以大数据为核心的智慧企业信息系统变革

王祎雯++王岳

摘 要

随着企业信息系统建设与管理逐步从数据电子化向大数据阶段发展，大数据技术对于建立智慧化的企业信息系统提供了必要的技术支持。本文通过分析大数据对传统信息系统建设与管理的影响，引入“SMART”管理模式，建立以信息技术为支撑，数据应用和数据驱动业务为目标的智慧型企业信息系统，以实现信息系统数据的有效利用，为企业内外部用户提供更好地服务。

【关键词】大数据 企业信息化建设与管理 SMART管理模式

1 引言

随着信息技术的快速发展，以及信息系统在促进企业发展、提升企业竞争力方面的优势得到广泛认可，企业信息系统的覆盖范围以及所获取的信息资源越来越多。在此背景下，利用信息技术建造智慧的信息系统，对所拥有的庞大而复杂的数据进行有效管理、分析和应用，创新现有业务开展模式，改善与业主、供应商之间的信息共享与互动模式，洞察新的业务市场，已成为未来信息系统建设的目标和必然趋势。近年来伴随“大数据”以及“智慧系统”理念的提出，为企业利用自身优势和特点，构建大数据背景下的智慧型企业信息系统建设与管理模式提供了基础。

2 大数据对传统信息系统建设与管理的影响

伴随着信息技术以及信息系统业务关注焦点的不断转变，企业信息系统建设与管理经历了从数据电子化阶段、流程电子化阶段到互联网阶段的发展历程。然而，随着系统应用范围的不断扩展以及应用层次的不断深入，传统的“数据电子化”和“固化业务流程”的信息系统建设与管理方式已无法满足“智慧系统”的时代需求，大数据正在从多个方面对企业信息系统建设与管理进行着影响：

2.1 认知思维方面

在大数据思维的影响下，信息化工作参与人员逐步认识到，大数据时代的信息系统建设已不仅仅是对数据的电子化和业务流程的固化，以实现简单的“无纸化”办公，而是在全局考虑业务要求和未来发展规划的基础上，借助大数据，对业务流程进行改造进而发现潜在的机会，通过数据分析，实现信息系统的“智慧化”并反哺业务升级与创新，实现促进企业发展、提升企业竞争力的过程。

2.2 管理决策方面

传统的信息系统服务于企业的业务和管理流程，使得信息系统在建设之初就赋予了“业务驱动”和“被动式”的特点，同时，由于传统信息系统基于规范的、相对静止的成熟业务和管理规则进行实现，使得信息系统的建设与管理必须依靠富有经验的少数精英人才进行决策。然而，随着数据的不断积累以及大数据技术应用的不断深入，面对当下瞬息万变的市场环境，信息系统不仅需要实现流程的固化，更需要通过充分分析和挖掘当前市场资料，协助企业管理层和规划管理部门对企业未来的客户组成、业务范围、市场需求等内容进行预判，以帮助企业快速、精准的适应未来的市场环境，从而真正发挥信息系统协助企业流程再造、促进企业发展、提升企业竞争力的作用。这一转变，使得大数据时代的信息系统建设与管理需要从“被动式”的“业务驱动”转变为“预判式”的“数据驱动”。

2.3 数据管理内容方面

大数据时代，不仅改变了信息系统建设与管理的关注重点，同时也在一定程度上改变了信息系统的数据管理内容。现有信息系统中，可以将信息分为结构化数据、半结构化数据和非结构化数据三类。随着文本、影像资料等在业务开展中的普遍使用，半结构化和非结构化数据在所获取总数据量中的比例也在逐年递增。据IDC的一项调查报告中指出：企业中80%的数据都是非结构化数据，这些数据每年都按指数增长60%。然而传统的数据库技术，往往在系统设计阶段就忽略了数据类别的多样性、半结构化和非结构化数据向结构化数据的转化以及三种数据形式的兼容问题，使得传统信息系统不得不依靠不完整的数据资源作为分析的原材料，给数据分析的准确性以及后续数据应用埋下了隐患。同时，作为企业未来发展模式的预判工具，企业信息系统在数据收集的范围上也存在一定外延，需要在获取自身业务数据的基础上增加对环境数据的收集和整理，以保证数据分析的准确性。

3 信息系统建设与管理的“SMART”管理模式

随着企业信息系统应用逐渐趋于整合化与智能化，信息技术对于企业发展的意义已由原始的“技术”层面发展到“信息和数据”层面，如何将已有的数据进行整合、分析与利用已成为当今信息系统建设与管理需要解决的重点问题。在此，提出“SMART”管理模式，用于大数据时代信息系统的建设与管理，即：Standard、Share and Safety（标准化、共享和信息安全）、Management（管理）、Application Platform（应用平台与基础设施）、Real-time interaction（实时互动）、Throw in of resources and Talent construction（资源投入与人才建设）。

3.1 Standard、Shareand Safety——标准化、共享和信息安全

数据作为大数据时代的生产原材料，其标准化程度直接影响着后续多系统数据共享的可行性以及分析结果的准确性。随着数据使用和搜素范围的扩大，由于不同平台的数据含义存在较大差异，数据质量以及各系统间的数据共享都需要数据标准化体系进行支撑，企业需要根据所设定的业务场景和需要实现的目标制定出数据格式、采集方法、处理工具、使用方法、共享模式等标准，完成对系统模型及数据规范的统一和整合，为业务分析与利用提供支撑。

同时，由于大数据环境下，信息系统之间是互连的，如何保证数据在传递和共享的过程中不被篡改和泄露已成为大数据背景下信息安全管理工作的重要内容。业界普遍认为，云技术能够帮助企业构建更为灵活的混合云构架支持应用融合。为了在周期性的IT能力需求波动和业务安全之间取得平衡，企业为核心业务打造私有云平台，而将边缘性业务和新业务开发迁移在公有云，并从服务器点对点连接、底层存储、数据同步、消息同步等方面实现私有云与公有云的集成。其中，公有云存储应用于增长速度最快、最难管理的非结构化数据，混合云存储以私有云存储为基础，公有云数据无缝透明且快速迁移。借助公有云发展大数据等拓展服务，应用层负载均衡支持私有云与公有云的调度资源，应用和数据满足多个公有云的互操作。

3.2 Management——管理

大数据时代，企业信息系统建设也随之逐渐迈入新时代。随着数据分析复杂程度的不断加深，需要一套行之有效的管理机制来保证数据分析结果的准确性，具体涉及：认知管理、数据质量管理、数据范围管理等。

（1）要加强针对大数据时代信息系统建设内容的认知培训，建立大数据分析的支持体系，使“信息系统的作用已不再局限于实现流程的固化和数据的电子化保存，而更多的体现在通过系统的‘智能化，帮助企业降低成本、提高效率、开发新产品以及做出更明智的业务决策”的思想得到企业内部的广泛理解，形成企业对大数据综合管理、探索和利用的共识。并将通过整合、分析、利用数据推动企业发展的思想贯穿信息系统建设的始末，逐步消除用户对数据录入可利用性的怀疑。

（2）根据现有的信息系统对大量的、无序的历史采集数据进行梳理和诊断，通过对已有数据的分类和比对减少错误数据、相互冲突数据等“脏数据”的比例，对数据进行清洗和去噪，为后续的数据分析与应用提供基础。其次，利用新兴技术对非结构化数据进行处理，把数据转化为方便处理的数据类型，以完成对非结构化文本数据的提炼和整合，实现对数据有效的深度分析和新知识的发现。

（3）完善对数据获取范围的管理，通过对业务场景、已有客户或目标客户群的分析，筛选出业务开展过程中所需要和产生的数据点及其颗粒度，进而对影响这些数据点的内外部数据以及环境影响因素进行整理，作为需要获取的数据范围，以降低由于影响因素管理缺失造成的分析结果偏差。

3.3 Application Platform——应用平台与基础设施

完善的信息基础平台是大数据发展的支撑，其建设与完善需要同时关注“增加信息计算分析和数据消化能力”、“数据资源收集面和量的拓展及延生”两方面内容。在大数据管理的管理平台中，传统结构化数据管理模式与非结构化数据管理模式的有机结合是这个管理平台得以发展和推广应用的理想方案，而结构化数据的处理需求和非结构化数据处理需求，需要依靠高度可扩展的大数据处理系统来完成，充分利用最新技术的扩展性，实现新旧数据、新旧信息系统、新旧软硬件资源以及新的数据处理算法，实现大数据有效的深度分析和新知识的发现。

3.4 Real-time interaction——实时互动

企业信息系统作为数据存储与分析的载体，其对大数据的应用是一个循序渐进的过程，需要经历取数、取知识和取专业建议3个阶段。企业信息系统的建设与管理首先要满足内部用户对于支撑业务的需求，并据此提供对业务数据获取、数据整理以及报表生成的功能。随着数据应用的不断深入，用户对于数据的要求将逐步提升到分析报告、关联业务数据分析以及初级的数据挖掘上，以实现对隐含规律的发现。最后，当企业内部已逐渐适应数据分析的过程时，数据分析的程度将更加深入，通过将分析结果以咨询报告、规划报告、业务拓展方案建议等形式主动反馈给企业决策者和项目经理的形式，实现数据与业务的实时互动和数据驱动业务的目标。

在数据应用的表现形式上，可以采取个性化推送模式来实现与用户的实时互动，即：根据用户的使用习惯、数据需求以及业务特点等，主动对所获取的数据、分析结果和业务关键节点进行过滤，将有利于业务开展或用户感兴趣的信息推送到其桌面上。如：为负责采购的项目经理提供采购物料以及相关原材料的历史价格、根据当下环境预测计划采购物料的价格并提供支撑依据等。

3.5 Throw in of resources and Talent construction——资源投入与人才建设

大数据作为近年来新兴的技术，将其思想与方法运用于信息系统建设中需要依靠专业信息化实施团队、基础设施、系统应用背景等来源于人、机、环多方面的资源投入和支撑。在大数据时代背景下，信息系统建设的技术、理念、理论、模式、以及评价标准等都产生了巨大改变，需要用全新的理念和方法去筹划。这就需要企业在信息系统建设过程中，组建一支理解大数据含义以及所需应用的信息技术实施团队，从而在系统规划、系统建设、问题处理方式选择等各方面做出正确的应对。同时，在信息化人才建设过程中，要使IT技术人员对企业的业务开展、管控模式、发展需要得到充分的理解，以便在信息系统建设过程中对整体方案和细节问题处理上有良好的把控。

4 结语

面对当下瞬息万变的市场环境以及信息技术的不断发展，大数据技术虽然无法帮助企业精准的预测未来，但是通过对用户特征、使用习惯、业务情景等内容的发掘，使得企业拥有更多的机会了解用户潜藏的需求，并尽可能的把握市场趋势。未来，企业信息系统建设与管理需要通过良好地把握与分析企业全业务链的关键数据和经营管理信息，实现数据挖掘、监控分析、统计查询和可视化展示，以提高办公效率和应急响应能力，降低交易成本，辅助科学决策和战略管理，实现以大数据为核心，驱动智慧信息系统的变革。

参考文献

[1]在云计算环境中管理非结构化数据[EB/OL].[2011-08-08].http：//www.searchcloudcomputing.com.cn/showcontent_51402.htm.

[2]段云峰，秦晓飞.大数据的互联网思维[M].北京：电子工业出版社，2015（02）.

[3]王理达，王芳，张少彤.基于SMART模型的智慧城市综合评估框架[J].电子政务，2013（4）：18-23.

[4]陈兵兵，刘慧.大数据对采购与供应链的影响[J].中国采购发展报告，2014（00）.

[5]Andrea De Mauro，Marco Greco， Michele Grimaldi.A formal definition of Big Data based on itsessentialfeatures[J].Library Review，Vol.65：122-135.

作者简介

王祎雯（1985-），女，北京市人。硕士学位。现为中国电能成套设备有限公司信息中心工程师，从事信息化建设工作。

王岳（1972-），男，现为国家电网公司直流建设分公司高级工程师，从事物资管理工作。

作者单位

1.中国电能成套设备有限公司信息中心 北京市 100080

2.国家电网公司直流建设分公司 北京市 100052