前面靖笙谈论过企业大数据应用和企业信息化的异同，这里从实施落地的角度做进一步的探讨。

     传统的企业信息化建设往往是需求驱动的，从企业信息化应用的普遍发展规律来看，企业信息化的发展是自下而上地从满足执行层的低级需求向决策层的高级需求发展，国际上有专门研究企业信息化的个人和组织提出过反映其发展规律的水平评价模型，其中典型的包括诺兰模型、米歇模型和如下图所示的IBM五阶段发展模型，这些研究成果都揭示了企业信息化发展普遍存在的阶段性上升的客观规律，就像攀登台阶一样，企业信息化的发展水平只能这样拾级而上，由于高阶段往往是以低阶段工作经验和成果为基础，追求跨越式发展是不符合客观规律的，而在IBM提出的企业信息化发展五阶段模型中，第五阶段才是IT促进业务创新。

    如靖笙前文所论述的观点，企业大数据应用是以创新和变革作为其核心目标的，根据上面IBM提出的企业信息化发展五阶段模型，可能会有人认为企业大数据应用是不是应该在第五个阶段才开展的事情？而对于当前大多数中国企业来说，其信息化还处于一二、最高第三阶段的水平上，这IT促进业务创新毫无疑问还是一个很遥远的愿景。

   但靖笙认为，这和当前企业发展的现实需要是有所偏离的，因为上面以IBM为代表提出的发展模型是在传统企业信息化的语境下进行的，传统的信息不充分或者说不对称的市场背景是企业开展信息化工作的基本假设。根据这种假设，企业信息化当然也自然只考虑企业分内的人财物和大事小情，这明显是一种企业以自我为中心而且有明确组织边界作为数据范围的前提，在这种假设里面，大部分的数据生成工作都由企业负责自主完成，外部广大消费者的声音并没有经过数据化采集而汇入企业信息系统的数据流转链条里面。

    传统以交易为中心的企业价值链思维中，信息不对称不但不是一个问题，甚至还是一个可以利用来维持权力和制造稀缺效应的谋利工具。在企业内部，经营生产过程中是一个环节一个环节单向推进的，每个环节只需要处理好和上下环节的信息衔接即可，无须了解全面的信息；而对于企业来说，消费者被看成是一个对本组织无话语的外人，售前的接触企业都只为了让他们做出购买决定而展开各种灌输洗脑式的广告宣传活动，向消费者推销自己产品的好处，但却并不愿意真正细心地聆听每位消费者的声音。

     也正是这种信息不对称的假设导致了企业各部门自扫门前雪的本位思想的盛行，而这种思想指导下的企业信息化毫无疑问也是分散而各自为战的，企业各部门根据自己的业务职能分工和工作信息收集的需求，聘请不同的技术厂商分别建设自己部门的信息系统，这些系统相互之间的数据设计各自表述、五花八门，当这些系统越来越多，在企业内部形成的数据孤岛也越来越多。同时，由于信息系统技术上有相当高的专业门槛，普通的业务用户并不了解系统内部的运作机理和数据的存放格式，除了必要的输入输出界面，大多数企业信息系统缺乏支持业务人员直接访问和理解系统内部数据的手段，对大多数数据的用户来说就是技术黑箱，从黑箱里提取出需要的数据都要通过向系统的开发人员提出开发需求后再进行开发的方式来实现，这种方式毫无疑问对双方来说都是越来越吃力不讨好的。各部门主导下建设的信息系统大多数是满足执行层的操作型信息处理需求，这种需求很明显的特征就是数据的信息碎片化。举个例子，拿银行核心业务系统中的存款业务处理交易来说，为了完成一笔存款业务，最少信息需求只需要柜员输入账号和金额就够了，这样可以大大缩短交易处理时间，可后果是存款业务活动过程前后大量的信息就丢失，而从保留下来的存款流水数据中，如果需要了解包括客户情况在内的更多信息，势必需要根据账号从其他数据库中做更多的关联查询，以此我们可以看到，作为业务处理结果记录的流水数据，只会保留业务信息的一些碎片。而偏偏所有业务处理计算机程序都是按这种最少数据集的思路指导开发的，所以对于企业的决策者来说，做决策所需要的整体信息就广泛分布在不同系统的数据碎片中，缺乏自动集成只能靠繁重的面对面会议讨论和人工整合分析工作。“数据孤岛”、“数据黑箱”和“数据零碎”无疑是传统企业信息化遗留下来的“小数据瓶颈”，这种瓶颈在互联网面前已经越来越成为一个影响企业可持续发展的瓶颈和障碍。

     互联网被誉为是一场屌丝逆袭的平民革命，互联网从最早的IT发烧友乐园到今天的全民网化，推动的力量都是来自全世界人民渴望充分知情权和自由表达权的集体意志，现在全世界几十亿人无时无刻不在互联网上传播他们各种遭遇、心情和见解，传统商业中消费者是互相隔阂的孤立个体的基本假设已经早已不再成立，今天的事实是，面对企业，消费者已经抱成一个巨大无边的虚拟社团，在这个团里充斥着对企业及其产品服务的各种用后体验评价，而且这些评价信息通过互联网的流转和保存而形成企业之外大量存在的用户社交行为大数据，这些大数据里面有各种对企业的期望和不满，如果企业不能及时收集、聆听并处置就很可能因负面口碑的持续发酵，被消费者用手指和脚同时投票而被判徒刑，互联网让消费者掌握了绝对的商业话语权毫无疑问是当今任何一个企业不得不面对的事实。

      所以，我们从这个事实出发回头审视过往认为很靠谱的假设已经被动摇了，传统企业组织赖以维护自我为中心的生存根基已经被彻底结构了，企业如果想在新时代存活下来，与消费者的关系必须从故弄玄虚物以稀为贵的自以为是走向真诚地与每一位消费者交朋友、持续主动倾听每一位消费者的想法，建立更开放的组织形态过渡，原来的组织围墙已经被打破了，消费者成为企业中特殊的“生产者”，他们通过互联网各种渠道持续贡献自己的想法、创意和对企业各项活动的关注和意见，影响企业各项业务决策和组织行为，第四次工业革命所提出的智能工厂，本质上是一个消费者实现自己创意的C2B私人定制产品智造过程的基础设施。

     要完成这个消费者高度参与的产品智造过程，传统企业管理理论中单向传递的价值链思维已经不能再有效指导企业在新时代的生存和发展了，而以用户为中心，围绕用户创意和体验要求来组织各项生产力要素建构社会化大生产的价值网络的思想，才是在当前网络经济条件下指导企业求生存谋发展的正确选择。

    因此，应对新工业革命中内外部一体化运作的生产方式变革要求和满足共享经济中赢得用户口碑的现实需要，企业在继续推进自身信息化发展、打破原来传统企业信息化那种一亩三分地的“小数据”瓶颈的同时，也要启动对互联网上消费者大数据的广泛采集和利用，并融合到企业各项业务创新和优化工作之中，从这个角度来说，互联网和产业革命在倒逼企业尽快开展企业大数据应用。

    在这种时代背景下，IBM之前基于封闭的企业组织所提出的企业信息化发展阶段模型，也和企业当前的迫切需要存在一定的偏离，用传统企业信息化的理论和方法来指导企业大数据应用，也就不可避免有很多不能适应的地方。

    传统企业信息化随着数据资源积累，带来的数据问题也越来越多，负面影响越来越大。在十多年前，以IBM为首的企业信息技术业界，提出了数据治理的概念和一系列的技术解决方案，IBM自身就是数据治理的典型代表。1992年之前，IBM在数据治理方面存在很多问题，没有明确的可依赖的数据源，没有统一定义的数据标准，没有明确的数据责任人， 数据质量低下。1995年，IBM在ERP里面做了业务数据标准，将所有的业务定了15大类业务标准、79个分类子业务标准，这样全公司看到的是一个统一的业务定义。2004年，IBM成立了数据责任人论坛，2005年成立了数据治理委员会，之后又成立数据审核委员会。1992年，IBM全球有128个CIO、155个数据中心、80个Web拓展中心、31个不同的网络、16000个应用。通过数据治理，IBM简化了基础架构，并降低了管理的复杂度。2007年，IBM全球只有一位CIO，主数据中心变成了6个，Web拓展中心变成全球统一的网络，16000多个应用变成4000个左右。

    IBM尚且如此，可见企业数据治理是一项非常艰巨的任务，企业数据治理的目标是保证企业数据的有效性、可访问性、高质量、一致性、可审计和安全性。在传统企业信息化的话语体系下，数据治理的出发点和落脚点是企业自身的IT系统，如何发挥企业数据价值创造直接的经济收益并不在其目标范围内，因此这样的数据治理是一种管控思维，把数据看成需要被企业内部管控的资源看待，但并没有提出把数据看成资产来经营，从思想认识的根源上就未能让治理后的数据和企业变革和创新驱动战略建立清晰的关联，简单来说对待大数据资源缺乏应有的“生意头脑”。这种数据治理的需要通过组织的行政力量来强制推动，而非商业利益的内在动机，除了在数据治理技术上的大量投资，还要依赖企业行政管理力度和各部门的执行自律才能保证治理效果，成难毁易，经常是费力不讨好。

     大数据涉及不同来源的复杂数据，倘若缺乏得当的数据治理，那就更难正确地整合成有价值的信息。在移动互联网时代，每个人都是大数据的创造者，随着技术的成熟，数量远超芸芸众生的传感器，将成为忠实而智慧的大数据采集者。蔚为壮观的数据，来自于社交媒体、电话GPS信号、公用事业智能仪表、RFID标签、数字图片和其他数据源中的在线视频。对企业来说，大数据应用是一项系统工程，不可能一蹴而就，大到大数据技术平台的搭建、组织的变革、政策的制定、流程的重组，小到元数据的管理、主数据的整合、各种类型大数据的个性化治理和大数据的行业应用，无不需要艰苦细致的工作。这给传统的企业数据治理或者数据管理方式，带来了范围、形式、内涵三方面的巨大挑战。

     而另一方面，在大数据应用环境下的数据治理工作是对传统企业信息化数据治理的延续和扩展。它不可能与传统企业数据治理切割，延续性既是保护历史投资的需要，也体现了数据治理准则的一脉相承。不同类型数据的整合，结构化数据与非结构化数据、准结构化数据的整合，主数据与社交媒体等其他类型数据的整合，不同部门乃至不同行业数据的整合，都需要大量细致的工作。大数据治理涉及人员、流程和软件，大数据需要去伪存真，需要删繁就简，需要化大为小。凡此种种，不胜枚举。

     我们可以看到，企业大数据的应用本身也是一场在新工业时代对传统企业信息化的彻底变革，而考虑中当前大部分的中国企业并没有完成第三次工业革命的信息化与工业化的融合任务，这场企业数据大变革还必须与企业信息化的补课工作同时进行。这样的变革过程类似把一幢已经使用了很多年的砖木混合结构的楼房改造成钢筋混凝土结构的大工程，由于不能在改造的过程中把住户迁走，也不能影响住户各项日常活动的情况下完成这样偷梁换柱式的工程任务，其难度可想而知是多么的巨大，影响是多么的深远，而相关动作都是牵一发而动全身，零敲碎打的各种单点解决方案是根本无法完成这样艰巨的任务的，为了避免边干边看边施工的方式给企业可能带来的坍塌性后果，动工前期的长远谋划和周密安排就绝不是隔靴搔痒多此一举，而是关于企业未来命运的重大设计和规划。

      可以说，今天已经不缺乏对企业大数据应用来自消费者和市场一线的强大动力，目前很多企业虽然拥有大数据资源，但是并未能有效利用而形成有价值的数据资产，必须寻找一条合适的路径完成这场大变革！而考虑到大数据是一个全局性系统性工程，呼应这种巨大动力更需要一种自上而下的战略性思考和全局性安排，要实现这场企业数据大变革的理念一致、功能协调、结构统一、资源共享、部件标准化等系统的方法，从全局视角出发，对变革的各个层次、要素进行统筹考虑，企业通过顶层设计制定大数据应用的总体规划，明确企业发展大数据应用的目标、路径和方法。

    尽管“大数据是资产和核心竞争力”概念已经被广为接受，但当前“如何管好大数据资产”和“如何用好大数据资产”对于很多企业来说还是个说不清楚的问题，目前大数据在企业微观层面的理论探究还处于初期，知识建构仍存在空白，而业界也仍然缺少成熟的理论和工具手段，也就是说是对企业来说，开展企业大数据的相关工作很可能陷入一种摸着石头过河的盲目性。

      创新和变革都是大命题，而恰恰这个领域是企业完成新工业革命的核心，正因如此，企业开展大数据应用时面临的问题必然很多，且与历史遗留的数据问题盘根错节，这不是沿用企业信息化的老套路，提出一些需求、建设一些系统、采取一些局部措施所能解决的，为什么企业大数据应用要开展顶层设计工作？我相信您已经有了自己的答案了。

本文节选自靖笙个人专著《企业大数据资产管理业务顶层设计参考手册》,本专著其他内容敬请继续关注。