第 4 章 基于大数据处理的管理模型
4.1 管理变革演进的模型
每一次管理上的变革都是管理模式与新的信息通信技术相辅相成的，进而我们提出了“管理复杂程度+信息技术”的管理模式的演进模型（见图 4.1）。
基于该模型，我们可以看出管理上的模式随着信息技术的发展经历了四个阶段，分别由基于单机处理的人工管理阶段，基于局域网的联机文件系统阶段，基于互联网的数据库系统阶段和基于移动互联的数据整合及分析阶段。
在信息技术的最初阶段，企业管理的各个环节都开始引入了计算机以辅助管理和生产，然而此时的应用主要还是以单机系统为主的软件应用，主要依靠程序员编写的软件在每个单独的设备上运行，依靠人工将数据和信息录入到其中，对于管理和生产的各个方面起到辅助的作用。由于软件功能的局限性，每个个体所能完成的工作必定是单一的，这样就导致了对于不同需求需要编写不同软件程序去完成，对于数据的处理也相对独立（如图 4.2）。例如，各个部门通过建立员工信息表实现对于工作人员的管理，然而这些信息却只能单独存在于各个部门的主机之中，并不能跨部门使用[37].这样的模式之下，从系统构件的角度来看，因为每部分都是独立的，这样构建和管理起来就相应简单，然而从整体上来看，由于管理中事物的繁多而必然导致出现的各种各样的应用，每一个独立存在，只能依靠大量的人工去进行管理。这样对于整体的管理上来说，其复杂性就大大提高了。
随着网络技术的发展，企业内部的局域网技术逐渐发展了起来，简单的信息系统开始被构建，数据信息由高度分散化逐步向集中化转变。企业通过将一定范围内的计算机、终端、大容量的存储设备、控制器、显示器通过局部构建的网络互相连接起来，在局部范围内实现信息共享和数据通信（如图4.3）。这样就将多台单独存在的机器相互连接了起来，使不同部门，不同应用之间的信息可以得到交流[38].通过构建企业内部的网络平台，以提高企业内部信息交换速度，同时也可以起到提高管理效率的作用，在网络内，高层管理者的决策可以迅速传递到下面各个子层，员工之间也可以通过网络来进行资源的共享，对于办公自动化的实现有很大意义。在生产方面，对于生产自动化的实现有很大推动作用，通过网络将信息直接传递到生产线，通过相关软件的整理分析，可以直接将信息用于生产之中。在这样的模式之下，企业的管理逐渐脱离了各个部门，各个应用相对独立的阶段，各点的应用被连成了一张网，初步形成了基于数据信息简单管理，企业运营效率得到了很大提到，流程得以简单化的同时，管理的复杂性较原始的模式来说有了很大提升。
随着企业发展，内部网络所涉及的部门和业务范围也越来越广泛，网络管理工作量增大的同时，其本身的结构也变得越来越复杂。随着信息量的逐渐增加和管理复杂性的逐渐增大，基于局域网的企业内部网络式的管理已经无法适应时代需求，基于 Web 的网络管理模型 WBM 就应运而生了（如图 4.4）。
基于 Web 的管理是一种全新的基于互联网的管理模式，其灵活性、易操作性等特点使它表现出了强大的生命力。与传统的 C/S,模式相比，B/S 模式更有利于降低网络拓展和维护的费用，更有利于优化网络的配置[39].在这样的模式下，信息数据通过网络可以很快的得到传递和共享，位于不同地理位置的企业之间也可以很快的进行信息交流，总公司对于旗下子公司也可以进行直接管理而省去了很多中间过程，传统的层级管理模式得以越来越扁平化。由于信息的集中化处理，在管理过程中数据信息的作用也变得越来越重要，ERP、CRM、SCM 等应用在企业管理中的重要作用也得到了越来越大的体现。由于从单一的企业内部发展到基于网络的互联模式，其管理的复杂性必然又有了一定提升，然而其应用方面却是更加有效和适应时代发展趋势的。
第四阶段其实是源于第三阶段进一步的发展。如同前面所介绍的，由于信息技术、移动网络技术的发展，移动终端的普及，数据量急剧增加等一系列因素，导致了管理模式基于移动互联时代的又一次变革。由于大数据的出现，信息资源的整合与分析在管理过程中的重要性开始突显出来。企业与企业之间、企业与消费者之间等的互联使得数据资源的整合得以实现[40],数据处理按照分散到集中的模式进行。基于云平台的存储和分析机制使得数据的分析成为了可能。其大概结构如图 4.5.在大数据处理下的影响之下，企业除了在管理结构之上愈发扁平化之外，其生产、营销和物流等方面都产生了很大变革。
4.2 基于大数据处理的管理模型
基于大数据处理的管理模式就是以大数据为中心，依靠大数据处理技术，解决由大数据所引发的的管理变革的一种新的管理方法集合。企业应用依靠由分布式技术组成的平台层，由数据管理、数据分析、服务管理、服务交付组成的能力层及由服务器池、存储池、网络池组成的资源池。（如图 4.6 所示）基于这样的分层思想，我们可以构建出基于大数据处理的管理模式模型如图 4.7 所示。
我们主要由 3 个方面分析基于大数据处理的管理模式，即智能化生产，网络化营销和智慧物流。它们构成了一条新的由大数据贯穿的管理链，在相互影响的同时，也有着彼此独有的特性。下面我们就其进行分析。
（1）智能化生产
工厂、车间的传感设备和控制层的数据通过物理信息系统（CPS）与企业信息系统相融合，使生产大数据传到云计算数据中心进行存储、分析，进而形成决策来指导生产，这样的一个过程，就是生产的智能化[42].
具体来讲，就对对所有的生产设备都陪备传感器，用于数据的抓取，通过无线通信连接到互联网进行数据的传输，用这样的方法来对生产进行实时监控，以便让生产所产生的数据得到收集，然后通过平台上数据收集分析和挖掘模块对数据进行处理，将结果反馈到生产过程的控制程序之中。通过对数据快速处理、传递然后反馈到生产的过程，将生产过程升级为可以被管理和被自适应调整的智能网络，使得工业控制和管理最优化[43].
大数据是生产智能化的基础，其在制造业大规模定制中的应用包括数据采集、数据管理、订单管理、智能化制造、定制平台等，其核心是定制平台。
通过对大数据的挖掘，以实现流行预测、精准匹配等应用。同时，通过数据信息的分析，大数据能够帮助企业提升营销的针对性，降低物流和库存的成本，减少生产资源的投入。通过对于所有生产流程的大数据分析，对于生产能耗的降低有会有很大帮助。通过资源池中的产品传感器数据、销售数据和供应商数据库的数据的整合分析[44],可以较为准确地分析出全球大部分地区的产品需求，然后将只反应到生产的决策过程之中。由于可以跟踪库存情况，使得生产可以更好的根据实际情况进行。
在实现顾客个性化需求方面，一方面需要制造业企业能够生产提供符合客户个性偏好的产品或服务，另一方面需要互联网提供客户的个性化定制需求。由于需求的不同和需求的不断变化，这些客户的数据信息就需要被存储在基于云平台的数据存储池中[45].然后通过数据挖掘和分析这些动态数据，帮助客户进行个性化定制。于此同时，客户可以参与到产品的需求分析和设计活动之中，为产品的创新做出贡献。
企业通过整合营销过程中所分析出客户喜好数据和上面所提的客户需求信息对于产品的生产做出决策，以实现个性化产品定制的目的。
（2）大数据网络营销
网络化营销的本质就是将营销的本质与互联网结合在一起，构建基于云平台的营销模式。基于大数据的网络营销则包括关联规则挖掘营销、商品地理营销、社会网络营销、用户行为分析营销、个性化推荐营销和基于现代通信工具的大数据分析营销。它们都基于 MapReduce 并行计算框架之上[46].通过对于社会网络信息、交易信息、日志信息等数据的收集并通过大数据的挖掘技术实现数据的挖掘与分析，并将信息提取应用于营销策略的制定、产品的生产、货品的推荐等各个环节。
在此模式之上，通过累积的用户数据可以分析出客户的喜好与购买习惯，基于喜好分析，这是大数据网络营销的出发点。根据这一点我们可以进行精准的营销信息推送，通过大数据处理摒弃那些垃圾信息，做到产品更好的推广。RTB 广告等应用很好的向我们证明了这一点[47].
面对日新月异的新媒体，如何通过对人们公开内容和互动信息技术的分析将他们转化为企业潜在客户，通过社会化客户关系管理（SCRM）中额客户分级管理，分析人们的互动信息数据[48],关联潜在客户与会员数据，关联潜在用户与客服数据，筛选出目标群体做精准化营销。
企业还可通过基于大数据的分析与预测发现新的市场或市场新的趋势，这样分析出的数据又可作用于生产的环节之上，便于生产决策。例如，阿里巴巴从大量交易数据中更早地发现了国际金融危机的到来。又如，在 2012 年美国总统选举中，微软研究院的 David·Rothschild 就曾使用大数据模型，准确预测了美国 50 个州和哥伦比亚特区共计 51 个选区中 50 个地区的选举结果，准确性高于 98%.之后，他又通 过大数据分析，对第 85 届届奥斯卡各奖项的归属进行了预测，除最佳导演外，其它各项奖预测全部命中[49].
基于大数据处理的数据分析和挖掘，为面的市场的决策制定提供了更好的支持，通过多方面的数据整合和分析所得出的决策往往对于市场有很好的指导作用。这些决策同时也反应在了生产之中，进而影响物流的服务。
（3）智慧化物流
智慧物流是通过现代信息技术（互联网、物联网、3G/GPRS、RFID、GPS、GIS、云计算等）广泛应用于物流业运输、仓储、包装、装卸搬运、流通加工、配送及信息服务等各个环节，对物品在各个不同阶段实现信息采集、筛选、分析、指挥及汇总的技术活动。是为了实现物流系统的智能化、网络化、自动化、可视化、系统化[50].由此对于物流过程进行合理的调度和科学的安排，通过监管上的加强以降低物流成本和提高物流服务品质。
智慧物流需要具有智能分析功能、感知功能、优化决策功能和及时反馈功能。为了实现这些功能，构建基于大数据处理的信息平台成为了关键。我们通过采用云计算技术将物联网、高端服务器及软件、移动互联网等网络进行融合，形成一个大的数据环境，一大段数据整合的目的。
对于快递行业这一物流服务的典型应用，可以采用智能终端+行业信息的方法来解决当前客户、货件、快递员以及后台管理员之间信息交互缓慢、效率低下，对快递员工作监管困难、量化考核难的实际问题。对于运输行业，也可以通过 GPS 定位技术、RFID、传感技术等对于运输外勤人员、车辆和货物进行实时监控和调度，以确保货物的安全和运输的高效性[51].基于大数据的数据收集和分析技术和分布式的平台构架为其模式的实现提供了可能性。
同时物流数据中的客户信息对于生产和销售也有这一定作用，通过对这些数据的整合分析，货物的库存状况将反应在生产数据之中，货物的物流信息同时也能反应销售过程中顾客的喜好性信息。这些都要通过基于云平台的大数据分析和挖掘来实现[52].
为了使用户信息能够及时发出、用户交易得以按时进行，物流管理的可视化的实现，使用户使用越来越便捷，用户需求可以及时得到满足[53],我们必须充分结合云计算和物联网技术，构建智慧物流平台，通过解决传统物流平台的一系列技术问题，智慧物流平台的存在可以为企业和用户带来实实在在的价值，于此同时，它也将在很大程度上带动现代物流业的发展[54].
随着智慧物流的发展，智慧物流必然带来数据的爆发式增长，而大数据就像人的血液一样遍布智慧物流的各个环节。对大数据进行分类、重组分析、再利用等一系列的处理后，其结果将为智慧物流的决策者提供参考。大数据将成为智慧物流的智慧引擎。
