在大数据时代，企业面对众多新的数据源和海量数据，能否基于对这些数据的分析进行决策，进而将其变成一项企业竞争优势的来源，这是对企业高层的挑战。面对大数据给企业带来的诸多好处，企业当前面临的问题是要如何获取与分析数据，以使企业立于不败之地。互联网是大数据的一个主要来源，然而对一些线下的传统企业来说很难获得，对于企业而言可以采取以下策略获得数据化支持。 首先、企业必须作出文化层面的调整，建立数据驱动决策的文化。大数据首先是个理念问题，即通过客观的，理性的数据来提供决策的依据。在传统的企业，尤其是取得过成功的企业，往往形成了固定的企业文化和奉为经典的管理经验，流程和制度。建立数据驱动决策的文化，就必须打破原先的以经验，流程和制度为核心的决策机制，将决策的过程数据化，客观化和扁平化。历史经验在新的竞争市场和规则下，往往已经滞后了，特别是进入互联网时代后，互联网以客户为中心，以生态链为运行模式的理念，已经对传统企业造成了颠覆性的影响。因此，只有通过建立以客观数据为驱动的扁平化的决策机制，才能更好地应对快速变化的市场和客户要求。 第二、企业要建立对应的数据管理中心的组织架构。没有一个相对完整和专业的数据管理团队，是难以发挥出大数据分析的功效。数据本身只是信息，如果不能将这些有用的信息转化为对企业有价值的决策依据，数据就只是一堆存放在仓库的废纸。要想把数据和信息转化成对企业有用的决策信息，就必须建立专业的数据管理团队，这个团队包括数据采集和处理人员，数据分析人员和数据沟通和展示人员。 第三、企业要建立顶层的数据架构设计并加以实施。在规划信息化系统建设时，需要有顶层的信息化战略规划，其中核心一环是数据架构设计和实施线路图。数据构架设计的主要目的，是确保企业的所有数据环节有统一的标准，有唯一的数据设计字典，有核心的主数据管理系统，从而保证企业数据的完整性，一致性和有效性。在有了顶层的数据架构设计后，建立合适的实施线路图，可以帮助企业在清晰的数据架构框架下，逐步建设各个信息化系统，确保同一对象对应唯一的数据源，消除信息孤岛，提升数据的一致性和有效性。 第四、企业要建立完善的数据治理体系。如果没有完善的数据治理体系，即使有良好的顶层数据架构设计和严格的系统实施，如果缺乏数据治理的体系，数据的质量很快就会大失所望，也就难以完成驱动决策的使命，即出现“Rubbishin,RubbishOut”的糟糕状况。良好的数据治理体系，覆盖数据完整的生命周期管理，包括数据所有者的职责和权利、数据格式和标准、数据建立和变更流程、数据使用制度、数据安全制度和数据销毁流程等。 第五，企业要建立合适的数据分析的技术平台和团队。这一部分，属于传统信息部门熟悉的领域，一般是难度最小的部分。其中的困难点，是如何设计兼容传统内部数据分析和目前在不断出现的海量外部数据分析的需求，最有效地低成本建立技术平台，并且能满足未来扩展性的要求。
|
