基于数据模型的企业管理态势评定体系

2022-04-01石兴

数字通信世界 2022年3期

石兴

(国能铁路装备有限责任公司，北京 100048)

1 数据模型需求分析

1.1 明确企业商业需求

企业商业需求主要目的是企业商业目标的最终实现，企业管理及决策相关人员应明确商业需求及相关问题，在企业信息查询与分析系统中融入商业需求，能够描述企业信息系统的功能，其包括决策主题域与主题域相关性确定等。首先，主题域主要指的是为实现多维分析，对相关问题做出的概念及界定，其涉及主题与指标两个方面。主题是数据归类的较高层次的标准，其与宏观分析领域相对应。指标是对不同分析条件下企业经营管理行为的衡量。企业决策主题是相互联系、紧密结合的关系，企业决策主题的确定，需要掌握不同主题关联信息的相关性，为数据模型的构建提供参考[1]。

1.2 分析现有联机事务处理系统

企业数据信息在很大程度上来源于联机事务处理系统，是企业数据信息查询与分析的基础，因此，在构建企业数据管理系统时应注重综合信息查询及分析的可行性与实用性，这就要求对企业现有的联机事务进行全面分析，掌握其需求。

1.3 综合考虑企业软硬件配置需求

不同数据建模类型其表现形式也具有一定的差异性，例如，数据物理建模在数据库中往往是以物理表的形式存在的，在对企业数据信息进行查询、分析模型构建时，应对企业软硬件配置进行全方面的考虑，其配置主要包括直接存取设备、网络、管理数据软件及操作系统。

2 企业数据管理模型整体架构

业务架构定义业务战略、治理、组织和关键业务流程。应用架构为将要部署的单个应用程序、它们的交互以及它们与组织的核心业务流程的关系提供蓝图。技术架构描述支持业务、数据和应用程序服务部署所需的逻辑软硬件能力，包括基础设施、中间件、网络、通信、处理、标准等。数据架构描述组织的逻辑和物理数据资产以及数据管理资源的结构。管理态势评定体系以业务流转内控体系为基础，分为两极：部门级和企业专题级。部门级，通过梳理部门相关材料和深入的部门业务走访，挖掘部门管理要素，就管理要素设计数据算法模型和辅助决策体系以及数据可视化展示Demo，就Demo模型与部门相关领导及公司主管领导进行沟通确认及优化。Demo呈现模式确认后，优化现有台账维度，并梳理部门当前数据覆盖情况，针对信息化已覆盖数据，展开接口开发。针对信息化未覆盖数据，确定数据补充机制。企业专题级，以本项目核心实施内容：年度投资计划管理、年度预算计划管理、年度C80状态检修计划管理和合同管理四个主线为基础，展开跨部门节点数据的整合[2]。实施逻辑图如图1所示。

图1 企业数据管理模型整体架构实施逻辑

3 企业数据管理系统的具体实现

数据仓应用系统的数据库是企业数据管理决策支持系统的核心，其作为DSS的数据来源具有多种不同的类型，DW的建立有赖于大量不同事务、可靠、历史性数据的支持，数据仓应用系统从DW可集成数据出发，面向多维数据模型，能够对数据中的潜在模式自动发现，结合数据模式做出相应的预测，为数据仓的分析与处理提供可靠的参考，不仅如此，经过数据仓分析获得的新内容能够对系统知识库予以补充。传统模式下数据库、模型库及知识库往往是独立存在的，存在内在统一性问题。在数据仓库系统下，其与联机分析与数据挖掘相结合形成了新的多维数据库，在多维分析工具支持下，利用可视化工具为用户呈现相关数据。体系结构如图2所示。

图2 数据仓决策分析系统体系结构

3.1 主数据设计

主数据是企业数据管理系统最为核心的部分，其涉及客户、账户及组织等多个场景系统间的数据共享，能够实现数据共享与企业内部数据一致性。企业内部需要构建属于自己版本的核心业务实体数据，不同部门可以结合自身职能及需求对数据进行构建，如作为合同部门主要关注的是客户合同相关信息；采购部门主要查询产品、售后等信息。在信息管理过程中不可避免会出现数据冗余问题，降低数据质量，同时也为企业数据管理增加了一定的难度。随着现代互联网信息技术的进步，主数据管理服务也得到了优化与改进。首先需要在解决方案空间、抽象业务空间等映射问题空间，结合企业数据管理需求，进行主数据设计，其围绕客户域、产品域、用户域、基础数据4个方面，对每个数据域均进行建模。主数据设计流程如图3所示。

图3 主数据设计与实现

作为企业数据管理的核心内容，主数据同时也是各业务端对核心数据的唯一服务，应确保可用性，在现代大数据技术支持下可利用微服务架构，借助百度资源虚拟化功能，促进服务治理与统一配置服务的实现。在主数据设计时应选择专业团队，确保设计质量，保障编码的规范统一性，并对代码进行定期维护，确保可读性。在具体业务领域，应注重对数据的整合，针对密切相关的主数据应进行合并处理，防止数据冗余。从主数据属性来看，其往往在不同透明表及其他系统中分散存在，应遵循编码合并的原则合并属性，提升主数据属性的完整性。部分数据在业务数据层无明显的层级关系，但在业务展现中可反映出不同层级，应将不同来源数据进行统一整理，划分层级，层级管理可按照行业大类、中类、小类进行划分[3]。

3.2 业务数据设计

企业业务数据管理主要涉及产品信息、客户信息等，数据信息量大，为保障展示性能，应结合实际情况适当对存储数据进行删减，在不影响企业数据管理需求的前提下，减少数据存储粒度。以当月或当年销售产品、费用等指标为例，应将客户及合同账户特性去除，以主数据角度将上述属性的数据作为交易数据在模型中保存。业务数据应进行分类存储，将范围尽可能缩小，在分析层不同模型存储交易数据，如大客户、丰枯客户等，将上述相关数据在主数据中予以标记并进行分类存储，根据表示汇总相关信息，避免不必要的繁多的数据条目。以某公司国际运作利润数据为例，掌握利润前5名数据能够帮助进行来年客户工作的决策与安排。可以执行如下命令，结果如表1所示。

由表1可以得到销售利润及毛利润最高的客户，在来年业务管理过程中可结合实际情况对利润排名前5的公司予以一定的优惠政策，加强跟踪随访，认真听取其对公司服务的意见，提高客户的忠诚度。对于对应的销售人员，应通过升职、加薪予以鼓励，提高员工工作积极性。

3.3 数据校验

企业数据管理系统数据核对与校验主要包括数据单元测试与集成测试两个方面，主要采用两种不同的方法进行测试与核对。在进行单元测试时主要应用营销决策分析与营销业务数据的方法，针对每层数据与下层进行核对，包括抽取层与数据源、仓库层与抽取层的数据核对，确保数据传递的准确性，避免遗留数据问题，为后续工作增加难度。另外，为确保系统内部各数据的一致性，需要将数据与原营销业务进行准确性对比，采用抽查的方式对各个条目进行一一核对。数据的集成测试需要将业务报表系统与展示页面的结果进行核对，用户在该系统参与，测试包括两种方法，第一种为与系统数据直接对比，需要确保营销决策分析报表与系统指标的一致性，如产品销售主题的销售产品情况与销售品类、价格等。第二种方法为个别数据与原业务系统的抽查对比，营销业务系统很难直接将营销决策分析系统的指标及维度予以反映，在校验过程中需要借助主数据系统，结合业务数据对公司代码、分类情况及行业细类进行查找。