應用跨行業數據挖掘模型規范航天制造企業數據開發利用策略

仵永亮

（首都航天機械有限公司，北京 100076）

在企業發展管理過程中，挖掘數據這一核心要素的創新驅動潛能，使企業基礎發展條件得到鞏固的同時，不斷推進數據、技術、業務流程、組織結構等條件的應用水平，在幫助企業實現信息化轉型的同時，提升數據應用能力。經營與發展數據，作為反應企業狀態的重要材料，可以指導企業獲得良好的發展環境，尤其是在信息技術的支撐條件下，可以更好的應用網絡計算與整合優勢，促使企業在跨行業數據挖掘模型的輔助下，完成數據開發利用的客觀需求。

1 數據開發利用的框架結構

航天制造企業在數據開發利用過程中，必須建立起系統性的管理模型，通過結構性的管理設定，將操作、信息、數據劃分為不同的層級，使其在應用與建設中發揮出更強的科學性。首先，在實際操作層的設計中，應將航天產品研發、制造、銷售、服務等企業研制和經營活動中的不同組成部分，設置相應的信息資源庫。通過設立專項部門，執行數據信息的采集與管理，并及時將整合到的信息資源歸類到信息系統中，并通過運算模型的計算，完成對實際工作決策的指導。

其次，在信息系統層面，企業可將PLM、EPR、MES 這些已投入運行的信息系統，進行集成化管理，在統一標準的控

制下，通過數據與相應接口的規范化管理。以此發揮出信息分析方法中的科學性，保證為數據分析提供必要的基礎條件。

第三，設計數據分析層的過程中，應將數據庫、深度挖掘、智能決策支持系統作為構成分析基礎的功能模塊。在提取信息數據的基礎上，根據實際工作中對數據信息的需求水平，完成材料內容的存儲與轉化。同時，在特定的方向內容上，對管理者的決策內容提供參考信息。例如，在細化分類中，可將信息挖掘深度控制在研發方向、市場管理、職能部門調整等內容上，并將最終的決策權回歸到管理者手中，使信息材料的實用價值得到保證。

2 跨行業數據挖掘模型下的航天制造企業數據開發利用

數據挖掘模型最早是在1999 年由歐盟組織提出，在經歷了多年的發展與應用之后，這種數據分析方法已經在各種KDD 模型中占有優勢地位。在2014 年的數據統計中，其采用量已經達到了43%。內容上，跨行業數據挖掘模型可將獨立的KDD 項目分為6 個不同的結構模塊，即商業理解、數據理解、數據準備、建模、評估、部署。

首先，在商業理解的內容中，應將企業的發展戰略作為出發點，在確定自身個性化的競爭優勢的基礎上，重點打造企業在信息化環境下的新型能力。通過對信息化環境下能力目標的管理，在宏觀目標的基礎上，利用信息的量化特點，對發展中急需解決的實際問題進行定位。使數據可以在合理的策劃內容引導下，對發展方向、關聯部門、開發方法、數據來源等內容進行整合，形成對企業發展有明顯輔助作用的應用系統，強化企業在商業環境中的建設水平。

其次，數據理解，需要將數據的開發利用作為基礎，在有效策劃的方法下，將企業結構中的不同部門、崗位、生產等環節數據進行整理。同時，通過合理化的管理方法，對數據的質量進行管理，保證信息內容的精確度、覆蓋面與指導性。另外，在此種方法的引導下，還應對數據的特征表現進行分析，在討論數據特征之間關聯性的過程中，充分挖掘數據的創新驅動潛能，通過假設明確信息材料中的應用條件。

第三，數據準備的過程中，應對各類不同數據之間的目標相關性進行分析，討論數據質量與開發應用技術的條件，以此完成建模處理前的準備工作，為建模的科學性奠定牢固的基礎。方法上，應從數據表格的制作入手，將規范化的管理模板應用數據的記錄與整理中，提高數據管理水平。然后，需針對完成匯總的數據材料，進行清理與篩選，利用多次反復的甄別，保證數據材料的質量，并在最終形成數據集合，以便更好的提高應用價值。

第四，針對數據材料中整理出來的問題類型，執行數據建模操作，并在模型選擇上，尊重客觀問題的實際條件，以此才能保證模型分析的科學性。在對比以往工作內容的基礎上，分析建模方法的合理性，對于重復的典型內容，可以直接沿用以往的模型進行分析，以此提高工作效率。注意，如在此環節中發現數據內容不匹配的問題，需重新進行數據準備，直到數據材料的精準度達到客觀需求，才能執行建模處理。

第五，在形成最終的建模部署之前，應對新建模型進行評估，通過合理性分析與邏輯性討論，論證模型中各個方法與步驟的應用條件。對不同數據材料還需進行融合化管理，驗證其在執行數據開發利用過程中的應用條件，為保證模型部署操作的質量奠定基礎。

第六，企業在執行信息部署的過程中，應由信息部門牽頭，在相關業務部門的配合下，完成整體信息系統的構建，并在不斷應用與建設的過程中，完善并優化部署信息系統的使用條件。在執行過程中，需對各個部門與崗位的參與性作出詳細的指示，通過數據開發利用中責任范圍的劃定，保證不同崗位與部門的工作人員，都能深度的參與到項目執行的過程中，為保證數據開發利用的有效性創造條件。

3 數據開發利用項目的優化策略

（1）強調商業理解，執行宏觀統籌管理。執行企業數據的深度開發，必須重視商業理解的基礎性地位，在保證數據開發利用方向性的基礎上，發揮應用優勢。從企業管理者的角度，深刻理解并參與到數據資源開發內容中，站在宏觀層面對企業發展過程中亟待解決的問題進行管理。通過目標關聯性與貢獻性的分析，抓住重點內容，在全局決策中，起到指導作用，為企業整體的走向統籌決策，實現全局發展戰略的完善。

（2）優化信息來源，制定規范數據標準。數據材料的完整性、準確性、真實性是保證其開發應用的基礎條件，也是實現航天制造企業信息化和工業化融合發展目標的重要保障。如果數據信息的質量達不到標準，即便是模型條件再完美，也不能對其中存在的誤差條件進行控制，使數據分析的結果得不到保證。所以，在進行數據采集的過程中，必須制定出標準化的管理內容，通過各個環節處理中的控制與有效的校對機制，使數據的質量維持在較高水平，提高模型計算的科學性。

（3）明確責任空間，約束崗位人員行為。責任分配是控制數據開發利用執行效果的重要途徑，也是維持其持續性發展的必要手段。在進行數據控制的過程中，應從制度層面進行管理，對不同崗位與部門的工作作出詳細的描述，使相應工作人員可以更好的履行自身的職責，并減少工作過程中相互推諉的問題，防止出現數據遺漏與丟失的情況。在進行責任管理的過程中，應重點規定數據采集與維護的周期性水平，在確定采集、匯總、校對、錄入等環節的基礎上，將數據材料的真實性作為審核的標準，完成責任人的管理工作。

（4）落實工作總結，提高決策質量條件。定期對數據處理工作進行總結與分析，是保證執行質量與信息水平的重要手段，也是提高數據指導性的必要途徑，可以不斷修正并優化數據開發利用過程中的方向性問題，為決策者提供更具參考價值的指導內容。方法上，應定期對數據處理工作進行總結與分析，將數據的質量、目標執行效果、信息貢獻度作為參考條件，對階段性的工作內容作出總結，不斷對工作方法與業務流程進行調整。而執行此種總結方案，也可使工作人員的責任意識得到鞏固，并實時的更新信息系統模型，保證數據開發利用的高效性與準確率，實現數據深度挖掘的建設目標。

4 結語

信息技術的壯大，為工業化發展帶來了新的建設思路。作為企業在市場經營活動中的核心，數據的深度開發是保證企業發展狀態的重要推進力量。企業在進行數據開發利用的過程中，務必尊重跨行業數據模型的應用水平，在保證信息建設程度的基礎上，完成對生產、管理、銷售、人員等多方面的數據優化。并重點在統籌管理、制度約束、崗位責任與決策條件等關鍵點上進行控制，實現企業發展的智能化轉型。