摘要：大數據帶來(lái)機遇的同時(shí)也對企業(yè)的信息化提出了新的挑戰。如何在現有企業(yè)信息化成果基礎之上利用大數據發(fā)掘新的商業(yè)價(jià)值，并采用成本效益最好的方式獲得大數據帶來(lái)的好處，不僅需要堅實(shí)的技術(shù)架構進(jìn)行支撐，同時(shí)也必須考慮與信息化密切相關(guān)的業(yè)務(wù)管理機制，從而積極尋求大數據在現代企業(yè)管理的應用創(chuàng )新，支持企業(yè)實(shí)現其自身戰略目標。本文探索互聯(lián)網(wǎng)+時(shí)代以“數據驅動(dòng)，業(yè)務(wù)引領(lǐng)，技術(shù)保障”的新型信息化模式，從而為企業(yè)帶來(lái)創(chuàng )新的信息化價(jià)值。

關(guān)鍵詞：聯(lián)邦式；4V；BI；Gartner；What-If；BDA

某企業(yè)起初集中進(jìn)行了信息化建設，其獨特之處是按照“有統有分，統分結合”的模式建立起了聯(lián)邦式的信息化管理體制。為“再造三個(gè)”等量企業(yè)發(fā)展戰略提供了堅強支撐，滿(mǎn)足了集團戰略對管理范圍、管理幅度和管理精度的要求^[1]。

在2005年企業(yè)進(jìn)行集中的信息化建設之初，我們就提出了與商務(wù)智能（下稱(chēng)BI）的報表系統的規范和統一路線(xiàn)，同步建成了某企業(yè)集中統一的報表平臺，其報表平臺的特征與當時(shí)Gartner所定義的商務(wù)智能特征相符。隨著(zhù)信息化從集中建設轉移到深化應用的過(guò)程中，逐步建立起了集團與二級單位的自主和集中相結合的信息化管理方式。如圖1所示：

圖1 聯(lián)邦式IT

這種聯(lián)邦式的模式主要體現了“業(yè)務(wù)驅動(dòng)，技術(shù)引領(lǐng)”的思路。便于推動(dòng)各二級單位或職能部門(mén)能主導信息化項目的建設，從而擺脫由信息化部門(mén)主導而產(chǎn)生的業(yè)務(wù)部門(mén)應用效果不理想的問(wèn)題。另一方面，為了更好地利用集中建設時(shí)期形成的知識和成果積累，避免各二級單位在同類(lèi)信息化建設項目中走彎路，提高項目建設成功率，降低試錯成本，于2015年1月發(fā)布了《統一報表平臺架構》規定。其中是如下定義報表系統：“指用信息化手段進(jìn)行數據采集、加工、匯總、展示，以滿(mǎn)足通過(guò)各種形式的報表進(jìn)行數據分析、查看、整合、預測等需求的系統。包括但不限于數據倉庫、決策支持、分析平臺、大數據平臺、商務(wù)智能、管理駕駛艙等術(shù)語(yǔ)和俗稱(chēng)所指的系統?！逼渲?，已經(jīng)將“大數據平臺”、“決策支持”、“分析平臺”作為報表平臺能支撐的系統。

隨著(zhù)互聯(lián)網(wǎng)+的到來(lái)，黨的十八屆五中全會(huì )公報提出要實(shí)施“國家大數據戰略”，這是大數據第一次寫(xiě)入黨的全會(huì )決議，標志著(zhù)大數據戰略正式上升為國家戰略。原有的報表系統輔助以大數據等信息化手段，各二級單位和職能部門(mén)對信息化建設的方式逐步發(fā)生了變化，變得更加積極和自主起來(lái)，所以這也符合企業(yè)和國家發(fā)展戰略的要求。比如，2013年，進(jìn)出口公司作為首家“移動(dòng)智能報表系統”建設單位，實(shí)現了“以iPad、智能手機等移動(dòng)終端實(shí)時(shí)、便捷訪(fǎng)問(wèn)公司重點(diǎn)報表”的目標。而“移動(dòng)智能報表系統”項目又屬于ERP深化應用項目中的專(zhuān)項工作之一。緊接著(zhù)，某企業(yè)下屬電力能源公司通過(guò)統一的數據填報平臺，減輕所屬單位生產(chǎn)崗56%的填報工作量（以電廠(chǎng)為例）。生產(chǎn)報表由周頻提高到日頻，采辦報表由半年提高到月頻，上報報表可系統自動(dòng)生成，提高了數據上報的及時(shí)性和準確性。系統數據和手工平臺數據相結合，為領(lǐng)導提供了集團全口徑數據。2014年，該企業(yè)下屬工程公司通過(guò)報表平臺實(shí)現了預算科目與核算科目的映射，從而解決了多年來(lái)工程項目成本核算不準確、無(wú)法給業(yè)主提供科學(xué)合理的工程報價(jià)的難題。在諸多的例子中，我們已經(jīng)發(fā)現潛在的業(yè)務(wù)驅動(dòng)的內在已經(jīng)圍繞“數據”而展開(kāi)。

在這種情況下，統一的報表平臺架構得到了廣泛的應用，從而使得數據集聚到了集中的數據倉庫中。這種數據的集聚也使得各二級單位和職能部門(mén)逐漸意識到數據治理工作對信息化價(jià)值實(shí)現的重要性。比如，在2015年，結合業(yè)務(wù)發(fā)展與信息化建設，陸續啟動(dòng)了物資數據標準化、數據治理總體規劃等數據治理工作，力圖解決日益凸顯的數據資產(chǎn)日益增長(cháng)與數據資產(chǎn)應用不足管理零散之間的矛盾，不斷推進(jìn)數據環(huán)境的優(yōu)化。企業(yè)數據治理的理念初步形成。

1　大數據時(shí)代所帶來(lái)的機遇和挑戰

“數據是新時(shí)代石油”，誰(shuí)擁有了誰(shuí)就具有相對其他人更大的競爭優(yōu)勢。數據所蘊藏的巨大價(jià)值將引發(fā)一系列的管理變革，大數據技術(shù)與思維為企業(yè)經(jīng)營(yíng)和管理提供全新的機遇。大數據的概念起源于2000年前后谷歌提出的一套以分布式為特征的全新技術(shù)體系。經(jīng)過(guò)三次重要的迭代。大數據的1.0時(shí)代，商業(yè)中的生產(chǎn)流程、銷(xiāo)售、客戶(hù)交互等數據開(kāi)始被存錄、整合和分析。大數據的2.0時(shí)代，數據應用的對象出現了擴展，企業(yè)數據采集范圍從企業(yè)內部擴大到了整個(gè)互聯(lián)網(wǎng)。同時(shí)，應用對象也從企業(yè)的管理決策轉向了客戶(hù)行為分析。正在發(fā)展的大數據3.0時(shí)代，逐漸將數據的應用擴展到了各個(gè)產(chǎn)業(yè)和生產(chǎn)環(huán)節。大數據滲透到了企業(yè)的全部生產(chǎn)流程上。在數據來(lái)源方面，許多企業(yè)通過(guò)結合ERP系統、設備傳感器系統等數據源，全面掌握了企業(yè)生產(chǎn)環(huán)節的信息。在分析應用方面，則通過(guò)對監控信息和儲運信息的解讀，優(yōu)化了生產(chǎn)流程和資源配置狀況，并將信息發(fā)送給使用終端設備的作業(yè)現場(chǎng)管理人員。對應大數據的三個(gè)時(shí)代，其應用可分為如下幾個(gè)方面：

1.1　加速商業(yè)智能BI在企業(yè)的應用

很多企業(yè)的管理者開(kāi)始意識到大數據給企業(yè)所能帶來(lái)的巨大的商業(yè)價(jià)值，開(kāi)始嘗試運用數據創(chuàng )造企業(yè)的利益增長(cháng)和管理模式的創(chuàng )新。BI通過(guò)結合企業(yè)實(shí)際和事實(shí)進(jìn)行分析總結，從而輔助商業(yè)決策的制定。2015年4月Gartner 發(fā)布報告，認為當今商業(yè)數字化呈現3個(gè)核心趨勢，其中前兩項為虛擬與現實(shí)結合、無(wú)處不在的商業(yè)智能。而在實(shí)現“虛擬與現實(shí)相結合”及“無(wú)處不在的商務(wù)智能”的主流技術(shù)中，大數據都處在變革的地位，而且影響力巨大。

圖2 虛擬與現實(shí)相結合中大數據的變革地位

圖3 無(wú)處不在的BI中大數據的變革地位

BI的新技術(shù)可以為企業(yè)提供快速有效的數據處理過(guò)程，包括從數據的收集到整理再到分析的整體過(guò)程。在數據化時(shí)代中，大數據不僅僅是BI的升級版，同時(shí)也是一場(chǎng)革命，可以在更大范圍的數據中獲取更多洞察力。大數據與BI的融合為企業(yè)帶來(lái)了巨大機遇，革新了商務(wù)智能的布局。

1.2　提高企業(yè)關(guān)聯(lián)數據挖掘技術(shù)的發(fā)展

由于本階段企業(yè)的數據采集范圍已經(jīng)擴展到互聯(lián)網(wǎng)，隨著(zhù)信息技術(shù)的不斷進(jìn)步，各種新技術(shù)逐漸興起，比如云計算技術(shù)、交互行為技術(shù)等。由于數據范圍的擴充驅動(dòng)了業(yè)務(wù)應用的擴展，如何應用數據的關(guān)聯(lián)性分析獲得商業(yè)價(jià)值成為了主要趨勢。傳統人工分析無(wú)法處理大量運算，也無(wú)有效方法來(lái)運用非結構化數據進(jìn)行全面的分析。因此大數據分析應用的兩個(gè)難點(diǎn)分別是實(shí)現數據的關(guān)聯(lián)性挖掘，以及針對業(yè)務(wù)場(chǎng)景搭建合理的模型并進(jìn)行擬合。

第一個(gè)難點(diǎn)是數據關(guān)聯(lián)性挖掘。為了全面挖掘沒(méi)有強相關(guān)性的變量間的聯(lián)系，首先需要進(jìn)行全部變量互相間的相關(guān)性分析，以設備大數據故障預警為例，需要選取如事故日志、停機報告、產(chǎn)量統計等關(guān)鍵變量，進(jìn)行全部變量針對關(guān)鍵變量的集群分類(lèi)，以及關(guān)鍵變量和集群分類(lèi)結果間的因子分析。得出了針對關(guān)鍵變量的相關(guān)因子之后，一方面需要將因子分析結果反推至所包含的變量，進(jìn)行合理性的人工審查，一方面需要繼續利用回歸模型生成指導性結論。這個(gè)過(guò)程中的各個(gè)環(huán)節需要投入大量業(yè)務(wù)和技術(shù)人力進(jìn)行篩選、修改、調整。所涉及變量數量眾多，每個(gè)變量對應數據的時(shí)間維度、細分程度等方面的選擇需要進(jìn)行符合業(yè)務(wù)情況的檢驗和論證。

第二個(gè)難點(diǎn)是根據業(yè)務(wù)建模并進(jìn)行擬合，在數據關(guān)聯(lián)性挖掘的環(huán)節中，首先要定位和理解有分析需求的業(yè)務(wù)場(chǎng)景。針對不同的業(yè)務(wù)場(chǎng)景和相關(guān)性分析、集群分類(lèi)、因子分析等分析過(guò)程，需要從神經(jīng)網(wǎng)絡(luò )算法、樹(shù)狀貝葉斯分類(lèi)、層次聚類(lèi)、非層次聚類(lèi)等多種數學(xué)方法中，選擇匹配業(yè)務(wù)場(chǎng)景和分析需求的進(jìn)行建模。整個(gè)模型的搭建過(guò)程中也需要針對實(shí)際業(yè)務(wù)情況，對模型的變量、參數進(jìn)行多次驗證、調整和，并結合先驗數據進(jìn)行擬合，以期建立合理、解釋性強的分析模型。

整個(gè)挖掘與分析的過(guò)程需要克服涉及變量眾多、歷史數據量巨大、需要專(zhuān)業(yè)業(yè)務(wù)和技術(shù)人力進(jìn)行校驗、需要進(jìn)行多次擬合和調整等多方面的困難。

1.3　加速物聯(lián)網(wǎng)與大數據等新業(yè)態(tài)融合創(chuàng )新

由于大數據3.0時(shí)代，已經(jīng)滲透進(jìn)企業(yè)生產(chǎn)全流程過(guò)程，包括ERP、傳感器等實(shí)時(shí)數據等。產(chǎn)生了BI和OI融合的業(yè)務(wù)需求，云計算、大數據與物聯(lián)網(wǎng)有著(zhù)密不可分的關(guān)系。拿互聯(lián)網(wǎng)來(lái)舉例，物聯(lián)網(wǎng)對應了互聯(lián)網(wǎng)的感覺(jué)和運動(dòng)神經(jīng)系統。云計算是互聯(lián)網(wǎng)的核心硬件層和核心軟件層的集合，也是互聯(lián)網(wǎng)中樞神經(jīng)系統萌芽。大數據代表了互聯(lián)網(wǎng)的信息層（數據海洋），是互聯(lián)網(wǎng)智慧和意識產(chǎn)生的基礎。包括物聯(lián)網(wǎng)，傳統互聯(lián)網(wǎng)，移動(dòng)互聯(lián)網(wǎng)在源源不斷地向互聯(lián)網(wǎng)大數據層匯聚數據和接受數據。云計算與物聯(lián)網(wǎng)推動(dòng)大數據發(fā)展。

物聯(lián)網(wǎng)的傳感器與云計算的大數據相結合，一個(gè)提供感應，一個(gè)提供反應，在大數據的提供下對數據進(jìn)行分析和挖掘。同時(shí)通過(guò)對流式數據等傳感器數據的導入，產(chǎn)生了大量的IoT價(jià)值，這些數據是原始而且實(shí)時(shí)的，可以與現有數據結合而產(chǎn)生巨大的商業(yè)價(jià)值，可以廣泛應用于石油勘探、開(kāi)發(fā)、生產(chǎn)等領(lǐng)域。比如，利用大數據和商務(wù)智能進(jìn)行鉆井勘探成本分析（有限公司已有應用），潛在勘探點(diǎn)、油氣生產(chǎn)、人力資源和運輸優(yōu)化分析，鉆井檢測分析（包括電潛泵的故障預測預警分析，目前某企業(yè)的工程技術(shù)服務(wù)公司正在做）。由于流式數據的接入，大數據的應用將產(chǎn)生無(wú)法

預估的經(jīng)濟價(jià)值。

1.4　加強企業(yè)數據安全管理措施

在企業(yè)的經(jīng)營(yíng)管理當中，產(chǎn)生的企業(yè)數據主要包括客戶(hù)信息、企業(yè)信息等，其中包含了很多個(gè)人隱私信息。在大數據時(shí)代背景下，企業(yè)在加強信息管理創(chuàng )新的同時(shí)，還應當對企業(yè)的客戶(hù)個(gè)人信息，企業(yè)商業(yè)機密等數據進(jìn)行有效的保護。在復雜的網(wǎng)絡(luò )環(huán)境中，企業(yè)必須采取有效的管理措施，更好的應對企業(yè)面臨的數據安全問(wèn)題，才能夠更好的推動(dòng)企業(yè)的經(jīng)營(yíng)發(fā)展。

2　大數據時(shí)代的內涵和外延應用

2.1　大數據時(shí)代的內涵

大數據是由數量巨大、結構復雜、類(lèi)型眾多數據構成的數據集合，通過(guò)數據的集成共享，交叉復用形成的智力資源和知識服務(wù)能力。與傳統數據相比，大數據具有4V特征，即規模性（Volume）、多樣性（Varity）、高速性（Velocity）和價(jià)值性（Value）。同時(shí)也從這四個(gè)維度詮釋了大數據時(shí)代的真實(shí)內涵是大數據、大價(jià)值、深入綜合、精準化管理。

2.2　大數據時(shí)代的外延應用

在大數據驅動(dòng)過(guò)程中，還存在其他的影響要素。而這一過(guò)程是大數據技術(shù)和分析的混合物，它們被用于定義數據資源的價(jià)值，而這種價(jià)值又可以轉化成驅動(dòng)商業(yè)進(jìn)步的可操作元素，包括：

（1）預測分析：預測分析是數據統計程序中的一類(lèi)，它主要是對數據庫中的信息和趨勢進(jìn)行分析，從而得到預測結論。在金融和科學(xué)領(lǐng)域中預測分析尤為重要，一旦有外部因素加入數據集中，就需要進(jìn)行新的預測。預測分析的一個(gè)主要目的在于識別商業(yè)運作、市場(chǎng)和制造業(yè)中的風(fēng)險與機遇。

（2）數據建模：它是一種假設性的分析應用，其中嵌套著(zhù)多重的“what-if”語(yǔ)句，通過(guò)算法被應用于多個(gè)數據集。典型的例子是我們已經(jīng)實(shí)現過(guò)的杜邦分析。杜邦分析法是一種用來(lái)評價(jià)公司贏(yíng)利能力和股東權益回報水平，從財務(wù)角度評價(jià)企業(yè)績(jì)效的一種經(jīng)典方法。在BI應用過(guò)程中，我們利用What-If分析的工具構成運營(yíng)者的靈活分析模式，通過(guò)調整對資產(chǎn)負債率的大小變動(dòng)，洞察權益乘數這類(lèi)的財務(wù)杠桿效應，最終反映出公司權益資本收益率的決定因素。

（3）數據管理（Data Management）^[2]：數據管理是指利用計算機硬件和軟件技術(shù)對數據進(jìn)行有效的收集、存儲、處理和應用的過(guò)程。其目的在于充分有效地發(fā)揮數據的作用，包括元數據管理、數據結構化、數據安全等內容。在統一的報表架構中，數據共享和處理層即是該項功能的具體體現。

（4）數據工程（Data Engineering）：數據工程是關(guān)于數據生產(chǎn)和數據使用的信息系統工程。數據工程建立在大數據背景之下，是對數據庫的建設與管理的工程，其主要內容包括數據資產(chǎn)積累、數據運營(yíng)過(guò)程、數據處理結果和應用、數據時(shí)間和咨詢(xún)等。2015年4月14日，全國首個(gè)大數據交易所——貴陽(yáng)大數據交易所正式掛牌運營(yíng)并完成首批大數據交易。

大數據交易最大的應用前景在傳統產(chǎn)業(yè)，這不僅是由于幾乎所有傳統產(chǎn)業(yè)都在互聯(lián)網(wǎng)化，更是因為傳統產(chǎn)業(yè)仍然占據了國內生產(chǎn)總值的絕大部分份額，大數據交易會(huì )幫助這些傳統產(chǎn)業(yè)更快地完成轉型升級。大數據交易所的建成對數據工程提出了新的技術(shù)保障要求。以上分析可以稱(chēng)作是大數據的外延應用。這種外延應用的存在有賴(lài)于人們對競爭優(yōu)勢的永無(wú)止境的追求，并鼓勵企業(yè)組織采用更大的數據存儲庫，容納組織內部和外部的數據，以更好地進(jìn)行趨勢揭示、數據統計、行動(dòng)決策。這有助于將大數據的概念、相關(guān)工具、平臺和分析普及到企業(yè)經(jīng)營(yíng)和管理中。

3　大數據在石油石化行業(yè)的應用分析

I DC研究認為，在可預測的將來(lái)，大數據分析（BDA）將是油氣行業(yè)的重點(diǎn)投資領(lǐng)域。在大數據應用成熟度過(guò)程階段中，如圖4所示。

圖4 同行業(yè)企業(yè)大數據發(fā)展階段

國際大型油氣企業(yè)公司一直都非常重視數據處理，而大數據技術(shù)為這些企業(yè)提供了更多的創(chuàng )新性解決方案?？捣乒纠么髷祿夹g(shù)，對油井壓力、溫度、產(chǎn)量、設備運轉情況等多種信息進(jìn)行實(shí)時(shí)分析，提升了海量氣井數據的可視化和分析應用，為管理人員的生產(chǎn)決策提供了有效支撐，使4500多處天然氣井產(chǎn)量提高30%。道達爾公司使用了針對作業(yè)區設備的大數據監控和分析系統，在異常情況產(chǎn)生時(shí)可以及時(shí)發(fā)出預警，也可以提早預測和定位即將發(fā)生的設備問(wèn)題，降低了生產(chǎn)損耗，避免了意外停車(chē)和惡性事故發(fā)生的概率。殼牌采用了大數據交易分析解決方案，在風(fēng)險管控和業(yè)務(wù)合規性中找到問(wèn)題，然后通過(guò)數據分析監控交易。這一方案中涵蓋了支持決策的預測分析技術(shù)，幫助企業(yè)定義交易模式，并利用統計分析防止潛在的損失。同時(shí)大數據在石油行業(yè)還可以進(jìn)行機器數據洞察和全渠道洞察。

圖5 石油行業(yè)的洞察力示意圖

4　大數據的價(jià)值體現

隨著(zhù)大數據的發(fā)展，企業(yè)也越來(lái)越重視數據相關(guān)的開(kāi)發(fā)和應用，從而獲取更多的市場(chǎng)機會(huì )。一方面，大數據能夠明顯提升企業(yè)數據的準確性和及時(shí)性；此外還能夠降低企業(yè)的交易摩擦成本；更為關(guān)鍵的是，大數據能夠幫助企業(yè)分析大量數據而進(jìn)一步挖掘細分市場(chǎng)的機會(huì )，最終能夠縮短企業(yè)產(chǎn)品研發(fā)時(shí)間、提升企業(yè)在商業(yè)模式、產(chǎn)品和服務(wù)上的創(chuàng )新力，大幅提升企業(yè)的商業(yè)決策水平，降低了企業(yè)經(jīng)營(yíng)的風(fēng)險。波特五力分析模型是邁克爾·波特（Michael Porter）于80年代初提出，對企業(yè)戰略制定產(chǎn)生全球性的深遠影響。五種力量模型將大量不同的因素匯集在一個(gè)簡(jiǎn)便的模型中，以此分析一個(gè)行業(yè)的基本競爭態(tài)勢。

該模型的理論是建立在以下三個(gè)假定基礎之上的，這些假定通過(guò)非信息化傳統手段難以克服，但是隨著(zhù)BI及大數據的發(fā)展，這些假定條件的約束已經(jīng)成為過(guò)去：

假定條件一：“制定戰略者可以了解整個(gè)行業(yè)的信息，顯然現實(shí)中是難于做到的?！?/p>

通過(guò)BI及大數據手段，確定企業(yè)和本行業(yè)的核心指標內容，比如通過(guò)標桿分析、KPI分析等手段，越來(lái)越清晰地實(shí)現企業(yè)戰略者對整個(gè)行業(yè)的了解。

假定條件二：“行業(yè)的規模是固定的，因此，只有通過(guò)奪取對手的份額來(lái)占有更大的資源和市場(chǎng)。但現實(shí)中企業(yè)之間往往不是通過(guò)吃掉對手而是與對手共同做大行業(yè)的蛋糕來(lái)獲取更大的資源和市場(chǎng)。同時(shí)，市場(chǎng)可以通過(guò)不斷的開(kāi)發(fā)和創(chuàng )新來(lái)增大容量?！?/p>

通過(guò)大數據手段，可以隨時(shí)把握市場(chǎng)情況，獲得競爭優(yōu)勢。

4.1　大數據助企業(yè)挖掘市場(chǎng)機會(huì )探尋細分市場(chǎng)

大數據能夠幫助企業(yè)分析大量數據而進(jìn)一步挖掘市場(chǎng)機會(huì )和細分市場(chǎng)，然后對每個(gè)群體量體裁衣般的采取獨特的行動(dòng)。用創(chuàng )新的方法解構消費者的生活方式，剖析消費者的生活密碼，才能讓吻合消費者未來(lái)生活方式的產(chǎn)品研發(fā)不再成為問(wèn)題，如果你了解了消費者的密碼，就知道其潛藏在背后的真正需求。大數據分析是發(fā)現新客戶(hù)群體、確定最優(yōu)供應商、創(chuàng )新產(chǎn)品、理解銷(xiāo)售季節性等問(wèn)題的最好方法。通過(guò)數據驅動(dòng)，產(chǎn)生應用，最后通過(guò)技術(shù)保障來(lái)實(shí)現整個(gè)產(chǎn)品的生命周期。

4.2　大數據提高決策能力

大數據能夠有效的幫助各個(gè)行業(yè)用戶(hù)做出更為準確的商業(yè)決策，從而實(shí)現更大的商業(yè)價(jià)值，它從誕生開(kāi)始就是站在決策的角度出發(fā)。雖然不同行業(yè)的業(yè)務(wù)不同，所產(chǎn)生的數據及其所支撐的管理形態(tài)也千差萬(wàn)別，但從數據的獲取、數據的整合、數據的加工、數據的綜合應用、數據的服務(wù)和推廣、數據處理的生命線(xiàn)流程來(lái)分析，所有行業(yè)的模式是一致的。

4.3　大數據創(chuàng )新企業(yè)管理模式，挖掘管理潛力

在企業(yè)管理的核心因素中，大數據技術(shù)與其高度契合。管理最核心的因素之一是信息搜集與傳遞，而大數據的內涵和實(shí)質(zhì)在于大數據內部信息的關(guān)聯(lián)、挖掘，由此發(fā)現新知識、創(chuàng )造新價(jià)值。兩者在這一特征上具有高度契合性，甚至可以標稱(chēng)大數據就是企業(yè)管理的又一種工具。因為對于任何企業(yè)，信息即財富，從企業(yè)戰略著(zhù)眼，利用大數據，充分發(fā)揮其輔助決策的潛力，可以更好地服務(wù)企業(yè)發(fā)展戰略。

5　某企業(yè)大數據的發(fā)展緊隨企業(yè)信息化管理的發(fā)展

某企業(yè)大數據發(fā)展主要分為三個(gè)時(shí)期：

（1）ERP時(shí)期

就信息化價(jià)值而言，某企業(yè)ERP系統為全集團提供了一個(gè)統一及覆蓋總公司和各二級公司的經(jīng)營(yíng)管理應用系統，并且通過(guò)信息集成方式不僅完成人、財、物管理系統，也包括銷(xiāo)售、生產(chǎn)、維修等生產(chǎn)經(jīng)營(yíng)的專(zhuān)業(yè)應用系統，為戰略管理層提供決策分析基礎。此目標達成的過(guò)程中，統一的BI平臺首先是同步建立起來(lái)的，并且在其中起到了重要的支撐作用。在此階段，首先BI解決了決策者及經(jīng)營(yíng)管理者從“認識到”到“看到”的過(guò)程，并將業(yè)務(wù)流程逐步順暢。

（2）后ERP時(shí)期

隨著(zhù)某企業(yè)的管理需求不斷深化。云計算、SOA、物聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)、大數據BI等新技術(shù)的發(fā)展，企業(yè)的管理需求不斷深化，不再局限于傳統優(yōu)化內部業(yè)務(wù)流程、提升運營(yíng)效率的層面上，企業(yè)著(zhù)眼的是企業(yè)管理系統能否提供有價(jià)值的商業(yè)信息，供管理層進(jìn)行科學(xué)決策。使得決策者及經(jīng)營(yíng)管理者能充分利用碎片化時(shí)間，隨時(shí)隨地地掌握企業(yè)信息，從而改善原有的鼠標鍵盤(pán)的方式，從“看到”到“體驗到”。因此，企業(yè)ERP系統數據價(jià)值亟需挖掘。運轉多年的EPR系統積累了大量的行業(yè)數據，這些數據對于企業(yè)的經(jīng)營(yíng)決策和預測來(lái)說(shuō)意義重大。如何確保這些數據安全存儲和及時(shí)運用，將影響到企業(yè)能否最大化地發(fā)揮ERP的價(jià)值?？梢哉f(shuō)，后ERP時(shí)代，ERP+BI將會(huì )成為數據的深度應用和分析將是企業(yè)管理的焦點(diǎn)，通過(guò)ERP、BI和大數據平臺的完美組合，ERP系統中的海量數據可以被充分挖掘，并進(jìn)行多維度的分析、橫縱向的剖析和篩選，將大量原始的數據轉化成有價(jià)值的商業(yè)信息，不斷地為企業(yè)策略的調整提供數據支撐，讓ERP系統更好地服務(wù)于企業(yè)。

（3）互聯(lián)網(wǎng)+時(shí)期

“互聯(lián)網(wǎng)+”時(shí)代商業(yè)智能易用性是商業(yè)智能發(fā)展的必然趨勢而這一趨勢也將改變商業(yè)智能分析人員的組成結構，由傳統的IT信息人員做分析轉化為業(yè)務(wù)人員自主分析，更快地去響應變化的需求，節省大量溝通時(shí)間。隨著(zhù)數據挖掘技術(shù)算法的精進(jìn)，商業(yè)智能將結合人工智能真正實(shí)現預測分析，為企業(yè)決策提供前瞻性數據支持, 推動(dòng)企業(yè)實(shí)現數字化轉型。

6　形成的某企業(yè)BI及大數據應用創(chuàng )新

6.1　企業(yè)BI及大數據應用創(chuàng )新方向

基于前期積累的成果，我們也積極開(kāi)展BI及大數據應用創(chuàng )新實(shí)踐，探索企業(yè)管理創(chuàng )新的新模式。并確定大數據的應用方向：

（1）“大數據”發(fā)現“大油田”：充分利用物化探、井筒等多學(xué)科、多維度的數據，通過(guò)對數據的挖掘和應用，可以提高決策的準確性和全面性，實(shí)現新的油氣增產(chǎn)。

（2）“大數據”預測“小問(wèn)題”：通過(guò)海量實(shí)時(shí)數據與歷史數據的結合，建立生產(chǎn)運行模型，實(shí)現生產(chǎn)預測及預警；分析挖掘設備的實(shí)施數據及歷史維護數據，實(shí)現設備的預測性維護，提高維護的針對性與有效性。

（3）“大數據”推動(dòng)“微創(chuàng )新”：充分挖掘歷史的數據，優(yōu)化管理決策，保證業(yè)務(wù)操作的規范性、科學(xué)性，為績(jì)效考核提供量化手段。

6.2　企業(yè)BI及大數據應用創(chuàng )新內容

十三五期間，某企業(yè)的大數據平臺將首先深化應用現有基于內存的企業(yè)數據倉庫的“報表四化”，從而為某企業(yè)的業(yè)務(wù)發(fā)展和企業(yè)管理決策提供更好的業(yè)務(wù)支撐。

大數據平臺將整合實(shí)時(shí)數據倉庫，形成生產(chǎn)智能決策的統一數據管理平臺，與“報表四化”相結合，從而在滿(mǎn)足企業(yè)管理決策的同時(shí)，支持生產(chǎn)智能決策的需求。

隨著(zhù)某企業(yè)在“云物移大個(gè)”等方面的深化應用，需要在現有技術(shù)架構基礎之上融入大數據架構（Hadoop）,同時(shí)滿(mǎn)足結構化和非結構化的海量數據存儲和數據挖掘的需求。從而滿(mǎn)足基于大數據之上的企業(yè)決策需求，并支撐特定分析模型和業(yè)務(wù)場(chǎng)景的建設。

6.3　某企業(yè)BI及大數據應用創(chuàng )新思路

經(jīng)過(guò)不斷地探索和實(shí)踐，企業(yè)各部門(mén)通過(guò)思維與制度轉變主動(dòng)迎接和應對大數據帶來(lái)的問(wèn)題與挑戰。樹(shù)立大數據思維，即共享思維、擴展思維、整合思維實(shí)用思維，實(shí)現精準化管理，形成企業(yè)特色的管理創(chuàng )新思路。

（1）共享思維：數據集聚、平臺共享

通過(guò)平臺共享延伸資源的共享、服務(wù)的共享和規模的共享。通過(guò)提供統一規劃的體系架構、管控模式，引入并融合大數據、非結構化數據倉庫和實(shí)時(shí)數據倉庫。通過(guò)數據集聚和平臺共享實(shí)現規模效應，集團和二級單位各施其責，通過(guò)數據和技術(shù)的融合，共同推進(jìn)大數據在企業(yè)全面而深入的應用。不僅有利于集團管控，也能滿(mǎn)足多家二級單位的自主特色應用需求。

（2）擴展思維：混合架構、增量創(chuàng )新

持久的技術(shù)總是隨動(dòng)于業(yè)務(wù)，為了避免信息孤島和信息化沉沒(méi)成本的流失，我們意在建立一套可靈活擴展的架構，不需要將舊系統推倒重來(lái)，而是在其基礎上融合現有基于內存的企業(yè)數據倉庫、實(shí)時(shí)數據倉庫、商務(wù)智能、大數據、數據挖掘與可視化、數據治理與管控等先進(jìn)技術(shù)手段，以滿(mǎn)足未來(lái)企業(yè)的信息化管理要求。

（3）整合思維：整合資源、生態(tài)共贏(yíng)

企業(yè)大數據平臺在整合某企業(yè)的內部數據的同時(shí)，要整合外部公有的數據服務(wù)平臺的結果，從而可以為未來(lái)的業(yè)務(wù)發(fā)展提供全方位的數據服務(wù)。嘗試建立大數據資產(chǎn)內部和外部流轉機制，構建企業(yè)統一的大數據服務(wù)市場(chǎng)。促進(jìn)內部和外部的大數據交易，通過(guò)數據資產(chǎn)的交易實(shí)現互利共贏(yíng)。

（4）實(shí)用思維：業(yè)務(wù)驅動(dòng)、數據引領(lǐng)

數據治理是解決數據資產(chǎn)主要矛盾、挖掘數據資產(chǎn)潛在價(jià)值的必然選擇。通過(guò)建立有效的管理組織、認責機制、管理制度、系統架構，保證公司數據資產(chǎn)的可用、完整、準確、安全，并以此為基礎促進(jìn)大數據的全面共享和深層應用。

6.4　企業(yè)BI及大數據應用創(chuàng )新成效

通過(guò)商務(wù)智能和大數據技術(shù)有望在企業(yè)信息化領(lǐng)域形成如下四大成效：

形成企業(yè)大數據系統基礎框架。支持實(shí)時(shí)數據、預測、非結構化數據分析等功基礎上融合現有企業(yè)基于內存的企業(yè)數據倉庫、實(shí)時(shí)數據倉庫、商務(wù)智能、大數據、數據挖掘與可視化、數據治理與管控二、數據集聚初具規模。不僅集成了人、財、物等管理信息，其他各類(lèi)管理系統信息數據也頗具規模，很好的支撐了各級管理者輔助決策、優(yōu)化運營(yíng)管理等需求。

以資源共享的方式降低大數據信息化項目的風(fēng)險和成本。

利用某企業(yè)集團規模的優(yōu)勢效應，充分發(fā)揮大數據的規模共享優(yōu)勢。

實(shí)現應用的共享。降低業(yè)務(wù)部門(mén)對IT技術(shù)的依賴(lài)，實(shí)現靈活自助的數據分析，并能廣泛應用。

實(shí)現更快更好的輔助決策支持。

7　結語(yǔ)

本文從BI開(kāi)始，論述了大數據的出現如何改變了傳統“業(yè)務(wù)驅動(dòng)、技術(shù)引領(lǐng)”的模式到“數據驅動(dòng)、業(yè)務(wù)引領(lǐng)、技術(shù)保障”的模式，這種模式的變化是自然而然地，實(shí)踐呈現出來(lái)的。在這種發(fā)展趨勢下，我們可以與大數據一起，站在企業(yè)信息化創(chuàng )新應用的跑道上，一同前進(jìn)，并發(fā)現其價(jià)值。

作者簡(jiǎn)介：

王小玲（1972-），女，高級工程師，現任中國海洋石油總公司信息技術(shù)中心商務(wù)智能&大數據資深工程師，具有數據倉庫和商務(wù)智能技術(shù)理論基礎和實(shí)踐經(jīng)驗的大數據分析及應用專(zhuān)業(yè)人才，不僅在MRP、電子商務(wù)、互聯(lián)網(wǎng)、ERP、商務(wù)智能、大數據等領(lǐng)域具有實(shí)操能力，同時(shí)也持有多項專(zhuān)業(yè)技術(shù)認證資格。

參考文獻：

[1] 中央企業(yè)管理提升活動(dòng)領(lǐng)導小組. 企業(yè)集團管控[M]. 團結出版社.

[2] TalkingData. 智能數據時(shí)代：企業(yè)大數據戰略與實(shí)戰[M]. 機械工業(yè)出版社.

摘自《自動(dòng)化博覽》2018年6月刊