國央企數據應用的4個建設重點
國央企是我國社會經濟發展的中流砥柱，尤其是在當前國內大循環為主體、國內國際雙循環相互促進的新發展格局中，國央企更是起到了推動行業高質量發展、維護產業鏈穩定等的核心作用。
為了響應國家數字化發展戰略，保障國央企自身的科學高質量發展，當前諸多國央企開展了數字化轉型并取得了顯著成效。國央企數字化轉型突顯出了如下特征：
l 重視整體規劃和頂層設計；
l 重視機制建設和有序推進；
l 重視解決痛點和實際成效。
可以看出，國央企數字化轉型已經從基礎建設逐漸轉變為落到實處，通過全面的規劃與建設，運用數據實現卓有成效的業務改善和增長。
BI工具作為數據應用的最后一公里，以其簡潔易用、使數據快速變現等受到了廣泛的關注。
當前國央企數據應用的建設重點包括：
l 提升數字化智能水平；
l 深化數據應用安全管理；
l 激發創新活力，提升全員數字素養和技能；
l 將數字化轉型全面融入企業發展戰略。
針對建設重點，梳理出了一條清晰的國央企數據應用路徑：基于一站式的大數據BI平臺，構建整體的數據應用體系，劃分階段分布實施，并通過便捷易用、高性能計算引擎、AI增強分析等，實現橫向數據賦能全員，縱向數據深度運用。在此過程中，通過技術實現應用數據的安全管理。
一、構建整體方案，劃分階段實施
國央企大多為大型多元化集團，數據應用體系的構建不可能一蹴而就，而是要遵守科學的順序和原則開展。
第一條原則是“自上而下”。
國央企數字化管控需要頂層設計，確定綱領，自上而下，確保各級目標與戰略目標一致。完成總部的數字化升級后，再細化各個公司的數字化。從集團層面入手，能得到組織、人力及各項資源的最大支持，成功率比較高，也有利于后續子公司層面數字化建設進一步細化及推進。
另一原則是“由淺入深”。
先是搭骨架。這個過程需要確定集團層級和業務板塊層級都來自哪些基礎業務系統及其健全性，數倉建設、存儲及計算資源保障、BI分析場景設計、集團和板塊分析主題及數據使用對象是集團高層領導、板塊運營管理責任人、子公司企業領導或業務人員。搭骨架還包括從組織層面搭建集團數字化管控人員體系。
其次是填血肉。需要完成數據治理、深入各子公司、各部門構建業務場景指標體系，填充各分析主題具體子主題。填好血肉后可以挑選一兩個數據量大、業務邏輯較復雜的子主題，驗證前期“搭骨架”和“填血肉”過程各環節準確性、完整性、適配性以及組織層面的高效性。高頻試錯，小步快跑，快速推進其他主題數字化建設，從建設過程上推進至數據、業務與資源的整體融合階段。
再者是持續提升。譬如主題補充、主題細化、更多維度關聯分析、數據挖掘、決策輔助等。最終實現集團人、力、才、產、供、銷全面數字化管控，實現國央企數據分析及數據資產管理成效最大化。
二、用產品解決所有問題
國央企數字化轉型涉及的方面多，具有體系龐雜、資源投入大、周期長、靈活度低等特點，傳統BI由于其技術架構問題，往往也有著部署周期長、需求變更靈活性差、項目失敗率高等痛點。
針對這一問題，構建敏捷BI，通過便捷的應用、快速部署、靈活開發等，使項目周期縮短到以周為單位，任意開發需求都可以在幾天內完成，極大的提升了靈活度，從而大大提高項目成功率，使國央企可以靈活調配資源，降低部署難度和成本。
1、架構敏捷——一站式大數據BI平臺
當前許多國央企已經部署了龐大系統，這導致了系統分散、數據雜亂、質量不高。因此企業需要通過構建的統一的大數據分析平臺，將企業內大量的結構化、半結構化、非結構化數據以及外部數據，進行數據整合、數據管理，打好數據基礎。
一站式數據BI平臺，將各系統數據進行統一的整合、存儲、分析。把大數據分析所需的產品功能全部融入一個平臺下，進行統一管控。在運用時，可全面覆蓋數據分析過程中的各個環節，包括數據采集、清洗、整合、存儲、計算、建模、訓練、展現、協作等，讓用戶可以在一個統一的平臺上完成全流程數據分析任務，降低了實施、集成、培訓的成本。
以此，將雜亂的數據整合為高質量數據，并提供可靠的數據結果，為數據賦能業務提供堅實基礎。
2、應用敏捷——面向業務的可視化分析工具
當前的成功實踐證明，數字化轉型戰略需要“自上而下”的進行規劃與落地，其原因是在面對龐大的系統性工程時，需要頂層設計和資源調配作保障。而到了數據應用階段，其理想狀態應當是數據的全員化，因為數據生成于各一線業務端口，廣大員工是數據的出發點和落腳點，要讓數據真正賦能于企業發展。
激發創新活力，提升全員數字素養和技能，讓所有人可以運用數據優化工作，進而整體提升數據應用效果，推動企業增長。
要做到這一點，當前的困難在于技術應用門檻高。傳統BI是“面向IT的報表工具”，數據分析與應用以IT為主導，其原因是傳統BI的技術門檻高，操作難度大，需要專業的人員才可完成數據分析。
敏捷BI定義為“面向業務人員的可視化分析”工具，簡潔易用零代碼，讓沒有專業基礎的業務人員也可以通過簡單的點擊、拖拽等動作，即可完成制作報表、數據分析和洞察，實現數據分析全員化。
3、智能敏捷——AI增強分析“平民化”
當前諸多企業的數據應用還停留在初級階段，即“將線下工作搬到線上，將紙質工作轉為電子”階段，而沒有通過數據深度應用改善和優化業務體系，數據智能似乎更遙不可及。
“數據可視化”不等于“可視化分析”，企業、管理者和業務人員所需要的也不僅僅是一張張數據報告，而是深入挖掘數據價值，賦能業務增長。
因此，通過AI增強分析功能，使業務人員可以以便捷的可視化方式，對數據進行分析、挖掘與洞察，實現數據的深度應用。
數據問答可以讓用戶使用文本輸入問題，系統以可視化的方式進行自動展示答案；
數據解釋可以對數據影響較大的因素進行自動統計和分析，比如從不同的因素分析部門員工離職的原因，找到影響較大的原因作為數據分析參考；
數據洞察則自動給出用于發現業務數據增長、減少的原因，比如發現西部市場比南部市場銷售增長，就可以一鍵選擇數據洞察，發現背后的原因。
4、運算敏捷——高性能計算引擎
國央企的數據體系龐大，積累了越來越多的數據量，以及在業務端對于精細化數據的需求，對大數據量的敏捷處理能力成為了重點需求之一。
5、管理敏捷——企業級數據安全管理
針對國央企治理層級多的問題，可以通過BI的權限控制實現多方數據共享與協同，并保障數據的安全。主要分成兩大塊：一是功能權限，二是數據權限。
功能權限可以控制用戶的不同功能模塊的訪問權限，例如有的用戶只能查看報告，有的用戶不能鏈接數據源等，也可以控制用戶的下載權限、修改權限等，精確到按鈕級別。
數據權限可以控制到報告的數據級別權限，分為行權限和列權限，行權限能做到同一張報告有全國的數據，不同區域的用戶只能看到自己區域的數據。列權限能做到控制敏感字段的權限，可以單獨控制某些用戶有無查看權限。
同時還能實現報告的LDAP集成、異常預警、報告水印、安全審計、平臺安全等等功能。
