您的位置: 李二秃谈游戏 > 旅游

【大数据】大数据在企业信息化中的应用创新

2019-07-16来源:李二秃谈游戏

摘要:大数据带来机遇的同时也对企业的信息化提出了新的挑战。如何在现有企业信息化成果基础之上利用大数据发掘新的商业价值,并采用成本效益最好的方式获得大数据带来的好处,不仅需要坚实的技术架构进行支撑,同时也必须考虑与信息化密切相关的业务管理机制,从而积极寻求大数据在现代企业管理的应用创新,支持企业实现其自身战略目标。本文探索互联网+时代以“数据驱动,业务引领,技术保障”的新型信息化模式,从而为企业带来创新的信息化价值。

关键词:联邦式;4V;BI;Gartner;What-If;BDA

某企业起初集中进行了信息化建设,其独特之处是按照“有统有分,统分结合”的模式建立起了联邦式的信息化管理体制。为“再造三个”等量企业发展战略提供了坚强支撑,满足了集团战略对管理范围、管理幅度和管理精度的要求[1]

在2005年企业进行集中的信息化建设之初,我们就提出了与商务智能(下称BI)的报表系统的规范和统一路线,同步建成了某企业集中统一的报表平台,其报表平台的特征与当时Gartner所定义的商务智能特征相符。随着信息化从集中建设转移到深化应用的过程中,逐步建立起了集团与二级单位的自主和集中相结合的信息化管理方式。如图1所示:

图1 联邦式IT

这种联邦式的模式主要体现了“业务驱动,技术引领”的思路。便于推动各二级单位或职能部门能主导信息化项目的建设,从而摆脱由信息化部门主导而产生的业务部门应用效果不理想的问题。另一方面,为了更好地利用集中建设时期形成的知识和成果积累,避免各二级单位在同类信息化建设项目中走弯路,提高项目建设成功率,降低试错成本,于2015年1月发布了《统一报表平台架构》规定。其中是如下定义报表系统:“指用信息化手段进行数据采集、加工、汇总、展示,以满足通过各种形式的报表进行数据分析、查看、整合、预测等需求的系统。包括但不限于数据仓库、决策支持、分析平台、大数据平台、商务智能、管理驾驶舱等术语和俗称所指的系统。”其中,已经将“大数据平台”、“决策支持”、“分析平台”作为报表平台能支撑的系统。

随着互联网+的到来,党的十八届五中全会公报提出要实施“国家大数据战略”,这是大数据第一次写入党的全会决议,标志着大数据战略正式上升为国家战略。原有的报表系统辅助以大数据等信息化手段,各二级单位和职能部门对信息化建设的方式逐步发生了变化,变得更加积极和自主起来,所以这也符合企业和国家发展战略的要求。比如,2013年,进出口公司作为首家“移动智能报表系统”建设单位,实现了“以iPad、智能手机等移动终端实时、便捷访问公司重点报表”的目标。而“移动智能报表系统”项目又属于ERP深化应用项目中的专项工作之一。紧接着,某企业下属电力能源公司通过统一的数据填报平台,减轻所属单位生产岗56%的填报工作量(以电厂为例)。生产报表由周频提高到日频,采办报表由半年提高到月频,上报报表可系统自动生成,提高了数据上报的及时性和准确性。系统数据和手工平台数据相结合,为领导提供了集团全口径数据。2014年,该企业下属工程公司通过报表平台实现了预算科目与核算科目的映射,从而解决了多年来工程项目成本核算不准确、无法给业主提供科学合理的工程报价的难题。在诸多的例子中,我们已经发现潜在的业务驱动的内在已经围绕“数据”而展开。

在这种情况下,统一的报表平台架构得到了广泛的应用,从而使得数据集聚到了集中的数据仓库中。这种数据的集聚也使得各二级单位和职能部门逐渐意识到数据治理工作对信息化价值实现的重要性。比如,在2015年,结合业务发展与信息化建设,陆续启动了物资数据标准化、数据治理总体规划等数据治理工作,力图解决日益凸显的数据资产日益增长与数据资产应用不足管理零散之间的矛盾,不断推进数据环境的优化。企业数据治理的理念初步形成。

1 大数据时代所带来的机遇和挑战

“数据是新时代石油”,谁拥有了谁就具有相对其他人更大的竞争优势。数据所蕴藏的巨大价值将引发一系列的管理变革,大数据技术与思维为企业经营和管理提供全新的机遇。大数据的概念起源于2000年前后谷歌提出的一套以分布式为特征的全新技术体系。经过三次重要的迭代。大数据的1.0时代,商业中的生产流程、销售、客户交互等数据开始被存录、整合和分析。大数据的2.0时代,数据应用的对象出现了扩展,企业数据采集范围从企业内部扩大到了整个互联网。同时,应用对象也从企业的管理决策转向了客户行为分析。正在发展的大数据3.0时代,逐渐将数据的应用扩展到了各个产业和生产环节。大数据渗透到了企业的全部生产流程上。在数据来源方面,许多企业通过结合ERP系统、设备传感器系统等数据源,全面掌握了企业生产环节的信息。在分析应用方面,则通过对监控信息和储运信息的解读,优化了生产流程和资源配置状况,并将信息发送给使用终端设备的作业现场管理人员。对应大数据的三个时代,其应用可分为如下几个方面:

1.1 加速商业智能BI在企业的应用

很多企业的管理者开始意识到大数据给企业所能带来的巨大的商业价值,开始尝试运用数据创造企业的利益增长和管理模式的创新。BI通过结合企业实际和事实进行分析总结,从而辅助商业决策的制定。2015年4月Gartner 发布报告,认为当今商业数字化呈现3个核心趋势,其中前两项为虚拟与现实结合、无处不在的商业智能。而在实现“虚拟与现实相结合”及“无处不在的商务智能”的主流技术中,大数据都处在变革的地位,而且影响力巨大。

图2 虚拟与现实相结合中大数据的变革地位

图3 无处不在的BI中大数据的变革地位

BI的新技术可以为企业提供快速有效的数据处理过程,包括从数据的收集到整理再到分析的整体过程。在数据化时代中,大数据不仅仅是BI的升级版,同时也是一场革命,可以在更大范围的数据中获取更多洞察力。大数据与BI的融合为企业带来了巨大机遇,革新了商务智能的布局。

1.2 提高企业关联数据挖掘技术的发展

由于本阶段企业的数据采集范围已经扩展到互联网,随着信息技术的不断进步,各种新技术逐渐兴起,比如云计算技术、交互行为技术等。由于数据范围的扩充驱动了业务应用的扩展,如何应用数据的关联性分析获得商业价值成为了主要趋势。传统人工分析无法处理大量运算,也无有效方法来运用非结构化数据进行全面的分析。因此大数据分析应用的两个难点分别是实现数据的关联性挖掘,以及针对业务场景搭建合理的模型并进行拟合。

第一个难点是数据关联性挖掘。为了全面挖掘没有强相关性的变量间的联系,首先需要进行全部变量互相间的相关性分析,以设备大数据故障预警为例,需要选取如事故日志、停机报告、产量统计等关键变量,进行全部变量针对关键变量的集群分类,以及关键变量和集群分类结果间的因子分析。得出了针对关键变量的相关因子之后,一方面需要将因子分析结果反推至所包含的变量,进行合理性的人工审查,一方面需要继续利用回归模型生成指导性结论。这个过程中的各个环节需要投入大量业务和技术人力进行筛选、修改、调整。所涉及变量数量众多,每个变量对应数据的时间维度、细分程度等方面的选择需要进行符合业务情况的检验和论证。

第二个难点是根据业务建模并进行拟合,在数据关联性挖掘的环节中,首先要定位和理解有分析需求的业务场景。针对不同的业务场景和相关性分析、集群分类、因子分析等分析过程,需要从神经网络算法、树状贝叶斯分类、层次聚类、非层次聚类等多种数学方法中,选择匹配业务场景和分析需求的进行建模。整个模型的搭建过程中也需要针对实际业务情况,对模型的变量、参数进行多次验证、调整和,并结合先验数据进行拟合,以期建立合理、解释性强的分析模型。

整个挖掘与分析的过程需要克服涉及变量众多、历史数据量巨大、需要专业业务和技术人力进行校验、需要进行多次拟合和调整等多方面的困难。

1.3 加速物联网与大数据等新业态融合创新

由于大数据3.0时代,已经渗透进企业生产全流程过程,包括ERP、传感器等实时数据等。产生了BI和OI融合的业务需求,云计算、大数据与物联网有着密不可分的关系。拿互联网来举例,物联网对应了互联网的感觉和运动神经系统。云计算是互联网的核心硬件层和核心软件层的集合,也是互联网中枢神经系统萌芽。大数据代表了互联网的信息层(数据海洋),是互联网智慧和意识产生的基础。包括物联网,传统互联网,移动互联网在源源不断地向互联网大数据层汇聚数据和接受数据。云计算与物联网推动大数据发展。

物联网的传感器与云计算的大数据相结合,一个提供感应,一个提供反应,在大数据的提供下对数据进行分析和挖掘。同时通过对流式数据等传感器数据的导入,产生了大量的IoT价值,这些数据是原始而且实时的,可以与现有数据结合而产生巨大的商业价值,可以广泛应用于石油勘探、开发、生产等领域。比如,利用大数据和商务智能进行钻井勘探成本分析(有限公司已有应用),潜在勘探点、油气生产、人力资源和运输优化分析,钻井检测分析(包括电潜泵的故障预测预警分析,目前某企业的工程技术服务公司正在做)。由于流式数据的接入,大数据的应用将产生无法

预估的经济价值。

1.4 加强企业数据安全管理措施

在企业的经营管理当中,产生的企业数据主要包括客户信息、企业信息等,其中包含了很多个人隐私信息。在大数据时代背景下,企业在加强信息管理创新的同时,还应当对企业的客户个人信息,企业商业机密等数据进行有效的保护。在复杂的网络环境中,企业必须采取有效的管理措施,更好的应对企业面临的数据安全问题,才能够更好的推动企业的经营发展。

2 大数据时代的内涵和外延应用

2.1 大数据时代的内涵

大数据是由数量巨大、结构复杂、类型众多数据构成的数据集合,通过数据的集成共享,交叉复用形成的智力资源和知识服务能力。与传统数据相比,大数据具有4V特征,即规模性(Volume)、多样性(Varity)、高速性(Velocity)和价值性(Value)。同时也从这四个维度诠释了大数据时代的真实内涵是大数据、大价值、深入综合、精准化管理。

2.2 大数据时代的外延应用

在大数据驱动过程中,还存在其他的影响要素。而这一过程是大数据技术和分析的混合物,它们被用于定义数据资源的价值,而这种价值又可以转化成驱动商业进步的可操作元素,包括:

(1)预测分析:预测分析是数据统计程序中的一类,它主要是对数据库中的信息和趋势进行分析,从而得到预测结论。在金融和科学领域中预测分析尤为重要,一旦有外部因素加入数据集中,就需要进行新的预测。预测分析的一个主要目的在于识别商业运作、市场和制造业中的风险与机遇。

(2)数据建模:它是一种假设性的分析应用,其中嵌套着多重的“what-if”语句,通过算法被应用于多个数据集。典型的例子是我们已经实现过的杜邦分析。杜邦分析法是一种用来评价公司赢利能力和股东权益回报水平,从财务角度评价企业绩效的一种经典方法。在BI应用过程中,我们利用What-If分析的工具构成运营者的灵活分析模式,通过调整对资产负债率的大小变动,洞察权益乘数这类的财务杠杆效应,最终反映出公司权益资本收益率的决定因素。

(3)数据管理(Data Management)[2]:数据管理是指利用计算机硬件和软件技术对数据进行有效的收集、存储、处理和应用的过程。其目的在于充分有效地发挥数据的作用,包括元数据管理、数据结构化、数据安全等内容。在统一的报表架构中,数据共享和处理层即是该项功能的具体体现。

(4)数据工程(Data Engineering):数据工程是关于数据生产和数据使用的信息系统工程。数据工程建立在大数据背景之下,是对数据库的建设与管理的工程,其主要内容包括数据资产积累、数据运营过程、数据处理结果和应用、数据时间和咨询等。2015年4月14日,全国首个大数据交易所——贵阳大数据交易所正式挂牌运营并完成首批大数据交易。

大数据交易最大的应用前景在传统产业,这不仅是由于几乎所有传统产业都在互联网化,更是因为传统产业仍然占据了国内生产总值的绝大部分份额,大数据交易会帮助这些传统产业更快地完成转型升级。大数据交易所的建成对数据工程提出了新的技术保障要求。以上分析可以称作是大数据的外延应用。这种外延应用的存在有赖于人们对竞争优势的永无止境的追求,并鼓励企业组织采用更大的数据存储库,容纳组织内部和外部的数据,以更好地进行趋势揭示、数据统计、行动决策。这有助于将大数据的概念、相关工具、平台和分析普及到企业经营和管理中。

3 大数据在石油石化行业的应用分析

I DC研究认为,在可预测的将来,大数据分析(BDA)将是油气行业的重点投资领域。在大数据应用成熟度过程阶段中,如图4所示。

图4 同行业企业大数据发展阶段

国际大型油气企业公司一直都非常重视数据处理,而大数据技术为这些企业提供了更多的创新性解决方案。康菲公司利用大数据技术,对油井压力、温度、产量、设备运转情况等多种信息进行实时分析,提升了海量气井数据的可视化和分析应用,为管理人员的生产决策提供了有效支撑,使4500多处天然气井产量提高30%。道达尔公司使用了针对作业区设备的大数据监控和分析系统,在异常情况产生时可以及时发出预警,也可以提早预测和定位即将发生的设备问题,降低了生产损耗,避免了意外停车和恶性事故发生的概率。壳牌采用了大数据交易分析解决方案,在风险管控和业务合规性中找到问题,然后通过数据分析监控交易。这一方案中涵盖了支持决策的预测分析技术,帮助企业定义交易模式,并利用统计分析防止潜在的损失。同时大数据在石油行业还可以进行机器数据洞察和全渠道洞察。

图5 石油行业的洞察力示意图

4 大数据的价值体现

随着大数据的发展,企业也越来越重视数据相关的开发和应用,从而获取更多的市场机会。一方面,大数据能够明显提升企业数据的准确性和及时性;此外还能够降低企业的交易摩擦成本;更为关键的是,大数据能够帮助企业分析大量数据而进一步挖掘细分市场的机会,最终能够缩短企业产品研发时间、提升企业在商业模式、产品和服务上的创新力,大幅提升企业的商业决策水平,降低了企业经营的风险。波特五力分析模型是迈克尔·波特(Michael Porter)于80年代初提出,对企业战略制定产生全球性的深远影响。五种力量模型将大量不同的因素汇集在一个简便的模型中,以此分析一个行业的基本竞争态势。

该模型的理论是建立在以下三个假定基础之上的,这些假定通过非信息化传统手段难以克服,但是随着BI及大数据的发展,这些假定条件的约束已经成为过去:

假定条件一:“制定战略者可以了解整个行业的信息,显然现实中是难于做到的。”

通过BI及大数据手段,确定企业和本行业的核心指标内容,比如通过标杆分析、KPI分析等手段,越来越清晰地实现企业战略者对整个行业的了解。

假定条件二:“行业的规模是固定的,因此,只有通过夺取对手的份额来占有更大的资源和市场。但现实中企业之间往往不是通过吃掉对手而是与对手共同做大行业的蛋糕来获取更大的资源和市场。同时,市场可以通过不断的开发和创新来增大容量。”

通过大数据手段,可以随时把握市场情况,获得竞争优势。

4.1 大数据助企业挖掘市场机会探寻细分市场

大数据能够帮助企业分析大量数据而进一步挖掘市场机会和细分市场,然后对每个群体量体裁衣般的采取独特的行动。用创新的方法解构消费者的生活方式,剖析消费者的生活密码,才能让吻合消费者未来生活方式的产品研发不再成为问题,如果你了解了消费者的密码,就知道其潜藏在背后的真正需求。大数据分析是发现新客户群体、确定最优供应商、创新产品、理解销售季节性等问题的最好方法。通过数据驱动,产生应用,最后通过技术保障来实现整个产品的生命周期。

4.2 大数据提高决策能力

大数据能够有效的帮助各个行业用户做出更为准确的商业决策,从而实现更大的商业价值,它从诞生开始就是站在决策的角度出发。虽然不同行业的业务不同,所产生的数据及其所支撑的管理形态也千差万别,但从数据的获取、数据的整合、数据的加工、数据的综合应用、数据的服务和推广、数据处理的生命线流程来分析,所有行业的模式是一致的。

4.3 大数据创新企业管理模式,挖掘管理潜力

在企业管理的核心因素中,大数据技术与其高度契合。管理最核心的因素之一是信息搜集与传递,而大数据的内涵和实质在于大数据内部信息的关联、挖掘,由此发现新知识、创造新价值。两者在这一特征上具有高度契合性,甚至可以标称大数据就是企业管理的又一种工具。因为对于任何企业,信息即财富,从企业战略着眼,利用大数据,充分发挥其辅助决策的潜力,可以更好地服务企业发展战略。

5 某企业大数据的发展紧随企业信息化管理的发展

某企业大数据发展主要分为三个时期:

(1)ERP时期

就信息化价值而言,某企业ERP系统为全集团提供了一个统一及覆盖总公司和各二级公司的经营管理应用系统,并且通过信息集成方式不仅完成人、财、物管理系统,也包括销售、生产、维修等生产经营的专业应用系统,为战略管理层提供决策分析基础。此目标达成的过程中,统一的BI平台首先是同步建立起来的,并且在其中起到了重要的支撑作用。在此阶段,首先BI解决了决策者及经营管理者从“认识到”到“看到”的过程,并将业务流程逐步顺畅。

(2)后ERP时期

随着某企业的管理需求不断深化。云计算、SOA、物联网、移动互联网、大数据BI等新技术的发展,企业的管理需求不断深化,不再局限于传统优化内部业务流程、提升运营效率的层面上,企业着眼的是企业管理系统能否提供有价值的商业信息,供管理层进行科学决策。使得决策者及经营管理者能充分利用碎片化时间,随时随地地掌握企业信息,从而改善原有的鼠标键盘的方式,从“看到”到“体验到”。因此,企业ERP系统数据价值亟需挖掘。运转多年的EPR系统积累了大量的行业数据,这些数据对于企业的经营决策和预测来说意义重大。如何确保这些数据安全存储和及时运用,将影响到企业能否最大化地发挥ERP的价值。可以说,后ERP时代,ERP+BI将会成为数据的深

本文由李二秃谈游戏整理,内容仅供参考,未经书面授权禁止转载!图片来源图虫创意,版权归原作者所有。

相关阅读