大數據背景下企業信息系統成長階段分析與對策研究

摘要：本文立足于大數據產業的應用現狀，通過文獻分析和個案研究兩個方面對企業信息系統成長階段展開討論，總結了企業信息系統成長過程在大數據應用過程中所面臨的四大挑戰，結合實際研究結論提出相應的對策和建議，以期對大數據時代下的企業級信息系統成長階段管理做出比較全面的梳理和分析，從而為企業信息化建設提供參考。

Abstract： Based on the status quo of the application of big data industry， this article discusses the growth stage of enterprise information systems through literature analysis and case studies， summarizes the four major challenges faced by the growth process of enterprise information systems in the application of big data， and puts forward corresponding countermeasures and suggestions based on the actual research conclusions， in order to make a comprehensive analysis of the growth stage management of enterprise-level information systems in the era of big data， so as to provide reference for enterprise informatization construction.

關鍵詞：大數據；企業信息系統；成長階段分析

Key words： big data；enterprise information system；analysis of growth stage

中圖分類號：F224-39 文獻標識碼：A 文章編號：1006-4311（2018）13-0184-03

0 引言

隨著信息技術在社會、經濟、生活等各個領域不斷滲透和推陳出新，全面基于信息和網絡的生產和創新模式，使得全球數據量呈現出前所未有的爆發式增長態勢。2012年美國政府投資2億美元啟動“大數據研究和發展計劃”，將大數據上升到國家戰略層面。2013年幾乎所有世界級的互聯網企業都將業務觸角延伸至大數據產業，大數據引來了學術界、工業界以及政府機構的密切關注，被稱之為是大數據元年。基于這樣的背景，本文分別從文獻分析和個例研究兩個層面分析大數據背景下企業信息系統成長階段中存在的問題和管理瓶頸，提出相應的解決策略，進而為企業在類似信息系統的研發過程和管理過程提供參考決策。

1 企業信息系統成長階段的現狀分析

1.1 大數據及大數據產業

在學術界，由國際數據公司（International Data Corporation，IDC）提出的大數據4V定義最為權威，也得到了研究者的廣泛認同[1]，即認為大數據需滿足4個特點：規模性（volume）、多樣性（Variety）、高速性（Volume）和價值性（Value）。我國大數據戰略重點實驗室提出大數據還應當具有易變性（Variability）和準確性（Veracity）[2]。我國信息專家徐子沛在著作《大數據》[3]中提出，大數據之大不僅僅指容量大，更大的意義在于通過對海量數據的交換、整合和分析，發現新的知識，創造新的價值，帶來“大知識”、“大科技”、“大利潤”和“大發展”。孟小峰形象地將傳統數據庫比喻為“池塘捕魚”，而大數據則是“大海捕魚”，兩者鮮明的區別在于數據規模、數據類型、模式和數據關系、處理對象、處理工具等四個方面[4]。

在工業界，根據IDC、Wikibon等咨詢機構分析2016年全球的大數據核心產業規模約為300億美元2000萬人民幣左右。今年2月國家信息中心和南海大數據應用研究院聯合發布的《中國大數據發展報告（2017）》中指出2016年是大數據政策細化落地年，大數據政策從全面、總體規劃逐漸向各大行業、各細分領域延伸，大數據發展也逐步從理論研究不如實際應用之路。而制約我國大數據產業發展的因素主要包括六大方面，分別是：數據管理環節漏洞較多、技術發展相對滯后、數據資源開放度低、法律法規不完善、IT基礎設施不完善，以及高端綜合人才缺乏[5]，引起了國內學者對大數據產業發展的廣泛關注和研究熱潮。

根據《中國大數據發展調查報告》顯示，2016年中國大數據市場規模約為168億人民幣，增速達到45%；預計2017-2020年增速保持在30%以上。其中企業對數據資源的需求更加強烈。59.2%的受訪企業已經成立了數據分析相關部門，35.1%的受訪企業已經應用了大數據。而企業數據資源仍以內部數據為主，包括內部生產數據（49%）、客戶/用戶數據（47.8%）以及內部經營管理數據（42.4%）[6]。由此可見，大數據是繼云計算、物聯網之后IT產業又一次顛覆性的技術變革，它已經開始改變企業傳統的管理和運營模式，成為企業的神經系統及決策中心，有效降低管理成本，提高對市場的快速反應能力，提高服務水平。其應用越深，價值越大。

1.2 企業信息系統成長過程研究現狀

在當前信息化時代，信息系統是信息管理部門或軟件類企業的主要產品，也是企業現代化管理的重要標志。隨著應用范圍的擴展、系統功能的更新，信息系統在其長期的應用和實施過程中會呈現出階段性的成長、演化的過程，存在著客觀的成長規律。探索和尋找企業信息系統成長規律也成為了近年來學術界的研究要點。

早在上世紀70年代，美國Nolan教授提出了Nolan模型，以企業在信息系統的建設資金投入為成長標志和劃分階段的依據，描述企業信息系統成長過程及其階段特征[7]。其后國內外學者們對信息系統成長過程進行了研究，提出了多種模型與假設。美國學者Michael把信息系統成長過程分成了起步階段、增長階段、成熟階段以及更新階段等四個階段，并為每個階段定義了多達100多個不同屬性，以幫助企業明確信息化程度[8]，但過多的指標不僅難以定位，而且很難區分階段性。英國學者Holland等人提出了信息系統應用成熟度的階段模型，即分為實施階段、使用探索階段以及戰略價值階段，從成本、熵、復雜性、柔性、戰略競爭力五個方面分析各個階段信息系統對組織的影響[9]。

我國學者于寶君、畢婷等人采集了2010年國內1039個信息系統建設項目過程數據，對200多家企業信息系統成長過程進行定量化的階段劃分和成長軌跡的研究，從IS組成要素和IS實施階段兩個視角選額9個階段特征變量對IS成長過程特征進行統計分析，較為系統、完整地揭示了我國企業IS成長規律[10]。曹銀美、朱慶華等人對江蘇南通紡織企業12家信息化展開高層和中層管理人員的調查問卷，得出處于初始期、普及期、控制期、整合期和管理期的企業信息化認知，從而幫助企業明確各階段性特征，提供一定的管理建議[11]。

因此，針對大數據背景下的企業信息系統成長過程的理論研究還存在著以下幾個問題：

①關于信息系統成長的學術研究大多數停留在宏觀層面的階段劃分，缺乏行業指導性和適用性；

②采用調查問卷進行信息系統成長的模型分析，被調查者對成長階段的認識存在主觀意識，忽視了企業內部本身的業務大數據能反應的數據價值；

③目前針對企業的大數據研究與應用主要側重于基礎設施的構建和技術方案的優化，在企業信息系統成長階段方面尚未成熟。

1.3 個例研究（以HYQS系統為例）

鐵路作為國家重要基礎設施和大眾化交通工具，在我國經濟社會發展中的地位和作用至關重要。2004年底全面建成鐵路運輸管理信息系統（TMIS），基本上覆蓋了鐵路貨運生產的全過程[12]，帶來了鐵路信息數據的大規模增長，為鐵路運輸行業進入大數據時代奠定了基礎。為了進一步探索大數據背景下企業信息系統成長階段的規律，本課題組著眼于大數據時代的鐵路運輸行業，以貨運列車編組統計信息系統（簡稱HYQS系統）[13]作為個案研究對象，采集全路18個路局311個車務段約5年的業務數據包括清算運統1、運報9A、運報11A、運報1ZK、確報信息、運統8、18點統計信息、貨票信息等，累計共3656962條運統1報文，1890904條貨票信息，298659條運報9A報文等信息，合計有7062.8G的信息數據。經專家咨詢與實地調研，參照統計指標和清算考核標準，計算出清算數據的精確度作為回歸分析的自變量，以其作為系統成長的主要標志，即業務數據越準確、越及時、越完整地反映貨運清算情況則說明信息系統在其生命過程階段中越成熟。同時以統計數據的35個指標為因變量，采用逐步回歸分析法提煉企業級信息系統不同成長階段的顯著影響因子，得到以下結論[14]：全路范圍的大型企業信息系統以其重要版本的發布時間為節點劃分為6個成長階段，經歷試點運行（V1）、聯調聯試（V2）、完善穩定（V3）、自動審核（V4）、數據擴張（V5）、系統衍生（V6）等階段，在六個成長階段中，人員操作培訓在大部分階段均有重要的影響，系統應用范圍（V1）、數據流轉效率（V2）、自動審核邏輯（V4）、系統應用層次（V5）、衍生業務數據（V6）在各階段的影響差異有別。

2 企業信息系統成長階段的對策建議

2.1 面臨的挑戰

綜上分析，企業信息系統建設及成長階段在大數據應用過程中受到了極大的挑戰，主要分為以下幾個方面：

一是數據源的采集方式和內容結構。隨著物聯網技術和網絡技術的發展與應用，基于日志采集、搜索爬蟲和系統接口等方式的數據自動采集方式已經普及，被動式的業務驅動處理流程已經轉化為主動式的數據驅動流程，信息系統能夠獲取的數據總量可以接近于總體樣本，但也大大增加了半結構化、非結構化數據類型在業務數據中的比例。這一挑戰將直接影響后續信息系統的分析和決策作用，因此對企業信息系統建成初期的成敗與否甚為關鍵。

二是信息系統處理數據的方式。與日俱增的原始數據和多樣化的數據類型直接改變了信息系統處理數據的能力。傳統的大型數據倉儲技術開始限制企業信息系統的運行和發展，開始向Hadoop、MongoDB等分布式文件存儲的數據庫遷移轉型。同時業務處理設計中如何快速、有效、實時、動態、自動地分析數據成為了企業信息系統成長階段的又一個嚴峻挑戰。

三是衍生數據的異構化和共享性。為了更好地實現企業級信息系統輔助管理決策的目的，信息系統在應用擴張階段往往需要整合其他信息系統的相關衍生數據，消除信息孤島，發現數據價值，因此衍生數據的異構化將對信息系統的擴張階段產生不利影響，同時不同信息系統之間數據共享的安全性也帶來了信息系統對企業管理決策的直接挑戰。

四是信息系統相關人員的認知思維。大數據的新興技術和分析方法給企業信息系統的成長階段帶來了新的挑戰，也給信息系統的使用者包括管理決策者帶來了思維上的沖擊。如何利用信息系統處理大數據的能力，如何適應信息系統分析大數據的方式，以及如何應用信息系統的決策信息，這需要信息系統的相關人員不僅需要具備豐富的業務知識，還需要具備對信息系統對大數據處理的認知思維，才能確保該信息系統在使用和維護過程中的穩健成長。

2.2 對策分析

本課題組根據對HYQS這一大型企業信息系統的成長過程跟蹤與研究，針對以上挑戰提出幾點對策，以供參考：

一是重視基礎設施和平臺建設，做好海量數據的采集和管理工作。不管是還未完全轉型的傳統行業如鐵路運輸企業，還是已經進入數據驅動的互聯網行業都必須要規劃好信息系統的數據源采集管理工作也就是基礎設施和平臺建設。這包括服務器、數據庫和網絡的硬件選型、各類數據源類型集成和商務智能分析的數據架構，以及與業務需求相匹配的解決方案和技術服務。

二是優化業務處理邏輯和流程，改善業務數據的存儲和處理困境。基礎設置的平臺建設需要遵守一項基本原則是確保企業的經營績效，也就說在信息系統的實施過程中，業務處理邏輯和流程設計更為關鍵。如果處理邏輯或者流程控制設計不合理，將會導致業務流程重組的失敗，影響數據分析的正確性、業務處理的速度和信息系統的安全性，從而也不利于人們基于信息系統做出的最終決策。

三是制定信息系統的數據標準，規范衍生數據的標準和共享安全。數據標準的制定往往涉及多個部門，為了更好地減少異構數據在集成衍生階段的不利影響，企業內部應從高層構建數據采集標準、分級分類標準、數據交換標準和數據訪問標準，完善大數據的標準規范體系，從而實現信息系統之間的集成和共享。另外，企業還需明確各部門的職責權限和授權審批程序，對人員進行合理授權管理，降低業務數據的泄露和非法修改，提高數據安全性和真實性，規避人員操作風險。

四是培養大數據認知思維，提高信息系統的應用價值。大數據時代下的信息系統可以為企業提供更快的響應速度、更高效可靠的運營管理和準確的商業洞察，然而信息系統的使用者和解讀者在于人這個因素。因此除了要在信息系統成長階段中做好業務數據的操作培訓提高業務服務能力和管理能力外，還應該培養所有使用者的大數據認知思維，包括業務數據需盡可能搜集各類相關數據才能接近總體數據，獲得全面的信息價值；數據處理模式需根據業務需求采用批處理模式、實時處理模式或者混合的處理模式才能符合企業經營績效，獲得準確的分析結果；數據分析結果需利用更加圖形化和可視化的方式呈現才能有助于輔助決策，達到信息系統的建設目的。

3 結語

本文根據大數據產業發展和信息系統成長階段的研究現狀，以鐵路行業中具有代表性的大型企業信息系統HYQS系統為個案分析，探析了大數據背景下企業信息系統成長階段的影響因素、面臨的挑戰及其相應的對策。 通過本文研究可知，企業信息系統建設及成長階段在大數據應用過程中主要面臨數據源采集與內容結構、信息系統處理數據的方式、衍生數據的異構化和共享性以及信息系統相關人員的認知思維這四大挑戰。鑒于此，為了更有效利用大數據的信息優勢，促進信息系統穩健成長，企業應該重視基礎設施和平臺建設，優化業務處理邏輯與流程，制定信息系統的數據標準，培養大數據認知思維，才能更好地應對大數據時代的挑戰，完成業務驅動向數據驅動的轉變。

參考文獻：

[1]International Data Corporation. Extracting Value from Chaos[R].[2011-01].https：//www.researchgate.net/publication/285473642_

Extracting_value_from_chaos.

[2]大數據戰略重點實驗室.大數據概念與發展[J/OL].中國科技術語（2017-08-21）.http：//kns.cnki.net/kcms/detail/11.5554.N.20170821.1928.006.html.

[3]徐子沛.大數據：正在到來的數據革命，以及它如何改變政府、商業與我們的生活[M].桂林：廣西師范大學出版社，2014.

[4]孟小峰，慈祥.大數據管理：概念、技術與挑戰[J].計算機研究與發展，2013：50（1）：146-169.

[5]國際信息中心.中國大數據發展報告（2017）[R].[2017-02-26].http：//120.198.248.21/cache/www.sic.gov.cn/archiver/SIC/UpFile/Files/Default/20170301105857384102.pdf？ich_args2=28-16212903

008566_1dec0267e1d7c9852d9c0924ad0b1f64_10001002_9c89652fd3c0f1d89f38518939a83798_17c0bff5e9efe44a8a5c4610802dad91.

[6]中國信息通訊研究院. 中國大數據發展調查報告[R]. [2017-03-28].http：//www.cbdio.com/BigData/2017-03/28/content_5480934.htm.

[7]Nolan R L. Managing the computer resource： A stage hypothesis[J].Comunication of ACM，1973，16（7）：399-405.

[8]Michael AM. Transnational architecture a reengineering approach. Information Manament，1995，12（1）：98-100.

[9]Christopher P. Holland， Ben Light. A stage maturity model for enterprise resource planning systems use[J]. Acm Sigmis Database.2001，32（2）：34-45.

[10]于寶君，畢婷，齊曉云，余翠玲.我國企業信息系統成長過程模型的實證研究[J].圖書情報工作，2010：54（16）：63-67.

[11]曹銀美，朱慶華，孫霄凌.企業信息化的階段性特征及對策探析[J].情報科學，2013：31（06）：43-48.

[12]鐵道部信息技術中心，中鐵信息工程集團.中國鐵路TMIS工程[M].北京：中國鐵道出版社，2005.

[13]靳健，陳森玲，陳志榮.貨運列車編組統計信息系統（鐵路局級）的設計與實現[J].鐵路技術創新，2014（3）：97-101.

[14]Senling Chen， Wenli Zhang， Xiaofei Li， etc， A study on Growth Process Model of Enterprise Information System in the Era of Big Data——Statistical Information System of Freight Train Formation[J].Advances in Engineering Research，2016，Vol73：150-15.