从理论到实践:大数据帮助企业智慧决策_数据分析师
客户群体如何划分?哪个类型的客户利润最高?
市场如何划分,有哪些特点?增长最快的是哪个细分市场?
哪些产品更赚钱,如何规划发展?
如何改变集团管理松散的现状?如何降低成本,提高利润率?
企业智慧决策需要解决诸如此类的问题,大数据为智慧决策提供依据。
企业智慧决策的挑战
企业智慧决策就是企业利用数据在各个层面上进行实时科学的决策,企业经过多年的信息化建设,目前一般的企业都会存在多个业务系统。这些业务系统本身已经很好地支撑了企业业务板块的一些流程管理,并且能够提供业务板块内的一些比较简单的数据报表。但是,企业面临竞争加剧的市场环境下,企业市场洞察力、整体战略和执行力成为企业核心竞争力,能够及时准确地决策,很大程度上成为企业发展成败关键的因素。
用友集团iUAP中心商业分析产品经理王翀认为,“对于企业智慧决策来说最大的挑战就是信息碎片化,数据散落在不同的部门和不同的系统,这使得企业回答很简单的问题就会面临一些无从着手或者是得不到准确的答案。马云说过大家还没搞清楚PC互联网的时候,移动互联网来了,大家还没搞清楚移动互联网的时候大数据的时代又来了。大数据时代下,企业决策过程是无时无刻不在计算和处理这些问题,找到应对方案,并且贯彻到企业运作当中。把分散在企业各个业务系统数据有机整合起来,提升企业在分析层面的落实和监控企业的战略战术是企业决策者面临非常大的挑战。”
王翀还举例说,“实施过程中的一个企业,最先建立的财务系统,对产品编码是六位的,后来又建立了一个ERP系统,同样的产品编码由于一些新的要求,就被扩充到七位,最后在建立营销系统的时候,这个产品编码又被扩充到十五位,它其实指的都是同一个产品。在这种情况下企业很难看到一个实时联动的企业运维前景,同时耗费大量的人力物力进行低级数据的整合,同时数据的准确性也存在一定的隐患。”
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。
避免为大数据而大数据 企业大数据管理的关键要素和原则
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
企业为了让资产能够产生价值,必须要把自己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或者大量数据中快速获取信息的能力,并不是说数据放在这儿就可以了。用友网络科技股份有限公司助理总裁兼集团iUAP中心副总经理谢东认为,企业市场要做好三个方面的事情,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、NoSQL,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。
图一:企业大数据管理的关键因素
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,谢东还分享了企业大数据分析建设应该遵循的原则:
图2:企业大数据分析建设原则
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。
总之,企业做大数据管理不是为了应用大数据技术而做大数据,而是一定要为业务服务的。
新一代数据管理平台应具备的七大关键特性
基于以上分析与认识,用友iUAP认为,目前,能真正在业务上帮助用户提升生产力的数据管理平台应具备以下关键性: 第一,实时性。用友BQ商业分析平台在数据采集上采用数据库日志分析技术,在不对业务系统的性能产生影响的前提下,能够抓取实时的业务数据,在数据处理层,结合列存、行存以及混存的技术,基于内存的多维聚合技术能够对变化的数据进行实时数据处理,相比传统的技术,经过测试,可以得到最高50倍的分析能力提升、性能提升。
第二,可视化。在构建数据模型报表以及仪表盘开发过程中全程可视化。大家以前对可视化的概念就是数据展现的可视化,用友BQ商业分析平台产品设计中扩展了可视化的理念,提出了全程可视化的概念,从模型的构建,报表的设计,数据展现到用户操作交互的过程,都采用了可视化和所见即所得的理念。
第三,对大数据的处理架构。对大数据的处理架构可以满足企业对扩展各种数据接入的需求,结构化的数据和非结构化的数据可以在统一架构下进行处理和计算,能够接入Hadoop分布式文件处理以及分布式的数据库,从而能够处理图象、视频、网站日志等非结构化和半结构化的数据。
第四,数据预测。用友BQ商业分析平台有一个开放的数据挖掘架构,现在企业已经不满足于简单看数据的汇总报表,有一些企业积累了比较多的数据,希望能够从大量的数据中挖掘出更有价值的知识,用友BQ商业分析平台可以扩展基于L元模型的数据挖掘的算法,同时在展现层扩展数据挖掘的可视化展现方式。
第五,移动分析。现在用友BQ商业分析平台有一个移动数据分析产品,叫BQ Mobile,它是一套独立的面向移动分析的产品,能够开发iOS和安卓平台的应用,针对手机和平板进行移动终端原生分析应用的开发,这种方式能够利用移动屏幕比较小的,特有的交互方式,满足对移动分析能力有较高要求的企业。
第六,统一元数据。对元数据管理的支持。数据仓库领域有一句话,如果数据准确性得不到保证,那在前端强大的展现效果也没有意义,依赖于这些数据做出的决策也是错的。针对这种情况用友做了很多工作,用友BQ商业分析平台有强大的元数据管理能力,提供了影响分析的功能,这个功能可以帮助用户发现数据处理结果和源头之间的关联,一旦结果的数据不准确,可以迅速定位到是源头的哪一个数据字段导致了这个问题。
第七,嵌入式分析。可以嵌入到企业现有的应用中去,可以嵌入到企业现有的门户、网站去,甚至在Word里面可以嵌入到分析的插件,使得Word可以生成基于最新数据的报告。
用友集团iUAP中心商业分析产品经理王翀
用友认为,新一代数据管理平台只有具备了以上特性,才能帮助企业在互联网时代迎接大数据管理的挑战。
基于新一代大数据管理平台的成功实践
理论和工具都离不开实践的检验,用友BQ商业分析平台已经帮助诸多用户实现了基于大数据管理的业务目标。
天瑞集团:
天瑞集团是集铸造、水泥、旅游、煤电铝、矿业、商贸物流为一体的综合性企业集团,有员工1.6万人,在2014年中国制造业企业500强中位列第196名。
天瑞集团面临的问题是:缺少一个统一的信息系统来支撑总公司对下属项目公司的指导和监控;下属公司在管理上容易形成各自为政的情况,总公司也难以了解即时了解各项政策的执行;数据只能分散存储在不同的下属公司或不同的管理部门;总公司与下属项目公司间的信息传递只能依赖于传统的邮件、电话、 excel 等方式;无法为总公司领导提供准确、及时、全面的管理信息,最终导致决策效率较低,而无法发挥集团管理的优势。
用友在这个项目上重点针对天瑞关键类型的业务数据进行建模、采集、抽取、整合,形成管理、共享的统一商业分析管控平台。还通过对财务、资金、供应链、生产数据的分析洞察企业问题、降低运营成本、提高利润和企业价值,实现与NC一体化的业务分析体系。通过这些工作,帮天瑞集团纯料煤耗大大降低,总体成本缩减4%,生产率也得到了提升。
对于能源消耗型企业,国家队其打造绿色工厂以及节能减排有一定的要求,天瑞集团项目负责人说:“商业分析系统让管理视角多样化起来,看待问题更加客观分析问题更加透彻。通过部署BQ8 平台,我们有更多的机会去实现企业在数据治理、数据中心、 大数据分析方面的规划落地;掌握了这套分析工具,也为我们企业内部积累了一批商业分析人才。 ”
大娘水饺
大娘水饺是知名的餐饮连锁企业,全国拥有连锁店350多家,在职员工8000多人。每年大娘水饺的消费者超过5千万人次,年销售额10亿多元。
大娘水饺面临的问题是:1、多年来大娘水饺在门店、工厂、 OA、财务等方面都进行了一些信息化应用的尝试,但都属于局部应用的状态,各系统孤立运行,完全没有形成基本的信息共享,未能达到信息化管理的整体效果。2、大娘水饺已经出现了严重的集团管控能力不足,包括对经营机构和管理机构的预算控制,资金管理和财务核算,高效率集中采购等等方面,已经影响到了整个公司的经营效益。3、大量的传统手工管理方式的存在,随着门店的扩展致使管理更显得粗放,造成许多不必要的浪费,信息化的、规范标准的管理系统建设已经到了刻不容缓的时刻,特别是对于连锁经营这种业态尤为必须。
用友在这个项目里根据大娘水饺目前的信息化建设程度确立了企业经营管理决策分析平台的分步实施策略。建设以集中采购、销售管理、商业智能分析和人力资源管理的运营支撑平台。建设了以办公自动化 OA 和集中核算的集团整体管控平台。对于大娘水饺的门店经理来说,有了用友BQ商业分析平台,现在每天在办公室只要打开电脑十分钟内就能掌握各分店的最新动态。而一旦发现问题,能迅速找到相关负责人,防患于未然。有了这套软件,以前需要一天解决的事情,现在 1 个小时就足够了。
清源华衍水务
清源华衍水务集团总资产 36.85 亿元,拥有日供水 45 万吨的自来水厂 1 座,日处理量分别为20 万吨和15万吨的污水处理厂2 座。建成投运供水管网 870 公里、污水管网 688 公里 、污水泵站 44 座。
清源华衍水务面临的问题是:1、水价没有建立根据市场供求和成本变化及时调整的机制,供水价格普遍偏低,亏损较为严重。由于以上原因,水务企业在经营方式上形成了“ 低水价+亏损+财政补贴”的模式,从而造成了行业经营效率不高、盈利能力低微的局面。2、清源华衍水务希望通过加强企业管理能力,提高财务核算水平,对生成成本、供水成本、污水处理成本、管网运行成本、人力成本等精细核算,在政府水价调整进行听证时,能够提供财务依据。3、清源华衍水务希望提升水务工作效率,提升水务管理和服务水平,运用信息技术手段实时采集源水、出厂水、管网末梢水质数据、管网压力、管网流量数据,防范恶劣环境和突发事件情况,防止或及时处理突发事件。
在这个项目里,用友主要将地理信息系统GIS、数据采集与监视控制系统SCADA、实时数据的水力模板等系统数据,通过基于SOA架构的系统平台,集成汇聚生产、输配等关键信息,打造一个管理人员、专家、运营信息高度融合的集成管理环境,从而实现快速响应和优化决策。
通过这个系统使得清源华衍水务的资金利用率从实施前的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%。通过这个项目,清源华衍已经认识到:商业分析以及大数据是未来信息化发展的必然趋势,数据分析必定能为企业创造更多价值。
上海医药
上海医药集团是一家总部位于上海的全国性医药产业集团,主营业务覆盖医药研发与制造、分销与零售全产业链。企业综合排名位居全国医药行业第二。
上海医药集团面临的问题是:1、企业已规划并建设完成了集团管控、ERP企业资源管理等信息化系统布局,并初步建立了一些针对独立业务的辅助分析系统。但数据多而不精,无法为日常运营决策提供支持。2、各系统在日常运营中产生了大量数据,但却没有一个统一的数据标准,没有形成信息资源共享和交换的机制。3、现有报表无法为公司高层决策、中层领导管理、业务层分析应用提供全面、及时、准确的数据支持,提高公司应变和决策能力。
在这个项目里,用友为上海医疗构建精准实时的数据分析系统,上药集团和用友 BA 团队在现有上药 ERP、项目管理系统及各类重要非结构化的业务数据应用之上,共同规划并由用友BA团队实施建设了以集成平台、业务模型、分析主题这三层架构的分析层次的集团BI系统。上海医药通过实施这个项目,使得其集团数据治理比例得到了明显提升,同时数据冗余度从治理前35%下降到治理后的18%,数据分析周期也从实施前的T+1天降低到实施后的实时分析。
用大数据帮助企业进行智慧决策,是一项长期而又复杂的系统工程。用友公司从诸多大数据实践中积累了丰富的经验,并将其梳理并上升到理论层面,希望能够藉此帮助更多的用户实现其业务发展的目标。
数据分析咨询请扫描二维码
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大数据技术专业主要学习计算机科学、数学、统计学和信息技术等领域的基础理论和技能,旨在培养具备大数据处理、分析和应用能力的 ...
2024-11-21《Python数据分析极简入门》 第2节 3 Pandas数据查看 这里我们创建一个DataFrame命名为df: importnumpyasnpi ...
2024-11-21越老越吃香的行业主要集中在需要长时间经验积累和专业知识的领域。这些行业通常知识更新换代较慢,因此随着年龄的增长,从业者能 ...
2024-11-20数据导入 使用pandas库的read_csv()函数读取CSV文件或使用read_excel()函数读取Excel文件。 支持处理不同格式数据,可指定分隔 ...
2024-11-20大数据与会计专业是一门结合了大数据分析技术和会计财务理论知识的新型复合型学科,旨在培养能够适应现代会计业务新特征的高层次 ...
2024-11-20要成为一名数据分析师,需要掌握一系列硬技能和软技能。以下是成为数据分析师所需的关键技能: 统计学基础 理解基本的统计概念 ...
2024-11-20是的,Python可以用于数据分析。Python在数据分析领域非常流行,因为它拥有丰富的库和工具,能够高效地处理从数据清洗到可视化的 ...
2024-11-20在这个数据驱动的时代,数据分析师的角色变得愈发不可或缺。他们承担着帮助企业从数据中提取有价值信息的责任,而这些信息可以大 ...
2024-11-20数据分析作为现代信息时代的支柱之一,已经成为各行业不可或缺的工具。无论是在商业、科研还是日常决策中,数据分析都扮演着至关 ...
2024-11-20数字化转型已成为当今商业世界的热点话题。它不仅代表着技术的提升,还涉及企业业务流程、组织结构和文化的深层次变革。理解数字 ...
2024-11-20在现代社会的快速变迁中,选择一个具有长期增长潜力的行业显得至关重要。了解未来发展前景好的行业不仅能帮助我们进行职业选择, ...
2024-11-20统计学专业的就业方向和前景非常广泛且充满机遇。随着大数据、人工智能等技术的快速发展,统计学的重要性进一步凸显,相关人才的 ...
2024-11-20