京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据2.0时代:释放主数据价值 推动企业增长
上海2017年7月4日电 /美通社/ -- 在数字商业时代,人们所触及之处都会产生数据,数据正在呈现着爆发式的增长。90%的数据都是在近几年内产生[1],并仍在以50%的速率增长[2]。企业也正在以新的方式在组织内部全面使用数据,从财务、人力资源、IT、销售、营销到采购等。而随着数据驱动型的决策越来越多,企业也开始面临着新的挑战,数据量及其更新速度的迅猛发展,使得本可以为我们提供洞察力的大数据,却在制造混乱。企业发现数据越来越难以为我们所用。
在近期于成都举办的一场题为“让主数据为您所用 - 释放数据价值 推动企业增长”的会议上,邓白氏中国区CEO 黄超群女士提出,“我们已经进入了大数据2.0的时代,企业不应再去追逐获取更多的数据,而应让公司内部的主数据尽其所用,充分释放价值。”
作为在中国拥有两家子公司 - 华夏邓白氏和微码邓白氏的邓白氏集团深谙企业在运用数据推动业务发展方面的痛点。如今,无论是初创型还是跨国企业,都在经历相似的挑战:不同部门、地区的系统、工作流程,市场策略或供应商关系管理等相互脱节、缺乏交互,并随之产生了使用着不同定义、缺乏内部标准的多个数据源,且无法实时更新,进而形成了一个个信息孤岛。
鉴于这种情况,行之有效的解决方案就是在整个企业上下采用“通用语言”,确保内部系统无缝互通,这个“通用语言”便是主数据。这是具有高业务价值、可在企业内部跨越各个业务部门被重复使用的数据,是统一、准确、权威的数据来源,可以给予企业统一化的视角,360度审视所拥有的所有业务关系。
主数据:企业的基石
“就如同建筑结构一样,企业这座‘大厦’要获得长足发展,必须打好地基,这个地基就是主数据。”邓白氏中国区市场总监姚文捷在会上说道。而对于主数据战略,企业目前仍面临重重挑战,研究显示,47%的企业为数据分析能力不足而困扰,42%的企业认为数据存储于太多独立的系统中,39%的企业拥有数据质量问题的挑战[3]。缺乏良好数据管理的企业还将经历长时间的阵痛才能将数据转化为价值。
根据邓白氏的经验,主数据战略应帮助企业解决四个方面的难题:实现数据的标准化管理、打通企业的业务生态圈、数据深度及广度,及确保数据的时效性和可靠性。
标准结构作为开启主数据战略的第一步,企业首先需要对使用了多重定义的数据进行标准化,使得它们相互之间可以被关联和整合。这就需要一套独一无二的编码系统,将每一个数据记录进行编码,即将数据“结构化”的过程。邓白氏独创的邓氏编码(D-U-N-S
®Number)作为一个独一无二的由9位数字组成的全球编码系统,就被广泛应用于企业识别、商业信息的组织、归集与整理,并可通过家族树清晰呈现出企业自身的多层级关系及外部关联关系。
有效互联经历了“结构化”的数据进而通过关联和匹配的技术,不仅可帮助企业清洗数据库中的重复、有歧义的数据记录,还可以由此打通企业内部及外部的各套系统,最终帮助企业获得一套反映跨越不同部门及地区的业务关系视图的主数据,它可被纳入到整个业务生态圈中的各个部门及环节的运营管理中,帮助各部门捕捉业务关系中的风险及机遇,并提升企业各个环节的效率。
全面覆盖企业还可以借助邓白氏的拥有2.75亿家企业数据档案及海量企业深度特征数据的全球数据库,对企业自身的数据库进行补全,从而可以获得其主数据的全球广度及本地深度,满足业务版图广泛覆盖的数据要求。
高效维护主数据管理并非一劳永逸,相反,它是一个持续性的过程。因为只有确保数据质量时刻都具备时效性和准确性,主数据实施才具有意义。这便需要高效的数据治理过程对数据质量进行维护。邓白氏超过3万个数据源、平均每日数据更新500万次的数据库,以及独特的DUNSRight
®信息质量管理流程,加上覆盖全球各地的商业信息供应网络,不仅可使企业的数据被及时更新,还可确保数据的收集、维护及使用合法合规。
目前,邓白氏在帮助企业实施主数据战略并将其运用到企业的各个职能部门(IT、销售、市场、财务、采购、合规等),提升各职能部门效率方面已有颇多成功案例。据全球知名市场研究公司Forrester公司近期的调研显示,实施了主数据战略的企业平均可将合规尽职调查时间缩短50%,将供应链风险降低30%,将销售效率目标精准率提高20-30%等。凭借母公司在主数据领域的技术专长,结合在本土市场的经验,邓白氏在华子公司华夏邓白氏及微码邓白氏帮助中国企业提升信用、合规及供应链风险管理效率,同时提升市场营销效率、加速销售周期。
“主数据战略是企业增长的推进器。它是水之于管道,燃料之于汽车。没有前者,后者则毫无意义。毋庸置疑,在瞬息万变的商业环境中,我们应当充分挖掘主数据的价值,并快速转化成企业独到的竞争优势。”
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14