浅析大数据时代的企业信息情报管理

文/龚经纬

浅析大数据时代的企业信息情报管理

文/龚经纬

奥瑞金包装股份有限公司

随着大数据时代的到来，给各行各业的发展带来契机。当今时代，数据正在迅速膨胀，并且变得越来越大，在一定程度上，它决定了企业的未来的发展，尽管许多企业可能不知道数据的爆炸性增长带来的危险，但随着时间的推移，人们将越来越意识到数据对企业发展的重要性。随着云时代的到来，大数据引起了越来越多的关注。本文通过从信息稀缺到信息超载，信息爆炸与稀缺信息的差异是否在一定程度上会收敛，信息情报管理的价值以及管理信息情报的重要性等几个方面进行详细阐述。讨论了大数据时代的企业信息情报管理，并提出了一些自己的建议。

大数据时代；企业；信息情报管理

引言

随着信息通信技术的发展和全球化的深入，越来越多的信息被获取、存储和处理，世界逐步进入了大数据时代。人们面对海量数据，信息处理能力不会同步增长，注意力稀缺问题逐渐突显出来。为此，企业的信息情报策略从数据驱动的方式转向理论驱动。信息的收集和分析既需要理论（或假设）的指导方针，也需要使用理论（假设）来确定信息工作的方向，信息的选择以及可以作为信息分析的基础。但是理论（假设）在一定程度上出现偏差，企业也需要建立机制来防止理论或假设的偏差。

1 从信息稀缺到信息超载

信息稀缺一直存在，信息情报对称的完美状态从未出现过。信息的稀缺性主要源于信息消费需求的相对性。以企业决策为例，企业的战略决策需要比竞争对手更有价值和有效的信息情报，没有准确的信息情报绝对量;另一方面，信息情报消费的结构以及在技术方面受到某种程度的制约。信息超载则主要在于信息爆炸。随着人类社会的进步，人们生成和需求的信息在日益增长，并在某个阶段造成了信息的巨大膨胀。这种信息的巨大膨胀被称为信息“爆炸”。由于社会和经济环境相对稳定，各地区之间的信息来源更加分散和封闭;而且由于制作和复制信息的成本很高，而且信息的传播也是有限的，所以信息的供应在长期内增长缓慢。但在过去的几十年里，所有这些都发生了变化。由于信息技术以及通信的发展，世界人口越来越多地通过移动通讯设备、互联网获取信息以及交换信息，人们可以获取海量的信息。与此同时，越来越多的人参与创造信息，从而使得消息数量呈现几何增加，单凭Facebook每月分享就超过300亿条信息。由于获取信息和创造信息相对容易，大众媒体的规模越来越大，并且正在努力通过更快速地提供信息而争取比竞争对手更多的信息情报。商业数据也在迅速增长，公司获得数以万亿字节的关于其供应商、客户、生产状况的数据，我们进入了大数据时代。大数据指的是大量可用、交换、集成、存储以及分析的数据。大数据仍然会在几何上长期增加，大数据的存储容量将继续增加。问题是，虽然信息量大幅增加，但人脑处理能力信息没有以同样的速度增加。在互联网出现之前，人类在处理信息的注意力就才能在问题。大数据时代的到来使得注意力稀缺的问题变得愈加严重。结果信息量的增加导致越来越严重“信息焦虑冶，很多应该理解的信息出现了不理解的现象，很多可以处理的信息不能够处理，严重影响人们的工作效率以及决策质量，很多信息成为生产力损失的罪魁祸首。在大数据时代，信息接收者转移成为信息处理者，这就导致了这部分人在处理信息方面的能力不足，从而导致信息质量参差不齐、信息量过大以及信息价值不高的现象，这种情况形成了信息超载。今天通过互联网，你可以拥有名义上的所有信息情报，但可能找不到你需要的一切。“海量的可用事实、情景和观点构成了全噪声”是对信息情报短缺的现实抱怨。

2 信息爆炸和信息稀缺的差异会收敛吗

首先，信息情报的稀缺是常态。由于信息消费的相对需求，信息对称的完满状态还没有出现。其次，信息爆炸的趋势依然存在，信息爆炸的趋势是什么？是否继续爆炸？从三个方面进行分析：一是越来越多的信息情报，信息情报来源会增加。二是获取信息情报的手段越来越多，人们可以通过更先进的技术获得更丰富的信息情报。第三，信息处理和传输变得越来越高效，人们对信息情报的获取和处理将得到很大的发展。总之，信息爆炸的趋势仍然继续发展。第四，信息爆炸与信息稀缺的差异会收敛吗？随着信息情报的数量不断增长和积累，就像巴贝尔图书馆存储的无数书籍一样，有用的无用的都存在，信息的不对称始终存在，所以信息爆炸与信息稀缺的差异现在不会收敛。

3 信息情报的两种运作模式

在信息情报工作之中，信息情报的分析以及情报的收集都存在两种运作模式：一种是理论驱动模式，此种模式可以称作自上而下模式；另一种模式是数据驱动模式，此种模式可以称作自下而上模式，在数据驱动模式下，情报研究人员对于所提出的问题没有某种程度上的假设或理论。相反，他们尽可能详尽地收集数据，然后研究和分析这些数据，从而找出某种关系或模式，然后做出一个假设或得出结论。例如，美国或韩国密切关注发展在朝鲜的核武器。通过长期观察，朝鲜在测试前经常显示出使用核武器的迹象。再比如通过观察安装伪装网、连接测试设备以及车辆比正常情况运行频繁等现象，最后得出这些军事设施异常的状况是朝鲜核试验的先兆。数据驱动模型背后的基本假设是“数据能讲述故事”。我们可以从数据之中读取信息，发现某种模式，使得简单明了。这种方法在信息量小且不确定性很高的情况下非常有效。如果我们能够以不同方式处理数据，整合数据并可以将数据可视化，那么它将对我们理解信息和发现新趋势非常有价值。与数据驱动方法不同，理论驱动方法在收集数据或分析数据之前，需要先做假设或理论，然后基于这些假设或理论收集和分析数据，从而得出一些结论，以朝鲜核武器发展情况监测为例理论驱动的方法在我们开始收集有关朝鲜核武器试验的情报之前，首先就存在假设是在任何国家之前都需要进行大量的准备工作进行核试验，朝鲜也不例外。因此，监视朝鲜的准备工作可能会显示朝鲜核试爆的迹象。为此，我们首先需要对朝鲜核试爆的位置和可能的准备情况做出判断（假设），然后根据判断监测相关指标。如果发现异常，可以进行预警。根据这个模型，虽然研究人员在收集或分析情报之前可能仍然想要读取数据，但是他的信息收集类型是在数据被考虑之前设置的。这两种方法对于企业的信息情报工作都非常重要，随着信息量的增加，从事信息情报工作者的信息负载呈现超载现象，在不确定性特别高的状况下,理论驱动模式的重要性日益增加。

4 管理信息情报的重要性

4.1大数据时代信息情报的重要性

大数据时代，信息和情报可以说是无处不在。信息情报已经成为非常重要的资源，并且不断地影响和改变着社会的模式。人们的活动是基于信息情报，信息情报直接影响着大到国家，小到个体的商业决策。因此，在大数据时代，信息情报在我们的生活中起着重要的作用。掌握信息情报的人在一定程度上就掌握了主动权。虽然信息情报不能像物质资源那样直接创造财富，但信息情报可能是创造物质和精神财富的重要组成部分。

4.2信息情报的价值

企业情报信息主要有以下几个阶段：收集整理信息情报、分析信息情报以及使用信息情报。在收集和整理信息情报的时期，大多数企业会将有用的信息情报进行特殊的保护，主要目的在于保存有价值的信息情报。在分析信息情报的阶段，企业将分析其拥有的情报信息以获取新的可用情报信息，并为下一步决策行动提供依据。在使用信息情报阶段，信息可直接或间接地创造价值。一方面，决策是基于信息情报，基于有效信息情报的企业决策更有可能是正确的决策，给企业带来积极的影响，带来更大的利润。相反，错误的决策会带来企业不必要的损失，甚至会失去一切。另一方面，信息情报已成为市场经济条件下的一种交付物，这种交付物是可以进行交易的。企业通过买卖信息情报，能够获得更大盈利的企业，代表更高的产业水平。

4.3信息情报管理的价值

一方面，获得有用的信息情报，从而为企业决策提供依据。信息情报管理面临的一个重要问题是如何从众所周知的信息中收集、分析和研究有价值的信息情报，并从而为企业决策提供依据。碎片化的信息情报只能是暂时的，不能真实反映其商业价值，因此，信息情报必须通过一定的方式进行汇总、综合和分析才能产生附加价值。

另一方面，防止竞争情报信息的泄露和披露对企业造成负面影响。商场如战场，商业间谍层出不穷，一旦企业陷入重要信息情报的泄露，这对企业就是致命的。竞争性情报对企业的发展至关重要，竞争情报的价值有多大，保护企业的价值就会有多大，获得竞争情报可以让企业在直接瞄准竞争对手时在各个方面处于领先地位。相反，可以被竞争对手关注的商业情报也应成为企业需要保密的地方。竞争情报的披露对企业的生存和发展具有不可预测和重大的影响，因此加强信息情报的重要性意识尤为重要。

5 企业对信息情报的管理

在大数据时代，人们在处理信息情报方面的能力并没有随着科技的进步而同步提升，导致信息情报超载的现象更加突出。以上几个方面说明，在大数据时代，企业非常有必要，而且也必须对信息情报进行管理，并对企业信息情报管理提出一些建议。首先，企业的信息战略应该从数据驱动转向理论驱动。首先，运用理论（假设）来确定情报工作的方向，然后以理论（假设）为指导，选择信息情报的范围，并以理论（假设）作为分析信息情报的基础，最终形成所需要的结论。但要注意去除假设造成的偏差，以免错过信息盲区的重要信息情报。其次，制定信息情报方面管理标准，从而规范信息情报管理。在信息情报的收集与存储，分析管理，传输等方面制定对应的标准。再次，加快企业信息化建设，提高信息情报企业利用率，加大信息管理硬件和软件投入，培养高素质信息管理人员。然后，企业的核心信息应该与员工和合作伙伴秘密协议进行良好的合作。最后，提高员工信息安全意识。

6 结语

在大数据时代，现代发展大数据给企业信息化带来的变化也包含很多方面。可以肯定的是，大数据时代信息情报的快速发展，以及可以通过利用这种机会实现利润机会，已经导致了各种规模企业的发展新方向。我们进入了大数据时代，大数据时代的企业信息情报战略需要放弃数据驱动的运作模式，并采用理论驱动的模型。理论和假设需要指导我们收集和分析我们的情报。然而，考虑到可能存在的偏差理论或假设，还需要建立机制来尽可能克服我们的理论或假设存在的偏差。

[1]王献灯.浅谈大数据时代的企业信息情报管理[J].经贸实践，2016，(3).

[2]李海.浅析大数据时代下的企业竞争情报[J].信息系统工程,2014，(5):110-110.

[3]周振龙.浅谈大数据时代施工企业信息化战略与实施[J].新商务周刊,2017，(9).

[4]魏晨,马燃.大数据时代给企业竞争情报带来的困境及应对措施浅析[C]// 中国竞争情报事业20年暨中国竞争情报年会.2014.