健康数据智能服务平台

第一篇：健康数据智能服务平台

数据仓库的商业智能

【摘 要】数据仓库所提供的洞察力不仅使企业更加高效，而且使企业能够对客户的需求做出更迅速准确的响应。为了使企业能够从浩如烟海的商务数据中发现带来利润的商机，商业智能已经成为公司使用电子商务投资创造更大利润的一个重要步骤。

【关键词】数据仓库 企业信息 商业智能

1 数据仓库与商业智能

数据仓库的特点之一是能够整合来自于大量异构系统的数据，包括外部数据。通过整合来自多个接触渠道的客户数据，数据仓库向企业展示客户的属性、所有历史行为记录等信息。许多企业正在通过数据仓库在客户行为分析领域获得丰厚的利润，这个分析领域属于客户关系管理(CRM)的一部分。

意识到CRM是当务之急的事，这就需要一个桥梁――商业智能工具，不仅联接分离的技术，而且通过进入商业的核心而使其与传统的以技术为中心的竞争对手区别开来。商业智能工具可以集合、分析、管理这些智能元素用以探索、展示与挖掘居于今天电子商务战略中心的客户信息资产，通过将分散在企业各系统中的数据进行整合，使得繁琐的信息获取过程变得简便易行，进一步提升了企业创造价值的能力：任何用户都能够容易的运用这些技术进行决策，业务执行、业务管理、企业管理各个层次上的用户都能够使用不同的工具和技术做出明智的决策，全方位的提高企业的竞争力。企业以一个预先架设的桥梁开始，可以大大减少风险而且可以更快获得成功。

商业智能就是企业在运营上高层主管必须看的各项数据及分析资料。这些资料包括“总体运营状态分析统计资料”、“业务业绩达标率统计”、“各区销售分析统计”、“成本分析”等各项经营管理者不可或缺的决策数据。商业智能与数据仓库技术的结合形成了增强企业竞争力的强大工具――客户关系管理CRM。商业智能系统建设的范畴包括：(1)商业智能基础平台：包括数据抽取、转化加载工具(ETL)、数据仓库、在线分析(OLAP)引擎、数据挖掘(Data Mining)引擎。(2)商业智能用户工具：提供用户对商业智能数据进行分析的手段。(3)商业智能门户：提供用户对大量商业智能信息的统一访问入口。(4)商业智能应用：各不同业务领域的商业智能垂直应用。

2企业客户关系管理的发展

从目前的市场来看，数据仓库的商业智能已经浮出水面，从概念走到了实施的阶段。在过去的十年中，已建立的企业业务多数都集中提高他们核心业务流程的效率上，然而，ERP(Enterprise Resource Planning企业资源计划系统)主要关注的是企业业务流程或者供应链的效率，换言之，这种效率出自增加内部控制、削减成本以及使消耗更少产出更多，然而，电子商务的出现预示着企业进人了新一轮的更新，客户成为新的核心，企业关注的焦点跳出了企业自身的范围，更多地以客户为中心。

企业的CRM应该是个企业与客户关系的全面整合管理，通过CRM为维系并巩固既有客户，赢得并发展新客户，同时增进客户的忠诚度和利润贡献度。其核心内容是发现“金牌”客户、维系“利润”客户和分化、改造一般客户。它具体可以分为四个方面：客户信息管理、营销管理、销售管理、服务管理与客户关怀。具体而言，CRM系统使得公司能够管理客户相关的信息和数据;全面自动管理横跨销售、营销与服务的前端办公业务流程;优化跨渠道的客户交易与互动;并理解和响应客户的行为模式。

3 有效的商业智能解决方案的要求

(1)全面的解决方案

随着IT企业持续不断的并购行为的发生，反映信息系统中表现为对多种工具和技术平台的使用，所以一个全面渗透的开放文化是很重要的，尤其是在与软件工具的接口能力、技术平台、可以访问和支持的数据源。

(2)基本性能要求

为了与实际需要的解决方案保持一致，CRM必须基于特定行业的实践和知识。特别地，它必须综合：能够快速实施的、无须大量重新配置即可扩展的解决方案和框架。

数据模型、预格式化的报表与流程，符合最佳实践行业准则，提供快速部署与加速投资回报的基础。

软件工具，允许业务人员根据需求进行分析的拓展商业智能，无须专门的专业IT人员进行干预。

(3)解决方案发布支持功能

正像一个预设置的行业数据模型跨过了数据定义与收集阶段，一个详尽的实施框架可以节省出几周的时间来做支持计划，而经验是确保这个框架的完整性的最主要的成分。预定义的商业解决方案、发布计划共同为企业提供了一个加速应用发布的机会，从而加速了数据仓库投资的回报。

4 成功实施的建议

商业智能要想大做小，从最迫切的业务入手。先把最紧要的业务管理起来，以便迅速响应市场需求，做出最佳决策。积累了一定经验后，再逐渐增加商业智能系统继续对其他业务进行决策分析，这样可以在一定程度上规避风险，因为上商业智能也要进行流程的重整，一个部门的整顿对公司的影响要比整个公司整顿的影响小得多。

以业务趋动而非IT趋动。很多企业明白这样的道理，应该由业务部门的需求主导的设计和开发。但由于业务人员的水平不足以达到提出未来管理模型架构，若出于这样的原因，企业应该给予IT部门绝对的权威，让它有权要求业务部门配合IT部门共同协商提出需求模型，以尽量准确地把握企业的业务发展方向。

要成立专门的数据分析部门。在国内，数据分析师这个职位提到的还不多，有专家建议，如果准备上商业智能系统的话，一定要落实相应的数据分析部门。企业对数据进行优化的目的，是要从中找出最有价值的数据，这些有价值的数据挖掘出来后，如果没有相应的人对其进行跟踪处理，它的价值也就只停留在迅速做出报表的层面了。

商业智能也是一把手工程。一把手的角度，是从提高企业业务增值的目的出发，没有一把手的大力支持，企业的业务流程调整会遇到很大阻力，甚至是难以贯彻下去。

因此，在决定上商业智能之前，企业要慎重考虑哪些业务首先需要决策支持，这项业务的内部流程是否清楚，如何对其进行内部流程重整。并要配套相应的部门来专门负责数据的跟踪和优化分析，这样企业的决策才会变得越来越理性客观。

5 小结

商业智能是当前企业应用的热点。如何把商业智能应用到企业中给企业带来真正的价值，是商业智能应用真正成熟的标志。商业智能通过对业务系统的支持，达到充分利用企业信息资源、辅助决策的目的。成功的数据仓库可以为许多企业提供实实在在的投资回报，并且使企业以一种崭新的更加细致的方式检查企业的运营状况，有效的商业智使企业能做出明智的业务和目前形势的预测和决策，正确引导企业向着健康的方向发展。

参考文献：

[1]陈永杰.SAP商务智能完全解决方案.机械工业出版社.

[2][美]冈萨雷斯著，吴刚译.IBM数据仓库及IBM商务智能工具.电子工业出版社.

[3][美]托德曼著，钟鸣译.CRM的数据仓库设计――数据库技术丛书.机械工业出版社.

[4][美]波尼阿著，段云峰译.数据仓库基础.电子工业出版社.

(作者单位：长江大学计算机科学学院)

第二篇：华亚智能财务数据混乱 营收数据有虚增嫌疑

《红周刊》作者 胡振明

华亚智能报告期内不仅存在采销、成本数据不清问题，且营业收入也有虚增的嫌疑。

苏州华亚智能科技股份有限公司(简称“华亚智能”)于近日公告了招股说明书(申报稿)，拟首次公开发行不超过2000万股新股，募资投入到“精密金属结构件扩建项目”和“精密金属制造服务智能化研发中心项目”。

作为一家主要从事应用于半导体设备、新能源、轨道交通、医疗器械等领域的精密金属构件制造的企业，因对大客户的依赖，华亚智能营业收入在报告期(2015年至2017年)内受大客户订单变化影响明显，相关财务数据勾稽上的不匹配,让人对其营收数据的真实性产生怀疑。

生产采购数据混乱

招股书披露，华亚智能在报告期向前五大客户的销售金额占比达到71.81%、62.08%和66.43%，这导致公司营收对大客户存在重大依赖现象，对华亚智能经营带来很大风险，若某一大客户突然出现变化，则很可能会导致公司营收数据明显波动。

事实上，华亚智能的营收确实受到了大客户的影响。其2017年轨道交通领域销售收入较2016年减少2572.84万元，降幅为33.48%，占主营业务收入比例下降15.44%，在公布的销售下降两个原因中，首先是2017年国内高铁座椅供应商增加，其次则是大客户上海坦达的市场份额及销售规模有所下降，向公司采购高铁座椅结构件减少。

当然，大客户依赖问题并不是本文讨论的重点，公司经营中出现的采销和成本问题才是值得重点关注的。

2017年，华亚智能向前五名供应商采购了4250.25万元，占生产总额的27.29%(见表1)，由此推算出，这一年的生产采购总额为15574.39万元，考虑到17%税率影响，含税生产采购总额达到了18222.03万元。从财务勾稽角度分析，这需要有相应规模的现金流量及新增应付款项与之匹配。

现金流量表中，公司2017年“购买商品、接受劳务支付的现金”为10547.56万元，考虑到2017年年末预付款项还新增了114.29万元，需要在现金流量中扣除，由此可知真实用于采购的现金为10433.27万元。以之与含税采购对比，有7788.76万元未

2018年7月16日

付现的采购需要形成经营性负债，即理论上资产负债表中的应付账款(报告期内没有应付票据)应该会有7788.76万元的新增。

可事实上，华亚智能2017年年末的应付账款为5223.63万元，其中包含396.80万元的应付资产购置款，将这部分购置款剔除之后，由生产采购而形成的应付账款为4826.83万元，相较上一年年末相同项目所形成的3220.68万元应付账款，这一年为生产采购而承担的经营性负债只新增了1606.15万元。很显然，这一数值是远远小于理论值的，相差了6182.61万元。就算考虑到截至这年年末已背书或贴现且在资产负债表日尚未到期的票据金额3594.79万元影响，仍有2597.83万元含税采购不知是用什么来支付的。

不仅如此，2016年的含税采购数据同样存在财务勾稽关系无法匹配的问题。根据公司向前五名供应商的采购金额及其占比，可推算出2016年的含税生产采购总额为12357.68万元。同年，购买商品、接受劳务支付的现金”8496.32万元，在冲抵32.94万元新增的预付款项之后，和应付账款(剔除资产购置款)新增的334.80万元综合核算，合计金额为8798.18万元。以之与含税采购总额对比，两者之间相差了3559.5万元。

华亚智能连续两年的含税生产采购总额都得不到现金流量和应付账款等数据的支持，那么，这“多出来”的采购又是从何而来的呢?

营业成本不准确

从生产采购往后推，分析华亚智能招股书披露的材料成本相关数据，《红周刊》记者发现，推导出的结果与生产采购以及存货也是不相符的。

招股书显示，2017年主营业务成本之中包含了11427.70万元的直接材料(见表2)。一般情况下，直接材料主要来源于采购的原材料。2017年，华亚智能向前五名供应商采购了4250.25万元，占生产采购总额的27.29%，由此可合理推算出，这年用于生产的采购总额有15574.39万元。

将生产采购总额与直接材料做比较，不难发现还有4146.69万元的生产采购并没有结转到营业成本之中，这意味着，多出来的采购还在存货之中，体现为存货相关项目的增加。可事实上并非如此，2017年年末的存货账面余额5734.90万元和上一年的余额相比，只增加了2337.69万元，两者之间出现了明显的差异。

2018年7月16日

其中，存货之中的原材料1805.44万元和周转材料51.67万元合计比上一年年末相同项目增加623.64万元，意味着其余3523.05万元的生产采购应该体现为在产品和产成品新增金额所含的材料成本。实际上，在产品与产成品年末余额分别是772.14万元和3105.65万元，合计比上一年年末相同项目增加1714.05万元，如果按直接材料占主营成本的比例64.46%测算，则其中所含的材料成本大概是1104.88万元。综合来看，生产采购总额与营业成本的直接材料的差额中，还有2418.17万元没有体现为存货的增加。

同样的分析方法，不难发现华亚智能2016年的营业成本也是不太可信的。根据2016年华亚智能向前五名供应商采购金额及其占生产采购总额的比例，可测算出这年的生产采购总额有10562.12万元。将其和主营成本的直接材料8814.38万元做对比，可合理测算出存货由此而应该至少增加1747.74万元才对。

可奇怪的是，2016年存货账面余额3397.21万元和上一年余额3632.28万元相比，不但没增加，反而还减少了235.07万元。其中，原材料和周转材料合计比上一年增加59.60万元，而在产品和产成品比上一年减少294.67万元，若按直接材料占主营成本的比例62.07%测算，则减少额中包含了182.90万元的材料成本。由此，生产采购总额与成本的差额之中，还有1871.04万元并未体现在存货之中。

综合上述，报告期内连续两年生产采购与成本间出现大额的差异，这意味着，招股书所披露的采购、存货、成本等方面的数据都有可能是不真实的。

营业收入有虚增嫌疑

前文分析，华亚智能生产采购、成本与存货的相关数据比较混乱，出现大额不符，在受大客户影响而出现收入波动情况下，从财务勾稽角度看，其营业收入数据的真实性就值得怀疑了。

以2017年的营业收入进行分析，当年公司营收为29477.10万元(见表3)，其中内销收入占比为66.73%，而内销部分还有17%的增值税销项税额，由此推算出这年的含税营业收入为32821.01万元。同年公司应销售收到的“销售商品、提供劳务收到的现金”为23671.97万元，剔除预收款项减少的3.2万元影响，实际销售收到的现金流量为23675.17万元，以之与含税营收对比，可发现有9145.85万元的含税营业收入没有收到现金，理论上应当形成了相应金额的经营性债权。

可事实上，在资产负债表中，2017年年末的应收账款有9648.48万元、应收票据有400万元，此外，这年的坏账准备合计有569.84万元，这三项合计金额跟上一年相

2018年7月16日

同项目的金额相比，只新增了1078.23万元。很显然，该金额与理论债权相比，仍相差了8067.61万元，即有8067.61万元含税收入并没有获得现金流通和应收款项新增数据的支持。

值得注意的是，招股书并没有具体披露应收票据的背书和贴现情况，只是提到了2017年已背书或贴现且在资产负债表日尚未到期的票据3594.79万元，如果冲抵这部分金额的影响，则仍有4472.82万元的含税收入得不到相关数据的支持。

同样方法去分析2016年营业收入数据，发现有类似问题存在。2016年23464.23万元营收中有77.53%是内销收入，核算内销的增值税之后，这一年含税营业收入达到了26556.84万元。

同年，“销售商品、提供劳务收到的现金”对冲预收款项减少额之后，与销售相关的现金流量为21289.54万元，而新增债权，即应收账款、应收票据及坏账准备的合计新增金额也仅为463.20万元，两者合计后的21752.74万元与含税营业收入26556.84万元相比，仍有4804.10万元的含税收入没有获得现金流和相应新增债权数据支持。■

2018年7月16日

2018年7月16日

第三篇：智能分析助力安防进入大数据时代

随着智慧城市和智能交通的快速发展,金融、交通、政府等传统领域的安防应用更加深入，新生领域如教育、卫生、体育、能源飞速发展，社区、居民相关应用也在不断升温,移动互联设备随之快速激增，产生了海量的非结构化视音频数据，带动了大数据的存储、管理、分析等应用。

驱动大数据发展的重要因素主要来自两个方面：一是消费领域，如网购及社交媒体应用产生的大量数据;另一方面来自城市基础设施建设，安防便是其中之一。建设平安城市的过程伴随大量数据的产生，尤其是以视频监控为主要特征的数字安全监控(Digital Security Surveillance，DSS)。我们所居住的城市中有无数的高清摄像头，涉及治安监控、指挥通信、侦查破案、规范执法、社会服务等，视频接入规模从几千到几十万，随着安防监控对高清、智能、联网的要求越来越高，每天产生的数据规模正以惊人的速度不断增长。

一、安防公共领域对大数据的运用

大数据时代来临，行业变革才刚刚开始，未来前景广阔。就目前发展来看，国内安防行业对大数据的应用领域还较有限，主要集中在公共领域。目前我国在安防公共领域对大数据的运用主要集中在智能交通、司法系统等方面。

(一)智能交通：交通运输部今年7月份下发通知，将对公共交通信息化应用系统建设、相关支撑系统建设、数据资源与交换系统建设提供资金支持。在政策利好支撑下，可以从以下三方面掘金智能交通领域：

1.从事城市交通系统建设、高速公路信息化建设等领域; 2.智能交通发展必需的视频监控设备供应商;

3.提供导航地图、地理信息系统软件建设的内容提供商。

(二)司法系统：公安市场大规模的信息化和装备投资产生了海量的非结构化数据，公安的实战应用是大数据的重要应用领域。该领域大数据类公司业务包括电子数据取证、电子数据鉴定、网络舆情分析、数字维权、公证云、搜索云以及取证云服务等。

二、安防大数据技术分析

在安防行业，涉及的数据信息类型很多，以数据的结构类型来看，包括各类非结构化、结构化及半结构化信息。其中，非结构化数据主要包括视频录像和图片记录，如监控视频录像、报警录像、摘要录像、车辆卡口图片、人脸抓拍图片、报警抓拍图片等;结构化数据则包括报警记录，系统日志记录，运维数据记录，摘要分析结构化描述记录以及各种相关的信息数据库，如人口信息、地理数据信息、车驾管信息等;半结构化数据则如人脸建模数据，指纹记录等。

对IT大数据来说，其特征通常用4V(Velocity、Variety、Volume、Veracity)来概括，但对于安防大数据来说，它有自己独特的特点。首先，安防大数据以非结构化的视频监控数据为主，因而它更侧重于对非结构化数据的信息分析、提取挖掘以及处理能力;其次，就数据容量而言，以视频录像为主的安防大数据对传输、存储和计算过程中需要的带宽以及存储空间要求都更高;再次，以数据量基础做比较，安防大数据中的信息价值密度更低，从海量的图像信息中快速和准确地检测或者挖掘出有用信息的难度更大;最后，视频监控数据7×24小时都在持续不断地更新积累，其时效性更高。

安防大数据的处理和分析工具主要有两类：一类是对视频图像等非结构化信息的处理和分析工具，包括视频智能分析工具、视频摘要工具、图像清晰化工具、视频清晰化工具、视频转码工具、视频编辑工具等等;另一类则是对结构化、半结构化信息的大数据分析处理工具，此类处理和分析工具安防界吸取了IT界在处理大数据方面的架构和经验，比较流行的如Hadoop，Spark大数据处理的框架，以及Mahout、R数据挖掘工具，以对结构化和半结构化的数据可以实现快速和准确的数据分析和挖掘。

(一)智能分析

大数据在安防行业的应用使得安防更加智能化，大数据的技术一般分为数据采集、存储、挖掘和分析技术。其中，智能分析居于核心地位。

智能分析是安防大数据区别于IT大数据的根本点，只有利用智能分析技术将安防大数据的非结构化数据转换为结构化数据，才能将IT大数据成熟的技术体系应用到安防大数据中，充分发挥安防大数据的作用。对于视频图像等非结构化数据的分析和处理，目前可能更多地是把它归属到智能分析的范畴，这些技术很多已在初期应用中不断改进和完善，很多更新的智能分析技术仍处在研发过程中，对这类数据的分析和处理也将成为安防大数据的核心价值点。日益丰富的智能算法将大大提高视频监控摄像机的使用范围和价值，处于应用初级阶段的智能视频监控，也将随着智能算法的日益丰富而快速发展。而数字处理芯片、编解码能力以及压缩算法，是影响图像处理技术的重要因素。安防智能化的核心还体现在VA(视频分析或图像分析)，而VA需要底层算法的支持并运用单元执行，这可提高视频分析的效率。

(二)云存储与云计算

随着数字安防技术的普及，监控技术逐渐往高清化、网络化发展，随之而来的是海量的数据存储问题，海量数据必须拥有能够进行可靠、可保证效率且拥有快速的读写以及响应能力的存储。存储设备从监控系统的边缘化位置逐渐走向了中心，在监控系统的比重也随着集中化的提升而得以大幅提高，传统的存储方式已经不能适应网络存储的需求，云存储作为一种新型的存储服务应运而生。

所谓云存储，是指通过集群应用、网格技术及分布式文件系统功能，将网络中大量不同类型的存储设备通过应用软件集合起来协同工作，共同对外提供数据存储和业务访问的一种系统，即以数据存储和管理为核心的云计算系统。

云计算、云存储和大数据将对视频监控行业带来存储架构、虚拟化、安全和高效处理四个方面的变化。

首先，大数据的特征对存储容量的总体拥有量需求激增，海量存储模式也从传统的集中存储式架构发展到分布式存储架构，这种分布式架构，在多副本、网络 RAID技术、快照技术驱动下，实现海量存储的高可靠、大并发能力，推进了存储从设备供应模式到服务模式的升级和转变。

其次，虚拟化技术在存储服务能力建设上将继续不断发展，升级模式从SCALE-UP向SCALE-OUT模式发展，为无处不在的存储资源的调度与管理、存储资源的在线扩容升级、数据持续保护、存储服务不间断等实现有力的支撑。虚拟化，一方面大大简化应用环节，节省客户建设成本，同时提供更强的存储和共享功能;另一方面解决了存储空间的浪费，可以自动重新分配数据，提高了存储空间的利用率，同时具备负载均衡、故障冗余功能。

再次，安全方面实时计算和存储，对存储设备性能、存储网络性能、存储资源配置简化性要求越来越高。在复杂的存储服务中，基于虚拟化所构建的混合存储系统，系统的自动分层存储能力尤为重要。伴随闪存的成本不断降低的市场，市场上也有基于全闪存阵列产品的出现，基于虚拟化下的存储资源自动化分层，实现数据分层存储，并迁移的策略，对大数据实时性、安全性更加不可或缺。

最后，面对结构化数据、非结构化数据、半结构化等元数据的处理机制，云存储管理可以实现自动化和智能化，所有的存储资源被整合到一起，客户看到的是单一存储空间，提高了存储效率;云存储能够实现规模效应和弹性扩展，降低运营成本，避免资源浪费。受限于安防视频监控自身业务的特点，监控云存储和现有互联网云计算模型会有区别，如安防用户倾向于视频信息存储在本地、政府视频监控应用比较敏感、视频信息的隐私问题、视频监控对网络带宽消耗较大等问题。海量数据存储的检索、目录服务、去重化都将在以大数据牵动的存储应用中，给存储产业带来新的发展机遇。

当前，安防监控的发展如火如荼，与此同时，云存储技术在安防监控的应用也日渐普遍，作为未来安防存储发展的一种趋势，目前，云存储厂商正在将各类搜索、应用技术和云存储相结合，以便向用户提供一系列的数据服务，但是，云存储的发展状况仍受限于以下几个因素：

1.网络带宽的限制：真正的云存储系统将会是一个多区域分布、遍布全国、甚至于遍布全球的庞大公用系统，使用者需要通过adsl、ddn等宽带接入设备来连接云存储。只有宽带网络得到充足的发展，使用者才有可能获得足够大的数据传输带宽，实现大量容量数据的传输，真正享受到云存储服务，否则只能是空谈。

2.数据安全性：从云计算诞生，安全性一直是企业实施云计算首要考虑的问题之一，同样，在云存储方面，安全仍是首项考虑的问题。云存储系统的安全威胁主要表现如下：

云存储提供可伸缩的数据服务，无法清晰定义安全边界及保护设备，给云存储的安全保护措施增加了难度;

云存储通过IP网络传输数据，因此传统网络上的安全威胁也存在于云存储系统上，如数据破坏、数据窃取、数据篡改、拒绝服务等，影响了数据的安全存储;

数据存储的安全性包括静态存储安全和动态存储安全，静态存储安全是确保云存储系统上最终存储数据的存放安全，动态存储安全是确保在数据传输时的完整性和保密性;

云存储需要保证数据的容错J性、可恢复性和完整性，在灾难发生时如何避免数据服务中断及数据丢失等问题;

云存储系统作为一个公共数据中心，具有多客户连接、高交互性、数据安全保障要求高等特点，对入侵、攻击、病毒和恶意软件十分敏感，有必要对云存储中的数据流进行实时主动地检测和防御。

3.应用存储的发展：云存储不仅仅是存储，更多的是应用。应用存储是一种在存储设备中集成了应用软件功能的存储设备，它不仅具有数据存储功能，还具有应用软件功能，可以看作是服务器和存储设备的集合体。应用存储技术的发展可以大量减少云存储中服务器的数量，从而降低系统建设成本，减少系统中由服务器造成单点故障和性能瓶颈，减少数据传输环节，提供系统性能和效率，保证整个系统的高效稳定运行。

三、大数据应用于安防中存在的不足

在信息化浪潮的冲击下，人们当前已经步入互联网与云计算的时代，整个安防行业也从产品销售、平台建设逐渐转向系统运营和数据分析，安防行业IT化已经是不可避免的趋势。

在视频监控领域，伴随着高清监控时代的大潮，产生了越来越多的海量视频数据。但是，大量的视频数据仍然是独立的、零散的。视频录像数据散布在各个行业、单位独立的系统中，没有发挥达到联网、共享，业界也没有形成对数据挖掘、利用的通用方法，核心技术仍然在研究中，尚没有实现重大突破。

目前大量的视频监控数据运用于安防领域，但主要以人工搜索为主，政府之间跨警种、跨部门、跨区域的联网共享应用仍然较少，更不用说为老百姓、为社会所用的应用还没有启动。如能开放这些视频资源，为老百姓服务，而不仅仅用于治安、刑事案件，能通过信息公开、数据共享、数据挖掘推动新型的数据服务业的大发展，将是社会的福音。

安防行业从单一产品到系统集成，从模拟监控到网络监控，从封闭系统到大数据、云平台，已经不是简单的视频传输，而是涉及数据采集、通信、处理、反馈的IT 化系统解决方案。在产品层面，监控系统平台的储存、传输与服务器技术更依赖于IT技术。未来基于大数据处理提供智能分析也需要IT技术的支撑。

而安防企业需要做的，便是积极加强内功，提高研发能力，加强技术储备，应对更大数据量带来的冲击。后期安防厂家会进行分化，部分传统安防厂家更加专注于某固定安防领域继续深耕，专注于产品和技术，一部分安防厂家会向大安防集成平台转变，专注于业务整合和数据分析处理。

第四篇：《从大数据到智能制造》读后感

近日，在繁忙的工作中有幸读到了由李杰、倪军和王安正三位教授联袂著作的《从大数据到智能制造》这本书，该书以大数据与智能制造的关系为视角，系统地阐述了如何利用大数据解决和避免在制造过程中的可见和不可见问题。作为制造行业的制造部门共通系的我来说感慨颇深、深受启发。

这本书总共分为三篇：导引篇、案例分析篇和专家访谈篇。分别从理论和实践对如何运用大数据去预测需求、预测制造、解决和避免不可见问题的风险，和利用数据去整合产业链和价值链。数据本身不会说话，也不会直接创造价值，真正为企业带来价值的是数据分析之后产生的信息的意义和行动的价值。FY17上半年公司主推的VAA附加价值分析活动，在这个埋藏金挖掘的过程中，第一步就是通过对大量数据的深入挖掘，去分析探讨其中的非附加价值，进而对非附加价值进行定义，利用大数据进行附加价值和非附加价值的可视化，最后通过改善对非附加价值进行削减突破，进而开展各种改善活动进行cost down。

中国是制造大国，西方国家又这样一句话“To live well， a nation must produce well”，说明制造也是一个国家综合国力的最重要的体现，也是决定民众生活质量的重要条件。随着“工业4.0”、“NNMI计划”和“IVI”的提出，我国也感受到了来自世界各位新技术战略的压力，也相继提出了“中国制造2025”，“互联网+”和“供给侧改革”等多项措施。除了技术的革新，我们从中更不难发现的是中国制造哲学的进步，作为制造企业，目标即为以低成本生产高质量的产品;通过全流程改善降低浪费。所有的流程都离不开大数据的分析。

在公司的整个运营过程中，每年都会进行OB和RB的经营数值预测和设定，在这个过程中就需要整合大量的数据，从数据中进行以往的review和今后的action plan，今年更是联协INZ，通过GP4数据模拟的导入，通过建模来推动材料、装备、工艺、测量和维护这五个环节。通过智能制造的第六个关键因素建模(Modeling)，基于大数据，从而对生产线体的配布有直观、超前的判断。

分析大数据枯燥无谓，但是对于制造企业的发展必不可少，作为制造型企业的员工要更加重视基础数据的收集，以数据为基础进行革新、改革和发展。

制造部党支部

周

楠

第五篇：基于数据仓库的商业智能——CRM的本质

在当今竞争日益激烈、信息日益膨胀的市场经济环境中，大家都希望能够从浩如烟海的商务数据中发现带来利润的商机，商业智能已经成为公司使用电子商务投资创造更大利润的一个重要步骤，因此，越来越多的管理者开始借助商务智能技术来发现商务运营过程中存在的问题，找到有利的解决方案。与此同时，在信息技术领域，成功的数据仓库正在为许多企业提供实实在在的投资回报，并且使企业以一种崭新的更加细致的方式检查企业的运营状况。数据仓库所提供的洞察力不仅使企业更加高效，而且使企业能够对客户的需求做出更迅速准确的响应。商业智能与数据仓库技术的结合形成了增强企业竞争力的强大工具——客户关系管理CRM。

一、数据仓库与商业智能

数据仓库与传统的数据库系统相比有着本质的区别，数据库是一种通用平台，建立于严格的数学模型之上，用来管理企业数据，进行事务处理;而数据仓库没有严格的数据理论，更偏向于工程，是企业数据一个日积月累的建立过程，它的应用对象是不同层次的管理者，它的数据源可能是多种数据库，主要是进行大规模查询和分析，因此要求有大量的历史数据和汇总数据。数据仓库之父W.H .inmon这样定义：“数据仓库是支持管理决策过程的、面向主题的、集成的、随时间而变的、持久的数据集合。”

数据仓库的特点之一是能够整合来自于大量异构系统的数据，包括外部数据。通过整合来自多个接触渠道的客户数据，数据仓库向企业展示客户的属性、所有历史行为记录等信息。许多企业正在通过数据仓库在客户行为分析领域获得丰厚的利润，这个分析领域属于客户关系管理(CRM)的一部分。正因为客户关系分明一个企业成功的重要方面，因此本文对此进行讨论。

意识到CRM是当务之急的事，这就需要一个桥梁——商业智能工具，不仅联接分离的技术，而且通过进入商业的核心而使其与传统的以技术为中心的竞争对手区别开来。商业智能工具可以集合、分析、管理这些智能元素用以探索、展示与挖掘客户信息资产。企业以一个预先架设的桥梁开始，可以大大减少风险而且可以更快获得成功，换句话说，一个预先架设的桥梁不仅仅是一系列有数据导人与数据标准化功能的设计和维护工具，更重要的是一个已完成的包含了行业特定数据模型与资产报告，只需装入企业自己数据即可运行的分析型应用系统。

二、企业客户关系管理的发展

从中国目前的市场来看，数据仓库/商业智能已经浮出水面，从概念走到了实施的阶段。在过去的十年中，已建立的企业业务多数都集中提高他们核心业务流程的效率上，然而，ERP(Enterprise Resource Planning企业资源计划系统)主要关注的是企业业务流程或者供应链的效率，换言之，这种效率出自增加内部控制、削减成本以及使消耗更少产出更多，然而，电子商务的出现预示着企业进人了新一轮的更新，客户成为新的核心，企业关注的焦点跳出了企业自身的范围，更多地以客户为中心。

企业的CRM应该是个企业与客户关系的全面整合管理，通过CRM为维系并巩固既有客户，赢得并发展新客户，同时增进客户的忠诚度和利润贡献度。其核心内容是发现“金牌”客户、维系“利润”客户和分化、改造一般客户。它具体可以分为四个方面：

● 客户信息管理 ● 营销管理 ● 销售管理

● 服务管理与客户关怀

具体而言，CRM系统使得公司能够管理客户相关的信息和数据;全面自动管理横跨销售、营销与服务的前端办公业务流程;优化跨渠道的客户交易与互动;并理解和响应客户的行为模式。

三、有效的商业智能解决方案的要求

专家在分析我国软件市场发展趋势时认为，在中国应用软件市场上，管理软件的市场前景最为看好，其中，企业对CRM的潜在需求日益增加，并且企业对有效的商业智能解决方案的要求是：

(一) 全面的解决方案

随着IT企业持续不断的并购行为的发生，反映信息系统中表现为对多种工具和技术平台的使用，所以一个全面渗透的开放文化是很重要的，尤其是在与软件工具的接口能力、技术平台、可以访问和支持的数据源。

(二) 基本性能要求

为了与实际需要的解决方案保持一致，CRM必须基于特定行业的实践和知识。特别地，它必须综合：

● 能够快速实施的、无须大量重新配置即可扩展的解决方案和框架。

● 数据模型、预格式化的报表与流程，符合最佳实践行业准则，提供快速部署与加速投资回报的基础。

● 软件工具，允许业务人员根据需求进行分析的拓展商业智能，无须专门的专业IT人员进行干预。

(三) 解决方案发布支持功能

正像一个预先设置的行业数据模型跨过了数据定义与收集阶段，一个详尽的实施框架可以节省出几周的时间来做支持计划，而经验是确保这个框架的完整性的最主要的成分。预定义的商业解决方案、发布计划共同为企业提供了一个加速应用发布的机会，从而加速了数据仓库投资的回报。