京公网安备 11010802034615号
经营许可证编号:京B2-20210330
企业做移动、大数据需要考虑啥
DT时代
什么是DT?DT就是Data Technology。从Information到Data,也就是从信息到数据,其实主体并没有变,因为数据承载的就是信息。但马云认为,这是两个完全不同的时代。
什么概念?马云做了解读:“IT时代是让自己更加强大,DT时代是让别人更加强大;IT时代是让别人为自己服务,DT是让你去服务好别人;IT时代是通过对昨天信息的分析来掌控未来,而DT时代是去创造未来。”
换句话说,马云的意思从根本上是思维方式的变化。
那么,什么是数据思维?数据驱动的企业真的和传统的企业信息化有所不同吗?
我们来看一个案例。
传统企业比如一家三甲医院,部署的IT系统可能多达几十个:HIS、EMR、PACS、RIS、LIS、PEIS、CIS等等,但其分属各个科室,供应商也不同,因此系统间的数据交换就是大问题,这也是为什么我们去医院看病,通常需要经过挂号、排队候诊、就诊、付费、验血/拍片、就诊、开药、付费、拿药等等繁复和多次排队缴费和排队候诊的流程。
这样一个流程,可以理解为传统的IT时代的流程。而DT时代则完全不同。
首先,DT时代最关键的就是数据的全面集成。相对而言,个人应用的毕竟相对碎片和单点,只有用户数极大的平台才有可能从大数据中发现规律和价值;而企业应用则不同,企业运营数据不可能外泄不说,而且只有集中管理企业内部数据,才能形成聚合效应,提高效率和价值。
其次,过去的流程驱动转向数据驱动、业务驱动,因为业务领域非常多,比如说前端市场营销、供应商互动管理,使得企业数据的发展已经从以往单一类型的数据,变成了多种类型,而且从企业内部延伸到了企业外部,包括移动端设备采集的数据、机器运营数据、社会化网络数据等等。
举个例子。企业对移动设备采集的业务数据需要进行实时的跟踪和运营分析,这就需要企业将信息的采集、移动和管理三个部分进行整合,并且,从底层网络到数据集成和处理平台,都需要很高的安全保障。
换句话说,DT时代对于企业级业务来说,所有的移动应用、大数据应用等等,都不是孤立的,都是建立在强大的安全可靠的底层平台之上,需要提供给客户更优化的整合体验。这或许就是为什么一个月前,单一做企业移动中间件的数字天堂,作为曾经的市场老大,在一个拥有无限未来的市场中,仅仅以4000万元人民币出售的原因。
企业大数据需要啥?
一般来说,在传统交易型数据量不太大的场景下,通常结构化的关系数据库就可以解决,而在业务分析时,通常列式数据库也可以解决企业需求。但是,一旦企业数据牵涉到更多的半结构化甚至非结构化的数据,那么传统的关系型数据库就很难解决,这时候一定会引用NoSQL,甚至是Hadoop这种生态系统,作为企业可以选择的数据基础架构。
实际上,针对不同企业不同的需求,其对数据处理得实时性,对整个数据基础架构取得的成本,或者数据增长趋势都会影响,甚至某种程度上成为企业选择数据基础架构的一个决定性因素。
从底层数据管理来说,企业通常会经历从一个孤立的系统,到数据集市、数据仓库以及统一元数据仓库几个阶段。如今数据仓库的概念更多是讲LDW(逻辑数据仓库)的概念,已经不全是过去简单的纯结构化数据放在一起。因此,所有的企业能够收集到或者关注到各种各样类型的数据,和更海量的数据都要纳入数据仓库范围。这种数据仓库技术会超越传统数据仓库技术,比如说利用现在类似Hadoop这种生态系统,或者noSQL数据库,来解决数据仓库的问题。
从分析应用的发展路径来说,基本上包括了报表报告、交互分析、挖掘预测、决策自动化四个阶段。而交互分析则把现在流行的即时分析、敏捷BI、自助BI、数据探察等等一并归到这里面,用户自己可以交互性的探察数据。
从企业整体范围内数据管理的角度,它不仅要解决数据存储和计算引擎,实际上还要解决主数据管理和源数据管理问题。比如说大企业集团范围内有很多共享的核心实体数据,这些数据的管理是通过主数据管理来完成的。
在用友iUAP副总经理谢东看来,企业大数据分析建设应该遵循四种基本原则,首先是业务目标驱动,其次推荐以点带面的方式建设数据管理的体系,此外在价值最大化方面,很多领先企业已经开始关注挖掘、预测,决策自动化领域,最后就是敏捷加自助的理念。“我们希望现在快速扩大决策的范围,这个决策真正让全员都能做,要有一些工具或者有一些手段,让所有人能真正做起来,分析应用要推向全员做全员应用的推广。”谢东表示。
实际上,iUAP(www.yyuap.com)整体平台分为四个大的部分:开发与集成、移动与社交、互联网与云服务,大数据,以及十二大产品。其中用友数据平台的关键特性就包括了企业内外部多数据类型、多数据来源的数据集成和整合;并且具备利用列式数据库技术进行海量数据分析加速的能力;其三是提供了一个基于Hadoop发行版的UDH版本,可以支持结构化、非结构化大型数据处理,支持PB级别数据量分布式并行处理;四是统一建模,分析模型和业务模型统一建立和管理,以及源数据整体的传递;五是挖掘预测,提供了相应的一些工具。
谢东所说的用友商业分析平台实际上就是用友的BQ,具备实时分析、数据可视化、大数据支持、挖掘预测、嵌入式分析和移动分析等。在展现端也支持多种移动端,除PC外,手机、Pad、平板,甚至嵌入到其他第三方系统均可以进行展示。
企业移动化需要啥?
说到移动端,基于对企业数据资产的考量,越来越多的企业在布局移动化和大数据应用时,开始把企业数据生命周期管理纳入进来。企业级平台需要处理好技术和业务之间的关系,新技术在更新换代时不影响业务,技术与业务的分离表现为业务逻辑层的分离,这是企业级App的特征。这也就给了传统ERP供应商如用友、金蝶等更多的市场机会。
就拿用友来举例。今年以来,用友iUAP(www.yyuap.com)升级为企业互联网开放平台。除了集成平台外,其中比如用友iUAP Mobile就提供了一整套覆盖企业移动开发、管理、安全、应用全生命周期的一体化的平台解决方案。
“目前在企业级App市场,伴随管理模式和业务模式的颠覆,企业员工会有更高的体验诉求,卓越的体验成为刚需,按组件设计与研发成为必需。”用友集团iUAP中心移动平台产品部总经理张建新认为,“企业的需求变化是很平常的事情,这就要求平台具备个性化的设计和按需组装,技术平台和业务平台需要实现融合,技术永远为业务服务。”
如今,移动开发平台的发展趋势是同时支持Web、Hybrid、Native应用类型的全生命周期的统一移动平台。“比如,移动开发平台要支持拖拽式开发;而且要一次开发,多端适配,数据双向绑定;同时平面分辨率自动适配,支持100%的Native UI的开发方式。”张建新介绍说,“iUAP Mobile除了满足上述要求外,还支持桌面、EMM、设备管理、应用管理、内容管理、邮件安全等服务,开发平台具备可视化UI、UI控件、应用服务、特殊工具、云定义场景、移动中间件、应用商店等能力。所以,iUAP Mobile是一个涵盖了从开发到管理、安全、整合、卓越体验、行为分析、应用分发、可持续服务的完整的全生命周期的解决方案。”
值得一提的是,2015年,用友iUAP还在生态系统建设方面推出了更加开放的策略。据用友iUAP中心业务支持部总经理罗小江介绍,开放、共建、分享和开拓是2015年iUAP Mobile渠道建设的四大关键词。
“开放包括开放API和源代码,同时也开放产业资源,支持多样的合作模式。“罗小江解释说,”用友还会分享整个iUAP的知识体系,合作伙伴可以直接访问我们的知识体系和知识库。同时分享项目经验,打通合作伙伴之间的壁垒。通过开放所有技术,我们希望有能力有意愿的合作伙伴去经营iUAP培训市场。”
应该说,开放iUAP培训市场给到合作伙伴,这对于用友来说还是第一次,也表明用友在生态系统的搭建上有着开放的心态和宏伟的目标,对于生态系统的发展也更为良性。据悉,iUAP业务模式也将比以往更加开放,包括OEM模式、投资控股模式、深度技术合作模式、共同运营模式等。
而共建和开拓就比较好理解了——iUAP通过与合作伙伴共建开放技术社区,分享经验以及对技术的理解;iUAP愿意和合作伙伴一起拓展重点项目,深挖行业产品,协助企业互联网转型。
据悉,用友iUAP今年将启动合作伙伴产品巡展计划,借助用友的品牌和渠道,帮助伙伴增加自己的App影响力。此外,iUAP向合作伙伴开放云测试服务,对不同级别的合作伙伴都有相应的政策支持。
应该说,类似用友iUAP这样的做法,会构建一个更为广阔和良性的生态圈,去帮助企业在DT时代在移动化、大数据环节走得更远,管理好自己的企业数据,这也是企业所希望看到的。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在问卷调研的数据分析流程中,“先检验信效度,再开展进阶统计分析”是通用的规范逻辑。很多从业者会听到“问卷效度高,后续可以 ...
2026-07-30【核心关键词】大数据、统计学、专业、毕业生、论文、课程、计算机、建模、知识、数据分析、机器学习、数据科学、大数据技术、 ...
2026-07-30 很多数据分析师掌握了Excel函数、会写SQL查询,但当被问到“数据从哪里来”“数据加工有哪些步骤”“如何使用分析工具连接数 ...
2026-07-30在业务数据分析中,按天拆分统计夜间时段的数据是高频需求——比如电商夜间订单监测、平台夜间用户活跃度分析、运维系统夜间异常 ...
2026-07-29在机器学习建模与特征工程实践中,判断不同特征对模型预测效果的贡献度,是特征筛选、模型解释、业务归因的核心环节。特征置换重 ...
2026-07-29 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-07-29【核心关键词】岗位、数字化、经验、课程、方法论、决策、企业、大方向、数据分析、销售管理、理论知识、思维方式、分析销售、 ...
2026-07-28在问卷调研、用户分群、效果对比等业务数据分析中,分类变量的关联性与差异性验证是高频需求。卡方检验作为针对离散分类数据的经 ...
2026-07-28 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-07-28在Excel数据分析与报表制作中,数据透视表是快速完成多维度汇总、分组统计的核心工具。很多从业者在得到透视表汇总结果后,为了 ...
2026-07-27 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-07-27当下,我们已然步入数据要素价值全面释放的智能时代。数据不再只是零散的数字记录,更是驱动新质生产力运转的核心动能、滋养人工 ...
2026-07-27【核心关键词】客户、数据分析、指标体系、数据采集、数据指标、业务数据、分析思路、业务需求、分析方法 【专访摘要】本次 CDA ...
2026-07-24在数据分析、业务建模与数字化运营体系中,原始业务数据普遍存在缺失、重复、异常、口径不一致等质量问题,直接用于分析与建模会 ...
2026-07-24 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-07-24在数据驱动的精细化运营体系中,指标是业务判断、效果复盘、策略优化的核心依据。随着企业数据化程度提升,指标数量持续膨胀,但 ...
2026-07-23在用户运营与产品增长体系中,留存是衡量产品真实价值与用户粘性的核心标尺,也是决定用户生命周期价值、获客投产比的底层因素。 ...
2026-07-23 很多数据分析师精通Excel、SQL、Python等工具,但当被问到“面对一个具体的业务问题,该用什么分析方法”“描述性分析和诊断 ...
2026-07-23【核心关键词】埋点、产品、互联网、数据库、决策、数据分析、产品经理、商业模式、移动互联网、指标体系、运营模块、大数据平 ...
2026-07-22在高并发、大数据量的业务系统中,单表数据量达到千万级甚至亿级后,会出现查询性能骤降、索引维护成本飙升、存储扩容困难等问题 ...
2026-07-22