受益于多年來的完善的信息化建設,包括在ERP系統、倉庫管理、客戶關系管理、人事系統等多個系統的支持下,企業積累了海量數據,在信息的豐富度方面達到了前所未有的速度、厚度、細度和準確度。也即是現在比較時新的“大數據時代”,此時的數據分析,已經有了充足的數據基礎,關鍵是如何對已有的數據進行精益化的處理,并將分析結果運用于企業運營中。
一、大數據時代呼喚深度挖掘與精細管理
1.大數據時代的數據特征。當今天下的互聯網重鎮不外乎哈佛、牛津、耶魯、新加坡國立等世界頂級的一流大學,有一位教授在這結互聯網重鎮都曾有過任教經歷,他就是維克托·邁爾·舍恩伯格,他第一次將大數據時代以其獨特的視角擺在世人的面前。大數據時代所帶來的信息風暴已經來襲,大數據時代所帶來的信息風暴已經開始沖擊我們的時代并正在改變著我們的生活、工作、學習以及思維方式,大數據時代開啟了一個嶄新的屬于信息的時代,并且,大數據時代終將促成我們這個世界的轉型與巨變。大數據時代所帶來的不僅僅是思維的變革,還將帶給世人商業變革與管理變革。
大數據時代的最大的特征就是數據量已經達到了令人無法想像的巨大程度,據統計,人類有史以來的全部數據之中的百分之九十以上均為近兩年內由人類產生的。由此可見,大數據時代真的來臨了!大數據時代不僅存在著數據量極為巨大的特征,而且還存在著巨大的數據量之中所包含的信息量巨大的特征。這些海量的數據必然給處理數據、分析數據帶來極大的困難。但是,一旦掌握了處理與分析海量數據的手段與方法,你將獲得在大數據時代的海洋中扮演一個海上騎鯨客的自由。
2.大數據時代的數據挖掘的內涵。大數據時代是近兩年來的一場極具顛覆性的數據革命,大數據時代所帶來的數據革命不僅將會對人們的生產生活帶來巨大的影響,而且還將對企業的決策、企業的組織、企業的業務流程等產生至關重要的影響,甚至大數據時代還將在某種程度上對于國家的治理模式產生非凡的影響。在大數據時代之中,人與人之間的界限已經完全模糊到沒有國界,甚至于完全沒有任何疆界。值得指出的是,在這個大數據時代,最為寶貴的資產已經從其他種種轉變成了數據,數據才是這個大數據時代的最為寶貴的財富。然而這些海量的“寶貴財富”卻猶如一座藏寶之山一樣,被層層包裹著,這就需要人們利用工具將這座藏寶之山打開,而開山的工具就是一一數據挖掘。數據挖掘在英文中的本意為數據勘探,這生動而形象地形容了人們從海量數據之中探索其內在規律的艱辛的過程。
數據挖掘即指通過對海量數據進行建模,并且通過數理模型對企業的海量數據進行整理與分析,以試圖幫助企業了解其不同的客戶或不同的市場劃分,借以得出消費者的喜好及其行為方式的一種從海量數據中找出企業所需的方法。海量數據之中隱藏著企業所需的某種規律性的東西,經過建模以后就可以利用模型自動地從海量數據中找到這種關聯性。數據挖掘通常會用到統計分析的一些具體方法以及聯機分析與處理系統、情報檢索系統、機器學習系統、專家系統及模式識別系統等科學方法。
3.大數據時代的數據精細管理的含義。自2012年大數據時代徹底扎根落地,僅僅過了一年時間即已遍地開花,多家專業級的互聯網機構的預測顯示,2012年的大數據市場增速即高達40%, 2013年還將翻上一番。僅就我國的大數據發展前景來看,我國的工業信息化、信息產業化、城鎮信息化、農業信息化、教育信息化、軍事信息化等其發展的過程中必將產生數量龐大的數據,大數據的市場可謂灸手可熱,這為我國的數據精細管理提供了跨越式的發展潛力。
大數據的精細管理永無止境,其原因在于隨著大數據的作業模型的不斷改進與擬合,對大數據的研判、分析、處理與應用也在不斷進步。以我國的目前的狀況而言,我們并不缺少大數據,缺少的是對于大數據的真正的精細管理。大數據的精細管理工具首先要從數據采集工作開始,數據的采集越詳細,所得到的資料越完備,這樣在對數據進行分析處理時才能夠得到更多的有用的信息。我國目前許多大型互聯網行業都十分重視基礎數據的采集,因為,基礎數據的采集對于未來的數據精細管理至關重要,對于后續的強化的數據分析舉足輕重。下面試舉一例,說明大數據的精細管理對于企業的重要價值。例如:原來做庫存周轉分析時,一般每月做一次產品大歲愁的周轉分析。現在,借助信息系統收集的數據,已能夠細至每一天、每一種物料、每一次進出庫、每一個批次的數據,系統是否就可以結合次日的生產銷售計劃計算出即時的細到每一個庫存量單位的存貨周轉率。這種精細的分析就賦予了數據新的意義和作用。
4.大數據時代數據挖掘與數據精細管理的意義。大數據時代無論是數據挖掘還是對于數據的精細管理都有著任何其他工作所無法替代的非凡的意義,因為透出對于大數據的分析,我們可以針對現有的企業決策提供以強大數據支持的決策意見與建議。目前,幾乎所有的世界五百強的企業中管理建議的提出無不需要數據做為其理論依據,即便是我國國內的中小企業在分析問題、解決問題時也已經開始傾向于數據說話,不掌握大量數據是無法提出科學合理的建議的。此外,數據量積累到了一定程度,數據自己是會說話的,這時,通過對這些數據的在線分析與處理之后就可以從這些海量的數據中發現企業所需要的商機。海量的交易數據中隱藏著客戶的喜好與市場細分化的細微的差異性以及市場未來的可能的發展趨勢,這些對于企業的生存發展都具有著極其重要的意義,哪個企業更加了解市場,哪個企業更加接近市場,哪個企業就將從競爭中脫穎而出。我國的傳統的數據管理思維方式僅漢關注于靜態程序所預先提供給企業的幾項固定的內置功能,這些預先內置的功能所能夠帶給企業的幫助十分有限,企業必須還必須依靠海量數據的分析以更好地為客戶服務,更好地占領差異化市場,更好地完善企業內部的各項工作。
二、數據深度挖掘初探
基于大數據的深度挖掘源于企業對于大數據資源開發的迫切需求,任何擁有大量寶貴數據資源的企業都希望從其所擁有的寶貴數據資源之中提煉出有益的信息與線索。深度數據挖掘通常包括數據準備工作、數據挖掘工作以及結果表達與解釋工作。數據挖掘過程中的所使用的主要手段包括關聯分析、聚類分析、分類分析、異常分析、特異群組分析以及演變態勢分析等。
運用某一數據中的差異性建立分類模型,比如建立企業客戶的購買數量的分類時可以將客戶按照數量劃分為大宗VIP客戶、大客戶、中客戶、小客戶、散戶。分歲愁的作用十分明顯,就在于能夠在細分化的狀態下找到更有價值的客戶群體并對其實施行之有效的針對性營銷。在進行正式的分類之前可以先進行一個估計的過程,可以使用估計的數值對于目標數據進行預分類,然后再根據閾值進行修正,直到閾值達到盡善盡美的程度為止。
預測是數據深度挖掘的不可或缺的手段之一,預測亦是較之分類等更為高級的數據挖掘應用過程。因為預測不僅要對大數據進行估計,還要對大數據進行準確的預判。這就需要對大數據集及其所代表的現實世界進行建模與抽象,以模擬的手段得到大數據的基本模型,這一基本模型必須進行信度與效度的檢驗,并應排除各種能夠推翻模型的可能。建模只是模擬數據的產生過程,通過這一過程即可對于未來的趨勢進行較為精準的預測。雖然過去大數據只能代表過去,但是由于我們已經模擬了其產生的基本機制這就使得預測未來成為可能。過去與現在的數據之所以彌足珍貴是因為這些數據之中已經在孕育著未來。預測是如此的復雜,以至于據目前的不完全統計,各種預測模型已經多達百余種,即使是最常用的也在數十種。由于現實的情況十分復雜,因此,這里需要指出的是,雖然預測技術已經取得了突飛猛進的發展,但是,科學來說,任何預測都無法替代現實。而且任何既有的預測模型都不如為既有數據量身定造出來的模型更符合當前的業務。目前已知的可以運用于企業級應用的預測模型包括:多元回歸、非線性回歸、趨勢分析、AR模型、MA模型、序列、灰度、指測等等預測模型。矩陣實驗室、SPSS, SAS等專業級統計應用軟件包為深度數據挖掘提供了便利。
三、數據精細管理淺析
如果說對于大數據的深度挖掘賦予了企業非凡的洞察力的話,那么精細的大數據管理則為企業提供了可持續發展的數據管理方面的保障。我們通常會定義大于百T的數據量為大數據,如此龐大的數據量以目前的科技發展水平不太可能出現于尋常百姓之家,甚至某些中小企業數十年的數據量也達不到這種水平,因此,大數據的精細管理目前僅限于大型企業,尤其是互聯網或其他高科技企業。無論是以利潤為中心,或是以客戶為中心,大數據的精細管理都可以轉換為企業發展的一種潛移默化的推動力量。大數據精細管理為管理工作提供了“有據可依”的監察與管理基礎,同時大數據精細管理也為差異化競爭提供了原始理論的強而有力的支撐,從數據挖掘的角度來看,大數據的精細管理也為數據挖掘的順暢進行提供了強勁的“數據樞紐”的作用。
隨著經濟發展的趨緩態勢在我國企業中的全面顯現,我國的越來越多的大型企業開始出現了“銷售增量不增收”的尷尬局面,雖然大的經濟環境對此責無旁貸,但是,我們也應該看到大型企業由于大數據的精細管理存在著嚴重問題而導致的企業主營業務缺乏方向性、缺乏針對性,企業的多種經營業務缺乏導向性、缺乏向心性等方面的問題。
四、結語
大數據時代的概念的出現截止目前為止雖不過才短短數年的時間,但是由其引發的數據時代的挖掘與管理革命已經發展得如火如茶。這不僅反映了我國的大型企業的數據觸角已經十分靈敏,也從一個側面印證了大數據時代數據挖掘與數據的精細管理的劃時代的意義。
轉載請注明出處:拓步ERP資訊網http://www.guhuozai8.cn/
本文標題:芻議大數據時代的數據挖掘與精細管理