郑琴舒 饶万玲
云南电网有限责任公司瑞丽供电局 云南瑞丽678600
摘要：随着科学技术的迅速发展，信息化水平在不断提高，人类社会已迈入数字信息化时代，目前在许多领域已出现大数据的身影。从企业未来信息化发展趋势分析，大数据将成为重要的生产要素和战略资产，必将给企业带来巨大的收益。通过对大数据的深入分析，掌握数据处理方法，充分挖掘大数据的利用价值，使大数据在企业信息化管理中发挥重要的作用，本文就大数据在企业信息化中的运用及实践进行论述。
关键词：大数据；企业；信息；运用
1.企业数据分析处理现状
目前企业大多都是采用传统的数据分析处理模式，每个业务系统的数据都是存储在独立的数据库中。当用户同时用到其中某几个系统的数据时，就需要手动从这些系统数据库中去导出，然后再安排人进行相应的处理。或者由高技术人员通过系统的接口数据信息，将某一系统的数据调用到另一系统中来运用，而这对技术人员的技术水平要求是很高的。企业传统的数据分析处理模式存在着过度依赖人力资源的现象，如今随着大数据技术的诞生，可将所有业务系统的数据进行汇聚集中，统一管理，将数据分析处理等工作交由系统去完成，减少过多的人工干预活动，确保了分析数据的准确性和真实性。解决了企业数据壁垒问题，充分挖掘了数据价值。
2.大数据结构及特点分析
大数据顾名思义就是数据量很大，大数据包含多种结构，它的多种结构也就使其具有多重特性，如：海量性、高速性、多样性、易变性。大数据结构分为结构化、半结构化和非结构化三种类型。在所有数据中非结构化数据占了主要部分，其中，结构化数据是存储于同一个数据库中的数据，属于结构化存储，可由数据库二维表结构来进行逻辑表达，严格地遵循数据格式与规范，是一种“有模式”的数据。半结构化数据是一种适于数据库集成的数据模型，是存储在多个数据库中的数据。相对于“有模式”的数据表现得比较灵活，具有数据结构自描述性、复杂性、动态性的特点。而非结构化数据是没有逻辑结构的数据，是不能用数据库二维表来表达的，例如我们办公的所有格式文档、各类报表、图片、音视频信息、XML文件、HTML文件等都属于非结构化数据。
3.大数据的运用分析
在企业生产活动中，系统数据都是分散存储在不同的数据库中，在过去用户想要从海量的数据中提取出所需的数据，这就需要花大量时间进行拆分、归并、统计及填报，这一工作会花费很多的人力物力。然而，通过采用大数据技术，将存储在不同数据库中的数据经过汇聚、提取、转换、加载等一系列的处理过程后，在用户有需求时供用户提取，其数据汇聚处理过程如图1所示。
.png)
其中，数据层（DataBase）简称DB，是指企业现有的数据库，是存储各类业务系统的数据，有SQLserver、MySQL、PostgreSQL等多种类型的数据库，DB是ETL的数据来源，ETL，是英文Extract-Transform-Load的简称，是一种过程表示，是用来描述数据从源端到目的端的整个过程，也就是DB数据经过抽取（extract）、转换（transform）、加载（load）等一系列的过程。
贴源层（Operational Data Store）简称ODS，是将OLTP（联机事务处理）数据通过ETL过程同步到数据仓库，并为数据仓库提供基础的数据来源。在这一过程中，数据经过了一定的处理，将不同类型的数据进行整合，比如字段的统一，垃圾数据的清理等，但是数据的粒度是不会发生变化的。ODS是多个业务数据存储的地方，是属于操作型数据存储，ODS数据库的数据结构与业务系统数据库数据结构是一致的。ODS的数据分析基本只对数据层面的数据进行基础的分析。
数据仓库(Data Warehouse)简称DW ，是一个很大的数据存储集合，是用于存储经过处理过的数据，DW保存着所有从ODS到来的数据，并进行长期保存，DW的数据不会被修改，可为企业提供分析性报告和决策支持。DW对多样的业务数据进行筛选与整合，能反映历史变化的数据，DW的数据分析涉及到了业务模型的分析。
数据集市(Data Mart)简称DM，是为了特定的用途或使用范围而创建的，是从数据仓库（DW）中提取出来的一部分数据，它不用考虑整体的数据架构和应用，每个应用都有自己的数据集市（DM）。这些数据集市（DM）也就是用户最终需要的数据。
整个数据汇聚过程是将所有数据库中的数据通过ETL、贴源层、数据仓库、数据集市等几个环节，完成数据建模，最终到达数据集市，当用户有需求时可以直接在数据集市里申请使用。因此，实现了数据的整合应用，根据业务部门需求形成财务库、资产库、物资库等多个分析库供各业务部门使用。
4.大数据带来的优势与挑战
4.1大数据带来的优势
（1）辅助决策
运用大数据技术对数据进行统计分析、形成数据报表，实现数据可视化，并实行全面动态管理，不仅可为用户提供权威、详细、直观的数据报告，还可及时反映企业经营管理水平，支撑企业管理决策，并可广泛应用于企业经营管理各环节。对于供电企业来说，可以辅助作业计划编排，通过查询、统计相关数据报表，支撑作业计划的编制和平衡。基于GIS展示配电网资产、运行状态、风险、故障、缺陷、停电用户、正在开展的工作等全面信息，实现营配全景可视化展示，支撑营配工作。
（2）节约成本
用数据降低成本,通过大数据精准的分析出企业想要获得的资源信息 ，并针对这些资源信息选择最优的方案，用最少的成本获得最大的资源利用价值，实现了成本利用的最大化。此外，企业各业务系统间可能存在交互关系，系统之间需要相互调用数据，而不同业务系统开发厂商也不同，调用某个系统的数据需要该系统开发厂商提供接口信息，而获取该接口信息可能需要支付昂贵的费用，这往往会增加企业的成本支出。大数据技术可将所有业务系统的数据进行统一管理，合理调用，对企业的成本节约有很大的帮助。
（3）知识发现
通过对数据的挖掘，发现其隐藏的规律和知识，将专业领域中的数据转变为专业领域的知识，为知识的传播、分享、转移和创新提供必要保障，同时也可将其应用于各领域的专业性研究。
（4）趋势预测
通过大数据的整合和分析，发现其变化趋势，从而进行趋势分析，来预测企业未来的经营变化情况，为企业以后的发展方向提供帮助。同时可提前预知风险，进行风险评估，提早规避风险和制定风险应对措施。对于供电企业来说可用于状态检修、负荷预测等场景，基于习惯性违章的历史大数据挖掘和分析，分析发展趋势，支撑预防工作及作业风险安全态势感知。
（5）提高效率
大数据将分散的数据进行汇聚集中，方便用户在有需求时直接进行提取，改变了传统的人工分析、拆分、归并、统计的数据处理模式，将这个繁琐且严谨的工作交由机器去完成，不但节省了时间，还减少了过多人力物力的投入，同时还可避免因人为主观因素而导致数据统计错误的问题，从而提高了企业的生产效率。
4.2大数据带来的挑战
大数据给企业带来诸多优势的同时，也给企业带来了一定的挑战性，主要表现在数据安全、系统安全、网络安全等方面。其数据安全主要表现在数据的存储备份，大数据的数据量是巨大的，给企业的存储管理施加了很大的压力。系统安全主要表现为服务器、系统平台、应用系统的稳定运行。面对海量的数据处理，服务器的性能要求也是极高的，性能的高低影响着数据的处理能力和处理速度。在大数据中企业各系统间的数据是相辅相成的，某个系统出现故障都会影响其余系统的数据调用和分析处理，只有当系统平台和各应用系统都稳定运行，才能在用户有需求时给用户提供准确、有效的数据信息。网络安全则表现在数据的安全性和连续性上，应确保数据安全，避免系统遭到恶意攻击而数据被破坏、篡改、泄露。应保证各系统连续可靠的正常运行，避免网络服务出现中断。
5.结语
云计算、物联网、人工智能、区块链等多种新技术的发展和应用，为企业数字化转型创造了有利条件。随着企业生产规模的扩大，大量数据的处理需求日益增长，企业传统的数据处理方式已不能满足日益剧增的海量数据。企业数字化转型已成为必然趋势，大数据技术在企业信息化中的运用也将越来越广泛。
参考文献：
[1]王小玲.大数据在企业信息化中的应用创新 [J].自动化博览，2018（06）.
[2]任立锋，米楠.大数据在企业信息化中的应用分析[J].信息与电脑（理论版），2018（21）.
[3]邬丹华，陶明，李馨宇.大数据在信息化管理中的应用研究[J].网络安全和信息化，2020（12）.