传统企业大数据应用：整合与架构挑战

在2014年的中国数据库技术大会上，郑保卫，作为恩核技术的总监，针对如何帮助传统企业有效应用大数据提出了深度见解。他强调了数据架构在传统企业大数据转型中的核心作用。首先，他列举了几项传统企业在大数据应用准备阶段应关注的重点： 1. 整合数据：由于数据分散在不同的系统中，且标准不统一、结构不一致，企业需要将这些数据整合到统一的数据仓库中，包括结构化和非结构化数据，以便进行有效的分析。构建标准的单词字典、用语字典、域字典和编码字典是数据整合的关键步骤，同时建立一个全面的数据标准管理体系（EDW）以确保数据质量。 2. 提升竞争优势：通过数据仓库的建设，企业可以提高数据分析的准确性，从而降低运营成本，吸引新客户，增强竞争力。然而，当前许多传统企业面临着数据仓库质量低、分析难度大、应用程度有限等问题，主要表现在数据分析仅限于固定模式，缺乏深入和应急分析能力，以及对数据仓库的理解和设计经验不足。 3. 不当的数据实践：部分企业急于求成，将OLTP系统的简化模型用于数据仓库，导致数据清洗不彻底，错误数据多。此外，缺乏专业的数据架构团队和管理标准，使得数据一致性难以保证，同一数据可能存在多种定义，且数据模型设计的问题也造成了大量错误数据。 4. 数据质量管理的挑战：传统企业在数据质量管理上仍处于被动状态，数据大量重复，缺乏有效的结构化管理流程和体系，这阻碍了一致性和准确性的提升。 5. 数据架构的重要性：企业必须认识到数据架构的概念，理解其在数据管理中的关键角色，避免混淆数据类型和来源。只有建立清晰的数据架构，才能解决数据孤岛问题，优化数据治理，为企业的决策支持和业务创新提供坚实的基础。 郑保卫在DTCC2014上的演讲着重阐述了传统企业在面对大数据挑战时，如何通过改进数据架构来提升数据价值，实现数据驱动的业务增长。这不仅是对当前数据管理现状的批判性审视，也是对传统企业向数字化转型的指导性建议。