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Python数据分析中,Pandas库的DataFrame是最核心、最常用的结构化数据表对象,类似于Excel的二维表格,具备规整的行列结构、字 ...
2026-09-07在数据分析、经营复盘、业绩预测与经济统计工作中,平均增速(平均增长率)是衡量数据长期变化趋势、业务发展快慢的核心指标。不 ...
2026-09-07 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-09-07随着大数据技术的快速发展,商业竞争逐步从传统的经验式经营转变为数据驱动的精细化运营。海量的用户行为数据、交易数据、运营数 ...
2026-09-04CDA数据分析师 出品 作者:李诗怡 1. 波士顿矩阵(BCG Matrix) 定义: BCG于1970年提出的业务组合分析工具,以"市场增长率"(纵 ...
2026-09-04 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-09-04数据透视表是Excel与Power BI中最核心的数据分析工具,具备快速汇总、维度拆分、动态筛选的能力,可高效完成数据归类与统计展示 ...
2026-09-03在Power BI数据分析可视化场景中,堆积柱状图+折线图是最常用的复合图表组合。堆积柱状图适合展示各细分维度当期数值、结构占比 ...
2026-09-03 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-09-03CDA数据分析师 出品 作者:李诗怡 一、8个核心数据清洗函数 1. TRIM:一键清除多余空格(最常用) 作用:仅保留文本中"单词/字 ...
2026-09-02数据分析的核心并非单纯操作工具、整理报表或绘制图表,而是依靠科学的思维逻辑挖掘数据价值、解释业务现象、指导经营决策。在完 ...
2026-09-02在社会经济、产业研究、区域治理与大数据实证分析中,面板数据是最具研究价值的数据类型。面板数据同时包含截面维度与时间维度信 ...
2026-09-02 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-09-02在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28