企业如何从互联数据中获益

企业如何从互联数据中获益
本内容由人工智能自动翻译。

许多中小企业(SME)处于大数据用户的范畴之外。不过,可以依据企业消耗的数据量及数据对其核心业务的重要程度,将这一格局划分为若干类别,具体如下:

  • 高数据用户,如服务业中以数据为核心的企业,其主要产品为提供信息、研究的报告;此类行业包括营销、法律、合规等。

  • 中等数据用户同样依赖数据。其中许多企业属于服务业,通常保有大量产品库存。这类企业以劳动力和知识为主导,业务基于提供服务和资源。相关行业包括招聘、物流、保险、旅游等。

  • 小型数据用户主要利用数据支持管理及核心业务活动,例如制造、零售、休闲、设施管理等。这些企业利用数据将产品从供应链转移至客户手中。

数据量 用户

尽管按数据使用量将企业用户划分为不同类别,但很难设想有哪家企业不依赖数据来支撑至少一套核心管理流程。虽然可以预期高数据用户在工具上更为成熟,在数据存储与访问方面更为熟练,但三个类别面临的问题相同。它们通常拥有的系统由多个相互独立的结构化和半结构化数据孤岛构成。大型企业拥有或力图拥有集成解决方案,但即便在较大规模的企业中,这种程度的数据集成也远未普及。我们有证据表明:在中小企业市场的高端,许多公司的数据池之间几乎没有整合。在规模较小的企业中,只有少数采用非常简单的供应与配送模式的公司,其数据整合覆盖了主要业务流程的大部分。

为何中小企业需要获取大数据技术

多年来,我们一再发现企业面临的同一个问题。这一问题以及由此衍生的其他问题,均源于同一共同原因。在我们多年来接触过的每一家公司中,系统内都已具备可用信息,但它们无法方便地将信息分发给决策者,无法及时汇总信息,也难以以易于理解的形式呈现和共享信息。举例来说,在一个客户项目中,我们从其5个不同的ERP应用中收集数据。该企业内部运行着Oracle、JDE、SAP、CODA,以及另一套配置完全不同的SAP。这些系统的输出数据通常以人工导出的CSV文件形式存在,随后通过一系列电子表格操作进行人工清洗。虽然我们可以设计其他数据采集方式,并开发任意数量基于Restful或SOAP的API,用以接收或摄取数据流,但这要么需要创建复杂的映射以在不同模式之间转换,要么需要新增一张表来接收遵循结构化输出的数据。这往往是一次性的做法,分析完成后,这些定制表便不再需要。大量编程资源可能耗费在这些流程上。

数据孤岛

这些问题在大数据走向成熟之前很久便已显现;尽管我们熟悉多种数据仓库技术,但这些技术都依赖于结构相似的数据。在一家公司内部,更不用说在众多公司之间,并不存在结构相似的数据集这种便利条件。此外,问题中还混杂着大量半结构化数据,以及格式各异的数据。当看似海量的数据被汇集在一起,形成呈现核心要素和关键信息的快照时,这些数据往往来自变化极快的来源。数据涌入的速度(即速度,或velocity),以及数据被消费的速度都在加快,这是另一个必须纳入考量的因素。

快速增长的企业正迅速超出其遗留应用的承载能力,解决这些企业的系统问题时,我们会想到过去几十年间同样存在的信息碎片化问题。不久前,我们接触过一家公司,它通过收购和激进的营销迅速壮大,并委托开发了一套跨集团的ERP应用。该应用的设计、构建和交付耗时颇长。除了应用本身成本高昂之外,规格制定者、业务分析师和开发人员都忽略了一个事实:集团内很大一部分收入来自定期租赁销售。问题在于,系统没有自动化的方式将租约到期日传递给外出一线的销售人员。负责管理租约续签的人员都在各自使用电子表格四处奔走。即便在当时,人们也难以接受:一家以销售为主导、取得成功的企业,竟然依赖其顾问自行制作电子表格,甚至独立数据库,来高效交付其核心产品。如今,这种状况依然存在且十分普遍,人们更难接受。大型集成商所提供解决方案的一个常见问题是灵活性不足:将新的数据源接入系统或从系统中导出,可能是一个复杂且昂贵的过程,而大数据技术能够提供更大的灵活性。
在我们看来,解决方案显而易见。互联网,尤其是网络,已经教会我们,通过搜索数据即可获得信息。如果这一方式适用于互联网上的数据,那么它同样适用于企业创建、获取和使用的数据。大数据技术既可应用于私有数据,也可应用于私有数据与公共数据的混合,因为大数据技术被设计用于处理结构化和半结构化数据。它被设计用于处理存储在云端的数据,并能高效应对动态处理需求以及不断变化的源数据规模。

数据存储
文件存储

我们之所以能找到解决方案,是因为使其成为可能的技术已经出现。这项技术成熟、支持灵活扩展,且成本可负担。为何需要解决方案同样显而易见:它满足了需求,并解决了反复出现的问题。它还将改变人们和企业处理数据的方式。它使数据驱动的决策工具易于获取,提供按需商业智能,并使人们无需大量内部技术资源即可获取隐藏在文档中的知识。它使得从文档和数据存储孤岛中收集的知识能够被融合并加以分析。

混合数据

中小企业考虑大数据解决方案的商业理由

在审视任何企业的总体技术需求时,它们普遍面临的最突出的单一问题,源于信息孤岛的存在。我们合作过的所有主要商业咨询公司都认识到这是一个关键问题,有些甚至将其作为衡量企业流程成熟度的指标。企业信息碎片化的原因有很多。通常,企业会拥有:用于管理客户关系的系统(如Sales Force);会计软件(如Sage);用于管理销售、库存或服务的应用(如电子商务应用或销售点产品);以及资源管理软件。

随着企业发展,其系统也各自独立地增长;随着所收集的信息量增加,信息管理难度随之加大。由于数据不断增长,IT部门将变得非常紧张。从所有这些系统中获取数据存在问题,因为除了彼此无法互通之外,这些系统产生的数据还采用完全不同的结构。企业积累的数据具有三个特征:速度(数据被创建和消费的速度)、规模(所收集和存储的数据的实际数量)以及多样性(数据所采用的不同结构和形式)。高规模、高多样性和高速度,是对“大数据”的标准描述。

尽管相比之下,中小企业处理的数据量远低于当前对“大数据”的定义,但处理中小企业所持数据的技术,与大数据企业所用的技术是可以共享的。高规模、高多样性和高速度这些特征,同样适用于中小企业通常会遇到的数据集。因此,驱动谷歌、亚马逊、Face Book和Twitter等大数据企业的技术,能为典型中小企业面临的问题提供解决方案,也就不足为奇了。处理非结构化和半结构化数据的能力、分布式处理、云端存储、弹性资源、优化搜索、简便的分类与索引、机器学习、可视化以及按需自助报告,正是大数据技术所打开的大门。

本文与 Smart Data Collective。发布本文不代表世界经济论坛认可其中观点。

想要紧跟议程动态, 请订阅我们的每周简报。

作者:Bruce Robbins 为 Xcipi 首席执行官。

图片:图中可见电线。REUTERS。

分享:

授权与转载
世界经济论坛发布的文章,可依据《知识共享署名-非商业性使用-禁止演绎4.0国际公共许可协议》以及我方《使用条款》进行转载。 本文所表达的观点仅代表作者个人立场,并不代表世界经济论坛的观点。