京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
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在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12