博文

英国中小企业数据驱动决策的趋势与挑战——基于85家企业的三年跟踪研究

已有 215 次阅读 2026-4-22 18:12 |个人分类:学术软文|系统分类:论文交流

文章导读

近年来，数据科学和人工智能 (AI) 技术的快速发展为中小企业 (SMEs) 带来了前所未有的机遇。通过数据驱动决策，企业可以优化生产流程、预测客户需求、提升运营效率，甚至开辟全新市场。然而，受限于资源、资金和技术能力的不足，中小企业在数字化转型过程中仍面临诸多挑战。

来自伯明翰城市大学的Abdel-Rahman H. Tawil教授和阿斯顿大学的Muhidin Mohamed教授及其研究团队在 Big Data and Cognitive Computing (BDCC) 期刊发表了文章，系统分析了英国85家中小企业在数据驱动决策方面的实践、挑战与机遇。该研究基于一项为期三年的欧洲区域发展基金 (ERDF) 项目“Big Data Corridor (BDC)”，为中小企业数字化转型提供了宝贵的实证经验和实践指导。

研究方法论与结果

研究过程与结果

研究团队首先对85家英国中小企业 (主要位于西米德兰兹郡) 进行了系统的数据采集与分析。这些企业涵盖信息通信技术、教育培训、咨询、市场营销、医疗健康等多个行业。通过结构化访谈、项目支持记录和数据分析，团队总结了中小企业在数字化过程中的四大核心需求：

技能发展与培训 (占40%)：企业普遍缺乏数据采集、筛选、分析和可视化的能力，急需基础技能提升。

系统设计与开发 (占34.1%)：许多企业希望开发端到端的数据驱动解决方案，以优化内部决策或推出新产品。

数据管理与分析 (占22.3%)：企业需要更高效地收集、存储和分析数据，尤其是来自传感器、物联网和社交媒体等渠道的数据。

其他支持 (占3.6%)：包括安全、合规等非核心技术需求。

按支持类型统计的项目产出数量

研究进一步识别出中小企业在数据驱动转型中面临的主要挑战，归纳为三大类：

数据相关挑战：包括缺乏行业特定数据、对开放数据价值认知不足、数据整合与互操作性差。

管理与财务挑战：资源有限、融资困难、传统经营模式惯性大。

专业知识与技能挑战：缺乏领域特定的数据分析师、技术知识陈旧、对可用工具和资金渠道了解不足。

中小企业采用数据驱动方法面临的主要挑战

为更直观地展示数字化和AI技术的实际应用价值，研究团队选取了两个典型案例进行深入分析。

案例一：PBL Care居家护理服务的数字化监控

PBL Care是一家位于伯明翰的居家护理服务机构，曾在2017年被英国护理质量委员会 (CQC) 评为“需要改进”，主要问题在于护理服务缺乏有效监控，记录方式仍以纸质为主。研究团队为其设计了一套基于关键绩效指标 (KPI) 的数字化监控方案，包括：

识别核心指标：患者ID、护理人员ID、到岗时间、离岗时间等；

数据采集与可视化：使用Excel采集数据，并通过Microsoft Power BI构建交互式仪表盘，实时监控护理时长；

持续改进：通过数据分析发现护理时长不足的问题，调整排班制度并加强培训。

经过三个月的实践，护理时长在10~20分钟的占比从34.9%下降至26.1%，平均护理时长从42分钟提升至50分钟。2019年3月，PBL Care再次接受CQC检查，评级提升为“良好”。

护理时长监控仪表盘原型

案例二：HiETA Technologies增材制造中的参数优化

HiETA是一家专注于金属3D打印的研发企业，传统上依靠“试错法”优化打印参数，耗时且成本高昂。研究团队尝试利用机器学习建模，探索输入参数 (激光功率、点距、曝光时间等) 与产品缺陷 (如边界长度密度) 之间的非线性关系。

由于历史数据有限 (不足100条)，团队采用SMOGN算法对数据进行过采样，并比较了线性回归、多项式回归、决策树、随机森林、支持向量机和神经网络等六种算法的预测效果。结果显示：

决策树和随机森林在预测缺陷方面表现最佳；

数据量在500~1000条时模型精度最高，过高的采样率会放大噪声；

输入参数与缺陷之间存在明显的非线性关系，线性模型效果最差。

研究表明，即使数据有限，合理的数据增强和模型选择仍可为制造业中小企业提供有价值的参数优化参考。

过程输入对输出参数 (目标变量) 预测的重要性

研究总结

本文通过对85家英国中小企业的长期跟踪研究，系统揭示了数据驱动决策在中小企业中的实践路径、关键挑战和成功经验。研究强调了以下几点：

数据文化建设：中小企业需要从数据采集、管理到保护的全流程支持，降低转型风险；

技能提升：管理者和员工需接受系统培训，掌握数据分析工具和方法；

资金支持：政府和行业应提供更多针对性资金支持，帮助中小企业跨越初期投入门槛；

行业协作：学术界、行业协会和政府机构应加强合作，推动开放数据共享和知识传播。

研究最后指出，尽管中小企业在数据科学和AI应用方面起步较晚，但一旦获得适当支持，便能显著提升决策质量、运营效率和市场竞争力，为整体经济注入新动能。

阅读英文原文：https://www.mdpi.com/2868296

相关特刊推荐

Big Data Analytics and Business Model Innovation: Toward an Integrative View

大数据分析与认知计算正通过人工智能驱动的创新与决策重塑价值创造。尽管现有研究探讨了大数据分析 (BDA) 与商业模式创新的个别方面，但本特刊通过将大数据分析、人工智能和认知计算与商业模式创新 (BMI) 相融合，以推动数字化转型与可持续价值创造，从而弥合现有研究空白。我们诚邀涵盖微观层面 (人工智能决策、人机协作)、中观层面 (商业模式设计中的认知能力) 以及宏观层面 (伦理人工智能、可持续生态系统、监管挑战) 的理论性、实证性与方法论贡献。本特刊旨在推进关于认知计算与大数据分析技术如何赋能新型商业模式、优化治理机制，并促进可解释、可信赖人工智能的研究，为数据驱动的创新提供一个综合性框架。

投稿截止日期：2026年9月14日

了解更多特刊信息：https://www.mdpi.com/si/253481