今天，您的企業(yè)“大數(shù)據(jù)”了嗎？

作者：廣聯(lián)達(dá)施工企業(yè)項(xiàng)目管理系統(tǒng)高級(jí)需求工程師 侯凱

我們身邊的大數(shù)據(jù)

2018年最火的歌手是誰(shuí)？采訪不同的人，會(huì)有不同的答案。有人說(shuō)是毛不易，有人說(shuō)是華晨宇，也有人說(shuō)是張靚穎。但要說(shuō)到2018年“真愛(ài)粉”最多的歌手，非張學(xué)友莫屬了。據(jù)不完全統(tǒng)計(jì)，在張學(xué)友近半年的10場(chǎng)演唱會(huì)上，一共有50多名違法犯罪人員被抓。最多的一次，在陜西咸陽(yáng)，一次性抓獲逃犯、其他違法犯罪人員18人。罪犯?jìng)冋媸敲爸ｋU(xiǎn)來(lái)聽(tīng)演唱會(huì)，也讓張學(xué)友喜提“逃犯克星”的稱號(hào)。

這一切真的只是巧合嗎？其實(shí)和我們今天要聊的主角，大數(shù)據(jù)與商務(wù)智能，有著密不可分的聯(lián)系。

商務(wù)智能的前世今生

大數(shù)據(jù)，英文是Big Data，又稱為巨量資料，指的是傳統(tǒng)數(shù)據(jù)處理應(yīng)用軟件不足以處理它們的大或復(fù)雜的數(shù)據(jù)集的術(shù)語(yǔ)。大數(shù)據(jù)也可以定義為來(lái)自各種來(lái)源的大量非結(jié)構(gòu)化或結(jié)構(gòu)化數(shù)據(jù)。

商務(wù)智能，又稱商業(yè)智能，指用現(xiàn)代數(shù)據(jù)倉(cāng)庫(kù)技術(shù)、在線分析處理技術(shù)、數(shù)據(jù)挖掘和數(shù)據(jù)展現(xiàn)技術(shù)進(jìn)行數(shù)據(jù)分析以實(shí)現(xiàn)商業(yè)價(jià)值。

——以上定義來(lái)自維基百科

大數(shù)據(jù)技術(shù)和商務(wù)智能，從出現(xiàn)到成熟，再到近幾年的大紅大紫，經(jīng)歷了漫長(zhǎng)的發(fā)展過(guò)程。

起源：從數(shù)據(jù)到知識(shí)的挑戰(zhàn)和跨越

1946年，人類歷史上第一臺(tái)電子計(jì)算機(jī)在美國(guó)費(fèi)城問(wèn)世。來(lái)自匈牙利的移民馮·諾伊曼（John von Neumann）是這臺(tái)計(jì)算機(jī)的主要設(shè)計(jì)者，他被后世成為之“計(jì)算機(jī)之父”。

僅一年之后，卡內(nèi)基梅隆大學(xué)教授赫伯特·西蒙（Herbert Simon）出版了《行政組織的決策過(guò)程》一書(shū)。在這本被后世視為經(jīng)典的著作里，他指出：人類的理性是有限的，因?yàn)樗械臎Q策都是基于有限理性的結(jié)果。他預(yù)測(cè)：在后工業(yè)時(shí)代，也就是信息時(shí)代，人類社會(huì)面臨的中心問(wèn)題將從如何提高生產(chǎn)率轉(zhuǎn)變?yōu)槿绾胃玫乩眯畔?lái)輔助決策。

1975年，由于對(duì)人工智能的貢獻(xiàn)，他獲得了計(jì)算機(jī)學(xué)界的最高獎(jiǎng)——圖靈獎(jiǎng)；1978年，他又因?yàn)閷?duì)“商務(wù)決策過(guò)程”的出色研究，帶上了諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)的桂冠。追本溯源，學(xué)界普遍認(rèn)為，西蒙對(duì)決策支持系統(tǒng)的研究，是現(xiàn)代商務(wù)智能概念最早的源頭和起點(diǎn)?，F(xiàn)代商務(wù)智能技術(shù)回答的還是決策支持系統(tǒng)面對(duì)的老問(wèn)題：如何將數(shù)據(jù)、信息轉(zhuǎn)化為知識(shí)，擴(kuò)大人類的理性，輔助決策？

從數(shù)據(jù)到知識(shí)，這個(gè)跨越，人類用了半個(gè)多世紀(jì)。

二進(jìn)制的引進(jìn)，解決了在沒(méi)有“情感、智能和生命”的物理機(jī)器中表達(dá)、計(jì)算、傳送數(shù)據(jù)的最大難題。但當(dāng)數(shù)據(jù)在計(jì)算機(jī)內(nèi)部累計(jì)得越來(lái)越多的時(shí)候，如何快速地組織、存儲(chǔ)和讀取數(shù)據(jù)又成為了新的挑戰(zhàn)。1970年，IBM的研究院埃德加·科德（Edgar Codd）發(fā)明了關(guān)系型數(shù)據(jù)庫(kù)，成為軟件發(fā)展歷史上一個(gè)跨越性的里程碑。

此前，數(shù)據(jù)庫(kù)的組織結(jié)構(gòu)以網(wǎng)狀、層級(jí)制為主，復(fù)雜多變，程序和數(shù)據(jù)之間你中有我、我中有你，彼此有很強(qiáng)的依賴性?？频绿岢龅年P(guān)系型數(shù)據(jù)庫(kù)具有結(jié)構(gòu)化高、冗余度低、獨(dú)立性強(qiáng)等優(yōu)點(diǎn)，徹底把軟件中的程序和數(shù)據(jù)分立開(kāi)來(lái)。從此，軟件的發(fā)展成了“兩條腿”走路，程序和數(shù)據(jù)在各自的軌道上自由奔跑。

隨著大型信息管理系統(tǒng)的應(yīng)用一日千里、遍地開(kāi)花，怎樣從各個(gè)獨(dú)立的信息系統(tǒng)中提取、整合有價(jià)值的數(shù)據(jù)，從而實(shí)現(xiàn)從數(shù)據(jù)到信息、從信息到知識(shí)、從知識(shí)到利潤(rùn)的轉(zhuǎn)化？這個(gè)要求，變得越來(lái)越迫切。

結(jié)蛹：數(shù)據(jù)倉(cāng)庫(kù)之厚積薄發(fā)

決策支持系統(tǒng)面臨的“瓶頸式”難題，是如何有機(jī)地聚集、整合多個(gè)不同運(yùn)營(yíng)信息系統(tǒng)產(chǎn)生的數(shù)據(jù)。1988年，為解決企業(yè)的數(shù)據(jù)集成問(wèn)題，IBM公司的兩名研究員巴里·德夫林（Barry Devlin）和保羅·莫菲（Paul Murphy）創(chuàng)造性地提出了一個(gè)新的術(shù)語(yǔ)——數(shù)據(jù)倉(cāng)庫(kù)（Data Warehouse），然而遺憾的是，他們并沒(méi)有乘勝追擊。

1992年，比爾·恩門(mén)（Bill Inmon）出版了《數(shù)據(jù)倉(cāng)庫(kù)之構(gòu)建》（Building the Data Warehouse）一書(shū)，第一次給出了數(shù)據(jù)倉(cāng)庫(kù)的清晰定義和操作性很強(qiáng)的實(shí)戰(zhàn)法則，真正拉開(kāi)了數(shù)據(jù)倉(cāng)庫(kù)走向大規(guī)模應(yīng)用的序幕。此后，他的“江湖地位”也得以確定，被譽(yù)為“數(shù)據(jù)倉(cāng)庫(kù)之父”。

數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)庫(kù)的最大差別在于，前者是以數(shù)據(jù)分析、決策支持為目的來(lái)組織存儲(chǔ)數(shù)據(jù)，而數(shù)據(jù)庫(kù)的主要目的則是為運(yùn)營(yíng)行系統(tǒng)保存、查詢數(shù)據(jù)。

如蠶之蛹，數(shù)據(jù)倉(cāng)庫(kù)是商務(wù)智能的依托，是對(duì)海量數(shù)據(jù)進(jìn)行分析的核心物理架構(gòu)。它可以形象地理解為一種格式一致的多源數(shù)據(jù)存儲(chǔ)中心，數(shù)據(jù)源可以來(lái)自多個(gè)不同的系統(tǒng)，如企業(yè)內(nèi)部的項(xiàng)目管理系統(tǒng)、財(cái)務(wù)系統(tǒng)、人力資源系統(tǒng)，甚至是企業(yè)外部的系統(tǒng)。這些系統(tǒng)，即使運(yùn)行的平臺(tái)不同、編制的語(yǔ)言不同、所處的物理位置不同，但其數(shù)據(jù)可以按統(tǒng)一定義的格式被提取出來(lái)，再通過(guò)清洗、轉(zhuǎn)換、集成，最后百流歸海，加載進(jìn)入數(shù)據(jù)倉(cāng)庫(kù)。

蠶動(dòng)：聯(lián)機(jī)分析之驚艷

聯(lián)機(jī)分析（Online Analytical Processing），也稱多維分析，本意是把分立的數(shù)據(jù)庫(kù)“相聯(lián)”，進(jìn)行多維度分析。分析問(wèn)題的任何角度，都可以視為一個(gè)或多個(gè)維度的交叉。例如：

一公司2018年完成的新簽合同額是多少？這是“組織”和“時(shí)間”兩個(gè)維度的交叉問(wèn)題。

一公司2018年完成的基礎(chǔ)設(shè)施類新簽合同額是多少？這是“組織”“時(shí)間”和“工程類別“三個(gè)維度的交叉問(wèn)題。

一公司2018年在華北地區(qū)完成的基礎(chǔ)設(shè)施類新簽合同額是多少？這是“組織”“時(shí)間”“工程類別”和“地域”四個(gè)維度的交叉問(wèn)題。

同時(shí)，一個(gè)維度，還可以下鉆細(xì)分。例如，就時(shí)間的維度，可以看年度的數(shù)據(jù)，也可以具體到月度；地域的維度，可以看華北地區(qū)，也可以具體到省份、城市。

和下鉆相對(duì)應(yīng)的，是上卷。各公司的新簽合同額相加，就是集團(tuán)的新簽合同額。

報(bào)表，是關(guān)系型數(shù)據(jù)庫(kù)時(shí)代將數(shù)據(jù)轉(zhuǎn)化為信息和知識(shí)最主要的手段。但交叉的維度越多，報(bào)表就越復(fù)雜，而且不同維度的組合將產(chǎn)生不同的報(bào)表，對(duì)于一個(gè)立足決策的用戶來(lái)說(shuō)，他的需要是“動(dòng)態(tài)”的，他可能問(wèn)出任意維度交叉和細(xì)分的問(wèn)題。有了聯(lián)機(jī)分析，用戶可以自己隨時(shí)創(chuàng)建所需要的報(bào)表，開(kāi)發(fā)人員只需要預(yù)先為用戶在后臺(tái)構(gòu)建多維的數(shù)據(jù)立方體（Cube）。

破繭：數(shù)據(jù)挖據(jù)之智能生命的產(chǎn)生

真正給商務(wù)智能賦予“智能”生命的是它的下一個(gè)產(chǎn)業(yè)鏈：數(shù)據(jù)挖掘。其中，最為經(jīng)典的例子當(dāng)屬啤酒和尿布。

零售企業(yè)沃爾瑪擁有世界上數(shù)一數(shù)二的數(shù)據(jù)倉(cāng)庫(kù)，是最早應(yīng)用數(shù)據(jù)挖掘技術(shù)的企業(yè)之一，也是數(shù)據(jù)挖掘技術(shù)的集大成者。在一次例行的數(shù)據(jù)分析之后，研究人員突然發(fā)現(xiàn)：和尿布一起搭配購(gòu)買(mǎi)最多的商品竟然是啤酒！

尿布和啤酒，聽(tīng)起來(lái)風(fēng)馬牛不相及，但這是歷史數(shù)據(jù)進(jìn)行挖掘的結(jié)果，反映的是數(shù)據(jù)層面的規(guī)律。這種關(guān)系令人費(fèi)解，這是一個(gè)真正的規(guī)律嗎？

經(jīng)過(guò)跟蹤調(diào)查，研究人員終于發(fā)現(xiàn)事出有因：一些年輕的爸爸經(jīng)常要到超市去購(gòu)買(mǎi)嬰兒尿布，有30%到40%的新爸爸會(huì)順便買(mǎi)點(diǎn)啤酒犒勞自己。沃爾瑪隨后對(duì)啤酒和尿布進(jìn)行了捆綁銷售，不出意料，銷量雙雙增加。

數(shù)據(jù)挖掘把數(shù)據(jù)分析的范圍從“已知”擴(kuò)大到了“未知”，從“過(guò)去”推向了“未來(lái)”，是商務(wù)智能真正的生命力和靈魂所在。

化蝶：數(shù)據(jù)可視化的華麗上演

圖形是解決邏輯問(wèn)題的視覺(jué)方法。

生理學(xué)證明，人的大腦皮層當(dāng)中，有40%的視覺(jué)反應(yīng)區(qū)，人類的神經(jīng)系統(tǒng)天生就對(duì)圖像化的信息最為敏感。通過(guò)圖像，信息的表達(dá)和傳遞將更加直觀、快捷、有效。

更重要的原因在于：人的創(chuàng)造力不僅僅取決于邏輯思維，還取決于形象思維。數(shù)據(jù)可視化的技術(shù)，可以通過(guò)圖像在邏輯思維基礎(chǔ)上進(jìn)一步激發(fā)人的形象思維和空間想象力，吸引、幫助用戶洞察數(shù)據(jù)之間隱藏的關(guān)系和規(guī)律。

進(jìn)入21世紀(jì)之后，大數(shù)據(jù)的爆炸使人們急需展示數(shù)據(jù)、理解數(shù)據(jù)、演繹數(shù)據(jù)的工具。這種需求，刺激了數(shù)據(jù)可視化專業(yè)市場(chǎng)的形成，產(chǎn)品迅速增多，使現(xiàn)在的市場(chǎng)可謂絢麗多彩、百花齊放。從最早的點(diǎn)線圖、直方圖、餅圖、網(wǎng)狀圖等簡(jiǎn)單圖表，發(fā)展到以監(jiān)控商務(wù)績(jī)效為主的儀表盤(pán)、記分板，再到以交互式的三維地圖、動(dòng)態(tài)模擬、動(dòng)畫(huà)技術(shù)等更加直覺(jué)化、趣味化的表現(xiàn)方法，曾經(jīng)冰冷堅(jiān)硬、枯燥乏味的數(shù)據(jù)開(kāi)始“動(dòng)”了起來(lái)、“舞”了起來(lái)，變得“性感”！

可視化技術(shù)的出現(xiàn)，使商務(wù)智能的產(chǎn)業(yè)鏈形成了一個(gè)從數(shù)據(jù)整合、分析、挖掘到展示的完整閉環(huán)。它的起點(diǎn)是多個(gè)獨(dú)立的關(guān)系型數(shù)據(jù)庫(kù)，經(jīng)過(guò)數(shù)據(jù)整合之后形成統(tǒng)一的、多源的數(shù)據(jù)倉(cāng)庫(kù)，再根據(jù)用戶的需要，重新取出若干數(shù)據(jù)子集，或構(gòu)造多維立方體（Cube）進(jìn)行聯(lián)機(jī)分析，或進(jìn)行數(shù)據(jù)挖據(jù)，發(fā)現(xiàn)潛藏的規(guī)律和趨勢(shì)。如果挖掘的結(jié)果經(jīng)得起現(xiàn)實(shí)的檢驗(yàn)，那就形成了新的知識(shí)，這種知識(shí)，還可以通過(guò)數(shù)據(jù)可視化來(lái)表達(dá)、展示和傳遞。

施工企業(yè)大數(shù)據(jù)

回顧了大數(shù)據(jù)技術(shù)和商務(wù)智能的前世今生，回歸到我們施工行業(yè)，在這樣一個(gè)數(shù)據(jù)大爆炸的時(shí)代，企業(yè)的運(yùn)營(yíng)數(shù)據(jù)呈現(xiàn)爆發(fā)式的增長(zhǎng)，如何利用大數(shù)據(jù)分析實(shí)現(xiàn)精益化管理，驅(qū)動(dòng)業(yè)務(wù)增長(zhǎng)，是每個(gè)企業(yè)新的理想藍(lán)圖。相信您的企業(yè)對(duì)下述困境也是感同身受。

（1）業(yè)務(wù)發(fā)展的瓶頸

業(yè)務(wù)部門(mén)數(shù)據(jù)分析需求得不到及時(shí)響應(yīng)，在一片漆黑中前行。

業(yè)務(wù)部門(mén)對(duì)于數(shù)據(jù)分析具有極大的需求，但卻苦于沒(méi)有數(shù)據(jù)以及工具的有效支持，依賴于IT部門(mén)的報(bào)表制作，需求得不到及時(shí)響應(yīng)。

（2）信息中心的瓶頸

IT集權(quán)下的疲于應(yīng)對(duì)，放權(quán)下的數(shù)據(jù)管理混亂。

信息中心集權(quán)，導(dǎo)致業(yè)務(wù)部門(mén)需求集中扎堆，響應(yīng)不足。員工熬夜加班多，卻成就感低。

（3）大數(shù)據(jù)應(yīng)用的瓶頸

不利用心慌，利用時(shí)迷茫，如何走好“最后一公里”？

大數(shù)據(jù)倒逼企業(yè)不斷地去升級(jí)硬件，擴(kuò)展底層架構(gòu)，但存儲(chǔ)的數(shù)據(jù)越來(lái)越多，如何真正讓數(shù)據(jù)發(fā)揮價(jià)值，做好數(shù)據(jù)建設(shè)的最后一公里至關(guān)重要。

住房和城鄉(xiāng)建設(shè)部印發(fā)的《2016－2020年建筑業(yè)信息化發(fā)展綱要》中明確提出：

“施工類企業(yè)：

有條件的企業(yè)應(yīng)推進(jìn)企業(yè)管理信息系統(tǒng)中項(xiàng)目業(yè)務(wù)管理和財(cái)務(wù)管理的深度集成，實(shí)現(xiàn)業(yè)務(wù)財(cái)務(wù)管理一體化。

注重推進(jìn)企業(yè)知識(shí)管理信息系統(tǒng)、商業(yè)智能和決策支持系統(tǒng)的應(yīng)用，有條件的企業(yè)應(yīng)探索大數(shù)據(jù)技術(shù)的集成應(yīng)用，支撐智慧企業(yè)建設(shè)?！?/span>

所以，對(duì)施工企業(yè)來(lái)說(shuō)，早已經(jīng)不再是要不要使用大數(shù)據(jù)技術(shù)的問(wèn)題，而是什么時(shí)間上線大數(shù)據(jù)分析平臺(tái)，能不能早一點(diǎn)上線的問(wèn)題。施工企業(yè)要做大做強(qiáng)，實(shí)現(xiàn)規(guī)?；б?，囿于傳統(tǒng)的手段已經(jīng)無(wú)法持續(xù)，必須尋求新的突破，大數(shù)據(jù)技術(shù)和商業(yè)智能，不失為一個(gè)通過(guò)結(jié)果倒閉過(guò)程、優(yōu)化管理模式的新起點(diǎn)。

參考資料：

（1）維基百科

（2）《大數(shù)據(jù)：正在到來(lái)的數(shù)據(jù)革命》，涂子沛著