大數(shù)據(jù)驅(qū)動(dòng)預(yù)測(cè)下高校資產(chǎn)管理模式創(chuàng)新

張義俊

摘 要 高校資產(chǎn)使用效率低，閑置浪費(fèi)現(xiàn)象嚴(yán)重，服務(wù)水平低，為廣大師生所詬病。當(dāng)社會(huì)發(fā)展進(jìn)入大數(shù)據(jù)時(shí)代，信息獲取和信息處理和之前相比產(chǎn)生數(shù)量級(jí)的變化。從大數(shù)據(jù)驅(qū)動(dòng)預(yù)測(cè)出發(fā)，淺析如何利用大數(shù)據(jù)實(shí)現(xiàn)高校后勤資產(chǎn)的智能管理，提高資產(chǎn)效益。

關(guān)鍵詞 大數(shù)據(jù)；高校資產(chǎn)管理；智能管理

中圖分類號(hào)：G712 文獻(xiàn)標(biāo)識(shí)碼：B

文章編號(hào)：1671-489X（2016）24-0062-03

Innovation of Asset Management Model in Colleges and Univer-sities under Forecast of big Data Driven//ZHANG Yijun

Abstract The low efficiency of the use of assets in Colleges and uni-

versities， the phenomenon of serious idle waste， low level of service is for the majority of teachers and students criticized. When the social

development into the era of big data， information access and infor-mation processing are compared with the previous generation of a

number of changes. This paper from the big data driven prediction， analysis of how to use big data to achieve the intelligent management

of college logistics assets.

Key words big data； asset management in colleges and univer-sities； intelligent management

1 引言

高校資產(chǎn)不僅是保障教育教學(xué)工作正常順利進(jìn)行的物質(zhì)基礎(chǔ)，也是高校后勤部門服務(wù)廣大師生的物質(zhì)條件，更是保障高等教育事業(yè)可持續(xù)發(fā)展的物質(zhì)基礎(chǔ)。然而近年來，由于管理水平不足，管理意識(shí)落后等原因，資產(chǎn)管理處于一種管理體制不完善、制度不健全的狀態(tài)。在大數(shù)據(jù)時(shí)代，提高管理水平、健全體制，進(jìn)行資產(chǎn)管理模式的創(chuàng)新，實(shí)現(xiàn)高校資產(chǎn)的智能管理，發(fā)揮所有資產(chǎn)的應(yīng)有作用，提高資產(chǎn)效益。

2 高校資產(chǎn)傳統(tǒng)管理模式

高校的資產(chǎn)定義會(huì)分為狹義和廣義兩部分。從狹義的層面來說，高校資產(chǎn)主要包括國(guó)家投資給高校的固定資產(chǎn)、低值易耗品等有形資產(chǎn)。廣義的資產(chǎn)除了狹義的內(nèi)容之外，還包括各個(gè)高效的科技成果、研究成果、知識(shí)產(chǎn)權(quán)以及流動(dòng)資產(chǎn)、中長(zhǎng)期投資等。本文主要以高校的固定資產(chǎn)為研究對(duì)象。

我國(guó)高校的國(guó)有性質(zhì)決定了高校資產(chǎn)所有權(quán)、管理權(quán)、使用權(quán)相分離。同時(shí)，高校的國(guó)有資產(chǎn)大部分是由資產(chǎn)管理部門、圖書館、各院系、房產(chǎn)部門、后勤部門等多頭管理，產(chǎn)權(quán)不明晰、運(yùn)行機(jī)制不順暢、管理權(quán)分散等問題十分突出。這就造成管理上存在許多問題和缺陷，部分管理會(huì)出現(xiàn)交叉，但是某些方面又會(huì)出現(xiàn)管理上的真空，管理不到位等。

目前來說，雖然資產(chǎn)管理涉及眾多部門，但是由后勤部門統(tǒng)一調(diào)配使用，應(yīng)該是最為高效的辦法。后勤部門直面各個(gè)院系部門和廣大師生，由后勤部門來協(xié)調(diào)管理高校中涉及服務(wù)師生等方面的資產(chǎn)會(huì)最為直接。

現(xiàn)階段而言，我國(guó)高校資產(chǎn)管理存在的主要問題集中于使用效率低、閑置率高、服務(wù)水平低。我國(guó)高校自20世紀(jì)90年代末期大量擴(kuò)招，通過兼并、土地置換、改擴(kuò)建等方法，均不同程度上擴(kuò)大了學(xué)校規(guī)模，增加了資產(chǎn)。高校在改擴(kuò)建的同時(shí)，力求上檔次，辦公樓、教學(xué)樓裝修要豪華，體育館設(shè)施要先進(jìn)。

同時(shí)，各單位不顧自身實(shí)際情況，盲目地上項(xiàng)目、上設(shè)備，盲目攀比，要求不斷增加投入購(gòu)置設(shè)備，還要求設(shè)備必須是最先進(jìn)的，并且在幾年之內(nèi)不能淘汰的，功能要多多益善。但這些設(shè)備實(shí)際上無論是從經(jīng)濟(jì)功能，還是從實(shí)體功能，使用效率都極為低下。許多高校各院、系、部占有使用的資產(chǎn)，很難做到在全校范圍內(nèi)調(diào)劑，加之高校每年的寒暑假，在此期間設(shè)備閑置、無人維護(hù)，減少了設(shè)備的使用壽命，大大降低了資產(chǎn)的使用效率。

除此之外，服務(wù)水平低也是為廣大師生所詬病的一點(diǎn)，特別是后勤部門。在宿舍維修維護(hù)、課室維護(hù)、物業(yè)管理服務(wù)，特別是飯?zhí)貌蛷d管理等方面，很少有師生表示滿意。一方面，固然有服務(wù)師生眾多，難免顧此失彼的因素在；但另一方面，服務(wù)水平低是無法回避的事實(shí)。后勤部門也并非不想改善、不想作為，更多時(shí)候是苦于沒有合適的改善辦法和工具，不知道如何去改善。

3 大數(shù)據(jù)驅(qū)動(dòng)預(yù)測(cè)以推動(dòng)資產(chǎn)管理模式創(chuàng)新

當(dāng)人類社會(huì)進(jìn)步到大數(shù)據(jù)時(shí)代，大數(shù)據(jù)分析管理給后勤資產(chǎn)管理提供了新的參考和依據(jù)，能夠指引后勤部門更好地做好資產(chǎn)管理。

大數(shù)據(jù)預(yù)測(cè)下資產(chǎn)管理的未來管理模式 大數(shù)據(jù)帶給人們最直接的體驗(yàn)和感受就是預(yù)測(cè)的準(zhǔn)確性和管理的系統(tǒng)性。以往在各個(gè)領(lǐng)域雖然也有預(yù)測(cè)和管理，但大多數(shù)呈現(xiàn)零散的狀態(tài)，預(yù)測(cè)也不準(zhǔn)確，大數(shù)據(jù)預(yù)測(cè)分析扭轉(zhuǎn)了這一局勢(shì)。這里最典型的應(yīng)用就是2010年冰島火山爆發(fā)，歐洲大部分地區(qū)的航班取消。IBM的大數(shù)據(jù)分析指出受此影響，香港是這一情況下IBM供應(yīng)鏈最重要的環(huán)節(jié)。這一結(jié)果看似荒謬，然而事實(shí)確證明了大數(shù)據(jù)分析的正確性。歐洲航班恢復(fù)時(shí)，IBM需要將大量延遲交付的產(chǎn)品從亞太地區(qū)的工廠送到顧客手中，如果香港航班沒有提前預(yù)訂，將使得IBM的供應(yīng)鏈遭遇瓶頸。

這個(gè)例子充分說明，大數(shù)據(jù)分析能將影響結(jié)果的各種原因充分考慮，并且智能分析各種因素的重要性、影響大小，從而幫助人們做出更合理的決策。就資產(chǎn)管理而言，大數(shù)據(jù)智能分析將使得資產(chǎn)管理不再過度依賴經(jīng)驗(yàn)和直覺，而是分析和數(shù)據(jù)。一方面，大數(shù)據(jù)分析能夠清晰地讓人們知道什么地方需要什么樣的資產(chǎn)，怎么配置資產(chǎn)，這樣有效地避免了資產(chǎn)閑置和使用率低的問題；另一方面，大數(shù)據(jù)分析能夠讓后勤部門清晰地看到需要提供什么樣的服務(wù)，需要發(fā)揮資產(chǎn)的哪些作用來滿足相應(yīng)的需求，提高服務(wù)水平和質(zhì)量。

什么是大數(shù)據(jù)資產(chǎn)管理智能模式 大數(shù)據(jù)是非常新鮮的概念，一般認(rèn)為起源于2012年2月13日Steve Lohr在The New York Times網(wǎng)站上所發(fā)表的一篇題為“the Age of

Big Data”的專欄文章。Steve Lohr在文中稱：大數(shù)據(jù)時(shí)代已經(jīng)來領(lǐng)，在商業(yè)等領(lǐng)域中，決策將不再基于經(jīng)驗(yàn)和直覺，而是日益基于數(shù)據(jù)和分析。

那么，究竟什么是大數(shù)據(jù)呢？大數(shù)據(jù)是一個(gè)相對(duì)而言較為寬泛的概念，但所有定義毫無異議地均突出了“大”這一重要特征。這種“大”不僅體現(xiàn)為數(shù)據(jù)量上的龐大，更體現(xiàn)為數(shù)據(jù)應(yīng)用的“大價(jià)值”。 一般而言，大數(shù)據(jù)有“4V”特征，即Volume（容量）、Variety（種類）、Velocity（速度）和 Value（價(jià)值）。

大數(shù)據(jù)資產(chǎn)管理就是利用這4個(gè)特征進(jìn)行運(yùn)作，充分發(fā)揮和利用資產(chǎn)，實(shí)現(xiàn)資產(chǎn)的最優(yōu)配置。高校資產(chǎn)不同于企業(yè)資產(chǎn)，高校資產(chǎn)存在的目的就是保障教學(xué)工作，充分發(fā)揮資產(chǎn)的作用，做到充分使用的同時(shí)又集約使用，所有資產(chǎn)出現(xiàn)在應(yīng)該出現(xiàn)的位置，并且保持正?？墒褂玫臓顟B(tài)。

大數(shù)據(jù)預(yù)測(cè)的具體應(yīng)用方法 要使用大數(shù)據(jù)預(yù)測(cè)進(jìn)行管理，首先要進(jìn)行大數(shù)據(jù)管理的基礎(chǔ)設(shè)施建設(shè)。大數(shù)據(jù)預(yù)測(cè)的資產(chǎn)管理離不開進(jìn)行大數(shù)據(jù)收集、存儲(chǔ)、分析的硬件設(shè)施。前文已經(jīng)解釋過，大數(shù)據(jù)不同于以往的數(shù)據(jù)分析，具有海量和高速等特征。因此，要進(jìn)行大數(shù)據(jù)分析預(yù)測(cè)管理，首先就要對(duì)硬件設(shè)備進(jìn)行升級(jí)更新?，F(xiàn)在可以借助專業(yè)公司的云計(jì)算平臺(tái)，但是一方面租用費(fèi)用高昂，另一方面租用的平臺(tái)對(duì)于運(yùn)算法則的設(shè)計(jì)和自由使用有所限制。此外也要考慮保密情況，租用的云平臺(tái)等有泄密風(fēng)險(xiǎn)。

對(duì)于一些敏感專業(yè)和特殊專業(yè)、學(xué)校等，可以考慮自行建設(shè)數(shù)據(jù)存儲(chǔ)設(shè)備、運(yùn)算設(shè)備、決策工具等，這都要在原有基礎(chǔ)上進(jìn)行提升，服務(wù)器的建設(shè)甚至要使用X86架構(gòu)的高端機(jī)型，甚至Power機(jī)型才能滿足運(yùn)算需求。

在完成了硬件設(shè)施的建設(shè)后，結(jié)合后勤資產(chǎn)管理的特點(diǎn)和需求，本文認(rèn)為采用多層次因果分析法進(jìn)行資產(chǎn)智能管理是目前最合適的方法。

多層次因果分析法先利用一系列定量分析方法，測(cè)算出不同的資產(chǎn)組合和搭配方式對(duì)教學(xué)需求和師生需求的影響，然后通過執(zhí)行不同的what-if方案，利用需求模型系數(shù)對(duì)需求進(jìn)行預(yù)測(cè)。最后，根據(jù)預(yù)測(cè)的結(jié)果，將資產(chǎn)供應(yīng)和需求進(jìn)行匹配和關(guān)聯(lián)，給出最優(yōu)化的資產(chǎn)管理解決方案。

本文以高校計(jì)算機(jī)機(jī)房的教學(xué)設(shè)備科學(xué)配備為例，說明多層次因果分析法的具體應(yīng)用。具體而言，需要進(jìn)行以下7個(gè)步驟。

第一步，確定需求和資產(chǎn)供應(yīng)之間的所有相關(guān)數(shù)據(jù)需求。后勤部門和師生代表、其他管理部門的代表等，共同確定機(jī)房設(shè)備供應(yīng)和實(shí)際需求之間相關(guān)的全部數(shù)據(jù)需求。

教學(xué)所需的設(shè)備需求可以表述為：

需求（D）=β0常數(shù)項(xiàng)+β1師資配備+β2機(jī)房容量+β3專業(yè)課程沖突+β4學(xué)生分組方式+β5教學(xué)方式+β6設(shè)備完好率+...+βn

第二步，利用數(shù)據(jù)集合建立模型，感知需求。利用初步數(shù)據(jù)和確認(rèn)的需求相關(guān)因素，初步搭建各個(gè)因素和最終需求之間的關(guān)系模型（圖1）。根據(jù)第一步完成的需求分析，結(jié)合現(xiàn)有設(shè)備資產(chǎn)供應(yīng)情況，建立供應(yīng)和單個(gè)需求因素之間的線性回歸模型并運(yùn)算。

第三步，利用新數(shù)據(jù)或其他相關(guān)數(shù)據(jù)，檢驗(yàn)需求模型的準(zhǔn)確性。這一步是對(duì)第二步的驗(yàn)證，確保第二步模型建立的正確和數(shù)據(jù)有效，需要利用不同的數(shù)據(jù)進(jìn)行。

第四步，利用全部數(shù)據(jù)整合需求預(yù)測(cè)方案。將所有的需求感知模型整合在一起，形成一個(gè)一體化的方案，充分發(fā)揮相關(guān)因素的影響作用。與第二步類似，將不同的需求預(yù)測(cè)整合在一起，建立綜合考慮各方因素的需求預(yù)測(cè)模型方案。

第五步，運(yùn)行需求預(yù)測(cè)方案，修正方案參數(shù)，保證正確性。根據(jù)第四步完成的綜合方案，按照規(guī)則運(yùn)行，生產(chǎn)預(yù)測(cè)需求結(jié)果。

第六步，依據(jù)需求預(yù)測(cè)選定資產(chǎn)供應(yīng)配置方案。根據(jù)需求，調(diào)節(jié)相應(yīng)的資產(chǎn)配置，同時(shí)保證合適的資產(chǎn)出現(xiàn)在合適的地方，提供合適的服務(wù)。

第七步，持續(xù)監(jiān)測(cè)方案，持續(xù)依據(jù)情況變化進(jìn)行方案修正。需求和實(shí)際情況在不停變化，需要持續(xù)監(jiān)測(cè)方案的有效性。在有效性明顯降低的情況下，需要分析原因，重新修正（圖2）。

智能管理資產(chǎn)管理預(yù)期效果 多層次因果分析法能簡(jiǎn)單地通過一些普通因素，將一系列因果模型與需求供應(yīng)進(jìn)行關(guān)聯(lián)并建立模型和運(yùn)行，是個(gè)簡(jiǎn)潔有效的決策系統(tǒng)。這個(gè)決策辦法為后勤部門的管理者提供了多種決策方案和優(yōu)化可能。同時(shí)，這一套智能預(yù)測(cè)系統(tǒng)甚至可以實(shí)現(xiàn)自我優(yōu)化，根據(jù)需求預(yù)測(cè)進(jìn)行資產(chǎn)使用的自我提升和優(yōu)化。

4 結(jié)語

大數(shù)據(jù)驅(qū)動(dòng)預(yù)測(cè)下高校后勤資產(chǎn)管理不是個(gè)單一的問題，而是一個(gè)系統(tǒng)性、持續(xù)性的問題。一方面有賴于大數(shù)據(jù)應(yīng)用和開發(fā)的技術(shù)進(jìn)步，另一方面有賴于高校管理層面的制度革新和權(quán)責(zé)重新劃分。但只要堅(jiān)持在新技術(shù)運(yùn)用的道路上走下去，一定能利用大數(shù)據(jù)帶來的優(yōu)勢(shì)，從“需求反應(yīng)”到“主動(dòng)預(yù)測(cè)”，從“主觀判斷”到“客觀預(yù)算”，從“小數(shù)據(jù)”參考到“大數(shù)據(jù)”應(yīng)用，從“被動(dòng)申請(qǐng)”到“主動(dòng)服務(wù)”等，實(shí)現(xiàn)高校資產(chǎn)的智能管理，發(fā)揮所有資產(chǎn)的應(yīng)有作用，提高資產(chǎn)管理服務(wù)的水平和保障能力。