今天，您的企業“大數據”了嗎？

作者：廣聯達施工企業項目管理系統高級需求工程師 侯凱

我們身邊的大數據

2018年最火的歌手是誰？采訪不同的人，會有不同的答案。有人說是毛不易，有人說是華晨宇，也有人說是張靚穎。但要說到2018年“真愛粉”最多的歌手，非張學友莫屬了。據不完全統計，在張學友近半年的10場演唱會上，一共有50多名違法犯罪人員被抓。最多的一次，在陜西咸陽，一次性抓獲逃犯、其他違法犯罪人員18人。罪犯們真是冒著生命危險來聽演唱會，也讓張學友喜提“逃犯克星”的稱號。

這一切真的只是巧合嗎？其實和我們今天要聊的主角，大數據與商務智能，有著密不可分的聯系。

商務智能的前世今生

大數據，英文是Big Data，又稱為巨量資料，指的是傳統數據處理應用軟件不足以處理它們的大或復雜的數據集的術語。大數據也可以定義為來自各種來源的大量非結構化或結構化數據。

商務智能，又稱商業智能，指用現代數據倉庫技術、在線分析處理技術、數據挖掘和數據展現技術進行數據分析以實現商業價值。

——以上定義來自維基百科

大數據技術和商務智能，從出現到成熟，再到近幾年的大紅大紫，經歷了漫長的發展過程。

起源：從數據到知識的挑戰和跨越

1946年，人類歷史上第一臺電子計算機在美國費城問世。來自匈牙利的移民馮·諾伊曼（John von Neumann）是這臺計算機的主要設計者，他被后世成為之“計算機之父”。

僅一年之后，卡內基梅隆大學教授赫伯特·西蒙（Herbert Simon）出版了《行政組織的決策過程》一書。在這本被后世視為經典的著作里，他指出：人類的理性是有限的，因為所有的決策都是基于有限理性的結果。他預測：在后工業時代，也就是信息時代，人類社會面臨的中心問題將從如何提高生產率轉變為如何更好地利用信息來輔助決策。

1975年，由于對人工智能的貢獻，他獲得了計算機學界的最高獎——圖靈獎；1978年，他又因為對“商務決策過程”的出色研究，帶上了諾貝爾經濟學獎的桂冠。追本溯源，學界普遍認為，西蒙對決策支持系統的研究，是現代商務智能概念最早的源頭和起點。現代商務智能技術回答的還是決策支持系統面對的老問題：如何將數據、信息轉化為知識，擴大人類的理性，輔助決策？

從數據到知識，這個跨越，人類用了半個多世紀。

二進制的引進，解決了在沒有“情感、智能和生命”的物理機器中表達、計算、傳送數據的最大難題。但當數據在計算機內部累計得越來越多的時候，如何快速地組織、存儲和讀取數據又成為了新的挑戰。1970年，IBM的研究院埃德加·科德（Edgar Codd）發明了關系型數據庫，成為軟件發展歷史上一個跨越性的里程碑。

此前，數據庫的組織結構以網狀、層級制為主，復雜多變，程序和數據之間你中有我、我中有你，彼此有很強的依賴性。科德提出的關系型數據庫具有結構化高、冗余度低、獨立性強等優點，徹底把軟件中的程序和數據分立開來。從此，軟件的發展成了“兩條腿”走路，程序和數據在各自的軌道上自由奔跑。

隨著大型信息管理系統的應用一日千里、遍地開花，怎樣從各個獨立的信息系統中提取、整合有價值的數據，從而實現從數據到信息、從信息到知識、從知識到利潤的轉化？這個要求，變得越來越迫切。

結蛹：數據倉庫之厚積薄發

決策支持系統面臨的“瓶頸式”難題，是如何有機地聚集、整合多個不同運營信息系統產生的數據。1988年，為解決企業的數據集成問題，IBM公司的兩名研究員巴里·德夫林（Barry Devlin）和保羅·莫菲（Paul Murphy）創造性地提出了一個新的術語——數據倉庫（Data Warehouse），然而遺憾的是，他們并沒有乘勝追擊。

1992年，比爾·恩門（Bill Inmon）出版了《數據倉庫之構建》（Building the Data Warehouse）一書，第一次給出了數據倉庫的清晰定義和操作性很強的實戰法則，真正拉開了數據倉庫走向大規模應用的序幕。此后，他的“江湖地位”也得以確定，被譽為“數據倉庫之父”。

數據倉庫和數據庫的最大差別在于，前者是以數據分析、決策支持為目的來組織存儲數據，而數據庫的主要目的則是為運營行系統保存、查詢數據。

如蠶之蛹，數據倉庫是商務智能的依托，是對海量數據進行分析的核心物理架構。它可以形象地理解為一種格式一致的多源數據存儲中心，數據源可以來自多個不同的系統，如企業內部的項目管理系統、財務系統、人力資源系統，甚至是企業外部的系統。這些系統，即使運行的平臺不同、編制的語言不同、所處的物理位置不同，但其數據可以按統一定義的格式被提取出來，再通過清洗、轉換、集成，最后百流歸海，加載進入數據倉庫。

蠶動：聯機分析之驚艷

聯機分析（Online Analytical Processing），也稱多維分析，本意是把分立的數據庫“相聯”，進行多維度分析。分析問題的任何角度，都可以視為一個或多個維度的交叉。例如：

一公司2018年完成的新簽合同額是多少？這是“組織”和“時間”兩個維度的交叉問題。

一公司2018年完成的基礎設施類新簽合同額是多少？這是“組織”“時間”和“工程類別“三個維度的交叉問題。

一公司2018年在華北地區完成的基礎設施類新簽合同額是多少？這是“組織”“時間”“工程類別”和“地域”四個維度的交叉問題。

同時，一個維度，還可以下鉆細分。例如，就時間的維度，可以看年度的數據，也可以具體到月度；地域的維度，可以看華北地區，也可以具體到省份、城市。

和下鉆相對應的，是上卷。各公司的新簽合同額相加，就是集團的新簽合同額。

報表，是關系型數據庫時代將數據轉化為信息和知識最主要的手段。但交叉的維度越多，報表就越復雜，而且不同維度的組合將產生不同的報表，對于一個立足決策的用戶來說，他的需要是“動態”的，他可能問出任意維度交叉和細分的問題。有了聯機分析，用戶可以自己隨時創建所需要的報表，開發人員只需要預先為用戶在后臺構建多維的數據立方體（Cube）。

破繭：數據挖據之智能生命的產生

真正給商務智能賦予“智能”生命的是它的下一個產業鏈：數據挖掘。其中，最為經典的例子當屬啤酒和尿布。

零售企業沃爾瑪擁有世界上數一數二的數據倉庫，是最早應用數據挖掘技術的企業之一，也是數據挖掘技術的集大成者。在一次例行的數據分析之后，研究人員突然發現：和尿布一起搭配購買最多的商品竟然是啤酒！

尿布和啤酒，聽起來風馬牛不相及，但這是歷史數據進行挖掘的結果，反映的是數據層面的規律。這種關系令人費解，這是一個真正的規律嗎？

經過跟蹤調查，研究人員終于發現事出有因：一些年輕的爸爸經常要到超市去購買嬰兒尿布，有30%到40%的新爸爸會順便買點啤酒犒勞自己。沃爾瑪隨后對啤酒和尿布進行了捆綁銷售，不出意料，銷量雙雙增加。

數據挖掘把數據分析的范圍從“已知”擴大到了“未知”，從“過去”推向了“未來”，是商務智能真正的生命力和靈魂所在。

化蝶：數據可視化的華麗上演

圖形是解決邏輯問題的視覺方法。

生理學證明，人的大腦皮層當中，有40%的視覺反應區，人類的神經系統天生就對圖像化的信息最為敏感。通過圖像，信息的表達和傳遞將更加直觀、快捷、有效。

更重要的原因在于：人的創造力不僅僅取決于邏輯思維，還取決于形象思維。數據可視化的技術，可以通過圖像在邏輯思維基礎上進一步激發人的形象思維和空間想象力，吸引、幫助用戶洞察數據之間隱藏的關系和規律。

進入21世紀之后，大數據的爆炸使人們急需展示數據、理解數據、演繹數據的工具。這種需求，刺激了數據可視化專業市場的形成，產品迅速增多，使現在的市場可謂絢麗多彩、百花齊放。從最早的點線圖、直方圖、餅圖、網狀圖等簡單圖表，發展到以監控商務績效為主的儀表盤、記分板，再到以交互式的三維地圖、動態模擬、動畫技術等更加直覺化、趣味化的表現方法，曾經冰冷堅硬、枯燥乏味的數據開始“動”了起來、“舞”了起來，變得“性感”！

可視化技術的出現，使商務智能的產業鏈形成了一個從數據整合、分析、挖掘到展示的完整閉環。它的起點是多個獨立的關系型數據庫，經過數據整合之后形成統一的、多源的數據倉庫，再根據用戶的需要，重新取出若干數據子集，或構造多維立方體（Cube）進行聯機分析，或進行數據挖據，發現潛藏的規律和趨勢。如果挖掘的結果經得起現實的檢驗，那就形成了新的知識，這種知識，還可以通過數據可視化來表達、展示和傳遞。

施工企業大數據

回顧了大數據技術和商務智能的前世今生，回歸到我們施工行業，在這樣一個數據大爆炸的時代，企業的運營數據呈現爆發式的增長，如何利用大數據分析實現精益化管理，驅動業務增長，是每個企業新的理想藍圖。相信您的企業對下述困境也是感同身受。

（1）業務發展的瓶頸

業務部門數據分析需求得不到及時響應，在一片漆黑中前行。

業務部門對于數據分析具有極大的需求，但卻苦于沒有數據以及工具的有效支持，依賴于IT部門的報表制作，需求得不到及時響應。

（2）信息中心的瓶頸

IT集權下的疲于應對，放權下的數據管理混亂。

信息中心集權，導致業務部門需求集中扎堆，響應不足。員工熬夜加班多，卻成就感低。

（3）大數據應用的瓶頸

不利用心慌，利用時迷茫，如何走好“最后一公里”？

大數據倒逼企業不斷地去升級硬件，擴展底層架構，但存儲的數據越來越多，如何真正讓數據發揮價值，做好數據建設的最后一公里至關重要。

住房和城鄉建設部印發的《2016－2020年建筑業信息化發展綱要》中明確提出：

“施工類企業：

有條件的企業應推進企業管理信息系統中項目業務管理和財務管理的深度集成，實現業務財務管理一體化。

注重推進企業知識管理信息系統、商業智能和決策支持系統的應用，有條件的企業應探索大數據技術的集成應用，支撐智慧企業建設。”

所以，對施工企業來說，早已經不再是要不要使用大數據技術的問題，而是什么時間上線大數據分析平臺，能不能早一點上線的問題。施工企業要做大做強，實現規模化效益，囿于傳統的手段已經無法持續，必須尋求新的突破，大數據技術和商業智能，不失為一個通過結果倒閉過程、優化管理模式的新起點。

參考資料：

（1）維基百科

（2）《大數據：正在到來的數據革命》，涂子沛著