企业实施大数据的路径

《企业实施大数据的路径》由会员分享，可在线阅读，更多相关《企业实施大数据的路径（12页珍藏版）》请在金锄头文库上搜索。

1、重磅，企业实施大数据的路径企业实施大数据主要有四个方面的内容：第一，企业要建立数据文化，企业作决策应该用数据来说话。第二，企业要建立数据的战略。第三，企业在数据战略之下组织数据管理团队的能力。第四，企业实施大数据的技术能力。企业实施大数据的具体的建设路径有两个方面，一方面是自下而上，另一方面是自上而 下。自上而下自上而下的路径，首先是有序地在管理层建立数据的决策文化，在企业文化层面建设起 数据的使用意识，然后建立对应的组织架构、对应的部门和团队，确定需要招聘什么样的人 进来、需要多少人、具体职责怎么划分，最后建立起对应的技术平台。自下而上自下而上第一是让员工学习和掌握相关技术技能，可以通过内部

2、培训，也可以通过外部 招聘。第二，要有规划地设计，以后系统怎么走、怎么做，要有一个长期的规划。第三，要 有明确的绩效考核的指标，数据的管理、质量的管控、效益怎么保证。第四，在思维上要保 持一个开放的态度，互联网时代大数据还在发展的初期，一般认为大数据在企业的应用还处 于幼儿园阶段，这个时候还有很多东西要学习，必须保持一个开放的心态，不断地学习，才 能真正把事情做好。（一）建立企业的数据文化文化是企业看待事物的价值观和执行行动的衡量标准。建立数据文化就是要在整个企业 层面建立一种以客观的数据为决策依据和衡量标准的价值观和制度体系为企业能够真正利 用大数据产生价值提供基础。没有这个基础，企业即使拥

3、有再好的技术和资源，也无法利用 好它们来为企业服务。什么叫企业数据文化?它包括六个方面的内容。第一，数据文化主要体现在数据驱动决策，决策主要通过数据来说话。第二，企业运行效率的分析。一方面，通过对数据进行深度分析可以像望远镜一样了 解企业各方面的运营情况，另一方面，数据可以像显微镜一样去观察企业运营的细节，找到 以优化的地方。第三，通过数据来分析营销规划的得失。通常企业做促销活动，销售量提升了就觉得是 成功了，但是促销是有成本的，销量提升了，是不是真的就带来效益了呢？第四，在以人为本的时代，企业对员工的人身安全和健康的责任越发重大了。如果能通 过客观可衡量的数据，关注员工的工作环境和舒适性，对

4、保障良好健康的工作环境、提升员 工的满意度将起到非常重要的作用。第五，员工绩效，必须要有一个数量化的指标。第六，价值链中的数据管理。在纵向供应链中通过数据的分享和交换，可以更好地让供 应链上下游的企业了解整个供应链上的需求、库存和供给，从而可以优化链条上的库存，主 动发起供给的准备，更快地应对市场的变化。在横向生态链中，通过分享和交换数据，可以 在全方位生活场景中对用户进行分析，从而打造出满足用户更广泛需求的一站式服务，不仅 可以挖掘出更多的商业机会，而且增强了用户的粘性。（二）建立企业的数据战略建立企业的数据战略，需要建设三个方面的内容，如下图第一个方面是建立完整的数据模型。数据模型的目的是

5、正确地定义数据,对数据进行分 类和确定数据交互之间的标准。将对企业业务管理的理解，转化为数据的要求，从而理解到 底什么样的数据需要管理。不同的系统产生不同的数据，各系统之间的数据和数据之间互相 交互的内容是什么。企业内部有不同的系统，ERP系统、供应链系统、CRP系统等，用户 信息放在哪，供应商信息、物联网信息、财务信息分别放在哪，他们之间怎么协调，怎么沟 通?这些都是需要考虑的问题。数据服务第二个方面是建立数据服务体系包括选用什么样的技术平台、采用什么样的数据技术， 不同的系统如何使用这些不同技术，包括传统的数据库、数据仓库、商业智能、新型的Hadoop等。基于业务架构的设计，来设计数据应用

6、的架构，然后通过数据交互接口来交换数据，从而避免出现数据孤岛，同时建立统一的数据规划，确保数据源的统一和一致性， 为后期的数据分析提供支持。第三个方面是建立数据的治理体系。数据治理包括数据的管理制度和整体生命周期的管 理。数据正在成为一种资产,与此相对应的，资产需要体系化的管理。数据的资产权利管理， 包括确定数据的所有权、确定每个数据的所有者、谁是这个数据的管理者、谁来负责这个数 据的准确性、谁来保障数据的质量，等等。数据的高质量是进行数据分析的基础，数据如果 是错误的，怎么分析都不会有正确的结果。同时，数据的合规和安全的管理也是核心环节， 比如谁可以操作数据、谁负责数据的安全、备份和服务等，

7、一个严格的数据的合规和安全管 控制度是必不可少的。数据的生命周期管理，包括如何和何时建立数据、什么时候可以修改、谁批准修改、数 据如何消除等。国内的企业这方面做得比较欠缺，不只是数据，还包括设备、电脑等，电脑 报废了不能用了，就直接丢弃。在这方面，国外企业做得不错，国外信息安全的企业，通常 会花钱请第三方公司来进行专业的数据销毁的处理甚至每台电脑花费几百块钱来进行环保 型销毁。比如在一些数据消除案例中，数据要用各种方法来确保被彻底擦除，比如有些企业 要求对数据进行格式化七遍，以避免可能的数据恢复。建立企业的数据组织能力建立数据的组织能力，包括设立合适的组织角色的定位、招聘到合适的人员、设立合适

8、 的组织结构以及设计合适的责权利，等等。第一，数据的组织能力，建议有条件的公司可以建立首席数据官(ChiefData Officer) 岗位，这个岗位主要是设计整个数据的战略，领导数据战略的落地，以及通过数据和业务管 理层进行沟通、对话，传递数据的价值。第二，数据科学家的作用非常重要，数据科学家研究的是如何用最好、最科学的算法得 出最好的结果。同样一堆数据在那儿，十个不同的人在看，十个人看的结果都不同。那么为 什么科学家算得准呢?因为他的知识够深入，他了解哪个因素最重要，那么多因素里面他应 该选哪部分来分析。数据科学家目前是整个市场上最欠缺的人才，因为同时兼具数据算法专 业知识和业务知识的人才

9、是极其难得的。数据科学家可以分为三种类型，第一种是技术型数 据科学家，他们是计算算法方面的行家，对各种统计分析技术非常在行第二种是应用数据 科学家，他们对数据架构非常熟悉，熟悉数据在各个系统中的分布，能够很好地把各种数据 进行集成管理第三种是业务数据科学家，这些人对行业知识和企业业务非常熟悉，同时兼 具一部分对数据处理技术的了解，能很好地把业务的需要和特征转换成数据的处理要求，同 时可以很好地将数据处理结果转换成业务的视角和言语，来传递给业务管理者。第三，对于一定规模的企业，我们通常建议，企业要建立一个集中式的数据管理运营中 心。云计算服务就是集中化管理方式，成本最低、灵活性最高、扩展性最强。

10、第四，整个数据组织的架构标准不是以技术、产品来交付，而是以商业价值交付为衡量 标准。考量数据分析的产出能力，不是数据分析的速度有多快，也不是数据量有多大而是 数据分析的结果对业务到底有没有帮助、是不是有指导意义。这也是所有数据分析的核心价 值，也是对大数据中大的含义的最核心的衡量标准一一大到产生业务价值。这个 衡量标准对技术组织来说，执行起来有些困难，所以必须建立一个明确的绩效评估标准和价 值评估标准，让技术人员能够更多地从业务角度来考虑所做的工作的价值，而不陷入技术优 先论的境地。第五，提升一线人员的业务决策权和数据决策权，建立一个扁平化管理的组织。通过系 统化的培训来不断培养员工的数据分析

11、能力。由专业数据分析人员和算法人员设计的数据分 析解决方案或者产品，必须以简单易用的方式提供给一线员工，同时更为重要的是，加强相 关的解决方案或者数据产品的系统化培训；让更多的员工意识到这些解决方案或者产品的价 值，并乐于在日常工作中使用。我们建议数据建模/数据产品研发的费用和针对一线员工的 使用培训的投入应该是对半分的。为了更好地推进培训，企业还可以考虑成立兴趣驱动的数 据协会，让更多的员工加入到该协会中，定期举行培训课程、研讨沙龙以及聘请外部专家做 相关分享以开拓视野。建立了企业的数据组织能力后，企业使用数据的过程如下阐述。首先搜集数据从不同地方把数据找到找到以后选择算法。其次进行业务关联

12、的分析， 确定哪些指标、哪些维度是有意义的，这就是数据科学干的事。业务科学家和数据科学家可 以分离，也可以整合，大部分企业是一套人马来做，展示成一个业务的可以接受、可以理解 的方法，如果单纯是数据展示，可能管理层、业务部门看不懂，这就需要转换成业务管理者 可以理解的语言和信息。最后，是交给管理层或者是对应的部门作商业决策。这就完成了一 个完整的价值交付。在上述的数据处理过程中，数据团队中有不同的岗位来执行对应的工作。在数据的采集 和清理环节，主要是数据管理员，包括企业内部的数据抓取，外部的微博、淘宝、第三方电 信等的数据采集数据很多，需要做清理，巴一些没有用的数据处理掉,留下来有效的数据， 这

13、主要是数据管理员要做的事情。接下来是数据科学家，选择正确的算法，同时可以根据业 务的维度制作各种不同的模型，来得出一个分析的结果。再接下来，还有一个团队是业务分 析师，根据这些分析结果，将其转换成业务人员可以理解的语言和展示方法，交给CDO和 核心管理层、决策层做沟通，帮助他们作决策。作为整个技术平台的提供者，还有一个技术团队做具体的平台搭建，可以自行开发基于Hadoop开源的大数据平台，或者购买第三方 的系统做管理维护，也可以直接使用大数据的SaaS服务平台来快速建立大数据技术能力。选择技术平台企业以往使用传统数据进行复杂分析时，多使用数据仓库和商务智能系统，也就是所谓 的OLAP系统，对传

14、统数据比如财务数据、用户数据进行抓取、挖掘和分析，然后通过页 面展示出来，这是非实时的分析系统。在互联网+时代要将第三方的社交数据和电商数据， 比如微博、电商数据等放进来分析是很难的因为传统的架构是基于结构化的数据基础上的， 而现在更大量的数据是非结构化的数据，传统方式很难支持。这样我们分析数据就碰到一些 困难，大数据应运而生，Hadoop是其中最重要的一个平台。Hadoop是一个生态系统，它里面包括了一些计算的系统、数据存储的系统、数据分 析的系统，它是阿帕奇组织在2004年正式开展的一个项目。Hadoop是一个非常重要的革 命性的应用，因为它是免费发布，让很多人都有机会使用，现在很多企业都

15、是以Hadoop 开源平台为基础，再由内部技术人员做一些优化来使用。传统数据和大数据的关系是一个发展和结合的关系。传统数据还是可以分析出对业务有 价值的信息，也还是用以前仓库的方式分析，新型数据用大数据的方式分析，两个系统最后 进行整合，形成一个后端的解决方案现在也出现了一种完全集成式的方案，这是最近一两 年出现的新的大数据平台，可以同时兼容新的大数据和传统的数据，这种集成式的应用将会 越来越多。市场上很多公司的商业套件和Hadoop开源的方案有什么区别呢?它们的主要区别是商业套件在性能上做了优化、提升,在安全上做了增强，它加入了针对对应行业的业务 理解，帮助企业预置了建模的方法和工具，但问题

16、是价格比较贵。所以，各种方案的选择是 基于企业的实际情况，包括预算和团队能力等因素综合考虑的。（五）数据的开放和共享对于数据的来源，企业内部通常不具有大数据分析所需要的所有数据。2014年，我国 的大数据市场规模84个亿，预计2015年达到166个亿，增长40%。相信随着大数据交 易平台的建设，增长还会更多。根据中国信息通讯研究院的研究报告，企业对大数据的认同 度，认为比较重要的达到97%，这说明企业对大数据的重要性是有认识的，问题是怎 么来落地。企业对待大数据往往关注的是安全性和稳定性。这说明虽然企业已经意识到大数 据的重要性，但还是比较保守，对安全的顾虑影响了对数据商业价值的挖掘。随着安全技术 的发展以及对商业价值的认识的提高，企业应用大数据、获取和交换数据将会越来越多。安 全和商业价值永远是一对需要衡量的关系它就像速度和成本、速度和质量一样是相