最新消息: PyCharm vs VSCode,哪个更好?
您现在的位置是:群英 > 开发技术 > PHP语言 >
大数据管理平台与建设有哪些注意事项?
IT168发表于 2020-11-19 17:28 次浏览
        随着信息技术的蓬勃发展,特别是近十年,移动互联技术的普及,运营商、泛金融、政府、大型央企、大型国企、能源等领域数据量更是呈现几何级数的增长趋势。数据量的膨胀除了带来了数据处理性能的压力外,数据种类的多样性也为数据处理手段提出了新的要求,大量新系统的建设同时产生了众多数据孤岛,给企业的数据运营维护与价值发掘带来了重大的挑战。

1、企业数据资产需要“活数据”

  参照图中的金字塔模型,我们将企业的数据阶段分为四层,其中数据即为事实和数字,企业中的ERP、MES等业务系统均为数据的产出源头,它涉及企业的业务以及财务凭证。而基于已有的数据以及包括数据之中提炼出的一些知识和对应的信息能够总结出成为企业的智慧。这里我们将其中的知识以及智慧归类为主观意识层。这也是DIKW模型的架构,这里更强调将客观存在的数据转变能够支撑主观意识的有价值的数据内容。

大数据是什么意思

  2、经营管理闭环模型

  结合前文提到的“活数据转换”,企业尤其是制造业需要规范化、流程化的建立企业经营分析管理闭环模型,区别于传统的零散BI分析,该模型参照PDCA即P(计划)—D(执行)—C(检查)——A(处理),强调流程及闭环思维。

大数据是什么意思

  企业在进行BI 的过程中应从财务融合,也可称为业财一体化出发,这是因为企业在数字化转型的过程中,财务的数据是建设最久的也是最完善的,这满足了BI对于数据质量的高要求,同时财务的数据往往是最全面的,它能够直接或间接地反应企业整体发展情况及各业务部门的运营情况,例如质量往往与成本挂钩,一次直通率、良率等指标的提升会直接作用于成本的降低。其中会涉及到预算分析、成本核算、关键财务绩效相关内容,其作用为把控企业的关键财务绩效。

  之后在整体财务情况的把控之后,需要对企业及各业务部门进行关键指标的提炼,用于进行相关的经营检测从而定位经营问题,往往会采用到趋势及同比环比发现缓慢增长点及异常波动,在经营问题的定位之后,边需要与业务甚至部门对应,此时需要更细致的多指标多维度分析,同时引入专有指标甚至算法来支撑细化问题的原因分析。

  最后在经历了问题的发掘与分析之后,便需要制定相应的解决措施及计划,与相应数据的挂钩,实时监控措施的执行与落地。

  二、数据赋能—架构设计

  1、业务架构设计

  基于上个模型我们便可拆分出决策平台内各模块应用的方向及内容。

  首先基于财务融合便可进行相应的关键绩效分析,如销售额、利润、产品库存等指标

  的多维分析,同时在经营层面结合相应的驾驶舱及生产或产线监控大屏对相应的关键kpi监控,当kpi指数异常时便须与相应的关键业务进行更细粒度的监控,如当库存超期等情况的发生,可以利用移动端的推送功能以图表加明细表结合的方式推送至相应的关键人,保证预警的及时性。之后便是基于各业务条线建立细化的多维分析页面,在这里同样也要与财务数据挂钩,做到财务相关业绩的压力下方以保证公司发展的持续增长。最后在定期的周会、月度会议及年度会议上,取代原有从数据库抽数、汇总EXCEL、制作ppt的方式,将所有固化格式的分析报告植入数据平台之中,在底层建设好算法及抽数频率以支撑前端的实时展示,保证数据的真实性及时效性。

大数据是什么意思

  2、技术架构设计

  企业都将需要通过软件与硬件结合的手段完成数据分析平台的建设,会通过企业的数据源如ERP、MES、OA、甚至线下excel以及手工填报数据的整合进入数据仓库,其中数据仓库可能会需要MPP的架构来进行动态扩容甚至计算性能的要求,通过数据的存储及处理加工为更多的系统提供服务,也代表着数仓的建设能为企业的数据资产提供更多的服务,不局限于前端的数据展示及分析。

大数据是什么意思

  3、业务分析整体架构

  分析架构会针对不同的业务模块进行主题的细化,对于制造业来说,其中包括财务主题、生产主题、品质主题、商务主题、PMC主题以及采购主题等,通过主题的细化来支撑高层的过程监控、压力下放以及经营自驱,同样底层会结合业务需求开发相应的基础查询应用报表。

大数据是什么意思

  三、落地工作分解

  1、梳理业务模块指标

  首先需梳理各业务模块如财务、生产、采购、库存的指标体系,明确数据标准及指标规则,其中会涉及到各指标的属性、责任部门、责任单位 以及指标算法。部分企业在建立之初便会构建相应的指标库,一方面基于年度计划的调整可调用相应的数据进行监管,同时也保证数据资源的透明性,当对个人或本部门的数据存疑时可有相应的渠道支撑进行规则查看。

  2、构建数据分析模型

  在明确了数据标准及指标规则后,便可按照数据分析三要素构建各模块数据分析模型,从业务场景出发对分析指标、分析维度和分析方法进行整合,将单纯的数据展示转变为辅助性的问题挖掘及趋势预测。

  3、搭建数据应用体系

  因为每个企业运营方式以及组织架构都会存在一定的差别,故需要结合企业的数据使用场景搭建企业独特的数据应用体系,从数据处理转变为数据使用,盘活数据资产

  4、推进数据辅助决策

  最后结合企业自身的管理理念,使管理过程线上化,用财务数据倒逼业务流程改善,实现业财一体化、数据辅助决策。

  结语

  区别于业务系统大而全的初期上线,数据经营管理平台更需要化阶段地实施,由搭建框架、建立标准、示范项目建设地切入阶段,到整合平台、反哺业务、深化项目地聚焦阶段,最后通过数据人才培养、数据驱动管理、数字化转型促进实现全面深化。

  数据经营管理平台标志着企业迈入“全员裸奔时代”,来自企业地内部压力及外界竞争压力将成为当代“IT人”的一大考验,而成功落地后企业,将为企业带来颠覆式的变革。


免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:mmqy2019@163.com进行举报,并提供相关证据,查实之后,将立刻删除涉嫌侵权内容。
相关信息推荐