连业务系统都没搞好！谈什么BI大数据？

董事长：

小矿，我们要搞大数据，向你咨询下。

数据矿工：

我们用大数据来做什么

董事长：

公司现在这么多客户，我不知道哪个客户比较优质，有了大数据，就可以分析客户订单，知道这个了呀。

数据矿工：

那为什么你现在不知道呢？

董事长：

因为我们财务、销售、运营给我报的数据各不相同，从数据看都没有问题。

数据矿工：

那为啥你觉得大数据可以解决？

董事长：

因为最近找了一些大数据公司，说可以通过数据看板大屏，直观的体现出各个客户的盈利状况。不过他们调研完，说需要先找个比较牛的咨询公司梳理下数据指标，做数据治理。

数据矿工：

......

国内的信息化发展得很快，用十几年走过别人上百年的信息化发展路径。而这带来的则是急于求成，系统用不起来的问题。如今大数据的发展，为了能赶上这波大数据的浪潮，许多企业便也尝试用大数据改变一些业务。更有甚者，连什么是大数据都没搞清楚的时候，便想上大数据系统。此时，数据矿工不得不为您扑扑火。

提到大数据，目前大数据做应用较好的行业主要是通讯行业、电力行业、金融行业、零售行业等。其主要原因是这类行业本身就具有大量的数据要进行分析。超大的数据量就使得这些企业，不得不进行大数据的研究，无论是存储技术还是数据处理技术，都需要与传统信息化的方式不同。尤其这些年零售电商、移动互联网、物联网等的发展，使得数据量不断地增大，急需新的技术进行大数据处理。

而对于部分行业，如建筑、农业、物流、建筑等行业，其相对比较传统，数据量也有限。对于这些行业来说，遇见千万级数据量，就觉得需要大数据的处理，这其实是对大数据一定程度的误解。

其实，对于传统行业的数据化转型，更多的要关注业务价值，让数据真正的产生价值，才是第一要务，而不是一定要采取什么大数据技术来处理数据，更多的应该关注数据的逻辑和数据治理层面的东西，我们可以将其理解为数据资源规划。

其实对于一个公司，如果只有1-5个业务系统，最重要的就是要把业务系统用起来。把企业内部的业务流程理顺，用先进的ERP系统，倒逼BPR，让业务流程更加规范，进而提高效率。至于其他部分的效率提高，更多的可以采用一些小插件、小工具的形式进行，当发展到一定规模的时候，再增加业务系统。

而对于已经有10个左右系统的公司，这时候便要考虑数据规划了。当然，这里也要考虑公司的规模，和业务系统的规模。曾见过一个1000+家门店业务量的公司，只有一个ERP系统，所有的CRM、WMS、TMS、甚至OA、E-HR都挂在ERP下面，CTO每天忙于恢复数据和解决系统崩溃。这类企业是急需进行数据规划和整个系统架构的规划的。

换句话说，就是又要提到老生常谈的诺兰模型了。其实数据资源规划的关键点，或者说要利用一定的大数据技术解决业务问题的时候，正是诺兰模型中，信息规划的转折点的地方。

当信息化到中级阶段的时候，便是要进行大数据技术引入的时候，而不是一味的认为公司需要数据了，或者什么数据无法统计，就要搞大数据。其无法统计的原因，往往是因为信息化不够完全，或者BPR过程中遇到了阻力导致的。

如上文所讲，数据资源规划不能急于求成，这是个数据变现的过程，只有数据真正的利用起来，数据才能成为数据资产，否则其只是一堆杂乱无章的数据，存储起来还要有服务器成本。要形成统一的数据主题库，保证“数出一门”，无论是对于各个系统之间的对接，还是后期数据发挥价值，这都是必不可少的一轮。如下则是一个出口贸易公司的数据资源规划图：

在对数据资源进行整体性的规划之后，才可以建设BI分析系统。BI系统在所有的系统架构中，均是最上层的应用，没有底层的数据的支撑，BI则就会是一个空架子。当然，也有企业采取的策略是，使用上层BI倒逼业务系统的改变，这就形成了几种不同的商业智能系统建设的方案：

在建设商业智能系统时，可以采取“从上自下”、“从下而上”或“上下结合”的方式进行信息资源规划。

1

从上自下

从用户的应用需求出发，通过分析用户希望通过BI来解决什么问题，从而归纳出用户需要从BI系统中获取哪方面的知识，然而倒推出BI系统的信息体系结构和数据体系结构。

2

从下而上

从用户现有的数据资源出发，分析用户所能获得的数据资源，归纳整理出BI系统的数据体系结构，再往上推出BI的信息体系结构和知识体系结构。

3

上下结合

既考虑用户所能获得的数据资源，又考虑用户业务对BI系统的应用需求。

总之，无论是哪种方式，建设大数据系统的前提是要有清晰的规划，不能急于求成。对于先上BI后整理业务的公司，BI的建设则是个长期的任务，随着业务数据的不断整理，BI上的数据越来越“干净”，才能进一步产生其应有的数据价值。否则，做的再炫酷的数据大屏，都是空谈！而业务系统之间数据混乱，却恰恰是大部分传统行业所面临的，面对大数据，传统行业更应该冷静的思考数据资源的规划，让数据真正的产生价值！