大数据在企业信息化中的应用创新|华体会
作者:华体会 发布时间:2022-05-29 00:35
本文摘要:作者:中国海洋石油团体有限公司信息技术中心 王小玲摘要:大数据带来机缘的同时也对企业的信息化提出了新的挑战。如何在现有企业信息化结果基础之上使用大数据掘客新的商业价值,并接纳成本效益最好的方式获得大数据带来的利益,不仅需要坚实的技术架构举行支撑,同时也必须思量与信息化密切相关的业务治理机制,从而努力寻求大数据在现代企业治理的应用创新,支持企业实现其自身战略目的。本文探索互联网+时代以“数据驱动,业务引领,技术保障”的新型信息化模式,从而为企业带来创新的信息化价值。

华体会体育

作者:中国海洋石油团体有限公司信息技术中心 王小玲摘要:大数据带来机缘的同时也对企业的信息化提出了新的挑战。如何在现有企业信息化结果基础之上使用大数据掘客新的商业价值,并接纳成本效益最好的方式获得大数据带来的利益,不仅需要坚实的技术架构举行支撑,同时也必须思量与信息化密切相关的业务治理机制,从而努力寻求大数据在现代企业治理的应用创新,支持企业实现其自身战略目的。本文探索互联网+时代以“数据驱动,业务引领,技术保障”的新型信息化模式,从而为企业带来创新的信息化价值。

关键词:联邦式;4V;BI;Gartner;What-If;BDA某企业起初集中举行了信息化建设,其奇特之处是根据“有统有分,统分联合”的模式建设起了联邦式的信息化治理体制。为“再造三个”等量企业生长战略提供了坚强支撑,满足了团体战略对治理规模、治理幅度和治理精度的要求[1]。

在2005年企业举行集中的信息化建设之初,我们就提出了与商务智能(下称BI)的报表系统的规范和统一门路,同步建成了某企业集中统一的报表平台,其报表平台的特征与其时Gartner所界说的商务智能特征相符。随着信息化从集中建设转移到深化应用的历程中,逐步建设起了团体与二级单元的自主和集中相联合的信息化治理方式。如图1所示:图1 联邦式IT这种联邦式的模式主要体现了“业务驱动,技术引领”的思路。便于推动各二级单元或职能部门能主导信息化项目的建设,从而挣脱由信息化部门主导而发生的业务部门应用效果不理想的问题。

另一方面,为了更好地使用集中建设时期形成的知识和结果积累,制止各二级单元在同类信息化建设项目中走弯路,提高项目建设乐成率,降低试错成本,于2015年1月公布了《统一报表平台架构》划定。其中是如下界说报表系统:“指用信息化手段举行数据收罗、加工、汇总、展示,以满足通过种种形式的报表举行数据分析、检察、整合、预测等需求的系统。包罗但不限于数据堆栈、决议支持、分析平台、大数据平台、商务智能、治理驾驶舱等术语和俗称所指的系统。”其中,已经将“大数据平台”、“决议支持”、“分析平台”作为报表平台能支撑的系统。

随着互联网+的到来,党的十八届五中全会公报提出要实施“国家大数据战略”,这是大数据第一次写入党的全会决议,标志着大数据战略正式上升为国家战略。原有的报表系统辅助以大数据等信息化手段,各二级单元和职能部门对信息化建设的方式逐步发生了变化,变得越发努力和自主起来,所以这也切合企业和国家生长战略的要求。好比,2013年,收支口公司作为首家“移动智能报表系统”建设单元,实现了“以iPad、智能手机等移动终端实时、便捷会见公司重点报表”的目的。

而“移动智能报表系统”项目又属于ERP深化应用项目中的专项事情之一。紧接着,某企业下属电力能源公司通过统一的数据填报平台,减轻所属单元生产岗56%的填报事情量(以电厂为例)。生产报表由周频提高到日频,采办报表由半年提高到月频,上报报表可系统自动生成,提高了数据上报的实时性和准确性。

系统数据和手工平台数据相联合,为向导提供了团体全口径数据。2014年,该企业下属工程公司通过报表平台实现了预算科目与核算科目的映射,从而解决了多年来工程项目成本核算禁绝确、无法给业主提供科学合理的工程报价的难题。在诸多的例子中,我们已经发现潜在的业务驱动的内在已经围绕“数据”而展开。

在这种情况下,统一的报表平台架构获得了广泛的应用,从而使得数据集聚到了集中的数据堆栈中。这种数据的集聚也使得各二级单元和职能部门逐渐意识到数据治理事情对信息化价值实现的重要性。

好比,在2015年,联合业务生长与信息化建设,陆续启动了物资数据尺度化、数据治理总体计划等数据治理事情,力争解决日益凸显的数据资产日益增长与数据资产应用不足治理零星之间的矛盾,不停推进数据情况的优化。企业数据治理的理念开端形成。1 大数据时代所带来的机缘和挑战“数据是新时代石油”,谁拥有了谁就具有相对其他人更大的竞争优势。

数据所蕴藏的庞大价值将引发一系列的治理厘革,大数据技术与思维为企业谋划和治理提供全新的机缘。大数据的观点起源于2000年前后谷歌提出的一套以漫衍式为特征的全新技术体系。

经由三次重要的迭代。大数据的1.0时代,商业中的生产流程、销售、客户交互等数据开始被存录、整合和分析。大数据的2.0时代,数据应用的工具泛起了扩展,企业数据收罗规模从企业内部扩大到了整个互联网。

同时,应用工具也从企业的治理决议转向了客户行为分析。正在生长的大数据3.0时代,逐渐将数据的应用扩展到了各个工业和生产环节。

大数据渗透到了企业的全部生产流程上。在数据泉源方面,许多企业通过联合ERP系统、设备传感器系统等数据源,全面掌握了企业生产环节的信息。在分析应用方面,则通过对监控信息和储运信息的解读,优化了生产流程和资源设置状况,并将信息发送给使用终端设备的作业现场治理人员。

对应大数据的三个时代,其应用可分为如下几个方面:1.1 加速商业智能BI在企业的应用许多企业的治理者开始意识到大数据给企业所能带来的庞大的商业价值,开始实验运用数据缔造企业的利益增长和治理模式的创新。BI通过联合企业实际和事实举行分析总结,从而辅助商业决议的制定。

2015年4月Gartner 公布陈诉,认为当今商业数字化出现3个焦点趋势,其中前两项为虚拟与现实联合、无处不在的商业智能。而在实现“虚拟与现实相联合”及“无处不在的商务智能”的主流技术中,大数据都处在厘革的职位,而且影响力庞大。图2 虚拟与现实相联合中大数据的厘革职位图3 无处不在的BI中大数据的厘革职位BI的新技术可以为企业提供快速有效的数据处置惩罚历程,包罗从数据的收集到整理再到分析的整体历程。

在数据化时代中,大数据不仅仅是BI的升级版,同时也是一场革命,可以在更大规模的数据中获取更多洞察力。大数据与BI的融合为企业带来了庞大机缘,革新了商务智能的结构。

1.2 提高企业关联数据挖掘技术的生长由于本阶段企业的数据收罗规模已经扩展到互联网,随着信息技术的不停进步,种种新技术逐渐兴起,好比云盘算技术、交互行为技术等。由于数据规模的扩充驱动了业务应用的扩展,如何应用数据的关联性分析获得商业价值成为了主要趋势。

传统人工分析无法处置惩罚大量运算,也无有效方法来运用非结构化数据举行全面的分析。因此大数据分析应用的两个难点划分是实现数据的关联性挖掘,以及针对业务场景搭建合理的模型并举行拟合。

第一个难点是数据关联性挖掘。为了全面挖掘没有强相关性的变量间的联系,首先需要举行全部变量相互间的相关性分析,以设备大数据故障预警为例,需要选取如事故日志、停机陈诉、产量统计等关键变量,举行全部变量针对关键变量的集群分类,以及关键变量和集群分类效果间的因子分析。

得出了针对关键变量的相关因子之后,一方面需要将因子分析效果反推至所包罗的变量,举行合理性的人工审查,一方面需要继续使用回归模型生成指导性结论。这个历程中的各个环节需要投入大量业务和技术人力举行筛选、修改、调整。

所涉及变量数量众多,每个变量对应数据的时间维度、细分水平等方面的选择需要举行切合业务情况的磨练和论证。第二个难点是凭据业务建模并举行拟合,在数据关联性挖掘的环节中,首先要定位和明白有分析需求的业务场景。

华体会体育

针对差别的业务场景和相关性分析、集群分类、因子分析平分析历程,需要从神经网络算法、树状贝叶斯分类、条理聚类、非条理聚类等多种数学方法中,选择匹配业务场景和分析需求的举行建模。整个模型的搭建历程中也需要针对实际业务情况,对模型的变量、参数举行多次验证、调整和,并联合先验数据举行拟合,以期建设合理、解释性强的分析模型。整个挖掘与分析的历程需要克服涉及变量众多、历史数据量庞大、需要专业业务和技术人力举行校验、需要举行多次拟合和调整等多方面的难题。1.3 加速物联网与大数据等新业态融合创新由于大数据3.0时代,已经渗透进企业生产全流程历程,包罗ERP、传感器等实时数据等。

发生了BI和OI融合的业务需求,云盘算、大数据与物联网有着密不行分的关系。拿互联网来举例,物联网对应了互联网的感受和运动神经系统。云盘算是互联网的焦点硬件层和焦点软件层的荟萃,也是互联网中枢神经系统萌芽。

大数据代表了互联网的信息层(数据海洋),是互联网智慧和意识发生的基础。包罗物联网,传统互联网,移动互联网在源源不停地向互联网大数据层汇聚数据和接受数据。

云盘算与物联网推动大数据生长。物联网的传感器与云盘算的大数据相联合,一个提供感应,一个提供反映,在大数据的提供下对数据举行分析和挖掘。

同时通过对流式数据等传感器数据的导入,发生了大量的IoT价值,这些数据是原始而且实时的,可以与现有数据联合而发生庞大的商业价值,可以广泛应用于石油勘探、开发、生产等领域。好比,使用大数据和商务智能举行钻井勘探成天职析(有限公司已有应用),潜在勘探点、油气生产、人力资源和运输优化分析,钻井检测分析(包罗电潜泵的故障预测预警分析,现在某企业的工程技术服务公司正在做)。由于流式数据的接入,大数据的应用将发生无法预估的经济价值。

1.4 增强企业数据宁静治理措施在企业的谋划治理当中,发生的企业数据主要包罗客户信息、企业信息等,其中包罗了许多小我私家隐私信息。在大数据时代配景下,企业在增强信息治理创新的同时,还应当对企业的客户小我私家信息,企业商业秘密等数据举行有效的掩护。在庞大的网络情况中,企业必须接纳有效的治理措施,更好的应对企业面临的数据宁静问题,才气够更好的推动企业的谋划生长。2 大数据时代的内在和外延应用2.1 大数据时代的内在大数据是由数量庞大、结构庞大、类型众多数据组成的数据荟萃,通过数据的集成共享,交织复用形成的智力资源和知识服务能力。

与传统数据相比,大数据具有4V特征,即规模性(Volume)、多样性(Varity)、高速性(Velocity)和价值性(Value)。同时也从这四个维度诠释了大数据时代的真实内在是大数据、大价值、深入综合、精准化治理。2.2 大数据时代的外延应用在大数据驱动历程中,还存在其他的影响要素。而这一历程是大数据技术和分析的混淆物,它们被用于界说数据资源的价值,而这种价值又可以转化成驱动商业进步的可操作元素,包罗:(1)预测分析:预测分析是数据统计法式中的一类,它主要是对数据库中的信息和趋势举行分析,从而获得预测结论。

在金融和科学领域中预测分析尤为重要,一旦有外部因素加入数据集中,就需要举行新的预测。预测分析的一个主要目的在于识别商业运作、市场和制造业中的风险与机缘。

(2)数据建模:它是一种假设性的分析应用,其中嵌套着多重的“what-if”语句,通过算法被应用于多个数据集。典型的例子是我们已经实现过的杜邦分析。杜邦分析法是一种用来评价公司赢利能力和股东权益回报水平,从财政角度评价企业绩效的一种经典方法。

在BI应用历程中,我们使用What-If分析的工具组成运营者的灵活分析模式,通过调整对资产欠债率的巨细变更,洞察权益乘数这类的财政杠杆效应,最终反映出公司权益资本收益率的决议因素。(3)数据治理(Data Management)[2]:数据治理是指使用盘算机硬件和软件技术对数据举行有效的收集、存储、处置惩罚和应用的历程。

其目的在于充实有效地发挥数据的作用,包罗元数据治理、数据结构化、数据宁静等内容。在统一的报表架构中,数据共享和处置惩罚层即是该项功效的详细体现。

(4)数据工程(Data Engineering):数据工程是关于数据生产和数据使用的信息系统工程。数据工程建设在大数据配景之下,是对数据库的建设与治理的工程,其主要内容包罗数据资产积累、数据运营历程、数据处置惩罚效果和应用、数据时间和咨询等。2015年4月14日,全国首个大数据生意业务所——贵阳大数据生意业务所正式挂牌运营并完成首批大数据生意业务。

大数据生意业务最大的应用前景在传统工业,这不仅是由于险些所有传统工业都在互联网化,更是因为传统工业仍然占据了海内生产总值的绝大部门份额,大数据生意业务会资助这些传统工业更快地完成转型升级。大数据生意业务所的建成对数据工程提出了新的技术保障要求。

以上分析可以称作是大数据的外延应用。这种外延应用的存在有赖于人们对竞争优势的永无止境的追求,并勉励企业组织接纳更大的数据存储库,容纳组织内部和外部的数据,以更好地举行趋势展现、数据统计、行动决议。这有助于将大数据的观点、相关工具、平台和分析普及到企业谋划和治理中。

3 大数据在石油石化行业的应用分析I DC研究认为,在可预测的未来,大数据分析(BDA)将是油气行业的重点投资领域。在大数据应用成熟渡过程阶段中,如图4所示。图4 同行业企业大数据生长阶段国际大型油气企业公司一直都很是重视数据处置惩罚,而大数据技术为这些企业提供了更多的创新性解决方案。

康菲公司使用大数据技术,对油井压力、温度、产量、设备运转情况等多种信息举行实时分析,提升了海量气井数据的可视化和分析应用,为治理人员的生产决议提供了有效支撑,使4500多处天然气井产量提高30%。道达尔公司使用了针对作业区设备的大数据监控和分析系统,在异常情况发生时可以实时发出预警,也可以提早预测和定位即将发生的设备问题,降低了生产损耗,制止了意外停车和恶性事故发生的概率。壳牌接纳了大数据生意业务分析解决方案,在风险管控和业务合规性中找到问题,然后通过数据分析监控生意业务。

这一方案中涵盖了支持决议的预测分析技术,资助企业界说生意业务模式,并使用统计分析防止潜在的损失。同时大数据在石油行业还可以举行机械数据洞察和全渠道洞察。图5 石油行业的洞察力示意图4 大数据的价值体现随着大数据的生长,企业也越来越重视数据相关的开发和应用,从而获取更多的市场时机。

一方面,大数据能够显着提升企业数据的准确性和实时性;此外还能够降低企业的生意业务摩擦成本;更为关键的是,大数据能够资助企业分析大量数据而进一步挖掘细分市场的时机,最终能够缩短企业产物研发时间、提升企业在商业模式、产物和服务上的创新力,大幅提升企业的商业决议水平,降低了企业谋划的风险。波特五力分析模型是迈克尔·波特(Michael Porter)于80年月初提出,对企业战略制定发生全球性的深远影响。五种气力模型将大量差别的因素搜集在一个轻便的模型中,以此分析一个行业的基本竞争态势。

该模型的理论是建设在以下三个假定基础之上的,这些假定通过非信息化传统手段难以克服,可是随着BI及大数据的生长,这些假定条件的约束已经成为已往:假定条件一:“制定战略者可以相识整个行业的信息,显然现实中是难于做到的。”通过BI及大数据手段,确定企业和本行业的焦点指标内容,好比通过标杆分析、KPI分析等手段,越来越清晰地实现企业战略者对整个行业的相识。假定条件二:“行业的规模是牢固的,因此,只有通过夺取对手的份额来占有更大的资源和市场。

但现实中企业之间往往不是通过吃掉对手而是与对手配合做大行业的蛋糕来获取更大的资源和市场。同时,市场可以通过不停的开发和创新来增大容量。”通过大数据手段,可以随时掌握市场情况,获得竞争优势。

4.1 大数据助企业挖掘市场时机探寻细分市场大数据能够资助企业分析大量数据而进一步挖掘市场时机和细分市场,然后对每个群体量体裁衣般的接纳奇特的行动。用创新的方法解构消费者的生活方式,剖析消费者的生活密码,才气让吻合消费者未来生活方式的产物研发不再成为问题,如果你相识了消费者的密码,就知道其潜藏在背后的真正需求。大数据分析是发现新客户群体、确定最优供应商、创新产物、明白销售季节性等问题的最好方法。通过数据驱动,发生应用,最后通过技术保障来实现整个产物的生命周期。

4.2 大数据提高决议能力大数据能够有效的资助各个行业用户做出更为准确的商业决议,从而实现更大的商业价值,它从降生开始就是站在决议的角度出发。虽然差别行业的业务差别,所发生的数据及其所支撑的治理形态也千差万别,但从数据的获取、数据的整合、数据的加工、数据的综合应用、数据的服务和推广、数据处置惩罚的生命线流程来分析,所有行业的模式是一致的。4.3 大数据创新企业治理模式,挖掘治理潜力在企业治理的焦点因素中,大数据技术与其高度契合。

治理最焦点的因素之一是信息搜集与通报,而大数据的内在和实质在于大数据内部信息的关联、挖掘,由此发现新知识、缔造新价值。两者在这一特征上具有高度契合性,甚至可以标称大数据就是企业治理的又一种工具。

因为对于任何企业,信息即财富,从企业战略着眼,使用大数据,充实发挥其辅助决议的潜力,可以更好地服务企业生长战略。5 某企业大数据的生长紧随企业信息化治理的生长某企业大数据生长主要分为三个时期:(1)ERP时期就信息化价值而言,某企业ERP系统为全团体提供了一个统一及笼罩总公司和各二级公司的谋划治理应用系统,而且通过信息集成方式不仅完成人、财、物治理系统,也包罗销售、生产、维修等生产谋划的专业应用系统,为战略治理层提供决议分析基础。

此目的告竣的历程中,统一的BI平台首先是同步建设起来的,而且在其中起到了重要的支撑作用。在此阶段,首先BI解决了决议者及谋划治理者从“认识到”到“看到”的历程,并将业务流程逐步顺畅。(2)后ERP时期随着某企业的治理需求不停深化。

云盘算、SOA、物联网、移动互联网、大数据BI等新技术的生长,企业的治理需求不停深化,不再局限于传统优化内部业务流程、提升运营效率的层面上,企业着眼的是企业治理系统能否提供有价值的商业信息,供治理层举行科学决议。使得决议者及谋划治理者能充实使用碎片化时间,随时随地地掌握企业信息,从而改善原有的鼠标键盘的方式,从“看到”到“体验到”。

华体会体育

因此,企业ERP系统数据价值亟需挖掘。运转多年的EPR系统积累了大量的行业数据,这些数据对于企业的谋划决议和预测来说意义重大。

如何确保这些数据宁静存储和实时运用,将影响到企业能否最大化地发挥ERP的价值。可以说,后ERP时代,ERP+BI将会成为数据的深度应用和分析将是企业治理的焦点,通过ERP、BI和大数据平台的完美组合,ERP系统中的海量数据可以被充实挖掘,并举行多维度的分析、横纵向的剖析和筛选,将大量原始的数据转化成有价值的商业信息,不停地为企业计谋的调整提供数据支撑,让ERP系统更好地服务于企业。

(3)互联网+时期“互联网+”时代商业智能易用性是商业智能生长的一定趋势而这一趋势也将改变商业智能分析人员的组成结构,由传统的IT信息人员做分析转化为业务人员自主分析,更快地去响应变化的需求,节约大量相同时间。随着数据挖掘技术算法的精进,商业智能将联合人工智能真正实现预测分析,为企业决议提供前瞻性数据支持, 推动企业实现数字化转型。

6 形成的某企业BI及大数据应用创新6.1 企业BI及大数据应用创新偏向基于前期积累的结果,我们也努力开展BI及大数据应用创新实践,探索企业治理创新的新模式。并确定大数据的应用偏向:(1)“大数据”发现“大油田”:充实使用物化探、井筒等多学科、多维度的数据,通过对数据的挖掘和应用,可以提高决议的准确性和全面性,实现新的油气增产。(2)“大数据”预测“小问题”:通过海量实时数据与历史数据的联合,建设生产运行模型,实现生产预测及预警;分析挖掘设备的实施数据及历史维护数据,实现设备的预测性维护,提高维护的针对性与有效性。

(3)“大数据”推动“微创新”:充实挖掘历史的数据,优化治理决议,保证业务操作的规范性、科学性,为绩效考核提供量化手段。6.2 企业BI及大数据应用创新内容十三五期间,某企业的大数据平台将首先深化应用现有基于内存的企业数据堆栈的“报表四化”,从而为某企业的业务生长和企业治理决议提供更好的业务支撑。大数据平台将整合实时数据堆栈,形成生产智能决议的统一数据治理平台,与“报表四化”相联合,从而在满足企业治理决议的同时,支持生产智能决议的需求。随着某企业在“云物移大个”等方面的深化应用,需要在现有技术架构基础之上融入大数据架构(Hadoop),同时满足结构化和非结构化的海量数据存储和数据挖掘的需求。

从而满足基于大数据之上的企业决议需求,并支撑特定分析模型和业务场景的建设。6.3 某企业BI及大数据应用创新思路经由不停地探索和实践,企业各部门通过思维与制度转变主动迎接和应对大数据带来的问题与挑战。树立大数据思维,即共享思维、扩展思维、整合思维实用思维,实现精准化治理,形成企业特色的治理创新思路。(1)共享思维:数据集聚、平台共享通过平台共享延伸资源的共享、服务的共享和规模的共享。

通过提供统一计划的体系架构、管控模式,引入并融合大数据、非结构化数据堆栈和实时数据堆栈。通过数据集聚宁静台共享实现规模效应,团体和二级单元各施其责,通过数据和技术的融合,配合推进大数据在企业全面而深入的应用。不仅有利于团体管控,也能满足多家二级单元的自主特色应用需求。

(2)扩展思维:混淆架构、增量创新持久的技术总是随动于业务,为了制止信息孤岛和信息化淹没成本的流失,我们意在建设一套可灵活扩展的架构,不需要将旧系统推倒重来,而是在其基础上融合现有基于内存的企业数据堆栈、实时数据堆栈、商务智能、大数据、数据挖掘与可视化、数据治理与管控等先进技术手段,以满足未来企业的信息化治理要求。(3)整合思维:整合资源、生态共赢企业大数据平台在整合某企业的内部数据的同时,要整合外部公有的数据服务平台的效果,从而可以为未来的业务生长提供全方位的数据服务。实验建设大数据资产内部和外部流转机制,构建企业统一的大数据服务市场。促进内部和外部的大数据生意业务,通过数据资产的生意业务实现互利共赢。

(4)实用思维:业务驱动、数据引领数据治理是解决数据资产主要矛盾、挖掘数据资产潜在价值的一定选择。通过建设有效的治理组织、认责机制、治理制度、系统架构,保证公司数据资产的可用、完整、准确、宁静,并以此为基础促进大数据的全面共享和深层应用。6.4 企业BI及大数据应用创新成效通过商务智能和大数据技术有望在企业信息化领域形成如下四大成效:形成企业大数据系统基础框架。

支持实时数据、预测、非结构化数据分析等功基础上融合现有企业基于内存的企业数据堆栈、实时数据堆栈、商务智能、大数据、数据挖掘与可视化、数据治理与管控二、数据集聚初具规模。不仅集成了人、财、物等治理信息,其他各种治理系统信息数据也颇具规模,很好的支撑了各级治理者辅助决议、优化运营治理等需求。

以资源共享的方式降低大数据信息化项目的风险和成本。使用某企业团体规模的优势效应,充实发挥大数据的规模共享优势。实现应用的共享。

降低业务部门对IT技术的依赖,实现灵活自助的数据分析,并能广泛应用。实现更快更好的辅助决议支持。7 结语本文从BI开始,叙述了大数据的泛起如何改变了传统“业务驱动、技术引领”的模式到“数据驱动、业务引领、技术保障”的模式,这种模式的变化是自然而然地,实践出现出来的。

在这种生长趋势下,我们可以与大数据一起,站在企业信息化创新应用的跑道上,一同前进,并发现其价值。作者简介:王小玲(1972-),女,高级工程师,现任中国海洋石油总公司信息技术中心商务智能&大数据资深工程师,具有数据堆栈和商务智能技术理论基础和实践履历的大数据分析及应用专业人才,不仅在MRP、电子商务、互联网、ERP、商务智能、大数据等领域具有实操能力,同时也持有多项专业技术认证资格。参考文献:[1] 中央企业治理提升运动向导小组. 企业团体管控[M]. 团结出书社.[2] TalkingData. 智能数据时代:企业大数据战略与实战[M]. 机械工业出书社.摘自《自动化博览》2018年6月刊 转载请注明出处 更多精彩内容请关注控制网&《自动化博览》。


本文关键词:华体会体育,大,数据,在,企业,信息化,中的,应用,创新,华

本文来源:华体会-www.sydbds.com

电话
061-40884622