成熟度指标（共3篇）
成熟度指标 篇1
摘要：科学技术和社会发展的深度融合,使得国家的可持续发展更加依赖于科技创新。如何评价一国发展创新的基础条件和努力程度,这催生了从能力、知识生产力、竞争力等多元视角对国家创新的解读。为了更好考察创新要素和环境形成,引入创新生态理论,借鉴其关于创新主体、要素与其外部环境共生演化的论述,提出一个自组织的国家创新生态理解框架:通过系统服务提供和驱动力变化的相互作用,最终实现创新生态成熟的系统目标;将这一目标进行分解,从环境、机构、资源、人才和市场等要素性条件的演化互动入手,建立评价指标体系,在具体指标中更注重描述创新的生长性以及对产业、社会生态的改造升级。评价理论和体系的形成有助于对各国创新生态成熟度进行测度,比较优势与不足,为战略性的政策思考提供实证依据。
关键词：创新生态,国家创新,共生演化,成熟度
1 国家创新评价研究评述
从20世纪中叶开始,技术创新对社会的变革作用不断加深,更多研究开始关注到创新给国家、社会层面带来的发展红利。在新的技术、经济、社会背景下,创新范式也经历了五代理念的发展,向复杂的系统网络模型演进。国家发展创新化和创新研究系统化的走向,使得对国家创新的认知评价在视角选取上更加多元、关联要素更加丰富,反映出的创新状况日趋真实,因而也能为政策制定、评估和调整给予更大的智力支持。我们根据切入视角的不同,将目前较有影响力的国家创新评价研究大致分为3类:
(1)综合能力视角的国家创新评价。1990年Suarez[1]提出“国家创新能力”概念,并主张用一国的专利水平对其进行评价。在创新系统化研究兴起后,能力视角评价开始从创新的要素作用和决定因素出发,通过采集各国在基础设施、投资、研发实力、政策引导、技术水平和劳动力素质等方面的经济统计数据,描述一国发展创新的基础条件和努力程度[2]。
Porter等学者[3]的“国家创新能力指数”(National Innovation Capacity Index,NICI)提出了国家创新的两大决定性因素:一是共享的创新基础设施,即充分利用资源支持创新的投资和政策环境,包括卓越的人才储备和基础研究、产业技术熟练程度、鼓励创新的法律制度和政策选择等。二是导向明确的产业创新集群,企业是创新的传播者和应用者,认为专业化投入、鼓励投资与竞争者分析、创新需求搜索和外部动力决定了从企业集聚向创新集群的质变。以上两方面之间的关联表现为不同机构之间的合作,如科研机构与企业的联合、风投对创新项目的资助等。关联的质量,决定了国家整体的创新能力,也直接影响到国家投入创新的动机和效率。
欧盟委员会发布的创新联盟记分牌(Innovation Union Scoreboard,IUS)通过为欧盟各国上一年的创新表现赋值综合创新指数,寻找欧盟整体与世界其它主要创新体在创新绩效上的优势或差距。在IUS的2014版报告中,测度以创新驱动(Enablers)、企业行为(Firm Activities)和创新输出(Outputs)三大一级指标为引领,共对人力资本、科研体系、资助支持、企业投资、合作创业、知识产权、创新企业和经济效应等8个维度的25个指标进行了采集分析。IUS的特点是对现实变化的灵敏反应,如删减政府创新资助指标,因其对接受机构的效应逐渐显现出不确定性,取而代之的是用户创新和中小企业创新等新兴指标测度。后续数据对比还说明,国家的综合创新指数往往与创新绩效增速呈负相关性分布。
(2)知识经济视角的国家创新评价。知识的生产、流动及其影响力的辐射是创新过程中的关键环节,以知识为基础的经济增长在20世纪90年代末出现并成为引领发展的新模式,也催生了一批从知识经济视角评价国家创新的研究。
经济合作与发展组织(OECD)利用年度发布的《科学、技术和产业展望》(STI Outlook)率先对知识经济进行了系统测度,涉及到知识投资、人力开发、学习能力和ICT产业等领域的具体指标,为成员国提供了度量产业结构和技术趋势变化的横向标准。经过数年发展,在最新的2014版中,STI Outlook加强了对创新政策国际化和国家创新面临挑战的关注,在不同部门的研发投入上也做了精细化的统计分析[4]。
欧盟理事会的“全球综合创新指数”(Global Summary Innovation Index,GSII)设定了创新驱动、知识创造、扩散、应用和知识产权等5个主要维度,使用12个具体指标对各国的创新绩效进行集群分层。创新驱动关注了高等教育毕业生和研究人员的作用,在最为重要的知识创造和产权维度中,GSII测度了用于研发的公共、商业部门支出和专利数量,并对具有相似绩效属性的国家进行集群分析和组别划分。
由英国Robert Huggins Associates推出的“世界知识竞争力指数”(World Knowledge Competitiveness Index,WKCI)是对国家创新区域知识经济发展的测度,总体上也能反映一国通过知识生产和转化构建竞争力的状况。WKCI以资本投入、知识生产、经济产出的过程为考量,较有特点的是对知识可持续的关注[5]:教育投入带来面向未来的高质量人才,发达的信息通讯技术是知识高效传播和转化的保证,从长远看它们是知识流动持续创造经济价值的关键。
(3)竞争力视角的国家创新评价。近年来,一些国际组织和研究机构推出的对国家竞争力的解读和评价,都把创新作为其重要的动态要素和实践路径,这集中体现为创新对经济发展方式的改变。在创新的长期塑造下,一国经济形态和产业结构升级,资源利用率和高附加值商品数大大增加,技术和知识集约型产业比重也将上升。由于外部视角的观察需要,竞争力评价中定性指标占比偏高,数据则主要来源于全球范围内的高管调查。
世界经济论坛的“全球竞争力指数”(Global Competitiveness Index,GCI)将竞争力定义为“一国制度、政策及决定生产力水平因素的组合”,并按来源归纳为要素驱动(体系制度、基础设施、宏观经济环境)、效率驱动(健康和初等教育、高等教育和培训、商品市场效率、劳动力市场效率、金融市场效率、科技准备度、市场规模)和创新驱动(企业成熟度、创新)。欧洲工商管理学院等推出的“全球创新指数”(Global Innovation Index,GII)超越了对创新投入和产出的狭义理解,体系、人力资本和研究、基础设施、市场和企业成熟度用以表示支持创新的因素,用知识技术产出和创造力来测度创新的经济效果。
综上,创新是多层面系统联合演化的过程,不仅仅涉及技术演进,也包括许多其他要素的变革,但是,目前多数对于国家创新的评价研究倾向于运用静态或比较的方法考察一国的技术创新经济绩效,强调获取创新知识、创新技术和经济增长这3个目标,把投入-产出式的前端投入、商业价值作为评判创新成败的标准。在这一评价体系下,整个国家创新体系被看作一个机械系统而不是具有生命力的、可演化的生态系统,这使得系统运行缺乏灵活性,往往会诱导决策者政绩考核的短期行为而忽视国家可持续创新能力的培养。近年来,对于国家创新系统演进转型的研究,特别是对于科技创新与社会系统互动以及与可持续发展关系的探究开始受到关注,正是基于这种转变,将国家创新能力的评价融入对保证其持续发展的创新生态环境进行综合考量成为可能。
2 国家创新生态的提出和理解框架
2.1 创新生态研究的引入
生态系统(Ecosystem)的概念来源于生态学,由英国生物学者Tansley在1935年首先提出,意指在特定地点,由生物和与其相关联的物理环境共同组成的社群或集合体。这些联系的集合形成了一个以物质循环、信息传递和能量流动为基础的生态网络,维持着各种群的动态平衡,同时在系统的组织、协调过程中建立起与自然环境的共生关系。
20世纪90年代,这一“共生演化(Co-evolution)”的思想在产业研究领域获得新生,用来描述商业活动参与者和其它利益相关者的互动关系。企业视角的创新生态系统吸纳了包括投资、生产、供应、消费、贸易在内的产业链构成组织,并辅以政府、工会、公共服务和标准制订等利益相关方的参与[6]。创新主体在整体利益确认的基础上形成共同体,也促成了共生环境的出现。共生环境是主体间要素条件(技术、资源与聚合式创新结构)创造流动、有机集聚的场所,借助动态变化的环境,这种主体与要素之间的多重互动能够循环往复[7],最终实现生态上的可持续发展。
在具体组织形态上,Iansiti等[8]认为核心参与者应在生态系统中起到支配作用,以整合上下游业务域的方式促成平台(Platform)战略的实现和发展。平台战略源于异质化的创新参与者形成的多边供需关系[9],通过对系统环境中离散资源的集成,更多提供补充型产品和服务的主体不断进入[10],使可供分享的资源、服务趋于多元,更好地实现价值创造和置换。系统主体间存在着既合作又竞争的关系,单个主体占据生态系统中的特定位置———生态位(Niche),利用其所处的资源分配、技术流向、政策供给等空间要素特征,优化自身内部属性(组织结构、运行机制、产出能力、目标对象等),以便在适宜自己的生态位上扩大生存空间和影响力[11]。无论是主体对生态位的选择,还是生态位自身的变化均具有联动性[12],而分属于不同创新群落的异质创新者彼此存在链式效应和反馈机制[13],某个节点的微观变化会触发其他关联创新者状态和数量的消长,最终影响整体。这种在创新主体与系统环境之间建立适应调控能力的自组织性,是创新生态系统的运行机理。
2.2 国家创新生态系统的理解框架
与强调能力、机制建构不同,生态式的创新管理需要遵循主体和要素演化的自然法则,尊重所有成员基于系统的共同利益,在稳定和变化的动态中维持种群进化和系统发展,因此,我们将系统的主体、要素的状态、性质和演化过程所产生的创新成果及维持其良好创新环境的性能称为生态系统的“服务”[14],以替代传统的创新“功能”评价。
在系统中,驱动力是变化发生的主要形式,它们会直接或间接地影响主体行为、系统服务乃至系统目标的达成。直接驱动力代表与创新活动联系最为密切的因素或过程变化,如科研基础设施状况、要素分配制度、技术应用和转移、教育和培训等,它们对生态系统发展有着指向性影响。间接驱动力包括自然环境、经济、政治社会、文化等宏观因素,它们泛化的特质决定了影响的模糊性,虽无法直接产生影响,但可以通过对一个或多个直接驱动力的影响发挥作用。
无论是系统服务的提供还是驱动力的影响,其最终目标都在于发展一个成熟度高的创新生态系统。这包含两个层面的意义:一是自组织性系统内的变化更加稳定,同时管理系统、预测变化的能力不断提高;二是这种稳定变化状态的可持续性,在面对外部干扰时具有应对系统风险和变异的弹性,能够承受并及时修复各种扰动[15]。具体到系统表现,我们从5个方面评价创新生态系统的成熟程度,即创新环境、创新机构、创新资源、创新人才和创新市场。进一步梳理系统服务、系统驱动力和最终目标之间的逻辑关系,我们提出了一个对国家创新生态系统的理解框架(如图1)[16]。
3 国家创新生态指标体系构建
3.1 指标设立原则
3.1.1 引领性和普适性相结合
广义的创新不仅是新技术新生产力的创造应用,还包括“推动现有生产模式改变”一切行为[17]。国家视野下评价创新,既要强调创新的国际引领力,聚焦前瞻性技术和重大科学成果的培育情况,确立比较标杆;又要理清创新和创业、治理结构优化、业态升级之间的关系,思考创新对于社会尤其是普通民众的现实意义,顺应新常态下社会对于国家创新战略的期待。两者的综合权衡还表现在总量和人均的关系处理上:总量指标反映了国家创新活动的体量和全球贡献度;人均指标更能反映实际的创新生产力和民众获得度。在以往研究中,单维度创新评价更倾向于总量考察,而综合的竞争力评价更关注人均水平数据。只有将两者结合起来,才能较全面地代表该指标反映的真实情况。
3.1.2 定量和定性相结合
国家创新生态评价是一个多层次、多目标的复杂议题,单纯的定量或定性指标无法涵盖全面评价的要求,需要统筹考虑。在了解每个创新维度的基础状况时,我们多选择定量指标刻画出大体轮廓;对于某一领域的深度解析,以及体现主体和要素动态演化的关联性问题,则借助转化方法引入一些必需的定性指标,再将其量化为数据值,构成相对平衡的体系以完成复合式测度。定性指标的甄选借鉴了成熟的国家创新评价中的数据和技术方法,保证了结果的权威性和客观性。
3.1.3 前瞻性和现实性相结合
创新生态评价首先是现时的系统式监测,评判现有的各种外部条件是否能为创新活动提供有效支持。为了使评价体系紧跟创新发展趋势,现状描述之外,评价也需要发挥一定的前瞻功能:对新涌现的创新组织形式及时回应,以及对原有评价因子的新变化适时调整。信息通信技术的创新贡献度不只体现在产业属性和工具属性上,其本身发展衍生出的新形态为传统产业机构的组织模式创新提供了范本;技术发展推动创新资源的换代更新,也催生着具体评价标准的改进,例如,在对网络连接速率要求更高的今天,宽带网络已上升为国家战略性基础设施,技术的成熟也让高速率低成本的梦想成为可能,因此用“连接速率”代替“网络接入率”能更真实地反映发达的信息网络对创新的意义。
3.1.4 动态性和静态性相结合
在创新生态的理论框架下,整个国家创新是一个动态演化的共同体,具有不同竞争优势的主体通过向其他参与者学习或参与产业重组后的异质协同[18],发展自身的核心能力,实现自我增值。这种互补基础上的协作关系能有效应对外部环境的变化,也能使创新资源得到更有效率的释放和应用。传统研究中,某项指标代表着一国在具体时间点上的创新选择和状态,体现静态特征;然而,通过生态系统固有的反馈功能,创新主体能根据实践效果不断校正、优化环境要素和自身,在长周期内保持创新发展的动态性和延续性。因此,新增加的动态型指标更加注重描述创新群落中新生者的成长、创新对于产业形态和社会生态的改变。
3.2 国家创新生态成熟度解析
3.2.1 共生共荣的创新环境
创新环境是创新主体和非主体要素赖以生存的外部空间,也可理解为与创新相关的自然、社会关系总和。创新环境包罗万象,按照产生影响的范围可分为以下4类:(1)生态环境位于整个圈层环境的最外端,是人类社会与自然界直接接触、相互作用的场所,通过科技的力量减少能源消耗、提高资源利用率,促进生态良好和人类健康,人与自然建立共生的和谐关系,这是创新社会价值的体现。(2)人文环境代表创新的第一主体———人的生存条件和综合素养,包括对公民的寿命、教育、收入、消费、文化等生活基础状况的描述,从一个侧面也显示出一国政府发展人的全面能力的努力。(3)创新政策是对科技、产业等不同领域政策在创新层面的整合[19],目的是鼓励创造与变化[20],提升整体竞争力;而政策环境的营造直接影响到创新者的积极性,决定其产生效用的关键在于政府自身的民主、法制和效率程度,以及如何平衡好经济整体绩效与单部门知识技术创新的关系。(4)风险环境是指政治局势、国防安全、经济形势、社会动荡、主权信用等可能引发损失因素的集合,风险环境养成是国家主权行为的结果,评价的则是国家决策层行使主权的能力和履行义务的意愿[21]。
3.2.2 协作互补的创新机构
创新机构测度的是各组织主体实践创新及其有机协同的情况,尤其是对多元化社会创新组织和融合型创新主体的关注。产业机构是创新活动的首要主体,对其创新测度包括高科技产业基于配套技术形成的创新模式,也包括传统产业融入创新价值链的尝试,考察研发投入和产出创新服务的情况。政府对于国家创新的意义在于导向性的引领作用和政策实际影响力,具体表现为支持创新者和消除创新阻碍,可通过对投入重大研究项目和出台创新优惠政策的观察进行评价。科研和高等教育机构是一国基础研究能力和原始创新力的发祥地,其资源条件和战略地位决定了在国家创新生态体系中不可忽视的作用。以智库、科技园区和各类创新孵化器为代表的服务机构通过资源整合和供需对接,帮助实现科技成果的快速转移、扩散。各式机构要在生态系统中形成创新合力,机构合作是必然趋势。合作包括机构之间的技术转让、委托研究、项目资助等通量往来,或是由核心企业互通需求、传播知识,激发全产业链的集群创新。政府出于经济统筹需要、主导的“类平台”模式也是重要的组织形式[22],行政力量的介入协调能够增强合作进入市场的有效性。
3.2.3 平台共享的创新资源
创新资源为创新提供经济、信息支持和基础设施平台,是创新生态环境中的现实要素基础,也是支撑主体创造性思维和工作、满足快速学习和培养创新能力的必要条件,共分为创新经费、知识基础、交通网络和信息网络等4个分维度。创新经费的测度分为两部分:一是用于支出的经费,包括统计创新支出(研发投入)在国家各项支出中的比重和人均使用情况;二是利用社会金融工具取得创新经费的便利程度。在复杂的创新网络中,知识基础呈现分布式(Distributed)的结构特点[23],知识生产以物化或中间投入品的形式在不同的创新主体之间发生,形成基于科学的解析型知识(显性为主)和基于工程的综合型知识(隐性为主)[24],它们为国家创新带来各自不同的影响。交通网络的发达和便捷度彰显着一国的国际地位和对外交往能力,航空具有快速、远距离运输及高效益等特点,不论国家大小,客运吞吐量能真实反映人员流动和机场繁忙的状况;国内公路的质量包括了等级公路的建造、维护和通达情况,代表了下辖各区域间一体化发展的水平。信息网络主要测度国家以信息通信(ICT)技术和互联网平台为工具,提升社会生产力和创新活力的尝试和效果:首先是政府自身的信息化建设,在线服务的普及将减少不必要的行政资源重叠浪费,也是简政放权、让利于民的先导;随着社会发展对基本、优质传输速度的要求,在对国家信息基础设施的投入方面,网络速率已取代接入率成为衡量标准;包括B2C模式在内的电子商务是信息技术和商业活动结合的产物,其对传统商业的变革已经超越了供应和交易,创新效应遍及物流、贸易、支付、金融等领域,反哺实体经济的作用巨大。
3.2.4 各尽其材的创新人才
在创新生态的语境下,所有从事技术创新、知识创新和管理创新的主体,只要其创造性活动促进了客体的发展,就可称之为创新人才。人才是创新最重要的内生动力,也为创新提供了社会意识基础。优化人才培育要按照创新规律,促进人才的多元评价、合理流动、优化配置,营造包容失败、勇于探索的社会文化氛围,也需要建立起更具吸引力的人才引入和激励制度。在人才维度中,我们首先对社会职业构成中研究人员、高技能就业者的比例进行统计,从中可看出一国人力资源的总貌和人才培育的智能转向趋势。对高等、职业、中等3个等级教育的评价采用了不同的介入视角,分别从入学率、比例构成和师生比的比较考察优质人力资源分布以及是否得到了合理配置。创新激情是个人或组织的创新氛围和文化,这种氛围促进了技术创新和个人创业,经过一定周期的积累后反过来影响主体行为,推动组织形态和管理实务创新,整个社会的创新创业成本降低,水平则不断提高。人才作为生产要素在全球范围内的自发流动在今天已不鲜见,它代表着各国相互依赖渗透的现状,流动是内部“推动型”因素(科研环境不佳、教育和就业机会匮乏等)和外部“拉动型”因素(更完善的工作和生活待遇、更好的社会经济条件等)共同作用的结果[25],发展中国家要想使人才在创新战略中发挥更大功效,须实现重视引进和鼓励输出的“内外循环”。
3.2.5 开放规范的创新市场
“开放”是指同时面向需求和供给双方,思考创新对企业行为的变革式影响和效果。与以往的“投入观”有别,“需求观”注重多部门协作下行业标准和规则制定、领先市场培育等工作,旨在促进市场吸收,推动来自需求侧的创新[26]。“规范”是在尊重市场精神的基础上,政府和社会为市场发展提供的制度性保障。发展中的企业都有着扩大业务、扩展用户、完善已有功能和挖掘潜能等需求,而实现这些需求的途径多大程度上依赖于技术和管理创新,决定了创新对于企业的价值和意义。无论是风险投资、技术吸收,还是“草根”创业,都是以创新实践企业目标的必由路径。我们测度服务业商标和制造业出口中的创新比例来观察创新企业市场绩效的达成,并使用顶级域名拥有率反映互联网对企业组织、营销模式的嵌入效应。创新作为有别于传统模式的国际竞争“新赛场”,需要“游戏规则”———市场机制的完善规范:适合的机制有助于市场发挥决定性作用,也能保障国家创新战略实施的实际效果;下属的4个指标分别测度一国市场对创新基本要义(公平、开放、自由)的体现,以及在市场监管、反垄断等领域运用政策工具进行调控的有效性。
3.3 指标体系设计
由于对创新生态成熟度的评价是一个多目标决策问题,且各组成因素之间存在关联度和隶属关系,因此我们选取层次分析法(AHP)对各层级评价要素进行量化比较和指标赋权。建立目标层(A)、准则层(B1-B5)、因子层(C1-C20)和指标层,共设计具体指标55个,由此构建出国家创新生态成熟度评价的层次结构(如表1)。
以下为层次分析法的具体操作步骤,由于篇幅所限,我们以目标层判断矩阵A为例,其余判断仅给出最后的权重结果。
(1)确定各层权重:将处于同一层次指标对于上一层中指标的重要性进行配对比较(如表2)。
(2)计算相对权重。解得最大特征根λmax=5.178 525,对应特征向量为(0.276 9,0.193 5,0.127 7,0.255 3,0.146 6),C.I.=0.044 631C.R.=0.039 849<0.1矩阵A具有较好的一致性,赋权有效。以此类推,可得评价指标的权重如表3所示。
4 结语和展望
生态视角下的国家创新是资本、技术、知识竞相涌流的综合成果,是国家层面的顶层思维和一体设计,在以往的能力研究范畴外,需要进一步考察国家主导下各创新主体及其之间交互联系、动态演化的情况。我们采用融合性的方法为国家创新生态系统研究破题:以创新生态系统理论为基础,借鉴生态学原理提出理解框架,明确并详尽刻画了创新生态成熟的具体目标,分解目标形成多层次的评价体系。
在下一步的研究中,我们将选择具体的时间节点,对代表性国家的创新生态发展成熟度进行实证测度,围绕着总体和分项表现,评析各国在创新生态发展方面的成就与不足,并就中国在国际中的地位、在创新生态建构方面的短板提出战略性政策思考。同时,对于系统互动机理的探索也有待于进一步深入:在包罗万象的系统中,如何强化具体对象的行为诉求与系统服务的匹配度;当系统出现运行不畅时,国家如何运用政策杠杆进行系统调适;如何对系统的创新效率进行体系化的动态评价,并对系统的未来发展作出前瞻性预测。这些也都是未来国家创新生态研究的题中之义。
成熟度指标 篇2
成熟度是一个程度概念, 是用于描述事物发展到接近完善的程度, 它能够合理的把握住事物从低级到高级再到消亡的过程发展规律。John Schlichter在其“PMI'sOrganizationalproject Management Maturity Model”中将成熟度定义为:“成熟度意味着一个正在完全发展的过程阶段。成熟度意味着对为什么可以成熟, 以及避免常规问题的理解和可见性。”管理成熟度就是指企业的整体管理水平达到接近稳定完善的程度, 反映了一个企业在某一发展阶段所具有的能够按照既定目标, 利用现有条件有效果、有效率地完成任务的能力。
数据加工企业管理成熟度评价指标体系是由一系列影响数据加工企业管理成熟度的因素和指标构成, 是衡量其管理水平的准则标尺。即首先识别出影响数据加工企业管理水平的因素, 然后再进一步将这些因素分解为简单的、易识别的、易判断的基本单元, 并在这些复杂的因素关系中找出其内在的本质联系, 从而抓住关键的影响因素或基本单元, 最终根据这一系列既相互联系又能敏感反映数据加工企业管理状况及存在问题的要素和指标, 构建一套科学、合理、客观、实用的评价指标体系。
二、指标体系构建的原则
(一) 科学性原则
评价指标的选取以及指标体系的构建必须在科学规范的前提下进行, 如各评价要素的内涵要科学、确切, 有明确的计算范围和方法, 不能含糊其词;指标体系不是多个指标的简单组合, 各指标应该能够全面反映数据加工企业的整体管理水平, 体现出其全面性和合理性;必须在广泛征求专家意见的前提下构建指标体系, 增加其客观性;以先进的科学理论做指导, 运用成熟的评价方法和模型构建一个能对客观对象进行抽象描述的评价指标体系。
(二) 可操作性原则
评价指标体系应该是既简易又复杂的, 太过简单, 会使指标体系不能全面反映评价对象的内涵, 评价结果不准确;太过复杂就会引起误解, 会使评价工作难于开展, 同样影响评价结果。所以在设立评价指标体系时, 应尽量选用那些易于获取数据资料或指标易量化, 并且最具代表性的因素作为评价因子, 从而能在确保评价结果准确性的前提下, 增加指标体系评价的可操作性。
(三) 系统性原则
系统性要求各评价指标要按照一定的结构形式分布, 从而能够形成一个完整系统的评价指标体系。即评价指标体系是由许多不同类型的指标构成的系统结构, 而且这些指标不能相互合并, 要按照指标的主从隶属关系进行归类划分。
(四) 定性分析与定量分析相结合原则
为了对数据加工企业管理水平进行综合评价, 必须对指标进行规范化处理, 把定性指标进行定量化处理, 将其转化为可测量的指标, 如对定性指标进行评分处理等。
三、评价指标体系的构建
(一) 初级指标体系的提出
以企业管理的内容和数据加工服务工作流程为出发点, 建立了数据加工企业管理成熟度评价指标体系, 共分为三个层次:目标层、准则层、指标层。
目标层:表示目的是评价数据加工企业的管理成熟度水平。
准则层:主要是对影响数据加工企业的管理水平的关键要素的识别和分析, 文中确定了11个二级指标要素, 包括:投标及合同管理、人员管理、风险管理、质量管理、信息及技术管理、成本管理、客户关系管理、沟通与协调管理、营销管理、文本文档管理、成果管理。
指标层:对准则层的11个要素指标进行再描述, 共分为42个指标。具体如下:
(二) 指标体系的筛选
1. 问卷设计与调查
本问卷主要由导语、问卷说明和问题构成。问卷设计的目的是对影响数据加工企业的管理成熟度水平的要素和指标做进一步的调查, 并最终确定关键要素。问题作答采用李科特的5级量表评标法, 从1-5表示各评价因素的重要程度:1———“不重要”, 2———“比较不重要”, 3———“重要程度一般”, 4———“比较重要”, 5———“非常重要”。
本文问卷调查研究选择了北京书海方舟数据处理公司、北京欣瑞通科贸有限责任公司、点通数据有限公司、汉王科技股份有限公司、华拓数码科技有限公司五家数据加工服务企业。对各企业的技术、操作、人力等部门的相关人员及部分高层以电子邮件的方式发放了100份问卷, 回复84份, 其中有效问卷72份, 回收率为72%。不回复的大多是由于不重视这类问卷调研或没时间。
2. 数据统计及信度检验
这一部分的问卷包括对准则层和指标层各因素或指标的重要程度进行评判, 所以需要对这两部分的数据分别进行信度检验。本文采用最常用的信度测量方法—克朗巴哈系数 (Cronbach'sa) 法对问卷数据进行信度检验。克朗巴哈系数为:
其中k, 表示表中题项的总数, σi2表示第i题得分的题内方差, σT2表示全部题项总得分的方差。α的值通常是在0和1之间取值, 当α低于0.6时, 则认为数据的内部一致性缺乏信度;当α介于0.7-0.8之间时, 则表示数据具有较大的可信度;当α介于0.8-0.9时, 说明数据的可信度很高, 当α在0.9以上时, 则数据检验的信度极高。
由以上统计计算结果及公式可以计算出准则层要素重要程度量表的信度系数为:
0.81介于0.8-0.9之间, 表明本文经过统计得出的数据信度很高, 采用同样的方法得出指标层各指标的统计数据的α为0.76>0.7, 也具有较高的信度, 所以这两部分的数据都可以作为问题研究的依据。
3. 统计结果及其分析
问卷采用的是五级量表法进行调查, 可以利用简单的定量分析法对数据进行统计分析, 如百分比法、算术平均值法、标准差、方差等。如重要程度标度平均分为2表示不重要, 平均分为3表示一般重要, 平均分为4表示很重要, 所以在确定数据加工企业管理成熟度评价指标体系时, 可以直接删除平均分在3分以下的指标, 3.5分以上的指标可作为评价的指标要素。
准则层指标重要程度统计结果分析:在调查的11个准则层指标中, 除了文本文档管理 (3.38分) , 其他十个要素的重要程度标度平均分均在4分以上, 所以可以保留这十个评价要素。其中人员管理、质量管理、信息及技术管理、沟通与协调管理、成果管理这五个要素的重要程度标度平均分都在4.5分以上, 且它们得到“非常重要”的票数均超过60%, 表明它们都是非常重要的评价要素。因而, 通过以上分析得到准则层的关键指标要素包括:合同管理、人员管理、风险管理、质量管理、信息及技术管理、成本管理、客户关系管理、沟通与协调管理、营销管理、成果管理。
经过准则层指标筛选后, 指标层指标还剩40个, 再次筛选后剩余33个指标是很重要的, 它们的重要程度标度平均分均超过3.5分, 所以有必要予以保留。其中筛除的指标有:合同变更速率、员工绩效评估合理性、风险评估水平、风险处理速度、计算机更新速度、客户信息管理系统性、数据管理的系统性。
四、结语
对数据加工企业管理成熟度进行评价, 有利于企业更准确的了解管理的现状, 找出管理中的不足, 从而能针对问题根源进行及时的管理改进活动, 以提高整体管理水平。此外, 该评价指标体系不仅可以用作企业进行自身管理成熟度的评价, 也可以为国家数据加工企业管理成熟度等级认证评价体系提供一个依据, 企业通过体系认证就可以与行业内的其他企业进行水平比较, 以便发现自身的差距。
参考文献
[1]John Schlichter.The Project Management Institute's Organi-zational project Management Maturity Model (OPM3) [J].Building Capabilities for Century21, 2003 (11)
[2]赵平, 郑利娜.施工质量管理绩效评估体系构建的研究[J].建筑管理现代化, 2009 (6)
[3]石书玲.ERP绩效测评指标体系构建及方法分析[J].科技管理研究, 2007 (9)
成熟度指标 篇3
笔者通过对企业设备管理多年的研究, 参照各种成熟度模型的建模技术, 结合工业企业设备管理的自身特点, 构建出一套设备管理成熟度评价模型。该模型的评价指标系统分三层, 第一层为成熟度指数, 第二层为评价成熟度指数的四个维度, 第三层为组成各个维度的评价指标, 一共有23个评价指标。其中规定:指标集U={U1, U2, U3, U4}, U1=领导层, U2=专业技能, U3=文化制度, U4=技术基础;U1={U11, U12, …, U16}, U2={U21, U22, …, U26}, U3={U31, U32, …, U37}, U4={U41, U42, …, U44}, 层次结构见图1。
1 权重系数确定
下面以常用的AHP (层次分析法) 进行各层次评价指标权重系数的配置。
层次分析法具有定性分析与定量分析相结合处理各种决策因素的特点。经过几十年的研究与发展, AHP已经成为各行业各领域的决策者广泛使用的一种多准则方法。
1.1 建立比例标度
根据各定性指标的相对重要程度, 首先运用模糊数学理论, 建立如表1比例标度。
1.2 构造判断矩阵
邀请设备管理行业内的多位专家按照比例标度的规定, 分别对每一个维度下的评价指标进行两两重要性比较, 建立各个维度的判断矩阵。其中规定:arij=air/ajr, 表示第r位专家对第i个指标与第j个指标重要程度的比值判断, m代表专家的个数, 要求m≥5;
通过多位专家综合评定, 得到各个维度的判断矩阵如下:
1.3 计算最大特征根和特征向量本文采用方根法进行计算。
(1) 计算矩阵每一行元素的乘积然后开n次方:
(2) 将向量W軘=[W軘1, W軘2, …, W軘n]T进行归一化处理:
则W=[W1, W2, …, Wn]T即为所求的特征向量和权重系数。
(3) 计算最大特征根:
其中, (AW) i为判断矩阵A与特征向量W乘积的第i个分量。
1.4 计算一致性指标CI和一致性指标比值CR
判断矩阵是凭专家个人经验和能力建立起来的, 难免存在误差。为了使判断结果具有良好的一致性, 需要对各个判断矩阵进行一致性检验:CI= (λmax-n) / (n-1) 。
一般情况下, CI燮0.1就认为判断矩阵具有良好的一致性, 所做出的判断是可以接受的, 否则需要重新调整判断矩阵中的元素比值, 直到满足一致性检验。随着n的增大判断难度就会增加, 因此判断一致性时应该考虑到n的影响, 使用随机一致性比值CR=CI/RI, 其中RI为平均随机一致性指标, 要求n叟3, CR燮0.1 (当n=2时, 用CI判断一致性即可) 。
1.5 四个维度的权重系数计算
在计算完底层指标的单排序权重系数后, 需要计算上一层指标的单排序权重系数。在本文构建的指标体系中, 上一层也就是四个维度指标。需要对这四个维度指标按照1.2至1.4的方法和步骤进行运算, 结果如下:
1.6 综合权重系数计算
由于四个维度指标的上层只有一个最高层指标, 并且最高层指标权重系数为1, 所以四个维度指标的单排序权重系数即是综合权重系数, 只需计算uij层指标的综合权重系数。
其中规定:W′uij为指标uij的综合权重指数, Wukuij为指标uij对应于上一层指标uk的单排序权重系数, W′uk为指标uk的综合权重系数, 当uij与uk没有联系时, 两者对应的权重系数乘积为零, 即Wukuij*W′uk=0, 综合权重系数求解公式如下:
所有指标的综合权重系数计算结果见表2。
1.7 综合排序的一致性检验
类似于单排序, 为了评价系统综合排序结果的一致性, 也需要对综合排序进行一致性检验。其中规定:CI为综合排序的一致性指标, CIk为与上层指标综合权重系数W′uk对应的下层判断矩阵的一致性指标;RI为综合排序的随机一致性指标, RIk为与上层指标综合权重系数W′uk对应的下层判断矩阵的随机一致性指标;CR为综合排序的随机一致性比例, 当CR≤0.1时, uk层综合排序的计算结果具有令人满意的一致性, 否则需要重新调整uk层的判断矩阵。
因为前面计算的所有CIk均为0, 所以本层次综合排序CR=0, 结果完全符合一致性要求。至此, 完成了所有各级指标的权重系数配置和一致性检验。
2 结论
通过运用AHP层次分析法, 将设备管理成熟度模型的各级评价指标进行层次结构化处理, 结合指标间重要程度的模糊两两比较, 形成量化的判断矩阵, 然后通过一系列条理化的运算过程, 最后得到设备管理成熟度各评价指标比较客观科学的权重系数配置。整个过程所需要的量化数据较少, 但对评价体系众多的评价指标及其内在的关系分析得比较透彻, 得到的权重系数配置具有较大的可信度。
参考文献
[1]吴国芳, 赵家黎, 覃武剑.基于PEMM的设备管理成熟度模型构建[J].中小企业管理与科技, 2014 (08) .
[2]高艳, 吴宇军.创新型企业知识管理成熟度模型研究[J].中国科技论坛, 2012 (04) .