经验五：加强数据分析应用生命周期管理，实现资源的循环利用和优化利用，同时建立应需而动的应用开发模式的弹性投资机制。
    
    即将资源有效的利用起来、滚动起来。平时，经营分析系统的数据只是通过一些报表产生价值的，但是这些资源若能更有效地滚动起来，价值会更大。
    
    经验六：建立数据投资和管控策略。即把数据作为基础性的工作，以资源利用率作为投资的一个依据。
    
    数据的有效利用率越高，越有价值。很多数据看上去很有价值，若经过评估之后，发现其利率用并不高，采集成本很高，而这种数据一次性用完之后就废了，这种情况下就不要采集。但是由于云计算、大数据的采用，使数据仓库、数据挖掘和数据分析的成本能够下降，会使很多以前认为不能做的分析，成为可能，这就需要IT部门积极跟进调整IT系统结构，去适应技术发展。持续优化架构会获取好的投资回报，也更有利于资源循环利用。
   
    比如，中国移动根据业务的发展，构建了一些数据集市。这些数据集市有些是静态的，有些是动态的。建立一批动态的数据集市，是为了根据业务部门的需求进行灵活的资源调配。对于不适合应用的，或者一次性使用的数据，可以退出，并将数据集市的资源释放出来。而对于一些成熟和长期适用的应用，会把它变为一个细化的、可量化的模块，放进中国移动的经营分析系统里面去。有些数据则成为企业级数据仓库里的数据，提供报表和数据统计的常规分析。而对一些可能近期不再使用的数据，形成退出机制，使得资源能够循环利用起来。
    
    经验七：面对数据分析，IT部门的职责是提供干净的数据，将数据资产盘活，为专业分析提供原料或半成品，为业务部门提供全方位的服务和综合分析。
    
    例如，中国移动的客户价值分析，就是其IT部门给业务部门所提供的半成品。IT部门根据业务部门提出高价值客户和低端客户的标准，把一些用户信息，变成标签进入用户资料库，这样对于用户分群，可以避免从底层开始重新做，还可以根据用户的实际情况，做下一步的分析。
   
    在大数据时代，全方位的通过建立模型，进行整体分析是IT部门的优势。业务部门是在共性中找差异，而IT部门是要在差异中找共性，把一些共性的应用，固化到IT系统中，从而提高企业运行效率，降低运行成本。
   
    在大数据时代，数据的运营方式分为大数据的生产和大数据的分析。此时， IT部门要面对互联网速度的挑战，需要在IT系统的设计和规划中，考虑如何快速适应和怎么让海量数据快速运行。针对大数据分析，则是需要有会分析的人，了解如何在部门之间进行分工作。毕竟，数据越大，产生分析的难度越大，提取价值信息的阻碍越大，能用的信息会越少，而且不同的数据维度，会产生不同的数据分析结果。值得一提的是，大数据的投资很大，不仅涉及IT技术问题，更关键的是企业运营成熟度的问题。企业若不明白大数据怎样产生价值，那么就需要三思而后行，切忌人云亦云。

• 上一页
• 1
• 2