數(shù)字化轉(zhuǎn)型是一個龐大的體系、漫長的過程，尤其是對于制造企業(yè)，所涉及的業(yè)務范圍較廣，在轉(zhuǎn)型過程中，由于時間、資金、人力等資源的有限，許多制造企業(yè)采取了按業(yè)務或按部門分階段執(zhí)行，這種方式在一定程度上減輕了短期內(nèi)轉(zhuǎn)型的壓力，對于部門來說提升了轉(zhuǎn)型的效率。

 

然而，到了數(shù)據(jù)應用階段，這種轉(zhuǎn)型方式的缺點逐漸顯現(xiàn)。企業(yè)雖然已經(jīng)積累了一定量的歷史數(shù)據(jù)，但由于前期缺乏統(tǒng)籌性的規(guī)劃，導致諸多制造企業(yè)沒有建立起有效的數(shù)據(jù)管理機制和保障，出現(xiàn)了數(shù)據(jù)來源復雜、數(shù)據(jù)質(zhì)量參差不齊、基礎數(shù)據(jù)分散、數(shù)據(jù)不一致、統(tǒng)計口徑不統(tǒng)一等問題，導致在應用時數(shù)據(jù)質(zhì)量得不到保障，數(shù)據(jù)無法匹配、數(shù)據(jù)不可識別、數(shù)據(jù)不一致、冗余重復、時效性不強、精度不夠等問題頻發(fā)，數(shù)據(jù)結果與實際情況不匹配，無法作為業(yè)務改善及經(jīng)營決策的參考依據(jù)，難以支撐上層應用，無法完全釋放數(shù)據(jù)的真正價值。

 

因此，企業(yè)可以通過構建的統(tǒng)一的大數(shù)據(jù)分析平臺將企業(yè)內(nèi)大量的結構化、半結構化、非結構化數(shù)據(jù)以及外部數(shù)據(jù)，進行數(shù)據(jù)整合、數(shù)據(jù)管理，打好數(shù)據(jù)底座、再考慮建立數(shù)據(jù)應用實現(xiàn)數(shù)據(jù)驅(qū)動業(yè)務。

 

制造企業(yè)可以應用一站式的BI數(shù)據(jù)分析平臺，將各系統(tǒng)數(shù)據(jù)進行統(tǒng)一的整合、存儲、分析。把大數(shù)據(jù)分析所需的產(chǎn)品功能全部融入一個平臺下，進行統(tǒng)一管控。在運用時，可全面覆蓋數(shù)據(jù)分析過程中的各個環(huán)節(jié)，包括數(shù)據(jù)采集、清洗、整合、存儲、計算、建模、訓練、展現(xiàn)、協(xié)作等，讓用戶可以在一個統(tǒng)一的平臺上完成全流程數(shù)據(jù)分析任務，降低了實施、集成、培訓的成本。

 

除了一站式的BI數(shù)據(jù)分析平臺，數(shù)據(jù)倉庫的建設也是關鍵，通過搭建數(shù)據(jù)倉庫，構建按照主題模型存放數(shù)據(jù)的模型層，提升數(shù)據(jù)整合效用與科學性，構建指標層以提升基礎數(shù)據(jù)的復用程度，逐步統(tǒng)一數(shù)據(jù)出口。同時可以進一步推動數(shù)據(jù)管理的落地，數(shù)據(jù)質(zhì)量檢測與反饋機制逐步優(yōu)化落實在系統(tǒng)中，最終在數(shù)據(jù)整合、數(shù)據(jù)管理、數(shù)據(jù)應用三個部分相互之間推動良性循環(huán)。

 

數(shù)據(jù)倉庫是一個完整的生態(tài)圈，其建設是一個循序漸進的過程，既不能夠脫離業(yè)務的實際需要而存在，也不能夠純粹以業(yè)務驅(qū)動而忽略了IT架構。因此，在進行數(shù)據(jù)倉庫的開發(fā)時，需要同時從業(yè)務和技術兩方面考慮建設。

首先歸并各子系統(tǒng)數(shù)據(jù)，將原本散亂在各個系統(tǒng)中的業(yè)務數(shù)據(jù)進行統(tǒng)一化處理。在數(shù)據(jù)歸并后，結合企業(yè)的業(yè)務特征和系統(tǒng)架構，將不規(guī)范的數(shù)據(jù)根據(jù)數(shù)據(jù)標準轉(zhuǎn)換為規(guī)范的數(shù)據(jù)，將非結構化數(shù)據(jù)轉(zhuǎn)化為結構數(shù)據(jù)，并對數(shù)據(jù)進行提取的臨時存儲。

 

僅僅是數(shù)據(jù)的采集、提取和存儲還不夠，由于許多制造企業(yè)的業(yè)務體量大、渠道多，導致了數(shù)據(jù)龐雜，因此需要根據(jù)企業(yè)的業(yè)務邏輯，對數(shù)據(jù)進行重構。可以在平臺中構建數(shù)據(jù)匯總層，對數(shù)據(jù)進行快速的清洗、轉(zhuǎn)換，提高數(shù)據(jù)質(zhì)量和可用性。以此，根據(jù)數(shù)據(jù)顆粒度，將事實與維度拼合成新的報表。同時，根據(jù)分析指標復用程度，將部分同維度指標集中合并成為新報表。

 

將數(shù)據(jù)清洗和轉(zhuǎn)換后，可以構建業(yè)務數(shù)據(jù)層，為不同應用場景的數(shù)據(jù)可視化、分析、挖掘準備并管理好數(shù)據(jù)。這樣才能使數(shù)據(jù)應用更加貼合該企業(yè)的使用場景，使報表呈現(xiàn)更加精準。

 

以此，將制造企業(yè)各業(yè)務系統(tǒng)中的數(shù)據(jù)統(tǒng)一處理，構建標準化的數(shù)據(jù)應用體系，為數(shù)據(jù)賦能業(yè)務奠定基礎。

 

案例：

該企業(yè)將大數(shù)據(jù)分析平臺的建設分為兩個階段。第一階段的工作重點是將各業(yè)務系統(tǒng)的數(shù)據(jù)進行連接，統(tǒng)一處理，實現(xiàn)貫通。一方面，通過業(yè)務數(shù)字化、標準化，借助IT技術，實現(xiàn)業(yè)務上下游信息快速傳遞、共享，實現(xiàn)數(shù)據(jù)全流程貫通，提升業(yè)務運作效率；另一方面，通過數(shù)據(jù)質(zhì)量度量與持續(xù)改進，確保數(shù)據(jù)可以真實反映業(yè)務情況，使數(shù)據(jù)質(zhì)量持續(xù)提升，減少返工、糾錯等成本。

 

統(tǒng)一的數(shù)據(jù)分析平臺為數(shù)據(jù)應用奠定了堅實的基礎，構建了一致的信息架構與標準，以及唯一可行的數(shù)據(jù)源。在此基礎上，將第二階段的重點放在了數(shù)據(jù)分析與洞察能力的提升，首先將各業(yè)務數(shù)據(jù)進行跨領域的匯聚與聯(lián)接，從各個數(shù)據(jù)角度進行整體性或某一關鍵問題的綜合分析，實現(xiàn)業(yè)務狀態(tài)透明可視，提供基于事實的決策支持依據(jù)。

 

該企業(yè)應用的一站式BI數(shù)據(jù)分析平臺，完成了數(shù)據(jù)源的統(tǒng)一，構建了標準化的數(shù)據(jù)治理體系，實現(xiàn)了遞進改善式的數(shù)據(jù)質(zhì)量管理，具體如下：

 

1. 數(shù)據(jù)源：業(yè)務數(shù)字化是數(shù)據(jù)工作的前提，通過業(yè)務對象、規(guī)則與過程數(shù)字化，不斷提升數(shù)據(jù)質(zhì)量，建立清潔、可靠的數(shù)據(jù)源；

2. 數(shù)據(jù)湖：基于“統(tǒng)籌推動、以用促建”的建設策略，嚴格按六項標準，通過物理與虛擬兩種入湖方式，匯聚該企業(yè)內(nèi)部和外部的海量數(shù)據(jù)，形成清潔、完整、一致的數(shù)據(jù)湖；

3. 數(shù)據(jù)主題聯(lián)接：通過五種數(shù)據(jù)聯(lián)接方式，規(guī)劃和需求雙驅(qū)動，建立數(shù)據(jù)主題聯(lián)接，并通過服務支撐數(shù)據(jù)消費；

4. 數(shù)據(jù)消費：對準數(shù)據(jù)消費場景，通過提供統(tǒng)一的數(shù)據(jù)分析平臺，滿足自助式數(shù)據(jù)消費需求；

5. 數(shù)據(jù)治理：為保障各業(yè)務領域數(shù)據(jù)工作的有序開展，需建立統(tǒng)一的數(shù)據(jù)治理能力，如數(shù)據(jù)體系、數(shù)據(jù)分類、數(shù)據(jù)感知、數(shù)據(jù)質(zhì)量、安全與隱私等。

 

?