随着大数据时代到来,数据这一金矿正以无可限量的价值驱动人们对它的探索。但数据能发挥价值的前提是必须将各种数据进行标准化。很多CIO在整理公司数据时发现各种数据简直是一团乱麻,想标准化但不知道如何去做?
中国重汽cio邢红波认为:“数据标准化是企业信息化建设最根本、最基础的基石性工作,数据的标准化工作要着眼于企业信息系统的整体规划和应用方向和需求,必须做到标准、统一、一致。数据标准化工作做的好,会为后续的BI,大数据分析建模打下良好的基础。但数据标准化工作是个出力不讨好,特别不容易开展的工作,最极端的情况是在数据标准化的过程中会发现企业管理上的诸多黑洞,触及利益关系。”
数据标准化问题有共性也有个性,但必须掌握一个原则。企业数据的标准化,需要像制定企业管理制度一样制定企业数据标准文件,以规范和指导企业开展相关工作,如果没有这个制度上的保障,这项工作非常难开展。另外需要参与此项目的项目人员不但懂IT,还需要有较为丰富的业务经验。”
邢红波以制造型企业为例:制造企业最重要的数据是产品数据(产品明细表),因为企业一切活动都是围绕这个数据主线开展的,其它数据(如设备、HR、财务)都是从这里派生。制造业企业的经营过程从大的流程上来说就是消耗一定的资源,完成从原材料到产成品的制造交付客户,并从中赚取利润。涉及的数据范围:人、财、物和产、供、销。所有的数据核心是编码规则的制定基础。比如汽车行业,作为核心的数据编码,汽车行业除了企业自己制定的标准外,今年还颁布了GB/T 32007-2015《汽车零部件的统一编码与标识》国家标准,另外还有行业标准都可以参考并结合自己企业展开项目实践。
由此可见,任何工具只能起到辅助作用,是外因,企业自己的管理思路才是决定性因素,是内因。
石家庄以岭药业股份有限公司Cio牛小虎的经验是:“以主数据为主线,一点点的进行梳理,但这个工作量比较大。同时,标准和制度必须跟上,单靠工具是不能做好标准化的,工具最后来固化和标准化执行,但梳理工作主要靠企业自身。”
首信企业集团cio兰波的实践经验是:“应科学的做好业务流程固化,保证数据流向的合理性,数据标准化工作就象城市的综合地下管建设一样,效果和收益是永久的,长期的,业务则是融入性的。”
苏州未来电器cio陈桂平指出:“很多企业往往在数据建设中求快,但是很多企业都做不好。现在没有技术瓶颈,主要是管理和流程,系统就是个工具。必须建立数据标准,梳理流程,如果流程上想清楚了,技术不是问题。因此,数据标准化问题归结到底还是管理问题。”
数据标准化需要对企业管理流程梳理吗?
邢红波说:“流程梳理是做好数据标准的基础和保障,没有业务需求和目的的编码是没有任何价值的。其实制造业数据标准化可参考的文件和规范有很多,涵盖企业制定、行业制定、国家标准(GB)和国际标准(ISO),这些标准都有很好的指导意义和参考价值,如果CIO能吃透企业和业务流程和业务内容,结合这些通用的标准来制定自己企业的数据标准会事半功倍。”
但梳理业务流向过程中也会产生数据,标准化的流程数据可以确定标准,但是流程不标准或者管理随意,这样数据标准化很难开展,且没有意义。那么,数据标准化就是要做管理标准化吗?
邢红波说:“一流的企业做标准,二流的企业做品牌,三流的企业做产品,其实质是标准其实就是最佳企业实践的范式。数据标准化的过程本身就是企业管理标准化的子集。”
如果数据标准化的过程就是企业管理标准化的子集,那么,其边界在哪里?
邢红波认为:“这是一个实施方法和路径的问题,企业管理标准化-〉数据标准化,是UP-DOWN模式,数据标准化-〉企业管理标准化,是DOWN-UP模式,应根据企业具体情况进行实施,无论是哪一种,只要符合企业要求,都可以。也就是上述两种模式一个是从实例到范式的实践过程,一个是从范式到实例的实践过程,只要有效果,方法不重要。”
因此,数据标准化如果以信息资源规划的角度去做,应该是从上到下,和从下至上结合实施。如果有边界的困惑,应该还是业务梳理不到位造成的。
邢红波重点指出:“但业务梳理过程碰到的管理流程问题,可能会涉及到一些人的利益,从而阻碍标准本身,这才是CIO面临的最大难点。”
好文章,需要你的鼓励
谷歌深度思维团队开发出名为MolGen的AI系统,能够像经验丰富的化学家一样自主设计全新药物分子。该系统通过学习1000万种化合物数据,在阿尔茨海默病等疾病的药物设计中表现出色,实际合成测试成功率达90%,远超传统方法。这项技术有望将药物研发周期从10-15年缩短至5-8年,成本降低一半,为患者更快获得新药治疗带来希望。
继苹果和其他厂商之后,Google正在加大力度推广其在智能手机上的人工智能功能。该公司试图通过展示AI在移动设备上的实用性和创新性来吸引消费者关注,希望说服用户相信手机AI功能的价值。Google面临的挑战是如何让消费者真正体验到AI带来的便利,并将这些技术优势转化为市场竞争力。
哈佛医学院和微软公司合作开发了一个能够"听声识病"的AI系统,仅通过分析语音就能预测健康状况,准确率高达92%。该系统基于深度学习技术,能够捕捉声音中与疾病相关的微妙变化,并具备跨语言诊断能力。研究团队已开发出智能手机应用原型,用户只需完成简单语音任务即可获得健康评估,为个性化健康管理开辟了新途径。