今天，您的企業(yè)“大數據”了嗎？

作者：廣聯(lián)達施工企業(yè)項目管理系統(tǒng)高級需求工程師 侯凱

我們身邊的大數據

2018年最火的歌手是誰？采訪不同的人，會有不同的答案。有人說是毛不易，有人說是華晨宇，也有人說是張靚穎。但要說到2018年“真愛粉”最多的歌手，非張學友莫屬了。據不完全統(tǒng)計，在張學友近半年的10場演唱會上，一共有50多名違法犯罪人員被抓。最多的一次，在陜西咸陽，一次性抓獲逃犯、其他違法犯罪人員18人。罪犯們真是冒著生命危險來聽演唱會，也讓張學友喜提“逃犯克星”的稱號。

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

商務智能的前世今生

大數據，英文是Big Data，又稱為巨量資料，指的是傳統(tǒng)數據處理應用軟件不足以處理它們的大或復雜的數據集的術語。大數據也可以定義為來自各種來源的大量非結構化或結構化數據。

商務智能，又稱商業(yè)智能，指用現代數據倉庫技術、在線分析處理技術、數據挖掘和數據展現技術進行數據分析以實現商業(yè)價值。

——以上定義來自維基百科

大數據技術和商務智能，從出現到成熟，再到近幾年的大紅大紫，經歷了漫長的發(fā)展過程。

起源：從數據到知識的挑戰(zhàn)和跨越

1946年，人類歷史上第一臺電子計算機在美國費城問世。來自匈牙利的移民馮·諾伊曼（John von Neumann）是這臺計算機的主要設計者，他被后世成為之“計算機之父”。

僅一年之后，卡內基梅隆大學教授赫伯特·西蒙（Herbert Simon）出版了《行政組織的決策過程》一書。在這本被后世視為經典的著作里，他指出：人類的理性是有限的，因為所有的決策都是基于有限理性的結果。他預測：在后工業(yè)時代，也就是信息時代，人類社會面臨的中心問題將從如何提高生產率轉變?yōu)槿绾胃玫乩眯畔磔o助決策。

1975年，由于對人工智能的貢獻，他獲得了計算機學界的最高獎——圖靈獎；1978年，他又因為對“商務決策過程”的出色研究，帶上了諾貝爾經濟學獎的桂冠。追本溯源，學界普遍認為，西蒙對決策支持系統(tǒng)的研究，是現代商務智能概念最早的源頭和起點?，F代商務智能技術回答的還是決策支持系統(tǒng)面對的老問題：如何將數據、信息轉化為知識，擴大人類的理性，輔助決策？

從數據到知識，這個跨越，人類用了半個多世紀。

二進制的引進，解決了在沒有“情感、智能和生命”的物理機器中表達、計算、傳送數據的最大難題。但當數據在計算機內部累計得越來越多的時候，如何快速地組織、存儲和讀取數據又成為了新的挑戰(zhàn)。1970年，IBM的研究院埃德加·科德（Edgar Codd）發(fā)明了關系型數據庫，成為軟件發(fā)展歷史上一個跨越性的里程碑。

此前，數據庫的組織結構以網狀、層級制為主，復雜多變，程序和數據之間你中有我、我中有你，彼此有很強的依賴性?？频绿岢龅年P系型數據庫具有結構化高、冗余度低、獨立性強等優(yōu)點，徹底把軟件中的程序和數據分立開來。從此，軟件的發(fā)展成了“兩條腿”走路，程序和數據在各自的軌道上自由奔跑。

隨著大型信息管理系統(tǒng)的應用一日千里、遍地開花，怎樣從各個獨立的信息系統(tǒng)中提取、整合有價值的數據，從而實現從數據到信息、從信息到知識、從知識到利潤的轉化？這個要求，變得越來越迫切。

結蛹：數據倉庫之厚積薄發(fā)

決策支持系統(tǒng)面臨的“瓶頸式”難題，是如何有機地聚集、整合多個不同運營信息系統(tǒng)產生的數據。1988年，為解決企業(yè)的數據集成問題，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)造性地提出了一個新的術語——數據倉庫（Data Warehouse），然而遺憾的是，他們并沒有乘勝追擊。

1992年，比爾·恩門（Bill Inmon）出版了《數據倉庫之構建》（Building the Data Warehouse）一書，第一次給出了數據倉庫的清晰定義和操作性很強的實戰(zhàn)法則，真正拉開了數據倉庫走向大規(guī)模應用的序幕。此后，他的“江湖地位”也得以確定，被譽為“數據倉庫之父”。

數據倉庫和數據庫的最大差別在于，前者是以數據分析、決策支持為目的來組織存儲數據，而數據庫的主要目的則是為運營行系統(tǒng)保存、查詢數據。

如蠶之蛹，數據倉庫是商務智能的依托，是對海量數據進行分析的核心物理架構。它可以形象地理解為一種格式一致的多源數據存儲中心，數據源可以來自多個不同的系統(tǒng)，如企業(yè)內部的項目管理系統(tǒng)、財務系統(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)，即使運行的平臺不同、編制的語言不同、所處的物理位置不同，但其數據可以按統(tǒng)一定義的格式被提取出來，再通過清洗、轉換、集成，最后百流歸海，加載進入數據倉庫。

蠶動：聯(lián)機分析之驚艷

聯(lián)機分析（Online Analytical Processing），也稱多維分析，本意是把分立的數據庫“相聯(lián)”，進行多維度分析。分析問題的任何角度，都可以視為一個或多個維度的交叉。例如：

一公司2018年完成的新簽合同額是多少？這是“組織”和“時間”兩個維度的交叉問題。

一公司2018年完成的基礎設施類新簽合同額是多少？這是“組織”“時間”和“工程類別“三個維度的交叉問題。

一公司2018年在華北地區(qū)完成的基礎設施類新簽合同額是多少？這是“組織”“時間”“工程類別”和“地域”四個維度的交叉問題。

同時，一個維度，還可以下鉆細分。例如，就時間的維度，可以看年度的數據，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。

和下鉆相對應的，是上卷。各公司的新簽合同額相加，就是集團的新簽合同額。

報表，是關系型數據庫時代將數據轉化為信息和知識最主要的手段。但交叉的維度越多，報表就越復雜，而且不同維度的組合將產生不同的報表，對于一個立足決策的用戶來說，他的需要是“動態(tài)”的，他可能問出任意維度交叉和細分的問題。有了聯(lián)機分析，用戶可以自己隨時創(chuàng)建所需要的報表，開發(fā)人員只需要預先為用戶在后臺構建多維的數據立方體（Cube）。

破繭：數據挖據之智能生命的產生

真正給商務智能賦予“智能”生命的是它的下一個產業(yè)鏈：數據挖掘。其中，最為經典的例子當屬啤酒和尿布。

零售企業(yè)沃爾瑪擁有世界上數一數二的數據倉庫，是最早應用數據挖掘技術的企業(yè)之一，也是數據挖掘技術的集大成者。在一次例行的數據分析之后，研究人員突然發(fā)現：和尿布一起搭配購買最多的商品竟然是啤酒！

尿布和啤酒，聽起來風馬牛不相及，但這是歷史數據進行挖掘的結果，反映的是數據層面的規(guī)律。這種關系令人費解，這是一個真正的規(guī)律嗎？

經過跟蹤調查，研究人員終于發(fā)現事出有因：一些年輕的爸爸經常要到超市去購買嬰兒尿布，有30%到40%的新爸爸會順便買點啤酒犒勞自己。沃爾瑪隨后對啤酒和尿布進行了捆綁銷售，不出意料，銷量雙雙增加。

數據挖掘把數據分析的范圍從“已知”擴大到了“未知”，從“過去”推向了“未來”，是商務智能真正的生命力和靈魂所在。

化蝶：數據可視化的華麗上演

圖形是解決邏輯問題的視覺方法。

生理學證明，人的大腦皮層當中，有40%的視覺反應區(qū)，人類的神經系統(tǒng)天生就對圖像化的信息最為敏感。通過圖像，信息的表達和傳遞將更加直觀、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。數據可視化的技術，可以通過圖像在邏輯思維基礎上進一步激發(fā)人的形象思維和空間想象力，吸引、幫助用戶洞察數據之間隱藏的關系和規(guī)律。

進入21世紀之后，大數據的爆炸使人們急需展示數據、理解數據、演繹數據的工具。這種需求，刺激了數據可視化專業(yè)市場的形成，產品迅速增多，使現在的市場可謂絢麗多彩、百花齊放。從最早的點線圖、直方圖、餅圖、網狀圖等簡單圖表，發(fā)展到以監(jiān)控商務績效為主的儀表盤、記分板，再到以交互式的三維地圖、動態(tài)模擬、動畫技術等更加直覺化、趣味化的表現方法，曾經冰冷堅硬、枯燥乏味的數據開始“動”了起來、“舞”了起來，變得“性感”！

可視化技術的出現，使商務智能的產業(yè)鏈形成了一個從數據整合、分析、挖掘到展示的完整閉環(huán)。它的起點是多個獨立的關系型數據庫，經過數據整合之后形成統(tǒng)一的、多源的數據倉庫，再根據用戶的需要，重新取出若干數據子集，或構造多維立方體（Cube）進行聯(lián)機分析，或進行數據挖據，發(fā)現潛藏的規(guī)律和趨勢。如果挖掘的結果經得起現實的檢驗，那就形成了新的知識，這種知識，還可以通過數據可視化來表達、展示和傳遞。

施工企業(yè)大數據

回顧了大數據技術和商務智能的前世今生，回歸到我們施工行業(yè)，在這樣一個數據大爆炸的時代，企業(yè)的運營數據呈現爆發(fā)式的增長，如何利用大數據分析實現精益化管理，驅動業(yè)務增長，是每個企業(yè)新的理想藍圖。相信您的企業(yè)對下述困境也是感同身受。

（1）業(yè)務發(fā)展的瓶頸

業(yè)務部門數據分析需求得不到及時響應，在一片漆黑中前行。

業(yè)務部門對于數據分析具有極大的需求，但卻苦于沒有數據以及工具的有效支持，依賴于IT部門的報表制作，需求得不到及時響應。

（2）信息中心的瓶頸

IT集權下的疲于應對，放權下的數據管理混亂。

信息中心集權，導致業(yè)務部門需求集中扎堆，響應不足。員工熬夜加班多，卻成就感低。

（3）大數據應用的瓶頸

不利用心慌，利用時迷茫，如何走好“最后一公里”？

大數據倒逼企業(yè)不斷地去升級硬件，擴展底層架構，但存儲的數據越來越多，如何真正讓數據發(fā)揮價值，做好數據建設的最后一公里至關重要。

住房和城鄉(xiāng)建設部印發(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)應推進企業(yè)管理信息系統(tǒng)中項目業(yè)務管理和財務管理的深度集成，實現業(yè)務財務管理一體化。

注重推進企業(yè)知識管理信息系統(tǒng)、商業(yè)智能和決策支持系統(tǒng)的應用，有條件的企業(yè)應探索大數據技術的集成應用，支撐智慧企業(yè)建設?！?/span>

所以，對施工企業(yè)來說，早已經不再是要不要使用大數據技術的問題，而是什么時間上線大數據分析平臺，能不能早一點上線的問題。施工企業(yè)要做大做強，實現規(guī)模化效益，囿于傳統(tǒng)的手段已經無法持續(xù)，必須尋求新的突破，大數據技術和商業(yè)智能，不失為一個通過結果倒閉過程、優(yōu)化管理模式的新起點。

參考資料：

（1）維基百科

（2）《大數據：正在到來的數據革命》，涂子沛著