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。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27