大数据征途二三事

2017年，是中国数字经济飞速发展的一年，随着国家大数据战略徐徐铺开，使用数据进行决策，成为领导干部的必修课和基本功。对于大型企业集团而言，要实现企业大数据建设的目标，并非是一件简单的事情。企业的数据资产要在决策中发挥作用，必须关注数据的质量和及时性。很难想象决策层可以在过时和失真的数据基础上做出正确的决策。

企业集团数据资产的建设是一个复杂的系统工作。其中存在的问题及难点不容忽视。在过去的几年里，数据资产建设失败的案例比比皆是，真正理解了什么是商务智能的企业寥寥无几。如果你正在主持企业数据资产建设项目，下面的问题必须认真考虑。

问题一，如何建设企业数据资产。

这里有一个看似合理的误区，“我们要建设一个大数据平台，把各个系统接上去”，很多企业对于大数据建设的理解还停留在建设一个大数据平台，用于展现经营数据的层面，却很少考虑数据从哪儿来和数据质量的问题。理由是建设小组的负责人通常认为领导层往往只关注数据展现的结果，不考虑数据的质量和来源，很多企业建设所谓的智能BI，展现的是定期手工填制报表的数据，仅仅能称之为统计分析系统。虽然看起来光鲜亮丽，但是手工填报数据的数据质量堪忧，决策层使用这样的数据去决策，是一件非常危险的事情。

大型企业集团往往存在多套系统，覆盖管理的方方面面。这些系统通常由不同的软件商开发，数据之间缺乏关联，无法复用。而恰恰需要这些系统的数据连在一起，才能呈现企业经营的全貌。在调研的过程中，软件商的宣传也会有一些误导作用，比如“我们的大数据平台，具备数据采集、清洗的工具，您的业务数据存在多个系统没关系，系统没有打通也没关系，全部灌入大数据平台，可以通过清洗功能进行数据清洗，得到有效的数据。”作为一个企业集团的信息建设者，要更深入的思考，先不说不同业务系统不断增长的数据，每次清洗的工作量有多大，企业的员工能不能坚持去清洗的问题（不要相信软件可以自动清洗，清洗需要规则），且说业务核算与财务核算的差异问题，就不是清洗可以解决的，仅靠清洗让各个系统的数据完成对接，存在的问题是不可预见的。

有些软件商甚至承诺非结构化数据采集，通过智能知识抽取将文档中的数据结构化用于决策，但是目前未听说有项目达到可用效果。

问题二，如何打破数据壁垒。

可能对于不同的职能部门来说，独立系统的数据能够满足部门决策的部分要求，但是对于企业整体的决策层来说，用这些数据来进行战略决策等于天方夜谭。更加严重的是，在一个独立法人内部，可能把重要数据指标简单汇总还能大概看到一个经营的全貌，而对于一个企业集团来说，存在不同业务板块、不同子分公司，要看到整个集团的经营全貌就只能靠财务报表数据。财务数据也不同程度的存在问题，包括财务数据是否能真实、准确地反映了业务，取决于企业的内控是否完善；财务数据向业务信息延伸的程度决定了它对决策的作用有限；财务数据的获取周期比较长，对于日常决策的支持能力有限。有些人会问，如果企业集团拥有一套统一的业务系统，是不是就能够在业务层面看到数据的全貌？只能说有可能，这取决于业务覆盖的全面性，此外，如果分布式业务系统的不同数据库之间缺乏统一的基础数据管理，在集团汇总时，业务数据的横向比较就成为一个不可能完成的工作。可能对于某些经济指标能够完成汇总，但绝对不能满足日常决策的支撑。

问题三、怎么解决数据安全问题。

数据集中了，质量变好了，那数据安全就成为重中之重，因为黑客们只要攻破了你的数据中心，数据就像决堤的海一样一泄而空。同时，很多人有机会接触你的数据，比如你的软件服务商，选择一个可靠的长期战略合作伙伴，将是企业的必然选择。有几点请注意，软件的安全策略，软件是什么架构，软件的服务如何部署？云智能请慎用，因为云智能的服务（语音识别、图片识别、人像识别等等）往往在公有云上，人工智能是需要大数据来支撑的，需要不同的客户去培养知识库的成熟度，企业在帮云智能培养的同时，也将面临巨大的数据泄露风险。因此，如果你认为你的数据非常重要，私有云架设也是必须的。

那么，到底要怎么做？经过两年的数据资产建设摸索，一点小小的经验与各位分享。数据资产建设，需要有一个足够高的战略规划，足够长的建设过程，从基础系统的数据治理开始，深度思考如何获取准确的运营数据和如何提升数据质量。

第一，主数据建设是必须跨出的第一步。你只有真的做过主数据，才知道其中的艰辛与困苦，才知道这个地基一样的项目的重要性。企业的主数据建设，是在企业集团内部建设一套标准的数字化基础数据，包括了企业的组织机构、部门、人员、客户、供应商、核算体系、经营指标等等，同时包括各个系统中要使用的国别、货币、地区、性别、职称等等，基础数据的梳理、建模、录入还只是个花时间的工作，如果企业集团存在大量在用的历史业务系统，那么主数据对这些业务系统的基础数据的清洗将成为巨大的难点，因为经验说明，没有哪个业务部门对自己的系统的基础数据能够进行相当规范的管理，也没有哪个过去的系统在建设的过程中仔细考虑了基础数据的规范性和重要性。但是，一旦主数据建设收到了成效，它给你带来的喜悦也是成正比的，首先新接入系统在系统接口方面大大降低了工作量，其次你真的发现很多数据变得有关联了，一些以前难以解决的统计问题，如今变得轻松起来。

第二，标准化体系建设是非常必要的。无论是业务系统还是财务系统，数据流转必须打通，数据流转打通后才有可能整体规划标准化体系。最近有些论点在批判过度的企业标准化建设局限了经营的发展，当然凡事必然有度，物极必反。但是标准化体系建设确实是企业集团数据资产建设的重点，它使得集团内不同子分公司的数据具备横向可比性，标准化的提升使得数据资产的质量不断提升。标准化体系建设包括业务标准化、流程标准化、财务核算标准化等，标准化与自动化相辅相成，越标准化的数据越容易实现自动采集、自动核算，当业务在流转过程中足够的自动化，人为干预的因素越来越少，数据资产的质量将越来越高，数据采集的难度也越来越小。

第三，用好数据资产比拥有数据资产更重要。拥有是基础，但是有了数据资产后，知道如何使用数据资产，怎么根据数据做出决策将更加重要，所有决策分析模型都基于定量数据，不断的尝试、挖掘、比较才有更多的经验。让人欣慰的是当数据资产建设到一定程度，很多历史数据（特别是财务数据）经过治理也逐渐具备了分析的可能，成为企业集团对标自身历史水平的数据基础。

财务业务事业部总经理 郑骞