您的位置:通辽新闻网 > 企业故事 > >

数据模型设计的不同路径选择与对比

时间:2019-12-02 23:41  来源:

 

数据模型对于每一个数据项目的成功都具有关键的意义,它不仅决定着模型的生命周期,也关系着企业是否准确的从有价值的规律和信息中挖掘出“真知灼见”。

由于不同行业有不同行业的特点。因此,从业务角度看,相应的数据模型也是千差万别。对此,关于数据模型的设计,美创在医疗、港口、交通物流、社保工商等行业不断实践过程中形成了自己的思路和方法论,本文将介绍介绍几种分析场景下的数据模型设计方式。

一、 面向流程类建模

1、场景

流程类业务具有普遍性,其特点是时序性较强,具备线性执行特征,比如医院诊疗业务,港口集装箱进出口业务。

由于各行各业实际业务流程内容天差地别,不同行业信息化建设不同,流程环节的业务可能会由不同供应商建设,企业员工需详细了解各行业、各类供应商的数据模型,但这显然很难做到。另外,即使是行业流程很熟悉的业务人员,基于供应商源系统数据进行流程分析,难免也会陷入片面化的情况。

2、设计思路

针对流程业务的分析、时效分析,我们应该从业务本来的面目出发分析模型,而不应该拘泥于业务系统的流程结构。对此美创提出真实世界模型的设计思路,运用流程资源组件的分析方法进行设计。

面向流程类:真实世界模型、业务流程链、基础对象(资源)、基础事务(流程)、处理中心(输入/输出)

(1)真实世界模型特点

Ⅰ、按照业务本来面目去组织、集成和交换数据

Ⅱ、黑盒子分析方法

Ⅲ、标的物和输入输出分析方法

Ⅳ、流程、组件和资源标准化

(2)基本理念

每个流程任何输出都是对于输入处理的结果,是对于输入的一种反映。每个流程都可以分解为子流程,直至不能分解为止。

1569483406656035600.jpg

(3)设计步骤

Ⅰ.梳理行业的业务流程,运用黑盒子分析方法,从最大最粗粒度的流程出发,然后进行分解来梳理业务的脉络,直至不能分解为止;

Ⅱ.运用标的物和输入输出分析方法,对每个流程解析其输入标的物,输出交付物,处理中心的各项业务资源(人或组织、工具或场地、其他资源);

Ⅲ.针对每个流程的输入和输出,补充其上下文,从时间、空间、状态、目的、费用、结果、统计类信息等方面入手。如果这个流程涉及计划、排队等,输入上下文还可补充这些相关信息;

Ⅳ、所有流程梳理完后,对各环节涉及的资源进行汇总,对于相同业务实体对象或标的物,做标准化,形成实体标准统一,业务逻辑有区分。

这样设计的真实世界模型,避开了各业务源系统碎片化的问题,做到了时序上、流程链上的统一。在数据组织过程中,可以观察和分析数据,发现业务系统在流程信息化上的遗漏之处,寻找可以支撑的新业务。

二、统计分析类建模

1、场景

统计汇总分析是企业最普遍的需求,上至领导层的汇报,下至各部门人员的统计报表、业务分析人员的分析报告。统计分析数据需全面了解企业运营现状,并且能够发现问题,层层钻头到细节,使运营效率改善,业务质量提升。

由于以往的数据都是部门人员从各自的业务系统报表提取上报,因此会产生信息孤岛、标准不统一等问题,不能全面了解企业运营状况。

2、设计思路

针对企业运营统计类分析,可以运用平衡计分卡评价体系,通过维度建模的方法来构建数据仓库模型。平衡计分卡是从财务、客户、内部运营、学习与成长四个角度,将组织的战略落实为可操作的衡量指标和目标值的一种管理体系。

运用平衡计分卡,对企业业务分析主题的梳理可以做到全面,堵住“执行漏斗”。通过维度建模的方法论,可以对各个分析主题很好的梳理出所需的维度和指标体系:

统计分析类:平衡记分卡模型、维度建模方法、财务收益、客户服务、运营流程、组织优化和员工成长

(1)平衡计分卡模型特点:

Ⅰ、全面数字化企业运营,运营信息整合;

Ⅱ、关注运营流程的效果和合理合规性;

Ⅲ、分析维度层级化,统计指标体系化;

(2)基本理念

组织优化和员工成长→运营流程改善→客户服务质量提升→财务效益变好、成本降低,每一类相关的主题指标均要梳理统计分析,达到全面化分析。

而维度建模方法,是经典数据仓库建模的常用方法,对于梳理业务主题所包含的维度与指标非常有效。

1569483489025082713.jpg

(3)设计步骤

Ⅰ、梳理行业的业务流程,画出关系图;

Ⅱ、对于每个流程环节和业务主题,梳理相应的业务主体和标量;

Ⅲ、通过CRUD矩阵的方式确定度量所需的维度及其层级粒度;

Ⅳ、根据业务主题、维度,对度量进行相应归并,建立仓库模型。

按照该思路进行设计的统计分析模型,可做到维度上的统一,指标计算的定义标准化。在数据统计分析过程中,可以减少歧义,并在各个主题的维度分析查找原因后,还可以从平衡计分卡角度,对各类指标作因果影响分析,达到宏观全面化运营分析的目的。

三、面向档案类建模

1、场景

除常规的业务流程类企业,业务主主体对象的监管单位,需要对一个或多个关键实体对象进行全方位的了解和监管。而常规业务流程类单位,也需要对一些实体对象,如客户、产品等,进行画像分析。

一般业务源系统的建设都是为了完成某一组业务的流转运营而实现,主要是产生业务数据,而监管单位的系统则是以信息登记变更为主,不太会从主体对象的分析角度进行建设。

2、设计思路

针对实体对象档案类分析,通过主数据建设的方法,可以设计360视图模型。

在强调数据价值化和数据利用的时代,运用主数据建设方法,我们对企业关键实体对象进行标准、全面、详细的设计,这是最为有效的途径:

面向档案类:360视图模型、主数据建设、对象主索引、基础属性、行为属性、行为认知、关系属性、活动记录

(1)360视图模型特点

Ⅰ、对象数据标签化,数据质量,信息完整性要求更高

Ⅱ、区别于统计类,关注于对象本身,构建对象档案,可以精准化服务对象

(2)基本理念

主体对象是数据资产的核心部件,也是数据利用的主要载体,需要给主体对象增加各式各样的认知标签。标签越丰富,我们对其认知也就越充分。

按主数据建设方法,我们可以设计通用的对象模型结构。

1569483530286090358.jpg

(3)设计步骤

Ⅰ、根据业务流程,识别主体对象,梳理数据问题,并与各业务部门确认;

Ⅱ、主体内容与标准定义,做到认知统一,并用CRUD矩阵,与各部门确认责任范围;

Ⅲ、根据需求,主体对象可以分类合并,在更高级别进行统一,设计共性实体和差异实体;

Ⅳ、根据权责范围和属性分类,不停扩充各类属性标签,并完成业务规则和技术规则设计;

Ⅴ、设计主数据管理方案和利用方案。

以业务主体对象作为碎片化组织的主线,构建对象360度视图,所有关于该对象的信息通过一定的组织集成在一起,最终形成认识主体对象的全息生态链,从而做到对象的核心化、属性标签化,更容易为企业所认知,监管单位监管把控。

四、绩效考核类建模

1、场景

企业员工是企业最主要的财富资源,也是唯一的主观能动性对象,所以精细化运营管理最重要的是要通过绩效考核细化考核到个人,中到部门领导,上到整个企业战略目标。

每家企业运营的业务不完全一致,用到的考核规则,评价体系也都不尽相同,怎么设计一套通用可行的逻辑模型,是个难题。

2、设计思路

根据精益六西格玛质量管理方法的启发,并研究了各行业的绩效评价体系,美创总结出了一定的规律,并设计如下:

绩效考核类:绩效考核模型、精益六西格玛、指标模型、目标与考核规则管理模型、企业绩效、部门绩效、全员绩效

(1)绩效考核模型特点

Ⅰ、管理层驱动的问题发现改善;

Ⅱ、精益团队驱动的流程改善;

Ⅲ、员工自我驱动的工作改善;

(2)基本理念

精细化运营需要对运营过程,运营效果进行可量化测量,还需要一套可转换的考核机制,能够评价到企业的方方面面。根据实践经验,美创总结了各类企业的各级别的通用考核规律:

综合绩效=Σ指标集(工作量(标准化转换)+工作质量(±分)+合规性(±分))*权重系数

(注:需要归一化)

1569483597653082291.jpg

(3)设计步骤

Ⅰ、梳理可测量的工作量指标、工作质量指标、合规性指标,并确定其计算统计规则;

Ⅱ、设计目标值管理;

Ⅲ、根据企业实际业务需求,考核用的评价体系,对标准化转换、工作质量奖惩、合规性操作违规处罚等进行细化设计;

Ⅳ、根据整体绩效的计算方式,对各类计算项的权重配比规则进行设计;

Ⅴ、在确定完整计算规则后,对企业级,部门级,员工级的绩效评分进行细化设计确定。

该绩效评分设计模型,可以很好的与企业实际业务和评价标准进行相融合,从而为每个企业的绩效考核做到个性化配置。

五、总结

上述介绍的四种场景下的模型设计思路,其实都是对企业运营的各方面监测分析,所以这四种模型相互关联,相互影响,即可以单独设计,也可以配合设计一起使用。

数据模型本身没有对与错之分,只有好用与否的问题。从模型设计、落地、使用,需要结合业务场景、技术路线、设备性能、运维管理等多方面的因素,综合考虑模型的实用性,才能让数据模型在满足业务需要的同时,能有更长的生命周期。

图片13.jpg

文章来源:杭州美创科技有限公司