央企大数据实施策略

何瑞娟

近年来，几乎所有的行业都受到“大数据”概念的影响。很多企业都希望利用大数据实现公司业务的创新甚至转型。不同企业采用不同模式作为大数据切入点，本文将结合工作实际阐述央企大数据的实施策略。

大数据特征及挑战

如何利用数据挖掘技术为企业支撑决策、防范风险、降低成本、提高收益，已成为众多企业所关注的重点。

海量数据的出现、数据结构的改变，对数据管理及分析带来巨大挑战。传统数据仓库无法有效存储日益增长的业务数据，也无法有效处理新型的业务数据。挖掘大数据的价值类似沙里淘金，从海量数据中挖掘稀疏但珍贵的信息。价值密度低，是大数据的一个典型特征。

大数据带来数据处理理念的重大转变。全量胜于抽样，万物数据化突破了传统的小范围数据分析限制。混杂胜于精确，规模改变时，事物的状态也可能发生改变。相关重于因果，基于规模效应产生的相关性，有时可以选择关注“是什么”，而不是“为什么”。没有独立大数据战略，只有整体数据战略。

大数据能力是随着业务要求和技术发展的演化而逐步形成的，包括传统报表和KPI的监控、深度自助分析、个性化分析、实时预测等。大数据技术在企业应用方面的探索主要分成两大类型：增强原有业务模式（提升效率）；变革原有业务模式，尤其是对现有收入与运营模式的根本改变。

大数据应用设计

企业大数据的建设是一项业务、技术、组织和管理等四个方面综合的系统性创新工程。大数据应用的根本在于业务创新，业务上如何量化决策、如何依靠数据产生新的价值，业务需求是大数据平台建设的原始驱动力。随着数据量和业务复杂度的双双增长，企业数据工作对数据分析能力提出了更高的要求，将需要更加专业的数据分析师通过分析和挖掘数据对业务提供支持。

在企业中实现大数据的另一个重要前提是消除“信息孤岛”。在传统企业中，由于历史原因在不同业务单位建设不同的信息系統，这些系统中的数据往往缺乏数据标准、格式不统一、意义多样，并且无法交互。而要消除这些信息孤岛，将系统间的数据壁垒打通，需要企业高层管理者的关注和参与，形成强大的执行力才有可能实现。

大数据分析应根据企业的实际情况分阶段实施。中国五矿集团公司是以金属、矿产品的开发、生产、贸易和综合服务为主，兼营金融、房地产、物流业务，进行全球化经营的大型企业集团。结合企业的经营特点，五矿集团的大数据实施分为几个阶段。

建设大数据平台，实现集团层面的大数据初步分析。包括：完成大数据平台的基础设施平台设计和相关建设，建设企业集成数据模型设计和详细规划。

深化应用，建立从执行层到决策层的核心应用。包括内部业务与外部市场情况的联动分析：如财务与市场情况、风险的内外部分析等。整合物流运输数据，以产业链为中心，建立物流运作分析。

细化应用，建立运营层面的业务分析中心。建立矿产业务分析，例如：开采分析、设备预防性维护。建立金融、地产等业务中心的专项应用，建立矿山企业生产数据分析等。

同时应建立有效的大数据运营管理体系，提高良性、有序、持续的更新完善机制，确保大数据平台具备持续的生命力，为企业创造更大的价值。大数据平台分析能力应根据业务规划而调整，通过评估数据模型、不断调整，向企业内外部提供更具价值的数据应用。

大数据应用场景

中国五矿集团公司当前已经积累了大量历史经营数据及外部数据，并建立了较为完善的数据仓库体系，实现了若干数据挖掘技术的应用，并逐步在以下领域做出尝试。

集团领导管理驾驶舱 实现数据可视化和“一站式”精细化运营决策。通过完整的指标体系和科学的维度划分，将企业全景数据进行直观、形象、系统化的展示，真实反映企业运营状态、客观评价企业经营成果、动态预警企业经营风险，为管理决策者提供“一站式”决策支持服务。

资产预测性维护 在能源开采和制造行业，应用基于大数据的资产预测性维护，可以实现有效的分析根本原因，减少关键零件故障造成的机器、设备、资产的停机时间，最大限度地减少产品问题引起的供应链问题，提高维护资源的生产力，规避机器、设备、资产故障的成本，更加精准地预测费用，以提高效率和降低成本。

市场价格走势预测 金属矿产行业企业受国际、国内经济形势影响较大，大宗商品价格走势和宏观经济形式的变化都对公司经营产生重要的影响。利用大数据分析技术，收集和分析多维度的环境数据，探索建立相关计量模型，通过机器学习实现对金属矿产品市场价格走势的预测，使企业在面临市场形势复杂多变的情况下，依然可以保持战略主动，就能为实现既定经营目标营造有利条件。

供应链绩效管理、全程管理 供应链的绩效管理需要按照以日为单位进行精细的管理。绩效可以从多角度进行衡量，比如质量、速度和成本等。为监控某个货物的状态，需要去各个系统进行查找。供应链绩效管理覆盖一系列考核指标，让企业能够实时地看到各地域和各个流程的绩效指标。通过对各系统数据的整合，可以全程监控某个具体的货物。绩效管理全面地收集各种数据，能够全面地反映每个环节的绩效。收集、整理和计算供应链上各个段的考核指标，创建全盘的、基于详细考核数据的管理视角。

客户供应商“画像”分析 通过对客户、供应商的历史交易数据、信用评级信息、资产负债状况，结合第三方征信报告，客户、供应商行为分析等，对客户、供应商进行“画像”。可建立比传统方法更加全面、准确的客户、供应商管理体系，及时发现客户、供应商的新动向以及潜在可能发生的风险。

此外，利润贡献度分析，以客户账户的实际交易为基础（基于客户交易行为的分析），运用五大因子（净利息收入、其他收入、直接费用、间接费用、风险因子）计算基于最细粒度的账户贡献度，再归并汇集为客户、产品、渠道、机构等利润贡献度，发掘新商机。

物流优化 企业物流管理存在诸多问题，如缺乏基于分段的端到端的全程管理和监控能力，强调总时间，而不是精确的分段时间以及应对变化的能力，基于平均值的固定的交付时间和成本计算，供应链通常被认为是一个单一的管道，缺乏需求预测和各个环节之间的预警能力，供应链的各个参与方目标不一致，责任不清，承运商没有清晰的绩效考核指标等。通过数据仓库来整合各系统中的数据，分段计算各个段绩效和服务质量。通过数据仓库监控、精细化管理供应链上的各个环节，通过可视化的方式来描述复杂的路径、地点和运输渠道，找到每个路线上的问题发生点，仔细分析每个分段上的问题发生的原因。可建立高效的运输与配送物流管理信息平台，通过大数据分析合理的运输管理、道路运力资源管理，构建全业务流程的可视化；利用自动识别技术实现订单处理、跟踪、结算，货物的快速入库、盘点、仓储管理；利用GPS等技术，实现货物及资产的实时定位；使用无线智能终端，实时地收集、传输物流信息，由此制定、优化操作物流计划，缩短物流周转时间。

矿产资源勘查 勘探、采矿时产生的地质、环境、矿山物流等数据，数量巨大且类型繁多。根据这些数据，可建立更加准确的矿山生命周期模型，在矿山开采、维护、环保等方面价值巨大，其数据本身就具有商业价值。另外，无人机在勘探中的广泛应用，使得图像处理和分析也具备成为另一个业务增值点的能力。

拥抱大数据意味着让企业管理者在证据的基础上做决策，而不是依赖自己的经验或直觉，公司需要推动决策文化变革，形成“以数据说话”的氛围，大数据将在未来的工作中扮演越来越重要的角色，甚至推动业务转型。大数据建设是一个系统性工程，在业务运营和管理中拥有十分广泛的应用前景，企业应先从最基础的数据采集、整理和质量管理做起，相信在不久的将来会为企业产生巨大的价值。endprint