企业大数据管理信息系统的应用研究

金佳欣

【摘要】    随着时代的发展，科学技术的研究与应用水平不断提升，传统的各行各业已经都使用信息化手段去解决问题，进而利用大数据提高企业的管理水平和经济收益，实现数据的信息化管理，大数据管理信息系统应运而生，去为企业去创造更多的价值，本文就针对企业中大数据管理信息系统的应用进行深入研究。

【关键字】    企业管理    大数据    信息化

一、研究背景

随着互联网时代的到来，人类已经进入到以“信息化”、“网络化”和“全球化”为主要特征的经济发展的新时期，数据已成为支撑社会经济发展的继物质和能量之后的重要资源。传统的企业数据通过管理咨询的方式或传统软件进行管理、获取数据的价值，然而现在数据量达到千万级别，数据所产生的价值已经远远超乎企业的想象。在新时代使用传统的方式会面临数据获取不全面，数据处理不及时，数据缺失等问题，无法有效的利用和处理信息数据，会导致企业业务无法迎合新时代用户，业务范围无法扩展，工作效率降低，进而影响企业的经济利益，导致难以维持企业的健康可持续发展。

二、企业大数据信息管理的研究意义

目前我们所处的时代是一个大数据的时代，在生活中许多人都在无意识当中已经使用数据做决策了。比如在出行前我们会使用手机软件去查看一下路况信息，有没有拥堵或者车祸之类;当我们到了一个陌生的旅游城市，我们也会使用手机软件根据别人的评价内容来寻找人气较高的餐馆进行就餐;当你网上购物时，打开购物软件在首页都会自动弹出“猜你喜欢”，而“喜欢”的东西都是服务后臺根据你以往看过、买过留下的“痕迹”等数据信息，经大数据分析筛选后进行专属推送。上述描述的生活场景中，我们不难看出大数据时代中数据的重要性，当数据的体量达到大数据量级，那么数据不仅仅是其本身，更赋予了其新的应用价值，通过大数据的应用价值来提供更好的服务。那么对于企业，只有实现有效的大数据信息管理，才能对数据的应用价值进行挖掘，所以企业大数据信息管理的研究具有重要意义。

三、企业大数据信息管理方法研究

大数据作为互联网时代的产物，它具有以下几个特点。1）数据量极大。企业端几十万级别数量的数据即可称做大数据，个人端千万级别的数据量称为大数据。对于数据收集的渠道而言，没有制定的渠道，PC端、移动端或传统渠道都可以，目的是能够达到一定数量级的有效数据。2）数据种类多。种类从数据结构角度可分为：结构化数据、半结构化数据和非结构化数据。结构化数据通常是指用关系数据库方式记录的数据，数据按表和字段进行存储，字段之间相互独立。半结构化数据是指以自描述的文本方式记录的数据，由于自描述数据无需满足关系数据库上那种非常严格的结构和关系，在使用过程中非常方便。很多网站和应用访问日志都采用这种格式，网页本身也是这种格式。非结构化数据通常是指语音、图片、视频等格式的数据。这类数据一般按照特定应用格式进行编码，数据量非常大，且不能简单地转换成结构化数据。3）价值高。目前数据的价值已经不可估量，不仅能够进行数据挖掘、决策分析与决策支持、而且可以进行商业分析。例如电商垂直领域的生鲜电商则更是数据战场，凭借推荐算法和大数据杀熟等策略，收集完整的定价轨迹和用户偏好，构建全面的用户画像，开展精准的用户运营活动。

针对这些特点，在企业的数据信息管理系统中，通常通过采集、预处理、统计、挖掘四步骤对大数据进行分析和管理。如图1所示。

第一步会对数据进行采集。通常使用两种方式获取数据，一种方式是从传感器和其它待测设备等模拟和数字被测单元中自动采集信息，另一种方式以软件记录日志的方式来获取数据。第二步会对数据进行预处理。数据预处理分为四个阶段：数据清理、数据集成、数据缩减和数据转换。“数据清理”是指用于“清理”数据的方法，具体包括移除异常值、替换缺失值、将干扰数据进行平滑处理以及纠正不一致数据。在执行上述每一项任务的过程中会使用到多种不同方法，将根据用户偏好或问题集来确定具体使用的方法。下面从问题解决方法的角度介绍了每一项任务。由于数据是从多种来源收集而来，因此“数据集成”已经成为数据预处理流程中的一个重要组成部分。这可能导致出现冗余数据和不一致数据，从而导致数据模型的准确性和速度都有所下降。为解决此类问题并保持数据完整性，随后需要使用诸如元组重复检测和数据冲突检测等方法。“数据缩减”是为了以精简方式表示数据集，这样得到的数据量较小，同时又保留了原始数据的完整性。这样可得到高效且相似的结果。数据预处理流程的最后一个步骤是将数据转换为适合数据建模的格式。第三步使用统计学的方法进行分析。统计分析是通过图表或数学方法，对数据资料进行整理、分析，并对数据的分布状态、数字特征和随机变量之间关系进行估计和描述。第四步是进行数据挖掘。数据挖掘是探索和分析大量数据，从而发现有意义的模式和规则的过程，通过数据挖掘，可以探取数据更深层次的应用价值，根据应用价值可以对未来趋势发展给出相应的判断和建议。企业可以利用数据的应用价值为用户提供更贴近、更先进、更好的服务。

四、企业大数据管理信息系统的应用

1）在新零售行业，根据目前快消零售的实际情况，通常对多渠道的业务进行整合，统一数据架构，构建“数据+业务”双引擎驱动体系，以数据化、自动化、智能化赋能营销、供应链、经营、门店等各环节，实现降本增效。例如在名创优品中，设计并建立数据中台全局架构，覆盖会员、产品、门店、交易支付、供应链等多个数据域，数据的获取更加快捷，进而探索分析销售情况。食行生鲜公司采用数据中台系统，从生产、运营、供应链管理等各个环节进行数据分析及报表上报，助力运营效率的提升。考拉业务复杂，业务更新快，大促频繁力度大，借助容器云，实现资源层和应用层的弹性，保障电商系统稳定运行。借助大数据技术，搭建大数据平台和数据分析平台，解决数据时效性、海量数据产生的大量计算等问题。

2）在金融行业，结合互联网技术与金融行业服务经验，协助金融客户构建安全、稳定、高效、敏捷的现代化金融系统，在保证数据实时可用的同时，推动业务数据充分转化为数据价值，促进业务快速创新。例如，中国工商银行作为国内交易量最大的金融机构，为承载高并发业务，需要分布式事务服务，保障架构的通用性，扩展性高可用性、高性能。人保金服在技术驱动业务发展的方向上有很高的要求，大数据辅助人保金服在互联网时代实現更加智能的业务决策，让企业战略制定更加理性化，助力人保金服实现数据资产向战略资产和市场竞争力的转化。

3）在教育行业，随着互联网以及物联网的发展，校园内传统的教学平台已经开始慢慢被更高效更准确的互联网平台取代，学生的课本学习资料，也开始网络应用化。接下来如何利用好教育大数据以实现精细的管理以及智能化的辅助教学是教育行业的下一个里程碑。海亮教育通过大数据服务，实现了多个业务系统的数据融合，覆盖其学校，教学以及后勤等业务板块，构建起具有教育集团特色的数据中台，有效支撑集团层面的精细化管理，并为其未来实现智能精准教学打下基础。

4）在制造业行业，工业互联网先进技术和理念，帮助制造企业打造统一的覆盖生产与管理全流程的数字化体系，通常以数据大屏展示数据报表的方式呈现，如图2所示，数据报表能够清晰的获取重点数据，以及详细数据情况，实现工业知识与能力的快速复用，以及不同环节、不同场景下数据价值的发挥，完善生产经营管理机制，提升人员及设备效率，缩短产品流通周期。

5）在媒体行业中，互联网改变了用户与媒体平台的关系，对所生成的内容形式、时效性和分发方式也提出了新的要求，企业大数据管理信息系统助力传媒企业打造数据驱动的新闻生产和媒体传播，实现传播空间、时间上的突破，重塑核心竞争力。为此第一方面建立统一的数据中枢，提供平台支持，帮助媒体理解用户、内容以及二者的关系，理解媒体革新趋势，保证媒体融合战略的先进性和执行效果，建立行业领先优势。第二方面实现智能可视化分析，让集团管理层和员工能够快速、直观地了解不同环节的状况，提升运营数据统计分析的工作效率。第三方面将数据中枢部署在内网环境，严格保障数据处理和分析过程中的数据安全性。第四方面降低平台建设和运维成本，以及数据分析成本。

6）在农业行业中，分别针对养殖业和种植业的行业现状与特点，整合物联网、大数据、云计算、微服务能力，提供数字化解决方案，帮助农业企业低成本、高效率实现生产经营的电子化、数字化，推动现代农业创新发展。

农业企业信息化起步晚，缺少整体规划，系统间数据互通难，行业内缺少数据应用技术人员，难以支撑企业日益增长数据需求，农牧企业产品品类多元化，不同品类保存和运输方式均不同，传统的供应链架构笨重，无法灵活满足不同品类产品的需求，必须建立敏捷的可视化数据开发平台，大大降低了海量数据应用分析及运维上的门槛，降低对于企业数据分析人员的要求。

五、结束语

大数据时代的来临，为传统企业带来了巨大冲击的同时，也带来了许多发展的机会。通过大数据管理信息的方法来实现企业的大数据信息的有效管理，建设企业大数据管理信息系统，以此来提高企业的信息化处理能力和数据价值的利用程度，扩展企业业务服务，提高企业工作效率，为企业自身的经济利益和健康发展奠定了基本的保障。

参  考  文  献

[1]张家全. "大数据环境下企业财务管理信息系统应用探讨." 商情 000.003（2020）：30.

[2]张秀川. 大数据时代建筑施工企业预算管理信息系统研究与应用[J]. 中外企业家， 2020， No.675（13）：115-116.

[3]孙凌峰， 刘丛. 高速公路信息管理系统中大数据应用研究[J]. 中国设备工程， 2020， No.443（07）：80-81.