时间：2023-09-18 17:32:24
开篇：写作不仅是一种记录，更是一种创造，它让我们能够捕捉那些稍纵即逝的灵感，将它们永久地定格在纸上。下面是小编精心整理的12篇大数据资产管理，希望这些内容能成为您创作过程中的良师益友，陪伴您不断探索和进步。
关键词：信息化建设；行政事业单位；固定资产管理；大数据
行政事业单位是国家管理公共事务和发挥国家行政职能的公益性单位，其固定资产是用财政资金购置的，属于国家财产，因而做好行政事业单位固定资产管理是保证国家财产安全、避免国家财产流失的重要前提。现阶段，国家对行政事业单位的扶持力度加大，固定资产管理在行政事业单位发挥的作用不可小觑。随着各类设施的不断建设和完善，行政事业单位依然沿用陈旧保守的固定资产管理模式，难以适应当前的管理目标。在大数据背景下，固定资产管理模式对固定资产管理具有重要作用。大数据是网络时代下多种网络数据的集合，能在海量数据信息中发现数据的相互关联性，利用常规软件进行捕捉、集中整理，形成正确的判断结果。
1大数据背景下固定资产管理存在的问题
1.1固定资产管理制度不完善。固定资产管理的实际应用与固定资产管理制度息息相关。大数据时代，计算机软件和网络的介入，给行政事业单位的固定资产管理带来了便捷。固定资产管理的采购、配置、折旧、报废等流程，均需按照健全、完善的管理制度执行，这样才能有法可依、有据可查。现阶段，如果固定资产管理制度得不到及时更新，就难以与时俱进，会对固定资产管理造成极大困扰。在大数据背景下，固定资产的管理模式已经发生改变，需重新建立适应大数据时代的固定资产管理制度，为固定资产管理保驾护航[1]。1.2固定资产管理的应用流程不规范。部分行政事业单位的固定资产管理流程缺乏完整性和系统性，单位负责人以及固定资产管理人员管理意识淡薄，存在不重视甚至不管理的现象。行政事业单位购置固定资产的资金都是来自国家财政拨款，因此固定资产无人看管、任意处置、随意购置的现象非常常见。固定资产购置、验收、领用、处置、报废等环节没有执行相关程序，损耗严重，给国家财产造成了极大损失。在大数据环境下，管理中各个环节的相关数据通过计算机软件系统和网络传送，经过整合后，能够在计算机软件的应用界面上全部显示出来。如果有不按流程操作的环节，将难以通过财政和国有资产监督管理部门的审核，需执行正规的操作流程，使固定资产管理流程变得规范、完整。1.3固定资产管理职责不清，核算不规范。行政事业单位的固定资产具有品种多、数量大、放置地点零散、留存时间长等特点。大批固定资产分散到各个部门，使用人员不负责保管，专职管理人员不能兼顾每一台设备的运行，固定资产的购置和审批权限不分离，固定资产的保管和账务记录不分离，使固定资产总账与明细账不符，记账金额与固定资产实际价值不符。此外，行政事业单位财会人员仅根据单位领导意愿在年底编制购置固定资产的预算，没有结合财政制度和实际需要上报来年购置固定资产的预算金额，出现了盲目购置固定资产的现象，造成资源浪费。由于行政事业单位固定资产管理人员使用平均年限法计提固定资产折旧，造成每年的固定资产折旧额完全相同，但实际上固定资产在最初开始使用时期的磨损和最后使用时期的磨损程度不同。若每年按相同的折旧金额计提折旧，会导致固定资产剩余价值与实际价值不符[2]。在大数据背景下的固定资产管理模式中，计算机软件能够全程监测固定资产的数量、价值、存放地点等数据信息，为固定资产管理人员提供更直观的依据，有效避免固定资产管理有账无物、有物无账等账实不符问题。每年的损耗折旧程度不尽相同，需按照每年真实的折旧额计提折旧，从而有利于对固定资产进行科学管理。1.4固定资产的监督审查与管理问题第一，行政事业单位固定资产购置没有实行零基预算，为了完成上年度的购置计划，用固定资产剩余金额集中购置，这样容易造成超标以及重复购置，浪费资源。第二，在固定资产购置时贪图便利，没有选择价格合适的商品。大宗商品交易应该由单位领导签字并报上级机关审批，但部分单位领导往往自行作出决策，或者财务人员为了工作便利而没有上报处置。第三，固定资产管理人员仅关注总账与明细账金额是否相符，没有去现场勘查，不了解是否足额计提折旧，是否达到报废年限，不能及时发现问题并处理跟踪记录、固定资产存放、损毁等实际情况。做不到每月、每季度、每年盘点核查和日常监管及定期盘点[3]。
2大数据背景下固定资产管理的措施
2.1建立科学完善的固定资产管理制度。行政事业单位应建立适应大数据时代的固定资产管理制度，指导固定资产管理人员在固定资产购置、验收入库、领用、转移、折旧、清理、报废等过程中按规章制度办事。制定完善的固定资产制度能正确执行政府的规定，把控管理中存在的风险，高效使用固定资产，确保固定资产每个环节能安全顺畅运行。第一，利用大数据对固定资产的各项资料进行管理，固定资产的数量、金额、类别、存放地点等信息通过软件集中归集，进而清晰显示在系统中。第二，加强对固定资产内容的管理，管理权限、设备购置、人员配备、资料存储等按模块进行区分。第三，对固定资产进行管理。通过资产综合报表、资产折旧明细表、资产报废毁损报表、资产减少报表、资产明细查询报表、资产功能分类表等系统查询模块，对数据进行整合管理，明确管理人员的责任和权限，确保管理人员在相关制度的指导下，正确无误地完成数据统计，使大数据功能及技术得到有效应用。2.2改进固定资产流程。行政事业单位固定资产数量大、金额多、种类杂，需要完整明确的管理操作流程，提高固定资产使用效率，降低固定资产成本，合理降低固定资产损耗，保障固定资产的完整度。第一，购入固定资产管理软件，加强信息化建设，对固定资产进行编号，录入信息库，每个固定资产对应一张卡片，卡片上详细记录固定资产的型号、购买年限、金额、用途、存放地点、使用人等，对相应的固定资产形成影像资料，登记录入数据库，减少人工成本和材料成本。第二，通过系统建立固定资产总账、固定资产周转明细账、固定资产折旧明细账、固定资产报废毁损明细账，在计算机软件上形成基础数据。第三，在软件上升级管理职能，在月末、季末、年底自动生成数据报表，记录出库和入库信息，使管理人员明确固定资产使用情况，分析折旧和提前报废的原因，降低管理成本，及时处置管理损耗，为规避管理风险提供便利，使管理结果更加直观。2.3合理确定固定资产管理人员的职责权限。第一，利用大数据技术，整合固定资产购置、验收、领用、折旧、转移、报废等过程的操作数据，建立完整的数据库，将固定资产每个流程的运行数据都记录到数据库中，管理人员可以在数据库中监测到所有数据的变动情况，保证数据完整无缺，继而提升固定资产的整体效益。第二，提高领导的责任意识，避免部分领导出现重购置、轻管理的思想，严格按照财会制度执行政府采购任务，掌控每个环节，把国家的利益放在第一位。第三，建立绩效考核制度。利用大数据技术，把每项固定资产的使用责任落实到具体人员，实现全员管理、齐心协力、人人有责。第四，利用大数据技术，参照使用年限、磨损程度及时调整折旧率，确保每年的折旧额与具体的折旧值相符，折旧金额正确。第五，利用大数据技术，对全部固定资产进行监管，集中调配，降低固定资产的闲置率，严格监管员工调离时疏于盘点、清查、交接导致的固定资产流失现象，降低整体风险。2.4严格执行固定资产监督管理工作。行政事业单位应建立大数据网络平台，完善固定资产管理体系，加强监督管理。第一，基建、财务、监督、审计部门各有一套监管系统，并设有系统权限，设立相关管理员的密码，整个系统是一个整体，但是每个人的执行权限不同，操作流程也不相同，不利于数据共享。所以各部门应该职责明确，相互配合、相互监督，每一个步骤缺一不可。第二，固定资产采购、验收、核算、转移、报废等相关工作需取得相关凭证，手续齐全，各部门协同配合，各司其职，严格把控各个环节，避免出现疏漏。第三，培养利用大数据开展固定资产管理的人才，建立大数据管理理念，熟练掌握系统操作界面和录入、核对、审核、报批等实际工作，关键岗位职责不同，责任人不同。第四，实行大数据共享机制，实现信息流通，及时传递。在数据化建立过程中保护数据安全，避免数据泄露，妥善保管密码，避免非固定资产管理人员进入大数据信息管理平台。固定资产管理的各责任人和各环节的经手人要签字确认，环环紧扣，落实责任，严格执行各项管理制度，不得随意更改。
3结束语
随着大数据时代的到来，行政事业单位应尽快完善大数据平台，充分发挥大数据技术在固定资产管理过程中的巨大作用。建立科学合理的固定资产管理制度，完善固定资产管理流程，调整固定资产管理权限，建立固定资产监督体系，培养高水平的固定资产管理人才，以提高行政事业单位的管理能力和水平，保障国家财产安全，让固定资产发挥其应有的作用。
参考文献：
［1］黎小清.大数据下固定资产管理［J］.财会学习，2020（23）：169-170.
［2］程志强，徐洁琳.基于大数据时代高校固定资产管理的思考［J］.产业与科技论坛，2019，18（17）：275-276.
数据资产的定义
维克托・迈尔・舍恩伯格在大数据系统研究领域的先河之作《大数据时代》中曾经提到：“虽然数据还没有被列入企业的资产负债表，但这只是一个时间问题”。数据作为银行重要的资产，需要我们重点关注。
资产是指由企业过去经营交易或各项事项形成的，由企业拥有或控制的，预期会给企业带来经济利益的资源。类比资产的定义，数据资产是企业或组织拥有或控制，能带来未来经济利益的数据资源。因此，并不是所有的数据都是资产，只有可控制、可计量、可变现的数据才可能成为资产。其中，实现数据资产的可变现属性，体现数据价值的过程，即称为“数据资产化”。怎样识别数据资产、利用现有的数据资产创造价值，将是金融机构不得不面临的一个课题。
数据资产的属性，主要包括可控制、可计量和可变现。其主要含义如下。
可控制
目前，数据的所有权问题还没有统一的界定。从来源和控制力度来分，数据可以分为两类：一是生产型数据。例如搜索引擎公司对使用其搜索引擎的用户执行各种行为收集、整理和分析。这类数据来源于用户，但控制权和使用权却在企业手中，企业可以自由地最大限度地发挥其商业价值。二是加工型数据，是对于原始生产型数据的再加工与提炼，如金融机构依靠网络爬虫工具、黑客手段、嵌入式渠道入口等获取经过自身加工的数据。此类数据中，数据的使用权经过合法授权的是金融机构可控制的数据资产，如果我们并不能对数据拥有合法的控制权和使用权，则该类数据并不属于合法的数据资产。
可量化
数据要成为资产，必须能够用货币进行可靠的计量。尽管目前大多数企业已经意识到了数据作为资产的可能性，但除了极少数专门以数据交易为主营业务的公司外，其余企业尚无法为准确的量化数据资产，无论是现有的会计分类和科目的设置、资产披露形式、使用寿命与摊销方法等均缺乏合理的设计。
虽然数据尚无法作为资产在企业财务中得到真正的应用，但将数据列入无形资产的收益则不言而喻：例如很多高科技企业都具有较长的投入产出期，如能将其通过交易手段获得的数据，按实际支付价款作为入账价值计入无形资产，则能为企业形成有效税盾，降低企业实际税负。
可变现
资本区别于一般产品的特征在于其不断增值的可能性。因此，如果不能为企业带来经济利益，数据便不能称之为资产。只有能够转化数据并实现增值的企业，其数据才能称为“数据资产”。
以数据资产为核心的商业模式主要有租售数据模式、租售信息模式、数据媒体模式、数据使能模式、数据空间运营模式和大数据技术模式等六种。其中，租售数据模式，主要是出售或出租原始数据；租售信息模式，则是出售或者出租经过整合、提炼、萃取的信息；数字媒体模式主要是通过数字媒体运营商进行精准营销；数据使能模式，其代表性企业诸如阿里巴巴公司，其通过提供大量的金融数据挖掘及分析服务，协助其他行业开展因缺乏数据而难以涉足的新业务，如消费信贷、企业小额贷款业务等；数据空间运营模式主要是出租数据存储空间；大数据技术模式则是针对某类大数据提供专有技术。
同时数据资产的共享性也给使得数据的应用领域和价值成倍越大。然而，做数据资产管理的时候，银行很可能会遇到一系列的问题，如数据架构失控、元数据管理混乱、数据标准缺失、数据质量参差、数据增长无序、数据安全问题突出等。这些问题的核心根源往往在于IT系统变更频繁、积木式迭代，以及烟囱式建设，缺乏企业级的整体架构和整体数据规划。
数据资产管理的四层架构
数据资产管理（Data Asset Management，简称DAM）是规划、控制和提供数据及信息资产的一组业务职能，包括开发、执行和监督有关数据的计划、政策、方案、项目、流程、方法和程序，从而控制、保护、交付和提高数据资产的价值。
在国际上，随着数据管理行业的成熟和发展，数据资产管理作为一门专业管理领域逐渐被人们广泛研究和总结。国外一些数据资产领域的专家和学者成立了数据资产管理专业论坛和组织―国际数据管理协会（DAMA International），并总结了数据资产管理相关理论指导体系 DAMA―DMBOK。根据其经典理论，数据资产管理一般包括：（1）数据治理，（2）数据架构，（3）数据开发，（4）数据操作管理，（5）数据安全管理，（6）主数据管理，（7）数据仓库和商务智能管理，（8）文档和内容管理，（9）元数据管理，（10）数据质量管理等十大数据管理职能。
按照数据的生命周期，可以将数据资产管理划分为基础层、数据层、分析层和价值层共四层架构体系。其中，基础层着重于基础架构和设置，包含数据仓库和商务智能管理、数据安全管理等；数据层着重于数据获取，质量和标准，包含数据治理、数据架构、参考数据和主数据管理、元数据管理、数据质量管理等；分析层着重于数据挖掘、建模与分析数据开发，包含数据操作管理和数据分析等；价值层则是数据资产管理的最高层，是数据为企业创造价值、促进生产、提高业务经营效果和企业战略的最终解决方案。
关键词：大数据背景；职业院校；资产管理信息化
引言
随着近些年来社会的不断发展，职业院校的学校规模也在不断的扩大，资产的总数更是持续的加大，传统化的网络管理已经无法实现当前资产管理的诸多需求。在当前信息化飞速发展的大数据环境之下，职业院校的资产管理实现信息化，就是说利用当前社会背景下的信息技术实现学校的资产管理工作，从而有效的提高职业院校的数字化建设、提升整体教学成效，在一定程度上提高学校的整体教学质量，有效的促进教学的科研以此来提高学校的教学管理从而满足社会发展需求。
一、职业学校资产管理信息化现状
部分较为落后的职业学校资产管理，现如今仍然停留在单调化的管理模式，通过使用excel软件完成，或者直接购买单机版的资产软件，整体的资产管理不具备共享性，缺乏了一定的工作协同性分享管理。还有部分职业学校虽然使用了信息化的网络共联资产软件，使用了C/S或者B/S的网络架构，但是在应用网络软件实现资产管理过程中，往往只是实现了固定化的资产管理，并没有实现优质的较为容易消耗的资产管理。只有少量的职业学校整体资产管理水平已经达到了一定的信息化管理标准，可是此类学校在完成资产管理的过程中，往往只是过于重视教务软件以及学工软件的建设，并没有过多的时间投入满足资产管理，因此我国当前的职业学校对资产完成信息化管理水平亟待提升。
二、建立资产管理信息化体系
1.管理固定资产
通过按照资产管理的相关文件需求，对于固定资产的管理定义就是指通用设备的1000元，专用设别在1500元之上，使用的整体期限超出1年，并且在使用过程中并没有过大的损坏，仍然保证了物质本身的资产即为固定资产管理。那么对于此类资产的管理，主要通过借的方式完成管理，通过构建各部门管理体系(如表1所示)。
2.低值耐用品管理与耗材管理
经由上表所示，将低值易耗品又分为了低值耐用品以及耗材。在职业学校中用于实训课程开展的教学设备，以及数量较多且体积较少的工具，经常流失需要不断的重复选购的设备。在职业院校的管理中，低值耐用品的管理尤为必要。再者就是管理教学耗材品。职业学校主要就是为了满足社会实用型人才的需求，因此必然要较大程度的开展实践课程，因此对于实训的整体材料耗费需求较大。通过在学校构建现代化教学物流配送据点，从而实现领取记录，统一器材的具体使用耗费情况。
三、资产管理信息化手段
1.资产网络管理系统
通过固定资产管理版块，从而将职业学校的具体资产管理诸多环节实现涵盖，主要涉及材料的主要使用信息、具体的招标采购以及具体的使用细则、材料的耗费维护、具体的数据上报以及实现系统化管理等方面，从而构想基于校园网的学校固定资产管理信息化手段。同时还要低值耐用品的管理版块，该管理版块主要完善了系统化的管理功能，满足了对于低值耐用品的工具实现规范化管理，以及设备的使用借还、入库以及破损等诸多管理功能，整体操作较为简单，使用了B/S管理结构，整体操作更加便捷。最后就是需要构建耗材管理版块，通过经由信息化管理系统完成相应的材料使用申请，经学校完成审批同意，采购工作人员完成购买。之后完成实时的材料更新，以便能够及时的查询。在货物到达之后，相关人员需要使用货物时，要在网络系统进行申请，经过核实之后完成领导审批之后才可以出库使用。信息化资产管理系统无需过多的人工参与，节省了大量的人力物力以及时间，实现了高效的资产管理效率，有效的降低了成本投入以及仓储的整体资源面积占用。
2.条形码管理技术
条形码管理中较为常用的也是二维码管理，通过在资产管理加以二维码标签，设计具有学校特色的标签，之后在固定资产管理信息化系统中录入二维码的管理版块，之后将设计的标签完成打印。那么在实现此种技术管理时，管理工作人员可以对资产完成具体的分牌贴示，在具体的分牌贴士中反映出较多的问题。每年的资产盘点，都可以经由pda完成二维码标签的扫描，之后弯沉一系列的盘点、汇总还有具体的资产盘点情况反映。通过使用二维码管理，有效的实现了职业学校的资产管理中，出现管理工作人员工作懈怠的情况，更是对资产的大量流失情况达到了杜绝成效。大数据时代下的职业学下资产管理并不是主要要求数据的拥有，而是有效的利用数据，从而更加精准省力的完成职业学校的资产管理。
参考文献：
[1]邱均成.高校国有资产管理信息化若干问题探讨[J].康定民族师范高等专科学校学报,2006(2):89-91.
[2]高跃峰.高校资产管理信息化模式探讨[J].新会计,2013(6):66-68.
[3]言炯.资产管理信息化系统探讨[J].电子技术与软件工程,2014(4):88.
关键词:大数据;企业;经营管理;影响
互联网、物联网、云计算等信息技术的快速发展催生了大数据时代。数据发掘和数据服务已经在电子商务、电信、金融、医疗、零售、智慧城市建设等方面初见成效。急剧发展的大数据技术必将对企业的经营管理产生广泛且深远的影响，作为经营管理的决策者，需认清形势，积极应对，抓住机遇，促进企业发展。
1对存货供应的影响
经济批量是企业存货供应中需要解决的重要问题之一，通常是以存货基本经济批量模型来确定。该模型是以许多假设为前提条件的，如存货价格稳定，且能够实现瞬时补充;不允许出现缺货;所需存货市场供应充足等。当这些假设不完全具备时，企业利用基本经济批量模型测算的经济批量将会出现误差，从而影响到成本降低和效益提高，甚至影响到生产的连续性。但是，在大数据时代，存货价格是否稳定、市场供应是否充足、缺货是否会出现等均可利用大数据分析得到充分评定，使存货基本经济批量模型的运用具有更可靠的基础，使确定的经济批量更接近实际，避免盲目购进，减少存货积压，促进效益提高。
2对企业产品生产的影响
随着人们消费观念的改变，消费需求呈现出多元化、个性化、潮流化倾向。消费个体会将这种消费诉求在互联网上直接或间接地表达出来，从而留下消费需求数据。企业要充分利用现代信息手段收集、储存、整理这些需求数据，利用大数据技术分析、发掘、归类、综合需求数据背后所潜藏的消费偏好和倾向，合理估算需求数量。结合企业现有生产能力，可判断生产规模需要扩大还是缩小，现有品种需要保留还是转产，真正做到以销定产。尤其是当这些需求为市场新兴需求时，就为企业新产品的开发提供了机会，为企业的发展带来了机遇。当新兴需求又具有个性化和潮流化的特征时，定制产品、订单生产就将成为企业发展的新动向，单件或小批量生产组织形式的作用将作者简介:李有良(1967－)，男，河南灵宝市人，本科学历，副教授，注册会计师，现在焦作大学任教;张建松(1964－)，男，河南汝州市人，本科学历，教授，现在焦作大学任教。更加凸显。
3对企业产品销售的影响
随着互联网技术的推广，产品生产者的销售信息和产品需求者的求购信息可以通过网络进行有效交换，使产品的供求在时间、空间、区域、速度等方面实现高效均衡，从而孕育了新型的网上销售方式。以网购及浏览购物信息为基础，结合网上其他活动信息，即可利用大数据技术进行顾客消费偏好分析、消费能力分析、客户构成分析，从而精准定位产品的消费群体，使产品推销宣传更加前置，推销方向、领域、对象更加具体、明确。大数据分析结果可以使企业更为准确地估算产品的市场需要量，有助于确定市场占有份额;可以发现产品价格的市场适应度，并适时调整，有效把控市场，增加营业收入。
4对企业资产管理的影响
4．1对应收账款管理的影响
应收账款的存在可以增加销售、减少存货，但同时也会产生机会成本、管理成本、坏账成本等持有成本。企业应当制定合理的应收账款政策，科学管理应收账款。为此，对客户进行信用调查就是首要工作。相对于传统式的信用调查，利用大数据技术可以在更大的范围内进行客户信用评级查阅、信用变化跟踪、以往失信记录查找等。在现代电子技术的支撑下，几乎可以对所有客户的信用动态、支付能力进行实时追踪，从而对接近信用期、超过信用期的不同客户采用不同的收账政策。对于超过信用期较长时间未付款的客户，实行重点跟踪，分析其信用变化原因，更为准确地预计坏账损失，及时、足额地计提坏账准备，保证应收账款信息的真实性，有效防范企业资金链断裂。
4．2对固定资产管理的影响
固定资产是企业实现盈利的物质基础，对其管理的目标是安全完整和有效使用。因固定资产的用途具有固定性，一旦投入使用，也就形成了特定的生产能力。一般情况下，企业在增加固定资产时都会充分考虑生产能力和生产任务的均衡，但受市场和其他因素影响，生产任务常常会发生变化，从而导致生产能力和生产任务的失衡。当生产能力大于生产任务时，固定资产就会出现剩余生产能力。为了提高固定资产的利用效率，企业通常会对剩余生产能力寻租，但生产能力的特定性和市场信息的不对称性往往使企业的寻租困难重重。大数据技术的运用使剩余生产能力寻租更加便捷。出租方和承租方可利用互联网、收集、加工、整理、分析相关的租赁信息，也可以直接利用信息中介公司提供的租赁信息，在更大的市场范围内完成租赁结合，提高固定资产的利用率。
5对企业预测、决策的影响
企业管理的核心是决策，决策正确与否关系到企业的生死存亡。预测是决策的前提，是为决策服务的。企业在经营管理过程中会遇到各种各样的决策，如资金需要量决策、固定资产需要量决策、项目投资决策等，为了保证决策结果的正确性必须开展科学的预测。传统的预测更多的是基于经济活动的历史推测其未来的发展趋势，但是，在大数据时代，人们可以通过数据收集和分析，将某一经济活动的过去、现状和未来更紧密、更充分地结合起来，使预测数据更加可靠、过程更加精细，结果更加贴近实际。如资金需要量预测时，要用到预测期的销售额，其大小取决于预测期销售量和价格。在大数据技术条件下，这两个量就可以通过大数据分析，在综合考虑市场上的定性和定量因素后更加客观地确定下来。同时，当资金需要量确定后，在进行筹资决策时，还可以利用大数据分析在多种筹资渠道和筹资方式中充分地进行比较，选择成本相对较低、风险相对较小的资金。再如项目投资决策时，现金流量是计算有关财务指标进而判定项目是否可行的基础，估算一个项目未来几年甚至十几年的现金流量往往受制于人们的经验和对市场变化的认识。大数据分析可以有效地改进这一点，使人们能利用更多的有效数据把握市场的变化趋势，使现金流量的估算更加客观，使项目投资决策更加科学。大数据潜藏着巨大的价值，随着应用技术的推广，大数据必将成为企业的一项重要无形资产，在开发客户潜在需求、精准定位营销对象、精确细化运营管理、科学开展经营分析、积累企业竞争优势等诸多方面发挥着巨大作用。因此，作为企业的决策者必须高度重视大数据技术的运用，抢先谋划大数据的收集、整理、储存、开发、利用、安全维护和人才储备等工作，为企业的发展奠定基础。
参考文献:
关键词：互联网金融 ；小贷公司 ；阿里小贷 ；大数据
一、互联网小额信贷公司的发展背景
2016年7月，中互联网信息中心（CNNIC）的中国互联网发展状况统计报告显示，截至2016年6 月，我国网民规模达到7.10 亿，互联网普及率为51.7%。互联网的普及和发展为所有的互联网小额信贷公司的蓬勃发展奠定下了强大基础。2015年7月28日，中国人民银行、公安部、财政部、国家工商总局、国务院法制办等部门联合印发了《关于促进互联网金融健康发展的指导意见》，这证明互联网小额信贷业务走到了一个国家允许、合法支持的新高度。
《基于大数据平台的互联网金融与小微企业融资―――以阿里小贷为例》（王艳林，2015）显示，66.7%的小微企业首选的融资渠道是银行贷款。但由于小微企业的信贷记录部分失真及贷款成本较高，小微企业的银行贷款的可得性较差。2014年第一季度统计数据显示，约有62.5%的小微企业银行贷款需求没有得到满足，仅8.6%的小微企业获得全部贷款。
互联网小额信贷公司的盈利模式在于“小额大量”，利用云计算技术，能从大数据中提取出信用特质，风险偏好，资金需求等高价值信息，能迅速完成借贷双方的匹配，并有效管理风险，效率提高的同时实现盈利。
二、阿里小贷的运营模式
（一）信息搜集
阿里小贷的数据信息来源主要分为以下几类。一是电商平台信息。阿里小贷作为阿里巴巴集团持股的互联网小额贷款公司，拥有着阿里巴巴、淘宝、天猫、支付宝、蚂蚁金融等电商平台信息。在上述电商平台发生的每一次操作交易数据，包括客户信息采集预认证、浏览的记录、购买的记录、交易习惯、成交金额、评价投诉、纠纷解决等都会成为大数据库中最关键、最主要的部分。二是申请提交信息。借款人在申请贷款时，有义务向阿里小贷提供包括个人基本信息、资产证明信息（如银行流水）、企业经营业务及状况、资产负债情况、家庭成员组成、家庭收入、学历、动产及不动产情况等信息。
（二）大数据的处理及云计算
大数据的处理，即云计算技术的运用，使得大数据价值能够从隐性变为显性，并加以实际运用。阿里小贷专业的建模和算法团队，在前期建构好一套完善的数学模型用于风险控制和信贷匹配，通过前期的科技投入来降低后期的烦琐人工支出。从阿里小贷的“小额大量”贷款模式可以看出，大数据云计算能够大幅降低成本，降低风险，提升利润空间。
二、申贷及放贷
（一）贷款对象及概况
目前，阿里小贷将服务对象定位于阿里巴巴B2B平台及淘宝平台上的微小企业和个人创业者。2007年至今，阿里小贷陆续推出了淘宝订单贷款、阿里巴巴信用贷款和淘宝信用贷款等多元化产品。无须担保人，额度从1元到50万元，申贷、审贷、放贷全程线上完成，最短3 分钟快速贷款，最长申请后7 天内完成。
（二）主要产品及分类
1.订单贷款。订单贷款凭借店铺中处于“卖家已收货，买家未确认收货”状态的订单申请贷款，实质上属于以订单充当“抵押物”的质押贷款。
2.信用贷款。信用贷款分为循环贷和固定贷两种。循环贷获取一定额度作为备用金，不取用不收利息，随借随还；固定贷在获贷后一次性发放贷款额度。
（三）借贷资金来源
阿里小贷资金池发展经历了以下几个阶段。
（1）2007年，阿里小贷与浙江省建设银行、工商银行合作，阿里巴巴提供商家信息，银行提供资金。同时，与银行合作建立了一个风险资金池。
（2）2010年，阿里巴巴在杭州、重庆注册了两家资本金额分别为6亿元和10亿元的小额贷款公司，向其平台商家发放贷款。
（3）2013年6月，阿里信贷平台对所有金融机构开放，通过资产证券化进行融资。同年7月，东方证券资产管理有限公司――阿里巴巴1号至10号专项资产管理计划获得证监会批复。
（4）2014年7月，阿里巴巴集团宣布与中行、招行、建行等7家银行正式合作。
三、阿里小贷的运营优势
阿里小贷运用大数据进行运营在同行业中有哪些优势？下文将从两大方面展开――风险控制以及效率提高。
（一）风险控制
在我国，小微企业的数量占到了各类型企业总数量的99%，但小微企业银行借贷余额仅占总企业银行借贷余额的29.3%。在传统金融机构下，我国小微企业陷入融资困境。造成这种状况的主要原因是小微企业规模小、财务管理能力弱，商业银行难以从大量“软信息”中提取有效信息，这导致了极高的风控成本和严重的信息不对称。传统金融解决不了这些问题，而互联网金融借助大数据和云计算技术，很好地消除了信息不对称。
1.风控人员多。阿里的风控部门数据分析人员超过整个团队的50%，而传统金融机构这一比例仅为 4%。阿里小贷的模型设计人员，设计出了众多的板块模型，并将传统流程电子化。阿里小贷的风控手段主要依靠相关数据模型，对数据进行挖掘分析，得出风险定价。
2.信用风险低。当前阿里小贷总体不良贷款率在1.2%～1.3%。这一水平比较接近商业银行2013年末不良贷款率1%的水平，优于农村商业银行2013年末不良贷款率1.67%的水平。
3.实例说明。下面将从实例与数据分析来说明阿里小贷如何通过对大数据和云计算技术的充分运用来实现风险的控制和降低。本例将选择两个产品的逾期率比较：东证资管――阿里巴巴10号专项资产管理计划（下文简称10号）和拍拍贷（中国第一家网络信用借贷平台）。
2015第一季度，逾期率（逾期1天以上）：10号为3.29%，拍拍贷1.71%；不良率：10号为1.63%，拍拍贷2.2%；年化收益率：10号为16.72%，拍拍贷12.81%。其中，对于10号的份额组成：优先级：次优先级：次级=15：3：2。而且不良率全部出自次级贷款。
由此可以看出：尽管逾期率较高，但阿里小贷的不良率比拍拍贷要低，而且，不良贷款全部出自次级贷款（该部分贷款全部为阿里小贷自己购入，不会影响购买该ABS的机构投资者）。同时，阿里小贷的盈利比率比拍拍贷要高。
（二）效率提高
阿里小贷运用大数据进行处理分析，可提高收集数据、审核贷款、发放贷款各个环节的效率。下面将从监管过程、搜索过程来进行探讨。
1. 监管过程。商业银行一笔小贷业务的成本在2000元左右，而阿里小贷借助互联网技术可以将单笔贷款操作成本降为2.3元，且流程简单，到帐速度快。平安银行网上金融旗舰店推出了小额消费贷等金融产品，但要按合同金额的1%收取贷款安排手续费。与之相比，阿里小贷就不收手续费。从中可以看出阿里单位信贷的成本是低于平安银行的。
2. 搜索过程。阿里小贷可根据支付宝、淘宝平台企业的信用记录、交易记录、款项往来等数据，实时跟踪某一企业的资金流，将同类企业作为参照对象，通过模型推断出企业可能出现资金断流的时点及所需资金量，向目标客户精准推荐、发放定制贷款。互联网下大数据模式极大程度上降低了信息收集成本和协商成本，使阿里小贷可直接锁定信用记录良好、还款能力强并急需资金的客户，优化了客户与贷款之间的双边匹配，提高资产配置效率，节省了工作人员调查分析的大部分时间。
四、阿里小贷运营优化建议
（一）与银行分享信用数据
目前，阿里小贷无法纳入中国人民银行结算系统，无法获取征信系统数据。征信系统接入了各类放贷机构，其数据对阿里小贷是很好的补充。截至2015年4月底，征信系统收录自然人超过8.6亿，收录企业及其他组织将近2 068万户。如果可以和银行实行数据共享，阿里小贷将符合银行贷款条件、贷款金额大的客户推荐给银行，银行将小微企业的信用数据分享给阿里小贷，阿里小贷就可以更有针对性地发放贷款、提高资产配置效率，银行也可以从数据分享中获益。
（二）与银行共享资金池
如果银行可以将闲散资金借给阿里小贷使用，一方面扩大阿里小贷的资金池，加强抗风险能力，解决了后备资金不足的问题；另一方面，此举相当于银行借助阿里小贷完善的数据处理和互联网金融系统，间接发放小额贷款给急需资金的优质小微客户，增加了优质资产配比，降低了坏账率。
（三）向银行学习规避风险
和传统的五大行合作，借鉴成熟的管理体系，吸纳规避金融危机的宝贵经验，τ诎⒗镄〈的长久发展十分有利。此外，五大行的经济体量大，对市场异常波动、信贷方向变化更加敏感，与五大行进行深入合作，更有利于阿里小贷捕捉市场变化讯息。
参考文献：
[1]中国互联网络信息中心.中国互联网络发展状况统计报告[R]，2016.7.
[2]陈丽萍.阿里金融小微贷款案例分析[J].时代经贸， 2013（18）：77-78.
[3]中国人民银行. 2014 年上半年金融机构贷款投向统计报告[R].2014.7.25.
[4]何佳欢.阿里金融小额贷款模式案例研究[J].金融， 2015.5
[5]高源宸.电商小额信贷金融模式的优势与风险研究[J]. 金融， 2014.5.
[关键词]大数据；快递；发展创新[中图分类号]F252 [文献标识码]A [文章编号]1005-6432（2014）44-0023-02
1 引 言
继云计算、物联网之后，“大数据”成为技术领域的又一热点。在物流市场增速放缓、企业经营面临困难的背景下，有分析认为，“大数据”不仅能够帮助企业渡过难关，还将成为物流市场的新蓝海。
早在1980年，著名未来学家阿尔文・托夫勒便在《第三次浪潮》一书中，将大数据热情地赞颂为“第三次浪潮的华彩乐章”。美国互联网数据中心指出，互联网上的数据每年将增长50%，每两年便将翻一番，而目前世界上90%以上的数据是最近几年才产生的。此外，数据又并非单纯指人们在互联网上的信息，全世界的工业设备、汽车、电表上有着无数的数码传感器，随时测量和传递着有关位置、运动、震动、温度、湿度乃至空气中化学物质的变化，也产生了海量的数据信息。
大数据（Big Data），或称巨量资料，指的是所涉及的资料量规模巨大到无法通过目前主流软件工具，在合理时间内达到撷取、管理、处理并整理成为帮助企业经营决策更积极目的的资讯。（在维克托・迈尔-舍恩伯格及肯尼斯・库克耶编写的《大数据时代》中大数据指不用随机分析法（抽样调查）这样的捷径，而采用所有数据的方法。）大数据的4V特点：Volume（大量）、Velocity（高速）、Variety（多样）、Veracity（真实性）。
快递企业分为自营、自营加、自营加加盟、物流加盟四类，目前自营企业只有一家：顺丰。快递分为三类：商务快递、网购快递、特殊快递，还有一类是政府快递。自1984年我国开办国内特快专递业务以来至2010年快递业务收入突破500亿元，整整用了26年的时间，但从500亿元到突破千亿元大关只用了两年时间。
2 快递行业数据管理现状
2.1 企业自身对大数据的采集不重视
到现在为止，不少快递企业的操作及信息传输并不是很规范，这给基础数据的采集带来了不小的困难。
并且多数快递企业是加盟体制，对企业自身资料的采集和统计工作不重视，多数快递企业为了降低成本，不做客户信息录入，或者只记录发件人和收件人信息，自身所拥有的大数据资源没有得到开发和利用。
2.2 无法获得原始数据
对于以“网购”为主的快递企业来说，客户信息的电子版在电商手里，对于加盟模式的总部来说，客户信息的数据（行业分类、快递的商品品种及分类）、快递价格、收入等都掌握在具有独立法人资质的加盟商手里，还包括加盟商的车辆、人力资源等数据；由于加盟商与总部存在利益上的不同诉求，很多加盟商不会将真实的统计资料上报总部。
2.3 现有数据未充分利用
目前，多数快递企业的数据，存储几个月后便消失，数据在快递投送完毕后便终结其存在的意义。如果企业能对这些数据进行充分挖掘，在客户开发与维护、业务优化等方面，其商业价值不言而喻。
大物流领域利用大数据分析应用技术其实质就是利用地理信息、位置服务、物联网在物流行业里做信息系统化，将现有的粗放、零散、低效、高耗的物流企业数据资源加以整合，建设成可以依据空间地理信息来统一协调监管的现代化物流。逐步利用大数据驱动信息化物流建设，在信息化的现代物流模式下，大物流领域的任何物流车船归属企业的名称、物流车队的整体油耗、车船的位置信息、车船的行程轨迹、车船的运行周期等这类空间地理数据通过系统智能化处理。
3 快递行业发展创新
3.1 尽早建立数据资产管理策略
“数据作为一种新的资源，数据的拥有者将来会获得越来越大的话语权，整个社会的治理结构与规则将会发生非常深刻的变化，这是每个人都会面临的社会变迁。”中国物流界专家戴定一认为，智慧物流是物流的发展目标，而大数据能够支撑智慧物流的发展，物流行业和企业要利用好大数据，才能够真正从变革中受益。
在大数据时代，企业要想用数据制胜，就必须尽早建立数据资产管理策略。只有拥有战略性视野和专业技术，才能更好地获得商业洞察力，才能将数据资产转换成战略资产和竞争力。
大数据技术分析的目的是从海量的信息中分析出有效信息，以帮助使用者发现潜在机会。由于基础数据的分析工作量巨大，如何从繁复的基础信息中快速发现有效的信息，需要使用者在进行数据分析前明确分析目标、实现该目标所采取的方式，这样才能加强数据分析的针对性，帮助使用者进行决策。
3.2 加强预测与监测
大数据的核心是发现和预测，利用这个特点，还可以迅速提升快递物流行业的整体服务水平。在百世汇通，通过技术人员运用科技手段进行分析、提炼，大数据正在为企业战略规划、运营管理和日常运作提供重要支持和指导。据百世物流科技（中国）有限公司副总裁张砚冰介绍，百世汇通尝试运用大数据来管理、分析、判断加盟网点的运营行为，通过网点在系统内的足迹建立数据分析模型，成功地预测了几次网点的异动，使工作方式由被动式变为主动式、前置式，减少了大量客户投诉，把问题消灭在萌芽阶段。
3.3 向价值竞争转型
这几年，由于快递业陷入价格战，行业利润率已从2005年的近30%下降到现在的3%至5%。目前多数快递企业的利润率不到5%。由于需要应对不断上涨的人工、土地、资金等成本，以及愈演愈烈的价格战，企业利润日益微薄。
应用“大数据”技术，通过对各个物流环节的数据进行归纳、分类和整合，可以清楚地查看企业网络任何一个网点的经营现状和业务情况等。而通过运用科技手段进行分析、提炼，“大数据”还可以为企业战略规划、运营管理和日常运作提供重要支持和指导。
菜鸟网通过“大数据”所实现的数据透明与智能分析，无疑将给快递物流企业带来冲击。“大数据”让快递物流成本更加透明，让快递物流企业面对运营成本的直接PK，使公司间的角逐变得更加惨烈。
一、版权资产管理的内容
版权是文学、艺术、科学作品的作者对其作品享有的一系列人身权利和财产权利，具有明显的财产属性，能够为权利人带来巨大的经济利益，因而也是一种资产。版权资产是权利人所拥有或者控制的，能够持续发挥作用并且预期能带来经济利益的版权的财产权益和与版权有关权利的财产权益，属于无形资产的一种。版权资产强调的是权利人享有的相应财产权利，而不是拥有享有版权的实物资产。例如，出版企业购买的一本图书是实物资产，属于有形资产，只有通过签订合同取得一部作品的某项财产权（如复制权或发行权）才能称其为该企业的版权资产。
版权资产管理是企业对所拥有的相关版权权利开展清查、登记、评估、统计、使用、流转等活动。版权资产管理的内容具体包括四个方面：法律管理、实务管理、价值管理和运营管理。法律管理是指对企业所购买和出售的版权进行法律方面的审查，实务管理是指对版权资产权属进行清查与登记，价值管理是指对资产价值开展评估并将其纳入财务数据，运营管理是指企业通过对拥有的版权资产进行运营并将其转化为经济价值。
做好版权资产管理将对我国的出版业有重要的作用：
（1）开展版权资产管理有利于壮大我国出版企业的资产规模，推动其建立现代企业制度。作为文化企业的重要力量，我国出版企业拥有大量的作品资源，这些资源也是出版企业重要的版权资产，据估计“其价值和规模甚至会超过固定资产”，完善出版企业的版权资产管理，既能够保障出版企业的合法权益，特别是避免我国国有出版企业版权资产的流失，也是推动出版企业加快体制改革、建立现代企业制度的需要。
（2）加强版权资产管理有利于促进我国出版业的发展。根据世界知识产权组织的定义，“核心版权产业是完全从事创作、制作和制造、表演、广播、传播以及展览、销售和发行作品及其他受保护客体的产业”。出版业即属于核心版权产业，也就是说如果没有版权作为资源，出版业将无法存在。因此，版权资产是出版企业获得经营收益的核心资源，也是反映出版业核心竞争力的重要指标，加强对版权资产的管理是促进我国出版业发展的重要手段。
二、版权资产有效管理手段欠缺
1.出版企业版权资产规模小
根据《国有文化企业发展报告（2014）》公布的数据，截至2013年底，全国国有文化企业资产总额2.2万亿元，其中版权等无形资产占比只有3%左右;中央文化企业中只有13.5%的企业建立了版权资产管理制度或开展版权资产运营，版权资产占无形资产的比例不到20%，直接通过版权资产运营获得收益的企业数量较少。我国出版企业亦是如此。以《2014年新闻出版产业分析报告》中流通市值排名靠前的7家出版上市公司为例，7家公司无形资产占资产总额的比重在2%到11%不等，其中主要是土地使用权，约占到90%以上甚至更多;7家企业中将版权列为无形资产的只有4家，版权在无形资产中的比重在10%以下甚至不到1%。可以看出，我国出版企业的版权资产在整个企业资产中比重小，这反映出有些出版企业没有把版权作为重要的无形资产，这种情况与作为核心版权产业的企业属性不符。
表1 部分出版上市公司版权与无形资产的比重
2.开始探索建立版权资产管理制度
2009年中央经营性文化事业单位改革尤其是中央各部门各单位出版社体制改革全面展开，改革的方向是完善管人管事管资产管导向相结合的国有文化资产管理体制。设立于2011年的中央文化企业国有资产监督管理领导小组办公室（以下简称“中央文资办”）具体负责中央文化企业国有资产监管的日常工作，陆续出台了一系列制度，涵盖产权登记转让交易、资产评估管理、重大事项监管、预算管理等各个方面，为我国出版业国有资产管理特别是版权资产管理工作提供了指导。相关出版企业已开始进行了版权资产管理的探索，明确版权资产管理的部门，建立健全相关制度。如电子工业出版社、人民卫生出版社等明确总编室作为版权资产管理部门;人民教育出版社制定了《人民教育出版社著作权管理规定》《人民教育出版社著作权许可使用暂行规定》等。但大多数出版企业还没有建立版权资产管理制度，在资产管理上普遍存在“重有形、轻无形”的情况，对拥有的版权资产缺乏清晰、有效的管理，导致版权资产权属不清，长期处于闲置状态，成为“沉默”的资产。
3.版权资产价值管理缺乏有效的手段
版权资产管理的另一难点在于价值管理，这也是导致版权资产管理难以开展的重要原因。一是现行的企业会计准则虽然对无形资产的确认和计量做出了规定，但缺乏对知识产权的单项规定，对版权资产的价值管理可操作性不强，一定程度上造成出版企业的版权资产难以确定，导致企业的实际资产价值在改制、重组、并购过程中被低估。二是版权资产评估体系还不成熟，由于版权资产的无实物形态、价值不确定性、受市场影响大等特点，资产价值难以衡量，限制了出版企业的版权质押融资、版权证券化等活动的开展，制约了企业通过版权资源实现创新发展的动力。目前我国已在版权资产价值评估方面做出了一些尝试。中国资产评估协会于2010年颁布了《著作权资产评估指导意见》，从基本要求、评估对象、评估操作要求、评估披露等方面系统规范了版权资产评估的基本原则和标准，推动了版权资产评估的规范化发展。2012年我国成立了首家专业版权评估机构――中国人民大学国家版权贸易基地版权评估中心，并于同年完成全国最大一单版权质押融资案例的评估工作，帮助一家影视制作公司以11部电视剧的版权打包质押获得1亿元银行贷款。
4.版权资产运营逐渐受到重视
随着版权观念和意识的提升，我国出版企业开始把版权资产运营作为行业发展的重要手段，既注重开发和购买自有版权资源，扩大版权资产规模，又重视全版权产业链的运营，同时还积极开展版权引进和输出的工作，使版权资源能够实现最大限度的价值。如青岛出版集团通过近年《速成围棋》系列图书的出版，编辑出版了多品种、多层次的围棋图书，并吸引了包括《聂卫平全集》等一批名家名作版权落户集团，还组建了青版棋院，连续举办全国性围棋大赛，并借势延伸到少儿围棋的连锁培训，开发了“聪明围棋”线上产品，做到了版权资源的多层次运营。但我国大多数出版企业的版权资产运营还处在初级水平，出版业的版权资产运营仍然主要局限在“编、印、发”的传统环节，较少向数字领域、网络领域、影视领域、游戏领域等下游产业环节延伸和拓展。
三、加强对版权资产的管理和运用
加强对出版业的版权资产管理，既需要相关主管部门加强调查研究，做好版权资产管理的基础性工作，健全和完善资产清查、价值评估、财务核算等方面的方法和制度，又需要出版企业树立版权资产的观念，加强对版权资产的管理、保护和运用。
1.重视版权资产管理，开展版权资产清查工作
将版权资产管理纳入国有资产管理的范畴，文资监管和出版管理部门积极鼓励和组织各国有出版企业开展存量版权资产的清查工作，全面掌握国有出版企业版权资产的数量、种类、权属和使用等情况，摸清出版企业的版权资产家底，做好资产的清理和登记，对存量资产形成清晰的记录，对增量资产实现动态管理，进一步发现和掌握出版企业版权资产管理中存在的情况和迫切需要解决的问题。
2.完善版权资产管理的制度和组织建设
监管部门应在调研的基础上，研究制定加强出版企业版权资产管理的相关指导意见，并积极协调有关部门完善版权资产会计核算制度，建立科学合理的版权资产价值评估体系，发挥财政政策引导和资金扶持作用支持出版企业加强版权资产管理。出版企业要建立以运营为导向、以管理为基础的版权资产管理机制，完善版权资产管理制度，设立或指定专门部门负责版权资产管理事务，并将版权资产进行会计记账处理。
3.利用新的技术手段管理版权资产
出版企业要积极利用新的技术手段，充分运用大数据、云计算、移动互联网、物联网等技术对版权资产进行管理，建设版权资产管理平台，对企业版权资产进行系统梳理和动态跟踪，提高版权资产数据的采集、存储、管理、分析和运用能力，将版权资产的数据库与出版企业的生产活动相连接，充分运用大数据资源分析和挖掘受众需求，进行有效的版权产品推送，提高出版产品的针对性和互动性，变目标驱动型的传统出版模式为用户驱动型的新兴出版模式，促进版权资产的流转和开发。相关管理部门在这一过程中可以发挥财政的引导示范带动作用，如加大中央文化产业发展专项资金对相关企业版权资产管理平台建设的支持力度，支持和鼓励相关版权资产管理项目纳入新闻出版改革发展项目库。
4.通过版权运营提升版权资产的市场价值
在刚闭幕的2017年夏季达沃斯论坛上，Fintech（金融科技）的概念被频频提及，而智能投顾则是其中名副其实的主角。
何为智能投顾？智能投顾是一个专业度非常高、跨度又非常大的领域，涉及到资产管理、风险管理、产品设计、算法模型、系统开发等多个方面。简单讲，智能投顾就是“智能的投资顾问”，资产管理、风险管理、产品设计，还有客户画像、算法匹配等，都是专业投资顾问要做的事情。但是，在国内市场，存在专业人员稀缺，产品种类繁多复杂，国内投资用户规模庞大等特点，所以，智能投顾的前景无疑很广阔。首先，智能投顾的门槛和使用费率比较低，能够使大众都参与进来，个人财富稳步增长使得资产管理规模空间增大；其次，人工智能技术日趋成熟，智能投顾的用户体验越来越好；最后，年轻一代对互联网、对数字化财富管理的接受程度高。
据不完全统计，国内目前宣称具有智能投顾功能或者正在研发智能投顾的互联网理财平台已超过20家。比如，阿里的蚂蚁金服通过大量使用人工智能机器人完成客服，能降低成本也能提高效率，通过大数据、云计算、机器学习等科技手段把农村金融等的长尾市场做起来；百度金融实现洞悉用户的智能资产配置方案也指向“智能投顾”，为用户提供自动化、以算法为基础的证券投资组合管理服务。
随着大数据、云计算、区块链、人工智能、移动互联等新一代信息技术的发展和应用，科技在提升金融效率、改善金融服务方面的影响越发显著，只有那些在技g上持续投入和创新的企业才能一直顺利发展。主流厂商都不断在科技方面加大投入，积极向业界标杆取经学习，在现阶段的规划中，主要是深耕产品，细化客户画像，优选组合，不断打磨客户体验，为客户提供更好的产品与服务。
2016年，中国金融科技公司共获得77亿美元融资，首次超越美国位列全球第一，是全球金融科技融资唯一增长的地区。毫无疑问，以金融科技为核心的互联网金融行业将是未来的朝阳产业，发展前途无限可能。
随着信息技术深度改造金融业，金融业整合时代即将到来，只有那些真正以技术驱动的创新，能够给客户带来更人性化体验的产品，才能带领企业历经考验，走向发展的康庄之路。
关键词：数据挖掘；高校资产；资产管理；决策支持
中图分类号：G647 文献标志码：A 文章编号：1673-8454（2016）09-0041-06
当前，我们正处在一个网络化、信息化高速发展的时代，数据挖掘技术正在迅速地改变着整个社会的发展进程。计算机技术与Internet技术的迅猛发展，大大提高了数据挖掘（Data Mining）、收集与整理加工的能力，当今社会数据资源变得日益丰富，各行各业充斥着大量的数据源。正当此时新的问题应运而生，如何挖掘出数据源中蕴含的知识与信息并加以利用，怎样处理不断涌现出的信息源噪声问题，已迫在眉睫。
新兴技术即数据挖掘技术与知识发现（Data Mining and Knowledge Discovery in Databases）顺势而生，并展现出旺盛的生命力，学者们汇聚了数据库技术、数据统计学、人工智能以及管理信息系统等学科，致力于这一边缘科学的蓬勃发展，解决当前数据源噪声问题。自此，数据挖掘技术在各行各业得到了极大应用，为资产管理、生产运营以及信息处理提供了新的理论指导。
于此同时，高校是特殊的事业单位群体，其资产管理效率直接关乎于高校的整体运行。当今，高校的资产管理已经普遍实现了信息化管理，并针对其数据的存取与检索配备了相应的设备。但当前高校资产信息化管理的过程中存在一个致命性问题，即数据源未得到充分应用，蕴藏在其中的信息未得到有效挖掘与开发。高校资产信息化处理系统在运行过程中会收集大量数据信息，而在实际操作中系统管理员仅具有简单的统计评估与分析功能，而隐藏在数据背后的价值却不能进行深度挖掘与应用。资产管理者需要采用一种有效的方法自动的发现与分析隐藏在各数据之间的关联性与动态的发展趋势，从而为管理者的决策提供有效的数据支撑，以此来发挥信息系统收集的当前与历史数据的价值。依前文所述，数据挖掘技术与知识发现能够有效地将信息系统收集的大量数据源进行整合，提高高校资产管理效率。为此，本文会引入数据挖掘技术与知识发现对高校资产的需求与使用情况，以及资产的损耗情况进行深层的剖析，以为决策者的资产管理提供有力的支撑，从而合理有效地利用高校有限的资源创造出更优越的教学育人环境，进而提高其整体的教学质量。
一、数据挖掘技术的国内外研究现状
上世纪八十年代末，国际上召开了第11届国际联合人工智能的学术性会议，首次提出了数据挖掘。此后，上世纪九十年代中期，美国的计算机年会（ACM）召开之际，首次确定了数据挖掘技术的概念，指出集来的大量且不完全的有噪声的随机数据中，提取出蕴藏在其中的有价值的信息与知识即为数据挖掘，通过这种数据挖掘技术能够有利于数据分析与决策支持。自此，学者们汇聚了数据库技术、数据统计学、人工智能以及管理信息系统等学科，致力于这一边缘科学的蓬勃发展。到了二十一世纪初，数据挖掘技术已经渗入到了各个学科领域，并在企事业单位的生产经营过程中发挥了巨大作用。于2002年中，在加拿大举行了第八届关于数据挖掘与知识发现（KDD）的ACM. SIGKDD国际性大会，将数据挖掘与知识发现技术这一边缘学科推向了新的研究进程。
美国电气与电子工程师协会（IEEE）出版的会刊中从上世纪90年代开始多次出版关于KDD技术的专刊，专门对数据挖掘与知识发现技术进行专项研究。除此之外，其他领域的专业技术学会也出版了专刊，计算机网络与信息工程技术方面纷纷展开了对数据挖掘技术的探讨，KDD技术的发展受到了越来越多领域学者的重视，如在《半月刊》中发表了关于KDD的诸多研究成果。时至今日，美国人工智能协会关于数据挖掘与知识发现技术方面的国际性研讨会已经举办了数十次，涉及范围越来越广。有关KDD技术的学术成果越来越多，研究领域也逐渐扩大，逐渐由原来的方法发现扩大到了系统应用，从而扩大到了大规模的综合系统的应用与开发。于此同时，学术界还注重了对多种技术的集成，以及交叉学科之间的相互渗透。在实践方面，诸多数据挖掘软件在国际范围内得到了广泛的应用，早在二十一世纪初期，美国IBM公司就研发了智能开矿工（Intelligent Miner）软件，而美国硅图公司则开发了SPSS软件（统计产品与服务解决方案）。当前，KDD技术已经成为了数据库与信息应用方面最前沿的研究领域，KDD技术已然成为世界计算机领域最大的研究热点。
相对来说，国内关于数据挖掘技术的研究起步较晚，且研究的进程相对缓慢。直到上世纪就是九十年代中期，才逐渐引入数据挖掘技术。在研究的进程中，《计算机学报》与《软件学报》纷纷刊载了一些该领域的研究成果，这些研究成果多借鉴于国外先进的学术成果，其重点也是从发现方法到系统的应用问题，但在实践方面的研究十分匮乏。国家自然科学基金首次出资支持KDD研究项目是在1993年，经过几年到二十一世纪初才形成KDD研究的基本框架，自此以后研究的重点逐渐侧重于如何将知识发现与数据挖掘技术应用到企事业单位生产经营当中。当今，清华大学、华中科技大学以及华中理工大学等高等院校及科研单位正致力于数据挖掘技术理论及其应用的研究。而复旦大学与吉林大学则对关联规则挖掘算法的优化进行了大量的研究；而北京大学对数据立方体代数领域的探索成为推动数据挖掘技术发展的重要推动力。
于此同时，随着数据挖掘技术理论研究的发展，国内学者开始了对数据挖掘技术应用方面的探讨，尤其是金融与商品营销领域。随着数据挖掘技术的发展，其应用范围越来越广泛，既包括了证券银行等金融行业，又包括了制造业和批发零售业，KDD技术的应用已经渗透到人们生活中的方方面面，成为了基金与企业投资的热点。学者们普遍认为数据挖掘技术拥有者广阔的应用空间和无限的发展潜力。但纵观已有的研究成果来看，众多学者的研究重点仍是理论方面，在实践方面的研究成果匮乏。与此同时，已有的数据挖掘方面应用的研究多是金融行业或生产零售业等商业领域，鲜有对高校等事业单位方面应用的研究。当前对数据挖掘领域的研究涉及到高校资产的研究更是凤毛麟角。有关于高校资产管理的研究多侧重于资产采购环节，而利用数据挖掘技术设计高校资产管理系统方面的研究才刚刚起步，其研究的深度与广度十分有限。如何提高日趋庞杂的高校资产管理的效率，是数据挖掘技术应用方面的一个新的课题。本文旨在引入数据挖掘技术与知识发现对高校资产的需求与使用情况，以及资产的损耗情况进行深层的剖析，以提高高校资产管理的效率。
二、高校资产管理的现状和问题分析
随着高校扩招扩建，其办学规模得到了跨越式的扩大，其国有资产得到了突飞猛进增长，但随之而来的是高校资产管理问题的凸显：高校不同部门间资产雷同，且长期搁置，资产利用率低下；资产购置价格过高，使用期限短，性价比低下；资产浪费严重。高校长期的教学管理过程中，积累了大量的设备、仪器以及耗材等账目问题，形成了庞杂的历史数据记录。高校资产管理人员无法理清各种资产账目，资产购置、报废、外借等无法得到有效及时的动态化管理，数据源混乱。具体来说高校资产管理的问题体现在以下四个方面：
（1）现有的资产管理系统相对落后，无法满足日益庞杂的资产账目问题。
当前，高校扩招扩建严重，国有资产规模日益扩张，形成了庞杂的历史数据记录，而高校采用的资产管理系统多为简单化办公软件，在处置资产时多采取的是简单的计算机信息录入功能，对于资产流转无法进行动态化管理。高校资产管理人员在进行资产数据处理过程中，仅以数据统计为主，缺乏自动化管理和数据分析功能，无法为决策提供有力支撑。
（2）资产管理体制不完善，缺乏合理有效的分工制度。
高校是特殊的事业单位，其经费多由国家或省级财政予以拨款，受到计划经济体制的影响，且官僚风气严重，多年来资产管理体制混乱，管理人员权责分配不对等，造成高校资产账目不清，统计数据存在偏差，资产流失严重。很多高校资产管理体制不健全，政策模糊、分工混乱，教学设备流转混乱，责任落实不到位，出现资产重复采购与提前报废等现象。分工不明，权责不清，资产责任人与使用人分离，约束不足，长此以往造成高校账目混乱、资产流失严重。
（3）资产管理缺乏规划。
在资产的流转过程中需要进行预先规划，而在高校的资产管理过程中，管理者仅凭经验进行采买与使用，缺乏理性分析和事前规划。在进行图书、仪器设备的采购前资产管理人员收集到各部门上报的数据后仅进行简单的统计就凭经验进行购买。缺乏理性的判断和合理的规划，往往造成了相同资产的重复购买和资源的浪费。而在集体采购过程中，管理者根据个人利益与经验选择供应商，事前并不对供应商提供的产品性价比进行综合性分析比较。这种采购方式形成了主观臆断的决策，随意性强，给高校资源造成极大浪费。而在购置后的使用管理过程中，缺乏合力有效的规划，资产使用与报废仅凭经验处置，缺乏长期性规划，造成高校资产大量流失。
（4）信息传递存在障碍。
信息的顺畅传递是高校资产高效率使用的保障。而就当前高校资产管理的形势来看，仅有管理部门才拥有高校资产的全部信息，而各部门之间的信息是闭塞的。每个部门仅拥有本单位资产的信息情况，而部门之间信息与资源不能共享，造成资源的重复购买与闲置。与此同时，不仅部门之间的信息传递存在障碍，管理部门与各资产使用部门之间的信息传递也存在障碍，为保障高校资产的完备性，管理者要在每年进行清查工作，但在资产盘点过程中，资产管理处仅为各使用单位提供账目清单，各单位根据清单进行实物盘点，然后管理处再根据账实情况对设备保管情况进行调整。这种资产盘点方法的信息传递效率低下，无法满足当前高校日益庞杂的资产账目管理的需要。
综上所述，高校资产存在着重复购买与资产流失的问题，亟待科学化与准确化管理。随着高校建校规模的扩大，积累了庞杂的资产，若仍像过去那样无纪律、无规划地进行管理，必然会造成高校资产管理效率的低下。而解决当前问题之关键在于充分利用购置资产过去与现在的数据，利用计算机技术与数据挖掘技术，构建高校资产管理信息化系统，运用自动化办公系统从海量数据中挖掘出各部门资产需求度与资产采购匹配度，并深度分析资产购置价格、使用期限与频率之间的动态关联关系，挖掘出蕴藏在高校资产内部的发展趋势与规律，从而提高高校资产使用率，降低资产购置经费，为高校资产管理提供决策支持。
三、利用数据挖掘技术设计高校资产管理系统
当前，数据挖掘方法主要有关联分析、聚类分析、分类以及时序模式等，综合上述方法能够合理有效地构建高校资产管理系统，能够挖掘出蕴藏在海量的数据源中有价值的信息，从而提高高校资产管理效率。
1.以资产为中心的设计主题
在设计高校资产管理系统的过程中，首先要确定系统中最有价值的决策主题域以及各个主题域的维度。根据对高校资产管理系统的需求分析，明确了数据库系统的主题域包含资产、部门（即系统用户）以及资金这三个主题域。而这三个主题域之间关系是，资产是管理系统主体设计之核心，通过对这一主题域数据分析，能够获得相应的主题域分析结果，从而为决策支持提供信息库。而部门与资金这两个主题域在系统管理过程中起辅助作用，反映一些需要关注的备用信息。具体来说利用数据挖掘技术设计的资产管理系统拥有以下三个主题域：
（1）资产主题，即用来分析各单位的资产运行情况。
各部门的资产数据信息均会录入到资产管理系统中，资产主体会通过对各单位过去与当前的资产运行情况数据进行分析，获取资产更新或升级数据，从而对资产进行全面管理与调配。该数据域不仅录入过去与当前资产信息，还需囊括各部门下一年度的资产购置与更新的财务预算，以为决策者提供完备的信息库。
（2）部门主题，即对高校各部门（系统用户）状况的分析。
不同部门之间的职能不同，使得其购置的资产性质存在一定的差异性。而不同部门之间的工作内容又存在一定的关联性，为避免资产的重复购置有必要了解不同部门之间的关联关系，从而促进部门间资源共享。而部门主题域的设计用途是容纳各部门性质与工作职能等数据信息，从而根据不同部门的特点制定资产管理与购置计划，以在制定下一年度的财务预算时有所侧重。与此同时，还可利用关联规则挖掘各部门之间的内在联系，从而避免资产的重复购置。
（3）资金主题，即是对各部门与各资产的资金运作状况的分析，包括整体资金情况以及各部门资产管理资金配置情况。
资金域中录入的是已购置资产资金花销及来源，资产管理过程中的折旧、升级投入经费情况。不仅如此，这一主题还要涵盖资金分配规划和预处理数据信息。
通常，高校资产管理系统中都要涵盖以上三个基本主题域。但在实践中，有时为了简单化将三个主题域进行合并，即在资产主题域内对部门与资金主题进行考虑，但在数据库设计过程中需要通过增加维度的途径来达到相同之效果。
2.以决策支持与数据挖掘为目标的二级粒度设计
高校资产管理系统设计之目标在于对资产数据的有效挖掘，并为管理者提供决策支持。高校资产管理者为对资产管理系统提出各种要求，而高校资产数据会随着高校规模的扩大而无限增加，自然分化出常调动数据与沉淀数据，在存储上有必要进行区分，即将沉淀数据存储在备用存储器中，并清楚报废多年资产的数据，这就要求粒度级别划分的精准性。经过对各大高校资产管理情况进行反复分析与合理推测，笔者认为可将高校管理系统数据库设计为二级粒度，即详细数据与综合数据。前者是指每天的资产数据，后者则分为轻度综合数据（每部门数据、每月数据或每大类资产数据）与高度综合数据（每年数据或综合大类资产数据）。详细数据冗杂，不宜长期在管理系统中保存；可定期整理生成综合数据并进行转存、清理，而综合数据量较小，数据关联性强，可在数据库中长期保存，并利用其定期生产资产数据报表。
3.资产管理系统逻辑模型设计
资产管理系统逻辑模型由事实表与维度表，前者是模型的核心部分。事实表包括键与详细指标两项，在模型中通过事实表的键将维度表组织连接起来，以为系统用户提供查询功能。事实表用来对设计的主题域多个角度进行描述，而维度表从不同角度对设计的主题域数据进行描述。通过对高校资产管理情况的深度分析，本文认为高校资产管理系统适用于雪花模型，据此设计出资产管理系统逻辑模型。其中“资产数据事实表”和后面的“部门表”、“资产编码表”、“资产分级表”以及“时间表”4个主维度表关联，而“部门表”、“资产编码表”以及“资产分级表”则分别具有“上级部门表”、“资产类别表”以及“资产指标表”3个2级的维度表。这种多层级的维度表降低了资产数据冗余度，节省了资产管理系统的储备空间，提高了系统数据挖掘粒度的灵活性。
模型设计后需要对管理系统进行数据装载（ETL），首先要对资产的源数据进行简单抽取，然后依据预先设定的逻辑模型对源数据进行转换并进行数据仓库的存储。
4.资产数据归约与取值
对数据的属性进行归约，能够使挖掘的数据规则更加简单化，本质来说大户也是对数据库施加的约束，能够缩减生成候选集的数量，从而能够快速发现数据关联规则。教育部规定，高校资产分为16个大类，既包括房屋等地产又包括了图书与器具等教学设备，对其进行管理是十分复杂的工程。为此本文在实际应用中可以确定四个管理指标，即资产购置价格（A）、资产剩余使用年限（B）、资产年使用率（C）以及资产质量评估（D）。
对上述确定的资产管理指标进行统一的分级，即1～5级，分别用1～5表示实现指标数据取值的分类转换。
（1）根据购置价格、购置时间与当前市场行情等因素对资产进行评级。
（2）根据折旧情况与使用年限进行评级，在折旧与使用年限的确定上应根据会计与税务上的规定进行计算，得出资产的剩余使用年限率，并根据资产属性与具体使用情况进行相应调整。将资产使用年限分为五个区间，并根据资产的剩余使用年限率=（税务规定资产使用年限-已使用年限）/税务规定资产使用年限公式，计算出分区化的资产剩余使用年限的区间值。通过对高校资产情况的深度分析，将其区间值定为（1，0.8]、（0.8，0.6]、（0.6，0.4]、（0.4，0.2]以及（0.2，0]，其分别对应着1～5各级别。
（3）依据资产使用率确定资产级别取值。资产使用率源数据来自于资产管理者定期的核查与记录，并据此做出评价，使用率越低则级别越接近1级，即使用期限越长，反之则越接近5级。
（4）根据资产定期的质量检查与评估。
综上，高校资产归约与取值的描述为：（资产编号，购置价格、剩余使用年限率、使用频率、质量评估值）。如编号414011的资产其购置价格是3级，剩余使用年限率是2级，使用频率是2级，而质量评估值为1级，则在数据库中为（414011，A3，B2，C2，D1）。
5.数据挖掘过程
上述通过对高校资产管理系统的设计，获得高校资产的数据库的具体构建，下面将分析如何对源数据进行整理与特征化转换。本文认为通过Apriori算法能够实现对资产数据库关联规则的数据挖掘。而利用高校资产的数据库多指标之间的关联规则就可以实现对高校资产的数据库进行多变量数据集合进行数据挖掘。
（1）在高校资产管理的指标设定下，将高校资产质量评估值作为规则目标，利用Apriori算法的生成频繁数据项集。频繁数据项集中可以确地各个高校资产资产管理系统中变量的信任度和支持度。
（2）通过分析高校资产质量指标数据集合之间的关联性规则，计算出满足最小信任度的相应规则。
（3）挖掘数据间的关联性，即计算出满足最小信任度的规则。
四、资产管理系统决策支持模块的实现
可想而知，利用数据挖掘技术设计高校资产管理系统的目的，在于为资产管理者提供决策支持。而通过管理系统挖掘出的数据越精准，得到的资产的动态数据越有意义，其关联规则对辅助管理者进行决策越具有价值。而通过上述方法设计的管理系统收集的数据十分庞杂，若直接进行数据挖掘其效率与实际价值定会十分低下，信息可信度会大大降低。这样，保证资产管理系统决策支持模块的实现，是利用数据挖掘技术提高我国高校资产管理的效率的关键。资产管理系统决策支持模块是面向业务主管或更高级别管理人员而设定的，通过对高校资产管理系统收集而来的数据进行更深层次的挖掘分析而来，以为管理者提供决策支持。资产管理系统决策支持模块的实现是高校资产数据库建立的重要目标，依赖于资产管理系统，但又与其完全分开，即是高校资产管理系统的有益补充，弥补其系统功能之不足。
1.决策支持模块中的数据挖掘过程
决策支持系统的数据挖掘有别于资产管理系统，具体来说包括了管理问题定义、数据准备与转换、数据挖掘、结果分析以及知识运用等五个过程。
（1）管理问题定义，即数据挖掘的目标，即定义出资产管理过程中需要解决的业务问题。
（2）数据准备与转换，是指根据确定的目标，在上述设定的资产管理系统中提取出特定数据集，并对这些数据集进行预先加工和处理，剔除数据缺值与冗余，并修正其存在的错误，从而完成数据的准备工作。
（3）接下来进行的是决策模块的数据挖掘，即根据上述收集加工的特定数据集的功能与特点，利用相应的数据算法建立分析模型，从而实现对经过转换的数据的挖掘工作。
（4）经过数据挖掘后，要对挖掘的数据进行结果分析，所谓的结果分析及对挖掘的数据进行系统分析、解释与评价，并运用文字或图表的方式将数据蕴含的动态关联规则进行转换与阐释，以被用户所理解与采纳。
（5）最后一步是知识运用，即将通过上述数据挖掘过程获得的知识集成到决策系统的知识库当中，构成决策备用信息库为管理者提供决策支持。
2.决策支持模块中数据挖掘的分类应用
决策支持系统是为高校资产管理提供决策支持的系统，具体来说包括了设备采购、资产配置、维修管理以及报废决策四个方面的决策实现过程。资产管理不同环节的决策依据不同，要根据管理特点选择合适的算法对数据进行有效的挖掘，为管理者提供科学有效的决策依据，是资产管理系统决策支持模块的实现的关键：
（1）资产采购环节的决策支持，采购决策的合理与否关乎后续的维护成本与资产使用效率。在这一环节，要挖掘资产管理系统中已有的海量历史采购数据，与此同时结合当前市场情况，对预采购资产进行技术经济分析与性价比分析，并配合调研选型。在数据挖掘过程中适当采用聚类分析与关系分析相结合的方法，对市场上不同供应商提供的产品进行差异性分析，根据大数据中提供的平均使用寿命与维修频率的综合性评价选择性价比较高的产品进行采购。于此同时，在采购过程中适当使用预测模式，对预购置资产价格进行初步概算，以对部门资产采购资金进行有效控制。
（2）资产配置环节的决策支持。购置后的资产要在各部门之间进行分配，资产的合理配置是提高高校资产管理效率的基础。资产配置的不合理会造成资产的重复购置以及资源的极大浪费。无论是购置资产的初次配置，还是特定资产的二次处理均需要数据挖掘技术为管理者的决策提供信息支持。可采用聚类分析法，以各单位性质为依据，将其分派成不同组别，从而决策分析者根据聚类分析之结果，探索各组别间差异性，并通过建立决策树，来确定预配置资产分配方案。
（3）维修管理环节的决策支持。资产配置后的维修管理对提高资产使用效率至关重要，而“以养代修”是资产保管的重要方法。但何时养护，怎样养护却不能仅凭经验进行判断，在这方面可以利用数据挖掘技术中的时序模式与预测分析方法，对类似资产的使用情况与维修记录的数据进行挖掘与提炼，并结合该项资产的维修记录与具体情况，得出判断信息，从而对资产进行科学维修管理，以保证资产使用性能的充分发挥，提高资产利用率。与此同时，还可以采用预测分析法，促进资产维护经费预算与分配的科学合理化。
（4）报废更新环节的决策支持。资产的报废更新源自于两个方面：一方面是资产性能的下降，已经达到预期使用寿命；另一方面是由于高校教学与科研内容的革新所触发的，对资产性能方面提出了新的技术要求。要采用数据挖掘技术的关联规则分析资产关系，对资产进行动态化管理，通过对已有数据的挖掘及时剔除寿命降至的资产。而对于资产性能无法满足高校教学与科研革新需要的资产，要采用数据挖掘技术制定多种方案进行计算决策，依据技术上先进、经济上合理的资产管理原则，确定对原有资产进行改造升级，还是予以报废更新。
五、结束语
高校资产信息化处理系统在运行过程中会收集大量数据信息，而在实际操作中系统管理员仅具有简单的统计评估与分析功能，而隐藏在数据背后的价值却不能进行深度挖掘与应用。利用数据挖掘技术设计高校资产管理系统是很好的应用趋势，能够为高校资产管理者提供有效的决策支持。但数据挖掘具体工作的开展需要从事资产管理和系统设计人员充分的准备，以及对案例与算法的实际把握与分析能力。在资产管理系统的实际应用过程中，要注重归纳与总结，不断改进完善数据挖掘算法，找出数据背后蕴藏的关联规则，以便挖掘结果更科学化，为管理者与决策者提供便于理解的信息库，适应当前高校资产管理与决策的需要。
参考文献：
[1]袁隽媛.高校资产数据挖掘的研究与实现[D].湖南：湖南大学，2012.
[2]金豆.数据挖掘技术在资产管理系统中的应用[D].吉林：长春理工大学，2010.
[3]江敏，徐艳.数据挖掘技术在高校教学管理中的应用[J].电脑知识与技术，2012（24）：5741-5745，5760.
[4]刘治良，张庾.数据挖掘在设备管理中的应用探究[J].电脑知识与技术，2014（33）：7836-7837.
[5]陈永峰.大数据背景下数据挖掘在高校固定资产统计中的应用研究[J].河北软件职业技术学院学报，2015（2）：6-9.
[6]袁隽媛.数据挖掘在高校资产管理中的应用[J].中国管理信息化，2011（5）：26-28.
Abstract: Through analyzing the driver factors of the the theory of customer equity management(CEM) and the related research models of CEM, we proposed a strategy map of customer equity management based on the principle of balanced scorecard (BSC), meanwhile, the study propositions on customer equity management are proposed.
关键词:顾客资产管理;顾客终身价值;战略地图
Key words: customer equity management;customer lifetime value;strategy map
中图分类号:F274 文献标识码:A文章编号:1006-4311(2010)08-0079-03
0引言
Blattber和Deighton(1996)[1]首次提出了“顾客资产”的概念。随后,Rust等人(2001)[2]认为企业应该通过顾客资产管理(Customer Equity Management,CEM)寻求顾客资产最大化,并指出对顾客信息的认知、管理以及建模能力是企业的主要资产,可以作为一种持续竞争优势的来源。顾客资产可以界定为企业全部顾客终身价值折现现值总和。这种新兴的管理方法不再把营销上的开支看作是短期的支出,更多将其视为可以通过未来的回报为企业及其股东们创造价值的一种投资。从本质来讲,CEM提出之前其思想就已经浮现出来,包括“零背叛”的顾客忠诚策略、关系营销、交互营销、数据库营销和大规模制定策略等在内的营销理念。
然而,当前对顾客资产管理的研究十分分散,对顾客资产管理的本质缺乏清晰的认识,更没有一个统一的研究框架,论文回顾了顾客资产管理兴起的驱动因素,结合平衡计分卡(Balanced Scorecard,BSC)的基本思想,构建了顾客资产管理战略地图,基于此,提出几项顾客资产管理的未来研究主张。以期为更深入的顾客资产管理理论探讨奠定基础,为更有效的顾客资产管理实践提供新的战略思路。
1顾客资产管理的驱动因素
1.1 顾客角色及地位的改变生产管理模式的变革和社会经济的蓬勃发展推动了大多数行业市场形势的变化,供过于求的市场大大增加了顾客的选择,这让顾客变得更为“聪明”和多变[3],同时顾客的角色和地位发生巨大的变化(如表1所示),顾客正从传统产品和服务的消费者变成消费者、价值的共同创造者等多重角色[4]。可见,伴随着企业生产和经营方式的不断进步,顾客的地位经历了由被忽略,到逐渐被重视,进而得以不断提升的变化过程,顾客扮演着越来越重要的角色。
1.2 CRM进化的必然结果国际上对CRM的研究起源于二十世纪八十年代初的“接触管理”(Contact Management),到二十世纪九十年代初演变为顾客关怀(Customer Care),在CEM模型中必须强调顾客细分的动态性。像文献[9]中针对不同的营销策略,选取其影响变量(结合特定营销策略下的CE贡献),用阀值控制进而产生多维度的细分结果是一种简单有效的方法,为动态细分以及针对性的营销(甚至是一对一营销)策略提供了很好的思路。多维度的较为精细的细分结果可以为管理和决策带来一些潜在性的好处,那就是当新顾客引入的时候,可以直接判断其所属细分类别并实施相应的管理策略,这样既可以节省细分过程的搜索成本,而且在面对庞大数量的顾客时可以提高响应效率。此外,推出新的产品/服务时也可以对类比产品的目标顾客进行同质性分析,反推市场细分变量,从而有效地锁定目标顾客群。
2顾客资产管理战略地图
2.1 构建战略地图的基本思想战略地图是平衡计分卡的发展和升华,它是一种描述和沟通战略的动态可视化工具[7]。Kaplan 和Norton于1992首次提出了平衡计分卡的概念,建立了包括财务、顾客、内部业务流程、学习与成长四个视角的评价准则。平衡计分卡突破了传统的以财务为核心的测量评价体系,把组织的战略目标与实现过程、企业当前的业绩与未来的获利能力联系起来,以一个不同视角的平衡观点来综合评价企业的业绩,对企业进行绩效评估具有重大的意义,受到实业界和学术界的广泛关注。在起始阶段,平衡计分卡主要用于企业的业绩评价,后来转变为一种有效的战略管理系统,并得到广泛应用。战略地图是平衡计分卡的重要组成部分,通过增加细节层(detail)说明战略的动态性,通过增加颗粒层(granularity)用于改善清晰性和重点[7]。战略地图提供了描述和沟通顾客资产管理战略的统一方法,兼顾短期和长期目标、结果和结果的驱动因素、硬的财务指标和软的非财务指标的平衡,因而能全面描述顾客资产管理战略,在确定战略目标的同时,鉴别实现战略的关键流程、资源和能力。
2.2 顾客资产管理战略地图的原理与作用根据顾客资产管理的原理,其管理过程和作用可分解如下:首先,企业整合所有交互渠道,收集大量的顾客信息,运用数据仓库、数据挖掘、知识发现等信息技术分析和发掘顾客潜在特征,以了解顾客的个性化需求。其次,当顾客的需求和期望被满足,满意顾客、忠诚顾客便产生了。同时,由于产品或服务的顾客化、额外信息的提供和产品及服务质量的提升,顾客将获取更多的顾客收益,顾客满意将大大提高。再次,如果企业能有效地运用营销渠道传递更多的价值给顾客,顾客将与企业保持长久的顾客关系,从而增加产品或服务的购买量,同时传播好的口碑及向企业推荐新的顾客,这些既增加了当前的顾客价值,同时也促使了潜在顾客向当前顾客的转变,无疑都增加企业的顾客资产。顾客资产管理的战略地图如图2所示。据此可以鉴别出进行顾客资产管理的关键视角,而传统的BSC以企业为中心,主要包括财务、顾客、内部流程和学习与成长四个视角,如表2所示。
从构建的战略地图可以看出,为实现企业资产最大化的战略目标,以下四个视角十分关键:顾客知识(Customer Value, CK)、顾客交互(Customer Interactive,CI)、顾客满意(Customer Satisfaction,CS)、顾客价值(Customer Value,CV)。而本文将上述四个视角替换传统BSC的四个视角,可以更好地反映顾客资产管理的理念。
3未来研究主张
【关键词】电力体制改革；配网资产；价物联动管理；精益化管理
随着电力体制改革的不断深入，推行电网资产精益化管理成为必然趋势，而配网资产管理作为电网资产体系中管理难度最大的内容，需要我们认真研究。本文立足配网资产管理现状，结合资产管理实践经验，从以下4个方面阐述配网资产运营管理应考虑的几个重要问题。
一、如何消除配网实物资产高频率变化对价物联动管理的影响
电网企业资产管理的基础是资产实物与资产价值在静态与动态两方面保持一致。实物与价值在静止状态上的一致性，是资产实物与资产价值动态联动一致性的基础；而实物与价值动态联动的一致性，则是维持资产实物与资产价值新的静态一致性的保证。二者失其一，都将打破平衡状态，导致资产管理混乱。
然而，电网企业配网资产具有数量多、分布广、价值低等特点，加之为适应可靠供电、优质服务等需求，要经常性地对配网资产进行技改或大修，这样，实物资产就处于不断的高频率变化之中，往往是实物资产的状态或安装地点已经变化，而资产台帐、卡片信息尚未得到及时更新，导致配网资产价物不能联动，更增加了配网资产管理的难度。实际工作中，容易出现配网资产实物管理与价值管理的分离，从而引起价值变动滞后于实物变动的状况，长此以往则会形成资产实物与资产价值“两张皮”的管理格局。
因此，强化配网资产管理，就要重视并客观评估配网资产高频率变化对价物联动管理的影响，运用大数据技术对海量资产实物与资产价值变动数据等进行关联性分析、处理和研究，以趋势研判为重点，深度挖掘企业资产管理规律，提高企业经营管理水平。
二、如何构建配网资产管理网络来满足运营一体化需要
电网企业在很长时间内都处于资产实物管理与资产价值管理在不同的信息化管理平台上运行的状态，导致资产实物与资产价值匹配度不高。造成这种局面的原因很多，主要原因还是企业管理职能条块分割的问题，职权分设、流程隔离、信息孤立，不能将各项职能有效对接并融入业务流程中，以致各部门在实际工作中各行其事，只能依靠资产清理来解决资产实物与资产价值不匹配的问题，但总是前清后乱，不能从根本上解决问题。
因此，电网企业要管好配网资产，就要在资产全过程管理基础上，将资产管理的规划、调度、技改、运维以及价值同步变动反映等各项业务管理职能提升到同一个信息化管理平台上，在同一平台上履行各自职能，从而构建成配网资产管理网络。只有建立配网资产管理网络，全方位多角度地履行配网资产运维管理职能，才能系统性地解决配网资产管理难题。
三、配网资产管理流程体系建设是科学融合各项职能的关键
电网企业配网资产管理的核心是再造流程体系。再造配网资产管理流程体系，就是需要运用互联网思维，层次分明地将配网资产各项管理职能有效融合，形成以价值管理、运营安全、成本控制和客户服务为核心的多维度管理流程体系。
电网企业应以价值管理为导向，以财务部门为核心，以电网投资规划为起点，以电网建设项目管理与资产运维管理为内容，构建覆盖基建、运检、调度及基层单位的资产价值管理流程体系；以安全运营为导向，以调度部门为核心，以统一指挥、统一调度为内容，构建覆盖运检、财务、配电及基层单位的资产运行管理流程体系；以成本控制为导向，以运检部门为核心，以运维成本管控为内容，构建覆盖基建、财务、营销及基层单位的成本费用管理流程体系；以服务客户为导向，以营销部门为核心，构建覆盖运检、物资、财务及基层单位的电网服务管理流程体系。从而，形成电网企业配网资产集安全管理、成本控制、优质服务及价值管理于一体的配网资产管理流程体系，同时配置具体细化的流程体系管理标准，推动电网企业配网资产一体化、标准化管理。
四、实施信息化管理是配网资产运营管理的必要手段
如今大数据已应用于社会和生活的多个方面，交易数据、社交数据等的融合与处理给企业带来了更多福利。在壳牌中国，大数据成为了指导企业业务及运营管理的重要应用。
理解数据之“大”
“所谓大数据其实更多强调的是数据的重要性，本质上不是绝对地说有多少数据就可以称之为大数据，有多少数据就是小数据。”壳牌石油中国区首席信息官徐斌表示，“壳牌石油过去十年甚至更长的时间，基于商业智能、数据仓库一直在使用数据。而当时IT架构基于单机方式运行，数据处理效率受限，数据源也大多来自企业内部。”
“互联网所积累的数据量越来越大，同时对数据处理的要求也相应提高。这就产生了现在新的分布式平台来做数据分析。”徐斌解释道，“所谓‘大’，现在看来可能更多出于广告目的。我个人认为，数据‘大’的概念更多是强调其商业价值，而不用去关注到底是多少数量级，或者是多少维度，这不是大数据的核心。”
“大数据的价值应该是通过数据去发现规律，通过信息整合去发现知识，并对知识进行浓缩形成智慧。”徐斌总结说，“这也是壳牌中国应用数据的最终目的。”
目前，大数据应用已渗入壳牌中国业务体系。在壳牌上游业务中，壳牌通过对地理等数据的实时采集、分析，从而提高油井开采成功率；在油罐管理上，壳牌使用SIR实时数据分析，减少潜在事故启动数量、及早发现问题，大幅降低泄露事故；同时，可减少误报导致的损失。大数据的应用可为每个油站每年节约约4000美元成本。
在下游燃油、油销售上，壳牌整合移动设备、车联网上的客户数据并进行分析，向客户推送定制服务消息。同时，壳牌与阿里巴巴合作，通过对网上交易及社交数据的分析，精确定位潜在客户，实现高达70%的客户转化率。另一方面，壳牌与银联的合作，可通过对相关银行卡交易数据进行分析，从而明晰壳牌的市场份额。
夯实大数据技术能力
目前，大数据发展行动已成为国家战略。2015年两会提出的发展“互联网+”，其中核心技术就是大数据。云、物、移、大、智，大数据是核心，通过数据才能产生资产价值。
“从目前大数据发展国内外情况来看，英国是第1名，中国排位靠后。”徐斌表示，“这一位置也表明中国大数据使用状态、数据开放都比较落后，需要有所提升。但中国大数据应用领域也很多，应用最多的就是金融业、医疗业和政府公共事业，这是目前用的比较多的三个领域。”
对于目前业界存在的一些大数据认识误区，徐斌认为要从两个方面厘清。“首先，大数据不是单纯的技术，其最重要的目的是解决业务问题，帮助业务创造新的机会，需要团队协作实现其价值；同时，大数据实现需要比较好的数据源，如果数据质量不高，再好的系统也没有意义。总的来说，大数据不是工具，是一整套体系。其次，大数据不能解决所有问题。一方面，大数据不是全部数据，因此不能够完全展现事情本质，只能预测可能性概率比较高的事情；另一方面，如果企业自身数据应用不好或存在很多信息鼓捣，也很难实现数据指导决策的有效应用。”
“目前，大数据在各个行业都有一些典型应用。例如汽车企业，可以利用互联网收集数据进行快速决策，调整汽车行驶过程；例如新浪曾经推出南方-新浪大数据100指数，通过大家讨论股票的热度、财务指标考量等维度，精选出得票最高的股票对其进行投资；另外，金融行业可以通过银行交易数据来分析跟踪整个国家经济运行情况。”徐斌介绍说。
那么，对单个企业而言，如何提升大数据应用能力建设？徐斌认为应从四方面着手。一是建立企业大数据体系，包括数据基础平台、数据报表与可视化、产品与运营分析、精细化运营平台、数据产品、战略分析与决策等；二是实现企业数据资产管理，包括数据资产治理、数据资产应用、数据资产运营；三是发展大数据应用应与云计算相辅相成；四是认识到大数据是文化与技术的结合。首先要有数据驱动决策的文化，其次要思考如何通过大数据分析和预测。
六个维度认识大数据价值
徐斌指出，大数据的应用主要有四种。“一是描述性数据应用，相当于给企业管理者一个显微镜和望远镜，了解企业发生了什么。二是诊断性数据应用，但企业发声问题时通过数据分析找出原因，如不良贷款为何一直上升？客户为何流失？哪些客户流程？三是预测性数据应用，比如通过数据测评，提前了解零部件情况，及时调配。壳牌也有这样的配件，比如钻头，如何让它更健康的运作？壳牌通过传感器了解钻头的热度、疲劳度等，及时发现问题。通过数据及时跟踪就可以提前预防，这样就为企业带来大量的价值。四是指导性数据应用，通过多维数据的收集和分析，可以给企业合理的建议方案。比如开发用户，是做线下营销还是线上接触？是找这个群体还是找那个群体？这些都需要大数据分析。这是大数据最核心的应用。”
具体到大数据在企业内部的价值实现。徐斌表示大数据对企业有六个维度价值。
决策支持
假如企业要开一个加油站，在哪个点开？这直接影响到投资有没有回报。通过大数据分析，通过手机信号定位来判断移动速度，判断是车还是人流，看看每天通过车的速度，这样的数据很准确，如果通过它来做决策，显然它的效率会高、回报率更可靠。
运营优化
比如加油站地下油罐的设计，通过大数据分析可以帮助我们决策。比如把这个区域的相应数据进行对比判断，地下油罐是不是有泄露的可能？对壳牌来说，全球评估下来，一个站一年可以省好几万元钱，一年就是十几亿，这是成本的巨大节约。
营销突破
通过大数据找到潜在的客户，可是企业的潜在客户在哪里？以前都是做线下促销活动，精准力很差、转换率很低。但是通过淘宝交易应用，通过新浪微博也可以找到相关的车主，这些人就是我们的客户，我们就对他做精准营销，这个转换率是50%，非常高。
安全保护
比如，人的安全驾驶行为可通过数据分析出来，而化工厂也能通过数据分析及时发现危险，采取措施。
业务创新
用数据做业务创新，比如某服装公司，七天内给一个客户提供定制化的西服。靠的是什么？沉淀十年的西服板型的大数据，优化裁减、安装匹配，这就是创新。
