企业数字化转型中数据共享问题及对策

宋 瑞

(沈阳理工大学经济管理学院 湖北 武汉 430000)

0 引言

信息资源共享是实现大数据的前提,大数据是现代企业竞争力的利器,是企业获得内外部情报以及商机挖掘的重要途径[1-2]。但信息系统种类繁多,信息标准化又不统一,面对海量数据的大量来袭企业反而像陷入信息孤岛中一般被桎梏住[3-4]。因此,处于数字化转型阶段的企业,需要找到一套应对信息孤岛问题的方式方法,通过数据共享实现管理的智能决策。企业为了实现内部系统间的信息资源互通所使用的方式方法即为企业数据共享[5-7]。国内外研究现状可知,国外学者提出企业主数据管理的方式可分为知识库系统、主数据标准、领导系统和集中主数据系统等,这些概念非常具有参考价值[8]。数据共享在企业数字化转型中占据着核心地位,因此必须要重视。Oracle、SAP与IBM针对数据共享提出了主数据管理这个重要概念,由此引申出现代企业数据共享可以主要通过主数据管理、部分数据集成和总体标准制定三种方式来实现[9]。其中主数据管理的应用最为广泛。

1 传统数据共享实现方式

企业管理中,传统数据共享主要分为局部数据共享和全局数据共享,与这两种模型相呼应的是部分数据集成方式和总体制定标准的共享数据方式。

1.1 部分数据集成

为了达到获取异构系统中部分数据的目的,企业通过语义转换的方式将部分系统中的部分数据统一集中到一个平台上,综合分析处理和共享这部分数据的方式,即为部分数据集成,具体如图1所示。

图1 传统数据共享实现方式1部分数据集成

如图1可知,存在于企业中的各系统没有进行统一规划,各部门从自身需求出发独立发起指令,数据的共享和综合分析都是由不同集成目的触发的。图中集成平台1和集成平台2分别实现了应用系统1—3和应用系统4—6的数据标准化,转化后对应的数据属性分别为S和S＇,两者间的数据标准没有真正实现完全统一。异构系统间的部分数据通过集成后成了信息孤岛。

1.2 总体制定标准

从企业顶层开始设计出一套数据标准,并将其作为企业全部系统的数据执行准则,要求系统内原有异构应用系统都严格遵守,最终实现数据共享的方式即为总体制定标准。领导系统标准和总体制定最优标准是总体定制标准的两种方法。由信息标准化委员会牵头完成企业信息系统的调研工作,先从元数据、数据元、分类编码等分类入手,制定出一套适用于本企业的最优标准,再下发给元数据、数据元和分类编码,就是图2中演示的执行步骤,最后应用系统1—4的数据属性均会变成S,信息孤岛不复存在,数据的综合处理及共享便得以实现,这就是总体定制最优标准。此过程中信息分类编码必须与最优标准统一,如果执行遭到拒绝则需要推倒原系统进行重建。

图2 传统数据共享实现方式 1总体制定最优标准

在领导系统标准方式中,企业则无须费力找到一套最优数据标准,只需制定一个系统作为领导系统,其他系统中严格执行领导系统中的数据标准即可,如图3所示。

图3 传统数据共享实现方式2领导系统标准

部分数据集成和总体制定标准各有利弊,是企业实现数据共享的两种传统方式,在信息数据不大的情况下能够帮助企业解决部分数据共享需求。

2 企业数据共享实现方式选择分析

2.1 企业传统数据共享实现方式变化

企业在进行数据共享方式的选择时需要将数据共享的可实现性,以及选择此方式需要付出的成本、速度、可拓展性等因素考虑在内。速度可以简单理解为时间成本;可拓展性则是基于大数据不断发展前提下,数据标准的范围和数量是否具有足够的延展性。可实现性最强、速度最快、成本最低、可拓展性最大的数据共享方式最应该被选择,可用公式表示为:

S=f(R,C,V,E)

其中,R为可实现性,C为成本,V为速度,E为可拓展性。

在企业数字化转型的大条件下,利用S公式分析部分数据集成和总体制定标准的变化和指标性,为企业选择提供参考。

2.1.1 部分数据集成

图4是通过部分数据集成方式实现的企业数据共享,由多个不同的信息系统集成一个大的异构平台。

图4 大数据条件下部分数据集成方式的变化

在大数据条件下,对这种集成方式的变化进行分析,

①数据共享的可实现性。部分数据集成方式是可针对局部信息共享的,能够很好地处理部分系统中的局部数据,但由于数据标准不统一,会造成信息孤岛的产生,无法解决整个企业系统的数据共享问题。

②成本。需要成本投入的地方有接口调试费和系统调研费。其中,系统调研费的支出最多。

③速度。需要投入时间成本的环节有集成平台开发、数据集成、系统设计和调研。此处,平台集成的时间与系统开发的时间基本对等。

④可拓展性。如果按照海量数据的变化需求更改集成的数据与系统、调整平台的功能、整理和清理系统中的数据,就必须对集成平台进行新的设计和开发,需要付出的时间和经济成本会引起很多争议,因此可拓展性无法与总体制定的标准方式相比。

将上述两种数据共享方式的四个性能指标列表对比后发现,其各项指标的表现都有所欠缺,企业需要尽快寻得一条更适合数字化转型的数据共享实现方式,以提高企业的竞争力。

2.1.2 总体制定标准

观察图5再对比图2,相较于之前传统的数据标准,在原有的元数据、数据元和信息分类编码的基础上又增加了数据安全、数据分析、非结构化数据表达和数据质量等与海量数据相对应的新数据标准。另外,多且复杂的系统已经基本能够满足企业对于系统功能的所有业务需求,新建系统可有可无,因此将多种数据标准严格落实到企业全部异构系统中则更为实用。但无论选择联系开发商对系统中的数据标准进行修改还是推倒原系统重建,都会造成成本的浪费。

图5 大数据条件下总体制定标准方式的变化

在大数据条件下,基于上述两种变化对总体制定标准方式的个性指标进行分析如下。

①数据共享的可实现性:企业标准的制定离不开一个强大的组织,强大的组织需要专业的大数据人才。想要推倒企业原来的系统,在庞大的海量数据标准面前重新构建系统无疑是事半功倍,因此通过总体制定标准来解决企业数据共享的问题是基本上不具备可行性。

②成本。需要成本投入的地方有系统修改、系统重建、标准宣贯、标准制定、招聘专家和系统调研等,其中系统修改和重建属于重复性支出。

③速度。需要投入时间成本的环节有修改或者重建系统、数据标准宣贯、标准的制定与更新、系统调研等。单个系统的修改或重建时长在2～3个月之间,需要改动或者重建的系统越多需要的时间也越长,总体制定标准方式的速度可减少一半。

④可拓展性。数据标准的制定和实施决定着制定标准方式的可拓展性;根据大数据需求制定而得的数据标准是可以满足企业数据共享需求的,这部分可拓展性较强;将多种数据标准强行套用到海量数据中,是非常有难度的,因此这部分可拓展性较弱。

2.2 数据共享实现方式的选择——主数据管理

在企业数字化转型的道路中,在大数据条件下,主数据管理的诞生为解决数据共享问题提供了一条崭新的思路。在企业中具有极高业务价值的,能够实现整个系统共享的数据,即为主数据。主数据管理就是将能够代表企业核心业务实体的数据作为主数据从企业全部数据中抽离出来,并统一管理主数据的数据质量、数据元和信息分类编码,然后通过单一用户视图的方式分发给各个应用系统。图6则是对这一方式的具体图解。企业中使用频繁的且具有高业务价值的数据可被确定为主数据,例如生产、供应、销售、财务、绩效、人事等。负责对主数据进行管理的是主数据管理系统,经过一致性检测后,系统会标准化管理主数据的信息分类编码、元数据和数据元,并主动修复、匹配和清晰这些数据,保证了主数据的质量与标准化程度。为了确保发布到各应用系统中的主数据的同源性,采用MDM数据库存储标准化后的主数据,使企业异构系统中数据共享功能的延展性发挥到最大。

图6 大数据条件下企业数据共享实现方式——主数据管理

大数据侧重数据的类型和数量,而主数据却是以质量为核心,主数据主要来自对大数据的提炼,因此可以通过有机组织主数据的方法进一步提升其数据价值和一致性。无论是从企业对大数据的要求出发,还是从合理降本增效的角度考虑,企业数字化转型离不开科学合理的数据共享方式。

对大数据条件下通过主数据管理实现数据共享的个性指标分析如下:

(1)数据共享的可实现性。将能够代表企业核心业务实体的数据作为主数据从企业海量数据中抽离出来,并统一管理其数据质量、数据元和信息分类编码,通过单一用户视图的方式分发给各个应用系统,既保证了主数据的同源性,又规范了数据的标准化,提高了处理速度,使数据共享的可行性得到了极大提升。

(2)成本。开发主数据管理系统的费用对等部分系统集成费用,低于总体制定标准的总支出。

(3)速度。相较于总体制定标准方式中,从标准定制到实施更新所消耗的时间,主数据管理用于开发和设计的时间更加短。

(4)可拓展性。为了方便管理主数据的数据质量、数据分发和清理,主数据管理系统将主数据元与相应的数据集中在了一个平台中,增加了系统可扩展性。

综上所述,对比部分数据集成、总体制定标准和主数据管理这三种数据共享方式的可实现性、成本、时间和可拓展性得出,大数据条件下,主数据管理的个性指标均表现十分优秀,不但可实现性强,而且速度更快,所需投入的成本更低,也具备足够的可拓展性。因此想要应对企业数字化转型中出现的数据共享问题,主数据管理必然是最佳选择。

3 结语

综上所述,基于大数据特性的主数据管理可以最大限度地实现企业的数据共享,是大数据时代前提下企业最好的选择。可以有效帮助企业突破大数据的桎梏,解决信息孤岛和海量数据问题,更能为企业的可视化展示以及信息资源的深度挖掘打下坚实的基础。