数字资产管理概述PPT文件格式下载.ppt

数字资产管理概述PPT文件格式下载.ppt

《数字资产管理概述PPT文件格式下载.ppt》由会员分享，可在线阅读，更多相关《数字资产管理概述PPT文件格式下载.ppt（65页珍藏版）》请在冰豆网上搜索。

最近一项A.T.Kearney研究指出，缺乏有效发布能力的数字内容每年会花费公司7500亿美元，因为知识型雇员将时间浪费在寻找和获取完成他们的工作所需要的信息上。

在一些诸如政府、电信、金融、媒体等以内容为其主要核心业务的行业中，内容和应用程序代码已成为关键性资产。

因此，要增强自身的全球竞争力，他们就必须将内容转化为推动商业成功的资产。

与此同时，所有行业也都面临着管理各种格式的信息的挑战。

客户对数据管理的需求已经超出了传统数据管理的概念。

研究部门调查发现，在企业存储的大量数据中，传统关系数据库管理系统（RDBMS）处理的结构化数据仅占数据信息总量的15%，而全球85%的信息是非结构化的，包括纸上的文件、报告、视频和音频文件、照片、传真件、信件等。

如何管理这些非结构化信息，成为传统结构化数据管理的一大难题。

中国大地保险企业内容管理实例成立于2003年的中国大地财产保险股份有限公司是我国第一家由国有独资金融企业吸收境内外优质资产参股设立的全国性财产保险公司，也是全国第四家拥有“国”字品牌的财产保险企业。

作为亚洲最大的再保险公司中再集团旗下唯一一个直保的财产保险公司，中国大地保险2007年保费规模即突破100亿元，目前市场排位稳居第五，综合实力位居全国第四。

作为拥有35家省级分公司，遍布全国将近1700家机构，业务覆盖机动车辆险、人身险、再保险、特殊风险等不同业务的保险业龙头企业，中国大地保险在处理车险和人身险业务时，同样面临着高效管理大量文档、图像等非结构化内容、及时准确提供关键信息的壁垒。

虽然中国大地保险的蓬勃发展和业务扩张在业内实现了跨越式发展，开创了“大地现象”并取得了骄人成绩，但其采用的以行政区域为单位的层级性授权管理体系，即根据总公司、分公司、中心支公司的组织架构，进行逐级核保授权管理的车险核保系统，已无法满足公司业务量的不断增长，中国大地保险遇到了四大问题。

首先，伴随着业务量的增长，冗长的业务层层审批流程不得不增加相应的核保和管理人员，无形中增加的人员成本导致了公司核保管理运营成本率，无法通过业务增长得以提升，更无法体现规模效应从而取得最佳经济效益。

其次，原有核保系统采用的是业务平均分配形式，有经验和经验较少的核保人员都在一个平台混合作业，从而导致了经验丰富人员耗费大量的精力处理简单任务；

而经验较少人员遇到复杂任务时无法立即做出决策。

第三，分级核保授权模式需要企业对业务进行逐级审批，冗长的流程无法确保业务处理效率。

最后，漫长的各层核保权限调整流程，使得公司无法快速、高效地应对企业运营模式的变化。

为解决日益凸显的需求，实现对核保系统的信息化发展目标，中国大地保险与IBM展开紧密合作，搭建了全方位的核保运营体系，有效的管理了企业内海量信息，形成了完善的闭环管理模式。

可以为中国大地保险提供一整套策略及实践，通过分工、统计、监控和检查四方面搭建完善的核保运营体系，实现与流程相关内容的抓取、管理和分享，帮助中国大地保险从内容中获得价值的最大化。

管理者通过ECM技术可实时监控运营情况，及时有效地发现问题，避免任务阻塞。

通过量化的工作报表，可以更合理的进行分工和考核，这不仅提高了基层对核保效率的满意度，更提升了企业在开展业务时的核心竞争力。

同时，ECM项目的实施大幅提升了中国大地保险在全部时段、工作时段、值班时段的核保处理时效，特别是工作时间，比原来节省了50%。

除此之外，基于新系统的核保运营管理更将系统配置、系统测试、上线准备三方面的核保流程变更周期时间也大幅缩短。

通过部署IBM企业内容管理解决方案，中国大地保险成功构建了全新核保运营管理体系，提高了核保系统的运行效率、准确性和成本效益，提升了订单、客户、员工等信息管理的高效性及企业决策的有效性，率先在车险和人身险服务领域实现了内容生命周期的灵活化管理，将基于内容的流程化管理运营效率显著提高一倍。

此外，该项目的成功实施不仅优化了中国大地保险关键业务流程，降低风险、削减成本并提高收入，更增强了中国大地保险业务能力，助力业务人员更快地响应不断变化的业务挑战，率先在车险和人身险服务领域实现内容生命周期的灵活化管理。

中国大地财产保险股份有限公司信息技术部负责人舒南燕表示：

“在如今互联化的世界里，信息就等于机会，明天的优胜者将会是那些善于通过管理和分析信息来提高核心竞争力的企业。

因此，若能高效、规范的管理好人员、设备和系统生成的每一个与我们息息相关的信息，我们会赢得更多的市场竞争优势。

随着企业的发展，业务的流程化转型是我们加速信息化发展的重点，同时也对我们的系统提出了更高的流程化管理需求。

IBMECM解决方案有效地帮助我们搭建了新的核保运营管理体系，管理了我公司内部系统信息，我们可以更好地将人员和信息相连，提取商业智能，进而挖掘更广泛的市场商机。

”数字资产管理领域1、政府信息资源管理2、企业信息资源管理3、社会信息资源管理BIGDATA-PreparedByxindong不知道BIGDATA?

你out了!

前瞻来看，随着互联网对网民的理解，网民对网络的反作用，互联网将变得越来越智能。

它在满足你需求的同时，也在创造新的需求。

前者的代表是Google，后者的典型则是Facebook。

谷歌的盈利在于所有的软件应用都是在线的。

用户在免费使用这些产品的同时，把个人的行为、喜好等信息也免费的送给了Google。

因此Google的产品线越丰富，他对用户的理解就越深入，他的广告就越精准。

广告的价值就越高。

这是正向的循环，谷歌好用的、免费得软件产品，换取对用户的理解；

通过精准的广告，找到生财之道。

颠覆了微软卖软件拷贝赚钱的模式。

成为互联网的巨擘。

互联网越来越智能互联网越来越智能Google精确掌握用户行为、获取需求精确掌握用户行为、获取需求微博为新浪带来巨大价值微博为新浪带来巨大价值马云的判断来自于数据分析马云的判断来自于数据分析“2008年初年初,阿里阿里巴巴平台上巴巴平台上整个整个买买家家询盘数急剧下滑询盘数急剧下滑，欧美对中国采购在欧美对中国采购在下滑。

海关是卖了下滑。

海关是卖了货货,出去以后再获出去以后再获得数据得数据;

而我们提而我们提前半年时间从询盘前半年时间从询盘上推断出世界贸易上推断出世界贸易发生变化了发生变化了。

”马云对未来的预测，是建立在对用户行文分析的基础上。

马云对未来的预测，是建立在对用户行文分析的基础上。

通常而言，买家在采购商品前，会比较多家供应商的产品，反映到阿里巴巴网站统计数据中，就是查询点击的数量和购买点击的数量会保持一个相对的数值，综合各个维度的数据可建立用户行为模型。

因为数据样本巨大，保证用户行为模型的准确性。

因此在这个案例中，询盘数据的下降，自然导致买盘的下降。

腾讯在天津投资建立亚洲最大的数据中心；

百度也在投资建立大数据处理中心；

新浪推出企业微博产品，提供精准的数据分析服务。

Gartner2011年技術成熟度曲線,大數據處於高速發展期技術演進歷史揭示未來是大数据驅動的智慧型經濟模式什麼才是大數據?

指数型增长的海量数据指数型增长的海量数据指数型增长的海量数据指数型增长的海量数据海量數據就是大數據嗎?

大數據就是雲計算嗎?

大数据的4V特性体量Volume多样性Variety价值密度Value速度Velocity非结构化数据的超大规模和增长总数据量的8090%比结构化数据增长快10倍到50倍是传统数据仓库的10倍到50倍大数据的异构和多样性很多不同形式（文本、图像、视频、机器数据）无模式或者模式不明显不连贯的语法或句义大量的不相关信息对未来趋势与模式的可预测分析深度复杂分析（机器学习、人工智能Vs传统商务智能（咨询、报告等）实时分析而非批量式分析数据输入、处理与丢弃立竿见影而非事后见效Value價值挖掘大数据的价值类似沙里淘金,从海量数据中挖掘稀疏但珍贵的信息.价值密度低价值密度低,是大数据的一个典型特征是大数据的一个典型特征.Variety多樣性企业内部的经营交易信息;

物联网世界中商品,物流信息;

互联网世界中人与人交互信息,位置信息等是大数据的主要来源.能够在不同的数据类型中能够在不同的数据类型中,进行交叉分析的技术进行交叉分析的技术,是大数据的核心技术之一是大数据的核心技术之一.语义分析技术,图文转换技术,模式识别技术,地理信息技术等,都会在大数据分析时获得应用.Velocity速度1s是临界点.对于大数据应用而言,必须要在1秒钟内形成答案,否则处理结果就是过时和无效的.实时处理的要求实时处理的要求,是区别大数据引用和传统数据仓库技术是区别大数据引用和传统数据仓库技术,BI技术的关键差别技术的关键差别之一之一.Volume数据量PB是大数据層次的临界点是大数据層次的临界点.KB-MB-GB-TB-PB-EB-ZB-YB-NB-DB对大数据的進一步理解大数据比云计算更为落地商业模式驱动应用需求驱动云计算本身也是大数据的一种业务模式大数据不仅仅是“大”多大？

PB级比大大更重要的是数据的复杂性数据的复杂性，有时甚至大数据中的小数据如一条微博就具有颠覆性的价值软件是大数据的引擎和数据中心（DataCenter）一样，软件是大数据的驱动力.软件改变世界软件改变世界!

大数据生态:

软件是引擎大数据的应用不仅仅是精准营销通过用户行为分析实现精准营销是大数据的典型应用，但是大数据在各行各业特别是公共服务领域具有广阔的应用前景消费行业金融服务食品安全医疗卫生军事交通环保电子商务气象管理大数据“易”,理解大数据“难”目前大数据管理多从架构和并行等方面考虑，解决高并发数据存取的性能要求及数据存储的横向扩展，但对非结构化数据的内容理解仍缺乏实质性的突破和进展，这是实现大数据资源化、知识化、普适化的核心.非结构化海量信息的智能化处理：

自然语言理解、多媒体内容理解、机器学习等.大数据为什么重要？

大数据为什么重要？

更高一层数据层面整合企业内外部更高数据层面整合利用用户”行为指纹”创造新商机用户在线的每一次点击，每一次评论，每一个视频点播，就是大数据的典型来源。

互联网企业之所以取得令人瞩目的成绩，其核心的本质就是包括用户网络操作的大数据，进行记录和分析，形成用户“行为指纹”，从而洞悉用户的潜在的、真实的需求，形成预判。

这是传统企业花费重金都难以企及的梦想。

所有传统的产品公司都只能沦为这种新型用户平台级公司的附庸。

大数据组成和展現方式？

基于基于SQL语言语言:

面对OLAP的传统行和列不基于不基于SQL或或map-reduce的的:

由谷歌率先发由谷歌率先发起起数据流数据流:

基于运行商数据直接生成任意图形新平台技术新平台技术数据入数据入口口/汇聚汇聚数据平台数据平台分析分析不同范围的服务不同范围的服务传统