《大数据与决策应用的探索与实践——论大数据在企业管理中的应用》由会员分享，可在线阅读，更多相关《大数据与决策应用的探索与实践——论大数据在企业管理中的应用（10页珍藏版）》请在金锄头文库上搜索。
1、MBA 课 程 作 业(2015-2016学年第1学期)课程作业题目：大数据与决策应用的探索与实践论大数据在企业管理中的应用姓名：黄俊提交日期： 2015年11月4日 班级名称： 2014级2班学 号201421535946学 院工商管理学院课程编号课程名称 大数据与决策新思维学位类别MBA任课教师杨 雷教师评语： 成绩评定： 分 任课教师签名： 年 月 日大数据与决策应用的探索与实践论大数据在企业管理中的应用黄俊随着技术的不断发展，电子设备的存储容量、数据采集手段的不断提升、云平台的发展、数据接口技术以及软件技术的提升，企业已经开始进入大数据时代。引用研麦肯锡全球研究所给出的定义，大数据是：
2、一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。同时，仅仅只是大量数据也并不能算是大数据，大数据的意义在于通过分析和挖掘庞大的数据之间的相关性来做出准确的决策，通过大数据提升决策的准确性以及提升决策的价值。对于企业而言，数据在其管理中的各个环节的决策都起到了决定性的作用。从企业战略制定、市场选择，到产品开发、生产管控，再到市场分销、物流规划，乃至于质量分析、人力资源政策，这些活动无一不要求得到准确而有效的大量数据。然而，现状是一方面企业有了海量的数据，另一方面企业却一直缺乏决策所需要
3、的数据。如何解决这个矛盾？这正是许多企业希望在内部推动大数据的原因。本文接下来就企业的数据现状、大数据在企业决策中可能的应用以及企业在内部推行大数据项目面临的一些问题做一些探讨，以期望能为企业推行大数据项目提供一些参考。一、 企业中的数据状况1、 数据种类繁多、数据量大，且基本都会有电子形式企业的数据主要产生自六大类活动中，战略与经营计划、产品或服务开发活动、生产或服务活动、市场和分销活动、以及辅助活动（比如财务、人事、法律等）。这些活动产生的系统通常通过企业使用的OFFICE、PDM系统、人事系统、财务系统、生产系统、订单系统等产生。随之IT技术的普及应用对于稍具规模的企业而言，企业产生的任
4、何规范性的数据都基本都是通过IT设备（计算机、扫描仪、传感器、摄像头、射频设备等）产生的电子形式。同时，当前企业普遍与供应商、经销商以及其他相关方建立了数据互联关系，这些相关方产生的大量电子数据也会不断的自动存入企业的相关模块中。2、数据孤岛化由于产生数据的软件系统不同，而且企业的软件系统上线大部分都是在不同的时间投入使用，系统供应商种类各异。因此企业内部的数据普遍处于孤岛化状态。战略与经营计划活动产生的数据大多通过OFFICE软件生成并存档在业务人员的个人电脑上；产品开发产生的数据大多由技术开发专用软件产生并存档在企业开发平台中；生产或服务活动的数据则通常存在与ERP或者类似功能的软件平台上
5、；市场和分销活动的数据则广泛分布在个人电脑、订单管理系统等平台；而辅助活动（比如财务、人事、法律等）产生的数据也都存在各自的专业软件中。不同活动产生的数据相互之间由于软件平台、数据格式、物理限制、制度限制等各种原因基本不存在自动调用的可能，数据孤岛化严重。3、企业数据量庞大，企业不具备处理的能力由于终端设备的发展，企业运营的各个环节无时无刻不在产生各种类型的数据，导致企业服务器上普遍存有天量的数据。但由于数据可视化不足、数据格式不统一、数据种类庞杂，企业基本不具备详细分析与挖掘数据的能力。而数据接口技术、数据挖掘技术、数据可视化技术方兴未艾，而且大多还处于小众性质的试用与开发阶段，使得企业普遍
6、还不能通过这些数据来提升自身的数据处理能力以达到充分利用数据实现决策需求。二、大数据在企业决策中可能的应用1、大数据对于企业战略与经营计划方面的决策的支持企业的战略制定通常需要对企业进行SWOT分析，而SWOT分析是否准确的前提就是相关数据的质量。通过大数据技术，企业可以获得大量的内外环境、优劣势方面的信息，并且可以对这些信息进行相关性分析，排除其中无效的、干扰的、或者重叠的信息。从而使SWOT分析更为准确。同时，通过对海量数据的搜集以及大数据技术建模，还可以协助在选择战略方案时对方案进行模拟测算，从而提升方案选择的准确性。企业通常会在前一年年末制定下一年的经营计划，通过对企业各项活动的预测来
7、编制下一年的预算、投资计划、产品开发计划、销售与生产计划等。而这些活动一般都是高度的相关的。大数据技术的存在，让企业可以分析所有这些活动的相关性，并依据海量的历史数据检测下一年的经营计划制定的合理性，并能通过整体相关性的检测及时发现对某个模块的计划与公司整体计划不匹配的错误。2、大数据对于市场选择与产品开发的决策支持在市场选择以及产品开发方面，目前企业普遍通过直接市场调研或者数据购买的方式了解市场需求。但是这种方式存在极大的局限性，数据片面性强，数据代表的时间段短，数据准确性无从验证。企业推行大数据技术后，可以在日常运营中即自动搜集整理市场与技术信息，而且搜集信息的种类与渠道也可以实现多样化。
8、在企业需要进行市场选择与产品开发方面的决策时，可以通过相关技术直接调用多年积累的数据进行分析，同时可以利用大数据技术对于数据之间相关性的分析能力验证分析能力准确性。由于数据来源是日常积累的海量数据，数据的可靠性、样本的代表性以及时间跨度的有效性都能得到保证。同时，由于有足够多的历史数据，企业能就产品细分市场选择、产品定价、产品性能的选择、营销策略的选择等方面的决策建立恰当准确的模型，从而极大的提升了决策的准确性。3、大数据对于生产活动的决策支持企业的生产活动的决策主要是考虑设备能力的规划、人员的需求规划、产量的计划、库存的计划以及服务提供形式方面的决策。目前大部分企业主要是通过ERP等系统用于
9、辅助进行生产管理，但ERP等系统的作用主要还仅仅只是记录或者传达指令，对于决策的支持非常有限。企业在生产活动方面的决策支持大多还是依赖经理人员的日常经验加上简单模型的计算实现的，决策准确性无法保证，而且难以体现预警性与动态性。同时，这种方式既无法将企业其他活动产生的扰动及时传达给生产系统，也无法及时准确的将生产系统的变化传递给企业活动的下游。大数据技术在企业生产活动的决策支持作用主要在于可以更好的支持很多个输入与输出系统的建模，而且能保证在做决策时使用的是最新的数据，从而保证模型输出结果的适用性。企业推行大数据技术后，可以快速更新订单信息、生产过程信息、人员信息等各类信息，并传达给企业内所有会
10、用到这些信息的人。这样的话，在企业考虑设备能力和人员需求时，能通过已有的订单变化、各个生产环节的工序能力、设备故障率、人员招聘周期、人员流失率、人员培训上岗周期、生产率的变动规划、企业自身的学习曲线等各种数据计算出准确的设备能力和人员需求，并将之分解细化到每台设备、工装、模具，每个月的人员，进而产生人员补充、公司现金需求等等计划。管理者所需要做的就只是对模型的完善以及对于决策的细节方面的修改。在物料供应方面，大数据技术可以通过每个工序的每种物料实时的库存数量、预测的消耗速度确定后续物料需要的数量与时间，并可以通过对供应商送货车辆的实时位置等信息提前判断是否可能会出现短缺，并进而提醒生产部门和采
11、购部门采取应对措施。甚至当系统判断出无法避免会出现短缺时，系统能通过调用备选供应商的库存与运输车辆的信息而生成由备选供应商提供材料并自动计算调整后续生产计划与物料计划。在质量控制方面，通过广泛的采用射频技术等信息自动采集技术，可以保证生产过程中的质量信息的准确性和及时性。同时，通过对各个工序的数据的监控以及历史数据的对比，可以随时对出现质量问题的工序进行预警。细化到每个工序的质量问题的分析结果，可以帮助企业在制定质量目标时也能同时细化到每个工序。工序目标制定后，就可以实现对于偏离质量目标的工序的预警，从而提前发现并解决质量隐患。而且，通过为每个工序设置质量目标，避免某个工序产生的不良流入下一道
12、工序。对于市场终端的质量信息，也能因为广泛的数据采集系统而得到重视。在精益制造方面，大数据技术能为精益项目提供足够的数据，促进对于工序的分析以及精益项目所产生的效果的验证。而且通过数据挖掘以及相关性分析，为精益项目成员提供方向性的思考，并协助其完成项目构思的验证。4、大数据对于财务决策以及人事政策等辅助活动的支持企业的财务决策需要用到大量的数据，而且这些数据零星的分布在各个部门的各个系统中。传统的数据取得方式是通过财务人员的一一索要而取得的，这就为数据的准确性、有效性以及及时性埋下隐患。大数据的功能之一在于连接了各个信息孤岛，使得有需要的人随时可以方便的得到数据，而且大量历史数据的存在能协助使
13、用者剔除异常数据。因此，公司在进行财务决策时，可以方面的从公司整体数据中心抓取所需要的数据，同时可以利用大量的历史数据剔除异常数据，从而确保财务决策的准确。另外，大数据技术对于外部数据的抓取功能和对于公司现金流的精准预测，可以使财务人员能自信的制定公司的投融资决策。对于供应商以及经销商的财务数据的监督，可以为财务人员制定公司的付款政策和销售信用政策提供有效支持。大数据技术破除了企业内部的信息鸿沟，从而使人事部门能及时了解公司人员动态，而且能具体分析到某个具体的班组在某段时间的人员流程率、人员薪酬状况，从而采取有针对性的人事策略。大数据技术还可以提供大量的公司内人员年龄、学历、工作技能、工作经历
14、等方面的信息，并且自动采集外部人才市场的情况，为公司薪酬策略、人员招聘策略、培训计划、人员晋升的等工作提供参考。三、企业推行大数据技术时需要重点关注的地方1、破除企业数据壁垒企业运营中产生的数据基本上都存在高度相关性，但是由于各种原因，各类数据的相互调用非常困难。大数据的基本精神之一就在于数据集中。如果企业在推行大数据过程中仍旧维持原有的数据壁垒，数据之间无法兼容，不能方便的随时调用与抽取的话，大数据技术将很难在企业的运营过程中发挥作用。破除企业数据壁垒的关键在于需要解决几个问题。首先，必须解决企业内部因为部门利益而不愿意共享数据的问题；其次，需要建立数据接口，确保各种设备、各个系统的数据能进
15、行数据交换；再次，建立数据中心，确保企业产生或者搜集到的所有数据都能集中管理与调用。2、推行大数据之前必须考虑如何应用数据如果企业不对数据加以应用，那么企业无论搜集多少高质量的数据，对于企业而言也将都只是没有收益的成本增加。因此，企业推行大数据之前，必须考虑如何才能应用数据，而数据建模能力则是数据应用的最直观体现。大数据项目完成后，其交接清单中应该有一个类似建模的工具。这个工具可以让使用人员依照自身的需要建立数据模型，从企业数据中心抓取数据输入模型，并且从数据中心抓取数据来验证模型的输出，依据结果比对调整模型达到自己的决策需要。只有如此，才能确保大数据技术真正的能在企业管理中大放异彩。值得一提
16、的是，上述工具的可用性、普及型、界面友好性也将是企业能否有效使用大数据技术的一个关键问题。3、对于无效数据、错误数据的处理能力企业在运营过程中产生海量的数据，由于日积月累的效果，其中必定也会存有大量的无效数据与错误数据。如前所述，大数据技术在企业管理中深度应用之后，其正确性将对企业产生非常大的影响。尤其是在每项决策所调用的数据量都非常庞大的情况下，已经无法通过人工来识别数据的准确性了。因此，大数据技术自身必须有足够的识别无效数据与错误数据的能力，并能及时清理掉数据中心里面的错误数据与无效数据。如此，才能避免对企业运营产生不良影响，也才能让企业管理人员放心的将相关的决策与管理功能迁移到大数据技术上。4、技术稳定性以及技术成本问题
