主数据管理

前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇主数据管理范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

主数据管理范文第1篇

Gartner在近期做过一次调查，2012年全球主数据管理软件的销量将达到19亿美元，较2011年增长21％。在未来5年里，主数据管理软件的销量将继续强劲增长，在2015年达到32亿美元。

不过，Gartner同时也指出，当前主数据管理的需求仍然是北美和欧洲地区最大，这两个区域的MDM软件销量将稳步增长，并分别于2013年和2015年达到10亿美元大关。在2013年，MDM软件收入将在亚洲/太平洋地区实现较快增长，收入将较2012年增长30％，至2.09亿美元。

主数据管理市场需求以超过20%的速度在逐年增大，在这一领域竞争的厂商也在逐渐增多。通常认为，MDM市场的三大领军者分别为IBM、甲骨文和SAP。但是2011年，在Gartner公布的“2011客户数据解决方案主数据管理（MDM）魔力象限报告”中，则把Informatica列入位居领导者象限。自此，主数据管理市场又多了一个实力派的竞争者。

不辨不明：主数据的定义

从Gartner的调查数据，我们发现国内对于主数据管理的价值还有待进一步提高认识。在这里，编者先大致地介绍一下主数据的定义。对于主数据有很多不同的定义，综合起来可以定义为：企业内能够跨业务重复使用并且需要共享的高价值数据。

那么，具体哪些数据才是主数据呢？例如：客户、供应商、账户、组织单位、员工、合作伙伴、位置信息等都是主数据，大部分的交易数据、账单数据等都不是主数据；而Informatica中国区首席产品顾问但彬则一针见血地指出，主数据是企业的核心数据，是企业最权威、一致的一系列标识、扩展属性和层次关系，它在企业运营中担当着关键角色的数据实体。

同时，有些人会将元数据和主数据混为一谈。对此，但彬指出，主数据和元数据是两个完全不同的概念。元数据是指表示数据的相关信息，比如数据定义等，而主数据是指实例数据，比如产品目录信息等。

主数据面临的难题

但彬认为主数据面临的问题主要有四个方面，其中包括主数据的定义、流程、质量和共享等难题。

1.在定义方面，没有统一的标准，没有明确的定义和范围。

2.在流程方面，数据创建、维护等管理流程不一致。

3.在质量方面，数据缺乏完整性、一致性、准确性，重复数据多，也导致主数据管理难。

4.在共享方面，不知以谁为“主”、共享途径不畅及访问控制困难等问题也让主数据共享产生困难。

这些问题的本质往往是因为多点维护以及缺乏信任规则造成的。

精明的IT决策者们正在想方设法寻找技术来解决上述问题，而MDM就是恰当之选。MDM是一系列的工具和处理过程，确保企业主数据的高质量、统一定义和流通便利性，这就正好把主数据所面临的定义、流程、质量和共享等四大难题给一一解决了。

主数据管理的三大要素

既然我们已经非常清楚主数据管理的难题是什么，那么具体该如何化解难题呢？但彬支持主数据管理的三个关键点需要确认，包括主数据模型、主数据整合手段和主数据服务等，以帮助解决主数据面临的四大难题。

首先，确定主数据模型。企业需要确定机构主数据的范围，然后才是确定机构数据模型和标准，但几乎没有拿来就能用的模型，往往需要根据不同机构的业务需求来定义模型。所以主数据管理的定制能力很重要，需要支持模型的灵活定义，特别是对未来更多类型主数据的支持。

其次，确认主数据整合手段。在主数据的整合过程中，企业要选择的是采用哪种模式进行整合。

一般情况下，整合手段有四种模式：第一种是注册模式，适用于标示单一的客户、病人、产品等；第二种是合并模式，用于支持DI/DW报表和分析要求，以及法规遵从等；第三种是共存模式，面向销售、市场、客户服务支持操作型要求等；第四种是集中模式或交易模式，它同时支持分析型、操作型的需求等。不过，这四种模式并不是独立存在的，往往是多种模式的一个组合，最后，通过SOA服务方式，将主数据管理信息服务化，供不同应用使用。

第三是配置主数据服务。配置主数据服务是主数据管理的关键环节。其中，重复数据识别是主数据管理中的重要能力，根据配置的规则，标示在多个系统中存在的潜在的匹配对象，根据阈值定义，确定是否匹配，将有疑似的匹配结果，通过业务流程提交人工确认。另外，需要特别说明的是数据间的层次关系，它可以帮助企业全方位了解信息，其关键要素包括：跨系统、跨应用能力；为不同的商业目的，创建、管理多种不同的层次关系；关联不同的实体，构建360度视图，并且可以保持所有实体关系。

主数据的管理常常被误解为是个单纯的数据标准问题，而实际上在企业内部贯彻实施统一的标准需要愿景、制度、IT等全方位的配合，也就是说，主数据管理实质上是个管理问题。为MDM建立的独立信息平台，最好由业务方面的高层来负责，而不是IT部门负责人，因为，很多时候并不是技术的问题，而是业务部门之间的协调。

主数据管理与数据仓库的区别

有企业用户发出疑问：企业刚刚部署了数据仓库，是否可以在此基础上进行主数据管理？这两者有什么区别呢？

事实上，数据仓库系统的分析结果可以作为衍生数据输入到MDM系统。我们可以从目的、处理方式和数据量等三个方面来区分主数据和数据仓库。

主数据是经常需要维护的，需要确保其时效性和准确性。

首先，两者的目的不同。主数据管理的目的是导出绝对真实的核心数据，即关键业务数据，同时还得提供主数据之间的关联性，而这在数据仓库里是难以找到的。

其次，两者的处理方式上不同。主数据管理是一种偏交易型的系统，系统的服务对象是呼叫中心、B2C、CRM等业务系统；而数据仓库是属于分析型的系统，面向的是分析型的应用，在大量历史交易数据的基础上进行多维分析。

最后，两者的数据量上不同。主数据管理存储的仅仅是客户和产品等核心数据的信息；而数据仓库存储的是来自历史数据和各个维度的汇总数据，可能是海量数据。

详解Informatica MDM

但彬详细介绍了Informatica公司解决企业面临的主数据管理难题的灵丹妙药――Informatica MDM。Informatica MDM在架构上分为两层，底层称为主数据的集成平台，即Informatica 9，它可以实现数据集成、数据质量的清洗、识别，同时还提供数据孵化的一些功能以实现服务。在它基础上是MDM的核心功能，包括模型落地、匹配、识别、信任框架等等都在这上面去实现。

Informatica MDM是单一平台上的成熟、灵活的多领域主数据管理解决方案，它可以帮助企业迅速部署和轻松扩展，解决多个部门和地区的业务问题。Informatica MDM产品的功能主要分成三大部分，七个步骤。这三大部分包括：首先，必不可少的是要有数据的获取和数据的，这是指主数据的入口和出口；中间核心部分是任何主数据管理产品所需的五项核心功能（发现、建模、识别、解决和治理）。

发现（Discover）――了解主数据的来源、现状；

建模（Model）――用灵活的数据模型定义任意类型的主数据；

清洗（Cleanse）――快速匹配和准确识别重复项目；

解决（Resolve）――合并以创建可靠、唯一的真实来源；

治理（Govern）――创建、使用、管理和监控主数据。

主数据管理范文第2篇

关键词：主数据管理；建模；历史回朔；统一视图

中图分类号：TP393 文献标识码：A 文章编号：1009-3044（2014）07-1375-03

1 概述

在政务大集中的背景下，如何进行市民统一信息的汇集和管理，成为目前政务信息系统管理的首要难题。市民信息的统一整合，在当前政务集中办公的环境下对各政府部门数据整合的要求会越来越高。如何解决这一难题，我们通过目前主数据管理技术来进行一下探讨。

2 主数据管理系统应用架构简介

在主数据管理平台设计相应的符合业务需求的主数据模型、解决冲突的主数据和多版本主数据库的历史轨迹管理、浏览和维护主数据、提供相应的主数据服务、报表、管理和维护所需要交换给其它不同单位的主数据服务。

3 主数据模型示例介绍

根据市民统一信息日后的针对不同业务部门的应用需求，建议通过建模工具，对市民统一信息平台上的市民主数据模型应分为两个主要模块：

1）日常信息交互中最常使用的，公用的市民的基本信息

因为这些信息是包括公安、工商、民政、卫生等各个业务系统中市民的最基本组成信息。以此作为信息基础，将通过其智能算法，根据一条记录这些信息的综合相似度来自动判断各个系统中抽取上来的市民记录组是否为同一个市民的记录。

主要数据模型至少应包括，但不局限于，如表1所示。

2）市民信息及业务系统主键信息

作为统一市民信息平台上数据交换的核心，主数据管理平台通过其准确、高效的记录匹配算法将各个业务部门中同一个市民关联在一起。然后将记录该市民在源系统中对应记录的主键。 以此来关联多个业务系统之间的数据，支持系统之间的业务互动。（注：当来自于业务系统中的有重复记录时，主数据管理系统将保留同一个人在一个业务系统中的多个主键）

依据这样的主数据模型设计，主数据系统将拥有一套完整的准确的市民基本信息作为市民身份识别的基础，以及这个市民在各个业务系统中所对应的主键和常用业务信息。 才可以用最低的成本，最灵活的设计，和最有效的方式来为市民卡平台以及市政各个业务部门提供最完整和准确的市民360°信息视图。

同时，还可以通过主数据系统的用户授权管理以及个性化视图等功能，作为数据安全的第一道安全屏障，确保市民信息的安全。

4 主数据管理系统应用功能简介

作为统一市民信息上的主数据服务核心模块，主数据管理平台将为平台上的应用系统及周边的应用系统提供一系列的市民信息的基础服务。

当统一市民信息平台从公安、社保、劳保等系统中抽取出相应的市民基础信息后，将这些清洗过的数据录入到主数据管理系统中，进行市民基本信息的匹配、关联、除重等工作，将坐落在不同机构系统中，归属与同一个市民的信息进行关联，最终形成一份唯一的、完整的、准确的市民基础信息为所有业务部门提供信息服务。

1）市民基本信息模型的建立：综合各个同业务部门对数据的需求，来建立一套完整的、合理的市民基础信息数据模型。

2）市民的匹配关联：将采用市民的基本信息，通过人性化、智能的算法，根据姓名、地址、身份证、电话等属性的相似度，将同一个市民在公安、社保、民政、卫生等不同业务系统中进行关联，以此建立平台上市民单一视图的信息基础。

3）市民信息不一致的任务生成：由于市民信息分散在不同业务系统中的，必然会导致信息的差异性和不一致性。主数据管理平台将会通过其智能的算法发现同一个市民在不同系统中差异化较大的信息，并生成任务列表以及完善的任务处理工具来彻底解决这类问题。 从而最终生成一份完整、可信的市民数据。

4）市民家庭关系的建立：主数据管理将会根据现有信息中的家庭关系的定义，自动去发现和建立人与人之间的关系。随着市民卡平台服务的拓展，产品也可以支撑对企业与人，企业与企业等之间的关联关系的建立，更好的来满足日益增长的业务部门的需求。

5）个性化视图：根据不同业务部门对数据内容的差异化，主数据管理平台可以根据业务部门的需求提供个性化的信息视图。例如，为卫生局、计生委提供健康信息视图，给公安、民政提供个人关系视图等。

6）信息变更同步：市民卡平台是各个业务部门的联系点，不仅是一个市民的信息交换的平台，也起到了对信息准确性和一致性的监管职能。 主数据管理平台有一套完善的信息同步机制来确保当某些业务部门发生信息变更时，及时的得到通知，并广播给其他的业务部门。

7）历史信息追溯：主数据管理平台对市民的基本信息的关联、归并、变更等操作保留原始痕迹。 当信息使用部门或监管部门对信息的准确性提出质疑是，可以通过访问历史信息，追溯到修改信息的内容、时间、具体操作人员。

5 总结

在统一市民信息平台的信息整合中，主数据管理技术将支撑其主数据服务这个核心模块的主要技术。通过主数据管理自身的灵活、稳定、以及可扩展性也将随着统一市民信息业务不断的拓展和成熟，体现的越为明显和突出。

参考文献：

[1] 林泳琴.面向企业应用集成的主数据管理系统[J].电脑知识与技术，2011（19）.

主数据管理范文第3篇

关键词：电网企业;物资主数据标准化管理;运维管理机制

中图分类号：G726 文献标识码：A 文章编号：1007-0079（2014）33-0172-02

随着国家电网公司等电网企业不断推进物资信息化体系建设、不断提高物资集约化程度，建立统一的物资主数据体系成为电网企业一项非常重要的基础性工作。为加强物资主数据建设、统一物资主数据管理体系、深化物资主数据应用，国家电网公司逐步建立以物料主数据、供应商主数据、仓库主数据为基础的物资主数据体系，并通过统一的主数据管理平台统一对物料主数据进行管理和维护。

一、物资主数据发展历程及现状

2009年以前，部分信息化推广程度较高的网省电力公司，在所属建设、运营范围内建立、推广物资主数据体系，并在整合企业物资资源、提高供应链效率等方面发挥了重要作用，也为国家电网公司统一推广物资主数据体系积累了经验、奠定了基础。

2009年，国家电网公司为推进物力集约化体系建设，建立了物资分类与编码标准统一的主数据资源库。主数据管理系统（MDM）正式上线，基于一体化平台实现与各业务应用集成，实现主数据的查询、申请、审核、分发/下载等功能，支持编码标准和主数据在全国范围内的统一应用。之后，根据公司建设、运营的实际需要，不断完善、补充、修订物资分类及各类主数据。目前，系统大、中类物资分类新增需求极少，已经基本涵盖所有常见通用物资。物资主数据新增趋势如图1所示：

二、物资主数据标准化管理体系

物资主数据管理体系包括物料主数据、供应商主数据、仓库主数据三部分，分别对电子商务系统、ERP系统及其他物资管理系统中的物料、供应商、仓库信息予以规范化、标准化，具体内容如下：

1.物料主数据

物料主数据主要包括物料分类编码、物料编码两部分。

（1）物资分类编码。物资分类编码体系是企业物资信息资源共享的基础，是ERP等信息信息系统之间联系的桥梁。物资分类和物资分类编码规则是该体系构成的两大要素：

1）物资分类。物资分类是根据物料特征对物资进行区分归类，对物资进行分类时实施物资编码的基础。国家电网公司物资分类体系包括大类、中类、小类三个级别，以电网物资为例，分为20个大类，包括一次设备、二次设备、通信设备、仪器仪表、装置性材料等;每一大类下又分为不同的中类，以一次设备为例：在一次设备大类下共分29个中类，如交流变压器、交流电流互感器、交流电压互感器等;每一中类下又分为不同的小类，以交流变压器为例：在交流变压器中类下分为12各小类，如10kV变压器、35kV变压器、110kV变压器等。

在小类下，进一步区分物料，分别定义特征项和对应的特征值。特征项是指用来定义一条物料的多项主要属性参数，其中每一项参数都被称为一个特征项。特征值是指每个特征项下包含的不同数值，其中每个数值被称为一个特征值。特征值和特征项按照不限定供应商、方便需求填报、满足统计要求、满足物料描述的准确性要求、综合实用性要求的原则编制。

2）物资分类编码规则。物资分类编码规则采用3层7位数字代码，代码结构如图2所示：

（2）物料编码。物料编码的应用，便于信息系统进行识别和检索，便于对物料进行高效、有序的管理，便于对物料进行分类与统计，便于计划、采购、合同、监造、履约、库存等各环节实施管理，便于物料信息的交换与共享。物料主数据是不可缺少、不可替代的关键主数据。

1）物料编码的方式和原则。物料编码是以简短的文字、符号或数字、号码来代表物料、品名、规格或类别及其他有关事项的一种管理工具。物料编码的编码方式分为赋义编码和顺序编码，编制原则遵循简单性、层级性、完整性、单一性、一贯性、伸缩性。

2）物料编码的应用。为实现物料编码的规范性应用，物料编码具有标准、非标、使用、冻结等多种标识功能。基于物资采购标准，在系统中建立了采购标识自动判定规则，以自动判断并生成物料编码的标识、物料编码与采购标准的对应关系。设计单位在编制技术规范时，系统可显示物料的标识并自动引用对应的采购标准模板。

2.供应商主数据

供应商主数据是以简短的文字、符号或数字来代表供应商及其相关事项的一种管理方式，是供应商在企业ERP系统中的标识，是进行数据交互和分析的基础。供应商主数据采用的是10位数字的流水码，含有38个字段，包括供应商名称、工商登记号、税号、全国组织机构代码、邮政编码、通信地址等信息。

供应商主数据在主数据管理平台中进行统一管理，参与采购业务的供应商均需在主数据管理平台进行申请，运维人员核对通过后，通过接口发送给业务系统使用。

3.仓库主数据

仓库主数据是以简短的符号和数字来代表仓库所在的单位、地理位置及其他有关事项的一种管理工具，是实体库在ERP系统中的标识，是进行货物收发货、转储、盘点等业务活动的基础和前提，是对库存进行统计分析的数据基础。根据管理需要，仓库主数据包括实体库主数据和虚拟库主数据。实体库必须在主数据管理平台中进行注册，包括仓库名称、地址、面积及库存编码等信息。试题仓库的注册范围包括区域库、周转库。[1]

三、物资主数据管理平台功能设计

物资主数据管理平台（SG-MDM）是国家电网公司为进行主数据统一管理而建设的一套管理系统。该系统以物资主数据体系为依据，对各类物资主数据统一编码，同步至ERP业务系统，从而达到对物资主数据进行有效管理的目的。物资主数据是物资管理中所应用的ERP系统、电子商务平台和辅助决策系统的基础，通过物料、供应商和仓库主数据的维护，实现了数据交互和共享，保证了物资主数据在整个业务系统内的实时同步。

1.物料主数据功能模块

主要功能包括物料主数据的查询、申请、审批、分发、冻结，具体功能如下：通过物资主数据管理平台，可以采用多种查询方式进行物料主数据的查找;对没有对应特征值的小类进行特征值和物料编码的申请;查询物料编码和特征值的分况;管理员对物料主数据进行冻结;可以实现主数据同步下发至总部ERP、省公司ERP及电子商务平台。

2.供应商主数据功能模块

包括供应商主数据的查询、申请、审批、分发、冻结，具体功能如下：通过物资主数据管理平台，可以采用多种查询方式进行供应商主数据的查找、申请;管理员可以对省公司的供应商主数据申请进行审批;查询物料编码和特征值的分况;省公司可以提出供应商主数据的冻结申请;管理员可以对供应商主数据的冻结申请做审批;管理员可以单独进行供应商主数据的冻结。

3.仓库主数据功能模块

包括仓库主数据的查询、申请、修改、审批、分发、冻结，具体功能如下：通过物资主数据管理平台，可以进行所有仓库的查找;省公司可以申请、冻结或修改仓库主数据;管理员可以对申请进行审批，审批通过后，系统自动进行分发;省公司可以查询仓库主数据的分况。[1]

四、物资主数据运维管理机制

为适应物力集约化管理要求，创新物料主数据管理理念，提升物资标准化应用水平，国家电网公司对物料主数据新增、修订申报、审批实行“省公司分批次内外时段申报数据，国网物资部集中审批、统一修订下发”的模式。其中：“批次内申报”是指各单位在规定批次、时段内完成物料主数据新增或修订申报;“批次外申报”是指各单位未在规定批次、时段内提出物料主数据新增或修订申报;“集中审批、统一修订下发”是指，总部在规定时间内，集中审批和下发各单位提交的新增物料主数据，结合集中招标批次的审查会，统一评审、集中修订下发。

1.职责分工

按照总部、国网物资公司、省公司及各单位的职责定位，物资主数据运维的业务受理范围划分如表1所示：

表1 物资主数据运维业务受理范围划分表

序号 业务受理单位（岗位） 业务内容

1 各单位物资标准化专（兼）职管理员 物资分类与物料主数据提报过程中的常见问题（如：业务操作、数据查询等）

2 国网物资公司 主数据新增、修订及其他业务问题由国网物资公司在工作日受理、咨询专家并形成修订意见

3 国网信通公司 系统功能故障及系统操作指导

4 国网物资公司、国网信通公司 系统操作账号由各单位提出申请，报国网物资公司审批，交国网信通公司具体办理

2.物资分类新增机制

各单位收集新增分类需求，组织专家开展预审，确定所属大类、中类、小类，计量单位及特征项、特征值，填写物资分类申请模板，提报至国网物资公司。经咨询专业专家意见、国网总部批准后，在主数据管理系统中完成新增。审批不合格的注明原因退回至需求单位。

3.特征值和物料主数据新增机制

各单位收集新增需求，组织专家开展预审，进入主数据管理系统，提交新增申请。经咨询专业专家意见、国网物资公司审批后，在主数据管理系统中完成新增。审批不合格的注明原因退回至需求单位。

五、结论

物资主数据标准化是企业全面、深入推广ERP系统、物资信息管理等信息系统的基础。物资主数据标准化体系通过规范、统一物资主数据，打破了企业管理信息系统之间的壁垒，将各个信息孤岛予以连接，实现了企业信息资源的集成、共享;同时，将企业供应链各个环节的业务、信息予以贯通，实现了物流、业务流、信息流的整合。物资主数据标准化体系的建立和推广为电网企业提升供应链运作水平、降低运营成本、实现精益化管理提供了有力支撑。

主数据管理范文第4篇

1数据库技术在工程经营管理中的作用

1.1建筑工程管理的理念。如今我国的社会不断地进步，和谐社会建设成就突出，建筑工程的经营管理已经不再是单一的高效益，如今工程企业所追求的不仅有高效益的工程质量还要有较低的成本，利用科学的方法进行成本的控制，才是一种有效的合理的全方面的管理过程。

1.2目前建筑企业管理中所存在的问题。与以往相比，我国的建筑工程企业的管理水平在不断的提高，但是与一些发达国家相比我国的建筑业水平还很低，存在着很多经营管理上的问题，比如执行力较差、科技含量不高、方法比较老旧、管理者思想保守等，这一系列的问题都困扰着我国建筑业的发展，如何利用科技的手段来解决这些问题已经是管理们迫在眉睫的任务。

1.3信息技术在建筑工程管理中的作用。进入21世纪以来全球的信息技术不断的发展，我国也不例外，随着信息技术的不断发展各行各业的在广泛的使用信息技术带来的成果，并且把这些成果渗透到工厂的生产，公司的管理上来，不仅提高了生产的效率，还能不断的节省成本。如今信息技术的发展不断的影响着人们的生活和社会的金进步。利用信息化的管理模式不仅能够高效的处理各种事物，能够利用逻辑的关系来结实一些数据之间的关系，可以有效的控制工程施工过程中的成本预算，可以根据预算的数据不断的控制工程的成本，只有这样才能对工程的施工提供可靠的保证。如今数据库不断的运用到建筑工程经营管理中，可以利用数据库高效准确的对数据进行管理，如今设计一个以数据库为核心的管理平台极为重要，可以发挥数据库的优势对建筑工程企业的各项管理进行服务，不断的深化企业的管理制度，控制工程的成本。

2建筑工程管理的数据库设计

2.1选择合适的建筑工程管理数据库系统。在建筑工程企业管理的信息化设计中，最为重要的就是数据库的选择，数据库的选择直接影响系统的功能和效能，因此必须根据实际的情况，结合系统的应用平台以及数据库的开发支持的情况来选择数据库，经过分析和研究，得出建筑工程企业管理在选着数据库时应该注意以下几点：第一，由于在成本预算和核算的过程中处理的数据比较多，因此必须选择功能强大的数据库作为系统的核心；第二，选择的数据库必须可以存储大量的数据，还要能够让很多的用户进行访问；第三，一定要能够进行扩展和伸缩，可以根据实际的情况来确定数据库的使用；第四，所选择的数据库的维护功能必须完善。在选择数据库时可以参考以上几点进行选择。

2.2建筑企业管理数据库的设计。在数据库的设计中包含一个名词叫表空间，它主要是数据库的逻辑划分，基本上每一个数据库都会有一个表空间，数据库中的表空间主要是用来存放数据字典和回滚段，在数据库的运行中一定要减少输入和输出的冲突，在这里表空间起到了很重要的作用，表空间可以根据用户的输入输出量进行逻辑的划分，可以做到表空间和系统应用的衔接，具体的实现方式主要还是通过数据段、索引段以及回滚段来实现。

2.3数据库的建立。数据库顾名思义就是存储数据的仓库，它主要是按照数据的结构来组织和存放、管理数据，在这个系统中管理的对象就是建筑工程企业在施工项目过程中所产生的所有的基础数据，这些数据主要是来自基层的管理人员，并且这些数据都是一手的资料，比如，施工过程中运用的一些钢筋混凝土的标准表数据以及混凝土的一些标号等，除了需要这些数据以外，还要有一线的管理人员对这些数据进行确认、合适以及提炼，经过相关工作人员的手工处理以后，才能得到一些原始的数据，这些数据是计算机无法得到的，只有得到这些数据以后，才能输入计算机进行逻辑的运算，这些原始数据都是成功利用数据库原理控制经营成本的前提。建立数据库不但能够对数据进行处理和存储，还能对数据进行共享，这样就能保证数据的独立性实现数据的集中控制，这样还有利于数据的维护。

2.4以数据库为核心的建筑企业经营管理系统。建立以数据库为核心的建筑工程企业管理系统，首先就必须把数据的管理作为每一个工作人员的职责，利用数据库的功能进行数据的存储和处理，使得工作人员能够全方面的参与到工程的管理中去，可以实现一个人输入的数据可以让很多人使用，每个工作人员都可以随意的调用一些有用的数据进行管理，系统也会自动的进行数据的流传。

2.5经营管理信息系统的功能。在系统设计的初始阶段要根据工程现场的实际情况进行分析和调研，这里主要调研的对象是工程的成本，只有结合实际的情况以后才能了解建筑工程企业的需求，根据软件的基本原理来建立数据库的基本结构模型，本文所设计的系统在明确了工程的基本需求以后给出了以下几种功能：在本文的系统设计中需要强调的是在系统的设计初始阶段要对工程的任务进行详细的分解，利用项目的进度以及项目的成本控制来对项目中的各个数据进行采集额处理，这样才能实现项目建设过程的重精细化管理，可以为项目的管理者提供决策的根据。

2.6经营管理系统在建筑工程项目中的应用。在实际的工程项目中，本系统可以实现项目的事前计划控制，还可以加强项目中的一些过程的控制，可以使得在项目的进行中形成一个良好的循环，不断的反馈项目中所产生的问题，可以利用现在的科学的管理方法和手段，把一些数字化的管理模式运用到每一个环节中去，只有这样才能保证工程的顺利进行，才能在保证工程质量的前提下控制好工程的成本，提高公司的经济效益。（1）数据库信息系统在事前经营管理中的应用。项目开工的起初，由一些预算人员对项目进行预算，完成对总体项目成本的预算，并且分工协作把预算的工程量进行分类和整理，并且把这些数据进行输入计算机中建立数据库，通过信息系统传到各个部门进行审核。成本控制是企业的主要任务，上级的公司必须根据市场的实际情况进行成本的控制，严格的核实工程的量，可以利用信息平台来编制一些核算表，并通过数据库进行处理，可以对每一个经费进行分类，分成几个核算的分表，然后把这些表发到每一个部门进行审核并且通过数据库系统提供一些提料计划；（2）数据库系统在经营管理中的作用。数据库信息系统可以在管理中严格的执行合同上的条款，这样可以严格的控制一些用料的浪费，并且制定一些奖惩的措施，这样才能真正的做到人尽其才，物尽其用；（3）数据库信息系统在事后管理中的应用。在信息系统使用以后就可以处理一些事后的纠偏控制，可以为管理人员提供更方便的管理方法，还可以根据工程建设的进度对成本进行控制，非常方便实时的成本控制。对日后的一些新的项目也有一些参考的价值。

3结束语

主数据管理范文第5篇

[关键词] 人力资源管理系统；大数据时代；大数据人力资源管理

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2016. 13. 051

[中图分类号] F272.92 [文献标识码] A [文章编号] 1673 - 0194（2016）13- 0096- 02

0 引 言

在2000年以后，国内企业逐步效仿西方先进组织投资建设人力资源管理信息系统，功能也逐步由数据记录转变为支撑人事管理业务流程，随着新技术的发展，人力资源管理系统也积累了内部员工的海量数据，这将是我们拥抱大数据时代的利器，借助信息系统，未来人力资源管理的发展趋势也一定是大数据人力资源管理。

1 人力资源管理信息系统的发展历程

人力资源管理信息系统即借助信息化手段实现企业人力资源业务管理，其发展历程是企业人力资源管理水平提升和信息技术发展的直观体现。

第一代：简单的薪资计算系统。20世纪60年代，国外大型企业由于手工计算工资费时费力，时而出现计算差错，为了解决这个矛盾，企业开始用计算机来辅助薪资核算。受限于存储技术，第一代系统仅用于薪资核算，不存储结果数据。

第二代：人事数据存储系统。20世纪70年代末，关系型数据库技术的出现，为人事基础信息以及薪资结果的存储提供了可能。这个阶段的系统主要应用于基础数据的收集和存储，也有了初级的报表和统计分析功能。

第三代：传统人力资源管理系统。20世纪90年代末，随着电脑的普及，数据库、服务器技术的发展，使得人力资源管理系统发生了革命性的变化，在人力资本理论的影响下，系统用集中的数据库将所有人力模块的数据（组织、职位、人事、招聘、培训、绩效、薪酬等）统一管理起来，形成企业人力资源管理的工作平台。

第四代：新型人力资源管理系统。随着云服务、数据库与移动应用等技术的发展，新型人力资源管理系统将传统系统作为底层数据库，甚至越来越多的企业将系统搭建在云端，超大型企业借助数据库技术实时获取人事统计信息，借助移动应用查询数据、将绩效考核社交评分化等，从根本上解决了员工自助查询、用户操作不人性化等问题，也由此，非结构化数据与结构化数据均纳入系统管理范畴，使得人力资源管理有了大数据分析与挖掘的基础。

2 大数据时代概述

大数据，一般是指由于数据量巨大而超出现行单台电脑或服务器计算处理能力的信息，它具有四个基本特征，即4V特征：数据量大（Volume）、种类繁多（Variety）、价值高（Value）、处理速度快（Velocity）。

大量数据的挖掘与分析原本已在军事、物理、金融行业应用多年，并未超出计算机的处理能力范围，但随着互联网的迅猛发展，电子商务、传感设备、移动社交等领域迅速积累了大量远超出目前服务器数据处理能力的信息量，数据种类也不再限于传统结构化数据，还包括大量的图片、视频等非结构化数据。为了解决这一矛盾，出现了分布式文件管理系统（HDFS）和分布式编程模式（MapReduce），从根本上解决了数据量大而无法运算的问题。简单来说，就是基于服务器集群架构将原来一次性无法处理的数据分开存储，并分别处理运算，然后汇总各项任务结果，类似曹冲称象的办法，而正是这种处理思维上的变化构成了目前主流大数据软件的核心。

由于人力资源管理数据量无法达到大数据分析所要求的量级，因此少部分学者认为大数据人力资源管理是一个伪命题。其实不然，大数据时代引发管理变革、颠覆传统产业的关键并不是大数据的分布式方法，而是数据本身，电商的发展引起了各个行业对自己拥有数据的关注：将运动数据化催生了大数据体育产业，将客户特征数据化衍生出大数据营销，将交易行为数据化便是大数据金融。将数据视为先进的生产要素是大数据时代的核心，尽管目前人力资源管理数据很难达到大数据分析的量级，但是借助大数据的思维和理念，将企业内组织、职位、员工、人事业务流程等资源数据化，必将极大地改变人力资源管理的内涵和外延，实现大数据人力资源管理。

3 大数据对人力资源管理的创新与变革

3.1 大数据将改变人力资源管理的工作模式

人力资源管理者日常工作中经常面临各种各样的事务与挑战，如识别人才、员工发展规划或福利采购等等，没有大数据的定量结论的支撑，这些问题的处理只能从“理”的层面进行逻辑推理，给出方向性的解决方案，这也是传统定性管理的通病。大数据时代，人力资源管理对数据的关注与挖掘分析将改变这一尴尬境遇，实现由传统定性管理向大数据定量管理的飞跃，从根本上改变人力资源管理的工作模式。基于人力资源管理系统的建设，各项人事相关数据逐年积累，通过数据挖掘得出的关系或结论也就会越来越准确，从根本上解决人才识别与福利采购等难题，为企业创造管理利润。另外，大数据人力资源分析与传统人事统计分析在数据源、挖掘算法与模型等方面均有本质差异，这就需要人力资源管理者调整管理观念，改变思维方式，转变决策依据，由原来的依靠直觉和经验转变为借助大数据分析解决问题。

3.2 大数据将改变人力资源管理的方法与工具

人力资源管理的六大模块主要包括人才规划、招聘、培训、绩效、薪酬与员工关系管理，各个模块都有成熟的工具与方法，这些工具方法大多是西方企业在管理过程中摸索出的一些最佳实践，但是普遍缺少定量分析。例如传统胜任素质模型的搭建方法是通过对绩优与一般人员进行关键行为事件访谈，归纳总结出二者在知识、技能、性格等方面的差异，将绩优人员具备而一般人员不具备的素质纳入胜任模型中，认为该素质是员工获得高绩效的保证，这种方法具有很强的主观性，因此得出的素质模型价值作用有限。大数据时代，人力资源管理系统经过长时间的积累，筛选出绩优与一般人员的背景信息、测评和评价等数据，通过分析验证各个变量是否具有显著差异，同时将这些变量与绩效考核结果做回归分析得出其因果关系，由此构建的胜任素质模型既有以往数据的支持又有统计分析的显著性检验，会更加科学实用。人力资源管理者在今后使用传统工具与方法时应运用大数据理念对其进行优化，运用大数据的思维解决问题。

4 企业人力资源大数据应用建议

大数据时代的到来已成不可阻挡之势，传统管理思维模式的改变已成必然，人力资源管理的转型升级也在所难免。人力资源管理者既要看到大数据带来的巨大契机，又要充分认识到应对大数据的困难和挑战，及早谋划，做好准备步入大数据时代。

4.1 转变人力资源管理理念，迎接新的管理模式变革

大数据时代已然到来，各行各业都在依托大数据分析实现产业升级的同时，企业人力资源管理也应该转变传统管理理念，避免变革恐惧，主动拥抱大数据时代，由传统定性管理逐步向依数据决策、用分析论证转变，充分利用先进技术变革传统管理。

4.2 提升HR数据分析能力，为变革奠定人才基础

人力资源部门应及时设立专门的数据分析处理岗位，或成立由数据挖掘工程师、心理学家、人力资源管理专家组成的数据分析小组，通过对员工的知识、能力、素质、性格等各项特征的有效量化，形成人力资源管理的数据化、精确化与科学化。

4.3 共享系统数据，避免部门博弈

企业管理信息系统如财务系统、客户关系系统、生产系统与人力资源系统等，大多由于部门博弈或数据敏感问题而将管理系统割裂，系统数据并未实现共享。大数据的理念要求一切与决策相关的数据均纳入分析范畴，独立的系统分析显然较为片面，因此人力资源管理系统应研究与其他系统的集成方案，早日实现与财务、生产等系统的数据共享。

4.4 数据的收集和隐私性问题

数据的收集渠道不再仅局限于企业内部的信息系统，更多地要通过移动端、BI甚至传感器等新技术的使用，打造成有效连接HR所服务的管理者和员工的信息高速公路。这些具有累积性和关联性的数据就可能暴露出员工的隐私，而这种隐私的暴露很可能是个人无法预知和有效控制的。数据的公开与隐私的保护就成为人力资源大数据应用的一大矛盾，面临着技术与人力层面的双重挑战。

主要参考文献