集團數據指標管理研究與實踐

摘"要：數據指標管理通過有效收集、分析數據，并展示觀測到的數據趨勢，幫助集團更好地優化企業運營，實現數據驅動業務的目標。本次課題圍繞六大核心業務域，梳理指標管理的范圍，確定指標源頭和識別指標；通過專業平臺工具將多源異構的數據抽取到數據分析平臺，進行指標的定義、建模、固化和分析，從而建立指標體系對指標進行統一管理，對指標進行分析應用，并可視化的展示指標。數據指標管理提高了集團對數據的管理、分析和利用能力，有助于更好地改進績效和應對市場變化。同時，集團需要組織專業人員定期監測和更新指標，以確保整個指標體系的有效性和準確性。

關鍵詞：數據趨勢；數據分析；指標體系

Abstract：Data"indicator"management"enables"the"group"to"better"optimize"enterprise"operations"and"achieve"datadriven"business"goals"by"effectively"collecting，analyzing"data，and"displaying"observed"data"trends.This"project"focuses"on"the"six"core"business"domains，sorts"out"the"scope"of"indicator"management，determines"the"source"of"indicators，and"identifies"indicators；Extract"multisource"heterogeneous"data"to"the"data"analysis"platform"through"professional"platform"tools，define，model，solidify，and"analyze"indicators，establish"an"indicator"system"for"unified"management，analyze"and"apply"indicators，and"visually"display"indicators.Data"indicator"management"has"improved"the"group's"ability"to"manage，analyze，and"utilize"data，helping"to"better"improve"performance"and"respond"to"market"changes.At"the"same"time，the"group"needs"to"organize"professional"personnel"to"regularly"monitor"and"update"indicators"to"ensure"the"effectiveness"and"accuracy"of"the"entire"indicator"system.

Keywords：Data"trends;Data"analysis;Indicator"system

數據指標體系是現代企業管理中至關重要的概念之一，它扮演著引導決策、評估績效和實現戰略目標的關鍵角色。在數字經濟時代的背景下，數據已成為衡量集團運營工作的核心元素，而數據指標體系則是將這些海量信息轉化為可操作的見解和洞察力的關鍵工具［1］。

集團面臨著前所未有的數據產生和交互，這些數據來自各個業務領域。面對如此龐大和多樣化的信息，本課題旨在研究如何建立清晰而有力的數據指標體系，以及如何將其應用于各種領域，以更好地理解、分析和利用這些數據來支持戰略決策和業務增長。

大數據能力對集團至關重要。大數據能力保證集團組織能力、激活數據的價值屬性，有利于融合、優化和完善大數據與業務流程。在當前信息發達的環境下，市場數據和企業內部數據在不斷產生，數據的動態性、復雜性使企業面臨更大的挑戰。大數據分析可以幫助集團識別市場趨勢、洞察商機，優化業務流程，用數據支持決策、預測未來的發展趨勢，從而不斷提高集團創新能力和競爭力。

1"數據指標管理現狀

集團在傳統的績效考核指標管理方面取得了顯著的成績，但在數據指標管理方面仍然面臨一些挑戰。通過對集團不同部門和下屬子公司進行調研，總結得出以下關于集團數據指標管理現狀的一些發現。

1.1"指標統計存在重復和缺項

重復的指標可能導致不清晰的所有權和責任，不知道由哪個部門負責監測和改進特定指標。同樣，不同部門會使用不同的指標名稱來度量相同的績效指標，導致混淆和不一致性。例如，項目管理部的現金凈流入指標和財務部對整個項目管理部的考核指標，存在重復管理且容易混淆［2］。

同時，個別部門的關鍵業務的績效存在沒有相應的指標來量化和評估的現象。例如，合同管理方面，缺乏對不良合同的實時跟蹤指標，缺乏與風險管理相關的指標可能導致企業無法及時識別潛在的風險和威脅。

1.2"指標計算口徑不一致

數據指標的計算依賴于不同的數據源，如果不同數據源之間存在差異，就會導致計算口徑的不一致，即使指標的定義相同，不同部門可能使用不同的計算方法［3］。例如，計算利潤增長率的方式在財務部門和銷售部門之間存在不同，導致結果不一致。口徑不一致是一個復雜的問題，但通過制定明確的標準和采取適當的管理措施，可以確保數據指標的準確性和可比性。

1.3"大數據賦能深度不夠

集團已經運用大數據技術開展了主數據管理和數據資產管理在內的一系列數據治理工作，但是在指標管理方面還處于探索階段。實時的數據處理和分析能力是開展數據指標管理的前提，也對集團現有的技術基礎設施和資源提出了挑戰。數據指標管理往往需要高效的數據分析工具來支持數據的收集、處理、分析和可視化，并支持自動化的數據處理和報告生成過程，以減少手動工作的需求，提高分析效率［4］。

2"集團數據指標管理實踐

本課題確保數據被有效地用于支持決策、監控績效和實現戰略目標，利用專業工具的數據分析功能探索數據，識別趨勢、模式和關鍵見解，并創建儀表板、圖表和報告，呈現出指標體系的視覺化圖表。

2.1"識別指標

對指標進行識別，主要目的就是識別出哪些是基礎指標，哪些是合成指標。基礎指標是不能再進行拆分的指標，也是各類指標的基礎。合成指標是通過將一個或多個基礎指標進行計算、組合或加工而創建的指標。合成指標通常用于匯總和展示更高級別的信息，并且不同基礎指標之間有不同的篩選條件［5］。本次課題按照業務主題劃分，制定的指標體系如下表所示。

2.2"數據準備

數據準備是將集團現有各個業務系統，包括核心業務系統和外部數據補錄系統等這些系統中的數據，通過數據整合進行一些ETL處理，將數據抽取到基礎指標數據庫中，然后在專業的數據分析平臺上從基礎指標數據庫中抽取數據［6］。

出于數據安全考慮，一般不直接通過源業務系統來建立指標，而是將數據源和指標管理分離開來，確保新的指標管理體系不會直接訪問或修改源業務系統中的敏感數據。

數據分析平臺可以從關系型數據庫、分布式數據庫、文本文件等各種數據源取數，不僅支持主流的關系型數據庫，如Oracle、Mysql、SQL"Server、DB2、GBase、PetaBase、Essbase、Sybase等，還支持平面文件，如Excel、TXT、CSV等。另外，還支持API接口，數據源架構圖如圖1所示。

2.3"數據分析平臺建設

平臺融合了數據源適配、ETL數據處理、數據建模、數據分析、數據填報、工作流、門戶等功能。支持對通過拖拉拽的操作方式，快捷地搭建出符合自身需求的表單，實現對源數據的采集［7］。

平臺支持對數據進行指標的創建，集指標定義、指標建模、指標數據落地等功能于一體。平臺通過不同方式的主題表創建方式，并設置主題之間的關聯關系以實現數據建模，還為業務人員提供自助式數據分析能力，提供炫酷的數據可視化設計功能，全方位滿足用戶的數據應用場景。客戶端支持PC端、手機、Pad，支持各種瀏覽器顯示，如IE、Chrome、Firefox、UNO、360安全瀏覽器等。數據分析平臺總體架構圖如圖2所示。

2.4"構建數據指標體系

2.4.1"指標定義

指標是說明總體綜合數量特征的概念。

不同的指標可以來源于不同的（異構）數據源，平臺采用拖拽式的方式定義合成指標，可滿足各類指標定義場景。例如，財務主題下的凈資產收益率指標，可以通過從原有財務系統的關系型數據庫中抓取資產凈利率和權益乘數這兩個基礎指標，通過合成指標設計和定義實現。

復合指標的定義就是根據基礎指標創建一個復雜指標的方式衍生出新指標。指標定義支持拖拽或者雙擊將其他的指標選擇到編輯區，添加運算符設置整個指標的定義公式。公式支持設置成分段，也可以對整個公式的維度進行選擇過濾，還可以單個指標的維度進行設置，然后點擊試計算查看公式的計算結果，驗證公式的正確性［8］。

2.4.2"指標建模

指標建模的具體流程為：首先將業務劃分成不同業務域，然后為各個業務域劃分建設對應的數據域；在某個業務域下，分析其業務過程；針對業務過程產生的數據指標需求進行分析總結，即分析出原子指標需求和維度需求，針對上一步的分析結果進行表結構建模。

指標建模開始時，需要明確定義要建模的指標主題。本次課題按照六大業務域，分別建立對應的指標主題，例如財務主題。

在指標主題內，選擇與業務問題相關的維度（如項目指揮部成立時間、項目位置、物資類別等）和需要的監測績效，手動建模或按指標所屬主題建模，將多個基礎指標合并成主題表以利于分析應用。同時，基于所選的維度和指標，計算或匯總數據以創建所需的指標。創建指標支持各種數學、統計或業務規則的組件的拖拉拽應用［9］。

2.4.3"指標固化

物資主題下的物資總量統計指標，通過將各個部門公認的按照物資所屬專業維度組織在一起，為業務人員提供一致性的數據視圖，這有助于確保不同部門和團隊在數據解釋和使用方面達成共識。指標主題的固化還有助于創建儀表板、報告和可視化圖表，以直觀地呈現數據［10］。

用戶還可將指標數據固化到主題中，支持全量固化、增量固化兩種方式，除此之外，用戶可以自定義執行周期，基于數據回滾和并行計算機制，保證數據的完整和高性能。

2.4.4"指標應用

平臺可面向業務人員，進行猜想式、探索式的指標挖掘分析應用。平臺具有快速定義、高交互、操作簡單等特點，內置豐富的統計圖表，并具有強大的組件庫，以滿足各類指標分析挖掘需求。

在平臺的智能分析界面，按照維度指標，通過拖拽維表和指標生成數據表格，支持拖拽出嵌套浮動、交叉浮動以及并列維等；提供計數、最大值、最小值、平均值、同比、環比、排名、比重等統計方法；支持指標卡、雷達圖、矩形熱力圖、極坐標圖、氣泡圖、熱力圖、流向圖、平行坐標圖、閾值圖等多維分析功能。數據指標應用圖如圖3所示。

3"實踐效果

此次課題通過梳理并跟蹤業務域相關的核心指標，根據指標主題的要求，建立數據模型，借助數據分析工具的智能分析和計算功能，匯總并自動生成可視化的報表。其實踐效果具體體現在以下幾個方面：

3.1"對指標進行集中管理

將分散在不同系統的各類指標進行集中管理，用統一的標準進行約束，可以清晰展現集團業務指標及各指標的統計方法、數據來源、統計口徑等信息，整個指標體系一覽在目。集中管理數據指標還可以減少數據重復采集和處理的工作，消除了因數據不一致而引起的混淆和誤解［11］。同時，集中管理數據指標使數據更容易訪問，管理層和業務人員可以在一個集中的平臺上查找所需的指標，而不必瀏覽多個數據源或報表。

3.2"使指標問題易于追溯

統一的指標口徑讓原來各個系統相互之間名稱相同，數據計算方式不同的指標，或者名稱不同，但是計算方式相同的指標統一起來，避免錯亂。大多數指標都要經過多重計算和復雜的加工過程，在數據分析平臺上的系統化操作，不僅方便查看指標定義，還可以根據某個指標在數據鏈條上的上下游位置，快速定位到指標的責任部門［12］。

3.3"促進指標數據可視化

指標數據的可視化提供了一種更有效的溝通方式，無論是業務人員之間內部溝通，還是與高層管理者與運營現狀之間的互動。采用拖拽組件式設計表單，使操作簡單快捷，所見即所得，表單預覽樣式即發布樣式。隨時查看指標數據，了解指標趨勢，提供可視化的方式自由查看指標，并可多種維度對指標進行分析［13］。同時，指標數據的可視化提供了對數據的高級概述，允許人員迅速識別數據中的趨勢、模式和異常，有助于及時采取行動，特別是對于在市場價格波動、物料采購場景下的快速反應的業務決策。

結語

數據指標管理工作涉及多個方面，包括數據收集、整合、存儲、分析、報告和維護等，這對于建立數據驅動的集團文化、支持決策制定和實現戰略目標至關重要。梳理和識別現有業務指標最為關鍵，借助專業的數據分析平臺工具可以整合多個數據來源，對指標數據進行深入分析后，創建可視化儀表板和圖表可以用于實時監測業務指標。基于本次課題研究成果，大數據賦能業務更加深入，數據指標管理將繼續發揮關鍵作用，幫助集團適應快速變化的市場和業務環境。

參考文獻：

［1］蔡江.企業集團業績評價指標體系構建與實施［J］.全國流通經濟，2023（16）：4548.

［2］溫博.電力市場條件下電力企業經濟效益評價的指標體系研究［J］.商訊，2023（14）：109112.

［3］徐天橋，馬義淵，馬勁.電力公司一體化信息系統的架構設計［J］.中國信息化，2023（08）：6162+68.

［4］劉一君，方昊波.基于AMOS數據分析對檔案館用戶滿意度指標的綜合測評［J］.檔案與建設，2023（05）：7576.

［5］孫新波，孫浩博.制造業企業數據賦能評價指標體系構建［J］.科技管理研究，2023，43（02）：4856.

［6］吳繼英，張一凡，熊書明.基于SHEL模型的企業大數據安全評價指標體系構建［J］.科技管理研究，2021，41（17）：144151.

［7］侯本忠，白雪嬌，劉甜甜，等.大數據視角下企業經濟責任審計畫像指標構建研究［J］.會計之友，2021（23）：102106.

［8］鄭銀巧，施燦濤.基于OSM模型和金字塔原理構建鋼鐵企業數據驅動指標體系研究［J］.冶金經濟與管理，2022（03）：3841.

［9］惠恭健，曾磊.智能時代的數據素養：模型構建、指標體系與培養路徑——基于國內外模型的比較分析［J］.遠程教育雜志，2021，39（04）：5261.

［10］徐緒堪，薛夢瑤.面向大數據管理與應用專業的數據素養能力評價指標體系構建［J］.情報理論與實踐，2021，44（09）：5056.

［11］辛華.數據指標標準化的實施要點及應用實踐［J］.當代石油石化，2021，29（12）：3943.

［12］梁永忠.基于指標體系的隧道圍巖智能分級方法研究［J］.鐵道建筑技術，2021（12）：2225+75.

［13］黃辰，肖東.大數據與人工智能背景下中小型企業績效評價指標體系構建［J］.現代商業，2021（29）：5052.

基金項目：中國鐵建股份有限公司科技研發計劃項目（2021C46）

作者簡介：詹秀峰（1978—"），女，內蒙古烏蘭察布人，碩士，高級工程師，主要從事鐵路通信信息工程設計、科技研發工作；邵曉威（1992—"），男，湖北襄陽人，碩士，中級工程師，主要從事計算機應用、科技研發工作；榮正官（1987—"），男，河北保定人，學士，高級工程師，主要從事鐵路通信信息工程專業技術管理、科技研發、項目管理等工作；王繼軍（1971—"），男，河南宜陽人，本科，正高級工程師，主要從事鐵路專業科研工作。