信息化与大数据的区别？

点击联系发帖人 时间：2022-06-05 08:57

信息化大数据时代

大数据·智能化：城市高质量发展驱动引擎
中冶赛迪自主研发的Q-touch云端城市管理平台，以“大数据+智能化”为主要手段，实现城市大数据聚、通、用，提升城市精准治理，激活产业经济，推动城市高质量发展和高水平治理，实现人民对美好生活的向往。
聚：形成数据中心解决数据聚集，透彻感知，深度智能；
通：统一数据交换解决数据融通，一图呈现，全面融合；
用：打造集约架构解决数据应用，精准管理，品质服务；
基于物联网、互联网打造井盖、灯杆、停车位、广告牌、消防栓、管道网、摄像头、政府部门、社区、街道、老百姓、商铺、企业等等城市要素互联互通、有机融合的数字世界。

}

数字化浪潮下，企业纷纷寻求可信数字化发展路径。中国信息通信研究院（以下简称“中国信通院”）云计算与大数据研究所联合腾讯、阿里、建设银行、人保、浦发银行、中国移动、中国电信、中国联通、招商局集团、中油瑞飞、宝信等数十家各行业的龙头企业，共同研究建立企业可信数字化标准系列。包括面向甲方的可信IOMM标准体系，以及面向乙方的可信数字化服务商标准体系，助力企业清晰规划数字化路径，实现安全可信的数字化发展。企业数字化IOMM：Infrastructure and Operation Maturity Model, 数字基础设施和经营运营成熟度模型，是一套企业数字化发展分类分级成熟度模型，指导企业落地诊断自己各个环节和业务部门的发展水平。不同规模，不同行业的企业的模型一样，但细节指标不一样。企业可信数字化路径系列文章，将和大家一起探讨中国企业的数字化发展。

我们调研了不同行业的企业后发现，由于行业特点不一样，大家对于数字化的理解不一样，制造业把数字化放在了车间的数字化改造，金融行业主要是数字基础设施云化经营以及数字货币和生态等方面，材料企业主要是生产冶炼和ERP，运营商是IT和网络云化等等，为了把复杂的问题简单化，我们发现不同行业的经营环节是不一样的，最早数字化的点也不一样，但是数字化基础设施一体化云平台的需求是一样的，所以把企业数字化分成了数字基础设施和经营运营两个层面。但这个是具体执行层面的方法论，很多企业对于数字化是什么，数字化的路径是什么，数字化带来的安全可信等问题充满了疑惑。所以我们先来解决以下三个问题：

本质问题：企业数字化和信息化的区别是什么？不同产业、不同类型、不同规模的企业又如何理解数字化本质。

要不要做：数字化带来的降本增效好处体现在什么地方？

怎么做：根据自身情况随事而制，从哪个模块开始数字化？

本质：企业数字化和信息化有什么不同？

习近平总书记在《中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议》中提出“加快数字化发展。发展数字经济，推进数字产业化和产业数字化，推动数字经济和实体经济深度融合，打造具有国际竞争力的数字产业集群。”的愿景。作为信息化历史进程的延续，数字化和传统信息化的不同到底在什么地方呢？企业是构建数字经济结构的基石单位，企业数字化的程度影响数字经济的结构和产业数字化的进程，但企业数字化并不等同于产业数字化。

我曾根据中国信通院《中国数字经济发展白皮书（2020）》中“产业数字化”的定义，写了一个“企业数字化”的定义：

是指企业与数字技术全面融合，提升效率的经济转型过程，即利用数字技术，把企业各要素、各环节全部数字化，推动技术、业务、人才、资本等要素资源配置优化，推动业务流程、生产方式重组变革，从而提高企业经济效率。

但显然定义还是有点宏观，不太容易理解落地。可以从以下几个维度分解来看：

明确数字化的对象是“企业”，数字经济的基础结构单元。

我们经常讨论一个词就是产业数字化，在数字经济的大背景下，企业是实现产业数字化的主要参与者，产业数字化其实是靠企业的核心生产环节数字化后产生的积聚效应，但反过来对企业数字化来讲，实现产业数字化（也就是企业生产环节的数字化）只是企业业务流程和管理的一部分，“企业”作为一个组织体，业务流程和管理包含了很多模块，数字化是一个整体化、体系化的工程，既不能厚此薄彼，也不可能所有模块一蹴而就，总还是有先后。

宏观层面数字经济包括了产业数字化和数字产业化两大部分，产业数字化是数字经济的最主要部分，各国占比均超过50%，中等发展以上国家占比更是超过80%。产业数字化指的就是：传统产业应用数字技术带来的生产数量和效率提升，例如，数字农场、智慧工厂、数字货币等。

可以看到产业数字化聚焦的是传统产业的核心生产场景，提高的是整个产业的竞争力和经济水平，产业数字化还是要依靠企业去实现，但是对于企业来说，业务流程包括了很多环节，除了生产过程，还有采购、物流、营销等多个环节，如果只是通过技术生产实现数字化，还是孤立的岛屿，需要和采购、营销、售后等业务流程的数字化协同、贯通。而平时看似独立的财务和人力等管理模块也可以和业务流程打通，实现高效的人力和财务管理。从而推动技术、业务、人才、资本等要素的最优配置。2

企业数字化和信息相比的特点，用技术实现以客户为中心价值链的最短路径。

信息化注重实现单个业务应用的实现，数字化注重的是发挥体系化平台的力量，实现以客户为中心价值链的最短路径，资金和业务的快速迭代，以及各个环节的协同和整体化。

价值链条，场景化最短路径：价值链从局部到场景化最短路径。这个时代终端消费者的需求变化太多，变化太快了。信息化注重的是各个部门内业务的应用实现，数字化注重的是从客户需求价值链出发，缩短价值链，实现资金和业务的快速迭代。把流程所经过的相应的各个部门单元串起来，从应用架构和数据架构两方面实现协同、贯通，从而提高响应客户需求的效率，提高经济效益。在这个过程中也许会涉及人和组织架构的调整。

比如对于一个并不直接面向最终消费者的纺织上游生产企业，接收来自分销商或下游生产企业的订单，在下了生产任务后，由于终端消费者的需求经常变，80%的下游企业订单也会随时变，受限于企业MES，ERP等软件并不连贯，很难及时作出调整，极大的浪费了成本，所以很多功能软件需要协同贯通；另一个金融行业数字化的例子，这几年随着互联网的发展，不管是个人还是传统行业对互联网金融的场景层出不穷，所以要开发很多互金的应用，开发运行的效率需要提升，将开发和运营一体化，与此同时数字货币等场景也是更加适应互联网场景。（2）

业务应用，模块化开放化：业务应用从单体应用到模块化开放化。为了用技术实现最短价值链，原有的很多链条需要打通协同，生产、财务、人力等割裂的单个业务部门的应用就需要能够互相协同、链接、打通，与此同时原来的应用还要适合互联网、移动端等不断增加的新场景需求进行扩展。所以，一是需要把功能模块化，便于组合以及部署，二是需要把软件应用开放化，便于让其他应用调用。在这个过程中不一定所有的模块化的应用都要微服务部署，也许是传统部署模式和微服务模式并存，模块化和微服务化的含义不一样。微服务起源于互联网，个人以为本质其实是因为互联网的流量弹性大，以及核心应用和互联网应用的结合所对应的安全边界不一样。（3）

基础设施，云平台化组件化：企业数字基础设施从强调单点最优到云平台化组件化。为了适应业务模块化开放化的需求，需要一个易于开发、部署和运行的数字基础设施平台。以往信息化的思维建设基础设施，都是头痛医头脚痛医脚，今天这个技术火上一套这个系统，明天缺个工具，开发一个工具，工具恨不得都上百上千，资源虚拟化、部署容器化、开发微服务化、数据治理、不同的部门底层系统可能还不一样，很多系统不同但功能有重叠。每个系统之间缺乏整合、治理、连通。数字化以云计算技术为承载，融合大数据、人工智能、区块链、5G等新一代数字技术于一体的综合数字化平台底座，数字基础设施一体化云平台。将现有的多个平台和工具进行整合连通，实现应用和数据的打通，为业务部门开发新的应用提供统一的调用接口和组件化的工具，实现快速开发，甚至无代码开发，从而提高整体的效率。3

明确企业数字化的根本目的是“提高生产力”，“数字基础设施一体化云平台”作为生产工具先行。

其实不管什么科技革命，最根本的目的都是“提高生产力”，就像前三次科技革命一样，蒸汽、电力、信息技术为主要代表的生产工具，极大地促进了生产效率，而数字基础设施一体化云平台其实就是数字化时代的生产工具。以云计算技术为承载，融合大数据、人工智能、区块链、5G等新一代数字技术于一体的综合数字化平台底座，数字基础设施一体化云平台。

构成生产力的基本要素是：

以生产工具为主的劳动资料

引入生产过程的劳动对象

具有一定生产经验与劳动技能的劳动者

所以对于大多数的企业来说数字化发展的不管是自建还是租用，都需要有数字基础设施一体化云平台的支撑，企业数字化转型，数字基础设施先行。在这样的一个平台上，协同打通传统的各个业务部门的软件，开发最短价值链的业务应用，实现业务应用和数据的协同，支撑以客户为中心的价值转化。02

好处：数字化带来的降本增效好处

数字化所有的目标都是以效果和价值为导向的，可以为企业在运营成本、生产效益、产品创新、服务质量、安全风险等方面带来好处。比如，对于金融机构这种本身数字化能力就比较强的行业来说，通过建设数字基础设施一体化云平台，完善开发、测试、运营的一体化流程，提高应用的开发效率，降低运维的成本，从而缩短整个业务的投入市场的时间，快速根据客户反映更新应用，提高了终端客户满意度。

某证券公司，通过业务支撑PaaS平台建设，质量达标率提升至100%，研发交付成本下降15%，人工运维成本下降75%。

某保险公司，通过业务应用的解构，微服务开发，极大提升车险、非车险等核心业务的市场响应敏捷度，业务产品创新交付效率提升35%，用户满意度提升15%。

对于材料企业这样的传统企业，本身数字化能力没有那么强，首先从经营运营各个环节的打通开始，以某个业务应用为核心，比如ERP，与其他流程打通。某材料企业通过对其套装软件进行拆分重构，开发100多个接口，改造重塑近100个业务流程，大幅提升工作效率，销售年人均订单量增600多笔，内部流程审批平均节约30分钟。

怎么做：根据自身情况随事而制，

从哪个模块开始数字化？

企业的类型多种多样，规模大小不同，细分行业不同，同一个行业上下游不同，集团或单体公司不同，虽然大家的目标是一致的提高生产力，总体需要做的事情是一样，但是可能切入点不尽相同。

对于数字原生的企业，或者说是IT驱动型企业，首先是数字基础设施开始。

比如信息通信行业、金融行业、互联网等，他们经营的产品本身就数字化的，也就是0和1表示的。电信运营商的网络信号、互联网上的应用，金融行业的数字货币或者互联网金融产品应用等等，这类企业其实早就开始了数字化的道路。这类企业固定资产中，以数据中心、服务器等IT基础设施等占比较高；企业所经营业务、产品多以无形商品为主的企业；重视IT技术，自身IT研发能力、信息化程度较高。

对于非数字原生的企业，或者说是非IT驱动型企业，多是从企业经营关键环节的业务应用打通开始。

比如材料、矿业、纺织、种植、畜牧、餐饮等等，这类企业的产品不可能是0和1表示的数字化产品，都是看得见摸得着的有形产品。企业固定资产中，以厂房、生产线、地产、田地、动植物等为主的企业；自身IT研发实力较弱，IT系统局限于CRM、ERP等“套件类系统”为主的企业。比如餐饮业可以以客户服务管理为核心开始，生产企业可以从ERP开始。

对于集团类企业，除了横向的数字化，还包括了集团到各个条线的垂直数字化。

对于多种业务板块的集团类企业，除了各个业务板块自己的数字化过程，从集团管理层面，如果需要也可能要对一些管理板块进行协同、整合，比如人力、财务等等。目前已通过企业数字化IOMM评估的企业包括：建设银行、浙江移动、阿里云；招商局集团、宝武集团等IOMM评估正在进行。

同时，针对中国电信、中移苏研、腾讯云、京东云、亚信科技、嘉为科技、沃丰科技等企业的可信数字化服务商评估工作也在同步开展中。

中国信息通信研究院云计算与大数据研究所副所长

中国通信标准化协会 TC1 WG5云计算标准化组组长

中国通信标准化协会 TC608云计算标准和开源推进委员会常务副主席

云计算开源产业联盟秘书长

扫描下方二维码申报加入数字经济志愿者服务队

原标题：《中国信通院栗蔚：企业可信数字化路径——第一步数字化和信息化的区别》

}

大数据 ≠BI商业智能，大数据也不是传统商业智能的简单升级。
1、大数据和BI两者的区别
BI(BusinessIntelligence)即商业智能，它是企业数据化管理的一整套的方案，用来将企业中现有的数据进行有效的整合，快速准确的提供报表并提出决策依据，帮助企业做出明智的业务经营决策，解决的是管理运营战略的问题。

Data)是指在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。大数据侧重于解决某一类问题的方法，比如全网用户画像，对网络、传感器等非结构化海量数据的分析。
不管定义如何不同，大数据与传统BI是社会发展到不同阶段的产物，大数据对于传统BI，既有继承，也有发展，从"道"的角度讲，BI与大数据区别在于前者更倾向于决策，对事实描述更多是基于群体共性，帮助决策者掌握宏观统计趋势，适合经营运营指标支撑类问题，大数据则内涵更广，倾向于刻画个体，更多的在于个性化的决策。
当然纯粹从思想的角度讲，两者在概念上是可以实现统一的，都遵循数据-信息-知识-智慧这个脉络，甚至在更高的层次，两者也是可以统一的。
大数据不是空口说说，它的第一要务就是解决业务问题，大数据一定程度上就是用全新的数据技术手段来拓展和优化业务，传统企业需要聚集一拨人来研究这个问题，需要有人专门研究和探索。如果对外，想清楚新的商业模式，如果对内，想清楚在哪个场景，可以用大数据的手段提升效率。
当前大数据可以产生价值的地方，从行业的角度看，金融、银行、互联网、医疗、科研都有广阔的前景。从领域的角度看，广告、营销、风控、供应链都是大数据发挥价值的地方，对于特定企业，比如电信运营商，大数据也可以在网络优化等方面提供新方法。
并不是每个企业都需要打造自己的大数据平台，需要考虑到企业的信息化水平和各项成本，量力而行吧，可以自行研发，比如BAT;也可以选型采购，比如传统大企业；中小型企业也可以租用，比如用阿里云和AWS。
就事实来讲，BI的应用是远远大于大数据应用的，有其通用的道理。大数据相对于传统BI，也不仅仅是简单的PLUS的关系，它涉及了思想、工具和人员深层次的变革，BI人员既不要一提大数据，就嗤之以鼻，认为它是新包装的马甲，其实就那么回事;也不需妄自菲薄，以为搞大数据就那么高大上，它的确是BI大多数思想的传承。

之所以要区分大数据应用与BI(商业智能)，是因为大数据应用与BI、数据挖掘等，并没有一个相对完整的认知。
BI（BusinessIntelligence）即商务智能，它是一套完整的解决方案，用来将企业中现有的数据进行有效的整合，快速准确的提供报表并提出决策依据，帮助企业做出明智的业务经营决策。
伴随着BI的发展，是ETL，数据集成平台等概念的提出。ETL，Extraction Transformation Loading，数据提取、转换和加载，数据集成平台主要功能对各种业务数据进行抽取和相关转化，以此来满足BI、数据仓库对数据格式和内容挖掘的要求。
数据集成平台的基础工作与ETL有很大的相似性，其主要功能是实现不同系统不同格式数据地抽取，并且按照目标需求转化成为相应的格式。数据集成开始是点对点的，慢慢地发现这种模式对于系统之间，不同所有权的企业数据流向以及数据标准控制很难，为此，诞生了对统一企业数据平台的需求，来实现企业级之间的数据交互。
数据集成平台就像网络中Hub，可以连接所有应用系统，实现系统之间数据的互通有无。数据集成平台以BI、数据仓库需求而产生，现在已经跨越了最初的需求，上升到了一个更高的阶段。
如今大数据应用更多关注非结构化数据，更多谈论互联网，Twitter、Facebook、博客等非结构化数据，如此理解大数据应用，显然就有些走偏了。结构化数据也属于大数据，且呈现出相同的特点和特征，如数据量大，增长越来越快，对数据处理要求高等。
结构化数据是广义大数据中含金量或者价值密度最高的一部分数据，与之相比，非结构化数据含金量高但价值密度低。在Hadoop平台出现之前，没有人谈论大数据。数据应用主要是结构化数据，多采用IBM、HP等老牌厂商的小型机或服务器设备。
采用传统方法处理这些价值密度低的非结构化数据，被认为是不值得的，因为其产出实在是有限。Hadoop平台出现之后，提供了一种开放的、廉价的、基于普通商业硬件的平台，其核心是分布式大规模并行处理，从而为非结构化数据处理创造条件。
大数据应用的数据来源应该包括结构化数据，如各种数据库、各种结构化文件、消息队列和应用系统数据等，其次才是非结构化数据，又可以进一步细分为两部分，一是社交媒体，如Twitter、Facebook、博客等产生的数据，包括用户点击的习惯/特点，发表的评论，评论的特点，网民之间的关系等，这些都构成了大数据来源。另外一部分数据，也是数据量比较大的数据，就是机器设备以及传感器所产生的数据。以电信行业为例，CDR、呼叫记录，这些数据都属于原始传感器数据，主要来自路由器或者基站。此外，手机的置传感器，各种手持设备、门禁系统，摄像头、ATM机等，其数据量也非常巨大。
对于分析大数据的工具，目前所有的分析工具都侧重于结构化分析，例如针对社交媒体评论方向的分析，根据特定的词频或者语义，通过统计正面/负面评论的比例，来确定评论性质。如果有一个应用系统是接收结构化数据的，例如一个分析系统，接收这些语义就可以便于分析。（速鸿科技 - BI商业智能大数据分析工具与服务提供商）

BI(BusinessIntelligence)即商业智能，它是企业数据化管理的一整套的方案，用来将企业中现有的数据进行有效的整合，快速准确的提供报表并提出决策依据，帮助企业做出明智的业务经营决策，解决的是管理运营战略的问题。

大数据(Big Data)是指在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。大数据侧重于解决某一类问题的方法，比如全网用户画像，对网络、传感器等非结构化海量数据的分析。

下载百度知道APP，抢鲜体验

使用百度知道APP，立即抢鲜体验。你的手机镜头里或许有别人想知道的答案。

}

我就爱股票网