帆軟數據應用研究院 李向川

「大數據」這個詞，從2012年開始，成了時髦、高端、創新的代名詞，一直火到2015年初。2015年開始，「大數據」一邊被人耳熟能詳，一邊又成了讓人嗤之以鼻的辭彙。如果業內人士，關注 Gartner 的技術成熟度報告的朋友，會有清晰的了解，2015年正是「大數據技術」的泡沫破裂期。從2016年到現在的2017年，廠商和相關技術供應商不斷完善自己的產品，加上用戶需求的明確，產品在設計和使用場景上趨於成熟，「大數據技術」正在穩步爬升。那麼「企業大數據」和「大數據」到底有什麼關係？「「企業大數據」它從哪裡來，這裡，我們從這兩方面聊一聊「企業大數據」。

1 企業大數據，你到底是什麼

1.1我們先來看看主流的大數據概念。

IBM提出大數據的5V特點：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（低價值密度）、Veracity（真實性）。

麥肯錫全球研究所給出的定義是：一種規模大到在獲取、存儲、管理、分析方面大大超出了傳統資料庫軟體工具能力範圍的數據集合，具有海量的數據規模、快速的數據流轉、多樣的數據類型和價值密度低四大特徵。

「大數據」（Big data）研究機構Gartner給出了這樣的定義。「大數據」是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力來適應海量、高增長率和多樣化的信息資產。

由我們帆軟研究院總結來說，大數據一般指數據量級非常大，常規數據處理、數據存儲和數據分析能力無法滿足要求的數據。同時，「大數據」的「數據處理能力」是相對的，是不斷提高的，隨著大數據處理技術的發展，今天的大數據會成為明天的小數據。

1.2 我們的企業大數據，是個什麼概念

前面提到的這些大數據，對大多數企業來說，都是外部大數據。當前大家所說的「利用大數據來做某某事」，一般都指的是利用外部大數據。從帆軟研究院的經驗來看，當前的大數據應用更多在「富數據」行業：互聯網企業、電信企業、電子商務、金融服務業。而廣大非超大型的大中小型企業，並不一定擁有這樣的「富數據」的業務機會。但針對企業外部的大數據，有些開放的數據我們還是可以通過技術手段獲取和使用的。

每個企業日常經營和管理中都產生數據。比如考勤數據、銷售數據、銷售行為數據、生產數據、財務數據、採購數據、人力資源數據等等。企業大數據是指全面記錄企業經營和管理活動的數據。

我們這個定義，是從企業實踐應用角度出發的，不過分強調數據量，即使數據不多，依然是企業大數據的一個組織部分。我們主要重視數據設計範圍的全面性。在企業數據化經營和管理中，只有全面的、相互關聯的數據才能發揮作用。

1.3 再談談數據的價值密度概念

在 IBM 對於大數據的定義「5V」中，有個Value（低價值密度）,外部大數據數據量和信息量非常大，但內容不聚焦，對單個企業來講，價值含量低。而我們的企業大數據每一條記錄都和企業高度相關，都可能蘊含巨大信息量，價值密度高，需要企業更加重視。從另一方面來說，企業大數據是我們當前能快速挖掘利用，能高效分析，支撐決策管理的數據；而外部讀數據，或許更適合我們發現商機和商業模式，對於企業經營管理，效果不一定可觀，甚至難以支撐經營管理決策。

2 企業大數據，你從哪來

2.1 企業大數據主要來自日常工作活動。
企業管理資訊系統里，各個崗位管理者都有數據清單。下面是常見部門崗位數據清單舉例。我們看到人力資源管理、財務管理、銷售管理等業務相關的部門，都有這類數據清單。如果企業不能快速提供這些數據，那就說明這個企業的數據化管理存在嚴重的數據源管理不足。

2.2 企業數據源頭管理需要系統化

同行或者潛在市場的相關數據，比如競品信息、競爭對手活動信息、潛在客戶名單、客戶內部決策流程等，需要銷售人員主動去外部採集。數據的質量和數量完全依賴於銷售人員的積極性和主動性。

企業需要建立管理制度，落實管理流程，來確保相關人員採集數據的積極性和準確性。比如一定程度上關聯KPI，或者進行獎勵性措施。為什麼企業大數據管理不能僅僅依賴於個人的積極性和主動性呢？因為不同的員工基於不同的資源和個人利益，會帶來不同的結果。企業要想構建比較完善的企業大數據，必須要系統化地管理。

企業建立相關管理制度，一方面落實到人，讓數據負責人對自己所負責的數據有質量意識；另一方面，在內部管理上，要建立不斷完善的活動與數據更新的聯動機制。這些需要在內部管理制度、崗位要求、任務說明、流程要求等方面作數據管理的規範性要求。

一般來說，企業可以先自行建立簡略的數據管理的的相關管理制度，也可以諮詢帆軟數據應用研究院等專業的數據化管理研究機構，提供方法支持和可借鑒的標準化模板，以及借鑒其他成功的數據化管理項目實施案例。

2.3 企業大數據的分類

企業大數據更多關注的是企業內部的數據，是指企業自主擁有的，具有「自主產權」的數據，包括企業主動合法採集的、外部採購的、第三方合作的，以及政府等機構公開的、無償使用的。

我們從數據所描述的「主體」上，把企業大數據分成兩大類。

第一類，是資源信息數據。資源信息數據是「靜態數據」，記錄企業相關內外部資源主體的相關信息。企業的資源包括人、財、物和信息四大類資源。舉2個資源信息數據的例子。

第二類，是資源活動記錄數據，指得是公司經營管理活動所必然牽動的數據。比如，考勤數據、銷售交易數據，這些都是資源活動，具有極強的時效性，我們稱之為「動態數據」。舉2個資源活動記錄數據的例子。

2.4 企業大數據的六大主要來源

為了企業構築更加完整、全面的數據源頭，我們從數據描述對象與企業的關係角度，以及動態和靜態信息來進行分類，企業大數據的來源主要有六大類。

企業資源的信息數據（靜態數據）；

企業資源活動的記錄數據（動態數據）；

企業經營活動所接觸外部資源的信息數據（靜態數據）；

企業觀測到相關資源活動的記錄數據（動態數據）；

企業主動採集或者採購的外部數據（靜態+動態數據 ）；

外部開放數據和公共數據資源（靜態+動態數據）。

如果企業能夠堅持3~5年持續收集、處理數據，甚至主動採集市場上的調研數據，那麼企業就能不斷感知公司內部和外部市場的變化，隨時調整公司內部管理，以及產品線、銷售策略，品牌策略，讓大企業有具有敏銳的感知力和高效的行動力，做到「春江水暖鴨先知」。

有一類重要的企業大數據來源，不是來自企業經營管理活動，帆軟研究院稱之為「外部公共開放數據資源」。外部公共開放數據資源，包括政府公布的人口數據、經濟數據以及權威機構發布的研究數據等。

企業制定戰略、研究投資等方面是，需要考慮深度分析這些數據。這些數據一般都有固定的開放平台，包括國家統計局網站、權威數據機構網站、官方媒體等。比如，人口數據對於大多數公司制定發展戰略、確定年度目標有重要參考意義。

外部公共開放數據雖然在逐年增加，大基本保持平穩，統計方法基本不變。企業如果需要，應該積極主動的去利用這些數據。

3 我們該怎麼做：立即開始積累企業大數據

從帆軟研究院過去3年多的調研來看，企業不捨得投資管理資訊系統和數據積累，主因是沒有充分認識到這些業務生產、經營、管理的數據的價值，不知道數據有什麼用。當前，企業中還是實用主義至上，企業管理者當前看不到數據的價值，就不注重數據的收集和管理。可以說，這是企業管理者「短視」導致的必然結果，同時也為未來企業競爭動力不足留下隱患。

其實，我們企業不是沒有數據，而是沒有對數據進行有效管理。我們不可能分析和挖掘沒有的數據。現在不積累數據，會陷入「先有雞還是先有蛋」的怪圈。未來的市場競爭環境完全不同以往，靠經驗做決策風險非常高，企業需要積累數據，「以史為鑒」，避免「重蹈覆轍」，做到「心中有數」。

根據管理學大師彼得·德魯克的經驗，企業最大的經營風險來自於外部和內部環境的不確定性，越是複雜多變的市場環境下，企業要想持續經營就越加需要注重確定性，而提高企業經營和管理確定性的基礎就是數據。

企業數據化管理做不成，是有方法診斷「病因」的，我們主要從「不會」和「不為」兩個方面診斷。

一是：不會。確實，大數據概念太新，相關知識、書籍 、培訓課程不足，問題客觀存在。同時，我們也應該看到，帆軟等大數據分析解決方案服務商，探索在前，有成功經驗可以借鑒。

二是：不為。我們需要繞過最大阻力：「你不可能叫醒一個裝睡的人」，很難教會一家不願意推數據化管理的企業。企業的大數據積累和沉澱需要企業全員的數據思維和數據意識。如果中層管理者和基層員工缺乏數據思維和意識，企業高層難以推動。

最後，筆者整理總結了一張圖，方便大家系統了解「企業大數據」。

參考資料：
[1] 趙興峰. 企業數據化管理變革[M]. 電子工業出版社, 2016.

喜歡這篇文章嗎？歡迎分享按讚，給予我們支持和鼓勵！