李沛然++蘇衛(wèi)東++段振華++張相文

摘要：本文介紹了公司運營診斷中的關鍵技術與分析方法，包括數(shù)據(jù)調(diào)整方法、實證建模方法、結構性分析技術、趨勢分析與預測技術、預警分析技術。然后，針對國家電網(wǎng)構造其運營診斷系統(tǒng)，以實際運營數(shù)據(jù)為基礎構建實證模型進行分析研究，評估企業(yè)運行績效，幫助企業(yè)發(fā)現(xiàn)運營中存在的問題，為企業(yè)實時監(jiān)控并了解市場或其他外在因素對企業(yè)戰(zhàn)略目標執(zhí)行可能產(chǎn)生的各種影響提供依據(jù)。

關鍵詞：運營診斷；實證建模；時間序列；預測預警

中圖分類號：C939

文獻標識碼：A

DOI： 10.3969/j.issn.1003-6970.2016.01.029

0 引言

企業(yè)診斷也稱為對企業(yè)“看病”，它是專門用于幫助企業(yè)消除經(jīng)營管理中的弊病，改善經(jīng)營管理，開發(fā)資源，提高經(jīng)濟效益，保障企業(yè)生存與不斷發(fā)展的一種新興管理方式。其實質是了解企業(yè)現(xiàn)狀、策劃企業(yè)未來、消除企業(yè)弊病、實現(xiàn)企業(yè)持續(xù)、穩(wěn)定發(fā)展。

國家電網(wǎng)公司作為關系國家能源安全和國民經(jīng)濟命脈的國有骨干企業(yè)之一，公司以建設和運營電網(wǎng)為核心業(yè)務，承擔著保障安全、經(jīng)濟、清潔、可持續(xù)的電力供應的基本使命。近年來，隨著電力體制改革的不斷深化，隨著國際國內(nèi)環(huán)境的變化、能源發(fā)展新的形勢、中國經(jīng)濟的快速發(fā)展和老百姓生活水平的提高，對電網(wǎng)的安全穩(wěn)定、供電質量和供電服務提出了更高的要求。國家電網(wǎng)公司的內(nèi)外部運營和管理環(huán)境發(fā)生了巨大變化。因此，如何及時調(diào)整企業(yè)發(fā)展方式，建立并實施適應新形勢、新環(huán)境的企業(yè)運營戰(zhàn)略，已成為國家電網(wǎng)公司生存與發(fā)展的重大課題和任務。

1 企業(yè)運營診斷流程

在總體執(zhí)行而言，企業(yè)運營診斷的基本精神如下圖展示在于對比預期運營目標和實際運營結果的符合度。如果此對比有出入，診斷系統(tǒng)需要指出運營流程的可能誤差，并進行調(diào)整改善。

在此過程中，如果預期運營目標是外在產(chǎn)生或是領導層預先設定，那么診斷過程相對簡單；然而當市場機制受到國內(nèi)國際多種因素影響時，企業(yè)運營目標通常會隨市場變化動態(tài)轉移。在這種狀態(tài)下，企業(yè)運營診斷的目標和功能是在協(xié)助企業(yè)經(jīng)理更明確了解企業(yè)運營和市場狀態(tài)的互動關系。

企業(yè)運營診斷體系執(zhí)行的第一步驟是數(shù)據(jù)處理和調(diào)整（數(shù)據(jù)清洗）；第二步驟是在系統(tǒng)動力學的概念下建立以數(shù)據(jù)特征為基礎的實證模型。一般系統(tǒng)動力學是在物理學工程理論的基礎上對一個體系進行建模進而了解該系統(tǒng)的運轉；但是在企業(yè)的運營體系中，許多指標間的關系受到企業(yè)內(nèi)部管理決策和外部市場震蕩的干擾導致一般理論模型很難適用。建立實證模型的主要目的是在沒有完全符合市場現(xiàn)象的理論基礎下，得到一個與事實相符合的實證模型。因為此模型是依數(shù)據(jù)特征建立的，因此當取得足夠新數(shù)據(jù)后，定期（一般每三個月）需要對此模型進行檢驗和修正。然后，從這個實證模型我們可以對未來進行結構性分析，趨勢分析預測分析，和預警分析。這三類診斷分析可以協(xié)助企業(yè)經(jīng)營者深入了解企業(yè)運營流程和市場動態(tài)的互動關系。根據(jù)這些診斷結果可以改善優(yōu)化當前的運營措施。

2 企業(yè)運營診斷關鍵技術

上一節(jié)對企業(yè)運營診斷的流程進行了描述，本節(jié)將對流程中采用的關鍵技術和方法進行討論，包括實證建模方法、結構性分析技術、趨勢分析與預測技術、預警技術。

2.1 實證建模方法

本文用到的建模方法主要有單變量時間序列模型、動態(tài)回歸模型和多變量時間序列模型。

一、單變量時間序列模型

單變量時間數(shù)列模型是一個量化指標觀測值前后關系的通用模型指標前后觀測值之所以會有關聯(lián)性，主要來自社會中不論個人或機構的行為決策都有不同程度的記憶性，時間數(shù)列模型的基本功能就是讓分析者可以明確量化不同指標自身包含記憶性的強弱。

二、動態(tài)回歸模型

前面闡述如何以變量過去的觀察值對此變量的記憶結構建模，并以此作為預測未來觀察值的基礎。在實務上，商業(yè)、經(jīng)濟與環(huán)保的相關變量經(jīng)常受到已知外生變量的影響，比如在零售行業(yè)，商品價格會影響銷售額，廣告支出會影響銷售額；在金融行業(yè)，利率變化會影響某些行業(yè)股票價格的變化等等。

動態(tài)回歸模型包括解釋變數(shù)的滯后值、或者反映變數(shù)的滯后值，抑或同時包括這二者的滯后值。該模型運用轉移函數(shù)對預測變數(shù)與解釋變數(shù)之間的關系進行建模。當解釋變數(shù)發(fā)生變化時，動態(tài)回歸模型即可以解釋未來將要發(fā)生的情況。

三、多變量時間序列模型

企業(yè)、經(jīng)濟、工程和環(huán)境數(shù)據(jù)經(jīng)常以大約相等的時間間隔收集，例如一小時、一周、一個月或者一季，在很多問題里，這樣的時間序列數(shù)據(jù)可能在所關心的幾個相關變量上可得到，這些變量之間那個是輸入指標，那個是輸出指標不一定很明確，在家電業(yè)，比如海爾電器總經(jīng)理關注海爾品牌各類家電的銷售額，電視、冰箱以及其他相關產(chǎn)品，他希望了解不同產(chǎn)品的銷售有沒有什么關系，這也是一個類似的情境?？傮w而言，同時分析這樣的數(shù)列并求取模式的原因至少有兩個如下：

1.理解它們之間的動態(tài)關系。它們可能是同時相關的，一數(shù)列可能領先其他的數(shù)列或者可能有回饋關系，當然也可能指標間根本沒有關系。

2.改進預測的準確度。當一序列有信息包含在另一個數(shù)列的歷史數(shù)據(jù)里時，如果序列能同時用來求取模式，可能產(chǎn)生更好的預測效果。

2.2 結構性分析技術

在分析企業(yè)運營流程的過程中，管理者對營運指標間會產(chǎn)生某些預期的關系，但是在實證分析時，分析者希望能夠通過數(shù)據(jù)指標來驗證這些關系的存在。對此類問題常用的方法是格蘭杰因果關系判定。多指標間的結構因果關系測試在統(tǒng)計分析領域一直是一個爭議性非常高的議題。很多自然科學領域的專家強調(diào)只有在實驗環(huán)境下才能明確的區(qū)分因果關系的存在或不存在。如果只有觀察數(shù)據(jù)（分析者不能控制數(shù)據(jù)的產(chǎn)生的環(huán)境和過程），科學上是不可能證明因果關系的存在或不存在，只能測試相關性關系的存在與否。事實是社會科學領域絕大多數(shù)數(shù)據(jù)是觀察記錄數(shù)據(jù)，數(shù)據(jù)產(chǎn)生的環(huán)境我們也只能觀察而不能控制。但是社會科學中許多領域的專家仍然希望區(qū)分數(shù)據(jù)指標相關性的不同特征。格蘭杰教授（Granger 1969）提出了格蘭杰因果關系（Granger Causality）的觀念；考慮兩個指標x和v，指標v對指標x有單向因果關系的充分條件是：當對指標x做預測時，引入指標v信息可以比只用指標x自身過去信息預測時的預測平均誤差會降低。但是指標x信息不能增加對指標v的預測精確度。假設兩個觀察指標以下面符號表示：{x_t，Y_t}，t=l，2，...，T，定義條件變異量如下：

是用指標x自身過去，預測當前指標x的預測誤差變異量；

是用指標x自身過去和指標v的過去信息，預測當前指標x的預測誤差變異量；

是用指標x自身過去和指標v同期和過去信息，預測當前指標x的預測誤差變異量；

格蘭杰因果關系，指標v單向影響指標x的條件就可以量化為

在格蘭杰提出的因果關系概念之后，兩位學者Piece （1979），Geweke （1987）把格蘭杰因果關系更具體區(qū)分為以下八類動態(tài)關系：

兩個指標間的八種動態(tài)關系可以通過逐步檢測以下八個統(tǒng)計假設而完成。

目前預測技術主要有持續(xù)法、人工神經(jīng)網(wǎng)絡法、模糊邏輯法和支持向量機。針對國家電網(wǎng)的特點，本文模型的基本思想是：將預測對象隨時間推移而形成的數(shù)據(jù)序列視為一個隨機序列，用一定的數(shù)學模型來近似描述這個序列。這個模型一旦被識別后就可以從時間序列的過去值及現(xiàn)在值來預測未來值。現(xiàn)代統(tǒng)計方法、計量經(jīng)濟模型在某種程度上已經(jīng)能夠幫助企業(yè)對未來進行預測。

模型預測的基本程序：

（一）根據(jù)時間序列的散點圖、自相關函數(shù)和偏自相關函數(shù)圖以ADF單位根檢驗其方差、趨勢及其季節(jié)性變化規(guī)律，對序列的平穩(wěn)性進行識別。一般來講，經(jīng)濟運行的時間序列都不是平穩(wěn)序列。

（二）對非平穩(wěn)序列進行平穩(wěn)化處理。如果數(shù)據(jù)序列是非平穩(wěn)的，并存在一定的增長或下降趨勢，則需要對數(shù)據(jù)進行差分處理，如果數(shù)據(jù)存在異方差，則需對數(shù)據(jù)進行技術處理，直到處理后的數(shù)據(jù)的自相關函數(shù)值和偏相關函數(shù)值無顯著地異于零。

（三）根據(jù)時間序列模型的識別規(guī)則，建立相應的模型。若平穩(wěn)序列的偏相關函數(shù)是截尾的，而自相關函數(shù)是拖尾的，可斷定序列適合AR模型；若平穩(wěn)序列的偏相關函數(shù)是拖尾的，而自相關函數(shù)是截尾的，則可斷定序列適合MA模型；若平穩(wěn)序列的偏相關函數(shù)和自相關函數(shù)均是拖尾的，則序列適合ARMA模型。

（四）進行參數(shù)估計，檢驗是否具有統(tǒng)計意義。

（五）進行假設檢驗，診斷殘差序列是否為白噪聲。

（六）利用已通過檢驗的模型進行預測分析。

預測模型模型主要包括單指標時間數(shù)列模型預測、轉換函數(shù)模型預測和多指標向量時間數(shù)列模型（VARMA）預測。

2.4 預警分析技術

預警分析的關鍵在于閥值的設置。設置指標閾值的目的就是要在指標的正常值和異常值之間設置一個分界線，因此核心問題就是對照值和實際值的分布問題。一般而言，正常值屬于分布較普遍的取值，其出現(xiàn)次數(shù)較多，而異?，F(xiàn)象的取值往往偏離常規(guī)取值。因此，對于指標閾值設定的問題，可以通過分析指標的取值變化情況，確定其分布形式，根據(jù)分布的特性設置相應的閾值。

然而企業(yè)營運指標大多不會重復發(fā)生，本文首先通過對指標的歷史取值進行分析建模，確定其所服從的模型，對每一個時點的指標值，用樣本內(nèi)其他數(shù)據(jù)對此點數(shù)據(jù)進行預測并計算其預測誤差。當模型對數(shù)據(jù)擬合適當時，預測誤差應該滿足一個正態(tài)分布。判斷一個指標觀測值是否異常可以先計算實際觀測值和其預期值的差（就是預測誤差）；然后比對該預測誤差值和正態(tài)分布的正常范圍就可以得到結論。

一個滿足正態(tài)分布的隨機變量的正常范圍取決于對不正常的認定，也取決于正常范圍是否對稱（預期值不會太大也不會太?。?，或是偏左（預期值會小），或是偏右（預期值會大）按照這個標準和預測誤差的實際分布，平均值μ=O，標準差σ為模型誤差標準差，可以得到閾值。

3 國家電網(wǎng)實證模型分析

本節(jié)以國家電網(wǎng)某網(wǎng)省公司的2010年1月到2015年6月的數(shù)據(jù)為基礎，以營業(yè)總收入凈額、總售電量、總購電量為例進行實證模型分析。

下圖是營業(yè)總收入凈額，總售電量，和總購電量的時間序列圖。

一般合理的營運方式下一個時段的購電量應該與下一時段的售電量匹配。社會經(jīng)濟對用電的需求通常有一定程度的慣性，前月份的售電量可以用來預測下月份的售電量，按照這個邏輯，未來月份的購電量會受到過去售電量的影響。從財務角度來看，營業(yè)總收入凈額會受到總售電，總購電和其他營運花費的影響，那個因素最有效決定營業(yè)總收入凈額，對管理層也是有用的信息。實際應用時可以對指標兩兩進行因果關系分析。首先對購電量和售電量使用向量模型建模流程，得到以下向量模型。

誤差向量的變異矩陣為 。利用前進測試法和后退測試法。都得到相同的結果：

總購電量=>總售電量（購電量影響售電量）

這表示過去和同月份的購電量影響售電量，這個結果和前面討論的預期并不符合。換句話說目前的營運方式，購電量并沒有考慮過去的售電量，這個診斷結果指出未來營運可能的改變的方向。利用相同方法我們可以得到：

營業(yè)收入凈額<_>總購電量（同期相關）

營業(yè)收入凈額A總售電量 （相互獨立）

也就是說營業(yè)總收入凈額和售電量沒有直接關系，和購電量有同期關系，如圖3所示。這個結果和目前國家電網(wǎng)的壟斷經(jīng)營方式也是符合。如果企業(yè)的戰(zhàn)略目標要提高服務品質或是營運效率，以上分析指出購電量沒有受到售電量的影響反而是售電量受制于購電量，購電部門必須，調(diào)整購電流程，以達到售電引導購電的預期。

如果企業(yè)戰(zhàn)略對營業(yè)總收入，或是總售電量，總購電量本身有預期目標，診斷系統(tǒng)可以對個別指標進行分析預測，如圖4所示。

這些結果可以和總部下達的戰(zhàn)略目標比對，也可以和外部經(jīng)濟指標比對，比如地區(qū)經(jīng)濟總產(chǎn)值成長指標，地區(qū)消費零售總額成長指標等等。如果部門領導對營業(yè)總收入凈額，總購電量，總售電量的預警分析有關注。診斷系統(tǒng)可以產(chǎn)生以下預警分析。

淺藍色為中度低于預期，深藍色為嚴重低于預期，粉色為中度高于預期，紅色為大幅度過熱。對于營業(yè)收入凈額，總售電量低于預期的月份，必須探討原因。

4 結語

企業(yè)運營診斷系統(tǒng)是協(xié)助提高企業(yè)管理效率的主要工具；任何企業(yè)股東都有必要定期檢測企業(yè)的運營是否符合并如期完成企業(yè)既定的戰(zhàn)略目標；如果企業(yè)的戰(zhàn)略目前未能圓滿達成，此運營診斷系統(tǒng)必須明確指出企業(yè)子部門運營流程的不完善之處并責成相關單位立即修正改善。本文介紹了公司運營診斷中的關鍵技術與分析方法，并針對國家電網(wǎng)構造其運營診斷系統(tǒng)，以實際運營數(shù)據(jù)為基礎構建實證模型進行分析研究，為企業(yè)評估運行績效提供依據(jù)，使企業(yè)實時監(jiān)控并了解市場因素（或其他外在因素）對企業(yè)戰(zhàn)略目標執(zhí)行可能產(chǎn)生的各種影響，如此對各部門的既定戰(zhàn)略，戰(zhàn)術達到實時評估預警的作用。