“一个公司数据指标体系好坏，直接决定数据应用的好坏！”先请各位看官一起思考下面这些问题：· 什么是数据指标？· 数据指标价值是什么？· 数据指标谁来运营？· 谁在用数据指标？· 好数据指标的特征有哪些？先思考这几个问题。一、什么是数据指标数据指标是企业运营过程中，对已记录历史信息进行处理，转化成为数字。根据特定商业目的：对相关数字按一定的业务逻辑，使用一定的技术手段进行加工处理后，成为描述、衡量、分析、预测业务结果的工具。这个定义是我自己的理解和经验总结。1、数据指标核心是服务商业的。例如：让你很清楚

某985高校管理学院第五届EMBA班的《数据挖掘及其应用》课程上。上一节课结束时，徐教授建议让国内不锈钢巨头公司的品质部李部长与大家分享他们公司数据挖掘的成功经验，向学员们介绍数据挖掘的流程。李部长说：“钢铁企业是流程化的生产单位，虽然生产自动化程度非常高，但是，老实说，我们的很多工序如炼铁、炼钢、连铸、轧钢等的过程控制很大程度上依赖技术工人的经验，对生产过程的驾驭还比较粗放。不过，我们已经建立了先进的信息化平台。尤其是近几年企业形成的‘建设创新型企业’的文化氛围下，我们公司积累了丰富的数据，也具备了一

2020年12月28日，国家医保局公布了新版《国家基本医疗保险、工伤保险和生育保险药品目录(2020年)》。本次目录调整首次尝试对目录内药品进行降价谈判。在医保谈判现场，谈判专家和药企代表你来我往，上演“灵魂砍价”！“4.4元，4太多，难听，再便宜点。”“降价别跟挤牙膏似的！”最终，119种药品谈判成功，平均降价50.64%。通过调整医保药品结构、优化药品价格，在不额外增加医保基金负担的情况下，满足了更多百姓看病的用药需求。新目录将于2021年3月1日在全国范围启用。值得关注的是，最新版国家新冠肺炎诊疗方案所列药品已全部纳入国家

工信部的数据显示：“中国制造业约占整个世界制造业20%的份额，在500余种主要产品中，我国有220多种产量位居世界第一。2014年，我国共有100家企业入选‘财富世界500强’，其中制造业企业占56家”。但长期粗放式发展之后，中国制造业发展面临着稳增长和调结构的双重困境，进入了“爬坡过坎”的关键时刻。正如国务院发布的《中国制造2025》提到，“新一代信息技术与制造业深度融合，正在引发影响深远的产业变革，形成新的生产方式、产业形态、商业模式和经济增长点…但我国仍处于工业化进程中，与先进国家相比还有较大差距。制造业大而不强…

人物介绍许教授：国内数据挖掘专家、某985高校智能信息处理学术带头人赵总：某电力公司总经理万总：某超市集团营销副总姜局长：市卫生局副局长李部长：某钢铁集团生产部部长某985高校管理学院第五届EMBA班的《数据挖掘及其应用》课程上。国内数据挖掘专家、智能信息处理学术带头人徐教授站在讲台上打开PPT说：“同学们，大家好！今天我们讲的是数据挖掘中的聚类分析。”“在平时的人际交往和私下的生活空间中，大多数人会自觉不自觉地加入到一个个社交圈子中。‘驴友’、‘同学会’、‘高尔夫俱乐部’，林林总总。真可谓‘物以类聚，人以群

欧洲供应链顶级物流专家、克兰菲尔德大学物流与运输研究中心主席马丁·克里斯托弗（Martin·Christopher）曾于1992年深刻指出：“21世纪的竞争不再是企业和企业之间的竞争，而是供应链和供应链之间的竞争。”1月26日，国际货币基金组织（IMF）发布最新的《世界经济展望》，预计2021年全球经济增长5.5%。IMF称，虽然2020年下半年经济增长势头强于预期，但近期新一轮疫情反弹和变异病毒的出现，给世界经济的复苏带来很大的不确定性。未来经济活动及收入可能长期在低位徘徊，发展仍面临风险。全球经济的低迷，让许多企业面临着严峻的考验：资

人物介绍许教授：国内数据挖掘专家、某985高校智能信息处理学术带头人赵总：某电力公司总经理万总：某超市集团营销副总李部长：某钢铁集团生产部部长某985高校管理学院第五届EMBA班的《数据挖掘及其应用》课程上。国内数据挖掘专家、智能信息处理学术带头人徐教授站在讲台上打开PPT说：“同学们，大家好！今天我们接着上一节课关于聚类分析的内容展开。”徐教授：“上节课我们讲了k-Means算法和k-Medoids算法的第一个不足。第二个不足就是这两种算法不适用于发现非球状的簇。原因是这类算法使用距离来描述数据之间的相似性，但是，对于非球

某985高校管理学院第五届EMBA班的《数据挖掘及其应用》课程上。这一节要讲预测，学员们兴趣盎然，早早地来到教室。徐教授健步走上讲台：“今天我们一起学习数据挖掘的预测方法。”他的话刚一停顿，就被马处长打断了：“徐老师，税务局的姚局长一直研究周易预测，整天给我们叨叨他料事如神，数据挖掘预测与周易预测有什么不同，哪个更厉害？”没有想到课堂上会有人提出这样的问题，徐教授灵机一动说：“姚局长，那你就先给大家以最精辟的语言介绍一下周易预测吧！”姚局长站起来，挠着头：“其实周易预测也是一门科学，马处长、李部长这些人

在说主数据之前，我们先来看一个场景：一银行客户向监管部门投诉，说银行泄露他的个人隐私。于是，行长被监管部门训诫，数据老总被行长责骂。但追查下来，其实银行似乎并没有什么错：不同系统里保存了客户的多个手机号码，银行向客户发送其动账信息时，客户的一个“错误手机号码”收到了短信，然而客户不希望该号码看到动账信息，因为该号码可是某个“敏感人”在使用。一个客户，多个号码并存，且其中还含有“敏感号码”。这种现象在客户信息管理中，屡见不鲜，并由此带来了“客户投诉”等系列连锁反应。我们再来看一个行业趋势：如今，CR

接上一篇《大话数据挖掘之预测分析》徐教授的PPT又翻开了新的一页，他将光笔指向屏幕上的树状图，讲道：“所谓决策树就是一个类似流程图的树型结构，树的最高层结点就是根结点，树的每个内部结点代表对一个属性(取值)的测试，其分支就代表测试的每个结果，而树的每个叶结点就代表一个类别。从根节点到叶子节点的每一条路径构成一条‘IF…THEN…’分类规则。”李部长凝视着大屏幕上的决策树，明白了其中的奥妙，不禁道：“决策树方法实际上就是通过一定的评判策略判定哪一个属性对分类最为重要，就将其作为根节点，然后再判断余下的节点中最

数字化转型如火如荼，但很多企业并没有意识到数字化转型的本质是什么？数字化转型到底要去向何方？有的企业在数字化转型上，高举高打，重兵投入；有的企业拿出部分业务散点尝试，但企业上上下下，谁也不知道数字化转型要弄出个什么吉祥物；有的企业一脸不屑，心里嘀咕着这社会怎么了，满嘴跑火车，尽出些不着调的新词。不管大家对数字化转型抱着什么样的心态，最重要的是在企业管理层形成“数字化转型的本质是生产力、生产关系的重构”的共识。有的朋友可能会说，“形成共识，这怎么可能？每个人对数字化转型的想法都不一样，哪可能形成共

高质量的物料主数据能够提升企业资源配置和协同能力，进而支撑企业发展。以量具主数据为例，高价值和高共享的量具主数据能够提升量具使用率和工业生产效率，为生产现场来合规的高质量产品。1、业务现状：物未尽其用，大量“被闲置”的量具某企业为高端装备制造单位，拥有生产、工艺、质量三大业务主线。随着企业信息化建设不断发展，提高资源的利用率和可用性，成为企业精细化管理的重要一环。作为最基本、最底层的制造资源（工具、工装、计量器具等）与生产计划、采购计划、工艺设计、生产制造等密不可分，因此，制造资源管理至关重要。以

大数据应用按照数据开发应用深入程度的不同，可将众多的大数据应用分为三个层次。第二层，预测性分析应用，是指从大数据中分析事物之间的关联关系、发展模式等，并据此对事物发展的趋势进行预测。如微软公司纽约研究院研究员David Rothschild通过收集和分析赌博市场、证券交易所、社交媒体用户发布的帖子等大量公开数据，建立预测模型，对多届奥斯卡奖项的归属进行预测。2014和2015年，均准确预测了奥斯卡共24个奖项中的21个。当前，在大数据应用的实践中，描述性、预测性分析应用多，决策指导性等更深层次分析应用偏少。一般而言，人们做

大数据是信息技术发展的必然产物，更是信息化进程的新阶段，其发展推动了数字经济的形成与繁荣。当前，我们正在进入以数据的深度挖掘和融合应用为主要特征的智能化阶段（信息化3.0）。在“人机物”三元融合的大背景下，以“万物均需互联、一切皆可编程”为目标，数字化、网络化和智能化呈融合发展新态势。在信息化发展历程中，数字化、网络化和智能化是三条并行不悖的主线。数字化奠定基础，实现数据资源的获取和积累；网络化构建平台，促进数据资源的流通和汇聚；智能化展现能力，通过多源数据的融合分析呈现信息应用的类人智能，帮助人类

随着制造工艺复杂度不断提升，标准件作为制造\维修工程中使用数量最大、品种最多的基础性零件，极易造成库存积压，也容易因缺料及供应延迟对制造成本、质量控制和交付进度产生巨大影响。标准件的精细化管理和供应水平直接决定产品的整体生产进度和质量。标准件是机械制造企业常见物料之一。标准件是有明确标准的机械零（部）件和元件，使用的标准主要有中国国家标准（GB、GB/T）、美国机械工程师协会标准（ANSI、ASME），日本（JIS）、德国（DIN）等国家标准以及一些行业标准。广义来说标准件包括紧固件、连结件、传动件、密封件、液压元件

我国大数据发展的态势我国在大数据方面仍存在一系列亟待补上的短板。一是大数据治理体系尚待构建。首先，法律法规滞后。目前，我国尚无真正意义上的数据管理法规，只在少数相关法律条文中有涉及数据管理、数据安全等规范的内容，难以满足快速增长的数据管理需求。其次，共享开放程度低。推动数据资源共享开放，将有利于打通不同部门和系统的壁垒，促进数据流转，形成覆盖全面的大数据资源，为大数据分析应用奠定基础。第三，安全隐患增多。近年来，数据安全和隐私数据泄露事件频发，凸显大数据发展面临的严峻挑战。在大数据环境下，数据在

拆不拆？都是难题总装架上，产品装配的最后环节，在组装核心部件时，发现联管和支架数量缺漏，导致部件无法安装，整体装配停工。经逐级沟通协调，联管和支架齐套需要3天时间，此时产品已经接近装配完成，如从总装架上拆卸，需要近一周时间；如不拆卸，则此总装架无法装配其他产品，而后续产品的配套组部件已经悉数送到装配车间。此次事故对生产造成的影响如下：当前产品的装配进度停滞，交期延后；当前总装架被占用，无法装配任何产品；后续产品的装配无总装架可使用，交期延后；后续产品的配套组部件持续在装配车间的场地堆积，抢占场地空

为什么你的数据分析成果总是难以落地？数据分析的价值总是远远低于预期？相信看完这篇文章，每个人都能找到一个属于自己的答案。本人先后在电力、军工、金融等行业担任数据分析师，有多年行业经验。从平时的工作中总结出以下六个数据分析时要注意的原则，希望能对大家有所帮助。1、遵循数据分析标准流程数据分析遵循一定的流程，不仅可以保证数据分析每一个阶段的工作内容有章可循，而且还可以让分析最终的结果更加准确，更加有说服力。一般情况下，数据分析分为以下几个步骤：1) 业务理解，确定目标、明确分析需求；2) 数据理解，收集原始

BI和分析平台市场从IT主导的报告转向现代业务主导的分析已经成为主流，BI解决方案的发展和演变非常迅速，数据分析市场的变化趋势又该如何？笔者根据自己的行业经验以及对权威报告的解读，总结出一些要点，在此分享给大家。1、自然语言处理将在BI市场扮演重要角色未来我们会看到自然语言处理变得愈发流行、复杂、无处不在，随着开发人员和数据工程师不断完善自身对自然语言处理的理解，自然语言处理将会被应用到越来越多的领域。Gartner预计到2020年，50%的分析查询都将通过搜索、自然语言处理或语音生成，自然语言生成和人工智能将成为90％

——聊聊废墟之中的大数据应用引言：近年来大数据、人工智能概念喧嚣尘上，各类大数据应用层出不穷。这些融合了海量数据、高性能计算平台、智能算法、酷炫的数据可视化效果的企业级大数据应用产品成为了企业的新的宠儿。“大平台、微应用”,“数据智能应用”，一时间，大数据应用建设项目如雨后春笋般涌现，但在目前大部分的商业实践中我们看到，传统企业斥巨资建设的大数据应用，仿佛还没有找到商业价值的转化点。笔者结合自身在之前某大型央企的供职经历，从一名信息化从业者（IT狗）角度的出发，聊聊对此类问题的认识。姑妄之言，且读且