国产欧美日韩精品a在线观看-国产欧美日韩精品一区二区三区-国产欧美日韩精品综合-国产欧美中文字幕-一区二区三区精品国产-一区二区三区精品国产欧美

摘要：大數據帶來機遇的同時也對企業的信息化提出了新的挑戰。如何在現有企業信息化成果基礎之上利用大數據發掘新的商業價值，并采用成本效益最好的方式獲得大數據帶來的好處，不僅需要堅實的技術架構進行支撐，同時也必須考慮與信息化密切相關的業務管理機制，從而積極尋求大數據在現代企業管理的應用創新，支持企業實現其自身戰略目標。本文探索互聯網+時代以“數據驅動，業務引領，技術保障”的新型信息化模式，從而為企業帶來創新的信息化價值。

關鍵詞：聯邦式；4V；BI；Gartner；What-If；BDA

某企業起初集中進行了信息化建設，其獨特之處是按照“有統有分，統分結合”的模式建立起了聯邦式的信息化管理體制。為“再造三個”等量企業發展戰略提供了堅強支撐，滿足了集團戰略對管理范圍、管理幅度和管理精度的要求^[1]。

在2005年企業進行集中的信息化建設之初，我們就提出了與商務智能（下稱BI）的報表系統的規范和統一路線，同步建成了某企業集中統一的報表平臺，其報表平臺的特征與當時Gartner所定義的商務智能特征相符。隨著信息化從集中建設轉移到深化應用的過程中，逐步建立起了集團與二級單位的自主和集中相結合的信息化管理方式。如圖1所示：

圖1 聯邦式IT

這種聯邦式的模式主要體現了“業務驅動，技術引領”的思路。便于推動各二級單位或職能部門能主導信息化項目的建設，從而擺脫由信息化部門主導而產生的業務部門應用效果不理想的問題。另一方面，為了更好地利用集中建設時期形成的知識和成果積累，避免各二級單位在同類信息化建設項目中走彎路，提高項目建設成功率，降低試錯成本，于2015年1月發布了《統一報表平臺架構》規定。其中是如下定義報表系統：“指用信息化手段進行數據采集、加工、匯總、展示，以滿足通過各種形式的報表進行數據分析、查看、整合、預測等需求的系統。包括但不限于數據倉庫、決策支持、分析平臺、大數據平臺、商務智能、管理駕駛艙等術語和俗稱所指的系統。”其中，已經將“大數據平臺”、“決策支持”、“分析平臺”作為報表平臺能支撐的系統。

隨著互聯網+的到來，黨的十八屆五中全會公報提出要實施“國家大數據戰略”，這是大數據第一次寫入黨的全會決議，標志著大數據戰略正式上升為國家戰略。原有的報表系統輔助以大數據等信息化手段，各二級單位和職能部門對信息化建設的方式逐步發生了變化，變得更加積極和自主起來，所以這也符合企業和國家發展戰略的要求。比如，2013年，進出口公司作為首家“移動智能報表系統”建設單位，實現了“以iPad、智能手機等移動終端實時、便捷訪問公司重點報表”的目標。而“移動智能報表系統”項目又屬于ERP深化應用項目中的專項工作之一。緊接著，某企業下屬電力能源公司通過統一的數據填報平臺，減輕所屬單位生產崗56%的填報工作量（以電廠為例）。生產報表由周頻提高到日頻，采辦報表由半年提高到月頻，上報報表可系統自動生成，提高了數據上報的及時性和準確性。系統數據和手工平臺數據相結合，為領導提供了集團全口徑數據。2014年，該企業下屬工程公司通過報表平臺實現了預算科目與核算科目的映射，從而解決了多年來工程項目成本核算不準確、無法給業主提供科學合理的工程報價的難題。在諸多的例子中，我們已經發現潛在的業務驅動的內在已經圍繞“數據”而展開。

在這種情況下，統一的報表平臺架構得到了廣泛的應用，從而使得數據集聚到了集中的數據倉庫中。這種數據的集聚也使得各二級單位和職能部門逐漸意識到數據治理工作對信息化價值實現的重要性。比如，在2015年，結合業務發展與信息化建設，陸續啟動了物資數據標準化、數據治理總體規劃等數據治理工作，力圖解決日益凸顯的數據資產日益增長與數據資產應用不足管理零散之間的矛盾，不斷推進數據環境的優化。企業數據治理的理念初步形成。

1　大數據時代所帶來的機遇和挑戰

“數據是新時代石油”，誰擁有了誰就具有相對其他人更大的競爭優勢。數據所蘊藏的巨大價值將引發一系列的管理變革，大數據技術與思維為企業經營和管理提供全新的機遇。大數據的概念起源于2000年前后谷歌提出的一套以分布式為特征的全新技術體系。經過三次重要的迭代。大數據的1.0時代，商業中的生產流程、銷售、客戶交互等數據開始被存錄、整合和分析。大數據的2.0時代，數據應用的對象出現了擴展，企業數據采集范圍從企業內部擴大到了整個互聯網。同時，應用對象也從企業的管理決策轉向了客戶行為分析。正在發展的大數據3.0時代，逐漸將數據的應用擴展到了各個產業和生產環節。大數據滲透到了企業的全部生產流程上。在數據來源方面，許多企業通過結合ERP系統、設備傳感器系統等數據源，全面掌握了企業生產環節的信息。在分析應用方面，則通過對監控信息和儲運信息的解讀，優化了生產流程和資源配置狀況，并將信息發送給使用終端設備的作業現場管理人員。對應大數據的三個時代，其應用可分為如下幾個方面：

1.1　加速商業智能BI在企業的應用

很多企業的管理者開始意識到大數據給企業所能帶來的巨大的商業價值，開始嘗試運用數據創造企業的利益增長和管理模式的創新。BI通過結合企業實際和事實進行分析總結，從而輔助商業決策的制定。2015年4月Gartner 發布報告，認為當今商業數字化呈現3個核心趨勢，其中前兩項為虛擬與現實結合、無處不在的商業智能。而在實現“虛擬與現實相結合”及“無處不在的商務智能”的主流技術中，大數據都處在變革的地位，而且影響力巨大。

圖2 虛擬與現實相結合中大數據的變革地位

圖3 無處不在的BI中大數據的變革地位

BI的新技術可以為企業提供快速有效的數據處理過程，包括從數據的收集到整理再到分析的整體過程。在數據化時代中，大數據不僅僅是BI的升級版，同時也是一場革命，可以在更大范圍的數據中獲取更多洞察力。大數據與BI的融合為企業帶來了巨大機遇，革新了商務智能的布局。

1.2　提高企業關聯數據挖掘技術的發展

由于本階段企業的數據采集范圍已經擴展到互聯網，隨著信息技術的不斷進步，各種新技術逐漸興起，比如云計算技術、交互行為技術等。由于數據范圍的擴充驅動了業務應用的擴展，如何應用數據的關聯性分析獲得商業價值成為了主要趨勢。傳統人工分析無法處理大量運算，也無有效方法來運用非結構化數據進行全面的分析。因此大數據分析應用的兩個難點分別是實現數據的關聯性挖掘，以及針對業務場景搭建合理的模型并進行擬合。

第一個難點是數據關聯性挖掘。為了全面挖掘沒有強相關性的變量間的聯系，首先需要進行全部變量互相間的相關性分析，以設備大數據故障預警為例，需要選取如事故日志、停機報告、產量統計等關鍵變量，進行全部變量針對關鍵變量的集群分類，以及關鍵變量和集群分類結果間的因子分析。得出了針對關鍵變量的相關因子之后，一方面需要將因子分析結果反推至所包含的變量，進行合理性的人工審查，一方面需要繼續利用回歸模型生成指導性結論。這個過程中的各個環節需要投入大量業務和技術人力進行篩選、修改、調整。所涉及變量數量眾多，每個變量對應數據的時間維度、細分程度等方面的選擇需要進行符合業務情況的檢驗和論證。

第二個難點是根據業務建模并進行擬合，在數據關聯性挖掘的環節中，首先要定位和理解有分析需求的業務場景。針對不同的業務場景和相關性分析、集群分類、因子分析等分析過程，需要從神經網絡算法、樹狀貝葉斯分類、層次聚類、非層次聚類等多種數學方法中，選擇匹配業務場景和分析需求的進行建模。整個模型的搭建過程中也需要針對實際業務情況，對模型的變量、參數進行多次驗證、調整和，并結合先驗數據進行擬合，以期建立合理、解釋性強的分析模型。

整個挖掘與分析的過程需要克服涉及變量眾多、歷史數據量巨大、需要專業業務和技術人力進行校驗、需要進行多次擬合和調整等多方面的困難。

1.3　加速物聯網與大數據等新業態融合創新

由于大數據3.0時代，已經滲透進企業生產全流程過程，包括ERP、傳感器等實時數據等。產生了BI和OI融合的業務需求，云計算、大數據與物聯網有著密不可分的關系。拿互聯網來舉例，物聯網對應了互聯網的感覺和運動神經系統。云計算是互聯網的核心硬件層和核心軟件層的集合，也是互聯網中樞神經系統萌芽。大數據代表了互聯網的信息層（數據海洋），是互聯網智慧和意識產生的基礎。包括物聯網，傳統互聯網，移動互聯網在源源不斷地向互聯網大數據層匯聚數據和接受數據。云計算與物聯網推動大數據發展。

物聯網的傳感器與云計算的大數據相結合，一個提供感應，一個提供反應，在大數據的提供下對數據進行分析和挖掘。同時通過對流式數據等傳感器數據的導入，產生了大量的IoT價值，這些數據是原始而且實時的，可以與現有數據結合而產生巨大的商業價值，可以廣泛應用于石油勘探、開發、生產等領域。比如，利用大數據和商務智能進行鉆井勘探成本分析（有限公司已有應用），潛在勘探點、油氣生產、人力資源和運輸優化分析，鉆井檢測分析（包括電潛泵的故障預測預警分析，目前某企業的工程技術服務公司正在做）。由于流式數據的接入，大數據的應用將產生無法

預估的經濟價值。

1.4　加強企業數據安全管理措施

在企業的經營管理當中，產生的企業數據主要包括客戶信息、企業信息等，其中包含了很多個人隱私信息。在大數據時代背景下，企業在加強信息管理創新的同時，還應當對企業的客戶個人信息，企業商業機密等數據進行有效的保護。在復雜的網絡環境中，企業必須采取有效的管理措施，更好的應對企業面臨的數據安全問題，才能夠更好的推動企業的經營發展。

2　大數據時代的內涵和外延應用

2.1　大數據時代的內涵

大數據是由數量巨大、結構復雜、類型眾多數據構成的數據集合，通過數據的集成共享，交叉復用形成的智力資源和知識服務能力。與傳統數據相比，大數據具有4V特征，即規模性（Volume）、多樣性（Varity）、高速性（Velocity）和價值性（Value）。同時也從這四個維度詮釋了大數據時代的真實內涵是大數據、大價值、深入綜合、精準化管理。

2.2　大數據時代的外延應用

在大數據驅動過程中，還存在其他的影響要素。而這一過程是大數據技術和分析的混合物，它們被用于定義數據資源的價值，而這種價值又可以轉化成驅動商業進步的可操作元素，包括：

（1）預測分析：預測分析是數據統計程序中的一類，它主要是對數據庫中的信息和趨勢進行分析，從而得到預測結論。在金融和科學領域中預測分析尤為重要，一旦有外部因素加入數據集中，就需要進行新的預測。預測分析的一個主要目的在于識別商業運作、市場和制造業中的風險與機遇。

（2）數據建模：它是一種假設性的分析應用，其中嵌套著多重的“what-if”語句，通過算法被應用于多個數據集。典型的例子是我們已經實現過的杜邦分析。杜邦分析法是一種用來評價公司贏利能力和股東權益回報水平，從財務角度評價企業績效的一種經典方法。在BI應用過程中，我們利用What-If分析的工具構成運營者的靈活分析模式，通過調整對資產負債率的大小變動，洞察權益乘數這類的財務杠桿效應，最終反映出公司權益資本收益率的決定因素。

（3）數據管理（Data Management）^[2]：數據管理是指利用計算機硬件和軟件技術對數據進行有效的收集、存儲、處理和應用的過程。其目的在于充分有效地發揮數據的作用，包括元數據管理、數據結構化、數據安全等內容。在統一的報表架構中，數據共享和處理層即是該項功能的具體體現。

（4）數據工程（Data Engineering）：數據工程是關于數據生產和數據使用的信息系統工程。數據工程建立在大數據背景之下，是對數據庫的建設與管理的工程，其主要內容包括數據資產積累、數據運營過程、數據處理結果和應用、數據時間和咨詢等。2015年4月14日，全國首個大數據交易所——貴陽大數據交易所正式掛牌運營并完成首批大數據交易。

大數據交易最大的應用前景在傳統產業，這不僅是由于幾乎所有傳統產業都在互聯網化，更是因為傳統產業仍然占據了國內生產總值的絕大部分份額，大數據交易會幫助這些傳統產業更快地完成轉型升級。大數據交易所的建成對數據工程提出了新的技術保障要求。以上分析可以稱作是大數據的外延應用。這種外延應用的存在有賴于人們對競爭優勢的永無止境的追求，并鼓勵企業組織采用更大的數據存儲庫，容納組織內部和外部的數據，以更好地進行趨勢揭示、數據統計、行動決策。這有助于將大數據的概念、相關工具、平臺和分析普及到企業經營和管理中。

3　大數據在石油石化行業的應用分析

I DC研究認為，在可預測的將來，大數據分析（BDA）將是油氣行業的重點投資領域。在大數據應用成熟度過程階段中，如圖4所示。

圖4 同行業企業大數據發展階段

國際大型油氣企業公司一直都非常重視數據處理，而大數據技術為這些企業提供了更多的創新性解決方案。康菲公司利用大數據技術，對油井壓力、溫度、產量、設備運轉情況等多種信息進行實時分析，提升了海量氣井數據的可視化和分析應用，為管理人員的生產決策提供了有效支撐，使4500多處天然氣井產量提高30%。道達爾公司使用了針對作業區設備的大數據監控和分析系統，在異常情況產生時可以及時發出預警，也可以提早預測和定位即將發生的設備問題，降低了生產損耗，避免了意外停車和惡性事故發生的概率。殼牌采用了大數據交易分析解決方案，在風險管控和業務合規性中找到問題，然后通過數據分析監控交易。這一方案中涵蓋了支持決策的預測分析技術，幫助企業定義交易模式，并利用統計分析防止潛在的損失。同時大數據在石油行業還可以進行機器數據洞察和全渠道洞察。

圖5 石油行業的洞察力示意圖

4　大數據的價值體現

隨著大數據的發展，企業也越來越重視數據相關的開發和應用，從而獲取更多的市場機會。一方面，大數據能夠明顯提升企業數據的準確性和及時性；此外還能夠降低企業的交易摩擦成本；更為關鍵的是，大數據能夠幫助企業分析大量數據而進一步挖掘細分市場的機會，最終能夠縮短企業產品研發時間、提升企業在商業模式、產品和服務上的創新力，大幅提升企業的商業決策水平，降低了企業經營的風險。波特五力分析模型是邁克爾·波特（Michael Porter）于80年代初提出，對企業戰略制定產生全球性的深遠影響。五種力量模型將大量不同的因素匯集在一個簡便的模型中，以此分析一個行業的基本競爭態勢。

該模型的理論是建立在以下三個假定基礎之上的，這些假定通過非信息化傳統手段難以克服，但是隨著BI及大數據的發展，這些假定條件的約束已經成為過去：

假定條件一：“制定戰略者可以了解整個行業的信息，顯然現實中是難于做到的。”

通過BI及大數據手段，確定企業和本行業的核心指標內容，比如通過標桿分析、KPI分析等手段，越來越清晰地實現企業戰略者對整個行業的了解。

假定條件二：“行業的規模是固定的，因此，只有通過奪取對手的份額來占有更大的資源和市場。但現實中企業之間往往不是通過吃掉對手而是與對手共同做大行業的蛋糕來獲取更大的資源和市場。同時，市場可以通過不斷的開發和創新來增大容量。”

通過大數據手段，可以隨時把握市場情況，獲得競爭優勢。

4.1　大數據助企業挖掘市場機會探尋細分市場

大數據能夠幫助企業分析大量數據而進一步挖掘市場機會和細分市場，然后對每個群體量體裁衣般的采取獨特的行動。用創新的方法解構消費者的生活方式，剖析消費者的生活密碼，才能讓吻合消費者未來生活方式的產品研發不再成為問題，如果你了解了消費者的密碼，就知道其潛藏在背后的真正需求。大數據分析是發現新客戶群體、確定最優供應商、創新產品、理解銷售季節性等問題的最好方法。通過數據驅動，產生應用，最后通過技術保障來實現整個產品的生命周期。

4.2　大數據提高決策能力

大數據能夠有效的幫助各個行業用戶做出更為準確的商業決策，從而實現更大的商業價值，它從誕生開始就是站在決策的角度出發。雖然不同行業的業務不同，所產生的數據及其所支撐的管理形態也千差萬別，但從數據的獲取、數據的整合、數據的加工、數據的綜合應用、數據的服務和推廣、數據處理的生命線流程來分析，所有行業的模式是一致的。

4.3　大數據創新企業管理模式，挖掘管理潛力

在企業管理的核心因素中，大數據技術與其高度契合。管理最核心的因素之一是信息搜集與傳遞，而大數據的內涵和實質在于大數據內部信息的關聯、挖掘，由此發現新知識、創造新價值。兩者在這一特征上具有高度契合性，甚至可以標稱大數據就是企業管理的又一種工具。因為對于任何企業，信息即財富，從企業戰略著眼，利用大數據，充分發揮其輔助決策的潛力，可以更好地服務企業發展戰略。

5　某企業大數據的發展緊隨企業信息化管理的發展

某企業大數據發展主要分為三個時期：

（1）ERP時期

就信息化價值而言，某企業ERP系統為全集團提供了一個統一及覆蓋總公司和各二級公司的經營管理應用系統，并且通過信息集成方式不僅完成人、財、物管理系統，也包括銷售、生產、維修等生產經營的專業應用系統，為戰略管理層提供決策分析基礎。此目標達成的過程中，統一的BI平臺首先是同步建立起來的，并且在其中起到了重要的支撐作用。在此階段，首先BI解決了決策者及經營管理者從“認識到”到“看到”的過程，并將業務流程逐步順暢。

（2）后ERP時期

隨著某企業的管理需求不斷深化。云計算、SOA、物聯網、移動互聯網、大數據BI等新技術的發展，企業的管理需求不斷深化，不再局限于傳統優化內部業務流程、提升運營效率的層面上，企業著眼的是企業管理系統能否提供有價值的商業信息，供管理層進行科學決策。使得決策者及經營管理者能充分利用碎片化時間，隨時隨地地掌握企業信息，從而改善原有的鼠標鍵盤的方式，從“看到”到“體驗到”。因此，企業ERP系統數據價值亟需挖掘。運轉多年的EPR系統積累了大量的行業數據，這些數據對于企業的經營決策和預測來說意義重大。如何確保這些數據安全存儲和及時運用，將影響到企業能否最大化地發揮ERP的價值。可以說，后ERP時代，ERP+BI將會成為數據的深度應用和分析將是企業管理的焦點，通過ERP、BI和大數據平臺的完美組合，ERP系統中的海量數據可以被充分挖掘，并進行多維度的分析、橫縱向的剖析和篩選，將大量原始的數據轉化成有價值的商業信息，不斷地為企業策略的調整提供數據支撐，讓ERP系統更好地服務于企業。

（3）互聯網+時期

“互聯網+”時代商業智能易用性是商業智能發展的必然趨勢而這一趨勢也將改變商業智能分析人員的組成結構，由傳統的IT信息人員做分析轉化為業務人員自主分析，更快地去響應變化的需求，節省大量溝通時間。隨著數據挖掘技術算法的精進，商業智能將結合人工智能真正實現預測分析，為企業決策提供前瞻性數據支持, 推動企業實現數字化轉型。

6　形成的某企業BI及大數據應用創新

6.1　企業BI及大數據應用創新方向

基于前期積累的成果，我們也積極開展BI及大數據應用創新實踐，探索企業管理創新的新模式。并確定大數據的應用方向：

（1）“大數據”發現“大油田”：充分利用物化探、井筒等多學科、多維度的數據，通過對數據的挖掘和應用，可以提高決策的準確性和全面性，實現新的油氣增產。

（2）“大數據”預測“小問題”：通過海量實時數據與歷史數據的結合，建立生產運行模型，實現生產預測及預警；分析挖掘設備的實施數據及歷史維護數據，實現設備的預測性維護，提高維護的針對性與有效性。

（3）“大數據”推動“微創新”：充分挖掘歷史的數據，優化管理決策，保證業務操作的規范性、科學性，為績效考核提供量化手段。

6.2　企業BI及大數據應用創新內容

十三五期間，某企業的大數據平臺將首先深化應用現有基于內存的企業數據倉庫的“報表四化”，從而為某企業的業務發展和企業管理決策提供更好的業務支撐。

大數據平臺將整合實時數據倉庫，形成生產智能決策的統一數據管理平臺，與“報表四化”相結合，從而在滿足企業管理決策的同時，支持生產智能決策的需求。

隨著某企業在“云物移大個”等方面的深化應用，需要在現有技術架構基礎之上融入大數據架構（Hadoop）,同時滿足結構化和非結構化的海量數據存儲和數據挖掘的需求。從而滿足基于大數據之上的企業決策需求，并支撐特定分析模型和業務場景的建設。

6.3　某企業BI及大數據應用創新思路

經過不斷地探索和實踐，企業各部門通過思維與制度轉變主動迎接和應對大數據帶來的問題與挑戰。樹立大數據思維，即共享思維、擴展思維、整合思維實用思維，實現精準化管理，形成企業特色的管理創新思路。

（1）共享思維：數據集聚、平臺共享

通過平臺共享延伸資源的共享、服務的共享和規模的共享。通過提供統一規劃的體系架構、管控模式，引入并融合大數據、非結構化數據倉庫和實時數據倉庫。通過數據集聚和平臺共享實現規模效應，集團和二級單位各施其責，通過數據和技術的融合，共同推進大數據在企業全面而深入的應用。不僅有利于集團管控，也能滿足多家二級單位的自主特色應用需求。

（2）擴展思維：混合架構、增量創新

持久的技術總是隨動于業務，為了避免信息孤島和信息化沉沒成本的流失，我們意在建立一套可靈活擴展的架構，不需要將舊系統推倒重來，而是在其基礎上融合現有基于內存的企業數據倉庫、實時數據倉庫、商務智能、大數據、數據挖掘與可視化、數據治理與管控等先進技術手段，以滿足未來企業的信息化管理要求。

（3）整合思維：整合資源、生態共贏

企業大數據平臺在整合某企業的內部數據的同時，要整合外部公有的數據服務平臺的結果，從而可以為未來的業務發展提供全方位的數據服務。嘗試建立大數據資產內部和外部流轉機制，構建企業統一的大數據服務市場。促進內部和外部的大數據交易，通過數據資產的交易實現互利共贏。

（4）實用思維：業務驅動、數據引領

數據治理是解決數據資產主要矛盾、挖掘數據資產潛在價值的必然選擇。通過建立有效的管理組織、認責機制、管理制度、系統架構，保證公司數據資產的可用、完整、準確、安全，并以此為基礎促進大數據的全面共享和深層應用。

6.4　企業BI及大數據應用創新成效

通過商務智能和大數據技術有望在企業信息化領域形成如下四大成效：

形成企業大數據系統基礎框架。支持實時數據、預測、非結構化數據分析等功基礎上融合現有企業基于內存的企業數據倉庫、實時數據倉庫、商務智能、大數據、數據挖掘與可視化、數據治理與管控二、數據集聚初具規模。不僅集成了人、財、物等管理信息，其他各類管理系統信息數據也頗具規模，很好的支撐了各級管理者輔助決策、優化運營管理等需求。

以資源共享的方式降低大數據信息化項目的風險和成本。

利用某企業集團規模的優勢效應，充分發揮大數據的規模共享優勢。

實現應用的共享。降低業務部門對IT技術的依賴，實現靈活自助的數據分析，并能廣泛應用。

實現更快更好的輔助決策支持。

7　結語

本文從BI開始，論述了大數據的出現如何改變了傳統“業務驅動、技術引領”的模式到“數據驅動、業務引領、技術保障”的模式，這種模式的變化是自然而然地，實踐呈現出來的。在這種發展趨勢下，我們可以與大數據一起，站在企業信息化創新應用的跑道上，一同前進，并發現其價值。

作者簡介：

王小玲（1972-），女，高級工程師，現任中國海洋石油總公司信息技術中心商務智能&大數據資深工程師，具有數據倉庫和商務智能技術理論基礎和實踐經驗的大數據分析及應用專業人才，不僅在MRP、電子商務、互聯網、ERP、商務智能、大數據等領域具有實操能力，同時也持有多項專業技術認證資格。

參考文獻：

[1] 中央企業管理提升活動領導小組. 企業集團管控[M]. 團結出版社.

[2] TalkingData. 智能數據時代：企業大數據戰略與實戰[M]. 機械工業出版社.

摘自《自動化博覽》2018年6月刊