大數據下的企業科技管理

呂 茜 司秀丹

1.中國電力建設股份有限公司科技部；2.北京中鐵通電務技術開發有限公司

1 引言

伴隨著物聯網、移動網、云計算的興起，尤其是智能終端的廣泛應用，帶來數據量愈來愈多，處理愈來愈快，數據內容愈來愈復雜，從而推動了大數據的形成，人們進入了大數據時代。大數據目前已經普遍應用于全球各個行業。IBM 認為大數據具有四個特性。四個V，即大量化（Volume）、多樣化（Variety）、快速化（Velocity）、和產生的價值（Value）。第一，數據量特別龐大；第二，數據種類特別多；第三，速度很快，像流水一樣在運動，如微博、短信、微信等平臺渠道無時無刻不在產生大量數據；第四，數據的準確性，需要考慮這些數據的可預測性。

2011年5月，麥肯錫全球研究院發布了著名的研究報告—《大數據：創新、競爭和生產力的下一個新領域》，最早提出了大數據的概念。這篇研究報告主要提了兩個觀點，一是數據已經滲透到每一個行業、每一個業務職能領域；二是海量數據的應用意味著下一波或者新一輪生產率的增長和消費者盈余浪潮的到來。2012年達沃斯世界經濟論壇也將大數據作為會議主題之一，并共同研討了如何更好利用數據產生社會經濟效益。2012年5月聯合國“Global Pusle”特別分析了大數據給發展中國家帶來的機遇和挑戰。2012年3月，美國奧巴馬政府發布了“大數據研究和發展倡議”，正式啟動了大數據發展計劃，而后英國、加拿大、澳大利亞、法國、日本等三十多個國家和地區也陸續啟動了該項計劃。

隨著大數據時代的來臨，企業的科技管理水平也很大程度依賴于大數據管理水平。數據是信息的載體，是知識的源泉。基于知識的競爭，將集中表現為基于數據的競爭，而這種數據的競爭將成為經濟發展的必然。這種競爭要求企業在科技管理模式上也要適應大數據的要求作出轉變，從而更好地適應時代的發展和要求。

2 企業科技管理存在的主要問題

科技統計不準確

目前多數大企業都有專門人員負責收集科技信息情報，有自己一套關于科技成果的收集、上報、檔案管理制度。但是也有很多企業或者是基層工作單位并沒有設置專人管理，很多先進的工法、成果無法得到及時的收集、分類和整理，數據非常的不完善和不準確，資料缺失情況較為嚴重，這樣就給科技統計工作帶來了極大的難度。

另外，目前的科技統計工作渠道也較為單一，只能通過由一線單位逐級上報，層層統計，這又給統計工作的準確性加大了難度。

科技創新性不足

由于缺乏科學有效的管理，一線科技項目存在著比較普遍的重復研究情況。大量的技術問題反復出現，卻要反復研究，造成了資金人員的浪費。

而在高層制定科技項目規劃時，又往往與一線生產實際需要有一定差距，會造成研究項目與實際生產需要的脫節，造成浪費。

缺乏高質量高素質的科研人才

科技管理很大程度依賴于人才的有效利用和高效管理。企業科技創新性和科技發展推動的首要力量就是大量的優秀的人才資源。

首先目前一線的科研人才相對匱乏。多數的相關人員把多數精力都放在了職務晉升和職稱評定相關的績效考核，為了論文、成果指標數的達標而粗制濫造，成果的技術含量不高，重復性嚴重。

另外，專家的層次參差不齊，數量有限。缺乏對專家的統一管理，沒有相關的儲備和關系管理，往往不能合理和有效的使用專家力量。

3 大數據下企業科技發展的模式和方向

科技統計管理

大數據時代，科技統計數據不再依賴于人，是數據。從一線產生的數據實時進入整個數據系統，精度更為準確，范圍也更為廣泛。隨之，科技統計的意義也更為凸顯。在大量的科技信息數據采集處理后，我們將發現更多以前難以發現的潛在規律和現象。通過大數據提升了科技管理的預測和管理水平。

隨著大數據時代的來臨，企業的科技管理水平也很大程度依賴于大數據管理水平。數據是信息的載體，科技統計的精確性提升了信息和技術水平，提高了預測水平和管理水平。信息時代的競爭，不是勞動生產率的競爭，而是知識生產率的競爭。在大數據時代，統計樣本更加趨于全體，決策的基礎更加趨于實時，決策和規劃水平也就更加合理化。在戰略層面，更加大量精確數據可以用來分析預測并制定出企業科技發展規劃；在實際生產中，可以優化管理各個環節，從而提高效能，節約成本，產生科技的競爭優勢。

科技人才管理

大數據時代下的科技人才管理更為科學。首先對基礎科研人員應有專門的科技人才信息庫。根據科技人才專業化、不同層次的需求，按照專業、層次等分門別類進行管理。科技人才的機制更加完善，對于不同層次各種人才按照需求制訂計劃，進行相應培訓，提升質量。這樣從數量和質量上都為科技人才的成長提供了保證，培養出更多專業化人才和科技精英。

建立各類專家庫。通過各種渠道搜集內外部知名專家，形成專家委員會數據庫。在遇到重大科技成果等重大關鍵技術難題等情況時，充分發揮專家庫的力量。

科技創新性管理

大數據可以提升企業科技創新性管理水平。首先可以從用戶的反饋更好地了解客戶對產品的需求。企業可以借助現代媒體的數據分析等手段得到更多產品的反饋信息。基于這些大量的信息，企業可以實時測評產品的創新性和適應性，不斷改進創新，將產品提升成滿足客戶需求的。在實際生產中，大數據還可以幫助企業進行技術上的實時模擬和測試，同時運行和測試各種變化和改動方案，顯示不同設計帶來的產品改進。

各類傳統行業也可以應用大數據進行企業技術的創新性管理，例如福特汽車公司。福特公司為對汽車產品改進研發，專門在硅谷開設了一間實驗室。福特公司搜集了包括汽車傳感器和遠程應用程序管理軟件等超過400 萬輛汽車的數據，并且為實時數據，從而在汽車的質量、減少燃油消耗、提升安全性能、減少排放等方面都得到了提高。

科技決策管理

大數據下的企業科技管理決策權重新分配，由管理者傾向于依靠企業一線員工。以往的科技項目決策往往根據上層需要，但有時對現實生產的指導意義并沒有很大。在大數據時代，基層員工能夠充分發揮他們掌控信息量多的優勢，發揮相應的決策權，從而更能有效的利用數據和知識的創造吸收，知識和權力的匹配度也越高，各項指標越好。這種決策模式帶來的扁平化的組織結構趨勢也更加明顯，帶來企業管理決策文化的最大變革。

4 結束語

大數據時代的來臨給企業的發展帶來了新的機遇和挑戰。作為企業管理的重要驅動力的科技管理，在大數據時代也迎來新的模式調整和發展方向。大數據時代為現存科技管理的諸多問題都帶來了新的解決方案和發展方向。在大數據時代，企業科技管理也將迎來巨大的發展機遇，更有力的推動企業健康發展。