基于大数据的对标管理：数据采集与分析方法

尚珊珊 尤筱玥

摘 要： 回顾对标管理的相关文献，发现该领域在模型及方法应用上已具备一定成熟度，而互联网和大数据的发展及结合能够进一步提升对标管理的研究深度和实用性。本文在结合大数据管理的前提下，提出了“关键主题—关键文本”的对标管理分析流程，利用大数据文本分析技术进行数据采集与分析，并以A、B集团为例验证了该方法的可行性与可靠性，为传统对标分析和管理提供了新的研究思路。

关键词： 对标管理;大数据;情感分析;分析方法

中图分类号： F 062.5

文献标志码： A

Benchmarking Management Based on Big Data：Data Collection and Analysis Methods

SHANG Shanshan YOU Xiaoyue

（1.School of Business and Management， Shanghai International Studies University， Shanghai 200083， China;

2.Sino-German College of Applied Sciences， Tongji University， Shanghai 201804， China）

Abstract： Reviewing the relevant knowledge of benchmarking management， it is found that models and methods in this field have been studied in certain maturity. By integrating the Internet and big data technology， the research depth on benchmarking management and its implementation could be further enhanced. Therefore， this paper proposes a big-data-based “key topic—key article” analysis process for benchmarking management， that utilizes a big data text analysis technology to collect and analyze the data. A case study on Group A and Group B indicates that the proposed approach owns its feasibility and reliability. It provides a new research idea for traditional benchmarking analysis and management.

Key words： benchmarking;big data;sentiment analysis;analysis methods

企业如何获得竞争优势？Watson在其著作《战略对标管理》中有概括的回答：一要出类拔萃的品质，二要领先同行的科技，三要价格低廉的成本。换句话说，“更好、更快、更便宜”应当成为当代企业赢得市場竞争的基本原则。由此，通过研究行业内同类型的优秀企业并开展对标管理，对提升企业竞争力具有重要的意义。新时代下，互联网、大数据改变了研究场景，本文旨在将大数据文本分析方法同传统的对标管理理念进行结合，探究对标管理的新思路。

1 文献回顾

1996年，Korpela和Tuominen通过调查发现，在财富排行榜前一千名的公司中有65%的公司或多或少使用了对标管理进行了业绩提升。Jarrar和Zairi在2001年针对32个国家的227个组织做了一项调查，发现对标管理已经在制造、卫生、保险、金融、建筑、政府等多数领域得到了广泛应用。

1.1 对标管理的定义和特点

对标管理主要包含以下几个关键词：比较、明确先进做法、实施和改进等。其中，较早得到广泛认可的定义是由Camp在1989年提出的：“对标管理是通过将产品、服务、实践与某个强大的特定的竞争对手或行业权威相比较的持续性流程，并借此优化自身管理，实现甚至超越相关的目标。”2006年，Kumar提出，“对标管理是一个明确、理解世界上先进组织的先进做法，并将其应用到企业自身以提升企业绩效的行为。它使得管理者能够‘向外看，寻求最优的做法，并将自身与之比较”。对标管理的特点可以归纳为：

（1）持续性，对标管理是对企业战略、功能、流程、产品和服务的一种持久性的分析;

（2）目标性，对标管理的目的在于找寻当前目标企业优秀的做法和管理经验;

（3）实用性，对标管理的最终方式在于分析目标企业后能生成有益于自身企业的管理策略，并助力企业成长。

1.2 对标管理的国内外研究现状

对标管理在企业实践中并没有统一模式，除了富士公司开创的十步对标法，还存在七步对标法、Spendolini的五步对标法、IBM公司的五阶段/14步对标法、Alcoa的六步对标法、AT&T的12步对标法等。这些对标法各有优劣，但均集中于定性分析，难以从实证层面进行直观理解和运用。

进入21世纪，众多研究者开发了若干量化模型用以对标分析。常见的分析模型和方法包括GAP分析（差距分析法）、AHP分析（层次分析法）、DEA（包络分析法）等。这些分析方法兼具传统对标分析的实用性和实证分析方法的可靠性，受到众多海外学者的关注。

在国内，对标管理方兴未艾，且较多局限于传统的三步骤方法。2020年6月，国资委正式印发《关于开展对标世界一流管理提升行动的通知》（国资发改革〔2020〕39号），要求国有重点企业要对标世界一流企业，通过加强战略、组织、运营、财务、科技、风险、人力资源、信息化等八大管理能力建设，打造具有全球竞争力的世界一流企业。

1.3 互联网与大数据

互联网与大数据的快速发展改变了市场生态，增强了竞争的透明度，进一步让一些知名企业的优秀做法得以彰显。互联网与大数据不仅为研究人员和市场专业人士提供了更多客观、有效的信息，而且开拓了新的研究方式和研究空间。通过充分利用互联网与大数据，能够在更宽广的范围内获取所需数据和信息并加以分析，得到更可靠的结果。同样，这些改变将更有助于对标业内优秀企业，通过取长补短，优化制定产品和服务的战略规划。

2 基于大数据的对标分析过程

基于大数据的对标分析流程设计如图1所示。

2.1 词云分析（Word Cloud Analysis）

通过词云分析得出本企业以及对标企业的高频关键词，构成本企业以及对标企业的概况描述。基于大数据的词云分析能够更准确地把握自身企业与对标企业的特征，为后续进一步分析比较提供可靠依据。

2.2 关键词共现分析（Co-occurrence Network Analysis）

Ding等证明了将关键词共现分析作为从大型语料库中提取模式和识别趋势的可行性。在关键词共现分析过程中，主旨在于识别经常“结对”出现的词汇组合，并将其确定为下一步要重点分析的内容和对象。

此时，应当重点关注高频出现的关键词对。必要时应在原文本中确定关键词对出现的段落和内容，探究词对背后潜藏的含义，从而进一步把握对目标企业的相关评价。在此基础上，通过关键词之间的联系，建立网络化、多层次的认知。

2.3 情感赋分（Sentiment Scoring）

情感赋分指以量化的方式解读大量非结构化文本的分析方式。通过情感赋分，揭示文本的积极/消极性，这对确定关键文本有较大的帮助。在对标分析的过程中，应当关注最积极或是最消极的文本，以及时间序列和大环境变化。

2.4 主题建模（Topic Modeling）

主题建模指将关键词、关键词对、情感赋分及其背后的关键文本连结成一个有机的整体，形成一张理解目标企业整体面貌的“地图”。

理解文本最有效的方式之一即分析其主题。在文本集合中学习、识别和提取主题的过程被称为主题建模。所有主题模型应基于相同的基本假设：

（1）每个文本包含多个主题;

（2）每个主题包含多个单词。

主题建模的目标就是揭示主题中存在的潜在变量，因为正是它们塑造了文本的含义。

潜在语义分析（LSA）、概率潜在语义分析（pLSA）、潜在狄利克雷分布（LDA）等算法是常用的主题建模算法。通过主题建模，可以构建多个以词汇为基本单元的主题，进一步归纳后就能得出有关该企业的数个关键词，结合前述的词云、共现词、情感赋分就能找出关键文本，从而进行更精准的分析。

2.5 结合关键主题、关键文本进行综合整体评价

前序流程由点到面、由面及里，构建出一个全方位、多层次的分析基础，明确了关键主题和关键文本。最后，通过综合分析得出目标企业的一系列结论。

通过仔细分析关键文章的主要内容，可以确认有关该企业的主要评价、优秀/较差管理经验，从而对标自身找差距，获得下一阶段企业管理的有益启示。

综上，如此“关键主题—关键文章”的研究方式相比于传统对标研究方法将更加高效，可以直接通过用户自产生内容（User Generated Content）明确目标企业的要点。相比于完全理性化的研究方式（如计量方法等），该方法更具有主观能动性。

3 案例应用

3.1 案例背景

A集团是整体上市的港口股份制企业，集装箱吞吐量连续十一年保持世界第一，是全球唯一持续突破4000万标准箱的港口。B集团是规模庞大的汽车工业上市股份制企业，旗下有众多汽车品牌畅销海内外。

本次分析的数据主要来源于主流媒体和社交网络平台中近五年（2016-2021）有关上述两家企业的报道、评论文章、分析报告，共计文章87篇，总计113411个词。

3.2 分析过程：词云分析

图2的词云图分别列出了A集团和B集团文本中出现最多的前40个关键词。

由图2可见，A集团除“集装箱”、“货运”等常规词出现频率较高，“自动化”、“国际化”、“发展”等词汇同样成为了高频词，可以推测A集团近年来正开拓新发展格局，在自动化、国际化领域的努力得到了社会的关注。B集团的词云分析则表明市场销售、智能汽车、新能源汽车成为核心词汇。显然，这两家企业的核心关键词侧重点各有不同：核心业务方面，A集团侧重于航运，B集团侧重于销售;发展趋势方面，A集团注重自动化、国际化，而B集团则突出智能化。

3.3 分析过程：关键词共现分析

图3展示了两家目标企业的文本中出现最多的关键词对。由此可知，上一步归纳得出的关键词经常与哪些词汇一同出现。例如，在A集团的共现图中，“自动化”与“港口”结成词对，“长江”与“三角”结成词对;在B集团的图中，“智能”“智己”与“汽车”

结成词对，“自动”与“驾驶”结成词对。由此构建出更加清晰的关系网络，即A集团的关键句有：自动化港口、服务长三角等等;B集团的关键句有：智能汽车、自动驾驶等等。

3.4 分析过程：情感赋分

由图4可知，两家目标企業在情感得分方面整体是积极的。结合具体文章可以发现：两家企业的负面报道均和疫情紧密相关。其中，A集团的负面评论则是主要疫情期间港口吞吐量下滑有关，积极评论主要和无人港口、服务临港自贸区有关;B集团的负面评论主要和销量下滑、面临新兴企业冲击等因素有关，积极评论主要和布局智能化、家用小型车等有关。

3.5 分析过程：主题建模

主题建模的结果则更鲜明、全面地反映了两个集团报道的关注主题。

3.6 分析过程：综合分析

结合词频分析、共现分析以及具体典型文本，可以分别得出A集团和B集团目前主要业务特征和发展方向：

A集团：布局集装箱码头、散杂货码头、港口物流、港口服务四大传统业务板块，其中集装箱码头业务是企业最大的营收来源（2020年营收占比51%），也是外界较为关注的核心业务;立足自贸区临港新片区、洋山综合特殊保税区，布局长江战略、国际化战略，对内辐射长三角和长江流域，对外开拓海外市场，特别是东北亚市场;大力推进智慧港口建设。打造全球最大的单体全自动化码头;自主研发国内首套全自主知识产权的自动化集装箱码头智能操作系统“ITOS”;应用“F5G”技术，实现港口间的广域互联;基于全光工业网方案，实现港口内大型设备的精准高效控制;尝试“港口+金融”创新融合战略，构建长江港航区块链综合服务平台，与蚂蚁集团开展战略合作，服务相关出口企业。

B集团：技术领先的硬件基础优势。B集团领跑国内电池、电驱、电控系统等核心技术，自研的燃料电池系统技术性能已可比肩全球领先水平;率先实现智能产品开发，智己汽车、R品牌汽车布局;前瞻创新的软件能力优势。通过建设完善软件开发、大数据、人工智能、云计算、网络安全等五大中心，已初步建立起数字化的软件技术体系能力基础，并在行业内率先开发数个数据平台;开拓海外市场成效显著。2020年，即便受到疫情冲击，B集团海外完成销量39万辆，5年内增长接近两倍;但与此同时，仍有信息表明B集团也面临着较为严峻的挑战。一方面，比亚迪和蔚来的异军突起，让B集团感受到了史无前例的压力。另一方面，B集团投入巨资所构建的体系能力，短期还难以看到回报。B集团下属的合资品牌在年销量达到200万台之后，开始走下坡路，红旗、吉利、长安的快速发展，更是直接冲击了B集团在国内龙头老大的位置。

经过对标分析后，对于B集团来说，有以下经验值得借鉴：

（1）探索体系化、多元化发展战略，丰富服务层次。通过“业务+金融/地产/……”等方式拓宽服务领域;

（2）迎合国家重大发展战略，依靠临港自贸区新片区，对外重点连结东北亚，对内辐射长三角;

（3）大力推进人工智能、大数据、云计算等新兴技术。对于B集团这种以产品为主要服务内容的企业，人工智能不仅是其主要发展方向，更是其未来生存发展的关键。

4 结论

对标管理是一个较为成熟的研究领域。随着互联网和大数据的发展，结合对标管理进行理论深化和实践应用都存在较大的空间。本文提出了“关键主题—关键文本”分析模式，通过制定合理的分析流程，以A集团和B集团为例，深入分析对标企业的发展重点和优势，为企业提供未来的发展方向，并就战略布局提供适当建议。研究证明，结合大数据进行对标管理将能进一步提升对标管理的理论和实践研究能力，为企业确定目标提供了可行、可靠的分析模式。

参考文献：

[1]WATSON G H. Strategic benchmarking[J]. J Wiley and Sons， 1997.

[2]KORPELA J， TUOMINEN M. Benchmarking logistics performance with an application of the analytic hierarchy process[J]. IEEE Transactions on Engineering management， 1996， 43（3）： 323-33.

[3]JARRAR Y F， ZAIRI M. Future trends in benchmarking for competitive advantage： A global survey[J]. Total Quality Management， 2001， 12（7-8）： 906-912.

[4]CAMP R C. Benchmarking： The search for industry best practices that lead to superior performance[J]. Quality Progress， 1989， 22（2）.

[5]KUMAR A， ANTONY J， DHAKAR T S J B A I J. Integrating quality function deployment and benchmarking to achieve greater profitability [J]. Benchmarking： An International Journal， 2006， 13（3）： 290-310.

[6]FIFER R M. Beating the competition： A practical guide to benchmarking [M]. Kaiser Associates， 1988.

[7]SPENDOLINI M J. The Benchmarking Book， F， 1992 [C].

[8]EYRICH H. Benchmarking to become the best of breed [J]. Manufacturing Systems， 1991， 9（4）： 40-47.

[9]Alcoas six steps to benchmarking [J]. Financial World， 1991， 160（19）： 32.

[10]BEMOWSKI K. The benchmarking bandwagon [J]. Quality Progress， 1991， 24（1）： 19-24.

[11]CHANDLER J D， SALVADOR R， KIM Y. Language， brand and speech acts on Twitter [J]. Journal of Product Brand Management， 2018， 27（4）： 375-384.

[12]SHIRDASTIAN H， LAROCHE M， RICHARD M-O. Using big data analytics to study brand authenticity sentiments： The case of Starbucks on Twitter [J]. International Journal of Information Management， 2019， 48： 291-307.

[13]DING Y， CHOWDHURY G G， FOO S. Bibliometric cartography of information retrieval research by using co-word analysis [J]. Information Processing Management， 2001， 37（6）： 817-842.

收稿日期：2021-08-04

作者簡介：尚珊珊（1983—），河南安阳人，副教授，博士，硕士生导师，研究方向：信息管理、质量管理，E-mail：shangshanshan@shisu.edu.cn。