CN109685300A - 企业大数据应用能力指标体系及其构建方法 - Google Patents
企业大数据应用能力指标体系及其构建方法 Download PDFInfo
- Publication number
- CN109685300A CN109685300A CN201810687814.5A CN201810687814A CN109685300A CN 109685300 A CN109685300 A CN 109685300A CN 201810687814 A CN201810687814 A CN 201810687814A CN 109685300 A CN109685300 A CN 109685300A
- Authority
- CN
- China
- Prior art keywords
- index
- ability
- data
- level index
- big data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种企业大数据应用能力指标体系及其构建方法,该指标体系包括投入和能力两个类别,所述投入类别包含人力、物力、财力、政府政策、社会服务体系或社会环境5个维度,所述能力类别包含数据集成能力、服务能力、数据分析能力、信息安全、盈利能力、创新能力6个维度,共涵盖11个维度;每个维度下分类一级指标与二级指标,共46个一级指标、111个二级指标。本发明围绕大数据应用能力评价这个目标,以企业为评价对象,建立科学、全面、***的指标评价体系,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。
Description
技术领域
本发明涉及大数据应用技术领域,尤其涉及一种企业大数据应用能力指标体系及其构建方法。
背景技术
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,如今我们正在步入“大数据时代”,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企业,还是一个全新的课题。大数据浪潮绝不仅仅是信息技术领域的革命,更是在全球范围内加速营销变革、引领社会变革的利器。与大数据在各行各业迅猛发展形成鲜明对比的是,我国尚未有学者对企业大数据应用能力的评估进行***性的指标体系的构建。因此,科学评估企业大数据的应用能力,促进企业利用大数据进行决策的能力并提高其投入产出比,为政府监管部门提供监督标准,势在必行。
发明内容
本发明的目的在于提供一种企业大数据应用能力指标体系,涵盖11个维度、 46个一级指标、111个二级指标。
为实现上述目的,本发明通过以下技术方案来实现:企业大数据应用能力指标体系,包括投入和能力两个类别,所述投入类别包含人力、物力、财力、政府政策、社会服务体系或社会环境5个维度,所述能力类别包含数据集成能力、服务能力、数据分析能力、信息安全、盈利能力、创新能力6个维度,共涵盖11 个维度;每个维度下分类一级指标与二级指标,共46个一级指标、111个二级指标。
其中,所述投入类别的5个维度中,所述人力维度包括的一级指标有人员配置、人员资质、人员培训、协同力;所述物力维度包括的一级指标有硬件平台、软件平台;所述财力维度包括的一级指标有资产规模、运维费用、服务费用、技术升级改造费用、技术人员经费、其他费用;所述政府政策维度包括的一级指标有技术指导、资金扶持、政策持续性、扶持力度、营销帮助;所述社会服务体系或社会环境维度包括的一级指标有社会关键信息基础设施建设情况、大数据发展试验区。
其中,所述能力类别的6个维度中,所述数据集成能力维度包括的一级指标有数据采集、数据清洗、提取有效数据的能力、数据标准、异构***数据集成能力;所述信息安全维度包括的一级指标有企业安全、产品安全;所述服务能力维度包括的一级指标有服务覆盖范围、服务满意程度、服务及时响应能力;所述数据分析能力维度包括的一级指标有对结构或非结构化数据的加工与分析能力、实时洞察预警能力、精准营销能力、降本增效能力、客户管理能力、机器学习能力、与对应业务应用的结合能力;所述盈利能力维度包括的一级指标有企业营业收入、政府大数据补贴收入、其他收入、承接重大项目的能力、科研项目资金支持、企业净利润;所述创新能力维度包括的一级指标有产品研发能力、市场竞争影响力、科技创新管理影响力、新理念接受能力。
其中,所述投入类别的19个一级指标中,所述人员配置包括的二级指标有技术人员总数量、数据分析技术人员数量、运营人员数量、医药经管计算机等多专业复合型人员数量;所述人员资质包括的二级指标有学历、工作经验、知名IT 企业有工作经历的人数及其工作经验、资质凭证;所述人员培训包括的二级指标有近3年人均参加内训次数、近3年人均参加外训次数;所述协同力包括的二级指标有领导重视程度、企业内部配合程度、跨政府企业配合程度;所述硬件平台包括的二级指标有服务器、数据中心或机房设备、网络设备、存储设备、安全设备、数据库中间件;所述软件平台包括的二级指标有数据集成软件、数据存储软件、数据清洗软件、数据分析软件、数据可视化软件、运维管理软件、大数据分析支持软件;所述资产规模包括的二级指标有资产总额、核心技术资产、大数据软硬件资产占总资产的比例;所述运维费用包括的二级指标有运营费用占总费用的比例;所述服务费用包括的二级指标有服务费用占总费用的比例;所述技术升级改造费用包括的二级指标有技术升级改造费用占总费用的比例;所述技术人员费用包括的二级指标有技术人员工资及培训费用占总费用比例;所述其他费用包括的二级指标有商务费用占总费用比例、知识产权费占总费用比例;所述技术指导包括的二级指标有政府技术指导、政府认证指导、政府组织培训;所述资金扶持包括的二级指标有减税、项目资助、贴息贷款、其他各类补助;所述政策持续性包括的二级指标有支持的年限、扶持条件;所述扶持力度包括的二级指标有国家扶持力度、省级扶持力度、市级扶持力度、区县级扶持力度;所述营销帮助包括的二级指标有帮助企业推介产品、提供营销及推介平台、创造商机;所述社会关键信息基础设施建设情况包括的二级指标有是否实现网络全覆盖、是否需要自建企业数据中心基础环境、是否可共享使用政府数据中心软硬件环境;所述大数据发展试验区包括的二级指标有是否处于政府试验区,且享受相关优惠政策。
其中,所述能力类别的27个一级指标中,所述数据采集包括的二级指标有采集数据的时效性;所述数据清洗包括的二级指标有数据清洗的质量;所述提取有效数据的能力包括的二级指标有复杂数据及大量异构***数据的分析能力;所述数据标准包括的二级指标有对行业数据标准的掌握及理解能力、对非标准数据的转化能力;所述异构***数据集成能力包括的二级指标有对多来源信息***数据的识别与标识能力、对多来源信息***数据的集成能力;所述企业安全包括的二级指标有信息安全资质、安全设备;所述产品安全包括的二级指标有产品安全等级;所述服务覆盖范围包括的二级指标有累计服务客户(个人/集团)数量、服务半径;所述服务满意程度包括的二级指标有客户二次购买比例、客户再购买周期、客户满意度、用户对产品的依赖度;所述服务及时响应能力包括的二级指标有建设网点数量、服务快捷度、服务品质、服务质量跟踪反馈;所述对结构或非结构化数据的加工与分析能力包括的二级指标有结构化数据的占比、结构化数据挖掘能力、非结构化数据的占比、非结构化数据挖掘能力;所述实时洞察预警能力包括的二级指标有市场动态监测软件、舆情预测软件;所述精准营销能力包括的二级指标有获取精准需求人群数量、转化率增加值、客户获取成本降低额、转化利润;所述降本增效能力包括的二级指标有存货成本降低额、人力成本降低额;所述客户管理能力包括的二级指标有个性化客户管理能力、个性化定制产品和优惠策略、客户行为预测软件;所述机器学***均行业市场占有率;所述科技创新管理影响力包括的二级指标有是否有产品研发创新管理体系、是否有研发中心或部门;所述新理念接受能力包括的二级指标有是否有稳定渠道接受新理念及新思维。
本发明的另一目,是提供上述指标体系的构建方法。
企业大数据应用能力指标体系的构建方法,包括以下步骤:
S01、总体框架的建立:根据文献分析法,***全面搜集国内外关于大数据的文献资料,结合企业大数据应用能力评价的实际需求,初步确定指标体系总体框架;
S02、拟定初步的指标体系:依据专家访谈法,了解现阶段大数据应用现状,征询专家对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;
S03、指标体系的筛选:采用德尔菲法对指标体系进行两轮筛选。
具体地,步骤S03中德尔菲法对指标进行筛选的步骤如下:
S031、成立课题小组,课题小组共5名成员,用于编制问卷、选择和确定函询专家、统计及分析结果;
S032、选择函询专家,预选17名专家,选择标准为:①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***、独特的见解;②对本研究感兴趣并愿意接受函询的专家;③中级职称以上;
S033、设计问卷;
S034、第一轮函询专家,采用匿名或背对背的方式向专家发放问卷,经过第一轮意见征询与反馈,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;
S035、统计结果,增加、删除、修改指标,采用Excel2010及SPSS 21.0对数据进行录入和统计分析;
S036、第二轮函询专家,采用匿名或背对背的方式向专家发放问卷,经过第二轮意见征询与反馈,形成专家共识度较高的大数据应用能力评价指标体系;
S037、完成企业大数据应用能力指标体系构建。
具体地,指标筛选方法如下: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,对指标体系中的各维度和指标进行统计;用重要百分比、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,指标的去留由课题小组成员讨论决定。
与现有技术相比,本发明具有如下有益效果:
1.本发明围绕大数据应用能力评价这个目标,以企业为评价对象,建立科学、全面、***的指标评价体系,填补了全国至今尚无此类研究的空白,为科学研究及相关工作者提供意见建议,对以后的进一步研究具有积极意义。
2.企业大数据应用能力指标体系构建能实现社会和微观经济经济发展的需要,有利于企业衡量自身及竞争对手利用大数据进行决策的能力和投入产出比;引导企业在构建大数据硬件和软件平台设施时,使用该指标体系建立一套完善的质量管理体系,减少工作的盲目性,使建设过程更高效,更趋于程序化、制度化;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,企业大数据应用能力指标体系的构建促使企业持续改进产品和服务,达到企业经营的根本目标。
3.从行政管理的角度,为政府出台相应的支持企业大数据应用提供基本资料和思路,为政府监管政策的制定提供参考意见和监督标准。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1是本发明提供的企业大数据应用能力指标体系的构建方法的流程框图;
图2是本发明图1中德尔菲法对指标进行两轮筛选的流程框图。
具体实施方式
下面结合附图详细说明本发明的具体实施方式,其作为本说明书的一部分,通过实施例来说明本发明的原理,本发明的其他方面、特征及其优点通过该详细说明将会变得一目了然。
一、大数据应用能力评估指标体系指标初步设置
在评估指标体系框架的基础上,本文综合文献查阅与专家意见,构建大数据应用能力评估的具体指标。评价体系初步分为投入和能力2个类别,投入类别包含3个维度,能力类别包含5个维度,每个维度下分类一级指标与二级指标。
(一)投入类别
表一 投入类别指标设置
二、能力类别
表二 能力类别指标设置
三、研究方法及专家选择
(一)研究方法,如图1所示:
1.文献分析法:***全面搜集国内外关于大数据的文献资料,结合企业大数据应用能力评价的实际需求,初步确定企业大数据应用能力评价指标体系总体框架;
2.专家访谈法:对贵阳市大数据发展管理委员会管理人员、贵州大学及贵州医科大学专家进行访谈,了解现阶段大数据应用现状,征询他们对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;
3.德尔菲法:拟定指标体系后,本文采用德尔菲法(Delphi法)对指标进行两轮筛选,如图2所示,步骤如下:
1)成立课题小组,本课题研究小组共5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;
2)选择函询专家,本研究预选了17名专家,选择标准为:①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***、独特的见解;②对本研究感兴趣并愿意接受函询的专家;③中级职称以上;
3)设计问卷;
4)第一轮函询专家,采用匿名或背对背的方式向专家发放问卷,经过第一轮意见征询与反馈,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;
5)统计结果,增加、删除、修改指标,采用Excel2010及SPSS 21.0对数据进行录入和统计分析;
6)第二轮函询专家,采用匿名或背对背的方式向专家发放问卷,经过第二轮意见征询与反馈,形成专家共识度较高的大数据应用能力评价指标体系;
7)完成企业大数据应用能力指标体系构建。
4.指标筛选原则
1)科学性原则:指标设计符合客观事实的标准,有科学的理论依据。每一个指标的定义清楚、确切,对容易产生起义的指标表述具体的计算公式。
2)全面性原则:通过***的调查与论证,尽可能全面覆盖衡量企业大数据应用能力的所有指标。
3)可操作性原则:评价指标体系应反映大数据发展的方向,对企业实现进一步的大数据应用具有指导意义。因此,指标的设定应具有普适性,并根据可观察、可测量、可操作的特征来界定指标的含义。
5.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,对指标体系中的各维度和指标进行统计;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,指标的去留由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。
(二)专家基本信息
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***、独特的见解,专家基本信息如下:
表三 专家信息统计
四、结果
(一)第一轮问卷调查结果
1.问卷设置与发放
第一轮问卷调查的目的是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。问卷包括对指标体系的维度评议、一级指标评议、二级指标评议,并在每部分评议表中设置“修改意见”、“拟增加其他指标”项目,请专家提出修改意见。
第一轮问卷发放17份,回收16份,回收率94.12%。
2.信度与效度
指标体系总体、一级指标和二级指标的克隆巴赫Alpha值分别为0.965、 0.847、0.956,均大于0.7的可接受边界值,说明本指标体系具有较好的信度。
3.统计分析
统计表描述了每个维度和指标16位专家选择的各选项的比例和基于统计学原理计算得出的平均分、标准差、中位数、变异系数,表示专家对各项维度和指标评价的均值、离散程度和集中趋势。
表四 第一轮维度重要性评议
如表四所示,8个维度的专家评议平均分都在4.0分(重要)以上,重要百分比都高于90%,中位数都为4(重要)或者5(非常重要),变异系数均小于 1,标准差除数据集成能力以外都在1.0以下。这表明,专家认为此8个维度评价企业大数据应用能力重要程度高,且专家意见一致性强。
表五 第一轮一级指标重要性评议
表五表明,投入类别中,1人员数量、11其他费用的平均分低于4.0;能力类别中,4服务覆盖范围、12政府大数据补贴收入、13其他收入平均分低于4.0。同时,以上5个一级指标的重要百分比也低于75%。除11其他费用、12政府大数据补贴收入、13其他收入以外,其他一级指标的中位数都大于等于4.0。除3 信息安全的标准差为1.01外,其他一级指标的标准差均小于1.0。所有一级指标的变异系数均小于1.0。
表六 第一轮二级指标重要性评议
如表六所示,投入类别中,1.1技术人员数量、1.3运营人员数量、2.1学历、 2.3证照、3.1近3年人均参加内训次数、3.2近3年人均参加外训次数、4.3网络设备、4.4存储设备、6.1资产总额、10.1技术人员工资及培训费用占总费用比例、 11.1其他费用占总费用比例的重要性百分比小于75%,1.1技术人员数量、1.3 运营人员数量、2.1学历、2.3证照、3.1近3年人均参加内训次数、3.2近3年人均参加外训次数、4.3网络设备、6.1资产总额、11.1其他费用占总费用比例、6.2 大数据软硬件资产占总资产的比例、8.1服务费用占总费用的比例的均数小于 4.0;2.1学历、2.3证照、11.1其他费用占总费用比例的中位数小于4.0;2.3证照、4.2数据中心或机房设备、6.2大数据软硬件资产占总资产的比例的标准差大于等于1.0;所有指标的变异系数都小于1.0。
能力类别中,4.2服务半径、6.1非结构化数据的占比、7.1市场动态监测软件、12.1政府大数据补贴收入、13.1其他收入、16.2是否有研发中心或部门的重要百分比低于75%,4.2服务半径、6.1非结构化数据的占比、12.1政府大数据补贴收入、13.1其他收入、14.1每年开发新产品数量、16.2是否有研发中心或部门的均数小于4.0;12.1政府大数据补贴收入、13.1其他收入的中位数小于4.0;所有指标的标准差与变异系数都小于1.0。
4.第一轮指标筛选结果
1)删除的指标
没有指标符合课题组讨论拟定的指标删除标准,故未删除指标。
2)增加的指标
在投入类别中,其中一位专家提出增加“政府政策”维度,并增加“技术指导”、“资金扶持”、“政策持续性”、“扶持力度”、“营销帮助”5个一级指标及其相应的二级指标。另一位专家建议增加“社会服务体系或社会环境维度”,并新增“社会关键信息基础设施建设情况”、“大数据发展试验区”2个一级指标及其相应的二级指标。
一级指标方面,一位专家建议在人力维度中增加“协同力”,表示领导对大数据应用的重视程度及企业内外的协作程度;在数据集成能力维度中,一位专家建议增加“数据标准”和“异构***数据集成能力”2个一级指标;在服务能力维度中,一位专家建议新增“服务及时响应能力”一级指标,经课题组讨论用“用户对产品的依赖度”、“建设网点数量”、“服务快捷度”、“服务品质”、“服务质量跟踪反馈”等二级指标来度量服务的及时响应能力;数据分析能力维度中,两位专家分别建议“新增机器学习能力”、“与对应业务应用的结合能力”2个一级指标;在创新能力维度中,一位专家建议增加“新理念接受能力”指标,强调企业新理念的接受。
二级指标方面,一位专家提出“知名IT企业(如百度、淘宝)等企业有工作经历的人数及其工作经验”对大数据的应用重要,增加该二级指标在人员资质中;一位专家认为,“安全设备”、“数据库中间件”是大数据企业重要的硬件平台;财力维度中,一位专家建议新增“核心技术资产”二级指标;在信息安全维度中,一位专家认为应从“企业安全”和“产品安全”并细分相应的二级指标;一位专家建议用“人工智能化程度”、“风控能力”2个二级指标来度量机器学习能力;一位专家认为承接国家级、省级、市级、区县级重大项目的能力科研项目资金支持、企业净利润对企业大数据应用的盈利重要。
3)调整或修改的指标
原本为“数据集成能力”下属一级指标的“信息安全”,两位专家表示其非常重要,应独立成为一个单独的维度。一级指标方面,原“人员数量”修改为“人员配置”,原“运营费用”修改为“运维费用”,原“采集”更名为更清晰的“数据采集”,原“对非结构化数据的分析能力”更名为“对结构或非结构化数据的加工与分析能力”。二级指标方面,原“证照”修改为“资质凭证”。
(二)第二轮问卷调查结果
1.问卷设置:根据第一轮专家修改意见和建议,课题组成员经讨论决定将问卷所列指标按第一轮指标筛选结果进行修订,并设置第二轮问卷。重大修改包括在投入类别增加“政府政策”和“社会服务体系或社会环境”维度,能力类别增加“信息安全”维度。
2.问卷发放:第二轮问卷发放对象是得到第一轮问卷反馈的16位专家,共发放16份问卷,回收16份,回收率100%。
3.信度与效度:第二轮问卷指标体系总体、一级指标和二级指标的克隆巴赫Alpha值分别为0.977、0.905、0.964,均大于0.7的可接受边界值,说明指标体系具有较好的信度。
1.统计分析
表七 第二轮维度重要性评议
表八 第二轮一级指标重要性评议
表九 第二轮二级指标评议
经过专家第二轮对维度、一级指标、二级指标的评分,课题组仍用重要百分比、均数和变异系数三个指标来对指标进行评价。没有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1三个条件,基于充分尊重专家意见的基础上,课题组未对指标进行删除。
截止到第二轮评议,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。
五、讨论
研究结果:本文用德尔菲法探索性地建立了企业大数据应用能力指标体系,该指标体系涵盖了11个维度、46个一级指标、111个二级指标。
以上所述是本发明的优选实施方式而已,当然不能以此来限定本发明之权利范围,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和变动,这些改进和变动也视为本发明的保护范围。
Claims (8)
1.企业大数据应用能力指标体系,其特征在于,包括投入和能力两个类别,所述投入类别包含人力、物力、财力、政府政策、社会服务体系或社会环境5个维度,所述能力类别包含数据集成能力、服务能力、数据分析能力、信息安全、盈利能力、创新能力6个维度,共涵盖11个维度;每个维度下分类一级指标与二级指标,共46个一级指标、111个二级指标。
2.如权利要求1所述的企业大数据应用能力指标体系,其特征在于,所述投入类别的5个维度中,所述人力维度包括的一级指标有人员配置、人员资质、人员培训、协同力;所述物力维度包括的一级指标有硬件平台、软件平台;所述财力维度包括的一级指标有资产规模、运维费用、服务费用、技术升级改造费用、技术人员经费、其他费用;所述政府政策维度包括的一级指标有技术指导、资金扶持、政策持续性、扶持力度、营销帮助;所述社会服务体系或社会环境维度包括的一级指标有社会关键信息基础设施建设情况、大数据发展试验区。
3.如权利要求1所述的企业大数据应用能力指标体系,其特征在于,所述能力类别的6个维度中,所述数据集成能力维度包括的一级指标有数据采集、数据清洗、提取有效数据的能力、数据标准、异构***数据集成能力;所述信息安全维度包括的一级指标有企业安全、产品安全;所述服务能力维度包括的一级指标有服务覆盖范围、服务满意程度、服务及时响应能力;所述数据分析能力维度包括的一级指标有对结构或非结构化数据的加工与分析能力、实时洞察预警能力、精准营销能力、降本增效能力、客户管理能力、机器学习能力、与对应业务应用的结合能力;所述盈利能力维度包括的一级指标有企业营业收入、政府大数据补贴收入、其他收入、承接重大项目的能力、科研项目资金支持、企业净利润;所述创新能力维度包括的一级指标有产品研发能力、市场竞争影响力、科技创新管理影响力、新理念接受能力。
4.如权利要求2所述的企业大数据应用能力指标体系,其特征在于,所述投入类别的19个一级指标中,所述人员配置包括的二级指标有技术人员总数量、数据分析技术人员数量、运营人员数量、医药经管计算机等多专业复合型人员数量;所述人员资质包括的二级指标有学历、工作经验、知名IT企业有工作经历的人数及其工作经验、资质凭证;所述人员培训包括的二级指标有近3年人均参加内训次数、近3年人均参加外训次数;所述协同力包括的二级指标有领导重视程度、企业内部配合程度、跨政府企业配合程度;所述硬件平台包括的二级指标有服务器、数据中心或机房设备、网络设备、存储设备、安全设备、数据库中间件;所述软件平台包括的二级指标有数据集成软件、数据存储软件、数据清洗软件、数据分析软件、数据可视化软件、运维管理软件、大数据分析支持软件;所述资产规模包括的二级指标有资产总额、核心技术资产、大数据软硬件资产占总资产的比例;所述运维费用包括的二级指标有运营费用占总费用的比例;所述服务费用包括的二级指标有服务费用占总费用的比例;所述技术升级改造费用包括的二级指标有技术升级改造费用占总费用的比例;所述技术人员费用包括的二级指标有技术人员工资及培训费用占总费用比例;所述其他费用包括的二级指标有商务费用占总费用比例、知识产权费占总费用比例;所述技术指导包括的二级指标有政府技术指导、政府认证指导、政府组织培训;所述资金扶持包括的二级指标有减税、项目资助、贴息贷款、其他各类补助;所述政策持续性包括的二级指标有支持的年限、扶持条件;所述扶持力度包括的二级指标有国家扶持力度、省级扶持力度、市级扶持力度、区县级扶持力度;所述营销帮助包括的二级指标有帮助企业推介产品、提供营销及推介平台、创造商机;所述社会关键信息基础设施建设情况包括的二级指标有是否实现网络全覆盖、是否需要自建企业数据中心基础环境、是否可共享使用政府数据中心软硬件环境;所述大数据发展试验区包括的二级指标有是否处于政府试验区,且享受相关优惠政策。
5.如权利要求3所述的企业大数据应用能力指标体系,其特征在于,所述能力类别的27个一级指标中,所述数据采集包括的二级指标有采集数据的时效性;所述数据清洗包括的二级指标有数据清洗的质量;所述提取有效数据的能力包括的二级指标有复杂数据及大量异构***数据的分析能力;所述数据标准包括的二级指标有对行业数据标准的掌握及理解能力、对非标准数据的转化能力;所述异构***数据集成能力包括的二级指标有对多来源信息***数据的识别与标识能力、对多来源信息***数据的集成能力;所述企业安全包括的二级指标有信息安全资质、安全设备;所述产品安全包括的二级指标有产品安全等级;所述服务覆盖范围包括的二级指标有累计服务客户(个人/集团)数量、服务半径;所述服务满意程度包括的二级指标有客户二次购买比例、客户再购买周期、客户满意度、用户对产品的依赖度;所述服务及时响应能力包括的二级指标有建设网点数量、服务快捷度、服务品质、服务质量跟踪反馈;所述对结构或非结构化数据的加工与分析能力包括的二级指标有结构化数据的占比、结构化数据挖掘能力、非结构化数据的占比、非结构化数据挖掘能力;所述实时洞察预警能力包括的二级指标有市场动态监测软件、舆情预测软件;所述精准营销能力包括的二级指标有获取精准需求人群数量、转化率增加值、客户获取成本降低额、转化利润;所述降本增效能力包括的二级指标有存货成本降低额、人力成本降低额;所述客户管理能力包括的二级指标有个性化客户管理能力、个性化定制产品和优惠策略、客户行为预测软件;所述机器学***均行业市场占有率;所述科技创新管理影响力包括的二级指标有是否有产品研发创新管理体系、是否有研发中心或部门;所述新理念接受能力包括的二级指标有是否有稳定渠道接受新理念及新思维。
6.如权利要求1-5中任一所述的企业大数据应用能力指标体系的构建方法,其特征在于,包括以下步骤:
S01、总体框架的建立:根据文献分析法,***全面搜集国内外关于大数据的文献资料,结合企业大数据应用能力评价的实际需求,初步确定指标体系总体框架;
S02、拟定初步的指标体系:依据专家访谈法,了解现阶段大数据应用现状,征询专家对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;
S03、指标体系的筛选:采用德尔菲法对指标体系进行两轮筛选。
7.如权利要求6所述的企业大数据应用能力指标体系的构建方法,其特征在于,步骤S03中德尔菲法对指标进行筛选的步骤如下:
S031、成立课题小组,课题小组共5名成员,用于编制问卷、选择和确定函询专家、统计及分析结果;
S032、选择函询专家,预选17名专家,选择标准为:①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***、独特的见解;②对本研究感兴趣并愿意接受函询的专家;③中级职称以上;
S033、设计问卷;
S034、第一轮函询专家,采用匿名或背对背的方式向专家发放问卷,经过第一轮意见征询与反馈,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;
S035、统计结果,增加、删除、修改指标,采用Excel2010及SPSS 21.0对数据进行录入和统计分析;
S036、第二轮函询专家,采用匿名或背对背的方式向专家发放问卷,经过第二轮意见征询与反馈,形成专家共识度较高的大数据应用能力评价指标体系;
S037、完成企业大数据应用能力指标体系构建。
8.如权利要求7所述的企业大数据应用能力指标体系的构建方法,其特征在于,指标筛选方法如下: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,对指标体系中的各维度和指标进行统计;用重要百分比、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,指标的去留由课题小组成员讨论决定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810687814.5A CN109685300A (zh) | 2018-06-28 | 2018-06-28 | 企业大数据应用能力指标体系及其构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810687814.5A CN109685300A (zh) | 2018-06-28 | 2018-06-28 | 企业大数据应用能力指标体系及其构建方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109685300A true CN109685300A (zh) | 2019-04-26 |
Family
ID=66184347
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810687814.5A Pending CN109685300A (zh) | 2018-06-28 | 2018-06-28 | 企业大数据应用能力指标体系及其构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109685300A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110827092A (zh) * | 2019-11-13 | 2020-02-21 | 广州点动信息科技股份有限公司 | 基于云平台的商业信息分析和统计方法及*** |
CN111666571A (zh) * | 2020-05-29 | 2020-09-15 | 中国工程物理研究院计算机应用研究所 | 一种信息安全控制措施的效能分析方法 |
CN112926833A (zh) * | 2021-01-28 | 2021-06-08 | 北京安九信息技术有限公司 | 企业健康状况的检测方法及检测*** |
-
2018
- 2018-06-28 CN CN201810687814.5A patent/CN109685300A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110827092A (zh) * | 2019-11-13 | 2020-02-21 | 广州点动信息科技股份有限公司 | 基于云平台的商业信息分析和统计方法及*** |
CN111666571A (zh) * | 2020-05-29 | 2020-09-15 | 中国工程物理研究院计算机应用研究所 | 一种信息安全控制措施的效能分析方法 |
CN112926833A (zh) * | 2021-01-28 | 2021-06-08 | 北京安九信息技术有限公司 | 企业健康状况的检测方法及检测*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106203938A (zh) | 一种基于云计算的园区智能服务平台 | |
AU2004214247A1 (en) | Horizontal enterprise planning in accordance with an enterprise planning model | |
CN109685300A (zh) | 企业大数据应用能力指标体系及其构建方法 | |
Li et al. | A methodology for competitive advantage analysis and strategy formulation: an example in a transitional economy | |
Mohamed et al. | Strategic resources and performance of commercial banks in Kenya: Case of Equity Bank Limited | |
Dezfoulian et al. | A new model to optimize the knowledge exchange in industrial cluster: A case study of Semnan plaster production industrial cluster | |
Rantakyrö | Strategic management in small metal job shops in Sweden and the US | |
Fang et al. | Evaluation index system of enterprise digital transformation based on balanced scorecard | |
Chen et al. | Value oriented social decision analysis: A communication tool for public decision making on technological projects | |
Klein et al. | Getting the most of the digital transformation | |
Yang | Current Situation and Future Trends of Financial Management Development in the Era of Big Data | |
Park et al. | Performance evaluation index of TRM: a Korean case for SMEs | |
Junyong et al. | Quality Management of Financial Shared Service Center in the Digitalization Context: A Case Study of HX Financial Shared Services Center. | |
Kleindorfer et al. | Pricing practice in the postal industry: current approaches and challenges under liberalization | |
Lin et al. | Study on Customer-oriented Corporate Development Strategy | |
Mousavizadeh et al. | Choosing the appropriate marketing mix in food industry campus using Analytic Hierarchical Process (AHP) | |
Demianyshyna et al. | FINANCIAL MANAGEMENT SYSTEM OF UNITED TERRITORIAL COMMUNITIES: CONCEPTUAL FUNDAMENTALS OF THEORY AND PRACTICE | |
Yawen | Performance management in Chinese enterprises | |
Istomin et al. | Methodological Bases of Development Management Complex Systems | |
Yassin | CORPORATE GOVERNANCE, LOGISTICS PRE-POSITIONING, LOGISTICS OUTSOURCING AND ORGANIZATION PERFORMANCE OF SELECTED NON-GOVERNMENT ORGANISATIONS IN UGANDA | |
Tsoai | Strategic Management in the South African Gold Mining Industry: A Case Study of Sibanye Gold | |
Domkina | Risks of investment in personnel development: evidence from Ukrainian IT companies | |
Muteti | Continuous improvement and operational performance of Small and Medium sized manufacturing firms in Kenya | |
Van Til et al. | ERAWATCH country reports 2011: Belgium | |
NYAGA | FACTORS AFFECTING GROWTH OF RURAL SACCOS IN EMBU COUNTY |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190426 |