数字时代下的大数据管理和数据战略

数字时代下的大数据管理和数据战略

（对大数据管理的理解） 为有效的实现数据资产的数字孪生，达到“平台即实现、数据即服务”的状态，需要对大数据管理进行变革，要从用户的需求和市场的变化出发，与用户就大数据管理的内容进行有效而充分的沟通，通过与用户的共同互动来定义战略，包括路径、流程、改进目标、相应的管理组织能力和与之适应的落地技术架构。 数据战略制定考虑的核心点： 第一，企业的业务目标是生产盈利，无论在生产过程、运营过程、管理过程对于数据需求必须贴合工艺和实际需要； 第二，企业智能制造的核心目的是提质增效，通过智能制造来实现“工序牵引、场景驱动、数据核心”，达成制造智能化、生产少人化、管理精益化的效果； 第三，为确保数据管理满足业务目标需求，需要一个更加轻量化、可移植、有弹性、自主可控、自我管理的数据湖实现数据承载和数据治理； 第四，数据资产管理的有效性和可测量性，需要一个云-边-端的基于 SOA 架构的数据平台的技术架构，实现数据资产的有效管理和度量。基于数据引擎的数据平台，结合行业应用和互联网数据思维，形成可赋能、可推广、定制化的应用。

（基于SOA架构的数据管理平台技术架构） 数据湖架构与大数据生命周期 数据湖已经成为企业应用大数据的重要工具，它可以容纳大量原始数据存储库和处理系统，有一个中心化的存储，所有的数据以它本来的形式集中存储，是一种经济有效地存储所有数据的方式。它可以更好地支撑数据预测分析、跨领域分析、主动分析、实时分析，以及多元化、结构化数据分析，可以加速数据到价值的实现过程，提升应用能力和业务增值能力。 传统的数据IDC模式面临挑战有： 第一，数据仓库模式导致的烟囱式建设与数据需跨业务线广泛和不同协议接口的连接之间的挑战； 第二，传统数据库不能应对数据的增长，数据 ETL、数据建模工作的响应速度与数据反哺业务迭代创新之间的挑战； 第三，数据赋能与业务场景探索脱节的挑战。 大数据管理说到底还是为企业服务，数据管理从两个视角： ●第一，从企业应用系统的视角来看，系统间的数据整合及维护费用达到最小化，提高跨系统间数据存贮和共享的效率； ●第二，从企业数据资产管理的角度来看，对整个数据生命周期中数据进行处理、存贮、转换、整合，以及支持这些策略、模型、流程。 从而提出基于从数据全生命周期的全空间坐标，从数据的业务流程、数据的用户体验、数据的增值服务三个维度来考量数据生命周期的管理空间。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。