
企业互联网时代下的大数据构建之道_数据分析师
摘要:大娘水饺通过用友BQ商业智能分析的平台,快速提升了企业的效率。清源华衍水务通过用友BQ使得它的资金利用率从实施前68%上升到实施后的74%,污水处理利润率从实施前的5%提升到实施后的8%。
“现在企业互联网化正在迅速渗透到企业以及所处的产业链和生态圈中,借助互联网,企业可以更容易与前端供应商、服务商包括后端客户、最终客户建立密切的联系。在此过程中新的业务模式包括供应链优化、智能制造、产业链协同、电子商务等正在不断兴起并迅速发展。”用友网络科技股份有限公司助理总裁,兼集团iUAP中心副总经理谢东在接受记者采访时说道。
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
企业互联网化 大数据成为核心资产
企业互联网化已经成为一种趋势,它正在改变着企业的传统的业务模式,使得企业内部运营管理系统越来越多的更快的走向移动化、云化、数据化,而且我们看到正是企业互联网以及互联网+的发展,使得企业对于数据的重视程度正在逐步的提高。从企业现状来看,通过多年的自身业务数据的积累以及进几年互联网的飞速发展,企业已经拥有了相当量的数据,对于企业而言,越来越多的企业希望能够从数据中深度洞察价值,快速实现企业的决策,并能够从单纯的领导决策走向全员的决策或者从领导创新走向全员创新。
“企业互联网化必然依赖企业内部各类元素的数字化,企业对数字化信息处理能力是支撑企业互联网化的基础,而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——企业大数据正在成为企业核心资产,企业需要从这些资产中获得价值,同时驱动自身在数字化社会中得到不断的发展。”谢东指出。
从企业业务发展现状来看企业业务外延正在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,那么,大数据发展应该从两个维度上划分:第一,企业处理数据的数据类型。通常企业重点关注的数据类型可以分为几大类包括交易数据、人工合成的数据、机器数据、社会网络数据。
第二,企业数据视野越来越宽,它从企业内部已经延伸到社会上,对社会上的数据进行关注。
从企业对于数据的重视程度来看,企业对于数据的看法正在发生变化,相比于过去,现在企业正在重新认识数据:从过去只关注自身的业务数据到关注所有的都是数据,所有的资产、内部信息都可以数字化、信息;从只关注自身的数据到关注所有可能相关的或者看似不相关但是也想把它收集下来的数据。从以前自身处理数据现在考虑利用一切可以利用的能力包括云上的业务处理能力或者外部现成的数据等处理数据。
虽然我们看到企业对于大数据的认知以及处理有了很大的改变,但是企业在开展大数据时,仍然存在很大的挑战,据IDC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%的受访者希望通过一个单一的平台保护和管理自己所有的数据。
事实上,虽然企业开展大数据有困难,但是企业为了让数据资产能够产生价值必须要把自身收集到所有的数据真正管理好、利用好。谢东认为,现阶段企业开展大数据要做好需考虑三个方面,才能做好大数据。第一,选择好自身的数据基础架构;第二,做好数据管理工作,选择好数据管理依赖的技术;第三,要把数据利用起来。
那么,大数据究竟该如何建设,对于此谢东指出,首先,要看数据基础架构的变化,数据基础架构思路已经从一种架构支持多类应用向多类架构支持多类应用发展。过去谈到数据底层更多的是关系数据库,而现在关系数据库、新Nosql包括Hadoop生态系统,包括越来越多新的数据处理技术都在涌现。作为企业管理者或者CIO不应该把思路仅仅局限在原有的思路上,现在企业数据基础架构变革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。
除了数据基础架构以外还要考虑IT基础架构的选择包括服务器、存储设备、虚拟化的选择、云计算等的选择。
当企业基础数据架构问题解决之后,企业还要考虑自身的数据管理和分析应用的发展路径。从横轴来看企业数据管理一般都会经历孤立的系统,数据集、数据仓库和一个统一元数据的数据仓库等几个阶段,而快速见到效益。从数据分析应用来讲划分四个方面:报表报告、交互分析、挖掘预测、决策自动化。总体而言,企业要根据自身现在所处的情况以及企业数据实际情况规划后续的数据管理和分析应用的发展路线。通常企业开展大数据遵循几个原则:
第一,业务目标驱动。现在业务目标很好找,包括不同的领域如提升财务收益或者优选供应链,比如零售企业的定价和促销策略等。
第二,自上而下的原则。谢东建议,在数据仓库建设上采用以点带面的形式,没有必要一开始就做一个顶层的设计,可以先做一些领域级的应用、部门级的应用,当多个数据集中以后可以快速见到效益。这也就是快速迭代,螺旋式上升发展路线。
第三,价值最大化的原则。现在数据分析的技术有很多,不应该只停留在简单的报表层面,至少能够做到把交互分析中的很多技术应用起来。
第四,数据价值推向全员应用。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,他可以在自身范围内做快速的决策。
用友加速企业大数据“落地”
刚才我们分析了企业互联网或者产业互联网、互联网+环境下,企业与大数据的现状以及构建数据处理的原则,事实上,理论体系再好,如果没有夯实可行的落地化产品,只能让数据价值成为空谈。那么,作为企业互联网最早“布道者”之一的用友网络又是如何支撑企业大数据处理与分析的?对于此,谢东介绍,用友BQ(BusinessQuotient)商业分析平台能够帮助企业进行大数据的处理与分析,它是基于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。
它同时具备了数据整合、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,能够实时分析可视化,对移动分析的支持,对挖掘预测的支持以及元数据的管理,以及嵌入第三方系统的能力。同时除了数据处理平台和商业分析平台之外,在它的上层还提供了很多预置业务分析包比如财务、HR、供应链等预置分析包,并且提供大量的主题分析模型以及常见挖掘预测算法。
对于企业客户而言,通过用友大数据产品——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深度洞察数据价值,扩大企业数据边界,做到前面分析、智慧决策、实时分析、快人一步,运筹千里之外。
用友网络科技股份有限公司集团iUAP中心,数据平台总经理李长山指出,用友的数据平台可以划分为三个方面,:
一是处理广泛的数据,不仅可以处理企业内部、外部、产业链的还可以处理结构化、非结构化的数据,同时可以实现数据统一管理,提升企业数据管理能力,以及扩大企业的数据边界,实现外部数据(客户,宏观,对手,舆情等)与内部数据的综合分析;
第二,具有实时处理和分析数据的能力。通过用友iUAP的大数据处理与分析平台,可实现秒级延迟的数据同步,百倍的分析加速,快速从海量信数据中提取有价值信息,快速掌握现在企业经营状态。
第三,海量的数据提供深度分析。数据量达到一定程度的时候怎么从海量的数据中挖掘出有价值的数据?通过用友大数据平台具备PB级数据存储,计算,分析能力,轻松应对海量数据处理,提供高效的数据挖掘引擎。
天瑞集团是一家大型的综合性集团企业,由于规模比较大,它在发展过程中缺少统一的信息系统来支撑总公司对下属公司的指导和监控,同时存在分公司之间传递的信息依赖于传统的方式最终导致整体决策效率比较低。通过用友BQ商业分析平台帮助天瑞集团降低企业运营成本、提高产品利润率。无独有偶,大娘水饺是一家全国性的餐饮企业,由于门店较多带来信息化整体管控能力薄弱,通过用友BQ商业智能分析的平台,快速提升了企业的效率。清源华衍水务通过用友使得它的资金利用率从实施前68%上升到实施后的74%,污水处理利润率从实施前的5%提升到实施后的8%。
小结
企业互联网化进程中,企业内的各种元素包括企业管理系统,企业内的设备,甚至企业内的员工都会被数字化的,在这个过程中会产生大量的数据,这些大量的数据如果企业真想利用,需要把它收集、打通,在收集、打通这个过程中企业要处理的数据,已经不是原来企业内部业务系统PB级就能处理完成,数据量或许已经翻数倍。这不论是对于企业还是服务商而言都是一个巨大的挑战与机遇,未来我们看到随着技术的进步,我们有正理由相信借助如用友所提供的大数据产品能够帮助企业迈向企业互联网,实现业务价值提升。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20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