引言

在IT技术迅猛发展的大背景下，石油石化企业纷纷推进数字化、智能化的“智慧油田”建设，也给企业的经营管理带来了挑战。管理者面临的首要问题是各类新型软硬件设备的投资决策：是否值得投资？如何投资？如何应对项目在建设过程中可能发生的内部控制风险？与传统的油气田、炼化厂及加油站项目投资不同，基于IT技术的智能化建设项目往往不直接增加现金流入，而是在降低成本、提升运营效率方面发挥间接作用，事前难以预估IT项目能带来的净现金流量，因此采用传统的现金流折现技术对项目的可行性进行评估论证，并不可靠。

不少学者认为，中国企业普遍存在过度投资现象。学术界的一个共识是，与民营企业和外资企业相比，国有企业进行无效率投资的情况更加普遍^[1]。对此，一种主流的理论解释认为，国有企业取得银行贷款时存在预算软约束现象，即国企能够以低于市场化条件下所形成的利率从银行取得资金，从而导致过度投资。例如，Liu和Siu^[2]的实证研究发现，中国国有企业的资本回报率(ROC)显著低于民企和外企，这意味着国企更多投资于收入前景较差的项目，或对于项目成本费用的控制存在不足。另一方面，根据Richardson^[3]所提出的检验投资过度与投资不足的实证方法，Shen等^[4]的最新研究显示：在我国的上市央企中，部分企业存在过度投资，但更大面积上显示出了投资不足，因此低效投资问题存在两面性。与此对应，企业在项目投资过程中，事前的可行性评价以及事中和事后的控制、纠偏就显得尤为重要。

对以国企为主导的石油行业来说，在推进智慧油田建设过程中如何提高投资效率，是当前管理层面临的一个棘手问题。企业投资IT项目容易出现两方面的非效率问题。其一，过度投资。即企业投资过于轻率激进，不能充分考虑投资的成本与收益，从而出现项目开发周期过长、成本超预算、后期运营维护成本高，以及项目上线后不能达到预期效果等情况，造成资源的浪费。其二，投资不足。企业对于IT项目投资过于谨慎，不能及时引入和充分利用新技术来降本增效，并可能因此错过企业在市场拓展、新产品开发和服务质量提升等方面的机遇。鉴于数字化项目的实施价值难以得到客观公允的评估，公司内部审计人员往往也缺乏必要的IT技术与油气工艺的复合知识背景，因此，项目建设过程中的风险控制工作也将极具挑战性。

基于数字化、智能化项目难以使用传统的现金流折现法进行投资可行性评估、油气企业更可能出现显著的非效率投资的情况。本研究尝试从理论上回答是哪些重要因素影响着此类项目的成本—收益。在此基础上，笔者将给出一套针对数字化项目投资的事前、事中和事后全流程评价框架与内部控制建议。笔者的行文逻辑是：首先，对IT技术的最新发展状况和现有企业智能化建设案例进行总结，给出一个较有普适性的油气企业信息化系统全景架构图，并从中提炼出企业在系统建设过程中将面临的种种投资决策问题。然后，进一步说明项目建设的模式选择与新制度经济学中的资产专用性及交易成本之间的关联，从而建立起一套评价框架，以便企业在进行投资和建设时，参考以上因素进行定性评估或量化打分，从而确定最优建设方案。最后，根据数字化项目的建设流程，对需求调研、采购实施、上线验收环节的投资决策与内控要点进行阐述，并提出相关建议。

1 油气企业信息系统的构建

根据信息技术目前的发展趋势，并结合若干智慧油田的实施案例(如大港油田、华北油田)，笔者首先总结出一个油气企业信息系统的通用框架，如图 1所示。在这个架构图中，我们将企业信息系统架构划分为两层：底层为数据采集存储层，主要涵盖原始数据的采集、清洗和存储；第二层为应用决策层，它依据底层采集的数据进行分析决策，其中又分为专业技术决策系统和经营管理决策系统。上下两层可涵盖多个子系统及应用软件，并集成为一个全景信息系统。该集成系统的部署，既可基于主流的SOA架构，也可采用去中心化且在数据可靠性上有优势的区块链架构。

1.1 数据采集存储层

数据采集存储层的职能是对原始数据进行采集、清洗和存储。在勘探开发和生产作业层面，通过对各类传感器、RFID芯片及监控摄像头的应用，并借助物联网技术，可实现涵盖油气藏、采油气、地面工程领域的原始数据采集。在经营管理层面，我们认为除了基于物联网的数据共享之外，人工智能技术很可能在短期内形成一些较为成熟廉价的应用方案。例如，SAP系统用户目前的例行工作是对部分尚无法自动生成的原始单据进行手工录入与审核，工作效率较低。而在人工智能领域，图像识别、文本智能分词技术都较为成熟，因此，实现智能化单据信息识别，在技术上已不存在障碍。

底层的数据采集、清洗和存储系统的可靠性和稳定性是我们实现后续智能化决策分析的基础。在底层系统的部署模式上，企业面临多种投资选择。企业既可以采用传统的信息系统架构，也可以采用云平台架构，以应对数据量呈几何级数增长导致的计算瓶颈。其中，后者的优势还包括按需提供计算力，具有灵活性和经济性，但可能存在一定安全隐患。如果企业选定采用云平台架构，则将进一步面临选择何种模式的困惑。云平台的主流模式包括IaaS/PaaS/SaaS三类，以及其他一些非主流模式。前述三种主流模式名称上的区别体现在其各自的首字母，分别对应于基础设施(infrastructure)、平台(platform)和软件(software)。其中，IaaS(Infra structure-as-a-Service)为“基础设施即服务”，是指云计算系统交付时，供应商仅提供最为底层的基础设施，如存储和计算力服务，上层应用如何部署需要完全依靠企业自行构建；SaaS(Software-as-aService)则正好相反，供应商会提供现成的解决方案，如运行于云平台的Landmark系统和SAP系统。PaaS(Platform-as-a-Service)和其他一些衍生模式如容器云服务(CaaS)在交付时的完成度则介于IaaS和SaaS之间。在从原始数据到数据的初加工和存储阶段，系统可能利用人工智能技术来提升数据处理效率与精度，而人工智能的应用前提是充足的计算力。此外，油气勘探应用自身属于图形密集型应用，需要强大的图形处理能力。此时以GPU并行计算为代表的前沿计算技术的应用更可能彰显价值。大规模的并行计算架构能够加快包括人工智能训练在内的系统运算速度，提升工作效率。然而，对IaaS/PaaS/SaaS模式的选择会影响系统的可定制性，从而影响云平台的二次开发及对其他前沿技术的兼容性。

1.2 应用决策层

应用决策层的职能是利用底层系统采集的数据进行分析决策，其中包括专业技术分析决策，也包括经营管理决策。在近年的数字化浪潮中，大数据分析行业在我国出现了井喷式增长。但纵观企业对于数据分析的应用，大多仅停留在底层数据的采集存储层面，很少建立起具有自有知识产权的、可辅助生产与商业决策的实践模型。可能的原因有二：其一，在数据库层面，正如朱正平在其博士论文^[5]中所述，自建的数据采集系统稳定性和精度不够，对于原始数据中可能存在的大量噪音缺乏有效处理，从而给后续决策分析带来困难。其二，在分析决策层面，从原始数据到数据集成并形成能用以指导决策的分析模型，需要大量的人力资本投入。传统的统计决策分析理论大多产生于前数字化时代，无法直接指导实践，而能将理论拓展至当前数字化世界的应用建模分析人才极为稀缺。综上两点，我们对应给出的改革建议是：首先，企业应建立严格的数据质量控制体系；在已经具备成熟商业化数字服务的领域，如数据清洗和集成，企业应充分意识到大公司的技术优势；在未能形成商业化服务的前沿领域，如基于大数据的决策分析，企业可加强与高校科研人才的合作，以弥补上述两点不足。

近年来，人工智能技术有了突破性进展。考虑到以多层神经网络为代表的深度学习技术在建模时需要海量训练数据，因此，研究者往往将大数据和人工智能结合，其在油气工业中的应用潜力也得到了广泛关注。例如，目前较为成型的研究方案如智能设备检修、智能钻井及油气藏领域基于地理信息数据的智能算法，都已在学术界得到较多探讨。在经营管理决策层面，大数据和人工智能技术的结合案例较广泛，如智能物流和补货系统、产品广告自动推送系统等，但针对油气行业的管理决策分析则有所欠缺。在新技术的应用研究中，区块链也备受瞩目。区块链技术能够帮助企业实现基于智能合约的去中心化记账，其所记录的数据具有不可篡改性，有利于实现资金流和信息流的及时统一。鉴于此，国际四大会计师事务所近年来在区块链应用研究和推广方面可谓不遗余力。综上，在应用决策层面的系统构建中，企业面临大量子系统和应用软件的投资决策，如何在众多信息软件服务商中选优的问题亟待解决。

2 投资评价的设计思路与内控重点 2.1 痛点解决导向的项目需求调研

一方面，应确保数字化、智能化项目需求的提出是以解决当前生产管理实际痛点和业务瓶颈为导向。尽管项目实施的收益难以直接估计，但能够确定的是，项目与当前痛点和瓶颈的关联性越强，实施后可能带来的效益越大。因此，项目需求应立足生产和管理实际问题来对其必要性进行论证。另一方面，应评估拟实施项目与企业信息化整体战略框架的协同性。如果某一技术独立来看足够新颖诱人，但其与目前已经实施的项目和信息化全景规划存在重复或不能兼容，则会令实施效益大打折扣，此时应慎重考虑是否值得投资。反之，若拟实施项目与现有系统及全景规划蓝图具有协同性，则可能实现1加1大于2的效果。

2.2 基于资产专用性的项目建设方案比选 2.2.1 项目建设方案选择

在数字化项目的建设过程中，选择合适的构建方式，将直接影响系统实施的成本—收益。随着新技术的发展，系统构建越发复杂化和专业化，最优模式的选择并非总是显而易见。例如，企业在决定信息系统全景集成时至少面临：SOA、微服务或区块链架构可供选择。假设选定SOA架构并部署于云端，此时，对于云平台的选择，又存在至少三种模式(IaaS/PaaS/SaaS)可供选择。

数字化项目的最优构建模式可从新制度经济学中的资产专用性相关理论得到解释。资产专用性是指：一项资产在用于切合企业自身需要的特定用途后，如果转作其他用途(如对外出售)，则其价值会大大降低。例如，一套为某企业量身定造的软件应具有较高的资产专用性，如果该企业试图将其进行转让，他人很难产生购买动机。因此，在此类高专用性资产的构建过程中，买方更容易遭遇卖方的敲竹杠行为，如拖延项目实施周期、提出加价以提升实施效果等，从而增加了买卖双方之间的交易成本，并最终形成无效率投资。

在财务理论学界，对于无效率投资产生原因的解释，通常是基于新制度经济学的委托—代理冲突理论，认为企业存在治理成本^[6]。而新制度经济学的交易成本理论则说明，市场机制同样存在成本。一项工作应在企业内部还是在企业外部进行，取决于哪种情形下的交易成本更低。根据Coase^[7]的定义，交易成本是指由于交易合同的订立双方往往具有损人利己倾向，由此将在合同订立和执行时产生大量磋商、讨价还价及监督成本。在新古典主义的无交易成本假设下，市场机制能够通过“看不见的手”实现经济资源的有效配置。那么，为什么市场上还存在大大小小的企业？以Coase为代表的新制度经济学派将企业刻画为一系列契约的结合体，其存在的原因是：当交易成本无法忽略时，经济资源在企业和市场之间进行配置，比完全由市场来进行配置更有效率。例如，甲方企业和乙方供应商签订合同以采购产品或服务，实际上是采购经理与企业签订工作合同，代高层管理者和股东对企业采购进行管理。现实中，供应商有利己主义动机，期望以较高的价格出售较低品质的产品给甲方企业，而甲方的采购人员有动机从乙方收取回扣返点，从而双方达成共谋，损害股东(包括不知情的高层管理者)的利益，这些都将构成企业的交易成本。如果上述成本难以控制，甲方也可以采取自行构建，例如自行设厂或将乙方收购用以生产本由外部企业提供的产品。因此，企业以何种形式存在，其根源就在于何种形式更能节省交易成本。企业的本质是用内部合约代替了一部分市场交易合约，企业的边界取决于内部合约交易成本与从外部市场上采购的交易成本之间的权衡。在企业内部，管理层可利用信息技术和内部审计，对内部合约执行情况进行控制，也构成了企业内部的交易成本。过往几十年间，学术界主要通过企业纵向一体化以及公司跨国扩张来为交易成本理论提供经验证据支持^[8]。本研究以IT系统构建的投资效率问题为切入点，为理论家提供了一个站在技术驱动导致资产专用性发生改变的视角重新审视交易成本理论的研究机会。

资产专用性是企业进行外部采购时的交易成本的主要来源。经典研究如Williamson^[9]早已指出，资产专用性是交易成本的产生根源之一。市场交易方在进行专用性投资时，契约的不完全性将导致交易主体的机会主义行为，因此资产专用性带来可占用性的准租金，从而导致交易成本；当资产专用性降低时，应更多地采用市场价格机制进行资源配置。因此，IT项目的投资效率问题很大程度上可归结为用户企业对其IT系统在企业内部—市场之间的配置比例选择问题。例如，企业在进行升级IT系统的投资决策中，应多大程度上将其放上云端，借助市场竞争机制下的服务商所提供的组件和应用，而不是购建企业专有资产，并交由内部技术人员进行研发、运营和维护。此时问题可转化到交易成本理论框架下进行分析。企业对一项IT软件的构建可采用完全具有自主知识产权的自建模式(如李养生等^[10])或外购(如Landmark Earth一体机)，但更多时候采取的是介于以上两种极端之间的模式。以SAP系统为例，软件公司设计基础架构与功能，再根据企业自身模式及经营需要，由企业与实施顾问团队进行协商，在企业内部完成一定程度的定制。由于不同的软件对应的资产专用性水平不同，对其进行外购时也会面临不同的交易成本。对一款软件来说，较高的专用性意味着对外购买将面临较高的交易成本，故应以自行建设为主；反之，如果软件的专用性较低，则其取得方式应以市场外购为主。

以下以云计算平台架构模式(IaaS/PaaS/ SaaS)的选择为例，说明资产专用性是如何通过影响交易成本，从而成为评价系统构建成本—收益的关键因素的。从经济学角度来看，云计算可被视为一种外包(outsourcing)行为。Schermann等^[11]对大量外包行为影响因素研究的综述表明，交易成本理论对企业在多大程度上选择将自身信息系统外包具有显著解释力。由于在IaaS下供应商仅提供基础设施，具体应用需要油田自行设计和部署，因此属于高度由企业自建系统的模式。以大港油田为例，其所搭建的云平台即属于IaaS模式^[12]。相反，SaaS模式则是供应商在交付使用时已经构建出更加完整的解决方案，企业自建比例极低。根据前面的分析，企业选择何种模式更为经济，取决于企业对于即将构建的云平台之专有性的评估。如果企业的需求是与其他企业具有较强同质性的，则意味着资产专用性较低，企业可选择SaaS模式所提供的一体化解决方案；若企业对系统的个性化定位较强，则应首选IaaS和PaaS模式为基础架构，然后再将自身需求不断详细拆分，直至可以将待实现需求拆分至某项专用性极低的具体功能，此时再采用外购模式以充分利用市场竞争带来的创新力。外部市场上，也存在一些集成软件如Schlumberger公司的开放式勘探开发软件包Ocean可供利用。在进行项目可行性评价之间，对需求进行拆分是十分必要的，这样做可以令成本分析更加贴合经济学理论对于专业化分工的描述，从而避免高估资产专用性及其所对应的交易成本。

2.2.2 项目建设过程的内控要点

对用于实现上文架构图中各细分功能的子系统与软硬件，我们可根据其资产专用性进行定性评估或量化评分，且相关评分应结合传统的财务预测模型同时进行。财务模型的一个缺陷是只能反映实际发生的成本而不能展现机会成本，因此无法替代资产专用性评价。因此，企业首先应根据需求进行资产专业性评估，以此决定选择以何种模式进行系统构建。在此基础之上，再根据选定的构建模式编制财务模型。即使在不实施外部或内部竞标的情况下，企业所编制的财务模型仍可作为成本费用控制的有效工具。

对于资产专用性低的系统，应优先采用外部采购的形式进行构建。对于那些专用性偏高的系统，如果企业在权衡自身构建成本后仍决定采用外购方式获取，则应对采购过程进行更为严格的控制。此时，采购环节的内控要注重招标过程的规范性。国外IT行业往往具有垄断特性，原因在于只有做到规模化销售，才能摊薄软件研发中的巨额投入。与此相反，国内存在大批不具备较强研发实力的小型软件公司，这些公司只能提供同质性的服务，但却能够长期生存，这可能与需求单位采购时利用职权的寻租行为有关。此类公司将在IT产品市场挤压良性企业的发展空间，从而造成“劣币驱良币”的后果。因此，企业在采购时应适度提高供应商资质的要求门槛。与此同时，针对一些国外知名软件存在较多代理渠道商的问题，应做到招投标过程的公开、透明，对各代理商进行充分比价。

对于资产专用性高的系统或软件，企业应优先考虑自建，其次是与供应商协同建设。在企业自建的情形下，进行内部控制的本质即在于控制内部合同的交易成本。有条件的企业可针对项目建设开展内部团队竞标，以内部市场化运作降低治理成本。当然，无论是否开展竞标，在项目部署前期，都应评估企业是否配备了合格的专业人才团队，并对项目立项和建设周期进行详细规划，以便在项目开工建设时实现实时监控、反馈和调整。

2.3 配套措施完备化导向的上线效果测评及项目验收

数字化项目初步上线的效果往往达不到管理层预期要求。其中一个重要原因在于，企业自身软硬件的配套措施不够完备，仅靠信息系统本身无法实现供应商所描绘的美好愿景。例如，SAP系统有助于企业实现生产管理各环节的信息流及时传送与共享，但大部分企业在上线SAP后，发现其并没有达到降本增效的预期。这是因为，系统本身仅仅实现了数据的记录与传送，而企业自身，无论从业务员操作层面还是管理层面，往往没有建立起有效的配套应用模式，从而无法达到利用数据进行分析管控的最终目的。在项目上线的初步效果测评过程中，应以配套措施完备化为导向，重视并积极分析可能影响后续功能开发的缺陷，与供应商磋商可行的优化方案。在验收环节，除了严格按照合同约定的开发进度进行核实之外，还应该确保各验收环节的真实性，充分探讨细节，不能流于形式。

3 结论

结合经济学前沿理论和当前油气企业的智能化项目建设实践经验，本研究提出了一个以新制度经济学中“资产专用性”理念为核心的油气企业信息化建设模式比选思路，有助于帮助企业在面对不同类型的新技术模式时做出科学决策，以实现项目构建的效益最大化。与此同时，我们基于数字化项目建设从需求调研到采购、建设、验收的全流程，给出了内部控制具体操作建议。