基于德尔菲法的企业大数据应用能力指标体系构建研究

杜 薇，常 悦，周涵妮，李 端，胡嘉琦，樊兴颖

（贵州医科大学医药卫生管理学院，贵州 贵阳 550025）

1.引言

目前，我国大健康产业已形成“医、养、健、管”四大基本产业群体。其中，以“养”为支撑的健康养生产业，指的是覆盖生命全周期、围绕人体身心健康，融合医疗服务、大数据健康信息服务、健康管理和促进服务、健康保险服务等配套服务的休闲养生、滋补养生、康体养生、温泉养生四大业态。2017年，十九大报告指出，实施健康中国战略，人民健康是民族昌盛和国家富强的重要标志。随着网络和信息技术的不断普及，人类产生的数据量正以指数级增长，对大数据的应用已经渗透到每一个行业和业务职能领域，逐渐成为预测行业市场、制定决策、洞悉竞争对手的重要依据。对健康养生企业而言，大数据应用必将改变其运营模式与管理思维，如何将大数据更好地应用于具有丰富内涵的健康养生企业，还是一个全新的课题。

2.大数据应用能力评估指标体系构建思路

“评价”指的是尽可能系统、客观的估量正在进行的或已完成的政策、项目、方案的设计实施与结果[1][2]。本文围绕大数据应用能力评价这个目标，以健康养生企业为评价对象，建立科学、全面、系统的指标评价体系。19世纪，法国经济学家Jules Dupuit提出成本效益理论，该理论认为，企业最终追求的目标是效益，为了效益，必须付出成本为代价[3]。他关注到任何一项政策的实施总要投入一定的人力、物力、财力资源，根据机会成本理论，这就是该项政策的成本。该理论要求企业从“投入”与“产出”的对比分析来看待“投入（成本）”的必要性、合理性。另一方面，联合国UNDP提出，能力是组织或个体持续、有效、高效的执行职能的本领和力量[4]。基于这两个重要理论，本文将健康养生企业大数据应用能力分为投入和能力两个类别进行评价。

成本效益理论指出，任何项目的执行必须满足效益大于成本要求。尤其是大数据的应用，成本就是凝结在企业的技术人员和软硬件设备中的核心资源，有助于满足顾客需求，难以被模仿和替代，具有持续性和规模效应[5]。由此，初步设定人力、物力、财力三项作为投入类别的评价维度。

健康养生企业应用大数据，会搜集到许多同构、异构数据，所以数据库就会出现噪声数据干扰。此时，企业就需要对原始数据进行数据清洗、数据转换等数据集成工作[6]。接着，它们将数据整合，并形成大数据分析能力，从而为企业带来盈利（Manjul Gupta & Joey F. George，2016）[7]。养生企业作为以提供服务为主的行业，应用大数据必须针对客户需求快速响应并提高客户的满意度。金碚（2003）提出在竞争性市场中，一个企业所具有的能够持续地比其他企业更有效地向市场提供产品或服务[8]，并获得盈利和自身发展是任何企业必备的能力之一。在企业的投入产出绩效研究中，由美国C.W.Cobb和Paul H.Douglas提出的柯布-道格拉斯函数强调创新所带来的价值产出。麦肯锡（McKinsey）的报告中也提到了创新能力在企业大数据应用中的作用[9]。因此，本文将能力类别的维度设置为数据集成能力、数据分析能力、服务能力、盈利能力、创新能力。

综上所述，本文将健康养生企业的大数据应用能力，初步设置为投入和能力2个类别，投入类别分为人力、物力、财力3个维度，能力类别分为数据集成能力、数据分析能力、服务能力、盈利能力、创新能力5个维度，作为第一轮问卷向专家进行咨询。

3.研究方法及专家选择

3.1 研究方法

一是文献分析法。系统全面搜集国内外关于健康养生产业及大数据的文献资料，结合其大数据应用能力评价的实际需求，初步确定养生企业大数据应用能力评价指标体系总体框架。

二是专家访谈法。对贵州省发改委、贵州省卫计委、贵阳市大数据发展管理委员会、贵州大学及贵州医科大学、贵州联科卫生信息技术有限责任公司专家进行访谈，了解现阶段大数据应用现状，征询他们对养生大数据应用能力的评价意见和建议，探讨并拟定初步的指标体系。本研究预选了17名专家，得到16位专家的反馈。16位专家包括国内省内各高校资深教师、数据软件企业负责人及相关部门负责人，对大数据有系统、独特的见解。其中，男性11人，女性5人；博士占比56.25%，硕士占比31.25%；正高级职称占比18.75%，副高级职称占比56.25%；9人为研究类岗位，5人为技术类，2人为管理类岗位。

三是德尔菲法。拟定指标体系后，本文采用德尔菲法（Delphi法）对指标进行筛选，步骤共五步。第一步是成立课题小组，本课题研究小组共6名成员，进行编制问卷、选择和确定函询专家、统计及分析结果等。第二步选择函询专家，本研究预选了17名专家，选择标准为：对大数据的普及和应用具有一定决策意义的政府部门管理人员、在大数据方面有丰富经验的企业管理者、从事大数据相关研究的学者，对大数据有系统、独特的见解；对本研究感兴趣并愿意接受函询的专家；中级职称以上。第三步是设计问卷。第四步是函询专家，采用匿名或背对背的方式向专家发放问卷，经过两轮意见征询与反馈，初步形成专家共识度较高的大数据应用能力评价指标体系。第五步，统计及分析结果，采用Excel 2010及SPSS 21.0对数据进行录入和统计分析。

四是指标筛选方法。将专家评议结果的很重要、重要、一般、不重要、很不重要分别赋值为5、4、3、2、1分值。用重要百分比（选择非常重要和重要的专家数占所有专家数的比例）、均数和变异系数三个统计测量结果来衡量专家对各指标的评价。如果某指标同时满足重要百分比小于75%、均值小于4、变异系数大于1，则直接予以删除；如满足1～2项，指标的去留经课题研究小组的讨论决定。课题小组在充分考虑专家意见的基础上，结合研究的理论基础和大数据政策导向性，按照指标筛选原则对指标进行筛选。

4.结果

第一轮问卷调查请专家对研究者初拟的大数据应用能力评价指标的重要程度进行评议。问卷在每部分评议表中设置“重要性得分”“修改意见”“拟增加其他指标”项目，征询专家意见。第一轮问卷发放17份，回收16份，回收率94.12%。第二轮问卷发放对象是得到第一轮问卷反馈的16位专家，回收率100%。第二轮向专家反馈第一轮结果，并请专家进行再次评议。截止第二轮评议，维度共识率为100%，一级指标共识率86.96%，二级指标共识率81.08%，所有指标的共识率为83.93%，说明专家对所有指标评价一致性程度高，达成共识，按照德尔菲法实施步骤，可以停止新一轮的问卷调查。本文用德尔菲法探索性地建立了健康养生企业大数据应用能力指标体系，涵盖了11个维度、46个一级指标、111个二级指标，如图1所示。

图1 健康养生产业大数据应用能力指标体系

5.讨论

5.1 创新及不足

本研究可能受研究条件不足和专家资源限制，研究尚不成熟。但该指标体系力图首次科学性、系统性地评价健康养生企业的大数据应用能力，填补了全国至今尚无此类研究的空白，对以后的进一步研究具有积极意义。

5.2 展望

大数据应用前景广阔。2001年5月，麦肯锡在发表了题为《大数据：下一个创新、竞争和生产率的前沿》的研究报告中第一次出现了“大数据”这个词。大数据具有能够准确反映现实世界的强大能力，其对企业的影响是学者们研究的重点，各行各业也在积极探索如何应用大数据进行业务的革新与升级。

指标体系的深层含义。在构建指标体系的过程中，课题组成员讨论发现，尽管我们在设置指标时充分反映养生企业应用大数据的特点，但应用大数据最终的目的仍然要回归到创新、盈利等企业管理方面，更要实现健康养生活动所蕴含的文化、教育和医疗等功能的挖掘[10]。因此，养生企业不能为大数据而大数据，达到企业经营的目标才是根本所在。

指标体系的适用性。要评价一个健康养生企业的大数据应用能力，可以用本文得出的指标体系去逐项对照评价。但是，大数据应用的基础是“全部数据”，而不是“样本数据”。养生企业通常难以掌握客户的全部特征，医疗机构、体检机构、公共卫生机构、养生企业之间共享数据才能真实地反映用户画像。这就需要企业与政府部门间建设整合并开放信息交换平台。