孙帅

平高集团有限公司 河南 平顶山 467001

如何从海量数据深度挖掘数据价值，如何在避免重复建设的基础上，跨部门协调业务，打破业务和数据壁垒，融合企业数据资源，提供统一的平台，做到跨专业信息共享、分析和利用数据资源，这些都是亟须解决的现实问题。

“数据激发活力 平台重塑价值”，为了促进企业的数字化转型，应充分运用先进的大数据、云计算技术打造新型企业的数据枢纽。从源端做起，以业务驱动数据资源融合，梳理业务系统，规范入口标准；采用先进、高效数据融合技术，打造准实时数字通道，确保信息及时有效融合；合理布局存储结构，纵向按层次化实现数据分布，提升数据利用效率。建立企业级统一数据中心，打造企业统一数据管理平台，为企业后续数据共享、数据查询、数据分析等数据服务建设，提供强有力的支撑平台。

1 必要性分析

随着企业信息化建设和应用不断深入，信息系统所产生的海量业务数据已成为企业重要资产，企业经营管理和业务模式创新对数据资源深度应用也提出了新的要求。开展统一数据中心建设，彻底解决跨专业业务协同与信息共享不足，数据多头输入，数据准确性、实时性不强，数据反复抽取、冗余存储、质量不高等问题，为跨专业、跨部门和内外部数据关联分析和数据价值深度挖掘提供强有力支撑。目前企业面临的突出问题如下：

（1）主机系统需长期稳定运行。作为企业的关键业务系统，实现业务线上发起、办理、存档，所以涉及的关键业务系统，必须要做到应用不停机、业务不中断。

（2）数据存储需安全可靠。数据存储是保障系统稳定运行的关键环节，一旦发生意外导致数据丢失（包含系统崩溃、人为的误操作、病毒及其他非法入侵、自然灾害等），都将引起业务中断或混乱，造成难以估量的损失。如不能妥善对数据进行保护、备份，在发生意外情况时将无法保证数据的安全，无法保证在意外发生后，能迅速做好数据恢复等工作。

（3）数据价值需求明显。企业内部的信息系统基本围绕着专业业务开展，多数企业存储在系统中的数据只作为历史数据存放，应用还停留在提供查询、数据分析等基本功能层面，没有将数据的价值真正挖掘出来，后续无法开展数据模型、业务模型建立，更无法进行数据分析、KPI预警等智慧型应用，无法支撑数字化企业的发展要求。因此，建立一套企业级数据中心就显得尤为重要。

建设统一数据中心，打造企业数据枢纽。通过数据盘点，遵循企业标准，归集企业全业务数据，打破信息壁垒，优化数据链路，支撑数据服务，为数据关联分析奠定数据基础。

转变传统数据计算模式，支持分析应用的全面展开。基于数据中心，将传统的计算模式从“搬数据”到“搬计算”进行转换。为未来创新数据计算服务，提供平台支撑。

促进数据服务模式创新，营造良好的企业数据文化。基于数据中心萃取的数据资产,优选试点业务场景，实现快速成效并切实创新企业数据服务新模式[1]。

2 建设路径

数据中心的建设，需在明确企业远期战略目标的基础上，开展整体设计并统一标准，制定阶段性演进目标和路线，采取小步快跑，分步实施的方式，稳步推进建设工作。结合公司信息化建设的客观需求和数据中心总体架构，按照“三条主线并行开展、三个阶段稳妥推进”的总体思路推进数据中心各项建设工作。

（1）合理规划数据管理基础设施。建设合理规划企业数据中心基础设施软硬件建设方案，并分阶段建设完善；尽快完成统一数据模型和企业级主数据完善设计，为构建中心打好基础。

（2）稳步推进数据集成管理及数据建模相关工作。结合企业架构，分业务主线持续推进业务系统集成和系统改造。结合业务系统软件生命周期，有序推进业务系统整合与改造，按照企业核心业务模块，遵循“需求导向、科学系统、覆盖全面、兼容扩展”的原则，形成企业数据中心基础数据模型标准。

（3）全方位多场景挖掘数据资产价值。分场景分业务领域开展数据分析和应用，尽快实现数据分析应用相关功能；边应用，边完善模型，形成数据应用的良性循环[2]。

3 效益分析

3.1 探索全业务数据资源敏捷分析模式，实现跨专业分析应用快速构建

全面开展统一数据中心建设，构建统一分析服务，按照“大平台+微应用”的架构模式，借助自助式、智能化的分析工具，探索建立公司全业务数据资源“敏捷分析”模式，面向企业核心业务流程，提供更灵活、更快捷、更具可扩展性的跨专业分析应用服务，不仅缩短数据分析周期，而且最大限度发挥数据时效性和资源价值。

3.2 实现数据资源统一汇集，降低跨专业分析应用建设成本

通过统一数据中心的建设，能够实现全业务、全类型、全时间维度数据的统一汇集，为企业各类分析决策应用提供完备的数据资源、高效的分析计算能力及统一的运行环境，支撑企业级数据分析应用的全面开展。

3.3 促进数据管理体制建设，从制度上保障跨部门数据融合协同

规划并建立实体或虚拟数据管理组织，确定数据管理工作中组织成员的职责，以保障全员参与统一数据中心全生命周期建设，营造良好的数据文化，以支撑企业数字化转型战略。