大資料時代的石化企業，應該如何玩轉大資料

根據idc 監測，人類產生的資料量正在呈指數級增長，大約每兩年翻一番，這個速度在2020 年之前會繼續保持下去。這意味著人類在最近兩年產生的資料量相當於之前產生的全部資料量。於此同時，大量新資料來源的出現則導致了非結構化、半結構化資料爆發式的增長。

這些由我們創造的資訊背後產生的這些資料早已經遠遠超越了目前人力所能處理的範疇，大資料時代正在來臨…

目前，中國企業500強的日資料生成量近一半都多於1gb，更有4.9%的企業超過1tb。中國企業級資料中心資料儲存量正在快速增長，非結構化資料呈指數倍增長，如果能有效的處理和分析，非結構資料中也富含了對企業非常有價值的資訊。

石化行業具有多環節、多地域特色，各環節的優化是石化行業最關注的大資料應用領域。石化行業大資料分析應用多分布於**鏈優化、庫存管理、資金統一管理和生產監管優化四個模組。

石化行業企業資料的資料量大，儲存格式複雜，資料分散，型別眾多，不同型別資料報含的資訊各具特點，綜合各種資料所包含的資訊才能真實反映企業實際狀況。

石化行業企業對大資料分析解決方案的需求集中體現在：**鏈優化、庫存管理、資金統一管理、生產和安全監管的分析。

石化企業應用大資料分析需要解決的問題，主要為缺少資料全方位分析方法、erp軟體處理能力差、實時資料分析能力差、海量資料處理效率低，其分布如下圖：

來自ibm在全球的調研表明，大資料分析在支援創收策略、實現成本控制方面的價值正在穩步上公升。此外，近40%的企業在採納大資料分析後的六個月內就實現了快速的投資回報(roi)。

通過分析方法和解決方案，可以在大量資料中系統性的發現有用的關係，即實現經驗規律的可重複性。通過建立擬合不同模型研究不同關係，直到發現有用資訊，即用於分析原因解決問題。發現潛在價值，預見可能發生的某種「壞的未來」並給出建議，即**並提供解決方案。

①大資料應用日益廣泛，利用大資料分析為企業提供決策。

②隨著公司的發展出現多個it應用系統並積累了大量的資料，合理利用資料優化**鏈、庫存管理、生產成本控制和安全管理，提公升公司的整體競爭力。

③公司發展提出了大資料時代下如何建設智慧型工廠的問題

①資金管理類-決策分析、業務統計

②人力資源分析

③**鏈管理