基于平衡记分卡和主成分分析法的知识管理绩效评价研究

基于平衡记分卡和主成分分析法的知识管理绩效评价研究 1高彬彬，葛新权 (北京信息科技大学 经济管理学院，北京 100192) 摘 要:作为知识管理的重要组成部分，知识管理绩效评价旨在帮助企业找出影响绩效 提高的关键因素并及时采取有效措施，提高知识管理水平。平衡记分卡的四个构面，可以比 较全面的评价组织实施知识管理的绩效如何。在此基础上，本文提出了运用主成分分析法， 对企业知识管理绩效水平进行评价，并给出了主成分分析法的算法步骤。算例分析 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 明，基 于平衡记分卡指标体系，并利用主成分分析法对企业知识管理绩效进行评价具有一定的有效 性和应用价值。 关 键 词:知识管理;绩效评价;平衡记分卡;主成分分析法 中图分类号:C 931.2 文献标识码:A 0 引言 知识管理是一种综合多学科的知识和方法，通过对企业知识生产(创新)、分配、交流(交换)、整合、内化、评价、改进(再创新)全过程进行管理，实现知识共享，增加企业知识增量和产品中的知识含量，提高企业创新能力和核心竞争能力，提高顾客(对企业产品)满意度和忠诚度，保证企业高速、健康、持续发展。 知识管理绩效评价可以反映一个企业的知识管理现状，也可以反映企业未来的发展趋势，是企业认识和了解自身知识管理水平的重要途径。通过绩效评价引导管理者和员工，使个人努力目标和组织目标趋向一致，达到行动与目标一致化;绩效评价有利于管理者监控知识管理的成效，帮助组织引导员工进行知识交流、共享，促进知识扩散、加速知识应用、从而产生更大的价值;绩效评价也有利于提高企业业绩，是企业战略管理过程中非常重要的一环，它不仅评价过去所做的如何，而且可以告诉管理者哪些是应该改进的，哪些是应该保持的，更为重要的是它能够暗示管理者今后的努力方向。因此，如何通过分析评价，找到薄弱环节以及存在的主要问题，以便及时地改进，对企业知识管理的实施具有非常重要的意义。有关知识管理绩效评价方法的研究已引起了许多专家、学者的广泛关注。 1 知识管理绩效评价的研究动态 据相关资料显示，国内外针对知识管理绩效评价方面的研究文献不多，而与知识管理评价有某些相关的研究内容有:知识资源的量化(包含维度，指标体系，测量方法);智力资本评估; [1]企业核心能力评价;企业竞争力测评等。著名学者维娜?艾莉提出了一套智力资产评估方法。安妮?布鲁金在其《智力资本——第三资源的应用与管理》指出评估组织的智力资本应从评估组 作者简介:高彬彬(1984- )，男，河南平顶山人，北京信息科技大学经济管理学院硕士研究生，主要从事信息管理与信息系统、知识管理的研究, Email: binbingao@yahoo.cn. [2]织的市场资产、知识产权资产、基础结构资产及人才资产四个方面进行。知识资本测度方法— [3]—巴克曼(Buckman)实验室是最早的少数几个认识到评估知识资本必要性的组织之一。目前对知识资本最具影响力的模型是埃德文森主持 设计 领导形象设计圆作业设计ao工艺污水处理厂设计附属工程施工组织设计清扫机器人结构设计 的Skandian模型。此外，美国的亚瑟?安德森(Arthur Andersen)在知识管理评价工具KMAT中提出用领导、文化、评估、技术和学习五个 [4]维度来评估企业知识管理的成效。Davenport & Prusak用相关资源的成长、知识内容以及利用率的成长、知识管理项目的普及度、全体员工对知识管理概念的接受程度、财务回收的可能性五大指标评价知识管理绩效。全球知识管理领域权威的MARK奖(1998)的评判依据是:整体知识 计划 项目进度计划表范例计划下载计划下载计划下载课程教学计划下载 的质量、高层对知识管理的支持度、对技术革新的贡献度、促进知识资产最大化的措施、知识共享活动的效果、持续学习的文化渗透度、创造顾客价值的忠诚度、对股东权益报酬的贡献度。 国内对知识管理绩效评价的研究只是一些零星、不成体系的成果。学者王方华对斯的亚堪AFS公司知识管理评价指标进行整合，提出了一套知识评价监测系统;他还指出企业应当根据自身实际与战略有针对性地选择其中一些指标，做到评价体系精简，有代表性，易于操作使用。硕士学位论文魏江从知识的角度论述企业的核心能力，提出了“企业核心能力模糊综合评价模型” [5]。他还提到“企业技术能力的评价和度量模型”，认为企业能力的关键是附着在组织和个体中的知识，通过技术能力的积累和激活来实现核心能力的提高，而激活过程是一个知识的运用过程， [6]两者缺一不可。中国社科院金碚博士用统计学方法进行企业竞争力测评。朱启红使用经费支出占产品销售收入的比重、新产品开发项目数、发明专利申请、生产新产品和应用新工艺发生的 培训 焊锡培训资料ppt免费下载焊接培训教程 ppt 下载特设培训下载班长管理培训下载培训时间表下载 费占产品销售收入的比重、技术人员所占比重这五个指标，采用BP神经网络模型进行企业知 [7]识管理评价研究。此外我国的一些学者甘永成、祝智庭、颜光华、李建伟也对知识管理的绩效评价做了有价值的研究。 总结相关文献资料和知识管理具体实践，本文引入平衡计分卡将短期与长期、财务与非财务、外部与内部结合起来考虑的思想，并借鉴主成分分析建立切实可行的知识管理绩效综合评价方法。平衡记分卡从财务、顾客、过程、学习与创新四个构面，可以比较全面的评价组织实施知识管理的绩效如何。一般包括六个步骤:确定组织愿景、明确组织战略、确定关键成功因素、确定评估指标、实施评估、制定行动计划、执行与管理。同以往的绩效管理工具相比,平衡记分卡突出优点是,它解决了传统管理体系的一个严重缺陷:不能把公司的长期战略和短期行动联系起来。平衡记分测评指针来源于组织的战略目标和竞争需要,因而有助于组织把注意力集中到战略远景上来。平衡记分法不只是单纯地进行衡量,它还是一种在产品、程序、顾客和市场开发等关键领有助于企业取得突破性进展的管理体系。根据Gartner Group调查表明:在《财富》杂志公布的世界前1000位公司中有70%的公司采用了平衡记分卡系统,《哈佛商业评论》更是把平衡记分卡称为75年来最具影响力的战略管理工具。主成分分析是设法将原来众多具有一定相关性(比如P个指标),重新组合成一组新的互相无关的综合指标来代替原来的指标。通常数学上的处理就是将原来P个指标作线性组合,作为新的综合指标。最经典的做法就是用F1(选取的第一个线性组合,即 表示F1包含的信息越多。因此在所有的线性组合第一个综合指标)的方差来表达,即Var(F1)越大, 中选取的F1应该是方差最大的,故称F1为第一主成分。如果第一主成分不足以代表原来P个指标的信息,再考虑选取F2即选第二个线性组合,为了有效地反映原来信息,F1已有的信息就不需要再出现在F2中,用数学语言表达就是要求Cov(F1,F2)=0,则称F2为第二主成分,依此类推可以构造出第三、第四,„„,第P个主成分。 2 知识管理绩效评价指标体系的设计 绩效评价体系和绩效评价的构建过程是保障评价体系综合性的关键之一，Bourne等人认为，建立和实施一个完整的绩效评价体系分为以下几个步骤:绩效评价指标设计、评价指标的选取(分 [8]初选、校对、分类、分析和分配)，评价体系的应用和战略假设的验证。 2.1 知识管理绩效评价指标的设计原则 知识管理的绩效，是指企业在对其生产经营所依赖的知识资源及其获取、共享、创新、利用等一系列的管理活动方面所达到的程度。知识管理绩效评价指标的建立应保证评价结果的客观、准确，因此指标的设计应遵循以下原则:a.科学性原则。评价结果是否准确合理与指标的设计是否科学密切相关，因此，知识管理系统指标的建立应遵循科学性原则。b.全面性原则。指标体系应全面反映知识管理系统的综合情况，指标的设计不能仅仅考虑操作方面的因素，还要综合考虑系 [9]统性能、系统效益等因素。c.一致性原则。评价指标的权重应采取一致的 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 进行赋值。d.方便性原则。指标测评数据收集方便，处理简单。e.层次性原则。指标体系层次分明，各个层次指标隶属关系明确。f.独立性原则。每个指标内涵清晰，相对独立，相互之间不存在因果关系。 2.2 知识管理绩效评价指标的建立 设计指标体系是知识管理绩效评价中的首要问题，也是国内外学者争论最为激烈的方面。基于上述的指标设计原则，本文参考了现有的统计指标，选择了影响较大的指标要素，基于平衡计分卡，建立如下评价指标体系: 表1知识管理绩效评价指标体系 Table 1 Statistics to evaluate knowledge management performance 指标类别 评价指标 销售利润U11 预算比重U12 财务U1 资产周转率U13 资产负债率U14 客户获利率U21 市场份额U22 客户U2 客户保持率U23 客户满意度调查U24 网络资源便利性U31 组织结构扁平化程度U32 数据库建设U33 知识联盟情况U34 内部U3 知识地图覆盖面U35 研发成员比例U36 有效专利年增量U37 新知识转化技术率U38 新技术使用率U39 员工受教育程度U41 员工深造机会U42 学习U4 知识管理战略工作胜任率U43 知识员工离职率U44 个人目标一致性U45 2.3 指标说明 作为对以往绩效衡量方法的补偿，平衡计分卡为了衡量未来业绩的驱动因素，从四个方面来考察企业的业绩: (1)财务 财务目标是所有其他层面的核心，知识管理的财务目标必须与企业整体战略相一致。知识管理财务层面主要包括:销售利润，预算比重(知识管理预算占销售收入比重)，资产周转率和资产负债率，反映了知识管理被重视程度，及其利润和负债情况。 (2)客户 客户层面把企业知识管理的使命和战略转化为目标客户和细分市场的特定目标，并将这些目标传达给整个企业。在这一方面，主要考虑:客户获利率，市场份额、客户保持率和客户满意度调查。反映了客户的信心和满意度。 (3)内部 内部是反映知识管理实施过程的层面，是保证其他层面绩效的基础。基于知识价值链，在知识管理过程中设置有效的绩效评价指标，增强实施的效果。评价指标(?)知识获取阶段:网络资源便利性(员工利用网络查找资源的方便程度)，组织结构扁平化程度(?)知识共享阶段:数据库建设，知识联盟情况(主要从联盟和盟友情况反映出共享广度、深度)，知识地图覆盖面(?)知识创新阶段:研发成员比例，有效专利年增量(?)知识传播阶段:新知识转化技术率(年增新专利占新技术比重)，新技术使用率(新技术占所有技术比重)。 (4)学习 学习层面从发展的视角评价知识管理，评价指标:员工受教育程度，员工深造机会(员工培训，进大学或出国进修总预算)，知识管理战略工作胜任率，知识员工离职率及个人目标一致性。 3 评价方法 在上述基于平衡计分卡思想的指标体系基础上，运用主成分分析方法对知识管理绩效进行评价。 3.1原始数据的获取 有关企业知识管理绩效评价指标的原始数据，可通过调查问卷的方法得到，并进行一定的有效性分析和处理(如可信度分析)。为简便起见，假设我们得到的有效性原始数据如表2所示。 表2 各个企业知识管理绩效评价指标原始数据 Table 2 Original data to evaluate knowledge management performance 指标 A B C D E F U11 0.67 0.05 0.94 0.02 0.62 0.59 U12 0.99 0.63 0.99 0.99 0.17 0.37 U13 0.06 0.32 0.67 0.37 0.32 0.61 U14 0.44 0.96 0.17 0.42 0.69 0.40 U21 0.92 0.02 0.76 0.62 0.66 0.47 U22 0.54 0.57 0.41 0.63 0.30 0.12 U23 0.82 0.28 0.43 0.70 0.43 0.87 U24 0.56 0.99 0.94 0.60 0.96 0.10 U31 0.56 0.42 0.50 0.74 0.69 0.40 U32 0.14 0.32 0.90 0.77 0.55 0.85 U33 0.32 0.23 0.53 0.21 0.67 0.26 U34 0.29 0.62 0.24 0.69 0.79 0.94 U35 0.27 0.70 0.12 0.33 0.56 0.23 U36 0.42 0.58 0.14 0.96 0.83 0.63 U37 0.58 0.17 0.34 0.33 0.40 0.43 U38 0.38 0.18 0.13 0.38 0.75 0.43 U39 0.69 0.77 0.11 0.93 0.50 0.49 U41 0.42 0.55 0.71 0.49 0.19 0.54 U42 0.61 0.57 0.44 0.45 0.05 0.13 U43 0.60 0.41 0.72 0.17 0.91 0.18 U44 0.70 0.91 0.69 0.15 0.66 0.88 U45 0.98 0.07 0.94 0.74 0.12 0.26 3.2 绩效评价指数的获取 具体评价的步骤如下: a. 原始数据的处理 因为在知识管理绩效评价指标体系里，各指标数值表现形式不一，计量单位也不尽相同，没有直接的可比性。为了消除这些给评价结果带来的影响，需要对原始数据进行处理，即对不同计量单位的指标数据进行同量度处理。本文采用相对化的处理方式，将不同单位指标转化为无量纲数值。具体做法是将各个企业的某个指标的数据除以各个企业该指标数据的总和，即该企业占全部企业的百分比。 6 YYYijijij,，[']100%/, i=1, 2……6 i,1 其中， Yij表示第i个企业的第j个指标经转化后的无量纲数值; Y′ij表示第i个企业的第j个指标的数值。 b. 建立相关系数矩阵。利用基于相关阵的主成分分析法，对于选取的绩效指标相对化后的数据，利用SPSS统计分析软件，计算得到知识管理绩效指标数据的相关系数矩阵。 c. 求相关矩阵的特征值，确定主成分个数。根据计算出来的相关系数矩阵，在SPSS中求出矩阵的特征值，见表3。根据最初几个特征值在全部特征值中的累计方差贡献率大于等于一定的百分率的原则(实际应用中常取累积方差贡献率大于等于85%)，确定选取的主成分个数。选取表3中累积方差贡献率达89。46%的前四个主成分，这四个这成分可代替原来各项指标描述知识管理绩效有89。46%的可靠性。 表3 特征值和方差贡献率 Table 3 Eigenvalue & variance contribution rate 主成分 特征值 方差贡献率 总方差贡献率 F1 6.28 28.55 28.55 F2 5.13 23.29 51.85 F3 4.31 19.57 71.42 F4 3.97 18.05 89.46 F5 2.32 10.54 100.00 d. 计算特征向量，得到各主成分的线性表达式。取前四个特征值计算出相应的特征向量T1、T2、T3和T4如下: T1=(0.29,0.25,0.13,-0.36,0.28,-0.02,0.13,-0.06,-0.06,0.12,0.06,-0.27,-0.36,-0.29,0.18,-0.17,-0.24,0 .21,0.11,0.06,-0.04,0.34) ( 1 ) T2=(0.26,-0.33,0.18,-0.08,0.09,-0.4,0.03,-0.07,-0.01,0.18,0.31,0.2,-0.07,0.02,0.12,0.28,-0.27,-0.16 ,-0.41,0.18,0.14,-0.16) ( 2 ) T3=(-0.06,0.05,-0.25,-0.12,0.29,0.07,0.33,-0.22,0.34,-0.06,-0.05,0.07,-0.1,0.28,0.33,0.29,0.24,-0.2 8,-0.06,-0.07,-0.3,0.16) ( 3 ) T4=(0.14,0.02,-0.25,0.11,0.16,0.17,-0.28,0.39,0.21,-0.27,0.32,-0.27,0.15,-0.11,0.07,0.1,-0.08,-0.24 ,0.08,0.45,0.01,0.07) ( 4 ) e. 构建绩效评价指数。以第一、第二、第三、第四主成分的方差贡献为系数构建绩效评价 指数P如下，即: P=A1×F1+A2×F2+A3×F3+A4×F4 ( 5 ) 即 P=28.55%F1+23.29%F2+19.57%F3+18.05%F4 ( 6 ) 3.3 计算综合评价结果 分别将各企业相应的主成分F1，F2，F3，F4代入方程进行计算， 就可得出上述6个企业的知识管理绩效的得分值P及排名，如表4所示。 表4 绩效评价指数得分及排序 Table 4 Performance evaluation scores and sort index 企业 得分 排序 企业 得分 排序 A 0.41 2 D 0.07 5 B -0.28 6 E 0.31 3 C 0.49 1 F 0.16 4 有了上述的定量计算方法和结果，企业在相应的评价指标体系下知识管理的绩效如何就一目 了然。即有利于科学、客观地对企业知识管理现状进行评估，还可以在企业之间进行横向比较， 从而建立知识管理的行业标杆(bench-marking)。 4 结 论 本文提出了一种基于平衡记分卡和主成分分析法的知识管理绩效评价方法，该方法利用主成 分分析法分析了影响知识管理绩效的主要因素，在将原始变量转变为主成分的过程中，形成了反 映主成分和指标包含信息量的权数，最后用一个实例进行了模拟演算。从模拟计算方法和结果可 以看出，利用该方法可以比较准确地评价企业知识管理绩效的真实情况，这种方法定性和定量相 结合，有易于编制相应的计算机应用软件，具有很好的实用性。 参考文献 [1] 维娜?艾利著,刘民慧等译.知识的进化[M].广东:珠海出版社,1998,30-35. [2] (英)安妮?布鲁金.智力资本—第三资源的应用与管理[M].大连:东北财经大学出版 社,2000,40-45. [3] 苏新宁,任皓,吴春玉.组织的知识管理[M].北京:国防工业出版社,2004,18-22. [4] 张少杰,王连芬.企业知识管理绩效评价的因素分析和指标体系[J].情报科 学,2004,(10):1153-1154. [5] 魏江.企业购并战略新思维—基于核心能力的企业购并与整合管理模式[M].北京:科学出版 社,2002,109-112. [6] 魏江.企业技术能力论[M].北京:科学出版社,2002,29-31. [7] 朱启红.基于人工神经网络的企业知识管理评价模型[J].科学学与科学技术管 理,2003,(4):32-34. [8] Bourne M., Mills J, Wilcox M., Neely A., Platts K.Designing, Implementing and Updating performance measurement systems. International Journal of Operational and Production Management [J], 2000, 20(7):754-771. [9] 吴应良,吴昊苏,吴月瑞,等.基于主成分分析法的知识管理绩效评价研究[J].Journal of Information,2007, No.6:27-29. [10] 戚永红,宝贡敏.国外知识管理研究述评[J].科研管理,2003,(11):38-39. [11] 左美云.国内外企业知识管理研究综述[J].科学决策,2000,(3):31-37. [12] 颜光华,李伟进.知识管理绩效评价研究[J].南开管理评价,2001,(6):26-29. [13] 李晓斌.平衡记分卡的局限及其完善[J].商场现代化,2005,(5):85-86. [14] 陈建木,苏朝辉.基于平衡记分卡的第三方物流企业绩效评估指标的构建[J].市场周刊?理论研 . 究,2008,(4):81-82 [15] Fairchild A M. Knowledge Management Metrics via a Balanced Scorecard Methodology. Proceedings of the 35th Hawaii International Conference on Sys-tem Science. USA: 2002. [16] Atul Gupta and Jason McDaniel. Creating Competitive Advantage by Effectively Managing knowledge: A Framework for knowledge Management [J].Journal of Knowledge Management practice, October, 2002:79-81. [17] 张守一,葛新权等.微观知识经济与管理[M].北京:社会科学文献出版社,2003. Research on the Performance Measurement of Knowledge Management Based on Balanced Scorecard & Principal Component Analysis GAO Bin-bin, GE Xin-quan School of Management & Economics, Beijing Information Science & Technology University, Beijing 100192, China Abstract. As an important component of Knowledge management, knowledge management performance evaluation is intended to help improve the performance of enterprises by identifying the key factors to take timely and effective measures to enhance the knowledge management level. The four dimensions of Balanced Scorecard can comprehensive evaluate the organization and implementation performance of knowledge management. On this basis, we use principal component analysis, which is to evaluate level of performance of knowledge management and gives the algorithm steps of the principal component analysis. Examples analysis showed that the use of principal component analysis to evaluate enterprise knowledge management performance have a certain validity and value. Key words: Knowledge Management; Balanced Scorecard; Principal Component Analysis