数据管理在企业管理中的应用分析

摘要：随着市场经济的发展，我国企业面临的竞争环境越来越复杂，企业数据分析难度越来越高。在大数据背景下，现代企业构建数据管理机制已经成为发展的必然。通过数据管理，企业能够更好地了解自身管理情况，预测市场，更好地管理客户关系，决定市场开发战略。本文对数据管理的内涵进行了概述，结合实际情况介绍了数据管理的主要办法，从普遍性入手，提出了一些强化性建议。

关键词：数据管理 计算机技术 企业管理

一、数据管理定义及内涵

在经历人工管理、文件系统管理、数据库系统三大管理阶段之后，数据管理的应用也出现了一些变化。数据管理，是利用计算机硬件及软件技术对企业信息进行收集、储存、处理、应用的手段，核心在于数据组织，要将数据库中冗余数据减少，构建更为优化的数据结构，将数据间的内在联系更为清晰的表现出来，提高企业管理效率。

二、数据管理技术

由于数据管理核心在于数据组织，这就需要数据管理技术的支撑，要充分对信息挖潜，实现支撑管理的目的。

（一）聚类管理法

聚类管理法（classification），是指按照分析对象属性，对数据进行分类，通过建立分类模型，将数据库中的数据项反映至特定类别上。多应用于客户分类、满意度、购买趋势预测等方面。如，银行部门通过按照贷款申请者风险属性，将贷款申请者分为低、中、高三种风险类型，区分策略进行贷款。又如休闲旅游企业，按客户收入，将客户特征属性量化，如月收入高于40000元，年龄处于30～40区间，定向推荐相关服务。

（二）序列管理法

序列管理法（time-seriespattern），是指通过时间序列，构建类似回归模型的数据模型，按照序列搜索出重复发生概率高的事件，用于预测未来数据值。例如，按照肉价波动状况，可搜索出特定时期肉价基础水平，制定副食品产品价格；利用股市波动状况，预测股市变化等。

（三）关联规则法

关联规则法（association-analysis），通过分析变量取值属性，发现变量间规律，即称为关联，通过发现关联关系，利用聚类，可将关联分为简单关联、时序关联等，可帮助产品定价、寻找定制客户、营销风险评估等经营活动开展。如，通过关联规则法，发现企业产品销售对象及数量峰值点，发现交叉销售可能性，如父亲买尿布时可能顺带购入啤酒，即可安排货架摆放与数量安置方式。

（四）预测法

预测法（prediction），与序列管理法存在一些差异，同样以构建模型寻找规律为基础，但预测法更关注数据精度及不确定性。如分析顾客对促销商品的反映热度，预测商品销售，对未来经济发展做出判断等，典型方法包括回归分析、圣经网络等，对于不便描述的问题，如股价等，可用非线性回归。

三、数据管理在企业管理中的应用

数据管理技术应用已经较为广泛，大数据背景之下，数据管理的重要性被广泛认识。企业中基础应用主要包括以下几个方面。

（一）客户关系管理

数据管理技术能够帮助企业利用已有客户实现更大的利润收益，也能帮助企业留住客户、为顾客提供定制服务，扩大客户源等。具体应用主要体现为以下几方面。一方面，数据管理可通过聚类法实现客户群体分类，按客户属性将客户分类，有针对性地提品，一方面提高客户满意度，另一方面优化资源配置提高销售量。第二，实现交叉销售。利用数据管理，企业可完善客户与自身间的关系，掌握主要客户群体的购买行为，提供更多更好的服务。第三，实现客户保持与市场占有率的扩张。第四，客户信用度分析。

（二）市场预测

预测技术在各行各业中应用都十分广泛。通过数据管理技术，企业能够对数据库中的历史数据挖潜，找出其中的隐藏规律。如金融产品市场风险与预测、电商广告精确投放等。以金融为例，金融企业可通过分析数据库中金融市场变化趋势、客户信用及担保等数据，找到数据对象特征及行为模式，从而发现客户，预测市场。

（三）市场营销

数据管理应用于市场营销，主要办法是通过收集海量的消费者消费、行为信息，分析特定消费者、消费群体的消费习惯，推断出以何种方式更能吸引消费者，识别消费者进行定向营销，从而节省营销成本，扩大营销效果。如，电商可通过消费者浏览频率、浏览商品类别，定向投放特定类别的商品广告，以吸引消费者。

四、数据管理应用强化性建议

数据管理本质上依旧是管理，因此，强化数据管理应用还需从管理层面入手。

（一）提高重视

要提高企业重视，尤其是领导者的重视。数据管理应用是一项系统、复杂的工程，涉及计算机技术、网络技术、现代企业管理技术等多个方面，贯穿于企业生产经营的全过程。因此，必须提高企业尤其是领导者的重视。要大力推动管理方式与业务流程的优化重组，对数据管理流程中各单位权限进行规范，构建数据管理的企业文化氛围，推动数据管理的应用。

（二）基础设施建设

层次化严密的数据管理系统是数据管理的重要部分。构建层次化数据管理，企业必须具备信息化基础设施，且必须拥有数据管理软件。基础设施建设中，要注意数据管理软件的兼容性，如Linux与Windows操作系统兼容、VMware与hyper-V虚拟化数据管理兼容等，要制定标准，允许类似数据、相关数据流入，并能储存、关联、分析、搜索，防止数据交叉扩散，制定系统优先级，考虑数据备份及安全。

（三）人才队伍培养

数据管理的基础单位即工作人员 。要加大培训力度，构建优秀的系统管理力量。在人才队伍培养中，要要求人员管理应当能够满足系统硬件、软件的日常运行及维护，具备处理一般故障的能力，掌握数据库、参数、权限、软件功能及界面微调等技能。对于分析人员，应要求具备较高的数学分析能力，可引入大数据管理人才，提高数据分析能力。此外，各类管理人员也应熟练掌握岗位中系统模块的应用操作，减少人为失误的发生。

（四）风险控制

数据管理在很多企业中都已经得到应用，对于已经应用数据管理的企业，当重点强化日常风险、安全风险、操作风险的控制，应优化决策机制，避免数据处理失误带来的决策失误；对于未开展即将开展数据管理的企业，当注意企业管理过渡的风险，要以维护企业稳定及利益为核心，开展数据管理工作。

参考文献：

[1]薄玮.企业数据管理与应用研究[J].陕西学前师范学院学报，2015，02：39-42

[2]宋冬暄.虚拟化技术在现代企业数据中心集中管理的应用研究[J].科技致富向导，2013，21：239+285