基于SBM的企业情报价值评价
2017-01-16宋杰鲲曹子建张凯新
宋杰鲲,曹子建,张凯新
(中国石油大学(华东)经济管理学院,山东青岛 266580)
基于SBM的企业情报价值评价
宋杰鲲,曹子建,张凯新
(中国石油大学(华东)经济管理学院,山东青岛 266580)
企业情报价值评价有助于企业客观认识情报价值,更加经济有效地提供情报服务。应用DEA方法,构建了情报价值评价指标体系,包括人力资源、财务资源、物质资源三项投入指标和情报报告数量、情报经济效益和知识成果产出三项产出指标;提出了用以企业情报价值评价的基于松弛变量测度的SBM模型,包括SBM-C、SBM-V和Super-SBM模型,给出综合效率、纯技术效率、规模效率、超效率以及投影、投入冗余与产出不足的具体含义。实例表明,基于SBM的企业情报价值评价方法切实可行,能够为企业提高情报价值提供改进目标与努力方向。
企业情报价值;SBM模型;评价
情报是企业生产经营的重要资源,是企业决策的重要依据。情报质量的好坏,一定程度上决定了企业决策的科学性与有效性,影响企业的竞争力,关乎企业生存与发展[1]。目前,国内多数企业日益重视情报的决策作用,设置情报部门对企业内、外部数据源中的大量数据、信息进行加工、整理、提取、挖掘,形成决策情报报告,提交给决策者供决策使用。情报的决策属性表明企业情报具有重要的价值,朱庆华等[2]认为情报价值包括使用价值和交换价值,进而表征为成本费用与利润等经济价值。谢定华等[3]构建了包含基本性能、客观价值和引用价值的情报价值指标体系,采用灰色模糊综合集成算法进行评价。方曦等[4]构建了包含情报来源、价值、成本的企业决策情报评价指标体系,其中情报价值包括适用性、可理解性、相关性、保密性等指标。徐扬[5]定义了情报的四元向量结构,以其与客户需求情报的相似度和可信度衡量情报价值。更多的学者探讨企业竞争情报的价值,如Marchand[6]提出了竞争情报价值的四维分析框架,陈远等[7]总结了竞争情报的六方面价值。侯丽等[8]综述了情报价值的定量化研究成果,认为目前的情报价值测度多注重情报信息拥有量及产生价值,忽视了情报内容、用户可接受性及其生产投入。
综合文献成果,企业情报价值是根据企业决策主体的效用观点,对情报能够满足企业决策需求的认识和估计。情报价值不仅仅包括情报产出结果,其本身是一个复合概念,能够反映情报产出与情报投入之间的比例关系。对企业情报价值进行评价,有助于企业客观认识其情报价值,明确情报投入产出绩效及自身定位,为更好地完善情报服务提供决策支持。考虑到数据包络分析(DEA,data envelopment analysis)能够有效评价多投入多产出决策单元效率[9],因而选择DEA方法对企业情报价值进行评价。
1 企业情报价值评价指标体系构建
按照DEA方法,企业情报价值评价指标体系包括投入和产出两方面的指标。
1.1 投入指标
情报投入指标主要包括为获得情报而投入的必要的人力资源、财务资源、物质资源等。人力资源指的是情报活动投入的各种人员,可采用情报人员、情报人员全时当量或者情报人员报酬表示。情报人员指的是参与情报搜集、分析、加工、整理、产品表述的情报人员,以及从事情报管理的行政人员和直接为情报活动提供服务的辅助人员;情报人员全时当量指的是全时情报人员数加非全时情报人员按工作量折算为全时人员数的总和;情报人员报酬指的是所有情报人员的薪资,是反映劳动力投入的一个常用指标,适用于评价对象工资水平较少变动或不同评价对象工资水平相同的情形。
财务资源指在情报搜集、分析、加工、整理、产品表述的过程中投入的成本耗费,包括信息源的购买使用费、调研咨询费、设备折旧费、工具软件使用摊销费、材料消耗费以及外协费等。由于情报人员的工资薪酬反映在人力资源中,财务资源并不包括这部分费用。
物质资源通常指是为获得情报而投入的各种设备,由于情报设备往往包含多种类型,可采用所有情报设备的固定资产净值表示,固定资产净值是固定资产原值或重置完全价值减去累计折旧后的余额,能够反映现有固定资产的新旧程度和其现存价值。
1.2 产出指标
情报的最终目的是为企业决策服务,情报产出体现了企业决策需求的满足程度。然而,实际中并非所有情报都能立刻被决策者采纳,即使已获应用,也未必能够完全实现预期效果。为了更加全面、客观地反映情报产出,设置情报报告数量、情报经济效益和知识成果产出三项产出指标。
情报报告数量指的是情报活动形成的最终分析报告数量,既包括已被采纳的情报,也包括尚未被采纳的情报,是情报产出的直接工作量表现。
情报经济效益是指情报被采纳后,因为促进产品产量或销量提高、成本下降、质量提升,从而形成企业利润增加额。实际计算时,可以根据情报实施前后的对比进行计算,考虑到情报实施的时效性,规定如下:只统计在上次评价时点后、本次评价时点前实施情报所取得的效益。如果情报有效期短于评价周期,则计算整个有效期内的效益;如果情报有效期长于评价周期,则只计算一个评价周期内取得的效益。
知识成果产出是情报产出的重要体现,由于企业情报具有时效递减性特征,企业应尽可能将情报转化为知识成果。知识成果主要体现在获批的知识专利、发表的科技论文以及取得的各类奖项等方面。
2 企业情报价值的SBM评价模型
数据包络分析以评价对象本身的效率最优为目标,能够充分反映评价对象自身的信息和特点,且其效率与投入、产出指标的量纲无关,特别适合多投入多产出的系统评价。目前,经常使用的CCR模型(Charnes、Cooper和Rhodes,1978)、BCC模型(Banker、Charnes和Cooper,1984)均为径向(投入或产出按比例缩小或放大)和角度(保持产出或投入不变,减少投入或扩大产出)模型[10],未能考虑投入冗余或产出不足,导致评价不够准确。Tone提出了一种基于松弛变量测度(SBM,slack-based measurement)的非径向、非角度DEA模型[11],可以同时反映投入和产出两个角度,并考虑了投入冗余与产出不足,可以准确、全面的评价系统效率。
2.1 SBM-C模型
设有n个企业(决策单元)的情报价值有待评价,记为DMUj,j=1,2,…,n;包含m种投入、s种产出,分别记DM Uj的第i种投入和第r种产出为xij、yrj,i=1,2,…,m;r=1,2,…,s。对第k个决策单元DMUk进行DEA评价,有规模报酬不变(CRS,constant returns-to-scale)时的SBM-C模型:
其中:θ称为综合效率或技术效率(TE,technical efficiency),反映了企业在规模、管理和技术上的综合投入产出效果,0≤θ≤1;λj为第j个决策单元的权重;s-、s+分别称为投入冗余和产出不足。
θ关于s-、s+严格递减,当且仅当θ∗=1,即s+∗=0、s-∗=0,DMUk有效[12],此时DMUk实现了情报投入与情报产出在规模、管理和技术上的最佳配置,情报价值高;反之,当θ∗<1,即s+∗>0或s-∗>0,DMUk缺乏效率,情报价值相对较低。对于非有效的决策单元可以通过调整投入或产出实现DEA有效:
同时,由SBM-C模型还可判定决策单元的规模收益状况。若决策单元权重之和表明被评价的决策单元处于规模收益不变阶段,即目前的投入已经获得最大产出,无需增加或减小投入;若决策单元处于规模收益递增阶段,此时可以适当增加投入,以获得更大的产出;若1,决策单元规模收益递减,此时可适当降低投入。
2.2 SBM-V模型
SBM-C模型的规模报酬不变假设意味着投入量等比例增加或减少时,产出量也等比例增加或减少,实际上不同投入要素或产出要素之间具有替代效应,因此规模报酬是可变的。在模型(1)的约束中增加新的约束:n个决策单元权重之和为1,即得到规模报酬可变(VRS,variable returns-to-scale)时的SBM-V模型:
SBM-V模型对应的θ称为纯技术效率(PTE, pure technical efficiency),反映了企业在管理和技术上的投入产出效果,0≤θ≤1。当且仅当θ∗=1,即s+∗=0、s-∗=0,DMUk技术有效,表明DMUk同时实现了情报投入、产出在管理和技术上的最佳配置,情报价值最高;反之,当θ∗<1,即s+∗>0或s-∗>0,DMUk非技术有效。
综合效率(TE)与纯技术效率(PTE)的比值称为规模效率(SE,scale efficiency):
由于模型SBM-V比SBM-C的可行域缩小, PTE≥TE,则0≤SE≤1。若SE=1,表明TE与 PTE相同,对于无效决策单元,表明其无效率没有来自规模的因素;若SE<1,表明无效决策单元的无效率有来自规模的因素。
2.3 Super-SBM模型
SBM-C模型和SBM-V模型均可能出现多个DMU有效的情形,无法对其进行评价排序。SBM超效率(Super-SBM)模型在评价某一决策单元时,将其排除在参考集之外,可以有效弥补这一不足。Super-SBM模型也包含规模报酬不变和规模报酬可变两种模型,鉴于企业情报投入和情报产出可以同时调整,采用规模报酬不变的Super-SBM模型:
其中:θ称为超效率,对于DEA无效的决策单元,其效率值与SBM-C模型的效率值相同;对于DEA有效的决策单元,其超效率值越大,表明该决策单元在相对其他决策单元保持DEA有效的情形下,投入可以扩大的程度或产出可以减少的程度更大,其情报价值相对更高。这样,通过Super-SBM模型,就可以将所有决策单元的情报价值进行区分排序。
3 企业情报价值评价实例
对2012年某油田下属的11家采油厂(记为A到K)的情报价值进行评价。投入指标包括情报人员全时当量、经费投入和情报设备固定资产净值。产出指标包括情报报告数量、情报经济效益和知识产出成果。其中,情报人员全时当量包括采油厂地质研究所、工艺研究所、技术监督科等直接参与情报搜集、分析、加工、整理、产品表述的情报人员,以及按当量系数0.7折算的行政管理人员和办公室辅助人员。情报经济效益由两部分构成:①措施增产效益。统计2012年地质研究所、工艺研究所提供的各项增产措施实施后1年内的油气增产量,乘以油气价格得到总计增产油气收入,扣除相应的增油成本得到措施增产效益。②节电效益。统计2012年内技术监督科提供的各项节能措施实施后1年内的节电量,乘以电价得到节电效益,扣除相应的节能措施实施成本得到采油厂节能效益。知识产出成果则考虑到科技论文、获批专利以及各类奖项等不同成果的价值重要性,分别按照其各等级当量系数进行折算,得到当量科技论文数。处理后的11家采油厂的投入、产出指标数据如表1所列。
表1 投入产出指标原始数据Table 1 Input and output initial data
借助DEA-SOLVER Pro5软件,分别运用SBM-C、SBM-V和Super-SBM模型进行情报价值评价,得到相对效率评价值及排名,结果见表2。
表2 企业情报价值评价结果Table 2 Assessment result of enterprise intelligence value
由表2可知:(1)采油厂A、G、I和K综合效率为1,表明这四家采油厂情报投入与产出在规模、管理和技术方面实现了最佳配置,情报价值相对较高。结合超效率评价结果可知,I采油厂的超效率值最大,表明其在保持DEA有效的情况下,投入可以扩大的幅度或产出可以减少的幅度最大,情报价值最高,其次为采油厂K、A、G。(2)采油厂C、J纯技术效率为1,但其规模效率均小于1,表明这两家采油厂情报投入与产出在管理和技术方面实现了最佳配置,但是在规模上有待改善。由采油厂C处于规模收益递减阶段可知,其可适当降低投入,以提高情报价值;而采油厂J处于规模收益递增阶段,该采油厂可适当增加投入,以获得更大的产出。(3)采油厂B、D、E、F、H的纯技术效率和规模效率均小于1,表明这五家采油厂无论在管理和技术方面还是规模方面均未实现情报投入与产出的最佳配置。五家采油厂均处于规模收益递减阶段,表明它们应适当降低投入,同时要充分挖掘现有投入资源的生产潜力,提高资源使用的技术效率,从而提高情报价值。
对于综合效率无效采油厂的无效性,可以通过投影分析了解其投入资源的使用状况,还能对其无效原因进行分析,并确定各项投入应改善的程度以及投入产出的理想值。七家无效采油厂的投影分析结果见表3、表4。
表3 无效采油厂的投入冗余Table 3 Redundancy input of valid oil production
表4 无效采油厂的产出不足Table 4 Insufficient output of valid oil production
由表3、表4中投影分析结果可知:(1)从投入来看,采油厂C仅在经费投入方面有较高的冗余率,冗余率为10.05%,表明其经费投入多而经费利用率较低是导致其无效的主要原因,今后应削减经费投入,同时提高经费利用率。采油厂B、D、E、F在情报人员全时当量、经费投入两个方面同时存在冗余,其中F采油厂经费投入冗余率高达19.08%,今后应削减经费投入,提高经费利用率;B、E则需适当削减情报人员全时当量和经费投入,并提高情报人员工作效率和经费利用率;D采油厂在两个方面的冗余率均较低,相比而言,其经费投入冗余率略高,今后应稍微降低经费投入,提高经费利用率。采油厂H和J在三项投入要素上均存在冗余,说明这两家采油厂应在情报人员全时当量、经费投入和固定资产净值三方面进行相应改进。其中,H采油厂在经费投入方面有着9.96%的冗余率,今后应适当削减经费投入,提高经费利用率;J采油厂则在情报人员全时当量存在较高的冗余率,高达16.10%,考虑到其正处于规模递增阶段,今后J采油厂可以通过适当削减情报人员全时当量、增加经费投入和固定资产净值的方法实现三者的规模扩张与结构优化,最大程度的提高情报价值。(2)从产出来看,七家采油厂均不存在情报经济效益不足问题,表明他们均在措施增油、节能方面实现了最大化产出。但是,在情报报告数量和当量科技论文数方面,均存在较高的不足率,如采油厂D这两个方面的不足率分别高达33.55%和30.09%。这七家采油厂今后应提高情报工作效率,提供更多的情报报告;同时,应注重知识成果产出,获批更多专利,发表更多科技论文,取得更多的奖项。
4 结语
企业情报价值评价是企业情报工作绩效的重要反映,企业情报价值不仅应包含情报产出,还应考虑情报投入。构建了包含情报投入与产出的情报价值评价指标体系,给出各指标的具体含义。建立了企业情报价值评价的SBM模型,包括规模报酬不变的SBM-C模型、规模报酬可变的SBM-V模型和Super-SBM模型,并给出模型解的具体含义。结合某油田11个采油厂的情报价值评价实例,验证了模型的可操作性及其应用价值。
[1] 徐峰,张旭.面向决策的情报研究与服务探析[J].情报学报, 2012,31(11):1 124-1 130.
[2] 朱庆华,倪波.情报价值与情报增值分析[J].图书情报工作, 1999,43(6):3-8.
[3] 谢定华,刘慧,李宁霞.基于DHGF算法的情报价值评价研究[J].情报杂志,2010,29(6):150-152.
[4] 方曦,李治东,熊焰,等.基于模糊VIKOR法的企业决策情报评价及应用[J].情报理论与实践,2015,38(3):49-53.
[5] 徐扬.基于向量分析的情报价值研究[J].情报科学,2013,31 (2):24-28.
[6] Marchand D A.Competing with Information[M].New York: John Wiley&Sons Inc.,2000.
[7] 陈远,成全,彭哲.竞争情报价值及其析取模型研究[J].中国图书馆学报,2007,33(2):92-95.
[8] 侯丽,李娟.情报价值的定量化研究综述[J].情报理论与实践, 2009,32(4):118-123.
[9] 郭兵,王霞,宋燕飞,等.基于改进超效率DEA的企业竞争情报分析[J].情报杂志,2012,31(12):28-33.
[10] 魏权龄.数据包络分析[M].北京:科学出版社,2004.
[11] Cooper W W,Seiford L M,Tone K.Data Envelopment Analysis[M].Heidelberg:Springer Press,2006.
[12] 刘立秋,张丽,孙鹏程.基于因子分析和DEA-SBM方法的建筑业上市公司经营效率评价[J].甘肃科学学报,2015,27(4):136-141.
[13] 张远高,张在旭.高耗能高污染行业节能减排目标分解研究——以工业部门节能减排目标分解为例[J].甘肃科学学报,2014,26(2):129-133.
Enterprise Intelligence Value Assessment Based on SBM
Song Jiekun,Cao Zijian,Zhang Kaixin
(School of Economics and Management,China University of Petroleum,Qingdao266580,China)
Enterprise intelligence value assessment contributes to that enterprise understands the value of its intelligence objectively and offers intelligence service more economically and effectively.With DEA,we build intelligence value assessment system,which comprises of manpower resource,financial resources and material resources and intelligence reports amount,economic benefit and intellectual achievement output; give the model SBM based on slack variable measurement which is used to estimate enterprise intelligence, comprising of BM-C,SBM-V and Super-SBM,explaining the following meaning:overall efficiency,pure technical efficiency,scale efficiency,super efficiency and input redundancy and insufficient output.The example shows that enterprise intelligence value assessment method on basis of SBM is practicable,which can offer enterprise improved target and effort direction for increasing intelligence value.
Enterprise intelligence value;SBM model;Assessment
F205
:A
:1004-0366(2016)05-0104-06
2016-01-21;
:2016-04-05.
国家自然科学基金项目“CSR行为:模式选择、影响因素及对竞争优势的作用机理”(71172080);山东省自然科学基金项目(ZR2015GM008);中央高校基本科研业务费专项资金资助(15CX04101B).
宋杰鲲(1979-),男,山东莱阳人,博士,副教授,研究方向为管理系统工程、竞争情报等.E-mail:songjiekun@163.com.
Song Jiekun,Cao Zijian,Zhang Kaixin.Enterprise Intelligence Value Assessment Based on SBM[J].Journal of Gansu Sciences,2016,28(5):104-109.[宋杰鲲,曹子建,张凯新.基于SBM的企业情报价值评价[J].甘肃科学学报,2016,28(5):104-109.]
10.16468/j.cnkii.ssn1004-0366.2016.05.024.