上述案例应用数据所得到的价值是建立在过去一年中业务经营过程中所积累并经过处理的有效数据，通过每月的一次数据整理，数年积累将形成的二十TB级别的数据，然后将这些数据经过一些BI、数据挖掘、分析等工具来实现中外运的数据价值。

    另外一种叫非实时处理，比如说看一个客户的过去记录，将当天数据做处理后存在固定地方供查询使用后，这样查询的速度可能会很快，而一旦今天的数据丢失抑或其他情况没有得到记录，只能看到当天以前的数据，成为非实时数据处理。

    在企业的两种数据处理方式中，非实时基于数据量不是很大与实时基于时间短的等因素，处理方式都可以采用BI、数据挖掘等工具来即可实现数据价值。所以刘闽生表示，传统企业从数据类型和数据量的大小与互联网企业都会有很大区别，企业更多时候关注的数据比较实际。

    压低成本提供服务

    基于中国传统企业获得快速发展起步比较晚的缘故，历史积累的数据量相比现今快速发展互联网企业以及国外企业不可同日而语。

    类似国内银行等传统机构，都是在十几年前开始做大量数据集中管理，比如个人银行账户开始依赖一张存折存取款，并且只能在存折所在地进去存取款，即使跨行业务都不能完成。为了解决此阶段瓶颈，接下来银行做的第一件事即将大量个人信息的住址、存折账号、姓名、查询进行了电子化，把人工业务操作变成计算机处理业务，使业务得到提升。

    再接下来，将同一地区内所有银行的计算机连接起来，将数据集中统一管理，此时个人银行业务实现了跨行处理。

    再往后，全国联网统一，异地存取款服务统一起来，也就是现在的全国银行联网。全国联网后，银行推出实名制，开始产生大量有价值的个人账户数据，按全国10亿人计算，会产生大量TB级别的数据，为外部客户提供个性化服务打下良好基础。

    同样零售行业也涉及到个人账户数据，比如大型商场会通过信息系统追溯个人账户在商场买哪些东西，销售额度多少等个人数据。在全国连锁店范围内的全部个人信息集合起来，进行分析，对外按需提供服务，商场里摆放那些东西最受消费者喜欢，以提高销售额度。这是数据处理所得的一个分析结果，刘闽生如是说。

    在企业日常经营过程中会产生大量数据，中外运就是一个最佳示例，刘闽生说：“从财务角度看，每年都会有接近十几万新增客户，累积下来有接近六十万条数据记录，如此庞大数据量都能够为企业所用吗？答案是否定的。”

    客户数据虽然很多，通常最后被企业真正所用到的数据占总数据量的也就是20-%30%，刘闽生称。

    企业内部业务经营过程中，哪些成本太高，那些成本不合理，哪些流程太多，都可以通过以往积累的大量数据中，通过数据挖掘、分析等方式来改变已有的企业管理结构。刘闽生说，国内企业数据处理主要目的，是对企业内部压低成本、精简流程，对外部外部提供优质服务。

    在刘闽生看来，大量数据必须经过结构化、规范化处理才能为企业所用。比如，中外运在接客户惠普的单子时，合同上可能标注中国惠普、北京惠普、惠普中国、惠普有限公司等数字标签，类似这样的数据处理起来来代价非常高，如果结算过程中在系统中检索“惠普”未必能够找得到。

    这时需要建立一个规则或者一个集群，将所有凡是涉及到惠普的关键词纳入到所建惠普集群里。通过整理后的数据才能变成一个有效有价值的数据。

    中外运的企业数据只对内部开放而不向外部开放，供企业内部员工操作和管理提供便利。如果对社会开放是要经过严格客户认证，刘闽生说。

    结语

    随着技术发展，物联网技术将是企业产生大量数据的集中爆发点，将把监控不同地点、不同状态的信息收集起来以后，形成不同状态的数据变成一种检索信息抽取出来。但那是新的应用产生新的解决方案。而这种技术还是会和传统技术相结合，将数据分类，再分析处理。与之前最大不同之处在于，数据量更大了，CPU处理速度更快快了，规模更大了，应用的范围更广了，刘闽生最后说。

集成系统网络情报信息数据库

CIO频道人物视窗
CIO频道方案案例库
大数据建设方案案例库
电子政务建设方案案例库
互联集成系统构建方案案例库
商务智能建设方案案例库
系统集成类软件信息研发企业名录