BI数据分析推动组织管理转型

邹文康 赵新才

数字化已成为不可阻挡的历史潮流，数据日渐成为一种生产要素，成为组织资产的一部分。能否搭上“數字中国”和“智慧社会”建设的班车，将很大程度上决定组织未来的发展命运。随着业务量的增长和信息化工具的应用，产生的数据呈量级增长。要实现数字化转型，首先需要从思想上充分重视数据的价值，将数据视为重要资产；其次需要围绕数据的生成、加工、利用、治理，建立一套方法路径。因此，具备驾驭数据的能力，让数据产生价值，为科学决策提供依据，成为对新时期各层级管理人员的共性要求，也将是科研管理部门业务人员的基础素质。

BI数据分析方法

基于商业智能（Business Intelligence，简称BI）的大数据分析方法，为管理人员驾驭数据提供了一条可能的途径。笔者近年来在管理改进工作中，结合数字化转型的要求，对BI数据分析工具在管理活动监视测量、决策支持、结果评价方面的应用开展了应用探索，相关结论在管理举措优化方面发挥了积极的作用。

BI的概念最早由Gartner公司提出，它描述了一系列的概念和方法，以应用基于数据的分析系统来辅助商业决策的制定。BI技术为企业提供了迅速收集、分析数据的技术和方法，把数据转化为有用的信息，提高企业决策的质量。

BI的普及和应用成本的降低，得力于自助式分析工具的发展，使业务人员无须具备专业编程知识与数据库知识就能基于业务逻辑建立数据分析模型，开展数据分析并生成可视化报表。在这种模式下，业务管理人员身兼数据分析员、IT实现者、终端用户和决策参谋几重身份。他们不仅清楚业务的逻辑、明白关注的问题、拥有需要的数据、懂得分析的方法，还能直接应用形成的结论。

管理实践的应用

本文以职工出勤数据分析为例，介绍基于BI的大数据分析在科研管理转型中的应用。笔者所在单位（以下简称“我所”）职工出勤记录主要来源于技防系统记录的门禁数据，以及人事考勤系统中的出差、请休假备案与审批记录。门禁数据具有较好的客观真实性、个人不易更改，在很大程度上可以反映职工的出勤情况。对此进行分析，可以得到职工上下班、加班、出差等通勤特征信息，并建立不同职工群体的通勤画像。

将门禁数据与职工身份信息、备案车辆信息以及国家和单位节假日信息进行关联匹配，建立通勤行为观测指标模型，通过大数据分析，生成交互式、可视化的报表，搭建了一套数据监测及分析平台。该平台建立后，可以对各观测指标从不同维度进行层层钻取、交互式筛选；在新数据导入后，采用一键刷新的方式即可对报表进行更新。

根据监测需要，可建立个性化的度量指标。如图1所示，在分析中，主要建立的观测指标包括正常出勤时间、加班时间、日均正常出勤时间、日均加班时间、加班时间占比、深夜凌晨刷卡数占比等。

上述指标以计算得到的个人每日通勤数据为基础，可以层层向上汇聚，给出各部门、全所的数据，也可以从时间、身份角色等各维度进行交叉筛选。根据需要，还可以基于上述指标进一步建立其他观测指标。建立的一所职工出勤数据分析系统包含多个交互式页面，对记录人数、总出勤时间、加班时间、日均加班时间和加班时间占比等主要KPI进行呈现。

如从2021年1月至2022年6月共500多天时间里，一所职工在839地区的门禁数据excel文件约180M，共记录出入记录刷卡数（含车辆）2563264条，日均4695条。每条记录包含了人员身份信息、门禁位置信息、时间信息等。如此巨大的数据量，如采取传统的统计工具和方法，是很难进行分析并从不同维度查看关键指标的。

通过大数据分析，可以对一些平时的直观印象进行印证。例如通过数据显示，2021年1月至2022年6月，所区记录我所职工出入次数最多的三个区域依次是01所、05部、03所，最少的是012所。刷卡记录数据在一定程度上反映了我所与各兄弟单位业务往来的密切程度。图2显示了该分析系统用于加班时长及占比随时间变化的页面。

通勤情况监测及分析平台的建立，为领导从后台掌握职工、部门的日常通勤概况提供了数据依据。数据也可以为领导掌握职工的工作习惯提供参考。根据与部分基层单位领导交流的情况看，分析系统提供的数据，能够较为准确地反映职工的真实情况，为领导推进精细化管理提供依据。

数据推动下改进有方向

基于数据的决策，是管理数字化转型的必然趋势。如何从海量的管理数据中，获得有价值的管理信息，并将其转化为管理实践，是当前管理人员面临的问题。当前，我所信息化建设基础弱，数据治理和利用与高质量发展要求存在较大差距，加之数据安全管控等原因，在现行的理架构下，要使大数据分析等方法工具得到普及应用，在以下几个方面还需加以改进：

●基于数据进行科学管理和决策的意识亟待提升

西方管理学者彼得·德鲁克有一句论述：“你如果无法度量它，就无法管理它。”这句话说明了数据对于组织精细化管理的重要性。2022年发布的现代化管理体系文件也要求，要从方法手段上推进数字化转型，实现全维透明管理。随着管理数据量的快速增长和对运营精细化管理的加强，手工分析数据的方法已难以满足管理者快速分析和预测经营状况的要求。在传统的模式下，业务管理人员也不重视基于数据开展管理过程的分析，并基于数据分析提出优化改进的建议，而管理层也倾向于基于经验进行决策，久而久之在组织内部都不重视数据的价值，从而也就长期不重视数据基础的建设。

在数字化研发模式下，数据犹如人体中的血液，既传递着各组织运营需要的养分，也承载着表征系统健康与否的关键信息。对于数字原生企业而言，数据本身就是资产的一部分，对于传统型非数字原生企业，数据将成为新的且越来越重要的生产要素。科学的决策管理，首先是基于数据的，在有数据支撑的前提下，再结合以往的经验、对风险的接受度、生产关系等因素进行综合决策。这要求从最高层管理者到基层员工，从思想观念上都要重视数据在管理过程中的作用，要善于发掘数据背后隐含的信息，从数据中找到改进的机会。

●数据治理的顶层设计需进一步加强

基于数据进行科学管理和决策的前提是要拥有数据，管理人员要能够根据权限获得数据，并且能将数据与其他管理要素关联。但由于数据治理顶层设计还存在不足，各业务管理部门都可以产生、存储、利用各自的数据，而这些不同业务管理领域的数据并没有很好地连通，存在一个个的“数据孤岛”，使得决策层面对各业务部门汇总的海量数据，却不能建立相互之间的关联，找不到可支撑决策的关键数据。这是数据治理顶层设计不足的表现之一。

以职工的个人信息为例，所有的业务部门都有自己的人员台账，如保密管理系统、人事系统、型号管理系统、领导干部个人事项系统等。目前，至少在所级层面，这些由各业务归口部门建立的数据库或台账并不连通，且很多是静态的，人员信息在一个业务口更新后，其他业务部门并不能知悉和利用。这就会导致基于过时甚至错误的数据进行决策的情况发生。

数据治理顶层设计不足的另一个表现是数据的规范性不足，大量非结构数据存在，给后期分析利用造成障碍。非结构化数据的格式和标准不一，给后期分析利用带来较大的困难。以近年某单位开展的资产清理工作为例，在清理的历史资产台账中发现，光“计算机”这一类资产，就有“计算机”“电脑”“台式机”“工控机”“工作站”“笔记本”“笔记本电脑”等近10个标签类别；此外在日常的信息统计中，尽管已经定义了数据模板，但个性化填写的内容仍比比皆是，这些都给后续利用统计分析工具带来了较大的障碍，翻阅几百行上千行的excel表格寻找需要信息的情况，在当前管理中仍大量存在。

●管理人员基于业务开展数据分析的能力需要提升

开展BI数据分析的核心是业务，其次才是数据分析的工具和方法。这要求管理人员要清楚业务的内在逻辑、建立科学合理的观测指标、设计体现业务特点的数据模型，并从相关管理环节获取数据，然后才是通过分析工具进行分析，并将结论进行呈现。

目前，一些管理部门陆续引入管理看板，但看板实现的主体仍以IT为主，业务部门需要将看板建设的需求和数据背后的逻辑先给IT人员讲清楚，这使得看板开发实现的速度严重依赖业务部门的解释水平和IT人员的领悟力，开发成果远远不能满足管理部门的要求。而且看板一旦定型后，业务人员想做更改，难度很大。

如今，外界環境快速多变，管理人员需要第一时间就能将手中的数据变为决策的依据，而且往往也不可能一开始就把所有问题想得很清楚，开发需求改变是不可避免的事。因此，以往依靠业务部门提需求、IT部门进行模型开发和可视化呈现的数据分析模式，已经无法适应形势要求，工作的模式需要改变，以业务管理人员为主体的自助式数据分析的模式将成为未来的发展趋势。今后无论是基于一体化平台内置的分析工具也好，还是依靠第三方软件也好，都要求管理人员提升数据分析的能力。毕竟IT部门的人力资源是有限的，数据分析的底层逻辑一定是业务。

现代化管理体系对管理数字化转型提出明确要求，需大力推动数据分析工具在管理活动监视测量、决策支持、结果评价方面的应用。本文基于数字化转型的背景，以我所职工通勤情况监测及分析为例，介绍了BI数据分析方法在我所科研生产管理的应用，为开展管理手段方法的转变、推动数据分析在管理决策中的应用进行了探索。在此基础上，本文对基于院所实际，进一步推动商业智能数据分析方法普及应用，在思想理念、数据治理、人员能力方面存在的不足和改进方向进行了思考，提出了未来改进的方向。

作者单位 中国工程物理研究院 流体物理研究所