大数据时代企业须打好信息资源整合攻坚战

近年来，企业产生的数据量呈指数级增长，信息资源爆炸式激增，其中非结构化的数据信息达到85%左右，传统的信息资源管理技术已经无法应对大数据时代的挑战。

Hadoop等大数据技术和其他大数据工具和设备的出现以及云计算数据处理与应用模式的广泛运用，为企业处理日益增长的海量非结构化数据提供了高效、可扩 展的低成本解决方案，弥补了传统关系型数据库或数据仓库处理非结构化数据方面的不足，深化和拓展了企业商业智能和知识服务能力，形成了数据驱动的决策机 制，提高了决策水平。

因此，大数据时代，企业应转变信息资源管理工作模式和利用方式，以价值创造为核心，以新一代信息技术深度应用为抓手，加强信息资源整合，精准、快速地提取增值性的有效信息，打响信息资源整合攻坚战。

信息资源难题

大数据时代，物联网、云计算、移动互联网等新一代信息技术在企业产品研发、客户关系管理、风险管理、供应链管理、决策支持等环节的应用逐步深入，具有“大 量（Volume）、多样（Variety）、快速（Velocity）、价值（Value）”特性的信息被大量创造出来。这些信息资源在统一标准规范、 实时精准管控和深层价值挖掘上难度较大，企业面临信息资源管理的巨大挑战。

结构复杂多样，统一标准规范难。大数据时代，信息资源在组织上表现为非线性化，超文本、超媒体信息逐渐成为主要的方式；同一服务器上的信息资源也可能在数 据结构、字符集、处理方式等方面存在差异。大数据这一结构复杂多样的特性给信息资源统一标准和规范的建立带来麻烦，使得体量庞大的结构化和非结构化的信息 资源处于无序组织状态。标准化、规范化企业信息资源是未来企业信息化建设的重点和难点之一。

动态性与交互性并存，实时精准管控难。大数据时代，互联网信息是企业信息资源的重要组成部分，丰富的网络信息资源为企业数据获取提供了便利，这些资源为企 业进行大规模、精准化的消费者行为研究提供了机会，而互联网信息的动态性是显而易见的，具有很大的自由度和随意性。同时，交互性是网络信息传播的最大特 点，互联网形成了企业与用户沟通的桥梁，企业和用户共同参与，使得信息双向流动。企业对自由灵活的且互动性强的信息资源实时精准控制难度越来越大。

数量庞大且内容多样，深层价值挖掘难。大数据时代企业信息资源包罗万象，一方面是与外部的客户、合作伙伴通过文本信息、社交网路、移动应用等形式进行互动 时产生大量的数据；一方面，企业内部生产研发、综合办公、视频监控等日常经营管理活动产生的大量信息。这些信息资源在形式上表现为文本、图像、音频、视频 等，是多媒体、多语种、多类型信息的混合体。

研究表明，中国捕获和产生的数字信息量有望在2012年至2020年间增至8.5ZB，实现22倍的增长，或保持50%的年复合增长率。企业在PB级甚至EB级的数据中寻找相关信息无异于大海捞针，利用信息驱动决策的成本和复杂性与日俱增。

不对称发展

传统粗放式信息资源管理的整合度不高。企业信息资源长期处于粗放式管理状态。企业对内部产生和外部反馈的大量数据信息仅仅是存储下来，缺少信息的甄别、分 类、整合和加工，很少利用信息进行管理决策，信息资源的利用率非常低。大多数企业缺乏有效的方法、手段和机制对信息资源进行管理，无法及时有效的对信息资 源进行提取、集成和分析，整合度非常低。

信息资源管理缺乏对大数据的深度认知。就企业而言，信息资源管理的核心目标就是确保信息资源的有效利用，做到正确决策。企业只有深度认知大数据特征以及大 数据给企业信息资源管理带来的难点，才能有序组织和管理结构复杂、大量、实时且潜在价值高的数据信息，才能及时、准确地挖掘分析出海量数据信息的潜在价 值，才能确保信息资源的有效利用。然而，多数企业在信息资源管理过程中，对大数据的认知还只留于表面，导致信息资源的有效利用率偏低。

信息资源管理缺乏数据治理体系化建设。数据治理尚属比较新兴的、发展中的概念，随着“大（大数据）云（云计算）平（平台）移（移动互联网）”等新一代信息 技术的飞速发展，对企业数据质量的要求越来越高，企业亟需数据治理（Data Governance）来输出规则的可信度高的数据。

然而，目前国内大多数企业在数据治理方面还处于初级阶段，只是做了简单的数据质量检查、数据归档、数据安全等分散性的数据处理工作，没有形成数据治理方法论，数据作为企业核心资产来运作的理念尚未形成，完整的数据治理体系建设缺失。

整合资源

统一信息资源模式，强化数据标准建设。大数据时代，企业信息资源整合的关键是依托企业主数据管理（MDM，Master Data Management），强化数据标准化建设，实现信息资源模式的统一。企业主数据管理就是将企业的多个业务系统中整合最核心的、最需要共享的数据（主数 据），集中进行数据的清洗和丰富，并且以服务的方式把统一的、完整的、准确的、具有权威性的主数据分发给企业内需要使用这些数据的应用。

赛迪经略总结多年企业信息化规划经验，结合大数据时代企业信息资源管理的要求，提出了识别、诊断、规划、实施、维护5个阶段实现企业主数据管理的方法论。

推进结构化和非结构化数据的融合发展。大数据时代，实现企业海量复杂数据信息的科学有效管理是保障大数据技术能够充分挖掘企业信息资源的潜在价值的前提。 纸质信息与数字化的视频、音频、邮件、图片等非结构化数据在企业信息资源中的比重的逐步攀升，蕴含了丰富的潜在价值。这些非结构化数据的构造方法重复率 高、冗余存储明显，且不同对象之间可能存在复杂的关系。然而，传统的面向对象的数据模型无法实现对非结构化数据的组织和管理。

因此，企业需推进结构化和非结构化数据的融合式发展，将超文本、超媒体数据模型和面向对象数据模型进行融合，构建适合结构化和非结构数据统一组织和管理的数据模型。

积极部署大数据应用，驱动信息资源的有效利用。大数据时代，企业信息资源整合的最终目标是利用大数据分析与挖掘技术实现信息资源的高效利用。应用系统是大 数据的根基，企业应加大大数据技术的应用部署力度，综合运用云计算、分布式计算、数据交换、数据仓库、数据挖掘以及非结构化的数据处理等多层次的大数据技 术搭建大数据平台。

重视数据安全管理，确保大数据生态圈信息安全。大数据时代，信息系统之间互联是必然的，他们会形成一个息息相关的生态圈。在这一生态圈里，存储和管理的大 量数据信息是企业市场竞争力的核心，需要对数据安全问题进行控制和管理。因此，企业在信息资源整合过程中应以数据安全管理为前提，需要与上下游企业以及安 全管理机构、评测机构等第三方机构开展广泛合作，从企业管理制度、流程和技术手段等多方面协作确保大数据生态圈的数据信息安全。

(责任编辑：小黑)