基于大數據的對標管理：數據采集與分析方法

尚珊珊 尤筱玥

摘 要： 回顧對標管理的相關文獻，發現該領域在模型及方法應用上已具備一定成熟度，而互聯網和大數據的發展及結合能夠進一步提升對標管理的研究深度和實用性。本文在結合大數據管理的前提下，提出了“關鍵主題—關鍵文本”的對標管理分析流程，利用大數據文本分析技術進行數據采集與分析，并以A、B集團為例驗證了該方法的可行性與可靠性，為傳統對標分析和管理提供了新的研究思路。

關鍵詞： 對標管理;大數據;情感分析;分析方法

中圖分類號： F 062.5

文獻標志碼： 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

企業如何獲得競爭優勢？Watson在其著作《戰略對標管理》中有概括的回答：一要出類拔萃的品質，二要領先同行的科技，三要價格低廉的成本。換句話說，“更好、更快、更便宜”應當成為當代企業贏得市場競爭的基本原則。由此，通過研究行業內同類型的優秀企業并開展對標管理，對提升企業競爭力具有重要的意義。新時代下，互聯網、大數據改變了研究場景，本文旨在將大數據文本分析方法同傳統的對標管理理念進行結合，探究對標管理的新思路。

1 文獻回顧

1996年，Korpela和Tuominen通過調查發現，在財富排行榜前一千名的公司中有65%的公司或多或少使用了對標管理進行了業績提升。Jarrar和Zairi在2001年針對32個國家的227個組織做了一項調查，發現對標管理已經在制造、衛生、保險、金融、建筑、政府等多數領域得到了廣泛應用。

1.1 對標管理的定義和特點

對標管理主要包含以下幾個關鍵詞：比較、明確先進做法、實施和改進等。其中，較早得到廣泛認可的定義是由Camp在1989年提出的：“對標管理是通過將產品、服務、實踐與某個強大的特定的競爭對手或行業權威相比較的持續性流程，并借此優化自身管理，實現甚至超越相關的目標。”2006年，Kumar提出，“對標管理是一個明確、理解世界上先進組織的先進做法，并將其應用到企業自身以提升企業績效的行為。它使得管理者能夠‘向外看，尋求最優的做法，并將自身與之比較”。對標管理的特點可以歸納為：

（1）持續性，對標管理是對企業戰略、功能、流程、產品和服務的一種持久性的分析;

（2）目標性，對標管理的目的在于找尋當前目標企業優秀的做法和管理經驗;

（3）實用性，對標管理的最終方式在于分析目標企業后能生成有益于自身企業的管理策略，并助力企業成長。

1.2 對標管理的國內外研究現狀

對標管理在企業實踐中并沒有統一模式，除了富士公司開創的十步對標法，還存在七步對標法、Spendolini的五步對標法、IBM公司的五階段/14步對標法、Alcoa的六步對標法、AT&T的12步對標法等。這些對標法各有優劣，但均集中于定性分析，難以從實證層面進行直觀理解和運用。

進入21世紀，眾多研究者開發了若干量化模型用以對標分析。常見的分析模型和方法包括GAP分析（差距分析法）、AHP分析（層次分析法）、DEA（包絡分析法）等。這些分析方法兼具傳統對標分析的實用性和實證分析方法的可靠性，受到眾多海外學者的關注。

在國內，對標管理方興未艾，且較多局限于傳統的三步驟方法。2020年6月，國資委正式印發《關于開展對標世界一流管理提升行動的通知》（國資發改革〔2020〕39號），要求國有重點企業要對標世界一流企業，通過加強戰略、組織、運營、財務、科技、風險、人力資源、信息化等八大管理能力建設，打造具有全球競爭力的世界一流企業。

1.3 互聯網與大數據

互聯網與大數據的快速發展改變了市場生態，增強了競爭的透明度，進一步讓一些知名企業的優秀做法得以彰顯。互聯網與大數據不僅為研究人員和市場專業人士提供了更多客觀、有效的信息，而且開拓了新的研究方式和研究空間。通過充分利用互聯網與大數據，能夠在更寬廣的范圍內獲取所需數據和信息并加以分析，得到更可靠的結果。同樣，這些改變將更有助于對標業內優秀企業，通過取長補短，優化制定產品和服務的戰略規劃。

2 基于大數據的對標分析過程

基于大數據的對標分析流程設計如圖1所示。

2.1 詞云分析（Word Cloud Analysis）

通過詞云分析得出本企業以及對標企業的高頻關鍵詞，構成本企業以及對標企業的概況描述。基于大數據的詞云分析能夠更準確地把握自身企業與對標企業的特征，為后續進一步分析比較提供可靠依據。

2.2 關鍵詞共現分析（Co-occurrence Network Analysis）

Ding等證明了將關鍵詞共現分析作為從大型語料庫中提取模式和識別趨勢的可行性。在關鍵詞共現分析過程中，主旨在于識別經常“結對”出現的詞匯組合，并將其確定為下一步要重點分析的內容和對象。

此時，應當重點關注高頻出現的關鍵詞對。必要時應在原文本中確定關鍵詞對出現的段落和內容，探究詞對背后潛藏的含義，從而進一步把握對目標企業的相關評價。在此基礎上，通過關鍵詞之間的聯系，建立網絡化、多層次的認知。

2.3 情感賦分（Sentiment Scoring）

情感賦分指以量化的方式解讀大量非結構化文本的分析方式。通過情感賦分，揭示文本的積極/消極性，這對確定關鍵文本有較大的幫助。在對標分析的過程中，應當關注最積極或是最消極的文本，以及時間序列和大環境變化。

2.4 主題建模（Topic Modeling）

主題建模指將關鍵詞、關鍵詞對、情感賦分及其背后的關鍵文本連結成一個有機的整體，形成一張理解目標企業整體面貌的“地圖”。

理解文本最有效的方式之一即分析其主題。在文本集合中學習、識別和提取主題的過程被稱為主題建模。所有主題模型應基于相同的基本假設：

（1）每個文本包含多個主題;

（2）每個主題包含多個單詞。

主題建模的目標就是揭示主題中存在的潛在變量，因為正是它們塑造了文本的含義。

潛在語義分析（LSA）、概率潛在語義分析（pLSA）、潛在狄利克雷分布（LDA）等算法是常用的主題建模算法。通過主題建模，可以構建多個以詞匯為基本單元的主題，進一步歸納后就能得出有關該企業的數個關鍵詞，結合前述的詞云、共現詞、情感賦分就能找出關鍵文本，從而進行更精準的分析。

2.5 結合關鍵主題、關鍵文本進行綜合整體評價

前序流程由點到面、由面及里，構建出一個全方位、多層次的分析基礎，明確了關鍵主題和關鍵文本。最后，通過綜合分析得出目標企業的一系列結論。

通過仔細分析關鍵文章的主要內容，可以確認有關該企業的主要評價、優秀/較差管理經驗，從而對標自身找差距，獲得下一階段企業管理的有益啟示。

綜上，如此“關鍵主題—關鍵文章”的研究方式相比于傳統對標研究方法將更加高效，可以直接通過用戶自產生內容（User Generated Content）明確目標企業的要點。相比于完全理性化的研究方式（如計量方法等），該方法更具有主觀能動性。

3 案例應用

3.1 案例背景

A集團是整體上市的港口股份制企業，集裝箱吞吐量連續十一年保持世界第一，是全球唯一持續突破4000萬標準箱的港口。B集團是規模龐大的汽車工業上市股份制企業，旗下有眾多汽車品牌暢銷海內外。

本次分析的數據主要來源于主流媒體和社交網絡平臺中近五年（2016-2021）有關上述兩家企業的報道、評論文章、分析報告，共計文章87篇，總計113411個詞。

3.2 分析過程：詞云分析

圖2的詞云圖分別列出了A集團和B集團文本中出現最多的前40個關鍵詞。

由圖2可見，A集團除“集裝箱”、“貨運”等常規詞出現頻率較高，“自動化”、“國際化”、“發展”等詞匯同樣成為了高頻詞，可以推測A集團近年來正開拓新發展格局，在自動化、國際化領域的努力得到了社會的關注。B集團的詞云分析則表明市場銷售、智能汽車、新能源汽車成為核心詞匯。顯然，這兩家企業的核心關鍵詞側重點各有不同：核心業務方面，A集團側重于航運，B集團側重于銷售;發展趨勢方面，A集團注重自動化、國際化，而B集團則突出智能化。

3.3 分析過程：關鍵詞共現分析

圖3展示了兩家目標企業的文本中出現最多的關鍵詞對。由此可知，上一步歸納得出的關鍵詞經常與哪些詞匯一同出現。例如，在A集團的共現圖中，“自動化”與“港口”結成詞對，“長江”與“三角”結成詞對;在B集團的圖中，“智能”“智己”與“汽車”

結成詞對，“自動”與“駕駛”結成詞對。由此構建出更加清晰的關系網絡，即A集團的關鍵句有：自動化港口、服務長三角等等;B集團的關鍵句有：智能汽車、自動駕駛等等。

3.4 分析過程：情感賦分

由圖4可知，兩家目標企業在情感得分方面整體是積極的。結合具體文章可以發現：兩家企業的負面報道均和疫情緊密相關。其中，A集團的負面評論則是主要疫情期間港口吞吐量下滑有關，積極評論主要和無人港口、服務臨港自貿區有關;B集團的負面評論主要和銷量下滑、面臨新興企業沖擊等因素有關，積極評論主要和布局智能化、家用小型車等有關。

3.5 分析過程：主題建模

主題建模的結果則更鮮明、全面地反映了兩個集團報道的關注主題。

3.6 分析過程：綜合分析

結合詞頻分析、共現分析以及具體典型文本，可以分別得出A集團和B集團目前主要業務特征和發展方向：

A集團：布局集裝箱碼頭、散雜貨碼頭、港口物流、港口服務四大傳統業務板塊，其中集裝箱碼頭業務是企業最大的營收來源（2020年營收占比51%），也是外界較為關注的核心業務;立足自貿區臨港新片區、洋山綜合特殊保稅區，布局長江戰略、國際化戰略，對內輻射長三角和長江流域，對外開拓海外市場，特別是東北亞市場;大力推進智慧港口建設。打造全球最大的單體全自動化碼頭;自主研發國內首套全自主知識產權的自動化集裝箱碼頭智能操作系統“ITOS”;應用“F5G”技術，實現港口間的廣域互聯;基于全光工業網方案，實現港口內大型設備的精準高效控制;嘗試“港口+金融”創新融合戰略，構建長江港航區塊鏈綜合服務平臺，與螞蟻集團開展戰略合作，服務相關出口企業。

B集團：技術領先的硬件基礎優勢。B集團領跑國內電池、電驅、電控系統等核心技術，自研的燃料電池系統技術性能已可比肩全球領先水平;率先實現智能產品開發，智己汽車、R品牌汽車布局;前瞻創新的軟件能力優勢。通過建設完善軟件開發、大數據、人工智能、云計算、網絡安全等五大中心，已初步建立起數字化的軟件技術體系能力基礎，并在行業內率先開發數個數據平臺;開拓海外市場成效顯著。2020年，即便受到疫情沖擊，B集團海外完成銷量39萬輛，5年內增長接近兩倍;但與此同時，仍有信息表明B集團也面臨著較為嚴峻的挑戰。一方面，比亞迪和蔚來的異軍突起，讓B集團感受到了史無前例的壓力。另一方面，B集團投入巨資所構建的體系能力，短期還難以看到回報。B集團下屬的合資品牌在年銷量達到200萬臺之后，開始走下坡路，紅旗、吉利、長安的快速發展，更是直接沖擊了B集團在國內龍頭老大的位置。

經過對標分析后，對于B集團來說，有以下經驗值得借鑒：

（1）探索體系化、多元化發展戰略，豐富服務層次。通過“業務+金融/地產/……”等方式拓寬服務領域;

（2）迎合國家重大發展戰略，依靠臨港自貿區新片區，對外重點連結東北亞，對內輻射長三角;

（3）大力推進人工智能、大數據、云計算等新興技術。對于B集團這種以產品為主要服務內容的企業，人工智能不僅是其主要發展方向，更是其未來生存發展的關鍵。

4 結論

對標管理是一個較為成熟的研究領域。隨著互聯網和大數據的發展，結合對標管理進行理論深化和實踐應用都存在較大的空間。本文提出了“關鍵主題—關鍵文本”分析模式，通過制定合理的分析流程，以A集團和B集團為例，深入分析對標企業的發展重點和優勢，為企業提供未來的發展方向，并就戰略布局提供適當建議。研究證明，結合大數據進行對標管理將能進一步提升對標管理的理論和實踐研究能力，為企業確定目標提供了可行、可靠的分析模式。

參考文獻：

[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—），河南安陽人，副教授，博士，碩士生導師，研究方向：信息管理、質量管理，E-mail：shangshanshan@shisu.edu.cn。