利用CRISP—DM模型規范企業兩化融合過程中的數據開發利用

摘要：文章闡述了企業在兩化融合發展進程中數據開發利用的需求，給出了以實際操作層、信息系統層和數據分析層為組成部分的數據開發利用體系框架，并結合CRISP-DM模型提出了企業進行數據開發利用的實施過程，最后提出具體實施過程中的關鍵點。

關鍵詞：兩化融合；CRISP-DM模型；數據開發利用 文獻標識碼：A

中圖分類號：F427 文章編號：1009-2374（2015）21-0029-02 DOI：10.13535/j.cnki.11-4406/n.2015.21.015

信息化和工業化融合（以下簡稱“兩化融合”）是當今國家乃至世界發展的大趨勢，對于企業而言，兩化融合是將信息化作為手段，夯實工業化基礎，推進企業數據、技術、業務流程、組織結構的互動創新和持續優化，從而打造信息化環境下新型能力的過程。近年來，隨著企業單項應用的增加及集成度的提升，計算機對數據的處理能力顯著提高，隨之而來的數據量與日俱增。市場競爭的加劇、企業規模的增大、數據復雜度的提升都要求企業實現數據的開發利用，為領導決策提供相應的依據。為進一步規范企業數據的開發利用，《信息化與工業化融合管理體系要求》中也著重提出了“有效地開發利用數據”的要求。故本文提出在兩化融合過程中，企業利用CRISP-DM（cross-industry standard process for data mining）模型規范數據開發利用的過程。

1 數據開發利用體系框架

數據開發利用體系框架如圖1所示，可分為三個

部分：

1.1 實際操作層

涵蓋研發、制造、銷售等環節，是企業數據的最初來源和最終落腳點，各部門負責采集其中的數據，將其作為信息系統的輸入，并利用決策的結果對實際業務進行調整。

1.2 信息系統層

涵蓋企業ERP、OA、PLM等已有信息系統，對其進行集成應用，實現數據、接口的標準化和規范化，確保為數據分析層提供有效的數據。

1.3 數據分析層

涵蓋了數據倉庫、數據挖掘和決策支持/商業智能三部分，用于將信息系統中的數據提取出來，并根據需要進行轉換和存儲，然后按照特定目的進行挖掘、統計和分析，從而產生供管理者參考的決策，可包括：研發方向調整、銷售市場細分、職能部門優化等，最終將決策反饋至實際操作層，并對信息系統作相應變更。

2 利用CRISP-DM模型實現企業數據開發利用

CRISP-DM由歐盟機構于1999年聯合起草，為全工業界提供數據挖掘利用的全生命周期管理標準。CRISP-DM模型定義了六個過程，按照此模型，企業可按如下步驟實施數據開發利用：

2.1 商業理解

從企業戰略出發，確定可持續競爭優勢和需要打造的信息化環境下新型能力，再細化到需要實現的兩化融合目標，從待實現的目標中提出需解決的數據開發利用問題，進行數據開發利用策劃，需涵蓋開發目標、涉及部門、數據來源、開發過程等。

2.2 數據理解

根據數據開發利用策劃，從各部門、各流程、各崗位、各系統中收集相關數據，并對數據質量加以鑒別，以確保數據的準確性、全面性、有效性，此外，還需初步探索數據自身的特征及數據間的相互聯系，形成對潛在信息的假設。

2.3 數據準備

根據與數據開發利用目標的相關性、數據質量及開發利用技術，進行建模前的數據準備。首先進行數據表制作，將數據統一格式后進行記錄，然后為適應建模工具進行數據清理，這一過程一般需反復實施多次，直至篩選出最終數據集。

2.4 建立模型

根據待數據開發利用的問題類型，選擇對應的建模技術。與以往類似的可對原技術加以修改沿用，與以往不相同的則需要重新建模。在此過程中，當涉及到數據不匹配時，可能會重新進行數據準備過程，實現對數據參數的精準校對。

2.5 模型評估

在數據模型最終部署之前，需對修改和新增的模型進行再評估，回顧其中每個步驟、每個數據、每個邏輯，尤其要考慮和兩化融合目標的關聯性，確定是否可解決提出的數據開發利用問題，為模型部署成功提供

保障。

2.6 部署實施

由信息部門和相關業務部門共同完成相關信息系統的搭建、改造和完善，明確各部門、各崗位參與數據開發利用的主體和具體職責，以制度文件的形式規范下來，共同參與數據開發利用過程。

3 數據開發利用的關鍵點

根據對應的規范要求和過程指導，為確保有效開發和利用數據，在具體實施過程中應重點關注以下幾點：

3.1 重視商業理解，統籌管理全局

商業理解是數據開發利用的第一步，它關注數據開發利用過程中的方向性問題。應由領導層深入參與，正確把握兩化融合目標，明確待解決問題對達成目標的關聯度和貢獻性，在各部門提出需求的基礎上，重點關注最迫切的數據開發利用方向。只有始終抓住這個重點，才能對后續的實施全局起決定性的指導作用。

3.2 嚴把數據來源，推進數據標準

數據的可靠性、真實性、完整性是數據開發利用的基礎，也是達成兩化融合目標的保障。如果數據質量不好，即使模型很完美，也不可避免產生一個偏差或者錯誤的結果。應嚴格篩選和過濾各部門、流程、崗位及系統提供的數據，推進數據處理環節的標準化，并建立相應的數據校對機制，逐步提高數據的質量。

3.3 落實責任主體，明確具體職責

職責分配落實是確保數據開發利用有序進行的關鍵，也是長期進行數據治理的必要措施。如果不能從制度上落實職責，很容易造成數據的遺漏和丟失。應制定相關制度，規定數據采集和維護的周期，指定專門崗位按制度要求負責數據的采集、匯總、校驗、錄入等，并由上級領導對數據的真實性進行審核，對數據的準確性負責。

3.4 定期回顧總結，提升決策質量

對數據的定期回顧和總結是不斷提升決策質量的必要環節，它關注于數據開發利用中的方向修正問題。如果無法通過回顧總結發現其中的疏漏和不完善，會對決策準確性造成影響。應周期性地對數據的質量及數據對達成目標的貢獻性進行回顧總結，調整優化相應業務流程和崗位職責，對應地更新信息系統，確保數據開發利用的高效和準確。

4 結語

隨著工業4.0時代的到來，IT技術的發展為企業帶來了新的思路，數據作為企業各生產環節的核心，對其進行開發利用是企業必須持續推進、不斷提升的系統性、全局性工作。必須圍繞數據對企業的經營發展做長遠布局，梳理當前已有的管理、生產、銷售、人員等數據，調整優化信息系統、管理制度、崗位職責，實現企業從傳統制造向智能制造的轉型。

參考文獻

[1] 中華人民共和國工業和信息化部.信息化和工業化融合管理體系要求（試行）[S].2014.

[2] 野村綜合研究所.圖解CIO工作指南[M].北京：人民郵電出版社，2014.

[3] 郭亮.用CRISP-DM模型來規范企業數據中心建設

[J].華北科技學院學報，2008，4（5）.

作者簡介：華苗苗（1987-），女，浙江人，浙江省電子信息產品檢驗所助理工程師，碩士，研究方向：兩化融合。

（責任編輯：周 瓊）