
企业高管不能不知道的信息化常识
企业高管可以不懂IT技术,但不能不知道信息化常识,更不能以不懂信息化为荣,否则自己会因无法决策信息化重大事项而成为企业信息化最大的短板。
高管至少有以下三件事需要知道:
一、把信息化交给精通IT技术的人做不好,除非他有能力和时间精通业务。
若是高管认为业务信息化,就象买电脑、买Office一样买回来安装使用就可以,那么这个高管在信息化这件事上完全不合格,已无形中阻碍了公司信息化的步伐。
信息化的确有许多领域基本不用业务参与,比如建机房、布网络、买电脑,这是纯IT技术就能搞定的,但管理信息化(ERP、CRM、PLM、CAPP、MES、MRO)却不是那么简单,往往是从业务问题出发,结合公司战略,进行适度的业务变革,梳理精细的流程,用软件固化下来,并推进业务人员按变革后的业务体系运转,IT技术在此项工作中最多占三分之一。
业务信息化项目,需要业务、IT双精通的人才能真正领导,但实现上,业务、IT双精通的人很稀缺的,那么负责人至少必须精通业务,再由IT支持,才可能打造出好用的系统。如果这样的项目由IT牵头,尤其做多年纯IT技术支持、很少去了解业务的IT技术人员牵头,业务不太实质性参加,那么这样的系统从一开始就会注定用不成或不好用。只有希望变革的业务领导,才有可能推进此项变革,担子必须压在他的头上,而且要逼着他去学信息化并做好融合。
另外,如果牵头人是业务部门领导,那么可以建出业务部门内部好用的系统,不同业务部门会是信息孤岛;如果牵头人是条线领导,那么可以建出条线内部(跨部门)好用的系统,不同条线之间会是信息孤岛;要想做成公司内各条线、各部门互联互通,这个牵头人有且只能是一个人,那就是企业一把手。
二、信息化框架的选择是战略级问题,中途变更会导致信息化大厦坍塌
信息化框架对信息化整体而言,就象大楼的地基、承重墙、主梁一样重要,如果改动,那么大楼的危险性会大幅增加,除非你打算拆了重建。
信息化框架,用信息化的术语,叫架构。大型企业的信息化整体架构(不是指单个系统自身的架构),是需要专业的架构师来搭建,能承担这种工作的人,年薪至少在30-50万以上,绝对不是一般水准的IT工程师能干得了。
如果没有架构,系统建设多是面向业务部门建设的,建成的系统在部门内部看能解决问题,但面向上下游多部门时却发现无法共享集成。要实现集成,前期面向部门搭的“鸡窝”可能要拆了重建,鸡、鸭、兔子永远无法整合成老虎。出现这个问题的根本原因,就是前期建设期间没有架构意识,或者有意识但没有落地。
面向企业整体信息化架构,要采用SOA架构、一体化架构还是无架构,这是一个高管必须明白并且长期坚持的战略性问题,这个问题您有必要花点时间了解。大部分企业做了10-20年信息化可能都没有意识到这个问题,尚处于无架构的孤岛建设阶段,共享集成还只是个意识。
所谓一体化架构,指的是以某个大的应用系统为中心(比如SAP、Oracle,或者自主开发平台),将尽可能多的系统在此平台上开发(外部IT公司或内部开发团队),少量的外围系统,设法与此平台做接口实现集成。这种做法的天然优势,是应用功能和后台数据一体化,是过去大多数做得好的企业常采用的。这种架构,有个天然的缺陷,就是被所选的平台公司绑架,公司信息化命运随着这个平台公司而起落,平台不再发展了也会制约公司信息化水准提升。
所谓SOA架构,是把各种大大小小的信息系统(包括大到ERP系统、小到微信提醒)当作服务,每个服务有输入有输出,与处于中心位置的SOA系统(包括门户、流程、总线三个非常重要的中间件软件,还包括数据标准)进行数据交换。很显然,SOA架构是一种非常先进的架构,但这种架构一开始就要引进三个中间件软件,而且要建立企业级数据标准,前期投入大、产出小,看不到明显的效益,远没有直接建一个系统花钱少、见效快。虽然前期投入大、产出小,但后期会大量保护前期投资,所带来的节约会远远大于前期的投入。这种重要的信息化战略级问题决策,企业一把手当然必须明白。
三、统一数据标准是信息化的战略级基础工程,必须一开始就抓、常抓不懈。
数据是信息系统的生命,高质量的数据是系统统计分析正确结论的基础,是上下游部门、公司畅通沟通的基础。高质量的数据,必须是统一标准的,如果标准不统一,人眼去看还好一些,计算机根本就不认识。除了命名标准以外,编码标准、分类标准、统计口径,也都存在统一的问题。在同一个系统中,数据标准一般都能做到一致,无论大的系统还是小的系统,但如果跨不同的系统,则这个问题一般就较为严重。跨系统无法集成的原因,标准不统一是最难解决的,解决的唯一办法就是按两套标准把每条数据建立一一对应关系,形成翻译,这会导致数据重新整理、系统功能增加许多复杂功能,集成的代价将非常大。因此,统一标准,是IT领域战略级问题,高管要一开始就抓。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
K-S 曲线、回归与分类:数据分析中的重要工具 在数据分析与机器学习领域,K-S 曲线、回归和分类是三个核心概念与工具,它们各 ...
2025-07-31大数据时代对定性分析的影响 在大数据时代,海量、多样、高速且低价值密度的数据充斥着我们的生活与工作。而定性分析作为一 ...
2025-07-31CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-07-31SASEM 决策树:理论与实践应用 在复杂的决策场景中,如何从海量数据中提取有效信息并制定科学决策,是各界关注的焦点。SASEM 决 ...
2025-07-30SPSS 语法使用详解 在当今数据驱动的时代,SPSS( Statistical Package for the Social Sciences)作为一款功能强大的统计分析软 ...
2025-07-30人工智能对CDA数据分析领域的影响 人工智能对 CDA(Certified Data Analyst,注册数据分析师)数据分析领域的影响是全方位、多层 ...
2025-07-30MySQL执行计划中rows的计算逻辑:从原理到实践 MySQL 执行计划中 rows 的计算逻辑:从原理到实践 在 MySQL 数据库的查询优化中 ...
2025-07-29左偏态分布转正态分布:方法、原理与实践 左偏态分布转正态分布:方法、原理与实践 在统计分析、数据建模和科学研究中,正态分 ...
2025-07-29CDA 数据分析师的职业生涯规划:从入门到卓越的成长之路 在数字经济蓬勃发展的当下,数据已成为企业核心竞争力的重要来源,而 CD ...
2025-07-29CDA数据分析师证书考取全攻略 一、了解 CDA 数据分析师认证 CDA 数据分析师认证是一套科学化、专业化、国际化的人才考核标准, ...
2025-07-29解析神经网络中 Softmax 函数的核心作用 在神经网络的发展历程中,激活函数扮演着至关重要的角色,它们为网络赋予了非线性能力, ...
2025-07-29解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-07-29鸢尾花判别分析:机器学习中的经典实践案例 在机器学习的世界里,有一个经典的数据集如同引路明灯,为无数初学者打开了模式识别 ...
2025-07-29用 Python 开启数据分析之旅:从基础到实践的完整指南 在数据驱动决策的时代,数据分析已成为各行业不可或缺的核心能力。而 Pyt ...
2025-07-29从 CDA LEVEL II 考试题型看 Python 数据分析要点 在数据科学领域蓬勃发展的当下,CDA(Certified Data Analyst)认证成为众多从 ...
2025-07-29CDA 数据分析师的工作范围解析 在数字化时代的浪潮下,数据已成为企业发展的核心资产之一。CDA(Certified Data Analyst)数据分 ...
2025-07-29解析 insert into select 是否会锁表:原理、场景与应对策略 在数据库操作中,insert into select 是一种常用的批量数据插入语句 ...
2025-07-29用 Power BI 制作地图热力图:基于经纬度数据的实践指南 在数据可视化领域,地图热力图凭借直观呈现地理数据分布密度的优势,成 ...
2025-07-29从数据到决策:CDA 数据分析师如何重塑职场竞争力与行业价值 在数字经济席卷全球的今天,数据已从 “辅助工具” 升级为 “核心资 ...
2025-07-292025 年 CDA 数据分析师考纲焕新,引领行业人才新标准 在数字化浪潮奔涌向前的当下,数据已成为驱动各行业发展的核心要素。作为 ...
2025-07-29