hero

企业数据化建设

大后端+运维组

信息共享

企业经历了多年的信息化历程,数据化是对数据的再应用。在当前有人鼓吹数据仓库已死、数据湖当立、数据中台为王的大环境下,也有人站出来不偏不倚的说:它们只是为业务产生价值的形式有不同的侧重。

规范制定

数据模型是抽象描述现实业务的一种工具,遵循数据模型架构设计规范、数据模型开发规范、数据表的设计策略,以及平台建设和数据运维规范,可以让我们走得更稳、更远、更能适应变化。

使用操作手册

本博客除了通过一些图文指导我司数据化建设、制定数据开发规范、交流学习以外,还提供了大数据平台数据应用的一些详细使用操作文档,便于跨小组或部门信息互通。

# 企业数据化的认知

# 1. 企业数据化的定义

  • 企业数据化为对企业信息化建设所产生的所有数据和其他内外部数据进行加工和挖掘,产生更多高价值数据,并把这些高价值数据应用于企业管理和经营的过程。当前一些内外部变化正在推动企业进入全面数据化时代。

    • (1)企业信息化建设的进一步完善与物联网等技术的推进,让企业进入真正的数据爆发阶段。
    • (2)数据应用技术和解决方案的成熟,为企业带来了更多的场景。
    • (3)数据计算技术的成熟、产品的成熟、成本的降低让很多数据类应用的成本降低,使其可以进入应用阶段。
    • (4)企业外部竞争加剧,精细化管理的要求日益加强,数据行管理思维主键被接纳和认可。
    • (5)当前数据应用的推进阻碍、数据源的孤立让数据化建设进入深水区。

# 2. 数据分类

  • 从价值视角对企业内的数据进行分类,以便后续进行有针对性的区分和处理。

# 3. 企业数据化与企业信息化及企业业务的关系

  • 企业数据化曾经是企业信息化的一部分,数据化的本质是在信息化建设的数据成果之上。数据化建设将汇聚所有的数据,并进行数据模型的重新构建。
  • 我们用界面这个词描述企业中的业务、信息化、数据化这三个部分,分别对应业务界面、应用界面和数据界面。三个部分分别独立且相互关联、相互作用。

# 4. 企业数据化建设的内容

目标 关键结果 内容
核心目的 数据资产与存储 (1)一个大容量的实时的数据仓库。
(2)相关的各种数据工具。
(3)来自企业和企业外部的每一个有含义的字符串都是数据资源。
(4)数据资源经过清洗和转换存储在整体数据模型中成为数据资产。
数据模型 (1)数据模型是以应用为导向、以当前数据为基础而构建的对企业业务完整描述的数据仓库模型。
(2)企业构建数据模型可能采用简单的四则运算,也可能采用复杂的算法。
数据成果及其传递通路 (1)数据资产被不断地计算,从而产生数据结果。
(2)数据成果通过各种通路传递给业务人员或应用系统,应用系统自动或者再结合业务场景传递给业务人员。
数据大脑的评价模型 算力 统计与计算
数据存储量级 ——
数据计算模型 数据大脑的视角一定是企业级的,而不是部门级的,机器学习、深度学习将被应用
对业务的支撑程度 数据大脑计算出的结果是否符合业务需求、数据是否有价值是对数据大脑的重要评定标准
企业的依赖程度 数据大脑让企业的各条业务线、各个层级的数据即可状况得到很大改观,让企业深刻体会到数据的支撑和驱动能力,是数据成为企业的核心竞争力之一
企业数据化建设的三个层次个部分 看清业务 全面了解昨天发生的事
洞察细节 敏捷掌控当前发生的事
智慧只能 对未来的事情提出预测和建议
企业数据化建设的五个部分 数据资源
数据资产
数据应用
数据治理
数据运营