打造数据驱动型企业

打造数据驱动型企业

些公司在召开董事会时 ,董事们争论最多的并不是

企业业务该如何做 ,而是对作为决策依据的业务报告的数据

有歧义。” Informatica公司首席信息官、资深副总裁Tony

Young指出，“由此可见，数据和信息的可靠性、可信性和及时

性成了驱动企业业务发展的最关键的因素之一。

应用驱动到数据驱动

平时 ,人们听到最多的是业务驱动型企业或应用驱动型

企业 ,数据驱动型企业又有何不同之处呢?一个企业面临的最

大挑战是如何强化和提升其竞争力。如今，企业的IT架构和应用有一个成熟的模型 ,如果用一个金字塔型来表示 ,最下面的是IT基础设施，CIO最基本的工作就是保证IT基础设施的安全和稳定运行 ;中间层是指应用流程 ,应用商品化是未来的发展趋势,而CIO必须充分了解如何部署和实施这些应用和流程才能最大化企业的竞争力 ;最上层是指数据和信息。

“对于一个CIO来说,他真正应该管理和负责的是企业的

数据和信息，而不是应用和基础设施。” Tony Young表示，“从管理难易程度看，最容易管理的是IT基础设施,其次是应用流

程,最难实现的是对数据和信息的管理。有些人之所以认为数据驱动型企业这个提法过于抽象 ,就是因为数据和信息管理的难度是最大的。”

传统的企业是如何对数据进行管理的呢?举例来说 ,一个

企业如果想在数据仓库中存入新数据,首先要对数据类型进

行分析，然后IT部门的人员要与业务人员进行沟通，最后才能

将数据存入数据仓库 ,这通常需要 2~4个月的时间。数据驱动

型企业能以实时、动态的方式将数据存入数据仓库中。具体

来说,数据驱动型企业采用的是一种基于SOA的技术架构，能以虚拟化的方式加入数据 ,Informatica 9 就是这样一种有效的工具。

传统的数据集成采用的是点对点的架构,整个架构是紧

耦合的 ,其中某一个部分变化 ,也会引起与之相连的其他部分的变化。这样的架构十分复杂 ,构建成本也非常高。以 SOA

架构为基础的数据集成与管理工具,就是要变原来的紧耦合架构为松耦合架构 ,更多地采用应用虚拟化技术 ,实现数据更新的自动同步。

“过去，lnformatica公司的数据仓库与 ERP系统中的财务

数据是链接在一起的 ,一旦有新的数据加入系统 ,IT 技术人员通常需要 7 个月的时间才能最终把数据加入到数据仓库中这令业务部门非常不满意。现在，采用基于SOA架构的

Informatica 9,只要两周时间就能完成过去需要 7个月才能完

成的任务 ,既提高了数据迁移的速度 ,又保证了数据的质量。”Tony Young 介绍说。

云计算带来新挑战

我们已经步入了云计算时代。云计算技术的发展将给数

据质量管理工作带来哪些新挑战呢 ?从应用的角度看 ,云计算主要包括三种类型，即SaaS软件即服务）、PaaS平台即服务）、 laaS 基础架构即服务）。在SaaS方面,很多软件公司早有安排，比如Informatica 公司 5 年前就推出了相关的产品。云计算的出现将导致云端的数据碎片增多 ,更需要人们用高效的数据集成技术把这些碎片集合起来。例如 ,最新发布的 Informatica

Cloud 2010夏季版提供了全新的重要数据质量和B2B数据转换功能 ,可确保用户通过云更简单地利用强大的数据集成服务。借助该功能 ,用户能够快速增强和整理云应用程序内的数据,并在云中集成来自合作伙伴、供应商及交易网络的

ACORD SWIFT EDI-X12 和 EDIFACT等多种格式的信息。Tony Young介绍说：“目前已有 650多家使用Informatica Cloud

的企业 ,一天需要运行超过 30 万个集成作业 ,在系统之间每

月集成超过 60 亿行信息。”

在许多ERP失败的案例中 , 症结并不是技术本身 , 而是人为的因素。数据质量管理是借助软件工具对企业的数据流程

进行管理 ,这其中也会涉及到人和管理流程。“一个项目的成

功实施主要包括三方面因素 :人、流程和技术。其中,技术是最简单的部分 ,人是最难的部分。你要改变一个人的行为或习

惯是非常难的。在实施数据质量管理的过程中,一定要注意协调各业务部门之间的关系，理顺管理流程。” Tony Young说。

基于SCADA的数据驱动型企业建设探索

Computer Science and Application 计算机科学与应用, 2019, 9(12), 2277-2282 Published Online December 2019 in Hans. https://www.wendangku.net/doc/c412711685.html,/journal/csa https://https://www.wendangku.net/doc/c412711685.html,/10.12677/csa.2019.912253 The Exploration of Data Driven Enterprise Construction Based on SCADA Bo Wen1, Jiaojiao Zhou1, Yanguang Sun1, Honghui Zhan2 1CRRC Qingdao Sifang Co., Ltd., Qingdao Shandong 2HUST-Wuxi Research Institute, Wuxi Jiangsu Received: Nov. 15th, 2019; accepted: Nov. 30th, 2019; published: Dec. 6th, 2019 Abstract This paper introduces the necessity of building SCADA system in the process of building a da-ta-driven enterprise, puts forward the construction framework for the construction of high-speed train Industrial Internet, and expounds the integrated solution between production line and up-per business system. Through the practice in Qingdao Sifang, the research of this paper has certain reference significance for the implementation of system vertical integration in the rail transit equipment manufacturing industry to build data-driven enterprises. Keywords Data Driven, Industrial Internet, Vertical Integration 基于SCADA的数据驱动型企业建设探索 文勃1，周娇娇1，孙延光1，湛红晖2 1中车青岛四方机车车辆股份有限公司，山东青岛 2华中科技大学无锡研究院，江苏无锡 收稿日期：2019年11月15日；录用日期：2019年11月30日；发布日期：2019年12月6日 摘要 本文介绍了在建设数据驱动型企业过程中，SCADA系统建设的必要性，针对高速列车工业互联网建设提出了其建设架构，阐述了生产线和上层业务系统集成解决方案。通过在青岛四方的实践证明，本文的研究对于在轨道交通装备制造行业中实施系统纵向集成建设数据驱动型企业具有一定的借鉴意义。

大数据驱动供应商智慧运营的应用研究

Modern Management 现代管理, 2020, 10(4), 547-552 Published Online August 2020 in Hans. https://www.wendangku.net/doc/c412711685.html,/journal/mm https://https://www.wendangku.net/doc/c412711685.html,/10.12677/mm.2020.104066 Research on the Application of Big Data Driven Supplier’s Intelligent Operation Longjiang Bian1, Zhongqiang Lei2, Xiaoming Liu2 1Jiading Power Supply Company, State Grid Shanghai Electric Power Company, Shanghai 2Material Company, State Grid Shanghai Electric Power Company, Shanghai Received: Jul. 22nd, 2020; accepted: Aug. 6th, 2020; published: Aug. 13th, 2020 Abstract Based on the current situation of the supplier management business of State Grid, according to the internal and external needs of enterprises, this paper widely applies big data technology, designs the framework of smart operation big data analysis system, collects the underlying data to estab-lish the supplier competitiveness index system, and comprehensively analyzes the supplier com-petitiveness index to further analyze the pain of supplier operation points and promotion points, put forward optimization suggestions to help suppliers improve the competitiveness of the indus-try, guarantee the products of suppliers and improve the quality of power grid materials and power grid operation efficiency. Keywords Smart Operation, Big Data Analysis, Supplier Management, Industry Competitiveness 大数据驱动供应商智慧运营的应用研究 卞龙江1，雷仲强2，刘晓明2 1国网上海市电力公司，嘉定供电公司，上海 2国网上海市电力公司，物资公司，上海 收稿日期：2020年7月22日；录用日期：2020年8月6日；发布日期：2020年8月13日 摘要 本文从国网供应商管理业务现状出发，依据企业内外部需求，广泛应用大数据技术，设计智慧运营大数

中国移动企业级大数据中心建设指导意见V1.1(终版)资料

中国移动企业级大数据中心建设指导意见 为进一步提高中国移动互联网战略的服务能力，对驱动企业管理的精细化、智能化，对外提供信息服务型产品，实现大数据开放后的运营和服务提升，公司决定在全国围实施中国移动企业级大数据中心建设工作，通过整合全公司数据资源，盘活数据资产，助力公司第三条曲线的拓展，以服务“增效、外增收”的整体企业战略，保证中国移动在激烈市场竞争中的可持续发展。 一、建设要求与重点 企业级大数据中心作为中国移动唯一、统一的数据采集、处理、服务和运营的平台，通过“统一采集、统一存储、统一管理、统一运营和统一服务”，形成集团及各省市公司“多节点”、“网状网”形态的数据和服务共享能力；具备独立机构以承担平台建维、数据交换、资产管理、应用开发、数据服务和数据运营职责。为企业、外部客户提供“按需”的服务能力，辅助企业决策，彰显数据价值。 企业级大数据中心的建设要求包括三方面： （一）建好组织：建立相对独立的、专业的企业级大数据中心管理机构，立足公司全局，全面负责企业级大数据平台的规划、建设、运维，以及数据资产管理、产品开发和数据运营等职能。 （二）搭好平台：企业级大数据中心满足中国移动全部数据“统一采集、统一存储、统一管理、统一运营、统一服务”的要

求，实现逻辑集中；全部数据的采集、处理和存储分布于多个节点，进行物理分散，同时实现关键数据资产的异地容灾备份。 （三）做好服务：企业级大数据中心能为集团各部门、专业基地（位置等）、专业公司（咪咕、互联网、政企、在线服务、物联网等）、各省公司及外部行业提供灵活的“按需”服务。 二、建设重点 企业级大数据中心建设重点要求如下： （一）企业级大数据中心的能力要求 为了承接大数据中心的基础平台管理、数据交换、资产管理、应用开发、数据应用、数据运营六个职责，在大数据平台技术架构层面提供数据基础服务能力、系统平台管理能力、数据资产管理能力和应用共享开放能力四个部分： 数据基础服务能力：数据基础服务能力是大数据平台的基础，包含数据采集功能、数据存储运算功能、数据交互功能。数据采集需包括来自BSS、OSS、MSS的基础数据、来自于用户上网行为的DPI二次解析数据以及来自外部的第三方数据的数据采集。数据存储运算功能可根据数据类型及应用采用不同类型的数据库技术实现对不同价值、规模、时效性的数据差异化存储和运算。数据交互功能是实现不同形式的数据存储之间的数据交互。 系统平台管理能力：大数据平台需具备系统平台管理能力，提供对大数据平台的软件和硬件资源的管理，包括诸如资源管

大数据驱动管理变革

大数据驱动管理变革 大数据驱动管理变革 随着云计算、移动互联网和物联网等新一代信息技术的创新和普及应用，社会信息化、企业信息化日趋成熟，社会化网络逐渐兴起，传感设备、移动终端正在越来越多地接入到网络，各种统计数据、交易数据、交互数据和传感数据正在源源不断从各行各业迅速 生成，全球数据的增长速度之快前所未有、数据的类型也变得越来 越多。种类广泛、数量庞大、产生和更新速度加剧的大数据蕴含着 前所未有的社会价值和商业价值，发展潜力十分巨大。 不可忽视的大数据 据赛迪顾问统计，2012年中国各行业大数据IT投资已经超过4.5亿元，年增长率达78.9%，在未来三到五年总投资规模有望超过百亿。在未来3到5年，我们将会看到那些真正理解大数据并能充分 利用的企业和其他企业之间的差距。我认为，真正能够利用好大数据、并将其价值转化成生产力的企业必将具备强有力的竞争优势， 从而成为行业的领导者。 在零售业，对大数据的分析可以使零售商实时掌握市场动态并 迅速做出反应。由于零售行业同类产品的差异小，可替代性强，销 售收入的提高离不开出色的购物体验和客户服务，也离不开高效的 商品流转率，需要实现精准营销和快速营销。沃尔玛已经开始利用 各个连锁店不断产生的海量销售数据，并结合天气数据、经济学、 人口统计学进行分析，从而在特定的连锁店中选择合适的上架产品，并判定商品减价的时机。农夫山泉通过大数据分析技术使销售额提 升了大约30%，并使库存周转从5天缩短到3天，同时其数据中心 的能耗降低了约80%。 在制造业，对大数据的管理与分析可以帮助生产商准确把握市 场需求变动、提高产品设计与生产效率、提高供应链的敏捷性和准 确性。随着制造业信息化的日臻成熟，ERP、PLM等系统的广泛采用，制造业的整个价值链和产品的整个生命周期都涉及到诸多数据，包

大数据如何驱动精细化运营

大数据如何驱动精细化运营 正如文章前面所说，企业做运营是为了拉新、留存和促活，只有这样才能帮助企业增加收入、提升粉丝的活跃度。在移动互联网时代企业要做到精细化运营，一定离不开大数据的帮助。所以企业在时下想要做好精细化运营，一定要通过大数据来驱动，才有可能提升运营的效率和效果。 因为基于大数据的分析能力，可以让企业运营做到精细化的监控和对用户做细分，方便企业根据不同用户的需求进行具有针对性的一对一个性化服务，让企业的营销内容更加精准和有效，同时可以提升整个粉丝用户群的活跃度。那么大数据是如何具体驱动精细化运营的呢？具体如下： 1，大数据对精细化运营监控十分重要 2，我们之前的运营监控更多来说用户或者运营人员对于发生事情的主观判断，缺乏真实有效的数据支持和模型帮助解决问题。而大数据更够让企业进行数据建模和有效收集数据进行分析，帮助企业能够快速找到和解决用户数据的异常信息，对运营起到辅助的监控作用，为企业提供有价值的参考意见。 让我们看个例子看1号店是如何做的，顾客进入1号店后，就进入引导顾客的购买阶段。这个阶段，如何提升每个顾客的购买金额，并在此过程中，实现商品和各种资源的最优配置，是运营的关键。大数据又一次成了1号店的帮手。 首先，1号店的网站改进，包括图片、网页设计，完全以顾客点击和浏览等行为痕迹的大数据分析为依托。不仅如此，在与消费者互动过程中，1号店也应用了大数据。像一些商场的导购员一样，消费者浏览网站商品过程中，1号店会给消费者一些提示推荐，根据消费者之前的浏览和购买行为，1号店的系统能判断出消费者可能喜欢什么商品，给以相应的提示。 再如，根据消费者是搜索商品，还是浏览商品，1号店可以初步判断出他是目的性很强、时间有限的购买者，还是时间充裕、目的性不强的购买者，对于前者会直接推荐商品，对于后者，则不断刺激其购买行为。 2.方便企业对目标用户进行细分 我们都知道以往的企业的运营模式都是一对多的，企业并不知道自己的运营的方式和手段是否满足用户的需求，但是随着企业拥有越来越多的用户数据，能够方便的让企业通过技术分析出关注企业的用户具体属性和用户行为的画像。通过洞察分析出来的这些用户画像，能够让企业对每类用户进行有针对性的运营活动。 3.通过大数据能让企业有效激活用户 企业做运营很重要的一点就是对老用户的激活，但是怎样激活老用户，以及和用户更好的进行有效沟通，几乎是企业都挠头的问题。但是运用大数据技术可以让企业对用户生命周期进行管理和挖掘，让企业对不同生命周期的用户进行标签化的管理，让企业及时把相关运营信息推送给不同生命周期的用户。 总之，借用大数据会让企业的精细化运营更加有效和有针对性，并且对运营人员来说，他们是距离用户最近的那道关口，能够借用大数据做到对用户的精准分析可以减少运营人员不必要的行为，进而提升效率和增加转化率。所以希望企业能够合理运用大数据进行相关运营策略的制定，更好的提升企业运营能力。

大数据分析驱动企业商业模式的创新研究

2014年第1期(总第20期) 哈尔滨师范大学社会科学学报 Journal of Social Science of Harbin Normal University No.1，2014Total No.20 大数据分析驱动 企业商业模式的创新研究 李艳玲 （东北财经大学管理科学与工程学院，辽宁 大连116025） ［摘 要］随着大数据时代的来临，大数据发展催化了大量的相关产业，也带来了商业模式创新的机 遇。大数据问题迅速从技术层面上升到国家战略的最高层面。商务管理在大数据背景下面临诸多的时代挑战，分析企业在应用与研究方面所面临的问题，研究大数据环境下所带来的商业机会的新变化与新思路，思考并探索如何让我国在商业模式创新中迅速适应大数据环境，并有效利用新的机遇与挑战等问题刻不容缓，文章探讨了大数据驱动的商业模式的创新，并对大数据的发展做出展望。 ［关键词］大数据;商业模式;创新研究［中图分类号］F49 ［文献标识码］A ［文章编号］2095－0292（2014）01－0055－05 ［收稿日期］2013－11－10 ［作者简介］李艳玲，东北财经大学管理科学与工程学院副教授，博士研究生，主要从事大数据商业模式创新、管理决策研究。 由于社会化媒体和移动互联网的日益普及， 在最近及未来几年中，各种新的、强大的数据源会持续爆炸式地增长，过去曾经用的名词“信 息爆炸” 、“海量数据”已不足以描述数据的增长态势，2011年5月，美国麦肯锡全球研究院 （MGI ）发表一篇名为“Big data ：The next fron-tier for innovation ，competition and productivity ”（大数据：未来创新、竞争、生产力的指向标） 的研究报告，“Big Data ”（大数据）这个关键词便开始流行起来。 大数据是指大小超出了传统数据库软件工具 的抓取、存储、管理和分析能力的数据群，按EMC 的界定，其中的“大”是指大型数据集，一般在10TB 规模左右；多用户把多个数据集放在一起，形成PB 级的数据量，同时这些数据来自多种数据源，以实时、迭代的方式来实现。IBM 公司把大数据概括成三个V ，即大量化（Volume ）、多样化（Variety ）、快速化（Veloci-ty ），这三个特点反映了大数据所潜藏的巨大价值（Value ），总体概括为四个特征，即4V 。 面对与日俱增的大量复杂的数据，大数据将 会对高级分析产生巨大的影响，如何通过技术、 安全实践和IT 技能的正确组合来发现数字宇宙的潜在效益，帮助客户管理、保护和挖掘这些可以改变游戏规则的数据价值，并把它们直接转化为竞争优势，真正驾驭数字宇宙，发挥大数据的巨大潜力，是每个企业迫切解决的关键问题。同时，分析和利用大数据也可以催生无数新的服务和商机，也让一些传统行业找到了新的发展机会，更为紧迫的是，大数据时代产生了对“数据科学家”这种新兴复合型人才的迫切需求。对数据的洞察力进一步体现公司的战略和行动，将形成正向反馈，有助于企业积累竞争优势，这是大数据分析对产品创新活动的一个新的典型特征。传统创新活动主要局限在企业内部、数据有限、不能及时方便获取，而大数据时代开放性、网络化的数据无处不在，即时发生大量数据，为实时化、个性化创新方式提供了大量的在产品市场化之前进行互动设计的可能性。这方面的研究应充分利用大数据并结合行业特点研究一些重点行业中的产品及服务创新，例如金融、保险、医疗、零售、物流、互联网、电信等具有突出代表 — 55—

大数据时代下数据驱动企业价值再造研究

大数据时代下数据驱动企业价值再造研究 发表时间：2017-10-13T14:08:07.090Z 来源：《建筑学研究前沿》2017年第12期作者：周波 [导读] 文章由大数据本身的特征出发，分析了大数据的产生、流动进而在整个企业网络中重新创造价值的流程。 摘要：大数据时代已经来临，但多数企业仅把大数据看作一项技术，探讨如何利用这项技术以提高企业效率，而忽略了大数据本身的价值以致不能利用大数据对企业的运作流程进行全面地改造。文章由大数据本身的特征出发，分析了大数据的产生、流动进而在整个企业网络中重新创造价值的流程，提出了由“大数据为核心重新驱动企业价值产生”的模型，为大数据背景下企业重新思考价值创造流程提供了一些思路。 关键词：大数据；价值网络；价值再造 引言：过去数年间“大数据时代”已经由预言真正向我们走来。企业通过对大数据进行收集、分析、整合，来提高企业的决策和运营能力，以此形成竞争优势并创造价值。企业收集的数据有两个特征，一是数据量的剧增使企业更加难以储存和计算，二是数据结构更为复杂，大量的半结构化（包括e-mail、办公处理文档、储存在web上的信息）、非结构化（例如视频、音频、图像等可被感知的信息）的数据应运而生，对大数据处理、分析、运用的能力决定了企业未来的发展趋势。借由大数据为桥梁，依托顾客本身创造价值，而企业以此契机找到新的价值依附点，重构企业的价值网络能在很大程度上解决企业价值与顾客价值不协调的矛盾，实现企业与顾客的价值双赢。 1大数据下企业价值网络的新特征 在价值链理论中，企业价值的实现过程本质上是建立在纵向关联技术基础上的投入转换逻辑。由于价值链理论过于强调竞争，随着信息技术的发展、共赢观念的兴起，价值网络理论渐渐取代来价值链理论。以IDC（2011）为代表认为大数据应该具备四个特征，分别是规模性、多样性、实时性和价值性。研究机构Gartner给出了这样的定义：大数据是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产，并指出大数据技术的价值不是对于数据本身的掌握，而是对于这些含有意义的数据进行处理分析。 2价值网络再造的路径 2.1大数据的分享带来核心竞争力的提高 过去因为存在知识溢出与知识揭露之间的悖论，企业之间知识的分享需要建立在合作伙伴关系的基础上才能进行，这在时间和空间上一定程度限制了知识溢出效应的作用。在大数据时代因为给企业带来价值的是数据的识别、利用能力而不是数据本身，那么数据的无私分享就成为可能。另外大数据分享次数越多越能发现其中含有价值的部分，数据在不同企业间过滤、传播次数越多，数据的价值密度就越高，对企业识别能力的需求就越低。在大数据时代企业必然要容纳不同产业的其他企业在其中协同运行，此时已经被过滤过的数据因为价值密度较高，容易被其他企业所识别并加以利用，最后带动企业核心竞争力的提高。 2.2核心能力提高将促进各个企业流程再造最终带来整个产业融合、细分的协同演化 产业融合是整个现代产业发展到如今阶段的一种新的特征和趋势，本质上产业融合是由于技术进步和市场化进步，改变了原来产业和企业之间的竞争关系，导致了产业的边界发生了模糊，甚至重新划分了产业边界。从产业融合的过程上来看企业认为两个产业的产品之间存在联系并同时销售两个产业的产品时就发生了机构融合。 在第二象限中高功能和低机构的融合，这种融合是以功能的替代融合为主，如因技术进步出现的电子墨水屏与传统的纸质图书之间的替代功能融合，但这两个产业之间却没有产业间的机构融合发生。第四象限中则是以机构融合为主，如生物制药企业利用已有的生物化学技术发展农业技术而进入农产品产业，从而发生机构之间的融合，而农产品和药物之间没有很明显的替代性，故而功能性融合较低。最后发生在第一象限的功能、机构之间的高度融合，最近这几年无论是互联网企业阿里还是京东还是线下零售企业如苏宁、国美都在大力发展“O2O”即线上线下融合利用企业自身的优势发展具备互补性和替代性的新产业，无疑是高度产业融合的典范。 在大数据时代一方面产业的深度融合不断加剧，另一方面则是产业的不断重新细分。企业边界分为两重属性，一是规模边界，反映了企业生产什么，生产多少；二是能力边界，反映企业如何生产、能否生产。但是归根到底企业的规模边界是由其能力边界所确定的，即企业涉入什么产业取决于其核心能力。由知识溢出效应带来核心能力的提高使企业具备了进入新领域的可能，为了追求新的利润增长点扩大规模，企业会利用新的知识或原有的基础知识开发新的产品和新的服务，随着企业进入领域的增多将导致协调成本提高，经过成本与收益之间的不断调整将最终决定企业如何设定规模边界，而越来越多的企业进行着这样的过程最终将导致各行业的融合与细分协同演化。 3大数据驱动企业价值模型 结合大数据的特征和价值创造的路径，本文提出了以大数据为核心，通过大数据在企业网络中的流动，驱动企业价值的产生并最终带来整个产业链转型升级的模型，如图2。一是以用户为基础创造海量复杂的大数据；二是大数据在企业内与企业之间的过滤与分享创造价值；三是以大数据为支撑的产业融合、细分协同发展。同时对数据的视角也由过去的评估与预测转为监测与预警。用户在社交平台、购物网站、移动终端、物联网、车联网等渠道产生的大量复杂数据会实时上传到各个公司的数据库中，对这些数据的储存、分类、运用是每个公司的核心竞争力所在。与此同时，与以往企业注重数据的封闭性不同，如今企业更喜欢分享各自的数据来获得知识的外溢效应；最后，随着各个企业对数据运用能力的深入与提高，会使不同产业之间进行融合与细分的协同演化。 一种现象普遍存在：用户们虽然知道自己需要的产品或服务是什么，但却往往不能用“企业的语言”表达出来，很难对企业形成真正的指导作用。随着企业与用户之间的互动频繁，企业和用户之间的协同设计、协同产出越来越多，大规模定制化成为可能，这样一来以下两个问题有待解决。首先，会与企业互动的用户毕竟是少数，情感上与企业往往是强相关，他们的需求能否代表大多数人；第二，尽管企业了解用户的需求是什么，但是能生产和能量产是两回事，因为和用户的良好沟通并不意味着企业能与供应商达成同样的默契或是对供应商有相当的掌控力。以大数据为核心的新价值创造模式在一定程度上解决了这一矛盾。首先大数据来源于用户能真实地代表客户的显性需求和隐性需求，企业可以根据自己的需要从中挖掘对自己有价值的部分；第二是通过数据这一共同语言可以最大范围地扩大企业生态系统，减少企业价值网络中各个环节的壁垒，凝聚更强的向心力为用户创造价值；最后这种模式是一种可循环持续的模式，从大数据到核心能力

打造数据驱动型企业

打造数据驱动型企业 些公司在召开董事会时 ,董事们争论最多的并不是 企业业务该如何做 ,而是对作为决策依据的业务报告的数据 有歧义。” Informatica公司首席信息官、资深副总裁Tony Young指出，“由此可见，数据和信息的可靠性、可信性和及时 性成了驱动企业业务发展的最关键的因素之一。 应用驱动到数据驱动 平时 ,人们听到最多的是业务驱动型企业或应用驱动型 企业 ,数据驱动型企业又有何不同之处呢?一个企业面临的最 大挑战是如何强化和提升其竞争力。如今，企业的IT架构和应用有一个成熟的模型 ,如果用一个金字塔型来表示 ,最下面的是IT基础设施，CIO最基本的工作就是保证IT基础设施的安全和稳定运行 ;中间层是指应用流程 ,应用商品化是未来的发展趋势,而CIO必须充分了解如何部署和实施这些应用和流程才能最大化企业的竞争力 ;最上层是指数据和信息。 “对于一个CIO来说,他真正应该管理和负责的是企业的 数据和信息，而不是应用和基础设施。” Tony Young表示，“从管理难易程度看，最容易管理的是IT基础设施,其次是应用流

程,最难实现的是对数据和信息的管理。有些人之所以认为数据驱动型企业这个提法过于抽象 ,就是因为数据和信息管理的难度是最大的。” 传统的企业是如何对数据进行管理的呢?举例来说 ,一个 企业如果想在数据仓库中存入新数据,首先要对数据类型进 行分析，然后IT部门的人员要与业务人员进行沟通，最后才能 将数据存入数据仓库 ,这通常需要 2~4个月的时间。数据驱动 型企业能以实时、动态的方式将数据存入数据仓库中。具体 来说,数据驱动型企业采用的是一种基于SOA的技术架构，能以虚拟化的方式加入数据 ,Informatica 9 就是这样一种有效的工具。 传统的数据集成采用的是点对点的架构,整个架构是紧 耦合的 ,其中某一个部分变化 ,也会引起与之相连的其他部分的变化。这样的架构十分复杂 ,构建成本也非常高。以 SOA 架构为基础的数据集成与管理工具,就是要变原来的紧耦合架构为松耦合架构 ,更多地采用应用虚拟化技术 ,实现数据更新的自动同步。 “过去，lnformatica公司的数据仓库与 ERP系统中的财务 数据是链接在一起的 ,一旦有新的数据加入系统 ,IT 技术人员通常需要 7 个月的时间才能最终把数据加入到数据仓库中这令业务部门非常不满意。现在，采用基于SOA架构的 Informatica 9,只要两周时间就能完成过去需要 7个月才能完

大数据驱动企业业务转型实践

Advanced Data Analytics for Automotive OEMs How Data drives Business Success --- Handout for Delegates --- Ingo Fenslau Director Automotive Teradata Germany

Classic Automotive Supply Chain German OEMs in the 70s (simplified) Customer Manufacturing Logistics Product (Car) R&D Suppliers Logistics Dealer Service

Automotive OEMs Today Internal and External Challenges Customer Manufacturing Logistics Product (Car) R&D Suppliers Logistics Dealer Service Growing product portfolio Growing product complexity Global supply & production Digititalization & faster cycles Changing customer expectations Changing competitive landscape Legal environment (e.g. for self-driving car) Financial pressure Organizational transformation

浅谈大数据平台建立对企业管理的影响

浅谈大数据平台建立对企业管理的影响随着网络信息化时代在企业管理占比日益增大，数据对传、数据分析、大大拓展了互联网在企业应用管理中的疆界和应用领域，我们正处在一个数据爆炸性增长的"大数据"时代，数据将成为企业的核心资产，在企业决策管理中产生深远影响。既是机遇也是挑战。 1、大数据的建立能够使企业防范风险的能力增强， 在大数据时代来临之前，数据作为特殊“资产”，人们更多的是从历史数据中总结规律，查找上一年度的失误与缺陷。在下一年度工作中进行消缺和提升工作不足。但大数据时代的决策最主要的功能就是预测未来，也就是说从数据的分析中寻找不足与缺陷，以大数据提供的分析为依据及时针对某一方面做出整改。以此来降低企业生产运行分险。如果竞争企业可以对行业市场进行预测对企业自身承载能力进行全面透彻的了解，但自己所在的企业不能，那么企业将会失去未来。企业存在的风险是企业系统不能适应环境变化的风险，在数据时代，这种风险更多地是体现在管理者的日常决策中，体现在企业管理决策要面向需求产品的客户的变化上。 2、企业的管理决策权由原来的被动追求价值向主动增加企业价值转变。 大数据的优点在于引导价值，促使企业价值根据良性化发展，对于企业来说，企业价值体现在其企业管理组织架构中，企

业原有组织形式是单一的为企业价值而存在和建立的。在数据时代，企业的组织结构形式必须以实现企业的价值增长基础，提高企业在市场经济的核心竞争力，也就是说，企业的组织架构的变化必将会诱发企业管理决策和领导者决策的变化，大数据就是建立一条无形的通道在生产者和决策者和市场之间行成多元化的隐性联系。使管理者和决策者参与到产品塑造的过程中去，大数据的建立可以有效地可以有效地避免决策者过度的追随价值带来的被动，从根本上引导管理者和决策者改变传统的决策方式。 3.企业创造价值的方式发生改变 在大数据之前企业已形成了一套成熟的管理方法，但依靠业务驱动以及因果思维形成的管理方法始终无法实现最高的管理水平，这种模式永远是现寻求问题的原因再去寻找解决问题的方法，但在未来，数据驱动模式将代替业务驱动模式，大数据技术可以让企业决策者直接看到解决问题的方法，从而分析问题出现的原因，并帮助决策者做出正确决策，这样及排除了决策者个人主观判断对问题的影响，也让企业决策者的决策思维超越了眼前事实。大数据技术中蕴含着丰富的数据信息资源，它们的科学有效应用能够切实为企业带来巨大的经济产值，产生更多经济收益。因此，要利用好信息资源就要进一步加强大数据技术的完整型，全面性、时效性。大数据信息资源的有效应用离不开先进的数据技术和信息

艾瑞咨询：2016年中国数据驱动型互联网企业大数据产品研究报告

艾瑞咨询：2016年中国数据驱动型互联网企业大数据产品研 究报告 2016年中国数据驱动型互联网企业大数据产品研究 本报告的大数据产业图谱以大数据产品的角度出发，对产业链角色进行划分。其中，数据管理与数据分析部分包括了大数据基础架构及相关分析技术，能够实现大数据的存储、分析、挖掘、可视化等环节。而在数据源与数据应用方面，从功能和流程角度来看具有高度的关联性及一致性，涉及行业极其广泛。 数据应用 大数据应用已渗透电信、金融、医疗、人力资源、物流、天气等多个行业，从产品角度来看，除传统的工具/产品化服务、行业应用及解决方案外，大数据应用也包括商业智能等分析服务。 应用情况：目前大数据应用的主要输出形式是可视化报表，未来将在功能方面进一步融合提升。 典型大数据行业应用： 物流：优化整体运输流程，实现实时查询把控。 营销：应用形式成熟落地，既提高了用户对目标商品的获取效率，又改善了商家的投放效果。 数据管理与分析 大数据基础架构包括多种数据库及相关分析计算技术，能够支持数据的采集、清洗、集成、存取、分析、挖掘等环节，从功能角度来看，除传统的数据处理过程外，可视化分析等分析服务也是基础架构的一环。 应用情况：企业（含互联网企业）的数据相关部门（如数据中心/数据分析平台/数据商业部等），主要通过对数据的管理、分析及整合，服务于自有业务，同时不断拓展应用类型和范围。 价值体现：大数据处理过程中流转的数据形态可划分为静态数据和动态数据，主要通过计算过程实现其价值，其中，模型算法为数据深度挖掘的核心，能够实现预测等功能。 数据来源 目前数据来源已较为多元，维度也越加丰富，尤其是互联网行业，在数据深