| 时间地点： |
| 时间：2007年4月10日 |
| 地点：北京·西苑饭店 |
| 论坛主题： |
数据挖掘与信息整合 |
| 主办单位： |
中国电子信息产业发展研究院
中国信息化推进联盟 |
| 承办单位： |
中国信息化推进联盟BI专委会 |
| 支持媒体： |
中国计算机报、中国计算机用户、
软件世界杂志、赛迪网 |
| 大会网站： |
|
| 联系方式： |
合作联系 |
北京海淀区紫竹院路66号赛迪大厦10层（100044）
合作联系人：王朝闻
电话：010-88558527
传真：010-88558539
手机：13522721680
邮件：wangcw@ccidconsulting.com
参会报名 |
北京海淀区紫竹院路66号赛迪大厦9层（100044）
联系人：樊娜 何扬
电 话：010-88558542 / 9924
传 真：010-88559026 / 9032
E-mail: huiyi@ccidconsulting.com |
|
|
|
规划提升数据管理绩效
在前面几位关于数据管理方面的一些非常新的技术，做了精彩的演讲。我带来了话题，跟前面风格不太一样，我主要是基于赛迪在咨询和研究的过程中得出的一些经验，和我们的一些认识，来跟大家做一个分享。
今天演讲的主题是数据规划提升数据管理的绩效。
我想从两个方面展开话题，首先回顾一下我们的组织，包括我们企业、政府部门在数据管理方面面临的一些问题和挑战。基于这些问题和挑战，给大家做一些经验分享。
企业业务管理对数据提出新的要求。
第一个是数据共享，我们说信息化建设一个非常基本的要求，一个基本的目的是要实现信息共享，但是我们又发现作为一个基本的问题，却很难实现，是我们一直在讨论的，也就是说我们要避免信息孤岛，但一直在讨论，一直没有解决。
第二个是协同工作，就是我们的业务流程，数据要支持我们的工作。我们在组织内部要横向数据交换，纵向数据交换。
第三个，就是定量管理，尤其在绩效管理中，我们企业管理部门一直在谈绩效管理的问题，如何来实现绩效管理，数据是一很重要的方面。我们国资委的央企到各地方的企业都在提信息化管理，就是用数据说话，这就是定林管理方面的要求。
第四个，是对数据的综合分析。对各级组织，不管企业也好，政府部门也好，对所管辖业务范围管理，要通过业务数据的综合进行分析，来发现我们的业务里面存在的问题和改进的方向。
我们当前在企业里面，在数据管理方面的现状是什么样的呢，首先我们发现数据鼓励的状态是非常普遍的。还有就是数据失真，我们的数据不准确，第三个方面是发现有一些数据方面缺失，我们希望的数据没有。这个在企业计划部门、统计部门，人力资源管理方面的部门是经常碰到的问题。我们希望有的数据却没有。再一个就是缺乏一致性的问题。在我们所接触到的一些电力系统，对同一个工程设备，在不同的专业里面，统一设备状态统计信息不一致，缺乏一致性。再一个就是数据来源不清，伴随着是一个责任不清，到底谁负责不清楚，这个数据不对，不知道谁来承担责任。总之来说数据量积累量越来越大，但是数据的利用价值却没有提高。
这些问题产生的根源是什么，就是数据孤立，是因为未建立数据关联关系。缺乏数据管理技术手段，导致人为数据伸直。缺乏数据生命周期管理的技术手段，导致我们没有某一个环节的数据。未建立确保数据一致性的机制，导致缺乏一致性。来源不清，是没有明确数据的逐级产生来源，尤其是跨地域的多级组织结构。在数据的汇总、汇报、统计的过程中来源越来越清晰。责任不清，是没有制订数据管理的责任单元。
我们认为这些问题都是由于数据规划的缺失，没有对数据进行很好的规划。
前面几位提到数据、信息的搜索整合，有些是针对结构化的。我们这部分是主要针对结构化的。我们数据规划是实现高绩效数据管理的基础。我们今天是数据管理的年会，我想说如何实现数据管理的高绩效。
我们首先看一下什么是数据规划。我们认为数据规划是对企业的业务、管理活动中发生的数据进行分析、CNKI整理、提炼、描述出数据的构成。数据间层次结构、数据间相互关系，建立体系化数据资源体系的过程。是从企业数据流的视角对数据结构进行一个全面、系统的看待。主要解决“有哪些数据”、“数据之间什么关系”的问题。
关于数据规划的方法，我们经历了一个不同的发展历程。
最初始的时候，我们是面向单个应用系统的数据规划，后来就提出了基于信息工程理论的总体数据规划。它的基本技术路线是这样的。首先从业务调研与分析，建立业务模型，在此基础上分析数据流向，进行数据分析，数据建模，是一种模型导向的规划方法。目的是建立企业信息模型，作用是指导应用开发，协调数据交换。
我们认为它存在一些不同之处，它需要的时间跨度非常长，短则三五个月，长则半年。
我们跟行业内的客户沟通之后提出另外一种思路，我们提出基于业务需求解决方案。
这个方法的背景，我们认为数据规划的目的是适应企业业务管理对数据的需求，为业务与管理服务，为此提出面向业务需求的数据规划方法。
面向业务需求的数据规划的思路是，基于企业业务管理需求，从企业业务活动中产生的报表，视图入手。建立企业各级数据指标体系。对于一些数据对象，区分数据对象的静态属性和动态属性，比如说一年的销售量，一个月的销售量，一个季度的利润等等，这些一些指标数据。对指标进行分解，并且分级，从企业的最底层，总部最关心的指标，对最小数据单元进行归纳形成数据主题。
这个思路是以业务需求为导向的，以业务过程中数据标单位主线分析构建数据资源体系。在指标体系分析过程中，通过对业务体系的分析，符合我们对指标体系的认识。形成最小的数据单元并找出数据的来源和数据的责任来源，这样来源清楚，责任明确。在这个基础深形成最小的单元数据主题，然后服务于数据管理。
我们认为这种方法能够实现企业的高层目标，比如说建立业务指标体系，明确了数据构成，数据来源与责任单位，就能够指导各级专业的业务管理需求，通过数据规划建立数据主题，能够服务于数据仓库的建设，数据模型制订之后，可以用于信息整合，信息交换，新建设，老系统的改造。技术架构是可以支持我们信息收集、综合、展现。数据资源与系统之间迎神关系的明确，可以支持我们定量管理对数据来源的管理。建立KPI体系，可以支持我们企业绩效管理。根据不同企业的实际情况，满足其他的一些目标。
工作内容包括三个方面，第一个是对数据指标体系进行分析，树立业务指标的构成和它的结构。第二数据资源体系规划，这是刚才那个图里面右半部分从下往上走的。第三个，数据管理技术架构规划。
指标体系分析，包括CNKI业务与管理需求分析，业务体系分析，指标体系梳理，指标体系分解等等。
指标体系分析技术路线，首先是基于用户的视图和报表，这是基础，然后形成指标集，这个是还没有层次的，对指标分级分解，形成结构化的指标集。这是一个分解的示例图，这是一级指标，分解后成为二级指标。
第二步是数据资源体系的规划，基于我们形成的最小的数据元素进行归纳形成数据主题，然后对数据主题之间进行关联分析，形成一个整体模型，它有一些静态的属性，有一些动态的指标。比如说对一个客户的静态信息进行分析和描述之后，有若干项，动态的一些属性。
第三步是数据管理技术架构规划，这些数据指标梳理出来之后，回到我们最初始的目标，它是需要一个技术架构支撑。我们的工作包括数据资源能力评估，在此评估基础上提出数据需求分析。然后制订总体架构，功能架构，分层次技术架构。在技术架构规划中，也要建立数据与信息系统映射关系和数据关联分析。
我们大致对这个方法的思路和内容、步骤有个简要的介绍之后。我们认为通过数据的规划，是提升我们企业数据管理绩效一个有效的途径。
由于时间的关系，我这边就大致介绍了一下我们的一些思路和方法，和一些总体的经验。
关于具体的一些问题，可以接下来通过各种方式进行交流。
|
|
|
|
