大数据时代的企业决策

大数据时代的企业决策（共10篇）

大数据时代的企业决策 篇1

随着云计算技术的快速普及, 加之物联网、移动互联网数据技术的不断革新, 人类进入了大数据时代, 人们的工作、生活和思维方式都随之而发生变化。大数据的数据集远远超出了目前典型数据库管理系统获取、存储、管理和分析的能力, 不管是对于政府、企业还是个人来说, 大数据时代所带来的技术挑战, 需要人们去关注、去重视、去研究。大数据的出现改变了企业决策环境, 提升了企业的决策科学化水平, 对企业的传统决策方式产生巨大影响。

一、大数据时代企业管理决策的变革

发现问题进行逻辑分析, 进而根据因果关系做出决策进行问题处理, 这是企业传统的管理决策模式, 是一种逆向思维的管理决策模式。在大数据时代背景下, 企业在发展的过程中, 拥有着大量的数据资源, 可以采用数据收集、量化分析, 找出问题关键点提出决策, 进而提出解决问题方案的管理决策模式, 属于一种正向思维方式。

现代企业管理当中, 基于大数据时代背景, 管理者更多的愿意以数据说话、用数据证明。这是一种思维逻辑上的转变, 粗放的管理向科学化细致的决策变革, 其中数据有着重要的作用。数据是未来竞争优势的基础, 将是重要的资源, 云计算、移动互联网、社交网络和大数据正快速发展, 这样的技术进展将改变企业运营的方方面面。在大数据时代背景下, 企业的管理决策会发生绝对的变革, 如何做出决策, 有谁来参与到决策当中, 这些都是需要重新考量的问题。在客观数据支撑下, 企业可以避免冲动性决策, 避免“一言堂”等问题, 用现实数据所表现的情况做出决策。

企业管理决策的发展, 在大数据时代背景下, 最大的变就是需要基于数据平台来进行量化分析。当前在企业管理学领域, 已经出现了很多的流派, 但是却拥有着量化决定管理和决策的共同理念。数据作为基础, 企业的管理者可以将公司的所有业务进行量化, 进而提升决策的质量以及改善业绩的情况。

企业决策者的思维模式, 从原本的经验谈, 变成了先看数据、分析数据, 然后强化数据的作用, 改善数据的结果, 避免了直觉做出决策的草率结果。庞大的数据库, 就是企业做出管理决策的平台, 缜密的分析促进决策的更合理化。与传统的数据分析不同, 大数据时代的数据库资源更加丰富、数据信息更新更快、种类多样、计算迅速。纵观当前一些国际知名企业, 谷歌、亚马逊和阿里巴巴等等, 其庞大的数据库, 影响着其管理决策的效率。精准的管理和量化, 是促进企业快速稳定发展的根本因素。

二、数据对企业管理决策的影响

在大数据时代数据快速的更新, 可以确保通过分析数据实时进行管理决策, 进而提升决策的效率, 缩短了企业需要做出管理决策的时间。而在创新至上的时代, 显然快速的决策也有助于企业快速的占领市场, 快速发展。在大数据时代, 企业传统的关系型数据库已不复存在, 无法满足非结构化数据分析的要求, 影响到了管理决策的效率提升。所以现在很多互联网型企业都开始不断进行非结构化数据构建, 引进开源工具。

(一) 大数据使管理决策的主体趋于大众化

传统企业常用的营销决策是核心竞争力和定位理论, 这二者的侧重点不同, 后者更侧重于产品和股户的需求, 前者更侧重于客户的长期价值, 这些管理层决策的根据无非就是结构化的数据。随着大数据被广泛的应用到各个领域, 社会化结构的改变使数据已经不是相对静止的了, 信息传递的速度非常快, 数据不断更新使新的数据时刻都能创造。社会大众和企业管理者已经成为了信息和利益的共同体, 知识和信息的交流与共享不再是难点, 共同决定着一个企业的生存和发展。原来的作为结构依据变成了结构化、非结构化和半结构化相结合的大数据, 经过大数据的技术手段, 变成对企业决策有重要作用的信息, 为企业的决策服务。

(二) 大数据下决策参与者的影响

决策的参与者对决策的结果有决定性的意义, 始终是决策过程中的重要角色, 即使在大数据时代同样如此。以往的决策方式存在着很大的狭隘性, 都是依赖于企业管理者的经验甚至是直觉来判断。而在大数据时代下, 精准的数据分析成为主流, 决策的方式也随之改变, 也改变了决策的参与者。大数据时代, 企业的管理者在决策时更多依靠的是数据信息, 企业的领导者、决策的参与者通过完整全面的数据信息精确反映存在的问题, 提出和发现解决问题的方法。在这个过程中, 能够提供给企业重要信息的企业领导、普通员工和社会大众都属于这个决策过程的重要参与者。这些参与者相互交流相当于是整个服务链的合作, 能够从各自不同的角度发现问题, 使企业的战略决策有了更好的指导和方向。

(三) 大数据对管理决策组织的影响

1. 大数据下的企业管理决策组织。

企业决策参与者角色在大数据下发生了改变, 必然会影响企业决策组织结构和决策文化, 集中决策、分散决策的选择和决策权分配问题是企业决策组织结构重要的两项因素。从集中决策和分散决策角度看, 在不可预知的环境下分散式决策更为有效, 有利于形成集中分层的决策结构。在动态变化环境下, 分散决策结构可能更加重要。从决策权分配来看, 没有将决策权限分配给合适的角色是企业决策效率低下的原因之一。理论上员工掌握和控制的信息量越多决策权应越大, 则组织的各项指标越好, 知识与权力的匹配程度越高。大数据时代, 扁平化组织结构的趋势将更明显, 普通员工也拥有了决策权利, 决策权分配应顺应这种变化。

2. 大数据下的企业管理决策文化。

大数据时代不是“我们想的是什么, 而是我们知道些什么”, 大数据对企业管理决策文化的影响巨大。企业用大数据进行重大决策时, 首先进行数据收集、分析, 再进行决策, 要转变思维模式, 提高企业员工利用大数据进行决策的执行力。企业管理者要真正用数据来驱动决策, 推翻直觉判断, 将是企业管理决策文化的最大变革。其次, 提高大数据下全员参与决策的能力和水平, 建立学习型企业文化, 是大数据下基于数据进行决策的企业文化和制度的客观要求。

三、构建企业管理大时代背景下的决策路径

社会化决策的思维逻辑模式, 需要将数据转化为知识, 而后再转变成行动, 这正是当下企业管理决策需要的发展路径。大数据时代, 企业需要通过大数据反馈的信息, 来做出合理、科学的决策。构建企业管理大时代背景下的决策路径, 除了要遵循根本的规律, 深入的挖掘、分析和转化应用数据之外, 还要确保数据的伦理性和安全性。行为决策学、管理决策学都需要遵循大数据时代的发展需求, 企业管理决策的发展也是一样。首先, 要结合企业自身的发展规模和管理现状, 打造“大数据”体系。“大”数据需要企业重新架构企业自身的基础设备, 扩充数据来源, 能够更快速准确的对数据进行量化分析。如果企业无法进行革新, 则可以采取数据中心运营服务外包的方式, 来获得更多的数据支持。

其次, 要客观对待大数据的作用和对企业管理决策的影响。除了要迎合数据的反馈信息外, 企业管理决策还需要丰富的经验, 结合对准确市场的判断。如果无法确保数据的真实性和有效性, 则企业还需要借助更多的智慧, 避免数据决策的偏差产生, 最终导致决策的错误出现。

四、结语

大数据环境下为企业管理决策创新提供了新的思路和途径, 企业管理决策产生了变革, 从传统的分析问题、管理决策模式创新成了以数据为基础的正向思维管理模式。大数据的研究和应用才刚刚起步, 只有认识到大数据对企业管理决策的影响, 抓住这一趋势, 才能改善企业在大数据环境下的数据资源利用能力, 发现大数据中蕴含的知识, 进而提高企业管理决策能力和效率。大数据将为企业提供更多提高竞争力的机会, 使企业在激烈的市场竞争中取得优势。

摘要：大数据时代的到来对企业的运营和管理决策构成了巨大冲击。在大数据时代背景下, 数据成为企业生存和发展的基石, 企业的决策树发生变化, 大数据是继云计算技术发展后的又一项技术创新。其收集、存储和分析处理数据的能力非常强大, 对企业的管理决策带来了不小的影响。

关键词：企业管理,大数据,决策,发展

参考文献

[1]李菲.大数据时代带来的“数据财富”[J].浙江经济, 2013 (10) .

[2]苏萌.大数据时代的商业变革[J].信息与电脑, 2012 (11) .

大数据时代的企业决策 篇2

【关键词】大数据；现代企业；管理决策；影响内容

大数据指的是多样化、高速性、海量的信息资产，它具有强大的数据获取、分析、存储功能。如果企业在管理决策中能够合理的利用大数据，利用专业化的手段处理内部信息，将会大幅度的提高工作效率，对管理和决策产生非常大的影响。因此，需要深入分析大数据对企业管理决策造成的影响，方便企业制定更加合理的发展对策。

一、大数据的特点分析

（一）多样化

随着社会的多元化发展，不同的工作和生活领域需要的数据内容多种多样，这是大数据的主要特征之一。大数据的多样性可以分为两个方面，即结构化数据和非结构化数据。结构化数据指的是按照特定的模式对数据进行收集、交易和处理数，非结构化数据则是人与人、人与机器发生联系后产生的技术性数据。

（二）高速性

大数据时代下，所有信息处理过程都被大幅度的缩短，信息收集和处理的效率不断提高。多种类型的信息传感器被应用到了各行各业，人们只需按照特定的要求将信息存放到一定的软件或者技术中，就能够在一瞬间完成信息处理的过程。高速性是大数据的显著特点之一，它是企业高速发展的标志。

（三）海量化

存储空间的不断扩大，使得大数据能够将多种信息汇集，并能够按照类别和性质对信息进行分类。一般来说，大数据的小的存储单位为TB，大的存储单位为PB，这一存储模式已经广泛应用到了商业领域，尤其是在超市和大型商场。海量化的特点，能够使多种类型、性质的数据融合在一起，信息的交易和处理过程变得十分简单。

二、大数据对现代企业管理决策的影响

（一）对管理决策组织的影响

企业缺少竞争力的根本原因是没有合理分配决策权，导致员工积极性不高，管理决策制度的执行力度严重不足。从理论上讲，企业基层员工掌握的信息最多，且具有一定的处理信息的能力，企业应该给予他们一定的决策权，实现信息的有效收集和处理。员工掌握决策权后，能够根据实际情况协调信息内容的匹配度，促进企业管理决策制度的落实。在信息技术的影响下，企业内部已经形成了一种“扁平化”的管理决策组织模式，员工与管理层各自管理着一定的信息储备，这种形势下，应该尽快的更新决策分配。另外，大数据下，企业的决策方式发生了变化，不再是单纯的集中分层式决策方式，而是需要根据环境的变化选择分散决策还是集中决策。

（二）对管理决策参与者的影响

大数据下，企业能够通过精准的数据分析来判断员工或管理层的知识水平和决策能力，不再单纯的依靠经验和直觉，这有利于正确分配管理决策职能，推动工作效率的不断提高。员工或者管理层只需提供自己的基本信息，大数据就能够对其进行分析和判断，职能划分过程十分简单，且效率极高。同时，大数据时代下企业需要增设一定的岗位，如数据分析师，他的主要工作内容是利用各种数据分析手段，按照一定的要求，完成企业分配的任务，实现信息的有效传递。目前大多数企业还没有设置专门的数据分析师，这就对大数据的应用产生了不利影响。总而言之，对于企业来说，大数据不仅能够促进管理和决策模式的转变，对内部岗位的设置和任务分配也有着一定的影响作用。

（三）对管理决策数据的影响

海量化、高速性是大数据的主要特点，在这种环境下，企业在决策管理之前接收到的数据含量将会十分丰富，这能够提高决策管理的整体质量，对企业的可持续发展产生推动作用。但是，信息的高效集中也容易产生信息泄露、流失的情况，因此，企业应该加强对数据的存储和处理，保证数据的安全性和完整性。大数据下要求企业丰富自身的知识体系，挖掘隐藏的信息，获得更多的数据内容，加强对知识的管理。同时，由于数据的种类和结构多种多样，呈现出的形式也千差万别，企业应该在管理数据的过程中，做好筛选、整理、集中的工作，总结数据呈现的规律，提高管理的质量。另外，為了更加有效地利用大数据进行管理和决策，企业应该深入发掘自身内涵，实现发展模式的创新，获得核心竞争力，实现更高质量的发展。

（四）对管理决策环境的影响

大数据的发展速度非常快，其存储单位已经从TB、PB，发展为了EB、ZB，和传统的存储模式相比容量进一步扩大。据统计，目前全球与互联网相连的终端设备已经超过了160亿台，且每年的增幅超过了45%，这就意味着数据量正在高速的增长，大数据时代已经走到了成熟时期。企业要想获得市场竞争力，需要对市场数据进行收集和分析，以此来判断企业发展的重点和不足，从而评估发展中的风险因素，实现发展方案的更新。目前大多数企业的内部数据收集也是依靠大数据，尤其是在财务管理上，有效收集数据是至关重要的，而大数据能够及时反映财务信息的实际情况，有利于提高整体的管理和决策水平。管理决策体系与大数据的结合，能够及时反映商业信息和机遇，实现更加科学的决策，营造良好的企业发展氛围。

三、结束语

目前，大多数企业还没有充分发挥大数据的作用，其管理决策观念还相对落后。从市场经济和科学技术的发展现状来看，企业应该转变自身观念，增设一定的数据分析岗位，充分挖掘自身存在的价值，促进管理决策体系的有效运行，为企业的可持续发展提供数据支持，从而在激烈的市场竞争中获得发展动力。

参考文献

大数据时代的企业决策 篇3

一、大数据、云会计对企业固定资产投资决策的影响

(一) 大数据时代基于云会计的企业固定资产投资决策效率得以提升

现代社会经济增长越来越快, 企业也得以快速发展。且随着现代社会经济市场的越来越复杂化, 企业固定资产投资决策的影响因素也越来越多且随着企业的发展, 企业的固定资产投资规模越来越大, 企业固定资产投资决策更加需要慎重考虑, 科学分析。大数据时代及云会计发展成熟之前, 企业固定资产投资决策前期的信息收集整理工作工作量较大, 其不仅增加了企业固定资产投资决策工作人员的工作负担, 且企业固定资产投资决策工作效率还较低, 其对于企业的发展十分不利。企业固定资产投资决策需要收集企业的准确财务信息及业务信息, 企业的财务管理与业务管理一般都归属于不同的部门, 财务信息与业务信息之间衔接不紧密, 企业固定资产投资决策时其工作人员需要分别到企业财务管理部门及业务管理部门收集其固定资产投资决策需要的相关信息, 且企业的财务信息与业务信息数据量极大, 其数据信息统计记录的方式也不相同, 因此企业固定资产投资决策人员需要耗费大量的精力与时间去进行企业固定资产投资决策信息数据的收集工作。现代社会计算机信息技术已经发现成熟, 其强大的信息传播能力及数据处理能力对于企业固定资产投资决策相关信息及数据的收集工作十分有利, 其不仅提高了企业固定资产投资决策信息收集工作的效率, 其还增加了其收集数据信息的准确性。现代大数据时代下基于云会计的企业可以利用计算机网络技术将企业的财务管理与业务管理联系起来, 其不仅利于企业财务管理工作与业务管理工作之间的协调及合作, 其还能大大降低企业固定资产投资决策信息数据采集的工作量。大数据时代下基于云会计的企业固定资产投资决策弥补了传统企业固定资产投资决策模式中工作量大、工作周期长等缺点, 其大大提升了企业固定资产投资决策工作的效率。

(二) 大数据时代基于云会计的企业固定资产投资决策工作的质量得以提升, 企业的投资成本得以控制

传统的企业固定资产投资决策工作主要依靠工作人员采集整理其所需的数据信息, 而企业固定资产投资的决策也主要是依靠工作人员收集整理的数据信息及其自身的工作经验与主观判断。在传统的企业固定资产投资决策中影响固定资产投资决策可行性的因素有很多。首先在数据收集阶段, 其需要的数据量极大, 而企业的数据信息又较为分散, 工作人员收集的数据信息一定会有误差甚至错误, 其收集得到的数据信息的误差较大, 其对于企业固定资产投资决策的后续工作影响很大, 也严重影响了企业固定资产投资决策的科学性。其次在数据信息分析整理过程中, 其也是依靠工作人员进行的, 其需要工作人员根据其储备的相关知识及工作经验处理分析数据, 在此过程中也可能产生工作误差, 若其数据处理方式错误, 则会直接导致企业固定资产投资决策错误, 从而给企业带来不了估量的损失。大数据时代下基于云会计的企业固定资产投资决策工作采用计算机网络收集整理信息及处理数据, 其弥补了传统企业固定资产投资决策工作中由于人力工作而出现失误的问题, 其大大提高了企业固定资产投资决策工作中其数据信息的准确性。固定资产投资具有资金提现难度大的缺点, 因此企业固定资产投资的风险更大, 一旦企业固定资产投资失败, 企业可能会面临巨大的财务风险, 因此企业的固定资产投资决策更应该控制其投资风险, 提高企业投资决策的科学性。大数据时代下基于云会计的固定资产投资决策工作中投资风险的分析与控制不仅仅只是局限于企业自身的财务及业务状况, 其能够综合企业自身的环境及国内市场与国际市场的环境对企业投资风险进行更加科学的分析, 从而优化企业固定资产投资方案, 控制企业投资成本, 提升企业固定资产投资决策工作质量, 促进企业的发展。

二、大数据、云会计在企业固定资产投资决策中的应用

(一) 大数据、云会计使投资决策更科学

从企业内部来看, 基于云会计平台获取的固定资产投资决策相关大数据, 针对生产设备的扩建与改良企业能够准确、快速地获取该项目在以前经营过程中的产品生产数量、产品市场占有量、现金流量等财务信息, 以及与投资项目有关的部门业务和人事关系、仓库储存量等非财务数据。分析比较投资决策的影响范围以及在后期经营中带来的利益与风险, 从企业内部的经营情况和现金流量考虑投资决策的可行性。而对于生产设备的新建, 则需要企业充分了解市场的发展趋势, 新建生产设备所需的资金筹备、企业的负债比重、现金流量、偿债能力等财务数据, 判断这一投资决策是否符合企业长久的发展战略。基于云会计平台避免了企业内部数据的分散和信息的不对称性, 企业将无障碍地整合所有子公司和部门的财务和非财务数据, 这样更有利于决策的科学性和完整性, 进而提高决策的准确率。

从企业外部来看, 企业基于云会计平台通过与电子商务系统的接口, 获取市场的公允价值、定价、顾客、数量等外部数据。分析消费者对于相关产品的选购情况, 以及商品价位对销量的影响程度和产品的替代商品数据。消费者的偏好将决定产品的市场占有量以及日后的销售群体, 可以通过云会计平台获取消费者的购买喜好, 畅销地区、畅销时间段等数据, 为生产设备的新建、扩建与改良提供有用的决策价值。通过对收集到的数据进行分析, 评价该投资项目的产品在市场中的占有量是否已饱和, 产品价格的变动范围是否存在, 产品与可替代商品的价格差异是否有利等, 这些企业外部数据对于固定资产投资决策至关重要。了解周围市场情况、投资项目相关产品的信息以及消费者数据、政府的经济政策、环境的相容度等数据, 企业才能作出合理有效的投资决策。

(二) 大数据、云会计使投资决策风险更可控

投资决策的风险主要由于缺乏信息和决策者不能控制投资项目的未来变化等原因造成, 所以任何投资决策都存在着或大或小的决策风险。固定资产的新建、扩建与改良是固定资产投资的主要形式, 由于其投资变现能力最差, 所以投资风险也相对最大。然而一旦投资风险带来的损失超过企业的承受能力, 企业只能停止经营, 宣告破产。基于云会计平台, 决策者可以通过数据分析而得到可靠的信息, 对可能存在的风险原因和后果进行细致的分析、估算, 利用大数据的信息资源不断调整战略目标和投资方向, 从而将决策风险导致的损失减少到最小。在固定资产投资决策中, 由于决策者追求利益最大化等主观因素以及市场环境和生产设备技术要求等客观因素都不可避免地使投资决策面临诸多风险。从主观因素来看, 企业投资决策者的目标是单一、绝对的, 利益最大化是企业投资的最终目标。但是, 企业往往由于过分追求利益最大化而忽略了企业的长远发展战略、地方环境要求以及企业自身的财务状况等因素, 投资项目在运行中的资金变化和投资期变动等都将给企业带来巨大的投资风险。从客观因素来看, 在经济全球化下, 市场需求和消费者偏好始终处于不断的变化中, 货币政策和通货膨胀直接决定着消费者的购买力。采取可行的办法使企业的投资风险减少到最小程度是企业在投资决策中面临的最大挑战。

三、结语

大数据时代下基于云会计的企业固定资产投资决策对于企业的发展十分有利, 企业应该适应社会的发展, 积极利用大数据时代及云会计给企业带来的优势, 以促进企业更好更快的发展。

摘要：云会计以其高效率、低成本、易更新维护、易与外部信息系统协同、能够为大数据时代下的投资决策提供支撑等方面的优势受到企业的普遍关注。大数据时代下基于云会计的企业固定资产投资决策更加科学化。大数据及云会计应用于企业固定资产投资决策中能够控制企业投资的风险, 提升企业固定资产投资决策工作的效率及质量, 其对于企业的发展十分有利。本文针对于企业固定资产投资决策的影响因素及大数据、云会计在企业固定资产投资决策中的应用进行探究, 以促进企业更好的发展。

关键词：大数据,云会计,企业,固定资产,投资决策

参考文献

[1]张俊远, 王瑞芳.地方政府竞争、土地财政与固定资产投资决策[J].生产力研究, 2013 (5) .

小数据企业的大数据时代 篇4

大数据时代并非“忽如一夜春风来”，其理念在信息时代以前就有成功应用，只不过随着技术手段的不断成熟，现在实现起来更加容易。事实上，美国职业篮球联赛（以下简称NBA）从1980年代起使用的数据管理技术就是大数据的雏形，经过近30年的积累和完善，为我们提供了成熟的大数据管理经验，非常值得借鉴。也许有人会质疑，NBA一共只有30支球队，每支球队每年才打82场常规赛，其蕴含的数据甚至比不上谷歌一分钟的搜索量，NBA真的有大数据吗？归本溯源，还是要从大数据的概念入手。按照畅销书《大数据时代》对大数据的诠释，这个“大”并非必须是太字节（240字节）的数据，“大”取的是相对意义而不是绝对意义。

笔者尝试将此书中对大数据的概念总结为一个前提、三大特点和一个目标：

前提：一切都是数据。

特点一：向抽样说不。

特点二：向完美主义说不。

特点三：向因果关系说不。

目标：替人脑做不擅长的工作。

下面将以NBA的数据管理经验为例，对其进行诠释。

相信没有人会否认，将事件转化为数据是大数据管理的前提。NBA比赛是球员和球的运动，如果不转换成为数据就只是录像资料，靠人工反复回看提取资料效率很低，必须对比赛进行拆解、定义、记录，将其转换为数据才能进行处理分析。

拆解：将运动员的动作进行层层分解，变成尽可能小的单元，如将运动员场上行为先分为进攻、防守，再将进攻分为有球进攻和无球跑动，再将有球进攻分为运球、投篮，再将投篮分为上篮、中投、远投。拆解类似于巴巴拉 · 明托在“金字塔原理”中提出的MECE（即Mutually Exclusive Collectively Exhaustive），中文意思是“互斥，完全穷尽”，“相互独立”意味着问题的细分是在同一维度上并有明确区分、不可重叠，“完全穷尽” 则意味着全面、周密。

定义：每一项拆解后的动作均有相对准确的定义，明确内涵和外延。如篮板球就是投篮不中后抢到并且控制住球的行为，碰到球但是未能控制住或者直接碰出界的球不算有效篮板。定义准确可以确保拆解出来的元素具有明确的含义。

记录：将拆解后且有准确定义的行为编码为数据储存起来。NBA记录了球员在比赛中的上场时间、得分、篮板、抢断、盖帽、失误等一系列基础数据，并且放在公开的数据库里，可供任何人随时查询，这也是NBA进行决策的依据。现在的存储成本几乎已经低到了可以忽略的程度，随便一块硬盘都是以TB为计量单位，更不要说日趋成熟的云技术。编码过程相对复杂，以往NBA使用人工进行记录，每场比赛都会有若干工作人员全神贯注地记录每一个细节，而现在使用了SportVU系统，这个系统将最先进的导弹追踪技术引入NBA，通过在球场架设的多台摄像机全面收集数据，用电脑自动将比赛过程的每个细节转化为数据存储，节约了大量的人力成本。

有了拆解、定义、记录的方法，可以将绝大多数企业中的绝大多数事件和行为转化成为数据，也就有了实施大数据管理的基础。其中，拆解和定义环节只需要熟悉本行业的流程就很容易实现，科学管理的先驱泰罗在20世纪初就将工人搬运等动作成功转化为数据。最大的难题还是出在记录环节，靠人工记录一组搬运的数据不难，但是仅凭人工记录所有搬运数据显然是天方夜谭。我们必须承认，即使是现在的科技也不可能记录编码所有行为，但在技术的帮助下可以做得更好。例如可以完善现有的IT系统，使系统可以记录更多信息。以餐饮行业为例，基本每个餐厅都有点菜系统，通常只具备简单的计算功能，可以进行技术升级以记录更多信息，例如可以增加数据存储字段记录顾客点菜时间和结账时间；可以通过与会员卡绑定记录顾客消费行为和消费习惯；可以分解记录每位服务员的服务业绩；可以记录菜品投诉和退菜情况事实上只要多花些功夫，仅仅投入不大的成本就可以在现有技术条件下收集到更多的数据，对于无法完整转化的事件和动作，可以选择暂时搁置或者等待技术完备时再进行记录（可以预计，动作识别和语音识别的低成本化指日可待）。

特点一：向抽样说不

——但求广度的非抽样整体数据采集技术

所谓抽样就是全体中抽取一部分样本，其基本要求是要保证所抽取的样本对全体具有充分的代表性，即要确保样本有和全体一样的特性。在计量成本很大，技术达不到的情况下，抽样是无奈之举，但如果能够低成本高效率的统计全体数据，抽样就是画蛇添足。而且由于抽样技术本身的制约及随机性因素，抽样很容易出现以偏概全的问题。在迈克尔 · 刘易斯的《点球成金》（Money Ball）中，传统的棒球球探通过观察球员在部分场次比赛是否有诸如本垒打之类精彩发挥来评估球员，以往的NBA选秀（从大学、高中或海外选拔新球员）也依靠球探的主观印象，这就是典型的通过抽样来评估球员的手段。体育运动的特点决定了，个人状态很大程度影响一场或者几场的发挥，如果球探看到的比赛正好是某位球员手感爆发或者手感冰凉，那么就难免会出现偏见。

企业中的管理者评估人员、事件都会不知不觉地用到抽样的方法，其中也存在了大量的偏见。比如近因效应使员工年末表现影响其年度考核，比如某个很小的突发事件影响到全局的决策，这些不自觉的抽样导致了偏见的产生，甚至形成管理上的“迷信行为”。

因此，这就需要在收集数据的层面尽可能完备，追求数据广度，在技术上能实现、成本可控制的前提下，将尽可能多的数据记录下来，至于这些庞杂的数据是否真的“有用”不要由人脑来判断，而要交给计算机来分析，很可能最不起眼的信息反而与结果的相关性最大。

nlc202309022100

例如消费科学教授迈克尔 · 韦德尔研究发现，之前有些人总认为产品上的图片越大越好（一些抽样问卷调查容易形成这样的偏见），但通过眼球跟踪技术，则发现由于人脑对图像处理的能力很强，因此图片尺寸的作用并不大。

大到跨国公司，小到街旁小铺都可以在不抽样的前提下记录整体数据。大企业的例子比比皆是，就不再赘述。以小便利店为例，原来只能通过抽样调查统计客流量，而安装一个摄像头就可以通过软件统计所有客流；原本需要做客户调查才能了解会员偏好，现在只要通过会员卡号中记录的消费记录就能掌握客户信息。管理者应该清查一下自己手中的数据，哪些是抽样获得的不靠谱数据，是时候将这些数据替换为整体数据了。

特点二：向完美主义说不

——兼收并蓄、不求精确的模糊数据管理技术国内一直流行将一些概念无条件的放大，比如所谓“细节决定成败”就荼毒了相当多的管理者，一味追求每个细节都无比精确。殊不知，细节是个双刃剑，盲目追求精确势必造成成本（财务、时间、管理）飙升。

大数据管理要求数据尽可能多，而不太在乎是不是每个数据都精确，甚至乐于从错误的信息中获取价值。

NBA的数据管理从未也不可能做到精确，在高速运动下即使是计算机也很难确保不出错。比如，两个本方球员同时伸手将球碰出界，记录这个失误数据到底算到哪个球员身上，势必存在误差。如果一定要闹个明白，必然耗费大量时间和精力，得不偿失。而且NBA很多数据都依赖于裁判，比如犯规数，裁判依靠眼睛判断如此高强度高对抗的比赛，犯错误的概率非常高，数据必然不准。但在大数据的概念下，这些误差放在某个运动员一年甚至整个职业生涯中反而不会对数据分析结果有任何影响。

企业应用大数据管理，一定要在可以容忍的范围内允许瑕疵的存在，避免因噎废食。举个虚拟的案例，一家银行要记录客户办理业务平均等候时间，通过计算客户拿号时间和办理业务时间得到。这个银行的管理者开始思考，如果有个别客户拿错了号怎么处理；如果有个别客户拿了很多号会不会虚增了办理业务时间；如果叫号机和系统时间不同步怎么办。相信如果这位管理者一直纠结于这些细节问题，总在完善统计过程，那么永远也不会得到数据。只要不是系统问题，个别小的误差，在大数据量的前提下，对于决策的影响是微乎其微的。战胜完美主义的心魔，容忍不那么完美的数据才能够用好大数据。

特点三：向因果关系说不

——忽视因果、重视关联的数据分析技术

从认知的角度讲，人类非常喜欢因果关系，为了解释错综复杂的外界环境，必须建立高效简洁的知识体系。因为看见乌云密布狂风大作，出门就一定要带好雨具，否则就会被雨淋；如果触碰电源就会被电击。人们通过传承掌握因果知识体系，省去尝试而造成的风险和成本。因此，总结因果规律是人类得以传承繁衍的本能。但是，随着科学的发展和社会复杂程度升高，这种因果关系受到了越来越多的挑战，量子物理的“测不准原理”等研究使我们不得不重新认识这个世界；经济领域突然出现的股市崩盘和经济危机几乎很难被预测，只有事后诸葛亮式的说法层出不穷；人们的行为更是难以预测，所谓经济学的“理性人”假设只会出现在学术论文中；企业管理更是如此，只要实施诸如六西格玛之类的管理项目就必然导致绩效提升的因果关系根本不可能实现，只是一些CEO忽悠投资者的法宝和咨询公司欺骗企业的灵丹妙药。

在哲学界和科学界，卡尔波普尔打破了对以往绝对真理（其实就是有因必有果的决定论）的普遍至信，承认随机的重要性，主张试错和证伪。但是，大范围的试错成本太高，无法替代低成本的因果关系带来的便捷，所以在信息科技成熟以前，因果关系始终在决策中起到主导作用。飞速发展的大容量存储和云计算技术终于可以从因果关系的垄断中分得一杯羹了。

在因果关系时代，NBA评估球员的标准是跑得快、跳得高、投得准等等，一般的因果关系假设，这方面出众的球员就能在比赛中表现出色。而通过数据分析，NBA有了很多新的评估手段，打破了这种因果关系。比如有一项数据反映球员在场上时双方得分对比、球员不在场上时双方得分对比。某球员个人能力超强，在场上得分如探囊取物，但上述数据却显示他在场上时对方得分更多；反之，有的球员跑得不快、跳得不高、投得不准，但只要他在场上，全队得分比对方高，这显然不符合因果关系的逻辑，甚至要想分析原因进行倒推都几乎是不可能的，因为原因也许非常复杂：有可能是他和队友私下关系不好，导致士气受损；有可能是他防守能力差，使对位的对方球员得分变得容易；有可能是他和某个队友位置重叠，无法充分发挥甚至可能是不同因素叠加而成。教练在决定球员上场时间时，根本没有时间考虑这么多的因果关系，只需要根据数据分析的结果，让能够使球队得分更高的球员多上场就可以了。

取代一部分因果关系的工具就是不同数据之间的相关关系，数据告诉我们个别球员上场时间和球队得分之间存在关联，也许数据还会告诉我们，球员身高体重比和球员三分命中率相关，球员英俊程度和抢篮板的能力成反比（后面仅是假设）。

通过大数据找到意想不到的关联有三个必要条件。

首先，不要在分析或者收集数据过程中有任何偏见或者假设，避免在收据收集过程中就带有偏见，只收集部分感兴趣的数据。

其次，使用计算机对各组数据进行交互相关性分析，这里涉及统计学和计算机知识，不过可能只要招聘一个计算机专业的研究生就能胜任。也许有人会问，这么多组数据，相互做相关性分析，排列组合的数量也很大，是不是会花很多时间。其实并非如此，现在计算机的处理速度足以完成这些运算，即使数据量大，也可以使用云计算提高效率。

相关性有一个特例就是加入时间轴，分析数据变化趋势。NBA将球员和球队每场比赛的数据记录以后自然形成了一系列数据，通过对一段时期中比赛的数据分析，就很容易看出球员各种表现的发展趋势。分析变化趋势的目的是预测和辅助决策。某个球员如果近期表现大幅提升，球队就会考虑增加其上场时间，让他发挥更大的作用。如果某个球员三分球命中率持续上升，球队就可能专门为这个球员布置三分球战术。而球员单场的灵光一现，往往不会促使球队做出类似的决策。

nlc202309022100

将时间加入到相关性分析中也很容易应用，毕竟时间这个信息是最容易记录的。还以餐饮行业为例，将每天不同菜品的数据进行记录，就形成月度、季度、年度数据，可以判断每个菜品在不同季节的销量；菜品是否存在明显的淡旺季；某些菜品是否已经不再流行等等。从而在原材料、营销策略等方面做出调整。

再次，找到相关性后不刻意解释为什么会出现这样的相关，避免再度陷入因果关系的魔咒中。

目标：替人脑做不擅长的工作

——自然而然地使用相关性预测未来

有了相关性分析的结果，做决策并不是一件太难的事，因为计算机已经做了90%的工作。

以NBA为例，无论是球员转会、教练布置战术、临场指挥甚至商业决策全都依靠这些数据，投资者、球队、教练、球员、媒体、球迷都可以从数据中取得自己需要的内容。假如一个球队主力控球后卫受伤需要一名新的控球后卫，那么用什么指标来选择呢？控球后卫是场上的灵魂，主要负责运球和组织全队进攻，可以理解为给全队输送炮弹的人，评价控球后卫是否能够带动整个球队就非常重要，通过数据分析控球后卫得分、篮板球等指标与成功带动全队进攻相关性不强。而助攻（球传出后队友可以直接得分）/失误比才是真正关键的数据，也就是为队友制造机会的成功率。使用这一指标作为选择控球后卫的KPI就避免了某些后卫盲目传有风险的球，一味提高助攻数量刷数据。2012年美国体坛风云人物林书豪在爆发期间一直被专家诟病的一点就是失误太多，所谓成也萧何，败也萧何。2012-2013赛季截至2月3日，林书豪的助攻失误比仅为2.0，也就是说每送出两个助攻就要伴随一次失误，而顶级后卫保罗的数据，助攻失误比为4.6，超出林书豪一倍，显然更为出色。

在《点球成金》一书中，使用数据作为选人基础的奥克兰运动家队，用最小的投入换取最大的收益，打败了依靠经验选人的很多财大气粗的传统强队。如今，包括NBA的美国职业体育界已经将数据作为决策最重要的依据，球员打完比赛第一件事是看比赛的技术统计，教练依靠数据决定战术和球员上场时间，球队依靠数据交易球员，联盟依靠数据安排比赛日程，比如重大节日往往会上演收视率高的强队对决。

数据是决策的辅助工具，但是绝不可能完全替代人类智慧。纵使NBA的数据管理如此完善，做出最终决策的还是一个个活生生的人而不是冷冰冰的计算机，因为数据不会设计出有创造力的战术配合，不能进行临场指挥，更不会提升球队士气。企业管理也是如此，数据作用再大也只能是管理者的助手。

数据能预测大多数表现，但是人类不能成为数据的奴隶，从哲学角度讲，再大、再完美的数据也只是更加完善的归纳法而已，对于随机出现的黑天鹅事件无能为力。有了大数据，并不代表解放了人类的大脑，大数据是人类走向完美决策路上的一个工具，合理分配人脑和数据在决策中的比例尤为重要，既不能完全依靠所谓以经验和认知为基础的人脑，也不能盲从于循规蹈矩的电脑，让人类的创造力与电脑的存储和计算能力相结合才能做出更加完美的决策。

大数据时代的企业决策 篇5

1 城乡规划决策的理念

基于大数据时代下, 针对城乡规划中的不确定性因素进行分析, 有助于解决当前数据量不断增长的现状, 并且为城乡规划决策提供了重要依据。具体表现在以下两个方面:

1.1 应用大数据符合城乡规划的“公共利益”价值观

通过对大数据进行信息的整合和公开使用, 有助于公众参与以及民主决策的实现, 在规划决策中, 合理分配公共资源, 符合“公共利益”的价值趋向。大数据实现了获取巨量规模个体属性以及需求特征的可能, 为实现“公共利益”导向的城乡规划提供了决策依据, 另外大数据中的各类结构化数据为理解和尊重大规模微观主体的需求提供了重要依据, 有助于实现“公共利益”的价值取向。

1.2 为城乡规划决策提供了利益的协调机制

大数据时代下, 有效解决了城乡规划决策中各个部门利益的协调机制, 并且为解决基础数据提供了平台。基于大数据理念下, 将各个部门的结构性数据通过同一平台进行整合和利用, 协调各自之间的利益关系, 有助于加强未来区域之间的合作并且为构建城市群提供了保障,

2城乡规划决策与大数据的耦合

2.1 城乡规划数据源

当前, 大数据技术是打破了传统的信息不对称以及物理区域壁垒, 采用新的方式促进信息生产、传播以及加工和组织。然而大数据的特征表现在:巨量规模, 具体以TB和PB的级数进行衡量。由于城乡规划决策涉及的数据范围比较广, 因此为了对城乡规划进行预测分析, 必须要以历史数据为保障。多样性;也被成为“结构化数据”按照不同部门进行分类, 最终得到数据源, 其中包含规划部门、土地功能类型数据、开发强度指标等, 按照具体的整理和管理形式, 最终形成结构化数据。动态性, 基于网络信息技术下, 完成数据的传输和存储, 高效处理数据。由于城乡规划设计中, 人口变化、经济发展状况以及土地开发等项目, 这些数据都是实时变化的, 各部门数据库在不断更新。价值性。大数据的核心作用是通过对数据的整合, 找出数据中的规律, 能够达到预测未来的目的。为城乡规划决策提供数据保障。在具体实施过程中, 从对历史数据的变化规律中预测未来的发展状况, 实现数据的价值, 提高决策的准确性、科学性和可靠性。

2.2 城乡规划决策的本质属性

由于受到城乡规划过程中复杂性以及不确定性因素的影响, 导致规划效果受到影响, 分析到城乡规划的属性包含:相关性;受到利益影响, 城乡规划决策方案可能超出规划的控制范围;不可分割性。城乡规划的目的是实现未来预测价值, 避免出现控制失效现象;不可逆性, 一旦规划失效, 必须要付出更大的代价;不完全预见性, 由于受到不确定性因素的影响, 很难对未来做准确的预测, 造成规划与现实出现了差距, 体现城乡规划的不确定性因素。

2.3 不确定性分析

城乡规划决策的不确定性主要分为:对象不确定以及决策主体不确定两种类型。其中对象不确定性表现在, 城乡规划存在复杂性, 在受到传统数据源结构的影响下, 增加了数据处理的工作量和难度。在规划主体不确定性中, 由于缺乏完整的数据和适用的预测分析工具, 规划师很难准确把握决策对象及其发展趋势;然而本文基于大数据时代下, 大大改善了城乡规划决策的不确定性作用。

3 大数据改善城市规划决策不确定性的应用途径

大数据改善城市规划决策不确定性应用的途径主要包含四个方面:

3.1 大数据的整合共享提升城乡规划决策信息的对称程度

由于数据的规模大小和完整程度直接影响着城乡规划决策信息的对称程度, 同时是改善城乡规划决策的相关性和不可分割性的关键。在规划过程中, 各部门将数据进行格式转换、整理为编制科学有效的规划方案提供重要依据, 并且基于共享平台的构建下, 实现了资源开发利用效率以及动态监管的目标。另外, 大数据的“多样性”中结构化数据的整合为实现大数据的价值提供了重要依据。

3.2 大数据挖掘和可视化识别作用于城乡规划决策的内在规律

随着大数据规模在激增中, 使得人们急需要展示数据、理解数据以及演绎数据的工具, 这就刺激数据可视化专业市场的形成, 在规划过程中, 从宏观的城镇体系到微观的街道空间, 可视化为城乡决策提供了重要途径, 同时在掌握地理信息数据库时, 可以清晰地看出城市产业的空间格局, 为城镇功能结构的规划和产业布局提供了数据参考, 有利于设计出人性化的空间。

3.3 基于大数据的模型开发可探索规划决策关键因素

大数据规模巨量化以及多样化为城乡规划决策提供了基础数据保障, 通过各种计量模型以及空间分析模型找出潜在规律之后, 为规划者和决策者提供了决策依据。并且能够从已有的数据中挖掘到更多的数据信息。根据不同类型空间变量之间的关系来判断影响某一类空间要素分布的关键因素, 了解城乡发展的影响因素, 建立多变量的回归模型分析, 进而提升城乡规划土地的利用率。

3.4 比较可事前模拟规划决策的实施效果

为了避免城乡规划中造成不必要的损失, 因此在决策规划之前必须要进行事前模拟, 在大数据应用下以及各类模拟方法和工具在不断进步中, 事前模拟和情景规划等辅助方法具体有三种类型: (1) 纯数量模拟, 由单一的回归预测模型发展到系统动力学模型实现了对不同增长模式下城乡土地利用规模和结构情景的分析; (2) 简单地空间模拟。将数据模型与空间分析模型相结合, 为城乡规划及其产业布局提供依据。 (3) 空间相互作用模拟。通过历史数据的分析, 提取居住者、开发者以及政府三个主体, 并且基于GIS等空间模拟平台, 为城乡规划决策提供多种方案的必选决策。

4 总结

大数据对于城乡规划决策中有着十分重要的作用。其应用的范围比较广, 归纳了数据整合平台建设、数据挖掘和可视化、迷行开发探索以及情景模拟优选四个大方面, 为城乡规划编制和决策工作提供了重要依据, 最终实现了“公共利益”导向的城乡规划。同时大数据的应用解决了城乡规划的复杂性和不确定性, 并且依据对历史数据的变化规律和趋势的分析中, 更加准确的预测城市未来的发展情景。

摘要：随着海量信息在不断加剧, 已经形成了大数据时代, 逐渐从理论走向实践。然而大数据的特征和城乡规划决策的本质属性具有紧密的耦合性, 为城乡发展提供了科学决策依据, 进而满足城乡规划“公共利益”的价值观以及利益协调的需求。本文主要将大数据应用于城乡规划决策中, 通过对大数据进行整合、挖掘和可视化、模型开发以及情景模拟等四个应用方面进行探究, 在数据增加、处理以及应用的同时推动了城乡规划决策。

关键词：大数据,时代,城乡规划,决策

参考文献

[1]黄晓春, 程辉, 邱玉华, 闫晗.基于大数据开展规划决策支持和技术方法探讨[J].城乡治理与规划改革, 2015 (25) .

[2]朱贵丽, 何莲娜, 潘付莹.大数据时代规划资源建管模式的思考-变革-实践[J].城市规划理论研究, 2014 (32) .

[3]马国强, 史晓东, 张舒文, 肖鹏.大数据时代的城乡规划与智慧城市[J].城市规划, 2014 (08) .

[4]刘春林, 柴严伟, 吴国栋, 张燕.基于大数据挖掘的城市关注平台的构建与应用[J].北京规划城建, 2015 (07) .

大数据对企业财务决策的影响研究 篇6

继物联网、云计算的发展应用之后,大数据正以前所未有的速度引导企业管理决策变革。企业急需改变遵循传统管理学的思维定势,跟上时代的步伐,以大数据的眼光重新看待企业战略和关键成功要素。作为一名财务决策者,更加需要培养“大数据”思维,借助大数据强大的数据分析处理功能,使企业繁杂且数目巨大的财务信息具有更强的针对性和准确性,进一步提高企业的运转效率和商业价值。“大数据”一词由英文“Big Data”翻译而来。在麦肯锡全球研究报告所的报告《大数据:创新、竞争和生产力的下一个前沿》中,将“大数据”定义为:大小超出了传统数据库软件工具的抓取、存储、管理和分析能力的这样一个数据群。大数据涵盖巨大的信息量,它使我们的生活、工作和思维有了翻天覆地的变化,大数据将人类从物质时代送往了信息时代……,大数据时代最大的特征是,它不再重视事物的因果关系,取而代之的是开始关注事物的关联性。(维克托·迈尔-舍恩伯格和肯尼斯·库克耶,2013)因此,大数据的关键就是预测,已经成为了一个创造发明,一个新的服务方式。事实上,2008年,美国《自然》杂质就全面介绍了大数据所隐藏的内在潜能,以及它会面临的挑战。北京云基地首席顾问郭昕也认为,大数据对整个产业、社会、国家的经济未来必不可少。事实上,“数据”已经无孔不入地渗透到每一个行业和每一个业务领域,并成为企业的宝贵财富。谷歌,沃尔玛,亚马逊,惠普,IBM,软件,阿里巴巴和百度等国内外企业都在积极抢占大数据技术市场,争相发掘其潜藏的巨大商机。

一、大数据对企业财务决策的影响

(一)对财务决策工具的影响

在市场经济条件下,企业间的竞争日趋激烈,高效的财务决策已经成为企业角逐的重要砝码。而正确的财务决策往往建立在有效的事实以及大量相关的数据分析基础之上。这对企业的软件技术提出更高的要求。但是,现阶段的企业会计电算化只是主要将手工做账改变为电脑做账,真正会分析应用财务数据的电算化系统少之又少。当企业的财务决策人需要某些汇总的数据时,甚至还需要会计人员从电算化系统中先导出后再进行人工整合处理。无疑这直接影响企业的工作效率。在大数据环境下,与企业决策相关的数据规模越来越大,类型日益增多,结构也趋于复杂。海量的数据意味着增加了有效使用数据的难度,因此,对企业信息智能化的要求越来越高,财务分析和决策系统也要求作出改进。

(二)对财务决策参与者的影响

1. 更加有利于科学化的决策

传统模式下的财务决策人员往往习惯于借助自身经验来做出决策,但时代在进步,企业所处的决策环境也越来越复杂化,如果财务决策者还是一味的依赖于自身经验,恐怕无法适应市场发展要求。企业管理层必须借助数据挖掘等技术用“数据的眼光”发现和提出正确的问题,从问题出发,基于假设分析解决问题,将决策重心拉回到问题本身上来。大数据系统分析系统能够运用其强大的数据挖掘技术进行信息汲取,再基于分析得出的财务信息对企业的未来业务进行合理预测。这样有效借助大数据将企业的财务数据与非财务数据进行整合,避免了决策者单纯依靠自身经验决策而带来的风险。大数据分析系统还会在决策人员提取信息时提供相关的辅助信息使决策过程更加智能化,企业财务决策的效率也提高了许多。

2. 促进决策者与相关人员的信息交流

大数据管理系统使企业各个部门间的信息交流更便捷和公开化,企业一般管理者和员工也能很方便地获取与决策相关的信息。在此基础上,如果企业管理者能与一线员工并肩作战,集思广益,就会使决策的能力及质量大大提高。大数据下的财务决策除了有利于企业内部的信息交流,也方便了企业与会计师事务所、工商部门和税务部门等利益相关部门之间的信息沟通。随着云计算技术的推广,企业为了更方便的利用云端平台,会将企业的运营数据存放在云端而不只是企业内部的服务器上。这给注册会计师的审计工作提供了便利,企业在运营过程中产生的财务数据和非财务数据也可实时接受工商和税务等政府部门的监管,有利于企业健康良好的发展。

3. 提高了财务管理人员的专业要求

随着大数据技术的快速发展和日益成熟,企业在处理日常业务时会经常建立新的分析模型,这就对财务报告的及时性、现金流的能力以及财务信息的数据挖掘能力等提出了更高的要求,相应的,企业财务人员也要丰富自己的知识和能力。财务人员不仅需要熟练掌握财会方面的专业知识,同时,还需要储备点统计学、计算机科学等方面的知识,这样才能对提高数据可视化水平提供更加广泛的专业支持。所以大数据时代的财务工作者,应当与时俱进,推动财务管理创新。

(三)对财务决策过程的影响

1. 在决策目标的制订方面

过去企业所有的管理决策都是依据自己的产品需要来运作的,而现在,则要以客户的需求为主,采集客户的需求信息后再制定生产计划。就比如淘宝店的好评和差评机制,顾客对产品好恶对企业产生了很重要的影响。大数据系统能够基于这些整合、分析这些数据,对企业的财务现状进行总结,为企业未来的经营目标作出精准定位。

2. 在企业全面预算方面

市场充满了不定性。因此,企业需要定期基于当前的生产经营情况对未来一定阶段进行计划安排。但是,目前许多企业的全面预算都是基于企业管理人的经验加上静态数据建立而成,缺乏应变性。大数据弥补了抽样调查手段的不足。由于抽样调查所抽取的样本容易受到主客观各种因素的干扰,强化了数据分析结果的真实性。基于大数据的商业分析能够建立在全部样本空间上面,能够准确完成企业业务的相关关系预测,有利于企业全面掌握客户信息以及产品反馈情况,帮助企业动态实施全面预算,应对市场的变化,真正有效的实现企业的个性化运营。

3. 在成本核算方面

成本核算是对企业经营数据进行加工处理的一个过程。企业财务人员会对一定期间的生产经营费用进行核算,并根据生产情况分配费用,而只有从多渠道获取数据才能够实现成本的精准核算。透过大数据技术,企业能够多渠道得到成本数据,并据其分析出符合实际需求的材料用量标准。在系统中实现对工资明细、进销存单据和制造费用等结构化和非结构化数据的共享,这样做能够使成本核算更加细化和精准,也有利于企业进行重点成本分析,最终实现成本的精准核算。

二、企业如何应对大数据带来的挑战

(一)以开放的思维面对和处理财务工作

大数据给我们带来诸多挑战。未来社会从本质上来讲是开放的、流通的、互联的,任何独立的、私有的、小的、封闭的、孤岛式的管理都不符合大数据时代的趋势。因此,对于企业来说,应转变传统的财务决策思维,利用开放的心态对待财务工作。一方面,大企业应该尽快开设可共享平台,小企业也要加快步伐,迅速云化;另一方面,企业的决策层要适应变化调整决策机制,重视数据管理工作,加强管理力度。

(二)以企业业务需求为基础,加强数据资产积累

随着数据变成主要的竞争资产,企业必须要注重对数据资产的建设和管理。可以根据企业自身业务需求对有可能使用的数据进行系统编录。在必要的情况下,企业还可以通过购买的方式,从第三方处获取信息。当然,获取数据只是一个方面,要形成真正的数据资产,还需要有一套自己的海量数据处理技术。这也意味着企业需要多途径、多方法的提升自身对大数据的加工,反馈和处理的能力,适时采用数据挖掘技术,使决策依据更加可靠,具有针对性。

(三)积极培养和引进合适的人才

企业要有效获取并运用大数据,应该具备三种人才:第一种,能够实施大数据基础设施的人才;第二种,能够对大数据进行深度分析的人才;第三种,知道如何将大数据分析结果与企业管理经营决策相结合的高端管理人才。对于第一种人才,相对而言工作较为简单;第二种人才,需要运用专业知识把系统中原始的数据化为有用的信息。这类人才目前比较紧缺,企业可以采用招聘的方式加以解决。第三类人才是大数据能够发挥作用的关键,它们需要经过必要的培训来获得基本的能力。企业应该积极为第三类人才提供机会,并加强各类人才之间的沟通合作,使他们在解决问题中不断提升自我。

(四)形成数据共享,提高决策效率

随着云端技术的普及,许多企业的管理、财务软件系统等都呈现出应用云服务趋势。数据不同于有形资产。分享的有形资产越多,自己拥有的就会越少;而数据分享的越多,就会产生越多,使用的人越多,其价值也就越大。流水不腐,户枢不蠹。数据在不断的流动中实现增值。一旦形成这样的信息共享平台,企业能够收集到的信息就会远远大于过去传统行业靠线下调查收集的数据,企业的决策效率也会大大提高。

摘要：随着互联网信息技术的飞速发展,人类社会开始进入数字化信息时代。获取和应用信息的能力成为衡量企业实力强弱的重要标志。数据正成为与物质资产和人力资本同样重要的基础生产要素,大数据的使用成为提高企业竞争力的关键。大数据不仅用来描述数据量之大,还突出了处理数据的速度之快,因此大数据成为数据分析行业的前沿技术,并被广泛应用于金融投资等各个领域。文章着重讨论了大数据对财务数据、财务决策者以及财务决策过程三方面的影响展开讨论,以及企业应当如何应对大数据带来的种种挑战。

关键词：大数据,财务决策,决策参与者

参考文献

[1]何军.大数据对企业管理决策分析[J].科技进步与对策,2014(2):34-04.

[2]何建华.大数据对企业战略决策的影响分析[J].当代经济管理,2014(10):36-10.

[3]王元卓,靳小龙,程学旗.网络大数据:现状与展望[J].计算机学报,2013(6):86-97.

[4]孟小峰,慈祥.大数据管理:概念、技术与挑战[J].计算机研究与发展,2013(5):76-89.

[5]张建设.大数据:战略论的终结与社会化决策的兴起[J].企业管理,2012(10):92-94.

[6](英)维克耗·迈尔-舍恩伯格,肯尼思·库克耶.大数据时代:生活、工作与思维的大变革.a revolution that will transform how we live,work and think[M].浙江人民出版社,2013(01).

[7](美)艾伯特-拉斯洛-巴拉巴西.爆发:大数据时代预见未来的新思维:the hidden pattem behind everythhag we do[IVl].中国人民大学出版社,2012.

[8]张兰廷.大数据的社会价值与战略选择[D].北京:中共中央党校博士论文,2014(4).

[9]丁圣勇,樊勇兵,阂世武.解惑大数据[M].人民邮电出版社,2013(09).

[10]程平,赵子晓.大数据对企业财务决策的影响探析[J].财务与会计,2014(10).

大数据时代的企业决策 篇7

1大数据的含义和特点

1.1大数据的含义

大数据是一个抽象化的概念词汇,学术界对大数据并没有一个明确的定义,对于大数据的专业研究机构来说,大数据的出现是需要最新处理模式才能确立具有更加高效的决策力、洞察力的多样化、高增长率的信息资产。

大数据的实际意义并不是单纯指对数据的存储和掌握。如果将大数据的出现比作一种新型的产业模式进行分析和处理,可以提高对数据的分析和处理能力,从而保障对大数据的应用能够实现快速增长。

1.2大数据的特征

大数据的资源收集和整合具有海量化的优势,虽然在各个领域中都缺乏一个完整的定义,但通常情况下,一般以“TB”作为存储单位,数据多的情况下会将“PB”作为存储单位。在现代的商业领域和科技领域,如此大规模的数据存储并不常见,大数据在社会中应用颇广。

现代社会的生活和生产中所包含的各个数据内容都以不同的方式出现,为大数据信息全面收集和发展打下了基础。数据的结构化是通过正常交易过程中产生的数据形式进行处理和记录产生的,非结构化的数据内容是专指通过互联网的数据进行分析和处理得出的技术内容,是人和人之间以及人和机器之间的交流产生的数据通道。

2大数据对企业管理决策的影响

2.1大数据对企业决策环境的影响

当前,大数据的发展处于高度上升阶段,数据存储的提升速度十分明显。全球已经拥有大概150亿台连接计算机网络环境的设备,并且在互联网中,数据库的访问量每年都有50%的增幅。企业管理的决策内容需要依靠大数据下的海量市场数据来制订,以保证对市场信息数据的整理和再利用能够为企业未来的发展打下牢固的基础。在云计算的基础上,大数据对企业数据的收集和分析,以及决策方案的制订和修改都有很大的影响力。在我国,大部分采用数据驱动运行的企业,其内部管理的方式和财务状况都比不使用数据驱动的企业运营要好得多。在大数据中,企业的数据内容管理具备先进性的特征,对知识经济的储备和市场中各项指标的制订和生产都具有重要的影响。

2.2大数据对企业管理决策数据的影响

在大数据的迅猛发展下,企业管理决策内容的制订和知识储备的质量以及数量都得到了相当大的增长,数据的高准确性和高质量性已然成为当前企业管理决策制订的主要组成部分,数据质量的高效应用对企业的进步和发展起到了推动的作用。一旦企业忽略或者不再重视对相关数据内容的分析和处理,将造成大量数据资源的流失,甚至会影响到企业对当前市场环境的数据分析能力。

大数据的管理是十分复杂的,需要通过对整体的解决方案的过滤和提取,从而保障数据分析的质量和可靠性。在大数据分析决策的基础上,对各项信息进行的总结和分析是对数据处理和归纳最根本性的需求。

对大数据内容管理和知识储备的研究在一定程度上能够体现企业内部对大数据的实际应用状况,使得企业和大数据都能够合理、有序地发展,并且在一定程度上能够更新企业的发展模式,提升企业的市场竞争力。

2.3大数据对企业管理决策者的影响

在当前大数据高速发展的环境下,数据分析师在企业的管理决策中占的比例越来越大。数据分析师能够运用统计分析的方式对各处理层的执行手段进行分析和处理,对企业内部的业务实现整合和归纳,并通过信息传递的方式将信息传递给决策者。由于数据分析师的培养是十分困难的,需要多年专业知识的积累和训练才能成为数据分析师。当前,数据分析师数量少,一直处于供不应求的局面。

业决策的参与者的管理仍旧是当前企业管理环境下十分重要的影响因素。大数据的出现改变了传统模式中制订决策需要丰富经验的局面,精准的数据分析能力和齐全的信息数据表格能够使决策者本身所具备的职能发生了相应的改变。

对于企业内部的管理者来说,大部分企业在生产经营过程中缺乏对数据的收集和处理模式,大数据的出现则恰好弥补了这一点。对于企业的管理者和员工而言,提高决策的能力和水平对企业的发展和进步是必不可少的。互联网时代,科技的发展带动了全社会的共同进步,各个产业之间的界线正在模糊,社会化的决策内容正在逐步崛起。另外,大数据对决策文化的影响也是深远的,企业的决策改变了传统的思维方式,将传统模式上的靠经验和个人知识储备转变为依靠海量化的数据进行分析和整理作出决策。相比之下,大数据环境下的企业决策更具备进步性,更利于企业的发展和进步。

3结束语

大数据下的企业管理决策是一种崭新的运营模式,需要企业相关人员充分利用互联网这个大环境的数据,使得管理和决策能够发挥出最大化的效用。大环境下企业管理决策的改变会影响企业的知识储备,并且会导致企业内部决策机构和决策方式都会产生相应的改变,为企业的管理决策打开了新的思路。

摘要：社会的进步和发展带动了市场经济的发展,企业的管理环境也受到了严重的影响,对企业管理决策的制订和实施都产生了相当大的冲击。企业迫切需要重新制订符合现代社会发展和进步的企业管理决策。大数据是继云计算和物联网之后对企业管理的又一次新的技术革新。

关键词：大数据,物联网,企业管理,企业决策

参考文献

[1]符刚.管理信息成本论[D].成都:西南财经大学,2008.

大数据对企业管理决策影响分析 篇8

一、大数据概述

(一)大数据的定义

所谓大数据,是指一个整体信息管理战略,包含并集成了以不同形式、多个信息来源的众多新的数据及传统数据。在企业管理者对企业生产、经营,产品研发、销售等情况进行了解的时候,需要这些来自市场、调查问卷、网络等等渠道的数据和信息。大数据并不是指空间储存量大的单个数据库信息,而是指需要更大和更复杂的数据处理系统的数据,传统的数据处理技术和方式已无法适应大数据的模式和结构。因此,其难以通过单独的计算机或简单的数字化技术进行处理和计算,可适应分布式运算结构进行处理。总之,当前关于大数据的界定,更强调大数据对处理方式和处理技术的要求、大数据的功能体现以及更深层次的价值挖掘。

(二)大数据的特征

大数据的特点主要包括三个内容:一是数据的增长速度快,信息技术的发展以及新媒体等传播方式的发展,使得数据的传播速度加快。大数据时代下的社会发展,已经能够实现社会个体的及时数据获取和传播,将信息的价值尽可能地发挥到最大程度;二是数据的更新速度快,信息的快速传播,使得数据和技术的更新速度也不断加快,由于数据的大小和形式是不断变化的,因此其在传播过程中也在不断发生内容和关键技术的更新;三是数据的来源多样,新型的数据处理技术和收集技术,使得企业能够实现多渠道的信息获取,包括网络、文本资料以及市场等。四是数据有其内存价值,可能通过各种量化技术和数学研究发现数据的价值,从而发现商机。

二、大数据对管理决策条件的影响

(一)数据驱动的决策方式

大数据环境下的决策,主要依据是丰富的行业信息和数据,提高信息获取的效率和准确度,成为当前企业面临的重要挑战。以云计算为基础的大数据时代,涉及了企业的数据获取渠道、决策计划制定以及决策评估等方面,通过这些因素对企业的运行产生影响。事实上,大数据并不仅指数据的庞大,而是指数据处理的模块大,其通过数学算法进行模型建立。数据驱动型决策是信息化时代的重要特征。数据表明,对数据驱动运用效率越高,企业的运行和经济效益越好。可以说,信息来源于数据,又对企业的决策产生影响,从而影响企业管理和发展。

(二)大数据时代决策方式的应用现状

随着近几年的科技不断发展,以及信息技术的更新,大数据的管理和运用已逐步成为公司发展的必要方式之一。但总体来说,由于许多新型市场和企业的崛起,以及现代化的管理理念和方式的不断更新,企业对大数据的运用仍有很大的上升空间。事实证明,充分的大数据运用能够为企业带来更好的经营推动力,以及更多的经济效益和社会效益。因此,大数据得到充分运用,以及其影响范围的不断扩大,是社会发展的必然。从大数据对企业管理的影响方面来看,大多数企业都需要通过大数据提高公司实力,以实现综合竞争力的提高。新条件下,企业的决策不单单是一项技术,更是新的管理模式。

三、大数据对管理决策数据的影响

(一)大数据下的信息管理

大数据时代的来临,不仅带来了数据和信息的爆炸,其规格、结构以及种类等都更为复杂,包括图片、视频等。传统的数据存储方式和处理方式已难以适应,实现大数据的有效运用,就必须进行新的信息管理方式和信息分析方式的研发。大数据处理技术的更新,要求企业有相符合的技术载体,以实现技术的充分运用。一方面,大数据处理的中心需求是实时信息分析的实现,许多公司都发现了这一关键点,开始注重对实时数据的获取和运用。另一方面,大数据的价值主要来源于信息之间交集所产生的数据。

(二)大数据时代的知识管理

从管理角度来看,数据对企业的决策有着直接的影响作用。伴随着理论体系的不断完善,企业管理层对公司内部的无形资产和知识越来越重视。当前社会,对数据和信息进行及时获取,以及更深层次的挖掘和探索,能够帮助企业获得更多的实时讯息。而企业决策层能够通过这些信息和数据获得极大的便利,并将其转换为经济效益。同时,通过这样的方式,企业决策层对行业发展走向和市场发展趋势了解得更加深入,借助获得的数据更新决策。在信息化时代,大数据是企业决策中的重要因素。但更重要的是,需要企业将主观决定和数据反映的客观决定相结合。仅仅依靠决策者的主观判断难以保证决策的科学性,但仅仅依据数据进行判断也可能导致最终的决策偏离事物发展轨迹。

四、大数据对企业管理决策的影响

(一)对管理决策主体的影响

正确的决策需要有辅助的决策程序和决策制度,但最关键的问题是决策的主体。在当前的企业管理中,企业决策的主体主要包括企业管理者和全体员工。对于企业的管理来说,其决策权来自于本身职位给予的权利,以及自身工作经验提供一定的正确性的保障。而对于企业的全体员工来说,在日常工作中获得的信息,也能够为做出正确的决策提供一定的参考。

大数据时代的经济发展,科学技术和信息技术正逐步推动社会领域之间的结合,社会化决策在逐步产生并发展。此时参与决策的主体发生了变化。一方面,企业内部的决策权不再仅仅局限于公司的管理人员,更多的员工也逐渐参与到决策中,这使得决策的全面性得到有效提高,即参与的主体正在逐渐向着多元化和整体参与的趋势发展。

(二)对管理决策权分配的影响

从目前来看,企业获取的有效信息和数据越多,决策者的构成结构越扁平化。信息技术的充分运用,能够使企业的中层管理和一线员工了解到更多关于企业发展和运行的信息,能够通过全面考虑做出更具有综合性的决策,进而促使企业的决策权得到分化。同时,随着大数据时代的到来,传统的企业决策结构发生改变,体现出企业管理更加直接、权利分配更加多元以及更人性化的特征。因此,这种现象的出现是企业决策权利变化的必然,全体性决策将逐渐成为企业决策的主流形式,进而实现更加细分化的权利分配。

(三)对管理决策方式的影响

决策方式是实现科学决策的重要前提条件,不同的决策方式影响着最终决策的不同,并反映在整个决策环节中。大数据时代的到来,数据和信息的获取渠道更广,信息也更加多样化,因此企业需要收集更多的有效信息,判断数据的真实性和可靠性。对于收集到的信息,企业还需通过数字技术进行运算和分析,并建立数据模型,以保证最终决策的科学性。其决策方式主要由主观决策转换为数据为主要参考对象,同时将主观判断和客观数据相结合的形式,进行最终的决策。也就是说,企业决策不再是以直觉判断为主,而是直觉与客观事实有效结合的决策。

五、结束语

大数据的充分运用,使得企业的决策不再是简单的一项技术,而是结合了主观判断与客观事实的决策模式。大数据对企业的影响除了体现在对决策主体的影响、决策权利分配的影响以及对决策方式的影响之外,还对企业的决策文化、决策效率带来了影响。大数据的有效应用使得企业决策的效率和准确性都得到了有效提升,促进了企业核心竞争力的提升。

摘要：大数据是继互联网之后的又一大技术变革,为社会生产和发展带来了有力的促进作用。本文首先对大数据的定义和特征进行了简单介绍,接着分析大数据对管理决策条件的影响,具体包括驱动的决策方式及其应用现状,以及大数据下的信息和知识管理,最后详细分析了大数据对企业管理决策整体的影响,包括对决策主体的影响、对决策权分配的影响以及对决策方式的影响等。

关键词：大数据,企业管理决策,影响

参考文献

[1]何军.大数据对企业管理决策影响分析[J].科技进步与对策,2014(04):65-68.

[2]何建华.大数据对企业战略决策的影响分析[J].当代经济管理,2014(10):13-17.

[3]李忠顺,周丽云,谢卫红,成明慧,董延峰,蒋峦.大数据对企业管理决策影响研究[J].科技管理研究,2015(14):160-166.

大数据时代的企业决策 篇9

[摘 要] 在阐释数字出版企业价值共创的理论基础上，重新审视大数据时代数字出版企业价值共创的价值导向、组织形式、共创流程、消费者体验等基本要素，提出大数据时代数字出版企业价值共创的具体实现途径。

[关键词] 大数据 数字出版企业 价值共创

[中图分类号] G231 [文献标识码] A [文章编号] 1009-5853 （2016） 04-0027-06

[Abstract] Based on the analysis of the value co-creation theory of digital publishing， this paper discusses the value-oriented，organizationforms， co-creation processes and consumer experience， which are the basic elements of digital publishing value co-creation in the big data era. Some strategies are presented for value co-creation of digital publishing companies in the big data era.

[Key words] Big data Digital publishing company Value co-creation

随着自助出版、众包出版等新兴出版模式的兴起，数字出版企业的运营模式和价值创造方式已经发生了深刻变革。价值共创作为一种新的价值创造方式越来越受到数字出版企业的关注，一些国内外知名的数字出版巨头已开始构建基于大数据的应用平台，引导用户、价值网络成员与数字出版企业共同参与创意设计、内容创作、品牌建设、服务提供等价值共创活动。因此，大数据背景下，如何引导顾客参与数字出版企业的价值共创活动以提升用户的体验价值和黏合度，已经成为一个重要的研究课题。

1 大数据时代数字出版企业价值共创的理论阐释：基于服务主导逻辑的分析

2004年，两位美国学者瓦戈（Vargo）和卢尔希（Lusch）首次提出“服务主导逻辑”（Service-Dominant logic）理论，对企业价值创造机制中的服务、资源和价值等概念重新进行了界定[1]。与商品主导逻辑（Good-Dominant logic）不同，服务主导逻辑将商品主导逻辑下的商品和服务统一到服务上，认为企业表面上提供的是产品，实质上提供的是服务或解决方案[2]，并把服务界定为主体运用专业知识和技能为自身或另一主体带来利益的行为和表现。

服务主导逻辑理论认为价值不是在市场交换中被实现，而是在特定情景下的单位产出被用户使用而实现。也就是说，企业并不能单独创造和传递价值，而是提供价值主张，吸引客户一起合作共同创造价值[3]。特别地，服务主导逻辑理论认为价值创造过程中需要的资源超过了企业和顾客双边系统，而是由企业、顾客、供应商以及其他合作伙伴共同提供，这些合作伙伴构成价值创造网络即服务生态系统（Service Ecosystems）。服务生态系统中的企业、顾客、供应商、中介组织等成员在价值共创过程扮演不同的角色，并对系统中的技术、信息、设施等资源进行整合以实现持续的价值共创。

数字出版是指用数字化的技术从事出版活动，包括数字内容管理、数字沟通和数字交易等活动[4]。随着自媒体和大数据时代的到来，数字出版企业的经营管理已经从传统的产品主导逻辑向服务主导逻辑转变，数字出版企业需要整合其生态系统的资源为顾客提供完整的数字出版服务方案，数字出版服务生态系统的资源边界、市场边界也愈发模糊，行业之间潜在的价值关联创新了数字出版的商业模式，改变了数字出版企业的价值创造方式。因此，大数据时代，数字出版企业必将构建基于大数据的价值共创网络，与客户、合作伙伴共同创造新价值。

2 大数据时代数字出版企业价值共创的重新审视

2.1 数字出版企业的价值共创导向：基于大数据挖掘的客户价值需求

当今，读者阅读需求呈现多样化、个性化和碎片化，基于客户阅读行为分析并挖掘客户内在价值需求是数字出版企业进行价值共创的基石，也是数字出版企业的价值共创导向。应用大数据技术能够敏锐地捕捉客户个性化的价值需求，积极引导客户参与数字出版产品的选题策划、创意设计、内容素材提供等价值活动，提升客户的体验价值。

应用大数据技术挖掘客户价值需求的途径主要包括：（1）应用大数据技术对客户身份信息进行分析以识别客户价值需求，如挖掘读者的性别、年龄、职业、学习背景、生活环境等大数据，分析客户的阅读水平、类型和偏好。（2）应用大数据技术对读者的阅读行为进行挖掘分析，如捕捉读者的网页浏览、电子图书点击、阅读时间、评论互动等行为识别客户的价值需求。（3）应用大数据技术对读者的阅读内容进行挖掘分析，如分析读者电子阅读的关键主题、评论内容等读者的阅读内容偏好和价值需求。（4）应用大数据对读者的社交网络信息进行分析，识别读者可能的价值需求。如挖掘读者朋友圈中好友的阅读信息，根据“物以类聚、人以群分”的思想分析读者的阅读偏好。因此，应用大数据技术能挖掘不同读者的阅读偏好和价值需求，以客户价值需求为导向构建价值共创活动，为客户提供个性化的数字出版产品和服务方式。

2.2 价值共创组织形式：以大数据为核心资源的多元化

在“大数据”背景下，大数据资源已经成为数字出版企业的核心资产，基于大数据资源的应用，数字出版企业的价值共创组织形式呈现多元化，价值共创成员能够根据价值共创活动的需要对大数据资源进行动态配置，并设计合适的价值共创流程和方式，组织数字出版生态系统成员进行价值共创活动。

业务外包（Outsourcing）。业务外包是指企业把内部业务的一部分承包给外部专门机构，其实质是企业将资源集中于相对优势的核心业务，以使企业获得持续发展的能力[5]。数字出版服务方案的提供涉及数字内容提供、应用软件开发、硬件设备以及传播平台的运营管理等业务活动，以大数据为核心资源的数字出版运营体系中，数字出版的大数据资源收集、加工、应用等工作具有难度大、成本高等特点；同时，大数据时代数字出版资源易复制、价值流失快。因此，数字出版企业在应用软件开发、数字内容创作以及出版服务提供等方面会选择价值共创合作伙伴进行业务外包，共同完成数字出版服务方案的提供，以实现数字出版生态系统资源的柔性配置和规模经济。如数字出版企业的App软件开发外包、大数据管理与开发技术业务外包、数字出版服务平台外包、数字出版创意设计外包等，通过这些业务外包能让价值网络成员参与数字出版价值共创活动，共同完成数字出版服务方案。

众包（Crowdsourcing）。众包是指把传统意义上由指定代理人完成的任务以公开选拔的形式外包给大量不特定的个人去完成的组织形式[6]。众包是一种基于互联网发展起来的新型“生产组织形式”，其实质是整合企业外部资源，特别是基于互联网平台，利用大众的集体智慧来完成以前由企业内部员工完成的工作，为企业提供研发设计、运营管理、市场销售、产品创新等服务。

随着大数据技术的应用，众包成为数字出版价值共创中的典型组织形式。许多数字出版企业建立了自己的众包平台或借助众包中介以众包方式完成数字出版过程中的创意构思、素材提供、编辑排版等原来由出版企业内部部门完成的活动[7]。数字出版企业应用大数据技术对互联网平台上零乱、离散的数据进行有效挖掘和整合，能挖掘消费者、数字出版企业合作伙伴等价值共创成员的知识和智慧，形成有利于数字出版作品创作的集体智慧，这种出版模式不仅提升了数字出版价值共创的客户体验价值，也降低了数字出版作品的创作成本。例如，2013年，美国的新闻聚合网站BuzzFeed推出了法语、德语、意大利等版本站点，这些站点内容均来自英文版，但并未雇用专业翻译人员，其翻译工作主要由网站上的语言学习者完成[8]。这种众包翻译组织模式不仅促使读者积极参与数字出版企业的价值共创活动，也提升了客户的价值体验。

基于虚拟品牌社区的价值共创。虚拟品牌社区是由企业提供给对其品牌有着共同爱好消费者的交流网络社区组织形式[9]。数字出版虚拟品牌社区实质上就是数字出版企业创建的以某品牌作为主题的网络社区，品牌的追随者在社区中进行数字出版作品编写、设计、传播、使用等信息交流，实现价值共创。在这种价值共创组织形式中，数字出版企业扮演价值选择顾问、价值创造过程的组织者以及价值体验支持者的角色，而用户则履行价值共创的设计者、互动合作参与者、价值主张的实施者，并通过自身行为影响数字出版企业的价值主张。这种基于特定虚拟品牌社区的价值共创组织形式不仅让消费者的品牌价值诉求得到互动和表达，也能让数字出版企业通过虚拟品牌社区的构建长期锁定客户。

大数据背景下，越来越多的数字出版企业通过构建自有的虚拟品牌社区，吸引顾客积极参与数字产品设计、创作、传播等活动，实现数字出版企业顾客、利益相关者之间的价值共创。一方面，数字出版企业创建虚拟品牌社区，并在图书选题策划、作品构思创意、素材选择、客户服务等方面提出相关的价值主张和话题，鼓励品牌追随者互动并参与讨论互动，然后运用大数据挖掘技术对客户共同的兴趣偏好、需求等进行分析，创作出受消费者欢迎的数字产品。例如，出版商Coliloquy构建企业的虚拟品牌社区，在电子图书的创作过程中允许读者参与讨论、设计人物角色和情节线索，Coliloquy从品牌社区收集数据并经过大数据分析，让作家据此调整故事情节迎合大众口味，创作出读者欢迎的数字作品[10]。

另一方面，应用大数据技术能对品牌社区每一客户的行为进行全情景跟踪，挖掘客户不同时间、不同地点的个性化数字阅读需求，为客户提供具有针对性的个性化数字出版服务。例如，兰登书屋在脸书社交平台开设自己的“虚拟品牌社区”，让企业、作者、读者之间直接进行互动交流，然后企业会根据用户登录、评论、素材提供等用户活动实时推荐个性化的数字图书和出版服务[11]。

基于消费者特定社交网络圈的价值共创。随着移动电子阅读的快速发展，消费者更加注重阅读过程中的消费体验和价值分享，并在消费体验分享过程中与特定消费者之间产生互动，这种消费者互动和价值分享构建了消费者社交关系网络圈。基于消费者社交网络圈的数字出版价值共创组织形式表现为：消费者基于对特定数字作品进行讨论评价，并以图片、文本、视频、音频等多种数据形式在社交网络圈进行分享、交流互动，数字出版企业则可根据消费者社交网络圈的互动信息获取消费者对电子阅读产品、数字内容、服务方式等用户体验和反馈信息，根据用户体验和反馈信息实现价值共创。

大数据背景下，消费者社交网络圈的数据急剧膨胀，也为数字出版企业的价值共创提供丰富的数据资源和平台。这种价值共创组织形式是消费者自主提出价值主张并进行分享，数字出版企业则应用大数据技术挖掘识别特定社交网络圈的价值主张和情感体验，并根据大数据的分析结果进一步改进和完善数字阅读内容和服务模式，为特定的消费者群体提供数字产品和服务，实现基于消费者社交网络圈的价值共创组织模式。例如，内容创作者与其粉丝团、QQ群、朋友圈等特定数字阅读群体用户进行互动，数字出版企业应用大数据挖掘技术对特定群体用户的交流、评论等信息进行分析，然后针对群体特定用户的阅读偏好编辑出版相关数字内容，形成满足特定用户群需求的数字出版价值共创模式。

2.3 数字出版企业的价值共创流程：基于大数据平台的协同共创

在大数据背景下，数字出版企业的素材来源、数字出版产品的生产流程、销售模式、服务方案提供等运营流程已经发生了变革，基于大数据平台以流程优化为基础的协同运营已成为数字出版企业价值共创的基石。

协同选题。好的主题是数字作品成功的关键因素之一，它不仅决定数字作品的内容和创作方向，也会影响数字作品的价值导向和受众定位。大数据时代，数字出版企业应用大数据挖掘技术能捕捉客户参与的社会热点话题和感兴趣的数字内容作为数字出版作品选题的依据。如在新闻报道选题中，出版企业可以应用大数据技术对用户网络搜索的主题、帖子的点击数、回帖数等受众关注的热点话题和素材进行整理和分析，拟定数字作品选题范围和方向，并进一步引导客户参与讨论、评价和反馈，最后根据用户的反馈信息确定新闻选题。

协同创意设计。协同创意设计就是基于数字出版平台，出版商、原创作者、用户可以就数字出版作品的故事情节、思路和素材进行讨论和反馈，并应用大数据挖掘技术对相关信息进行挖掘和提炼，形成作品的创意设计思路。例如，学者出版社通过建立在线游戏追踪最吸引人的线索和角色，以此为基础构思创作的《39 条线索》系列小说，创作了一套印刷数量超过1.5 亿本的全球畅销书[12]。

协同创作内容。协同创造数字作品内容就是数字出版企业构建大数据数字出版平台，一部数字作品可以由作者、多个用户同时进行内容撰写、创作和整理，共同完成素材的收集和内容撰写。例如，在数字新闻的创作中，互联网新闻出版企业构建大数据内容采集工作平台，人人都可以在内容采集平台上发表对社会的观察、思考以及发现，新闻把关人的记者主要工作就是从海量的公众信息中发现具有更多新闻价值的消息，通过整合相关信息完成“新闻整理”工作，实现记者与读者的新闻内容协同共创。

协同编辑。协同编辑就在数字作品创作的过程中，用户可参与数字作品的编辑工作，数字出版企业应用大数据技术，对多个用户发布或撰写的内容进行整理和编辑，协同工作完成数字出版作品创作。例如，芬兰国家图书馆报纸数字化项目专门请公司设计原始扫描图片和OCR识别图片限时比较纠错的游戏软件，以吸引用户参与查找OCR技术的识别错误，消费者共同完成数字化报纸的编辑工作[13]。

协同发布传播。随着社交软件和自媒体的发展，消费者参与数字新闻报道、数字出版物的发布传播也正成为一种时尚潮流，并实现大数据时代数字出版企业与消费者的价值共创。如微信直播北京大雨、住在地震灾区的公众播发实时报道，这些案例都是个体直接通过社交平台直接转发新闻和数字作品给公众，形成读者和记者协同发布传播数字新闻的形式。因此，在大数据时代，数字出版企业通过构建基于大数据平台、整合相关数据资源、协调客户参与数字出版的价值共创活动，实现基于大数据平台的协同共创。

2.4 价值共创中消费者体验：基于大数据传播的情绪涌现与情感依赖

消费者价值体验的情绪涌现。价值共创中的价值主要是体验价值，也就是说价值共创过程中需要特别关注消费者体验，消费者体验价值的实现程度在很大程度上决定消费者参与价值共创的驱动力和价值共创的可持续性。消费者的价值体验涉及情绪表达，一般认为情绪的产生具有情境性和暂时性， 呈现冲动性和外部性，并且在价值共创过程中顾客具有主导性作用[14]。大数据时代，客户在价值共创的过程中互动更加便利，互动方式也更加多样化，这种自主性的互动促使消费者体验情绪的积累，经由大数据的推送传播顾客价值共创的体验情绪会呈现瞬时涌现特征，并在极短的时间里达到峰值。如数字出版企业应用大数据技术挖掘用户热点搜索主题词，并根据热点搜索主题创作的新闻评论在瞬间被阅读和转发上百万次；用户在价值共创社区分享的数字作品在瞬间被阅读和蠕虫病毒式转发评论，用户的正能量或负情绪在瞬间达到极值，体现大数据时代用户体验价值的情绪涌现。

消费者价值体验的情感小世界依赖。相比情绪表达的情景性与暂时性，情感则比较内隐，它是在多次情绪体验的基础上形成的，具有深刻性和稳定性。消费者价值共创中其情感的形成与表达对顾客的价值共创具有重要影响。一般来说，顾客的情感投入程度越高，所创造的体验价值越大。同时，顾客的体验情感一旦形成，顾客会自发传播企业品牌形象，向其他消费者推荐产品，与其他消费者一起提升情感体验。

大数据时代，数字出版价值共创中消费者的价值体验情感会呈现小世界依赖性。一方面，数字出版企业应用大数据挖掘技术能对特定人群彼此关注和共享的价值体验进行分析，让具有相同价值偏好的消费者彼此关注和互动，价值共创的情绪体验不断累积，形成价值共创的群体归属感和情感体验。另一方面，大数据的个性化推送和传播让价值共创中顾客的情感体验不断互动和强化，并帮助其他顾客更好地获得情感体验。这种长期稳定的良性互动促使价值共创过程中消费者对于数字出版产品、服务、品牌情感的高度黏合，并呈现小世界依赖性。如，用户到某品牌社区进行阅读和评论，数字出版企业挖掘其偏好并进行数字内容推送，用户的评论信息也会发送给具有相同偏好的其他用户，从而形成长期稳定的情感体验互动和反馈。这种稳定的情感体验又会促使用户每天登录该数字出版品牌社区进行阅读和评论的习惯，呈现对该数字出版内容、服务以及品牌社区的情感依赖。因此，应用大数据技术能提高价值共创过程中的消费者价值体验，并进一步提升价值共创的效率。

3 大数据时代数字出版企业价值共创的实现途径

3.1 构建以大数据为支撑的数字出版价值共创服务平台

大数据背景下，由于数字出版产业链的开放性，客户进行的内容提供、编辑、互动、评论等参与价值共创的数据呈现碎片化、个性化、体验化等特征，合作伙伴及客户参与价值共创产生的数据类型也不断地丰富，网页、文件、视频等非结构化大数据日益增多，价值共创过程中的数据存储、数据处理更为复杂。因此，构建先进高效价值共创平台是进行价值共创的基础，也是提升数字出版企业价值共创效率的关键。包括：（1）加大数字出版硬件设施建设，提升数字出版云计算存储服务。如在云存储使用中，要不断提升云存储的空间容量和上传、下载出版速度，增强用户价值共创体验。（2）促进数字出版“应用云”的开发，满足不同客户价值体验。在数字出版价值共创过程中，数字出版企业需要整合硬件开发商、数字出版软件提供商、通信运营商等合作伙伴，开发满足客户的移动阅读、内容编辑、“云手机”的“应用云”，提升合作伙伴以及客户的价值共创体验。（3）开发科学的数字出版大数据挖掘系统，能够对出版生态系统中实时的、碎片化、个性化的大数据进行收集、挖掘和决策分析。（4）畅通数字出版价值共创成员交流的渠道，如数字内容写作、审核、编辑、出版协同创作系统、成员互动评论社区等，构建基于大数据知识库的数字出版价值共创服务平台。

3.2 创新基于大数据技术的操作性资源

服务主导逻辑理论认为，企业资源包括对象性资源和操作性资源[15]，操作性资源通常是无形和动态的，如知识、技能、流程等，这些操作性资源是企业的核心能力，是持续竞争优势的主要来源。

大数据背景下，数字出版企业要形成可持续发展的核心能力，就必须构筑基于大数据的操作性资源，培育价值共创导向的知识、技能、价值观和规范等多种数字出版操作性资源。主要包括：（1）应用大数据技术对数字出版资源进行获取、挖掘、分类整理和重新聚合，形成大数据数字出版知识库，以满足不同细分市场的客户需求。（2）培育员工大数据技能，如基于大数据的数据挖掘能力、数据分析能力、新闻选题、写作和编辑能力。（3）构建基于大数据的数字出版价值共创流程。包括应用大数据技术改变和优化传统出版的选题、写作、编辑、审核等业务和流程，形成以大数据资源为基础的价值共创协同运营流程。如数字出版企业应用大数据技术挖掘客户的阅读习惯和阅读偏好进行选题；数字出版企业构建基于大数据平台的出版内容众包，让读者参与作品内容的写作和编辑，实现价值共创。

3.3 构筑基于大数据挖掘分析的数字出版客户价值主张

服务主导逻辑下的数字出版价值共创核心是在研究客户个性化需求的基础上，培育客户关系，提出能满足顾客兴奋性需求的价值主张，吸引客户参与价值共创。大数据背景下，数字出版企业建立起与用户连接的全媒体渠道，数字出版企业应用大数据挖掘技术捕获用户的个性特征、阅读内容偏好、阅读行为和习惯等大数据资源，能够实现满足顾客兴奋性需求的产品和服务的价值主张。主要包括数字出版企业与智能手机App开发企业、移动阅读设备生产商等价值共创网络成员合作，引导顾客参与线上社区的内容生产、编辑和评论，让顾客获得个性化的媒体体验，提供超乎阅读价值的兴奋性需求价值。如培生集团构建了大数据应用平台，探究与应用软件开发企业、内容提供商、学生客户等合作，不仅能根据学生所在班级的学习进度和学习效果提供班级的教学材料，也能根据每个学生的个人学习习惯和学习效果提供个性化的教辅素材，实现个人的价值需求。

3.4 创新以大数据资源为基础的数字出版价值共创商业模式

大数据背景下，数字出版企业的运营流程发生了根本性的变革，这必将促进数字出版企业的盈利模式、客户市场、营销渠道等商业模式要素的变化。一方面，数字出版企业基于大数据资源规模经济和范围经济的追求促使以大数据为中心的价值链延伸，通过对数字出版大数据资源的挖掘、分享、传递，形成新的数字出版价值共创商业模式。另一方面，大数据技术的应用让数字出版企业基于个性化的价值共创商业模式成为可能。数字出版企业可以应用大数据技术追踪、挖掘每一特定客户的阅读需求，实现订阅推送、个性定制、按需出版、特定社区内容出版等盈利模式。通过创新基于大数据资源的数字出版商业模式，数字出版企业能够提供整个生态服务系统的数字出版服务解决方案，实现数字出版价值共创的可持续发展。

3.5 构建基于大数据思维的数字出版生态系统价值共创文化

传统的出版企业文化是以出版产品为导向、以编辑部为权威的组织文化，大数据背景下出版企业的价值共创需要进一步提高工作的开放性和透明性，形成重视数据处理与应用的思维和数字出版企业文化，包括：（1）构建出版资源收集、存储、处理和应用的制度文化；（2）企业员工和用户要树立以大数据应用为基石的理念，接受以大数据应用为基础的价值共创工作方式；（3）建立行之有效的知识明晰机制、知识绩效机制、知识奖惩机制等出版内容激励机制，形成价值共创的知识资产和核心生产要素，以构建基于大数据处理和应用的数字出版价值共创文化。

注 释

[1]Lurch R F， Vargo S. Service-dominant logic：continuing the evolution[J].Journal of the Academy of Marketing Science，2008（6）：1-10

[2][3]郭朝阳，许杭军，郭惠玲.服务主导逻辑演进轨迹追踪与研究述评[J].外国经济与管理，2012（7）：32-36

[4]葛存山， 张志林，黄孝章.数字出版的概念和运作模式分析[J] .北京印刷学院学报，2008（10）：1-4

[5]刘志强，陈阳.随机环境下业务外包契约设计[J] .企业经济，2008（2）：24-26

[6]魏拴成，邬适融.众包的产生、发展以及构建众包商业模式应遵循的路径[J] .上海管理科学，2010（2）：55-58

[7]资武成.“大数据”时代企业生态系统的演化与建构[J] .社会科学，2013（12）：55-62

[8]周庆安，黄璐.媒体融合视野下媒体内容生产：观念、方式和表达形式[J] .南京政治学院学报，2015（4）：113-115

[9][13]赵卫宏，王东.虚拟品牌社区信任及其对品牌忠诚的影响[J] .经济管理，2013（9）：89-100

[10]吴仁群.大数据在出版传媒企业的应用[J] .科技与出版，2016（1）：24-26

[11][12]张月萍. 出版生产、学术研究与出版业评价的“反转模式”[J].出版发行研究，2015（3）：38-41

[14]王新新，潘洪涛.社会网络环境下的体验价值共创：消费体验研究最新动态[J] .外国经济与管理，2011（5）：17-24

大数据时代的企业决策 篇10

关键词：大数据,涉农企业管理决策,影响

最近一些年来, 涉农企业面临着一体化经济和信息的不断发展, 竞争日益加剧, 为保证涉农企业能抢占更大的市场竞争, 应当使其管理决策水平得到提高。在当前大数据时代下, 涉农企业获得信息资源的途径增加, 然而在管理决策上受到其影响也大大增加。所以, 亟待进一步对涉农企业管理决策受到大数据的影响进行深入研究。

1 大数据定义

目前, 专业研究领域尚未对大数据技术的概念进行明确规定, 其中存在以下几个典型的观点:IT权威研究结构Garther公司对该概念进行界定, 即为在新处理模式的基础上形成的大量信息资源, 并且具有良好的处理信息的能力;NSF对大数据也给出了自己的定义, 即为在多种数据源的基础上构建的丰富且长期性的分布式数据集;麦肯锡对其也作出定义:即为在突破传统数据软件功能的数据集合, 在规定时间内能高效管理数据, 涉及采集、储存和分析数据等。上述对该概念在极大程度上体现了大数据技术的特点, 能广泛应用大数据技术, 同时摆脱数据信息的限制, 能对数据信息进行充分掌握, 并用专业化的手段处理数据信息, 在加工处理数据的基础上, 充分展现大数据技术的应用价值。

2 大数据特征

2.1 高速性

由于互联网技术逐渐成熟和广泛应用, 信息传播媒介的发展越来越多样化, 基于此, 涉农企业在形成信息的同时能高效处理这些信息, 有利于科学合理地进行管理决策, 由于大数据存在高速性的特点, 因而能实现上述现实需求。

2.2 海量化

大数据的特点之一即为海量化, 其为在使用大数据技术分析数据时, 数据存储单位在TB存量到PB存量之间, 但海量化的数据存储能提供足够的信息支持涉农企业的管理决策。

2.3 多样化

当前的信息化时代背景下, 信息内容多元化的发展特点越来越显著, 并且大量的大数据符合信息发展的要求, 涉农企业以结构化和非结构化数据信息为内容, 有效存储和处理正常交易期间的所有相关信息;与此通知, 在人机交互期间形成的数据信息能通过非结构化数据形式完成存储和管理, 并进一步构建大量的数据信息库。

3 大数据对涉农企业管理决策的影响分析

3.1 给决策环境带来的影响

逐渐进入大数据时代可见在当前环境下, 涉农企业不但能结合目前几个具有代表性的案例进行管理决策, 对数据进行正确判断和研究, 灵敏地感应市场发展动向, 良好地应用有效数据, 进而为涉农企业发展提供精确的数据信息, 保证其健康可持续发展。基于云计算的应用, 大数据环境下, 涉农企业必须具备更强的搜集和处理信息的能力, 并且在一定程度上会影响其制定、评估和分析决策方案, 进而对管理决策的总体产生影响。当前, 我国逐渐朝着市场经济时代发展, 在当前日益竞争的背景下, 唯有深入应用数据, 涉农企业各个部门之间的发展才能协调, 涉农企业的核心竞争力才能得以更好地发挥。大数据中的数据的价值较高, 其涵盖了准确、全方位的信息, 因而对于涉农企业而言至关重要。涉农企业应用大数据拓宽了其发展空间, 从调查数据可知, 当前涉农企业现代化管理已经将大数据作为一个关键性的要素, 尽管当前涉农企业才应用大数据才刚刚起步, 但是已经给涉农企业发展带来了良好的机会。数据能够准确判断有效信息, 为正确决策奠定基础, 为涉农企业将来的发展创造良好的条件。

3.2 给决策数据信息带来的影响

面对日益发展的互联网, 大数据的存在对涉农企业管理决策的内容技术含量及知识含量的丰富程度产生了直接的影响, 大数据带来的最大影响即为信息的准确性, 通过合理分析信息, 能为涉农企业管理决策奠定理论基础。若涉农企业面对当前的市场竞争, 忽视互数据的应用, 则其将丧失大量的市场竞争资源, 流失大量宝贵的数据资源, 并降低其竞争力。大数据下的数据管理、特点以及形式已经突破了目前前期数据的大量特点, 大数据的数据管理较为复杂, 因为涵盖的内容广泛, 必须通过选取、手机和存储整体的数据等一系列环节, 旨在实现稳定可靠的数据, 接着进一步分析与概括搜集的数据, 结合涉农企业的现状和实际正确处理数据, 必须对大数据的实时作用给予高度重视。除此之外, 数据间存在相关性, 数据和数据间具有一定的关联, 唯有如此才能对数据有准确的理解, 并充分发挥其价值;基于知识含量的视角, 由于数据包含的知识内容较多, 这种知识既有行业内部的也有行业外部的, 数据管理工作者应当了解更多的知识, 这一因素对管理决策产生极大影响。大数据下涉农企业需要的知识更多更丰富, 必须深入分析和挖掘数据中的内容, 获取更多有价值的知识与信息。经过上述分析可知, 数据和知识在内部实际上是统一的, 必须视为一体, 在某种程度上能体现涉农企业应用数据的能力, 唯有保证二者的协调一致, 涉农企业获取的信息才更有价值, 其能创新发展模式, 增强涉农企业综合实力, 帮助其参与激烈的市场竞争。

3.3 给决策参与者带来的影响

对数据分析师的影响, 当前大数据时代下, 数据分析在数据搜集和分析上的作用至关重要, 数据分析师不但要应用统计分析分类和整理数据的方法, 还必须整理和总结大量的数据, 能够转换数据, 使其转换成简单的语言以供决策者正确使用数据。然而, 市场中十分缺乏数据分析师, 哪怕部分涉农企业设置了数据分析师, 也必须有足够的时间进行;转变管理决策职能, 大数据的应用转变了管理决策者的制定决策的方式, 传统的决策方式都是借助自身长期积累的经验和所学知识, 或者借鉴其他涉农企业案例经验对涉农企业将来发展的方向进行判定, 基本上属直觉判断, 但是大部分大数据对科学和方法较为重视, 因此和传统决策方式相比更客观, 因而转变了他们的职能, 高层管理者在未使用大数据之前基本上都是依靠自身的知识对涉农企业发展状况进行判断, 难以确保获得全面、准确、可靠的信息。在应用大数据之后, 能在数据分析的基础上, 从涉农企业的现状出发, 进行科学准确的决策。对涉农企业管理层与普通员工而言, 获取数据信息更具便利性, 同时决策水平逐渐提升。在使用互联网和普及计算机的基础上, 科技获得高速发展, 各个领域间更易于融合, 多元化的数据信息使得涉农企业内部能实现全员参与决策。

3.4 给决策组织带来的影响

大数据环境下, 必须动员所有成员参与其中, 则涉农企业的决策不仅是管理者的职能, 进而逐渐拓宽其范围, 以此重新配置决策的权重, 这对于涉农企业决策组织而言具有较大的挑战性。包含集中决策与分散决策;还包括分配决策权的问题。由于市场瞬息万变, 能充分凸显出分散决策的作用, 因而便于涉农企业管理制定有关方案。当然, 知识分布和转移成本对涉农企业的组织结构也产生极大影响, 若涉农企业领导存在相对统一的知识结构和集中的知识面, 则必须通过集中决策的方式作出有关决策。在分配决策权时, 涉农企业可能不具备较大的竞争优势, 然而因为涉农企业没有交付给个人制定决策权, 因而在交付的同时, 也未能综合评估这些人的能力和知识, 进而对制定决策的质量也产生了极大影响。通常而言涉农企业中的员工对涉农企业的基本情况越熟悉则存在更多的知识量, 技巧就越熟练, 且判断涉农企业的发展更贴切, 同时也具有更大的决策权。在网络时代中对应用管理组织模式更为重视, 因为金字塔的管理模式更于趋向于扁平化的组织模式, 由于受到大数据时代的影响, 基本员工也能对基本的数据信息有充分的了解, 因而管理模式更显著, 同时也会影响决策的分配权。所以, 在制定管理决策时, 必须对上述因素进行分析, 并进一步完善涉农企业的组织结构, 为制定高效合理的决策奠定基础。

4 结语

总而言之, 面对当前的大数据时代, 涉农企业的发展模式获得极大改变, 因而涉农企业必须满足更高条件的, 必须对大数据时代的发展规律了如指掌, 不断跟随时代发展的脚步, 积极使用现金技术, 结合市场发展的需要, 增强搜集、分析和整理信息的能力, 有效支撑涉农企业正确的管理决策, 进而推动涉农企业在市场竞争中获得良好的发展。

参考文献

[1]何军.大数据对企业管理决策影响分析[J].科技进步与对策, 2014 (04) :65-68.

[2]黄虹, 宋马林.基于组合计量—数据包络评价模型的涉农企业生产效率分析[J].华东经济管理2012 (01) .

[3]黄河, 朱德琼.大数据时代农村信息服务实证研究——基于贵阳市的调查[J].中贵州师范大学学报 (社会科学版) , 2016 (04) .