
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
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10