数据驱动业务流程重构的作用机制研究

孔德奥

（中铁开发投资集团有限公司 云南 昆明 650500）

0 引言

业务流程作为企业中一系列创造价值的活动的组合，是企业提升核心竞争力、管理质效、盈利能力的关键［1］。企业的转型升级本质上是业务流程重构（business process reengineering，BPR）过程，数字经济时代，人们总是将BPR与数字化转型联系在一起，以数据要素为代表的数字技术资源已成为企业BPR 的重要能力基础。

统计显示，我国基础设施行业的数字化应用水平远落后于其他行业，与全社会数字经济的蓬勃发展形成鲜明对比。 现场调研发现，大部分基础设施投资企业对数据驱动BPR 的作用机制和实践方法认识模糊，企业在数据驱动BPR 过程中资源配置失衡问题突出，很大程度上阻碍了企业的转型升级进程。 文献检索发现：一方面，目前学者对基础设施行业“数据驱动业务流程重构的作用机制”的研究较少，绝大部分研究将其归入“数字化转型”，尽管强调了数字技术在BPR 中的重要作用，却一定程度忽视了BPR 过程中数字技术与其他资源的相互作用关系；另一方面，现有研究大多数关注数据驱动的动态能力对单一管理职能和运营流程的影响机制［2］，而BPR 具有全方位、立体式、个性化特征，单一方向的研究对企业BPR 的指导适用性不足。

因此，基础设施投资企业需要一套更具适应性的数据驱动BPR 作用机制模型来指导业务流程重构工作。 本文采用文献研究和案例分析相结合的方法，归纳并提出了一套数据驱动业务流程重构的作用机制模型，以期为相关企业提供一些参考和借鉴。

1 BPR 的指导框架

1.1 BPR 过程框架

BPR 过程框架用于指导数据驱动BPR 的全局过程，目前获得广泛认可的BPR 过程框架由莫特瓦尼（Motwani）和库马尔（Kumar）于1998 年提出并延续至今。该框架描述了企业从提出业务机会到组织实施，再到评估优化的基本执行过程，分为理解—启动—编程—转换—实现—评估六个阶段。 本文案例研究便遵循该过程框架。

1.2 BPR 应用框架

BPR 应用框架为数据驱动BPR 过程提供了数据应用方向指导。 自BPR 理论被提出以来，各界学者先后提出了基于模型的集成过程改进（model-based integrated process improvement，MIPI）方法、知识型业务流程改进框架、深度业务优化平台等。 本文提出的基于数据驱动的BPR 作用机制集成了MIPI、知识型业务流程改进框架、深度业务优化平台的思想，一是借鉴MIPI 方法理念，通过模型展示出了业务流程改进的基本逻辑，以及过程所需的关键要素和成功因素；二是借鉴知识型业务流程改进框架理念，将知识理论、过程决策、评估和改进引入BPR 过程，通过改进流程中知识的管理方式来帮助组织提高流程绩效；三是借鉴深度业务优化平台理念，开展以数据集成、流程分析、流程优化为主线的流程挖掘工作，增强流程问题发现、流程一致性检查、流程优化等能力。

1.3 BPR 评估框架

该框架可基于业务模型评估数据驱动BPR 的执行效果，为改进执行过程提供依据，BPR 评估框架包含了六个重新设计组件（目标、方法、启发式、输入模型、可塑性和质量），分为四个连续阶段（表述、执行、计算和评估），通过调查反向传播神经网络模型的适用性来查找过程问题并持续优化模型［3］。 其中，启发式被定义为一种快速解决问题或决策的技术，可依据过去的经验对BPR 执行结果作出快速判断并调整执行过程。 可塑性反映了模型在实施前的重新设计能力，其与启发式带来的重新设计直接关联。 本文多元回归模型便采用启发式评估法。 BPR 评估框架见图1 所示。

图1 BPR 评估框架

2 案例分析

通过实证研究与案例分析，总结不同类型的基础设施投资企业在转型升级中数据应用的先进经验和常见问题。以下为基础设施投资企业在数据驱动发展方面进展缓慢的主要原因：①企业缺乏清晰的发展战略和业务目标，对服务市场和提升竞争力聚焦不足；②对数据驱动BPR 的作用逻辑和发展方向缺乏深入研究；③数字化过程中对各类资源的投入必要性、各类资源的相互作用关系缺乏有效梳理；④缺乏有效迭代的数字化建设和数据应用管理方法及流程，企业各部门间的信息共享和群体协作未能有效激活；⑤数字技术部门对业务部门的主动服务意识有所欠缺，对业务的学习意识和掌握深度不够。 这些问题导致企业处于被动跟随状态，企业缺乏数据驱动文化的培育土壤，业务流程重构瓶颈难以突破。

3 数据驱动BPR 的作用机制模型

基础设施投资企业可围绕投资、建设、运营三阶段开展数据驱动的业务流程重构，以企业战略和业务目标为导向，增强企业内生动力、市场服务水平、资源配置效率，拼市场、抢订单、控质量、降成本、增服务，增强企业核心竞争力和可持续发展能力。 基于文献研究和案例分析，提出以下数据驱动BPR 的作用机制模型。

3.1 数据驱动BPR 的作用逻辑

数据要素分为业务贯通、数智决策、流通赋能三次价值释放过程。 在基础设施投资企业的BPR 过程中，数据来源主要有三个渠道，分别为业务数据、流程挖掘数据、市场数据，其与数据要素的三次价值释放过程匹配。 BPR要求企业以战略洞察为基础，对企业的技术系统、组织结构、企业文化、经营理念等做整体协调与重构。 通过将企业战略洞察转化为业务目标，同步调整企业组织结构、IT架构、管理制度等，保证各独立业务目标的实现。 数据来自业务并服务于业务，数据通过优化生产决策流程、创新组织体系，驱动企业从传统工业经济的科层制组织向网络制组织转变，将传统职能管理模式转变为流程管理模式［4］。 在基础设施的投资、建设、运营周期中，数据无处不在，企业的主要任务是建立起数据采集与应用的正向反馈机制。 如图2 所示。

图2 数据驱动BPR 的实现过程

3.2 BPI 的关键要素和成功因素

业务流程重构是一个系统性、长期性工程，往往以流程改进（business process improvement，BPI）形式呈现。为确保业务流程改进工作取得成效，企业需要明确业务发展战略与数字化目标，理解现有流程，发现和识别问题，开展创新并持续改进，同时要积极应用新技术和方法，加强组织培训与沟通，通过制度化、标准化、流程化来保障BPI 成功，以培育数据应用和业务流程重构的支撑文化。 缺乏相关要素均会造成木桶效应，使得企业实践效果不佳。 BPI 的关键要素和成功因素见图3 所示。

图3 BPI 的关键要素和成功因素

3.3 知识管理提高流程绩效

知识经济时代，知识和信息对企业最为重要，知识管理已经成为企业提高竞争力、优化流程的关键手段。 通过对业务数据加工处理、归纳总结、应用反馈，有效提升企业产品、服务、管理创新水平，更好地满足市场需求。 DIKW（data-information-knowledge-wisdom，数据－信息－知识－智慧）模型很好地反映了知识管理对流程绩效提升的过程，知识管理对流程绩效的作用逻辑见图4 所示。 企业的战略洞察和业务目标制定便是知识管理的结果，知识管理工作要求企业各层级管理者对开发算法、模拟模型、流程管理、信息系统等方面有较高储备素养。 为了提高流程绩效，企业需建立知识库维护机制，选择合适工具，确保稳定性与可扩展性。 制定知识管理指标，监测使用率、分享率等，了解现状与问题并及时改进。 倡导团队协作的企业文化，鼓励知识交流和分享，为员工提供平台与机会，保护激励员工的知识产权，提高知识共享积极性。

图4 知识管理对流程绩效的作用逻辑

3.4 基于数据的流程挖掘

流程挖掘通过整合数据分析、图形可视化等技术，直接从客户及业务视角为企业运营管理效率赋能［5］。 从组织过程观来看，业务流程是企业的组织核心，组织被视为一组业务流程的集合，一个流程系统中各流程相互作用和相互依赖，具有创造价值的共同目标。 BPR 评估框架和深度业务优化平台对业务流程挖掘的建模和评估有较强指导性，业务流程挖掘的主要思想是从事件日志中提取事件数据，从而自动构建业务流程模型，将已有的流程模型与同一流程的事件日志进行比较，扩展或改进已有的流程模型。 企业希望在降低生产成本、提高产品质量以及向客户提供及时、快捷的产品和服务方面达到较高效率和较好效果，BPR 很好地满足了这些要求。 但BPR 更多强调的是过程中企业各类资源的分配过程，对流程执行的合规性和有效性缺乏监控，因此，BPR 需要流程挖掘作为补充，流程挖掘通过其流程发现、流程一致性检查、流程加强等能力提升BPR 的合规性和有效性，确保BPR 实施更加彻底。

3.5 BPR 多元回归模型

目前，学术界已提出多种BPR 框架，从不同的角度为BPR 领域做出了贡献，但对BPR 过程中各类资源的投入缺乏定量分析研究。 数据驱动业务流程重构过程中，企业的资源要素投入和产出围绕数据应用展开，在信息知识的时代，用好数据是企业发展的必然要求，而数据的有效利用，需要企业文化、组织结构、技术系统、资源禀赋、管理能力等多种资源转换投入，这些资源也是BPR 的关键影响因素。 为数据应用而投入的各类资源理论上是可以定量的，可用多元回归模型来表示BPR 过程中各类资源的投入占比，如式（1）所示：

式（1）中，X表示各资源因素在BPR 中的价值比重。 每个因素变量取值范围为［0，100］，X＝100 时，达到最佳实践状态；ε表示随机扰动项。 由于测量手段限制和信息量大，难以精确计算各影响因素的权重，但可采用启发式方法评估，通过验证各因素与企业目标的接近程度了解要追求的路径和消除的路径，明确要素资源及其重要程度。

4 结语

综上所述，业务流程重构需整体协调技术、组织、文化、理念。 基础设施投资行业数据驱动发展处于初级阶段，应以服务市场为导向，平衡数字技术与其他资源投入，发挥业务与数字系统协同效应。 完善数字化建设管理模式，投资建设数据处理和分析能力，形成符合自身特点的数据应用模式和业务逻辑算法，利用数据为企业创造价值。