电子商务企业数据分析能力评价研究

摘 要：随着电子商务的持续发展和竞争的日益加剧，越来越多的企业使用商务数据分析工具解决运营管理中的决策问题。因而，能够运用数据分析技术的人才得到各行业企业管理者的重视，这也为院校商务数据应用人才的培养提出了更高的要求。本文立足商务数据分析人才需求特点，基于胜任力特征构建面向经管高职生的商务数据分析能力评价指标体系。

关键词：商务数据分析;能力评价;指标体系

信息网络经济及“互联网+”背景下，数据科学日渐成熟，数据的力量正在逐步展现，数据已成为重要的生产要素并渗透到了各行各业，数据的分析与利用已经成为企业发展的必要环节和重要工作。因此，高职院校传统经济管理类专业纷纷将数据分析相关课程或内容引入课程体系，甚至开设商务数据分析相关专业。与此同时，培养的数据分析能力如何却缺少相应的评价标准或方法。

一、研究现状及意义

通过对相关文献的研究和梳理，国内外有关数据分析的研究主要集中于数据分析能力框架定义、人才培养和课程建设，数据分析能力评价方面部分学者在研究生及本科生层面有所涉及，对数据素养和统计素养评价有较深入的研究。目前，在高职生层面，尤其是经管类高职生在商务数据（非大数据）分析方面既缺少能力框架研究，也没有能力评价的研究。

对经管高职生商务数据分析能力评价是开展针对性、有效性数据分析教学的前提基础。对高职院校经管类专业学生的商务数据分析能力如何有效的评价进行研究，在一定程度上解决缺乏评价标准，这将有利于教师定量测度学生数据分析能力水平，明确教师的教和学生的学中所存在的问题，能针对性地提出教学建议，更好地促进商务数据分析课程有效教学，提升学生数据分析能力，促进教学改革与创新。

二、高职层次商务数据分析需求特点

1.突出商科性

经管类高职专业一般属于“财、经、商、贸”中的某一类，高职生的就业大多集中在中小型商务企业的营销、客服、仓储物流、会计等相关岗位，其数据分析需求具有鲜明的业务特色，即首先需要“懂业务”，其中网络营销最具有代表性。企业经营者关心的是客户、市场相关的数据，如客户购买行为、购买倾向、满意度、需求变化……，以便制定营销方案、产品策略、价格策略等，没有数据支持的营销方案其效果很难保证。因此，经管类高职生的商务数据分析能力需求具有明显的商科特点，能根据近期业务及决策需要胜任相关数据分析工作，分析的对象其数据量不一定很大、数据结构也不一定复杂。

2.强调应用性

商务数据分析的商科性决定了数据分析的针对性和实用性，因为业务决策者大多关心的是日常事务性信息的处理现状，经管高职生掌握数据分析技术在具体业务中如何应用、能够得到怎样的效果即可胜任大部分日常数据分析工作，不一定非得要进行数据挖掘算法设计或模型搭建，当然能够通过学习达到数据挖掘的高度更好。

3.侧重工具使用

中小型电商企业由于资金较缺乏，在运营过程中对成本和收益比较敏感，自行设计数据分析系统或工具、甚至自行开发或构建挖掘模型在经济上、技术上不太可行，因而利用成熟的满足数据分析需求的现成软件和工具成为首选。从简单的电子表格EXCEL到SAS、SPSS、Tableau，以及相对复杂的PYTHON、DATAHOOP，基本上能覆盖业务数据分析需求。因此，侧重对已开发数据分析工具及软件的具体应用，而不追求研发编程、模型推理是经管高职生数据分析技术需求特色。

三、评价指标的构建

借鉴国内外数据素养的评价指标体系和中小型电子商务企业的业务数据分析需求及实践，构建出数据采集、数据整理、数据分析和数据应用4個一级指标，需求转化、数据提取、数据清洗、数据重组等8个二级指标和13个三级指标。

1.数据采集

数据采集包含需求转化和数据提取2个二级指标。需求转化衡量业务决策或运营评估时能否明确地表达出数据需求，如需求数据的范围、维度、时效等。数据提取包含数据源选取和提取技巧2个三级指标，衡量能否正确遴选需求数据的来源、清楚数据的采集渠道、经济有效地获取到需求数据，如内部数据的导出、外部公开数据的爬取。

2.数据整理

数据整理包含数据清洗和数据重组2个二级指标。数据清洗衡量对数据有效性、合理性的检查，如空值、重复值、错误值、逻辑错误值、异常值等的处理。数据重组包含数据变换、数据集成和数据规约3个三级指标，数据变换从数据规范化、概化及属性构造三个方面进行衡量;数据集成从模式匹配、数据冗余、数据值冲突三个方面来衡量，即能否处理不同来源数据的不一致性和非独立性;数据规约衡量能否对数据进行压缩、降维、筛选等处理。

3.数据分析

数据分析包含描述统计和探索挖掘2个二级指标。描述统计衡量对现有规律的统计描述，包含变量的分布描述、趋势描述及对比描述等;探索挖掘衡量具体业务情境下常用分析模型和工具的应用，如对客户的分类、聚类，对产品的关联、推荐，对流量或销量的回归预测等，至少掌握对应分析模型的一种工具。

4.数据应用

数据应用包含分析结果解读、数据可视化呈现和报告撰写2个二级指标。分析结果解读衡量能否提炼有效结论，并根据业务工作提出合理建议能力，即数据分析对业务的支持程度;数据可视化衡量数据分析结果或结论的有效呈现，即化繁为简的视觉表达;报告撰写衡量数据分析的整体逻辑性、科学性和价值性。

四、评价指标检验

1.评价集合

为验证指标的重要性和科学性，基于构建的16项胜任特征进行专家问卷调研，采用五点李克特量表法，将各指标设为“非常重要”、“重要”、“一般”、“不重要”、“非常不重要”五个等级。关于量表等级评价赋值方法有很多，针对文中指标体系中大多指标不容易量化，或者量化时缺少对照参数而不能给出精确数值，导致不同层次甚至同层次的评价指标不易判断其重要程度而很难给出相对权重，因此结合三角模糊数和FAHP的优势，本文采用基于三角模糊数的FAHP方法，设计了符合日常一般化表达的评价语言变量，从而简化指标权重的判断。

2.评价指标科学性检验

为确保问卷具有良好的内容效度，利用专家调查法对问卷各题项进行评判，专家来自三方面：中小型电子商务企业数据部门负责人;数据分析教育机构培训讲师;高职院校数据分析课程主讲教师。共计发放问卷50份，回收问卷48份，回收率为 96%，有效问卷30份，有效率63%，其中企业数据部门负责人10人，培训讲师6人，高职院校主讲教师14人。首先对正式调研获取的有效数据进行科学性分析，包括信度和效度检验。利用SPSS工具检测问卷，内部一致性和变量间的凝聚程度系数Cronbach's α为0.731，大于可接受的0.6，信度有效。问卷条目清晰，与研究内容相符合，可用于实际调查。

3.模糊判断矩阵一致性检验和改进

对于个别不满足加性一致性的模糊判断矩阵R，设定了一个阀值ε（取ε=0.25），当R的加性一致性指标ρ<ε时，认为R具有满意的加性一致性。另外，在调整或改进判断矩阵加性一致性的过程中，为了尽量保留原始判断矩阵的信息，每次只调整一对元素，且调整幅度低于10%。整体评价指标项的ρ系数为0.027，各一级指标的ρ系数分别为“数据采集”0.142、“数据整理”0.013、“数据分析”0.231、“数据应用”0.280。数据表明，评价指标体系具有良好的一致性。

五、评价量表设计

采用类平行量表测量模型，将量表设计为4个部分，量表内容采用李克特五点式：1-5分别对应非常不符合、比较不符合、不确定、比较符合、非常符合。

1.数据采集项目池

2.数据整理项目池

3.数据分析项目池

4.数据应用项目池

六、量表应用研究

基于上述设计的评价量表，对湖南信息职业技术学院经济管理系电子商務、会计、经济信息管理和商务英语四个专业大二大三两个年级的高职生商务数据分析能力进行实证研究，分析其整体情况、差异性，为评价量表的广泛应用和对策制定提供客观依据。

1.调研基本信息

量表问卷调查自2020年8月25日至2020年9月7日，用时15天，按专业分层等比抽样，并利用问卷星定向发放问卷，共收回有效电子问卷196份，回收率为98%。

2.评价量表基本信息

对本次调研的评价量表基本信息进行描述性分析，包括量表和分量表的信度系数、平均值等基本信息，以检验本次能力评价的实际效果。

量表总体稳定系数高达0.981，说明本次评价结果科学有效。表中数据可以看出，高职生商务数据分析能力水平中等，基本满足高职层次数据需求，数据整理与分析能力偏低，数据采集与应用能力尚可，说明在相关业务内容学习上效果较好，但是计算机操作及算法方面能力薄弱，需加强;极大/极小值偏差则反映了该校经管高职生群体在某项能力上的差异性，数据显示数据分析能力偏差最大，说明此项能力的区分度最为明显，表现优异的学生和表现一般的学生能力差距可能比较大。

总之，在大数据发展背景下，数据分析能力已成为当代社会人才的必备技能，为了培养出更多适应现代化社会发展的数据人才，各大高校都开始针对大学生的数据分析能力展开了教学和研究。希望可以从评价的角度推动经管类高职生商务数据分析能力的培养，促进高职院校相关课程和专业的建设。

参考文献：

[1]陈玲霞.基于有效课堂理念的高职院校“商务数据分析”实践教学设计研究[J].黑龙江教育，2019（11）.

[2]赵立平.大数据背景下湖南地方高校大学生数据素养的内涵、价值及其评价指标构建与启示[J].武汉职业技术学院学报，2018（04）.

[3]李楣.研究生数据素养评价量表构建及应用研究[D].江苏大学，2017（04）.

[4]黄玉峰.电子商务专业学生数据分析能力发展现状及对策研究[J].教育现代化，2017（06）.

[5]李志长.基于AHP模糊综合评价法的高职MOOC建设评价研究[J].中国管理信息化，2017（03）.

作者简介：李志长（1980- ），男，湖南涟源人，硕士，副教授，研究方向：职业教育