企業依賴數據并需要控制硬件和軟件系統來做出決策。了解有關管理信息系統的更多信息以及如何開始學習。

管理信息系統(MIS)是對信息系統的研究和應用，組織利用信息系統來訪問、管理和分析數據。要做到有效，管理信息系統需要了解業務流程并對其進行仔細規劃。數據必須準確、及時，硬件和軟件必須能夠存儲和處理這些數據。

一個好的管理信息系統取決于開發、實施和使用它的人員。如果您正在考慮從事管理信息系統方面的工作，請閱讀我們撰寫的萊斯特大學信息系統與數據管理指南。

一、什么是管理信息系統?

管理信息系統是一種為管理人員提供決策所需的信息的系統。管理信息系統從不同來源收集數據，并將其處理成符合管理人員及其員工需要的信息。

盡管企業使用不同類型的系統，但它們都有一個共同的目標：為管理人員提供所需的信息，以便他們做出更好的決策。在當今瞬息萬變的商業世界中，獲取準確及時的信息是成功的關鍵。有了管理信息系統，管理者就可以跟蹤業績，識別趨勢，并就資源分配做出明智的決策。

二、數據管理功能的類型

構成整個數據管理流程的各個學科涵蓋一系列步驟，從處理和存儲數據到管理如何在操作和分析系統中格式化和使用數據。開發數據架構通常是第一步，尤其是在需要管理大量數據的大型企業中。數據架構為如何管理數據以及如何實施數據庫和其他數據平臺(包括為個別應用定制的特定技術)提供了藍圖。

數據庫是存儲業務數據最常用的平臺。它們包含一系列數據，這些數據經過整理，便于訪問、更新和管理。數據庫既可用于生成業務數據(如客戶記錄和銷售訂單)的事務處理系統，也可用于存儲來自業務系統的綜合數據集以進行商業智能和分析的數據倉庫。

這使得數據庫管理成為一項集中的數據管理功能。數據庫創建后，必須進行性能監控和調整，以保持用戶從數據庫中存儲的數據檢索信息時查詢的可接受響應時間。其他管理任務包括設計、配置、安裝和更新數據庫、數據安全、數據庫備份和恢復、軟件更新和安全補丁。

用于實施和管理數據庫的主要技術是數據庫管理系統(DBMS)，它是一種軟件，充當其管理的數據庫與數據庫管理員(DBA)、最終用戶和使用這些數據庫的應用程序之間的接口。數據庫的替代數據平臺包括文件系統和基于云的對象存儲服務，它們存儲數據的結構化程度低于普通數據庫，在可存儲的數據類型和數據格式方面具有更大的靈活性。不過，它們并不適合事務性應用。

其他核心數據管理學科包括

a.數據建模：描述數據元素之間的關系以及數據如何在系統間流動;

b.數據整合，將來自不同數據源的數據整合起來，用于操作和分析目的;

c.數據管理：定義政策和程序，確保整個組織的數據保持一致;

d.數據質量管理，旨在消除數據中的錯誤和不一致;以及

例如，主數據管理(MDM)，為客戶和產品創建通用參考數據集。

三、數據管理工具和技術

數據管理過程中可以使用不同的技術、工具和技術。 以下是數據管理不同方面的選擇。

1.數據庫管理系統

最常見的數據庫管理系統是關系數據庫管理系統。在關系數據庫中，數據被組織在包含數據庫記錄的行和列的表中。不同表中的相關記錄可以使用主鍵和外鍵進行鏈接，以避免重復數據。關系數據庫使用 SQL 編程語言和嚴格的數據模型開發，最適合結構化事務數據。再加上對 ACID 事務屬性(如原子性、一致性、隔離性和持久性)的支持，使其成為事務性應用的最佳選擇。

不過，也出現了適用于各種數據工作負載的其他類型 DBMS 技術。其中大多數可歸類為 NoSQL 數據庫，它們對數據模型和數據庫模式沒有嚴格的要求。因此，它們可以存儲非結構化和半結構化數據，如傳感器數據、網絡點擊流記錄以及網絡、服務器和應用程序日志。

NoSQL 系統主要有四種類型：

文檔數據庫，數據元素存儲在類似文檔的結構中;

鍵值數據庫，將唯一鍵及其相關值結合在一起。

列式數據庫，表格包含許多列，以及

圖數據庫，將相關數據元素以圖的形式組合在一起。

雖然 NoSQL 數據庫不是基于 SQL，但其中許多都支持 SQL 元素，并提供一定程度的 ACID 合規性。

數據庫和 RDBMS 的其他特點包括內存數據庫(數據存儲在服務器內存而不是磁盤上，以加快輸入和輸出操作)和用于分析應用的列式數據庫。在關系型系統和 NoSQL 系統之前出現的分層數據庫目前仍可在大型機上使用。用戶可以在企業內部或云計算系統中部署數據庫。此外，各種數據庫供應商還提供托管云數據庫服務，為用戶管理數據庫的安裝、配置和管理。

2.大數據管理

NoSQL 數據庫通常用于大數據部署，因為它們可以存儲和管理不同類型的數據。大數據環境也通常使用開源技術構建，如 Hadoop(一種基于文件的分布式數據處理系統，可在商品服務器集群上運行);相關的 HBase 數據庫;Spark 數據處理引擎;以及 Kafka、Flink 和 Storm 流數據處理平臺。大數據系統越來越多地使用亞馬遜簡單存儲服務(S3)等對象存儲部署在云中。

3.數據倉庫和數據湖

用于處理分析數據的兩種最廣泛的數據倉庫是數據倉庫和數據湖。比較傳統的方法通常基于關系數據庫或列式數據庫，存儲從不同操作系統收集的結構化數據，并準備用于分析。數據倉庫的主要用途是商業智能查詢和企業報告，使業務分析師和經理能夠分析銷售、庫存管理和其他關鍵績效指標(KPI)。

企業數據倉庫包含來自企業各業務系統的數據。在大公司中，擁有自主管理權的各個子公司和業務單位可以創建自己的數據倉庫。數據倉庫的另一個變種是較小版本的數據倉庫，其中包含針對特定部門或用戶組的組織數據子集。在一種部署方法中，現有的數據倉庫被用來創建不同的數據倉庫;在另一種方法中，數據倉庫首先被創建，然后用來填充數據倉庫。

數據湖則存儲大量數據，用于預測建模、機器學習和其他高級分析應用。最初主要在 Hadoop 集群上構建的 S3 和其他基于云的對象存儲服務正越來越多地用于部署數據湖。有時，數據湖也會部署在 NoSQL 數據庫上，不同的平臺可以組合在一個分布式數據湖環境中。 數據可以在添加時進行分析處理，但數據湖通常包含按原樣存儲的原始數據。在這種情況下，數據科學家和其他分析師通常會為特定的分析用途進行自己的數據準備工作。

用于存儲和處理分析數據的第三個平臺選項也出現了：數據湖屋。顧名思義，它結合了數據湖和數據倉庫的元素，將數據湖靈活的數據存儲、可擴展性和較低的成本與數據倉庫的查詢功能和更嚴格的數據管理結構相結合。

4.數據集成

最廣泛使用的數據集成方法是提取、轉換和加載(ETL)，即從源系統中提取數據，將其轉換為一致的格式，然后將合并后的數據加載到數據倉庫或其他目標系統中。不過，數據集成平臺現在支持多種其他集成方法。其中包括 "提取、加載和轉換"(ELT)，這是 ETL 的一種變體，在將數據加載到目標平臺后保留其原始形式。ELT 是數據湖和其他大數據系統中常見的數據集成方法。

ETL 和 ELT 是按計劃間隔執行的串行集成流程。數據管理團隊還可以使用數據變更捕獲(將數據庫中的數據變更應用到數據倉庫或其他存儲庫)和流數據集成(連續集成實時數據流)等技術執行實時數據集成。數據虛擬化是另一種集成方法，它使用抽象層為終端用戶提供跨不同系統的虛擬數據視圖，而不是將數據實際上傳到數據倉庫。

5.數據建模

數據建模人員創建概念、邏輯和物理數據模型，直觀地記錄數據集和工作流程，并將其映射到事務處理和分析的業務需求。常見的數據建模技術包括為不同類型的模型實體創建關系圖、數據映射和模式。數據模型經常需要隨著新數據源的添加或組織信息需求的變化而更新。

6.數據管理、數據質量和 MDM

數據管理主要是一個組織流程，雖然有軟件產品可以幫助管理數據管理應用程序，但這并不是強制性的。數據管理計劃可由數據管理專家領導，但通常包括一個由業務領導者組成的數據管理委員會，共同確定通用數據定義以及數據創建、格式化和使用的企業標準。

治理計劃的另一個重要方面是數據治理，它負責監督數據集，確保最終用戶遵守已批準的數據政策。根據企業規模和治理計劃的范圍，數據管理員可以是全職或兼職員工。數據管理員也可能是業務運營或 IT 部門的一部分，在這兩種情況下，他們通常都需要熟悉需要監控的數據。

數據治理與數據質量改進工作密切相關：確保高水平的數據質量是有效數據治理的關鍵組成部分，而記錄組織數據質量改進情況的指標對于向業務部門展示治理計劃的價值至關重要。不同軟件工具支持的主要數據質量方法有

a.數據剖析：檢查數據集，找出可能存在錯誤的異常值;

b.數據清理，又稱數據清洗：通過修改或刪除錯誤數據來糾正數據錯誤。

c.數據驗證：根據預定義的質量規則檢查數據。

主數據管理也與數據治理和數據質量管理有關，但 MDM 并不像這些領域那樣普遍，部分原因是 MDM 計劃非常復雜，通常只適用于大型組織。MDM 為選定的數據域創建中央主數據寄存器，通常稱為 "黃金記錄"。主數據存儲在 MDM 中心，這些中心將數據輸入分析系統，以確保一致的企業報告和分析。如有必要，中心還可將更新的主數據發回源系統。

數據監控是一種新的流程，它可以補充數據質量和數據管理措施，提供更全面的組織數據狀況。數據監控是從監控 IT 系統的實踐中改編而來，通過監控數據管道和數據集來發現需要解決的問題。數據監控工具可用于自動化監控、警報和根本原因分析程序，并規劃和確定問題解決工作的優先級。

海馬課堂專業課程輔導，3500+嚴選碩博學霸師資，針對學生的薄弱科目和學校教學進度，匹配背景相符的導師，根據學生情況進行1V1專屬備課，上課時間靈活安排，中英雙語詳細講解課程中的考點、難點問題，并提供多方位的課后輔導，輔助學生掌握全部課程知識，補足短板。