時間：2023-09-18 17:32:24
開篇：寫作不僅是一種記錄，更是一種創造，它讓我們能夠捕捉那些稍縱即逝的靈感，將它們永久地定格在紙上。下面是小編精心整理的12篇大數據資產管理，希望這些內容能成為您創作過程中的良師益友，陪伴您不斷探索和進步。
關鍵詞：信息化建設；行政事業單位；固定資產管理；大數據
行政事業單位是國家管理公共事務和發揮國家行政職能的公益性單位，其固定資產是用財政資金購置的，屬于國家財產，因而做好行政事業單位固定資產管理是保證國家財產安全、避免國家財產流失的重要前提。現階段，國家對行政事業單位的扶持力度加大，固定資產管理在行政事業單位發揮的作用不可小覷。隨著各類設施的不斷建設和完善，行政事業單位依然沿用陳舊保守的固定資產管理模式，難以適應當前的管理目標。在大數據背景下，固定資產管理模式對固定資產管理具有重要作用。大數據是網絡時代下多種網絡數據的集合，能在海量數據信息中發現數據的相互關聯性，利用常規軟件進行捕捉、集中整理，形成正確的判斷結果。
1大數據背景下固定資產管理存在的問題
1.1固定資產管理制度不完善。固定資產管理的實際應用與固定資產管理制度息息相關。大數據時代，計算機軟件和網絡的介入，給行政事業單位的固定資產管理帶來了便捷。固定資產管理的采購、配置、折舊、報廢等流程，均需按照健全、完善的管理制度執行，這樣才能有法可依、有據可查。現階段，如果固定資產管理制度得不到及時更新，就難以與時俱進，會對固定資產管理造成極大困擾。在大數據背景下，固定資產的管理模式已經發生改變，需重新建立適應大數據時代的固定資產管理制度，為固定資產管理保駕護航[1]。1.2固定資產管理的應用流程不規范。部分行政事業單位的固定資產管理流程缺乏完整性和系統性，單位負責人以及固定資產管理人員管理意識淡薄，存在不重視甚至不管理的現象。行政事業單位購置固定資產的資金都是來自國家財政撥款，因此固定資產無人看管、任意處置、隨意購置的現象非常常見。固定資產購置、驗收、領用、處置、報廢等環節沒有執行相關程序，損耗嚴重，給國家財產造成了極大損失。在大數據環境下，管理中各個環節的相關數據通過計算機軟件系統和網絡傳送，經過整合后，能夠在計算機軟件的應用界面上全部顯示出來。如果有不按流程操作的環節，將難以通過財政和國有資產監督管理部門的審核，需執行正規的操作流程，使固定資產管理流程變得規范、完整。1.3固定資產管理職責不清，核算不規范。行政事業單位的固定資產具有品種多、數量大、放置地點零散、留存時間長等特點。大批固定資產分散到各個部門，使用人員不負責保管，專職管理人員不能兼顧每一臺設備的運行，固定資產的購置和審批權限不分離，固定資產的保管和賬務記錄不分離，使固定資產總賬與明細賬不符，記賬金額與固定資產實際價值不符。此外，行政事業單位財會人員僅根據單位領導意愿在年底編制購置固定資產的預算，沒有結合財政制度和實際需要上報來年購置固定資產的預算金額，出現了盲目購置固定資產的現象，造成資源浪費。由于行政事業單位固定資產管理人員使用平均年限法計提固定資產折舊，造成每年的固定資產折舊額完全相同，但實際上固定資產在最初開始使用時期的磨損和最后使用時期的磨損程度不同。若每年按相同的折舊金額計提折舊，會導致固定資產剩余價值與實際價值不符[2]。在大數據背景下的固定資產管理模式中，計算機軟件能夠全程監測固定資產的數量、價值、存放地點等數據信息，為固定資產管理人員提供更直觀的依據，有效避免固定資產管理有賬無物、有物無賬等賬實不符問題。每年的損耗折舊程度不盡相同，需按照每年真實的折舊額計提折舊，從而有利于對固定資產進行科學管理。1.4固定資產的監督審查與管理問題第一，行政事業單位固定資產購置沒有實行零基預算，為了完成上年度的購置計劃，用固定資產剩余金額集中購置，這樣容易造成超標以及重復購置，浪費資源。第二，在固定資產購置時貪圖便利，沒有選擇價格合適的商品。大宗商品交易應該由單位領導簽字并報上級機關審批，但部分單位領導往往自行作出決策，或者財務人員為了工作便利而沒有上報處置。第三，固定資產管理人員僅關注總賬與明細賬金額是否相符，沒有去現場勘查，不了解是否足額計提折舊，是否達到報廢年限，不能及時發現問題并處理跟蹤記錄、固定資產存放、損毀等實際情況。做不到每月、每季度、每年盤點核查和日常監管及定期盤點[3]。
2大數據背景下固定資產管理的措施
2.1建立科學完善的固定資產管理制度。行政事業單位應建立適應大數據時代的固定資產管理制度，指導固定資產管理人員在固定資產購置、驗收入庫、領用、轉移、折舊、清理、報廢等過程中按規章制度辦事。制定完善的固定資產制度能正確執行政府的規定，把控管理中存在的風險，高效使用固定資產，確保固定資產每個環節能安全順暢運行。第一，利用大數據對固定資產的各項資料進行管理，固定資產的數量、金額、類別、存放地點等信息通過軟件集中歸集，進而清晰顯示在系統中。第二，加強對固定資產內容的管理，管理權限、設備購置、人員配備、資料存儲等按模塊進行區分。第三，對固定資產進行管理。通過資產綜合報表、資產折舊明細表、資產報廢毀損報表、資產減少報表、資產明細查詢報表、資產功能分類表等系統查詢模塊，對數據進行整合管理，明確管理人員的責任和權限，確保管理人員在相關制度的指導下，正確無誤地完成數據統計，使大數據功能及技術得到有效應用。2.2改進固定資產流程。行政事業單位固定資產數量大、金額多、種類雜，需要完整明確的管理操作流程，提高固定資產使用效率，降低固定資產成本，合理降低固定資產損耗，保障固定資產的完整度。第一，購入固定資產管理軟件，加強信息化建設，對固定資產進行編號，錄入信息庫，每個固定資產對應一張卡片，卡片上詳細記錄固定資產的型號、購買年限、金額、用途、存放地點、使用人等，對相應的固定資產形成影像資料，登記錄入數據庫，減少人工成本和材料成本。第二，通過系統建立固定資產總賬、固定資產周轉明細賬、固定資產折舊明細賬、固定資產報廢毀損明細賬，在計算機軟件上形成基礎數據。第三，在軟件上升級管理職能，在月末、季末、年底自動生成數據報表，記錄出庫和入庫信息，使管理人員明確固定資產使用情況，分析折舊和提前報廢的原因，降低管理成本，及時處置管理損耗，為規避管理風險提供便利，使管理結果更加直觀。2.3合理確定固定資產管理人員的職責權限。第一，利用大數據技術，整合固定資產購置、驗收、領用、折舊、轉移、報廢等過程的操作數據，建立完整的數據庫，將固定資產每個流程的運行數據都記錄到數據庫中，管理人員可以在數據庫中監測到所有數據的變動情況，保證數據完整無缺，繼而提升固定資產的整體效益。第二，提高領導的責任意識，避免部分領導出現重購置、輕管理的思想，嚴格按照財會制度執行政府采購任務，掌控每個環節，把國家的利益放在第一位。第三，建立績效考核制度。利用大數據技術，把每項固定資產的使用責任落實到具體人員，實現全員管理、齊心協力、人人有責。第四，利用大數據技術，參照使用年限、磨損程度及時調整折舊率，確保每年的折舊額與具體的折舊值相符，折舊金額正確。第五，利用大數據技術，對全部固定資產進行監管，集中調配，降低固定資產的閑置率，嚴格監管員工調離時疏于盤點、清查、交接導致的固定資產流失現象，降低整體風險。2.4嚴格執行固定資產監督管理工作。行政事業單位應建立大數據網絡平臺，完善固定資產管理體系，加強監督管理。第一，基建、財務、監督、審計部門各有一套監管系統，并設有系統權限，設立相關管理員的密碼，整個系統是一個整體，但是每個人的執行權限不同，操作流程也不相同，不利于數據共享。所以各部門應該職責明確，相互配合、相互監督，每一個步驟缺一不可。第二，固定資產采購、驗收、核算、轉移、報廢等相關工作需取得相關憑證，手續齊全，各部門協同配合，各司其職，嚴格把控各個環節，避免出現疏漏。第三，培養利用大數據開展固定資產管理的人才，建立大數據管理理念，熟練掌握系統操作界面和錄入、核對、審核、報批等實際工作，關鍵崗位職責不同，責任人不同。第四，實行大數據共享機制，實現信息流通，及時傳遞。在數據化建立過程中保護數據安全，避免數據泄露，妥善保管密碼，避免非固定資產管理人員進入大數據信息管理平臺。固定資產管理的各責任人和各環節的經手人要簽字確認，環環緊扣，落實責任，嚴格執行各項管理制度，不得隨意更改。
3結束語
隨著大數據時代的到來，行政事業單位應盡快完善大數據平臺，充分發揮大數據技術在固定資產管理過程中的巨大作用。建立科學合理的固定資產管理制度，完善固定資產管理流程，調整固定資產管理權限，建立固定資產監督體系，培養高水平的固定資產管理人才，以提高行政事業單位的管理能力和水平，保障國家財產安全，讓固定資產發揮其應有的作用。
參考文獻：
［1］黎小清.大數據下固定資產管理［J］.財會學習，2020（23）：169-170.
［2］程志強，徐潔琳.基于大數據時代高校固定資產管理的思考［J］.產業與科技論壇，2019，18（17）：275-276.
數據資產的定義
維克托?邁爾?舍恩伯格在大數據系統研究領域的先河之作《大數據時代》中曾經提到：“雖然數據還沒有被列入企業的資產負債表，但這只是一個時間問題”。數據作為銀行重要的資產，需要我們重點關注。
資產是指由企業過去經營交易或各項事項形成的，由企業擁有或控制的，預期會給企業帶來經濟利益的資源。類比資產的定義，數據資產是企業或組織擁有或控制，能帶來未來經濟利益的數據資源。因此，并不是所有的數據都是資產，只有可控制、可計量、可變現的數據才可能成為資產。其中，實現數據資產的可變現屬性，體現數據價值的過程，即稱為“數據資產化”。怎樣識別數據資產、利用現有的數據資產創造價值，將是金融機構不得不面臨的一個課題。
數據資產的屬性，主要包括可控制、可計量和可變現。其主要含義如下。
可控制
目前，數據的所有權問題還沒有統一的界定。從來源和控制力度來分，數據可以分為兩類：一是生產型數據。例如搜索引擎公司對使用其搜索引擎的用戶執行各種行為收集、整理和分析。這類數據來源于用戶，但控制權和使用權卻在企業手中，企業可以自由地最大限度地發揮其商業價值。二是加工型數據，是對于原始生產型數據的再加工與提煉，如金融機構依靠網絡爬蟲工具、黑客手段、嵌入式渠道入口等獲取經過自身加工的數據。此類數據中，數據的使用權經過合法授權的是金融機構可控制的數據資產，如果我們并不能對數據擁有合法的控制權和使用權，則該類數據并不屬于合法的數據資產。
可量化
數據要成為資產，必須能夠用貨幣進行可靠的計量。盡管目前大多數企業已經意識到了數據作為資產的可能性，但除了極少數專門以數據交易為主營業務的公司外，其余企業尚無法為準確的量化數據資產，無論是現有的會計分類和科目的設置、資產披露形式、使用壽命與攤銷方法等均缺乏合理的設計。
雖然數據尚無法作為資產在企業財務中得到真正的應用，但將數據列入無形資產的收益則不言而喻：例如很多高科技企業都具有較長的投入產出期，如能將其通過交易手段獲得的數據，按實際支付價款作為入賬價值計入無形資產，則能為企業形成有效稅盾，降低企業實際稅負。
可變現
資本區別于一般產品的特征在于其不斷增值的可能性。因此，如果不能為企業帶來經濟利益，數據便不能稱之為資產。只有能夠轉化數據并實現增值的企業，其數據才能稱為“數據資產”。
以數據資產為核心的商業模式主要有租售數據模式、租售信息模式、數據媒體模式、數據使能模式、數據空間運營模式和大數據技術模式等六種。其中，租售數據模式，主要是出售或出租原始數據；租售信息模式，則是出售或者出租經過整合、提煉、萃取的信息；數字媒體模式主要是通過數字媒體運營商進行精準營銷；數據使能模式，其代表性企業諸如阿里巴巴公司，其通過提供大量的金融數據挖掘及分析服務，協助其他行業開展因缺乏數據而難以涉足的新業務，如消費信貸、企業小額貸款業務等；數據空間運營模式主要是出租數據存儲空間；大數據技術模式則是針對某類大數據提供專有技術。
同時數據資產的共享性也給使得數據的應用領域和價值成倍越大。然而，做數據資產管理的時候，銀行很可能會遇到一系列的問題，如數據架構失控、元數據管理混亂、數據標準缺失、數據質量參差、數據增長無序、數據安全問題突出等。這些問題的核心根源往往在于IT系統變更頻繁、積木式迭代，以及煙囪式建設，缺乏企業級的整體架構和整體數據規劃。
數據資產管理的四層架構
數據資產管理（Data Asset Management，簡稱DAM）是規劃、控制和提供數據及信息資產的一組業務職能，包括開發、執行和監督有關數據的計劃、政策、方案、項目、流程、方法和程序，從而控制、保護、交付和提高數據資產的價值。
在國際上，隨著數據管理行業的成熟和發展，數據資產管理作為一門專業管理領域逐漸被人們廣泛研究和總結。國外一些數據資產領域的專家和學者成立了數據資產管理專業論壇和組織―國際數據管理協會（DAMA International），并總結了數據資產管理相關理論指導體系 DAMA―DMBOK。根據其經典理論，數據資產管理一般包括：（1）數據治理，（2）數據架構，（3）數據開發，（4）數據操作管理，（5）數據安全管理，（6）主數據管理，（7）數據倉庫和商務智能管理，（8）文檔和內容管理，（9）元數據管理，（10）數據質量管理等十大數據管理職能。
按照數據的生命周期，可以將數據資產管理劃分為基礎層、數據層、分析層和價值層共四層架構體系。其中，基礎層著重于基礎架構和設置，包含數據倉庫和商務智能管理、數據安全管理等；數據層著重于數據獲取，質量和標準，包含數據治理、數據架構、參考數據和主數據管理、元數據管理、數據質量管理等；分析層著重于數據挖掘、建模與分析數據開發，包含數據操作管理和數據分析等；價值層則是數據資產管理的最高層，是數據為企業創造價值、促進生產、提高業務經營效果和企業戰略的最終解決方案。
關鍵詞：大數據背景；職業院校；資產管理信息化
引言
隨著近些年來社會的不斷發展，職業院校的學校規模也在不斷的擴大，資產的總數更是持續的加大，傳統化的網絡管理已經無法實現當前資產管理的諸多需求。在當前信息化飛速發展的大數據環境之下，職業院校的資產管理實現信息化，就是說利用當前社會背景下的信息技術實現學校的資產管理工作，從而有效的提高職業院校的數字化建設、提升整體教學成效，在一定程度上提高學校的整體教學質量，有效的促進教學的科研以此來提高學校的教學管理從而滿足社會發展需求。
一、職業學校資產管理信息化現狀
部分較為落后的職業學校資產管理，現如今仍然停留在單調化的管理模式，通過使用excel軟件完成，或者直接購買單機版的資產軟件，整體的資產管理不具備共享性，缺乏了一定的工作協同性分享管理。還有部分職業學校雖然使用了信息化的網絡共聯資產軟件，使用了C/S或者B/S的網絡架構，但是在應用網絡軟件實現資產管理過程中，往往只是實現了固定化的資產管理，并沒有實現優質的較為容易消耗的資產管理。只有少量的職業學校整體資產管理水平已經達到了一定的信息化管理標準，可是此類學校在完成資產管理的過程中，往往只是過于重視教務軟件以及學工軟件的建設，并沒有過多的時間投入滿足資產管理，因此我國當前的職業學校對資產完成信息化管理水平亟待提升。
二、建立資產管理信息化體系
1.管理固定資產
通過按照資產管理的相關文件需求，對于固定資產的管理定義就是指通用設備的1000元，專用設別在1500元之上，使用的整體期限超出1年，并且在使用過程中并沒有過大的損壞，仍然保證了物質本身的資產即為固定資產管理。那么對于此類資產的管理，主要通過借的方式完成管理，通過構建各部門管理體系(如表1所示)。
2.低值耐用品管理與耗材管理
經由上表所示，將低值易耗品又分為了低值耐用品以及耗材。在職業學校中用于實訓課程開展的教學設備，以及數量較多且體積較少的工具，經常流失需要不斷的重復選購的設備。在職業院校的管理中，低值耐用品的管理尤為必要。再者就是管理教學耗材品。職業學校主要就是為了滿足社會實用型人才的需求，因此必然要較大程度的開展實踐課程，因此對于實訓的整體材料耗費需求較大。通過在學校構建現代化教學物流配送據點，從而實現領取記錄，統一器材的具體使用耗費情況。
三、資產管理信息化手段
1.資產網絡管理系統
通過固定資產管理版塊，從而將職業學校的具體資產管理諸多環節實現涵蓋，主要涉及材料的主要使用信息、具體的招標采購以及具體的使用細則、材料的耗費維護、具體的數據上報以及實現系統化管理等方面，從而構想基于校園網的學校固定資產管理信息化手段。同時還要低值耐用品的管理版塊，該管理版塊主要完善了系統化的管理功能，滿足了對于低值耐用品的工具實現規范化管理，以及設備的使用借還、入庫以及破損等諸多管理功能，整體操作較為簡單，使用了B/S管理結構，整體操作更加便捷。最后就是需要構建耗材管理版塊，通過經由信息化管理系統完成相應的材料使用申請，經學校完成審批同意，采購工作人員完成購買。之后完成實時的材料更新，以便能夠及時的查詢。在貨物到達之后，相關人員需要使用貨物時，要在網絡系統進行申請，經過核實之后完成領導審批之后才可以出庫使用。信息化資產管理系統無需過多的人工參與，節省了大量的人力物力以及時間，實現了高效的資產管理效率，有效的降低了成本投入以及倉儲的整體資源面積占用。
2.條形碼管理技術
條形碼管理中較為常用的也是二維碼管理，通過在資產管理加以二維碼標簽，設計具有學校特色的標簽，之后在固定資產管理信息化系統中錄入二維碼的管理版塊，之后將設計的標簽完成打印。那么在實現此種技術管理時，管理工作人員可以對資產完成具體的分牌貼示，在具體的分牌貼士中反映出較多的問題。每年的資產盤點，都可以經由pda完成二維碼標簽的掃描，之后彎沉一系列的盤點、匯總還有具體的資產盤點情況反映。通過使用二維碼管理，有效的實現了職業學校的資產管理中，出現管理工作人員工作懈怠的情況，更是對資產的大量流失情況達到了杜絕成效。大數據時代下的職業學下資產管理并不是主要要求數據的擁有，而是有效的利用數據，從而更加精準省力的完成職業學校的資產管理。
參考文獻：
[1]邱均成.高校國有資產管理信息化若干問題探討[J].康定民族師范高等專科學校學報,2006(2):89-91.
[2]高躍峰.高校資產管理信息化模式探討[J].新會計,2013(6):66-68.
[3]言炯.資產管理信息化系統探討[J].電子技術與軟件工程,2014(4):88.
關鍵詞:大數據;企業;經營管理;影響
互聯網、物聯網、云計算等信息技術的快速發展催生了大數據時代。數據發掘和數據服務已經在電子商務、電信、金融、醫療、零售、智慧城市建設等方面初見成效。急劇發展的大數據技術必將對企業的經營管理產生廣泛且深遠的影響，作為經營管理的決策者，需認清形勢，積極應對，抓住機遇，促進企業發展。
1對存貨供應的影響
經濟批量是企業存貨供應中需要解決的重要問題之一，通常是以存貨基本經濟批量模型來確定。該模型是以許多假設為前提條件的，如存貨價格穩定，且能夠實現瞬時補充;不允許出現缺貨;所需存貨市場供應充足等。當這些假設不完全具備時，企業利用基本經濟批量模型測算的經濟批量將會出現誤差，從而影響到成本降低和效益提高，甚至影響到生產的連續性。但是，在大數據時代，存貨價格是否穩定、市場供應是否充足、缺貨是否會出現等均可利用大數據分析得到充分評定，使存貨基本經濟批量模型的運用具有更可靠的基礎，使確定的經濟批量更接近實際，避免盲目購進，減少存貨積壓，促進效益提高。
2對企業產品生產的影響
隨著人們消費觀念的改變，消費需求呈現出多元化、個性化、潮流化傾向。消費個體會將這種消費訴求在互聯網上直接或間接地表達出來，從而留下消費需求數據。企業要充分利用現代信息手段收集、儲存、整理這些需求數據，利用大數據技術分析、發掘、歸類、綜合需求數據背后所潛藏的消費偏好和傾向，合理估算需求數量。結合企業現有生產能力，可判斷生產規模需要擴大還是縮小，現有品種需要保留還是轉產，真正做到以銷定產。尤其是當這些需求為市場新興需求時，就為企業新產品的開發提供了機會，為企業的發展帶來了機遇。當新興需求又具有個性化和潮流化的特征時，定制產品、訂單生產就將成為企業發展的新動向，單件或小批量生產組織形式的作用將作者簡介:李有良(1967－)，男，河南靈寶市人，本科學歷，副教授，注冊會計師，現在焦作大學任教;張建松(1964－)，男，河南汝州市人，本科學歷，教授，現在焦作大學任教。更加凸顯。
3對企業產品銷售的影響
隨著互聯網技術的推廣，產品生產者的銷售信息和產品需求者的求購信息可以通過網絡進行有效交換，使產品的供求在時間、空間、區域、速度等方面實現高效均衡，從而孕育了新型的網上銷售方式。以網購及瀏覽購物信息為基礎，結合網上其他活動信息，即可利用大數據技術進行顧客消費偏好分析、消費能力分析、客戶構成分析，從而精準定位產品的消費群體，使產品推銷宣傳更加前置，推銷方向、領域、對象更加具體、明確。大數據分析結果可以使企業更為準確地估算產品的市場需要量，有助于確定市場占有份額;可以發現產品價格的市場適應度，并適時調整，有效把控市場，增加營業收入。
4對企業資產管理的影響
4．1對應收賬款管理的影響
應收賬款的存在可以增加銷售、減少存貨，但同時也會產生機會成本、管理成本、壞賬成本等持有成本。企業應當制定合理的應收賬款政策，科學管理應收賬款。為此，對客戶進行信用調查就是首要工作。相對于傳統式的信用調查，利用大數據技術可以在更大的范圍內進行客戶信用評級查閱、信用變化跟蹤、以往失信記錄查找等。在現代電子技術的支撐下，幾乎可以對所有客戶的信用動態、支付能力進行實時追蹤，從而對接近信用期、超過信用期的不同客戶采用不同的收賬政策。對于超過信用期較長時間未付款的客戶，實行重點跟蹤，分析其信用變化原因，更為準確地預計壞賬損失，及時、足額地計提壞賬準備，保證應收賬款信息的真實性，有效防范企業資金鏈斷裂。
4．2對固定資產管理的影響
固定資產是企業實現盈利的物質基礎，對其管理的目標是安全完整和有效使用。因固定資產的用途具有固定性，一旦投入使用，也就形成了特定的生產能力。一般情況下，企業在增加固定資產時都會充分考慮生產能力和生產任務的均衡，但受市場和其他因素影響，生產任務常常會發生變化，從而導致生產能力和生產任務的失衡。當生產能力大于生產任務時，固定資產就會出現剩余生產能力。為了提高固定資產的利用效率，企業通常會對剩余生產能力尋租，但生產能力的特定性和市場信息的不對稱性往往使企業的尋租困難重重。大數據技術的運用使剩余生產能力尋租更加便捷。出租方和承租方可利用互聯網、收集、加工、整理、分析相關的租賃信息，也可以直接利用信息中介公司提供的租賃信息，在更大的市場范圍內完成租賃結合，提高固定資產的利用率。
5對企業預測、決策的影響
企業管理的核心是決策，決策正確與否關系到企業的生死存亡。預測是決策的前提，是為決策服務的。企業在經營管理過程中會遇到各種各樣的決策，如資金需要量決策、固定資產需要量決策、項目投資決策等，為了保證決策結果的正確性必須開展科學的預測。傳統的預測更多的是基于經濟活動的歷史推測其未來的發展趨勢，但是，在大數據時代，人們可以通過數據收集和分析，將某一經濟活動的過去、現狀和未來更緊密、更充分地結合起來，使預測數據更加可靠、過程更加精細，結果更加貼近實際。如資金需要量預測時，要用到預測期的銷售額，其大小取決于預測期銷售量和價格。在大數據技術條件下，這兩個量就可以通過大數據分析，在綜合考慮市場上的定性和定量因素后更加客觀地確定下來。同時，當資金需要量確定后，在進行籌資決策時，還可以利用大數據分析在多種籌資渠道和籌資方式中充分地進行比較，選擇成本相對較低、風險相對較小的資金。再如項目投資決策時，現金流量是計算有關財務指標進而判定項目是否可行的基礎，估算一個項目未來幾年甚至十幾年的現金流量往往受制于人們的經驗和對市場變化的認識。大數據分析可以有效地改進這一點，使人們能利用更多的有效數據把握市場的變化趨勢，使現金流量的估算更加客觀，使項目投資決策更加科學。大數據潛藏著巨大的價值，隨著應用技術的推廣，大數據必將成為企業的一項重要無形資產，在開發客戶潛在需求、精準定位營銷對象、精確細化運營管理、科學開展經營分析、積累企業競爭優勢等諸多方面發揮著巨大作用。因此，作為企業的決策者必須高度重視大數據技術的運用，搶先謀劃大數據的收集、整理、儲存、開發、利用、安全維護和人才儲備等工作，為企業的發展奠定基礎。
參考文獻:
關鍵詞：互聯網金融 ；小貸公司 ；阿里小貸 ；大數據
一、互聯網小額信貸公司的發展背景
2016年7月，中互聯網信息中心（CNNIC）的中國互聯網發展狀況統計報告顯示，截至2016年6 月，我國網民規模達到7.10 億，互聯網普及率為51.7%。互聯網的普及和發展為所有的互聯網小額信貸公司的蓬勃發展奠定下了強大基礎。2015年7月28日，中國人民銀行、公安部、財政部、國家工商總局、國務院法制辦等部門聯合印發了《關于促進互聯網金融健康發展的指導意見》，這證明互聯網小額信貸業務走到了一個國家允許、合法支持的新高度。
《基于大數據平臺的互聯網金融與小微企業融資―――以阿里小貸為例》（王艷林，2015）顯示，66.7%的小微企業首選的融資渠道是銀行貸款。但由于小微企業的信貸記錄部分失真及貸款成本較高，小微企業的銀行貸款的可得性較差。2014年第一季度統計數據顯示，約有62.5%的小微企業銀行貸款需求沒有得到滿足，僅8.6%的小微企業獲得全部貸款。
互聯網小額信貸公司的盈利模式在于“小額大量”，利用云計算技術，能從大數據中提取出信用特質，風險偏好，資金需求等高價值信息，能迅速完成借貸雙方的匹配，并有效管理風險，效率提高的同時實現盈利。
二、阿里小貸的運營模式
（一）信息搜集
阿里小貸的數據信息來源主要分為以下幾類。一是電商平臺信息。阿里小貸作為阿里巴巴集團持股的互聯網小額貸款公司，擁有著阿里巴巴、淘寶、天貓、支付寶、螞蟻金融等電商平臺信息。在上述電商平臺發生的每一次操作交易數據，包括客戶信息采集預認證、瀏覽的記錄、購買的記錄、交易習慣、成交金額、評價投訴、糾紛解決等都會成為大數據庫中最關鍵、最主要的部分。二是申請提交信息。借款人在申請貸款時，有義務向阿里小貸提供包括個人基本信息、資產證明信息（如銀行流水）、企業經營業務及狀況、資產負債情況、家庭成員組成、家庭收入、學歷、動產及不動產情況等信息。
（二）大數據的處理及云計算
大數據的處理，即云計算技術的運用，使得大數據價值能夠從隱性變為顯性，并加以實際運用。阿里小貸專業的建模和算法團隊，在前期建構好一套完善的數學模型用于風險控制和信貸匹配，通過前期的科技投入來降低后期的煩瑣人工支出。從阿里小貸的“小額大量”貸款模式可以看出，大數據云計算能夠大幅降低成本，降低風險，提升利潤空間。
二、申貸及放貸
（一）貸款對象及概況
目前，阿里小貸將服務對象定位于阿里巴巴B2B平臺及淘寶平臺上的微小企業和個人創業者。2007年至今，阿里小貸陸續推出了淘寶訂單貸款、阿里巴巴信用貸款和淘寶信用貸款等多元化產品。無須擔保人，額度從1元到50萬元，申貸、審貸、放貸全程線上完成，最短3 分鐘快速貸款，最長申請后7 天內完成。
（二）主要產品及分類
1.訂單貸款。訂單貸款憑借店鋪中處于“賣家已收貨，買家未確認收貨”狀態的訂單申請貸款，實質上屬于以訂單充當“抵押物”的質押貸款。
2.信用貸款。信用貸款分為循環貸和固定貸兩種。循環貸獲取一定額度作為備用金，不取用不收利息，隨借隨還；固定貸在獲貸后一次性發放貸款額度。
（三）借貸資金來源
阿里小貸資金池發展經歷了以下幾個階段。
（1）2007年，阿里小貸與浙江省建設銀行、工商銀行合作，阿里巴巴提供商家信息，銀行提供資金。同時，與銀行合作建立了一個風險資金池。
（2）2010年，阿里巴巴在杭州、重慶注冊了兩家資本金額分別為6億元和10億元的小額貸款公司，向其平臺商家發放貸款。
（3）2013年6月，阿里信貸平臺對所有金融機構開放，通過資產證券化進行融資。同年7月，東方證券資產管理有限公司――阿里巴巴1號至10號專項資產管理計劃獲得證監會批復。
（4）2014年7月，阿里巴巴集團宣布與中行、招行、建行等7家銀行正式合作。
三、阿里小貸的運營優勢
阿里小貸運用大數據進行運營在同行業中有哪些優勢？下文將從兩大方面展開――風險控制以及效率提高。
（一）風險控制
在我國，小微企業的數量占到了各類型企業總數量的99%，但小微企業銀行借貸余額僅占總企業銀行借貸余額的29.3%。在傳統金融機構下，我國小微企業陷入融資困境。造成這種狀況的主要原因是小微企業規模小、財務管理能力弱，商業銀行難以從大量“軟信息”中提取有效信息，這導致了極高的風控成本和嚴重的信息不對稱。傳統金融解決不了這些問題，而互聯網金融借助大數據和云計算技術，很好地消除了信息不對稱。
1.風控人員多。阿里的風控部門數據分析人員超過整個團隊的50%，而傳統金融機構這一比例僅為 4%。阿里小貸的模型設計人員，設計出了眾多的板塊模型，并將傳統流程電子化。阿里小貸的風控手段主要依靠相關數據模型，對數據進行挖掘分析，得出風險定價。
2.信用風險低。當前阿里小貸總體不良貸款率在1.2%～1.3%。這一水平比較接近商業銀行2013年末不良貸款率1%的水平，優于農村商業銀行2013年末不良貸款率1.67%的水平。
3.實例說明。下面將從實例與數據分析來說明阿里小貸如何通過對大數據和云計算技術的充分運用來實現風險的控制和降低。本例將選擇兩個產品的逾期率比較：東證資管――阿里巴巴10號專項資產管理計劃（下文簡稱10號）和拍拍貸（中國第一家網絡信用借貸平臺）。
2015第一季度，逾期率（逾期1天以上）：10號為3.29%，拍拍貸1.71%；不良率：10號為1.63%，拍拍貸2.2%；年化收益率：10號為16.72%，拍拍貸12.81%。其中，對于10號的份額組成：優先級：次優先級：次級=15：3：2。而且不良率全部出自次級貸款。
由此可以看出：盡管逾期率較高，但阿里小貸的不良率比拍拍貸要低，而且，不良貸款全部出自次級貸款（該部分貸款全部為阿里小貸自己購入，不會影響購買該ABS的機構投資者）。同時，阿里小貸的盈利比率比拍拍貸要高。
（二）效率提高
阿里小貸運用大數據進行處理分析，可提高收集數據、審核貸款、發放貸款各個環節的效率。下面將從監管過程、搜索過程來進行探討。
1. 監管過程。商業銀行一筆小貸業務的成本在2000元左右，而阿里小貸借助互聯網技術可以將單筆貸款操作成本降為2.3元，且流程簡單，到帳速度快。平安銀行網上金融旗艦店推出了小額消費貸等金融產品，但要按合同金額的1%收取貸款安排手續費。與之相比，阿里小貸就不收手續費。從中可以看出阿里單位信貸的成本是低于平安銀行的。
2. 搜索過程。阿里小貸可根據支付寶、淘寶平臺企業的信用記錄、交易記錄、款項往來等數據，實時跟蹤某一企業的資金流，將同類企業作為參照對象，通過模型推斷出企業可能出現資金斷流的時點及所需資金量，向目標客戶精準推薦、發放定制貸款。互聯網下大數據模式極大程度上降低了信息收集成本和協商成本，使阿里小貸可直接鎖定信用記錄良好、還款能力強并急需資金的客戶，優化了客戶與貸款之間的雙邊匹配，提高資產配置效率，節省了工作人員調查分析的大部分時間。
四、阿里小貸運營優化建議
（一）與銀行分享信用數據
目前，阿里小貸無法納入中國人民銀行結算系統，無法獲取征信系統數據。征信系統接入了各類放貸機構，其數據對阿里小貸是很好的補充。截至2015年4月底，征信系統收錄自然人超過8.6億，收錄企業及其他組織將近2 068萬戶。如果可以和銀行實行數據共享，阿里小貸將符合銀行貸款條件、貸款金額大的客戶推薦給銀行，銀行將小微企業的信用數據分享給阿里小貸，阿里小貸就可以更有針對性地發放貸款、提高資產配置效率，銀行也可以從數據分享中獲益。
（二）與銀行共享資金池
如果銀行可以將閑散資金借給阿里小貸使用，一方面擴大阿里小貸的資金池，加強抗風險能力，解決了后備資金不足的問題；另一方面，此舉相當于銀行借助阿里小貸完善的數據處理和互聯網金融系統，間接發放小額貸款給急需資金的優質小微客戶，增加了優質資產配比，降低了壞賬率。
（三）向銀行學習規避風險
和傳統的五大行合作，借鑒成熟的管理體系，吸納規避金融危機的寶貴經驗，τ詘⒗鐨〈的長久發展十分有利。此外，五大行的經濟體量大，對市場異常波動、信貸方向變化更加敏感，與五大行進行深入合作，更有利于阿里小貸捕捉市場變化訊息。
參考文獻：
[1]中國互聯網絡信息中心.中國互聯網絡發展狀況統計報告[R]，2016.7.
[2]陳麗萍.阿里金融小微貸款案例分析[J].時代經貿， 2013（18）：77-78.
[3]中國人民銀行. 2014 年上半年金融機構貸款投向統計報告[R].2014.7.25.
[4]何佳歡.阿里金融小額貸款模式案例研究[J].金融， 2015.5
[5]高源宸.電商小額信貸金融模式的優勢與風險研究[J]. 金融， 2014.5.
[關鍵詞]大數據；快遞；發展創新[中圖分類號]F252 [文獻標識碼]A [文章編號]1005-6432（2014）44-0023-02
1 引 言
繼云計算、物聯網之后，“大數據”成為技術領域的又一熱點。在物流市場增速放緩、企業經營面臨困難的背景下，有分析認為，“大數據”不僅能夠幫助企業渡過難關，還將成為物流市場的新藍海。
早在1980年，著名未來學家阿爾文?托夫勒便在《第三次浪潮》一書中，將大數據熱情地贊頌為“第三次浪潮的華彩樂章”。美國互聯網數據中心指出，互聯網上的數據每年將增長50%，每兩年便將翻一番，而目前世界上90%以上的數據是最近幾年才產生的。此外，數據又并非單純指人們在互聯網上的信息，全世界的工業設備、汽車、電表上有著無數的數碼傳感器，隨時測量和傳遞著有關位置、運動、震動、溫度、濕度乃至空氣中化學物質的變化，也產生了海量的數據信息。
大數據（Big Data），或稱巨量資料，指的是所涉及的資料量規模巨大到無法通過目前主流軟件工具，在合理時間內達到擷取、管理、處理并整理成為幫助企業經營決策更積極目的的資訊。（在維克托?邁爾-舍恩伯格及肯尼斯?庫克耶編寫的《大數據時代》中大數據指不用隨機分析法（抽樣調查）這樣的捷徑，而采用所有數據的方法。）大數據的4V特點：Volume（大量）、Velocity（高速）、Variety（多樣）、Veracity（真實性）。
快遞企業分為自營、自營加、自營加加盟、物流加盟四類，目前自營企業只有一家：順豐。快遞分為三類：商務快遞、網購快遞、特殊快遞，還有一類是政府快遞。自1984年我國開辦國內特快專遞業務以來至2010年快遞業務收入突破500億元，整整用了26年的時間，但從500億元到突破千億元大關只用了兩年時間。
2 快遞行業數據管理現狀
2.1 企業自身對大數據的采集不重視
到現在為止，不少快遞企業的操作及信息傳輸并不是很規范，這給基礎數據的采集帶來了不小的困難。
并且多數快遞企業是加盟體制，對企業自身資料的采集和統計工作不重視，多數快遞企業為了降低成本，不做客戶信息錄入，或者只記錄發件人和收件人信息，自身所擁有的大數據資源沒有得到開發和利用。
2.2 無法獲得原始數據
對于以“網購”為主的快遞企業來說，客戶信息的電子版在電商手里，對于加盟模式的總部來說，客戶信息的數據（行業分類、快遞的商品品種及分類）、快遞價格、收入等都掌握在具有獨立法人資質的加盟商手里，還包括加盟商的車輛、人力資源等數據；由于加盟商與總部存在利益上的不同訴求，很多加盟商不會將真實的統計資料上報總部。
2.3 現有數據未充分利用
目前，多數快遞企業的數據，存儲幾個月后便消失，數據在快遞投送完畢后便終結其存在的意義。如果企業能對這些數據進行充分挖掘，在客戶開發與維護、業務優化等方面，其商業價值不言而喻。
大物流領域利用大數據分析應用技術其實質就是利用地理信息、位置服務、物聯網在物流行業里做信息系統化，將現有的粗放、零散、低效、高耗的物流企業數據資源加以整合，建設成可以依據空間地理信息來統一協調監管的現代化物流。逐步利用大數據驅動信息化物流建設，在信息化的現代物流模式下，大物流領域的任何物流車船歸屬企業的名稱、物流車隊的整體油耗、車船的位置信息、車船的行程軌跡、車船的運行周期等這類空間地理數據通過系統智能化處理。
3 快遞行業發展創新
3.1 盡早建立數據資產管理策略
“數據作為一種新的資源，數據的擁有者將來會獲得越來越大的話語權，整個社會的治理結構與規則將會發生非常深刻的變化，這是每個人都會面臨的社會變遷。”中國物流界專家戴定一認為，智慧物流是物流的發展目標，而大數據能夠支撐智慧物流的發展，物流行業和企業要利用好大數據，才能夠真正從變革中受益。
在大數據時代，企業要想用數據制勝，就必須盡早建立數據資產管理策略。只有擁有戰略性視野和專業技術，才能更好地獲得商業洞察力，才能將數據資產轉換成戰略資產和競爭力。
大數據技術分析的目的是從海量的信息中分析出有效信息，以幫助使用者發現潛在機會。由于基礎數據的分析工作量巨大，如何從繁復的基礎信息中快速發現有效的信息，需要使用者在進行數據分析前明確分析目標、實現該目標所采取的方式，這樣才能加強數據分析的針對性，幫助使用者進行決策。
3.2 加強預測與監測
大數據的核心是發現和預測，利用這個特點，還可以迅速提升快遞物流行業的整體服務水平。在百世匯通，通過技術人員運用科技手段進行分析、提煉，大數據正在為企業戰略規劃、運營管理和日常運作提供重要支持和指導。據百世物流科技（中國）有限公司副總裁張硯冰介紹，百世匯通嘗試運用大數據來管理、分析、判斷加盟網點的運營行為，通過網點在系統內的足跡建立數據分析模型，成功地預測了幾次網點的異動，使工作方式由被動式變為主動式、前置式，減少了大量客戶投訴，把問題消滅在萌芽階段。
3.3 向價值競爭轉型
這幾年，由于快遞業陷入價格戰，行業利潤率已從2005年的近30%下降到現在的3%至5%。目前多數快遞企業的利潤率不到5%。由于需要應對不斷上漲的人工、土地、資金等成本，以及愈演愈烈的價格戰，企業利潤日益微薄。
應用“大數據”技術，通過對各個物流環節的數據進行歸納、分類和整合，可以清楚地查看企業網絡任何一個網點的經營現狀和業務情況等。而通過運用科技手段進行分析、提煉，“大數據”還可以為企業戰略規劃、運營管理和日常運作提供重要支持和指導。
菜鳥網通過“大數據”所實現的數據透明與智能分析，無疑將給快遞物流企業帶來沖擊。“大數據”讓快遞物流成本更加透明，讓快遞物流企業面對運營成本的直接PK，使公司間的角逐變得更加慘烈。
一、版權資產管理的內容
版權是文學、藝術、科學作品的作者對其作品享有的一系列人身權利和財產權利，具有明顯的財產屬性，能夠為權利人帶來巨大的經濟利益，因而也是一種資產。版權資產是權利人所擁有或者控制的，能夠持續發揮作用并且預期能帶來經濟利益的版權的財產權益和與版權有關權利的財產權益，屬于無形資產的一種。版權資產強調的是權利人享有的相應財產權利，而不是擁有享有版權的實物資產。例如，出版企業購買的一本圖書是實物資產，屬于有形資產，只有通過簽訂合同取得一部作品的某項財產權（如復制權或發行權）才能稱其為該企業的版權資產。
版權資產管理是企業對所擁有的相關版權權利開展清查、登記、評估、統計、使用、流轉等活動。版權資產管理的內容具體包括四個方面：法律管理、實務管理、價值管理和運營管理。法律管理是指對企業所購買和出售的版權進行法律方面的審查，實務管理是指對版權資產權屬進行清查與登記，價值管理是指對資產價值開展評估并將其納入財務數據，運營管理是指企業通過對擁有的版權資產進行運營并將其轉化為經濟價值。
做好版權資產管理將對我國的出版業有重要的作用：
（1）開展版權資產管理有利于壯大我國出版企業的資產規模，推動其建立現代企業制度。作為文化企業的重要力量，我國出版企業擁有大量的作品資源，這些資源也是出版企業重要的版權資產，據估計“其價值和規模甚至會超過固定資產”，完善出版企業的版權資產管理，既能夠保障出版企業的合法權益，特別是避免我國國有出版企業版權資產的流失，也是推動出版企業加快體制改革、建立現代企業制度的需要。
（2）加強版權資產管理有利于促進我國出版業的發展。根據世界知識產權組織的定義，“核心版權產業是完全從事創作、制作和制造、表演、廣播、傳播以及展覽、銷售和發行作品及其他受保護客體的產業”。出版業即屬于核心版權產業，也就是說如果沒有版權作為資源，出版業將無法存在。因此，版權資產是出版企業獲得經營收益的核心資源，也是反映出版業核心競爭力的重要指標，加強對版權資產的管理是促進我國出版業發展的重要手段。
二、版權資產有效管理手段欠缺
1.出版企業版權資產規模小
根據《國有文化企業發展報告（2014）》公布的數據，截至2013年底，全國國有文化企業資產總額2.2萬億元，其中版權等無形資產占比只有3%左右;中央文化企業中只有13.5%的企業建立了版權資產管理制度或開展版權資產運營，版權資產占無形資產的比例不到20%，直接通過版權資產運營獲得收益的企業數量較少。我國出版企業亦是如此。以《2014年新聞出版產業分析報告》中流通市值排名靠前的7家出版上市公司為例，7家公司無形資產占資產總額的比重在2%到11%不等，其中主要是土地使用權，約占到90%以上甚至更多;7家企業中將版權列為無形資產的只有4家，版權在無形資產中的比重在10%以下甚至不到1%。可以看出，我國出版企業的版權資產在整個企業資產中比重小，這反映出有些出版企業沒有把版權作為重要的無形資產，這種情況與作為核心版權產業的企業屬性不符。
表1 部分出版上市公司版權與無形資產的比重
2.開始探索建立版權資產管理制度
2009年中央經營性文化事業單位改革尤其是中央各部門各單位出版社體制改革全面展開，改革的方向是完善管人管事管資產管導向相結合的國有文化資產管理體制。設立于2011年的中央文化企業國有資產監督管理領導小組辦公室（以下簡稱“中央文資辦”）具體負責中央文化企業國有資產監管的日常工作，陸續出臺了一系列制度，涵蓋產權登記轉讓交易、資產評估管理、重大事項監管、預算管理等各個方面，為我國出版業國有資產管理特別是版權資產管理工作提供了指導。相關出版企業已開始進行了版權資產管理的探索，明確版權資產管理的部門，建立健全相關制度。如電子工業出版社、人民衛生出版社等明確總編室作為版權資產管理部門;人民教育出版社制定了《人民教育出版社著作權管理規定》《人民教育出版社著作權許可使用暫行規定》等。但大多數出版企業還沒有建立版權資產管理制度，在資產管理上普遍存在“重有形、輕無形”的情況，對擁有的版權資產缺乏清晰、有效的管理，導致版權資產權屬不清，長期處于閑置狀態，成為“沉默”的資產。
3.版權資產價值管理缺乏有效的手段
版權資產管理的另一難點在于價值管理，這也是導致版權資產管理難以開展的重要原因。一是現行的企業會計準則雖然對無形資產的確認和計量做出了規定，但缺乏對知識產權的單項規定，對版權資產的價值管理可操作性不強，一定程度上造成出版企業的版權資產難以確定，導致企業的實際資產價值在改制、重組、并購過程中被低估。二是版權資產評估體系還不成熟，由于版權資產的無實物形態、價值不確定性、受市場影響大等特點，資產價值難以衡量，限制了出版企業的版權質押融資、版權證券化等活動的開展，制約了企業通過版權資源實現創新發展的動力。目前我國已在版權資產價值評估方面做出了一些嘗試。中國資產評估協會于2010年頒布了《著作權資產評估指導意見》，從基本要求、評估對象、評估操作要求、評估披露等方面系統規范了版權資產評估的基本原則和標準，推動了版權資產評估的規范化發展。2012年我國成立了首家專業版權評估機構――中國人民大學國家版權貿易基地版權評估中心，并于同年完成全國最大一單版權質押融資案例的評估工作，幫助一家影視制作公司以11部電視劇的版權打包質押獲得1億元銀行貸款。
4.版權資產運營逐漸受到重視
隨著版權觀念和意識的提升，我國出版企業開始把版權資產運營作為行業發展的重要手段，既注重開發和購買自有版權資源，擴大版權資產規模，又重視全版權產業鏈的運營，同時還積極開展版權引進和輸出的工作，使版權資源能夠實現最大限度的價值。如青島出版集團通過近年《速成圍棋》系列圖書的出版，編輯出版了多品種、多層次的圍棋圖書，并吸引了包括《聶衛平全集》等一批名家名作版權落戶集團，還組建了青版棋院，連續舉辦全國性圍棋大賽，并借勢延伸到少兒圍棋的連鎖培訓，開發了“聰明圍棋”線上產品，做到了版權資源的多層次運營。但我國大多數出版企業的版權資產運營還處在初級水平，出版業的版權資產運營仍然主要局限在“編、印、發”的傳統環節，較少向數字領域、網絡領域、影視領域、游戲領域等下游產業環節延伸和拓展。
三、加強對版權資產的管理和運用
加強對出版業的版權資產管理，既需要相關主管部門加強調查研究，做好版權資產管理的基礎性工作，健全和完善資產清查、價值評估、財務核算等方面的方法和制度，又需要出版企業樹立版權資產的觀念，加強對版權資產的管理、保護和運用。
1.重視版權資產管理，開展版權資產清查工作
將版權資產管理納入國有資產管理的范疇，文資監管和出版管理部門積極鼓勵和組織各國有出版企業開展存量版權資產的清查工作，全面掌握國有出版企業版權資產的數量、種類、權屬和使用等情況，摸清出版企業的版權資產家底，做好資產的清理和登記，對存量資產形成清晰的記錄，對增量資產實現動態管理，進一步發現和掌握出版企業版權資產管理中存在的情況和迫切需要解決的問題。
2.完善版權資產管理的制度和組織建設
監管部門應在調研的基礎上，研究制定加強出版企業版權資產管理的相關指導意見，并積極協調有關部門完善版權資產會計核算制度，建立科學合理的版權資產價值評估體系，發揮財政政策引導和資金扶持作用支持出版企業加強版權資產管理。出版企業要建立以運營為導向、以管理為基礎的版權資產管理機制，完善版權資產管理制度，設立或指定專門部門負責版權資產管理事務，并將版權資產進行會計記賬處理。
3.利用新的技術手段管理版權資產
出版企業要積極利用新的技術手段，充分運用大數據、云計算、移動互聯網、物聯網等技術對版權資產進行管理，建設版權資產管理平臺，對企業版權資產進行系統梳理和動態跟蹤，提高版權資產數據的采集、存儲、管理、分析和運用能力，將版權資產的數據庫與出版企業的生產活動相連接，充分運用大數據資源分析和挖掘受眾需求，進行有效的版權產品推送，提高出版產品的針對性和互動性，變目標驅動型的傳統出版模式為用戶驅動型的新興出版模式，促進版權資產的流轉和開發。相關管理部門在這一過程中可以發揮財政的引導示范帶動作用，如加大中央文化產業發展專項資金對相關企業版權資產管理平臺建設的支持力度，支持和鼓勵相關版權資產管理項目納入新聞出版改革發展項目庫。
4.通過版權運營提升版權資產的市場價值
在剛閉幕的2017年夏季達沃斯論壇上，Fintech（金融科技）的概念被頻頻提及，而智能投顧則是其中名副其實的主角。
何為智能投顧？智能投顧是一個專業度非常高、跨度又非常大的領域，涉及到資產管理、風險管理、產品設計、算法模型、系統開發等多個方面。簡單講，智能投顧就是“智能的投資顧問”，資產管理、風險管理、產品設計，還有客戶畫像、算法匹配等，都是專業投資顧問要做的事情。但是，在國內市場，存在專業人員稀缺，產品種類繁多復雜，國內投資用戶規模龐大等特點，所以，智能投顧的前景無疑很廣闊。首先，智能投顧的門檻和使用費率比較低，能夠使大眾都參與進來，個人財富穩步增長使得資產管理規模空間增大；其次，人工智能技術日趨成熟，智能投顧的用戶體驗越來越好；最后，年輕一代對互聯網、對數字化財富管理的接受程度高。
據不完全統計，國內目前宣稱具有智能投顧功能或者正在研發智能投顧的互聯網理財平臺已超過20家。比如，阿里的螞蟻金服通過大量使用人工智能機器人完成客服，能降低成本也能提高效率，通過大數據、云計算、機器學習等科技手段把農村金融等的長尾市場做起來；百度金融實現洞悉用戶的智能資產配置方案也指向“智能投顧”，為用戶提供自動化、以算法為基礎的證券投資組合管理服務。
隨著大數據、云計算、區塊鏈、人工智能、移動互聯等新一代信息技術的發展和應用，科技在提升金融效率、改善金融服務方面的影響越發顯著，只有那些在技g上持續投入和創新的企業才能一直順利發展。主流廠商都不斷在科技方面加大投入，積極向業界標桿取經學習，在現階段的規劃中，主要是深耕產品，細化客戶畫像，優選組合，不斷打磨客戶體驗，為客戶提供更好的產品與服務。
2016年，中國金融科技公司共獲得77億美元融資，首次超越美國位列全球第一，是全球金融科技融資唯一增長的地區。毫無疑問，以金融科技為核心的互聯網金融行業將是未來的朝陽產業，發展前途無限可能。
隨著信息技術深度改造金融業，金融業整合時代即將到來，只有那些真正以技術驅動的創新，能夠給客戶帶來更人性化體驗的產品，才能帶領企業歷經考驗，走向發展的康莊之路。
關鍵詞：數據挖掘；高校資產；資產管理；決策支持
中圖分類號：G647 文獻標志碼：A 文章編號：1673-8454（2016）09-0041-06
當前，我們正處在一個網絡化、信息化高速發展的時代，數據挖掘技術正在迅速地改變著整個社會的發展進程。計算機技術與Internet技術的迅猛發展，大大提高了數據挖掘（Data Mining）、收集與整理加工的能力，當今社會數據資源變得日益豐富，各行各業充斥著大量的數據源。正當此時新的問題應運而生，如何挖掘出數據源中蘊含的知識與信息并加以利用，怎樣處理不斷涌現出的信息源噪聲問題，已迫在眉睫。
新興技術即數據挖掘技術與知識發現（Data Mining and Knowledge Discovery in Databases）順勢而生，并展現出旺盛的生命力，學者們匯聚了數據庫技術、數據統計學、人工智能以及管理信息系統等學科，致力于這一邊緣科學的蓬勃發展，解決當前數據源噪聲問題。自此，數據挖掘技術在各行各業得到了極大應用，為資產管理、生產運營以及信息處理提供了新的理論指導。
于此同時，高校是特殊的事業單位群體，其資產管理效率直接關乎于高校的整體運行。當今，高校的資產管理已經普遍實現了信息化管理，并針對其數據的存取與檢索配備了相應的設備。但當前高校資產信息化管理的過程中存在一個致命性問題，即數據源未得到充分應用，蘊藏在其中的信息未得到有效挖掘與開發。高校資產信息化處理系統在運行過程中會收集大量數據信息，而在實際操作中系統管理員僅具有簡單的統計評估與分析功能，而隱藏在數據背后的價值卻不能進行深度挖掘與應用。資產管理者需要采用一種有效的方法自動的發現與分析隱藏在各數據之間的關聯性與動態的發展趨勢，從而為管理者的決策提供有效的數據支撐，以此來發揮信息系統收集的當前與歷史數據的價值。依前文所述，數據挖掘技術與知識發現能夠有效地將信息系統收集的大量數據源進行整合，提高高校資產管理效率。為此，本文會引入數據挖掘技術與知識發現對高校資產的需求與使用情況，以及資產的損耗情況進行深層的剖析，以為決策者的資產管理提供有力的支撐，從而合理有效地利用高校有限的資源創造出更優越的教學育人環境，進而提高其整體的教學質量。
一、數據挖掘技術的國內外研究現狀
上世紀八十年代末，國際上召開了第11屆國際聯合人工智能的學術性會議，首次提出了數據挖掘。此后，上世紀九十年代中期，美國的計算機年會（ACM）召開之際，首次確定了數據挖掘技術的概念，指出集來的大量且不完全的有噪聲的隨機數據中，提取出蘊藏在其中的有價值的信息與知識即為數據挖掘，通過這種數據挖掘技術能夠有利于數據分析與決策支持。自此，學者們匯聚了數據庫技術、數據統計學、人工智能以及管理信息系統等學科，致力于這一邊緣科學的蓬勃發展。到了二十一世紀初，數據挖掘技術已經滲入到了各個學科領域，并在企事業單位的生產經營過程中發揮了巨大作用。于2002年中，在加拿大舉行了第八屆關于數據挖掘與知識發現（KDD）的ACM. SIGKDD國際性大會，將數據挖掘與知識發現技術這一邊緣學科推向了新的研究進程。
美國電氣與電子工程師協會（IEEE）出版的會刊中從上世紀90年代開始多次出版關于KDD技術的專刊，專門對數據挖掘與知識發現技術進行專項研究。除此之外，其他領域的專業技術學會也出版了專刊，計算機網絡與信息工程技術方面紛紛展開了對數據挖掘技術的探討，KDD技術的發展受到了越來越多領域學者的重視，如在《半月刊》中發表了關于KDD的諸多研究成果。時至今日，美國人工智能協會關于數據挖掘與知識發現技術方面的國際性研討會已經舉辦了數十次，涉及范圍越來越廣。有關KDD技術的學術成果越來越多，研究領域也逐漸擴大，逐漸由原來的方法發現擴大到了系統應用，從而擴大到了大規模的綜合系統的應用與開發。于此同時，學術界還注重了對多種技術的集成，以及交叉學科之間的相互滲透。在實踐方面，諸多數據挖掘軟件在國際范圍內得到了廣泛的應用，早在二十一世紀初期，美國IBM公司就研發了智能開礦工（Intelligent Miner）軟件，而美國硅圖公司則開發了SPSS軟件（統計產品與服務解決方案）。當前，KDD技術已經成為了數據庫與信息應用方面最前沿的研究領域，KDD技術已然成為世界計算機領域最大的研究熱點。
相對來說，國內關于數據挖掘技術的研究起步較晚，且研究的進程相對緩慢。直到上世紀就是九十年代中期，才逐漸引入數據挖掘技術。在研究的進程中，《計算機學報》與《軟件學報》紛紛刊載了一些該領域的研究成果，這些研究成果多借鑒于國外先進的學術成果，其重點也是從發現方法到系統的應用問題，但在實踐方面的研究十分匱乏。國家自然科學基金首次出資支持KDD研究項目是在1993年，經過幾年到二十一世紀初才形成KDD研究的基本框架，自此以后研究的重點逐漸側重于如何將知識發現與數據挖掘技術應用到企事業單位生產經營當中。當今，清華大學、華中科技大學以及華中理工大學等高等院校及科研單位正致力于數據挖掘技術理論及其應用的研究。而復旦大學與吉林大學則對關聯規則挖掘算法的優化進行了大量的研究；而北京大學對數據立方體代數領域的探索成為推動數據挖掘技術發展的重要推動力。
于此同時，隨著數據挖掘技術理論研究的發展，國內學者開始了對數據挖掘技術應用方面的探討，尤其是金融與商品營銷領域。隨著數據挖掘技術的發展，其應用范圍越來越廣泛，既包括了證券銀行等金融行業，又包括了制造業和批發零售業，KDD技術的應用已經滲透到人們生活中的方方面面，成為了基金與企業投資的熱點。學者們普遍認為數據挖掘技術擁有者廣闊的應用空間和無限的發展潛力。但縱觀已有的研究成果來看，眾多學者的研究重點仍是理論方面，在實踐方面的研究成果匱乏。與此同時，已有的數據挖掘方面應用的研究多是金融行業或生產零售業等商業領域，鮮有對高校等事業單位方面應用的研究。當前對數據挖掘領域的研究涉及到高校資產的研究更是鳳毛麟角。有關于高校資產管理的研究多側重于資產采購環節，而利用數據挖掘技術設計高校資產管理系統方面的研究才剛剛起步，其研究的深度與廣度十分有限。如何提高日趨龐雜的高校資產管理的效率，是數據挖掘技術應用方面的一個新的課題。本文旨在引入數據挖掘技術與知識發現對高校資產的需求與使用情況，以及資產的損耗情況進行深層的剖析，以提高高校資產管理的效率。
二、高校資產管理的現狀和問題分析
隨著高校擴招擴建，其辦學規模得到了跨越式的擴大，其國有資產得到了突飛猛進增長，但隨之而來的是高校資產管理問題的凸顯：高校不同部門間資產雷同，且長期擱置，資產利用率低下；資產購置價格過高，使用期限短，性價比低下；資產浪費嚴重。高校長期的教學管理過程中，積累了大量的設備、儀器以及耗材等賬目問題，形成了龐雜的歷史數據記錄。高校資產管理人員無法理清各種資產賬目，資產購置、報廢、外借等無法得到有效及時的動態化管理，數據源混亂。具體來說高校資產管理的問題體現在以下四個方面：
（1）現有的資產管理系統相對落后，無法滿足日益龐雜的資產賬目問題。
當前，高校擴招擴建嚴重，國有資產規模日益擴張，形成了龐雜的歷史數據記錄，而高校采用的資產管理系統多為簡單化辦公軟件，在處置資產時多采取的是簡單的計算機信息錄入功能，對于資產流轉無法進行動態化管理。高校資產管理人員在進行資產數據處理過程中，僅以數據統計為主，缺乏自動化管理和數據分析功能，無法為決策提供有力支撐。
（2）資產管理體制不完善，缺乏合理有效的分工制度。
高校是特殊的事業單位，其經費多由國家或省級財政予以撥款，受到計劃經濟體制的影響，且官僚風氣嚴重，多年來資產管理體制混亂，管理人員權責分配不對等，造成高校資產賬目不清，統計數據存在偏差，資產流失嚴重。很多高校資產管理體制不健全，政策模糊、分工混亂，教學設備流轉混亂，責任落實不到位，出現資產重復采購與提前報廢等現象。分工不明，權責不清，資產責任人與使用人分離，約束不足，長此以往造成高校賬目混亂、資產流失嚴重。
（3）資產管理缺乏規劃。
在資產的流轉過程中需要進行預先規劃，而在高校的資產管理過程中，管理者僅憑經驗進行采買與使用，缺乏理性分析和事前規劃。在進行圖書、儀器設備的采購前資產管理人員收集到各部門上報的數據后僅進行簡單的統計就憑經驗進行購買。缺乏理性的判斷和合理的規劃，往往造成了相同資產的重復購買和資源的浪費。而在集體采購過程中，管理者根據個人利益與經驗選擇供應商，事前并不對供應商提供的產品性價比進行綜合性分析比較。這種采購方式形成了主觀臆斷的決策，隨意性強，給高校資源造成極大浪費。而在購置后的使用管理過程中，缺乏合力有效的規劃，資產使用與報廢僅憑經驗處置，缺乏長期性規劃，造成高校資產大量流失。
（4）信息傳遞存在障礙。
信息的順暢傳遞是高校資產高效率使用的保障。而就當前高校資產管理的形勢來看，僅有管理部門才擁有高校資產的全部信息，而各部門之間的信息是閉塞的。每個部門僅擁有本單位資產的信息情況，而部門之間信息與資源不能共享，造成資源的重復購買與閑置。與此同時，不僅部門之間的信息傳遞存在障礙，管理部門與各資產使用部門之間的信息傳遞也存在障礙，為保障高校資產的完備性，管理者要在每年進行清查工作，但在資產盤點過程中，資產管理處僅為各使用單位提供賬目清單，各單位根據清單進行實物盤點，然后管理處再根據賬實情況對設備保管情況進行調整。這種資產盤點方法的信息傳遞效率低下，無法滿足當前高校日益龐雜的資產賬目管理的需要。
綜上所述，高校資產存在著重復購買與資產流失的問題，亟待科學化與準確化管理。隨著高校建校規模的擴大，積累了龐雜的資產，若仍像過去那樣無紀律、無規劃地進行管理，必然會造成高校資產管理效率的低下。而解決當前問題之關鍵在于充分利用購置資產過去與現在的數據，利用計算機技術與數據挖掘技術，構建高校資產管理信息化系統，運用自動化辦公系統從海量數據中挖掘出各部門資產需求度與資產采購匹配度，并深度分析資產購置價格、使用期限與頻率之間的動態關聯關系，挖掘出蘊藏在高校資產內部的發展趨勢與規律，從而提高高校資產使用率，降低資產購置經費，為高校資產管理提供決策支持。
三、利用數據挖掘技術設計高校資產管理系統
當前，數據挖掘方法主要有關聯分析、聚類分析、分類以及時序模式等，綜合上述方法能夠合理有效地構建高校資產管理系統，能夠挖掘出蘊藏在海量的數據源中有價值的信息，從而提高高校資產管理效率。
1.以資產為中心的設計主題
在設計高校資產管理系統的過程中，首先要確定系統中最有價值的決策主題域以及各個主題域的維度。根據對高校資產管理系統的需求分析，明確了數據庫系統的主題域包含資產、部門（即系統用戶）以及資金這三個主題域。而這三個主題域之間關系是，資產是管理系統主體設計之核心，通過對這一主題域數據分析，能夠獲得相應的主題域分析結果，從而為決策支持提供信息庫。而部門與資金這兩個主題域在系統管理過程中起輔助作用，反映一些需要關注的備用信息。具體來說利用數據挖掘技術設計的資產管理系統擁有以下三個主題域：
（1）資產主題，即用來分析各單位的資產運行情況。
各部門的資產數據信息均會錄入到資產管理系統中，資產主體會通過對各單位過去與當前的資產運行情況數據進行分析，獲取資產更新或升級數據，從而對資產進行全面管理與調配。該數據域不僅錄入過去與當前資產信息，還需囊括各部門下一年度的資產購置與更新的財務預算，以為決策者提供完備的信息庫。
（2）部門主題，即對高校各部門（系統用戶）狀況的分析。
不同部門之間的職能不同，使得其購置的資產性質存在一定的差異性。而不同部門之間的工作內容又存在一定的關聯性，為避免資產的重復購置有必要了解不同部門之間的關聯關系，從而促進部門間資源共享。而部門主題域的設計用途是容納各部門性質與工作職能等數據信息，從而根據不同部門的特點制定資產管理與購置計劃，以在制定下一年度的財務預算時有所側重。與此同時，還可利用關聯規則挖掘各部門之間的內在聯系，從而避免資產的重復購置。
（3）資金主題，即是對各部門與各資產的資金運作狀況的分析，包括整體資金情況以及各部門資產管理資金配置情況。
資金域中錄入的是已購置資產資金花銷及來源，資產管理過程中的折舊、升級投入經費情況。不僅如此，這一主題還要涵蓋資金分配規劃和預處理數據信息。
通常，高校資產管理系統中都要涵蓋以上三個基本主題域。但在實踐中，有時為了簡單化將三個主題域進行合并，即在資產主題域內對部門與資金主題進行考慮，但在數據庫設計過程中需要通過增加維度的途徑來達到相同之效果。
2.以決策支持與數據挖掘為目標的二級粒度設計
高校資產管理系統設計之目標在于對資產數據的有效挖掘，并為管理者提供決策支持。高校資產管理者為對資產管理系統提出各種要求，而高校資產數據會隨著高校規模的擴大而無限增加，自然分化出常調動數據與沉淀數據，在存儲上有必要進行區分，即將沉淀數據存儲在備用存儲器中，并清楚報廢多年資產的數據，這就要求粒度級別劃分的精準性。經過對各大高校資產管理情況進行反復分析與合理推測，筆者認為可將高校管理系統數據庫設計為二級粒度，即詳細數據與綜合數據。前者是指每天的資產數據，后者則分為輕度綜合數據（每部門數據、每月數據或每大類資產數據）與高度綜合數據（每年數據或綜合大類資產數據）。詳細數據冗雜，不宜長期在管理系統中保存；可定期整理生成綜合數據并進行轉存、清理，而綜合數據量較小，數據關聯性強，可在數據庫中長期保存，并利用其定期生產資產數據報表。
3.資產管理系統邏輯模型設計
資產管理系統邏輯模型由事實表與維度表，前者是模型的核心部分。事實表包括鍵與詳細指標兩項，在模型中通過事實表的鍵將維度表組織連接起來，以為系統用戶提供查詢功能。事實表用來對設計的主題域多個角度進行描述，而維度表從不同角度對設計的主題域數據進行描述。通過對高校資產管理情況的深度分析，本文認為高校資產管理系統適用于雪花模型，據此設計出資產管理系統邏輯模型。其中“資產數據事實表”和后面的“部門表”、“資產編碼表”、“資產分級表”以及“時間表”4個主維度表關聯，而“部門表”、“資產編碼表”以及“資產分級表”則分別具有“上級部門表”、“資產類別表”以及“資產指標表”3個2級的維度表。這種多層級的維度表降低了資產數據冗余度，節省了資產管理系統的儲備空間，提高了系統數據挖掘粒度的靈活性。
模型設計后需要對管理系統進行數據裝載（ETL），首先要對資產的源數據進行簡單抽取，然后依據預先設定的邏輯模型對源數據進行轉換并進行數據倉庫的存儲。
4.資產數據歸約與取值
對數據的屬性進行歸約，能夠使挖掘的數據規則更加簡單化，本質來說大戶也是對數據庫施加的約束，能夠縮減生成候選集的數量，從而能夠快速發現數據關聯規則。教育部規定，高校資產分為16個大類，既包括房屋等地產又包括了圖書與器具等教學設備，對其進行管理是十分復雜的工程。為此本文在實際應用中可以確定四個管理指標，即資產購置價格（A）、資產剩余使用年限（B）、資產年使用率（C）以及資產質量評估（D）。
對上述確定的資產管理指標進行統一的分級，即1～5級，分別用1～5表示實現指標數據取值的分類轉換。
（1）根據購置價格、購置時間與當前市場行情等因素對資產進行評級。
（2）根據折舊情況與使用年限進行評級，在折舊與使用年限的確定上應根據會計與稅務上的規定進行計算，得出資產的剩余使用年限率，并根據資產屬性與具體使用情況進行相應調整。將資產使用年限分為五個區間，并根據資產的剩余使用年限率=（稅務規定資產使用年限-已使用年限）/稅務規定資產使用年限公式，計算出分區化的資產剩余使用年限的區間值。通過對高校資產情況的深度分析，將其區間值定為（1，0.8]、（0.8，0.6]、（0.6，0.4]、（0.4，0.2]以及（0.2，0]，其分別對應著1～5各級別。
（3）依據資產使用率確定資產級別取值。資產使用率源數據來自于資產管理者定期的核查與記錄，并據此做出評價，使用率越低則級別越接近1級，即使用期限越長，反之則越接近5級。
（4）根據資產定期的質量檢查與評估。
綜上，高校資產歸約與取值的描述為：（資產編號，購置價格、剩余使用年限率、使用頻率、質量評估值）。如編號414011的資產其購置價格是3級，剩余使用年限率是2級，使用頻率是2級，而質量評估值為1級，則在數據庫中為（414011，A3，B2，C2，D1）。
5.數據挖掘過程
上述通過對高校資產管理系統的設計，獲得高校資產的數據庫的具體構建，下面將分析如何對源數據進行整理與特征化轉換。本文認為通過Apriori算法能夠實現對資產數據庫關聯規則的數據挖掘。而利用高校資產的數據庫多指標之間的關聯規則就可以實現對高校資產的數據庫進行多變量數據集合進行數據挖掘。
（1）在高校資產管理的指標設定下，將高校資產質量評估值作為規則目標，利用Apriori算法的生成頻繁數據項集。頻繁數據項集中可以確地各個高校資產資產管理系統中變量的信任度和支持度。
（2）通過分析高校資產質量指標數據集合之間的關聯性規則，計算出滿足最小信任度的相應規則。
（3）挖掘數據間的關聯性，即計算出滿足最小信任度的規則。
四、資產管理系統決策支持模塊的實現
可想而知，利用數據挖掘技術設計高校資產管理系統的目的，在于為資產管理者提供決策支持。而通過管理系統挖掘出的數據越精準，得到的資產的動態數據越有意義，其關聯規則對輔助管理者進行決策越具有價值。而通過上述方法設計的管理系統收集的數據十分龐雜，若直接進行數據挖掘其效率與實際價值定會十分低下，信息可信度會大大降低。這樣，保證資產管理系統決策支持模塊的實現，是利用數據挖掘技術提高我國高校資產管理的效率的關鍵。資產管理系統決策支持模塊是面向業務主管或更高級別管理人員而設定的，通過對高校資產管理系統收集而來的數據進行更深層次的挖掘分析而來，以為管理者提供決策支持。資產管理系統決策支持模塊的實現是高校資產數據庫建立的重要目標，依賴于資產管理系統，但又與其完全分開，即是高校資產管理系統的有益補充，彌補其系統功能之不足。
1.決策支持模塊中的數據挖掘過程
決策支持系統的數據挖掘有別于資產管理系統，具體來說包括了管理問題定義、數據準備與轉換、數據挖掘、結果分析以及知識運用等五個過程。
（1）管理問題定義，即數據挖掘的目標，即定義出資產管理過程中需要解決的業務問題。
（2）數據準備與轉換，是指根據確定的目標，在上述設定的資產管理系統中提取出特定數據集，并對這些數據集進行預先加工和處理，剔除數據缺值與冗余，并修正其存在的錯誤，從而完成數據的準備工作。
（3）接下來進行的是決策模塊的數據挖掘，即根據上述收集加工的特定數據集的功能與特點，利用相應的數據算法建立分析模型，從而實現對經過轉換的數據的挖掘工作。
（4）經過數據挖掘后，要對挖掘的數據進行結果分析，所謂的結果分析及對挖掘的數據進行系統分析、解釋與評價，并運用文字或圖表的方式將數據蘊含的動態關聯規則進行轉換與闡釋，以被用戶所理解與采納。
（5）最后一步是知識運用，即將通過上述數據挖掘過程獲得的知識集成到決策系統的知識庫當中，構成決策備用信息庫為管理者提供決策支持。
2.決策支持模塊中數據挖掘的分類應用
決策支持系統是為高校資產管理提供決策支持的系統，具體來說包括了設備采購、資產配置、維修管理以及報廢決策四個方面的決策實現過程。資產管理不同環節的決策依據不同，要根據管理特點選擇合適的算法對數據進行有效的挖掘，為管理者提供科學有效的決策依據，是資產管理系統決策支持模塊的實現的關鍵：
（1）資產采購環節的決策支持，采購決策的合理與否關乎后續的維護成本與資產使用效率。在這一環節，要挖掘資產管理系統中已有的海量歷史采購數據，與此同時結合當前市場情況，對預采購資產進行技術經濟分析與性價比分析，并配合調研選型。在數據挖掘過程中適當采用聚類分析與關系分析相結合的方法，對市場上不同供應商提供的產品進行差異性分析，根據大數據中提供的平均使用壽命與維修頻率的綜合性評價選擇性價比較高的產品進行采購。于此同時，在采購過程中適當使用預測模式，對預購置資產價格進行初步概算，以對部門資產采購資金進行有效控制。
（2）資產配置環節的決策支持。購置后的資產要在各部門之間進行分配，資產的合理配置是提高高校資產管理效率的基礎。資產配置的不合理會造成資產的重復購置以及資源的極大浪費。無論是購置資產的初次配置，還是特定資產的二次處理均需要數據挖掘技術為管理者的決策提供信息支持。可采用聚類分析法，以各單位性質為依據，將其分派成不同組別，從而決策分析者根據聚類分析之結果，探索各組別間差異性，并通過建立決策樹，來確定預配置資產分配方案。
（3）維修管理環節的決策支持。資產配置后的維修管理對提高資產使用效率至關重要，而“以養代修”是資產保管的重要方法。但何時養護，怎樣養護卻不能僅憑經驗進行判斷，在這方面可以利用數據挖掘技術中的時序模式與預測分析方法，對類似資產的使用情況與維修記錄的數據進行挖掘與提煉，并結合該項資產的維修記錄與具體情況，得出判斷信息，從而對資產進行科學維修管理，以保證資產使用性能的充分發揮，提高資產利用率。與此同時，還可以采用預測分析法，促進資產維護經費預算與分配的科學合理化。
（4）報廢更新環節的決策支持。資產的報廢更新源自于兩個方面：一方面是資產性能的下降，已經達到預期使用壽命；另一方面是由于高校教學與科研內容的革新所觸發的，對資產性能方面提出了新的技術要求。要采用數據挖掘技術的關聯規則分析資產關系，對資產進行動態化管理，通過對已有數據的挖掘及時剔除壽命降至的資產。而對于資產性能無法滿足高校教學與科研革新需要的資產，要采用數據挖掘技術制定多種方案進行計算決策，依據技術上先進、經濟上合理的資產管理原則，確定對原有資產進行改造升級，還是予以報廢更新。
五、結束語
高校資產信息化處理系統在運行過程中會收集大量數據信息，而在實際操作中系統管理員僅具有簡單的統計評估與分析功能，而隱藏在數據背后的價值卻不能進行深度挖掘與應用。利用數據挖掘技術設計高校資產管理系統是很好的應用趨勢，能夠為高校資產管理者提供有效的決策支持。但數據挖掘具體工作的開展需要從事資產管理和系統設計人員充分的準備，以及對案例與算法的實際把握與分析能力。在資產管理系統的實際應用過程中，要注重歸納與總結，不斷改進完善數據挖掘算法，找出數據背后蘊藏的關聯規則，以便挖掘結果更科學化，為管理者與決策者提供便于理解的信息庫，適應當前高校資產管理與決策的需要。
參考文獻：
[1]袁雋媛.高校資產數據挖掘的研究與實現[D].湖南：湖南大學，2012.
[2]金豆.數據挖掘技術在資產管理系統中的應用[D].吉林：長春理工大學，2010.
[3]江敏，徐艷.數據挖掘技術在高校教學管理中的應用[J].電腦知識與技術，2012（24）：5741-5745，5760.
[4]劉治良，張庾.數據挖掘在設備管理中的應用探究[J].電腦知識與技術，2014（33）：7836-7837.
[5]陳永峰.大數據背景下數據挖掘在高校固定資產統計中的應用研究[J].河北軟件職業技術學院學報，2015（2）：6-9.
[6]袁雋媛.數據挖掘在高校資產管理中的應用[J].中國管理信息化，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.
關鍵詞:顧客資產管理;顧客終身價值;戰略地圖
Key words: customer equity management;customer lifetime value;strategy map
中圖分類號:F274 文獻標識碼:A文章編號:1006-4311(2010)08-0079-03
0引言
Blattber和Deighton(1996)[1]首次提出了“顧客資產”的概念。隨后,Rust等人(2001)[2]認為企業應該通過顧客資產管理(Customer Equity Management,CEM)尋求顧客資產最大化,并指出對顧客信息的認知、管理以及建模能力是企業的主要資產,可以作為一種持續競爭優勢的來源。顧客資產可以界定為企業全部顧客終身價值折現現值總和。這種新興的管理方法不再把營銷上的開支看作是短期的支出,更多將其視為可以通過未來的回報為企業及其股東們創造價值的一種投資。從本質來講,CEM提出之前其思想就已經浮現出來,包括“零背叛”的顧客忠誠策略、關系營銷、交互營銷、數據庫營銷和大規模制定策略等在內的營銷理念。
然而,當前對顧客資產管理的研究十分分散,對顧客資產管理的本質缺乏清晰的認識,更沒有一個統一的研究框架,論文回顧了顧客資產管理興起的驅動因素,結合平衡計分卡(Balanced Scorecard,BSC)的基本思想,構建了顧客資產管理戰略地圖,基于此,提出幾項顧客資產管理的未來研究主張。以期為更深入的顧客資產管理理論探討奠定基礎,為更有效的顧客資產管理實踐提供新的戰略思路。
1顧客資產管理的驅動因素
1.1 顧客角色及地位的改變生產管理模式的變革和社會經濟的蓬勃發展推動了大多數行業市場形勢的變化,供過于求的市場大大增加了顧客的選擇,這讓顧客變得更為“聰明”和多變[3],同時顧客的角色和地位發生巨大的變化(如表1所示),顧客正從傳統產品和服務的消費者變成消費者、價值的共同創造者等多重角色[4]。可見,伴隨著企業生產和經營方式的不斷進步,顧客的地位經歷了由被忽略,到逐漸被重視,進而得以不斷提升的變化過程,顧客扮演著越來越重要的角色。
1.2 CRM進化的必然結果國際上對CRM的研究起源于二十世紀八十年代初的“接觸管理”(Contact Management),到二十世紀九十年代初演變為顧客關懷(Customer Care),在CEM模型中必須強調顧客細分的動態性。像文獻[9]中針對不同的營銷策略,選取其影響變量(結合特定營銷策略下的CE貢獻),用閥值控制進而產生多維度的細分結果是一種簡單有效的方法,為動態細分以及針對性的營銷(甚至是一對一營銷)策略提供了很好的思路。多維度的較為精細的細分結果可以為管理和決策帶來一些潛在性的好處,那就是當新顧客引入的時候,可以直接判斷其所屬細分類別并實施相應的管理策略,這樣既可以節省細分過程的搜索成本,而且在面對龐大數量的顧客時可以提高響應效率。此外,推出新的產品/服務時也可以對類比產品的目標顧客進行同質性分析,反推市場細分變量,從而有效地鎖定目標顧客群。
2顧客資產管理戰略地圖
2.1 構建戰略地圖的基本思想戰略地圖是平衡計分卡的發展和升華,它是一種描述和溝通戰略的動態可視化工具[7]。Kaplan 和Norton于1992首次提出了平衡計分卡的概念,建立了包括財務、顧客、內部業務流程、學習與成長四個視角的評價準則。平衡計分卡突破了傳統的以財務為核心的測量評價體系,把組織的戰略目標與實現過程、企業當前的業績與未來的獲利能力聯系起來,以一個不同視角的平衡觀點來綜合評價企業的業績,對企業進行績效評估具有重大的意義,受到實業界和學術界的廣泛關注。在起始階段,平衡計分卡主要用于企業的業績評價,后來轉變為一種有效的戰略管理系統,并得到廣泛應用。戰略地圖是平衡計分卡的重要組成部分,通過增加細節層(detail)說明戰略的動態性,通過增加顆粒層(granularity)用于改善清晰性和重點[7]。戰略地圖提供了描述和溝通顧客資產管理戰略的統一方法,兼顧短期和長期目標、結果和結果的驅動因素、硬的財務指標和軟的非財務指標的平衡,因而能全面描述顧客資產管理戰略,在確定戰略目標的同時,鑒別實現戰略的關鍵流程、資源和能力。
2.2 顧客資產管理戰略地圖的原理與作用根據顧客資產管理的原理,其管理過程和作用可分解如下:首先,企業整合所有交互渠道,收集大量的顧客信息,運用數據倉庫、數據挖掘、知識發現等信息技術分析和發掘顧客潛在特征,以了解顧客的個性化需求。其次,當顧客的需求和期望被滿足,滿意顧客、忠誠顧客便產生了。同時,由于產品或服務的顧客化、額外信息的提供和產品及服務質量的提升,顧客將獲取更多的顧客收益,顧客滿意將大大提高。再次,如果企業能有效地運用營銷渠道傳遞更多的價值給顧客,顧客將與企業保持長久的顧客關系,從而增加產品或服務的購買量,同時傳播好的口碑及向企業推薦新的顧客,這些既增加了當前的顧客價值,同時也促使了潛在顧客向當前顧客的轉變,無疑都增加企業的顧客資產。顧客資產管理的戰略地圖如圖2所示。據此可以鑒別出進行顧客資產管理的關鍵視角,而傳統的BSC以企業為中心,主要包括財務、顧客、內部流程和學習與成長四個視角,如表2所示。
從構建的戰略地圖可以看出,為實現企業資產最大化的戰略目標,以下四個視角十分關鍵:顧客知識(Customer Value, CK)、顧客交互(Customer Interactive,CI)、顧客滿意(Customer Satisfaction,CS)、顧客價值(Customer Value,CV)。而本文將上述四個視角替換傳統BSC的四個視角,可以更好地反映顧客資產管理的理念。
3未來研究主張
【關鍵詞】電力體制改革；配網資產；價物聯動管理；精益化管理
隨著電力體制改革的不斷深入，推行電網資產精益化管理成為必然趨勢，而配網資產管理作為電網資產體系中管理難度最大的內容，需要我們認真研究。本文立足配網資產管理現狀，結合資產管理實踐經驗，從以下4個方面闡述配網資產運營管理應考慮的幾個重要問題。
一、如何消除配網實物資產高頻率變化對價物聯動管理的影響
電網企業資產管理的基礎是資產實物與資產價值在靜態與動態兩方面保持一致。實物與價值在靜止狀態上的一致性，是資產實物與資產價值動態聯動一致性的基礎；而實物與價值動態聯動的一致性，則是維持資產實物與資產價值新的靜態一致性的保證。二者失其一，都將打破平衡狀態，導致資產管理混亂。
然而，電網企業配網資產具有數量多、分布廣、價值低等特點，加之為適應可靠供電、優質服務等需求，要經常性地對配網資產進行技改或大修，這樣，實物資產就處于不斷的高頻率變化之中，往往是實物資產的狀態或安裝地點已經變化，而資產臺帳、卡片信息尚未得到及時更新，導致配網資產價物不能聯動，更增加了配網資產管理的難度。實際工作中，容易出現配網資產實物管理與價值管理的分離，從而引起價值變動滯后于實物變動的狀況，長此以往則會形成資產實物與資產價值“兩張皮”的管理格局。
因此，強化配網資產管理，就要重視并客觀評估配網資產高頻率變化對價物聯動管理的影響，運用大數據技術對海量資產實物與資產價值變動數據等進行關聯性分析、處理和研究，以趨勢研判為重點，深度挖掘企業資產管理規律，提高企業經營管理水平。
二、如何構建配網資產管理網絡來滿足運營一體化需要
電網企業在很長時間內都處于資產實物管理與資產價值管理在不同的信息化管理平臺上運行的狀態，導致資產實物與資產價值匹配度不高。造成這種局面的原因很多，主要原因還是企業管理職能條塊分割的問題，職權分設、流程隔離、信息孤立，不能將各項職能有效對接并融入業務流程中，以致各部門在實際工作中各行其事，只能依靠資產清理來解決資產實物與資產價值不匹配的問題，但總是前清后亂，不能從根本上解決問題。
因此，電網企業要管好配網資產，就要在資產全過程管理基礎上，將資產管理的規劃、調度、技改、運維以及價值同步變動反映等各項業務管理職能提升到同一個信息化管理平臺上，在同一平臺上履行各自職能，從而構建成配網資產管理網絡。只有建立配網資產管理網絡，全方位多角度地履行配網資產運維管理職能，才能系統性地解決配網資產管理難題。
三、配網資產管理流程體系建設是科學融合各項職能的關鍵
電網企業配網資產管理的核心是再造流程體系。再造配網資產管理流程體系，就是需要運用互聯網思維，層次分明地將配網資產各項管理職能有效融合，形成以價值管理、運營安全、成本控制和客戶服務為核心的多維度管理流程體系。
電網企業應以價值管理為導向，以財務部門為核心，以電網投資規劃為起點，以電網建設項目管理與資產運維管理為內容，構建覆蓋基建、運檢、調度及基層單位的資產價值管理流程體系；以安全運營為導向，以調度部門為核心，以統一指揮、統一調度為內容，構建覆蓋運檢、財務、配電及基層單位的資產運行管理流程體系；以成本控制為導向，以運檢部門為核心，以運維成本管控為內容，構建覆蓋基建、財務、營銷及基層單位的成本費用管理流程體系；以服務客戶為導向，以營銷部門為核心，構建覆蓋運檢、物資、財務及基層單位的電網服務管理流程體系。從而，形成電網企業配網資產集安全管理、成本控制、優質服務及價值管理于一體的配網資產管理流程體系，同時配置具體細化的流程體系管理標準，推動電網企業配網資產一體化、標準化管理。
四、實施信息化管理是配網資產運營管理的必要手段
如今大數據已應用于社會和生活的多個方面，交易數據、社交數據等的融合與處理給企業帶來了更多福利。在殼牌中國，大數據成為了指導企業業務及運營管理的重要應用。
理解數據之“大”
“所謂大數據其實更多強調的是數據的重要性，本質上不是絕對地說有多少數據就可以稱之為大數據，有多少數據就是小數據。”殼牌石油中國區首席信息官徐斌表示，“殼牌石油過去十年甚至更長的時間，基于商業智能、數據倉庫一直在使用數據。而當時IT架構基于單機方式運行，數據處理效率受限，數據源也大多來自企業內部。”
“互聯網所積累的數據量越來越大，同時對數據處理的要求也相應提高。這就產生了現在新的分布式平臺來做數據分析。”徐斌解釋道，“所謂‘大’，現在看來可能更多出于廣告目的。我個人認為，數據‘大’的概念更多是強調其商業價值，而不用去關注到底是多少數量級，或者是多少維度，這不是大數據的核心。”
“大數據的價值應該是通過數據去發現規律，通過信息整合去發現知識，并對知識進行濃縮形成智慧。”徐斌總結說，“這也是殼牌中國應用數據的最終目的。”
目前，大數據應用已滲入殼牌中國業務體系。在殼牌上游業務中，殼牌通過對地理等數據的實時采集、分析，從而提高油井開采成功率；在油罐管理上，殼牌使用SIR實時數據分析，減少潛在事故啟動數量、及早發現問題，大幅降低泄露事故；同時，可減少誤報導致的損失。大數據的應用可為每個油站每年節約約4000美元成本。
在下游燃油、油銷售上，殼牌整合移動設備、車聯網上的客戶數據并進行分析，向客戶推送定制服務消息。同時，殼牌與阿里巴巴合作，通過對網上交易及社交數據的分析，精確定位潛在客戶，實現高達70%的客戶轉化率。另一方面，殼牌與銀聯的合作，可通過對相關銀行卡交易數據進行分析，從而明晰殼牌的市場份額。
夯實大數據技術能力
目前，大數據發展行動已成為國家戰略。2015年兩會提出的發展“互聯網+”，其中核心技術就是大數據。云、物、移、大、智，大數據是核心，通過數據才能產生資產價值。
“從目前大數據發展國內外情況來看，英國是第1名，中國排位靠后。”徐斌表示，“這一位置也表明中國大數據使用狀態、數據開放都比較落后，需要有所提升。但中國大數據應用領域也很多，應用最多的就是金融業、醫療業和政府公共事業，這是目前用的比較多的三個領域。”
對于目前業界存在的一些大數據認識誤區，徐斌認為要從兩個方面厘清。“首先，大數據不是單純的技術，其最重要的目的是解決業務問題，幫助業務創造新的機會，需要團隊協作實現其價值；同時，大數據實現需要比較好的數據源，如果數據質量不高，再好的系統也沒有意義。總的來說，大數據不是工具，是一整套體系。其次，大數據不能解決所有問題。一方面，大數據不是全部數據，因此不能夠完全展現事情本質，只能預測可能性概率比較高的事情；另一方面，如果企業自身數據應用不好或存在很多信息鼓搗，也很難實現數據指導決策的有效應用。”
“目前，大數據在各個行業都有一些典型應用。例如汽車企業，可以利用互聯網收集數據進行快速決策，調整汽車行駛過程；例如新浪曾經推出南方-新浪大數據100指數，通過大家討論股票的熱度、財務指標考量等維度，精選出得票最高的股票對其進行投資；另外，金融行業可以通過銀行交易數據來分析跟蹤整個國家經濟運行情況。”徐斌介紹說。
那么，對單個企業而言，如何提升大數據應用能力建設？徐斌認為應從四方面著手。一是建立企業大數據體系，包括數據基礎平臺、數據報表與可視化、產品與運營分析、精細化運營平臺、數據產品、戰略分析與決策等；二是實現企業數據資產管理，包括數據資產治理、數據資產應用、數據資產運營；三是發展大數據應用應與云計算相輔相成；四是認識到大數據是文化與技術的結合。首先要有數據驅動決策的文化，其次要思考如何通過大數據分析和預測。
六個維度認識大數據價值
徐斌指出，大數據的應用主要有四種。“一是描述性數據應用，相當于給企業管理者一個顯微鏡和望遠鏡，了解企業發生了什么。二是診斷性數據應用，但企業發聲問題時通過數據分析找出原因，如不良貸款為何一直上升？客戶為何流失？哪些客戶流程？三是預測性數據應用，比如通過數據測評，提前了解零部件情況，及時調配。殼牌也有這樣的配件，比如鉆頭，如何讓它更健康的運作？殼牌通過傳感器了解鉆頭的熱度、疲勞度等，及時發現問題。通過數據及時跟蹤就可以提前預防，這樣就為企業帶來大量的價值。四是指導性數據應用，通過多維數據的收集和分析，可以給企業合理的建議方案。比如開發用戶，是做線下營銷還是線上接觸？是找這個群體還是找那個群體？這些都需要大數據分析。這是大數據最核心的應用。”
具體到大數據在企業內部的價值實現。徐斌表示大數據對企業有六個維度價值。
決策支持
假如企業要開一個加油站，在哪個點開？這直接影響到投資有沒有回報。通過大數據分析，通過手機信號定位來判斷移動速度，判斷是車還是人流，看看每天通過車的速度，這樣的數據很準確，如果通過它來做決策，顯然它的效率會高、回報率更可靠。
運營優化
比如加油站地下油罐的設計，通過大數據分析可以幫助我們決策。比如把這個區域的相應數據進行對比判斷，地下油罐是不是有泄露的可能？對殼牌來說，全球評估下來，一個站一年可以省好幾萬元錢，一年就是十幾億，這是成本的巨大節約。
營銷突破
通過大數據找到潛在的客戶，可是企業的潛在客戶在哪里？以前都是做線下促銷活動，精準力很差、轉換率很低。但是通過淘寶交易應用，通過新浪微博也可以找到相關的車主，這些人就是我們的客戶，我們就對他做精準營銷，這個轉換率是50%，非常高。
安全保護
比如，人的安全駕駛行為可通過數據分析出來，而化工廠也能通過數據分析及時發現危險，采取措施。
業務創新
用數據做業務創新，比如某服裝公司，七天內給一個客戶提供定制化的西服。靠的是什么？沉淀十年的西服板型的大數據，優化裁減、安裝匹配，這就是創新。
