京公网安备 11010802034615号
经营许可证编号:京B2-20210330
不要着急玩大数据
沸沸扬扬的“大数据(Big Data)”,把很多企业、很多人搞得魂不守舍,蠢蠢欲动,似乎只要一玩大数据,大家都可以发大财似的。
其实,你只要静下心来想一想,很多企业,似乎还没有资格去玩什么大数据。
因为,“微数据(Micro Data)”、“小数据(Small Data)”你都还没有搞清楚,你去玩什么“大数据”?
那么,什么叫微数据呢?
说简单点,所谓的微数据就是你自己的数据,如制造业普遍使用的ERP数据。很多企业,花了很多钱上了ERP,结果还是“不好使”,给客户及时交货率没有提高,呆滞库存还是数不清,库存周转率还是上不去,为什么?
很多人抱怨是上错了ERP,或者怪ERP功能不完善,更有甚者是把使用了多年的BAAN/ORACLE换成了SAP,结果呢?还是那个样儿!
这是为什么?
业务流程、组织架构没有与ERP有效结合是个很重要的原因,但ERP内部数据不准确,却是个重中之重的原因!
所以,我跟很多企业讲,其实你不需要这么昂贵的ERP,你花十分之一、甚至是百分之一的钱,用个金蝶K3或者用友的U8也就足够了,因为“一只拿着木头棒子的猴子,完全可以杀死一头拿着AK47(突击步枪)的猪”(注:这句话不是我说的,是我伟创力一个兄弟的发明),你信不信?
关键的问题是你先理清你的微数据。
微数据包括主数据(Master Data),如BOM数据,交易数据(Transactional Data),如收、发货的数据等等,但这些说白了都属于企业内部的数据,理论上是完全可控的,但你真正控制住了吗?
我的TIM审核、数据挖掘的12张表,基本都属于“微数据”的范畴,但又有几家企业能够比较完整地提取出来?
接下来才是所谓的“小数据”,见附图第二层。
小数据是指企业外部的,但是又是来自于合作伙伴的数据,如供应商的库存,客户的库存,甚至是供应商的供应商的库存,客户的客户的库存。
这些数据基本上也是可控的,但前提是需要ERP之外的工具链接,如一些供应链管理协同软件,类似E2OPEN等等。
但现在的问题是,这些小数据,对很多企业来讲也是个巨大的挑战。
我在审核很多企业的供应链管理过程中,发现一种我称之为“伪VMI”的现象。我的很多咨询客户的客户要他们做VMI(供应商管理库存),但客户的客户每天用了他们多少东西,什么时间用的,用了多少,又不告诉人家,没有任何系统对接,只有等到财务月结的时候才产生个数据,准不准也不知道,这叫什么VMI?当然,“伪VMI”还包括让供应商被动地补货,这里就不多讲了。
小数据搞不定,又会直接影响大数据分析的准确性,反之亦然,于是就乱成了一锅粥。物流的三流(物流、信息流、资金流)被讲了多少年了,但最基础的信息流,也就是数据流都搞不清楚,又哪来的物流、资金流?
小、微数据乱了套,搞大数据又有啥用?
从供应链管理的角度,基础原材料的供应市场分析应该属于所谓大数据的范畴。如,你要研究电子元器件的价格、供应走势,你就必须从大数据的角度,来研究硅、镍、铜等基础原材料的市场情况;你要研究哪款产品好卖,你就要从大数据角度,研究终端消费者的消费行为、习惯等等。
但问题是,你大数据研究的再好,你的小数据、微数据不给力,你不是该出不去货,还是出不去,该有的呆滞库存,你还还是有吗?
基础打不好,你即使能伸到“云”里去,又能怎么样呢?
从“微”到“小”,再从“小”到“大”,这是个规律啊!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
日常用Excel做数据管理、台账维护、报表整理时,添加备注列是高频操作——用来标注异常、说明业务背景、记录处理进度、补充关键 ...
2026-03-23作为业内主流的自助式数据可视化工具,Tableau凭借拖拽式操作、强大的数据联动能力、灵活的仪表板搭建,成为数据分析师、业务人 ...
2026-03-23在CDA(Certified Data Analyst)数据分析师的日常工作与认证考核中,分类变量的关联分析是高频核心场景。用户性别是否影响商品 ...
2026-03-23在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13