目前国际上的电子政务系统绩效评价研究都是刚刚起步，成果数量很少。各种体系之间不论在架构上还是方法上都存在着较大的差别，而且每一种理论自身仍然都处于不断的完善和发展之中，尚未形成一套完全成熟的体系。本书在坚实的理论与实践基础上，针对我国电子政务发展的特点，研究并建立一套包括基本指标和评价模型的电子政务系统绩效评价体系，并论述将该体系应用于系统管理部门的运维管理工作和预算规划部门的预算审批、制订与执行工作的方法，从而实现对电子政务的闭环管理。
电子政务系统评价对于管理建议意义重大，是管理建议的重要参考。所谓管理建议，就是在问题识别的基础上，为帮助电子政务系统的使用和建设单位最有效的改进缺陷、提高绩效而提出的建议和参考。本文所研究的管理建议方法就是针对这一工作而设计的规范性的、能够通过专家系统实现的自动化处理机制。
虽然管理建议工作可以由评价人员基于主观经验人工完成，但是设计一个规范性的管理建议方法并采用专家系统形式加以实现仍然是非常必要的，因为：
（1） 一般而言，电子政务的管理部门往往要同时对所辖的多个系统进行绩效评价，而提出管理改进建议的工作又只能由部门中少数具备足够经验和知识的专业人员完成。因此，如果要求这些专业人员对每个系统都提出针对性的改进建议，其工作量将是非常大的，而工作质量也难以得到保证。所以，设计专家系统、实现自动化的管理建议机制是解决这一问题的必然要求。
（2） 由于电子政务系统涉及到的管理和技术领域非常宽泛，而在我国发展的时间又很短，因此对于大多数管理部门和管理人员而言，其经验和专业知识往往难以很好的满足系统单位的需要。更进一步，即使有少数地区的电子政务发展较早，相关管理人员已经具备了丰富的经验，由于缺乏及时畅通的交流和沟通机制，这些经验也很难为其他地区和部门汲取。如果从知识管理的角度看，这些对电子政务系统的管理建议经验属于一种宝贵的知识资源，这种知识资源只有通过大范围的共享和持续的积累完善才能实现效益的最大化。所以，建立一个专家系统也是分享电子政务建设经验、少走弯路错路的必然要求。
（3） 通过运用管理建议方法，评价部门可以为被评单位提供详细的改进建议和丰富的案例参考。这种反馈服务将会使被评单位更加深刻的认识到绩效评价工作对其自身的意义和价值，从而减少抵触情绪，促进其参与和协助开展绩效评价的积极性。而在专家系统相对完善之后，更可以考虑将其推广到各个电子政务实施单位，使其在日常管理中即可通过自我评价而及时发现问题，并按照给出的建议进行纠偏和改进，从而更好的保证电子政务建设的顺利健康发展。
一、规范型建议方法
在行政管理领域，传统的管理建议方式是针对具体的问题提出一系列规范型的建议描述，一般都是采用“××岗位应该进行××操作，并注意××问题”的形式，这种形式表述清晰、覆盖全面，并且容易定位到通过问题识别工作所发现的具体问题。因此，本文首先研究根据问题识别结果提供规范型管理建议的方法，其具体流程如下：
首先，应该建立一个规范型建议库，作为提供规范型建议的基本来源。对此，目前信息系统管理控制领域已经有了比较成熟完善的研究结果，并通过各类框架、指南（如COBIT、ITIL等）给出了明确的描述，可以作为初始数据来源。具体而言，通过分析本书的电子政务系统绩效评价体系各个基本指标与这些框架中各个指标的对应关系，即可将这些框架中的规范型建议直接对应到本体系可能识别出的各类问题上。不过需要注意的是，目前大多数框架指南都是针对全部信息系统、并且往往有些偏重于企业信息系统而设计的，考虑到电子政务的个性以及我国行政管理体制的特点等问题，应该根据实际经验对这些建议的描述方式和重点进行合理的调整与筛选，这个工作可以由评价人员在实践工作中随时发现随时进行。
接下来在实际运用时，先要获取问题识别模型所发现、并经过评价人员验证和筛选的系统主要问题（指标）列表，以及系统当前所有绩效指标及得分，以将其作为提供针对性建议的基础。
最后，用列表中的主要问题与规范型建议库的内容进行逐个比对，将每个问题所对应的规范型建议文本均提取出来并适当排序，即可生成规范型建议的报告。
二、案例型建议方法
尽管规范型建议已经得到了长期的应用，但是从目前的发展趋势看，基于案例的学习形式更加为各种组织所乐于接受和推广。其中最具代表性的就是各类咨询公司或方案提供商或IT管理标准指南（如COBIT）纷纷提出的“最佳实践”（Best Practise）。与规范型的建议形式相比，案例型建议具有较强的整体性，并且生动直观，善于启发管理者进行深入思考，因此还需要设计根据问题识别结果提供具有参考价值的案例型建议的方法。
与规范型建议相似，设计案例型建议方法首先也需要构建一个案例型建议库或称案例库。由于目前在相关领域里，大多数研究成果都是针对企业信息系统的，而在电子政务领域还相对较少。因此案例库的构建将主要通过我国电子政务管理和研究人员的持续整理和发掘来完成。这一工作的内容就是随时发现在绩效改进工作上效果良好的系统案例，并将其改进前的绩效评价结果、该系统采取的改进措施和最终效果、以及该系统的类型和基本情况均输入案例库中。当然，确认与整理案例是一个比较耗费精力的工作，不过一旦本体系得到推广和应用，全国各级、各地政府的相关部门都会纳入到案例整理工作之中，这将使构建一个具有一定规模和实际意义的案例库的时间大幅缩短。
在构建了案例库之后，为系统管理部门提供案例型建议的工作主要包括下面几个环节：
首先，获取系统绩效评价的全部指标得分，以及识别出的主要问题列表。这里之所以要获取全部指标得分，是因为单纯根据问题识别结果并不能对被评系统与案例库中各个案例进行合理的匹配，只有将系统各方面表现（即各个指标）都作为匹配要素，才可能找到最相似的案例，从而保证建议结果的参考价值。
然后，进行被评系统与案例库中各案例系统的匹配，寻找相似案例。对于这一问题，既可以通过人工智能领域中已有的各种模式识别方法实现，也可以直接运用数理统计学中的相关性或相似度分析解决。前者包括目前比较流行的模糊神经网络、模糊向量机等技术，而后者则以聚类分析技术为代表。由于模式识别技术需要较多的样本进行训练，在案例库规模较小时难以采用，因此本书建议在评价体系的初始推广阶段仍采用统计技术，在积累了一定规模的数据和经验之后，再根据实际情况选择采用适当的模式识别技术。
最后，将发现的最相似历史案例按照适当的方式进行排序整理，最终生成案例型建议的报告。
三、管理建议的人工修正
管理建议方法得到的结果需要由相关人员进行一定的修正和调整。这种调整工作主要包括两个方面的内容：
（1） 根据详细原因对规范型建议进行筛选。由于规范型管理建议是基于问题识别工作所发现的主要问题指标而提出的，因此也属于粗粒度的分析，其给出的建议将涵盖可能影响该指标的各个工作方面。对此评价人员应该根据影响该系统绩效的详细原因，对这些建议进行筛选，只保留与详细原因最相关的几个工作建议即可；
（2） 根据实际情况对案例型建议进行调整。由于案例建议本身具有非常强的灵活性和潜在联系，所以有些对该系统具有相当的指导意义的案例无法通过自动匹配而发现。对此，评价人员可以根据自己对该模型的使用经验，主观的为其补充适当的案例。如果建议模型已经采用了神经网络等自学习的模式识别技术，则可以同时将该选择作为新样本重新训练匹配模型，使之在将来的工作中效率更高。
因此，总而言之，电子政务系统绩效评价为系统运维管理建议奠定了基础，更好地保证了电子政务建设的顺利及健康发展。
如对本书或ITGov中国IT治理智库系列丛书感兴趣，请登陆www.itgov.org.cn 或联系service#itgov.org.cn（请将#替换为@）
京ICP备06004481号 Copyright 2002 - 2006 ITGov.org.cn, All Rights Reserved