企业搬迁中IT治理的仿真模型

企业搬迁背景下IT治理的模拟框架

1 引言

IT治理是监控（即确保当前的决策能为未来做好充分准备）和控制（即度量与预期之间的差距[12]）的结合。IT治理建议构建一个基于可度量实施情况的控制要素的适当董事会，以预见变化和出现的问题。度量和问责制对于任何良好的治理设计都至关重要[12]。IT策略的制定会产生IT目标和IT项目。研究IT项目的行为对于决策过程至关重要，并且更广泛地关系到实现有效的IT治理。

嵌入实物期权的项目为管理者提供了根据内部或外部风险调整项目未来方向的机会，但并不强制要求必须这样做。实物期权分析（ROA）提供了一种极具吸引力的替代方法，因为它明确考虑了管理决策中未来灵活性的价值[9]。在ROA文献中，信息技术投资通过期权定价模型进行估值，从而识别出最具盈利性的选项[8–10, 17]。在ROA框架下，项目的现金流会根据预期实物期权价值持续监控和调整。因此，ROA不仅使组织能够评估不确定的IT投资，更重要的是，它提供了一个假设决策者采取主动立场来管理IT项目风险的框架[17]。

本文重点关注两个主要问题。第一个问题是针对已知战略目标，设计和实施一个用于IT治理决策的实物期权仿真模型。第二个问题是应用该模型来评估组织搬迁对信息技术的影响。搬迁是组织发展过程中的一项重大事件，它决定了未来的运营环境，可能对生产力、效率、员工满意度以及整体业务目标[19]产生显著影响。选择新站点并进行搬迁取决于组织的类型、规模，也可能与组织的成立年限有关[7]。本研究强调，分析IT治理策略及其衍生的IT目标，有助于揭示搬迁可能带来的优势与劣势。

本文的贡献在于为决策者提供必要的工具，以预测将所有IT资源迁移至新地点或其他情况下的具体效益。目的是构建一个仿真平台，能够在新环境中复制IT投资决策，从而比较两种环境，评估搬迁的结果。为此，传统实物期权分析框架得到扩展，使其能够同时评估无形价值驱动因素和非财务资源。IT资源基于相关管理学文献在战略层面进行研究[13, 14]。IT治理策略被分解为一系列连续的IT目标，并借助差距与调整杠杆的概念进行监控[1, 3, 12, 16]。所提出的框架旨在通过连续投资决策制定最佳投资策略。这些决策在两个环境中生成，即组织的原有地点及其新配置。

本文组织如下：第2节旨在定义研究领域与数据以及IT治理概念，而第3节介绍该框架并讨论其在搬迁条件下模拟投资决策的潜力。第4节报告了该框架的实验结果，而结论部分在第5节中得出。

2 研究区域与数据

2.1 组织资源分布

该案例研究涉及一个组织，其当前的信息系统分布在同一城市的多个站点。该组织从事研究及其他学术活动，并计划从现有站点搬迁至一处新的现代化且更大的设施。该组织的IT资源分散在五个不同地点Li(i = 1到5)，主要集中于两个站点：L3和L5。如[13, 14,20],所建议，IT资源可分为四类主要类别Ri(i= 1到4)：信息资源、人力资源、技术资源和财务资源。这些资源与当前IT项目的处理和管理相关。每个前述资源的同时可用性可能是项目顺利完成的必要条件。

下文中，R1表示信息资源，R2表示人力资源，R3表示技术资源，R4表示财务资源。信息资源包括与信息传递相关的所有资源，而技术资源涵盖支持组织日常运行的流程、材料和技术。管理人员和公司人员——研究人员、教授、工程师、行政员工及其他工作人员——经常在各站点之间往来以完成其工作任务。这因而产生了大量的日常行程，导致时间、精力和资金的浪费。财务资源与站点运营预算相关，通常包括租赁费用。所研究的两种配置——旧配置和新配置——如下图所示。

在当前配置中，IT项目依赖于分布在多个站点的资源，而在第二种配置中仅有一个站点（图1）。我们认为，IT项目是其所使用资源及其达成目标的组合。其组合的演进通过管理资源——软件和人力——以及风险来实现[13]。目标是研究资源共享所带来的收益。

2.2 信息技术治理概念

为了研究这两个预设的配置，我们建议在STOPE方法（战略、技术、组织、人员和环境）中建立IT治理策略Si模型，该方法被视为基本的通用IT治理要求，如表1所示。策略被分解为连续的短期目标Oi，这些目标将被称为IT目标。我们支持使用记分卡的概念，该记分卡包含一组控制要素，用于控制IT策略的制定和实施[3]。为此，每个控制要素的重要程度及其实施情况决定了其相关IT目标的实现。

我们提醒，表1并非所有可能的控制要素的详尽列表。策略被视为IT治理的支柱。只要目标在变动，且根据整体资源的情况，决策者负责纠正措施杠杆。

差距概念用于建模IT战略实现情况与预期之间的比较。如[12],中所建议，差距通过确定IT目标（预期值）及其相关的IT控制要素（当前状态）。与IT目标Ok相关的指标mi的差距可以表示为：

$$
Gap \left( t \right) = O_k - m_i \left( t \right)
\quad (1)
$$

调整杠杆体现在减少差距和调节投资的能力上。根据有效的IT治理原则，决策者在监控目标实现情况的同时，有能力调整战略目标。这一概念可以通过对Ok的初始值进行连续增减来建模，从而使得决策者能够在任何时间重新评估战略目标。

2.3 数据收集

所有数据均通过审计相关文件或与负责信息技术事务的官员直接访谈从组织中收集。为了对信息技术进行有效评估，各方之间需要有良好的沟通、协作和和谐的关系[1]。评估方法要求尽可能多地收集数据，以获得对IT资源整体估值的最准确估计。资源的评估遵循一个简单的评估表，其中每个评估任务都根据其重要性系数加权，并通过评估执行的次数进行估值。表2展示了使用所提出的方法对资源Ri进行评估的一个示例。

收集的数据将用于不同的场景，旨在说明在多个站点中IT项目响应战略目标的不同情况。最后，将在旧配置和新配置下对IT项目进行模拟。

IT策略	IT控制要素（指标）	IT目标
S1: 该政策强调人力资源满意度和知识共享	m1: 正确分配决策责任	O1: 部分的实施m1,m2,m3
	m2: 正确分配责任和工作信息技术人员的描述
	m3: 建立“知识共享”在所有人员	O2: 完整的实施m1,m2,m3的完整实施
S2: 该政策考虑有效性：成本：预算与效益相比：可交付成果	m4: IT意识水平决策中的效益制造者	O3: 部分实施m4,m5,m6的
	m5: IT意识水平非IT员工中的效益：用户
	m6: IT治理应对推动业务的问题连续性	O4: 完整的实施m4,m5,m6的
S3: 组织具有一个已记录 & 已传达的IT IT治理政策	m7: 文档可用与IT及与IT相关的组件、运营、项目和成本	O5: 部分实施m7,m8的实现
	m8: 文档可用信息技术使用对业务需求	O6: 完整的实施m7,m8的完整实施
S4: 该政策建立技术标准以规范所需服务	m9: IT治理确保安全信息技术活动的环境	O7: 部分实m9施,m10,m11,m12
	m10: 服务集成是可用：内部级别和外部层级
	m11: 标准用于所需服务：获取和运营技术
	m12: IT基础设施是合适的用于服务业务需求	O8: 完整的实施m9,m10,m11,的m12

评估任务	次数	权重	财务价值
与IT人员的访谈	3	3	150千
与外部人员的访谈	2	1	200千
内部审计文件	3	2	120千
外部审计文件	2	2	100千

3 提出的投资框架

3.1 实物期权

实物期权分析（ROA）始于这样一个理念：金融资产上的期权可以转移到项目资产的实物投资上[5]。它通过将风险、灵活性与经济价值联系起来，提供了从经济和财务视角研究IT项目风险管理的可能性[17]。一个实物期权本身是指拥有但不强制执行某些商业举措的权利，例如推迟、放弃、扩大、分阶段或项目资本投资的承包。选择恰当的投资时机对于实现更高回报尤为关键。

Trigeorgis[15]指出了可在项目管理中实施的主要实物期权。这些不同类型的实物期权示例包括投资期权、暂缓期权、中止期权以及本文将采用的“观望”期权。

IT项目的投资更应被建模为美式看涨期权[6]，这种期权允许在到期前进行投资，而不像欧式期权。在实物期权分析（ROA）中，上述期权的估值传统上依赖于标准的BSM（布莱克-斯科尔斯模型），该模型在[4]中有所描述。一个称为NPV（净现值）的指标被计算为一个随机优化问题，目标是使其最大化。

BSM基于连续时间，并假设收益遵循维纳过程，其中期权按照连续的随机过程演化，更准确地说是GBM（几何布朗运动）过程。有关金融领域内布朗运动的更多信息可参见[2]。如[8],所述，看涨期权的价值由其贴现后的期望终值E[St]定义。在连续时间且假设市场为完全市场的条件下，NPV可以表示如下：

$$
NPV = E^Q \left[ \int S_t(l, r)e^{-r_f t} dt \right]
\quad (2)
$$

其中 $S_t$：股票价值，$l$：漂移参数，$r$：扩散系数，$r_f$：无风险利率，$E^Q$：风险中性期望

如公式2所示，净现值取决于三个参数：$l$、$r$和$r_f$。为求解该方程，通常使用伊藤公式[2]，从而得到波动率和漂移参数的新表达式。

3.2 提出的决策算法

本研究的目的是借助能够复制不同配置下投资决策的仿真环境，预测IT项目的演变，此处的配置为E1和E2。所提出的算法在给定的时间间隔内生成一组决策，以实现预设IT目标并达成预设IT策略。这些决策对IT资源的影响可在每个站点的可用性和现值方面进行观察。最后，该方法将使决策者能够评估两种IT资源配置，并判断搬迁是否有利。

为模拟开发的算法在C#. NET应用程序中实现，该程序通过Windows Sharp控制框架提供一系列统计与金融工具。仿真的原理是创建与IT项目净现值的变化相关的多种场景。此过程体现了如[18]所述的蒙特卡洛方法的核心。在每个场景结束时，会生成一组旨在缩小差距并最大化净现值的决策。图2突出了所提出的建模方法。它包括三个主要阶段：模拟前、模拟中和模拟后。

初始阶段 ：初始阶段的第一步是根据一组IT目标在一段时间内定义所研究的IT治理策略。该时间段被划分为连续的决策点（tk）。IT项目则根据其使用的资源和追求的目标来定义。第二步包括基于资源状态（特别是每个站点各项资源的净现值）对战略目标的指标进行预测。符号NPVi,j表示站点Lj中资源Ri的现值。

第二步还旨在通过估算方法获取净现值参数。最后一步由IT人员协作，提出在每个时间点tk上各IT目标Ok实施的期望值。这些参考值用于衡量分配给IT项目或其组合的目标是否达成。提出了差距概念，以计算战略目标的进展。

模拟 ：此时，所研究的IT战略及其相关的IT项目和IT目标已得到明确定义。在每个时间点tk，控制要素和净现值均可进行估算。模拟首先通过公式(2)生成一组项目净现值的随机值，由此启动一个与特定IT项目演进相关的场景。随后，计算当前状态mi(tk)与预期状态之间的差距Ok，并据此在所提出的框架内生成一项决策。该期权的价值为四种可能选择之一：扩大、减少、推迟或中止当前投资。只要项目仍在利用资源Ri，就计算每个站点各项资源的净现值。财务与非财务资源均进行货币化估值。

模拟之后 ：最后，获取模拟数据，并对两种配置进行比较。在下一节中，所提出的 modeling 方法将付诸实践。

4 实验结果与分析

4.1 指标变化与净现值参数估计

本小节介绍了用于预测指标的工具。其核心是将指标与所依赖的资源关联起来。该方法旨在将各站点的财务、人力、技术和信息资源的净现值纳入 $m_i(t)$ 函数中，该函数用于衡量特定IT目标的进展情况。为了获取连接这些变量的参数，需对收集的数据进行回归分析。假设指标 $m_i$ 依赖于站点 $L_j$ 的资源 $R_{1,j}$、$R_{2,j}$、$R_{3,j}$ 和 $R_{4,j}$，以及它们各自的净现值 $NPV_{1,j}$、$NPV_{2,j}$、$NPV_{3,j}$、$NPV_{4,j}$，则该模型可表示为：

$$
m_i = a_0 + a_1 NPV^k_{1,j} + a_2 NPV^k_{2,j} + a_3 NPV^k_{3,j} + a_4 NPV^k_{4,j} + u_i(t)
\quad (3)
$$

其中：$a_i$ 为回归系数，$u_i$ 为误差项，$k$ 为多项式回归的阶数。

误差项 $u_i$ 包含了影响 $m_i(t)$ 的所有其他因素。该算法首先进行线性回归（$k = 1$）的计算，然后进行二次回归（$k = 2$）。如果仍然不匹配，则重复相同的过程，使用三次净现值，依此类推。因此，我们称之为多项式回归。

一旦回归系数 $a_i$ 被获取，接下来只需估算净现值 $NPV_{i,j}$。我们并不假设净现值曲线遵循具有恒定参数的几何布朗运动过程，因为净现值曲线的随机参数随时间变化，而不遵循确切的现金流模式。为了估计这些参数（$r_f$、$l$、$r$），采用分段估计[11]结合MLE（最大似然估计）的方法。在布朗运动的情况下，MLE定义明确，因为布朗运动基于正态分布，因此该方法可视为一个非线性无约束优化问题，如下列方程所示：

$$
\max LL(\theta) = \sum_{i=1}^{n} \ln f(x_i | \theta)
\quad (4)
$$

其中：$x_i$ 为观测数据，$\theta$ 为参数向量，$\max LL$ 为对数似然函数最大值。

与特定指标相关的净现值曲线的估算在6个月期间内进行。随后，使用回归阶数从1到10进行指标预测。图3展示了使用所提出的分析方法进行指标预测的一个示例。

在两种环境中对所有指标重复相同的过程。一旦估计出指标函数 $m_i$，便可启动模拟，从而生成五个连续的决策（每个月底生成一个决策）。

4.2 两种环境中的模拟

此时，我们将继续执行图2中所述的确定性模型的主要步骤。通过生成其随机参数的随机值，启动1000个情景的信息技术项目资源演变。这些场景在两种环境 E1 和 E2 中进行模拟。随后，根据公式(1)计算预期结果（IT目标）与信息技术项目状态之间的差距。对于每个场景中，决策者的五次连续投资决策由此获得。最后，比较IT治理的战略目标。

在所提出的框架中，与特定站点相关的资源投资决策根据公式(2)计算，且为四种实物期权之一：扩张期权、减少、中止期权和推迟。在每个决策时间点 $t_k$ 处进行蒙特卡洛模拟，以估算这四种实物期权的概率。现在，使用该算法版本处理第2.3节中定义的评估所产生的数据，以下图（图4）以图形方式展示了四种投资选择的概率。

每种替代方案的概率分布如图4所示。如果预期市场环境在整个实物期权生命周期内完全不利，则可能触发中止期权。中止期权以红色（实线）标出。当战略目标的进展优于预期时，决策者可决定扩大投资，投入更多资源。扩大期权的概率以蓝色（点划线）标出。管理者还可以将行动推迟到未来投资条件更稳定的时期，延期期权以绿色（虚线）标出。最后，缩减期权指的是减少预期的未来投资，该期权以黄色（点线）标出。此外，对应于四项概率之和的可视化检查以黑色标出。

恰当时机进行投资对于实现更高回报尤为关键。由于E2的投资早于E1，E2在确定最佳投资时机方面呈现出有趣的结果。资源池化收益为决策者提供了扩大现有投资、评估IT项目及其相关资源的机会，从而提升其盈利能力。需要注意的是，在E2中，由于其他三种实物期权的平衡，缩减期权的概率较低。我们还注意到，在两种环境中，中止期权的概率均为零。

IT项目的净现值和与IT目标相关的差距在每次模拟场景中持续更新，但IT治理战略目标的最终实现值可视为单个模拟场景的结果。因此，IT治理的战略目标从其最终差距值（治理视角）和最终净现值（财务视角）两个方面进行评估。对IT控制要素给出0到5之间的评分，该评分恰好是采用的“0到5”评分系统的平均值。下图（图5）展示了两种环境E1和E2中IT控制要素的评估情况。

在两种配置中，所有控制要素的平均分介于5分中的2.5到4.8之间。与信息资源相关的IT治理控制要素似乎被忽视了。业务需求文档 $m_8$ 得分为5分中的2.5，是最低的，而基础设施文档 $m_7$ 在 E2 中管理得更好。关于技术资源，与安全环境相关的控制要素 $m_9$ 得分最高。这表明无论环境配置如何，决策者的IT治理关注点保持不变。两种环境中控制要素最匹配的是：服务集成 $m_{10}$ 和基础设施可持续性 $m_{12}$。与人力和信息资源相关的控制要素，如IT与非IT员工之间的知识共享、职责以及效益意识（$m_1$、$m_2$、$m_3$、$m_4$ 和 $m_5$）更有利于站点集中。因此，模拟结果更支持配置 E2。

5 结论

在本文中，我们提出了一个旨在模拟两种不同配置下投资决策的模型。该模型提出将实物期权方法作为决策工具，并结合有效的IT治理概念。该模拟框架在其定价模型中同时考虑了财务与非财务资源，并生成投资决策以实现最大收益。执行期权的最佳时机通过净现值分析得出。相关资源的值通过蒙特卡洛模拟生成不同场景，并进行统计和财务分析，以比较两种配置，从而评估搬迁的结果。