京公网安备 11010802034615号
经营许可证编号:京B2-20210330
商务智能最大的挑战不是来自大数据
要想从商务智能中获取最大的价值,就需要强大的数据治理能力,这往往从数据定义开始。
IT咨询师Wayne Eckerson说到,诚然,我们处在大数据时代,但从我接触的客户来看,大公司面临的主要挑战是缺乏通用的数据词汇。一个组织就像是毁掉了的巴别塔,各说各的语言,出于不同的目的,数据和性能指标都不一致,定义也不清晰。IT部门和业务单位各说各话,严重影响了运营效率和竞争力。这里面缺少的就是强有力的数据治理项目,把数据作为重要的业务资产来管理。
最大的挑战不是来自大数据
我的客户都是在数据仓库、商务智能和主数据管理等领域有实质投资的数据驱动型公司。但和大家想象的大数据现象不同,困扰很多公司的仍然是小数据,即来自企业资源计划ERP、客户关系管理CRM和其他运行的业务系统的信息。
问题是这些信息碎片化地分散在组织中,每一个业务单位或地域公司都运行、管理着自己的应用程序、系统和客户数据库。虽然独立运行的系统可以帮助业务部门推送个性化的产品和服务给客户,但它会削弱全球数据的完整性、一致性和公司整合资源的能力。最终会影响企业在更广泛的市场的竞争力。
因此,组织应该努力优化本地和全球的流程。这包括建立全球数据标准,给共享数据和流程给出完整的定义,从而更好地管理它们。这要求来自业务部门的销售人员付出时间,与同事合作,共同创造通用的词汇和数据治理框架。
如果处理得当,数据标准既不会限制业务部门,也不会影响服务客户。相反,有良好治理的数据标准能够在业务部门中培养更大的协作。这对想和企业合作的客户来说,是个好消息,长远来看,也是对业务部门有益的。
重建巴别塔的两种方式
当然,要创建通用的数据词汇谈何容易!通常,部署数据治理项目需要两种常用方法,一个是由CEO或其他领导推动的自上而下的行政行为,一个是包含IT项目的自下而上的部署。
通常,在没有统一的数据标准的大公司,缺乏一致的数据会给CEO带来很大的难题,公司甚至无法回答一些最基本的问题,比如“我们昨天的销售业绩是多少?”“我们有多少客户?”或“为什么我们产品的召回率那么高?”CEO,或其他公司领导,会推动数据治理项目,创建和管理数据词汇,并在所有运营系统、BI报表和分析应用程序里推广使用。理想情况下,公司的每一个部门都会推行该项目。
但是,CEO往往会选择走捷径。他们希望一条命令就足以改变整个公司的数据资产管理。因此,他们没有投入变化管理流程,业务部门经理没有机会在项目形态和数据标准本身进行投入。没有中层管理者的足够的支持,数据治理项目很难落地。
自下而上的方法把数据治理程序嵌入到技术项目中,比如部署新的CRM,合规性报表或风险管理系统。通过借力于战略性项目,数据治理建议者能够建立起对精确数据定义和跨业务部门的标准化数据管理流程的支持,最终获得CEO的认可和支持。
例如,我的一个客户是全球医疗设备制造商,它的CEO想要一个绩效记分系统帮助他更好地管理公司,该系统需要很多自动化业务单元,有些还是独立的法人实体。CEO没有直接下达行政命令。但在创建记分系统的过程中,设计团队开发了一个非正式的治理项目,在记分系统指标和潜在的业务名词中获得一致性。团队不得不找到公司每个部门的决策制定者——销售部门、财务部门、人力资源部门等,让他们确定定义、过滤方法和访问权限和数据质量标准。现在,他们不得不监督流程,监控数据质量,管理指标变化。
这个团队现在意识到,记分系统真正的目的和首要的利益不是给CEO提供报表和数据,而是创建通用的词汇,让公司能够在全球业务中使用。公司特别需要通用的数据词汇来和进入市场的更大、集成更好的公司竞争。
要想提高成功的概率,企业需要权衡这两种方法。自下而上的方法如果没有清理数据和保持一致性的行政命令的话,不可能成功。自上而下的方法应该和其他项目联系在一起,通过聚焦数据元素进行部署,让每一个人都认可这件事对企业的价值(或者是对自己的价值)。
只是,一定不要让现状持续下去。现在,数据治理,而不是大数据,是定义数据管理的挑战。成为数据驱动的公司是一件事,对共享术语和指标有通用数据词汇是另一件事。但在今天的信息经济时代,这两者都是必不可少的。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12在数字化转型深度渗透的今天,企业管理已从“经验驱动”全面转向“数据驱动”,数据思维成为企业高质量发展的核心竞争力,而CDA ...
2026-03-12在数字经济飞速发展的今天,数据分析已从“辅助工具”升级为“核心竞争力”,渗透到商业、科技、民生、金融等各个领域。无论是全 ...
2026-03-11上市公司财务报表是反映企业经营状况、盈利能力、偿债能力的核心数据载体,是投资者决策、研究者分析、从业者复盘的重要依据。16 ...
2026-03-11