京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29统计制图(数据可视化)是数据分析的核心呈现载体,它将抽象的数据转化为直观的图表、图形,让数据规律、业务差异与潜在问题一目 ...
2026-01-29箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28数据分析的价值落地,离不开科学方法的支撑。六种核心分析方法——描述性分析、诊断性分析、预测性分析、规范性分析、对比分析、 ...
2026-01-28在机器学习与数据分析领域,特征是连接数据与模型的核心载体,而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法,广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27数据分析的基础范式,是支撑数据工作从“零散操作”走向“标准化落地”的核心方法论框架,它定义了数据分析的核心逻辑、流程与目 ...
2026-01-27在数据分析、后端开发、业务运维等工作中,SQL语句是操作数据库的核心工具。面对复杂的表结构、多表关联逻辑及灵活的查询需求, ...
2026-01-26支持向量机(SVM)作为机器学习中经典的分类算法,凭借其在小样本、高维数据场景下的优异泛化能力,被广泛应用于图像识别、文本 ...
2026-01-26在数字化浪潮下,数据分析已成为企业决策的核心支撑,而CDA数据分析师作为标准化、专业化的数据人才代表,正逐步成为连接数据资 ...
2026-01-26数据分析的核心价值在于用数据驱动决策,而指标作为数据的“载体”,其选取的合理性直接决定分析结果的有效性。选对指标能精准定 ...
2026-01-23在MySQL查询编写中,我们习惯按“SELECT → FROM → WHERE → ORDER BY”的语法顺序组织语句,直觉上认为代码顺序即执行顺序。但 ...
2026-01-23数字化转型已从企业“可选项”升级为“必答题”,其核心本质是通过数据驱动业务重构、流程优化与模式创新,实现从传统运营向智能 ...
2026-01-23CDA持证人已遍布在世界范围各行各业,包括世界500强企业、顶尖科技独角兽、大型金融机构、国企事业单位、国家行政机关等等,“CDA数据分析师”人才队伍遵守着CDA职业道德准则,发挥着专业技能,已成为支撑科技发展的核心力量。 ...
2026-01-22在数字化时代,企业积累的海量数据如同散落的珍珠,而数据模型就是串联这些珍珠的线——它并非简单的数据集合,而是对现实业务场 ...
2026-01-22在数字化运营场景中,用户每一次点击、浏览、交互都构成了行为轨迹,这些轨迹交织成海量的用户行为路径。但并非所有路径都具备业 ...
2026-01-22在数字化时代,企业数据资产的价值持续攀升,数据安全已从“合规底线”升级为“生存红线”。企业数据安全管理方法论以“战略引领 ...
2026-01-22在SQL数据分析与业务查询中,日期数据是高频处理对象——订单创建时间、用户注册日期、数据统计周期等场景,都需对日期进行格式 ...
2026-01-21