新经济图景下的企业数据化治理框架

张孝生

[摘要]本文论述了新经济图景下企业的数据化治理框架，融合了新经济含义中创新性知识在知识中占主导的智慧经济、数字经济、数据智能理念，整合了公司治理、企业管理与技术系统理论，指出了企业数据化治理的误区，发展了企业管理体系设计的界面数据分析方法，提出了企业数据化治理的特征、原则与框架，揭示企业治理已经进入数据主义时代。

[关键词]数据化治理；企业数据化治理；新经济；大数据；界面数据分析方法

新经济图景下创新性知识在知识中占主导的智慧经济、数字经济、数据智能理念和含义日益取得业界共识，新企业和老企业均需应时而生实施新治理，数据化治理是企业实施新治理的基本选择。当前，人们用大数据来描述和定义信息爆炸时代产生的海量数据。大数据和物联网时代对企业治理提出了挑战，传统的治理架构和管理体系已经难以适应市场和企业自身的现实需要。

但是，对于企业需要什么样的数据化治理，还存在很多误区。比如，有的企业认为有了集团化数据库系统、ERP系统或者链接上某种大数据系统，就能做好数据化治理：有的企业认为有了信息化团队，有了ERP各岗位操作人员尽职尽责就可以做好数据化治理：有的企业认为开始分析客户与市场数据并将大数据应用于产品研发与企业经营就是数据化治理。凡此种种，都是没有系统认识数据化治理的内涵和外延、深度和广度、架构和层次等方面的关系。

同时，企业，特别是集团企业，最容易出现的问题是管理碎片化，其突出特征是管理的“散”与“碎”，而管理最需要的是“整”与“合”。比如，通知、邮件漫天飞却不解决根本问题：制度层出不穷，互相不衔接、不一致甚至矛盾：管理措施有的起正面作用、有的起反面作用。问题的根源来自三个层面，公司治理层面常表现为激励不相容、信息不对称、权责不对等、委托代理契约本身不完全：企业管理层面常表现为管控模式未明确、商业智能不系统、管理要素不齐全、管理机制不科学、企业流程不合理：技术方法层面常表现为管理信息残缺或冗余、数据孤岛或拥堵、重复工作或工作不充分、管理未实现数据化、数据链不闭环、管理技术手段落后等。

企业持久成功的基础是战略正确、经营良好、操作规范。企业任何一个层面提高决策质量的重要途径都是实现基于数据和信息的决策。技术方面层面的是数据、企业管理层面的是数据、公司治理层面的同样是数据。任何一种治理框架和管理模式的导入都应该坚持问题导向，需求牵引，定位清晰，方法有力。数据化治理是解决新经济图景下企业生存和发展的根本途径，其成功实施应建立在公司治理、企业管理与技术方法的有机结合、整体协同。

1数据化治理的特征

数据化治理的内涵和外延还在不断发展中，但至少应具备以下特征。

企业以数据的记录、识别、加工、计算、聚合、归纳、应用、反馈、再记录的闭环循环为核心规划企业业务与管理行为，实施企业流程再造，实现企业和人的行为与结果的数据化，再用数据推动企业和人的行为。

企业经营成果的载体和形式就是企业大数据。企业大数据系统与社会大数据系统建立紧密的物理与商业连接，形成积极的数据供应、采购的反馈关系，企业大数据系统将自身数据脱敏后供应给社会大数据系统，既可以实现数据变现，又推动社会大数据样本的增加，推动社会智能的发展：同时，企业又不断从社会大数据系统采购大数据用于企业决策优化和运营绩效的提升，进而形成广义社会大数据系统。

2数据化治理的原则

2.1将企业与人的行为、结果数字化、数据化的原则。

2.2与企业战略和治理架构紧密结合的原则。

2.3与企业管控模式和管控统一界面紧密结合的原则。

集团管控模式和管控统一界面是企业商业智能建立的组织、模式与机制基础。只有实现这一紧密结合，企业商业智能与衍生数据的生成才有针对性和适用性，线下业务流与线上数据流、工作流才能契合，才能实现数据化治理的效率和价值。

2.4一个网、一套数据系统、消除数字鸿沟的原则。

企业往往存在较多不同类别、不同领域的异构软硬件系统，企业还需要填报政府各部门及上级单位各种口径的表格或系統等，存在着太多的数据孤岛和数据冗余，为了实现集成与融合，应统一系统技术标准、选择便于形成企业大系统的软硬件系统、改造部分数据单元的软硬件系统或者实现跨平台异构系统的数据无缝转换、衔接与访问，实现自动化的技术接口转换、一个网、一套数据系统，消除数字鸿沟。

2.5企业最终控制人视角确定数据化治理系统逻辑边界的原则。

企业应根据集团管控模式，从企业最终控制人视角确定企业一套数据化治理系统的逻辑边界是集团、企业还是其他管理单元。

2.6在一套数据化治理系统中原生数据的记录不冗余原则。

2.7在一套数据化治理系统中衍生数据生成的最少冗余原则。

数据化治理系统中数据量的增长是爆发式的，必须从架构、机制、模式与管控统一界面设计等角度降低数据冗余度和计算单元任务量。特别是衍生数据，相同加工维度、相同加工算法、相同数据视图的生产应坚持最小冗余原则。

2.8提高数据标准化应用水平的原则。

当前企业管理的很多领域已经发展了数据标准化标准，比如财务会计标准化方面XBRL的应用，建筑标准化方面BIM的应用，已经揭开了企业管理数据标准化的帷幕。

2.9结构化数据与非结构化数据兼容处理的原则。

3界面数据分析方法

界面数据分析方法是数据视角下系统分析企业管控统一界面中每一个界面的数据起源、数据要素、数据类型、数据流、数据转换、数据标准和数据归宿，打通数据链，建立统一的、符合目标的、充分和必要的界面数据框架的基本方法。

界面数据框架分析是数据化治理的基础工作。以集团与不同层级所属企业之间的界面为例，集团需要根据所属企业的管控模式，建立该界面的统一数据框架，系统全面分析集团与所属企业间的双向的管理思想和需求，并将管理思想和需求数据化，建立数据视图，并将其作为数据化治理系统底层支撑分系统规划设计和商业智能分系统逻辑设计的共同的任务书的一部分。其一种表现形式可以是该界面的管理评价数据、财务会计数据、管理会计数据、研发与创新数据、资产运营数据、投资数据、工程项目数据、生产管理数据、供应链数据、品牌营销与市场数据、人力资源数据等组成的月度、季度、半年度、年度的财务报表体系与管理报表体系，该报表体系基于数据化治理系统生成并报送，当然也可以有其他表现形式。集团及企业各层级依据设定的权限抓取、查阅、转换和应用，消除重复填列、多头管理等导致的冗余。endprint

其他各个界面的数据视图也存在类似的问题。特别是集团及企业与监管机构的界面的管理需求数据视图需采用数据转换与软件接口标准化等支撑技术实现软件、系统数据格式无缝转换。企业需将各界面管理需求数据视图以适当的结构和形式统一在一个管控界面、一套数据化治理系统中。

4数据化治理的框架

企业数据化治理框架至少应包含以下要素：公司治理架构与企业管控模式；管控统一界面；管理思想、需求的数据视图；企业业务流程：战略决策、商业智能、绩效评价、管理评审等数据化决策支撑体系：形成企业数据化治理系统。

4.1公司治理架构与企业管控模式

结构影响行为。实施数据化治理，首先，需要评价企业的公司治理架构与企业战略目标和定位的适应性，依据公司治理理论与企业战略确定公司治理架构。

其次，需要明确所属板块企业及部门的管控模式。常见的企业管控模式有财务管控模式、经营管控模式和战略管控模式。财务管控模式下集团总部只负责集团的财务、资本运营、投资监控，所属企业完成集团设定的财务和经营目标即可。经营管控模式下集团总部从战略规划制定和实施、各职能的具体执行等几乎都管，集团各职能管理非常深入，所属企业主要职能是执行。战略管控模式下集团总部负责集团的财务、资产运营和集团整体的战略规划，所属企业制定自己的战略和业务规划，提出资源需求预算。当然还有细分更具体的管控模式和其他管控模式。每一种管控模式的企业都有成功的典范。但任何一种管控模式的成功必须依赖整套的架构、模式、制度、界面、流程与支撑系统的整体协同才能实现。

4.2数据视角的企业管控统一界面

每一种管控模式都需要建立企业管控统一界面，模式不同，统一界面的结构和要素有很大差异。企业管控统一界面是破解管理碎片化，实现企业管理“整”与“合”的治理理念和管理方法，是公司治理、企业战略与管控模式的具体化。数据化治理系统是建立企业管控统一界面的有效途径。

企业管控统一界面的结构和要素与企业的战略目标、组织架构、管理体制、内部运营、监管要求、市场环境等因素有关。其结构至少包括以下部分：集团与不同层级所属企业之间的界面、集团与其部门之间的界面、所属企业与其部门之间的界面、集团和所属企业与其人力资源之间的界面、集团和所属企业与监管机构之间的界面、集团和所属企业与市场之间的界面、集团和所属企业与其他利益相关者之间的界面等。

4.3管理思想、需求的数据视图

数据视图是数据库系统的一个概念，其定义是按照某种需求对数据库系统原始数据的一种变换和映像。数据视图中看到的就是需要的，数据视图可以简化用户对数据的理解，也可以简化操作，经常使用的查询可以被定义为视图，从而使用户不必为以后的操作每次指定全部的条件。

管理思想、需求是企业管理工作的内在逻辑和输出要求。应将管理思想、需求数据化，建立其数据视图，作为管理工作的数据刻画，也作为数据化治理系统规划设计的依据。

4.4效率驱动再造的企业业务流程

用数据思维、效率思维、扁平化思维、共享思维、协同思维指导和实施企业流程再造，提高企业运营效率，实现企业资源和能力的协同。企业业务流程的设计直接决定了企业业务处理的效率，关系到能否实现跨职能、跨层级分工协作的协同效应。

基于数据思维、效率思维、扁平化思维、企业内部控制框架、组织理论与岗位不相容原理实施企业流程再造。企业可以通过流程再造实现业务管控的扁平化和流程优化，提高运营效率。

共享思维是消除冗余的重要原则。数据的共享是降低数据系统冗余度的技术基础和消除冗余工作的制度基础。共享思维得以实现的保障是授权和安全机制，授权和安全机制的管理表达是管理流程与数据访问的权限矩阵。

协同思维基于分工理论与整体效应，应用于流程再造，可以实现组织的效率和专业化，并实现整体协同。

4.5数据化决策支撑体系

建立完善的战略决策、商业智能、绩效评价、管理评审等数据化决策支撑体系。比如，商业智能是应用基于数据的支持系统辅助进行商业决策的一系列理论、方法学和过程。辅助进行的业务经营决策，可以是操作层的，也可以是战术层和战略层的决策。商业智能技术需要综合利用数据仓库、数据集市、联机分析处理（OLAP）工具、数据挖掘、深度学习与人工智能等技术，包括收集、管理和分析数据，将这些数据转化为有用的信息，然后分发到企业各处。

企业财务和运营绩效指标的评价应建立在对企业管理与运营的管理评价基础上。数据化治理系统有助于管理评价和运营的数据化度量。管理评价的方式除了财务与审计、还应发展管理会计、开展管理评审，从多种维度系统评价企业运营质量和市场竞争力。

4.6系统规划企业数据化治理系统

企业应系统规划数据系统方案，按照企业最终控制人视角确定数据化治理系统逻辑边界的原则，确定企业数据系统的逻辑边界，确定数据单元。

企业应基于大数据视角和物联网万物互联思维，规划大数据系统方案。全面调查企业数据资源与环境，依据界面数据框架分析和管理需求数据视图，科学论证、系统分析，采用高度可扩展的、支持异构环境、易用开放的数据大系统方案，确保系统开放、共享、稳定、安全、高效，助力企业运营和管理。系统方案规划需特别注意企业组织架构、网络拓扑结构、数据系统结构等的协调和相容。系统结构的层次取决于具体的技术方案，但重要的组成部分包括底层数据库系统、各种业务管理系统、大数据处理工具、商业智能工具等。

5小结

企业通过应用界面数据分析方法，建立数据化治理框架，形成数据化治理系统，消除数据孤岛，打通数据链，克服了管理碎片化的挑战，提升了企业管理的整合度，提高了企业效率和市场竞争力，实现了企业战略目标。

企业治理乃至科学技术和哲学的数据主义时代已然来临，数据主义引领重构治理架构和技术系统架构的现实挑战已经开始被重视。

对于该课题研究的建议是对于数据化治理框架的更深人层面的分析和治理框架拓扑的讨论还需要进一步研究。

对于企业的建议是企业在经营产品和服务的同时，应同时经营产品和服务的数据，企业在获得产品与服务的同时，应同时重视获得产品和服务的数据。企业的经营管理就是经营数据、用数据、养数据，企业应自觉融人数据产业价值链，盘活数据资产，挖掘数据资源，成为数据资源与能力运营商。企业应率先建立數据化治理系统，实现后发优势、追赶超越乃至行业领先，从而真正在新经济图景下取得持久成功。endprint