大数据助力数字化转型还需练好内功

　　当今，对大数据的价值早已无需争论，关键是如何挖掘大数据价值，其中的投入产出比是否“划算”。由于数据挖掘过程复杂、专业度高、周期长，很多分析结论得出之后早已失去时效性，造成企业对数据又爱又恨，分析人员和业务人员满腹牢骚的窘境。

　　针对以上行业痛点，帆软日前举办的2017百城巡展上海站千人大数据峰会给出了行业内外一个清晰的回答。凭借从2006年成立至今积累的上千家客户的服务经验和200余行业的涉猎，向行业内外表明，大数据助力企业数字化转型还需特别修炼好几道内功。首先，过程数据需唤醒，借助数据库直连挖掘巨大潜力。其次，大数据的呈现应该区别化的“可视化”，未来或可加大与GIS底图的连接。最后，数据加密和数据保护是重点，适当“上云”保护数据方利益。

　　唤醒“过程数据” 数据库直连建立“高速路”

　　在很多企业初次尝试数字化转型、数据分析时，都会面临一个难题，就是数据分析结论的时效性。在费心费力收集数据、综合分析之后，很多结论早已不是当前业务人员所需，或者其中的过程数据早已发生变化，让很多结论变为废纸。因此，就有业内人士指出，信息和垃圾只是一念之隔，无用的数据甚至还不及垃圾。

　　其实，并非数据本身无用，而是真正有价值的过程数据或行为数据沉睡在服务器或文档中，当时作为中间变量被忽视，但对结果追踪却意义重大。过程数据指的是在初步收集数据、进行统计后的数据。举例来说，对服装面料的进货量和成衣数量进行统计后，可以得出成衣率，让服装企业了解某种面料的利用率。成衣率的数据通常作为过程数据，对更进一步的成本和利润核算有较大影响。但其本身通常是在统计时简单记录在表格中的过程数据，数据记录形式不统一、保存时间短、是否记录很难统计，在后期的监管中很难落地执行。

　　据上海东方国际品牌创业管理股份有限公司信息部经理邵佳宇介绍，在该企业利用大数据实现转型中，就对过程数据进行很好监管，在数据库系统中对过程数据建立单独管理平台，在统计中及时保存过程数据，以统一格式呈现过程数据，便于后期追踪。而且，看到过程数据对数据分析的巨大价值后，很多部门会主动要求加入数据共享，比如原有的服装“吊牌”数据非常繁杂，但借助多个过程数据的辅助，很多终端实体店可以直接打印吊牌，不再需要人工从海量库存数据中费力挑选，这就大大提升吊牌数据入库的积极性，让数字化转型落实到小处和实处。

　　此外，邵佳宇解释道，该公司的数据库还建立直连通道，让数据分析全程介入数据收集过程，在收集同时完成分析，建立高速通道第一时间为用户提供决策支撑，杜绝“过时结论”。

　　可视化需区别对待 GIS底图是新趋势

　　在当前企业运行中已经产生了海量大数据，加上被唤醒的过程数据，大数据体量几何倍增长。这其中就需要可视化、立体呈现数据分析结论，让非技术专业的普通人员也能读懂结论。

　　对于可视化的理解，不应是简单的把数据以图表形式呈现，把分析结论变为比例。进一步说，更应该把数据以适当形式呈现给对应人员。举例来说，对分析人员来说，可以利用ETL工具对数据深度分析，输出专业化程度高的可视化结果。而对普通业务人员来说，应该减少SQL代码的输入量，让业务人员借助字段自动化转换一目了然获取分析结论，比如把“customer”变为顾客的中文字段，让输出的Excel表格通俗易懂。

　　对此过程，帆软FineBI产品经理薛高阳介绍道，企业内部运营数据和外部客户数据管理都需要“区别化”的可视化过程，特别是对技术人员分析数据，该公司的最新产品FineBI就加强了技术人员利用FineIndex和FineDirect专业分析的辅助功能，但对普通业务人员来说，则提供了统一模板让他们自行灵活输出可视化表格，这样不仅能加快数据分析过程，而且也大大缩短了两方互相沟通、甚至扯皮的时间，全面提高企业日常效率。

　　在各行各业形成大数据后，跨界开始成为主流趋势。其中，GIS与大数据的交叉分析成为助力企业多角度看待大数据、多角度实现转型的法宝。举例来说，很多商场可将商铺位置和销量交叉分析，从而灵活配置商铺，让“冷门商品”换到适当位置，提高曝光率时也提高商铺利用率，还能更加符合用户购买偏爱，不再需要转圈寻找所需商品。类似分析还可用于出租楼宇的利用率分析、零售商业智能选址等服务中，让GIS成为大数据底图，多个角度看数字化转型。

　　当然，在目前的大数据分析软件中，还是更多注重宏观分析和宏观呈现，地图并不追求过高精度，因此在帆软软件和其他同行业的软件产品中都选择自行研发底图，最多是在用户有特殊需求时搭载互联网地图的某些图层进行渲染，而核心引擎还是自主研发，最大程度保证企业级用户需求，也和服务C端用户的互联网地图错位竞争。

　　在谈到数字化转型的老生常谈问题——数据安全之时，帆软联合创始人兼CEO陈炎谈到，数据传输信道是加密的，而且很多用户将数据存储在私有云之上，或者选择安全度极高的知名公有云平台上，这都能最大限度保证数据安全。当然，并非一定“上云”才是数据分析或数字化转型的关键，也要冷静对待“上云”的火热。数据分析软件更应该做好在用户选择服务器上云或终端上云之后的连接工作，虽然目前SaaS端上云的连接还存在一定挑战，但未来一定会尽快攻关。

　　面对大数据行业的火热，数据分析更应该从用户需求入手做好分内事，最大限度挖掘各种数据价值，让数据分析得以实时呈现，各个业务部门简单调用，合理“上云”提高效率。唯有如此，才能让数字化转型不再是用户又爱又恨的对象，而是变为提高效率的重要生产力，让大数据辅能、华丽变身。