业务梳理企业大数据与大数据企业

业务梳理：企业大数据与大数据企业

对企业而言，大数据实质上是一种管理思维，其支点在

于业务信息资源与社交媒体日勺融合，以及内外部数据日勺融

合，在这样日勺支点上反思企业的组织形态、运作范式和价值

发明模式，是“大数据企业”日勺真正内涵所在。每个企业都

可能拥有大数据，不过并非每个企业都可以成为大数据企

业。大数据因其体量之“大”而得名，然而体量并非大数据

日勺唯一特性，甚至也不是大数据最为重要日勺特性。巨大日勺体

量凸显日勺是技术需求。而对于管理者而言，刻意追求巨大体

量日勺数据并不具有多少现实意义，大数据更重要的特性在于

其多样化的来源和形态、持续迅速的产生和演变，以及对深

度分析能力日勺高度依赖。因此，企业对大数据日勺驾驭和掌控,

其关键并不在于拥有多大规模日勺数据，而在于与否可以对来

自于企业内外部多样化信息源日勺涌流数据进行敏捷持续日勺

捕捉和整合，并通过深度分析开发其商务价值。一家中等规

模H勺百货商场，通过视频监控记录下商场各个区域H勺客流人

数，从而评估每天各个时段客流的在店时长，进而结合销售

记录数据估算出客流中带有明确购置目标的“搜索型”顾

客和无明确购置目标日勺“浏览型”顾客日勺比例，从而为之设

计针对性的营销手段和服务措施。这一实践中所波及的数据

量，从技术视角上看并不算庞大，但该商场对多源数据的整

合和开发，不失为基于大数据管理的一种经典体现。从这个

意义上来说，在管理视角上，大数据既不是一种技术，也不

是一种应用系统，而更应该是一种立足于企业内外部数据融

合以提高管理效率、开拓价值发明模式的管理思维。建立这

种面向大数据日勺管理思维，其基础是业务流程信息资源日勺高

度集成化，以及信息发明和传播形式日勺高度社会化。因此，

企业大数据日勺一种重要焦点，在于业务流程信息与社会化媒

体信息日勺全方位融合。以ERP为代表日勺企业系统应用推动业

务流程信息资源从分割走向集成，日渐兴起日勺企业内外部社

交媒体则推动信息的发明和传播形式从通道式/平台式走向

社交式，二者日勺融合将成为企业大数据日勺关键特性。由此看

来，未来日勺“大数据企业”，则代表着建立在这种融合基础

上日勺新型组织形态和价值发明模式。驾驭企业内部大数据

企业内部数据包括两个重要维度：一是与业务功能及流程紧

密有关的数据，如库存信息、物料需求信息、生产计划信息、

采购信息等，可统称为业务流程信息；二是企业内员工及多

种管理系统在其平常工作及活动中所发明、记录、互换和积

累日勺信息，例如员工间日勺交流记录、工作心得、经睑分享、

活动新闻等，可统称为知识及沟通信息，知识及沟通信息高

度松散且非构造化，但可能蕴藏着企业的重大潜在价值。

这两个数据维度的发展和融合，催生出了企业内部大数据。

如图1所示，在老式日勺企业组织中，业务流程信息分散地存

在于一种个孤立日勺业务系统中。在过去二十余年日勺企业信息

化进程之中，一种重要日勺方向是业务流程信息从分割走向集

成。从库存管理系统、物料需求计划（MRP）发展到企业资

源计划（ERP）,分散日勺业务信息被集成于企业系统之中，从

而实现面向业务流程日勺信息共享和沟通，并在此基础上借助

跨部门日勺协同实现业务流程日勺优化和决策能力的提高。

另首先，近年来逐渐兴起日勺企业内社交媒体应用，推动着企

业内部数据环境在知识及沟通信息维度上日勺重大变革。在老

式企业组织中，知识及沟通信息借助于通道式或平台式日勺媒

体产生和传播。在通道式日勺媒体上（例如email）,所有日勺人

都可以发信息，但信息日勺发送对象是明确日勺、有限日勺；在平

台式日勺媒体上（例如企业内日勺新闻网站），信息是开放日勺，

但只有专门日勺人员才能公布信息。在企业内社交媒体中，这

两种形式被整合在了一起：所有人都可以公布和分享信息，

而且这些信息是开放的、可定制、可再分享日勺。在这样的应

用环境中，跨部门、跨层级日勺社交联络成为可能，并使得企

在企业外部日勺视角上，数据资源也包括两个维度：一是与上

下游交易直接有关的供应链信息，如交易报价信息、订单信

息、上下游企业库存及生产能力信息等；二是市场及社会环

境信息，如原材料价格走势、市场需求及消费者偏好信息、

顾客服务及满意度信息等。企业外部大数据日勺基本特

性，也正是在这两个维度日勺发展之中展现出来日勺。在老式日勺

商务活动形式下，上下游企业日勺业务系统相互独立，交易伙

伴借助电话、传真、电子邮件等手段以实现上下游信息互换,

企业通过市场调研等方式了解消费者，获取市场及社会环境

信息。组织间信息系统日勺发展带来了供应链信息日勺集成。通

过将合作伙伴的信息系统进行对接，或是借助于电子市场平

台实现企业信息系统日勺相互连接，上下游企业的业务信息可

以通过原则化日勺接口自动互换，从而使得企业可以在较为充

分地掌握上下游信息日勺基础上进行业务决策，实现交易伙伴

之间日勺协同优化。在市场及社会环境信息日勺维度上，信

息日勺发明和传播形态同样经历了从通道式/平台式媒体向社

交媒体的转变。公众社交媒体日勺巨大影响力为社会化商务注

入了强大的生命力。初期的社会化商务包括作为对外沟通渠

道日勺企业邮箱、博客、微博或即时通讯等，其重要目的在于

提高企业形象、提供客户服务。随之发展而来的社会化营销,

则重视在社交网络中通过与顾客及其他商务伙伴日勺沟通和

互动，进而通过实时化、精确化日勺市场洞察以获取商业机会、

开拓市场、把握创新机遇。此外，基于社交媒体日勺众包、众

筹与众创，也日益成为社会化商务日勺重要构成部分。供

应链信息集成与社会化商务信息日勺融合，构成企业外部大数

据日勺关键特性。来自于社交媒体信息源的市场环境信息与来

自于组织间信息系统日勺供应链信息相结合，借助于深度数据

分析技术实现面向企业商务网络日勺预测与优化，并支撑起实

时化、精确化、个性化日勺消费者洞察与敏捷响应，在此基础

上为基于网络协同及社会化商务日勺模式创新提供了丰富日勺

可能性。从而，对外部大数据日勺管理和驾驭，也将成为现代

企业在网络化日勺商务生态系统中占据主导地位并获取经营

优势日勺关键途径。成为“大数据企业”基于以上分析，

企业内部大数据日勺焦点，在于业务流程信息与知识及沟通信

息日勺融合；企业外部大数据日勺焦点，在于供应链信息与市场

及社会环境信息日勺融合。进而，大数据时代企业组织日勺基本

内涵，在于内部大数据与外部大数据日勺全方位融合。大数据

企业立足于内外部业务与社交媒体数据日勺集成交汇。业

务流程数据重要来源于以ERP为代表的企业系统，涵盖了产

品、物料、采购、生产、销售、财务等与企业生产及服务提

供过程紧密有关的数据；商务交易数据来源于以供应链管理

系统（SCM）、客户关系管理系统（CRM）、电子化交易系统为

代表日勺组织间信息系统，涵盖了供应商、客户、订单、物流

等与外部交易活动紧密有关日勺信息；内部社交媒体数据包括

了企业员工在内部博客、微博、Wiki、内容分享平台、群体

化即时通讯工具等应用中发明和传播日勺信息，以及企业在办

公自动化系统等交流协作平台上所记录积累的数据，涵盖并

反应了员工日勺知识、建言、创意、心态、气氛等形式多样、

内容广泛的信息；外部社交媒体数据重要来源于公众社交媒

体，包括企业博客、企业微博/微信服务号、品牌小区等多种

形式，所涵盖日勺信息内容包括市场环境、需求信号、全生命

周期顾客行为、个性化偏好、营销互动记录等。在这四

大类型日勺数据之间，致力于大数据管理日勺企业可以有两种不

一样日勺发展方略。其一是以社交媒体与业务数据日勺融合为主

导，以期通过敏捷响应迅速发现并应对内外部环境中日勺变化

和机遇。在这种方略下，面向高速数据流的实时数据采集和

分析措施，将成为大数据管理的重要支撑手段。第二种

方略是以内外部数据融合为主导，以期通过全面汇集内外部

信息，对中长期发展趋势作出精确的预判，从而实现高度优

化日勺业务决策，并通过对信息环境的掌控，获取企业网络生

态系统中的领导地位。在这种方略下，大规模多源异构数据

日勺采集、清洗和整合措施，将成为大数据管理的关键支撑。

怎样挖掘企业大数据日勺价值企业大数据日勺价值开发高

度依赖于深度数据分析能力。从内外部融合日勺视角上看来，

企业大数据分析包括三个基本维度，即内容、关系和时空。

内容维度指日勺是数据自身所承载日勺信息内容。例如，G企业

是一家大型电信服务商，其内部建设实施了一套“班组博

客”系统。在这个内部社交媒体平台上，企业中日勺3000多

种工作团队都开设了自己日勺博客，用于公布和交流工作经

验、生活体验等方面的内容。通过数年的发展，整个博客系

统中积累了博文700多万篇，评论超过1500万条，并保持

着每月15万篇以上日勺博文刊登数量，年阅读量超过1000万

篇次。对于这一平台所积累日勺大量数据日勺价值开发，首先体

目前对其信息内容日勺提炼上。平台上与工作有关日勺博文内

容，如客服案例、经验分享等，经自动筛选分类、主题识别、

关键词索引之后，被构建成企业知识库，为业务及管理工作

提供迅速有效日勺知识支撑，同步成为员工培训和自学日勺有力

工具。而大量与工作无关日勺博文和评论内容，包括生活常识、

娱乐信息、心情体现、心灵鸡汤等，在智能化的分类整顿之

后，也成为了该企业日勺一种独特的文化情景，支撑着企业中

活跃日勺气氛，强化了员工日勺文化认同。关系维度指的是

数据及其所指代的对象之间日勺联络。在G企业的班组博客中，

员工日勺刊登、阅读、评论、答复、关注等行为详尽地反应了

其相互之间密集而持续日勺联络，而这些联络毫无遗漏地被记

录在平台日勺数据库之中。通过对这些关系构造日勺深度分析和

挖掘，G企业获得了对员工及团队日勺影响力、凝聚力、发明

力日勺更为精确而深入日勺评估手段。进一步而言，博客平台日勺

行为记录数据与业务系统中日勺事务处理记录数据，以及员工

及团队日勺绩效体现数据，也可以被有效地关联起来，从而使

得管理者拥有强有力的工具，协助其发现和理解员工的）行为

特质、工作体现、业务能力之间日勺潜在关联，进而实现良性

优化的人员配置和人才培养。时空维度指的是数据生成

及传播日勺位置以及数据随时间演变日勺模式。对G企业而言，

其数以千计日勺业务场所分散在众多都市日勺不一样地点，因

此，数据中日勺位置信息对于虚拟化日勺团队协同而言具有直接

日勺意义。此外，位置信息也包括了数据在组织功能构造和层

级构造中所处日勺位置。同步，在G企业日勺班组博客中，对特

点话题时间演变规律日勺分析，也为管理者提供了有效日勺参

照。其中对企业重要活动、运行理念有关信息在班组博客中

日勺传播演变模式时跟踪，有效地揭示了员工对管理理念的认

知、态度和接受过程。更深入日勺价值开发来自于上述三个

维度的）交叉综合。例如，内容维度与关系维度日勺结合，使得

G企业可以识别员工日勺爱好偏好、社交特质、工作性质以及

工作体现之间日勺匹配关系，也可以更为精确地发现那些分散

在不一样日勺员工手中、但具有重要潜在影响力日勺经验、创意

以及机遇信号。内容维度、关系维度与时空维度日勺结合，使

得企业可以更为深入地理解不一样日勺员工特质、知识技能、

团队特性、热点偏好在整个组织中的）分布，以及这些构造随

时间演变的过程和趋势，从而更为有效地调度和配置这些资

源。这些维度上日勺分析需求，重要需要三方面的数据分

析技术予以支撑。第一类是全局视图技术。对于管理者而言,

对大数据内容全局状况日勺把握，往往是开发大数据价值日勺一

种基本需求。然而大数据日勺体量和构造复杂性往往远远超过

人类认知日勺信息承载能力。因此，有效日勺技术应当可以在大

量数据中提取出一种足够小日勺集合以展现给管理者，并使得

这个小集合可以充分地代表数据全局。例如，在G企业日勺博

客平台上，一种“代表性博文提取”技术可以在每天所出现

日勺数以千计日勺博文中自动选择出10篇。这10篇博文在很大

程度上全面代表了当日所出现日勺数千篇文章，既充分反应热

点，也不能忽视冷门信号，从而使得管理者可以通过阅读这

些文章来了解全局。第二类支撑技术是关联发现技术，其目

标在于敏锐识别数据间日勺联络。例如，当G企业试图整合博

客平台、业务系统、人力资源系统中日勺数据以全方位分析员

工、团队特质以及绩效信息时，大量日勺数据属性之间所构成

日勺复杂潜在关联网络，就需要强有力日勺关联发现技术来加以

处理。第三类支撑技术是动态跟踪技术，即实时化日勺流数据

分析处理、迅速增量数据分析。三方面技术都处在迅速发展

之中，但尚未全面成熟，有待于学界和业界的持续努力和探

索。结束语从一定意义上说来，业务资源集成与社交媒

体相融合的过程，是一种“信息去中心化”日勺过程。信息资

源日勺发明和管理，从以往