京公网安备 11010802034615号
经营许可证编号:京B2-20210330
企业互联网时代 大数据管理的挑战与建设方针
近日,用友集团iUAP中心召开媒体沟通会,就企业面临的数据管理挑战,分享了用友对企业大数据分析关键特性与建设原则的看法,并阐述了用友大数据产品“用友BQ商业分析平台”的特点与价值。笔者就用友网络科技股份有限公司助理总裁兼集团iUAP中心副总经理谢东的分享,对企业互联网时代大数据处理与分析面临的挑战与建设方针进行了整理。
用友BQ(Business Quotient)是基于UAP平台的商业分析平台和应用套件。它是一个综合的商业分析平台产品和工具集,能够帮助企业将各类数据进行整合分析,并可通过查询、报表、报告、多维分析、仪表板、移动分析、嵌入式分析等丰富的可视化分析和展现方式为客户提供灵活直观的交互分析能力和信息展现能力。
谢东在会上表示,企业互联网化正在迅速渗透到企业以及企业所处产业链和生态圈,借助互联网能力企业可以更容易与前端供应商、服务商,包括后端的客户、最终客户建立密切的联系。在此过程中,新业务模式如供应链优化、智能制造、产业链协同、电子商务以及电子商务里细分的B2B、B2C、O2O等新业务模式正在不断兴起,并迅速发展。这个过程中,企业数字化过程得到迅猛发展,同时越来越多的企业内部运营管理系统更快走向移动化、云化、数据化。
用友网络科技股份有限公司助理总裁兼集团iUAP中心副总经理谢东
企业数据发展变革与挑战
企业业务互联网化必然依赖企业内部各类元素的数字化,而企业对数字化信息处理能力是支撑企业互联网化的一个基础。企业各类数据的总和构成了企业在数字世界中一个完整的画像,企业大数据正成为企业的核心资产,企业需要从这些资产中获得价值,也驱动自己在数字化社会中得到不断的发展。
随着企业业务外延从企业内部不断向外部、向企业所处的产业链和生态圈扩展,企业的数据视野也越来越宽,从主要关注企业内部数据,已经延伸到关注社会数据,包括交易的数据、人工合成的数据、机器的数据、社会网络的数据等在内的企业数据在不断被重新认识。
在进行这些海量数据管理时,企业面临很大的挑战。据IDC 2014年5月调查显示,72%的受访者认为当前数据的指数增长和复杂性是目前遇到最大的数据管理调整,38%的人希望通过一个单一的平台保护和管理自己所有的数据。
企业大数据管理构建要素及建设原则
面对这种挑战,用友iUAP认为企业为了让数据资产产生价值,必须要把收集到所有的数据真正管理好、利用好,大数据其实就是在多样的、大量的数据中快速获取信息的能力。现阶段用友认为企业大数据管理具备三大关键因素,企业市场要做好以下三个方面的事情,才有可能做好大数据的管理和应用。
第一,选择好自己的数据基础架构。企业数据基础架构变革的驱动力,最基本的驱动力来源于数据量的增长,以及数据类型的变化。此外,不同的企业需求不同,实时性、成本、数据增长的趋势可能也会影响数据基础架构的选择。如果企业面临是一个量级不大,结构化的数据,也许传统的关系数据库就可以解决;如果量级增大,10TB左右,可能原有的关系数据库不能满足,列式数据库是一个比较好的选择;当它的量级越发增大,类型越发增多的时候,需要考虑新型的NEW SQL、NO SQL,甚至有Hadoop这样的计算系统和数据存储系统。
第二,做好数据的管理工作,选择好数据管理的关键技术。企业的数据管理一般都会经历孤立系统、数据集、数据仓库和统一元数据的数据仓库等几个阶段。企业在数据建设过程中,初期很难从顶层把自己的整体元数据管理包括数据仓库规划做到位,更易于见效的方式是先做部门级应用或者是领域级的应用,后续逐步整合。
第三,数据应用建设,要把数据利用起来,才能真正产生价值。从分析应用来讲,分为四个部分:报表报告、交互分析、挖掘预测、决策自动化。其中交互分析涵盖的东西比较多,很多时候会把敏捷分析、自助分析、多维OLAP分析都放在这里面。总的来说,企业应该根据现今自身所处的阶段以及企业数据实际情况来规划后续的数据管理和分析应用的发展路线。
紧接着谢总分享了企业大数据分析建设原则。现阶段因为数据非常之大,所以难免会陷入为了收集数据和整理数据而做大数据建设的一种可能性。我们的原则:
第一,一定是业务目标驱动的。现在业务目标很好找,包括不同的领域,比方说提升财务收益或者优选供应链,比如说零售企业的定价和促销策略等等。
第二,自下而上的原则。在数据仓库上,建议采用以点带面的形式,没必要初始就做一个顶层的设计,可以先做一些领域级、部门级的应用,把数据建起来,多个数据集中以后可以快速见到效益。也就是现在逐渐迭代,螺旋式上升的一种发展路线。
第三,价值最大化的原则。现在数据分析技术很多,我们不应该只停留在简单的报表报告层面,至少应该做到把交互分析里面很多的技术应用起来。
第四,数据价值推向全员应用。全员应用比较好理解,现在决策非常快,单纯靠领导决策也不够,如果全员都可以收到数据的价值,可以在自己的范围内做快速决策,这也是互联网时代全员创新的概念。
基于以上分析与认识,用户数据平台产品具备以下关键特性。用友数据平台产品包括数据整合、分析加速、海量的数据处理,统计建模、挖掘和预测的支持等特性;用友BQ商业分析平台包括实时分析可视化、对大数据的支持、对移动分析的支持、对挖掘预测的支持、元数据的管理以及嵌入第三方系统的能力。
最后,谢东总结了用友大数据产品的客户价值。统一的数据平台可以提升企业管理能力,通过海量数据深度挖掘,可以深度洞察数据价值,并且通过技术性手段可以扩大企业数据边界,做到全面分析、智慧决策、实时分析、快人一步,通过移动分析可以扩大企业数据边界,做到全面分析、智慧决策、实时分析、快人一步,通过移动分析可以运筹千里之外。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
写在开头 老板在微信上甩来一句: "帮我看下为什么销量跌了。" ” 你回工位,打开 SQL,开始写。查订单表、拉近三个月、按 ...
2026-10-03CDA数据分析师 出品 作者:李诗怡 1. 事实表 vs 维度表 对比维度 事实表 维度表 核心问题 记录“业务发生了什么事” 描述 ...
2026-10-02做数据聚合时,PySpark的groupBy()确实能完成统计,这也是它的本职工作。但它有一个根本性局限:每一组数据,最终只能返回一行 ...
2026-10-01热力地图是数据可视化中极具辨识度与实用性的空间分析图表,结合地理空间维度与数据密度特征,通过颜色深浅、色阶渐变直观展示数 ...
2026-09-30 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-09-30同样是“银行数据岗”,在国有大行总行数据中心、在一家城商行的零售部、在银行系金融科技子公司、在保险公司,工作内容、成长节 ...
2026-09-29在数据分析与统计学研究中,数据往往不是独立存在的,不同变量之间普遍存在相互关联、相互影响的关系。相关性统计分析是挖掘变量 ...
2026-09-29 导读:大多数人只把 dataclasses 当成偷懒工具,用来少写 __init__、__repr__ 这类魔法方法。但它的能力远不止于此。本文带 ...
2026-09-29 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-09-29在MySQL数据库运维与业务开发中,行业普遍存在“数据达到千万级就必须分表”的说法。但在实际生产环境中,千万条数据并不是强制 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 5W1H 分析法 定义:经典系统性思维框架,通过六个核心维度对问题进行全方位拆解与剖析,确 ...
2026-09-28 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 用户标签体系 定义: 通过一系列高度精炼的特征标识,对用户属性、行为与偏好进行量化刻画 ...
2026-09-24Pandas是Python生态中用于表格数据处理的核心库,广泛应用于数据清洗、统计运算、报表输出、数据分析建模等场景。在处理极大数值 ...
2026-09-24随着数字经济快速发展,数据已成为核心生产要素,各行各业的业务沉淀、用户行为、设备运行、市场交易均产生海量数据。数据处理作 ...
2026-09-24 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-09-24在时序数据分析中,大部分业务数据并非持续平稳变化,而是会在某些时间节点出现突然抬升、断崖下跌、趋势反转、波动异变等现象, ...
2026-09-23在统计学与数据分析中,研究多组数据差异最常用的方法为单因素方差分析与事后多重比较。很多数据分析初学者容易混淆两者功能,认 ...
2026-09-23 很多数据分析师每天都在写 SQL,但当被问到“DQL 的本质是什么”“SELECT 子句的书写顺序与执行顺序为何不同”“INNER JOIN ...
2026-09-23 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-09-22