BI数据分析推动组织管理转型.docxVIP

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。

基于商业智能（BusinessIntelligence，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。

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。

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