
企业互联网时代 大数据管理的挑战与建设方针
近日,用友集团iUAP中心召开媒体沟通会,就企业面临的数据管理挑战,分享了用友对企业大数据分析关键特性与建设原则的看法,并阐述了用友大数据产品“用友BQ商业分析平台”的特点与价值。笔者就用友网络科技股份有限公司助理总裁兼集团iUAP中心副总经理谢东的分享,对企业互联网时代大数据处理与分析面临的挑战与建设方针进行了整理。
用友BQ(Business Quotient)是基于UAP平台的商业分析平台和应用套件。它是一个综合的商业分析平台产品和工具集,能够帮助企业将各类数据进行整合分析,并可通过查询、报表、报告、多维分析、仪表板、移动分析、嵌入式分析等丰富的可视化分析和展现方式为客户提供灵活直观的交互分析能力和信息展现能力。
谢东在会上表示,企业互联网化正在迅速渗透到企业以及企业所处产业链和生态圈,借助互联网能力企业可以更容易与前端供应商、服务商,包括后端的客户、最终客户建立密切的联系。在此过程中,新业务模式如供应链优化、智能制造、产业链协同、电子商务以及电子商务里细分的B2B、B2C、O2O等新业务模式正在不断兴起,并迅速发展。这个过程中,企业数字化过程得到迅猛发展,同时越来越多的企业内部运营管理系统更快走向移动化、云化、数据化。
用友网络科技股份有限公司助理总裁兼集团iUAP中心副总经理谢东
企业数据发展变革与挑战
企业业务互联网化必然依赖企业内部各类元素的数字化,而企业对数字化信息处理能力是支撑企业互联网化的一个基础。企业各类数据的总和构成了企业在数字世界中一个完整的画像,企业大数据正成为企业的核心资产,企业需要从这些资产中获得价值,也驱动自己在数字化社会中得到不断的发展。
随着企业业务外延从企业内部不断向外部、向企业所处的产业链和生态圈扩展,企业的数据视野也越来越宽,从主要关注企业内部数据,已经延伸到关注社会数据,包括交易的数据、人工合成的数据、机器的数据、社会网络的数据等在内的企业数据在不断被重新认识。
在进行这些海量数据管理时,企业面临很大的挑战。据IDC 2014年5月调查显示,72%的受访者认为当前数据的指数增长和复杂性是目前遇到最大的数据管理调整,38%的人希望通过一个单一的平台保护和管理自己所有的数据。
企业大数据管理构建要素及建设原则
面对这种挑战,用友iUAP认为企业为了让数据资产产生价值,必须要把收集到所有的数据真正管理好、利用好,大数据其实就是在多样的、大量的数据中快速获取信息的能力。现阶段用友认为企业大数据管理具备三大关键因素,企业市场要做好以下三个方面的事情,才有可能做好大数据的管理和应用。
第一,选择好自己的数据基础架构。企业数据基础架构变革的驱动力,最基本的驱动力来源于数据量的增长,以及数据类型的变化。此外,不同的企业需求不同,实时性、成本、数据增长的趋势可能也会影响数据基础架构的选择。如果企业面临是一个量级不大,结构化的数据,也许传统的关系数据库就可以解决;如果量级增大,10TB左右,可能原有的关系数据库不能满足,列式数据库是一个比较好的选择;当它的量级越发增大,类型越发增多的时候,需要考虑新型的NEW SQL、NO SQL,甚至有Hadoop这样的计算系统和数据存储系统。
第二,做好数据的管理工作,选择好数据管理的关键技术。企业的数据管理一般都会经历孤立系统、数据集、数据仓库和统一元数据的数据仓库等几个阶段。企业在数据建设过程中,初期很难从顶层把自己的整体元数据管理包括数据仓库规划做到位,更易于见效的方式是先做部门级应用或者是领域级的应用,后续逐步整合。
第三,数据应用建设,要把数据利用起来,才能真正产生价值。从分析应用来讲,分为四个部分:报表报告、交互分析、挖掘预测、决策自动化。其中交互分析涵盖的东西比较多,很多时候会把敏捷分析、自助分析、多维OLAP分析都放在这里面。总的来说,企业应该根据现今自身所处的阶段以及企业数据实际情况来规划后续的数据管理和分析应用的发展路线。
紧接着谢总分享了企业大数据分析建设原则。现阶段因为数据非常之大,所以难免会陷入为了收集数据和整理数据而做大数据建设的一种可能性。我们的原则:
第一,一定是业务目标驱动的。现在业务目标很好找,包括不同的领域,比方说提升财务收益或者优选供应链,比如说零售企业的定价和促销策略等等。
第二,自下而上的原则。在数据仓库上,建议采用以点带面的形式,没必要初始就做一个顶层的设计,可以先做一些领域级、部门级的应用,把数据建起来,多个数据集中以后可以快速见到效益。也就是现在逐渐迭代,螺旋式上升的一种发展路线。
第三,价值最大化的原则。现在数据分析技术很多,我们不应该只停留在简单的报表报告层面,至少应该做到把交互分析里面很多的技术应用起来。
第四,数据价值推向全员应用。全员应用比较好理解,现在决策非常快,单纯靠领导决策也不够,如果全员都可以收到数据的价值,可以在自己的范围内做快速决策,这也是互联网时代全员创新的概念。
基于以上分析与认识,用户数据平台产品具备以下关键特性。用友数据平台产品包括数据整合、分析加速、海量的数据处理,统计建模、挖掘和预测的支持等特性;用友BQ商业分析平台包括实时分析可视化、对大数据的支持、对移动分析的支持、对挖掘预测的支持、元数据的管理以及嵌入第三方系统的能力。
最后,谢东总结了用友大数据产品的客户价值。统一的数据平台可以提升企业管理能力,通过海量数据深度挖掘,可以深度洞察数据价值,并且通过技术性手段可以扩大企业数据边界,做到全面分析、智慧决策、实时分析、快人一步,通过移动分析可以扩大企业数据边界,做到全面分析、智慧决策、实时分析、快人一步,通过移动分析可以运筹千里之外。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29