【www.guakaob.com--留学生招聘】
一个热门行业的产生，与那个时间段的行业发展、技术的转变、人才市场供需等原因相关，所以它永远是一个动态的概念，应该是一种现象而不是真理。
哪些因素决定行业的热门程度？
收入水平
收入是许多公司人判断这个问题的首要因素。“收入是很核心的一点，它是让一些行业被更多人追逐的原因。”颜莉萍说。一些热门行业的收入也确实比较可观，以金融行业为例，每年整个市场薪酬的指导平均涨幅为10%，金融行业的薪酬涨幅却能达到21%。而且行业的收入水平也通常与行业盈利情况、人才市场供需及个人自身专业能力等因素相关。
稳定性
对于稳定性的偏好体现在对公司规模的选择上。智联招聘首席人力资源专家郝健称，目前市场上约90%的岗位是由中小规模公司提供，大多数求职者却由于更看重企业的稳定而都投向大公司，这也就导致了大型公司居多的行业在过去成为热门，比如能源与通讯。
行业发展
快速发展的行业之所以能成为热门，是因为它能给行业中的个体带来更多的好处。
首先是个人发展，快速发展中的领域能让公司人的职业生涯更顺畅，未来的职业晋升机会也会更多。
例如金融领域里从事销售的公司人，刚进入公司可能只是客户代表。但随着金融机构的扩张，精英人才会得到重视，在进入新市场或开设新营业网点时，之前业绩出色的员工就会被提拔到客户经理等职位。
其次体现在收入上。快速发展的行业人才竞争争夺会更激烈，公司对人才的引进也不惜成本。
技术的转变
互联网行业是典型的受技术发展影响而备受追捧的行业。此外，技术已经开始渗透到其他传统领域，刺激它们创新，从而成为公司人在求职时的首要选择。
经常被提及的大数据及云计算就是一个例子。数据分析是IT领域现在一个比较热门的职位，郝健观察到，无论是传统行业还是互联网行业，对数据分析的需求量很大，而求职者也表现出对数据分析的热情。但是这个职位需要一定的专业基础，包括一些专业技能如用R语言做数据分析，而这也拔高了这个职位的收入，最终导致它成为热门选择。
市场供需
当人才的供给大于职位数量时，这个领域自然就变得抢手。
一个反例便是房地产行业。智联招聘发布的《2014年第二季度就业信心指数》称，由于房地产整个行业的变化，之前连销售人员岗位都供不应求的情况已经不再。随着房地产行业进入新的发展周期，这一行业的用人需求也在变化，底层销售的需求大量萎缩，从而也导致了房地产行业不再是热门的求职行业。
未来10年热门行业排行榜(2015年终版)
俗话说“男怕入错行，女怕嫁错郎”，每年12月份，都有许多职场人酝酿跳槽。此时，选择一个热门行业与薪酬更高的职业显得尤为重要。且看2015年最热门行业有哪些，让你跳得更有价值，“钱途无限”。
No.1 电子商务业
薪酬水平：年薪4万～20万元
需求职位：网站运营经理、网站策划人员、平面设计师等
需求技能：平面设计、网站设计、网站策划
行业背景：随着互联网的发展，越来越多的传统企业开始试水网络营销，中国电子商务达到了前所未有的发展高度。新型电子商务模式平台的盈利问题一直摆在参与者面前，中国电子商务网站目前仍没有在发展和盈利中找到好的平衡方式，而随着新型电子商务交易规模和用户规模的扩大，大大地刺激了互联网经济的高速前进。
No.2 健康管理业
薪酬水平：年薪10万～30万元
需求职位：育婴师、公共营养师
行业背景：它的准确定义为：从事个体或群体健康的监测、分析、评估以及健康咨询、指导和危险因素干预等工作的专业人员。国家正在推广实行的“全民健康管理工程”，是一项系列化、数字化的庞大工程，必须由国家、集体、个人共同完成，其具体工作须由健康管理师来完成。保守估计至少需要200万个专业的健康管理师，而目前我国专业健康管理方面的从业人员只有10万人左右，人才缺口非常大。
随着健康理念的不断普及，健康消费的热度正在上升。从百姓早起排队体检，到网络在线预约；从跑步打球，到专业的健身塑形；从便捷的健康仪器，到轻便的“互联网+”可穿戴式智能健康管理设备……在人们生活水平不断提高以及健康意识的不断增强中，健康消费日趋多样。健康消费这个大蛋糕的增长潜力与日俱增，资本和人才也都开始向这个行业聚集。
诸如健康体检不仅在北京等一线城市炙手可热，在二三线城市同样颇受青睐。吉林省万佳健康服务集团董事长刘昱函说：“我们设在长春的万佳健康体检中心近两年营业额同比连续增长40%，这主要得益于国民健康意识的提高。此外，‘互联网＋医疗’的发展模式给健康产业发展带来更多机遇。如今，消费者普遍意识到预防疾病的重要性，开始定期健康体检。”
与此同时，健康体检行业市场的竞合正在逐步深化。今年年初，慈铭健康体检管理集团股份有限公司宣布将战略性引入目前行业规模最大的专业体检机构美年大健康产业（集团）有限公司的投资，共同打造健康体检同业联盟。这个同业联盟在全国服务网点将达到200家、年体检总量接近900万人次，服务范围覆盖全国所有省份，形成健康体检单极独大的市场格局。通过“竞争”转向“竞合”，以及从“独享”转向“共享”，健康体检产业前景不可小觑。
No.3 金融行业（互联网金融行业）
薪酬水平：5万～30万元
需求职位：理财师、银行大堂经理、客户经理、理财顾问等
需求技能：会计初（中）职称、注册会计师、精算师
行业背景：通过招聘网站的资料显示，金融一直是应届毕业生首选雇主行业排名的第一位，在互联网的强势影响下，互联网金融高速发展，且正出现“人才荒”，这为应届毕业生踏入金融领域提供的重要的契机。此外，互联网金融校招季即将启动，这也折射出互联网金融作为新兴领域， 朝气蓬勃的发展景象。
互联网金融指的是传统金融机构与互联网企业利用互联网技术和信息通信技术实现资金融通、支付、投资和信息中介服务的新型金融业务模式，它P2P2P网络借贷、互联网支付、股权众筹融资、互联网基金销售、互联网保险、互联网信托和大数据金融等多种业态。
互联网金融具有低成本与便捷化的特点，不但能丰富传统金融市场的层次和产品，而且能助力微小企业融资，助力大众创业、万众创新。因此，互联网金融正备受市场青睐。前瞻产业研究院提供的《2016-2021年中国互联网金融行业市场前瞻与投资战略规划分析报告》显示，截止至2014年底，我国互联网金融市场规模已经突破10万亿元。以P2P业态为例，过去5年中，各类P2P平台都获得了年均超过250%的爆发式增长。
No.4 旅游行业
薪酬水平：年薪在5万～20万元
需求职位：景区管理人员、旅游管理人员、导游等
需求技能：外语
行业背景：从产业层面来看，旅游业的市场主体在创业创新的驱动下，越来越多元化，旅游已经成为“大众创业、万众创新”最为活跃的领域之一。
数据显示,2014年国内旅游人数达36.3亿人次，同比增长11.4%;国内旅游收入达3.1万亿元，同比增长16.3%。入境旅游方面若环境改善，措施得当，有望与去年持平。出境旅游人数1.16亿人次，同比增长18.2%;出境旅游花费1550亿美元，同比增长20%，旅游服务贸易逆差将突破1000亿美元。旅游接待总人数37.6亿人次，同比增长10.8%;旅游总收入3.3万亿元，同比增长14.8%。可见,我国旅游行业前景可观。
No.5 文化产业
薪酬水平：年薪在6万～25万元
需求职位：动漫设计、游戏特效大师、会展策划、演艺经纪人等
行业背景：近年来，我国高度重视发展文化产业，采取了一系列政策措施，深入推进文化体制改革，加快推动文化产业发展。中国文化产业发展将呈现五大趋势：一是文化资源进入大调整、大整合的时期；二是文化与科技的融合步伐不断加快；三是行业界限越来越模糊；四是文化与旅游及制造业的结合越来越明显；五是文化产业发展已经从自发转向自觉。
No.6 现代物流业
薪酬水平：年薪在3万～25万元
需求职位：单证员、物流管理、物流项目经理、库管员等
需求技能：物流师、采购师
行业背景：在我国，物流产业是新产业，仅有20多年的历史。进入90年代，各种专业化的物流服务企业在欧美发达国家大量涌现并呈现出快速的发展趋势，由此而形成了物流产业，并成为发达国家服务业中的一个重要组成部分。年年“双11”的火爆，由此可看到国内物流业的强劲发展势头。
No.7 商贸零售业
薪酬水平：年薪4万～15万元
需求职位：商场管理、运营经理、督导会展策划等
行业背景：我国零售业的竞争正在随着市场的发展和开放而日益加剧。同时，快速增长的市场需求，以及日益激烈的市场竞争和不断膨胀的业务规模，均对我国零售企业的经营管理提出了新的要求。
No.8 电子行业
薪酬水平：年薪5万～16万元
需求职位：电子工程师、质量系统工程师、生产课长等
行业背景：电子信息产业具有产业规模大、技术进步快、产业关联度强等特征，是经济增长的重要引擎，更是我国国民经济重要战略性产业。近年来，世界各国纷纷推出了新的电子信息产业发展战略。美国注重各种智能系统和先进通信技术的发展，并在出台的经济刺激计划中重点关注医疗电子和光伏、光电子等新兴信息技术的发展。
No.9 医药行业
薪酬水平：年薪在5万～25万元
需求职位：新药研发、药物分析、制剂研发人员等
行业背景：医药产业是朝阳产业，国家实施医改政策几年来，医疗产品需求的增长和医疗制度红利奠定了医药产业增长的基石。医药行业是按国际标准划分的15类国际化产业之一，被称为“永不衰落的朝阳产业”。
它包括医药工业和医药商业，其中医药工业按原材料来分，又可分为化学制药业、中药业、生物制药业及医疗器械业。
No.10 建筑业
薪酬水平：年薪8万～30万元
需求职位：工程监理、道桥工程师、建筑施工人员等
需求技能：一级建筑师、二级建筑师、工程造价员
行业背景：建筑业主要受宏观经济增长及固定资产投资等因素所驱动。受国内宏观经济调控影响，短期内建筑业增长有所放缓，但从长期看，在国内城市化进程加速以及国际承包业务逐渐成熟的大背景下，我国建筑业具有广阔的发展前景。
2015 年秋季全国需求最旺盛的十个热门行业排行榜
在北上广深四大一线城市中，上海仍是企业发布招聘职位最多的城市。以下，我们来看看这四大一线城市的十大热门行业。
2015 年秋季全国需求最旺盛的十个热门行业：互联网 / 电子商务行业排第一
数据显示，从各行业对人才的需求量来看，互联网/电子商务行业的人才需求量最大，其次是基金/证券/期货/投资，再次是房地产/建筑/建材/工程业。
各行业对人才的需求量与各行业的发展情况密切相关，中国互联网、金融业、房地产业依然是目前发展势头最为强劲的三大行业。互联网/电子商务行业快速发展，对人才的需求量稳居榜首。股市在吸引投资者关注和资金投入的同时，也创造了更多的人才需求。房地产行业虽与去年同期相比需求有所下降，但随着国家层面在第三季度对房地产业的支持进一步加大，如公积金贷款条件松动、央行进一步降息等，促使房地产业在人才需求绝对数上保持领先。
数据显示，2015年秋季全国32个主要城市职位平均薪酬6700元，比夏季的6320元平均薪酬增长了380元。从各城市薪酬水平来看，北京以8894元的月薪稳居中国各城市薪酬排行榜榜首，略领先于位居第二位的上海（8601元），深圳以7622元的月薪位居第三位，但与北京和上海的平均薪酬差距略大，紧随其后的是杭州（7045元）和广州（6575元）。
从区域来看，除了一直发展较好的北上广深一线城市以及紧追其后的杭州，东部沿海城市（如宁波、南京、苏州等），作为西部重镇的重庆和成都的薪酬水平都进入到全国前十。长三角、珠三角经济圈辐射范围内城市居多，杭州、宁波、南京、苏州、无锡、佛山等作为后起之秀，值得关注。
哈尔滨、烟台、太原三大城市位居榜单最末位，哈尔滨的薪酬状况从一个侧面反映了东北在经济转型过程中所面临的困境，而东北地区的最低工资水平已经有近两年未做调整。太原作为内陆城市，一方面缺乏地理优势，同时原来以能源作为经济发展支柱的经济结构转型也困难重重。烟台虽然在东部沿海，但受累于出口贸易的不景气，以及城市发展历史的制约，薪酬水平也较低。总体来看，中国各城市薪酬水平分布出现洼地，东部依然保持领先，西部逐渐攀升，而中部城市的薪酬水平相对竞争力较低。
从不同级别城市薪酬的对比来看，一线城市与二三线城市平均薪酬相差2337元，差距并不太大。而在北上广深四大一线城市中，广州与北京、上海、深圳之间的薪酬水平已经呈现明显差距，并落后于杭州。广州在新一轮由互联网带动的行业快速发展中的表现与其他城市逐渐拉开了差距，由此也影响了劳动力市场人才流动以及薪酬水平的变化。
关键词：IT抵制行为 原因剖析 管理对策六分图
MIS中的人-机交互（HCI：Human-Computer Interaction）研究，关注的是企业、管理、组织和文化情境下人与信息、技术和任务的交互方式。 自从MIS作为一门学科产生以来，MIS导向的HCI问题就引起了学者的研究兴趣。其中，关于“IT（Information Technology，信息技术的简称，下同）接受行为”的研究较为成熟，而对于“IT抵制行为”的研究所占比例较小。对于“IT抵制行为”的理解，曾有这样的误区：将抵制看作接受的另一面，即抵制和接受是一个硬币的两面，研究了接受便同时了解了抵制。但是，信息系统应用的失败事实说明，这种解释是不充分的。例如，Marakas & Hornik提出“明显的接受行为是消极抵制行为的掩饰”，由此看出促进用户接受的对策并不能完全解决用户抵制的问题 。因此，系统地研究用户的IT抵制行为及其产生原因，进而提出有效的管理对策，对实现管理增效具有现实指导意义。
本文在依据已有文献对IT抵制行为的涵义、分类做了简要分析之后，对IT抵制行为原因进行深入剖析，并在前人研究基础上提出基于原因和时间分析的“IT抵制行为管理对策六分图”模型。值得注意的是，目前关于IT抵制行为的研究主要集中于国外，国内严重缺乏独立的研究文献。本文希望对企业管理者在管理IT抵制行为方面能够提供一些理论依据和行为指导，同时也为国内IT用户行为研究领域的学者了解并继续深入研究此问题提供一些参考。
IT抵制行为的内涵分析
关于IT抵制行为的涵义，一些学者给出了不同的阐述。对IT抵制行为涵义的解释主要从两个角度展开：从行为表现形式角度看，用户阻止IT项目实施或拒绝使用系统的显性或隐性的行为称为IT抵制行为；从行为成因角度看，IT抵制行为是指用户面对新系统应用带来的改变（如工作内容、权力、决策方式、收益等的改变）时，产生怀疑、害怕等心理反应，进而采取的消极行为。
IT抵制行为原因剖析
在IT抵制行为原因研究领域，普遍接受的观点是Markus提出的抵制三因素理论，即用户决定（People Determined ）论，系统决定（System Determined）论，交互作用论（Interaction Theory）。对系统决定论方向的研究，属于“IT开发”研究者们关注的问题。IT抵制行为研究关注的是如何从行为、认知等方面解释IT抵制行为的成因，因此用户决定论和交互作用论成为其研究的出发点。本节将分别从用户决定论角度和交互作用论角度，对IT抵制行为产生的原因进行深入剖析。
（一）用户决定论
对用户自身因素的研究是IT抵制行为研究的起点，研究者多以IT应用失败案例为研究对象，从中总结抵制行为产生的原因。本节对相关文献中关于导致IT抵制行为的用户自身因素进行归类，得出个人基本特征、认知风格、情感以及动机这4类用户因素。我们将这4类因素作为用户决定论研究的4个视角，分别展开述评。
1.个人基本特征视角。对于IT使用经验与用户抵制行为的关系上，研究者一致认为丰富的IT使用经验会产生积极的使用态度和较高的使用信心，缺少IT使用经验则导致更高的焦虑感。但是，在性别、年龄、人格类型以及职业类型等个人基本特征与IT抵制行为关系的研究方面，尚未得出统一的结论。这与各研究所选择样本的行业局限性有很大关联，如Alnuaimi等（2011）的研究局限于医疗行业，Davis & Songer（2009）的研究局限于工程建筑行业。然而这并不意味着对此类问题的研究没有意义，相反，这正体现了IS研究领域出现的新的研究趋势，即关注某些特定行业中IS的研究。不同行业中的用户有着其职业所赋予的不同认知方式和行为方式，有针对性地研究特定行业中的IT抵制行为，其理论成果在实践中有很强的应用性。
2.认知风格视角。认知风格是个体在长期的认知活动中形成的稳定的心理倾向，表现为对一定的信息加工方式的偏爱。Markus提出用户主观上抵制所有改变是产生IT抵制行为的原因，Hirschheim & Newman（1988）提出天生保守主义是导致抵制的原因之一。Mullany（2001）提出用户和分析员在认知风格上的差异与用户抵制行为显著正相关。在认知风格与IT抵制行为的相关性上，研究者都得出了肯定的结论。
3.情绪视角。情绪与抵制行为关系的研究中，Marakas & Hornik（1996）认为个体对于IT实施的抵制源于其非理性的心理因素。他们提出“消极抵制滥用（PRM： Passive Resistance Misuse）”行为的研究框架，用户在对IT应用的抵制或者破坏中感到喜悦，而这使用户感到了自己的力量，从而降低了威胁感、压力感。用户采用这种看似对自己没有任何益处的行为来发泄因新系统实施而产生的内心挫败感和害怕情绪。Marakas & Hornik将心理学与行动学的理论结合，应用到IT抵制行为的情绪因素的解释上，以独特的视角看待用户的抵制行为，即有时用户抵制是“情不自禁”而非“损人利己”。
4.动机视角。在动机与IT抵制行为之间关系的研究上，一些研究者认为缺少改革参与性和对IT实施缺少需要感和期待等内在动机导致用户对IT抵制；另外，缺乏外在动机，如缺乏有效组织、缺乏管理支持等也是导致IT抵制行为的原因之一。
在个人决定论方向下，个人基本特征是热点议题，而对于认知风格、情绪、动机的相关研究相对较少。究其原因，有两点：一方面，相对于个人基本特征而言，认知风格、情绪、动机等在识别上有更大的难度，因此研究数据或研究案例不易收集；另一方面，关于认知风格、情绪、动机等的研究需要大量借鉴行为学、心理学、社会学等学科的相关理论，需要研究者具备扎实的理论基础，这也在一定程度上限制了一些IS领域的研究者。期待行为学、心理学、社会学等学科的研究者和IS领域的研究者合作，能对用户的IT抵制行为问题给予更多的关注，得到更全面、更细致的研究结论。（二）交互作用论
1954年，Lawrence在哈佛商业评论中提出“人们抵制的不是技术变化，而是伴随技术变化而产生的人与人之间关系的变化——社会变化”。他认为同时考虑技术和社会两方面因素是有效的面对组织变革的方法，高层管理者应将注意力从技术细节、任务分配等方面转向导致抵制行为的原因上。Markus在交互作用论中用政治变量和社会技术变量解释了Lawrence所提及的“社会变化”，其中，政治变量将IT抵制行为解释为：系统设计特征与组织内权力分配相互作用的产物；而社会技术变量则认为：新系统会改变现有系统所定义的角色和责任，新系统是创造组织变化的工具，其带来的变化越多，遭到抵制的可能性就越大。
基于交互作用论，现有研究主要讨论了系统实施导致的3种变化，分别是权力变化、成本-收益变化和组织文化变化。其中，权力变化等同于政治变化，成本-收益变化、组织文化变化可共同归为社会技术变化，所以，本节将从交互作用论角度，分别就权力变化视角和社会技术变化视角，对IT抵制行为的原因展开剖析。
权力变化视角。Markus认为组织中的权力和政治在系统实施后的变化是导致用户抵制的最重要的原因。Markus将拥有和控制组织中的信息定义为权力，通过IS生命周期中用户权力和政治的变化来揭示抵制形成的原因和过程。在IS实施初期，用户形成了获取权力的意图和动力；在IS实施过程中，用户设法使用政治手段获取权力；在IS投入应用后，权力增加的用户接受系统，而失去权力的用户则抵制系统。Jiang等研究发现决策制定方式的改变是用户抵制决策支持系统（DSS）的主要原因，而待遇降低、工作不安全感和失去权力是用户抵制事务处理系统（TPS）的主要原因。这一研究通过实证的方式验证了Markus、Hirschheim & Newman的研究结论。研究者们通过案例研究和实证研究都证明了权力因素是IT抵制行为的重要诱因。
社会技术变化视角：
第一，成本-收益变化。Joshi使用社会科学中广泛应用的公平理论提出了公平应用模型EIM（ Equity-Implementation Model）。公平理论认为任何一个交换关系中，个体常常关注自身的投入、收益以及交易的公平性，同时也常常与群体中的其他人比较相对收益是否相同。如果用户通过对比，产生了不公平的心理，就会对IT实施带来的变化感到不满，进而表现出抵制行为。在EIM中，假设人的行为是理性的，能准确做出是否公平的判断。然而人是有限理性的，所以往往缺乏对于投入和收益的完整感知。另外，用户的投入和收益的衡量也缺乏明确的标准，有待于后续研究通过建立数理模型将衡量标准量化。
Kim & Kankanhalli（2009）应用EIM模型，并通过实证支持了Joshi的观点。但其打破理性人假设，根据经济学中的现状偏好理论，提出了用户抵制行为的一个决定因素—转换成本。他认为转换成本与用户抵制正相关，预期收益和组织对变化的支持与用户抵制负相关。该研究继承了EIM，扩展了现状偏好理论的应用范围，但由于现状偏好理论解释的是用户因偏爱维持现状而不愿改变现状或接受新事物，因此Kim & Kankanhalli的研究结论仅适用于系统实施前的抵制行为，不能用于解释系统应用过程中的抵制行为。
第二，组织文化变化。Gobbin通过实验，对比具有不同文化特征的组织对同一IT工具的使用程度。研究发现，支持传统的面对面交流方式的组织最终放弃了IT协同工具的使用。所以IT与组织文化是否匹配，在用户对IT工具的抵制上起了决定性的作用。Vann认为公共机构的大型IT项目中使用的语法与用户在以往工作中使用的不一致，会造成用户在表达上的混乱无序，最终形成用户群体基于语言的抵制。IT项目与组织文化的不匹配，也是促使抵制行为产生的原因之一。
交互作用论角度的相关研究考虑的是IT实施的组织意义和社会意义，所以个人、群体、组织、信息技术的相互影响成为IT抵制行为的直接诱因。这些研究成果能够有效指导企业如何改进管理以促进IT项目的成功应用。因此，这一方向的研究对于IT项目中的用户方—企业来说更具指导意义。
IT抵制行为管理对策
从管理学角度来看，解释行为与机理不是最终目的，而是为了更好地管理行为。本节总结已有文献中对IT抵制行为的管理对策，结合相关理论提出IT抵制行为管理对策模型，并面向企业管理者给出该模型的具体应用指导。
（一）IT抵制行为管理模型—IT抵制行为管理对策六分图
IT战略是在信息技术急速发展和社会竞争日趋激烈的环境下，企业增强竞争实力、获取竞争优势的重要战略之一，而信息系统的成功应用是IT战略成功实施的基本前提。因此对IT抵制行为的管理不仅仅是系统实施方需要考虑的问题，也应是企业管理者必须重视且慎重解决的问题，IT抵制行为对策研究对系统实施方和企业管理者都具有重要的现实意义。
目前的相关研究主要存在以下两方面的不足：一方面，研究者多是从一个维度出发提出管理对策，如：Martinko et.al以及Aladwan从时间维度提出针对IT实施不同阶段的IT抵制行为管理的方法，Markus从原因类型角度提出IT抵制行为的对策，Shang & Su以及闵庆飞等从对策类型角度划分出多种应对对策；另一方面，相关研究多是针对系统实施方提出IT抵制行为管理对策，缺乏针对企业管理者的具体指导。
由于系统应用的时间段和原因不同，IT抵制行为有不同的表现形式，应采取相应的抵制行为管理对策。因此，应基于时间和原因两个维度，提出IT抵制行为的管理对策。笔者依据抵制三因素理论、归因理论和激励理论，结合已有文献提出的多种具体对策，将IT抵制行为管理对策划分出六种：激发式、报偿式、调整式、指令式、达标式和维护式，依据每种对策对应的抵制原因和时间段，绘制出IT抵制行为管理对策六分图（见图1）。（二）IT抵制行为管理对策六分图的应用
在IT应用中，企业管理者往往只将自己定位于用户身份，而忽视了其对IT项目的管理职责，未能主动处理或积极配合系统实施方共同处理IT抵制行为，给IT项目带来损失。六分图模型对管理者在IT抵制行为管理中的角色和职责进行了分类，为管理者有效管理IT抵制行为提供了依据。
1.配合者角色。配合者角色要求管理者在系统应用的整个过程中与系统实施方积极配合，适用于激发式、调整式、报偿式和维护式对策。具体来说，在系统应用前，管理者应当与系统实施方商讨并共同制定针对员工的IT使用激励政策；为员工提供培训支持（如提供充足的带薪培训期、对在培训中表现优秀的员工给予奖励）；做好与新系统目标一致的业务流程重组和企业文化重塑；与系统实施方共同开展用户培训工作（如系统设计员讲解系统操作的同时，管理者帮助员工分析操作习惯和使用成本的变化，促进员工克服畏难情绪，调整员工的主观上的成本-收益比）。在系统投入使用后，管理者应严格执行IT激励政策，促成员工对于IT的使用形成良性归因循环；依据组织内、外环境的变化，与系统实施方合作，同时开展工作流程和系统设计的改进工作，避免员工因系统设计跟不上实际工作流程的变化而产生抵制行为。
2.主导者角色。在系统投入使用后，因权力变化而产生的IT抵制行为属于管理领域中的组织权力配置问题，应使用指令式对策。由管理者独立制定指令型政策、针对抵抗行为的强度划分等级给出相应惩罚措施，以强制消除IT抵制行为，保证组织的正常运转。
3.验收者角色。在系统应用前，管理者作为用户方应采用达标式对策，严格做好系统的验收组织工作，确保系统的质量和性能的可靠，避免因系统设计问题而导致IT抵制行为。
结论
IT抵制行为已成为阻碍企业系统实施、甚至导致系统应用失败的重要原因之一，应引起系统实施方和企业管理者的高度重视。本文简要分析了IT抵制行为的涵义、分类，深入剖析了IT抵制行为的形成原因，在此基础上提出了兼顾系统实施方和企业管理者需求的“IT抵制行为管理对策六分图”模型，为企业管理者认识并有效管理IT抵制行为提供了依据。但这一模型局限于理论上的分析，有待于通过实证研究进行验证和完善。此外，今后的研究工作需要充分考虑行业性质、企业性质、企业信息化程度等相关的组织特征变量，有针对性地提出更为具体的IT抵制行为管理对策。同时，在中国特色的经济、政治、文化环境下探讨IT抵制行为的成因以及相应的管理对策，对于IT抵制理论本土化的应用和发展将有十分重要的理论和现实意义。
参考文献：
1.Lapointe L， Rivard S. A Multiple Model of Resistance to Information Technology Implementation[J]. MIS Quarterly， 2005，29（3）
2.Markus M L. Power， Politics， and MIS Implementation[J]. Communications of the ACM， 1983，26（6）
3.Joshi K. A Model of User"s Perspective on Change： The Case of Information Systems Technology Implementation[J]. MIS Quarterly， 1991，15（2）
4.Marakas G M. Hornik S. Passive Resistance Misuse：Overt Support and Covert Recalcitrance in IS Implementation[J]. European Journal of Information Systems， 1996（5）
5.Davis K A ， Songer A D. Resistance to IT Change in the AEC Industry：Are the Stereotypes True？[J]. Journal of Construction Engineering and Management， 2009 （12）
6.Alnuaimi O A， Cronan T P， Douglas D E， Limayem M. Healthcare Professionals" Reactions to Health Enterprise System Implementations： A Theory of Cynicism Perspective [C].HICSS2011，2011
7.Hirschheim R， Newman M. Information Systems and User Resistance： Theory and Practice[J]. The Computer Journal， 1988， 31（5）
8.Mullany M J. Using Cognitive Style Measurements to Forecast User Resistance[C]. Proceedings of the 14th Annual Conference of the NACCQ ，2001
9.Jiang J J， Muhanna W A， Klein G. User Resistance and Strategies for Promoting Acceptance Across System Types[J].Information & Management， 2000，37（1）
10.Kim H， Kankanhalli A. Investigating User Resistance to Information Systems Implemetation： A Status Quo Bias Perspective [J]. MIS Quarterly ，2009， 33（3）
11.Gobbid R. The Role of Cultural Fitness in User Resistance to Information Technology Tools[J]. Interacting with Computers， 1998 （9）
12.Vann J L. Resistance to Change and the Language of Public Organizations： A Look at "Clashing Grammars" in Large-Scale Information Technology Projects[J].Public Organization Review： A Global Journal ， 2004（4）
13.Martinko M J， Henry J W， Zmud R W. An Attributional Explanation of Individual Resistance to the Introduction of Information Technologies in the Workplace[J]. Behavior &Information Technology，1996， 15（5）： 313-330
14.Aladwani Adel M. Change Management Strategies for Successful ERP Implementation[J]. Business Process Management Journal， 2001， 7（3）：266-275
15.Shang Shari， Su Tim. Managing User Resistance in Enterprise Systems Implementation [C]. AMCIS 2004，2004： 149-153
作者简介：
周蕊（1981-），女，山东省工会管理干部学院讲师，主要研究方向：企业信息化，信息系统用户行为。
给出数据集mtcars的基本信息。
?mtcars #显示数据集mtcars的详细信息
Mtcars #显示数据集mtcars的全部32个观测值
head(mtcars) #显示数据集mtcars中前6个观测值【R,语言,薪水】
tail(mtcars) #显示数据集mtcars中后6个观测值
names(mtcars) #显示数据集mtcars中的变量
data.entry(mtcars) #浏览和修改mtcars数据集
浏览和修改mtcars数据集
mtcars<-edit(mtcars) #修改数据后，存入同名数据集
MTcars<-edit(mtcars) #修改数据后，存入新数据集
xnew<-edit(data.frame()) #编辑生成新的数据集xnew
比较下列命令区别：
x<-c(10.4, 5.6, 3.1, 6.4, 21.7) #建立数据向量
1、data.entry(x) #打开数据编辑器修改数据
2、edit(x) #打开R编辑器修改数据
直接修改mtcars(两个命令相同)
fix(mtcars)
mtcars<-edit(mtcars)
attach(mtcars) #激活mtcars，
mpg #激活后，可直接用数据集的变量名
属性变量
table(cyl) #cyl是属性变量，计算其频数表
barplot(table(cyl)) #频数直方图（对属性变量的）
数值变量【R,语言,薪水】
stem(mpg) #茎叶图
hist(mpg) #直方图
boxplot(mpg) #盒形图
mean(mpg) #均值
mean(mpg,trim=0.1) #截取上下各10%数据后遗留数的均值
tapply(mpg,cyl,mean) #按分组变量cyl计算mpg的分组均值，如果将mean替换成其他统计量，就可以计算其它各种分组统计量
IQR(mpg) #计算四分位差(函数大写)Q3-Q1
quantile(mpg) #计算四分位点，标明各分位点的位置
fivenum(mpg) #计算四分位点，不标明各分位点的位置
quantile(mpg,probs) #计算按向量prob给定的各百分位的样本值
probs=c(0.1,0.5,99.5/100) #给出各百分位
quantile(mpg,probs) #计算相应的样本值
summary(mpg) #描述性统计
sd(mpg) #标准差
var(mpg) #方差
skewness(mpg) #偏度
kurtosis(mpg) #峰度
散点图
plot(cyl,mpg) #气缸数与油耗的散点图
plot(hp,mpg) #马力与油耗的散点图
不同气缸数下的散点图
plot(hp,mpg,pch=cyl) #马力与油耗的散点图，pch表示用字符图案画点
legend(250,30,pch=c(4,6,8), legend=c("4 cylinders","6 cylinders","8 cylinders")) #做出各气缸符号的说明标记。这里250,30是说明框的左上角位置
线形回归
z<-lm(cyl~mpg) #将回归所有结果放入z中
cor(cyl,mpg) #汽缸数与油耗的相关系数
cor(cyl,mpg)^2 # 一元回归R square即为相关系数的平方
残差分析
lm.res<-lm(cyl~mpg) #将回归所有结果放入lm.res中
lm.resids<-resid(lm.res) #提取lm.res中的残差向量
plot(lm.resids) #画残差图
hist(lm.resids) #残差的直方图
qqnorm(lm.resids) #残差的qq图
qqline(lm.resids) #残差的qq线
结束分析并退出R
detach(mtcars) #从内存中清除数据集mtcars
q() #退出R
改变内存变量
name<-"Carmen";n1<-10;n2<-100;m<-0.5 #定义内存变量
ls() #显示所有定义的内存对象
ls(pat="m") #显示内存中含m的指定对象
ls(pat="^m") #显示内存中打头字为m的指定对象
ls.str() #显示内存中所有对象的详细信息
rm(x,y) #从内存中删除对象x与y
rm(list=ls()) #从内存中删除所有对象
rm(list=ls(pat="^m")) #从内存中删除所有打头字为m的指定对象
建立数值型向量
向量具有简单规律
seq()或”:”
1:10 #建立1到10的数字向量
1:10-1 #建立0到9的数字向量
1:(10-1) #建立1到9的数字向量
z<-seq(1,5,by=0.5) #从1到5，每次递增0.5
z<-seq(from=1,to=5,by=0.5) #等价于z<-seq(1,5,by=0.5)
z<-seq(1,10,length=11) #从1到10，等分为11个点
z<-seq(1,10,length.out=11) #等价于z<-seq(1,10,length=11)
向量具有复杂规律
z<-rep(2:5,2) #2到5循环2次
z<-rep(2:5,times=2) #等价于z<-rep(2:5,2)
z<-rep(2:5,rep(2,4)) #等价于z<-rep(2:5,2)
z<-rep(1:3,times=4,each=2) #数字1到3每个重复2次，共循环4次
向量没有规律
z<-rep(c(3,5),c(2,4)) #3按后面2循环2次，5按后面4循环4次
通过键盘逐个输入
z<-scan() #直接输入数据，回车键输入数据，空数据表示停止输入
sequence(3:5) #建立连着的数据，从1到3，1到4，再1到5
sequence(c(10,5)) #建立连着的数据，从1到10，再从1到5
建立逻辑向量
x<-c(10.4,5.6,3.1,6.4,21.7) #建立数值向量x
temp<-x>13 #建立一个x是否满足大于13的逻辑向量
函数factor()的调用格式
factor(x,levels=sort(unique(x),na.last=TRUE),labels=levels, exclude=NA, ordered=is.ordered(x)) 字符型向量转换为因子
a<-c("green","blue","green","yellow")
a<-factor(a)
数值型向量转换为因子
b<-c(1,2,3,1)
b<-factor(b)
字符型因子转换为数值型因子
a<-c("green","blue","green","yellow")
a<-factor(a)
levels(a)<-c(1,2,3,4)
参考类似
b<-factor(c("A","B","C"),labels=c(1,2,3))
数值型因子转换为字符型因子
b<-c(1,2,3,1)
b<-factor(b)
levels(b)<-c("low","middle","high")
参考
ff<-factor(1:3,labels=c("A","B","C"))
提取向量中的元素
x<-seq(1:100) #建立1:100的数据向量，存入x
x[1:10] #提取x的前10个元素
x[c(1,4)] #提取x的第1和第4元素
y<-x[-(6:10)] #去除向量中与索引向量对应的元素
提取逻辑向量
x<-c(42,7,64,9) #产生数值向量x
x>10 #产生x>10是否成立的逻辑向量
x[x>10] #取x>10的值
x[x<40&x>10] #取x<40且x>10的值
x[x>10]<-10 #修改x中所有满足条件的数据为10
y=runif(100,min=0,max=1) #产生0-1上的100个均匀分布的随机数
sum(y<0.5) #求小于0.5的元素的个数
sum(y[y<0.5]) #求小于0.5的元素的和
y<-x[!is.na(x)] #求出x中的非缺失值放入向量y中
z<-x[(!is.na(x))&(x>0)] #求出x中的大于零的非缺失值放入向量z中
建立数组
array(data,dim,dimnames)
A<-array(a,dim=c(3,4,2)) #以a中数据建立维数为(3,4,2)的数组A
具体例子
A<-array(1:8,dim=c(2,2,2)) #建立一个2x2x2的数组，里面放置1到8
dim(A) #求出A的维数
dimnames(A)<-list(c("a","b"),c("c","d"),c("e","f")) #定义数组中向量名
colnames(A) #A的列变量名
rownames(A) #A的行变量名
建立矩阵
A<-array(1:6,c(2,3)) #建立2行3列矩阵A，用1-6填入
A<-array(1:4,c(2,3)) #如果数据不够，自动循环
A<-array(1: 8,c(2,3)) #建立A时，如数据多余，则自动截尾
标准矩阵命令
X<-matrix(1,nr=2,nc=2) #建立2x2标准矩阵
X<-diag(3) #建立3x3的单位阵
X<-diag(c(10,20,30)) #建立以10,20,30为对角元素的对角阵
X<-diag(2.5,nr=3,nc=5) #建立3X5的广义对角阵
X<-matrix(1:4,2) #建立2x2的矩阵，用1-4填入
X<-matrix(1:4,2,2) #等价于X<-matrix(1:4,2)
rownames(X)<-c("a","b") #定义行名
colnames(X)<-c("c","d") #定义列名
dim(X) #求出行列数
dimnames(X) #求出行列别名
X<-matrix(1:4,2,4) #按列填入，不够再次循环
X<-matrix(1:4,2,4,byrow=TRUE) #按行填入，不够再次循环
提取矩阵下标和元素
X<-matrix(1:6,2,3) #用1到6建立一个2x3的矩阵
X[2,2] #提取X的（2,2）位的一个元素
X[2,] #提取X的第二行
X[,2] #提取X的第二列（按最小行或列数显示）
X[,2,drop=FALSE] #提取X的第二列，按原样显示
X[,c(2,3)] #提取X的第二、三列
X[-1,] #去掉第一行
X[,-2] #去掉第二列
X[,3]<-NA #将第三列设为缺失值
X[is.na(X)]<-1 #缺失值替换为1
矩阵的运算
X<-matrix(1:6,2,3) #用1到6建立一个2x3的矩阵
t(X) #转置矩阵
diag(X) #对角向量
矩阵按行或列合并
m1<-matrix(1,nr=2,nc=2) #建立一个2x2的全1矩阵
m2<-matrix(2,nr=2,nc=2) #建立一个2x2的全2矩阵
rbind(m1,m2) #矩阵按行合并
cbind(m1,m2) #矩阵按列合并
矩阵运算
m2*m2 #矩阵按单元乘积，也即点乘
rbind(m1,m2)%*%cbind(m1,m2) #矩阵乘积1
cbind(m1,m2)%*%rbind(m1,m2) #矩阵乘积2
X<-matrix(1:4,2) #建立一个2x2的1到4的行列式
det(X) #X的行列式
cov(X) #求出X各列之间的协方差矩阵
x<-c(1,2) #设x
y<-c(3,4) #设y
cor(x,y) #相关系数矩阵
求均值、中位数
m<-matrix(rnorm(n=12),nrow=3) #建立一个3行的12个服从标准正态分布的随机数矩阵 apply(m,MARGIN=1,FUN=mean) #按行取均值
apply(m,MARGIN=2,FUN=mean) #按列取均值
scale(m,center=T,scale=T) #中心化随机变量
row.med<-apply(m,MARGIN=1,FUN=median) #计算矩阵m每行的中位数
sweep(m,MARGIN=1,STATS=row.med,FUN= "-") #每列各自减去列中位数
建立数据集两种方法（data frame）
上一篇：中央电视台7养狼李君
下一篇：淘宝上卖什么最赚钱