欢迎您! 登录 | 注册 |

大数据背景下统计学家在创新中的地位和作用

编辑:王福红 刘心广 郭进利 发布日期:2017-11-06
缩小 放大
分享到:

摘要:随着创新重要性的提高,统计学家应该充当驱动和促进组织创新的领导者。本文首先研究质量工程、统计工程与创新的关系、大数据与统计学家的关系,提出统计学家是企业创新的灵魂人物和充当创新领袖的最佳人选,进而给出统计学家充当创新领袖所应具备的常识素质和职业技术能力模型,最后给出统计学家在创新过程各个阶段的作用及统计学家标准化创新管理体系的案例,以引导统计学家来引领创新实践活动。本文基于创新主体--人力资源研究的视角,旨在呼吁统计学家尽快成长为创新统计学家,引领企业的创新标准化流程,实现企业的快速有效创新,以更好地提升我国的创新能力。

关键词:大数据;统计学家;质量工程;创新

 

引言

创新是经济繁荣的核心议题,是推动国家经济增长的源泉之一,是企业永葆活力、立于不败之地的法宝。美国质量学会专门成立创新技术管理分会,以推动美国乃至世界的创新活动,日本、欧洲等国家都设定相应创新管理部门[1],来促进和管理本国的创新活动。在2014年9月的夏季达沃斯论坛上,李总理总理提出将“大众创业、万众创新”作为中国经济发展的新引擎。创新已经成为全球共同关注的议题之一,根据IBM对CEO调查结果显示,利润增长最快的企业对创新的关注程度是其竞争对手的两倍。在全球化的激烈竞争中,企业必须要领导创新,以设定创新战略来实现未来的成功。

然而,在企业创新活动中,最重要和最关键、最宝贵的一项资源是“人力资源”。创新团队成员的技能和思维方式是创新活动发生的前提条件,许多创新活动都是以团队的形式进行“合作”来完成的。在这些由技术专家、质量工程师(流程管理家)、统计学家、项目管理专家、市场营销专家等组成的创新团队,谁充当这个创新团队的领导者(“leader”)才能更好地促进创新活动的发生。有人认为应该设立创新经理一职,来领导企业的创新活动,有人认为质量经理可以充当创新的领导者。然而,随着大数据的发展和创新实践活动的深入,人们发现几乎每一项创新活动的展开,都使用了多种统计工具,越来越离不开统计学家的帮助,统计和统计学家在创新活动中的地位和作用越来越重要。研究大数据背景下统计学家在创新中的地位和作用有着极其重要的现实意义。

 

1. 文献浏览

文献[2]  研究了统计学家在流行病学研究中的作用,文献[3]  研究了统计学家在应对气候变化中作用,文献[4]  研究了统计学家在中小型企业质量改进中的作用,文献[5]研究了统计和统计学家在未来天文学中的作用,文献[6]研究了统计学家在国际科学政策的作用,文献[7] 研究了统计学家试验干预中的作用,澳大利亚学者罗伯特.W.梅勒[8]研究了统计学家在信息与决策中的作用与遇到的挑战,文献[9]指出:必须恰如其分地认识到统计学家的作用和重要性,以及统计学家在当今世界经济、社会和科知识题方面承担的更大职责。文献[10]研究了统计学家在社会经济分析中的作用。

美国统计学会主席唐纳德、W.  马夸德特在1986年的美国统计学会的致辞中认为:应重新评估统计学家的重要性[11],并对统计学家的重要性主要概括为以下四点:①当涉及数据的收集与说明的地方,统计学家应当是解决难以对付的,模糊不清的问题的系统向导;②统计学家的基本任务是充当科学方法的提供者,还应该把团队人员的智慧集中在一起;③统计学家的业务是销售科学方法;④统计学家要成为企业家式的开业者和统计方法的顾问。

在大数据时代,大数据项目在当今的商业界变得越来越普遍;统计学依然是大数据项目分析的灵魂。正如台湾学者谢邦昌在文献[12]中所认为的:在大家这个逐渐重视量化的世界,愈来愈多的专业皆须要依赖资料及数字化的说明,而说明资料并非人人皆会的。它必须拥有足够的统计常识。这时,统计学家便相当重要了,谢邦昌教授认为统计学家的作用不可低估。

美国全球创新领袖Kymm K.  Hockman认为统计学家在促进和领导创新方面有自己独特的优势,这些独特的优势主要概括为以下五点[13]:①提供一个整体的观点和系统思考;②带来了一个独立的观点;③促进统计工具在研发和市场部门的应用;④使问题的定义更加便利;⑤教授相关的统计方法。Kymm K. Hockman认为“统计学家”具有的“五个”特质是最适合充当创新团队的领导角色。

在全球化的竞争环境和大数据背景下,创新的重要性日益提高[14],统计学家在引导组织内的创新方面,处于?种特殊位置,因为统计学家可以全程参与整个创新过程,在每一个阶段,都发挥着自己的作用。统计学家在促进和领导创新方面这种优势是其他创新团队成员不可替代[15]的,因此统计学家有必要接受时代赋予的使命,在我国“大众创业、万众创新”经济浪潮下,应重视统计学家在创新中的地位和作用,促进统计学家勇于担当,充当创新活动的领袖角色。

 

2. 创新的概念

创新领域“术语和定义”的讨论才刚刚展开,因此还有很多相关派生术语的定义尚待完成。哈佛大学的克莱顿?克里斯坦森(Clayton  Christensen)是创新领域的伟大思想家之一,他认为创新是使人们可以更加轻松、容易地完成事情的方式或事物,这个定义是结果导向的,关注点是基于最终交付。这个定义也与创新一词的英文词根“in-nova-tion”相符,意思是“in a new  way”,翻译成中文就是“以一种新的方式”。创新意味着做一件新的事情,将想法或发明转换成一个创造价值的、客户将付费的服务的过程;创新是一个完整的开发过程和最终的新产品和新服务的商业化,创新是提供一种产品或供应的新方法,运输和交付服务的新方法,新的业务模式,新市场和组织的新形式[16]。也有一些文献认为创新是现有理念和技术的组合。美国创新与价值创造技术委员会制定了一个创新常识体系列表,目前,该列表包括创新过程、创新学问、创新型组织、创新管理者、创新风险评估、创新技术、创新工具7个主领域。如图1所示。

 

3.质量工程与创新

创新工程分为质量工程和统计工程。在大数据背景下,质量工程和统计工程的关系越来越密切,二者之间的融合度不断提高。这两方面与创新工程有着不可分割的天然联系。质量工程的首要目的是推动创新[15]。三者之间的关系如图2所示。

创新分为突破式创新、破坏式创新和持续性创新三种方式[15]。破坏性创新[17]是被成功开发出的基于过程—技术—产品—服务或商业模式,它们能够使组织显著改变传统竞争规则,并改变现有市场上的需求,破坏性创新是基于市场维度(突破性创新是基于技术维度)的,持续性创新是提高当前服务和产品中的质量。

无论哪一种方式,整个创新过程不是一蹴而就的,创新是一个累积的过程。质量管理体系、VOC( 顾客之声)、5S、精益、六西格玛(DAMIC)、DFSS、DOE、KPI、QFD、Kano图、SPC、问题解决工具、思维导图、排列图、PDCA循环、利弊图、风险矩阵图等是质量管理领域常用的工具,这些质量工具同样适用于创新管理。过程分析与测量工具,如流程图、趋势与模式分析,以及一些定性分析工具如故障模式、影响和危害性分析FMECA,也可以用于创新管理。但将这些工具应用在创新活动中时,应该对这些工具做一些改变,突出强调这些工具在使用时的创新思维[13]。还有部分工具是为了达到创新的目的而开发的,譬如精益创新、服务蓝图和TRIZ、TOC约束理论[13]。质量技术工具在企业导入、运营过程要实现不断的创新,就要源于统计学家的统计。统计方法常常作为质量改进的主流选择,受到众多质量管理者的青睐,无论是QC项目还是六西格玛课题,或者是质量经理督导的其他改进过程,都把统计模型和方法作为质量改进的“标准配置”。一些质量工程的网站,都有关于创新的社区,质量、统计与创新有着天然的联系。

 

4. 统计工程与创新

统计技术如SPC,  时间序列分析、统计试验设计、成像技术、非线性与复杂性组织结构的模型设计与分析、非参数统计、统计模拟与计算技术、数据可视化技术、数据挖掘技术这些统计技术都是数据分析的主要工具之一。另外,统计方法遵循顺序学习过程的科学方法[15],这种顺序的学习方法可以使缩短常识的获取,正如统计试验的设计,通过设计一系列的试验,减少获取常识的时间,在有限的时间内,借助于统计方法和统计试验,可以使大家获取的常识增多,伴随着学习增加,这种重复过程造成了增量变化造成了进一步的创新。统计数据能够扮演一个关键的角色在这个顺序学习过程中,使它更加有效,这增加了创新发生的速度。基于统计数据的决策有时也可以减少无效的创新。统计工程中常用的创新科学方法如图3所示,获取深度常识的实验设计如图4所示。

这些科学的创新方法大都与统计学有关。统计学家在掌握创新的科学方法方面比其他人更有优势。因此,统计学家可充当创新中的灵魂人物有着天然的优势。

 

5. 大数据与统计学家

从数据到大数据,伴随着质?飞跃,通过对海量数据的整合、分析,可以发现新常识、创造新价值。大数据时代,统计学肩负着从数据中提取规律、量化数据中的不确定性等使命。传统统计技术强调精确小数据的研究,强调因果分析,重点是研究模型的理论正确性;大数?是面向质量过程的总体数据,而不再局限于随机样本。大数据强调广域数据的及时收集、分析、发布、反馈和行动,强调相关分析,强调实用为主,同时强调高效的数据预处理和查询。在大数据环境下,分布式大数据和数据流的环境给统计学带来了挑战。统计学家需要改变传统的数据分析方式,不应固守传统的数据分析技术,必须积极学习新生事物,适应新的大数据环境。统计学家不仅需要关注计算机资源和实时决策,还需要相关领域专家的专业常识来对大数据进行分析。因此在大数据时代,统计学家要成为引领创新的领导者,首先统计学家要成为一名数据科学家,通晓数据科学的基础常识[18]。数据科学基础常识如图5所示,即统计学家除了具备统计学常识外,还需要象计算机专家那样,精通分布式和平行系统、数据库管理技术等常识。在大数据背景下,统计学家成为创新中的灵魂人物,首要的条件是要成为一名具有图5所示具有数据科学基础的数据科学家。

 

6. 统计学家应成为创新工程中的灵魂人物--创新统计学家

一般认为实现创新主要靠企业家来推动,该模型高度重视和十分强调企业家的创新作用。然而在开放式创新时代,形成了典型的互联网大数据,大数据分析是企业创新的灵魂。具备数据科学常识和统计学常识的统计学家无疑是驾驶大数据分析的宠儿,统计学家在驱动企业创新中的地位和作用日益增强。再者统计学家是“端到端参与整个创新过程”,是整个创新过程的一条线,这一独特地位与其熟练驾驭大数据分析的能力,使得统计学家应该成为创新的灵魂人物,充当创新的领袖[13]。除此之外,统计学家在创新工程中具有的独特地位,还主要表现在以下几个方面

(1)对异常值敏感:在大数据的分析过程,统计学家对异常值比较敏感,能够比其他人员更容易发现异常值和离散点处的创新机会,进而能够客观而全面的评价创新发现的机遇。

(2)统计学家总是以系统的角度[13]全面地看待问题:统计学家参与整个创新过程的所有数据分析过程,是创新过程的一条线,能够将企业中所有的数据集中在一起,发现生产流程中的冗余和浪费,并可以采用App进行流程的优化,比任何一个部门都更全面看到创新过程出现的问题。

(3)统计学家通晓数据科学的原理:对数据采集、数据抽样、对数据筛选、数据清理、属性数据分析与归类、建立模型、训练模型、测试与分析、结果评比、实际应用等方面,能够保证数据采集的质量(准确度、正确性、及时性)和决策模型的适用性(精度和稳定性)。

(4)统计比较公平客观:统计学家进行数据统计分析时一般不会考虑直接的部门利益,进行统计分析时比较超脱,不会带有部门偏见,能够做到客观公正[10]

(5)统计学家可以充当教练员,培训团队成员的统计思维,充当统计咨询顾问,在创新团队中有权威性,更容易在团队成员进行沟通和发现创新的机会与驱动创新。

(6)统计学家对数据的敏感度、商业敏感度、分析角度、表达方式对于商业决策很重要。为了引领创新,统计人员必须超越计算器和分析师的角色,进入到更多的角色,如教练,导师,主持人,交叉授粉者。所以积极主动的统计学家在应该是“端到端参与整个过程,而不是约定回答具体的技术问题[13]”。这将导致一个统计学家远离被动分析师角色和发挥积极作用成为团队成员和团队领袖[13]

开放式创新和大数据背景给了统计学家要充当创新领袖的机遇,统计学家应该以高瞻远瞩的理想境界,跳出传统统计学家的思维,积极承担时代所赋予的新角色--与时俱进地成长为新一代的统计学家即创新统计学家。

 

7. 创新统计学家所应具有的常识素质模型与职业能力模型

大数据背景给了统计学家充当创新领袖的机遇,而统计学家要成长为创新统计学家还存在一些挑战,即统计家应竭力提高自己的综合常识素质和职业技术能力,成为综合性的创新人才,来承担创新领袖这一伟大使命。本文给出的创新统计学家必须具备的常识素质模型如图6所示:①质量管理常识、标准化管理常识;②所在行业的技术背景常识;③数据科学的常识;④统计学常识;⑤创新管理常识;⑥人际沟通常识;⑦企业家式积极主动的商业智慧与决策常识。创新统计学家培养相应的职业技术能力模型如图7所示。

 

8. 创新统计学家在创新过程中的作用--引领创新标准化,快速有效创新

创新的过程如图8所示,共分为:创新机会发现--概念解决方案的选择--产品开发--产品交付给客户四个阶段。这四个阶段不断地循环,实现持续的创新。基于PDCA循环的创新过程说?创新具有周期性和非线性。

8.1创新统计学家的作用

创新统计学家在上述四个阶段中的作用如下:

(1)创新机会发现阶段--助力创新机遇快速而科学的确定,寻求最佳创新机遇

创新不是源起于组织的R&D部门,创新机遇来自于组织发现那些尚未被满足的顾客需求,这些需求才是创新的导火索。这些需求尚未被满足的主要原因是顾客还没有恰当地界定这些需求,或者组织尚没有能力满足这些需求。统计学家首当其冲,积极投身到创新理念的发现与策划之中。统计学家应该在创新机遇阶段,确定企业在创新机遇发现方面所需要的统计服务,比如:在创新机遇的分析方面,确定是采用驱动图,还是参数估计、假设检验、非参数方法、回归分析、多元统计方法、时间序列分析或统计应用App等来评估市场机遇,最后给出一个合理有效、快速的评估报告,并且体系化企业创新理念策划阶段的流程。给出创新机遇快速发现的程序化流程,助力创意想法快速而科学的确定,可以找到最佳创新的机遇。在这一阶段,统计学家的积极主动性很重要。

(2)在创新的实行方阶段--统计学家采用创新科学方法,找到最有竞争力的创新方案

成功的创新都是将市场机遇与技术潜力相结合的产物。找到概念性的解决方案是创新成功的关键。技术人员更有可能在维持现状的基础上寻找解决问题的方案。技术人员在信息分析阶段,很难跳出原有思维模式的限制,但统计学家掌握创新的科学方法和统计技术,最容易采用系统化和协同性方法,可以启动横向创造性思维和统计思维,同团队成员一起,运用科学的创新方法,寻找到最具竞争力的解决方案,只有这样的解决方案才是组织在众多竞争对手中脱颖而出的法宝,并且更容易为顾客所接受。

(3)在产品开发阶段--统计学家充当实验设计和仿真验证的教练,以提高产品开发效率

创新过程的第三步通常是R&D部门工程师的工作。统计学家运用统计技术,为试验验证、设计原理仿真、可靠性评估等提供统计技术的咨询、培训和服务,缩短开发周期,提高产品开发过程的效率。统计学家在这个阶段,也可以运用统计技术,培训组织进行供应商评估、风险评估,以及筛选潜在的新供应商。体系化整个开发过程统计工具,让开发工程师熟练地使用,也是统计学家在这一阶段应发挥的重要作用。

(4)在产品的交付阶段--统计学家应着眼于整个供应链的优化与供应链有关的创新机会

在创新过程的最后阶段,统计学家应从整个生态供应链的角度,采用精益思维,结合相应的统计技术,进行整个生态供应链的优化,尤其要关注与供应商、客户等有关的协同创新机会,从而引领整个供应链上的创新。

8.2 创新统计学家引领的创新管理标准化体系流程案例

创新统计学除了充当创新领袖外,还应进行快速而有效率的创新,标准化创新流程、标准化每一阶段的统计工具、统计方法,形成标准化的整个创新管理体系。在研究中发现:统计学家可将创新管理体系与现有质量管理体系融合起来,即将创新过程完整地纳入到现有的质量管理体系中,建立企业的创新管理体系。表1给出了创新管理标准体系流程形成的案例,为创新统计学家的创新实践提供参考。

由表1可以看出:统计学家作为创新团队的领袖,可将统计工具与创新流程结合,继而与现有的质量管理体系融合在一起。在质量工程的基础上,融合统计工程,形成企业各自的质量、统计、创新一体化的标准化流程体系,实现创新统计学家所引领的快速创新。

 

9. 结论与展望

在开放式创新、众包服务所形成的大数据背景下,数据分析是创新的源泉之一。①统计学家是驾驭大数据分析的宠儿;②统计学家是掌握创新科学方法最多的人;③统计学家可端到端地参与整个创新活动,是创新过程一条线,可以将整个创新过程连接在一起。因此统计学家在引领和促进创新方面有着自己独特的优势,是创新活动的核心和灵魂人物,是创新团队中担当领袖职位的最合适的人选。

统计学家积极参与创新过程的不同阶段,发挥自己独特和关键的作用。在引领创新的过程中,统计学家还可将整个创新管理体系和质量管理体系融合在一起,标准化所在企业的整个创新流程,最终形成适合本企业特色的创新管理体系,以实现企业的快速、有效创新。

统计学家要成为创新团队的领袖,任重而道远,需要不断提高自己的各项业务能力,成为具有综合素质的创新人才。文中图6、7给出的常识素质和能力模型是统计学家为之努力的方向。大家期盼着统计学家以开放、迎难而进的心态远离被动分析的角色,而是成为像企业家式的、主动分析的、引领创新的开拓者,不断成长为大数据时代所赋予的新角色--新一代的“创新统计学家”。本文基于“创新主体—人力资源研究”的视角,呼吁对创新统计学家的重视,重视创新统计学家的培养,加快创新统计学家的常识素质和职业技能的培养,让创新统计学家充当创新的舵手,以在今天的世界经济、社会和科知识题方面承担更大的?任。大家相信:更多创新统计学家的出现,将对我国创新能力的提升产生巨大的作用。

 

参考文献

[1]葛霆, 周华东. 国际创新理论的七大进展[J]. 中国科学院院刊, 2007, 22(6):  441-447.

[2]Schlittgen R. Role of statisticians in epidemiological  research.[J]. ZeitschriftFürRheumatologie, 2015,  74(2):132-6.

[3]Radermacher W, Hass J L, Hass J L. Role of statisticians in  research and action on climate change[C]World Statistics Congress.  2009.

[4]Brewster J F, Cheng S W, Macpherson B D, et al. The Role of  Academic Statisticians in Quality Improvement Strategies of Small and Medium  Sized Companies[M] Quality Improvement Through Statistical Methods.  1997:45-58.

[5]Hilbe J M. The Role of Statistics and Statisticians in the Future  of Astrostatistics[J]. Proceedings of the International Astronomical Union,  2014, 10(S306):400-406.

[6]Guttorp P. The role of statisticians in international science  policy [J]. Environmetrics, 2011, 22(7):817–825.

[7]Simon R. The role of statisticians in intervention trials.[J].  Statistical Methods in Medical Research, 1999,  8(4):470-80.

[8]罗伯特?W?梅勒, 龚鉴尧.  信息与决策:统计学家的作用[J].  统计与预测, 2000(6).

[9]森 繁一, 龚鉴尧. 统计学家的作用[J].  统计与信息论坛, 1994(1):48-53.

[10]张塞, 郑京平. 论统计学家在社会经济统计分析中的地位与作用[J]. 经济研究,  1997(12):51-56.

[11]佚名. 马夸德特谈统计学家的重要作用[J]. 统计教育.

[12]谢邦昌. 统计学家的作用不可低估[J]. 中国统计, 2003(11).

[13]Hockman K K, Jensen W A. Statisticians as innovation leaders[J].  Quality Engineering, 2015, 28(2):1-10.

[14]Aghion P, Bloom N, Blundell R, et al. Competition and Innovation:  An Inverted U Relationship[C] National Bureau of Economic Research, Inc, 2012:  701-728.

[15]  George E. P. Box, William H. Woodall. Innovation, Quality Engineering, and  Statistics[J]. Quality Engineering, 2012, 24(1):20-29.

[16]黄燕. 创新理论的演进及近期研究进展[J]. 江汉论坛, 2001 (12): 28-30.

[17]田红云, 陈继祥, 田伟.  破坏性创新理论研究综述 [J]. 经济学动态, 2006,  12: 95-100.

[18]赵彦云, 刘子烨. 统计学要在大数据科学中扮演重要角色--ASA发布统计学科建设的发展报告[J]. 中国统计, 2015(12):4-5.

(编辑单位:上海理工大学管理学院)


XML 地图 | Sitemap 地图