大数据平台技术可实现动态数据的采集与整合、存储与管理、数据分析和数据展现，能够很好地帮助企业由“业务驱动”转为“数据驱动”进行智能决策。

文/陈红军

关键词：大数据  数据驱动  商业智能  智能决策  准时交付

     企业在不同的发展阶段，会关心不同的经营管理议题，企业不同的竞争力会有不同的经营关注重点，会关联到不同的管理能力，每一项管理能力都有它的前置作业、流程和衡量的指标。企业能否实时准确获取业务数据进行分析并做出准确的决策将成为企业存亡的关键。由于企业各类数据信息获取平台的异构性，各种信息系统往往开发麻烦并且不好维护，因此，采用适合的大数据平台、技术、方法辅助企业商务智能决策变得越来越迫切。

大数据下企业面临的挑战
     随着大数据时代的到来，大数据容量大、种类多、速度快和价值高等特点越来越突出。设计和实现一个大数据系统超出了现有硬件和软件平台的处理能力，面临越来越多的挑战：
1.  异构复杂的海量数据的挑战
     企业数据信息的巨量积累，仍在持续爆炸式增长。业务数据平台异构、数据来源口径多、标准不统一、信息孤立、数据管理难。数据安全和隐私要求越来越高，需要强制的访问控制和安全通信,多粒度访问控制,安全存储等。
2.  大数据分析技术的挑战
     企业管理由常规业务分析转向深度管理决策分析，管理需求不仅需要整合部门级应用，还要建设企业级应用，满足综合分析、复杂查询、智能决策等高级需求。随着数据集的增长和实时处理需求的提出,对整个数据集的分析越来越难。深度分析需要诸如机器学习、隐私感知的数据挖掘和分析等复杂的技术，以及了解概率和统计等知识。
3.  大规模并行处理的挑战
     随着数据量和分析需求的增长, 需要更完善的数据控制和管理机制,同时还需提供数据平台的可扩展性和用户的可访问性。硬件平台由高端服务器转向中低端硬件构成的大规模机群平台，要求系统采用分布式架构，实现动态扩展。支持水平扩展，不需对系统架构进行变更，只做硬件扩容，并部署服务软件，即可满足系统容量扩展要求。系统平台扩容增加新节点之后，系统能自动在所有节点之间均衡数据。
    
企业商务智能决策实现路径
     商业智能（BI）是一套完整的解决方案，可以将企业中内外部数据进行有效的整合，快速准确地提供数据信息并提出决策依据，帮助企业做出明智的业务经营决策。大数据平台是建立在大数据之上，利用机器学习技术和算法建模，实现对数据的实时分析，能够帮助企业完全勾勒出每个个体客户的DNA。大数据平台作为商务智能的重要依托，是对海量数据进行分析处理的核心物理架构。BI主要的实现路径是从数据到决策的过程，如图1所示。
1. 数据。企业ERP、CRM 等内外部信息系统中已经积累了大量数据，但是，这些数据却是基于单据或业务流程的需要而存储的，对于管理人员来说，这些数据没有条理，杂乱无章。管理者往往期望看到简单而直观的数据，因此，需要将数据经过抽取（Extract）、转换（Transform）和装载（Load）成有价值的信息，即ETL过程。
2. 信息。信息的时效性对于使用和传递信息有重要的意义，没有时效性的信息会变成毫无意义的数据流。所以，有效的信息必须是有逻辑的、经过加工处理的、对决策有价值的数据流。信息=数据+时间+处理。
3. 知识。知识管理的一个重要工作就是将某个特定人脑中的经验变得可复制。信息转变为知识的过程就是建模的过程，需要将不同企业经营主题的分析视角（维度）与分析内容（度量指标）固化下来，变成企业的知识，方便不同层面的管理者使用。
4. 决策。决策既可以是操作层的，也可以是战术层和战略层的。决策不是少数高管的专利，正像管理学中“木桶理论”所说，一个木桶装多少水，并不取决于木桶最长的木板，而取决于最短的那根。而对于企业经营管理来说，企业的经营决策不只取决于董事长、总经理的决策水平，关键在于各级管理人员都能理解且执行到位。所以，通过建立一个大数据分析平台，让操作层、执行层和管理层的各级管理者都看到统一的数据（当然是有权限控制的），都能基于数据去决策与执行，这样才能真正提升企业的整体决策水平。
     综上所述，数据-信息-知识-决策的数据链条，实际就是BI的技术实现路径，即数据ETL、业务建模与平台化展现。
    
制造业实例分析
     以制造业提升“订单准时交付率”为例进行企业商务智能决策分析。
     制造业企业要达成营收目标，除了要努力研发有价值的产品及开拓客源之外，最重要就是能谨守销售承诺，准时达成订单对客户的交付，尤其在当今制造业上下游专业分工细致的时代，上游供应链的准时交付，直接影响下游产业的投产，因此在现代产业生态讲究供应链效能的情况下，提升订单准时交付率，是评估企业本身能否扮演好所在供应链环节的重点指标之一，直接影响客户对企业的信赖度，当然也就影响了企业的接单机会与营收的达成。订单若不能准时交付，将直接影响企业的营运与获利，存续与发展，也影响企业整体效能的表现，因此涉及的环节相当广泛且多元，但在考量成本与品质的前提下，主要可以归纳成下列几个环节来进行优化与改善，如图2所示。
1.  数据ETL
     企业为了提升订单的准时交付率，决策平台系统必须对以下基础数据进行实时ETL：
● 订单下达与确认的效率（估报价/议价/送样检验的反馈时间）
● 建置用料结构的效率（BOM表）
● 生产计划准确排放的效率（正确快速的排产和计划变动时的因应效率）
● 采购达交率（投产原料的准确性）
● 生产达交率（生产完工的准确性）
● 生产所需资源的正确掌握（模夹制具，机台设备）
● 订单出货效率（出货配送的管控与准确度）
2.  业务建模
     企业为了提升战略执行力，必须根据企业所处的不同时期，规划、实施过程瞄准企业经营重点，找出支撑经营重点的管理议题，并透过跨部门诊断的手法找出可行且有效的管理能力提升方案，以突破瓶颈达成目标，并以指标控制过程、衡量结果，且持续追踪、改善，不断精进止于至善。企业必须改善订单准时交付解决方案（议题指标树）的信息系统，同时还要协助客户共同建立相应的决策机制模型。
（1）订单进度追踪机制的基础架构模型
     建立视觉化订单进度追踪系统，针对接单型客户从订单源头到物料采购进行全面追踪，透过色彩管理标识异常，及时发现异常并采取措施进行改善；结合条码、看板等信息化工具让数据资料能够第一时间被发现并反馈。
（2）异常提前预警机制模型
     制定影响订单准时交付的各类重点环节之异常预警机制，让异常行为能够在过程中提前被发现，提前采取预防措施；同时根据历史经验数据设定参考临界值以便预警通知的自动化发布，以提高系统管控的效益。
（3）交付异常状况发生时的应变处理机制与工具模型
     当订单交付异常已经产生，按照常规方法订单确定无法达交，且客户交期无法延期的情况下，需要制定应急措施，如紧急采购、委外加工、安排加班等方式，最大限度地动员资源以维系订单交付的准时达成。
（4）持续反馈优化改进模型
     在原有业务流程基础上，根据企业本身能力与资源限制，合理推进内部流程优化，提升作业效率，建立持续反馈改进机制。
3.  平台化展现
     为了让企业内部对订单交付的进度追踪以视觉化呈现，清晰了解订单进度，提前发现问题，采取措施解决问题，使订单交期能够得到明显改善，必须建立智能化的信息技术工具平台。为了将数据转化为知识，需要利用大数据、数据仓库、联机分析处理工具和数据挖掘等技术建立信息化技术平台。通过结构化数据分析、文本数据分析、多媒体数据分析、web 数据分析、网络数据分析和移动数据分析等模型工具，将知识呈现给管理者，为管理者的决策过程提供数据支持。通过平台化展现，让流程更加顺畅，提高从预测到生产计划的准确度，降低生产线的频繁变动，提高管理人员在计划变动时的布署效率，可以长效且稳定地提升订单达交比率。  
    
     大数据技术能够很好地帮助企业由“业务驱动”转为“数据驱动”进行管理决策。在大数据系统建设过程中，要综合考虑系统和技术架构、组织结构和管理流程、数据监管和持续的数据质量改进、数据访问和用户支持方法、信息安全和可用性、应用系统建设模式和升级规划等多方面的因素。■

本文系北京市教育委员会社科计划一般项目“基于大数据的企业商务智能决策分析方法研究”（编号SM201714073001）的阶段性研究成果
主要参考文献
[1] 徐宗本,冯芷艳,郭迅华等.大数据驱动的管理与决策前沿课题[J].管理世界，2014(11).
[2] 陈红军.战略战术树实践法[J].企业管理.2016(07).
[3] W.H.Inmon.数据仓库[M].机械工业出版，2000,5.
作者单位 北京经济管理职业学院