网络化商业中的信息与数据质量

更新时间:2024-04-03 作者:用户投稿原创标记本站原创 点赞:26271 浏览:120456

摘 要 :文章对国外关于网络化商业中信息与数据质量现有的主要研究进行了论述,从不同角度说明了网络化商业中的信息与数据质量的重要性.

关 键 词 :文献论述,网络化商业,信息与数据质量

信息和数据质量是与企业息息相关的一个重要话题.目前该领域的研究主要集中在“加强信息和数据质量以及网络化商业的交互研究”,相关的文献有:

一是由伯里斯等人发表的名为“商业联网中的信息和数据质量:企业早期发展中的重要理念”的意见书,他们研读了该领域现有的文献,介绍并整合了对商业联网中的信息和数据质量的文献和研究,为未来的研究和事件提供了指引和方向.二是欧文等人发表的“语义标准是否质量不足?”.他们34种语义标准进行了调查,发现这些标准仍有改进的空间,并之处尽管一些行业标准公司实施了质量保证措施,却没有提供相应方法以衡量这些标准的质量.三是受到学术界和实务界的更大关注的安德里亚斯等人发表的文章,作者介绍了电子交换中的数据保证,并着重强调了用户理解,得出的结论是:数据保证就像不确定的吸收机制,减少了数据交换风险的负面影响.四是哈里斯等人论述了基于可扩展商业报告语言(XBRL)的标准的质量,作者设计出了一套评估数据标准质量的框架,并通过XBRL中使用的公认会计原则(GAAP)分类标准评估了该框架.最后是由休伯特等人所著的论文,他们选取了商业联网环境下的焦点公司,列出了一个总部位于德国汉堡的大型消费品生产商――拜尔斯道夫的供应链中的关键业务产品数据,设计了测量相关产品数据质量的指标以对该质量进行持续监测,从而奠定了产品数据质量可持续改进的基础.


目前,数据质量管理在许多发达国家已成为研究和讨论的焦点.通常,信息被定义为“经过处理的数据”,这一观点与“将信息理解为以数据为原料的产出品”浑然一体.质量是一个主观的概念,因而不管信息和数据的质量是高是低,都取决于用户的使用环境.例如,描述产品规格和重量的物流数据的质量可能对产品制造企业的需求计划部门意义不大,但是对该公司的物流部门来说却是首要考虑的问题,因为关于产品规格和重量的高质量信息能防止公司出现运输能力过剩的浪费.除了基于用户应用环境的考量,信息和数据的质量也是一个多维度的概念,即我们无法将描述成只具有单一特征的整体,而应该从不同角度去描绘信息和数据质量.因此,关于信息和数据质量典型的描述是“准确性,连贯性,及时性和完整性”.比如,一个客户的地址记录可能是完整的(即不包含空值),但如果相关的街道和邮编记录的是该客户以前的信息的话,这个记录就是“时间上不准确的”.

高质量的信息和数据是企业实现一些列战略需要的关键前提.在电信行业,商业运作模式已由“固定运营商主导”变为“以顾客导向为基础的信息和娱乐怎么写作提供商主导”,这也使信息和数据质量得到了更大的关注.德勤会计师事务所2009年称:“数据的地位已由地下室上升到了会议室”.另一方面,公司必须遵循的各项法规的增多也催生了公司的战略需要.例如,欧洲保险市场改革(欧盟保险偿付能力监管标准II)中规定保险公司应将信息和质量管理规范化以作为一项公司职能.除此之外,产品制造中的垂直距离不断减少以及网络化商业的不断演进对各商业伙伴间的信息和数据质量管理提出了新的要求.

荷兰学者塔皮亚(2006年)将网络化商业定义为一个“由自负盈亏的业务单元或者独立公司组成的,通过IT相连接以在特定时间内实现统一目标的网络”.尽管“网络化商业”这个词看上去与组织形式有关,与之相对的“商业联网”这一概念则是从一个网络中的焦点公司的角度出发而言的.这两个术语都暗含了三个普遍的理念,分别是:网络支持,怎么写作实现,以及生态系统管理.网络支持是指建立、实施和发展由IT支撑的业务关系的能力.怎么写作实现的含义是从以产品为中心转到为顾客提供解决方案上来.以瑞士的自动化技术生产商Endress Hauser为例,该公司不仅为顾客提供实体产品,同时也通过一个在线怎么写作端口提供从技术说明到技术替换和处理的一整套流程.商业联网的第三个概念是生态系统管理,它指商业网络间的协调.

信息和数据质量在商业联网中发挥了重要作用.在第十二届电子商务会议录中,斯诺文尼亚学者指出商业联网系统(网络支持的前提)依赖于高质量的数据共享和交换.帕克等学者(2003年)也认为信息的质量是在线怎么写作系统被接受并获得成功的重要参数.马德尼克等人则提出在管理公司业务伙伴的数据质量中建立“团体家庭支持企业”的理念.

研究学者们通过对实务工作的研究,也强调了网络化商业中信息和数据质量的重要性.全球商务创建会,凯捷咨询公司以及英特尔公司(2006)都认为,网络化商业中信息流动的最终目标是“获取所需要的一切信息以在问题还没出现时发现问题”.IBM公司(2010)还提出了在价值链中建立数据管理以降低“数据低质量带来的高成本”.