大数据背景下企业决策管理的现实困境与应对策略

齐建军 陈曦

[摘 要]随着大数据时代的到来，越来越多的企业开始重视企业的决策管理，ERP、MRP、MIS等先进的管理系统也让企业的决策管理水平得到了全面提升。本文对大数据背景下企业决策管理系统中所面临的困境进行介绍，并针对这些困境提出一些切实可行的解决措施。最后以上海银行为例，探讨大数据在企业管理中困境解决的具体应用。

[关键词]大数据；企业；决策管理

doi：10.3969/j.issn.1673 - 0194.2016.04.050

[中图分类号]F272.2 [文献标识码]A [文章编号]1673-0194（2016）04-00-02

近年来，大数据的发展战略成为世界各地企业的热点关注问题，很多企业将大数据战略与企业自身决策管理制度相融合，通过各类数据的全面搜集、筛选和分析，做出了更具科学性的决策。同时由于大数据属于新兴技术手段，很多企业也面临着现实困境，所以积极寻求解决困境的方法是目前的主要任务。

1 大数据概述

大数据是指数量巨大的、无法在短期内进行应用、分析、筛选或搜集的、为企业决策管理提供依据的信息。大数据具有精确、多样、速度快、数量多等特点，利用这些特点，企业在经营过程中可以进行模型建造和全面分析，挖掘对企业发展最有利的信息，从而让企业管理者提出最科学的决策方案，实现企业的可持续发展。2012年月美国政府发布“大数据研究和发展倡议”，正式启动大数据发展计划，随后英国、加拿大、澳大利亚、法国、日本等多个国家也相继启动；惠普、微软、阿里巴巴、百度等国内外公司正在积极抢占大数据技术市场。

2 企业决策管理中面临的现实困境

2.1 大数据背景环境复杂

目前，已有超过150亿台移动设备连接在互联网中，并且以每年50%的速度增长；数据信息丰富拓宽的，企业和环境互动增多，使得企业在利用大数据的传播、管理等方面出现困难。在这种复杂的环境背景下，给企业的决策管理带来了一定影响。

2.2 数据中信息甄别的难度较大

在大数据应用起步的背景下，2013年IBM商业价值协会对40多个行业中4 000多名企业职业者、管理人员的调查中，有超过60%的企业人员表示大数据分析已经带来了具体、可观的效益。同时，移动互联网产生的数据量已经达到ZB级别，然而有些企业还在使用比较传统的数据分析方法，有用数据的提取和甄别极为困难，成为信息提炼工作的难题。

2.3 市场的不确定性造成决策滞后

大数据的分析需要进行全面的评估、论证、研究等一系列过程，但市场经济的发展是瞬息万变的，企业在做出决策时，决策的内容可能已经不完全符合市场发展的需要，因此会让企业错过发展的重要机遇。

2.4 企业决策的主体多元化

由于企业的信息化进程不断加深，管理者逐渐意识到，由单一主体决策时往往会产生偏差，技术人员、学者和专家被加入到决策队伍当中。多元化决策主体在一定程度上增强了企业决策的科学性，但也降低了决策的效率，减弱了大数据的决策参考价值，因此决策的合理性和科学性受到了很大影响。

2.5 企业的决策方法缺乏创新性

大数据应用的快速发展使得传统的决策管理方式已经不能满足先进企业的发展需求，固守传统的数据分析方法或是在决策管理时没有充分注重数据的关联性和相关性，使得企业在数据挖掘利用方面难度较大，其决策也会有滞后性。

3 解决企业决策管理中现实困境的策略

3.1 构建大数据集成系统时顺应环境变化

当前的大数据环境十分复杂，企业在决策时候要充分了解当前的发展背景，全面适应环境的发展和变化，降低决策难度。首先，数据分析人员应熟练使用大数据和云计算技术对数据进行分析和预判，提取数据信息。其次，企业要对决策管理系统进行集成优化，实现系统扩展性、综合性和实用性功能的统一，通过更多渠道来收集相关数据和信息，充分了解用户的想法和需求，进行跟踪式的回访和调查，根据客户的意愿对决策进行相应的调整。最后，在此基础上重视企业业务的项目计划和产品设计，最大程度迎合市场环境的发展。

3.2 使用数据挖掘技术来提取企业决策信息

企业应该使用数据挖掘技术来对数据进行全面的甄别和提取工作。具体来讲，分布式高速高可靠数据爬取方式可以采集结构化和半结构化数据，各种开源工具对已接受数据进行辨析、抽取、清洗等，清除其中的冗杂数据、错误数据和噪音数据等，集合同类数据集合，利用分布式文件系统（DFS）将分类过的数据置于数据仓库当中；利用如聚类、决策树等多样的大数据分析方法进行数据挖掘，最终通过可视化、商业智能（BI）等多种展现和应用技术为企业的决策提供帮助。

3.3 在企业内部建立并优化决策管理系统

为保证企业数据信息在各个部门的流畅性，数据在企业内部需要形成一种良好的交流模式。竖井就是对于组织部门的一种比喻，各个组织有自己的管理团队和人才队伍，但是缺乏与其他单位合作交流的动机与需求，跨越竖井就成为当代企业生产中面临的重大挑战之一。

因此，在企业实际的发展过程中，首先应在企业内部建立信息化的沟通平台，让企业员工可以在这一平台上进行有目的、有针对性的交流和沟通；决策者也应基于信息平台进行决策，避免传统决策方式中信息的滞后，使企业业务在第一时间得到全面开展。同时，员工可以对数据进行分析和监管，减少决策错误，让信息链长度达到最适合的标准，实现企业决策管理制度的全面优化。如通过大数据湖等先进大数据架构，设计者和生产者可以共享数据，同步模拟测试关节，计算成本，实现信息和情报的融通。

3.4 拓宽企业决策主体，有效降低决策风险

市场经济的不断发展在为企业发展带来机遇的同时也丰富了企业的业务类型，这给企业决策带来了更大风险。若利用近年来出现的“智囊团”所提出的建议来进行决策，包括一些专业的咨询机构和专业的情报信息机构等，可以大大降低企业发展中的风险。另外，企业应当优化和更新决策主体结构，让每个决策主体都发挥作用，从而提升决策效率，为企业发展提供更有利的决策支持。由此可见，决策主体的拓宽能提高决策的精准性。

3.5 使用创新性的决策方式和思想

创新是企业发展的核心动力，在决策管理中也不例外。企业应采取创新方法对数据信息进行提炼和分析，包括结构上的转化、筛选和管理等；将先进的科学技术融入企业的决策管理系统当中，如利用可视化技术对决策结果进行直观模拟展示来增强互动性；或使用数据分析法对面临的风险进行分析和评估，让企业决策具有科学性和前瞻性。

4 以上海银行为例的具体应用

在目前的技术环境下，存在庞大的用户数量、复杂的数据关系、变化多样的统计分析需求，很多银行完成一套完整和完善的银行业务管理分析报表系统时存在很大难度；若需要对不同的业务系统产生的日间业务数据和业务历史数据进行跨平台的综合统计和分析，技术上会有更大的制约。“数据仓库”系统的存在保障了上海银行管理分析报表的实现。

4.1 上海银行面临的挑战

在业务层面上，缺乏统一标准，统计口径不规范、指标含义欠明晰、数据收集处理效率低；不同源系统间的数据形式不一致，导致系统间接口开发、信息交互的难度很大；各系统独自设计数据模型，使得数据标准、数据质量功能模块重复建设，耗费大量资源；先期咨询成果未系统化，影响了实际落地和日常应用。在企业内部，亟需规范数据质量管理，持续优化数据质量，为元数据管理的基本内容、方法和流程提供支撑；数据管理工作需要实现系统化和线上化。

4.2 解决方案

通过元数据管理系统采集业务元数据和技术元数据，提供元数据的映射管理、变更管理、结构管理、分析管理和查询管理，同时提供元数据批量导入及入库审批流程，主要方法有以下几点。第一，元数据与映射录入；第二，元数据变更，主动发起元数据变更的各类业务场景以及由此带来的后续处理；第三，元数据分析管理，包括血统分析、影响分析、表的重要程度分析、差异性分析等；第四，元数据查询管理，用于过滤元数据，使其元数据树只显示符合条件的数据，以便于用户找到需要的数据。

5 结 语

大数据在总体上为企业的决策管理带来了前沿的视角和崭新的环境，也让企业向着优化和创新的方向不断发展，让企业自身在市场经济迅速发展的当今社会占有重要的发展地位，还能够通过对数据的分析来不断提升自身的决策管理能力和核心竞争力。

主要参考文献

[1]何军.大数据对企业管理决策影响分析[J].科技进步与对策，2014（4）：65-68.

[2]崔异.受资金约束的第三方物流企业成本控制和服务定价策略[D].成都：西南交通大学，2010.

[3]陈忻.畅游数据海洋[J].中国建设信息，2013（6）：14-15.

[4]杨华锋.论环境协同治理[D].南京：南京农业大学，2011.

[5]窦登奎.我国上市企业运用衍生金融工具套期保值的实证研究[D].成都：西南财经大学，2011.

[6]江凌.技术性贸易壁垒对我国农产品出口影响分析及应对策略研究[D].重庆：西南大学，2012.