编者按：在信息时代，大数据正在成为社会中最有价值的资源体之一。它不为人所见，却又无处不在——交通部门通过大数据分析出实时路况；证券机构利用它预测股市走向；搜索引擎利用它构建用户画像，实现精准营销；电影院线用它来排期……
大数据在影响生活方式，也改造企业，创新一些商业模式，已经成为新经济的符号，甚至国家战略。
在洪流之前，变革总是起于微处，一些企业已然走在前列，在大数据时代，他们是先行者。2016年下半年，新华网信息化和智慧城市频道联手启动大数据（应用调查、技术先锋）系列报道，见证一个时代的兴起。
企业大数据应用调查之一
制造业新风向 航天三江用大数据驱动智能制造
“德国工业4.0”、“美国工业互联网”战略的发展，给中国制造业带来了前所未有的冲击。随着《中国制造2025》的出台，传统制造企业向智能制造企业转型已成大势所趋。
然而，在实践中，如何将信息技术与制造业有机结合起来，却并不是一件容易的事情。尤其是对于中国航天三江集团公司（以下简称：航天三江）这样的大型制造企业来说，数字化转型绝对是一次涉及全企业的颠覆。
对此，航天三江信息化处处长胡红梅表示，大数据、云计算等新一代技术在生产制造模式中的应用将成为实现智能制造的充分条件。这一次，航天三江将构建一个大数据交换平台——强化对业务活动的信息化支撑，提升了管理效率，降低了管理成本，构建了企业工业4.0的基础环境。她表示，在大数据交换平台支撑下,着重从四大方面展开业务场景。
在产品生命周期管理方面，需要打通产品生产制造链中的各个环节，实现全生命周期的产品管理。在大数据交换平台中，设计PDM需要将设计BOM传递给工艺PDM，由工艺人员直接进行工艺设计，并将工艺BOM、工艺路线、工序进程等传递给ERP系统，最后再由业务人员根据相关内容制定采购计划和生产计划。同时，质量系统负责产品结构质量信息的检验，档案管理系统负责产品信息自动归档，进而形成企业大数据资产的积累。
在价值管理方面，需要实现企业全供应链的价值管理。在大数据交换平台中，生产管理系统可为财务管理系统提供存货档案、实际成本、采购计划、发放清单等核心业务数据，财务管理系统可为生产管理系统提供NC工时、生产计划、备料计划和物流单据，MES系统可为生产系统提供计划、工时等信息，为精确MRP运算结果提供前提条件，合理规划企业库存，平衡采购与生产之间的关系。
在质量信息管理方面，航天三江在业务过程中产生的质量信息保存在各生产单位的ERP系统或质量系统中，大数据交换平台可减少因为数据上传不及时，导致的只能线下查看生产过程中的实际参数等问题的出现，实现院级与厂所质量信息的集成和共享。
在信息化管理方面，为实现航天三江内部数据的统一管理与应用，在大数据交换平台中，以企业现状为前提，参考国家标准，建立了统一的主数据标准、服务集成和大数据管理规范，为业务大数据的集成交换提供基础的数据环境。通过建立大数据管理规范，形成由核心业务部门主导、标准化部门监督、信息化部门支撑的协同管理体系，为实现企业内部跨界融合提供前提条件。
为实现向智能制造企业的顺利转型，航天三江在管理与技术两方面同时提升体系能力,以支撑四大关键业务场景。胡红梅表示，在管理方面，加强大数据交换管理体系建设，包括标准规范与安全保障体系的完善；在技术方面,加强大数据交换技术体系建设，包括数据交换支撑、数据共享中心、集中管控、数据治理等平台的建设。未来，两条线并行发力，双管齐下，实现企业转型。
企业大数据应用调查之二
秦山核电：为何启动国内首个核电大数据咨询项目？
主泵、稳压器、蒸汽发生器、安全壳、汽轮发电机、危急冷却系统……这些都是核电站最常见的重要设备。核反应所释放的能量巨大，任何设备出现的一点小小的故障都可能导致极其严重的后果。
“如果能利用大数据平台的分析和预测能力，分析出故障率较高的设备类型，预测出设备故障时间点，那么就能设计出更合理的库存比例和更精准的动态检查计划，进而将运行风险降到最低，安全性能提高的同时还能降低库存和动态检查的成本”。中核核电运行管理有限公司CIO伍吉泽表示，中核核电在秦山站将要启动的是国内首个核电大数据咨询项目，旨在根据业务现状制定出切实可行的大数据平台方案，将新时代的科技成果与我们的业务相结合，做好数据的挖掘和分析利用，充分发挥出核电数据的价值。”
作为中国自行设计、建造和运营管理的第一座压水堆核电站，秦山核电站是目前国内核电机组数量最多、堆型最丰富、装机最大的核电基地。此前，为保证安全性，核电站已经建立了充足的后备库存，以保证对故障设备的及时替换和更新；同时，在对设备定期检查的基础上，不定期开展了动态检查，以确定设备运转正常，降低设备运行风险。
“上马大数据项目，秦山核电站是有基础的”，中核核电运行管理有限公司信息项目处处长马寅军表示，目前，秦山核电站目前各部门业务系统已经比较完善，有足够有价值的历史数据可以进行分析和预测，但现阶段这些数据还较为分散、相对独立，距离 “数字化核电”的目标较远。
为此，秦山核电站引入普元对电站现状做了深入的调研和分析，从数据、功能、物理、工具、制度多个维度进行了成熟度评估，并针对电站在设备库存和设备可靠性等方面的具体业务需求，决定从大数据平台层面破局。
在大数据采集方面，为及时发现核电站设备故障，大数据平台应同时具备实时和非实时数据的采集能力。以流计算框架为基础，对流数据进行高效实时运算，支撑实时业务响应和规则动态匹配。
在大数据存储方面，为满足海量实时设备信息的存储需求，大数据平台需要同时具备结构化与非结构化数据的存储和计算能力。同时，利用内存库和流计算技术，实现数据的快速计算和存储，进而提升业务的反应速度。
在大数据管控方面，应以秦山核电站现有数据字典为基础，从元数据管理、数据标准建立、数据质量监控、数据处理监控、数据共享发布等方面入手，实现书同文、车同轨的数据管控能力。
在大数据度监控方面，为实现对大数据作业运行情况的监控和干预以及直观的性能分析，平台应具备强大的调度监控能力和友好的可视化界面，以实现智能稳定的调度监控能力。
马寅军表示, “目前，秦山核电站梳理了业务场景，明确了功能架构，同时确定了可落地的技术方案，明确规划出了未来5年内的大数据中心建设方向，其中对安全生产，降低库存等重要业务场景的实现，不仅对我们有重要意义，而且对整个核电行业的发展起了推动作用”。
企业大数据应用调查之三
长城资产：数据管控驱动管理增值
在外部监管和内部需求的共同驱动下，资产管理行业的数据治理体系建设势在必行。一方面，在外部监管层面，中国银监会，财政部，中国人民银行，中国证监会，中国保监会印发了《金融资产管理公司监管办法》，此办法明确规定金融资产管理公司需要建设统一的数据治理体系，逐步推进数据标准建设；另一方面，在内部需求层面，企业级的数据标准是企业业务发展和信息化体系建设的根本保证，只有实现了数据的标准和统一，企业的业务流程才能通畅流转，决策才有据可循。
作为四大国家级金融资产管理企业之一，中国长城资产管理公司率先拉开数据治理体系建设的帷幕。
数据治理如何驱动资产管理企业增值？
数据治理体系能规范数据流程，保证企业在业务运营管理中得到准确、及时和完整的数据支持，进而有效提升企业的核心竞争力。实际上，资产管理行业通过建设规范的数据治理体系，可能在以下几个业务场景中获得收益：
风险管理
数据治理是金融资产管理行业风险分析的基础。企业通过专用风险数据集市，统一采集风险管理过程中的关注信息，数据治理能帮助企业排除因为数据质量问题导致的错误分析结果，通过整理各类风险数据资源，建立清晰的风险管理视图，在此基础上进行风险分析，切实将数据作为风险管理决策的准确依据，更有效地监管企业业务运转。
业务开展
数据治理梳理出的数据标准可以作为企业开展新业务的蓝本。企业在开展新业务时，直接参考和利用已有业务中的业务定义、系统规范等数据标准，在已有数据标准的基础上拓展新的业务标准，通过新老标准相结合的方式，科学提升企业数据管控效率，缩短业务流程。
数据管控
在大数据的推动下，企业数据资产变得日益复杂，与企业的其他资产不同，企业难以具体了解自身数据资产的情况，数据治理体系可以对整个企业的数据资产进行梳理，帮助企业了解内部的数据资产情况，进一步加强企业对复杂数据资产的管控能力。
计日程功，数据治理体系该如何建设？
数据治理体系是指企业控制信息交付、数据管理战略和数据资源的一系列活动，数据治理体系的建设需要建立人、数据、系统之间的和谐关系，具体要从以下五个方面着手。
数据治理组织架构——高层主导，业务部门引导括高层领导办公室和数据治理管理委员会两部分。数据治理管理委员会包括由公司各业务部门主管的业务小组和由普元数据治理专家带领的。
数据治理的进行需要强有力的组织架构来支撑，长城资产建立了由公司高层领导主导，各业务部门领导为成员的数据治理组织架构，包技术小组。业务人员和技术人员之间的紧密合作，使数据治理工作更易于开展。
数据标准制定——不仅要有标准，还要可落地
长城资产对系统数据进行了全面梳理，并推动各业务部门派专人加入数据标准评审小组，双方合作，经过几十次评审和修订，形成了可执行的数据标准。
数据标准制定过程中，长城资产将系统模型和数据的梳理结果与同行业数据标准规范相结合，同时考虑了银监会对资产管理企业的要求，最终制定出了既能契合企业现状又能满足企业未来信息化要求的企业级数据标准。
元数据管理——企业数据的全自动梳理
自动化的元数据管理能力是数据治理体系建设中的关键一环，长城资产通过元数据管理工具，自动化采集企业各类元数据，快速梳理企业的数据资产，形成完整的企业数据地图，快速了解企业资产情况的同时还可追溯数据质量问题，为数据治理体系建设奠定了坚实的基础。
数据标准管理——与流程相结合，数据标准的系统化落地
为更好地利用数据标准产出物，长城资产将数据标准与现有流程相结合，形成了数据标准管理制度与流程，真正做到了数据标准的系统化落地。另外，数据标准定义、应用和维护应该是一个长期动态优化的过程，数据标准管理可以对长城资产业务的发展和系统的建设持续进行优化和完善。
数据质量管理——发现、跟踪和处理数据质量问题
为保证数据质量问题能够得到有效解决，长城资产后期将启动数据质量管理平台的建设。通过建设数据质量平台，发现、跟踪和处理企业的数据质量问题，配合业务流程和考核机制，规避数据质量带来的业务问题，进一步提升企业的数据管控能力。
目前，长城资产建设了一套完整的数据治理体系，梳理出了企业级的数据标准，这也是金融资产管理行业的首个数据标准。
企业大数据应用调查之四
新奥能源：智能运营背后的数据价值链
目前，新能源企业的处境比较尴尬：一方面，全国大面积雾霾天气持续，国家为改善环境质量，力推清洁能源发展，公民环保意识整体提升，清洁能源集万千宠爱于一身；另一方面，在工业4.0的新形势下，新能源企业正面临着日趋严格的政府监管、激烈的可替代能源的竞争和更严苛的消费者需求。如果继续以现有的业务模式来面对当前的市场环境，往往会捉襟见肘。
以大数据为核心的业务发展推动模式，给各行各业带来了前所未有的机遇。能源行业是国民经济中的支柱产业，也是产生海量数据并对数据分析有着重要依赖的企业。大数据为其提升管理效率和拓展业务边界提供了前所未有的可能性。
大数据蓝图
目前新奥能源的业务价值链已经非常清晰，涵盖了城市燃气、能源物资、能源贸易和泛能站等多种业务，每种业务又分别对应着详细的具体环节，有力地支撑着新奥能源业务的发展。
如何利用数据提升业务价值？新奥能源控股有限公司系统管理部主任崔占海表示，“新奥需要打造出基于大数据驱动的智能运营体系，通过持续的大数据治理和大数据应用迭代，推动业务的创新发展和管理的变革提升”。
图：新奥能源价值链
针对上述需求，在普元等外脑的协助下，新奥能源重构了整体价值链，针对其中的市场营销、能源采购、能源销售、客户服务等重要环节，给出了大数据平台建设下的四大业务场景：
在市场营销方面，可利用大数据平台能力，根据客户基本信息、位置信息等，发掘潜在客户，开展针对性营销和服务。还可根据不同客户的区域分布情况，合理优化营销网点，调整营销策略。
在能源采购方面，大数据平台可对能源采购历史、现有库存比例、能源需求量等信息进行分析，调整采购策略，进一步合理化库存，实现利益最大化。
在能源销售方面，大数据平台可根据客户的信誉评价、历史成交记录等信息，甄别出客户的支付能力，挖掘出潜在的客户需求，推出个性化销售，适当调整收费方案。
在客户服务方面，以城市燃气为例，不同的用户群体（年龄、受教育水平、收入水平的差异），对能源服务的需求也是不同的。对受教育水平高、收入水平高的用户，可赋予较高的信誉等级，采用用户自行读数、自助缴费、网上服务等用户自服务模式，既能提升用户消费体验，又能降低服务成本；反之，对受教育水平低、支出敏感的用户采用上门读数、辅助缴费、跟踪服务等模式，加大人力资源投入。
通过大数据治理设计整个大数据平台的数据管理流程，明晰大数据血脉，提升大数据质量，实现对大数据的全面管控，为上层应用提供安全可用的数据基础，确保大数据平台分析与预测的准确性。
崔占海表示，“打造领先的新能源企业”绝不仅仅是句空口号，未来通过持续的大数据治理和大数据应用迭代，新奥能源将能创造出更大的经济效益和社会效益。
大数据企业应用调查之五
兴业银行：信用卡背后的数据生命线
兴业银行作为首批试水大数据的商业银行之一，借助大数据的关键技术和核心优势，通过对消费者行为的分析和洞察，在产品研发、服务组织以及营销模式创新与自我变革等方面已初见成效，陆续推出的“钱大掌柜”、“直销银行”等金融创新产品，发展势头良好。
兴业银行信用卡中心表示，“大数据时代向我们提供了丰富的数据，让我们全面了解客户成为了可能，但如何有效管理并整合海量数据？传统数据处理的理念及模式该如何应变？都是信用卡行业亟需探讨和解决的问题，信用卡行业的大数据变革正拉开序幕。”
目前，国内信用卡行业在大数据技术，尤其是在对海量数据的运用方面普遍缺乏技术和经验。信用卡行业应尽早与相关技术公司合作，利用大数据前沿技术，对自身的数据架构进行软硬件升级调整，搭建大数据平台。大数据平台的建设将对其安全稳定运营，实现风险管理等具有十分重要的意义。
运营管理
信用卡中心需要妥善保管大量与信用卡业务相关的数据信息。通过大数据平台的建设，不仅能保障不同业务系统之间数据的一致性，确保各项业务的有效开展，还能提升数据的完整性和可用性，保证在突发事件发生时对关键业务系统的及时恢复，实现业务连续。
风险管理
风险管理是信用卡行业的核心业务。首先，大数据平台能够帮助风险管理部门密切关注客户信息的变动，提高数据资产质量，减少非预期损失。其次，资产管理部门可以通过大数据平台对数据进行分析，为各经营机构设定业务限额，在保证安全的情况下实现效益最大化。
信用卡营销
通过大数据平台的分析能力，可以对不同卡种的持卡人，采用不同的营销策略。大数据平台对消费者的刷卡行为进行分类、统计和整理之后，能获取消费者的消费习惯、消费能力、消费偏好等信息，结合这些丰富的数据，深入挖掘有效信息，细分客群，实现精准营销。
兴业银行信用卡中心表示，“为了实现各应用系统之间的数据共享，我们需要剥离现有系统基础数据处理模块，对其进行全面改造升级，建成专门的‘信用卡基础数据平台’”。
目前，兴业银行信用卡中心的数据平台建设包括信用卡基础数据平台、数据集成平台与数据治理平台三部分，其中基础数据平台是支撑，数据集成平台是手段，数据治理平台是保障，三部分协同建设，更好地支撑了信用卡业务的流转，帮助其实现利益最大化。”
采访手记
企业为什么要做大数据？
王轩是个专注的人，他说7年多的时间，他在普元就做了一件事——帮助企业做大数据，现在他已经是这家企业的大数据产品线总经理。
在系列报道的采访过程中，一个有趣的事是，大多数企业都认为，未来每一家企业都是大数据公司。王轩很认同这个观点。
对于企业为什么要做大数据，按照他的说法，无外乎几个原因：一是数据与服务相结合，数据本身成为一个产品线，能够给企业带来新的利润；二是数据与决策相结合，通过数据建模，优化企业决策，提升工作效率。
大数据的确正在延伸出它的商品属性。
兴业银行利用客户大数据建模，陆续推出的“钱大掌柜”、“直销银行”等金融创新产品，势头不错；广联达利用数据+服务，2014年就已经实现过亿元的大数据服务收入……
然而，必须强调的是，企业做大数据却并不是一件简单的事情。
首先，企业的信息化建设基础千差万别。数据作为各个信息化系统的直接产生物，往往存在与不同系统，不同的软硬件环境里。要实现大数据，数据必须是结构化的标准数据。这就需要对及企业既有的信息系统进行平台化的对接。这也是长城资产等企业在启动大数据项目时，要先做规划，然后建设大数据平台进行数据治理的原因。
其次，即使企业拥有高质量的自有数据，在实现大数据商品属性和决策支持属性的目标下，也往往不够，企业还必须引入外部高质量数据，形成整合数据资产。比如，金融企业做客户分析时，往往需要通过和第三方数据结合。
最后，大数据的建设并没有一定之规，每个行业都会提供差异化的方案，并无固定套路。在采访中，很多企业的大数据平台建设都并非由IT部门主导，而是来自业务部门的需求。
