大数据技术驱动企业管理创新的研究*——以某国内汽车品牌企业的实践为例

□ 郝金隆 郭 玮 肖 强 李小玲

近年来，随着大数据、物联网、云计算等新兴技术的崛起，数字经济正在以极快的速度蓬勃发展。据中国通信研究院发布的《中国数字经济发展白皮书（2020年）》显示，2019年我国数字经济增加值突破35.8 万亿元，占GDP比重达到36.2%。2020年中共中央、国务院印发的《关于构建更加完善的要素市场化配置体制机制的意见》，首次提出把数据作为生产要素资源，要加快培育数据要素市场，推进数据开发共享，提升社会数据价值，加强对数据资源的整合和保护。但与此同时，“政府热、企业冷”的问题普遍存在，众多企业对数字化转型保持怀疑，数字化转型的动力和能力严重不足。埃哲森2016年发起的一项调研显示，93%的中国企业首席战略官认同数字化转型迫在眉睫，但只有不足三成的企业做好了准备。因此，如何判断大数据技术对企业绩效的影响，如何利用大数据技术提高企业绩效，已经成为数字化时代亟待解决的难题。

从现有的研究文献来看，学术界就大数据能力对企业创新具有积极影响的观点已基本达成共识。但存在以下两个局限性，首先，大数据能力转化为企业创新绩效产出，既要融入组织战略，也要在组织架构和流程方面与组织情境相契合。[1]但现有研究并未详细剖析内部情境特征对大数据能力与创新绩效间关系的影响，而是局限于从技术角度剖析大数据应用能力的特征。[2][3]其次，学术界从理论上认可了大数据驱动人力资源管理创新对企业绩效的正向影响，[4][5]但由于获取企业内部数据的困难性，现有研究缺乏大数据技术驱动企业绩效提升的案例研究，对大数据技术驱动企业人力资源管理创新、提升企业绩效的作用机制和路径没有探明。最后，考虑到企业维度研究过程的复杂性和成本，大多数研究采用问卷调查或数据建模方式，可能存在研究对象不典型、研究数据不客观、研究结论与实际效果误差较大的情况。

基于此，本文以某汽车品牌企业所属 3 家具备典型性和特征相似的汽车公司直销人员为研究对象，以汽车公司直销人员如何运用大数据技术提升企业绩效为关注点，通过对比三组不同实验条件下的企业绩效，为企业管理者提出促进企业数字化转型的策略。

一、文献综述

（一）大数据技术概念的诞生与发展

1998年，美国高性能计算公司SGI 的首席科学家约翰·马西(John Mashey)首次在国际会议报告中提出“快速增长的数据，会让人类出现理解、获取、处理和组织四方面的难题”的观点。2004年前后，谷歌公司发表了3 篇关于分布式文件系统、分布式计算框架[6]和大数据NoSQL 数据库[7]的论文，正式提出了大数据的概念。受谷歌论文的启发，Apache 基金会自2005年开始提出了Apache Hadoop 项目，开发用于可靠、可扩展的分布式计算的开源软件，打造海杜普（Hadoop）开源生态，加速了大数据技术的发展。脸书（Facebook）向开源社区贡献了海杜普（Hadoop）的数仓工具蜜蜂（Hive），作为一个结构化查询语言（SQL）解析引擎，能将结构化查询语言（SQL）语句转译为海杜普（Hadoop）平台上运行的映射和简化（Map Reduce）任务，具备T:B（240 字节）级规模数据集分析与挖掘的性能。2006年，随着分布式列存数据库/海杜普数据库（Hbase）、分布式协作服务动物园管理员（Zookeeper）的陆续加入，进一步完善了海杜普（Hadoop）的生态圈。2009年，伯克利大数据库实验室（AMPLab）开发了专为大规模数据处理而设计的快速通用的计算引擎（Spark），因其计算性能更优、通用性更好、集成了海杜普（Hadoop）等特点，逐步取代了映射和简化（Map Reduce）的地位，成为大数据处理运算的首选。而同期，自2006年亚马逊首先推出弹性计算云服务的概念，谷歌在搜索引擎大会上首次提出“云计算”后，客户关系管理软件服务提供商（Salesforce）和谷歌陆续发布PaaS 服务Force.com 和Google App Engine，云服务的形式趋于完善。至此，大数据处理技术生态趋于成熟，各互联网公司、基础网络运营商等相关参与方都可以较低成本完成各种内外部海量数据的处理，从而将大数据真正应用到各业务场景中。

（二）大数据技术对企业管理的驱动效应

数据收集的根本目的是根据需求从数据中提取有用的信息和知识，并将其应用到具体的领域之中。因此，如何将海量的数据转换为可用于决策判断、预测分析的信息，并以此指导生产，才是让数据资源发挥价值的关键能力。[8]为此，有学者给出识别大数据价值的4C 模型，探究如何从“大数据”到“大价值”[9]，使数据资源真正成为生产要素。从数据在企业运行各环节中的具体作用来看：在产品研发环节，构建“大数据资源—企业能力—产品创新绩效”链式中介模型，开展实证研究，探讨大数据从可能的生产要素成为企业现实生产要素的实现机制。[10]在产品研发的规划、设计与测试3 个关键环节上，企业利用大数据采集、分析消费者购买、评论信息，构建出详细的消费者行为画像，洞察消费者需求，为产品研发规划提供低成本、高效率的工具，提升消费者产品采纳意愿，从而减少研发成本，降低研发风险。[11][12]在产品生产环节，高质量数据服务的嵌入带来生产效率的提高和生产成本的降低，利用物联网、大数据分析技术对生产过程实时监控，对要素投入进行量化，从而为智能生产提供决策支持。[13]在产品流通环节，通过供应链主体间的数据共享，打造以客户数据联通共享为基础的网络，提升信息透明度，削弱供应链节点间的信息不对称，进而提高供应链敏捷性，降低物流和库存成本。[14]此外，通过收集消费者行为数据，设计个性化营销方案，实现精准营销，降低营销成本，提高匹配效率。不仅如此，有学者指出加快新兴技术与制造业融合发展，助力企业数字化转型，关键在于组织模式的协同和激励策略的创新，实现数据的资源链接和快速迭代，提高响应能力。[15]由此可见，数据作为生产要素的价值体现并不局限于数据本身，而是数据作为信息流动的载体与传统要素或生产环节相结合而产生的驱动效应。

（三）大数据技术驱动对企业绩效的影响

学术界普遍认可大数据技术驱动对企业绩效的提升作用，[16]还有研究证明了大数据技术驱动对企业绩效中的市场绩效和财务绩效的正向影响。[17]为了探明“大数据技术如何实现企业绩效的提升”，学者们从多个角度开展了理论研究。[18]例如，从加强基础设施、项目管理和人力资源方面的大数据应用能力视角，证明组织的创新绩效有显著提升。[19]在面临不确定的市场环境时，大数据技术能帮助企业突破核心能力的路径依赖，重构企业核心竞争力。[20]企业的大数据技术能力还可以促进企业工艺和产品创新，加强企业与商业生态圈内合作伙伴创新活动的协同和整合，迅速捕捉和满足客户个性化需求，从而实现企业的差异化竞争优势，获取更多的经营利润。[21]在大数据技术影响组织决策方面，有学者从数据驱动的决策方式视角，提出大数据影响企业的数据管理和知识管理，提高了决策参与者的决策能力,进而提升组织绩效。[22]还有学者从企业决策过程研究视角，依据企业在应用大数据的理念、目的和手段上的差异,划分了“大数据+”再造型和“大数据+”融合型两种应用模式，并证明了两种模式都有利于企业组织绩效的提升。[23]此外，还有学者以66 家实施了大数据系统的上市企业为研究样本，分析了大数据系统实施对企业营运绩效和盈利绩效的影响。研究发现，在大数据系统实施当年，企业销售净利率不升反降，但在系统实施1～2年后均显著增长。[24]由此可见，大数据技术能力具有原动力作用，能促进企业开展商业模式创新和绩效提升[25]，还能改变企业现有的业务流程、组织架构和工作内容，达到重构商业生态系统的效果[26]。不仅仅是针对卖方，部分学者验证了大数据技术对于第三方平台绩效的影响，以电子商务平台为例，通过大数据技术实时监控平台卖家竞争数量和竞价价格，调整平台监管措施以控制卖家竞争的深度和广度，对平台绩效的提高有显著影响。[27][28]此外，利用大数据追溯得到的买家来源和卖家地位信息可以帮助平台推出个性化增值服务，以提高盈利水平。[29]

二、案例简介

（一）公司基本概况

研究对象为某国内汽车品牌企业，位于我国北方二线城市，是某汽车经销商集团独资的一家综合性的汽车销售服务公司。2018年公司全年新车销量约1 000 台，销售产值约18 亿元。

（二）公司组织架构

公司内部分为行政部、财务部、市场部、销售部、售后部5 个部门。具体组织架构见图1。

图1 某国内汽车品牌企业销售服务公司组织架构（2018）

其中，销售部的职责主要是负责车辆的销售，具体包括：制定公司年、季、月汽车销售计划并负责具体的实施；线上销售线索的开源、过滤、邀约、接待与到店成交；线下自然到店客户的接待和转化成交；大客户的维护、跟进和销售支持。

（三）历年公司绩效

该品牌企业在销售部设立网销小组，并且每年采买各垂直媒体（汽车之家、易车、爱卡、太平洋汽车）的广告和销售线索服务。在过去5年内，网销绩效占总绩效的比重一直呈明显上升趋势，截止到2018年已将近35%，历年网销绩效情况见表1。

表1 某国内汽车品牌企业销售服务公司历年新车网销销量表

（四）网销团队工作介绍

根据公司业务管理办法，公司设有网络直销团队。团队工作主要是在线上销售线索的开源、过滤、邀约、成交4 大环节进行努力，促进企业销量的提升。团队各职位具体职责见表2。

表2 某国内汽车品牌企业网络直销团队各职位职责

三、使用大数据技术驱动前企业经营面临的问题剖析

企业经营面临的首要问题是直销成本居高不下，网络直销团队的人力资源成本和各垂直媒体的会员费用逐年上涨。2019年，公司每车的网络直销成本已经突破2 000 元，创下新高。其次，销售线索的有效率及成交率却持续降低，2018年全年网络销售线索成交率下降至4%以下，存在很大的提升空间。最后，存在团队工作量过饱和问题，营销专员（含直销经理）平均每人每月需联系的新线索量高达167 条，沟通效率无法得到保证，造成了同期公司网络直销团队的离职率高达67%。因此，不论是从降低企业经营成本还是从增加企业利润的视角，基于大数据技术驱动的企业人力资源管理创新都迫在眉睫。

四、运用大数据技术驱动企业管理创新

（一）大数据技术模拟建模

构建3 个机器学习模型和2 个规则模型，前者分别是首次直销线索评级模型、持续线索评级模型和直销客户经理选择模型，后者包括最佳通话时间判断模型和客户关注点模型。5 个模型的作用见表3。

表3 机器学习/规则模型作用示意

相关模型的应用主要体现在销售线索的初次分配、邀约专员的邀约过程以及邀约成功后的客户接待三个环节，分别进行相应机器学习模型的调用和计算，具体流程见图2。

图2 模型调用流程

（二）大数据技术驱动管理创新

大数据技术重构工作流程与工作内容。为了整体提升网销效果，配合本次大数据支持网络直销试点工作，公司对整体网络直销流程进行了优化，主要调整包括将客户邀约与直销客户到店后的接待工作分开，根据业务规则完成销售线索的智能分配，将高意向线索尽可能地分配给高水平的邀约专员等，调整后的业务流程见图3。

图3 网络直销业务流程

五、研究设计与结果

（一）实验思路

实验的目的是探明大数据技术驱动企业人力资源管理创新、提升企业绩效的作用机制。在实验中，我们依据大数据技术对直销人员的业务流程和工作内容进行了优化，人力资源部门结合优化结果，对直销人员开展专项培训，最后以线索到店率和成交率作为衡量企业绩效的两个指标。

由于销售公司业绩受季节性影响比较大，因此无法采用汽车品牌公司前后数据对比实验。我们选取该汽车品牌企业3 家特征相似的区域经销商公司A、B、C 为实验对象，分别接受自变量不同水平的刺激，并保证其他无关变量的一致，然后记录线索到店率、线索成交率等作为企业绩效，通过3 家公司间的对比实验得出研究结论。

（二）田野实验设计

1.田野实验

田野实验，又称实地实验，是指运用科学的实验方法去检验在自然环境下，而非实验室中发生的干预对人们行为决策的影响。其核心在于在现实世界中做出研究者希望探究的设定，然后开展随机实验，确保实验对象在不知情的情况下参与到研究中。这种方法在真实的世界中开展实验，避免实验对象的行为受到参与实验本身的影响，克服了传统的实验室实验方法在外部效度上的不足。

2.实验对象

该汽车品牌三家特征相似的区域经销商A、B、C，其共同之处包括过往销售业绩、所在地区消费水平、服务流程、数字化水平、员工素质等。同时，为避免无关因素对实验结果的影响，对实验期间的线索来源渠道、直销团队成员、促销力度、产品价格等变量进行控制。

3.实验时间

实验时间为连续的3 个月，记录3 家公司实验前3 个月和实验过程中3 个月的线索总量、到店量和成交量数据，作为企业绩效衡量指标。

4.实验过程

A 公司为实验组，B 公司和C 公司设置为对照组。实验中，我们对3 家公司的自变量“业务流程与工作内容优化”“运用大数据模型开展直销人员专项培训与否”进行不同程度的干预，具体干预见表4。

表4 各公司自变量干预方案

（三）实验结果分析

1.因变量计算方式

以实验过程中第一个月的试点效果评估计算为例，需分别记录如下数据：

1.取实验开始前三个月A 公司的平均到店率、成交率，分别记为A01、A02。

2.取实验开始前三个月B公司的平均到店率、成交率，分别记为B01、B02。

3.取实验开始前三个月C 公司的平均到店率、成交率，分别记为C01、C02。

4.记录实验第一个月A公司的平均到店率、成交率，分别记为A11、A12。

5.记录实验第一个月B 公司的平均到店率、成交率，分别记为B11、B12。

6.记录实验第一个月C 公司的平均到店率、成交率，分别记为C11、C12。

则以C 公司为参照，A 公司、B 公司第一个月相对到店率、成交率提升度计算公式分别为：

1.A 公司到店率提升度：(A11/A01—C11/C01)/(C11/C01)。

2.A 公司成交率提升度：(A12/A02—C12/C02)/(C12/C02)。

3.B 公司到店率提升度：(B11/B01—C11/C01)/(C11/C01)。

4.B 公司成交率提升度：(B12/B02—C12/C02)/(C12/C02)。

2.实验数据结果

在3 个月的实验期内，分别记录A、B、C三家公司网络直销线索总量、到店量、成交量数据（见表5）。

表5 试点对比结果数据

3.实验结果对比

根据实验效果评估标准和计算规则，我们分别从企业绩效的到店率、成交率两个维度计算A、B 两家公司的提升度（见表6、表7）。

表6 试点阶段企业绩效1 到店率提升度单位：%

表7 试点阶段企业绩效2 成交率提升度单位：%

4.实验结论

实验结果表明，依据大数据技术对直销人员的业务流程和工作内容进行优化后，再请人力资源部门结合优化结果，对直销人员开展专项培训的实践策略，能显著提高企业绩效。

业务流程优化与工作内容调整会显著提高销售企业绩效的线索的到店率和成交率，对比B 公司与C 公司来看，通过对B 公司实施业务流程优化，其3 个月内的合计销售线索到店率提高了3.56%，合计线索成交率提高了2.78%。

运用大数据模型开展员工培训会显著促进业务流程优化对销售线索到店率和成交率产生积极的影响。对比A 公司与B 公司，通过在业务流程中加入大数据模型的深度应用，3 个月内的合计线索到店率再度提高4.59%，合计线索成交率再度提高6.49%。

大数据模型与业务流程优化的配合使用需要一定的学习时间。对比A 公司和B 公司，第1 个月A 公司的线索到店率和成交率均略低于B 公司，而在员工操作熟练度增强、流程磨合度提高后，第2、3 个月A 公司的线索成交率和到店率均远远高于B 公司。

六、讨论与展望

中国共产党第十九届中央委员会第五次全体会议公报指出，要坚定不移地建设网络强国、数字中国，推进产业基础高级化、产业链现代化。数据要素的特点和作用机制是影响我国企业核心竞争力塑造的关键，也将影响我国产业链现代化和高质量发展的战略目标实现。大数据技术作为企业和组织间信息传递、知识交流和资源置换的一个渠道，是影响企业和组织创新的重要因素。研究发现，通过管理流程再造实现与大数据技术的匹配、引进大数据模型来实现管理决策的优化、对员工开展专项培训以及给予既定期限来学习人机交互并磨合相互协助，有助于突破创新主体间的壁垒，实现大规模参与并有效汇聚创新资源和要素，充分释放彼此间“人才、资本、信息、技术”等要素，可以极大提升组织绩效。未来，我们将持续关注大数据技术对提升企业绩效的作用机制，探索企业人力资源管理创新的更多可能，为实现科技与人才的协同创新、人力资源管理创新、促进传统企业数字化转型升级提供经验借鉴。