大數據背景下儀器設備采購管理模式研究

摘 要：大數據是近年來信息技術的一項重大發展，深刻地改變著我們的工作、學習和生活。本文著力于當今信息化時代儀器設備采購管理的研究，提出大數據背景支撐下的" SMART"管理模式，力求探尋出針對我國儀器設備采購工作的一種更優機制。

關鍵詞：大數據；設備采購； SMART模式

一、大數據的概述

大數據（Big data）是指所涉及的資料巨大到無法通過目前主流軟件工具，在合理時間內擷取、管理、處理并整理的信息。從某種程度上說，大數據是數據分析的前沿技術，能夠從各種類型的數據中快速獲得有效信息。大數據的特點集中反映在以下四大方面。

一是數據量大。現行大數據技術的數據量級已從TB發展至PB，乃至ZB，它的數量之大是難以想象的。二是數據類型繁多。大數據的構成分為圖像、音頻、錄音等形式且極其豐富，有時數據之間的關聯度極低，而且在相當長的時期內非結構化數據會占據數據主體。三是數據處理快。數據流是高速運行的實時數據信息，它需要快速而且持續的計算、加工和處理，在先進的軟件工程及人工智能技術水平下，大數據才得以高速高效運用；四是數據價值高。大數據下的數據分析是極具價值的，因為其海量的數據集成正是價值的反映和彰顯，從全視角、全維度來審視儀器設備采購，可以對儀器設備采購提供全方位的解讀。

二、傳統儀器設備采購管理存在的問題

我國儀器設備采購工作大多仍以傳統手工方式為主導，即使實現了部分信息化管理，也僅僅是針對業務程序的簡單執行，尚未實現采購戰略優化和決策分析的程度，其面臨一系列突出問題：1.買賣資源的不對稱造成采購人與設備屬性的信息失聯，被動抬高采購成本； 2.采購人能力薄弱，途徑單一，未實現設備需求、供應商來源的標準制定；3.采購資源配置不合理，供需雙方矛盾凸顯；4.采購過程信息透明度不高，缺失分析與監管。

三、大數據對儀器設備采購管理的影響

“大數據”的概念是由著名咨詢公司麥肯錫創造，如今已成為各行各業關注的熱點， 據IDC的分析數據顯示， 到2020年，我國數據總量將達到2013 年的10 倍，超過8.5ZB，可見互聯網的大數據時代，各行各業的管理運作無時不在制造數據。信息化時代的大數據建設對整個社會帶來巨大變革，不斷深入到我們工作的方方面面，它給儀器設備采購也帶來潛在影響：

（一）認知思維的改變

在大數據理念的帶動下，儀器設備采購工作者加強了信息化的建設，包括軟硬件配套構建和員工信息專業技術的培養，甚至針對采購工作中數據管理和監控的應用開展專項研究。采購人逐步認識到采購工作中的海量信息不再是簡單無用的數字，而是基于事實運營中積累的獨有資產，大數據思維造就的服務意識和能力成為推進儀器設備采購工作變革的無形基礎。

（二）采購技術的革新

大數據本身并不是一項新的技術，但對采購工作引入大數據概念，卻有效地將其推向一個新的層次，成為采購數據的收集、管理、計算處理、分析和表現等信息技術的集合對象。大數據帶來的網絡信息技術革新已在各行各業中悄然出現，隨著國內信息化建設投入，不同規模的的資源數據系統、信息共享數據系統、招標采購系統近年如雨后春筍般出現，新的采購技術有效地整合供應商、采購人等相關的各種社會資源、網絡資源、信息資源，信息技術在儀器設備采購管理中爆發式引用都是大數據帶來的直接結果。

（三）關系范圍的改變

大數據的出現不僅改變了儀器設備采購的方式方法，可以說一定程度上更改變了采購關系范圍，采購管理將不再是傳統的買賣關系，而是一個戰略問題，是向科研、人事、資產等多個領域延伸和滲透。對于運行管理有關的一切數據的收集、跟蹤和分析都可能成為決定采購管理的因素。簡而言之，大數據時代一些原來不屬于采購范疇的事物都會納入采購視野，與近年熱門的“大資產” 、“大財務”等新生概念相似，“大采購”也是基于大數據的一種關系范圍的理念衍生。

四、儀器設備采購的“ SMART”管理模式

大數據時代的儀器設備采購不應是簡單的采購電子化，也不僅是應對采購信息管理的方案研究，而是一項融匯人財物的戰略機制。駕馭好大數據，在規劃、業務架構和資金投入方面作出決策更是采購資源配置的根本。根據儀器設備采購管理存在問題，在此提出“ SMART”智能采購管理模式，即Share-Model-Analysis-Response-Trace。

（一）Share―共享

利用大數據、云平臺技術手段擴大儀器設備采購資源信息共享，例如設備信息共享、供應商信息共享、制度流程共享等，逐步建立市場之間的設備采購信息共享機制，統一信息標準和管理標準，組創儀器設備采購信息聯盟平臺，打破因信息不對稱造成的采購壟斷，提高信息透明度以減少采購活動中的暗箱操作和違法行為。

（二）Model ―模型

儀器設備需求機構眾多，管理形式不一，儀器設備使用需求分散，建立儀器設備的固有配置模型，形成大批量采購規模效應，在保證資金使用效益、降低采購價格的同時，有助于規范采購流程，統一采購標準，杜絕采購的隨意性。逐步擴展設備模型資源，及時更新配置內容，保持產品更新節奏，會同各采購部門、使用部門定期調研，準確掌握市場動態，增強模型庫的合理性和可操作性。推進供應商庫建設與誠信管理，構建采購方式選擇模型，根據采購設備的種類、數量和時間的不同采取不同采購模型，以求采購效率與價值的最優化。

（三）Analysis―分析

對采購全周期產生的大數據進行多維度分析，才能賦予大數據“生命力”。數據是各項工作的基礎，更是搭建采購、資產、財務信息橋梁的基石，例如財務部門設備采購預算編制工作可利用積累的大數據來分析，實時了解設備價格動態信息，分析采購設備價格變動趨勢，更準確評估預算定額，提高預算編制可靠性。數據同樣是采購監管工作的支點，監管部門通過對采購大數據的解讀，有效監督采購人“錢袋子”并非難事。結合采購數據分析結果制定預警功能，及時叫停違規采購，將采購由傳統的事后監督報備，升級為實時過程監管，采取針對性管控措施預防采購預算與執行情況出現大的偏差，利用大數據規模性大，決策性高，實時性強的特點為采購智能化提供全面支持。

（四）Response―反饋

建立以數據收集、存儲和分析技術為核心的采購評估體系，推動采購執行管理由粗放式到精細化的轉變。利用最終結果數據對采購全周期管理進行逆向總結，包括：執行階段存在的問題、采購任務完成情況、設備驗收情況、采購結果對教學科研的支持程度、資金使用效益情況、后續采購計劃、供應商信用度記錄等內容。融合設備采購特征特性的分析與評估，實現反饋信息準確化，反饋速度快捷化，反饋內容全面化的采購反饋機制，形成采購全生命周期閉環系統。

（五）Trace―留痕

“數據追蹤，全面留痕”，依托大數據優勢推進儀器設備采購過程透明化，編織數據天網，將采購內容全部納入電子化運行。通過制定統一的數據技術標準，優化、細化采購流程和辦理環節， 確保采購預算、計劃、招投標、合同執行、驗收數據的一致性與同步性，實現采購全程環環相扣，處處留“痕跡”，讓信息在“陽光”下清晰、透明，在公眾的監督之下無死角展示。

作者簡介：

高云，出生年月：1981.10，性別：男，籍貫：重慶，學歷：本科，職稱：工程師，從事工作：物資采購.