应用跨行业数据挖掘模型规范航天制造企业数据开发利用策略

仵永亮

（首都航天机械有限公司，北京 100076）

在企业发展管理过程中，挖掘数据这一核心要素的创新驱动潜能，使企业基础发展条件得到巩固的同时，不断推进数据、技术、业务流程、组织结构等条件的应用水平，在帮助企业实现信息化转型的同时，提升数据应用能力。经营与发展数据，作为反应企业状态的重要材料，可以指导企业获得良好的发展环境，尤其是在信息技术的支撑条件下，可以更好的应用网络计算与整合优势，促使企业在跨行业数据挖掘模型的辅助下，完成数据开发利用的客观需求。

1 数据开发利用的框架结构

航天制造企业在数据开发利用过程中，必须建立起系统性的管理模型，通过结构性的管理设定，将操作、信息、数据划分为不同的层级，使其在应用与建设中发挥出更强的科学性。首先，在实际操作层的设计中，应将航天产品研发、制造、销售、服务等企业研制和经营活动中的不同组成部分，设置相应的信息资源库。通过设立专项部门，执行数据信息的采集与管理，并及时将整合到的信息资源归类到信息系统中，并通过运算模型的计算，完成对实际工作决策的指导。

其次，在信息系统层面，企业可将PLM、EPR、MES 这些已投入运行的信息系统，进行集成化管理，在统一标准的控

制下，通过数据与相应接口的规范化管理。以此发挥出信息分析方法中的科学性，保证为数据分析提供必要的基础条件。

第三，设计数据分析层的过程中，应将数据库、深度挖掘、智能决策支持系统作为构成分析基础的功能模块。在提取信息数据的基础上，根据实际工作中对数据信息的需求水平，完成材料内容的存储与转化。同时，在特定的方向内容上，对管理者的决策内容提供参考信息。例如，在细化分类中，可将信息挖掘深度控制在研发方向、市场管理、职能部门调整等内容上，并将最终的决策权回归到管理者手中，使信息材料的实用价值得到保证。

2 跨行业数据挖掘模型下的航天制造企业数据开发利用

数据挖掘模型最早是在1999 年由欧盟组织提出，在经历了多年的发展与应用之后，这种数据分析方法已经在各种KDD 模型中占有优势地位。在2014 年的数据统计中，其采用量已经达到了43%。内容上，跨行业数据挖掘模型可将独立的KDD 项目分为6 个不同的结构模块，即商业理解、数据理解、数据准备、建模、评估、部署。

首先，在商业理解的内容中，应将企业的发展战略作为出发点，在确定自身个性化的竞争优势的基础上，重点打造企业在信息化环境下的新型能力。通过对信息化环境下能力目标的管理，在宏观目标的基础上，利用信息的量化特点，对发展中急需解决的实际问题进行定位。使数据可以在合理的策划内容引导下，对发展方向、关联部门、开发方法、数据来源等内容进行整合，形成对企业发展有明显辅助作用的应用系统，强化企业在商业环境中的建设水平。

其次，数据理解，需要将数据的开发利用作为基础，在有效策划的方法下，将企业结构中的不同部门、岗位、生产等环节数据进行整理。同时，通过合理化的管理方法，对数据的质量进行管理，保证信息内容的精确度、覆盖面与指导性。另外，在此种方法的引导下，还应对数据的特征表现进行分析，在讨论数据特征之间关联性的过程中，充分挖掘数据的创新驱动潜能，通过假设明确信息材料中的应用条件。

第三，数据准备的过程中，应对各类不同数据之间的目标相关性进行分析，讨论数据质量与开发应用技术的条件，以此完成建模处理前的准备工作，为建模的科学性奠定牢固的基础。方法上，应从数据表格的制作入手，将规范化的管理模板应用数据的记录与整理中，提高数据管理水平。然后，需针对完成汇总的数据材料，进行清理与筛选，利用多次反复的甄别，保证数据材料的质量，并在最终形成数据集合，以便更好的提高应用价值。

第四，针对数据材料中整理出来的问题类型，执行数据建模操作，并在模型选择上，尊重客观问题的实际条件，以此才能保证模型分析的科学性。在对比以往工作内容的基础上，分析建模方法的合理性，对于重复的典型内容，可以直接沿用以往的模型进行分析，以此提高工作效率。注意，如在此环节中发现数据内容不匹配的问题，需重新进行数据准备，直到数据材料的精准度达到客观需求，才能执行建模处理。

第五，在形成最终的建模部署之前，应对新建模型进行评估，通过合理性分析与逻辑性讨论，论证模型中各个方法与步骤的应用条件。对不同数据材料还需进行融合化管理，验证其在执行数据开发利用过程中的应用条件，为保证模型部署操作的质量奠定基础。

第六，企业在执行信息部署的过程中，应由信息部门牵头，在相关业务部门的配合下，完成整体信息系统的构建，并在不断应用与建设的过程中，完善并优化部署信息系统的使用条件。在执行过程中，需对各个部门与岗位的参与性作出详细的指示，通过数据开发利用中责任范围的划定，保证不同岗位与部门的工作人员，都能深度的参与到项目执行的过程中，为保证数据开发利用的有效性创造条件。

3 数据开发利用项目的优化策略

（1）强调商业理解，执行宏观统筹管理。执行企业数据的深度开发，必须重视商业理解的基础性地位，在保证数据开发利用方向性的基础上，发挥应用优势。从企业管理者的角度，深刻理解并参与到数据资源开发内容中，站在宏观层面对企业发展过程中亟待解决的问题进行管理。通过目标关联性与贡献性的分析，抓住重点内容，在全局决策中，起到指导作用，为企业整体的走向统筹决策，实现全局发展战略的完善。

（2）优化信息来源，制定规范数据标准。数据材料的完整性、准确性、真实性是保证其开发应用的基础条件，也是实现航天制造企业信息化和工业化融合发展目标的重要保障。如果数据信息的质量达不到标准，即便是模型条件再完美，也不能对其中存在的误差条件进行控制，使数据分析的结果得不到保证。所以，在进行数据采集的过程中，必须制定出标准化的管理内容，通过各个环节处理中的控制与有效的校对机制，使数据的质量维持在较高水平，提高模型计算的科学性。

（3）明确责任空间，约束岗位人员行为。责任分配是控制数据开发利用执行效果的重要途径，也是维持其持续性发展的必要手段。在进行数据控制的过程中，应从制度层面进行管理，对不同岗位与部门的工作作出详细的描述，使相应工作人员可以更好的履行自身的职责，并减少工作过程中相互推诿的问题，防止出现数据遗漏与丢失的情况。在进行责任管理的过程中，应重点规定数据采集与维护的周期性水平，在确定采集、汇总、校对、录入等环节的基础上，将数据材料的真实性作为审核的标准，完成责任人的管理工作。

（4）落实工作总结，提高决策质量条件。定期对数据处理工作进行总结与分析，是保证执行质量与信息水平的重要手段，也是提高数据指导性的必要途径，可以不断修正并优化数据开发利用过程中的方向性问题，为决策者提供更具参考价值的指导内容。方法上，应定期对数据处理工作进行总结与分析，将数据的质量、目标执行效果、信息贡献度作为参考条件，对阶段性的工作内容作出总结，不断对工作方法与业务流程进行调整。而执行此种总结方案，也可使工作人员的责任意识得到巩固，并实时的更新信息系统模型，保证数据开发利用的高效性与准确率，实现数据深度挖掘的建设目标。

4 结语

信息技术的壮大，为工业化发展带来了新的建设思路。作为企业在市场经营活动中的核心，数据的深度开发是保证企业发展状态的重要推进力量。企业在进行数据开发利用的过程中，务必尊重跨行业数据模型的应用水平，在保证信息建设程度的基础上，完成对生产、管理、销售、人员等多方面的数据优化。并重点在统筹管理、制度约束、岗位责任与决策条件等关键点上进行控制，实现企业发展的智能化转型。