在对国内企业的数据管理现状研究过程中，我们发现抽象的方法论更多的基于普适的信息管理体系，对测试行业的特有属性没有过多关注。此外，国内外同业数据管理水平差距很大，或者已经深入开展专项治理，或者还在规划构想阶段，对相关行业的数据管理方法缺乏统一的认识。与我们相关的企业日益增长的数据管理需求与相关研究成果的缺乏形成了尖锐的矛盾，为此我们着重研究面向国内企业的数据管理方法，用于指导其构建理论框架以指导实际的数据管理工作。
数据是组织最核心的资产，数据管理可以有效地提供和控制数据和信息资产，而数据应用则可以最大化数据资产的价值。目前大数据是信息化银行最显著的特点，对于数据资产的价值利用具有辽阔的创新空间。对于传统的数据管理和数据应用，大数据正逐渐为之带来巨大的变革与挑战。在大数据时代，业务分析洞察已经成为了企业转型的有利抓手，企业也逐渐从销售产品和服务转向现在以客户为中心。为此企业需要建立客户的单一视窗，按照用户行为进行分类，并且为客户提供质量一致的客户体验。支撑这些战略的大数据分析会为企业转型带来无限机会，同时也面临数据质量和技术支撑的双重考验。
本文分析了数据管理和数据应用之间的关系，并结合大数据提出了企业数据管理的三个发展阶段。针对目前现状及未来发展趋势，设计了适合企业的数据管理方法论体系框架，在融合传统数据管理方法的基础上，着重增加了大数据及数据应用这两个专注于企业数据资产的职能。分析了管理框架落地实施需要考虑的问题，并从组织架构、人才培养、数据管理应用等角度给出了若干实施建议，以指导企业着手开展大数据管理。
一、数据管理、数据应用与大数据
数据管理的驱动来源有多处，但其最重要的目的是提供高效可靠的数据应用从而最大化企业数据价值，这一点在大数据时代将会得到进一步深化。传统的数据管理与数据应用相辅相成，共同为数据价值最大化发挥作用。然而在大数据时代进步的不仅是技术，更多的是数据价值创造方式的变革，数据管理和数据应用都要顺应这个趋势，传统的最佳实践要经历一个比较漫长的过渡阶段以到达一个新的稳定状态。在这个过程中，大数据会催生新的数据应用形式，同时会加剧对数据应用敏捷性的要求，数据应用会在大数据的几个维度上逐渐膨胀。数据应用的蓬勃兴起为数据管理带来了挑战，大数据带来的数据应用敏捷化会加剧这种影响。数据管理如果不能适应这种趋势，那传统最佳实践带来的数据质量收益将会逐步缩小，当然在融合之后将会是大数据概念下的数据管理与数据应用。数据管理、数据应用和大数据呈现逐步过渡融合的关系，具体如下图所示：
图1.数据管理与数据应用的阶段关系
以大数据为核心特点，数据管理与数据应用会分成两个独立的阶段。大数据地位之所以如此之高，是因为它能改变数据价值的产生方向。Gartner认为大数据体现在量、速度、多样性这三个维度的扩展，我们认为企业大数据的“大”更多的体现在数据价值创造角度。数据丰富性及技术能力很重要，但洞察力才是企业核心竞争力所在。大数据能带来商业逻辑的无限创新，这就要求不能仅仅从技术角度看待大数据，而是更多的依赖于将数据应用与业务战略紧密结合。大数据不再是工具的技术，而会逐渐成为人的技术。只有清晰地认识到这一点，才能在实践中有序的开展大数据管理与应用工作。
大数据带来的变革能够将数据管理和数据应用划分为两个独立的阶段，以数据应用的能动性和范围为区分标志。传统的数据应用依托数据仓库、ODS等载体，在现有采集数据上被动的发掘数据资产价值；而大数据概念下可以首先开发业务逻辑创新，在此基础上利用一切可用的数据源，以如何利用数据资产为核心任务。大数据不仅是数据类型的扩充，更多的是这种业务创新理念的扩张。数据价值的产生范围发生了变化，从单方向的数据带来价值变成了更广阔的价值驱动数据，在这种形势下的数据应用创新会更加依赖于对业务逻辑的精通，同时其自由度和敏捷性也会剧增。大数据敏捷性需要提供接近实时针对事件和流的数据分析能力，并提供预警式的决策分析，这显然需要数据管理做出有针对性的调整以便数据应用提供这种分析能力。
二、大数据时代的数据管理
1.强化主动开发的大数据管理框架。在传统与未来之间，当前阶段大数据带来的冲击是企业迫切需要思考和解决的问题，而大数据时代变革速度的迅猛造成了目前数据管理领域理论研究的滞后。我们将权威方法论与企业时代特点相结合，设计了当前阶段的数据管理体系框架，具体框架如图2所示。数据治理处于数据资产管理的中心位置，是高层次的、规划性的数据管理制度活动；数据治理是处于全局地位的管理主题，影响到其他各个领域。数据应用是管理活动的目的所在，是数据资产价值的集中体现，我们将其明确提出并放在整体框架的顶层位置。大数据管理占据重要位置，在传统与未来的数据管理和数据应用提供过渡性支持，其核心特点是强调大数据的主动开发与内容管理。
图2.数据管理体系框架
数据治理负责构建企业数据管理的组织体系，同时建立一系列的数据治理政策、流程以及相应的工具，确保数据得到有效的管理并能够满足业务目标。数据应用用于发掘数据的业务价值，把数据变为信息，从而支持企业的分析决策、业务、监管等。大数据环境下的数据治理和数据应用将把企业信息利用提升到战略层面，对应的组织架构、流程规范、技术支撑、绩效考核等维度都要与之对应。
2.大数据开发与内容管理。大数据管理包含两项子职能，分别是开发管理和内容管理。开发管理专注于大数据需求定义、大数据解决方案的设计和研究，更多的从业务战略角度发掘数据资产价值。通俗来说，开发管理就是解决大数据下的需求管理与技术实现，这是与大数据直接相关的两种职能，还需要兼备预研等职能。内容管理通过制定相关工作策略，管理企业结构化及非结构化数据的获取、存储、维护、访问及使用活动。传统数据归档存储手段将数据分散保存，不能适应膨胀化的大数据，因而大数据下的内容管理还需要设定专门的保留策略、以集合的形式保存数据。
大数据管理是为企业定制的数据管理职能，贯穿业务价值的发现与实现，符合当前企业对大数据理解、使用的迫切需求。这个职能在大数据过渡阶段能够将数据管理与数据应用有效衔接起来，拉动各项职能向前发展，为大数据下的数据管理与应用奠定基础。
3.数据架构。数据管理体系框架中与大数据管理最为密切相关的职能是数据架构管理，因其与大数据的开发与内容管理均有很多交叉。传统的数据相对静态、变化缓慢，数据源、数据主题和数据应用都限定在一定范围之内；而大数据环境下数据更具动感、变化飞快，对应的数据源、主题和应用会超越银行的控制范围。另外，传统数据架构中单一数据模型对应着大量应用，而大数据中的数据模型呈现百花齐放状态，会根据应用场景可以演变出多种模型。典型的例子是利用社交网络数据来促进企业进行精准营销，这样就需要企业以数据应用为目标，以最广泛的视角来利用数据资产。当然，大数据在量、速度、多样性三个维度的膨胀对数据安全也带来了巨大的挑战，数据安全与数据应用的权衡是过渡阶段需要慎重考虑的问题。个人隐私、社会安全为大数据带来的挑战是需要上升到国家和法律层面逐步解决，会迟滞但不会阻止大数据的发展趋势。至于数据标准、数据质量、元数据和主数据，业界针对这些问题尚在不断的进行讨论和研究，在数据治理和数据应用厘清之后，我们在实际数据管理中逐步做出相应的调整配合即可，当前阶段不必作为体系框架的重点进行研究。从职能上分析，这些主题域在传统数据管理方法论体系中均存在对应内容，其本质特征也基本一致。
三、大数据管理发展建议
随着竞争的日渐加剧，国内各个企业正在不断拓宽服务渠道，改造服务方式以提高业务附加功能。在这样的前提下，大数据时代对于数据管理带来的冲击很大，我们提出的方法论框架充分结合大数据特点与带来的各种影响，能够作为传统与未来的过渡阶段理论指导。当然，我们更加强调一切理论均需要为现实服务，故针对企业如何在实际工作中进行大数据管理，下面从组织架构、管理手段、人员培养、管理应用结合等角度给出了若干实施建议，其目的在于为企业发展提供更好的大数据支撑。
1.组建大数据实验室。大数据时代强调价值创造，强调数据管理与应用同企业发展战略相结合。如前文框架所述，我们提出利用开发与内容管理职能来应对大数据带来的冲击，而在业界这两者也都处于不断发展的状态。激烈的市场环境下，企业不能等待各种理论技术的成熟，而需要主动摸索适合自己的大数据发展模式。为此建议在组织架构中成立专门的大数据实验室，依托于数据治理等相关组织开展工作。大数据实验室的职责主要包括两个部分，覆盖传统的数据需求以及数据开发。在日常工作中，大数据实验室负责解析新的需求，或者将具备成熟解决方案的需求转移给数据应用团队处理；另外还需要承担一定量的预研性工作，将新技术同新的业务需求结合，或者探索新的业务应用场景从而不断提高大数据应用水平。
针对大数据的内容管理，实验室需要不断探索新的存储技术，如云计算等形式。通过建立银行数据云来完成大数据的存储和归档，提供的分布式计算能力还能用于大数据应用的实现。以一对一商业智能为目标，企业面临的大数据需求将会呈现爆炸性增长态势，在形成成熟完善的解决方案之前实验室的责任重大。
2.创新人才培养。传统模式下的数据管理和数据应用强调业务和技术相结合，以满足业务服务需求为目的。在大数据时代，业务逻辑的快速创新能直接带来盈利，数据管理与数据应用的核心目的是最大化数据资产价值。大数据逐渐成为人的技术，因而专业人员需要更强的创新能力。在内部人才培养上要注重潜力发展，在大数据实验室建立专门的培养机制，提供优良土壤鼓励创新。对外人才选拔可以拓展行业领域，吸引创新细胞更加活跃的人才加入。此外，还需要充分调动业务人员的创新积极性，大数据背景下的业务和科技人员需要有更多的交叉，甚至合二为一才能创造出更多的服务模式。
3.积极探索大数据获取。企业需要积极探索如何获取业务应用所需的大数据，明确当前阶段大数据获取的发展战略。借鉴网络业的三种大数据获取战略，即前台为主、中台为主或者后台为主。前台为主即通过终端从数据源头获取数据，通过自己主导的操作系统来规范数据标准。中台为主的典型是建设细化的企业社交网络，通过开放共享平台的建设和运营获取标准化和结构化的数据，并通过标准接口和对第三方应用的开放形成庞大的共享数据流。后台为主的示例是企业介入电商领域，通过经营传统商品及金融商品来获取用户数据，并通过对第三方开放从而获取行业大数据。全面出击对于大多数企业来说并不现实，应该结合自身实力及发展目标确立有主有辅的大数据获取战略。
4.数据管理循序渐进。数据管理各项职能的推进需要循序渐进，在过程中配合大数据的开发和内容管理。在过渡阶段的发展过程中，主要面临挑战的是数据架构和数据安全等方面。实践中要结合企业自身条件设计不同的实施路径，以大数据管理作为契机逐步带动各部分的发展。发展过程中大数据管理的震荡变化会比较大，其他职能配合其进展循序渐进。总之过渡阶段中体系框架的各职能都会变化，直至形成稳定的大数据管理和大数据应用模式。
5.管理与应用充分结合。大数据为企业大步发展提供了基础，为此应该将数据管理与数据应用充分结合。大数据下的管理与应用需要解决广义范围的数据需求，包括数据应用需求以及数据管理方面的需求。应用类大数据需求分为两类，一类已经具备成熟的解决方案，另一类需要进行探索性分析。数据管理为数据应用提供基础，数据应用带来业务价值，同时也会对数据管理提供反馈；数据应用的速度会随着大数据而膨胀，对应带来的数据管理更新需求也会加剧，因而需要数据职能部门内部具有高效的衔接和处理能力。在这个过程中，大数据管理能够不断加快数据管理与数据应用的结合速度，同时大数据也能够带来更多的业务逻辑创新，从而带来更多的客户和利润。
四、结论
本文讨论了数据管理与数据应用的关系，以及当前阶段大数据对企业带来的业务战略变革动力，着重分析并提出了目前适合企业的数据管理方法论体系框架，并给出了若干实施建议。基于此框架可以开发出针对不同企业特色的数据管理体系规划及实施方案，从而善用大数据为企业发展带来的机遇。当然大数据时代中数据管理和数据应用的成败还是更多的依赖于同实际情况相结合，以及对大数据理念的认知和不断实践。大数据正逐渐开启信息资产化、决策智能化时代，甚至已经拉开了信息文明的序幕，在这个背景下企业数据管理和数据应用需要做好充分的知识和人才储备，努力去吸收大数据带来的价值并发扬光大。
核心关注：拓步ERP系统平台是覆盖了众多的业务领域、行业应用，蕴涵了丰富的ERP管理思想，集成了ERP软件业务管理理念，功能涉及供应链、成本、制造、CRM、HR等众多业务领域的管理，全面涵盖了企业关注ERP管理系统的核心领域，是众多中小企业信息化建设首选的ERP管理软件信赖品牌。
转载请注明出处：拓步ERP资讯网http://www.toberp.com/
本文标题：大数据时代的数据管理
本文网址：http://www.toberp.com/html/consultation/10819416635.html
相关文章
