数据治理是实现智慧型企业的关键吗?

简介: 数据治理是实现智慧型企业的关键吗?

image.png


徐州,历史上是华夏九州之一,自古以来就是战略要地,还是中国的工程机械之都。

而今,徐州不仅依然是京沪线和陇海线的交通枢纽、淮海经济区中心城市,也是一带一路的重要节点城市。2018年4月,科技部、国家发改委支持徐州开展创新型城市建设,就为徐州的经济发展打开了另一扇门。

也就是说,徐州将利用自身地理位置、制造业基地、人才等多方面的优势,吸引更多的创新型企业或产业链上下游,加速发展。

这时候,云计算、大数据、人工智能、IoT等等创新技术,必然会成为各个行业创新发展的关键,而所有这些的基础,则在于数据的打通。

数据治理是前提


“为打造装备制造业竞争新优势,徐工集团坚持发展智能制造作为工业转型升级的首要途径。”徐工集团工程机械股份有限公司信息化管理部副司长付思敏认为,智能工厂的目标是提升生产力、质量和速度,降低成本的同时让企业更柔性,而数字技术是改进及创新的关键。

在付思敏看来,信息系统集成,实际上是大数据应用的基础,也是智能制造得以落地的关键。

举个例子,企业的数据来源越来越多,从质量系统、生产系统、物流系统,到销售系统、客户关系系统、研发系统等不同的系统得到各式各样的数据。只有把这些数据有机地、有效地统合在一起,通过主数据的治理,保证数据来源的唯一性,企业才能真正对数据进行分析、使用和有效利用,把数据转换成价值。

image.png

徐工集团工程机械股份有限公司信息化管理部副司长付思敏

SAP大中华区售前总经理王涛解释说,大数据的使用和利用比想象的要难多了,实际上,据统计企业级的数据80%没有被使用,社会上的数据97%也没有被用好。

即便是对数据治理比较重视的徐工集团,在打造线上线下开放平台,用数据驱动智慧物流生态圈的过程中,也不可避免地遇到比如开展多元化物流服务、内外联动和供应链一体化等整合集团外部资源和数据的难点。

image.png

企业数据创新与治理俱乐部正式启航

而对于更多的企业来说,规范化、标准化企业的数据都十分不易。有些企业在集团层面制定了数据标准,但执行的时候,各部门仍然自己采购各种系统,造成数据整合的难题。

“规范标准是很大程度上,是观念问题。大多数企业都是先建系统后建数据的标准和规范,但理想状况正相反。”SAP大中华区数据库售前总监宋一平表示,“尽管企业的数据库大部分不是国标先行,但我们仍然可以通过技术治理的手段,有限弥补标准化;此外,企业集团层面在设计数据库的时候,也可以通过预留一些字段,便于后期的数据整合。”

数据成就智慧企业


应该说,打通数据是企业数字化转型的第一步;而接下来,真正打造智慧企业,则需要加入更多的数据采集手段,并进行有效利用,来满足客户的个性化需求。

“确实大部分地产公司各个业务板块的ERP系统是割裂的,成本是一块,销售是一块,计划是一块,设计是一块,把所有这些系统的数据打通是第一步。”深业集团集团总裁办副总经理马清女士表示。

据悉,SAP的解决方案不仅是一个ETL工具,不光是进行数据清洗和数据集成,也不仅仅是从开源的Hadoop里把非结构化数据拽过来,而是要把ERP里面的结构化数据和Hadoop的非结构化数据进行很好的编排,通过SAP DataHub完成数据管道的梳理。

“比如今天有部分地产物业改成长租公寓,从销售到运营服务是很多企业的方向,这样通过数据积累,后期会产生数据价值。”马清解释说,“从B2B到B2C,通过数据挖掘客户需求,企业在这一转型的落地过程中需要不断试错,不断挖掘数据的价值,从而满足客户需求。”

在王涛看来,企业实现智慧转型,需要从企业的角度,从客户的角度,从自我产业链的角度,以及市场运营等几个方面进行能力提升。

image.png

SAP大中华区售前总经理王涛

首先,企业可以通过生产线大数据分析,来帮助企业优化工艺路径等提升产品质量,提升良品率等,实现企业自身的核心竞争力的增强。

其次,企业可以通过客户行为方式的大数据分析,来判断市场趋势的变化。

第三,企业所构建的生态产业链,如何让上游企业、下游企业之间的协作更高效,这就需要业务流程数字化,来更迅捷、更柔性来满足客户个性化的需求。

第四,在运营服务层面,企业在洞察到以前无法感知的业务模式之后,不仅需要能够迅速做出反应,而且需要让业务运营能够真正落地执行。比如社交媒介统计出来的数据,可以跟销售数据进行比较。今天SAP有能力直接把两边数据结合、打通,让企业外部数据和企业内部数据能够结合起来,为企业提供智慧的决策。

应该说,在开展创新型城市建设,开展企业数字化转型升级的过程中,数据治理是企业实现价值创造的过程。这一过程对于企业各个业务部门来说,核心目的并不是为了管控,而是为了实现更大价值的创造,从系统层面进行赋能。有时候,思想观念的共识,比技术层面的进步,更加重要。

相关文章
|
9月前
|
数据采集 NoSQL 数据管理
数据治理体系建设
随着信息化的不断发展,数据的数量和质量都呈现了爆发式的增长,数据已经成为核心资源。数据治理是银行实现数字化转型、提升核心竞争力的重要手段,也是银行信息化建设的重要组成部分。
|
数据采集 存储 监控
一个平台搞定数据治理,让数据资产发挥价值
本文将为大家解析如何通过袋鼠云数据治理中心进行企业数据多维度治理,实现数据资产的最大化利用和价值发挥。
132 0
|
2月前
|
监控 数据可视化 架构师
为什么企业需要开展架构治理?
随着数字化转型加速,企业面临的技术和业务环境日益复杂,传统架构难以应对快速变化的需求。企业架构治理成为数字化转型的关键,通过确保技术与战略对接、优化资源利用、降低风险和复杂性,提升企业灵活性、效率和创新能力,支持快速响应市场变化,推动数字化转型成功。
151 7
为什么企业需要开展架构治理?
|
4月前
|
监控 关系型数据库 MySQL
数据治理平台Datavines
【10月更文挑战第20天】随着数据量的增长和数字化转型的推进,数据治理成为关键议题。Datavines是一个开源的数据治理平台,提供数据目录、概览及质量检查等功能,帮助用户全面了解和管理数据,确保数据的准确性和有效性。通过简单的部署和配置,即可快速启动使用,支持数据源配置、质量监控及作业管理等核心功能。
684 10
|
SQL 存储 安全
浅谈数据治理
浅谈数据治理
154 0
|
数据采集 数据安全/隐私保护 监控
带你读《构建企业级好数据(Dataphin智能数据建设与治理白皮书)》——5. 资产治理:高价值数据,助力企业高质量发展
带你读《构建企业级好数据(Dataphin智能数据建设与治理白皮书)》——5. 资产治理:高价值数据,助力企业高质量发展
424 0
|
数据采集 人工智能 数据管理
数据资产化的前提-浅谈数据治理体系的建设
数据资产化的前提-浅谈数据治理体系的建设
|
供应链 安全 搜索推荐
数据资产建设的灵魂三连问
数据资产建设的灵魂三连问
|
数据采集 存储 机器学习/深度学习
数据治理的三度修炼
所有企业都需要计划如何使用数据,以便在整个业务中一致地处理和使用数据,以支持业务结果。
数据治理的三度修炼
|
数据采集 SQL 机器学习/深度学习
Dataphin数据治理系列:基于数据质量管理,支撑业务快速发展
数据质量是数据建设和管理中非常重要的一环。所有的数据应用,不论是用于支持业务开展的数据库,还是用于支持商业决策,或者用于机器学习和人工智能等高级应用,实现数据价值的前提是数据本身是高质量的,是可靠和可信的。
Dataphin数据治理系列:基于数据质量管理,支撑业务快速发展