经济统计学与人工智能范文

导语：如何才能写好一篇经济统计学与人工智能，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。

篇1

【关键词】计算机；人工智能技术；应用

1引言

人工智能技术已经成为目前最受社会关注的新兴科技之一，随着该技术在各行业和领域中的应用不断深入，人们的工作和生活方式不断向智能化方向发展，工作和学习效率都得到了质的飞跃，未来，人工智能技术也必然会获得更加广阔的发展前景。

2人工智能技术概述

人工智能是计算机科学的一个分支，这门学科的主要目标是了解人类智能的本质，并通过将人类智能转移到智能机器中，使智能机器能在不同应用场景下做出类人思维的反应。人工智能是一项综合了多项高新科技的综合性学科，包含5项核心技术，分别是计算机视觉、机器学习、自然语言处理、机器人技术和生物识别技术。其中，机器学习是实现计算机人工智能技术的核心技术，该技术使智能机器在算法复杂度理论、凸分析、统计学等学科的支持下，能自主模拟人类行为。目前已经发表的机器学习策略主要包括模拟人脑的机器学习和采用数学学习方法2种策略。其中模拟人脑的机器学习策略又可细分为符号学习和神经网络学习，符号学习是以认知心理原理为基础，在机器中输入符号数据，用推理过程在图或状态空间中搜索并进行符号的运算，对概念性和规则性知识的学习能力较为突出，如示例学习、记忆学习、演绎学习等；神经网络学习是从微观生理角度对人脑活动进行模拟，利用函数结构模型代替人脑神经网络，以函数结构进行数据运算，并在数据迭代过程中在系数向量空间中搜索，对函数型问题具有较好的学习能力，如拓扑结构学习、修正学习等。采用数学方法的机器学习主要是利用统计机器，建立相应的数学模型，拟定超参数，输入样本数据后根据不同的运算策略对模型进行训练，最后根据训练结果进行结果预测。

3人工智能技术的发展历程

3.1人工智能技术的兴起

虽然新兴技术的兴起获得了广泛的关注，但由于人工智能技术涵盖的学科和技术范围过大，兴起阶段的该技术的理论知识、产品应用、发展应用等均存在明显缺陷。除此之外，计算机技术在当时也并不成熟，当时的计算机编程和计算水平较为落后，很多超前的想法以当时的技术水平来说实现较为困难。在多种因素的影响下，人工智能技术在兴起阶段并未得到快速发展。

3.2人工智能技术的高速发展

人工智能技术这一概念在提出后近20年的时期中其发展始终处于停滞状态，直至20世纪70年代，该领域的专家研发出全新的人工智能专家系统DENDRAL，该系统的诞生带动人工智能技术迈向新的发展阶段，并且在这之后进入高速发展时期。日本始终重视本国科学技术的发展，并且在20世纪80年代提出“科技立国”的政策，此后很长一段时间，日本依托此国策使经济得到迅速恢复和发展。在1982年，日本国内对第五代计算机的研究以失败告终，但此次研究中提出了新的计算机算法和逻辑程序语言Prolog，Prolog在处理自然语言过程中具有比LISP语言更好的应用效果，这一创新进一步促进了人工智能技术的发展。人工智能技术的发展建立在多项先进学科共同发展的基础上，与其他技术相比，人工智能技术在处理数据、整合资源方面具有更大优势。

3.3人工智能技术的发展现状

3.3.1专家系统

专家系统指的是一种智能计算机程序系统，是人工智能技术应用最为广泛也最为重要的领域之一，系统中涵盖大量某领域专家水平的知识与经验，通过应用人类在该领域中的专家级别知识来为用户解决在该领域中遇到的问题。专家系统有效地将人类智能延伸到专业领域中，实现了理论研究向实际应用方向过渡的目标，大幅提高了人类对专业问题的处理效率，并且专家系统依托复杂的算法能对专业问题未来发展的可能性进行更全面的计算，工作效率甚至会比人类专家更高效、更准确。随着对专家系统研究的不断深入，目前很多专家系统都能依据对人类行为的模拟在不同的应用场景中作出智能化的反应和判断，并且能够利用知识库，深入挖掘复杂问题的内在联系。专家系统已经在多个领域中都得到了广泛的应用，帮助企业更客观地摸索市场规律，从而作出正确的生产决策、调度规划、资源配置计划等，大幅提高了企业经营的科学性，使企业能在节省生产成本的同时，获得更好的经济效益。

3.3.2模式识别

模式识别是利用计算机技术将识别对象按一定特征归类为不同类别，目前人工智能技术在模式识别中的主要研究方向包括语音语言信息处理、计算机视觉、脑网络组等，希望通过人工智能技术实现对复杂信息的识别和处理，这一应用能促进多个行业向智能化方向发展，如军事领域、医疗领域等。

3.3.3机器人学

机器人学的主要研究方向是机器人的设计、制造和应用，随着人工智能技术的成熟与应用，机器人的智能水平不断提高，并且在不同行业中的应用已经较为普遍，日常生活中常见的机器人包括扫地机器人、迎宾机器人、快递机器人、早教机器人、无人机等，人们可以利用可移动设备对其进行操作，极大程度地提高了人们生活的智能性和便捷性。

3.3.4机器学习

机器设备并不具备自主思考能力，在不同应用场景下的反应主要是依托计算网络技术和算法对人类思维模式进行模拟，并将人类行为进行充分消化以使自身性能得到优化，能对不同问题进行处理。机器学习是一项涵盖多个学科且复杂程度很高的科学，包含统计学、概率学、算法复杂度理论等，是人工智能的核心技术，也是推动计算机向智能化方向发展的关键技术。

3.3.5人工神经网络

人工神经网络是人工智能技术自进入高速发展时期后广泛研究的重点内容。利用计算机算法将人脑神经元进行简单化、抽象化、模式化，并构建成与人脑神经元网络相似的网络结构。人工神经网络技术的成熟与发展为专家系统、模式识别、机器人学、生物、经济等多个学科的发展提供了技术支持，解决了很多人工智能技术发展中的实际难题。

4人工智能技术的应用

4.1人工智能技术在计算机网络技术中的应用

4.1.1计算机网络安全管理

人工智能技术与计算机网络技术互相依存、互相促进、共同发展，在计算机网络技术的多个方面都有深入的应用。其中，在网络安全管理方面主要有如下应用：①智能防火墙技术。防火墙技术随着计算机的普迅速发展，应用人工智能技术的防火墙技术比传统防火墙技术的性能更加优异。智能防火墙技术具有智能记忆功能，能自动记录并储存历史处理病毒的记录，在后续应用过程中依据记录直接优化计算机匹配环节，减少计算机数据量，提高防火墙的隔离病毒能力。另外，智能防火墙还能结合用户的需求，对用户不需要的弹窗功能、访问权限、有害信息等进行智能化拦截。②计算机入侵检测。防火墙的主要功能就是为计算机设备创造安全的运行环境，保证系统和内部数据不被侵害。计算机入侵检测功能是保障防火墙正常工作的基础功能模块，对提高计算机数据的安全性和可靠性具有直接的影响。应用人工智能技术的入侵检测功能，能对计算机系统进行智能化分析和处理，根据预定算法将处理数据整理成为入侵检测报告，让用户能全面地掌握计算机设备的安全状态。③垃圾邮件智能化处理。该技术依托人工智能技术中的模式识别功能，对接收邮件进行扫描和归类，发现垃圾邮件后直接将其标注为垃圾邮件，为用户发出风险警告，避免用户因误操对计算机系统造成损害。

4.1.2计算机网络管理

人工智能技术的发展和应用促进计算机网络技术向智能化方向发展。在实际应用中，除计算机网络安全管理模块外，还能解决多种网络管理问题。随着计算机技术的普及，网络数据呈爆炸式增长，网络管理工作量和工作难度都达到了空前高度，通过应用人工智能技术，能大幅提高计算机网络管理效率，优化网络管理效能。

4.2人工智能技术在企业管理中的应用

企业是市场经济活动的主要参与主体，是维持市场经济稳定运行和发展的关键要素，在企业生产活动中科学地应用人工智能技术，能有效提高企业的生产能力，促进企业获得更高的经济效益和社会效益。具体应用渠道如机械自动化、智能监控、推荐系统、用户购物行为分析、零售分析、数据提取、文本归类、文章摘要等，从员工工作的细微之处实现工作效率上的提升，进而提升企业整体的运行效率。对工业行业来说，应用机械自动化技术还能有效降低传统工业生产中对人工的依赖性，大幅提高工业企业的生产能力，在行业发展的过程中起到了非常积极的促进作用。

4.3人工智能技术在航空航天技术中的应用

航空航天技术是目前人类最高科技的集合体，涵盖众多学科，如信息技术、卫星技术、生物技术、天文学、生命科学等，对提高国家的国防力量、提高国家的国际地位、促进国家经济增长都具有非常重要的意义。航天器设计是航空航天领域中的关键工作之一，而远程控制又是航空航天技术长久发展以来研究的重点，因我国对该技术的研发起步较晚，我国对航空航天技术的研发存在重重困难，但经过国家和科技工作者的不懈努力，目前我国航空航天技术已处于世界先进水平。将人工智能技术应用于航天远程控制中，利用智能系统对数据进行自动采集、处理和储存，如通过采集航天器的轨道信息，并以此分析航天器的运行状态，根据分析结果制定运行决策，对提高航天器的运行安全性和运行质量都是非常重要的举措，推动国家航空航天事业获得进一步发展。

4.4人工智能技术在医疗领域中的应用

目前，人工智能技术在医疗领域中的应用已经非常广泛，使医护人员的工作内容不断得到优化，提高工作效率，还有效提高了国家医疗水平。具体应用包括以下几项内容：①在电子病历中的应用。传统就医诊断环节，医生都需要以手写方式记录病患病例，并根据病例详细列出治疗方案，工作量大，且效率较低，病例保存便捷性较差。通过应用电子病例，不仅能大幅减少病例记录的工作量，还能在医疗系统中直接勾选治疗所需药品，完成病例及用药的勾选后打印即可，既能大幅提高工作效率，还能将病例在计算机中进行储存，且现阶段病例文件的储存格式不再局限于文字，语音和图像也可被添加到病例中，提高医疗诊断的准确性。②在健康管理中的应用。在现代医疗中应用人工智能技术，对病患的病情进行智能化分析，能使医生对疑难病症的分析更加全面准确，制定针对性更强的医疗方案，提高医疗水平，为改善患者的健康状况提供辅助。

5结语

综上所述，计算机人工智能技术的应用，对社会各行业都产生了不同程度的影响，人们的工作和生活方式得到优化和改变，国家科技水平也不断提升。加强对计算机人工智能技术的研究，推动人工智能技术在各个行业中的应用，让人们能切身感受到科技为生活带来的改变，对促进人类社会的发展具有非常重要的意义。

【参考文献】

【1】辛颖楚.计算机人工智能技术研究进展和应用分析[J].信息与电脑(理论版),2019(9):121-122+125.

【2】陈长印.计算机人工智能技术研究进展和应用分析[J].计算机产品与流通,2019(12):5.

【3】杨坤,顾兢兢.计算机人工智能技术研究进展和应用分析[J].电脑知识与技术,2019,15(33):197-198.

【4】郑骜.浅谈计算机人工智能技术研究进展和应用[J].科学与财富,2019(19):276.

【5】赵智慧.计算机人工智能技术研究的进展及应用[J].信息与电脑(理论版),2019,31(24):94-96.

【6】李子青.计算机人工智能技术的应用与未来发展分析[J].科技经济市场,2019(10):9-11.

【7】罗柱林,韩文超,吕文杰,等.计算机人工智能技术的应用及未来发展探究[J].中国航班,2019(16):90.

【8】李乔凤.计算机人工智能技术的应用与未来发展分析[J].数字技术与应用,2020,38(3):91+93.

【9】肖梅.计算机人工智能技术的应用及未来发展初探[J].缔客世界,2019(1):39.

篇2

阿里云人工智能科学家闵万里

4月8日，在《我是歌手》的第四季总决赛中，出现了一个不速之客，这就是扬言能预测歌王的阿里云人工智能机器人小Ai。总决赛开场前，小Ai预测黄致列夺冠概率第一，尽管最终的歌王是李玟，但小Ai成功预测了前三名。

在了解阿里云人工智能机器人小Ai的基本运作过程后，钛媒体认为小Ai的算法其实已经不仅是深度学习，而是在深度学习之上的更高阶算法，并就此向阿里云人工智能科学院闵万里求证，得到的回复：是的。

小Ai算法高阶在哪里？

尽管阿里云方面没有透露关于小Ai更多算法方面的信息，只说小Ai主要基于神经网络、社会计算(social computing)、情绪感知等原理工作，善于洞察本质和实时预测，并能理解人类情感。

但是小Ai挑战歌王预测难点有三：首先，这是在7个歌手之间的混战，并非AlphaGo与李世石之间的两人对弈；其次，唱歌是情感理解加艺术欣赏，不同的唱法、变声、假声等无常法也无定论，现场演唱更是即兴创作；再次，最终结果是湖南卫视节目组、电视观众、500位大众评审、7位歌手共同创造的结果，其中充满了巨大的随机性。

简单的理解，用于AlphaGo围棋对弈、语音识别、图像识别等的深度学习算法，主要解决的是单目标优化问题，而小Ai要挑战的本质上是多目标优化问题，这从根本上就“迫使”阿里云选择更高阶的算法。闵万里告诉钛媒体记者，小Ai本身是一个基于概率的决策优化过程，在决策过程中需要多组变量输入，其中的部分变量是通过深度学习优化得来。

之前，小Ai的算法已经被阿里云成功用于浙江省交通厅的路况预测，而能解决城市管理和宏观经济问题的人工智能算法都属于多目标优化算法。西方已经在城市综合管理和宏观政策制定等领域长期采用了多目标优化算法，包括模拟退火算法、遗传算法等。闵万里向钛媒体称，小Ai并没有采用现成的多目标优化算法，而是自己开发的算法体系。

小Ai之父闵万里

那么，小Ai凭什么能够实现高阶算法呢？这必须要提到小Ai之父、阿里云人工智能科学院闵万里。

14岁被中科大的少年班录取，闵万里19岁赴美攻读物理学硕士，2004年获得芝加哥大学统计学博士，先后在IBM Watson研究院及Google担任研究员，2013年加入阿里云负责人工智能项目小Ai。

闵万里说在IBM Watson研究院的经历让他受益匪浅。IBM最早提出智慧城市战略，也是最早看到未来趋势。2005年，IBM把PC硬件业务卖给联想后，开始自己的转型。这个转型的过程，最缺的就是海量数据分析能力，因此补充了很多相关研究项目，包括海量数据分析、关键信息提取、预测建模、机器学习等，闵万里也借此接触了一线实战案例。

之后到了Google，闵万里比较具体地负责移动端广告精准推送优化研究，主要是对海量数据进行研判，这其实已经非常接近今天小Ai要解决的问题了。移动端广告精准推送优化是互联网广告最核心的技术，需要通过大数据分析和机器学习等提升广告的精准推送，从而提高广告的点击率。

移动端广告精准推送优化数据分析包括：研判用户当前上下文网页的内容；研判用户所在地理位置——驾车状态下推送短广告、饭馆里推送复杂广告；研判用户对于推送广告的喜爱程度等。这些都属于多情景变量下的实时决策问题，与小Ai要挑战的歌王预测场景极为类似。

闵万里长期从事机器学习理论研究与应用算法研发，在脑电波(EEG)解析、高维数据挖掘、随机过程理论、时间序列分析、网络流理论等领域获得多项国际专利。他于2011年发表的道路交通流预测研究，是该领域全球五年来被引用次数最多的论文之一。

2013年，有猎头找到闵万里，希望游说他加入阿里云。当时猎头说了一句话，中国有这样一家公司，数据总量比亚马逊、eBay、Paypal加起来还多。“这一句话就已经可以说明一切了，做大数据就要来阿里。”闵万里如此断然加入。

小Ai的研发过程

从2012年开始，阿里云研发了后来被称为“MaxCompute”的海量数据处理计算引擎，当时叫做ODPS，这是小Ai非常重要的计算基础设施。

ODPS是阿里集团30多个事业部唯一的大数据处理平台，在2015世界Sort Benchmark排序比赛中，ODPS用377秒完成了100TB的数据排序，打破了此前Apache Spark创造的1406秒纪录，创造了4项世界纪录。如今，MaxCompute可在6小时内处理100PB数据、相当于1亿部高清电影。

值得一提的是ODPS的实时计算系统StreamSQL，后来在阿里云数据加平台被称为“StreamCompute”，可日均处理万亿消息、PB级的数据以及千万级的每秒查询率QPS，适用于根据用户实时行为数据(浏览、成交、收藏等)调整推荐商品的实时推荐系统等。

阿里云方面说，小Ai的学习速度是人类的1万倍，人类需要10万小时成为某一领域的专家，小Ai只需要10小时。这其实就是基于MaxCompute和StreamCompute等阿里云大数据分析的实战平台，“阿里云的大数据分析是经过了实战检验，这是与其它平台不一样的地方。”这个平台经历了阿里上万名工程师的实战，其中包括7次双十一的考验。

在研发MaxCompute等计算平台的同时，阿里云人工智能小组还在开发深度学习、社交网络情感分析、语意分析、优化算法等人工智能算法体系。到2015年的时候，阿里云的人工智能算法在阿里各个业务场景下实现了成熟的应用，之后被抽象成通用的模块再嫁接到MaxCompute上。

“所以阿里云的人工智能模块带有明确的可应用场景，不是闭门造车。也不是我们憋了4年，就为做这件事(挑战《我是歌手》)。这其实是在阿里整个业务生态中，慢慢成长起来的。”闵万里对钛媒体记者说。

小Ai的算法体系

阿里云于2012年就开始人工智能领域的技术研发和储备。在参加湖南卫视《我是歌手》比赛之前，小Ai已经积累了不少实战经验，比如帮助光伏电厂预估发电产能减少能耗、帮助水利监管部门预测水库水位以预防灾害发生、帮助金融机构客服人员接电话、帮助阿里音乐预测音乐黑马等等。

小Ai团队除了工程师、科学家之外，还有多位阿里音乐和专业人士作为教练，学习了几百万首歌提升音乐品味和鉴赏能力。小Ai基于阿里音乐数据库，自动学习音频的重要特征后形成对歌曲的多维度评价，包括音高、能量、语谱、基频等，通过特征来训练小Ai对音频及受欢迎程度之间的关联性思维，不过目前小Ai还没有遍历韩文等外文歌曲。

那么小Ai是如何现场预测比赛结果的？小Ai从历史赛事和海量资料中寻找影响比赛结果的变量因子，训练出一个实时动态模型进行预测，包括歌曲、歌手、粉丝、现场氛围、网友讨论等维度，每种维度都通过机器学习提取海量特征。这些特征有静态的，也有跟随比赛而动态变化的，需要现场实时计算。

闵万里透露，小Ai眼里的歌手是无数标签的集合，比如李玟就有女歌手、70后、华裔、美国、偶像、性感、奥斯卡、R&B、Soul、粉丝量等标签。而现场影响评委喜好的因素非常多，小Ai需要找到这些影响因素的每一个信息变量，包括歌手演唱相关的曲风、流派、编曲、帮唱嘉宾、舞蹈、歌手颜值等现场热数据，以及场外的各种冷数据信息。再把这些信息通过一定逻辑叠加在一起，形成整体决策机制。

总结来说，小Ai要做的是去观察一切可能影响投票结果的因子，整个过程是在全空间、连续、动态地场景中，“理解人类的喜好”、“洞察人类的思考”。

与微软小冰的区别

作为同样主打“情感算法”的微软小冰，闵万里表示微软小冰与人类的一问一答对话很容易带入上下文情境，之后就可以用语言学等相关的模型进行建模和分析。而小Ai要同时理解7个歌手的混战以及音乐欣赏等超越语言的内容，这是小Ai的不同之处。

闵万里举例小Ai的算法难点，比如上一次的孙楠退赛完全出乎意料，小Ai也不可能预料到这样的事件，这对当时的模型训练造成了很大的困扰。在现场比赛的时候，什么状况都有可能发生，不管最后小Ai预测的结果如何，都是一次成功的尝试。

此外，在商业模式方面，小Ai看起来也不如微软小冰有一个比较容易的商业化路线，现在微软正把小冰变成整个微软产品与服务的人工智能基础设施。与当前盛行的深度学习算法相比，小Ai的多目标优化算法似乎也难于看到一个清晰的商业化前景。

对于商业化模式问题，闵万里说阿里有一个战略：Happiness(幸福)和Health(健康)，也就是幸福指数与健康指数。小Ai的音乐和艺术欣赏能力，既跟幸福指数相关也与健康指数相关，仅仅实现这一点就已经是巨大的技术成就了。此外，小Ai的能力可以很容易泛化到商业领域，之前已经在交通管理、能源管理、天气预测等成功应用。

篇3

[关键词]人力资源；数据挖掘；CART模型；发展战略

doi：10.3969/j.issn.1673 - 0194.2015.24.101

[中图分类号]F272.92 [文献标识码]A [文章编号]1673-0194（2015）24-0-02

人力资源审核即是衡量企业对人力资源的掌握程度的重要标志，也是评估管理质量、水平和效率的重要依据。对于一个有近千人的企业来讲，人力资源数据量是庞大的，从表面上看这些数据只是些毫不相关的数字，但从这些海量的数据中，却可以提炼出存在的关系和规则，可根据现有的数据预测未来的发展趋势。

对于人力资源管理而言，一个企业人力资源管理是和一个企业的经营战略、组织结构体系与文化价值观紧密联系的，具有独特个性。一个成功企业的人力资源管理往往是最难复制和模仿的，如何通过人力资源管理来取得竞争优势成为了企业竞争的重要部分。

本文是以某企业人力资源数据为依据，建立人力资源数据仓库，利用决策树中的CART算法对所建立的数据仓库进行深入分析，得出有用结论。CART决策树算法是目前应用最广泛的预测技术，它主要由决策节点、分支和叶子3部分组成。对数据集合中具有最大信息字段创建决策树节点，并根据其节点字段的差值建立决策树分支。在每个分支中重复上述过程，逐步建立树的下层节点和分支，最终可以生成反映一定规则的决策树。

1 数据挖掘的发展历史及国内外现状

随着数据库技术的日益成熟，以及在相关领域的应用，人们收集了海量的数据。面对大数据的挑战，传统的数据分析方法难以应对海量数据的挑战。为了有效的对数据隐含的信息进行分析，需要有新的数据分析手段。与此同时，人工智能技术取得了跨越式的发展。经历了博弈时期、自然语言理解、知识工程等阶段的探索与发展，人工智能在机器学习领域取得了重大成就。因此，利用机器学习的方法来对数据库的数据进行高效分析，发现大量数据背后隐含的知识，称为知识发现（Knowledge Discovery in Databases，KDD）。数据发现涉及机器学习、模式识别、高性能计算、统计学等多个领域。将海量数据中提取有效的、具有潜在价值的知识应用于信息管理，科研等领域，为企业的发展提供决策。

知识发现（KDD）这个术语最早出现在美国召开的第十一届国际人工智能联合会议。随着人工智能领域的飞速发展，会议的连续召开，原本的专题讨论会已经发展成为国际性的学术会议。通过多学科之间的互相融合，从原本的多策略多技术转变为策略与技术之间的集成，发现方法转向了系统应用。

2 CART算法

分类回归树（Classification And Regression Tree，CART）算法，它采用自上而下的递归方法对数据进行归纳，从无次序、无规则的数据中获得相应的分类规则，尤其对非数值性数据有着较好的处理能力。本文将CART算法应用于人力资源分析中，起到辅助决策者分析的作用。CART算法是一种二分递归分割技术，将新样本划分为两个子样本，并使得生成的每个非叶子结点都有两个分支，因此CART决策树是结构简洁的二叉树。由于CART算法构成的二叉树在每一步的决策时只有2个分支，即使一个分段取有多个值，也只能把数据分为两部分。而构建CART决策树主要分为两个步骤。

3 将样本递归划分进行建树过程

3.1 用验证数据进行剪枝

3.1.1 CART模型建立

CART算法核心是对每个节点上要测试的属性进行选取，其划分点是一对连续变量属性值的中点。假设M个样本的集合一个属性有m个连续的值，那么则会有m-1个分裂点，每个分裂点为相邻两个连续值的均值。每个属性根据能减少的杂质的量来进行排序划分，而减少量为划分前减去划分后的每个节点的杂质质量所占比率之和。而杂质度量方法常用Gini（Gini Coefficient）指标，假设一个样本共有C类，则一个节点A的Gini不纯度可定义为：

其中Pi表示属于i类的概率，当GiniA=0时，所以样本属于同类，所有类在节点中以等概率出现时，Gini（A）最大化，此时：

如果当前节点的所有样本都不属于同一类或者只剩下一个样本，那么此节点为非叶子节点，所以会尝试样本的每个属性以及每个属性对应的分裂点，尝试找到杂质变量最大的一个划分，该属性划分的子树即为最优分支。

3.1.2 CART树剪枝

通过CART刚生成的决策树记为T0，然后从T0的底端开始剪枝，直到根节点。在剪枝的过程中，计算损失函数：

Ca（T）=C（T）+a|T|

a≥0，C（T）为训练数据的预测误差，|T|为模型的复杂度。对于一个固定的a，在T0中一定存在一颗树Ta使得损失函数Ca（T）最小。将a在其取值空间内划分为一系列区域，在每个区域都取一个a然后得到相应的最优树，最终选择损失函数最小的最优树。其中CART剪枝算法步骤如下。

（1）设K=0，T=T0，a=+∞

（2）自下向上地对各内部节点进行遍历，计算C（Tt），|Tt|及g（t），得到：

（3）自上向下访问各内部节点t，若g（t）=a，则进行剪枝，并对t以多数表决的方式决定其类，得到树T。

（4）若T不是由根节点单独构成的树，则重复步骤（3）得到一系列的子树。

（5）最后使用交叉验证的方式从子树序列中选取最优子树。

3.2 人力资源数据测试研究

3.2.1 数据选择

数据选择是指从数据本身和发现目标出发，寻找依赖于发现目标特征数据的过程。通过数据选择有利于减少数据量，缩小目标数据范围，从而在保证数据原貌的前提下对数据进行筛选。通过数据抽取使得数据具有更加明显的规律和特征。通过对人才综合能力定性分析，构成了由知识水平、思想个性、基本素质、个人能力和业绩成果5个基本要素组成的人才评价指标。经过选取有用的数据，去掉原数据其中噪声数据和一些无关的数据，建立相对应的数据表（见表1）。

表1 人才标准评价指标表

基本要素 评价指标 注 释

知识水平 学历层次 受教育的经历，文化程度

任职资历 被任命或受聘担任某职务

知识结构 基础知识及专业领域知识状况

特殊技能 在某领域具有一定权威性

思想个性 职业道德 爱岗敬业、乐于奉献

合作意识 对团队合作的意识

工作作风 认真负责、勤奋高效

基本素质 语言表达 人与人之间的语言交流

文字水平 用书面语言能准确阐述要表达的信息

健康状况 在生理及心理上处于健康状态

个人能力 组织能力 指挥调度成员的能力

实践能力 运用知识实践理论的能力

业绩成果 工作效益 工作中为团队带来的收益

工作奖项 工作中获得的奖项荣誉

3.2.2 数据规范

针对异构数据源中数据的不规范性、重复性和不完整性等问题进行清理，达到将数据去除噪声和纠正错误的目的，提高数据质量，符合分析要求。因此，数据规范需要对数据做出以下操作。

员工信息由唯一编号代替。分别对5个基本要素进行评价，其中知识水平对应A-D（A学历层次，B任职资历，C知识结构，D特殊技能），思想个性对应E-G（E职业道德，F合作意识，G工作作风），基本素质对应H-J（H语言表达，I文字水平，J健康状况），个人能力对应K-L（K组织能力，L实践能力），业绩成果对应M-N（M工作效益，N工作奖项）。

每项要素每当达成一个评价指标便累计加一，最后合计当前要素点的总分。

分为三种类型的人才，分别为类型ω1、类型ω2和类型ω3。

通过对企业提供的数据进行抽样，选取其中20名员工进行测试，按照数据规范及评价指标表的要求进行，得到测试数据表如表2所示。

利用Matlab软件，构建人力资源分类树CART模型，利用训练样本所得到的决策树见图1。

4 结 语

本文以某企业为例，提出了利用数据挖掘技术来克服在当前的人力资源管理中遇到的问题，提高管理质量。在具体应用中，主要利用的是数据挖掘中的CART算法，详细介绍了CART算法在人力资源分析挖掘中的全过程。在CART树模型的建立过程中，应用算法对不同类型的人力资源进行分析，找出影响的潜在因素，为企业管理者有针对性提高管理质量提供有利的数据支持，使员工能够较好地保持良好的工作状态，从而为企业管理者提供了决策支持信息，促使更好地开展管理工作，提高管理质量。

表2 测试数据表

编号 级别 -D -G -J -L M-N

1 ω1 4 3 3 2 1

2 ω1 3 3 2 2 1

3 ω1 4 1 2 1 2

4 ω1 3 1 3 2 1

5 ω1 4 1 2 1 1

6 ω2 3 2 2 1 1

7 ω2 3 2 1 1 2

8 ω2 3 3 2 1 2

9 ω2 2 1 1 2 2

10 ω2 2 1 1 1 1

11 ω2 2 1 1 2 2

12 ω2 3 2 2 1 2

13 ω3 1 3 3 2 1

14 ω3 4 3 3 2 1

15 ω3 1 3 3 1 1

16 ω3 1 2 2 1 1

17 ω3 4 2 3 2 1

18 ω3 1 3 1 1 2

19 ω3 2 2 1 1 2

20 ω3 1 2 3 1 2

图1 生成的CART树

主要参考文献

[1]王董雨.如何构建企业人力资源发展战略模型[J].上海汽车，2005（3）.

[2]陶宇.人力资源管理团队绩效评价与对策――基于人力资源审核模型[J].企业经济，2013（3）.

[3]韩起云.一种基于CART算法的移动通信客户流失预测模型[J].科技通报，2012（2）.

篇4

关键词：计算机网络 信息安全 防护策略

中图分类号：TP393 文献标识码：A 文章编号：1007-9416（2013）02-0174-01

随着信息技术及网络技术的飞速发展，网络已经成为人们生活中不可缺少的一部分，人们越来越依赖网络，越来越重视网络的安全。但是随着网络的日益普及，网络上的不安全越来因素越来越威胁着人们的生活。因此对影响网络安全的因素进行分析，维护网上信息的安全变得非常重要，为了解决这些问题，各类安全机制、安全策略不断推出。

网络信息安全是一门涉及到计算机科学、通信技术、密码技术、应用数学等多门学科的综合性学科，主要指对网络系统硬件、软件与系统数据的维护，使他们不收外在偶然因素或恶意侵害等原因的破坏、更改与泄露，保证系统的正常可靠运行。

1 威胁计算机网络信息安全的因素

网络信息存在的环境非常复杂，受到自然灾害、网络自身系统、用户不科学操作、人为攻击、计算机病毒等多种因素的影响。

1.1 自然灾害

毕竟计算机信息系统只是一个智能型的机器，缺乏能动性，非常容易受到自然界中温度、湿度、污染与振动等因素的影响，当前，我国大部分计算机中都没有安装防火、防水、抗震等设施，接地系统设计的也不合理，因此抵御意外灾害能力非常弱。

1.2 网络系统本身存在的缺陷

网络技术最突出的特点就是它的开放性。但是也正是由于这种开放性，从安全性能上来讲，成为威胁其安全的重要因素，加上网络所依赖的TCP/IP协议本身，它本身就是一种安全性能不高的协议。该协议在系统的运行中就存在着数据截取与篡改、欺骗攻击等方面的缺陷。

1.3 用户操作过程中存在问题

有很多网络用户的安全意识不强，对用户口令的设置过于简单，或者用户将自己的账号信息随意泄露等，这些因素都严重威胁着网络的安全。

1.4 人为恶意攻击

人为恶意攻击是网络安全面临的最严重的威胁。人为恶意攻击分为主动攻击和被动攻击两种。主动攻击是通过各种方式对信息的完整性与有效性进行破坏。被动攻击值得是暗中截取信息获取机密，不影响网络的正常运行。这两种攻击对网络安全的危害性都非常大，极有可能造成数据的泄露。网络软件大都有一定的缺陷，黑客们通过非法侵入，窃取敏感信息，对信息造成破坏，极有可能造成系统瘫痪，给国家的政治、经济带来不可估量的损失。

1.5 计算机病毒

计算机病毒可以隐藏在数据文件中不被人发现，接触后便开始传播，它具有非常快的传播性与破坏性。它可以通过传送、复制文件；启动运行程序等多种途径进行传播。在日常使用中，通过网络与各种软、硬盘进行传播。感染计算机病毒往轻了说会降低工作效率，随坏文件，往重了说他会损坏文件，甚至破坏系统硬件，造成不可估量的损失。

2 维护计算机信息安全策略

尽管网络信息安全受到多种因素的影响，但如果采取适当的防护措施，则可以有效的防止恶害，维护网络信息的安全。

2.1 加强对用户账户的安全管理

用户账户的涉及面相当广泛，常用的账户有有各类系统账户、电子邮件账户、QQ账号、淘宝账户和网上银行账户。通过非法手段获取用户的密码和账号是黑客最经常的行为。因此我们用户要提高防范意识，加强对账户的管理。第一，为账户设置比较复杂的密码，提升密码的安全系数；第二，尽量避开相同与相似的账号，采用数字、字母和其他符号不规律组合的方式；第三，要注意定期更换密码。

2.2 安装杀毒软件与防火墙

杀毒软件是我们使用最多的网络安全技术，它主要针对的是病毒，对病毒进行查杀。目前市场上的杀毒软件比较先进，既可以防御木马，又可以抵制一些黑客的侵入。但需要注意的是，杀毒软件必须要经常升级，必须是最高、最新的版本，只有这样才能有效的防毒。防火墙是用来加强网络之间访问控制的，可以有效的防止外部用户以非法手段侵入内部网络，对网络的操作环境和各种互联设备起到一定的保护作用。他对两个或者多个网络之间的数据传送可以实施有效的检查，查看两个网络之间是否允许通信，维护这几个网络之间信息传输的安全。

2.3 实施网络监控与入侵检测技术

入侵检测是近些年发展比较规范的一种信息安全防范技术，综合采用了人工智能学、统计技术、规则方法、推理学、密码学、网络通信技术等学科的知识与技术，可以预先检测计算机与网络系统是不是被入侵。入侵检测根据分析技术不同可以分为统计分析法与签名分析法。统计分析法以统计学理论为基础来辨别信息传输是否脱离正常轨道，而签名分析法则是对系统的已知弱点进行攻击。

2.4 数学签名与文件加密技术

数学签名与文件加密技术是用来提高网络信息系统与数据的安全性的，是防止秘密数据被外部窃取、侦听或破坏的有效手段。根据作用不同数学签名与文件加密技术可以分为数据传输、数据存储和数据的完整性鉴别三个方面。数据传输技术加密的对象是传输中的数据流，分为端对端加密和有线路加密两种。端对端加密是通过专用的加密软件加密，只有收件人运用想要的密码钥匙才能解密。

3 结语

网络信息领域是一个发展迅速、更新及时的领域，因此如果采取单一的措施是无法保证网络信息安全的。必须综合运用各种防护知识，充分利用账户的安全管理、杀毒软件与防火墙、网络监控与入侵检测技术以及数学签名与文件加密技术来维护网络信息的安全。同时，网络信息安全的维护需要更多的科技人员，尤其是网络技术人员去做进一步的研究与探索。

参考文献

[1]彭珺，高珺.计算机网络信息安全及防护策略研究[J].计算机与数字工程，2011-01.

篇5

［关键词］计算思维；信息管理与信息系统；教学改革

1引言

信息化时代，计算机的应用非常普及，计算的思维过程即设计程序的思维过程，可以有效解决很多的实际问题。信息管理与信息系统专业是多学科交叉的边缘性学科，涉及管理科学、计算机科学、经济学、行为科学、运筹学、社会学等多学科的内容。2014年7月，第三届计算思维与大学计算机课程教学改革研讨会明确提出将“培养学生的计算思维”能力作为课程改革的三个目标之一。作为应用型本科专业，信息管理与信息系统专业要培养既懂管理理论又懂信息技术的复合型人才，要求学生具备良好的计算思维能力，重点是编程思路、实际应用解决问题的能力。比较中美大学管理信息系统专业课程设置，可以发现目前大多高校的信息管理与信息系统专业课程设置的概论性课程较多，深度不够。信管专业或学科的最终目的是如何更好地把系统科学与信息技术应用到管理实践中，提高管理的规范化、科学化水平，目前在实践中尚存在两大问题：一是信息管理与信息系统专业现有课程体系不尽合理，相关课程具有内容重复与知识或缺问题，即课程中大家总会发现正在学习的课程内容往往都是以前学习过的或是相关类似的，不容易调动学生的积极性；二是与实践结合较弱，学生动手解决实际问题的能力不强，盲目照搬照抄成功模式，不能符合学校实际的培养目标，没有形成专业特色。信息管理与信息系统专业必须在专业人才培养上拥有自己的特色和优势，既要能在自己的学科课程体系中充分发挥，同时，要培养“像计算机科学家一样思考问题”的计算思维能力。改革信息管理与信息系统专业课程体系，明确面向计算思维能力培养的专业目标，提供满足社会需求的高级专门人才，是信管专业教学亟待解决的问题。

2面向计算思维培养的信息管理与信息系统专业的教学目标定位

计算思维概念不仅仅局限于计算机科学领域的计算，也不应该仅仅涵盖计算机科学。它的本质是指在信息社会人们在面对大量的信息处理或计算的时候，应该通过非人工的方法实现，这其中包括，信息的表达和信息的转换两个过程。简单来说，计算思维就是利用计算机等工具实现信息的表达与转换等。同时，不能仅从计算机科学的角度去定义和理解计算思维，而应该从更广义的角度去认识计算思维。广义的理解计算思维，应该是指人们对于现实世界进行信息抽象并利用工具实现信息转换的一种思维方式。今日的计算思维是围绕计算机科学，而明日的计算思维或许会围绕化学、物理等学科，或许会产生新的学科，但核心一定是关于信息的表达和转换。显然，计算思维能力的培养在信息管理与信息系统专业的教学目标中具有十分重要的作用，必须在专业人才培养目标上培养“像计算机科学家一样思考问题”的计算思维能力。因此，在信息管理与信息系统专业建设中应该将计算思维贯穿于素养的培养与知识讲授的教学过程中，但在实际的计算思维教学中存在一些问题：①没有意识到计算思维培养的重要性。计算思维概念的出现对信息管理与信息系统专业的人才培养提供了全新的思路和方向，目的是培养利用计算机分析问题和解决问题的意识与能力。②重技术教育，轻思维训练和人文素养、伦理道德的培养。目前的信息素养教育过多地强调信息技能的学习，忽视了思维训练，学生缺乏应用计算机知识和技能解决实际问题的能力。因此，需要将计算思维能力的培养纳入到信息管理与信息系统专业的教学目标中。该专业是多学科交叉的边缘性学科，涉及管理科学、计算机科学、经济学、行为科学、运筹学等多学科的内容，同时，要强调学生的实践能力、服务能力，特别是求解实际问题的能力。信息管理与信息系统专业主要学习信息的存储、加工、处理，对一个计算机系统来说主要就是数据的操作，具体而言就是对数据的规范化处理，即按一定的格式存储起来，这是初级技术也是信管专业的基本技术；更高级一点的技术则是对数据处理后的查询、分析、挖掘，即信管专业与计算机相关但更着重于对数据的处理而不是整个系统的完整的开发。

3面向计算思维培养的信息管理与信息系统专业的教学体系

为加强信息管理与信息系统专业学生计算思维能力的培养，适应社会对专业人才提出的新要求，确定教学体系是首要解决的问题之一。为此，我们主要从以下两个方面入手：一是强调IT技术，弱化现代管理理论与方法；二是强调求解实际问题的能力，即不但要掌握现代信息系统的规划、分析、设计、实施和运维等方面的技术与方法，还要强调具有现代管理科学思想和较强的信息系统开发利用以及数据分析处理能力。基于上述思路，我们设计了旨在培养学生计算思维能力的信息管理与信息系统专业的教学体系，见图1。上述课程体系主要围绕计算机科学与技术、管理学、管理科学与工程等主干学科，不仅设置了国内高校信管专业常设的管理学、统计学、管理信息系统、数据库原理与应用、数据结构与算法分析、计算机网络基础与应用、Java程序设计、电子商务等课程，还设置了数据仓库与数据挖掘、商务智能与人工智能等相关课程，使学生在理解新兴数据处理模式的同时，其智能化数据分析处理及决策支持能力得到训练。

4面向计算思维培养的信息管理与信息系统专业的教学模式

任务驱动案例教学、课堂研讨等教学方法对培养和提高学生学习的自主性、主动性、创新性和协作性具有重要作用，是典型的基于计算思维的教学方法。在教学过程中，将这些教学方法恰当地运用到实践中，有助于奠定学生在教学活动中的主体地位，创建和谐活跃的教学氛围，提高教学效率以及学生的计算思维能力培养。为此，我们设计了面向计算思维培养的信息管理与信息系统专业教学模式，该模式以任务为中心，由其驱动教学过程进行，学生围绕任务学习，教师围绕任务教学，如图2所示。在这个过程中，要面向计算思维，通过搜集资料、深入探究、协作学习、交流讨论、巩固拓展、迁移新知、重组转换等手段，发掘蕴藏在计算机学科知识中的通用的普适思维，学生结合自己学科的专业知识，使思维随着不同专业知识和背景的贯通而形成解决实际问题的能力，最终学生潜移默化地获得信息意识、信息能力和信息道德的提高。

5结语

基于计算思维的信息管理与信息系统教学改革以培养学生的解决实际问题的能力为目标，在教学全过程中注重于展示和解释计算思维的基本内涵和方法，力争将计算思维的培养渗透到各个知识点和模块的教学中，为学生将来利用计算机和计算思维解决实际问题奠定基础。教学实践表明：学生学习兴趣和主动性得到了较大提高；初步具备了利用计算机分析问题和解决问题的意识和能力，具有了基本的计算思维能力；能够更好地对信息管理与信息系统专业学生的创新能力进行培养。

作者:吴修国 张新 刘位龙 单位:山东财经大学

参考文献

［1］朱丹阳．信息素养教育与专业课程整合研究［J］．图书馆论坛，2012，32（5）：153－156．

［2］柴艳妹．计算思维在大学计算机基础教育改革中的应用研究［J］．工业和信息化教育，2013（6）：70－73．

篇6

疾控的使命和目标

疾控的使命是预防疾病、残疾、伤害，创造健康环境，维护社会稳定，保障国家安全，促进人民的健康。

疾控的主要工作围绕三个大的专业学科领域展开。一是生物医学，具体为传染病（包括性病、艾滋病、肺结核等）和慢性非传染性疾病等。二是环境医学，人生活在地球上，必然与生存环境发生关系。环境因素与健康危害因素息息相关，会对人的健康产生直接影响，包括食品、水、空气、辐射等。三是行为医学，人群疾病与健康的关系，比如吸烟、酗酒、吸毒等不良生活、行为习惯。疾控工作主要围绕这三大专业领域，开展监测、干预、科研、教育培训、公共卫生服务和管理。通过这些活动，不断地进行健康危害因素监测干预，高危人群健康管理与服务以及发生或罹患疾病人群的监测与管理。这些活动涵盖了人的整个生命周期。疾控工作在这些业务活动中存在哪些问题和困难呢？

首先，当前传染病防控形势依然严峻。虽然已经控制了一些古老的传染病，但其中的一些不断出现反复，例如结核病。另外还有一些新发的传染病在不断地暴发，例如人感染高致病性禽流感、中东呼吸综合征、埃博拉病毒等。第二，慢性非传染性疾病已成为全球重大的公共卫生问题，随着人们生活水平的提高，糖尿病、高血压等慢病发病率在不断上升，人群的预防和控制很困难。慢病是不可逆的疾病，将会伴随到人的死亡。第三，健康危害因素未得到有效的监测和控制。突出表现在监测面窄，如食品安全问题、环境雾霾问题并未全面开展人群危害的监测与动态评估，监测信息采集的及时性、完整性、准确性得不到保障，迫切需要信息化手段支撑和促进业务活动的开展。

根据疾控工作的使命，从三个层次来提出目标定位。

政务目标：提升重大传染病信息服务水平和科学决策能力，提升突发公共卫生事件快速反应及应急处置能力，开展慢性非传染性疾病的预防控制，保障公共安全和全民健康。

业务目标：建立和强化传染病、预防接种、营养与慢病、生命登记和健康危险因素监测体系，获取公共卫生服务信息，为公众提供公共卫生信息服务，为决策提供信息支持。

作业目标：通过开展疾控公共卫生业务活动，获得传染病预防控制、免疫规划、精神卫生、慢性非传染性疾病预防控制、突发公共卫生事件处置、健康危害因素监测评价与干预绩效考核的业务指标。并应用这些指标评价一个国家或地区人群健康状况的水平，提出防控和干预措施，提升公众享受公共卫生服务的感受。

这些指标充分体现了公共卫生工作与临床工作的不同，它是面向人群健康状况的公共卫生服务，而不是临床个体健康状况的服务。但是在区域人口健康信息化建设中或医院信息化建设中，往往存在着注重个体信息要素而轻视人群总体信息要素，导致在社区层面公共卫生管理缺失的矛盾。

信息化差距

中国疾控信息化经过多年发展取得了一定进展，特别是2003年以来，国家传染病监测网络直报系统的发展建立，取得了举世瞩目的成绩，但是与医疗机构电子病历服务信息系统连接，为政府提供公共卫生动态信息服务能力仍然不足。公共卫生信息化建设与需求目标还有很大的差距。

具体差距的主要原因，一是公共卫生应用系统建设信息化投入不足，回顾十年来，疾控体系能力建设，国家重点加强了各级疾控机构实验室能力的建设，而忽视了对公共卫生信息化的投入。省以下的公共卫生机构缺乏专项资金建设投入，因此投入不足是首要的问题。二是信息系统建设与疾控体系建设和能力建设发展不平衡。从2003以来，全国疾控机构基础能力建设取得了一定成绩，疾控机构的基础条件显著提升。各级疾控中心中最好的是实验室。但是，信息化建设并没有得到过多的推动，以至于造成目前地方疾控能力实验室“腿长”，信息化“腿短”。

随着深化医改的信息化建设的推进，国家提出了“46312”人口健康信息化发展的总体规划，其中很重要的就是推进三大基础数据库建设，即电子病历、电子健康档案和全员人口数据库。在公共卫生的监测、干预和评价活动过程中应该如何利用三大数据库成为当前需要迫切落地实施的重要内容。解决医防信息结合问题是切入点，促进开放共享电子病历、电子健康档案和全员人口数据库，实现信息系统的互联互通是重要抓手。信息化的发展必然带来业务流程的改变，业务模式的重构依赖于管理的变革，而工作的核心是管理思想的变革。

公共卫生信息化的目的和意义

通过信息化手段，优化公共卫生服务流程，提高服务能力。业务的发展速度比人才队伍发展要快。多年来疾控机构的编制基本上没变，但工作任务却在逐年增加。从财政逐年提高的卫生经费来看，业务量随之增加，但是人员却没有增加，所以只能通过信息化手段来减轻现有人员新增工作的负担。

通过信息化手段，可以规范业务标准。信息系统建设必须标准化，它的基本原理决定了在建系统的过程中必须建立业务规则，比如规范业务流程，获取哪些业务需求指标，采集哪些数据。因此信息化建设能够促进业务标准的制定。另外，通过信息化实施有助于整合公共卫生资源，提高管理能力，提高工作效率。

以传染病报告为例。医生填写纸质报告卡差错率为5%，录入系统过程中差错率为5%，多一个手工操作环节就会多5%的差错率，所以从医生诊断到录入计算机，平均差错率为5%～10%。而信息化手段能够减少手工环节，降低差错率，提升信息质量。

因此，公共卫生监测系统与医院信息系统能够对接，让电子病历或电子健康档案直接实现交换医生工作站疾病诊断信息，则手工环节造成的差错率就不存在了。

疾控信息化目标

疾控信息化的建设目标制订必须与现行的组织管理体系相符合，要符合国情。我国省级疾控中心32个、地市345个、 县级2000个，如此庞大的疾控体系如何建设？纵向如何运行？这对目标的制订是一个挑战。

总体目标需要建立和完善由中央和地方有机组成的全国统一的公共卫生监测信息系统网络，实现人群疾病与健康相关信息快速收集、综合分析和多方利用。疾控机构互连成网，信息互联互通。在分级管理的过程中实现对人群疾病和健康相关信息的快速收集、综合分析和多方利用。

首先，要建立省级、地市级两级疾控应用数据分中心，并依托电商外网或者其他的商用专网甚至是用互联网来构建虚拟的专网，对上与国家的数据中心连接，对下要与区域的卫生平台，甚至是医疗机构来对接，从而实现三级数据平台的互联互通。

第二，应用国家统一标准，建立分布式业务系统，促进地方疾控工作数字化。公共卫生的业务逻辑必须高度统一，不能各自为政，数据统一采集，信息分级利用。公共卫生数据汇总不是简单的统计相加，全国的发病率不是全国各省发病率相加再除以32，每一层面都需要从最基础的原始数据进行统计。因此，公共卫生管理的特点是纵向到底，横向到边。这与医院的点状管理模式不同，医院解决的是一个独立机构内的信息管理问题，面向的对象是个体，而公共卫生面向的是人群，公共卫生服务的区域有多大，信息管理要素就应该有多大。

第三，构建信息资源共享平台，实现三级平台疾控公共卫生应用信息系统建设与应用。构建统一的公共卫生资源共享平台，支撑基本公共卫生服务均等化需求，并将服务范围延伸至边远欠发达地区。我国目前区域经济发展不平衡，大多偏远地方没有资源和能力来构建自己的信息化服务平台，可以通过资源共享平台，把信息管理与利用的差距通过信息化手段来“抹平”，从而促进共同发展，保障公共卫生数据的完整性。

具体建设内容

一是加快数据中心和云平台建设，满足公共卫生数据资源管理服务需求。重点加快中西部县区网络覆盖建设，缩小城乡差距。云平台更多体现的是服务的平台，体现云服务的概念，不用都建物理平台也能共享到资源，从而满足对公共卫生数据利用的需求。重点加快中西部地区，特别是县区一级网络覆盖的建设，缩小城乡差距。目前疾控机构与医疗机构的网络连通基本上通过互联网，应用安全得不到保障。因此，医疗机构的专网覆盖是当前迫切需要解决的问题。

二是加快各省级业务应用数据分中心建设，提升公共卫生服务能力。目前省级业务应用数据分中心发展严重不平衡。有些地区通过地方政府争取到经费，建立了数据中心，但是近3/4的省级疾控中心还很落后，个别省甚至还没有计算机机房或机房很简陋无法承载业务应用。省级业务应用数据分中心是上下联通的重要枢纽，也是国家管理区域的重要数据分中心。医院信息化建设发展很快，国家疾控数据中心不能直接与全国6万多家医院直接对接，必须要实现属地化管理，分级信息利用。因此，加快发展省级、地市级数据中心建设已经成为推进疾控信息化发展的瓶颈。

三是构建统一的公共卫生资源共享平台，支撑基本公共卫生服务均等化需求，将服务范围延伸至边远地区。现在有很多声音批评疾控，认为业务条块结构，烟囱林立，遍地信息孤岛。完全消除信息孤岛并不现实。而事实上，应该是去连接孤岛，架桥修路。由于疾控的阶段工作重点决定了在相当长的一段时间里，疾控的业务线条仍然需要存在，但是我们可以让每个线条的数据整合利用，促进信息资源共享，从而全面支撑基本公共卫生服务均等化需求，将服务范围延伸至边远地区。

四是加快推进公共卫生信息服务，加强传染病、预防接种、重性精神病、地方病、口腔卫生、老年保健、艾滋病、结核病、慢病监测等业务应用系统建设。公共卫生信息过去更多是为政府决策服务，然而，为公众服务才是公共卫生的本质，要让公众感受到公共卫生信息化的好处，从政府投入的公共卫生信息化过程中收益。公共卫生业务内容是公众关注的健康需求，他们需要的并不是业务数据本身，而是需要知道公共卫生数据所代表的健康和疾病的风险级别。因此，建立信息服务的平台以及提供服务的能力是当前推进信息化建设的重要内容。

五是促进区域人口健康信息平台居民电子健康档案及居民健康卡的系统应用，建设完善统一标准的数据交换平台，提升对现有数据的挖掘、利用和分析能力。增强决策的科学性和预见性，为实现全民健康提供更好的信息支撑服务。

公共卫生业务模型分析

公共卫生主要监测系统

信息采集是监测活动重要的过程，通过监测手段可以获得大量的人群公共卫生信息。公共卫生的监测系统，归纳起来主要有以下三大类。

第一类，哨点监测系统。“哨点”就像一个哨兵站岗放哨，其目的是发现“敌人”，岗哨的设置则要求有一定的视野范围，只能够在视野的区域内发现“敌人”，因此监测效果的好坏取决于岗哨的设置。例如，艾滋病哨点监测，在不可能做到从全人群中筛查发现艾滋病患者的情况下，可以选择在高危人群中筛查，即监测范围为高危人群，进而估算总体感染水平。但监测范围的局限性就决定了监测结果不能代表全部人群，而只能代表高危人群中的艾滋病患者感染率或者发病率。因此，不同人群的监测系统设计和产出目标必须要相对应。

第二类，抽样监测系统。抽样监测是通过随机抽样的方法从小的样本推断出总体结果的监测方法，它的投入比覆盖全人群的监测要少。例如，国家DSP死因监测系统，在全国范围内抽取一百七十几个县区，通过各县区监测数据来估算全国的总体死亡率。从统计学的角度来讲，总体率和样本率之间统计学检验没有显著差异（P>0.05），则认为样本率是可以代表总体的。因此，抽样监测可以代表全人群，但其缺点是不能估算分地区的死亡率，而只能得到一个水平的监测结果。

第三类，全人群监测系统。全人群的监测覆盖是最理想的情况，目前在我国，能够实现全人群监测系统的是传染病和突发事件监测报告系统。但是慢性传染病数据的准确性仍然不高，且存在不同程度的漏报，因为慢性传染病患者如果不去医疗机构就诊，可能就不会被发现。开展居民漏报率调查，就是要去发现那些罹患传染病或者慢性传染病，却没有去医疗机构就诊的患者，并通过调查校正医疗机构传染病报告的准确率。我国从2003年开始实行传染病网络直报，由于实现了动态传染病监测报告，虽然慢性传染病患者到医院就诊的滞后情况仍会存在，但漏报越来越少了。

根据公共卫生面向人群的这一特征，监测的特点更多是反应率的变化，而质量控制的监测数据其统计学的可信区间达到所设定的90%～95%，就可认为数据是可用的，或者至少能够代表监测结果。因此，开展医疗机构的漏报调查，是每年要开展的重点监督内容，即医疗机构有没有依法报告。只要医疗机构不漏报，可信区间就不会降低，监测的结果、公布的数据就是可信的，对防控工作的指导就能得到保障。从这个角度来讲，开展一项研究工作，要从各个方面综合考虑，通过监测的手段和科学的数据分析，给决策者提出合理的、科学的建议，做出正确的决策，这就是科学的决策。2004年修订新的传染病防治法和相关工作规范，都是不断地改进工作管理策略的过程，而最终目标仍然是随着经济的发展和对公共卫生的投入增加，实现全人群监测覆盖。

电子健康档案的覆盖率决定了监测人群的覆盖率。三大基础数据库电子健康档案的建设目标就是要覆盖全部人群，保证每个人都有一个电子健康档案，每次医疗就诊的结果都被记录下来，实现动态记录更新。这将全面颠覆传统的公共卫生监测模式，监测信息直接从电子健康档案中抽取获得。因此，促进健康档案的建设和人群覆盖率、公共卫生监测信息要素的完整性就变得非常迫切，这也是公共卫生监测系统建设发展的一个核心内容。

公共卫生监测信息模型

疾控的六大业务活动的信息化建设是通过从信息采集、数据管理、统计分析、信息反馈和决策支持这样的流程来运行的，区别在于不同的活动内容，采集的信息元素、数据管理的指标、统计分析的结果和目标、信息反馈的对象是不同的，决策支持对应的主管或行政部门是不同的，资源共享和为公众服务的信息内容也是不同的。实际上，信息系统建设并不复杂，难点在于怎样提取出要素。

基于生命周期的公共卫生监测

建立居民电子健康档案的核心目的是要动态权威地评价区域人群健康状况，因此就必须包含人的全生命周期，即从出生直到死亡。生命周期大致可以划分为以下阶段：胎儿、新生儿阶段；五岁以下儿童阶段；青少年阶段；成年阶段和老年阶段。在人生命周期的不同阶段，所面临的公共卫生问题是不一样的：孕期和出生的时候存在出生缺陷的问题，儿童阶段主要是免疫征对疾病的问题，青少年阶段面临生长发育和伤害的问题，老年阶段面临慢性病的问题。因此，每个人不同阶段所罹患的疾病或者所面临的公共卫生问题既有共性也有个体差异性。在通过信息管理的手段来支撑业务活动的时候，就需要逐步地把人群疾病的活动实体转化为信息业务指标的过程。

公共卫生监测信息维度

公共卫生监测活动主要从3个维度来描述，即时间、空间和人群，与不同的监测对象相关联即构成了公共卫生监测信息管理的4个维度。

二维报表是传统的信息描述方式，一个报表展现两个维度的信息。通过信息系统的建设，二维报表可以变成三维或四维，利用信息交互界面在展现两个维度的基础上，可以将另外两个维度设置为查询条件，即通过查询条件的改变，使描述结果发生改变。

疾控公共卫生的对象维度主要围绕出生缺陷、感染性疾病、传染病、免疫规划、慢性非传染性疾病、精神疾病、健康危害因素等业务指标体系进行描述。这些对象伴随人的生命周期而变化，但并不是所有人都具有所有对象维度。

空间维度主要指地球物理空间，每个人都有一个物理的投影坐标，即GPS测量时所获得的经纬度坐标值（X和Y），通常在工作中难于动态采集每个人的坐标值，因此，常用不同尺度的行政区域来描述人群疾病的空间分布情况，比如登记个人的现住地址。空间维度与国家的行政管理体系是相关关系，但疾病的流行与行政区划是没有关系的，针对疾病而言没有地域边界，但从行政管理的角度来划分，有边界则更便于落实疾病控制的主体责任。

人群维度，主要是按人口学特征的分类要素进行划分，因此，信息采集时人口学特征的基本元素是不能或缺的，比如性别、出生日期、职业等。但不同的对象维度所关联的人群分类要素是有差异的，比如针对艾滋病、性传播疾病的监测，不安全等高危因素可能是必要的元素，而针对职业病，患者所从事的职业就是重要元素。因此不同的疾病，人群的分类维度要素是有差异的，不能完全用一个标准来衡量。

然而，要通过信息系统实现4个维度的信息管理，还需从信息的分类上进行四维度的转化。时间维度需转化为日、周、月、季、年不同的统计时间节点。空间维度可以直接使用地理信息的基础数据，从经纬度坐标识别定位，或利用省、市、县、乡、村边界地图所对应的数据元值域代码（数据字典）进行描述或展现，使每个病例个案数据都能汇集到具体的某个空间区域。人群维度，重要的是将人口学特征的要素转化成与之相对应的值域代码，比如用“1”标识男性，“2”标识女性。年龄划分将会根据出生日期进行推导。由于监测对象的多样性，其对象维度的划分重点在于合理的信息分类，大类可分为生物、环境和行为。针对疾病而言，通常按疾病谱来分类，每个病种还会有很多分类属性，如按传播途径分类（呼吸道、消化道、自然疫源、血液接触、母婴等），按危险程度分类（急性、慢性），按管理级别分类（甲、乙、丙）等。针对实验室监测，有病原微生物分型分类，媒介宿主。

由于公共卫生的特殊性，对于突发的公共卫生事件，信息管理将是特殊和综合的，信息内容包括首次报告的信息、多次进程报告的信息、事件结束后的结案信息。因此，信息分类管理的特征既是一个独立业务活动，又是一个连续的动态过程。疾病预防控工作需要依赖相应的组织管理体系，作为实施疾控公共卫生业务活动的组织体系，需要动态掌握相关人、财、物等运营情况，并实施有效配置和管理。

综上所述，疾控信息可归纳为两大类，一类是监测信息，以生物、环境和行为为对象开展监测，实施动态管理过程中获取监测指标的信息要素的集合；另一类是管理信息，即通过组织体系，以行政、财务和人员管理为对象，对人、财、物实施监测管理过程所产生的信息要素的集合。

信息管理维度的颗粒度越细，信息系统建设的条件、成本和难度就越大，投入也就越大。因此，信息化建设的需求的分析很重要，但大多数信息系统建设并没有很好地开展需求分析，以至于建成后要么不能解决问题，要么没达到建设目标，最终造成建设浪费和冗余。信息系统的设计需要与现行的客观条件相契合，即与国情相结合，提出合理的建设目标，然而当一个需求满足以后，就会有新的需求产生，信息化建设是一个不断发展完善的过程，没有“交钥匙”工程。在系统建设的过程中要“因地制宜”，不同的阶段解决不同的问题，建设需要有优先级，适当预留发展的空间。针对信息资源的服务，传统的运作方式加上信息技术手段就会创造出新的业务管理服务模式，也就是现代信息服务模式。

公共卫生信息服务的根本是业务，监测、干预、科研、教育培训、营运管理是主要业务活动，政府决策部门、公共卫生专业机构和公众是主要服务对象。针对不同的服务对象所提供的信息是有所区别的，并不都是同一颗粒度：政府决策者需要的是能够辅助决策的信息要素；公共卫生专业机构人员需要从实体到数据，甚至希望获得最原始的数据；公众需要的是健康与防病知识，并且是动态的知识服务，不同的健康与疾病状态的时候，需要获得与之相匹配的知识来指导，必须与知识库结合起来，通过动态监测数据对应到知识库，这样才能有效地对公众提供信息服务。因此，服务内容和服务对象是相对应的，应为不同的对象提供不同的信息服务，通过上网行为人工智能监测，从海量信息中识别出来能够满足个性化服务的信息，这就是典型的大数据应用。

研究信息服务必然要研究数据共享，然而在数据共享过程中，都希望共享别人的数据，但不愿意分享自己的数据。这主要是缺乏数据共享的利益分配机制，因为数据是重要的资源，是资源就有价值，如果价值的利益回报或分配机制缺失，数据就不能实现真正意义上的共享。因此，在数据服务体系建设过程中，需要对系统管理和使用者的责任、义务、利益、权利、时间、空间等方面进行优化组合，建设协同工作规范，制订利益分配机制，对数据消费者有什么权利和义务必须要有明确的规则，否则数据共享、资源共享将是一句空话。这些问题都是研究数据资源服务体系不能回避的。

公共卫生的数据需求与特征

公共卫生的数据需求是通过监测和服务过程所获得的数据，但实际上来自人群社会化活动的公共卫生相关信息并没有很好地得到收集和利用。因为这些信息与传统监测的数据不同，大多是在网络媒体、社交网络等上以文本形式存在的非结构化或半结构化的数据。这些数据如何收集、处理、分析、利用，是有待研究和解决的问题。如何从海量网络信息中去筛选、过滤出敏感的公共卫生信息，从而发现异常或规律，是公共卫生媒体监测的核心需求。

公共卫生数据的特征首先体现在体量巨大，每个个案数据都需要包含时间、空间、人群和疾病4个维度，对象包括传染病、慢病、健康危险因素等。二是数据繁杂，包含生物医学、环境医学、行为医学。信息包括以人群为基础的信息，以实验室为基础的生物和环境信息，以组织机构为基础的管理信息，以人群社会化活动为基础的结构化、半结构化，甚至非结构化的信息。三是所获得的敏感信息少，收集的数据正常的多，异常的少。因此，如何从每天监测的大量信息中发现异常或敏感信息，就成为监测的主要任务。例如，从传染病海量监测数据发现传染病暴发的信息，这就是传染病监测预警的基础。由于敏感信息少，需要连续监测来捕获异常的信息才能及时发现疾病的流行规律，其数据处理分析的难度就在于此。四是数据分析的时效性要求比较高，特别是对传染病和突发公共卫生事件的响应，需要第一时间快速得到研判结果，对数据分析需求实时运算。这对一个信息系统的要求是非常高的，也是公共卫生大数据的主要特点。

公共卫生信息管理组织体系

一个国家公共卫生信息管理的组织体系是由政府的行政管理体制决定的。不同的组织体系，信息系统服务管理模式是不一样的，从国家、省、市、县、乡五级构成了我国疾病预防机构的公共卫生信息管理组织体系。其末梢组织是乡镇卫生院防保科。因此，组织体系决定了信息系统运行的服务管理模式，或者叫运营管理模式。信息系统设计必须依从于组织体系。

公共卫生信息系统分类

公共卫生监测的信息系统，从业务的维度分类，可以分为五类：一是以人群监测的传染病、慢性非传染性疾病信息系统；二是以事件监测管理为基础的突发事件管理信息系统；三是实验室为基础的健康危险因素监测信息系统；四是以疫苗干预活动为基础的免疫规划信息系统；五是以组织机构管理为基础的管理信息系统。但信息来源几乎都是来自基层的医疗机构、疾控机构和其它的卫生机构。

我国当前疾控公共卫生信息系统建设发展不平衡，有些系统已经建成，有些正在建设，还有许多系统未建。这就是信息系统建设差距，系统建设不完整，防控决策就会缺乏信息支持。例如，当前国家没有建立慢病监测系统，因此针对高血压、糖尿病、脑卒中、心梗等慢病的患病率和死亡率，仅依靠一些横断面调查的数据进行估算，调查往往存在抽样和系统双重误差，其数据准确性也难于验证。数据的不准确，不仅会误导老百姓，甚至使管理者作出错误决策。

疾病监测的生命周期

任何疾病的流行都是有周期的，不同疾病的生命周期长短和峰值不同，急性传染病周期短，慢病周期长。因此，掌握疾病周期就能找到疾病的流行规律，才能更好地做到早期发现、早期预防和早期控制。从信息的角度，实现疾病预测是追求的最高境界，退而求其次是预警。

一个全国性的疾病监测体系在组织体系框架下，每一级疾控机构在监测的过程中，对疾病生命周期的捕获，都具有共性的需求。疾控的公共卫生信息系统和信息网络，应该是一个整体，无论建立多少个数据中心、平台分多少级，最终业务逻辑、信息标准必须是高度统一、一体化的，否则就会出现问题。因此，公共卫生云平台的发展是疾控信息化的必然方向，这与医疗机构临床信息化发展截然不同。

信息化是一个逐步发展的过程，公共卫生云平台的建设首先需要推进疾控组织机构的数字化建设。数字化是实施信息化的基础，在业务活动基于手工操作的时候，就谈不上信息化。要实现疾控六大业务活动信息化，必须在四个环节实现数字化：一是核心业务数字化，即传染病、慢病、健康危险因素、免疫规划、疾控综合等。二是支持性业务数字化，即科研、教育、实验室、信息管理。三是内部营运管理数字化，即才、财、物、后勤保障。四是决策管理数字化，即决策的数据支持，甚至是计算机智能辅助决策。因此，要实现信息化，首先就要实现疾控机构的数字化。

国家疾控信息系统的体系架构

总体架构

国家疾控信息系统体系架构的总体架构的核心是建立一体化信息采集云平台，并在其基础上，各级疾控机构建立分布式集成化的信息统计分析和应用平台，用于支撑疾控各项业务应用。网络是应用信息系统实现的基础，以电子政务外网为基础，同时依托互联网建立虚拟专用网络（VPN），或者租用商用专网进行混合组网，将各级各类医疗机构或区域平台互联互通，这样才能有效利用电子健康档案和电子病历信息，实现公共卫生的动态监测。

平台建设

平台是实现业务信息管理的重要手段，要实现业务体系和管理体系全面推动信息化建设和发展的目标，必须同时建立统一的信息资源管理平台和统一安全认证的信息服务门户，才能满足授权用户（信息资源管理部门，公共卫生机构）信息管理、利用和服务和非授权用户（公众的服务）的需求。

应用架构

国家疾控公共卫生信息系统的应用架构分为三层，底层是医院信息系统和基本公共卫生服务信息系统，该层利用先进的工作过程构建业务信息系统，也称生产系统。中间层是区域卫生平台，该层是支持业务协同管理的实时监控软件平台，目的是满足辖区内各级各类医疗机构之间的业务协同和基于人群电子健康档案管理和信息共享。上层是综合集成的软件平台，信息从中间层通过业务过程的协同和优化，抽取基本的数据集，满足国家级和省（市）级根据不同的业务管理过程进行动态监测、业务管理和信息服务。三层应用架构是一个横向协同，纵向联动的信息架构，即支撑医院诊断治疗、社区管理服务、疾控监测干预三位一体的协同工作模式。

数据架构

要实现纵向的关联和横向的数据交换，疾控业务逻辑的高度统一，就需要建立统一的公共卫生数据采集交换平台，连接不同的平台，支撑不同的业务信息系统的信息采集，这样才能从根本上消除独立条块业务系统、线条对接医院上报数据的诟病。

区域公共卫生信息化

区域的公共卫生信息化，目标是构建智慧型的公共卫生系统（以下简称“智慧公卫”），只有智慧公卫才能促进全民健康保障的可及性，因此智慧公卫是区域人口健康信息化发展的方向，也是公共卫生信息化在区域人口健康信息在建设中的定位，如果方向偏离，将无法实现最终目标。

智慧公卫是通过打造以动态电子健康档案为基础的区域人口健康信息平台，利用先进的物联网技术，人工智能技术，实现公共卫生服务对象与卫生人员、公共卫生服务机构、数字化设备之间的互动，逐步达到信息化和促进人群健康监测与管理的智能化。通过智能化的过程，将信息动态地与健康档案相关联，为上层的信息系统提供了准确的信息要素，为下层提供实时信息交互与共享。

智慧公卫的核心要素

智慧公卫的核心要素主要由区域人口健康信息系统和以社区为中心的家庭健康保健系统构成。

区域人口健康信息系统功能包括以下几个方面：一是区域电子健康档案管理信息系统。主要开展疾病危险度的评价，制定以个人为基础的危险因素干预计划，减少医疗费用支出，以及预防和控制疾病的发生和发展的电子健康档案。二是公共卫生信息系统，包含与人群健康相关的社区基本公共卫生服务系统。主要以EHR为基础，通过建立电子疾病档案（EDR），以协同工作流程为主线，开展支持疾病及相关危险因素监测预警、干预评价、预测预报。三是社区医疗服务系统是家庭保健系统。主要开展疾病基本治疗、慢病社区护理以及大病向上转诊和接收恢复转诊双向转诊服务。四是科研项目管理系统。主要开展病理研究、药品与设备开发、临床试验等信息进行综合管理。

家庭健康保健系统，也称为健康保健信息系统，其功能是更好地对人群以家庭为单位提供全方位的健康和疾病的管理服务。家庭健康保健系统是最贴近市民的健康保障，包括针对行动不便，无法送往医院进行救治病患的视讯医疗，对慢病以及老幼病患远程监测、看护，对智障、残疾、传染病等特殊人群的健康监测，还包括自动提示用药时间、服用禁忌、剩余药量等的智能服药系统（如结核病、AIDS治疗）、儿童计划免疫接种服务等基本公共卫生服务。

智慧公卫的特征

区域智慧公卫的特征主要体现在互联性、协作性、预防性、普及性、创新性和可靠性六个方面。作为智慧公共卫生管理，要能感知到疾病或者事件的发生，早期就能获取信息，能够被区域的医院和社区卫生服务中心普遍接受。并能够从区域医疗卫生计生机构的业务活动过程中提供实时动态的信息服务。例如动态电子健康档案管理需要记录一生、管理一生、服务一生，即区域内的每一个人在任何医院或社区卫生服务中心就诊或者被随访，其相关健康或疾病信息就能够实时更新到档案中。因此，它是一个实时的在线数据服务系统。为实现动态管理，还需要构建基于健康档案的病人主索引（MPI），并通过主索引对人群流动监测，实现“谁建档谁管理，谁服务谁更新”的电子健康档案管理与服务基本原则。

区域公共卫生信息化的实施策略

在国家人口健康信息化发展总体规划框架下，如何构架区域公共卫生应用。首先要有集成化的技术思路，其次还要同时考虑安全体系建设。在实施策略上，首先要立足规划、统一标准。按照国家人口健康信息化发展总体规划的要求，采用统一的信息标准开发公共卫生监测与应用系统，确保系统纵横互联互通。二是要以业务为根本，需求为导向，从满足公众的公共卫生信息服务需求出发，建设数据中心和业务应用系统，以提供适宜、可及的信息服务为根本目标。任何信息系统的建设不能脱离业务来谈信息化。三是要强化协同，联合推进。基于区域人口健康信息平台和居民电子健康档案，实现公共卫生各业务领域间、公共卫生与其它行业间的业务协同和信息共享服务，实现跨行业、跨领域的联合推进。特别是区域信息化的建设，不同异构系统之间要连接到一个平台，不仅仅是技术问题，更重要的是构建新的管理机制的问题。因此在实施以数据交换为基础的区域信息平台集成过程中要全面遵循以下原则。即网络建设是基础，平台集成是手段，标准落实是核心，业务管理是重点。高效、高质量和可负担的智慧公卫不但可以有效提高公共卫生服务质量，更可以有效阻止疾病发病率的上升。

智慧公卫使公共卫生医师能够搜索、分析和引用大量科学证据来支持他们的病因研究和流行病学诊断，同时还可以使医疗卫生、科学研究人员、疫苗供应商、保险公司等整个医疗生态圈的每一个群体受益。在不同医疗卫生机构间，建起疾病与健康信息整合平台，将区域医疗卫生机构之间的业务流程进行协同整合，医疗卫生信息和资源可以共享和交换，从而大幅提升了医疗卫生资源的合理化分配，使公共卫生服务真正做到以人为本，促进全民健康。

特别是公共卫生大数据的应用，将进一步提升百姓公共卫生服务均等化感受。但实施过程要充分引入社会化服务的概念，体现政府主导、社会参与、共同建设。政府主导，开放相关数据资源，引入社会力量搭建信息服务平台，实现政府业务部门与企业应用服务相结合，面向公众提供公共卫生信息资源及信息技术服务。发挥社会资源提供公共卫生服务技术支持的作用，最终建立新型的疾控公共卫生服务模式，满足各级疾控机构人员对疾病监测信息管理与服务的需求。

实施技术路径

实施的技术路径是分步实施，逐步覆盖。公共卫生监测的理想模式是全人群覆盖，只有做到全面覆盖，才能做到对全人群的健康和疾病的管理，才能动态地去做人群健康的测量和评价，这是最终的目标。但在实际实施过程中则应从抽样监测开始，逐步推进。这样能够保障信息化的分阶段投入能够快速见成效。

业务数字化是关键要素

篇7

当雀巢咖啡做咖啡机的时候，正是市场风起云涌，需求到来的前夜。前瞻性的需求预测表明，咖啡机将是一个巨大的产业，如果雀巢不进去，估计会被其他的企业所领先；如果雀巢决定进入，那么最大的挑战就是，此业务完全和雀巢的业务不相符合。其最终的一个决策就是，在一个规模庞大的成功组织中建立全新的业务。

一个传统、庞大的企业中间，到底有没有可能孵化出互联网化基因的项目或者业务；需要怎样的温度、阳光、空气或者养分？如果新的项目与现有业务冲突，如何保证不被灭掉？如果大部分项目不会成功，你是否还有耐心说容错机制？你是开展一个项目还是一堆的项目，如何进行组合，是撒出一把银针，还是把所有鸡蛋放在一个篮子里面？

在移动互联网时代，当资金资源通过众筹方式能够实现，天使用户能够通过社交资源实现，销售渠道通过电商能够实现，员工资源通过众包能够实现，原型产品可以通过3D打印实现……

那么个体的能力和组织的能力就发生了天翻地覆的变化——过去，如果一个个体，不在一个组织里面，是很难获得资源；但是，现在从移动互联网能获取到大部分资源并且足以让个体脱离组织的时候，那么这些具有能力的员工，就不会安心于在一个狭窄的格子里面呆着。渴望着自由，希望尝试，期望自己的价值能够得到体现，不太愿意在一个组织的结构里面被限制住，那么你究竟用什么去留住他、去激励他？海尔的人单合一、创客体系，华为的内部创业都是一种选择。

硅谷创投教父、PayPal创始人彼得·蒂尔、布莱克·马斯特斯指出：在大组织中发展新事物很难，而单打独斗更是难上加难。如果舍弃团体，一个孤独的天才可能会创造出伟大的艺术作品，但是不能创造整个产业。

“互联网+”需要重建车库，不仅仅是要恢复传统企业初创的创业精神，弹性、灵活性，具备创新活力和新思想，而且最重要的是创造一种在传统企业内部产生创业精神的体制和极致。

内部创业，就是把你的传统企业演化为一个互联网化转型和“互联网+”的实验室，为你的未来种下若干新的种子——梦想只要有一个能存活长大就行，梦想还是要有的，万一实现了呢？

这不仅是为拿到移动互联网时代的入场券、也不仅仅是找到绝地反攻的武器，而且是重新用创业精神激活大企业的惰性。

正如腾讯高管所说：腾讯QQ团队应该感谢微信，在微信出现之前，他们没有太多的危机感。而现在，一切都变了。在移动互联网到来之前，我们也没有太多的危机感，自从焦虑症产生之后，相信内部创业应该能够改变一切。

当互联网将市场的力量、消费者的参与，无法阻碍地引入到企业内部时，企业内部已经能够天然地产生“自组织”，创业力量已经能代替一个企业的力量存在。你所做的就是在互联网化的进程中，充分利用市场的力量来为“互联网+”分配资源，让企业的资源配置能够流入到一个个小型的“车库”之中。

貌似就在昨天，乔布斯和比尔盖茨从车库中起步，打造出两家世界级的公司，而今天，云计算、3D打印等资源已经随处可得，创客文化盛行，创业的壁垒已经大幅度下降。你是否应该重拾这种车库文化，让“车库”遍布你的企业，将传统企业的资源转化为一个容纳车库的平台，为创意、人才提供一个资源的内部市场，让资源与创造力充分对接。

这时候，重建车库，对互联网化转型就至关重要了。

突破原有壁垒，隔离原有掣肘

优于别人，并不高贵，真正的高贵是优于自己的过去——海明威

当Nespresso的市场机会如期而至的时候，众所周知，雀巢公司已经是全世界最为优秀的共识之一，用行话所说：雀巢公司年复一年的像瑞士钟表一样精准”地运行着——就如同像我们现在被互联网撬动前的传统企业一样。

其掣肘在于：传统企业拥有优秀的执行力，严格的管理体系，严谨的文化风格，但与互联网化所需要的创新是格格不入的，相比而言更适合保护和现有的业务；而互联网化转型，却需要创新的构架，与现有的商业模式并不是完全匹配，与现有的文化或许发生冲突，与现有的渠道或会发生打架摩擦。如果在原有的体系内，开展互联网化的转型，那么成熟的管理体系、市场体系、文化体系，将成为互联网转型最大的挑战。

正如在鸡窝里面孵化不出老鹰，也不要奢望梧桐树上开出玫瑰花。如果说雀巢增加一款纯净水、奶粉，是非常容易、轻松的融入到传统的体系，但是作为一个全新的Nespresso的创新系统，最英明的决定就是，将一新的业务与原有部门隔绝开来。

独立的内部创业部门或者子公司，可以帮助人们认识到可以用不同的思维方式来进行转型，注重创新的能力而非执行的能力，允许犯错而非不敢于进行探索，可以亏损而不受传统财务指标的限制，这就是所谓的内部创业。虽然存在各种方式，而万变不离其宗。

比如鼓励员工提新的出创新提案与持续改进。如携程采设立了“创新推进委员会”对员工提出的创新建议与项目进行评估，并奖励“金点子”项目；

成立新的项目小组或事业部。微信在腾讯公司内部竞争产生，从邮件中心起步，继而分离，并且不断地上升到事业部的层次。

成立新的公司从事互联网化和“移动互联网+”的工作。恒生电子控股成立恒生网络、恒生云融等创新业务子公司，与传统的业务隔离而且允许核心员工入股。

建立若干的创业平台。海尔公司建立了内部创业的若干平台，并由此产生了创客平台。

众所周知，小公司或者小企业是具有相对灵活性，敏感度，并且善于快速反应，把握住机会，其创新能力已经催化了一批批的互联网企业迅速地成为大公司。而大公司具有严谨的管理，利于规模化运作并降低成本，也是全球化运作、规模化竞争之下的必然趋势。大企业有大企业的优势，小企业有小企业的特点。

但是面临移动互联网时代，高度的不确定性，如要推进互联网化的转型，既要克服大企业保持动态的灵活性，又要快速响应需求，最好的办法就是通过内部创业。正如著名管理学家德鲁克所说：大公司通过内部创业活动，能够克服大企业病的不良症状，取得和小企业一样卓越的市场绩效。

围绕“互联网+”开展的内部创业是传统公司进行移动互联网时代转型的法宝方法——并非像初创企业单打独斗，靠一两个人去打天下，而是依靠成建制组织；以新的市场变化为驱动，随时抓住机会。而传统管理型的企业往往会大量基于企业现有资源开展创新，较少利用内外网络来获取信息和资源，倾向于以稳健步伐缓慢发展，创意多是围绕已有资源展开，因此也偏爱效率。

传统企业的互联网化转型，也类似于著名创业学研究者阿玛尔毕海德在大量研究的基础上发现的：大企业的内部创业有内外部资源的基础。内部创业已经成为互联网化转型的重要工程和方法，成为互联网化过程中克服内部僵化、主动迎接环境变动和新机会的一剂良药。

人们总是对传统企业持有颜色的眼光，因为其庞大、谨慎、古板、官僚，擅长在原有的产业范围内改良业绩、优化方法，擅长在持续性创新上有所作为。。虽具有较好的成长空间，但很难主导各种边缘互联网化创新。

但是，然而传统行业推进“移动互联网+”，更具有互联网化的创新优势

人们总是向马化腾、马云以及以王兴等为代表的互联网新兴创业人士致以敬佩和仰视的眼光，认为产业未来的希望都寄托在他们身上。他们富有激情、反应迅速、思维敏捷，在风向投资市场呼风唤雨。

但是随着互联网逼近传统产业的边界，传统企业的成长空间被互联网企业侵蚀，整个产业的利润率被互联网企业慢慢地切去，整个产业空间减少，被逼无奈，传统企业反扑互联网企业的趋势发生了逆转。

一是互联网产业进入的困难程度在下降，知识壁垒在解除，进入成本在降低，传统产业能够快速、成功地进入互联网产业。以传统洗衣行业进入互联网行业的e袋洗为例，成功地遏制了互联网企业对传统产业的侵蚀。

二是传统产业在互联网大潮的袭击之下，并非坐而待毙、束手就擒、哀嚎遍野，而是在互联网企业的进攻之下，也开始了开发性地创新，变革组织结构，大幅度提高灵活性，更重要的是，将企业的创新活动与传统企业既有的能力和资源进行有效地结合，甚至不需要风险投资的支持。这正是互联网基因企业所不能比拟的。

特别是传统企业已经跳过了单纯的为了提升产品和服务的阶段，而是在商业模式、新兴业态上进行探索，这恰恰是大企业独一无二的优势。

三是传统企业调配和集聚了一批资源组织对互联网化转型的探索，与传统的绩效考核进行隔离，减少了短期的压力，并且聚焦在互联网化项目的成长性。而这种压力，曾经是限制了传统企业的互联网化创新活动，而现在越来越多的互联网企业面临着这种短期的压力。

这都预示着：传统企业这头巨狮猛醒，放弃固步自封，转而寻求基于自我能力和资源的互联网化释放。

有移动互联网基因的企业，总的看来，模式繁多、类型复杂、相互可替代性强，企业寿命短。这些创业企业，会在相当长的时间内以有限资金聚焦在各自特定的市场，保护传统企业的独特优势位置。比如猫眼就针对于电影市场，美团针对于团购市场，大众点评网聚焦餐饮市场，滴滴和快的聚焦于出租车市场……这些互联网基因企业正在分割、盘剥传统产业的利润水平。

而传统的大型企业，却在产业制造领域，拥有天生的范围经济性和规模经济性，具有天然的知识壁垒、经验比例饿，无形中成为移动互联网基因的壁垒。而小米要进入空调领域，就需要找一家合作者进行相加，也暂时没有能力去对抗一家具有经久历史的传统大型企业。

你根本不知道未来会有什么新业态会出现，也不知道有什么新模式会出现，也不知道企业中那一块领域会被互联网企业所攻破，你所要做的就是去创新、去尝试。

当传统企业的适应能力大幅度提高的时候，便能表现得比硅谷还要硅谷——只要传统企业在克服创新者的窘境，提高自身灵活性，把自身分解成众多化整为零的小硅谷模式、创客团队、平台经济的时候，便能具备互联网基因企业或移动互联网创业公司的进攻力。

更不能比拟的是，一旦探索出一条具有增长潜力的道路，传统大企业的能力和优势便充分发挥，能够调动公司所有的资源，去化零为整地支持互联网化项目的发展。

创业就是创新的极致形式，它有着特殊的规律和性质。而上文所说的精益创新的核心思想，就是将所有有可能被攻破，或者反攻的地方，做出科学假设，快速判断实践效果以便展开相应的行动。

而企业的内部创新，实质是在内部组建一系列的项目组织或小公司，让它们暴露在各种风险中，去验证道路是否正确，发展是否通畅——谷歌的GoogleX实验室，开展了各种疯狂的创意，喷气式飞行背包、太空电梯、热气球WiFi，匪夷所思。大部分失败，但是其中一项却验证成功，那就是占据了现有手机70%以上装机量的安卓系统。

但是，说说容易——纸上得来终觉浅，绝知此事要躬行。

逃脱思维惯性、错开基因差异

按照产业成长的规律而言，沃尔玛有大量的SKU，有大量的门店，有超级的信息化系统的支持，是应该最有可能应该成为亚马逊的，却偏偏亚马逊把沃尔玛挤压得喘不过气来。

中国四大旅行社，四大航空公司所占的旅客人数、旅游产品数量，和酒店的深厚关系，还有数量庞大的机组，本应该成为中国最大的在线旅游网站，但是事实并非如此，却被“携程”、“去哪儿”网站剥了一层皮。

之所以在互联网时代，在传统产业的基础上，并未产生任何杰出的互联网公司，归根到底是两者的基因差异，即使在移动互联网时代，这个基因差异在减少，但是依然存在。

在传统企业的内部，对于类似于互联网化转型的创新，会存在强大阻碍变化的力量，以保持传统企业的管理稳定性、市场稳定性和效益稳定性；会用看待传统业务的眼光，要求在短期内能够见到效益的产生，财务报表中不允许出现长期亏损或者长期补贴的项目；即使互联网化的创新项目能够有那么一点点盈利，相对于庞大的传统业务利润而言，塞点牙缝都不够。

在企业文化和价值观没有容错机制的条件下，在高度不确定性的投资和投入面前停滞不前的条件下，在缺乏足够的压力传导机制和创业精神的条件下，谁都愿意安逸的在传统企业的业务中舒舒服服的过日子，从奢入俭难，谁都不愿意冒着风险去折腾，苦苦挣扎、贴身肉搏，到最后，好的结果是九死一生，或许会是铩羽而归。

在业务结构中，互联网化业务需要时间成长、需要长期反哺，从表明来看类似的“廋狗业务”，企业往往偏好现金流的“金牛业务”，对“廋狗”业务却不闻不问，与传统业务的协作上，“白天鹅和丑小鸭”也一定会发生资源争夺和业务冲突。

洗衣行业是一个粗放型、低效能的行业，质量未完全标准化，水平参差不齐，市场空间大、毛利水平高、力量分布分散，是迟早要被互联网企业所干掉的一个行业。产业进化是不断需要提高效率，而互联网就是这么一个工具。移动互联网以及微信的到来，洗衣行业被颠覆已经具备了可能性，就看谁先出手，谁更具备优势。

洗衣行业虽然很容易被整合，但是因为具备O2O的特殊属性，被某一个互联网企业干掉也不是一个轻而易举的事情。以微洗衣为代表的线上洗衣创业型公司，其模式在于：线上取得订单，线下定点收取，干线物流送到工厂集中洗涤后分发到代收点分发至用户——互联网企业产生了对传统洗衣行业的颠覆潜能——如果传统企业束手待毙的话，这个行业也会被全面干掉——荣昌洗衣却是传统企业互联网化转型绝地反攻的典型代表和英雄。

荣昌虽然走在洗衣业O2O改造的前线，推出过“云洗衣”的模式，改变原有顾客必须亲自到洗衣店的传统模式：顾客可以通过网上及呼叫中心预约、下单，享受专人免费上门取件，洗后送回衣物，足不出户。但是这仅仅是用信息化的工具去改造自己本身的公司业务流程，无非是在传统业务上添加信息化的翅膀，并没有更改一个企业的基本属性，也难以去抵抗整个市场被互联网企业所侵蚀。

最好的防守就是进攻。基于传统企业的资源互联网化就是最好的转型和防守。北京荣昌科技服务有限责任公司董事长正式宣布向公众开放旗下O2O洗衣服务新产品--每袋99元的e袋洗服务。这一天，e袋洗专用洗衣袋通过微信端领取超过2000只。传统企业的优质资源是线上的互联网企业望洋兴叹的，也是绝对反攻的重要武器。最关键是如何互联网化，采取怎么方式实施“互联网+”，推动互联网化。

在荣昌洗衣的概念，第一次在核心团队抛出用e袋洗产品进行O2O转型的想法。然而，无论如何向核心团队游说，依然遭受到传统业务反对之声——国外的磅洗是自助洗衣，而且只烘干，不熨烫，荣昌这么做必然亏本。而加盟商和联网卡的部门负责人还认为，自己负责的业务会受到极大冲击，也直接影响到原有的商业模式，原来某个区域可以卖5套设备，现在只能卖1套。

于是问题来了：互联网化转型绝非是传统企业的延续，虽然有大量依存在传统企业之上千丝万缕的关系、资源的承接以及客户的共享，但是转型却是一个全新的事业领域。思维惯性、组织惯性、结构惯性和路径依赖，基本上如同《三体》中智子一样，锁死了互联网化的转型道路。

腾讯公司的QQ产品是一款比较典型的互联网时代产品，在电脑面前可以和朋友们聊天、视频、留言、发文件，也是年轻人的最爱；从表面上来看，QQ直接移植到互联网上应该是顺理成章的事情。但是腾讯的决策，让很多传统企业互联网化转型的值得借鉴——很多人以为移动互联网是用来补充有线互联网的，但越来越多的证据证明，移动互联网是颠覆现有业务的。

如果发展手机QQ，其内部信息机制和移动互联网并不兼容；如果做一款新的产品，就会直接打击到手机QQ；如果放弃新产品，一定会被米聊等产品赶超，如此如果艰难的抉择之后，唯有选择自我颠覆，采取内部创业的机制。

重构转型体系，建立转型组织

当传统企业的老大们启动“互联网+”时候，普遍的反应是如同遇到一个刺猬，不知道怎么下手。

要么束手就擒，举手投降。把企业的防守线一退再退，成为互联网产业的附庸或者服务商；放弃阵地，弃掉地盘，丢弃品牌，退守到制造业的本分，过着小本经营的日子。代加工、OEM，小日子一样过得有滋有味。

要么头脑发热，病急乱投医。经不住大师们的忽悠、也没有任何定力，匆匆忙忙不加论证，下血本上一个和BAT虎口夺食的网站、App，最后基本死翘翘，血本无归；或者被所谓的互联网营销蒙蔽了双眼，认为网络营销就是救世主，社交传播就是大神医，新奇特就是大师级人物，热衷于各种研修班，只认贵的，不认谁开，统统都去，最后走火入魔，不知所踪。

要么疯狂并购，疯狂出击。慌乱之中买入一大堆的创业企业，不停地捞救命稻草，鱼目混珠，最后水土不服，为核心业务不仅不提供支持，而且造成了并购失败率非常高。

各种表象杂像行为从生，不一而足，其根源在于，并没有了解到互联网化转型是一个系统的工程，并非靠一招两式三脚猫的功夫即可破解——如果这么简单，那互联网产业也早就在传统产业一轮轮歇斯底里的反击中攻破，也不存在那么多互联网的上市公司。只有重构整个转型体系，从系统结构的改变，才能产生内在的创造力，才能突破思维惯性，才能停止路径依赖，才能建立真正的改变。

亚马逊公司建立了一个秘密的实验室，专门来从事创新性互联网产品的研发，成熟一个、移交一个、商业化一个，包括著名的Kindle和用户UGC评论系统；谷歌公司有一个Top100的新项目列表，鼓励员工，并且让员工腾出20%的自由时间，可以任意参加列表中的任何项目；3M公司让员工可以不经过任何申请，干自己感兴趣的事情，如果创新项目遇到阻力，公司高层还可以提供帮助。

组织结构上的调整，既要保证原有业务的稳定性，又要保证互联网化转型的灵活性，最好的办法是，为转型工作设立单独的业务单位。

传统业务和互联网化业务相互不干扰，传统业务继续在原有结构之下进行延续的业务，保证效率和产出；“互联网+”业务在新独立业务单位之外，借助传统业务的资源，开展不确定性的探索和创新工作。成熟一个、移交一个，转化到传统业务，固化到传统业务，并同时进行文化、流程和系统的逐步配套匹配，两者互为补充和融合，共同提高组织的效率和灵活性，从而共同开拓这个企业系统的互联网化转型。

光有互联网思维不够，但是如果仅仅当互联网为工具，而没有上升到互联网是一场革命的高度。荣昌互联网化领导者所说：所以必须解决基因问题，岸上的人不能操作海上的事。

尽管荣昌洗衣一开始就坚定地找全新团队运作O2O业务线上部分，在内部抽调年轻、容易接受新兴事物的成员开始做前期工作，吸纳了对公司业务非常熟悉的人才以及具有电子商务的人才。尽管e袋洗的研发成功，前期工作进展顺利，隔行如隔山，但传统企业在使用线上推广上缺乏经验，最后的结构是：传统企业的人才和互联网的人才混合编队，成立专门的明星团队，才改变了e袋洗的命运。

在传统企业面对互联网企业的态度上，应该采取积极进攻和主动防守的策略，正如詹姆斯·C·柯林斯所影响一代中国企业家的管理理念中所说：保存核心，刺激进步。

传统企业用80%的资源来维持和防守互联网企业的进攻，在原有业务和领域上注入持续性创新力，融合移动互联网，将移动互联网作为工具，并构筑好壁垒，做好防守。

但是更应该拿出20%的资源，进行“移动互联网+”的进攻，以开放的心态，注入到颠覆性创新，投入到向移动互联网产业的进攻，以传统企业具有的核心优势，合纵连横，进攻互联网领域。

其实，互联网企业也担心移动互联网的进攻，特别是在O2O的领域——e袋洗抵御了微洗衣的进攻，国外四大酒店集团抱团成立的订房网站也向谷歌发动了反击。

如果一个企业总是固守在自己的传统业务，忽视投资面向移动互联网时代的转型业务，那么等你需要的时候，已经为时已晚——所有的业务并非今天培育，明天就可以成功，任何互联网化转型的业务，都需要几年甚至很长的时间去孵化、去培育。

并且这种投资与探索并非是浅尝则止、单一的业务，应该是呈现矩阵方式投资。

主动进攻，积极试错，防守与进攻的组合，更要体现在对对手进攻方式的组合，提高探索、创新、试错的速度和覆盖面。

互联网的新创企业并不可怕，其因为资源有限，只能采取一个个的试错方式来找找到正确的方向；互联网的大牌企业，因为移动互联网和互联网的游戏规则都不一样，都在一个起跑线上；传统企业比互联网企业更是多了强大的线下资源。大胆地进行内部创业组合，即使近一半颗粒无收，三分之一半死不活，只要有一两个能够成功，回注到传统产业之中，就能只挣不赔。

激发潜伏人才，搜寻转型方向

“高手往往在民间”，IBM公司有一个著名“创新詹姆斯”头脑风暴计划，邀请来自104个国家1万5千名员工花费72个小时进行讨论，对其中10个想法投资了1亿美元进行开发，包括保健行业支付系统、智能公用设施网络，并且直接转化到商业行为。

在移动互联网时代，领衔互联网化转型的老大们应该清醒的认识到，在充满压力、熟悉万变的世界中，超过竞争者的唯一方式是要在思维上超过他们，还要认识到，最成功的互联网化转型的领导者是从集体和他人中获得建议，要从最能够听到炮火的一线人员中获得真知，要使消费者、客户、用户获得参与，而不要计较对方任何背景、高低和头衔。

在IBM公司的“谦逊+雄心”计划之下，通过非常传统的方案征集的方式，来改变固有的企业文化，挑战自上而下的体系，并且从全球的工程师、管理层各种员工汲取想法和创意。

更有意思的是美国瑞特公司，从事于软件开发和军队项目承包。从传统意义上来说，一般是公司支付一天的工资，员工就干一天的活，或者撞一天的钟；但是在瑞特公司第一天上班的时候，就能够得到价值一万美元的创意基金，并且可以参加到公司内部的创意市场。在创意市场中，任何员工都可以提出各种方案，包括新技术、包括新业务，包括业务改进等，这些方案会经过讨论之后，编制为一个股票，还配备了股票代码。每只股票的其实价格为10美元，如果这个方案股票得到了实际的收益，各个员工投资者是可以从中分红。

当然每一个员工可以为自己的股票提出任何建议，只要有助于股票的发展。毫无疑问，通过这个共同基金的设立，让对各种创新项目有兴趣、有意向的员工可以进行讨论、改进和优化。

此案例给互联网化转型的领导老大们提出了一个启示——在企业内部，如果能够吸引各个方面的人才和一线的炮火人员，形成非正式的组织来进行内部创新的话，是可以发挥跨界以及聚集高手的效应——而在传统企业内部常规的流程，我们经常会普遍地控制创新思维的产生，有意和无意的扼杀。

在移动互联网时代，一线员工的触觉更加敏锐，更加接触客户，更加敏感的感受到消费者的信息，更加能够发现问题，更加能够察觉机会，而且更加接地气，以创新方案的方式来激活所有员工的创新和转型构想，有助于企业构建一个强大的转型智慧库和创新生态系统。

整合社会外脑，共享外部资源

奈飞公司(Netfix)是一个非常典型的互联网电影租赁公司，从邮寄DVD光盘起家，从2002年上市，到目前市值已经超过100亿美元。奈飞公司能够提供多达10万部DVD电影，并拥有1千万的订户。

奈飞公司的影片越多，顾客群体就会越来越多样化，想要进一步匹配每一个消费者口味就会越来越难。如果那些忠实的顾客，没有得到符合他们胃口的推荐时，那么整个公司的基础就会岌岌可危——技术的缺陷将会导致商业模式的缺陷，毕竟奈飞公司的成功是依靠那些忠实热情的用户。

奈飞公司举办了一个Netflix大奖赛，非常简单明了，从2006年10月份开始，Netflix公开了大约1亿个1至5级的匿名影片，数据集仅包含了影片名称，评价星级和评级日期，没有任何文本评价的内容。比赛要求参赛者预测Netflix的客户分别喜欢什么影片，要把预测的效率提高10%以上。

来自186个国家的四万多个团队经过近三年的较量，一个由工程师，统计学家，研究专家组成的团队夺得了第一个Netflix大奖，该团队成功地将Netflix的影片推荐引擎的推荐效率提高了10%。第二个百万美金大奖，由BPC(BellKor's Pragmatic Chaos)团队获得，团队的七个成员分别是来自奥地利、加拿大、以色列和美国的电脑专家、统计专家和人工智能专家。七个成员今天都参加了颁奖仪式，这也是这七个成员第一次碰面。这一百万奖金如何分配将由团队自行决定。

当公司内部的创新资源不足以支撑互联网化转型的时候，移动互联网的共享性已经带来前所未有的变化，社会资源甚至是全球的社会资源都会被你所用。

包括药品制造商礼来公司资助了“创新中心”(InnoCentive)网站，已经聚集了9万多名科研人才，波音、杜邦和宝洁等世界著名的跨国公司也有相类似的行为。

宝洁公司也发现，公司很多成功的产品都是不同部门合作的结果，如果这样的“交叉授粉”范围扩大，将会催生更好的产品。同时，宝洁也树立了一个目标，把公司外部的创新比例从原来的15%提高到50%，由此，宝洁的研发能力提高了60%。

标致汽车举办标致设计大赛，发动人们设计自己梦想中的汽车，其获奖作品Moovie出自一名23岁的葡萄牙学生之手；宝马汽车在德国开设了客户创新实验室，为用户提供在线的工具帮助他们参与宝马汽车的设计；乐高一直鼓励和资助用户们参与公司的各项设计任务，从机器人操纵系统到积木套装产品；宜家：通过举办“天才设计”大赛，吸引顾客参加多媒体家居方案的设计，得奖者将获得2500欧元的奖励，其作品将投入生产和市场。

正如当代最著名的思想家之一杰里米里夫金的判断：目前社会进入了一个物联网、合作共赢的新经济时代。在移动互联网时代，你的互联网化转型也无需一定要借助自身的力量来解决，全球已经成为你的转型力量。

外部资源的吸收并非仅仅只有众包一种方式，众包也不是一个神丹妙药，在很早以前就已经出现过——包括1714年英国议会的海上经度测量奖，哈雷、牛顿等都没有解决的难题，被英国乡下的木匠兼钟表匠拿走，发明了三角测量法的高精度航海经度仪——高手在明间——在今天只不过移动互联网极致地放大了这种效应。

组建合适组织，启动内部创业

无论是海尔所说的企业平台化，员工创客化，还是探索自治的小微公司，将现有8万名员工，转化为2000多个自主经营体和小微公司，还是企业将某一业务部分分拆出去成立新的企业。其目的还是在市场上自驱动、自创新，缩短与市场的流程和链条，提高速度和反馈性。

由此响应华为所提出的“互联网已经全面渗透并改造了价值传递环节，实现了数字世界和物理世界的融合，减少甚至消灭了中间环节，重构了商业链条。当前，互联网开始向价值创造环节进行渗透，特别是向产品研发和制造等领域渗透”。

从研究案例也发现，人单合一双赢模式，使组织迸发出源源不断的创新力，从海尔的天樽空调、水晶洗衣机以及雷神电脑业已取得了不俗的成绩。

其根本的基础是创新之父熊彼特的论断——大企业比小企业的内部创业更容易成功。采取内部创业的机制推进互联网化转型，能够拥有传统企业的资源、养分，相对于从无到有、自力更生的独立创业方式，更能得到资金、渠道、品牌、人才等方面天然的支持。

为了让e袋洗更好地发展，能更好地在荣昌落地生根，让荣昌的O2O转型更好推进，组织架构重大调整必不可少，而且线下线上的业务必须进行整合。

一家全新的互联网公司应运而生，并要求在两个层面为e袋洗赋予了传统企业的资源，为互联网化的项目保驾护航：要求全公司上下全力支持，制定董秘为具体协调人，这位董秘不仅是公司元老，还曾在人力资源等多个部门任职，在公司内人际关系极佳，能够全面地调动公司资源。

请注意，“移动互联网+”不仅仅是移动互联网的事情，技术融合的问题，更重要、更艰巨的是业务融合的问题，在所承载的人员上，要打通两个跨界和相加的领域，必须有深度了解传统行业，具有强大协调能力的人来进行双向融合和协调。

洛克希德·马丁公司核心业务是航空、电子、信息技术、航天系统和导弹。二战期间，洛克希德公司将其预先研究发展项目部搬到了加利福尼亚州伯班克一个不为人知的“马戏团帐篷”里，因当时其厂址毗邻一家散发着恶臭的塑料厂，员工不得不着民防用防毒面具来上班，这里人迹罕至。“臭鼬工厂”由此得名。

具有传奇色彩的“臭鼬工厂”(SkunkWorks)，素以研制隐形飞机和侦察机而闻名，其中包括大名鼎鼎的F-117隐形战斗机，以及美军绝密航空研制计划，如U-2、SR-71等。

臭鼬工厂以企业化的经营与人性化的管理方式，带领一群积极进取的专业工程师，以无比的创造力发展出美国国防科技中最机密、最先进的武器产品，更以迅速、有效的成本控制著称于世，从而成为全世界从事高科技产业的大型公司所效法学习的标杆。

从最初的简陋仓库式办公室、10多位工程师、薄弱的型号项目基础，到主导美国最机密的先进技术研发的高效率创新团队，具有传奇色彩的臭鼬工厂在短短几十年间漂亮地完成了多级跳，并至今保持着旺盛不衰的发展势头，这与其独特而先进的管理理念和方法密不可分。

这些被后人归纳总结为“臭鼬管理法”的金科玉律，也已经冲破航空航天领域，并在工业、商业等众多领域的企业管理中发挥着其耀眼的光芒。在这种组织创新模式的催生下，施乐的Polo Alto实验室、美国AT&T的贝尔实验室，“曼哈顿计划”、IBM的“国际象棋项目”、BMW的“i项目”等如雨后春笋般崛起，这些都是商业化臭鼬工厂的典型代表。苹果公司的Macintosh电脑、东芝笔记本等很多产品也都是在这种组织创新的模式下生产出来的。

臭鼬管理法是互联网化转型重要方法。无论是腾讯的新项目组、事业部建制，还是非独立法人实体，还是单设外部机构，或者兼并新的公司，在“内部创业”的过程中，能有宽松的环境，独立的突然，减少束缚，以实现外部野蛮生长。

在移动互联网时代，平等、公开、透明、用户至上的价值观已经确定了必须是人性化的、共享的价值观，是充分放权，由独立团队做主的管理。

并非每一项互联网化和“互联网+”的工作必须适合独立的公司模式。腾讯公司的微信项目并未从一开始就启动事业部制，而是采取三个团队竞争的方式，然后从邮件中心进行培育，直到一定的规模，然后才独立成为事业部。

提出阶段。在方案都未清晰的阶段，最好是从内部和外部，跨界组织结构和人员组成，征集和汲取互联网化转型的方向及其初步的设想；

论证阶段。在方案清晰后的阶段，选取能够调动原有资源、整合内部人才的部门或者团队，开展探索性和论证性的工作；

孵化阶段。在原型经过市场测试或者充分论证后，可以采取孵化器的方式，参照IBM、宝洁、松下所设计的内部孵化器机制，进行内部孵化。