大型企業集團數據中心建設的困境與研究

【摘要】 當今企業信息化建設，正在面臨一個十分困擾的問題：如何在大數據時代背景下讓企業信息化發揮更大的價值，產生直接效益。集團級數據中心建設遇到了什么樣的困境？又有什么可行的方法得以借鑒繼續推行？本文以一個大型企業集團的“數據中心”項目建設為例，從多個方面來分析，探討大型企業集團數據中心建設多數可能面臨的困境，以及初探如何改善局面、使得集團級數據中心能夠往下推行，進而在大型企業集團發揮大數據應有的巨大效益。

【關鍵字】 大數據 數據中心 集團 后ERP時代

過去兩年，互聯網、微媒體、各大型網站等有一個炙手可熱的IT名稱：大數據。“德國足球隊背后的數據動力：SAP Match Insight” [1]、“數據科學家：21世紀最性感的職業” [2]……這些引人注目的文章和圖說不斷充斥著越來越多信息化工作者的神經。眾多企業，特別是大型集團型企業開始思考如何讓數據發揮更大價值，建立全集團級數據中心已成為更多CIO關注的話題。而實際上，集團級數據中心的建設在起步初期便異常困難，試推行后或面臨進退兩難境地。大數據的分析技術與能力能為企業帶來什么新的價值？是否一般企業也能像哈佛經典案例“啤酒與尿布”、像“谷歌預測H1N1L流感”那樣精準？企業如何快速跟上世界量化分析師的步伐？企業數據中心能否盤活企業數據、使企業立于長久不敗之地？

一、數據中心的定義

數據中心是企業的業務系統與數據資源進行集中、集成、共享、分析的場地，是工具、流程和應用等的有機組合。從應用層面看，包括業務系統、基于數據倉庫的分析系統；從數據層面看，包括操作型數據和分析型數據以及數據與數據的集成/整合流程；從基礎設施層面看，包括服務器、網絡、存儲和整體IT 運行維護服務。因此，完整的數據中心是包含硬件、數據、應用和運維以及管理的有機整體。

二、建設數據中心的初衷

2.1從信息化管理角度提出建設數據中心

筆者文中的案例企業，ERP SAP信息系統已經涵蓋了生產運營、

工程建設、人力資源、財務管理等各大主要業務領域，但仍然有部分業務運轉在ERP體系之外（如供應商管理等）。這些業務系統包含了ERP可以基本滿足操作業務的需要，但在數據標準和架構平臺上都不一致，導致獲取數據和交換數據都比較困難，不利于從管理維度來加工組織數據，于是信息化管理工作者可能會提出建設數據中心的需求。

2.2從業務需求部門提出建設數據中心

筆者遇到財務部門從財務會計到管理會計的財務戰略轉型，需要進行管理維度的財務數據分析，從而提出建立“財務數據中心”的需求。

2.3從集團戰略經營決策支持體系角度

隨著外部市場變化趨于頻繁，集團決策層對于快速獲取可信的企業運營分析數據的需求越來越迫切，需要在企業累積的海量數據的基礎上，建立一個快速、穩定、精準、面向主題數據的存儲與分析中心，為集團高層經營活動（如中長期戰略分析、經營分析等）提供決策輔助支持。

三、建設數據中心面臨的困境分析

3.1建設數據中心的痛點難以聚焦

在建立集團級數據中心的時候，一定要清楚企業在數據應用方面到底遇到了哪方面的問題和挑戰？以下表為例，這樣的分析羅列較多，但不能將問題聚焦也無法分析出當前最迫切的問題。例如，“存在數據手工收集的問題”，級別為高，這一類需要進一步細化分析，到底是什么數據處于手工收集狀態，如果是安全質量事件、計劃值等，手工輸入符合事實，但如果是ERP財務收入板塊合并數也是手工，這個就要深究原因。事實有可能最終分析結果只需加強數據錄入管理規范與質量考核，而并非要啟動一個大型數據中心項目。

序號痛點建議優先級關聯痛點分析

1數據出現跨業務問題時用戶無法快速找到業務歸口管理部門，無法統一協調多部門快速響應數據相關問題 建立數據管理職能部門 高組織與職能

2沒有統一數據梳理規范和流程 制定指標梳理管理規范 高服務及管控

3業務在流轉過程中無相應的數據質量統一規范完善流程中的數據質量關口規范中服務及管控

4頂層設計沒有統一的主數據編碼管理規范、約束制度 完善主數據編碼規范、主數據管理流程制度高服務及管控

5集團數據管理相關的審批流程不規范 完善數據管理的運維審批流程 高流程與工具

6存在數據手工收集的問題建立數據源優化方案建議高流程與工具

7數據流轉延遲，邏輯關系不清晰測試數據流轉延遲問題，明確數據間邏輯關系定義高流程與工具

8無專業數據分析工具構建符合企業業務經營及管理決策的專業數據分析工具高流程與工具

3.2建設數據中心的可行性分析缺乏完整性

大多數據中心項目在分析可行性時，業務系統的完備性和數據的健全性是數據中心建設的基本組成部分和可行性分析的依據。但是，忽略了一個最根本的問題，也是數據分析領域較為困難的事情：對于數據分析的需求是否明確？如果這一點模糊不定，需求只是急于一時并非正式提出的，在實現過程中因無穩定確認的需求作為基礎支撐，項目推動和執行也必然不夠堅決。

3.3建設數據中心的短期目標不明確會影響長期目標

建設數據中心的目標可以設為短期和中長期目標，找準當前最急

迫的需求，立足長遠而規劃。在大型企業集團中，中長期的總體目標較容易定位清楚，而短期的目標則難以快速確立。比如，短期內是做一個數據中心的模塊試點根據結果再做整體規劃，還是做一個完整的規劃項目再分期建設？短期內是把某個領域的數據做試點，還是自底向上把所有數據全部推到數據中心？在這個問題上會難以決策和搖擺不定，時過境遷時再談數據中心需要重新選擇。一旦確定短期目標和模式后，對中長期的實施路線也影響較大。

3.4建設數據中心的項目方案和預算的決策周期冗長

數據中心項目牽涉面廣、涉及較多深層次問題，技術方案復雜、人力物力投入多，數據中心項目的預算評估結果很可能并非小數。例如，對底層系統進行改造、建立中間數據庫時可能需要引入新的技術工具和平臺，需要耗費較多費用。同時，建設后的效果與收益在上線兩至三年內預計難以體現。因此，組織層次多、決策分散的大型企業要做這樣耗資巨大的信息化項目，普遍預算決策周期冗長，有時還會半路擱淺。

3.5建設數據中心往往帶來組織變革，阻力大

在企業信息化建設歷程中，牽涉面廣、實施周期長的項目要長期維持其效益，均需要設置相應的運營管理與支撐團隊，會帶來人員和組織分工相應調整，而企業集團里組織變革的阻力也不易，這是關于數據中心項目決策和推動的又一難事。

四、數據中心可能的推行之路三要素

4.1選擇合適的數據中心長期規劃建設模式

集團級數據中心的建設通常有兩種模式：自上而下和自底向上。自上而下依照需求出發，通過需求追溯系統數據來源，制定源系統必要的改造方案，延展對業務系統管理標準提高的訴求。此種方式適宜需求明確、范圍不廣、數據來源基本明確的短平快實施模式。自底向上從底層梳理源系統數據質量情況、制定數據標準、確定數據范圍，建立數據模型，最終挖掘和呈現。此種方式耗時較長，被推翻的可能性小，為潛在數據挖掘也帶來了機會。

從業界實施經驗看，自底向上的模式看似枯燥耗時，但長遠看更優于自上而下的模式。

4.2管理規范、技術能力、人員素質相輔相成

更多的數據中心項目實踐證明，管理規范、技術能力和人員素質是數據中心建成后長期發揮效益的三條支柱，三者必須相輔相成。需要有專人專崗利用先進的技術工具，對主數據和交易數據進行質量監督與考核，要持續優化數據標準，將新標準部署到系統中，依此支撐數據中心的長效運作。

4.3將企業所有數據統一管控

企業里普遍存在的情況是，各單體部門的數據均顯示業績很好，而老板的業績沒完成，類似業界常說的“俄羅斯礦山爆炸”的故事—人力資源經理說“這樣說來，只能去考核俄羅斯礦山了”。企業經營數據必須要統一定義和統一管理，然后服務于企業各部門。只有如此，才能避免“各說一詞”的推諉現象。

五、結語

大數據分析在引領一個全新時代。對企業來講，最實惠的用處是抓住最矛盾的問題、利用新的IT技術和工具、再發現新的實質性和根本性問題，推動企業業務向前發展，從而完成一個信息化的向上積極的生態迭代。這樣一個生態迭代的特點就是基于數據的“集成、跨度、實時、可追溯、可預測”。

這就是通常意義上的集團數據中心的屬性和價值所在。牢牢抓住集團級數據中心推行之路的三要素，路雖艱難但不再搖擺，投入才會有產出，在大數據時代，有數據就能有信息，有信息就能有知識，有知識就能成就企業發展[3]。在國內，企業基于數據的分析和價值挖掘仍任重而道遠。

參 考 文 獻

[1] 德國足球隊背后的數據動力：SAP Match Insight [EB/OL]. [2014-7-10]. http：//mp.weixin.qq.com/s？__biz=MjM5OTI2MjgyMA==mid=200364012idx=1sn=19cd2f20ce5a345ba40cb91e78dff1ac#rd

[2] 數據科學家：21世紀最性感的職業，譯言 - 精選[EB/OL]. [2012-09-29]. http：//select.yeeyan.org/view/350859/322105/

[3]涂子沛，大數據，桂林：廣西師范大學出版社，2013：088