01
数据管理面临挑战
主数据管理(Master Data Management,简称MDM)是挖掘数据价值的重要手段和工具,是企业迈进大数据时代的重要基石。如何做好企业主数据管理?首先我们需要正视企业在数据管理中面临的挑战:
1、数据价值认识不足,资产利用率低
企业管理者面对大量来自不同来源的数据,特别是企业自身关于战略管控、财务管理、生产经营等方面的数据,以及行业相关数据、竞争对手数据等等,这些数据往往分布零散、管理随意,并没有把数据当做“资产”来进行全面管理,势必导致各类数据没有显示和发挥“资产”的特性——即被全面掌握和控制、能够用货币计量、能够带来经济效益。
2、数据不共享,各自为政,信息孤岛严重
从横向职能划分方面分析,企业现阶段通常是以“职能部门”进行各项工作的开展与划分,这势必导致各类数据资产被按部门割裂开来,使得决策者拿到的都是单一、孤立、缺乏印证的单项数据资产,并且随着企业管理精细化的开展,这种情况将越发严重。从纵向管理层级划分方面分析,多元化企业存在体量庞大、板块诸多,管理层级有些最多可深入到5级至6级。此种情况下,每个层级都会产生大量数据,层级之间的数据大多数互相隔离,没有形成自下而上的共享与支撑体系。因此,在信息孤岛普遍存在的情况下,各类数据不能组织整合形成有价值的信息,各类数据不能提升转化为管理知识,大数据决策支持只能是空谈。
3、数据质量层次不齐,重内部轻外部
企业各信息化系统中存在的组织、人员、客商、物料、产品、项目等主数据没有形成共享统一,在各自系统普遍存在数据完整性缺失、数据标准不统一、冗余数据多,没有定期进行数据清洗,数据质量各不相同;不能有效的进行数据分析,分析出结果也不是企业真实数据的体现。因此,我们首先要建立统一的数据标准,清洗数据提升数据质量,为大数据分析提供基础保障。同时内部数据无论从获取源头还是从获取途径方面,都比外部数据的获取更加便捷和可控。所以现阶段企业数据应用分析还应以内部数据为主;而外部数据由于缺乏获取手段和对应的管理应用思路,恰恰成为企业经营决策的短板,这导致决策层面数据维度来源失衡,造成决策制定时外部数据给予的支撑非常有限,从而影响决策效率和决策敏锐性。4、数据资产管理粗放,没有管理体系面对激烈的市场竞争,行业外部与企业内部的复杂环境,管理层与各业务职能部门需要综合分析企业经营现状、发展趋势、竞争市场因素、行业和宏观经济因素等庞大的数据,目前很多情况下都是靠人工和半自动化进行数据整理,并且由于各部门需求各异,思路不同,工作量和难度越来越大,在缺乏专业化的数据团队的情况下,无法快速形成有效的决策支持信息。
5、数据应用机制缺失,数据不能说话
企业现阶段缺乏数据应用的有效机制,比如各类数据如何有效获取、部门之间如何分工轮动、海量数据中如何挖掘高价值数据、数据高效流动如何保证等等。由于此类机制的缺失,没有统一的数据语言,无法真正做到“用数据说话”,就无法真正为领导实事求是分析问题、解决问题提供依据,无法真正迈进大数据时代。
02
主数据管理的价值
主数据管理可以帮助企业从分散的业务系统中整合最核心的、最需要共享的数据(“主数据”),集中进行数据的清洗和丰富,然后以服务的方式把统一的、完整的、准确的、具有权威性的主数据分发给全企业范围内需要使用这些数据的系统或应用。从根本上保证系统之间能实现数据的共享,增强了各系统在企业层面的互动,从而提高企业运营效益,提高数据质量,更好地为企业信息集成做好铺垫。
1.与大数据相得益彰
主数据和大数据的核心都是数据,但它们的关注点有所不同。大数据关注数据的体量和类型,而主数据则更关注数据的质量;大数据提供了更多的原材料,而主数据侧重于数据的组织。企业应以主数据为中心,通过主数据把各类大数据有效串联起来,从而获得更好数据应用效果和价值。
2.提高数据的准确性
通过主数据管理实现公共数据的统一管理,按照主数据全生命周期实现各个关节数据维护审核机制,确保数据维护更新规范,保障数据准确性。
3.统一集成规范
主数据管理让企业将拥有统一的主数据访问接口,拥有集中的且内容丰富和干净的数据中心,能够为各业务部门提供一致、完整的共享信息平台,为业务流程和经营决策提供了一个可靠的支撑载体。
4.降低运维成本
主数据管理可以增强IT结构的灵活性,构建覆盖整个企业范围内的数据管理基础和相应规范,并且更灵活地适应企业业务需求的变化。同时,降低接口成本、数据清洗和维护成本等,帮助企业远离高成本和高风险。
5.提高数据安全水平
通过主数据管理平台,可以实现数据的版本控制、数据的备份和容灾机制,制定完善的数据管理规范,确保基础数据的完整可靠。
03
主数据与大数据结合
未来,主数据管理平台将逐步实现与大数据的无缝集成,为大数据提供一系列全面、先进、成熟的数据管理解决方案,为企业用户迈进“大数据时代”做好了准备。
提升企业数据的集成和管理能力,将数据集成扩展到舆情数据、行业数据、社交媒体数据、网络日志数据、传感器设备数据、文档数据、音频、视频数据、电子邮件数据、甚至其他无编码格式的多结构化或非结构化数据,显着减少浪费在垃圾资料的时间,有效降低大数据开发、维护成本。
引入人工智能技术,加入AI智能引擎技术,“陕西优百”针对能源行业超过千万条的物资标准和物资属性模板学习,形成了一套物资描述智能模型的核心算法,从而实现更加精准的判断,帮助企业精准定位数据。
实现从传统数据架构平台扩展到Hadoop,把Hadoop技术通过一种透明的方式呈现给用户,企业将不再需要复杂的手动编码来实现Hadoop的性能和成本优势。这不仅帮助企业更轻松地管理和支持多个大数据项目,确保最佳的端到端性能和部署,还可以使数据便捷地在Hadoop环境或传统网格计算环境中运行。
引入了内存处理的能力,数据处理性能更快。所谓“内存处理”,就是把主数据的处理操作从传统的数据库迁移到内存计算,有望实现最高上达百倍的能力提升,实现在大数据中快速解决个体识别问题,高效完成大批量数据清洗。同时大幅降低了客户的硬件部署成本,以更佳的成本效益方式提升大数据项目的投资回报。
04
结束语
近几年来,“陕西优百”根据企业经营目标和通用业务规律,建立企业统一主数据模型,并对组织机构、人员、物料、产品、客商、指标、财务和生产层面等多种主数据域,从而逐步统一企业内控数据标准,为从根本上解决企业数据分散重复、口径不一致、共享困难造成的信息孤岛等问题奠定坚实的基础,推动企业内各类信息系统的整合和数据的共享,全面提升经营决策、运营管理、业务拓展和客户服务等方面的支撑能力。在全新的大数据时代,大数据的核心问题不是数量大,而是质量高。把主数据管理作为大数据背景下的企业数据治理和提升数据质量的工具,可以确保核心数据的质量和真实性,企业可以更好地洞悉业务数据中所隐藏的价值,真正把大数据转化为新的挑战和新的机遇。