不良教育原标题：【安永观察】智慧数据模型三步法——TMT企业供应链大数据应用初探

　　在信息化时代，数据已经渗透到每一个行业和业务职能领域，成为重要的生产因素，推动着很多行业的升级。而大数据时代的到来，使许多公司开始广泛运用数据分析手段进行经营和管理。

　　互联网企业在应用大数据实现经营优化中表现突出，电商企业通过收集浏览偏好、订单内容等数据分析用户喜好及购买力，以此推送符合用户心意的商品信息，为用户定制优惠活动，从而增加交易额；资讯类的互联网公司通过对使用时间、浏览内容等数据的收集和分析，为客户推送偏好内容，从而提升用户黏性。

　　但公司应用大数据实现管理优化的标杆实践尚不广泛，因为决策者和管理者隐约知晓大数据的高价值，但面对如何充分挖掘、如何高效利用、如何保证企业信息安全等具体问题，并没有明确的解决方案，企业的管理变革也可能由此面临挑战。

　　得益于多年的企业管理咨询经验，安永意识到，在大数据时代背景之下，由数据支撑的信息管理已成为现代企业管理的重要组成部分，在管理工作中应用大数据已成为企业提升竞争力的重要手段。本篇将结合安永的部分项目实践经验，就企业管理层对大数据应用的困惑、如何在企业管理中应用大数据以及应用的挑战进行阐述。

　　研究机构Gartner给出了定义：大数据是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。在企业管理中，大数据贯穿在企业运营的各个环节中，既包括结构化数据也包括大量的非结构化数据，善加利用，它们能为日常运营提供丰富的信息，也能为管理决策提供可靠依据。

　　目前，国内仅有少部分企业重视管理决策方面的大数据，管理者大多遵循传统的管理模式，执着于追求事情的因果关系。而应用大数据可挖掘更多与“果”相关的因素，在一定程度上为企业管理者补充了敏锐的洞察，帮助其在错综复杂的环境中进行管理和决策，极大地减少了以往传统管理决策方式造成的片面性、局限性决策。

　　企业大数据中包含了许多不能公开的敏感数据，因此对大数据应用的权限设置和安全保护需要更为谨慎。但这仅是对管理信息系统的更高要求，而非大数据应用的弊端。在加强企业内外部防火墙建设的前提下，大数据应用为企业和管理者提供的利将远大于弊。

　　作为重点服务领域，安永管理咨询服务团队通过应用DIKW体系专注于为TMT企业提供管理提升服务，为企业的大数据应用提供全面的参考借鉴规范。

　　针对DIKW体系的具体落地应用，可遵循智慧数据模型三步法：管理需求标签化、应用场景产品化、落地演进敏捷化，以下内容将详细对三个步骤展开说明。

　　为使大数据应用真正为职能管理者所用，必须从管理者自身需求出发。不同管理层级及部门管控内容和管理目的各不相同，访谈所收集的管理需求往往杂乱无章、颗粒度差异大，导致后续场景设计无从下手。

　　安永建议，在进行大数据应用的需求梳理时应当首先结合DIKW体系建立应用标签集，包括但不限于被访谈者的部门、职务，涉及业务的商业流程、管控点以及DIKW体系中对大数据应用的不同层级。在访谈和梳理时做好需求标签，避免原始记录材料无迹可循，为后续场景设计奠定基础。

　　企业对大数据应用的管理需求多且杂，如若不加以整合，只是一味满足使用者需求，在后续的开发落地中容易出现“开发追不上需求”的情况。安永建议采用产品化思维，将管理需求碎片整合为专项场景（产品），引导用户习惯从“需要什么数据”到“需要解决什么问题”的转变。

　　在面对不同部门的共性需求时，可以考虑以该共性作为整合维度，减少重复开发成本——如针对不同部门都具备的绩效指标实时展现需求，可整合成为“绩效展示板”。在此基础上，可以考虑个性化的整合维度——如以权限作为整合维度，根据不同管理者角色和岗位进行个性化的需求整合，保证场景的使用体验。

　　以某大型TMT行业领先企业供应链管理为例，依据安永面向业务执行、能力支撑以及内部考核健康相关的供应链商业过程结合内部管理应用场景框架，作为梳理大数据产品化应用场景的基础，全面、有序地进行场景整合；作为后续分析、开发的基础，有效避免散落式需求叠加。

　　针对已初步整合的场景，可结合DIKW体系选择适宜的展现方式。但在大量的实践经验中，安永发现，由于企业内部的数据质量、信息化手段等限制，处于知识、智慧层的应用场景往往无法一蹴而就。

　　据此，安永建议依据DIKW体系进行应用场景的敏捷式落地演进，即结合实际情况将高级应用场景进行简化设计，先为使用者提供数据层或信息层雏形的产品，在此基础上逐步提升大数据场景应用能力，大大缩减使用者等待时间的同时也降低了产品开发偏离的风险。

　　供应商画像是基于供应商基础信息库、供应商品类评价体系以及供应商信用等信息，对供应商进行的标签化信息展示和分类。它不止对供应商进行综合评价，更是供应商综合信息展示、评价评级及画像标签的融合体。此场景可以协助管理人员体系化分析供应商全量信息和评价指标，并由此生成供应商个性化标签对其进行归类管理，有效指导采购决策。

　　其中，大数据应用平台按照事先划分好的的维度（业务侧重点需求），通过综合分析各供应商的特点以标签化方式将供应商分类，方便管理人员按需聚焦重点供应商类群。

　　供应商首页展现“供应商体检表”，作为对供应商信息最直观和全面的展现，它涵盖了与该供应商相关的全部基本信息、交易信息、信用信息以及后评估信息。大数据应用平台通过从不同角度对供应商信息进行分析和整合，满足不同使用对象对供应商信息的需求。

　　在实际落地中，处于知识层的“供应商画像”建设周期较长，可以先简化设计为“供应商信息库”（数据层）、供应商评价体系（信息层），在“供应商画像”的基础上还可进行“供应商智能推荐”（智慧层）的建设。如下图所示，可对供应商管理相关的一系列场景进行敏捷开发，满足用户的使用需求：

　　在该TMT企业实际落地过程中，首先实现供应商体检表的线上展示与查询，后续上线评价体系，并经过历史数据试算后的反复优化，逐步完善指标与评价标准，最终将完成供应商画像的完整绘制。

　　安永在丰富的大数据应用规划及实施经验中发现，即使企业管理层能够充分理解大数据应用在企业管理中的价值、重视且大力推进大数据应用落地，企业在实施过程中仍面临着相似的挑战。在此，安永将针对三个典型的挑战提出解决思路。

　　企业的数据信息大多存储在多个业务系统中，各个业务模块之间的数据很难做到共享和关联，如何实现跨业务平台进行数据信息的关联和整合是企业在应用大数据道路上面临的第一大挑战。

　　一种解决方法是进行主数据管理，但这种方式在执行的过程中需要对已有系统进行数据规范的改造，可能会大范围影响日常业务。安永通常建议选用新建分析平台的方式，接入各系统数据并根据规范进行数据清洗，这不仅保障了业务的正常运转，还避免了系统间数据传输接口的重复设置问题和不同系统中分析模块的大量增加。

　　目前大多企业仅具备处理结构化数据的能力，而结构化数据往往只占数据总量的15%，企业对另外85%以上的半结构化数据和非结构化数据的处理技术尚且不够成熟，完善数据处理分析技术是企业应用大数据的另一个挑战。

　　安永认为，企业短时间内很难通过信息化手段达到对非结构化数据处理能力的显著提升，而数据治理可以通过建设标准数据规范等方式提升结构化数据占比，同时企业不能仅将重点放在数据收集上，更重要的是规范“明天的数据”，从源头上减少垃圾数据的产生。

　　如何利用已有数据实现实际管理需求，是企业面对的又一个难题，难点在于理解业务内涵的业务部门大都缺失技术背景，而懂技术的信息部门往往难以透彻理解业务，企业内部缺失业务与技术兼通的复合型人才。

　　建设初期，企业通常谋求外聘专家以解决该问题，但长期看来，外聘人员的流动性难以保障，同时存在被供应商捆绑的风险，因此，安永建议企业在着手准备大数据应用时，就着手组织一支自有力量团队，吸纳业务骨干和技术骨干，培养业务骨干的技术知识储备，同时培养技术骨干的业务感知，以长期支撑未来对内部业务需求的高度洞察和快速实践。

　　从某种程度上讲，是否利用大数据来提升竞争力是未来所有企业都要面临的选择。企业管理者只有紧随技术发展的步伐，充分利用大数据支撑企业管理，提升企业内部管理有效性，才能有力支持企业在经营端的快速发展。

　　如需了解更多大数据在TMT企业应用的相关内容，欢迎联系安永管理咨询服务团队。