京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据2.0时代:释放主数据价值 推动企业增长
上海2017年7月4日电 /美通社/ -- 在数字商业时代,人们所触及之处都会产生数据,数据正在呈现着爆发式的增长。90%的数据都是在近几年内产生[1],并仍在以50%的速率增长[2]。企业也正在以新的方式在组织内部全面使用数据,从财务、人力资源、IT、销售、营销到采购等。而随着数据驱动型的决策越来越多,企业也开始面临着新的挑战,数据量及其更新速度的迅猛发展,使得本可以为我们提供洞察力的大数据,却在制造混乱。企业发现数据越来越难以为我们所用。
在近期于成都举办的一场题为“让主数据为您所用 - 释放数据价值 推动企业增长”的会议上,邓白氏中国区CEO 黄超群女士提出,“我们已经进入了大数据2.0的时代,企业不应再去追逐获取更多的数据,而应让公司内部的主数据尽其所用,充分释放价值。”
作为在中国拥有两家子公司 - 华夏邓白氏和微码邓白氏的邓白氏集团深谙企业在运用数据推动业务发展方面的痛点。如今,无论是初创型还是跨国企业,都在经历相似的挑战:不同部门、地区的系统、工作流程,市场策略或供应商关系管理等相互脱节、缺乏交互,并随之产生了使用着不同定义、缺乏内部标准的多个数据源,且无法实时更新,进而形成了一个个信息孤岛。
鉴于这种情况,行之有效的解决方案就是在整个企业上下采用“通用语言”,确保内部系统无缝互通,这个“通用语言”便是主数据。这是具有高业务价值、可在企业内部跨越各个业务部门被重复使用的数据,是统一、准确、权威的数据来源,可以给予企业统一化的视角,360度审视所拥有的所有业务关系。
主数据:企业的基石
“就如同建筑结构一样,企业这座‘大厦’要获得长足发展,必须打好地基,这个地基就是主数据。”邓白氏中国区市场总监姚文捷在会上说道。而对于主数据战略,企业目前仍面临重重挑战,研究显示,47%的企业为数据分析能力不足而困扰,42%的企业认为数据存储于太多独立的系统中,39%的企业拥有数据质量问题的挑战[3]。缺乏良好数据管理的企业还将经历长时间的阵痛才能将数据转化为价值。
根据邓白氏的经验,主数据战略应帮助企业解决四个方面的难题:实现数据的标准化管理、打通企业的业务生态圈、数据深度及广度,及确保数据的时效性和可靠性。
标准结构作为开启主数据战略的第一步,企业首先需要对使用了多重定义的数据进行标准化,使得它们相互之间可以被关联和整合。这就需要一套独一无二的编码系统,将每一个数据记录进行编码,即将数据“结构化”的过程。邓白氏独创的邓氏编码(D-U-N-S
®Number)作为一个独一无二的由9位数字组成的全球编码系统,就被广泛应用于企业识别、商业信息的组织、归集与整理,并可通过家族树清晰呈现出企业自身的多层级关系及外部关联关系。
有效互联经历了“结构化”的数据进而通过关联和匹配的技术,不仅可帮助企业清洗数据库中的重复、有歧义的数据记录,还可以由此打通企业内部及外部的各套系统,最终帮助企业获得一套反映跨越不同部门及地区的业务关系视图的主数据,它可被纳入到整个业务生态圈中的各个部门及环节的运营管理中,帮助各部门捕捉业务关系中的风险及机遇,并提升企业各个环节的效率。
全面覆盖企业还可以借助邓白氏的拥有2.75亿家企业数据档案及海量企业深度特征数据的全球数据库,对企业自身的数据库进行补全,从而可以获得其主数据的全球广度及本地深度,满足业务版图广泛覆盖的数据要求。
高效维护主数据管理并非一劳永逸,相反,它是一个持续性的过程。因为只有确保数据质量时刻都具备时效性和准确性,主数据实施才具有意义。这便需要高效的数据治理过程对数据质量进行维护。邓白氏超过3万个数据源、平均每日数据更新500万次的数据库,以及独特的DUNSRight
®信息质量管理流程,加上覆盖全球各地的商业信息供应网络,不仅可使企业的数据被及时更新,还可确保数据的收集、维护及使用合法合规。
目前,邓白氏在帮助企业实施主数据战略并将其运用到企业的各个职能部门(IT、销售、市场、财务、采购、合规等),提升各职能部门效率方面已有颇多成功案例。据全球知名市场研究公司Forrester公司近期的调研显示,实施了主数据战略的企业平均可将合规尽职调查时间缩短50%,将供应链风险降低30%,将销售效率目标精准率提高20-30%等。凭借母公司在主数据领域的技术专长,结合在本土市场的经验,邓白氏在华子公司华夏邓白氏及微码邓白氏帮助中国企业提升信用、合规及供应链风险管理效率,同时提升市场营销效率、加速销售周期。
“主数据战略是企业增长的推进器。它是水之于管道,燃料之于汽车。没有前者,后者则毫无意义。毋庸置疑,在瞬息万变的商业环境中,我们应当充分挖掘主数据的价值,并快速转化成企业独到的竞争优势。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
B+树作为数据库索引的核心数据结构,其高效的查询、插入、删除性能,离不开节点间指针的合理设计。在日常学习和数据库开发中,很 ...
2026-01-30在数据库开发中,UUID(通用唯一识别码)是生成唯一主键、唯一标识的常用方式,其标准格式包含4个短横线(如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地,离不开标准化、系统化的总体流程作为支撑;而CDA(Certified Data Analyst)数据分析师,作为经过系统 ...
2026-01-30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