数据间关联与追溯

1.1 企业组织是个整体

企业大数据是企业内部资源与相关外部资源的数据集。而企业组织是一个整体，对该组织资源和资源活动进行描述的数据也应该是一个整体，而不应该有孤立的数据。一个企业中的任何一部分都必须与其他的部分产生关联，否则就成为组织孤岛，即使是孤岛，只要这个组织孤岛还消耗公司的资源，包括资金和人力，那就跟组织产生了联系，就可以将该孤岛跟组织的其他部分关联起来。

从另外一个角度来理解企业数据应该关联为一体。当客户投诉我们的产品的时候，我们能够追溯到这个产品是什么时候在哪一条生产线上生产的，当时工作的工人是谁，是谁做的质检，是谁打包，谁负责入库的，谁负责出库的等；还能够根据产品的批次和型号追溯到该产品采用了哪些批次零部件，这些零部件都是由哪些供应商生产的，什么时候生产的，什么时候入库的，什么时候出库的，谁在什么时候做的质检等；根据供应商信息能够追溯到谁开发的这个供应商，谁制作的模具，谁负责签约该供应商的等。通过一个产品，能够把公司所有的资源都关联起来，让公司的所有资源都凝结为一个整体，而且实现了数据的全程可追溯。

当我们的数据实现了全程可追溯机制之后，就能够根据客户的反馈、产品的投诉、退货等追溯到具体的责任人，只要是内部运营过程中的失误导致的退货或者客户投诉，我们都能够找到根源，就能够从根儿上找到产生不良品的原因，从而解决问题。保证我们下次的产品不会出现类似的质量问题。

只要将公司的数据全面地整合在一起，我们在运营管理上就能够依据数据来发现出现问题的根源，从而从根源上彻底解决问题。没有数据的关联，或者在这个追溯的过程中产生了断层，那就是数据就还不够完善，不够全面，需要进一步完善数据。产品或者服务的全程可追溯机制让我们能够清晰地看到公司整个运营和生产过程，从而能够知道哪个环节出了问题，由此解决出问题的环节，优化公司的管理和运营流程，优化工艺，优化资源的配置，通过培训或者奖惩来实现管理优化。

1.2 万事万物皆可关联

随着大数据技术的应用和普及，企业的数据越来越丰富，越来越全面。在未来，所有的事物都能够通过数据而关联起来，事物间的关联将会彻底改变社会的结构。信息在逐步透明之后，依靠信息不对称所谋利的企业将减少，商贸业的利润来源将回归到产品质量和服务；制造业的利润将回归到生产效率和制造工艺，一个“乌托邦”似的时代将会来临。

当然，这是一个完全理想的情形。事实上数据间的割裂会长期存在，利用数据割裂而谋利的行为还时有发生。现在拥有大数据的互联网企业以BAT和几个大型电商为主，他们之间的数据共享短时间难以实现。

国家也在积极推进数据的整合和关联，并在2014年开始试点数据统筹，将民政数据、公安数据、交通数据、税务数据、财政数据等统筹起来，形成了一张完整的数据网，构建了完整的社会数据地图。这个数据统筹项目如果能够顺利实施，国家的治理工作将更加完善，效率将大幅度提升。

当国家政府机关和行政事业单位的数据都关联起来之后，社会资源的配置就能够做到最大化，让整个国家的经济效率得到大幅度提升。这也是为什么在大数据技术方面，国家政府跟进得非常及时的原因。比如，把工商税务数据与电力、水利、天然气等市政设施数据关联起来，餐馆每天的营业额不用看他们提交的报表，根据用电、用水、用气量就能够准确预测。

万事万物皆可通过数据关联起来，但要想真正地关联起来，估计需要一场数据变革，全民的变革。数据间的联合可以产生巨大的商业价值，数据联合将会是初步的数据积累到一定程度之后的必然。

1.3 没有记录的事情就没有发生过

数据只有记录下来才能被管理、关联和使用。在工业化进程中，先进的制造业非常强调数据记录，因为通过数据能够追溯事情的发展全过程。中国的工业化进程起步相对较晚，到现在为止只有30年的时间，而西方已有300年的工业发展进程了，所以中国的企业在数据记录、数据管理和数据应用上的基础还非常薄弱。很多企业还不重视数据的记录，只要把事情做完，记录是额外的工作。而西方的很多企业非常强调数据记录，有的企业奉行“没有记录下来的事情就没有发生过”这样的信条。只有记录下相关的作业数据，工作才算是完成了。

大数据是未来的发展趋势，而且大数据才刚刚起步，所以要对其高度重视。数据未来是和石油一样宝贵的资源，会成为企业生产资料的一部分，甚至是最关键的部分。中国的企业要想在未来的竞争中取得优势，能够在这一轮的DT变革中不落后，需要在数据管理上下功夫，可以在企业内部推行“没有记录下来的事情就没有发生过”这样的管理思想，让数据积累成为工作的一部分。

1.4 数据关联是追溯机制的基础

数据记录之后，需要注意数据间的逻辑关系以及关联关系，通过索引的方式把数据间的关系构建起来。发工资要对应员工，并对应员工的业绩；管理目标要对应公司的发展目标；员工报销要对应业务需求；产品生产要对应员工的生产操作记录等。

数据间的关联其实很简单，静态数据的关联靠企业资源之间的关系。一个员工对应相关的岗位、职责、部门，通过组织架构关联起来；一台设备可以同车间、厂房和供应商关联起来等。动态数据需要全面记录，数据记录必须包涵动态数据的主体和客体，设备采购订单将设备、供应商、采购员等关联起来；销售订单将销售人员、客户和产品关联起来；生产订单和生产日期、班组、车间、生产线有关联还和员工、班组长等有关联。静态数据间靠资源关系关联；动态数据靠主体和客体关联，所有的数据都可以关联起来。

关联是追溯的基础。只有生产订单跟生产线工人、班组、车间、生产线等关联起来，才能在产品出现品质问题的时候追溯到生产单元、部件供应商、采购员、质检员，甚至所有的生产环节，查出是哪个环节导致的产品品质问题。

1.5 可全程追溯是对数据采集全面性评价的基本参数

衡量一个企业的数据是否全面，通过全程追溯的方式即可检验。从企业的产品或者服务开始追溯，是否能够追溯到每个人、每个部门、每笔财务收付款，就能够检验数据间的关联性以及全面性。

很多企业都有自己的信息系统，包括MRP、ERP、CRM、HRM、OA等，企业在建设的时候往往由不同的部门牵头构建，最终形成了现有的完善的信息系统，但在建设过程中，如果没有数据关联的意识，或者因为系统间的不兼容、不连通，也会导致数据间没有形成关联。如果数据不关联，以上的这些系统就会形成各自的数据库和数据集，彼此是孤立的，形成了企业的数据孤岛。当对数据进行查询的时候，往往追溯到一半就追溯不下去了。

企业与外部相关资源的数据关联也越来越重要。企业不是孤立的，是生存在外部的市场环境中的。如果没有外部数据的联结，企业数据自己形成一个孤岛，也会影响企业对大数据的使用效果。

早在20世纪90年代，美国的宝洁公司就在积极推进自身系统与客户信息系统的对接，包括ERP系统与客户的销售管理和库存管理系统的对接。当大客户的销售数据和库存数据反馈到宝洁公司后，宝洁公司就可以根据产品的销售状况来制定公司的生产计划，从而优化公司的库存。宝洁公司甚至早在20世纪90年代末就曾经提出过智能购物车的理念，只要消费者把宝洁公司的产品放到其购物车中，宝洁公司的信息系统就能够收到智能终端的数据，根据销售记录判断是否要备货。那个时候还没有完善的电商，现在有了电商，这个智能购物车实现起来就更加容易了。

即使是互联网巨头企业，也在积极探寻完善数据全面性的方法。谷歌公司可以算是全球大数据领域中的领军企业，通过开发软件为大数据提供基础，软件包括Hadoop、Mapreduce，以及移动端的系统软件Android等。谷歌能够通过用户搜索，定位用户的需求，但是其能收集到的用户个人信息不全，虽然谷歌还有Gmai（l邮件）、Chrome（浏览器）、GoogleEarth（卫星地图）、GooglePlay（应用市场）、GoolgeMap（地图）等，这些产品能够收集用户的行为数据，但没有用户的个人信息数据，所以可收集到的信息还是比较少。为此谷歌也曾尝试推出更多的锁定用户个人信息的产品，包括Google+（社交媒体）、Hangouts(即时聊天)，但用户使用这些软件的频率非常低。为此谷歌不惜花重金进入电商领域，并购了Nest（智能家居）和Dropcam（家庭监控）等可以获得用户个人信息数据的产品。此外，在导航服务上并购了Waze，在O2O叫餐服务上并购了ZAGAT。谷歌力图全面采集用户数据来提高自己在大数据领域的完整性和全面性。如下图所示。

中国的互联网巨头也在用户数据的全面性和完整性上进行着看不见硝烟的战争。百度在采集用户数据方面的缺点跟谷歌雷同，有用户的行为数据，但是缺少个人信息数据。阿里的大数据布局稍微好些，有淘宝和天猫以及支付宝构建的用户财务、交易和信用数据，有滴滴打车所产生的用户地理位置数据，但对用户数据的完整性以及用户行为的全部监控还少了通信数据，少了通信数据就少了用户间的关联数据。而三大互联网巨头，只有腾讯公司在用户数据的完整性和全面性上最优质。一方面，QQ、微信等社交软件构建了用户的行为、地理位置、通信数据，更为重要的是，这个通信数据是双向数据，能够构建用户的社会关系网络，相比百度和阿里最大的优势在于这个数据是网状互联的社会大数据，而不是单纯地把用户当做社会的一个点。三大巨头在数据完整性和全面性上的竞争还在继续。如下图所示。

数据的全面性和关联性是企业优化自身资源配置，提高生产效率，降低生产库存，实现高效运转的基础，只有完善的数据才能让企业更好地发展。数据是一个企业持续发展的基础，很多国际大公司都在不遗余力地提高数据系统的敏感性和稳健性，并在数据应用上不断创新。希望中国企业开始重视数据、积累数据，并从现在做起。

全文摘自《企业数据化管理变革-数据治理与统筹方案》赵兴峰著

该文转载已取得作者认可

版权说明：版权所有归明悦数据所有,如需转载请联系我们，我们将在第一时间处理，或请注明内容出处（《企业数据化管理变革》赵兴峰著），非常感谢！【往期内容已在（明悦数据）公众号同步发布】

下期内容更实战！