国内外学者针对企业决策和大数据进行了大量研究，其在交叉研究上体现出了越来越多的趋向性，这使得相关研究更加具体全面，甚至已经形成一定的决策研究成果并在现实中得到运用，这进一步推动了外部数据与企业管理运作的融合。如李忠顺、周云丽、谢卫红等（2015）从宏观和微观两个视角出发分析了大数据对企业决策的影响，并从管理的角度体现了企业决策在社会人文类领域的研究方向；陈明（2013）提出了数据密集型科研第四范式的相关内容，其从技术的角度体现了企业决策在自然科学领域的研究方向。综合上述研究成果，当前学者分别从管理和技术两个层面对大数据背景下企业决策范式进行了研究，基于此，本文提出了假设2：当前企业决策范式有着技术和管理的二元属性。

大数据具有多种潜在价值，其是一种亟待开发利用、新的不可取代的信息资源。杨善林（2015）认为，大数据需要加工才能发挥价值。大数据拥有基础资源的自然属性，其具有复杂性、高价值性、高速增长性、可重复开采性、决策有用性等特征，因此需要企业对其进一步处理、挖掘、开发和利用。基于此，本文提出假设3：大数据驱动下的企业决策范式是一种资源决策范式。

研究工具。本文利用共词分析法进行关键词的筛选和确定，主要通过以下几种研究工具获得和整理数据资源并进行分析和研究：第一，Ucinet社会网络分析软件。Ucinet软件由Borgatti，Everett和 Freeman共同合作开发，其特点在于集成和使用率较高。Ucinet软件全面综合地汇集了相关一系列的功能算法，其适用性很强，能够与多种软件进行数据交互，是当前最流行的社会网络分析软件；第二，书目共现系统BICOMB。 BICOMB是崔雷教授研发并共享的文献计量系统。作为一款文本挖掘的基础工具软件，BICOMB可对中国知网（CNKI）数据库的文献记录进行读取分析、抽取特定的字段，并能够统计相应字段的出现频次，从而使其形成共现矩阵。在此过程中BICOMB允许用户对系统功能进行修改、增加和拓展，其能够进行更加深入的聚类分析和网络分析；第三，可视化软件Netdraw。Netdraw由美国教授SteveBorgatti开发，其能够将社会网络关系转换为可视化图谱，并以此实现多种网络图形和多维立体图谱，这能够使学者更加直观的进行研究和分析；第四，数据统计分析软件SSPS21.0。SSPS21.0能够深入分析各个变量之间的关系，并可利用二维图像充分展现出变量间的空间结构，从而让决策范式更加可视化。

大数据驱动下的企业决策范式分析

一般认为，范式的发展路径为实验—理论—计算—数据，范式发展和演化的动力主要侧重于科研成果基础和具体的实践需求。随着大数据的急剧增长，数据密集型第四范式应运而生，其以数据作为研究主体，是一种数据密集型的科学研究。大数据驱动的发展将推动企业决策范式发生转变，从而促使企业实现更加科学有效的决策，同时也会促使相关决策研究领域的发展。反过来看，大数据驱动是推动决策范式发展的内在动力。因此，本文将基于数据密集型第四范式的角度对大数据驱动下的企业决策进行研究和分析。

（一）共词矩阵的社会网络分析

首先，通过检索关键词两两共同出现的频率，将数据输入BICOMB数目共现系统，筛选出关键词的共词矩阵，具体如表1所示（由于文章篇幅有限，这里仅列出部分关键词的共词矩阵）。

其次，通过中心性衡量测量研究社会网络关系，主要内容为运用UCINET分析探讨共现矩阵中的关键词中心地位以及关键词间的相互关系及影响。这里选取中间中心性和接近中心性来测量网络关系，具体结果如表2所示（由于文章篇幅有限，这里仅列出部分关键词共现矩阵的中心性）。

通过UCINET分析可以发现，“企业决策”和“大数据”这两个关键词的中间中心度分别为68.236和94.516，同时其接近中心度分别为78.124和82.641，从整体上看这两者是最高的，这说明整个网络呈现出向某一中心点靠拢的趋势。此外，由表2可以看出整个网络的接近中心度相对较高，其均远远大于0.5，那么可以看出这些关键词之间又具有一定的关联性，整个共词矩阵符合本文范式研究的要求，且数据具有较高的可靠性。

最后，本文利用诚实中间人指数对企业决策进行具体的分析和研究。罗伯特提出中间人的概念具有一定的竞争优势。本文利用诚实中间人指数计算出网络中中介点调节的点对数等指标。通过分析，其中弱中介HBI1的数值为0，也就是说，关键词只存在纯中介和非中介这两种关系。（由于文章篇幅有限，这里不再列出大数据&企业决策的共现矩阵的诚实中间人结果。）由此，可以得到这些关键词之间存在一定的内在关联，也就是说，通过文献检索计算出的共词矩阵能够充分展示其内在关系，即由企业决策和大数据为核心建立的共现矩阵可科学研究企业决策范式，即共词矩阵可作为决策范式研究的样本，因此假设1成立。

（二）决策范式的可视化分析

本文将对共现矩阵实行可视化分析和操作，从而更加立体清晰地研究其内在关系。对此，首先要基于相异矩阵进行多维尺度分析。多维尺度分析对信息要求较低，通过计算集聚相似性的成员，多维尺度观测量间的距离，能够充分展现空间结构。本采用Ochiia系数将共现矩阵转换组成相异矩阵，带入并计算出多维分析结果如图1所示。由图1可以看出，坐标轴上方的左右两侧分布着管理会计、企业管理决策、数据挖掘、数据技术、信息技术等关键词，这些关键词的位置各有差异，其主要表现为技术类关键词围绕管理类关键词，也就是说信息技术是服务于企业决策的；坐标的右下角，集聚了财务分析、物联网、决策、非结构化、生活服务、企业管理、管理决策、社交网络等关键词，相对而言，最靠近主轴的关键词分别是非结构化、物联网、决策和生活服务，可以看出企业决策管理需着重这四个方面；坐标的左下方围绕着企业决策、财务管理、创新、大数据、信息化、云计算等关键词，这主要体现为大数据能力，其中数据驱动和创新紧挨主轴处于中心地位。由图1也还可得知，最为主要的两类关键词分别是技术类和企业管理类，这也体现了当前大数据快速发展下，当前我国企业决策范式存在技术和管理的二元结构的特点，这也是目前我国企业未来发展的两个主要方向。因此，假设2成立。

此外，本文将利用NetDraw可视化软件验证大数据＆企业决策关键词共现矩阵，其可视化结果如图2所示。由图2可以看出，管理和技术是该共现矩阵的两个核心点。其中，企业决策与物联网紧密相连，通过计算可以得出，共现矩阵中degree值最高的为大数据（78），其次为企业决策（59）。同时，财务分析、非结构化、数据分析、管理决策等通过与其他关键词相连从而产生相关关系，而物联网可使信息转化为实时数据，从而为企业保持竞争优势提供助力。由此可以得知，大数据虽然功能丰富，但是由于其系统错综复杂，对此需对其进一步加工才能够使之与企业实际发展情况相适应，才能真正满足企业决策所需要的功能。也就是说，大数据驱动下的企业决策范式是资源决策范式，由此假设3成立。

结论与建议

本文通过构建关键词共现矩阵，对大数据驱动下的企业决策范式进行了研究，最终验证了所提出的假设，即假设1、假设2、假设3全部成立，由此得出以下结论：第一，当前我国企业决策范式存在技术和管理的二元结构特点。在大数据快速发展、广泛应用的环境下，企业决策存在的二元结构割裂了技术与管理之间的关系，其强调二者独立发展，从而忽视了两者的实际融合需要，这不利于企业未来发展，这也是现阶段我国企业决策面临的主要问题。对此，想要充分发挥大数据驱动的能力，企业需要升级自身软件和硬件，并将技术与管理相结合，从而为大数据驱动企业决策营造良好环境；第二，大数据驱动下的企业决策范式是资源决策范式。也就是说，大数据作为一种资源，需要企业对其进一步开发才能实现更好地应用。对此，企业应将大数据视为自身拥有的待开发资源之一，对其投入人力物力资源，加大对其的开发力度，并在此过程中要做好抓取实时数据，以此实现大数据驱动企业决策。

综上所述，本文提出以下建议：第一，利用资源范式，加大对大数据资源的开发。面对海量的、复杂多变的相关数据，企业只有不断提高大数据利用水平，才能更加全面的掌握实际市场情况并发现其中的规律，进而作出科学客观的判断和决策。因此，企业需要认识到大数据是一种亟待开发的资源，只有对其进行充分挖掘，才能发挥其潜在价值。其中，数据密集型资源范式是一种科学的企业决策范式，其跨越了技术和管理之间的鸿沟，能够为企业决策范式带来推动力。对此企业要加大对数据密集型资源范式的利用；第二，加大技术投入，完善大数据分析系统。大数据作为一种待开发资源，对其需不断提高技术投入。对此，企业要升级物联网、信息通讯等的硬件设施，完善大数据分析系统，推动数据深度挖掘与融合应用，以此提高大数据科技创新成果在驱动企业决策转化应用的力度，进而促使企业决策更加理性化和科学精准化。此外，大数据已成为国家重要的基础性战略资源，为了给大数据驱动企业决策营造一个良好的环境，国家应出台相关的政策法规，尽快完善数字基础设施建设，全面加强信息系统、数据资源网络安全保障体系建设，从而为大数据健康发展保驾护航；第三，加大人才的投入力度，促使大数据与人才有效结合。大数据是知识产业，对此只有加大对相关专业人才的投入，才能促使大数据与企业实际生产经营有效结合，才能促使大数据被企业决策有效运用。然而，现阶段我国大数据人才匮乏，当前我国大数据产业相关人才占整体就业人口的比例仅为0.23%，因此，相关专业人才匮乏是企业亟待解决的问题。大数据唯有和人才相结合才能发挥其最大价值，对于大数据驱动企业来说，对知识型中层管理者的培育至关重要。因此，企业需要在中层管理者中加大知识型专业人才的投入和培养，尤其是在数据技术和信息技术等方面，要进一步提升企业管理者的专业化水平，这有助于推动数据成为决策工具，从而加深大数据在企业决策中的实际应用，进而能够驱动企业精细化运营，使企业决策更加科学客观，最终使企业在激烈的市场竞争中获得优势地位。