大数据时代工业企业统计工作变革的思考

李文 王邦兆/江苏大学 管理学院

1 数据时代工业企业统计变革的必要性

工业企业统计是经济统计的核心内容之一，在我国统计体系中占有重要地位。随着大数据时代的到来，工业企业统计也将面临着新的变革与挑战。麦肯锡公司认为：“数据，已经成为当今企业的关键生产要素之一，已经渗透到每一个行业、每一项业务职能。对于海量数据的运用与挖掘，预示着新一波生产率增长时代的到来。”在大数据时代，不仅对工业企业统计提出了新的需求，也将逐步扩展工业企业统计的职能。

大数据是指数据集的容量已超出了常规的数据库软件工具所能捕捉、存储和分析的数据，它产生于无所不在的传感器、微处理器、互联网和社会媒体等。在发达国家，对于大数据的收集、分类、存储、分析已经嵌入到经济社会管理的每一个环节，并成为经济社会管理的重要组成部分。《华尔街日报》将大数据时代、智能化时代和无线网络革命称为是引领未来经济繁荣的三大技术变革。

大数据时代的到来必然引起企业统计工作的变革。统计工作是企业数据价值成长的温床，离开了统计工作，企业数据的价值就无从展现。没有统计工作的促进，数据挖掘也会停滞不前。在大数据时代，工业企业要对海量的生产、营销、采购、财务、人力资源、质量检测、安全监控、后勤服务数据进行收集、分析和发布，为企业决策提供参考。这时，人们的思维模式将发生变化，不再过多地探究企业内部要素之间的因果关系，而是专注于企业内部要素之间的相关关系。统计的主要目标不再是描述企业的管理事件及发生的原因，而是转向对管理行为结果的预测。

2 工业应对大数据时代统计的不足

在大数据时代，工业企业统计将发生天翻地覆的变化，与小数据下的抽样统计大相径庭。大数据统计是不可逆转的趋势，但是，我国工业企业还没有做好迎接大数据时代的准备，缺乏相应的思想、条件与方法，这为大数据统计的实施带来了障碍。这些不足和缺少主要表现在如下方面：

第一，数据增长较快，数据存储量不足。在过去很长一段时间内，我国工业企业几乎都没有意识到数据的经济价值，数据存储的观念较为淡薄，加之在当时的条件下，数据存储成本较高、数据存储方法落后，因此数据采集与存储严重不足，远未达到大数据的标准。近年来，一些企业认识到了数据存储的重要性，加大了数据的存储力度，但在数据处理方法上存在很多问题，有待克服。

第二，数据结构较为简单，缺少多样化。大数据结构存在着多样化的特征，不仅包括结构化数据，也包括大量的半结构化数据和非结构化数据。目前，在我国企业所收集的有限数据中，主要是类型较为简单的结构化数据，非结构化数据较为罕见。同时，这些数据主要源于生产过程，是生产过程中产生的数据，很少涉及营销、采购、人力资本、财务管理、战略决策方面的数据，品种较为单一。事实上，在企业运营中，许多有价值的数据是以非结构化数据的形式存在的。

第三，数据存储较为分散，共享性不足。在当今时代，数据共享是数据的生命，缺乏共享的数据就失去了生命力。目前，我国企业都拥有自己的信息系统，但这些系统一般处于独立状态，未能构成统一的数据平台。即使在企业集团中，子公司或分公司之间的信息系统也处于分散状态，形成了一个个信息孤岛，无法实现高度的数据共享。同时，许多信息系统在架构、数据库、支持语言上差异较大，数据传输困难，也不利于数据共享。

第四，数据所有权存在争议，使企业处于数据支配的被动状态。由于没有认识到数据的重要性，许多企业当初在数据所有权上不以为意，随意让出所有权，如关键设备的运行数据都被生产厂家所控制，人力资源数据被咨询公司所控制等。当大数据来临时，一些企业认识到数据价值之后，欲求重新买回数据所有权，往往耗费巨额费用与代价，带来了很多所有权争议。尤其对一些大型企业而言，如果数据所有权问题不解决，大数据统计的平台就无从搭建。

第五，统计人员地位不高，阻碍了大数据管理能力的提升。在大数据环境下，统计人员的业务素质需要通过脱胎换骨式的锤炼，才能具备大数据管理水平。在主观上，需要企业领导高度重视，意识到大数据统计的重要性；在客观上，需要投入一定的资金，包括软件硬件配置费用、培训费用、外出交流学习费用等。但是，在目前的环境下，我国企业统计人员的地位普遍不高，甚至被认为可有可无，统计工作被认为是应付差事的附属工作。在这样的现状下，统计人员业务能力开发将面临着重重困难。

第六，统计指标陈旧，不符合大数据统计的需求。大数据分析的理念是探析事物之间的内在联系，而不是因果关系，在这种环境下，传统的统计指标体系已不再适用，需要进行大规模修正。大数据环境下的统计指标不仅要反映企业的静态特征，也要反映出企业的动态特征，不仅反映企业的过去发展历程，也要能实现对企业未来发展的预测。现有的指标体系是现行统计制度下的产物，统计制度的变革是指标体系变革的前提。

3 大数据时代工业企业统计的变革

现行的工业企业统计远不能适应大数据统计的需求，无法构建有效的大数据分析平台，需要进行一系列的变革。工业企业统计涉及到供、产、销、人、财、物各个方面，因此，统计变革是一种全方位、综合式的变革，主要包括如下方面：

第一，转换统计人员的角色，发挥数据管理者的作用。在传统工业统计中，统计人员的定位一般是数据采集者，但在大数据时代，统计人员还应是数据管理者，不仅能够采集数据，也要能够分析数据。由于信息系统的普及，数据采集工作的难度相对减少，但在大数据环境下，数据分析工作的难度相对增加，对数据挖掘提出了更高的要求。统计人员不仅构建和维护数据库管理系统，还应负责数据转换、数据安全、数据分析、数据传输与数据发布的工作。统计人员的数据发布对象不仅是上级主管部门，还应包括企业内部各职能部门。

第二，实施自动化数据采集方式，提高数据采集效率。在大数据环境下，传统的数据采集方式将逐渐消退，代之而起的是数据的自动化采集。在传统方式下，人工报表、抽样调查、访谈、问卷发放等数据采集方式，已经无法适应大数据处理的需求。大数据采集不仅包括生产数据，还包括市场、客户、营销、采购等生产之外的数据，与传统数据采集对象截然不同。自动化数据采集不仅降低了数据采集的成本，也确保了数据采集的完整性，不仅可以采集结构化数据，也可以采集半结构化和非结构化数据。当然，在自动化数据采集下，对存储设备的要求也较高，需要具备容量大、性能强、吞吐率高等特性。

第三，利用大数据统计平台改进营销管理，深度认识消费者的需求特征。美国著名营销专家约翰·沃纳梅克认为：“我们知道，许多企业中至少一半的广告花费是浪费的，但是，我们无从知晓是哪一半。”大数据营销方式的到来可以使这一问题迎刃而解。随着大数据处理能力的提高，通过对消费者消费特征的挖掘，数字媒体的营销也将更趋于个性化。利用大数据统计平台，可以使消费者的需求分析摆脱直觉的狭隘，全方位地了解消费者的需求，认识消费者的支付意愿，从而为产品设计优化提供合理的规格参数。

第四，利用大数据统计平台实施库存管理，实现对最佳库存的精确测度。库存管理是企业的一项尖端管理事项，随着企业规模的增长、企业声誉的外扬、企业竞争优势的累积，库存管理就越重要。库存成本一般占据产品成本的一半以上，如果降低一成库存成本，企业竞争力就会呈三倍的增长态势。在大数据统计平台上，可以实现对库存需求的精确预测、减少调拨环节、合理布局库存结构，将库存信息及时反馈到生产计划、订单采购、库存安排各个环节，进而实现库存管理从“需求感应”向“适应性存储”的转换，大幅度降低库存成本。

第五，利用大数据统计平台进行质量管理，提高产品质量管理水平。20世纪90年代，许多企业已经开始利用数据分析来改进产品质量管理，以求生产与服务的最佳匹配。在大数据环境下，由于数据源较广、数据挖掘手段较强、数据价值更高，不仅可以使产品制造时间缩短50%，也可以通过仿真与模拟等方法检验产品缺陷，剔除不必要的环节、缩短开发周期、降低开发成本。企业利用大数据可以收集到大量同类产品的工艺参数、质检结果、营销记录，从而对新产品质量做出准确的预测和判断。

第六，统计人员应积极参与企业决策，提高企业决策效率。在传统管理模式下，统计人员只是普通企业员工，不在决策人员之列，但在大数据时代，由于决策的复杂性在增长，统计人员必须参与决策，否则，许多决策问题将无法实施。大数据下的决策与传统决策存在着很大的差异，不仅基于一定量的类型繁多的数据，也要借助于各种先进的决策模型，这让许多高层管理人员难以驾驭。尽管统计人员参与决策是一种必然的趋势，但在决策过程中，统计人员的定位是辅助性人员或决策技术人员，在很大职能上不能越俎代庖。

第七，转变企业对数据的管理与控制方式。在大数据环境下，数据分析需要接受一定程度的误差，无法做到小数据的精准。数据容量越大、数据类型越多，所容忍的误差就越高。我国企业并未真正进入大数据时代，数据容量较低、数据类型单一，尚不能容忍较多的数据误差。美国企业大数据管理水平较高，但由于数据误差较高，每年给企业造成六千多亿美元的利益损失。企业应设计专门的大数据管理部门，指派专门的数据管理人员，及时解决数据管理中出现的问题，并不断谋求数据管理质量的提高。

第八，实施工业统计制度的变革。在大数据时代，由于统计对象、方式、目标都发生了变化，需要统计制度也相应转变，以适应大数据统计发展的需求。新的工业统计制度应立足于我国工业发展的现实目标，将统计工作与企业发展相结合，充分利用大数据的优势，提高工业统计对生产、营销、采购等流程的支持作用。在我国现行的体制下，统计制度变革是一个系统工程，不可能在短时间内一蹴而就。在变革过程中，不仅要吸取西方发达国家统计制度的经验，也要结合于我国统计实践的现实特征。

第九，扩张企业的信息统计范围。在大数据时代，由于数据源扩大，企业的统计信息范围也应随之扩张，不仅需要统计企业内部的信息，也要统计企业外部的信息。企业外部信息主要包括四大类：企业所在行业的信息、消费者信息、竞争对手信息，以及与企业发展相关的各种社会信息。大数据统计平台的建设需要包含这些信息源，继而实现综合分析。目前，大多数企业在统计中并不关注这些信息，没有将这些信息纳入必要的统计范围，必然在大数据竞争中步人后尘。