利用數據分析促進企業管理提升的探索實踐

湯敏

中海石油氣電集團有限責任公司 北京 100028

引言

隨著信息技術應用范圍的不斷擴大，在企業數據管理中，數據分析的有效應用已經成為對國家信息化程度進行判定的一個重要標志之一，同時也滲透到人類生產、生活的各個方面，對經濟、社會的發展和進步產生無可替代的影響。

1 利用數據分析促進企業管理提升的探索實踐

1.1 數據標準化實施過程

建立公司統一的主數據管理平臺并應用，設計編制了統一的主數據（供應商、客戶、物料、人員、部門等），在信息化開始應用階段就從頂層設計提出要求，做到啟動布局、規范應用，組建主數據管理平臺并投入使用，在初始的信息化實施階段應該按照上層的意見開始進行，實現布局清晰、整體規范，有關于物資的形容使用不同的特征量來表述，做到“數據同源、實事求是、應用共享、統一集中”的主數據管理形式，著重提升大數據的基礎質量。除此之外還需要對主數據系統進行及時的系統更新升級，滿足物資編碼時刻保持規整統一，實現采購電商平臺無障礙檢索，平臺使用的微服務架構搭建平臺為 Spring boot，結合不同模組技術，單獨以子系統來實施各項操作為中心環節，確保各個系統之間獨立應用，卻又能夠交流聯系，融合調整。數據治理平臺架構如圖1所示。（圖見下頁）

圖1 數據治理平臺架構圖

1.2 數據倉庫建設及應用

在公司實際應用此系統時，通常需要結合實際情況，調整子系統使其更加適用于不同情況下的公司管理，例如ERP 系統、物資采購信息化平臺、物料主數據系統等[1]。在現如今科技飛速發展的時代洪流中，大數據的到來無疑使各個公司的發展錦上添花，但是在現實生活工作當中，公司的數據信息通常來源于不同的子系統，源頭的不同使得收集到的信息缺失或者錯誤的可能性增加，風險變大，隨后使用者會直接采納出現錯誤的數據來進行下一步，這就會出現應用系統沖突、系統應用修改后數據對象缺失、數據抽取速度慢、計算量大等很多種難以解決的情況，使得用戶體驗感極差，數據處理速度慢，信息分析不及時。為了防止以上問題出現，做到信息傳遞快速高效并且保證其質量，搭建完整的數據處理平臺。數據倉庫在組建的過程中要嚴格結合具體的數據信息來搭建，可以把一個數據倉庫分為4個層級：貼源數據層、主題模型層、共性加工層和數據集市層。不同的層級所承擔的任務和包含的數據內容也是不同的，例如貼源數據層通常用來儲存運輸過來的新鮮未經過加工處理的初級數據，將公司ERP系統、電商平臺及其他外部資源（如從網上查詢收集、上級公司表格數據）的數據收集整理到數據倉庫中，使得數據倉庫與業務系統分離，這樣做可以有效地緩解業務系統的工作壓力；主題模型層主要應用 ETL（Extra，Transfer，Load）的方式，使得上一步收集到的數據依照分配好的主題框架和搭建的表格來進行分類保存。在數據清洗的過程中，例如篩查到非法無效數據，或者有部分錯誤、缺失的數據將對其依照特定規則來進行修補、添加、刪減、改正等措施使其恢復為正常數據，隨后將他們進行歸類并查找出關鍵信息，探索其不同的用途以便于之后創建不同的主題；共性加工層這第三步主要在于分析之前分類好的數據，使其以分析模型的形態出現，通過此方法可以組建多個數據區便于工作，如業務數據區、指標數據區、維度數據區等，確保數據之間相互關聯融合分析[2]。數據集市層的重點是關于線下人員或者特定部門的具體要求，分類分層次的對數據進行整合，具體涵蓋內容為維度的定義，客戶需要計算的內容和部門所需具體層級等，進一步形成更適合客戶或部門的決策分析報表以此來方便其應用數據庫。也可以通過建立 ERP 系統、電商平臺等主題表作為分析報表展示的數據集，正確應用分析報表，使其更好地融入工作當中，服務客戶以及公司部門，將大數據的優點擴散。之后還可以在公司數據倉庫的處理下，將數據以不同層次，不同維度或者是不同使用情況進行分批處理，以此來實現數據的靈活使用，確保數據的實用性和準確性，真正意義上實現了大數據與公司建設的融合與貫通。

1.3 數據分析及成果展示

以數據倉庫中的大數據為基礎，選用BI數據對其進行合理的分析，可以對研討方向和建設內容及目標進行初步規劃。可以通過對物資采集平臺收集到的數據進行分析研究，以及從供應商背景、供貨地域、歷年的物資采購狀況和公司關系網等數據處理結果進行整合研討可得知，為了公司后續的發展以及為其決策提供信息支撐，需要滿足供應商與公司合作的條件，確保雙方利益不存在沖突，達到雙方互利共贏的目的，滿足公司發展需求。公司經營管理核心內容為降低成本增加收益，所以要學會提前預判市場形勢，運用大數據進行分析報表，融合不同的子系統如業務系統、ERP 系統、電商平臺數據并將他們在數據倉庫中整理分類，最終以數據建模的形式通過分析報表來進行成果的展示。

2 促進數據分析在企業管理中有效應用的策略

2.1 健全數據安全系統管理

要想做好數據分析工作，企業的管理人員應當針對數據分析中的風險問題，做好應對措施來做好信息管理系統。首先企業的管理人員需防止項目合同出現頻繁修改的問題。其次，為了能夠滿足用戶的日常需要，企業需針對系統功能做好評審工作，并且隨時健康系統把控質量，做到在第一時間發現問題并采取相應措施去解決問題[3]。然后，對于企業團隊之間的配合不夠默契進而產生的風險，需要管理人員去調節好團隊之間的溝通協作工作，為了保證團隊的工作質量及工作效率需要制定相應的規章制度去約束他們。最后在信息系統項目管理中，除了上述所提到的風險，還存在由于管理人員操作不當而引發的風險。這類風險不是主要的風險，但是這也是需要我們去注意的，為防止這類風險的發生，企業需對數據安全系統進行完善，因為這是企業進行數據分析工作的前提，因此必須得到重視[4]。

2.2 健全體制

雖然數據分析的建立和發展是在大數據時代的基礎上，但是數據分析很多實際操作是離不開相關操作人員的主觀意識的，但是因為數據的復雜單單去憑靠操作人員的主觀意識是不行的，還需要有一個規范的標準，并且需對運營的主體進行監督和考察。為此，企業就需要借助大數據來建立相關的監督考核體制，以此來實現客觀的進行數據的分析整理，然后按照制定好的考核體制來對相關員工所做的工作來進行考核。

2.3 優化策略

企業要想在商務數據分析中對決策進行優化就需要對相關數據進行動態性分析和過程性監督以及信息的規范和處理，同時這也就說明監督和決策之間要有關聯才能實現二者之間的一體化。首先企業要在順應大數據時代發展的方向，對市場的發展進行數據分析和觀察，并總結出數據進行分析。其次是企業要將得到的數據進行分析整理位置后的決策提供依據，在進行數據分析整理時需要注意的是，該數據分析知識給企業提供一個參考，并不能決定最終的決策，更不能決定企業將來在市場上的發展方向[5]。

2.4 加強人員培訓力度

隨著信息時代的到來，數據分析在企業的使用頻率越來越高，但是由于網絡是虛擬的，許多的用戶沒有防范意識進而造成信息的泄露。同樣的，企業工作人員的信息及企業的相關信息也很有可能出現信息安全問題，為此企業應加強安全意識，對工作人員進行培訓以提高其信息安全意識和應變能力，這樣做不僅能讓企業管理人員學習專業技能還能夠促進企業管理提升。

2.5 柔性經營

企業的管理和經營要在商務數據分析的協助下進行，對于企業的內部和外部要采取柔性經營的策略。此外，企業可根據商業數據分析來對市場的發展方向進行預測以便于企業能夠合理制定計劃來適應未來的發展，不能夠只憑靠以往的經驗來判定企業未來的發展方向，不然會影響到企業的發展和管理提升。

2.6 統籌分析

要想提高企業的管理水平，首先就需要最大限度的通過數據分析來發現其背后的市場價值，這就需要企業對數據進行協調和管理，并實現數據的有序和標準為的是在避免以后的數據分析中出現因質量差異而出現的差錯，同時數據分析也要注意數據的更新，不能因為過時的數據影響到企業的管理和發展。其次在，在進行數據分析時，要分工明確，將工作準確的分配到各個部門，讓各部門負起相應的責任。此外，要對相關數據進行科學合理的登記和儲存。最后，企業不能對所有的數據進行分析，要挑選有價值的數據[6]。

3 結束語

隨著社會經濟的發展，數據分析工作已成為一種必然的發展趨勢，數據分析不僅能夠提高企業的工作效率，并且能通過數據分析平臺來對企業多年的累積經驗進行分類匯總和深度分析最終形成決策分析報表為企業的管理者提供決策幫助，最終達到促進企業管理提升的目的。