论大数据分析在企业管理中的运用

作者：***

来源：《科学与信息化》2017年第24期

        摘 要 汉江集团以水力发电、南水北调供水、房地产开发、铝冶炼、铝箔生产为主要业务，建设了办公自动化系统、ERP系统（包括财务、资金、人力资源管理），因此，随着大数据时代的来临，影响着企业的运营和商业模式，企业管理也必然与之匹配，才能促进企业的发展壮大。所以我们既要深刻理解企业管理先进方法与理念，更要熟悉运用科学管理的基本要素数字化管理，这样企业管理才能铸就坚实的管理基础，才有机会走上规范化、跳跃式的发展轨道。基于此，本文就针对大数据分析在企业管理中的运用展开讨论。

        关键词 大数据；企业管理；运用

        1 大数据的定义及内涵

        现阶段，大数据并没有一个统一的定义。麦肯锡公司认为，大数据指的就是数据大小超过典型数据库软件采集、存储、管理、分析等能力的数据集合。由此可以看出，大数据就是一个相对概念，随着时间的延续、技术的进步，大数据也在不断改变。尽管大数据可以直接反映数据集合的静态对象，然而，赛迪智库经过研究认为，大数据不仅是大规模数据的集合，也是数据、技术、应用这三者的有机结合。

        1.1 从对象角度分析

        大规模数据集合就是分析对象，没有大规模数据，就无法实现大数据的分析与应用。然而，这里的大规模数据，并不是大量数据的堆积，而是相关数据的收集，因为这些数据之间存在着一定的关联性，才可以进行分析与挖掘潜力。数据之间是否具备关联性与结构性，成为大数据与大规模数据的主要差异。

        1.2 从技术角度分析

        大数据技术主要就是从各种大数据中，快速获取有用信息的技术。其和大规模数据的概念有所差异，最大的不同就是大数据中包括数据处理。为了可以从大数据中获取有用信息，一定要重要灵活、分布式处理等多样化方法的运用。

        1.3 从应用角度分析

        大数据技术就是指将特定数据进行集合，之后运用特定技术予以分析，从中获取有用信息的技术。在不同行业、不同企业、不同业务中，数据集合、分析目标的差异，使得大数据技术得到了充分的利用，并且取得了很好的效益，促进了行业、企业的进一步发展。

        2 大数据分析在企业管理中应用的现状

        2.1 广告的定向投放

        通过对所调查用户的网页搜索记录和浏览历史，并且对用户的日常行为习惯和趣向进行分析处理，精准地找到目标客户，提高广告投放效益，并基于数据的挖掘为广告商提供自主下单服务系统，例如，淘宝网通过客户的浏览记录，做出客户可能还想购买的相关链接。

        2.2 客户的精准定义

        如今供大于求的社会，企业需要以客户的需求为中心。基于用户的属性和行为习惯，通过交易数据和交互性数据，大数据会为企业提供更加立体化的客户，使企业深入了解客户的需求和喜好，同时也会提升用户的体验。

        2.3 客户流失预测

        以客户行为作为基本模型，根据客户投诉的数量，客户评价出现的负面情绪，以及客户购买量明显减少等现象，预测客户流失的可能。

        2.4 及时掌握企业运作信息

        在信息化时代，企业对每一个节点的信息需求也越来越多，每一个环节产生的数据都是海量的，过去传统数据收集、分析处理方式已经不能满足汉江集团公司的需求相符合要求，这就需要通过大数据把信息对接起来，将每个节点的数据收集并整合，通过数据中心分析，处理转化为有价值的信息，从而掌握企业整体运作情况。

        2.5 竞争优势分析

        随着新兴企业的不断壮大，市场竞争日益激烈，对大数据的有效应用就成为企业在市场竞争中的关键，因此就要求企业管理者在发展战略计划中融入大数据的思想，才能使企业在激烈的市场竞争中赢得一席之地。根据对企业内部数据的分析，企业管理者可以了解企业存在的短板和优势，改善企业现有的产品，提升服务质量，整合大数据分析结果可以为企业量身定制出一套符合其自身情况，适应其发展方向的创新型商业发展模式，从而增加企业的核心竞争力。

        3 大数据时代下企业管理所应具备的能力

        通过上述分析大数据分析在企业管理中应用的现状，企业管理必须具备两种主要能力：数据的预测能力和数据的管理能力。

        3.1 数据的预测能力

        预测能力是企业管理中具有前瞻性指导意义的能力之一。以制造业为例，不论是生产计划的制定、原材料的采购，还是机器设备的增加，作业人员的扩招等，都必须要提前预测以便生产活动的顺利开展，这一切都离不开各个环节的数据体现。譬如原材料价格的浮动变化、劳动力成本的变化等，企业应当科学地利用过去及当下的数据来合理预测下一阶段企业管理的成本变化及活动需要等。

        3.2 数据的管理能力

        一方面，企业需要更加精准地搜集数据。海量的数据为企业决策提供了度的参考依据，但同时也对企业的信息筛选能力与信息鉴别能力提出了更高的要求。因此，企业要选择合适的渠道来搜集信息，选择合适的方式来存储信息，以提高信息使用的方便性。另一方面，企业需要更加有效地整合数据。在获取充足的，合适的信息后，企业应当拥有对数据的整合能力，即将零散的、碎片化的数据通过分类、归整的方式进行有机整合，以形成相对的体系，从而提高信息使用的更有效性。

        4 大数据分析在企业管理中的具体运用

        4.1 降低成本

        数据资产逐渐成为现代商业的核心竞争，是企业能够进行可持续发展的决定性因素。而大数据可以帮助企业捕捉、管理和处理数据，对有关联的部门数据信息进行有效的分析，加强各部门之间的协作，提高供应链的物流效率，节省企业成本，从而提高企业日常运营的效率，研究称，在所有高级经理中，有61%都将公司的数据保存于内部IT科技部门，而有7%则表示他们的数据由其营销部门保管。

        4.2 了解竞争对手

        大数据能够实现对于同行企业信息的获取。大数据可以通过捕捉竞争对手的各项信息（如运营产品种类、产品价格、销售额度、市场比重、受消费者的欢迎程度等）以及运营现状，对数据进行集合整理，通过特定技术和相应的算法分析以后，对竞争对手的产品价格、竞争性以及影响策略进行明确评价，发现竞争对手的经营策略，另外，企业可以对自身的产品，通过精准的算法进行评价，从而改进或者优化产品营销方案。

        4.3 促进营销

        在大数据的背景下，企业可以通过大数据搜集大量消费者数据信息，构建一个动态的数据系统，通过后期特定技术和算法分析以后，挑选出目标消费群体，进而根据目标消费群体的特征，不断优化企业产品的质量与服务，提出适用于目标消费群里的促进营销策略和方案，从而提高产品的销售额度，增加企业是市场竞争中的比重。作为一家资深多领域数据管理解决方案供应商，曾有人发布过一份调查报告，称有75%的公司表示他们在大数据的支持战略下进行经营决策，而受访公司中有65%的财务负责人则对大数据在经营决策中的正面作用予以了肯定。

        4.4 电站大数据建模思考

        （1）大数据建模的层次划分

        大数据建模首先要考虑利用大数据技术建立的模型要实现什么样的功能，即所建模型的用途。不同功能或用途决定了建模的层位选择，不同层位的用途则应该选择不同层位的模型。层位即表征研究对象的一定特性的描述水平及对象在系统内所处的位置及作用水平。相互交错关联的层的总体构成大数据系统。层位的选择取决于具体的研究目的和建模主题，并且不是唯一的。在分层结构中，层位越低，对象各方面的描述就越详细；层位越高，较宏观的研究目的越明显。每一层位是由更低的层位总和组成。图1对电力生产数据层位进行了划分。层位问题也就是从数据利用的价值出发，可以是宏观的、微观的，不同出发点就选择相应层位的数据建立相应目的的模型。

        （2）大数据建模的模块化

        模块化建模的主要内容应包括[1]：

        ①模块规划。模块化建模的关键是，需要决策者或者总工程师统筹帷幌部署全局，对所研究系统进行合理的模块分解，模块划分的形式决定了模型之间的组合方式及层次关系。

        ②建立模型算法库和模块库。大数据系统化建模不是一跳而就的，而是由许多小的模型组合，逐步完成的。建立一个丰富的预先完成的模型算法库，逐步完成模块模型形成模块库。模块算法和模型模块按照统一形式存放于模型算法库和模型模块库中。

        ③模块组装系统。模块之间的组装是整个模型系统得以实施的保证。

        ④热力性质函数库。水、水蒸气、烟气等工质的热力性质函数库（如烩、滴、密度等），为模块化建模提供支持。

        ⑤环境因素数据库。天气、气温、地理位置等对机组运行有影响的环境因素作为建模的外围模块。

        （3）大数据建模与机理建模

        大数据建模并不是万能的、最有效的，对于机理明确数学模型清晰简单的问题，采用机理建模方法可能更为有效。当处理机理复杂关系不明确、数学模型高阶高维难以求解或不收敛等问题时，大数据建模反而更可取。因此应该根据建模对象的实际情况，确定是采用大数据建模还是机理建模。并且在建模中大数据建模与机理建模融合共存，均可作为模块化建模的子模块融合建模。

        （4）大数据建模的特征参数选择

        大数据超高维度超大数据量导致较大的内存需求和高计算成本，迫切需要解决特征选择问题。大数据建模进行特征参数选择，其实是解决模型精度和响应时间之间的折中问题。解决的根本还是对建模目的的理解，建模目的决定了精度与响应之间的轻重关系。例如，建模目的是建立某参数的趋势预测来进行设备故障诊断时，则不需要模型计算的参数值精度多高，而要求模型能够及时反映出参数偏离正常范围的趋势，并给予警示。根据建模主题进行特征参数的选择，有利于提高建模效率、降低模型复杂度、节省建模时间。

        5 大数据分析在企业管理中的主要作用

        通过上述探讨了大数据分析在企业管理中的具体运用，下面笔者根据上述的运用谈谈几点大数据分析在企业管理中的主要作用，主要从管理依据、成本控制以及信息化建设展开：

        5.1 为企业提供清晰的管理依据，持续提高管理工作成效

        通过数据分析还有助于提高企业管理和完善系统运行的效率，数据的管理与交流往往是检验公司管理工作决策和经营决策是否正常动作的标志。执行过程中的各个环节是通过数据的管理和交流融为一体的，缺少数据的管理与交流，往往会出现失控现象，这对企业的发展是极其不利的。

        5.2 推进企业的信息化建设

        企业信息化建设是企业发展的重要组成层面，直接影响着其未来发展前景。因此，在日常经营活动中，企业必须加快信息化建设，积极运用各种信息网络技术发展自身。只有掌握了数据分析和处理技术，企业才能逐步推进信息化建设，实现资源共享。企业可以通过数据平台及时了解和掌握产品的销售情况，分析客户需求，提高产品的知名度与市场影响力。信息化中的关键问题就是对信息资源的开发和利用，而信息资源的本质就是数据，是具有一定格式的且代表某些特殊意义的数据或数据集合，计算机系统是一套数据处理系统，要应用计算机处理各种业务，必须有大量的真实、实时且被标准化、规范化的数据。所以，只有标准化、规范化的数据，业务流程才能通畅流转；只有实现数据有效积累，决策才有据可依；只有数据准确，才能保证系统的完善。

        5.3 为企业的全面预算管理和成本控制提供支持

        随着企业规范管理的逐渐深入，要求企业走科学发展、持续发展、统筹规划、和谐发展的管理之路，要推行企业新的管理理念，实现企业总体战略目标，需要一套全新的管理模式，将企业管理置于预想、预知、预控的状态下，取得主控权，而全面预算管理则是一件好的方法，预算不是财务指标，是公司发展战略和经营策略的实施保障和管理控制体系[2]。成本控制以会计成本控制理论为依据，通过各种现代化管理手段有效提升了企业的资本利用效率，有利于其健康稳定发展。成本控制将实际成本和成本定额的差值作为衡量成本利用效率的主要标准，进一步规范了企业的经营管理秩序，降低生产管理成本，实现了目标利润。

        6 结束语

        总之，在信息技术高速发展的互联网时代，大数据越来越体现出突出的作用。如何把握时代洪流下的机遇和挑战，充分利用大数据在企业管理中的运用，具有重要的作用。本文介绍了大数据的定义和内涵、重要作用以及企业管理应具备的能力，进一步分析了大数据分析在企业管理中应用的现状，后从降低成本、了解竞争对手、促进营销、强化决策以及推动五个方面阐述了大数据在企业管理中的运用，为大数据在企业决策管理中的应用研究，提供科学的有效参考。

        参考文献

        [1] 刘纬纬.大数据给传统企业管理带来的变革[J].中国管理信息化，2014，（16）：43-44.

        [2] 姚璐.大数据时代下企业管理及应用[J].科技创业月刊，2014， （1）：82-83.