大数据下的企业科技管理

2014-02-03司秀丹

中国科技信息 2014年24期

吕茜司秀丹

1.中国电力建设股份有限公司科技部；2.北京中铁通电务技术开发有限公司

1 引言

伴随着物联网、移动网、云计算的兴起，尤其是智能终端的广泛应用，带来数据量愈来愈多，处理愈来愈快，数据内容愈来愈复杂，从而推动了大数据的形成，人们进入了大数据时代。大数据目前已经普遍应用于全球各个行业。IBM 认为大数据具有四个特性。四个V，即大量化（Volume）、多样化（Variety）、快速化（Velocity）、和产生的价值（Value）。第一，数据量特别庞大；第二，数据种类特别多；第三，速度很快，像流水一样在运动，如微博、短信、微信等平台渠道无时无刻不在产生大量数据；第四，数据的准确性，需要考虑这些数据的可预测性。

2011年5月，麦肯锡全球研究院发布了著名的研究报告—《大数据：创新、竞争和生产力的下一个新领域》，最早提出了大数据的概念。这篇研究报告主要提了两个观点，一是数据已经渗透到每一个行业、每一个业务职能领域；二是海量数据的应用意味着下一波或者新一轮生产率的增长和消费者盈余浪潮的到来。2012年达沃斯世界经济论坛也将大数据作为会议主题之一，并共同研讨了如何更好利用数据产生社会经济效益。2012年5月联合国“Global Pusle”特别分析了大数据给发展中国家带来的机遇和挑战。2012年3月，美国奥巴马政府发布了“大数据研究和发展倡议”，正式启动了大数据发展计划，而后英国、加拿大、澳大利亚、法国、日本等三十多个国家和地区也陆续启动了该项计划。

随着大数据时代的来临，企业的科技管理水平也很大程度依赖于大数据管理水平。数据是信息的载体，是知识的源泉。基于知识的竞争，将集中表现为基于数据的竞争，而这种数据的竞争将成为经济发展的必然。这种竞争要求企业在科技管理模式上也要适应大数据的要求作出转变，从而更好地适应时代的发展和要求。

2 企业科技管理存在的主要问题

科技统计不准确

目前多数大企业都有专门人员负责收集科技信息情报，有自己一套关于科技成果的收集、上报、档案管理制度。但是也有很多企业或者是基层工作单位并没有设置专人管理，很多先进的工法、成果无法得到及时的收集、分类和整理，数据非常的不完善和不准确，资料缺失情况较为严重，这样就给科技统计工作带来了极大的难度。

另外，目前的科技统计工作渠道也较为单一，只能通过由一线单位逐级上报，层层统计，这又给统计工作的准确性加大了难度。

科技创新性不足

由于缺乏科学有效的管理，一线科技项目存在着比较普遍的重复研究情况。大量的技术问题反复出现，却要反复研究，造成了资金人员的浪费。

而在高层制定科技项目规划时，又往往与一线生产实际需要有一定差距，会造成研究项目与实际生产需要的脱节，造成浪费。

缺乏高质量高素质的科研人才

科技管理很大程度依赖于人才的有效利用和高效管理。企业科技创新性和科技发展推动的首要力量就是大量的优秀的人才资源。

首先目前一线的科研人才相对匮乏。多数的相关人员把多数精力都放在了职务晋升和职称评定相关的绩效考核，为了论文、成果指标数的达标而粗制滥造，成果的技术含量不高，重复性严重。

另外，专家的层次参差不齐，数量有限。缺乏对专家的统一管理，没有相关的储备和关系管理，往往不能合理和有效的使用专家力量。

3 大数据下企业科技发展的模式和方向

科技统计管理

大数据时代，科技统计数据不再依赖于人，是数据。从一线产生的数据实时进入整个数据系统，精度更为准确，范围也更为广泛。随之，科技统计的意义也更为凸显。在大量的科技信息数据采集处理后，我们将发现更多以前难以发现的潜在规律和现象。通过大数据提升了科技管理的预测和管理水平。

随着大数据时代的来临，企业的科技管理水平也很大程度依赖于大数据管理水平。数据是信息的载体，科技统计的精确性提升了信息和技术水平，提高了预测水平和管理水平。信息时代的竞争，不是劳动生产率的竞争，而是知识生产率的竞争。在大数据时代，统计样本更加趋于全体，决策的基础更加趋于实时，决策和规划水平也就更加合理化。在战略层面，更加大量精确数据可以用来分析预测并制定出企业科技发展规划；在实际生产中，可以优化管理各个环节，从而提高效能，节约成本，产生科技的竞争优势。

科技人才管理

大数据时代下的科技人才管理更为科学。首先对基础科研人员应有专门的科技人才信息库。根据科技人才专业化、不同层次的需求，按照专业、层次等分门别类进行管理。科技人才的机制更加完善，对于不同层次各种人才按照需求制订计划，进行相应培训，提升质量。这样从数量和质量上都为科技人才的成长提供了保证，培养出更多专业化人才和科技精英。

建立各类专家库。通过各种渠道搜集内外部知名专家，形成专家委员会数据库。在遇到重大科技成果等重大关键技术难题等情况时，充分发挥专家库的力量。

科技创新性管理

大数据可以提升企业科技创新性管理水平。首先可以从用户的反馈更好地了解客户对产品的需求。企业可以借助现代媒体的数据分析等手段得到更多产品的反馈信息。基于这些大量的信息，企业可以实时测评产品的创新性和适应性，不断改进创新，将产品提升成满足客户需求的。在实际生产中，大数据还可以帮助企业进行技术上的实时模拟和测试，同时运行和测试各种变化和改动方案，显示不同设计带来的产品改进。

各类传统行业也可以应用大数据进行企业技术的创新性管理，例如福特汽车公司。福特公司为对汽车产品改进研发，专门在硅谷开设了一间实验室。福特公司搜集了包括汽车传感器和远程应用程序管理软件等超过400 万辆汽车的数据，并且为实时数据，从而在汽车的质量、减少燃油消耗、提升安全性能、减少排放等方面都得到了提高。

科技决策管理

大数据下的企业科技管理决策权重新分配，由管理者倾向于依靠企业一线员工。以往的科技项目决策往往根据上层需要，但有时对现实生产的指导意义并没有很大。在大数据时代，基层员工能够充分发挥他们掌控信息量多的优势，发挥相应的决策权，从而更能有效的利用数据和知识的创造吸收，知识和权力的匹配度也越高，各项指标越好。这种决策模式带来的扁平化的组织结构趋势也更加明显，带来企业管理决策文化的最大变革。