企业高管不能不知道的信息化常识
企业高管可以不懂IT技术,但不能不知道信息化常识,更不能以不懂信息化为荣,否则自己会因无法决策信息化重大事项而成为企业信息化最大的短板。
高管至少有以下三件事需要知道:
一、把信息化交给精通IT技术的人做不好,除非他有能力和时间精通业务。
若是高管认为业务信息化,就象买电脑、买Office一样买回来安装使用就可以,那么这个高管在信息化这件事上完全不合格,已无形中阻碍了公司信息化的步伐。
信息化的确有许多领域基本不用业务参与,比如建机房、布网络、买电脑,这是纯IT技术就能搞定的,但管理信息化(ERP、CRM、PLM、CAPP、MES、MRO)却不是那么简单,往往是从业务问题出发,结合公司战略,进行适度的业务变革,梳理精细的流程,用软件固化下来,并推进业务人员按变革后的业务体系运转,IT技术在此项工作中最多占三分之一。
业务信息化项目,需要业务、IT双精通的人才能真正领导,但实现上,业务、IT双精通的人很稀缺的,那么负责人至少必须精通业务,再由IT支持,才可能打造出好用的系统。如果这样的项目由IT牵头,尤其做多年纯IT技术支持、很少去了解业务的IT技术人员牵头,业务不太实质性参加,那么这样的系统从一开始就会注定用不成或不好用。只有希望变革的业务领导,才有可能推进此项变革,担子必须压在他的头上,而且要逼着他去学信息化并做好融合。
另外,如果牵头人是业务部门领导,那么可以建出业务部门内部好用的系统,不同业务部门会是信息孤岛;如果牵头人是条线领导,那么可以建出条线内部(跨部门)好用的系统,不同条线之间会是信息孤岛;要想做成公司内各条线、各部门互联互通,这个牵头人有且只能是一个人,那就是企业一把手。
二、信息化框架的选择是战略级问题,中途变更会导致信息化大厦坍塌
信息化框架对信息化整体而言,就象大楼的地基、承重墙、主梁一样重要,如果改动,那么大楼的危险性会大幅增加,除非你打算拆了重建。
信息化框架,用信息化的术语,叫架构。大型企业的信息化整体架构(不是指单个系统自身的架构),是需要专业的架构师来搭建,能承担这种工作的人,年薪至少在30-50万以上,绝对不是一般水准的IT工程师能干得了。
如果没有架构,系统建设多是面向业务部门建设的,建成的系统在部门内部看能解决问题,但面向上下游多部门时却发现无法共享集成。要实现集成,前期面向部门搭的“鸡窝”可能要拆了重建,鸡、鸭、兔子永远无法整合成老虎。出现这个问题的根本原因,就是前期建设期间没有架构意识,或者有意识但没有落地。
面向企业整体信息化架构,要采用SOA架构、一体化架构还是无架构,这是一个高管必须明白并且长期坚持的战略性问题,这个问题您有必要花点时间了解。大部分企业做了10-20年信息化可能都没有意识到这个问题,尚处于无架构的孤岛建设阶段,共享集成还只是个意识。
所谓一体化架构,指的是以某个大的应用系统为中心(比如SAP、Oracle,或者自主开发平台),将尽可能多的系统在此平台上开发(外部IT公司或内部开发团队),少量的外围系统,设法与此平台做接口实现集成。这种做法的天然优势,是应用功能和后台数据一体化,是过去大多数做得好的企业常采用的。这种架构,有个天然的缺陷,就是被所选的平台公司绑架,公司信息化命运随着这个平台公司而起落,平台不再发展了也会制约公司信息化水准提升。
所谓SOA架构,是把各种大大小小的信息系统(包括大到ERP系统、小到微信提醒)当作服务,每个服务有输入有输出,与处于中心位置的SOA系统(包括门户、流程、总线三个非常重要的中间件软件,还包括数据标准)进行数据交换。很显然,SOA架构是一种非常先进的架构,但这种架构一开始就要引进三个中间件软件,而且要建立企业级数据标准,前期投入大、产出小,看不到明显的效益,远没有直接建一个系统花钱少、见效快。虽然前期投入大、产出小,但后期会大量保护前期投资,所带来的节约会远远大于前期的投入。这种重要的信息化战略级问题决策,企业一把手当然必须明白。
三、统一数据标准是信息化的战略级基础工程,必须一开始就抓、常抓不懈。
数据是信息系统的生命,高质量的数据是系统统计分析正确结论的基础,是上下游部门、公司畅通沟通的基础。高质量的数据,必须是统一标准的,如果标准不统一,人眼去看还好一些,计算机根本就不认识。除了命名标准以外,编码标准、分类标准、统计口径,也都存在统一的问题。在同一个系统中,数据标准一般都能做到一致,无论大的系统还是小的系统,但如果跨不同的系统,则这个问题一般就较为严重。跨系统无法集成的原因,标准不统一是最难解决的,解决的唯一办法就是按两套标准把每条数据建立一一对应关系,形成翻译,这会导致数据重新整理、系统功能增加许多复杂功能,集成的代价将非常大。因此,统一标准,是IT领域战略级问题,高管要一开始就抓。
数据分析咨询请扫描二维码
《Python数据分析极简入门》 第2节 5 Pandas数学计算 importpandasaspdd=np.array([[81,&n ...
2024-11-23数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22数据架构师是负责设计和管理企业数据架构的关键角色,其职责涵盖了多个方面,包括数据治理、数据模型设计、数据仓库构建、数据安 ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列的技能和能力,以确保能够有效地处理、分析和解释数据,从而支持业务决策。以下是数据分析师所需的主要 ...
2024-11-22需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21数据分析作为一个备受追捧的职业领域,吸引着越来越多的女性加入其中。对于女生而言,在选择成为一名数据分析师时,行业选择至关 ...
2024-11-21