当传统企业遇上大数据

大数据绝对可以算得上当下的流行话题，购物要大数、出行要大数、看病要大数、上学要大数……，好像什么行业都能与大数据搭上边，又似乎一切都可以大数据了。对于经历过多年企业信息化的传统企业来说，大数据对于他们既清晰、又迷茫，他们有过数据仓库、数据挖掘、商业智能（BI）概念的洗礼，但又看不懂“大数据”与之前的概念有哪些不同。

按照百度百科的解释，大数据技术(big data)，或称巨量资料，指的是所涉及的资料量规模巨大到无法通过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。大数据的4V特点：Volume（大量）、Velocity（高速）、Variety（多样）、Value（价值）。显然上述解释仅仅是描述了大数据的一些特征，对于企业如何开发大数据、利用大数据进行运营管理，并没有过过多的指导。

本文建议传统企业在建设大数据系统的过程中，不仅要建设数据分析平台，更要构建起一个数据分析的生态圈，让人人都是分析师，让数据分析渗透到企业运营的每个环节，真正实现数据运营、科学决策的管理模式。构建数据分析生态圈，可以概括为“两个市场，一个平台”，两个市场是指业务数据市场、分析工具市场，一个平台是分析观点分享平台。

一．业务数据市场，让业务数据变得开放透明。

业务数据是分析的源泉，没有数据就谈不上大数据。企业经过多年的信息化建设，一般都会有多套业务系统在运行，如办公自动化系统（OA）、财务管理系统、ERP系统等不一而足，但这些业务系统都是孤岛式隔离，数据缺乏整合，而且底层数据库都是经过专业设计、复杂度较高，非厂家技术人员难以使用，通常都是利用定制报表的方式进行分析和使用。因此，在利用数据上存在着数据提取难度高、报表需求响应慢、数据准确性差等问题。

产生上述问题的原因在于，传统数据结构复杂，对业务人员不开放，利用报表的方式提供数据时，需求人员期望的数据与技术人员提供的报表之间存在着巨大的鸿沟。建设业务数据市场就是将各业务系统的数据进行抽取、清洗、整合之后，按照业务过程重新进行整合，封装为统一粒度、统一维度的数据库表。这些数据表的特点就是能被业务人员所理解并解读分析，这样业务人员可以在较早期就发现数据中间存在着的问题。在建设数据市场的过程中，有几点需要特别注意：

l  采用维度建模方法，以“易懂性、易用性”为原则。业务数据市场的数据是供企业分析人员使用，他们更多的是不懂技术的业务人员，数据结构应该符合多数人的直觉，而非像传统“三范式”那样，需要借助复杂的ER图才能表述清楚。对于专业的IT人员，尤其是要抵制将维度模型设计成“雪花模型”以节省数据重复、增加灵活性的诱惑，从而带来模型复杂性的代价；

l  全面梳理业务，实现数据的互联互通。传统企业的业务系统，多数是烟囱式的软件系统，若不在企业层面进行业务梳理，就不能很好地对数据进行整合，提取有价值的信息。在整合数据的过程中，必须要有统一的维度才能有效实现数据整合，比如，统一的客户编码、身份证号等，所以梳理企业层面的统一维度是实现数据整合的关键步骤；

l  分主题、稳步推进。企业运营涉及的业务过程众多，眉毛胡子一把抓是不可能的。在建设企业数据市场时，要根据企业的特点，优先建设对运营最重要的业务，尽快投入使用，逐步完善，比如，一个销售类的企业可以先将订单业务整合起来；

二．分析工具市场，打造适合需要的分析框架。

数据是一座金矿，但还需要依赖好的工具才能将金子提炼出来。直接分析原始数据虽然灵活，但更加适用于高水平的人员，对于大多数的一线员工，应该提供更加易用的分析工具，如报表、图表、报告等，将业务指标以形象的方式展现出来。分析工具市场就是企业内部汇集分析工具的地方，提供给员工根据自身情况使用。

分析工具市场包含两部分功能，一是制作分析工具的开发平台，一是运行分析工具的门户平台。在建设分析工具市场的过程中，有几点需要注意：

l  分析工具市场建设。从技术角度来看，分析工具市场可以找到众多的软件系统满足需求，企业可以根据实际情况，或采购、或使用开源，搭建这么一套软件系统，既能让企业自己定制报表、分析图表，也能将制作好的分析报表展现出来；

l  分析工具的开发以企业自身为主，外购为辅。分析工具与业务特点、与人员使用习惯等因素紧密关联，其需求变化频率高，全部依赖外部厂家开发，则一方面费用较高，另一方面需求响应也不及时，可能等开发出来，分析的需求却没有了，因此企业要培养自己的开发队伍，可以利用数据市场中的数据开发出各类查询报表、分析图表等；

三．分析观点分享平台，让数据分析社交化。

大数据时代，在数据充裕的同时，带来了有价值分析结果的匮乏。数据分析，绝对不是高高在上的阳春白雪，而是需要人人参与、百家争鸣的氛围，要在企业内部树立人人都是分析师的理念。

分析观点分享平台的建设，采用类似于朋友圈、微博等社交媒体的机制，让每个人都有机会表达对数据的分析观点，通过转发、评论机制，让有价值的观点浮上来，在这个过程中，分享观点的个人可以获得成就感，转发、评论的人有参与感，企业从中获取到对运营决策有价值的想法，基于数据分析过程实现了科学、民主的决策。在建设分享平台的过程中，有几点需要注意：

l  人员关注机制。由于企业运营不同于互联网，存在着一定的封闭特性，不建议采用微博关注的开放性，而应该采用朋友圈类似的“关注－同意”的朋友机制，避免不适当的关注带来的信息泄露；

l  分享范围控制。由于企业数据的特殊性，员工在分析观点的时候需要控制分享范围，避免机密信息的泄露。控制分享范围，既要有人工控制，也要从平台层面通过权限控制，如财务数据的分享范围仅限某几个部门或人员等；

l  分享观点排序算法。综合多种因素对发表出来的观点进行排序，以便让展现到每个人眼前的都是最符合期望的内容，营造一个良好的分享环境，避免劣质内容驱逐优质观点给生态圈带来的毁灭性打击。

相信企业通过建设“两个市场，一个平台”，一定可以充分发现数据价值，在大数据的浪潮中游刃有余，真正实现数据运营、科学决策的管理模式，避免经验决策带来的错误。