企业高质量发展评价体系实施的难易程度-邓承聪

  政府部门对企业实施高质量发展评价过程中,有构建评价体系是其中最关键的部分,本文主要从体系构建的角度侧面的呈现实施的难易程度。而大数据采集及可视化将贯穿全过程。

  首先我国最新2017年版国民经济行业分类(GB/T 4754-2017)将现行行业分为20大类,4个层级,共1775个小项,因此在指定评价体系过程中第一步需要考虑的就是行业分类对体系的影响。不同行业所对应的指标及其权重必然不同,辟如工业企业可能需要将规模作为主要参考指标,但商业服务类企业则更多关注资金,行业标准等特异性的指标,由此在搭建高质量发展评价体系时,需要遍历各个行业的特性,一方面要将共通的指标作为骨干提取出来,另一方面也要把特异性的指标以动态方式配置于模型之中。由于过于复杂,可以先从行业大类入手,逐步深化。

  在数聚股份看来,指标体系并非固定不变的,就如同2017版的国民经济行业分类出台后将替代2011版本一样,行业也在随着时间变化而出现新增和剔除,合并和拆分,升级和降级的可能。与此对应的指标体系也要在底层数据构建的时候就优先考虑原子化的问题,先将指标足够抽象化,尝试脱离具体的行业类型,然后在搭建一套关联模型,把指标与行业通过业务分析后重新串联起来,一旦行业发生变化,只需要修改关联模型的指标行业对照关系即可完成体系的更新,整个过程中行业的变化和指标的新增,剔除,更改是互相独立的,能够有效提高整个评价体系的搭建效率和扩展性。

  当模型的框架搭建好后,大数据采集分析及可视化的主要过程就将开始了。任何评价体系都需要数据的支撑,鉴于大数据已经成为我国发展的国策,大数据采集分析及可视化也将成为模型搭建的重要方式。其一需要扩大数据的收集范畴,从时间角度上要囊括企业的历史数据,范围角度则需要以企业为核心,包括从上下游关系,企业内外部数据,政府和第三方机构积累数据,自然环境,政策,国际环境因素等方面,细致角度则从维度方面进行细化,可以精确到天的数据,就不能只停留在月度。数据收集还需要建立在事先制定好相关的数据标准基础上,否则再多的数据不过是散沙,工作量会极大的消耗在数据清洗上,由此大数据采集分析及可视化中的采集方面便是该过程重中之重的部分。

  在数据处理和分析过程中还需要专业的业务人员积极的参与,这可能涉及到政府的各个相关部门,如何组织,协同工作也是难点之一。

  评价体系构建时,需要能够有阶段性验证的程序,避免为了构建模型而深陷体系的框架之中,以至于为了考核而考核。

  最后,良好的可视化界面也是该体系最终能够让管理者方便使用所需要解决的工作难点。

你可能感兴趣的:(大数据,数据采集,数据可视化,数聚股份)