Anonim

每个公司都会创建,编辑和存储有关其客户,产品和服务的信息。 除了这种库存数据外,有关连接客户,产品和服务的流程的信息也越来越多。 这些包括例如订单和产品使用数据。

Die steigene Datenflut im Business fordert ein neuartiges Information Management.
业务中不断增加的数据泛滥需要一种新型的信息管理。
图片:Gorgsenegger-Fotolia.com

但是,目前几乎不可能调查所有信息。 在日常业务中,经常会出现摩擦损失,因此,公司不再拥有所有可用信息的概览。 例如,如果未通知部门A客户与部门B的交互。 但是,此概述对于理解和评估业务,业务和整个业务模型至关重要。 如果缺少现有信息的概述,则决策必须更多地基于直觉或派生的信息,例如销售数字。 尽管后者回答了某个产品或服务的销售频率或高或低,但他们没有说明原因。 因此,它们对于检查已做出的决策很有用,但在做出新决策时用途有限。 为了更好地理解,只有操作信息的概述可以起作用。

既定的举止失败

尽管具有全面信息管理的潜力,但如今几乎没有公司能够了解其整体信息。 因为这不是一件容易的事。 许多公司运行数百种IT应用程序,通常是数千家公司。 因此,信息在众多数据库,日志文件中以及通常在电子表格中也被分散和隔离。 不仅是技术上的障碍,而且组织上的障碍(例如信息主管机构的多样性或员工处理信息的技能)也使得交流和概览变得更加困难。

  1. 大数据:建议措施
    失败的主要原因是什么? 项目团队可以做什么呢?
  2. 严格按照企业战略调整大数据项目。
  3. 创建具有投资回报证明的完整业务案例。
  4. 编制详细的规范并制定实用的计划,以备不时之需。
  5. 确保所有利益相关者之间的沟通。
  6. 逐步介绍系统。
  7. 预先获取或建立必要的知识。

在整个公司中查看信息意味着发生了范式转变。 这对公司的组织和文化,所使用的方法和技术以及员工作为信息用户的必要技能和IT开发提出了新的要求。

影响组织和文化的因素

在日常业务中,当请求并传输有关部门边界的信息时,就会失去摩擦。 它们通常有三个原因:

  1. 合规性:法律要求可能会拒绝跨部门边界的洞察力,例如将保险公司内部的人寿保险和健康保险信息分开。

  2. 赞赏:部门的员工对他们管理的信息的质量负责。 他们投资于日常工作中信息的质量和可用性,并从中受益。 信息是一种需要捍卫和赞赏的商品。 部门或员工可能不愿意与其他部门或员工共享其信息(“为什么X部门应该从我们对信息的投资中受益而对我们没有任何好处?”)。 其背后的管理挑战:奖励对信息管理的贡献,例如信息的维护和提供。

  3. 横断面:创建信息概览是跨领域的任务,通常在主要业务组织中未涵盖。 这就提出了有关公司能力(权利)以及支持跨部门职能的可能性的其他问题。

交流和获取信息都必须得到促进和奖励。 必须确定和建立信息质量和信息可访问性的利益相关者。 信息工作不仅必须被视为公司的价值,而且还必须体现在公司及其员工的工作道德和自我观念中。

影响方法和技术

收集和捆绑信息的方法通常在很大程度上取决于所使用的技术。 通常,信息存储在关系数据库系统中。 无论制造商和许可模型如何,这些数据库基本上都实现相同的行为,可以概括如下:

  • 模型数据(以关系,一致性和完整性条件的形式)

  • 输入数据,例如输入或导入(加载)

  • 请求数据(通过标准查询语言(例如SQL))

如果满足以下条件,则这种接触形式及其开发的技术特别适合:

  • 所有数据都是完全已知的,因此可以预先进行详细描述。

  • 基础业务流程中很少发生更改,因此很少需要进行昂贵的重塑。

  • 数据量易于估算,因此可以购买一次所需的信息处理能力。

但是,对于概述信息管理,此过程已达到极限。 它通常可以确保许多公司无法实现其信息管理目标。 这也是造成数据仓库和商业智能项目目标失败的部分原因,这些目标通常基于相同的技术基础。

如果将这种行为与公司范围的信息管理进行对比,就会发现明显的矛盾。

假设:所有数据都是完全已知的。

现实:不,因为存在旧的应用程序,旧的数据库,各种应用程序,因此文档不完整或知识载体不再可用。 尤其是在较旧的应用程序中,还存在滥用的迹象,例如,当表单字段中填充的不是最初计划的数据时。

假设:变化很少。

现实:不,因为应用程序有生命周期,所以已经实现了新的业务需求。 因为创建了新应用程序,所以旧应用程序可能被废除了,或者新系统可能使用其他数据模型。

假设:数据量相对稳定。

现实:不,因为特别是过程数据一直在稳定地增长,数字化正在增加,并且诸如移动性和客户门户之类的趋势正在产生新的数据流。

影响因素能力

为了利用公司中的所有可用信息,还需要处理这些信息的新技能。 并非没有理由地就如何最好地使用搜索引擎进行了培训。 毕竟,互联网教会我们如何处理不完整,错误和大量的信息。 这种能力也是绝对必要的,因为公司信息整体上包含高度的不完整性和缺陷性。

  1. 大数据:新工作档案
    在有时对市场研究人员和IT公司进行的欣喜若狂的评估中,总是谈论新的工作概况,这些工作概况应该带来大数据。 这些活动包括以下活动:
  2. 数据科学家
    它确定哪种分析形式最适合于获得所需的知识以及所需的原始数据。 这些专业人员需要在统计和数学等领域具有扎实的知识。 此外,在公司或公司所在行业以及IT技术(例如数据库,网络技术,编程和商业智能应用程序)方面也具有专业知识。 与其他部门合作时,还需要谈判技巧和情感能力。
  3. 数据艺术家或数据可视化器
    他们是大数据专家中的“艺术家”。 他们的主要任务是以企业领导者可以理解的方式介绍评估。 为此,专家将数据转换为图形和图表。
  4. 数据架构师
    您可以创建数据模型并确定何时使用哪些分析工具以及应该使用哪些数据源。 他们还需要在数据库,数据分析和商业智能等领域拥有广泛的专业知识。
  5. 数据工程师
    此任务非常适合IT基础结构。 数据工程师负责大数据分析系统,即收集和解释数据所需的硬件,软件和网络组件。 IT领域的系统和网络管理员具有类似的功能。
  6. 信息经纪人
    他可以扮演多个角色,例如,向客户提供信息的数据经销商,或从公司内外各种来源收集数据的内部专家。 此外,他应该就如何有效使用这些数据提出构想。
  7. 数据变更代理
    这些专业人员具有更多的“政治”职能。 他们应该分析和调整公司中的现有流程,以便与大数据计划兼容。 只有这样,这样的项目才能尽可能多地受益。 因此,具有较强的沟通能力,对业务流程的理解以及质量保证和质量管理技能(六个Sigma,ISO 9000)非常重要。

不仅信息的使用,而且综合信息管理的技术支持还需要其他IT能力,例如开发库存管理系统。 但是,今天的标准IT培训课程通常不包含必要的专业知识。

设计IT应用程序以使其能够搜索和浏览丰富的信息多样性是另一个挑战。 这些应用程序应该如此透明,以使用户可以亲自评估他们发现的信息:哪个IT应用程序来自这些信息? 哪个组织单位拥有信息主权? 信息的最新性或有效性如何?