企业数据论文

关键词： 数据管理 离不开 人才 数据

企业数据论文（共8篇）

篇1：企业数据论文

企业征信数据主要内容以及数据来源

—、企业征信数据主要内容企业征信数据由企业信用信息转换而来，企业信用信息只有经过数据处理后、被存储到企业征信数据库中的数据才是企业征信数据。企业信用信息只有转化成征信数据之 后，才能达到商品化要求，才能用于生产企业征信报告。企业征信数据与企业信用信息之间的区别很大。企业征信数据除了带有经过数据处理的特征之外，还要有统一数据格式要求，不仅同一项数据的结构和精度均相同，而且 对于每项数据的起始点和终结点都有严格的要求。企业征信机构不见得广泛地采集所有能够采集到的信用信息，企业信用信息或企业征信数据的采购是被限定在特定范围之内的。企业征信机构是否加工或保存一类征信数 据，受到两个基本条件的约束，一是技术，征信数据必须能对企业信用价值的评估做出 贡献；二是成本，即在经济上合算。对于加工和存储成本高，又对制作报告产品贡献不太大的征信数据，企业征信机构不会加工和保存。企业征信数据内容通常包括企业的注册信息、财务报表、公共记录、雇员、进出口情况、银行往来情况、付款记录、经营者简历、企业发展史、财务报表反映不出的经营 状况、产品介绍以及相关的市场宏观经济状况和行业发展状况等。I

二、企业征信数据主要来源(一）政府掌握的企业征信数据政府掌握的信用信息是公务信息的一部分，产生于政府执行公务或对企业实施监管的工作过程之中。根据企业征信机构的经验，十几个政府部门掌握了大量的企业信用信 息，如工商行政管理局、税务局、中国人民银行、海关总署、统计局、法院、国资委、商务部、邮政局等（见表3-1)。工商行政管理局掌握着大量的企业基本信息、企业财务信息和行政处罚信息。目前，工商行政管理系统掌握的信用信息是有条件的开放，其中企业登记注册的信息是基本对外开放的。工商行政管理局在很多省市地区开通了 “红盾网”，可以免费在网上査询当地企业的登记注册信息。统计局定期形成的各种统计报表和经济普查报告，其中包括企业的财务报表。目前，统计局掌握的信用信息还没有全部对外开放，还无法从这个信息源中得到单个企业的信 用信息。海关掌握企业从事进出口活动的相关信息，海关的统计部门和信息中心会定期形成报关单和各种进出口统计报表，主要内容包栝进出口的产品名称、货品数量、产地、发 货地、到达地、交易对象、交易时间等。此外，海关还会形成季度和进出口统计和 分析报告。中国人民银行征信中心负责国家金融基础信息数据库的建设管理工作，已经建立了公共的企业征信系统和个人征信系统，各类正规金融机构掌握的企业及个人信贷已经被 汇集到这两个系统中。商业银行等金融机构经企业、个人授权同意后，在审核信贷业务 申请以及对已发放信贷进行贷后风险管理的情况下，可提供企业、个人征信报告。国有资产管理委员会拥有国有企业的资产、隶属、经理人员、并购、政策等资料。外汇管理局掌握着所管辖有外贸经营权企业从事外汇交易活动的外汇交易额、进出口货 物情况、结汇情况、应收账款情况等。房屋管理局主管房地产登记管理工作，确认房屋 权属，办理房屋所有权登记和初始登记、转移、变更、注销及设定他项权登记。公安局车辆管理所掌握所管辖区域内所有机动车所有权登记信息。还有些政府部门会定期公布诸如破产、抵押品置留权、动产抵押申请、民事诉讼、经济仲裁等公共记录，上述政府部门提供的企业信用信息非常有价值。(二）非官方的企业信用信息非官方的企业信用信息，是指政府公务信息之外的企业信用信息，有时也被称为“民间信息”，特别指那些非商业化的企业信用信息。非官方的企业信用信息的主要来源 是商业银行、行会商会、公用事业单位、电信公司、企业的供应商、各类房东、租赁公 司和新闻媒体等，这些信用信息的拥有者所提供的信息是庞杂的。但是，经过企业征信机构的筛选和处理，有些信用信息是可以利用的，能够成为企业征信数据。商业银行拥有大量的企业信用信息，如企业开户信息，贷款、担保和还款记录等信息，资金流人和流出量及去向方面的信息。长期以来,商业银行是最重要的民间信用信 息来源，对于那些没有公共征信系统的国家更是如此。在许多国家，商业银行都会向企业征信机构提供信用信息，它们不仅正常地提供企业信用信息，而且还不一定收取费用。中国人民银行征信中心建立了我国企业和个人公 共征信系统，产生于商业银行的企业信甩信息都被汇集到中国人民银行征信中心的企业 征信系统中。目前中国人民银行征信中心不对金融系统之外的机构开放，只向商业银行等正规金融机构提供信息查询服务。第三章企业征信业务公用事业单位产生了大量的用户付费信息，这对于了解和评价其用户的信用行为和财务能力是非常有用的。所谓的公用事业单位，主要包括电力公司、自来水公司、电话 公司、煤气公司、供暖公司等，人们还经常将移动通信服务类公司也包括进去。如果一 个企业长期拖欠公用事业单位的费用，那么企业征信机构将视其的欠费额度大小，给予欠费企业不良信用记录。另外，公用事业用户的付费方式也对了解用户的财务状况和信 用行为有帮助。各行各业的行业协会或商会都有着自己行业情况的信息积累，如它们有相当详细的业内主流机构、行业发展和从业人员变化等信息。这些信息可以反映行业当前的实际情 况和行业发展趋势。行业协会掌握的信息有可能是与业内机构共享的，面向自已的会员 企业服务。很多行业协会都负责编纂本行业的年鉴，它们有采集年鉴所需信息的渠道，这些信息渠道对企业征信机构是有价值的。例如，《中国电子信息产业年鉴》《中国汽车 年鉴》和《中国金融年鉴》等。年鉴对行业在过去一年的发展情况、产品情况、技术水平、企业发展情况、盈利水平、发展趋势、大事记等做了详细的记录和说明，具有较高的参考价值。在报纸、杂志、广播、电视、网络等公众传媒上，也有大量的信用信息在传导，从中可以筛选出一些有用的信用信息。目前，互联网巳经成为重要的“信息集散地”，从各 类网站获取所需的信用信息成为企业征信机构的一个重要的信息渠道。政府部门的网站 是该部门的权威信息发布平台，相关行业政策、法规和行业总体运行情况都会在部门网站中得到及时反映。大量网站对行业和企业的经济活动给予动态报道，它们都是企业征 信机构的重要信息来源。不同信息来源的原始信用信息有可能存在不完整、有偏见、有误导、不够及时等缺陷，从征信机构的用户角度对企业信用信息来源做出的评价，如表3-2所示。(三）商业化的企业征信数据及其采购商业化的企业信用信息是非官方信用信息的一部分，通常以征信数据的形式存在，是可以进行交易的商品。在发达国家的市场上，可以找到许多数据供应商，企业征信机构可以从数据供应商处采购数据。因为数据供应商是销售数据产品的专业机构，它们有能力提供符合企业征 信机构要求的征信数据，而且数据的质量很高。除了数据供应商之外，企业征信机构还可以从其他的征信机构购买企业征信数据。一些拥有大型征信数据库的企业征信机构也提供不同加工深度的企业征信数据，如企业 基本fe息等。在必要的时候，企业征信机构还可以委托其他类型的机构帮助调查，取得一些特殊类别或特别准确的企业信用信息。例如，委托律师事务所进行调查，通过律师取证得到 调查对象的账本或特殊信息。当然，还可以委托会计师事务所进行调查。然而，通常企 业征信机构不使用律师事务所或会计师事务所提供的专案调查服务，尽管这种调査所取得信息的可靠性高，但费用太高。另外，这种调查的震动大，容易被调查的目标企业察 觉，可能伤害到企业征信机构与委托人关系。在市场上采购企业征信数据，要通过一个设定的工作程序，避免花钱却没买到可用的数据问题，或是买了质次价高的征信数据。一个好的企业征信数据供应商应该具备下 列特征：(1)是合法的征信数据供应商，提供的征信数据也是合法的。(2)提供的征信数据质量好，特别要剔除那些提供假数据（特别是假财务报表）的数据供应商。(3)征信数据的供应稳定，更新频率高。(4)征信数据的广度和深度达到要求。(5)征信数据的服务方式和数据格式符合买方的要求。(6)征信数据的价格合理。(7)大型的数据供应商还可以提供海外采购服务，代理销售外国企业的征信数据。(8)个别数据供应商允许交换数据，可以节约买方的采购成本。|

三、企业征信数据采集主要方式(一）公开数据的采集方式政府公务信息的采集主要存在如下常见方式：(1)掌握政府信息公开网站的结构，建立数据自动抓取系统，自动化采集。(2)建立商业化的信用信息采集关系。(3)建立数据交换关系。从公用事业单位采集信息，主要方法有两种：一是从公用事业单位或通信公司采购数据，至少要采集欠费用户的负面信息；二是承接公用事业单位或移动通信公司的信用 风险控制任务，帮助它们建立信用风险防范机制，包括欠费催收工作。对于征信数据供应商，企业征信机构主要的工作是对它们进行筛选。评价供应商优劣的硬性指标包括合法性、类型、覆盖、质量、更新频率、效率、成本、稳定性和服务 态度。(二）电话调查采集方式电话调查也是企业征信机构经常使用的调査方法之一,是一种低成本的调查方法。通常来说，企业征信机构使用电话调查方法的作用有两个：一是采集信用信息，二是核 实信用信息。在以传统作业方式操作的企业征信机构中，电话调查员主要的工作是采集信用信息，是根据委托人的需求进行个案调查。但是，在拥有大型征信数据库的企业征 信机构中，电话调查员的主要工作是核实征信数据。在拥有大型征信数据库的征信机构，如果向用户提供征信数据产品或数据库服务，需要有比较高质量的企业基本信息。因此，在这样的企业征信机构，需要相当数量的电 话调查员同时工作。企业征信机构对电话调查员的培训是很严格的，培训内容包括相关法律法规、通话用语、掌握主动、应对拒绝、控制时间、认真记录等。如果采用专业软件进行管理，需 要实现一系列业务和管理功能，主要体现在提示、录音和监控等功能上。对于企业征信 机构，最重要的是不能让电话调査员使用非法的语言。由于对方是否提供信用信息完全出于自愿，因此企业征信机构要严格管理电话调查员的业务操作行为，防止电话调查员 在通话时冒充具有监管职能的政府公务员，避免产生纠纷和政府查处。总之，电话调查方法既有优点，也有局限性。企业征信机构应该合理使用电话调查方法，既不能过分依赖，更不能完全放弃。(三）信用信息资源共享方式使用信息交换方式对于企业征信机构有如下好处：(1)通过交换，得到自己需要的信用信息。(2)不是采购行为，没有资金付出，经济成本很低。(3)与交换对象建立了良好的合作或公共关系，形成一种双赢的局面。(4)社会意义明显，如促进了失信记录的传播，有助于加大失信惩戒机制的震慑力度。鉴于上述诸多优点，企业征信机构应尽量采用信息交换方式获取自己所需要的信用信息。(四）信用信息采集的原则在采集信用信息时，应遵循以下4项原则：1.客观真实性原则在采集信用信息时，应保证客观、真实地反映企业信用状况，坚决杜绝由于信用信息采集工作人员的主观臆断、个人好恶或者由于其他目的的故意隐瞒事实真相，造成评 估决策的错误。2.多渠道验证原则在采集信用信息时，应通过多种渠道和方法采集信用信息，使这些信用信息能够相互验证。如果信用信息来源的渠道单一，由于信息资料短缺造成无法相互验证，信用信 息的质量就无法保证，出现误差的可能性就会很大。因此，一般要求通过3个以上的渠道 和方法采集客户信用信息。3.低成本高效率原则采集信用信息必须考虑获取信息的成本。对调查过于细致，固然能够保证采集信息更全面，调查内容更准确，但也会造成采集费用过大，信用管理成本过高，使企业 的整体效益受到影响，违背了信用管理降低企业成本的初衷。因此，在采集信用信息 时，应尽量降低采集成本，用最低的成本采集到能够满足企业信用评估和决策要求的信息。4.时效性原则为了保证征信数据库的更新频率，要求征信机构定期更新征信数据，所以采集信用信息的工作要非常及时。征信机构要根据自己拥有信用信息源的多寡，安排适当数目的 人员照看信用信息源，及时将所需要的信用信息采集上来。同时，征信机构还要聘用适 量的电话调查员去核实信用信息。

篇2：企业数据论文

IDC研究表明，到2020年，全球以电子形式存储的数据量将达到35ZB，是2009年全球存储量的40倍。这其中企业数据正在以55%的速度逐年增长。人们不禁感叹随着信息化的逐步推进，我们迎来了大数据时代。

何谓“大数据”？哈佛大学社会学教授加里·金谈到大数据时曾说：“这是一场革命，庞大的数据资源使得各个领域开始了量化进程，无论学术界、商界还是政府，所有领域都将开始这种进程。”通过上述的话我们可以概括出大数据主要的三个特征：量大(PB级别的数据)、实时性(更短的时间处理数据)、多样性(非结构的文档数据为主)。

以金融行业为例，当前金融行业面临的一个非常大的问题就是海量数据的存储以及对海量数据的查询优化。传统的数据存储方案已经不能满足大多数金融企业的需求，例如目前很多企业正在建设的数据中心，典型的特点是海量级（千万及以上）数据量，随着数据量的进一步增大，查询性能急剧下降，甚至无法响应，严重影响了业务的连续性，为企业的高效运营带来了挑战。Hyperstor作为兴宇中科提供的一个操作简单的、综合的、性价比高的数据管理安全解决方案。它能够实现真正的CDP数据持续保护及实时恢复。从根本上保证了企业业务的连续性，满足了企业高效运营的需求，是理想的企业级数据安全解决方案。

正是因为大数据的这些特点，给现代企业带来了如何通过数据中心变革解决企业数据管理的问题？这一问题逐渐成为了现代企业发展所面临的关键问题，其在电信、金融等“数据就是业务本身”的行业身上表现的尤为突出，并且已经让很多相信数据之力量的企业正在或者正准备做出改变。

Hyperstor作为针对企业级数据管理存储备份的一体化数据保护解决方案已经在电信，教育等行业得到广泛应用，它能够解决金融，电信等行业多年以来在系统集成、数据管理、业务整合、新业务拓展、面向客户服务以及在成本控制和核算上的系列难题，相信该解决方案将给国内多个行业发展带来一个全新的面貌。

随着信息技术的不断发展和大数据时代的来临，企业未来的数据中心，将是高可靠、高安全、易扩展、易管理、绿色高效、资源共享的智慧云数据中心。能够灵活支撑业务发展，实现监控可视化、控制自动化、管理流程化，并最终帮助企业实现基于优化的基础架构的管理。

篇3：油田企业数据中心数据资源管理

关键词：数据中心,数据资源,数据资源编目,业务活动,业务对象,对象特性

1、需求分析

企业数据中心建设是对企业核心数据资源的集中统一管理和集成化应用的实现, 是实现企业数据资源共享和业务协同应用的关键一环。油田企业数据中心建设具有以下特殊性:

1.1 专业门类众多, 涉及的数据类型复杂

油田企业勘探开发业务有物化探、分析化验、井筒工程、综合研究、开发生产、地面工程六大业务域, 三十多项业务, 涉及的数据类型有结构化数据、文档数据、图形数据、体数据, 其中体数据又有地震体数据、测录井曲线数据、地质模型数据、网格数据等多种, 并且每种体数据又有多种格式, 数据类型的复杂性使数据资源管理难度很大。

1.2 数据量巨大

油田企业的生产数据要每天监测, 有的需要几小时就监测一次, 对于自动化采集的监测时间周期更短, 而监测点又很多, 造成了数据量增长迅速。比如采油井、注水井日生产数据, 对于胜利油田这种大油田来说, 有几万口生产井, 每天都产生数据, 几十年的开发期, 数据量就能达到商业条。目前胜利油田平均每天的增量数据就有八九万条, 年增长量就几千万条, 随着信息化的不断深入, 数据量增长速度会不断加快。

还有一种数据虽然记录数不多, 但单体数据量很大, 比如精细三维地震数据体等。巨大的数据量对数据中心的数据资源管理也是一个巨大的挑战。

1.3 新技术的应用不断出现引起新的数据类型

石油天然气勘探开发是一个各种技术综合应用的专业, 随时会出现新的技术和方法, 就会产生新的数据类型, 数据中心的建设必须要能够适应这种变化。

1.4 数据管理情况不清

由于油田企业以前的数据库建设是按照专业进行的, 同一业务对象不同时期的数据资料被分在了不同的数据库中, 一方面数据资料的整体状况不清, 另一方面, 同一数据多头管理, 数据质量状况不清。以上几个特点决定了油田企业数据中心建设必须要制定一套完整的数据资源组织和分类体系和元数据管理体系。

数据资源管理的目标就是要完成业务对象基于业务过程产生的成果资料的组织和编目, 实现勘探开发数据资源面向业务对象基于业务过程的组织和管理;完成对于具体的业务对象在具体的业务过程中产生数据资源的数量、质量状况的整体情况的描述。

2、油田企业数据资源的分类与组织方法

2.1 油田企业数据资源的分类

油田企业数据资源的分类可以借鉴图书馆对图书的分类。在图书馆中, 根据图书的专业门类, 从大类上分成了自然科学和社会科学, 自然科学按照专业又可分为数学、物理、化学等, 这样逐级细分下去, 就能建立一套完整的分类体系, 新出的图书可以根据此分类体系放到其应该归类的门类中, 从而实现了有效的管理, 方便了查阅。

油田企业的数据资源都是在不同的业务过程中产生的, 如果我们找到一种相对科学的对业务的划分方法, 再把数据资源归类到这些业务门类中也就找到了数据资源的分类方法。

在油田企业实际业务分析过程中, 我们划分了物化探、分析化验、井筒工程、综合研究、开发生产、地面工程六大业务域, 又在各业务域中逐级划分出了30多个一级业务, 70多个二级业务, 140多个三级业务, 基本建立了比较科学合理的业务划分体系。

在实际的数据中心建设中, 数据资源的来源除了业务产生的数据外, 还有一些公用信息也是非常重要的, 这些信息不是从勘探开发业务本身产生的, 而是来源于与其相关的其他专业和部门, 这一部分数据资源与勘探开发业务中产生的数据资源的集合就是数据中心需要管理与应用的全部数据资源。

综上所述, 油田企业数据资源的整体分类应该包含:公共信息、物化探、分析化验、井筒工程、综合研究、开发生产、地面工程七大部分, 细的划分按照业务的层级分类。

2.2 油田企业数据资源的组织方法

为了实现对数据资源进行有效地组织, 胜利油田数据中心建设中对数据资源编目建立的方法如下:

(1) 以业务对象及分类关系组成业务对象分类树, 形成对业务对象的组织和管理;

(2) 以业务过程 (业务模型六大业务域及业务层级划分) 组成业务树, 业务活动是业务树的叶子节点, 业务活动唯一的作用对象使业务活动与业务对象建立了关系;

(3) 以业务单元为基础与业务活动建立关系, 业务活动产生的数据资料以业务单元的方式组织, 产生的数据资料分为结构化数据 (数据表) 、文档文档 (包括附件) 、图形成果 (包括附件) 以及体数据。

上述三个关系建立数据资源编目体系。表1是数据资料编目的例子, 加上业务对象的分类树和业务活动树就形成了完整的油田企业数据资源编目。

通过数据资源的分类方法和组织方法, 我们找到了对数据资源编目的规则, 这些规则能够满足我们对已有和将有数据资料的组织和管理需求。

3、数据资源的元数据管理

对数据资源情况的管理需要有一套完善的元数据体系来实现。数据资源的元数据管理, 规定了格式化数据、体数据、文档数据和图形数据四种类型的石油天然气勘探开发数据的元数据, 主要包括对数据的产生场景、录入场景、数据质量、数据安全、参考系及数据特性的描述。石油天然气勘探开发数据管理元数据由四个元数据实体组成:

(1) 标识实体:包括业务活动的标识和该活动产生的数据集的名称和标识等元数据元素: (2) 定义实体:包括业务活动产生的数据集的概要说明; (3) 管理实体:包括业务活动中数据的责任人 (单位) 以及数据质量、数据安全级别等元数据元素; (4) 表示实体:包括数据产生场景 (操作者、时间、地点等) 以及参考系等元数据元素。

按照石油天然气勘探开发数据的表现形式可分为结构化数据、体数据、文档数据和图形数据等四类, 这四类数据的元数据实体集合构成以下四种元数据子集:

(1) 结构化数据元数据子集:描述石油天然气勘探开发业务活动中可以表格化的数据的子集; (2) 体数据元数据子集:描述石油天然气勘探开发业务活动中具有特定格式的体数据的子集; (3) 文档数据元数据子集:描述石油天然气勘探开发业务活动中产生的文档数据的子集; (4) 图形数据元数据子集:描述石油天然气勘探开发业务活动中产生的图形数据的子集。

4、数据中心数据资源的综合查询实现

数据资源编目建立了业务对象、业务活动与数据资料的关系, 为数据中心数据资源的综合查询奠定了模型基础。

在胜利油田数据中心建设实践中, 我们实现了面向业务对象的查询、面向业务活动的查询、面向资料的查询和模糊搜索查询四种方式, 为业务人员提供了丰富的查询手段。数据资源元数据的登记与管理为数据分布情况、质量情况等提供了分析资料, 使我们能够清楚地了解数据资源的整体状况, 方便了数据资源的业务应用。下图是对DXFS10井的数据资源状况的展示, 通过对数据资源编目及元数据的集中展示, 能够清楚地了解该井全生命周期的数据资源状况。

5、结语

篇4：企业大数据与大数据企业

大数据因其体量之“大”而得名，然而体量并非大数据的唯一特征，甚至也不是大数据最为重要的特征。巨大的体量凸显的是技术需求。而对于管理者而言，刻意追求巨大体量的数据并不具有多少现实意义，大数据更重要的特征在于其多样化的来源和形态、持续快速的产生和演变，以及对深度分析能力的高度依赖。因此，企业对大数据的驾驭和掌控，其核心并不在于拥有多大规模的数据，而在于是否能够对来自于企业内外部多样化信息源的涌流数据进行敏捷持续的捕捉和整合，并通过深度分析开发其商务价值。

一家中等规模的百货商场，通过视频监控记录下商场各个区域的客流人数，从而评估每天各个时段客流的在店时长，进而结合销售记录数据估算出客流中带有明确购买目标的“搜索型”顾客和无明确购买目标的“浏览型”顾客的比例，从而为之设计针对性的营销手段和服务措施。这一实践中所涉及的数据量，从技术视角上看并不算庞大，但该商场对多源数据的整合和开发，不失为基于大数据管理的一种典型体现。

从这个意义上来说，在管理视角上，大数据既不是一种技术，也不是一种应用系统，而更应该是一种立足于企业内外部数据融合以提升管理效率、开拓价值创造模式的管理思维。建立这种面向大数据的管理思维，其基础是业务流程信息资源的高度集成化，以及信息创造和传播形式的高度社会化。

所以，企业大数据的一个重要焦点，在于业务流程信息与社会化媒体信息的全方位融合。以ERP为代表的企业系统应用推动业务流程信息资源从分割走向集成，日渐兴起的企业内外部社交媒体则推动信息的创造和传播形式从通道式/平台式走向社交式，二者的融合将成为企业大数据的核心特征。由此看来，未来的“大数据企业”，则代表着建立在这种融合基础上的新型组织形态和价值创造模式。

驾驭企业内部大数据

企业内部数据包括两个主要维度：一是与业务功能及流程紧密相关的数据，如库存信息、物料需求信息、生产计划信息、采购信息等，可统称为业务流程信息；二是企业内员工及各种管理系统在其日常工作及活动中所创造、记录、交换和积累的信息，例如员工间的交流记录、工作心得、经验分享、活动新闻等，可统称为知识及沟通信息，知识及沟通信息高度松散且非结构化，但可能蕴藏着企业的重大潜在价值。

这两个数据维度的发展和融合，催生出了企业内部大数据。如图1所示，在传统的企业组织中，业务流程信息分散地存在于一个个孤立的业务系统中。在过去二十余年的企业信息化进程之中，一个主要的方向是业务流程信息从分割走向集成。从库存管理系统、物料需求计划 （MRP） 发展到企业资源计划 （ERP），分散的业务信息被集成于企业系统之中，从而实现面向业务流程的信息共享和沟通，并在此基础上借助跨部门的协同实现业务流程的优化和决策能力的提升。

另一方面，近年来逐步兴起的企业内社交媒体应用，推动着企业内部数据环境在知识及沟通信息维度上的重大变革。在传统企业组织中，知识及沟通信息借助于通道式或平台式的媒体产生和传播。在通道式的媒体上（例如email），所有的人都可以发信息，但信息的发送对象是明确的、有限的；在平台式的媒体上（例如企业内的新闻网站），信息是开放的，但只有专门的人员才能发布信息。在企业内社交媒体中，这两种形式被整合在了一起：所有人都可以发布和分享信息，而且这些信息是开放的、可定制、可再分享的。在这样的应用环境中，跨部门、跨层级的社交联系成为可能，并使得企业能够更为敏锐地应对变化的环境，以即兴式的团队组织来捕捉发展机遇。这种转变带来了三方面的价值：企业知识的有效共享和管理；企业文化建设，增强员工的归属感；对企业内协同创新的有效支持和促进。

进一步而言，当集成化的业务信息与社交化的知识沟通信息相融合，便带来了企业内部大数据。在集成化企业系统、内部社交媒体以及深度数据分析技术的共同支撑下，杰克·韦尔奇所畅想的“无边界组织”在新兴环境下成为可能，并被赋予了新的内涵。部门边界、层级边界被紧密的业务联系和广泛的社交联系所弱化，结构化的业务流程信息与非结构化的知识及管理活动信息被多维度融合的深度数据分析能力连接在一起，从而使企业真正具有驾驭内部大数据的能力。

从另一种角度上看来，业务资源整合使得企业信息资源的管理从分散走向集中，社交媒体的发展使得企业内的信息创造和传播从集中走向分散，二者相辅相成，使得优化控制与灵活创新的并存成为可能（见图2）。基于业务流程与社交媒体的融合而展开的深度数据分析，将为企业的决策优化、协同创新以及灵活应变开辟广阔的空间。

驾驭企业外部大数据

在企业外部的视角上，数据资源也包括两个维度：一是与上下游交易直接相关的供应链信息，如交易报价信息、订单信息、上下游企业库存及生产能力信息等；二是市场及社会环境信息，如原材料价格走势、市场需求及消费者偏好信息、顾客服务及满意度信息等。

企业外部大数据的基本特征，也正是在这两个维度的发展之中呈现出来的。如图 3所示，在传统的商务活动形式下，上下游企业的业务系统相互独立，交易伙伴借助电话、传真、电子邮件等手段以实现上下游信息交换，企业通过市场调研等方式了解消费者，获取市场及社会环境信息。组织间信息系统的发展带来了供应链信息的集成。通过将合作伙伴的信息系统进行对接，或是借助于电子市场平台实现企业信息系统的相互连接，上下游企业的业务信息能够通过标准化的接口自动交换，从而使得企业能够在较为充分地掌握上下游信息的基础上进行业务决策，实现交易伙伴之间的协同优化。

nlc202309041552

在市场及社会环境信息的维度上，信息的创造和传播形态同样经历了从通道式/平台式媒体向社交媒体的转变。公众社交媒体的巨大影响力为社会化商务注入了强大的生命力。初期的社会化商务包括作为对外沟通渠道的企业邮箱、博客、微博或即时通讯等，其主要目的在于提升企业形象、提供客户服务。随之发展而来的社会化营销，则注重在社交网络中通过与顾客及其他商务伙伴的沟通和互动，进而通过实时化、精确化的市场洞察以获取商业机会、开拓市场、把握创新机遇。此外，基于社交媒体的众包、众筹与众创，也日益成为社会化商务的重要组成部分。

供应链信息集成与社会化商务信息的融合，构成企业外部大数据的核心特征。来自于社交媒体信息源的市场环境信息与来自于组织间信息系统的供应链信息相结合，借助于深度数据分析技术实现面向企业商务网络的预测与优化，并支撑起实时化、精确化、个性化的消费者洞察与敏捷响应，在此基础上为基于网络协同及社会化商务的模式创新提供了丰富的可能性。从而，对外部大数据的管理和驾驭，也将成为现代企业在网络化的商务生态系统中占据主导地位并获取经营优势的关键途径。

成为“大数据企业”

基于以上分析，企业内部大数据的焦点，在于业务流程信息与知识及沟通信息的融合；企业外部大数据的焦点，在于供应链信息与市场及社会环境信息的融合。进而，大数据时代企业组织的基本内涵，在于内部大数据与外部大数据的全方位融合。如图 4所示，大数据企业立足于内外部业务与社交媒体数据的集成交汇。

业务流程数据主要来源于以ERP为代表的企业系统，涵盖了产品、物料、采购、生产、销售、财务等与企业生产及服务提供过程紧密相关的数据；商务交易数据来源于以供应链管理系统 （SCM）、客户关系管理系统 （CRM）、电子化交易系统为代表的组织间信息系统，涵盖了供应商、客户、订单、物流等与外部交易活动紧密相关的信息；内部社交媒体数据包括了企业员工在内部博客、微博、Wiki、内容分享平台、群体化即时通讯工具等应用中创造和传播的信息，以及企业在办公自动化系统等交流协作平台上所记录积累的数据，涵盖并反映了员工的知识、建言、创意、心态、氛围等形式多样、内容广泛的信息；外部社交媒体数据主要来源于公众社交媒体，包括企业博客、企业微博/微信服务号、品牌社区等各种形式，所涵盖的信息内容包括市场环境、需求信号、全生命周期顾客行为、个性化偏好、营销互动记录等。

在这四大类型的数据之间，致力于大数据管理的企业可以有两种不同的发展策略。其一是以社交媒体与业务数据的融合为主导，以期通过敏捷响应快速发现并应对内外部环境中的变化和机遇。在这种策略下，面向高速数据流的实时数据采集和分析方法，将成为大数据管理的主要支撑手段。

第二种策略是以内外部数据融合为主导，以期通过全面汇集内外部信息，对中长期发展趋势作出准确的预判，从而实现高度优化的业务决策，并通过对信息环境的掌控，获取企业网络生态系统中的领导地位。在这种策略下，大规模多源异构数据的采集、清洗和整合方法，将成为大数据管理的核心支撑。

如何挖掘企业大数据的价值

企业大数据的价值开发高度依赖于深度数据分析能力。从内外部融合的视角上看来，企业大数据分析包括三个基本维度，即内容、关系和时空。

内容维度指的是数据本身所承载的信息内容。例如，G公司是一家大型电信服务商，其内部建设实施了一套“班组博客”系统。在这个内部社交媒体平台上，公司中的3000多个工作团队都开设了自己的博客，用于发布和交流工作经验、生活体验等方面的内容。经过数年的发展，整个博客系统中积累了博文700多万篇，评论超过1500万条，并保持着每月15万篇以上的博文发表数量，年阅读量超过1000万篇次。对于这一平台所积累的大量数据的价值开发，首先体现在对其信息内容的提炼上。平台上与工作相关的博文内容，如客服案例、经验分享等，经自动筛选分类、主题识别、关键词索引之后，被构建成企业知识库，为业务及管理工作提供快速有效的知识支撑，同时成为员工培训和自学的有力工具。而大量与工作无关的博文和评论内容，包括生活常识、娱乐信息、心情表达、心灵鸡汤等，在智能化的分类整理之后，也成为了该公司的一个独特的文化情景，支撑着企业中活跃的氛围，强化了员工的文化认同。

关系维度指的是数据及其所指代的对象之间的联系。在G公司的班组博客中，员工的发表、阅读、评论、回复、关注等行为详尽地反映了其相互之间密集而持续的联系，而这些联系毫无遗漏地被记录在平台的数据库之中。通过对这些关系结构的深度分析和挖掘，G公司获得了对员工及团队的影响力、凝聚力、创造力的更为准确而深入的评估手段。进一步而言，博客平台的行为记录数据与业务系统中的事务处理记录数据，以及员工及团队的绩效表现数据，也能够被有效地关联起来，从而使得管理者拥有强有力的工具，帮助其发现和理解员工的行为特质、工作表现、业务能力之间的潜在关联，进而实现良性优化的人员配置和人才培养。

时空维度指的是数据生成及传播的位置以及数据随时间演变的模式。对G公司而言，其数以千计的业务场所分散在众多城市的不同地点，因此，数据中的位置信息对于虚拟化的团队协同而言具有直接的意义。此外，位置信息也包括了数据在组织功能结构和层级结构中所处的位置。同时，在G公司的班组博客中，对特点话题时间演变规律的分析，也为管理者提供了有效的参考。其中对企业重要活动、运营理念相关信息在班组博客中的传播演变模式的跟踪，有效地揭示了员工对管理理念的认知、态度和接受过程。

更深入的价值开发来自于上述三个维度的交叉综合。例如，内容维度与关系维度的结合，使得G公司能够识别员工的兴趣偏好、社交特质、工作性质以及工作表现之间的匹配关系，也能够更为准确地发现那些分散在不同的员工手中、但具有重要潜在影响力的经验、创意以及机遇信号。内容维度、关系维度与时空维度的结合，使得企业能够更为深入地理解不同的员工特质、知识技能、团队特性、热点偏好在整个组织中的分布，以及这些结构随时间演变的过程和趋势，从而更为有效地调度和配置这些资源。

nlc202309041552

这些维度上的分析需求，主要需要三方面的数据分析技术予以支撑。第一类是全局视图技术。对于管理者而言，对大数据内容全局状况的把握，往往是开发大数据价值的一个基本需求。然而大数据的体量和结构复杂性往往远远超出人类认知的信息承载能力。因此，有效的技术应当能够在大量数据中提取出一个足够小的集合以呈现给管理者，并使得这个小集合能够充分地代表数据全局。例如，在G公司的博客平台上，一种“代表性博文提取”技术能够在每天所出现的数以千计的博文中自动选择出10篇。这10篇博文在很大程度上全面代表了当天所出现的数千篇文章，既充分反映热点，也不能忽略冷门信号，从而使得管理者能够通过阅读这些文章来了解全局。第二类支撑技术是关联发现技术，其目标在于敏锐识别数据间的联系。例如，当G公司试图整合博客平台、业务系统、人力资源系统中的数据以全方位分析员工、团队特质以及绩效信息时，大量的数据属性之间所构成的复杂潜在关联网络，就需要强有力的关联发现技术来加以处理。第三类支撑技术是动态跟踪技术，即实时化的流数据分析处理、快速增量数据分析。三方面技术都处于快速发展之中，但尚未全面成熟，有待于学界和业界的持续努力和探索。

结束语

从一定意义上说来，业务资源集成与社交媒体相融合的过程，是一个“信息去中心化”的过程。信息资源的创造和管理，从以往以经营和运作为核心的中心化模式，转化为以分散创造、自由传播、灵活汇聚为特征的众创模式。另一方面，内外部数据融合的过程，是一个“信息去边界化”的过程。企业部门之间的信息交换、企业之间的信息交换以及企业与市场环境的信息，以日益多样化、实时化的方式实现。

这样的转变对于企业组织及其员工而言，其影响将会是多方面的。正面的影响可能包括创新意识与创新行为的出现、员工能力和技能的发展、沟通满意度的提升、员工关系资本的建立和积累、员工对组织的认同和归属感的增加；而负面的影响则可能包括员工注意力分散、过度争论，以及负面情绪的传播等。所以，建设“大数据企业”的过程，也将会是一个伴随着困难与风险的过程。在此过程中，需要管理者有效地把握创新发展的长期收益与短期业绩之间的平衡，在推进大数据融合的同时防范和控制其中的组织风险，并审慎地思考和重新定义组织内外部边界。

换言之，对企业而言，大数据实质上是一种管理思维，其支点在于业务信息资源与社交媒体的融合，以及内外部数据的融合，在这样的支点上反思企业的组织形态、运作范式和价值创造模式，是“大数据企业”的真正内涵所在。

郭迅华：清华大学经济管理学院副教授

篇5：企业数据论文

一、企业信息

（一）基本信息

1．单位全称、法人姓名、企业法人营业执照号码、企业组织机构代码、注册资本金、企业性质、企业专业类型、经营范围、成立时间、执照发证时间、有效期限、执照审验记录、企业联系人姓名、联系电话和传真、电子邮箱、企业网址、企业注册地址和实际住址；

2．建筑业企业资质证书编号、资质类别和资质等级（有增资质的，包括每项增资时间）、资质证书规定的经营范围、发证时间、有效期限、审验记录、各项变更记录；

3．安全生产许可证编号、发证时间、有效期限、审验记录；

4．企业主要经济、技术和管理人员信息库及其相关信息。

（二）企业良好信息

1．近5年内承接的各类工程情况

a.工程名称、建设地点、建设单位、规模、面积、造价、层次、跨度、结构形式、使用功能或特殊施工工艺、特殊施工技术、合同工期、实际开工和竣工验收时间;

b.是否在部、省、市获得工程质量、文明施工、安全生产方面奖励及获奖时间（发文和发证时间）。

2．是否被部、省、市建设行政主管部门评定为“安全质量标准化达标示范企业”及评定时间（发文和发证时间）。

3．企业良好信誉信息

a.通过ISO9000系列质量管理体系认证及通过认证时间；

b.通过GB/T24001环境卫生管理体系认证及通过认证时间；

c.通过GB/T28001职业健康安全管理体系认证及通过认证时间；

d.获得国家、本省、本市工商行政主管部门授予的“重合同、守信用企业”称号（授予部门、授予时间）；

e.近5年内参加社会突发重大灾害的抢险救灾、承担过政府部门下达的突击性重大建设任务等有突出贡献，并受到市或区人民政府表彰的信息（事件名称、事件发生时间、表彰单位或部门、表彰时间）；

f.近5年内在本市开展扶贫、助学募捐的信息（募捐名称或事由、历次募捐时间、每次募捐金额）。

（三）企业发生的不良状况和被限制投标的信息

1．处于被责令停业、投标资格被取消或者财产被接管、冻结和破产状态（暂停期限、解除暂停期的时间）；

2．因拖欠工人工资或分包工程款，被有关部门暂停投标资格和承接新的工程（暂停期限、解除暂停期的时间）；

3．因骗取中标或者严重违约以及发生重大工程质量、安全生产事故等问题，被有关部门暂停投标和承接新的工程（暂停期限、解除暂停期的时间）；

4．因安全生产许可证过期或被暂扣、吊销或连续两年在安全质量标准化评定中安全生产条件不合格，被暂停投标和承接新的工程（暂停期限、解除暂停期的时间）；

5．因其他方面原因发生不良行为记录，并处于被公示或暂停投标和承接新的工程的期限内（公示或暂停期限、公示期截止或解除暂停期的时间）。

二、建造师（项目经理）信息

（一）基本信息

1．姓名、性别、出生年月、身份证号码、户口所在地址、学历、所学专业、职称证书编号、职称专业名称和等级、发证时间、联系电话、电子邮箱、工作状态；

2．注册建造师（项目经理）证书编号、注册执业资格专业名称和等级、发证时间、证书有效期（起止时间）、执业期的审验信息（审验部门、审验时间）、注册登记信息（包括历次注册的单位全称、注册时间等）；

3．受聘信息（包括历次聘用的单位全称、聘文或聘书编号、聘任职务、聘用起止日期、制发聘文或聘书时间等）。

（二）建造师（项目经理）良好信息

1．近5年内担任施工单位项目负责人（即项目经理）承建的各类工程情况 a.工程名称、建设地点、建设单位、规模、面积、造价、层次、跨度、结构形式、使用功能或特殊施工工艺、特殊施工技术、合同工期、实际开工和竣工验

收时间;

b.是否在部、省、市获得工程质量、文明施工、安全生产方面奖励及获奖时间（发文和发证时间）；

c.是否被部、省、市建设行政主管部门评定为“安全质量标准化达标示范工地”及评定时间（发文和发证时间）。

2．建造师（项目经理）良好信誉信息

获得过国家、本省、本市建设行政主管部门授予的“优秀建造师（项目经理）”称号（授予部门、授予时间）；

（三）建造师（项目经理）发生的不良状况和被限制投标的信息

1．正在其它在建工程项目上担任施工单位项目负责人（计划开工和竣工时间）；

2．因骗取中标或者严重违约以及发生重大工程质量、安全生产事故等问题，被有关部门暂停投标和承接新的工程（暂停期限、解除暂停期的时间）；

3．因其他方面原因发生不良行为记录，并处于被公示或暂停投标和承接新的工程的期限内（公示或暂停期限、公示期截止或解除暂停期的时间）

篇6：企业数据申请书

盛总：

您好！

市场渠道部已经组建完成，目前需要购买真实、细致的湖南省内的企业数据做以下用途：

第一：以真实、具体的市场数据做支撑，来做出符合我们实际的渠道市场计划书。

第二：用最精准的数据来更好更准确的帮助我们市级代理做好市场分析和市场拓展。

第三：方便我们大客户组定位、寻找目标广告客户。

第四：方便招商会的目标广告客户拜访、邀请。

购买费用：__100__ 元/月。

恳请领导批准

申请部门：市场渠道部

申请人

： 黄龙泉

篇7：企业数据论文

RedHadoop大数据工场企业版是RedHadoop公司第一款产品，简称BWE(RedHadoop BigData Works Enterprise),是一款面向行业大数据应用需求，以Hadoop平台为核心，并对其进行了大量增强的基础平台产品，定位于解决高并发、低响应、 TB级以上数据的存储和计算的需求，具备高可靠、低成本、按需扩容基础特性，并提供自动化部署、监控和告警、安全。RedHadoop持续增强操作系统功 能并打造更多丰富的上层结构化数据库和非结构化数据的应用,加强数据分析和挖掘能力。提供数据仓库(DW),结构化数据库(DB),实时分析(RT),视 频分析(VD),搜索引擎(DS)垂直应用层软件，

RedHadoop正在构建一个更完善的Hadoop分布式操作系统。会针对各个垂直应用领域做出持续优化比如 Data Storage,Data HouseWare,DataBase,RealTime,Data Mining,Data Search 等等方向做深度定制。基于行业可以由 GIS 地图,生物信息,交通信息处理,智能交通和智能城市,海量交易的定量分析,医疗数据的分析,基因组测序等等方向做探索。显然Hadoop已经从一个平台已 经向一个分布式操作系统和分布式生态系统的方向发展了,RedHadoop提供一个平台可以更好的落地各类应用,让Hadoop成为一个茁壮并快捷的生态 系统平台。

篇8：企业数据论文

根据咨询公司高德纳的调查,2014年全球共有400多名首席数据官,2015年这一数字已经超出1000名。高德纳公司分析师预计,到2019年有90%的公司将雇佣首席数据官。

首席数据官的特质

首席数据官肩负着指导企业对数据进行架构设计、分析数据以及根据数据采取行动的使命。因此,首席数据官既要懂技术又要有数据分析能力,既要有数据和业务的敏锐,还要能构思数据产品和服务。一个成功的首席数据官不仅要了解数据和分析方面的技术,还要能构想新的方法,以便满足业务需求,实现业务价值,将企业决策层的需求和目标转化为有效的解决方案。

首席数据官需要具备三个方面的能力:一是为企业构想并指导制定总体数据和分析战略;二是通过使用数据和分析,激发变革,创造更大的价值,促进业务发展;三是转变企业文化,重视分析的作用。

首席数据官的作用和职责

越来越多的大公司都开始将拥有的数据视为关键业务资产,其将有效提升业务价值。首席数据官,就是要推动企业建立一套数据采集、分析、使用的规则。今天很多的企业,要么没有数据,要么数据存在于某个部门的某台电脑、某个纸质文档、甚至是某名员工的大脑里,首席数据官的首要职责,就在于找出这些数据并制定相关的规则,帮助企业把生产参数、业务需求、市场动态、用户体验等转化为可以用一套标准体系衡量的数据,从而让数据的分析和利用更快捷有效,把数据内部的数据用起来。首席数据官不遗余力地关注数据,辅之以相关工具和治理,帮助企业将业务需求转化为数据标准和定义、数据的需求、建模和数据流,从而获得重要的洞察力。

除了分析和预测,未来的企业和其他企业发生的最频繁、最核心、最本质的关系,将会是基于数据的联通。在当今正在形成的数据世界中,有无数的数据孤岛,首席数据官的一大职责就是推动各片孤岛之间的联通。任何一个企业,都处在一个业务大链条上,首席数据官还要推动企业把业务上下游的数据,以及把本企业的数据和人口、地理、气候、交通等公共数据联通起来,将数据转化为业务价值。

一位出色的首席数据官必须深入了解数据如何促进业务增长,以及新数据流如何直接为企业带来新的收入源,并帮助企业控制成本。而周密的数据战略则能帮助企业简化复杂的事务,挖掘数据中隐藏的洞察,进而识别最佳客户和最没有价值的供应商。

首席数据官面临的挑战

对于有志于创新和业务转型的企业来说,数据策略不仅仅局限于满足监管需求、保持防御态势,应更多地发挥数据在市场洞察力方面的显著优势。一个创新型企业会将数据作为攻击性武器,以此作为决策依据开发信息化产品、采取各种措施不断干扰竞争对手,从而赢得市场优势,同时通过数据管理获得市场前瞻性。

对于首席数据官来说,数据管理如何做到攻守平衡依旧是一个巨大的挑战。很多公司开始纷纷寻求方式突破,通过迭代学习不断发挥数据的作用。不断尝试、更快学习,通过这种方式不断实现“速赢”,提升企业信誉,打造商业价值。之所以采取这种方法的直接原因是大数据技术带来了新的数据访问和处理方法。相比于传统的数据访问以及管理方法,企业学习迭代速度更快,数据甚至可以在几分钟内传至业务分析师之手,而不再是几周或几个月。