企业数据化建设解读

　　在如今的大数据时代下，企业数据化建设是许多企业迫在眉睫的发展重心，大家都想搭上大数据这班高速快车，使企业竞争力能够一马当先。然而，这背后却是动辄几百万、甚至上千万的高昂技术实现费用，以及苦苦支撑入不敷出的公司账簿。很多企业并没有充分考虑到企业自身需求及运营状态，盲目跟从，将大笔的资金投入到无限的技术实现上，但工具毕竟只是工具，解决问题的关键其实是对数据的分析及应用，咨询的价值要高于技术实现。另一方面，许多企业对大数据应用的认识不足，招聘时没有重点，导致企业很多员工并没有相应的数据分析经验，企业没有一个整体的数据分析团队建设规划。种种原因，一个看似触手可得的美好未来，有可能却是一个无底深渊……

企业数据化建设中的常见现象：

　　一、在建设企业数据化建设时，技术人员不能提出可行性建议，容易在数据分析方案选型、决策时出现偏差，制定不符合企业现状的方案。眼高手低，很多企业数据化水平本来不高，却要做决策系统、数据挖掘……建空中楼阁，结果可想而知。

　　二、在企业建设数据分析系统过程中，因企业自身管理人员素质问题，对企业自身大数据建设缺少具体的规划，会导致整个过程由咨询公司主导，众所周知，咨询公司的任务，第一要务是赚钱，第二才是帮企业提高数据分析应用水平。纵观国内外咨询公司现状，极少数企业属于后者，大部分还停留在第一阶段。在这种前提下，如果企业自身人员对企业数据分析的认识较浅，数据分析系统建设会做完一期，做二期，做完二期，做三期，耗资多、见效慢、基本无所进展。

　　同时，有些中小企业在运营过程中本身资金匮乏，不能斥资购置高昂的硬件、软件，因此无法有效的进行企业的大数据建设。

企业大数据建设该怎么办？

　　实现数据的录入和存储。

　　企业最需要考虑的是——需要保存哪种类型的数据。各公司因业务模式的不同，需要涉及的数据也不同，是更加关注产品还是企业运营，亦或是人力的数据资源，这些问题需要在建设之初就做好考量。但涉及客户体验的数据，例如家电的零售卖场：客户来到零售卖场所使用的交通工具;是否有老人、小孩的陪同;看了哪些产品;最后买了什么……诸如此类的客用户画像的数据，需要企业特别重视。或许当前这些数据还没有纳入到业务体系的审核，但这些数据经过挖掘和分析后，将产生巨大的价值。

　　建立数据管理和应用平台。

　　企业做大数据，需要做好两个方面的基础。一方面是在IT基础设施上建立良好的数据处理结构，比如数据分布式存储、Hadoop等。另一方面，企业要建立自己的数据管理与应用平台：包含数据采集、数据库架构、分析模块、API出口等。需要注意的是，数据管理和应用平台的建立必须从公司业务出发，建设适合自己的平台。而在数据中心建设方面，随着云计算和数据分析平台的出现，外部数据中心的成本已经大幅下降，数据存储的费用也不再是障碍，企业可以放心使用。

　　量体裁衣建立数据分析团队。

　　对于大型企业而言，自建数据挖掘的团队，无论是在成本控制还是业务响应机制上都相对有利。然而对于中小型企业来说，自建团队就开销过大了，对这类型企业而言，最重要的是将数据分析思维融入到企业的日常运营之中。针对这些情况，企业可寻求外部合作，寻找专业的数据分析服务机构。除了外聘人才，公司还需要培养内部人才梯队。这可以通过与教育培训机构联手培养自身需要的人才，这种合作可以减轻企业劳动力的成本。侧重于保留而不是替换现有员工，可以省去招聘和培养新员工之劳，更还避免了裁员而导致的昂贵成本。

　　定制好外部数据战略。

　　有哪些外部数据会影响企业的业务发展?——竞争品牌的售价、销售策略等。这些都需要提前搜寻和沉淀，企业可以通过公共渠道或者数据交换的方法，逐步建立外部数据，从而制定外部战略。

　　以开放共享的态度做数据。

　　企业保持开放共享的态度，不仅可以将自身存在的问题社会化，借助外部力量加以解决;而且，通过建立平等数据交换规则，可以实现数据形式的共享，跨界合作，互利共赢！

　　建设企业数据，打造行业标杆！