資料化與資訊化的邏輯,有本質的區別
在傳統模式下,資訊科技服務於業務流程,通過資訊化建設,業務流程效率可以大幅度提升。傳統的紙質辦公或者紙質審批耗時耗力,通過電子審批,企業可以實現隨時隨地進行審批,無須等待,也不需要面籤。資訊化記錄了所有環節各個節點的資料,能夠做到隨時可查、可追溯,方便了管理。
資料技術是在資訊科技基礎上發展起來的,有了資訊化沉澱的資料,對這些資料進行深度分析和挖掘,為認知世界、分析和判斷,以及追溯決策效果提供資料基礎。但是,資料技術的邏輯和資訊化的邏輯具有本質區別。資訊化主要從業務流程視角看待問題,只要流程中有活動需要記錄,就有一個資訊化的介面或者資料採集的環節記錄資料。資料技術則需要從資料採集、資料管理、資料開發和資料應用的視角思考問題(具體可參考下圖)。
以業務流程為中心的資訊化建設只需要滿足業務流程需要即可,不關心資料之間的關係,只關心流程需求的滿足。當業務流程以部門為主導進行時,資訊化只需要服務業務部門的流程即可,這樣業務流程的邊界就成為資訊系統的邊界。CRM只服務於客戶關係管理,對產品、定價、物流供應支援力度不足,因為CRM是由銷售部門主導的,並非由生產或者物流部門主導的;當企業再選擇ERP時,以財務管理為主導,而財務部門只關心資金的流動,其中涵蓋採購訂單、生產訂單和銷售訂單。但是財務部門並不關心這三個訂單之間的邏輯關係,只關心這幾個流程中的財務資訊或者貨幣化的勞動是否被記錄,這樣就形成了資料孤島。資料孤島是傳統資訊化建設的必然產物,因為沒有資料邏輯引領資訊化建設。
以資料作為核心的大資料中心平臺,則重視資料的“入”“存”“管”“出”。
“入”指的是資料採集,即從哪些環節採集資料,需要哪些資料,使用什麼系統採集什麼樣的資料,從而為資料分析如何助力經營管理決策服務;資料採集的時間和方式、資料記錄的內容有什麼要求,資料採集的粒度、精確性、準確性和及時性如何保證;同時,資訊系統在採集並記錄資料之後,以何種方式、頻次和格式傳輸到資料中心平臺,在傳輸過程中是否需要對資料進行加工處理。例如,從裝置端採集的資料可能是連續的,是否需要結合資料需求,通過邊緣計算轉化為結構化的分時段的整合的資料集。又如,溫度的採集可能是連續的溫度記錄,是否轉化為平均溫度傳遞給資料中臺的資料庫,平均溫度的記錄是按照每秒計算還是按照每10秒計算,抑或是溫度取樣資料,也就是在每隔10秒採集一次溫度 樣本資料,將樣本資料傳遞到資料中臺,這些都是在“入”的時候需要關心的問題。
“存”指的是資料儲存。很多企業的資料都儲存在原有資訊系統的伺服器中,有的資料儲存在員工的電腦中,也有的資料記錄在紙上留存在檔案櫃中。這些資料是否集中儲存,以什麼樣的形式儲存,是結構化後儲存,是直接儲存非結構化的,是以掃描件的圖片形式儲存,還是通過OCR識別之後儲存文字和數字。監控錄影是以流媒體視訊格式儲存,還是以高清晰影像的方式通過圖片取樣的方式儲存。儲存方式與後期資料分析和挖掘需求直接相關。
“管”指的是資料資產管理。資料對應的標準、規範和質量是資料資產管理的核心內容。企業需要建立什麼樣的資料標準確保資料前後的可比性和流程前後的可溯性,如何規範資料才能確保資料的質量。另外,從安全管理的角度,誰可以看,資料傳輸是否需要加密,資料儲存之前是否需要進行加密處理。誰能夠獲得授權訪問,授權的粒度是到欄位級還是資料表級,還是要到資料庫級。資料的授權訪問是否要跟蹤和追溯,是否要記錄到底誰在什麼時間訪問獲取了什麼資料……從安全管理、質量管理、標準管理的視角規範資料的管理,使企業的資料資產在安全有保證、質量有保證、使用有保證的條件下高效管理。
“出”指的是資料的使用。企業使用資料時首先要取出資料,通過查詢獲得相關資料,提供給需要應用或者使用這些資料的部門。對“出”的管理要從資料服務視角監控資料的使用,讓有許可權的人使用,在使用過程中要跟蹤使用的領域,不能損害資料主體,也要避免違法使用。系統中可能記錄了使用者的隱私資料,這些隱私資料需要用一種什麼樣的方式進行脫敏才可以授權使用。
企業大資料的邏輯已經發生變化,傳統企業資訊化之後,需要建立資料倉儲集中管理企業的資料資產,這與過去資訊化建設的邏輯不同。企業需要關注資料資產,需要集中化管理,更需要專業化管理。這對傳統企業的資訊部門也提出了新的要求。
企業資料資產管理概念框架
本文節選自-《數字蝶變》,作者:趙興峰
來自 “ 明悅資料研究院 ”, 原文作者:趙興峰;原文連結:https://mp.weixin.qq.com/s/SJmjceBu04CeY-1a5TT0HA,如有侵權,請聯絡管理員刪除。
相關文章
- AI智慧與大資料的本質區別是什麼?AI大資料
- 二、python的邏輯運算與資料型別Python資料型別
- 企業走資訊化和數字化的道路,有哪些區別?
- 演算法與邏輯的區別演算法
- java命令的本質邏輯揭祕Java
- Amazon Redshift簡化資料管道背後的技術邏輯
- CEO 和 CTO 沒有本質的區別
- 大模型與生成式AI有本質區別大模型AI
- 資料分析 | 資料視覺化圖表,BI工具構建邏輯視覺化
- Go 中的 channel 與 Java BlockingQueue 的本質區別GoJavaBloC
- Linux下su與su -命令的本質區別Linux
- 資料倉儲與大資料的區別大資料
- R資料分析:樣本量計算的底層邏輯與實操,pwr包
- Android與物聯網裝置通訊-資料傳遞的本質Android
- 自動化測試的目的與本質
- Java中equals與==的本質區別是什麼?Java
- 企業資訊化與數字化的不同
- 為什麼我說OKR與KPI沒有本質區別?OKRKPI
- 介面、資料結構、資訊架構的區別資料結構架構
- 結構化資料與非結構化資料的差異
- SAP UI5 Currency 資料型別的校驗邏輯分析UI資料型別
- 計算機程式的思維邏輯 (23) – 列舉的本質計算機
- 殊途而同歸的資訊化與數字化
- Oracle資料庫的邏輯備份工具-expdp資料泵Oracle資料庫
- sql優化之邏輯優化SQL優化
- SAP Spartacus BrowserPlatformLocation的初始化邏輯Platform
- 資料探勘與資料分析的主要區別是什麼
- 資料庫中where與having的區別資料庫
- 奈學:資料湖和資料倉儲的區別有哪些?
- 區塊鏈代表的資料庫和傳統資料庫有何區別區塊鏈資料庫
- 透過資料看本質,企業數字化轉型離成功還有多遠?
- 騰訊QQ大資料:邏輯迴歸如何用於新使用者識別與觸達大資料邏輯迴歸
- 邏輯函式的規範正規化:SOP與POS form函式ORM
- 讀資料質量管理:資料可靠性與資料質量問題解決之道05資料標準化
- 資料是自動化與智慧化的基礎
- 如何理解自動化測試資料驅動與關鍵字驅動的區別?
- 正向代理和反向代理的本質區別
- 企業需要進行資訊化改革,有哪些好用的資訊化管理系統推薦?