數據分析師需要掌握哪方面的電腦技能?——從基礎到進階

週五, 七月 27. 2018

最近,在網路上看到一個問題:「數據分析師需要注重哪方面的電腦技能培養?」

問題的背景是這樣的:

[i]某高校通信專業出身,畢業後在運營商工作了7年多,先後從事通信網路運維、規劃工作,近兩年負責運營商數據分析(網路部門,偏向業務分析)。

由於職業發展瓶頸,從去年11月計劃跳槽,花了半年時間學習統計學基礎、SQL、Python等。

近期跳槽到互聯網產品部門,從事互聯網產品(APP)的數據分析師,支撐產品部門的數據分析(偏向業務分析,不負責數據倉庫、ETL等偏向IT工作)。工作內容差異較大,包括分析的顆粒度、工作方式(例如自己寫shell腳本跑數)、工作內容,因此緊急提升linux(shell編程)、SQL等技能,且加快對業務的熟悉,但仍感覺亞歷山大。

個人想繼續往數據分析方向發展,也深知數據分析包括電腦科學、統計學、業務等三個部分內容,目前比較欠缺的應該是電腦科學,請問對於想往數據分析師(數據科學)方向發展,電腦科學方面的技能能否給些提升建議?[/i]

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018062204.jpg[/img]

今天也是想借這個問題,系統回答下「數據分析師」的職業發展,也是最近在思考的。

根據我近10年的工作經驗,包括在甲方IT部任職[url=http://www.finereport.com/tw/]商業智慧[/url]BI專案經理和運營部任職業務分析經理,乙方Data Analytics專案(EDW/BI/Big Data/AI Machine Learning)諮詢和專案實施經驗,按照由易到難的進階步驟,我覺得應該掌握這些技能:

[color=#0000ff][b]基礎篇[/b][/color]

[b]1、首先是Excel[/b]

貌似這個很簡單,其實未必。Excel不僅能夠做簡單二維表、複雜嵌套表,能畫折線圖/Column chart/Bar chart/Area chart/餅圖/雷達圖/Combo char/散點圖/Win Loss圖等,而且能實現更高級的功能,包括透視表(類似於商業智慧BI的多維分析模型Cube),以及Vlookup等複雜函數,處理100萬條以內的數據沒有大問題。最後,很多更高級的工具都有Excel插件,例如一些AI Machine Learning的開發工具。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018062201.jpg[/img]

[b]2、掌握SQL Server或者Oracle的SQL語句[/b]
雖然你是業務分析師,但如果取數據能少依賴於IT資訊人員和IT工具(比如BI的多維分析模型,有時候並不能獲取你想要的數據),對於做業務分析,無疑是如虎添翼,我曾經見過華為的會計能寫七層嵌套的SQL語句,很吃驚。包括join, group by, order by, distinct, sum, count, average, 各種統計函數等。

[b]3、掌握可視化工具[/b]
比如商業智慧BI,如Cognos/Tableau/FineBI等,具體看企業用什麼工具。這些工具做可視化非常方便,特別是分析報告能含這些圖,一定會吸引高層領導的眼球,一目了然了解,洞察業務的本質。另外,作為專業的分析師,用多維分析模型Cube能夠方便地自定義[url=http://www.finereport.com/tw/]報表[/url],效率大大提升。


總結:至此,掌握以上技能的80%,可以算是一個合格的分析師了。這個階段的數據分析師,需要既懂得如何利用工具處理數據,也要懂得業務場景,能分析解決基本的問題。這裡還是要強調一點,數據分析師最重要的是熟悉業務,最好是懂。懂業務,分析邏輯就會清晰一般,而且也能排除大部分無用的嘗試。長期以往對於了解的業務,比對一下數據就知道問題出在哪裡了。

之後,如果是要深鑽技術,甚至往數據科學家方向上發展。

[color=#0000ff][b]進階篇[/b][/color]

[b]1、系統的學好統計學[/b]

純粹的機器學習講究演算法預測能力和實現,但是統計一直就強調「可解釋性」。比如說,針對今天微博股票發行就上升20%,你把你的兩個預測股票上漲還是下跌的model套在新浪的例子上,然後給你的上司看。統計學就是這樣的作用。

數據探勘相關的統計方法(多元Logistic回歸分析、非線性回歸分析、判別分析等)

定量方法(時間軸分析、概率模型、優化)

決策分析(多目的決策分析、決策樹、影響圖、敏感性分析)

樹立競爭優勢的分析(通過項目和成功案例學習基本的分析理念)

資料庫入門(數據模型、資料庫設計)

預測分析(時間軸分析、主成分分析、非參數回歸、統計流程控制)

數據管理(ETL(Extract、Transform、Load)、數據治理、管理責任、元數據)

優化與啟發(整數計劃法、非線性計劃法、局部探索法、超啟發(模擬退火、遺傳演算法))

[url=http://www.finereport.com/tw/]大數據分析[/url](非結構化數據概念的學習、MapReduce技術、大數據分析方法)

數據探勘(聚類(k-means法、分割法)、關聯性規則、因子分析、存活時間分析)

其他,以下任選兩門(社交網路、文本分析、Web分析、財務分析、服務業中的分析、能源、健康醫療、供應鏈管理、綜合營銷溝通中的概率模型)

風險分析與運營分析的電腦模擬

軟體層面的分析學(組織層面的分析課題、IT與業務用戶、變革管理、數據課題、結果的展現與傳達方法)

[b]2、掌握AI Machine Learning演算法,會用工具(比如Python/R)進行建模。[/b]

傳統的商業智慧BI分析能回答過去發生了什麼?現在正在發生什麼?但對於未來會發生什麼?必須靠演算法。雖然像Tableau、FineBI等自助式BI已經內置了一部分分析模型,但是分析師想要更全面更深度的探索,需要像Python/R的數據探勘工具。另外大數據之間隱藏的關係,靠傳統工具人工分析是不可能做到的,這時候交由演算法去實現,無疑會有更多的驚喜。

其中,面向統計分析的開源編程語言及其運行環境「R」備受矚目。R的強項不僅在於其包含了豐富的統計分析庫,而且具備將結果進行可視化的高品質圖表生成功能,並可以通過簡單的命令來運行。此外,它還具備稱為CRAN(The Comprehensive R Archive Network)的包擴展機制,通過導入擴展包就可以使用標準狀態下所不支持的函數和數據集。R語言雖然功能強大,但是學習曲線較為陡峭,個人建議從python入手,擁有豐富的statistical libraries,NumPy ,SciPy.org ,Python Data Analysis Library,matplotlib: python plotting。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018062203.jpg[/img]

最後,怎麼說呢,無論何時業務分析、[url=http://www.finereport.com/tw/]數據分析[/url]還是數據科學教,他的價值體現還是在於商業價值。數據人才到最後的發展也一定是要往企業運營VP、戰略參謀者身居。比如,數據戰略家可以使用IT知識和經驗來制定商業決策,數據科學家可以結合對專業知識的深入理解使用IT技術開發複雜的模型和演算法,分析顧問可以結合實際的業務知識與分析經驗聚焦下一個行業爆點。

所以需要你具備溝通、組織、管理能力和商業思維,這就不只局限於某個崗位了,需要你站在更高位的角度思考,為企業謀福利。同時也要思考,拿著「數據分析」這張牌,如何在公司發揮價值,用數據驅動企業運營,這是要思考的。

轉載自臉書專頁【[url=https://www.facebook.com/twfinereport]FineReport報表軟體[/url]】

我們用一個APP管理100+餐飲店,服務9000+員工!

週五, 七月 20. 2018

都說服務的溫度,是台灣餐飲業的軟實力,但硬實力的影響更不容忽視。

餐飲消費市場的擴大、數位科技的興起和普及、連鎖餐飲集團的規模化效應以及餐飲業在資本市場的活躍,都讓當前的餐飲企業面臨著巨大的機遇和挑戰。如何把握消費者的特點、圍繞消費者做好餐飲店管理是每個餐飲企業努力的目標。今天和大家分享一個曾經做過的餐飲數位化管理的經驗——眉州東坡餐飲集團。

1996年眉州東坡酒樓開業,經過20多年的發展,現公司旗下共有眉州東坡酒樓、眉州小吃、王家渡火鍋、玉磐傳家菜、蔬實·茶空間、嶽麓山屋六大品牌,從酒店到小吃快餐。除去品牌之外,還有一條產業鏈,主要目標就是川菜的標準化、產業化,主要涉及源頭採購、生產加工以及最後的物流配送。共有130家店,有9438名員工,三千萬人次註冊會員。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018061501.jpg[/img]


[color=#0000ff][b]一個數據分析故事,開啟數位轉型之路[/b][/color]

一家新餐廳的開設,前廳和後廚的面積應該是怎樣一個比例?
餐廳內二人桌、四人桌、八人桌以及包間該怎麼搭配擺設?
公司管理層比較熱衷於開大店,但是到底適不適用,誰能說得清楚和確定?
所以這些在過去都是憑藉經驗去決定。

而現在,我們通過數據分析去判斷。比如大店好還是小店好的問題,我們通過對以往餐廳數據的統計和分析,針對門店分析每平方米可獲得多少營收,得到一個數據參考。最終發現小型門店所獲得的效益要比大型門店高。因此針對這種情況,公司在戰略上做出了調整,降低部分大型門店的數量,增加小型門店。

這個事情,讓集團的數據分析工作首次得到高層認可,並開啟了數據驅動決策的商業智慧改革之路。

[color=#0000ff][b]從現有資訊化建設入手,分階段數位轉型[/b][/color]

2013年以前,眉州東坡的資訊化建設處於初始階段,每個系統之間都是孤立的,在特定平台上的。

第二個階段,逐步開始引入企業範圍的數據責任人體系,數據標準,數據管理規範,數據檢查工具,數據管理流程等,公司還引入了新的倉儲物流系統,這時期導入了帆軟FineReport[url=http://www.finereport.com/tw/]報表[/url],將各系統的應用數據做整合,通過數據分析了解企業經營狀況、顧客資料等。還建立了資料庫,從原始的資料庫裡面提取一些指標性的東西,然後進行單獨存放。

第三階段,數據集成有了一定的基礎,在這個基礎上公司做了一些更深刻的開發。在2014年,公司建立了自己的電商平台,包括現在的百度、美團等餐品外送平台,都是和公司的電商平台的對接。最終系統進行集成,通過數據決策平台展現出來。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017110301.jpg[/img]

[color=#0000ff][b]用一個APP管理100多家門店,服務9000多名員工[/b][/color]

眉州東坡有一百多家門店,為了能夠實時了解餐廳的經營狀態,滿足中基層管理人員常在餐廳走動很少坐在PC前的特性,公司著重開發手機報表。IT資訊部從2015年中開始,公司利用帆軟FineReport報表來開發自主的手機App,現在App用戶已經涵蓋公司高層、中層、基層的所有管理人員以及普通員工。

[b]高管管理的行動戰情室[/b]

下面是高管層使用的2張報表頁面。高管層首先看到的是下面的第一張。匯總了每月經營收入、當日不同集團不同業態收入,以及各個門店的增長情況排名。為什麼分析的是這些內容?因為高層關注的核心就是企業資產增值,對於餐飲、酒樓等業態來說,核心經營指標便是企業收入。這樣一張匯總表,之前是怎麼做的呢?上數據分析平台前,財務部分通過手工匯總,需要將近1周的時間,來完成財務月報,根本無力完成日收入分析。

只要一個匯總表是不是就夠了?不夠的,高層查看到收入匯總情況,有時會十分關注不同區域、不同業態的收入情況,這就需要提供明細鑽取的功能。技術不難實現,但對於眉州東坡,卻需要高速彙集分散在不同地點的數據,甚至是一些只存在門店本機的經營數據。解決了這個核心問題,就相對容易製作出了下面的明細APP報表。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017110302.jpg[/img]

[url=http://www.finereport.com/tw/]報表製作[/url]從設計到最終制定只花了三個月,報表中的每個模塊都可進行鏈接,總共鏈接出的報表有30多個。基本涵蓋了所有常見的業務。每個模塊設有微信分享鏈接,可以微信形式發給總裁。

[b]門市管理者的方便工具[/b]

門市管理報表主要的使用群體為各個門店的經理與廚師長,實現其在手機上能夠隨時隨地實時查看經營數據以及對菜品的[url=http://www.finereport.com/tw/]數據分析[/url]。

1)排名的功能,店長能直觀的了解該門店在所有門店中的排名。
2)通過動態參數實現時間維度的動態選擇;並且在不同的時間維度上業務數據中超鏈的內容也不一致:
日粒度數據中點擊銷售額會跳轉分時段的銷售統計分析,周以上粒度數據點擊會跳轉與上周(月、年)粒度的經營數據對比分析。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017091302000.jpg[/img]

用於對集團層面以及各個門店層面的菜品銷售情況進行分析,讓門店經理和廚師長清楚的了解所屬門店的明星菜品與銷量、明星菜品對總體銷售額的貢獻等數據,從而可以定期優化門店的推薦菜單。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017091303000.jpg[/img]

[b]基層員工優化餐廳細節的渠道[/b]

這是一個可以讓基層員工對公司的流程、制度、管理等提出優化建議的模塊。

員工填寫自己的建議,填報提交後會流轉到上級審批。審批流程中需要填寫評分結果,是否推廣(繼續向上級審批),直到區域經理、總裁、集團。每層審批通過都會對該次建議進行積分,積分越多獎勵越豐厚。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017091304000.jpg[/img]

[b]全員學習的資料庫[/b]

這是眉州東坡行動APP的一個客製化功能。公司的發展20多年,積累了很多的檔案資料,包括公司的管理規章制度、訓練課程等,需要全員學習和查閱。於是在APP上實現了PDF檔案展示功能,將這些資料通過超鏈接掛載到APP報表模板中,點擊後打開PDF展示。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017091305000.jpg[/img]

[b]倉庫物流系統順勢升級[/b]

2016年餐飲企業的稅務發生了變化,但眉州東坡所使用物流的系統不具備記錄稅率等相關資料的功能,這怎麼辦?
老辦法是找系統開發商進行二次開發,但高額的費用讓企業決定自己開發系統,這一任務落在了IT資訊部身上。從了解物流系統資料庫開始,自建資料庫用於相關資料的存放,最後部署數據模板。

下面就是使用帆軟報表做的倉儲物流系統升級補丁。首先可以看到左側的幾個目錄,是有單據列印、報表,還有系統設定等等。單據列印下面有一張入庫單,這個錄入單是讀取我們倉儲物流系統裡面的資料,然後做的一個集中體現。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017110303.jpg[/img]

沒有錄入或者沒有列印的話,它都會顯示紅色的字體,提示未完成未列印。工作人員操作是需要稅率和含稅價的,但每次手動進行錄入效率太低,所以我們設定為自動從系統檢索後自動填進去的。工作人員只需要核對一下資料有無錯誤,無錯誤可以通過。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017110304.jpg[/img]

點擊列印憑證,會自動把這些數據提交到資料庫里。提交之後會生成一張入庫驗收單,這是系統列印,之後列印的時候會列印到這樣紙製版的驗收單,然後確認。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017110305.jpg[/img]

從企業高層決策者、中層門店管理者到基層員工,每一位都被納入到APP使用之中。從企業的經營決策、門店的實時數據到管理服務的優化,每一個業務環節都展示在APP之中。通過這樣的數據化管理,緊跟需求不斷變化的消費者,直面競爭對手的挑戰,讓未來的路走的更加確定。


轉載自:臉書專頁「[url=http://www.facebook.com/twfinereport]FineReport報表軟體[/url]」。

我分析了32家企業數據平台的成敗,請你務必避開這4個誤區!

週五, 六月 29. 2018

數位轉型是近幾年的企業顯學,轉型離不開企業的資訊化基礎,而對資訊化過程中形成的數據流、資金流、物流等資料的整合成為轉型中必不可少的過程。許多企業通過制定有效的管理手段輔以強大的[url=http://www.finereport.com/tw/]數據分析[/url]工具來實現。

但很多人不明白自己企業當前階段需要什麼程度的數據分析工作,這就會導致數據分析平台搭建出來後,沒人用、不好用、沒價值的尷尬情況,明明花費了很多人力物力,但最後效果卻不盡如人意,基層業務部門反饋不好用,管理者也不關注,數據專案爛尾甚至失敗都是可能的。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017080802.jpg[/img]
製造企業典型的資料整合過程

我這裡分析了32家企業數據平台建設的成敗經驗,總結了以下4個極易發生的誤區。希望數據平台建設者予以重點關注。

誤區一:以多取勝。
企業在建設數據分析平台時,從業務部門獲取到大量的分析指標,開發出成百上千張分析報表,並沒有從實際使用者的角度去考慮,容易導致使用者的精力分散。

比如生產車間主任要看某一車間昨日的生產情況,可能就要從產能報表、質量報表、工時效率報表、庫存報表等繁多的報表中去尋找自己關心的資訊:某一車間某一產品某一工單的數據。費時費力,甚至覺得還不如以前Excel報表方便快捷。

所以指標的整合是個需要下功夫的事情,很多的指標都可以合並到一張報表中,通過查詢切換等方法多維度解讀。關於如何做好歷史報表整合,搭建一套便捷有全面的報表體系,可以參考文章:[url=http://www.finereport.com/tw/knowledge/acquire/createreports.html]數據化管理第一步:幾百幾千張歷史報表,怎麼規劃整理?[/url]

誤區二:單打獨鬥。
數據分析平台往往涉及到多個業務部門的數據,比如製造企業會包含採購、生產、倉儲、物流、銷售在內的供應鏈流程,以及研發、財務、人資等技術或支撐部門。現在很多企業的一些部門會單獨建設某一模塊的數據分析工作,過於強調各個業務部門的獨立性,往往會忽略管理者的使用場景。

比如企業CEO想看目前公司的產銷存情況,他可能要從生產、倉儲、銷售三個部門的報表中找數據,而且還要自己做對比等分析,不能快速的幫助他獲取想要的管理數據和分析結果,他主觀上可能就覺得這個平台比較雞肋。

所以數據平台的搭建建議一開始就要整理好需求,使用者哪些部門那些人員的人員,各自的需求是怎樣的。比如開始只是從行銷部門的使用為出發點搭建的,那麼請留好餘地,以方便後期擴展到其他的業務領域甚至是全公司。

誤區三:依賴工具。
對於大多數企業來說,擁有一款強大的數據分析工具可以事半功倍,但是過分的依賴工具和強調工具的作用會讓管理工作懈怠下來。做數據分析工作必須包含管理的理念在其中。從經驗來看,像帆軟FineReport這類的數據分析平台,其意義在於輔助管理決策,而其價值在於可以將一些戰略化、口號化的管理理念進行分解可執行化。

比如某一企業的階段性戰略目標是降低成本,在分析庫存成本時,通過分析往年產銷存情況以及期初期末庫存和安全庫存,調整最佳平衡點、優化庫存結構、提高周轉效率、縮小庫存空間,來達到降低庫存成本的目的。

相當一部分失敗的專案,不在於技術能力和技術方案,而在於數據應用方案。僅從技術角度出發的方案,數據指標之間、分析內容之間缺乏邏輯性,整個分析平台無主題、無指導性,數據分析平台淪為擺設,報表使用率低、好看不好用、價值體現不明顯等問題接踵而至。所以我們強調,數據平台搭建一定要管理數據雙驅動,管理層輸出壓力,將業績目標層層轉化為數據指標;資訊系統數據流出發,將基層數據層層提煉,形成有效數據提供給管理層決策。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/20170808002.jpg[/img]

誤區四:不了解使用者需求,需求不做細分
現在很多企業會從客戶需求的角度去創造產品,其實我們做數據分析工作也應該這樣。考慮企業各職能層級的工作性質,將數據分析工作分為三個層次,逐層遞進、相互補充。

1、基層。
一般基層的使用者大多是銷售員、採購員、生產班組長之類的業務人員,由於大多數業務流程是在各個業務系統中完成的,所以數據分析平台對於他們來說,主要是起到數據補錄和數據查詢的作用(基層使用者多數不會分析或者不需要分析,所以在基層開發分析報表作用不大)。

其中數據補錄是用來彌補老舊的業務系統中缺失的數據項,數據查詢不只是業務系統查詢內容的遷移,更重要的是基礎資料的整合。如果一項反覆工作涉及多個業務系統的查詢操作,那麼將這些數據整合到統一的平台上來查詢可以極大的提高工作效率。

基層報表可以按照業務流程或工種性質來分類,這樣更符合他們的使用習慣,所以對基層[url=http://www.finereport.com/tw/]報表製作[/url]的開發重心是提高工作效率。

2、中層。
在不同規模的企業中中層人員可能是某一業務部門負責人、部門中某一模塊的負責人,他們對業務系統的依懶性相對基層人員來說是比較低的,他們更關注匯總的數據、整體的情況以及趨勢,傳統的彙報模式已無法滿足他們對數據準確性以及分析靈活性的要求,所以在中層按照關鍵指標模塊化來分類分析報表是更明智的選擇。

例如將生產分為工單、庫存、物流、設備、質量、成本等模塊,每個模塊可能涉及一個或多個業務流程的資料。

絕大多數的分析類報表是在中層使用的,通過對比、預警、監控等方法去發現部門工作中的問題,所以對中層報表的開發重心是讓管理有理有據。

3、高層。
對於企業的決策者和老闆來說,他們更關注結果,關注他們制定的企業戰略方針有沒有被很好的細化和落實下去,所以按照戰略目標的分解和量化來分類報表是很有必要的,報表所展示的數據一定不能脫離企業的戰略目標,否則老闆不會關注,開發人員白忙活。

高層管理者不會關心太細化的指標,他們要的是以幾個指標就能掌控全局,所以高層報表不能太多,以3~6張為宜,比如行銷情況總覽報表中應體現銷售總額、利潤、計劃按時達成率、庫存總額、銷售效率等指標。

決策者所處的位置讓他們沒有精力去關注到所有部門的實時情況,可以通過監控、排名等分析手段來輸出壓力並傳達給相應負責人,例如對生產班組或銷售小組做top/last分析。

以上我們得出結論,對高層報表的開發重心是弱化分析、結果導向、壓力輸出。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017080803.png[/img]

文章轉自:[url=http://www.finereport.com/tw/]帆軟FineReport報表軟體[/url]

今天我一定要說清楚Tableau和FineReport的區別

週二, 五月 15. 2018

最近常常會遇到人來諮詢[url=https://www.tableau.com/]Tableau[/url]和[url=http://www.finereport.com/tw/]FineReport[/url]的區別。我剛說了句「兩者是不同的產品」就被堵回去「怎麼是不同產品呢?我們公司最近正在比較兩者準備用哪一個呢!」
其實我話還沒說完。兩者是不同的產品,tableau是一款olap產品,finereport是一款oltp產品,都是數據處理分析軟體,但面向的人群、市場的側重點各有不同。最關鍵還是要看企業的需求。下面我就盡量以簡單易懂的語言把這個事情講清楚。

總的來說,Tableau是自助餐,FineReport是套餐。
[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018051005.jpg[/img]

這裡涉及三個角色:食客、廚師、餐品:

業務人員、主管老闆是食客,是數據分析最終的使用者;

IT人員是廚師,對數據食材進行處理加工;

報表是餐品,最終的分析結果。

吃自助餐的好處是靈活性高,廚師對食材進行初步的處理,食客根據自己的想法隨時隨地搭配出想要的餐品,但是搭配出來的是精緻美味的大餐還是望而生畏的黑暗料理,就需要看食客自身的能力啦。所以,如果你的企業有熟悉分析手法的專業分析師及樞紐分析需求的業務、主管人員,他們可以自己滿足自己的數據分析需求,那麼tableau這一類的自助式[url=http://www.finereport.com/tw/]BI軟體[/url]非常適合。
吃套餐的好處是食客省心省力、常吃的餐品能確保質量。食客和廚師溝通,哪些菜品是我每次必吃的,做法要求是怎樣,廚師會直接做好。有新增需求的話就需要再和廚師溝通,沒法像自助餐那樣立即實現,需要等廚師做出來。廚師能不能一次性做到符合你的所有要求,需要良好的溝通。

不知道這個比喻能不能讓大家更好的理解: [b]Tableau適合熟悉分析手法的專業分析師以及有樞紐分析需求的業務主管人員。FineReport是IT人員主導設計,業務主管人員參與和使用。[/b]因為有著這種面向人群定位的差異,導致在很多功能的處理上存在不同。下面我們分別來介紹。

[b]1、數據整合[/b]
Tableau和FineReport都是數據處理軟體,整合來自不同資料庫的資料,包括SQLserver、mysql、oracle、db2等主流資料庫,microsoft excel、txt、xml等文件資料源。但整合的方式不一樣。
Tableau主要以表關聯方式跨數據來源整合於單一分析檔案中。
FineReport透過彈性的SQL語法及動態參數注入整合各種數據來源於報表中呈現。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/shujvzhiyuan1.png[/img]

[b]2、表格呈現樣式[/b]
Tableau作為前端分析工具,由於應用框架的限制,僅提供清單列表、交叉表、樞紐分析三大類型,表格配置彈性較小。實際的企業應用中,會碰到非常複雜的需求,比如儲存格前後左右列高、欄寬不一致的不規則報表,複雜的分組匯總表和交叉表。這類是Tableau的弱項,是FineReport的強項。
FineReport支援EXCEL式的儲存格設計,可彈性配置各種EXCEL的表格樣式,對各種各樣的格式的複雜報表處理非常專業。
[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/jvhebaobiao1.png[/img]

[b]3、圖表類型[/b]
圖表方面兩者各有千秋。
Tableau十足豐富的視覺化圖表,貼近一般使用者的UI、UX設計,配置簡易拖拉完成。
FineReport也有著豐富的視覺化圖表,同時提供API介面及條件屬性設定,變幻風格自由。
[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/tubiao.png[/img]

[b]4、DASHBOARD呈現[/b]
Tableau配置操作十分容易,輕鬆製作正規DASHBOARD面板,這是Tableau的優勢。但還是老問題,和上面提到的表格配置一樣,一些特殊風格的戰情中心面板的支援不夠。
FineReport則適合開發個性化的DASHBOARD,配置版面及風格可任意自定。
[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017092203.jpg[/img]

[b]5、統計分析模型[/b]
作為一款前端的數據分析軟體,統計分析是Tableau的強項。Tableau支援的模型非常豐富,提供相對專業的財務統計分析函數,也支援R語言。
FineReport在這方面確有不足,需要透過SQL、STORE PROCEDURE、JAVA及 EXCEL函數搭配運用。

[b]6、資料回寫表單[/b]
企業在日常經營中,除了對數據進行統計展現,也經常會有需要往資料庫錄入數據,有的是新增數據,有的是對老數據進行修改回填,有的是刪除數據,也有些企業用戶是通過excel將數據匯入資料庫的。比如倉庫物料掃碼入庫,門市店長每天錄入店鋪巡查狀況,銀行業務員實時錄入客戶資料等場景。
Tableau將數據從數據源中取出進行統計分析,但暫時不支援資料回填表單,無法幫助用戶進行數據的增刪改。
FineReport可設計WEB、APP回寫表單,寫入關聯式資料庫-MySQL 、Oracle 、SQL Server。並且提供校驗、保存、提交、審核、駁回、發布等完整的流程處理。也可將Excel資料上傳入資料庫。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018051003.jpg[/img]
[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/daoru1.png[/img]

[b]7、企業平台工作[/b]
Tableau搭建的企業數據平台具有定時派發,線上分析報表,dashboard、權限控管等基本功能,整個平台較適合分析人員使用。
FineReport企業數據平台支援定時派發、線上分析報表、dashboard、權限控管、AD整合、各類型報表列印,功能更加完善。較適合公司全體各層級部門人員應用,小至薪資條標籤紙、大至決策dashboard。
[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018051004.jpg[/img]

[b]8、多維分析[/b]
Tableau具有靈活的OLAP功能,多維操作非常簡便。
Finereport也能實現多維分析,但finereport沒有OLAP的概念,做多維分析不那麼靈活。每一個層次的維度,在finereport中都需要做一遍數據處理或者單獨再做一張報表。

[b]9、列印功能[/b]
Tableau只有desktop支援列印,且列印設定比較簡單,server版暫不支援用戶在瀏覽器端查看數據時直接列印。因為tableau本身不支援分頁查看報表,所以列印也是沒有頁碼選項的。
Finereport具有強大的列印功能,支持PDF列印、applet列印,flash列印技術,支援用戶在瀏覽器端直接列印,列印時提供列印偏移、頁碼、背景、紙張方向等等豐富選項。對於票據列印尤其擅長,票據中的格子已經列印好,通過FineReport可準確將對應數據列印到格子中,有財務發票、快遞單據、業務單據列印需求的企業常用到這個功能。
[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/dayin1.png[/img]

[b]10、權限控管細膩度[/b]
不同企業對於權限控管的細膩度要求不同。
Tableau依分析檔案workbook控管、單一workbook可依不同view分配權限。
FineReport除單一報表檔權外,可依SQL依用戶權限各別過濾資料,在展現結果可依單一儲存格配置。也就是說可以做到同一張報表,甲可以看到儲存格A1的內容,乙沒有權限看到。

[b]11、行動端的整合[/b]
Tableau效果著重於資訊分析內容呈現。
FineReport較多的互動配置,可回傳拍照、回報資料寫入、也能兼容平台上的各類型報表查看。

[b]12、工具整合能力[/b]
Tableau較封閉,只能將做好的模板整合到其他web應用中,通過Tableau Server的中生成的Javascript程式碼來實現。
FineReport有完整開放的api介面:java、javascript。可以OEM整合到現有的ERP/OA/MES等等業務系統或是APP中,開放介面,也可以定製開發,貼近企業資訊整合的使用。

[b]13、學習資源[/b]
Tableau較封閉。Tableau學習管道取得不易,需重新與合作廠商洽談,新任的主管可能無法適應此類型工具。
FineReport完全開放的2000篇線上文檔及萬人交流論壇。FineReport大多數的主管接受excel的效果,finereport能完整滿足並設計完成,且學習資源開放。

[b]總體來說。[/b]
Tableau和finereport兩款軟體對比,都具有各自無法比擬的優勢與缺陷,當然,這樣和二者的市場定位有關係。Tableau是[url=http://www.finereport.com/tw/]數據分析[/url]工具,優勢在於靈活的在前端進行數據分析操作,無需編寫程式碼,適用於數據分析師使用。其劣勢在於只能進行數據分析,無法滿足企業其他諸如複雜[url=http://www.finereport.com/tw/]報表[/url]統計、列印、數據採集等需求。而finereport,則定位於企業級數據採集與處理軟體,支援各領域各類企業的全體部門個性化報表需求,同時具備強悍的列印與填報等功能,但針對數據分析的功能稍微弱一些。此外finereport面向的用戶對象,偏向於具有一定技術基礎的IT人員,比如企業的資訊部門。

企業到底需要選擇Tableau還是FineReport,需要從業務需求出發,結合員工數據能力、企業未來規劃、IT部門整合需求等來綜合考量,關鍵並不在於工具本身。

東方衣架IT資訊部:使用者思維的運用,讓我們廣受老闆和業務的好評

週二, 四月 10. 2018

文 | 帆軟數據應用研究院 王立鑫

[i]辛辛苦苦重構了數據倉庫,業務人員卻說不好用?
開發了數據補錄頁面,完善數據結構,業務人員卻說影響效率?
行動端[url=http://www.finereport.com/tw/]報表[/url]用了一陣子,就沒人用了,也不知道原因?[/i]

問題的根結在於缺乏使用者思維。「使用者思維」已經成為IT人員的必修課,它幫助IT搭建從「技術」到「使用」的橋樑,讓IT工具能夠落到實處,真正服務于業務,得到業務人員的認同與好評。東方衣架是一個知名輕奢女裝零售業品牌,公司業務涵蓋服裝的研發、生產、流通、零售等多個環節,近年隨著業務的增長,企業的IT建設變得越加重要,這裡介紹衣架的IT資訊部門在進行企業的[url=http://www.finereport.com/tw/]大數據應用[/url]平台搭建時如何充分踐行使用者思維,真正為企業的業務發展和效率提高做出貢獻的。

[color=#0000ff][b]線上線下的結合,對數據應用有新要求[/b][/color]

東方衣架成立初期,就一直強調數位化平台的建設能力,在2016年以前,衣架的IT平台架構是6層結構:
1.數據儲存層:通過企業伺服器和公有雲的方式實現分區數據儲存。
2.數據管理層:除了來個各個業務系統的基礎數據的管理,另外搭建了數據倉庫,根據業務場景建立了各個業務主題。
3.後台服務:供應鏈管理、人資行政、財務管理;供應鏈管理涵蓋設計、開發。
4.中台服務:分銷系統,主要是為了解決店與店、店與廠之間怎麼高效的物流流轉,確保每件貨物都可以到它該去的門市去。
5.前台:一套是店鋪運營管理平台,負責日常貨物的調撥、報表的查詢;另一套是POS系統,做收單。
6.渠道:電子商務渠道,目前是天貓。線下渠道有直營、聯營和加盟。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018033001.jpg[/img]

2016年,響應新零售的發展,衣架開設了電子商務天貓衣架旗艦店,管理團隊對於線上渠道的定位發生了變化,試圖探索線上線下聯合的方案,以提高整體的庫存使用率。順應線上銷售的發展,IT資訊部需要對平台做以下三點改造:
意圖實現線上線下的庫存共享;
意圖實現線上線下的訂單共享;
意圖實現統一的會員中心。

最開始想到的方案,是對中台的分銷系統進行重構,很快被使用者思維否定了,原因如下:
對技術團隊來說,圍繞著分銷系統,已經用帆軟[url=http://www.finereport.com/tw/]報表軟體[/url]開發了很多報表,重構工作量很大;
對業務團隊來說,已經度過了新系統的試用期,併疊加了一些管理方法論,形成了管理效率的提升;
站在公司數位化全局,也無法接受重新走一遍從報表開發到報表運用的老路。

得出一個有意思的現狀:整個企業報表的沉澱的價值甚至大於整套分銷系統的價值。

最後得出的方案,對分銷系統開放了它的服務能力,也就是現在比較流行的微服務的概念,同時,保留分銷資料庫,以確保整個報表體系的穩定性,持續形成[url=http://www.finereport.com/tw/]數據分析[/url]層的價值沉澱。改造後的IT資訊平台如下:
1.線下實體渠道全部劃歸為自有平台,通過店鋪營運管理平台統一管理。
2.中台開放API,直接對接外部平台。
3.實現中台各中心的介面對接外部大數據,分銷資料庫更加壯大。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018033002.jpg[/img]

[color=#0000ff][b]我們為什麼那麼重視業務人員的參與?[/b][/color]

企業依賴的價值,就是發揮1+1>2的協作價值,IT資訊部時時刻刻站在業務人員(使用者)的角度,思考自己的視覺化呈現策略,哪怕走彎路,哪怕撞南牆,也是值得!基於東方衣架的資訊平台,IT部從2016開始,著力數位化的應用建設,旨在打造有管理沉澱能力的、好用的系統,IT團隊為此做了很多努力,尤其是帶動業務部門的積極參與,這讓他們的工作獲益無窮。今天我們只講4個典型的故事:

[b]故事1:面料開發專案,使用者思維發現奇妙的行為過程數據[/b]

「現在很多企業都在提[url=http://www.finereport.com/tw/]大數據分析[/url],那麼大數據,真的做好準備了嗎?對於數據來說我認為有兩種,一種是業務結果數據,比如進銷存的數據。還有一種,目前越來越關注的企業行為過程數據。對於線上來說就是瀏覽量、點擊率,對於線下來說就是客流統計、客戶的停留時長,這些數據對企業非常重要。因此,如何有效治理企業的過程數據,並且發揮出這部分數據的決策管理價值,是企業面臨的一個新的課題。」
——東方衣架IT資訊部經理邵佳宇

[b]從一個簡單的專案開始[/b]
做整個面料開發到樣衣設計環節的專案時,就遇到了企業內部的過程數據。開始其實目的非常簡單,還不涉及過程數據:
1.人員檔案進系統;
2.成衣檔案進系統;
3.流程進系統。

[b]產生一個複雜的管理需求[/b]
做完這些之後,管理層提出了更高的需求,開始關注公司的一季面料,因為衣架的面料都是自己開發,管理層希望能夠用數據驅動面料的開發。管理層希望看到:
1.一季面料開發成功了多少失敗了多少?
2.哪個供應商的打樣成功率最高、返工最少?
3.哪些樣衣開發進度正常,哪些有風險,風險是怎麼造成的?

[b]眼光轉向過程數據[/b]
可以看到,上述這些數據都在過程數據裡面,那過程數據在哪裡?答案是,在公司的共享服務資料夾裡面!我們發現企業會建很多的共享資料夾,這些檔案可能是Excel,需要多個部門去管理去填入數據。可能有的檔案不需要共享,在某位員工的電腦里,或者在某封郵件或者某堆紙裡面,最重要的可能是數據已經丟失了或者在已經離職的員工電腦裡面。那麼對於企業的數據分析來說,這些數據都是沒有價值的。
IT資訊部嘗試過把共享文件夾里的報表提取出來來回答管理層提出的上述問題,但發現無法確保這些數據的質量!於是,資訊部門意識到:要將企業的行為過程數據進行收集和沉澱。在剛開始推進這個項目的時候就遇到了問題,就是管理和效率之間的衝突,下面這個過程充分展示了這類衝突。

[b]過程數據帶來效率的問題[/b]
如下圖是一個面料開發員自己電腦里的excel表格,左邊是這次所有要開發的面料,可能在某個時間節點,這個面料到了,把這個填進去。然後要知道不同的面料現在開發的進度,所以他通過不同的背景顏色去標註。他提議說,資訊部能不能做到填數方便,一填這些數據就進入系統裡面?

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018033003.jpg[/img]

IT資訊部給的解決方案是:在系統里已有的面料檔案管理報表中,把excel中的資料維護上去,增加一個欄位,點進去讓面料維護員填寫行為過程進度。拿著這個方案與業務溝通。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018033004.jpg[/img]

溝通完之後的結果是這樣的:一件兩分鐘可以完成的事情結果要耗費一倍甚至更多時間來做這件事情,因此業務人員對方案是有抵觸的。某種程度上說,為了實現管理,犧牲了很多效率。

[b]尋求效率和管理的雙贏方案[/b]
為了解決這個問題,資訊部對這種類型的數據進行了研究,發現行為過程數據有兩個特點:
1.流程非常短,不像要先期建立合同然後某主管審批,再某老闆審批,這個面料進度數據直接填完就行了,而且靈活度高,這些都是圍繞開發員的日常工作習慣建立的。
2.監控困難,有些東西要填,但是有些東西從公司的角度來說是非常難監管到的。
總結後發現,如果沒有業務人員的積極配合,這個專案真正落地是很困難的。除非可以把數據填報入庫,做得比Excel還要方便,真正從操作人員的工作效率出發考慮問題。幸運的是,他們從帆軟FineReport報表與[url=http://www.finereport.com/tw/]BI系統[/url]軟體的填報功能中找到了答案。

[b]帆軟填報工具的實用性[/b]
採用帆軟FineReportb[url=http://www.finereport.com/tw/]報表工具[/url]的填報頁面設計效果如下圖,有幾個亮點:
1.保留了Excel的填寫方式,操作和離線PC一樣,一個個填進去就結束了。
2.歷史的面料數據,也可以隨時查看。
3.只要填出供應商的關鍵字,供應商也可以直接帶出來。
4.背景顏色也按照業務經驗做預設,保持一致。
5.這個表每月要給主管彙報,按照彙報簡報的模版,再做一張報表專用於彙報,系統直接匯出。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018033005.jpg[/img]

這個頁面得到了業務人員的廣泛好評,好的報表自己會流行起來!

[b]使用者覺得好用,才會有主動性![/b]
後來,這個面料開發員主動提出,還有一個面料調樣的excel,能不能也做到系統中。
結果各個部門的負責人,主動要求把工作記錄資料轉移到企業系統裡面去,很多共享資料夾裡面的很多要填的東西都被系統取代。對於企業來說,最重要的價值在於數據的質量可以得到保證,報表非常方便,而且可以確保準確性。

[b]故事2:補吊牌,使用者思維主動幫業務簡化流程[/b]

商品通過倉儲、物流,難免有吊牌遺失。在沒有系統之前,門店要填申請單,到商品部,收集起來申請單之後到生產部,吊牌的資料都是在生產部的電腦里,word檔案整理出來后,生產給到工廠,工廠到商品,商品給到督導,再到門店,可能這件衣服都不在門店了。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018033006.jpg[/img]

那麼,能不能把吊牌做到系統裡面去,以後也不需要在詢問工廠,系統能夠直接製作出來?
經過IT團隊的努力,現在可以實現店鋪在系統裡填寫補吊牌申請單,自動流轉到倉庫,倉庫一鍵把吊牌列印出來,然後發給門店。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018033007.jpg[/img]

這個功能很受業務人員歡迎,通過這樣小小的變化使整體的效率大幅提高,縮短補吊牌周期。

[b]故事3:商品色樣會,使用者思維發現業務短板[/b]

樣衣做完之後會召集各部門,大家開一個會,對這個衣服打分。以前都是列印一堆A4紙,大家在上面評分,評分之後會議暫停,資料員各件商品的評分紙收集起來,把上面的數據一張一張往報表裡面填,報表出來之後再次召開會議討論結果。這樣的會議非常低效。於是IT資訊部門在考慮,有沒有可能用行動設備來做填報打分?

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018033009.jpg[/img]

這樣只要在色樣會之前,把所有的商品資料錄入系統,開會當天大家直接可以在finereport開發的行動端報表中對每一件衣服進行評分,然後現場直接展示評分結果,大家再對結果進行討論。效率提高了一倍。
[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018033010.jpg[/img]

[b]故事4:流程可視,讓審批有跡可循[/b]

審批,是管理層的一個痛點。審批依據在哪裡?可能要把員工叫過來,整體彙報一遍。IT資訊多審批流程上的可視化工作,這裡舉兩個例子。
1.色樣BOM單變更歷史版本對比
在樣衣開發過程中,BOM經常會變的,而且會牽涉到多個部門之間的溝通。很多時候到下一個部門,一個流程到下一個部門的時候,他不知道上一個部門改了什麼,甚至到管理層去審批的時候也不知道變了哪些東西。
資訊部門就思考,能否讓系統做記錄員,記錄下每個部門的修改足跡?
經過努力,為了讓每個部門修改的內容區分開來,設計了如下頁面:

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018033011.jpg[/img]

左邊是這一版本的BOM,右邊灰色的是上一版本的BOM,更改的部分用紅色高亮出來,這樣就很清楚這個流程變了哪些東西。

2.店鋪拓展利潤試算
每一個門市開之前,都會對利潤進行試算,首先需要營運和拓展將一些開店的基礎數據(包括預估的數據)全部進入系統裡面去。原先這些信息進去之後,到財務那邊,打開表格,把資料填到Excel裡面去,然後算出一個利潤,看這家店開設賺不賺錢。不賺錢,反過來再找對應的要找誰溝通。
思考:溝通的過程,能否線上自動化解決,同時兼顧財務數據的安全性?
經過資訊部的努力,為了方便做開店試算和溝通需求,設計了如下頁面:

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018033012.jpg[/img]

財務只需要填寫表單資料,點擊「利潤計算」,一鍵就把整個利潤全部測算出來,賺不賺錢,甚至細到科目的資料都算出來了,如圖:
[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018033013.jpg[/img]

不僅如此,既然是試算,就要有試的功能,所以對每個科目對應的內容允許做調整,調整後利潤即可相應變化,這樣小小的動作提升了開店利潤試算的效率。

[color=#0000ff][b]衣架內最流行的報表軟體[/b][/color]

前面講的都是帆軟的報表的應用,帆軟FineReport報表本身是一款非常優秀的報表與BI系統工具,衣架內部的使用率非常高,日均訪問次數在2000-3000之間,下圖是訪問統計:

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018033014.jpg[/img]

資訊部也開發了很多的報表,數量在100張左右,並且數量還在增加:

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018033015.jpg[/img]

東方國際創業品牌管理股份有限公司——「衣架」,在帆軟FineReport的報表工具平台上,跑出了獨特的身影,堅持使用者思維,讓數據的價值,沉澱到企業管理中,固化成企業的數據生產力,這,遠比做一兩張報表,意義深刻的多。期待2018年的衣架,發生更多這般樸實的故事,在企業數位化的潮流中,邁開堅定的步伐,更上一層樓。

「當衣架遇見帆軟,是美好的,也是充滿激情的,更是腦洞無限的。」
——上海東方國際衣架品牌資訊部經理 邵佳宇

東鵬飲料:打破壟斷搶佔一席,數據讓我們比誰都了解消費者!

週一, 三月 26. 2018

[color=#0000ff][b]壟斷市場中異軍突起,迅速佔領一席之地[/b][/color]

「累了困了,喝東鵬特飲!」近年來,東鵬特飲異軍突起,在被紅牛長期霸佔的功能飲料市場中成為中國品牌的翹楚,銷售額突破30億人民幣,成功佔據細分市場第二名的寶座。那麼,東鵬特飲是如何在這個被壟斷的細分市場里搶奪到一席之地的呢?眾所周知,快消品行業的競爭,無外乎品牌和效率的競爭,本文將為您分析,東鵬特飲通過[url=http://www.finereport.com/tw/]數據分析[/url]優化品牌行銷、提升管理效率的成功之道。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018032005.jpg[/img]

[color=#0000ff][b]業務系統積累海量數據,數據應用卻遇到瓶頸[/b][/color]

通過多年建設,IT資訊團隊為為東鵬飲料建設導入了一系列業務系統,保障著企業日常運營,在品牌、生產、渠道管理方面均發揮著重要的作用。同時,也為基於[url=http://www.finereport.com/tw/]大數據分析[/url]技術的管理決策優化提供了海量的數據。

[b]1、業務系統積累的海量數據[/b]

東鵬飲料的主要業務系統包括:

ERP系統:作為生產到出貨的完整管理系統,涵蓋了生產、供應鏈、分銷、財務等模塊。集團管控保證了數據的完整、準確、統一、高效,為數據探勘及數據分析打下了紮實基礎。

行動行銷管理系統:對於一線業務人員、巡店步驟、門店終端以及市場費用進行一體化管理。管理業務人員3000+,經銷及分銷商1000+,終端門店85萬+。

產品溯源系統:管理生產賦QRCODE、入庫、裝車掃QRCODE,相關記錄每天超過100萬條。

消費者互動平台:管理瓶蓋掃QRCODE贏取紅包活動的相關數據,參與紅包兌換的記錄10億+,參與消費者6000萬+。

[b]2、數據價值的應用瓶頸[/b]

業務系統建設保障了日常業務的開展,但是積累的海量數據並未給東鵬飲料的管理帶來方便。以季度銷售會議為例,中國區三十多個地區銷售總監在會議前一個月收到會議通知,然後就著手準備季度銷售資料,在助理的幫助下從各個系統中匯出相關數據進行數據匯總、數據整合和數據分析。然而,到了季度會議時,他們手上的這份數據卻常常與總部的數據不匹配,往往接下來的會議就是分析數據層面存在的問題,而不是討論隱藏在數據背後的實際經營問題。

數據的採集、整理和分析都存在困難,東鵬飲料的IT資訊團隊急需要建設一個統一的數據分析平台,滿足企業各個層次的大數據應用需求。

東鵬特飲佔據市場第二的背後:數據讓我們比誰都了解消費者!

[b]3、統一數據平台建設要求[/b]

基於IT資訊建設的現狀,東鵬飲料IT休資訊團隊對統一數據平台提出了以下幾點要求:

資料源:能夠與現有多套業務系統進行對接,即整合現有所有業務系統資料,通過統一數據[url=http://www.finereport.com/tw/]BI系統[/url]平台進行集中數據分析和展示;

處理性能:對於海量數據具有高效的處理能力;

系統集成:該平台及其[url=http://www.finereport.com/tw/]報表[/url]支援在OA、鵬訊通APP、ERP等系統中進行嵌入;

視覺化:能夠將複雜的數據報表轉化成[url=http://www.finereport.com/tw/]資料視覺化[/url]的圖表,美觀簡潔;

成本:方便易用,操作簡單,運維成本低;

基於以上需求東鵬飲料對比了幾家報表BI工具廠商,最後選擇了[url=http://www.finereport.com/tw/]帆軟[/url]數據分析決策平台,它在各個方面都完美契合了東鵬IT資訊團隊對大數據分析應用的訴求,成為東鵬飲料在[url=http://www.finereport.com/tw/]大數據應用[/url]領域的合作夥伴。
[color=#0000ff][b]
統一數據平台助力數據化管理,覆蓋各個子公司與業務系統[/b][/color]

東鵬飲料2016導入帆軟數據分析BI系統平台,迅速建設了覆蓋各個子公司和業務系統的報表體系,為實現企業的數據化管理決策提供了強大的支援。根據統計,公司內部對報表的日均訪問量超過500次,日高峰達近千次。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018032006.jpg[/img]

東鵬飲料統一數據平台帶來的實際業務成效,主要可以歸納為以下兩個方面:

面向外部:建立了完善的市場感知網路,拉近品牌與市場的距離;

面向內部:各個業務環節的運營管理效率提升;

下文將著重分析東鵬飲料對市場數據、運營數據的應用成果。

[color=#0000ff][b]市場數據:品牌口碑的基石[/b][/color]

2017年,在《法治周末》聯合谷尼國際輿情監測機構發布的《十大功能性飲料網路口碑報告》中,東鵬特飲憑藉產品創新與年輕化的品牌戰略和紅牛一起躋身第一陣營,網路口碑排名第二,稍遜於紅牛,與脈動、樂虎、佳得樂等眾多品牌拉開了不小的差距。

那麼,東鵬特飲是如何做到這樣的品牌口碑的呢?這從東鵬飲料推出的一個消費者互動項目中,我們可以窺見一二。在這個項目中,為了將市場數據與品牌口碑有效的結合起來,東鵬飲料重點做了以下幾件事情:

[b]第一步:連接消費者[/b]

通過對行動支付市場趨勢的把握,東鵬飲料巧妙的運用了微信紅包這樣一個工具,將微信紅包嫁接到瓶蓋中,消費者在購買產品後掃描QRCODE可以直接兌換獲得微信紅包。

該活動獲得了6000多萬條紅包兌換的數據記錄,讓東鵬特飲有機會與終端消費者建立廣泛而直接的聯繫。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018032007.jpg[/img]

[b]第二步:數據分析和應用[/b]

東鵬飲料對於這6000萬+條紅包兌換的數據紀錄並沒有簡單放過,而是通過一系列的動作將其轉變為對品牌運營真實有效數據資產。IT團隊定時將紅包兌換的公有雲數據進行同步、抽取、清洗和轉化處理,並通過帆軟數據分析BI系統平台形成了多維度資料視覺化的市場數據報表體系:

[i]1、消費者使用產品的時間超出我們的預期[/i]

海量的兌換數據按照地區和時間維度,橫向、縱向對比之後獲得一些有價值的資料。有趣的是,東鵬飲料將兌換的時間維度進行了細化,與消費者的行為習慣結合起來,從而發掘出更有價值的消費者行為資料。

消費者開蓋兌換紅包的時間是與其使用產品的時間重合的,那麼從消費者兌換紅包的時間點就可以分析出消費者是傾向於在什麼時間點來使用東鵬特飲。在原來的認識中,公司總覺得產品在消費者熬夜時的使用量偏大,然而通過對兌換時間的峰值分析,中午12點和下午5點時分別出現了使用高峰,並且比晚間高出了一倍。這讓東鵬特飲重新定義了自己的使用場景,並對調整廣告行銷策略提供了數據支援。
[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018032008.jpg[/img]

[i]2、兌換數據分析幫助我們了解市場產品貨齡[/i]

每個瓶蓋的二維碼在溯源系統中還可以對應到產品的生產日期,基於開蓋兌換紅包的日期及生產日期數據,就能分析出市場上產品的貨齡(從產品生產到產品被最終消費的時長)情況,從而幫助企業優化調整鋪貨策略。對於企業來說,產品在貨架上擺放的時間縮短了,整個供應鏈的周轉效率就會加快;對於消費者來說,每次購買的都是最近生產的產品,過期和質量風險降低,品牌體驗自然會更好。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018032009.jpg[/img]

[i]3、兌換數據分析助力銷售預測和備貨[/i]

開蓋兌換的產品就是實際被消費的產品,IT團隊將特定區域當天兌換紅包的數量,按照一定公式推算,就可以獲得當地在這一天的實際消費數量。這個數據對於當地銷售團隊的業績預測、備貨計劃等等有著重要的價值。起初,這樣一份數據並沒有獲得銷售團隊的關注,但是久而久之,銷售團隊逐漸認識到這份數據的價值,不斷的向IT團隊提出需求和建議。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018032010.jpg[/img]

[i]4、未來願景:用戶畫像[/i]

通過一些基礎的數據分析,東鵬特飲了解到自己用戶群體年輕化的特點。這堅定了他們的市場策略,走年輕化市場,在年輕人關注的電視劇、部落格、臉書等平台對年輕的用戶群體進行密集的行銷推廣,並提出「年輕就要醒著拼!」的全新口號。對年輕市場投入的回報,又在市場數據的反饋上得到了驗證。

未來,東鵬特飲計劃建立更完善的用戶畫像體系,為不斷優化品牌定位、建立更更及時的市場反應機制提供全面的數據支援。

[color=#0000ff][b]數據真正成為管理效率提升的利器[/b][/color]

掌握了瞬息萬變的市場資訊,能否有效的應對則需要高效的運營管理體系。就像上文提到的季度銷售會議,在導入統一數據平台之前,數據不僅沒能成為業務效率提升的武器,反而成為了大家要投入巨大精力進行處理的業務本身。

基於不同部門的大數據應用需求,東鵬飲料IT資訊團隊為各子公司、部門建設了完整的數據分析體系,各個部門均可通過統一數據平台開展會議、進行決策,極大提升了包括生產、銷售在內的各部門管理效率。生產方面,通過報表將產能和生產計劃更好的結合,以更低的成本更大幅度地滿足市場需求;銷售方面,則通過統一及時的業績報表,實現及時激勵,極大提升了銷售團隊的積極性。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018032011.jpg[/img]

[color=#0000ff][b]結語[/b][/color]

在瞬息萬變的快消品市場,洞察市場訊息是品牌立足的根本,而通過大規模的市場調研準確認識市場,早已經不符合數位時代和大數據時代的速度要求。東鵬飲料——功能飲料市場的後起之秀,為我們提供了一套通過掌握市場數據從而搶佔市場先機的思路:通過數據平台拉進與消費者距離、收集分析消費者資料、高效率決策運營!

場關乎未來IT人飯碗的爭論:如何量化IT建設的價值?

週一, 三月 19. 2018

文/帆軟數據應用研究院 李向川

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017121914.jpg[/img]

上一篇文章呢《怎麼確定企業利潤的變化和IT建設有直接關係?》,聊了挺多 IT 的價值,說來說去,都是在推銷一個理念「IT 建設價值巨大」,那這個「大」究竟有「多大」呢?其實筆者也沒給出確切答案,只是提供了從不同的維度和視角來衡量審視這個「大」。筆者這裡正在調研一些價值量化的思路,也希望能和大家多多交流,這裡我做了個分解圖,大家可以從文末看到。總體來說,量化的思路就是先積累原始數據,讓相關提出需求的部門給出他們認可的量化維度和大致的量化標準,然後根據市面上的專家意見對其進行調整,最終形成一個企業內部可以執行的起來的量化模型。

簡單粗暴點理解的話,可以先按照這個公司的經驗來執行。

在需求評估階段,

1,在不改變業務流程和工作流程的前提下,算出節省的人力和時間,這個是可以精確到月節省工資支出的

2,不改變成本支出的前提下,算出管理人員節省的管理成本,包含物料和人力的管理,這個也是可以按照月工資/月工作小時來精確的,

我們主要做公司內部的業務開發,所以從節約上考慮,節省金額必須寫進需求文檔里的,否則不開發。

對,我們 IT 人,就要開始這麼牛氣起來!(呵呵,內心是這樣想的~)

[color=#0000ff][b]1. 要積累數據[/b][/color]

一場關乎未來IT人飯碗的爭論:如何量化IT建設的價值?

企業做量化分析,很重要的一環就是企業[url=http://www.finereport.com/tw/]大數據分析[/url]。那麼筆者建議,我們要做的第一步就是積累數據。這裡建議的「積累數據」並不是說要求企業一定要有這樣那樣的現成數據才能啟動和量化,而是我們要爭取在後期 IT 系統運維的過程中,來達到這種用數據[url=http://www.finereport.com/tw/]資料分析[/url]和對比說話的狀態。

那麼我們都需要哪些數據呢?簡單來說,主要需要的是 IT 系統上線前和上線後的數據。這裡面筆者詳細說一下這些數據具體是什麼,以及如何採集和利用,以方便大家在實際操作中可以用起來。

[b]1.1 要有IT系統上線前的數據[/b]

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017122601.jpg[/img]

1.1.1 需要哪些數據

我們一般需要哪些數據呢?筆者大致將其分兩類,一類是企業內部管理流程效率數據,一類是企業外部綜合評價數據。

企業內部管理效率數據是指方便用時間和資金來衡量的企業管理流程效率數據。這裡的關鍵在於「方便衡量」。這裡舉幾個例子來說說哪些數據符合這些要求,以及什麼是「方便衡量」。

以周報和月報來說,企業至少有兩種場景下會用到。第一種,是領導在辦公室或者手機上及時查看;第二種,是管理層的經營管理會議上使用。那麼第一種主要是領導個人決策,下面彙報。第二種主要就是群策群力、通過會議來發現生產、經營中的問題,解決問題。

這裡面一個重要的「方便衡量」的數據就是周報和月報的生成時間。比如月報,是每個月的1號就能出來上個月月報,還是每個月10號甚至15號才能出來上個月月報?自家企業對這個月報延後的容忍度是多少?在多大的IT建設投入下,企業願意將月報及時度提高到每月3號?

這些問題,先從自家企業了解清楚,數據擺出來自然就會得到一部分人的支援。

同樣類似例子,一個分公司或者子部門,出現了業務問題,多久能夠反饋到領導層,這個流程效率也是「方便衡量」的。在一些生產企業,進出原料,審批流程的執行時間,這些也是「方便衡量」的。

在這些流程效率的改善價值上,我們或許不必給領導過多分析彙報效率提高的價值,領導心中自有賬本。我們可以嘗試將這些數據落實到IT項目報告中,並得到相關領導的確認即可。

第二類,說的是企業外部綜合評價數據。這裡重點指得是我們的客戶反饋、用戶反饋、競爭對比等方面的數據。比如通過IT系統建設,客戶體驗提升了多少,為多少訂單提供了支援服務,用戶投訴量下降了多少,及時獲得哪些競爭對比數據用於改善了自己企業的產品和服務,甚至通過系統避免了多好訂單的損失。這部分數據,主要是需要IT主管和業務主管,共同合作來完成。

上面所說的這些數據,很多都是儲存在企業的Excel檔案中或者歷年的工作彙報中,有些 IT 建設和維護較好的企業,甚至在資料庫中可以直接提取到。

1.1.2 沒數據我們也要「造數據」

那麼,如果企業導入IT系統前,很難找到上面這些數據怎麼辦?解決辦法是:我們自己「造」。自己「造」數據,肯定不少人都犯難了,甚至很排斥,怎麼可以「作假」呢?其實,這不是作假,而其實合理的量化手段。筆者從四個步驟和大家講一講。

第一步,我們就要確定「造」哪些數據。前面有提到兩大類數據:企業內部管理流程效率數據和企業外部綜合評價數據。筆者建議,我們重點從企業內部管理流程效率數據入手,先搞定這些數據。因為這些數據相比企業外部數據更客觀、更方便採集、更容易獲得公認,這樣也就方便我們啟動和執行量化工作。

第二步,我們怎麼「造」數據。前面剛說了,咱們重點是放在企業內部管理流程效率數據。其實這些數據,在企業內部是真實存在的,只是很多時候,都是停留在每個員工個體的腦海里和一些直接主管人員的工作彙報里。我們要做的,就是先擬定需要採集的數據項,並初步給出「數據」。

比如說:物料進出的平均審批時間 A 小時;某一個級別的領導每天處理某事物的平均時間是 3 小時;某部門和子公司平均每次處理某問題(比如客戶投訴)需要100小時和10萬元財務損失。

這些數據,我們先「造」出來第一版,然後到不同的業務人員和部門去溝通調研、核對調整,階段性目標是通過這個初版調研,找到能夠給出相對準確的數據的人,找到能夠最終審批數據的人。最終目標是形成一個大家公認的效率數據標準。

第三步,誰來真正地「造」數據。第二步里,我們已經初步的「亂編」了初版數據,第三步這裡就是真正的「造」合理的數據了。筆者建議,是 IT 部門推動業務部門調整我們之前的初版數據,然後儘可能的給出每個數據項的明確數據,或者給出每個數據項的2~3個參考的數據檔。比如我們無法確定物料的平均審批時間的話,那麼我們起碼可以確定類似2小時和4小時兩個選項,交給真正的審批人員來最終核定數據的合理性。

第四步,誰來審批「造的數據」的合理性。坦白來說,這一步,走起來或許會不容易。筆者建議這裡由 IT 部門主管去主動推動,IT 部門主管主要的溝通對象就是某個業務部門主管,先從單個業務部門探索嘗試。其實這一步,主要是業務部門和 IT 部門的利益平衡。如果業務部門說這個、那個數據不認可,那麼IT部門就有理由和底氣說,這塊工作向後排,其他工作排在前面來。(其實內心戲,都懂得。就是業務領導不認可某塊的IT建設話,IT部門就無限期延後這塊,有限滿足其他需求。)

[b]1.2 要有IT系統上線後的數據[/b]

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017122603.jpg[/img]

1.2.1 需要哪些數據

我們一般需要哪些數據呢?筆者大致將其分兩類,一類是企業內部管理流程效率數據,一類是企業外部綜合評價數據。

IT系統上線後,需要的也是前面兩大塊數據:企業內部管理流程效率數據和企業外部綜合評價數據。這裡要注意兩點,第一點,是內部管理流程效率數據,要在 IT 系統設計之初就考慮如何採集,同時最好提供[url=http://www.finereport.com/tw/]資料視覺化[/url]的界面直接生成效率數據對比報告;第二點,是要重點搜集企業外部綜合評價數據,或者就是企業案例故事。

針對企業案例故事,單獨聊一下。舉個例子,江汽物流公司,通過流程監控,IT系統及時發現GPS異常事故,並在 IT 部門的方案下妥善解決了這個問題,發現問題和解決問題的效率顯著提高,業務人員和主管領導看得見的成果。再舉個栗子,眉州東坡通過分析不同規模的店面的盈利能力,最終分析出來開中小店面盈利能力最好,一個報告交給董事會,直接改變了這些發家創始人的認知,新開店面大店改中小店後,企業財務報表董事層面清楚看得見。

1.2.2 數據要精確到什麼粒度

既然要採集這些數據,那麼數據具體要精確到什麼程度呢?這裡筆者給一下建議,有兩個原則:一是採集粒度不低於IT 系統上線前;二是跟錢掛鉤的數據粒度要高於 IT 系統上線前1~2個水平。

比如,IT 系統建設之前能精確到事故處理費用為2.3萬元,精確到千元。那麼IT系統建設後,事故處理平均費用就得精確顯示為1.47萬元,甚至是1.473萬元。IT系統建設前每天審批需要3小時,上線後的處理時間至少要精確表示為1小時。

1.2.3 如何分階段定性、定量統計數據

IT系統上線後,真正分析和挖掘其價值,在於持續的運維與更新。我們分析IT建設的價值也是如此,要不斷的進行分析的方式方法調整。筆者建議統計數據主要分兩類,一類是前面主要說的定量分析,另一類就是主觀上的定性分析。比如。IT 建設的價值需要客戶、用戶、業務部門給出主管反饋。這些反饋就是定性的評價,通過這些定性的評價,可以積極推動IT建設的持續進行,不斷地把IT部門的資源和精力集中在企業最需要、公司價值最大化的地方。

[color=#0000ff][b]2. 需要解讀數據對比的邏輯和方案[/b][/color]

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017122604.jpg[/img]

IT 系統上線前和上線後,積累了合適的數據。接下來就是進行合理、適當的解讀。那麼誰來解讀、解讀什麼、怎麼解讀等問題就迎面而來了。筆者建議,是 IT 部門來解讀。當然,這個解讀報告是從低到高,從部分到整體不斷匯聚而來的。也就是說,需要 IT部門的每個模塊的負責人分別對接不同的業務部門的相關人員,先解讀每個子模塊的數據對比分析,然後再逐級匯總,形成一個整體的報告。

具體要解讀哪些內容,其實前面已經提到,主要是企業管理流程在哪些方面都有了提升力,具體提升了多少,這些提升對企業具體有哪些價值。

至於怎麼解讀,總體來說:結論先行,以上統下。就是說,先說觀點和結論,然後用幾個實例和幾張[url=http://www.finereport.com/tw/]數據分析[/url]對比報表來證明觀點和結論。這點有一本書《金字塔原理》推薦大家來閱讀。

另外,建議IT部門主動承擔解讀分析工作。也就是說,IT 部門主動和業務部門溝通和採集解讀的數據和業務邏輯,主動撰寫工作彙報,最後主動彙報分析報告。同時,也就意味著要主動承擔 IT項目建設的責任。

[color=#0000ff][b]3. 需要核心部門、人員審核確認解讀邏輯和方案[/b][/color]

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017122605.jpg[/img]

數據的解讀方案草擬出來後,誰來審核方案,審核哪些內容,怎麼審核,這些問題要考慮,但一般企業都自有審核流程來完成,起碼之前的月報彙報體系就可以完成這種審核。筆者建議IT部門多主動配合審核,比如直接安排專人對接審核,提供材料、保持溝通;比如成立專門的3人左右小組,對審核跟進配合工作負責,儘可能由這個小組來完成所有配合工作,而不影響IT部門的其他工作。

[color=#0000ff][b]4. 需要部門、人員監督執行 IT 項目規劃的實施,確保業務部門有效執行[/b][/color]

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017122606.jpg[/img]

企業核心部門審批通過的數據解讀方案,如何真正落地有效執行呢?筆者建議相應的監督部門來進行監督工作。具體監督哪些內容,需要 IT 部門和業務部門共同制定,但IT 部門主導牽頭,同時要有關鍵 IT建設階段目標作為其中的監控點。

到這一步,其實特別要注意溝通。雖然我們已經做好可解讀方案和監督方案,但整個方案並不一定每個執行的員工都清楚,甚至有些會因為增加個人工作量而拒絕執行。IT部門要主動起來,勤於溝通,勤於核對數據採集和業務執行的關鍵動作。因為,在 IT 項目建設初期,業務部門的相關執行人員並不一定能夠從中獲益,很可能產生抵觸情緒,導致數據採集不到位,或者相關操作流程不到位,最終導致部門流程不走系統,IT 系統形同虛設。IT 部門在系統建設前期,主動承擔起來責任,有利於IT項目真正有效落地。

其實,筆者和很多企業IT主管聊起來,也知道他們吃力的地方。上文的建議,有些或許對你也很吃力。不過呢,IT 建設,我們不上誰上呢?我們不主動誰主動呢?在有價值的項目真正起效果之前,業務部門在企業中的地位依然是超然的。

侃侃而談數千言,其實也是筆者積累的一點經驗和草率的建議。畢竟沒有當面溝通,沒有實地去調研你的企業,確實不好出來特別有效的對策。筆者自身也是在IT諮詢公司從事企業管理研究,缺少實際進行業務管理和 IT 系統建設的經驗,所謂心得體會也多來自和不同企業人員的調研走訪。如果有疏漏或者錯誤,歡迎留言,我們一起交流。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017121915.jpg[/img]
(可在新頁面打開圖片放大查看)

數位轉型探索之路——基於精實生產管理的數據決策分析體系

週四, 三月 15. 2018

隨著「工業4.0」、物聯網IOT、AI人工智慧時代的到來,粗放式的製造生產模式的弊端被越來越多的暴露出來,往日炙手可熱的世界工廠已被「夕陽產業」這個詞所替代,管理無疑是最大的問題,其中數字化管理也是最容易被人忽視的,本文基於精實生產理論,給大家介紹下如何構建統一的數據決策分析體系。

[color=#0000ff][b]一、何為精實生產?[/b][/color]

「如果TPS的信息量是100,那麼最早的LP的信息量大約是30,這是信息抽象帶來的損失」,從這句話里我們可以發現精實生產LP(Lean Production)理論最早起源於豐田生產方式TPS(Toyota Production System),TPS最早由大野耐一提出並推廣應用,LP的概念最早是在《改變世界的機器》書中提出,後來通過不斷實踐完善,LP已趨於成熟,現在被廣泛應用於多品種、小批量型生產企業,這與其中準時生產JIT(Just in time)理論是密不可分的。

[b]1.精實生產理論體系:[/b]

精實生產理論體系中包含了準時生產、自動化、單元生產方式與多能工、快速換模SMED、現場管理、[url=http://www.finereport.com/tw/]資料視覺化[/url]管理等部分,智慧製造的實現也參考了其中的自動化、快速換模、資料視覺化管理等模塊。

[imghttp://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018020501.jpg[/img]

[b]2.精實屋:[/b]

實現精實生產理論體系的方法就是搭建企業自己的精實屋,精實屋包含目標層、準則層、方法層和運作環境共四層。運作環境是精實屋的地基,包括人、機、料、法、環等方面,方法層是構建精實屋的磚瓦,準則層是精實屋的承重梁,方法層圍繞四大承重梁層層搭建,構成了精實屋的主體,目標層是精實屋的屋頂,通過降低成本和現金流最大化來實現最終的利潤最大化。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018020502.jpg[/img]

[b]3.精實生產的核心思想:[/b]

上述精實屋不一定適用所有企業,比如流程型製造或者以計劃型生產為主的製造企業,但是我們可以圍繞精實生產理論的核心思想,取其精華,形成適用於自己企業的精實生產方式。

消除一切浪費是精實生產的核心思想,TPS的創始人大野耐一曾說過「減少一成的浪費就等於增加一倍的銷售額」,在10%固定利潤的前提下,要想將利潤提升一倍,要麼將基數(即銷售額)增加一倍,要麼從90%的成本中縮減10%的成本。銷售額增加一倍會在市場飽和的情況下導致產能過剩和庫存積壓,對企業長期發展不利。

成本結構中存在大部分的增值活動,是生產產品過程中必不可少的環節,而我們減少10%成本的前提就是識別非增值活動,包括馬上可以消除的浪費和改變條件可以消除的浪費。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018020503.jpg[/img]

[color=#0000ff][b]二、基於LP的決策分析平台架構搭建[/b][/color]

[b]1.打通雙向數據鏈路[/b]

在整個供應鏈環節中融合精實生產理論思想,以客戶個性化需求為導向的訂單型生產模式逐步取代大批量推式生產模式、以零庫存為目標的原料採購管理、以柔性生產為主的個性化製造方式、以消除搬運等候浪費為目的的智慧物流系統,構建橫向集成的數字化平台。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018020101.jpg[/img]

將上述所有環節的數據採集分為四個層級,分別為感測器級、自動化控制級、製造執行系統級、企業資源級,構建縱向集成的數字化運營體系。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018020505.jpg[/img]

[b]2.IT實現架構[/b]

通過搭建開放共享的數字化平台,實現全過程的數位化管理,以「54321」協同管理模式提升供應鏈運營質量和效率,以數位化技術促進管理的全方位創新和提升。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018020506.jpg[/img]

打通各個業務系統間的數據壁壘,通過ETL工具進行數據的抽取、清洗、轉化等操作,搭建ODS層(查詢即時性較高的業務數據,轉移業務系統查詢壓力)和DW層(面向分析主題的歷史匯總數據倉庫)。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018020108.jpg[/img]

[color=#0000ff][b]三、基於LP的數據分析模型[/b][/color]

[b]1.數據分析三要素:[/b]

[url=http://www.finereport.com/tw/]數據分析[/url]三要素包含指標、維度、分析方法,針對精實生產分析報表按照三要素梳理出分析結構,不僅對我們後期的[url=http://www.finereport.com/tw/]報表製作[/url]有很大幫助,還可加深我們對業務邏輯的理解。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018020508.jpg[/img]

[b]2.數據分析金字塔模型:[/b]

採用金字塔模型搭建企業數據分析平台,按使用對象需求層級可分為企業級領導戰略駕駛艙、各業務模塊經營管理分析、基層業務人員數據查詢。結構清晰且職責明確,在設計指標和[url=http://www.finereport.com/tw/]報表[/url]時就會事半功倍,避免同一指標既要給領導看又要給業務人員看且他們需要的展現樣式不同導致的矛盾

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018020509.jpg[/img]
[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018020510.jpg[/img]

[b]3.基於LP的數據分析模型:[/b]

精實生產關注計劃、設備、質量等,通過分析產能和計劃,調節生產節拍,做到在客戶需求時間點完成讓客戶滿意的多少數量的產品,符合準時生產的思想;通過對設備的監控,做到設備最大利用率,避免閑置,對生產異常通過設備報警來實現,減少問題處理的等待時間,體現精實生產中避免浪費的思想;通過報表儀表板對產線直通率、不良品的實時監控,體現了精實生產中的資料視覺化管理模塊。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018020511.jpg[/img]

針對廠長級領導製作QCD駕駛艙,反饋生產三要素質量、成本、交期相關信息;針對車間主任製作車間管理駕駛艙,便於實時管理產線人員、開線情況、7S、生產情況等;針對班組間製作班組競技場,創造良性競爭體系,實現自我管理。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018020512.jpg[/img]

[color=#0000ff][b]四、基於LP的數據分析應用案例[/b][/color]
帆軟提供並支援多屏資料視覺化應用方案,包括大屏展示、台式或筆記本、平板電腦、手機行動應用、數據移動提醒等,下面介紹一些基於帆軟產品製作的數據分析報表案例。
[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018020513.jpg[/img]
[b]1.大屏應用:[/b]

製作QCD駕駛艙,監控生產車間實時情況,將設備狀態、人員效率、報警信息、產能、良率等指標通過環形圖、柱狀圖、折線圖等方式展現,清晰明了,提高生產管理水平和問題處理及時性。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/20180201005.jpg[/img]

[b]2.PC端應用:[/b]

對成品備貨進行追蹤,對批量備貨影響計劃和庫存周轉的要責任到人,設定動態閾值,不斷降低庫存空間,提升庫存周轉率,體現了PDCA問題閉環和持續改進的管理理念。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018020515.jpg[/img]

TQM質量管控分析,區域、車間、生產線、產品、工段多層鑽取分析,質量問題逐本溯源,責任到人。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018020516.jpg[/img]

[b]3.行動端應用:[/b]

廠長、車間主任巡視時,直接打開行動產線管理報表進行工作指導;晨會直接打開報表[url=http://www.finereport.com/tw/]BI系統[/url]中的報表開會,復盤昨日生產情況,異常指標現場問責;生產管理者出差,實時掌握一線生產情況。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/20180201009.jpg[/img]

[color=#0000ff][b]五、總結[/b][/color]

精實生產的理論是有局限性的,針對不同類型的企業有不同的應用方式,其核心思想——消除一切浪費,卻是適用於所有企業的,包括非生產製造型企業。推廣施行精實生產理論的重點在於如何識別企業中的非增值活動並找到將其消除的方法。

商業智慧數據應用的 5 層金字塔,你的企業處在哪一層?

週一, 三月 12. 2018

近年來,隨著人們的數據意識和數據素養不斷提升,[url=http://www.finereport.com/tw/]商業智慧[/url]和[url=http://www.finereport.com/tw/]數據分析[/url]領域迎來了快速發展期,據Gartner商業智慧報告統計,到2020年全球的商業智慧市場容量預計將達到228億美元。同時,[url=http://www.finereport.com/tw/]大數據[/url]、人工智慧AI、機器學習、深度學習等技術的快速發展,也促進了商業智慧和數據分析產品的新一輪進化。Gartner分析師認為,到2020年,自然語言生成和人工智慧將是90%的新BI平台的標準特徵,50%的分析查詢將使用搜索、自然語言處理,或語音生成,或將自動生成。

許多企業開始重視大數據,紛紛導入[url=http://www.finereport.com/tw/]報表[/url]/BI商業智慧工具,以提高企業效率,支援企業決策,尋找市場新機遇。但由於產業不同、規模不同、E化建設程度不同等原因,企業的BI商業智慧建設程度有很大的卻別。知己知彼,百戰不殆,在競爭日益激烈的市場中,企業清晰的了解自身所處的階段,了解行業總體的發展階段,對於企業戰略佈局、贏得競爭有著重要意義。為此,帆軟數據應用研究院調研了216企業組織,了解到他們的大數據[url=http://www.finereport.com/tw/]BI系統[/url]應用狀態、需求情況、對大數據BI產品功能的期待,同時基於帆軟數據應用研究院對行業的長期觀察和思考,形成了本篇分析。

[color=#0000ff][b]BI應用的5層金字塔,你處在哪一層?[/b][/color]

分析企業的BI商業智慧應用狀況時,我們一般根據企業的IT人員和業務人員在數據分析中的工作量和投入程度佔比來進行分類,一共5大類型,即BI應用金字塔模型:IT完全主導型、IT強主導型、業務強主導型、業務完全主導型、智慧自助型。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/201802070002.jpg[/img]

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/201802070003.jpg[/img]

[b]1、IT完全主導型[/b]

其典型特徵為,IT人員做底層數據倉庫,以及BI大數據應用工具層面的數據模型處理的所有相關工作,完成95%以上的BI分析頁面(註:主要是指用於生產、經營、管理會議所需要的數據分析頁面,下同)的開發。業務人員僅負責前端數據查看,完成查看報表時相關聯動鑽取操作。

調研中我們發現,處於「IT完全主導型」這一等級的企業,約有93.2%都在使用傳統型BI工具,企業的業務人員基本沒有能力,也沒有需求去自主完成數據分析的工作。這些企業的業務變革並不劇烈,企業管理層認為當前的日常數據簡報能夠滿足企業管理和決策的需要,相對缺少變革的動力。

[b]2、IT強主導型[/b]

其典型特徵為,IT人員做底層數據倉庫,以及BI[url=http://www.finereport.com/tw/]大數據分析工具[/url]層面的數據模型處理的所有相關工作,完成80%~95%數量的BI分析頁面。業務人員完成低於20%數量的BI分析頁面。

從調研數據來看,這類企業中,67.5%的企業認為當前業務人員不具備數據分析的能力。而企業需要快速完成部分數據分析工作,所以選擇讓IT人員更多承擔工作。這類企業中普遍認為,商業智慧產品本身並非能夠快速上手,且業務人員仍需要統計學基礎,阻礙數據分析工作從IT人員向業務人員的轉移。

[b]3、業務強主導型[/b]

其典型特徵為,IT人員做底層數據倉庫,以及BI大數據分析工具層面的數據模型處理的所有相關工作,完成前期示例不超過20%數量的BI分析頁面。業務人員完成超過80%數量的BI分析頁面。

從調研數據來看,這類企業中,超過80.2%是曾經推行傳統BI的企業,並且部分業務人員是有較高學歷和能力的,能夠學習和掌握商業智慧BI工具和數據分析技能,並願意在工作中積極使用;從帆軟數據應用研究院的實地走訪的部分企業來看,這些企業普遍行業排名靠前,公司從高層就重視數據分析工作。

[b]4、業務完全主導型[/b]

其典型特徵為,IT人員做底層數據倉庫,以及BI大數據分析工具層面的數據模型處理的部分相關工作。業務人員完成95%以上數量的BI分析頁面和相當部分BI工具層面的數據模型處理。

相比於第三類使用人群(業務強主導型),這類用戶的一大特點是業務變革十分迅速,從事業務工作的人員學歷普遍較高,業務經營和發展需要企業快速做出決策。而基於數據分析得出的業務判斷相比個人歷史經驗準確度更高,是這類企業基本共識。比如在新興的互聯網企業,或者新零售領域,這個特點尤為突出。

[b]5、智慧自助型[/b]

其典型特徵為,IT人員只做底層數據倉庫、數據連接、數據字典相關工作。業務人員處理所有BI大數據分析軟體層面的數據處理,以及所有BI分析頁面。

IT人員搭建數據中心,業務人員完全自主處理和分析數據,這類企業有著明顯的資源密集型的特點,業務人員更多的是偏向運營相關的工作。當然,因為此類受訪企業佔比較少,原因分析的可信度還有待進一步調研來核實。

[color=#0000ff][b]多數企業目前處在金字塔的哪一層?[/b][/color]

基於BI應用金字塔模型,2017年企業所處階段分布如下:

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/201802070004.jpg[/img]

從調研數據中,我們可以看出,IT資訊部門人員主導企業數據分析的模式仍佔據主流,也就是IT驅動仍是2017年企業BI系統平台應用現狀。從數據調研的受訪企業來看,有高達60.5%的企業的數據分析工作仍是第二類型(IT強主導型),甚至有21.5%的企業的數據分析工作處在第一類型(IT完全主導型),這顯然和業務人員自助數據分析的目標距離遙遠。
與此同時,新型自助BI正在成為商業智慧市場的主流。17.5%的企業是在2017年上線了新型自助BI系統,實現了讓少部分業務人員自助完成BI數據分析的目標。

[color=#0000ff][b]2018年,企業BI商業智慧應用發展趨勢是什麼?[/b][/color]

在調研中,我們整理出企業2018年對於BI應用的需求,其中前七條如下:

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/20180228001.jpg[/img]

[b]1、企業多級部門數據分層次IT許可權和平台管控,占受訪企業97.6%[/b]

需求描述:BI系統工具支援企業的多級部門的數據/分析頁面許可權管控,使得不同層級的部門機構只能看到本部門機構和轄屬部門機構的數據/分析頁面。

需求產生的原因:有的資訊中心為釋放壓力,放權給業務部門使用數據,一旦口子打開,數據缺口就會像洪水一樣泛濫,就又會走向另外一個極端,導致放權下的數據管理混亂,數據口徑不統一,部門之間的數據壁壘等等問題就會出現,同時這將給企業帶來極大的數據安全隱患。

滿足該需求對企業的價值和意義:在滿足業務部門BI數據自助分析的同時,兼顧企業的數據許可權管控,形成企業以IT部門集中管理下的良性數據分析風貌,杜絕企業數據安全隱患。

[b]2、業務人員可通過BI工具進行自助數據分析,占受訪企業94.5%。[/b]

需求描述:業務人員可以在瀏覽器前端,對自己許可權範圍內的數據進行多維拖拽探索和自助分析,發掘隱含在數據中的業務價值。

需求產生的原因:企業的傳統E化建設中,IT資訊中心對公司數據進行高度集中的管控,來自企業各職能部門的數據處理以及報表就會全部由IT人員來輸出,一旦業務部門需求集中扎堆,就會造成響應不足,業務部門怨聲載道。資訊中心自身成員熬夜加班做報表,成就感卻很低。

滿足該需求對企業的價值和意義:通過高效靈活的BI工具,業務人員對自己許可權範圍內感興趣數據進行多維拖拽探索和自助分析,以工具簡單易上手的低學習成本,讓真正對分析業務價值最熟悉的業務人員實現自助數據分析探索,最大化業務數據的分析維度和分析效率,靈活發掘數據中可能潛在的業務價值,同時也解放了IT人員的勞動力,降低企業人力成本。

[b]3、可快速搭建型自助BI業務數據模型,占受訪企業87.5%。[/b]

需求描述:資料庫表中的數據需要基於業務分析主題進行分類管理,相關數據表之間支援手動/自動構建關聯模型,同時建立的關聯模型支援靈活應用,無需反覆編輯修改或創建新的模型,一次建立即可靈活滿足多重業務場景進行數據分析使用。

需求產生的原因:傳統BI大數據分析工具創建的底層數據關聯相互獨立,無法重複利用,一旦遇到新的業務數據計算分析場景,數據關聯就需要修改或重新創建,極為麻煩,非常不利於IT人員維護。

滿足該需求對企業的價值和意義:通過BI[url=http://www.finereport.com/tw/]大數據分析軟體[/url]快速構建的新型自助式BI業務數據模型,較傳統BI工具針對不同業務分析場景需要多次、重複建模的應用痛點,極大地提高了BI工具的企業中業務數據分析應用的效率,解放了以往IT人員對數據維護的壓力。

[b]4、OLAP多維分析:上卷、下鑽、旋轉、切片、聯動、跳轉等,占受訪企業84.5%[/b]

需求描述:BI大數據分析軟體支援強大的頁面OLAP多維分析功能,包括分析視角的上卷、下鑽,維度的旋轉切換,指標的切換,分析數據的切片過濾,組件之間的聯動過濾、頁面超級鏈接跳轉等。

需求產生的原因:隨著業務發展的複雜化,單一角度的數據分析往往難以再發掘出更多有價值的潛在業務信息,取而代之的是需要BI工具能夠滿足強大的頁面OLAP多維分析功能。

滿足該需求對企業的價值和意義:通過BI工具強大的OLAP多維分析功能,以實現多角度、多關聯數據之間的數據無限層次探索分析,發掘出數據中潛在的業務價值。

[b]5、大數據處理性能處理能力達到十億數據秒級響應,占受訪企業63.6%[/b]

需求描述:BI系統工具可支撐處理億級以上大數據分析計算的秒級響應,提供多維加速引擎對傳統關係型數據倉庫(SQLServer、Oracle、Mysql等)進行數據提速處理,同時也支援實時對接企業[url=http://www.finereport.com/tw/]大數據應用[/url]平台(Vertical、Kylin、Greenplum等)進行數據分析計算。

需求產生的原因:一方面,傳統關係型資料庫在面對上億級別以上數據量時,容易出現性能瓶頸,長時間的查詢等待往往會導致業務數據分析效率太低。另一方面,當今信息化水平飛速發展,越來越多的企業已經有了自己的高性能大數據平台,對於這部分企業來說,擁有一款能夠直接對接大數據平台進行數據分析的工具尤為總要。

滿足該需求對企業的價值和意義:BI大數據分析軟體提供的強大數據計算處理引擎,能夠降低企業數據查詢等待時間成本,提高業務數據分析效率。同時,通過直接對接企業大數據平台,還可滿足企業實時數據分析的需求。

[b]6、業務人員可完成工具層面的零程式碼數據加工處理工作,占受訪企業57.5%。[/b]

需求描述:BI系統工具可通過快速易上手的交互方式,讓業務人員也能完成工具層面的零程式碼數據加工處理工作,例如例如表合并、分組統計、結構數據分層、過濾、增加欄、同比環比、累計值、所有值、公式運算等數據清洗和數據處理方法,實現對數據的無限層次多維透視分析統計。

需求產生的原因:當業務需求相對偏複雜時,簡單的維度和指標統計往往無法直接計算出業務所需要的計算結果,以往的處理方式往往可能是業務部門提需求給IT,然後IT經過SQL或者程式碼對底層數據表加工處理,然後最終導出一張excel數據表給業務部門,期間的反覆溝通和等待時間往往降低了企業的業務數據分析應用效率。

滿足該需求對企業的價值和意義:通過BI大數據分析軟體,使得業務人員也能快速實現對數據的無限層次多維透視分和析加工統計,降低了傳統模式下的溝通成本和等待時間,提高了企業業務數據分析的應用效率。

[b]7、行動端數據分析查看支援,占受訪企業44.9%[/b]

需求描述:BI工具支援行動端數據分析多維分析查看功能(兼容PC端的上卷、下鑽、旋轉、切片、聯動、跳轉等),對於BI工具的應用app支援便捷的掃碼登入、離線查看、批註、分享等功能,同時滿足某些社群平台如Wechat、釘釘的企業公眾號集成。

需求產生的原因:在當今這個行動設備便捷時代,僅僅PC端的數據分析已經不能滿足某些特定時間和場所的業務分析需求了,而BI對行動端的支援已經成了必然要滿足的功能點。

滿足該需求對企業的價值和意義:通過行動端的BI分析查看,使得數據分析不僅僅局限於PC端,較大地增強了數據分析的便捷性。同時Wechat和釘釘的集成接入,讓業務通過社區平台也能直接查看想要的數據分析頁面,更是為行動端數據分析錦上添花。

[color=#0000ff][b]搶先對手佈局,才有領先對手的優勢[/b][/color]

資料經濟時代到來,大數據已經不只是一個議題,許多企業憑藉大數據實現華麗轉型,遠遠甩掉競爭對手,獨佔鰲頭。大數據已經成為企業在市場上競爭的關鍵,更是面對未來競爭環境必須採用的手段。BI商業智慧作為大數據應用的技術工具,得到越來越多企業的重視,清晰了解企業現狀,盡早佈局商業智慧應用,才能搶先抓住大數據所帶來的成長契機,擁有領先對手的競爭優勢。

年終將至,如何做一份讓老闆眼前一亮的視覺化分析?

週二, 一月 16. 2018

又到了一年一度 「舉頭望明月,低頭做報表」 的時候,想必企業中財務核算等相關部門的朋友們正沉迷於年度財務分析報告和經營分析報告中而無法自拔,忙得不可開交吧!相較於傳統密密麻麻的表格彙報形式,圖表卻能夠將數據真正直接視覺化,更加直觀地呈現業務狀況。實現企業財務分析、經營分析圖文並茂,也就是常說的「一圖勝千言」。但是如果圖表類型選擇不恰當,不但起不到「一圖勝千言」的目的,還會讓人不知所云。

為了幫助數據分析新人避免出現上述情形,給領導交上一份2017的年度年終彙報的滿意答卷。本文就從數據合計分析、發展趨勢分析、數據對比分析、組成結構分析、達成進度分析、影響因素分析這六大方面給大家進行詳細的剖析講解,希望能夠為你最終給部門領導或企業決策者最後精美呈現的年度[url=http://www.finereport.com/tw/]數據分析[/url]報告提供一些幫助!

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/20180115.jpg[/img]

[color=#0000ff][b]一、數據合計分析[/b][/color]

數據總計分析通常用於統計企業發展的領導最為關心的關鍵核心指標,例如企業的年度營業收入、年度消耗成本、年度凈利潤此類的決策者往往最直接想知道的企業數據指標。

如下圖所示,我們通過儀表板組件統計出企業的年度營收總額、年度消耗成本、以及凈利潤這三個核心指標,同時將儀表板的區間最大值設置為營收總額2.78億,開啟顯示百分比功能,如此,消耗成本佔比以及利潤率這兩個指標也迎面而至了。通過儀表板的資料視覺化功能,將領導和決策者最為關心的企業核心指標直接呈現出來,年度營收狀況一目了然。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018011502.jpg[/img]

[color=#0000ff][b]二、發展趨勢分析[/b][/color]

發展趨勢分析通常用於直觀比較企業某一連續區間內的財務經營數據或財務比率走勢,用於了解企業財務狀況或者經營狀況隨著時間推移所呈現出來的趨勢。一方面可以分析數據增減變化是否存在異常,用於發現企業可能存在的問題;另一方面還可以幫助企業預測未來的狀況,判斷企業的發展前景。

此類直接呈現企業發展趨勢的視覺化圖表,一般可使用折線圖進行分析統計,用橫軸表示時間(年、月、日),縱軸表示如營業收入、成本支出、利潤率等指標再合適不過了。如下圖所示,左值軸統計出每年營業收入和成本支出的走勢,右值軸統計出每年的利潤率走勢情況。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018011503.jpg[/img]

[color=#0000ff][b]三、數據對比分析[/b][/color]

數據與數據之間通常有比較才能鑒別,在企業的財務分析中也是如此。企業財務指標體系中的各種指標,通過某項指標與性質相同的指標評價標準進行對比,揭示企業財務狀況、經營情況和現金流量情況。一般來說,對比分析的參照標準有如下四個方面:

1.時間比較:與上期、去年同期實際數據進行比較

2.實體比較:與同行業先進企業或同業其他企業數據進行比較

3.口徑比較:與計劃或預算數據線相比較

4.結構比較:在構成分析的基礎上比較兩個數據的構成,分析財務指標的變化

我們再做對比分析時,比較數據的大小,通常推薦使用柱狀圖、條形圖,當進行數據結構比較時通常推薦使用累積柱形圖、累積條形圖進行數據對比分析。除此之外,還可以根據分析的具體情況使用其他圖表,比如通過折線圖的高低連線來表現幾個公司的庫存最高最低和庫存的對比,還可以使用雷達圖(適用於快速對比定位短板指標)來對比公司的財務指標分類統計情況。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018011504.jpg[/img]

[color=#0000ff][b]四、組成結構分析[/b][/color]

組成結構分析方法通常可用於對象中各項目組成元素進行數據分析,例如各產品的銷售組成分析、流動資產組成分析、各部門管理費用組成分析。表示數據結構組成,圖表方面通常可使用餅圖、圓環圖和百分比堆積條形圖、百分比堆積柱狀圖進行元素組成分析;元素組成表示數值大小,通常可以使用堆積條形圖、堆積柱狀圖等。

除此之外,對於既需要分析組成結構,又需要分析數據的層次結構時,多層餅圖無疑是最佳的選擇。如下圖所示,通過多層餅圖輕鬆統計出每個季度的銷售收入分布,同時對應每個季度下的月份銷售收入也通過季度層級統計出來了,而右側則通過堆積柱狀圖統計出每種銷售商品對應的大區業績。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018011505.jpg[/img]

[color=#0000ff][b]五、達成進度分析[/b][/color]

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018011506.jpg[/img]

在財務分析中經常需要展現某項指標或者某項任務的達成進度,比如部門業績完成情況、申報費用進度等。為了更加直觀地展示各項指標和任務的進度,我們一般可以通過堆積柱形圖、堆積條形圖、甘特圖來展示數據進展情況。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018011507.jpg[/img]

[color=#0000ff][b]六、影響因素分析[/b][/color]

對於分析財務數據時,數據的影響因素主要有兩種不同的指代含義:

1.因素分析法,比如影響銷售收入的價差、量差;

2.某一指標到另一指標的各種累積影響;

類似分析此類多渠道影響因素數據時,瀑布圖無疑是最佳的選擇,能夠快速將數據進行差異化統計,同時對數據進行累積統計。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018011508.jpg[/img]

以上是我們在做數據分析時常用的六種數據分析思路以及對應適合的[url=http://www.finereport.com/tw/]資料視覺化[/url]圖表,可供大家數據分析統計時參考使用。除此之外,對於同一圖表類型不同層級口徑的統計方式也會影響數據圖表所表達的業務含義。如下圖所示,都是統計付款類型和合同類型的數量對比,但不同點在於左側的圖表側重於表達同一付款類型的合同類型數量對比,而右側的圖表側重於表達同一合同類型的付款類型數量對比。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018011509.jpg[/img]

[color=#0000ff][b]地圖分析[/b][/color]

最後再給大家介紹一下地圖相關的數據分析統計方法。對於大企業來說,往往除了總部之外還可能在各地都有分公司。對於這樣的大型企業來說,運用地圖進行基於地理位置的數據分析統計再合適不過了。

1.流向地圖常用來視覺化源匯流數據,源地和匯地可以是點,也可以是面。源地和匯地之間的互動數據,常用連接空間單元幾何重心之間的線段來表達,線的寬度或顏色來表示源地和匯地之間的流向數值。每個空間位置可以是源地,也可以是匯地。

流向地圖多應用於區際貿易、交通流向、人口遷移、購物消費行為、通資料流動、航空線路等場景,具體示例如下:

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018011510.gif[/img]

2.熱力地圖通過地理位置資料結合顏色渲染模式,如下圖所示,可進行地理範圍內各個點的權重情況統計分析。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018011511.jpg[/img]


更多產業動態、乾貨好文請至臉書粉絲團:[url=https://www.facebook.com/twfinereport]FineReport報表軟體[/url]

追趕AI之前,请先自查企業的數據基礎!

週五, 一月 12. 2018

[i]不重視數據就追趕AI,這種跳躍式發展是空談[/i]

Gartner公佈的2018年科技發展趨勢,其中第一個趨勢就是AI人工智慧。IDC發布2018年臺灣ICT市場10大科技關鍵趨勢預測中,AI也位居前列。在各大媒體的版面上,AI也是炙手可熱的話題,從AlphaGo戰勝圍棋冠軍,到亞馬遜新型態超市Amazon Go,再到無人駕駛汽車、智慧客服、人臉識別、理財機器人等等。

在這火熱背後,有多少是理性驅使,又有多少是人云亦云?很多企業開始考慮是不是自己公司是不是也要儘快上馬AI技術,以防在大潮中落後。各國政府也坐不住,美國、中國、加拿大、英國紛紛大量投資AI人工智慧領域相互追趕,以求在世界技術大潮中佔有一席之地。就在昨天,台灣微軟表示,在行政院與經濟部的支持下,微軟在台成立「微軟AI研發中心」,將在2年內投資台幣10億,建立百人研發中心團隊。

[img]http://[/img]

是不是給企業更多的研究人才、更多投資就會產出 Alpha Go這樣的AI人工智慧產品?

AI的發展需要很多的基礎和條件:先進的技術和專家,政府的政策資金支持,擁有大的用戶基數以產生大量的數據。顯然很多中小企業並不具備這樣的條件,即使政府投資幫助解決了研究人才和資金問題,要分享AI人工智慧的紅利,還有數據問題需要面對。

創新工場的李開復這樣評論台灣的AI發展機會:
ICT高科技朝代迭代是快速的,有週期,有連續性的。從半導體->PC->軟體->Internet->社交->行動->大數據->AI,每個時代的領跑者在下一個時代都有優勢(若錯過,就很難補課;錯過越多,越難補課)。很不幸,台灣從PC時代之後就基本缺席,錯過五個朝代再來追趕會特別困難,需要在多方面都有突破(技術+政策+人才引入+投資生態+市場認知+甚至運氣)。

AI是大數據養起來的,大數據像是AI的食物,吃的足夠多、足夠好AI才能足夠智慧,跳過中間環節談AI都是空談。譬如我們做一個客服機器人用來代替人工,如果沒有長期客戶問題數據積累來對其進行訓練,不斷優化它的演算法模型,這個機器人就毫無用處。再比如最近大熱的機器人看病,你講出癥狀,機器人就會能夠從資料庫中找到相同相似的病情,給出建議做某項檢查或如何用藥,數據對於機器人的訓練是核心。而今天能在公開途徑獲得的數據集絕大多數都是非商業用途數據,是從網路上積累的數據。真正用於工業商業場景的高價值數據是難以從公開數據集中尋找到的,需要企業經營中積累。而很多企業,連結構化的資料收集都沒做到,或者是存儲了資料但仍然無法整合利用起來,這種狀況下與其大談AI,不如回頭來先做好基本的軟體和數據的積累。

[color=#0000ff][b]沒有數據就從現在開始收集![/b][/color]

AI人工智慧仰賴大量的數據,網路公司在這方面得天獨厚,通過瀏覽、點擊、停留時間、付款等數據分析用戶的喜好、習慣。把這些數據交給人工智慧學習,就能在內容推薦、版面排布、價格設定、行銷活動和用戶體驗等方面不斷優化,像是facebook可以精準的根據用戶喜好投放廣告一樣。
其他類型的公司也可以從和用戶的眾多接觸點獲取用戶數據並進行[url=http://www.finereport.com/tw/]數據分析[/url],比如製造業產品銷量、用戶評價,零售門店顧客行動軌跡、貨架停留時間,銀行業的用戶存款、投資記錄,醫院病人就診、購葯、住院記錄等等。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018011106.jpg[/img]
[i]餐飲企業在手機上查看每天分時段銷售狀況和菜品銷售排行榜,長期積累數據可以用來預測人流量和菜品銷售在不同季節月份節日的狀況,在採購、人員安排、菜品規劃等方面提供指導[/i]

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017080430.png[/img]
[i]醫院患者預約狀況分析,月度預約人數、預約方式、預約科室狀況,積累數據對於醫院的工作人員安排、預約方式改良、疾病爆發狀況提供支撐[/i]

除了用戶數據,企業採購、生產、流通、銷售、財務、人資各個環節都可以收集到數據。製造業會更多依賴物聯網技術,各種生產設備上加裝感測器,收集溫度、濕度、速度、位置、震動、壓力、流量、氣體等等數據,用來管理設備、識別異常、杜絕生產事故等作用。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017092202.jpg[/img]
裝置負荷[url=http://www.finereport.com/tw/]資料視覺化[/url]總覽

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017092203.jpg[/img]
每5秒鐘抓取一次數據的設備實時監控

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017122205.jpg[/img]
養豬企業為每頭種豬都建立了QR CODE,飼養員掃描QR CODE將種豬的配種記錄、妊娠記錄以及產仔記錄回填到資料庫和隨時查看相關記錄,長期積累就可以按照設定的演算法標準自動淘汰產仔率低的種豬,以提高整體的經營效率。

[color=#0000ff][b]有數據要正確管理和整合,以发挥价值[/b][/color]

公司積累了數據,但用不起來對企業來說就是垃圾。有的企業數據都在excel裡面,多、亂、不準確,還有些數據分布在不同的系統不同的資料庫中,無法整合或者整合中發生指標不統一,或者底層數據混亂等問題。善用一些數據工具會幫助解決很多問題。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/daoru1.png[/img]
[i]直接將已有的Excel資料批量匯入數據庫之中[/i]

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2018010904.jpg[/img]
[i]某企業的數據整合方案[/i]

AI的實現是一個過程,不是一蹴而就的。如果基礎做不好,就先回過頭來打基礎,有了基礎再去考慮AI與實際業務的哪些結合真正能夠對企業有所提升。沒有對數據的重視,AI離企業還有很遠。

如果你有1000萬頭豬,你打算怎麼管?

週五, 一月 5. 2018

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017122208.jpg[/img]

[color=#0000ff][b]CIO问了我一个養豬的問題[/b][/color]

「如果你要養1000萬頭豬,你打算怎麼管?」來自特驅集團的CIO張海峰提出了這樣一個有趣的問題。也許你的答案是,要建立規模龐大的現代化養豬場,招很多很多的養豬工人。如果你的答案僅有這些,那麼張海峰會告訴你,對養豬來說,这些还遠遠不够!

成立於2005年的特驅集團,憑藉約9000萬新台幣的啟動資金,從一個「5畝地工廠」起步,現已實現年銷售收入超600億新台幣,包括養殖事業部、飼料事業部及新農投事業部三個主要業務版塊,下屬企業超150家,分布於中國的東北、華北、華中、華南、西南和越南等地。作為「農業產業化國家重點龍頭企業」和「中國畜牧飼料行業最具投資價值TOP10」,特驅集團立志打造以「食品安全」為核心的「安全食品生態圈」。按計劃至2020年,特驅集團年飼料銷量將力爭突破1000萬噸,生豬養殖將突破1000萬頭,年家禽養殖將突破2.5億隻,並全面打造健康安全食品。

這麼大的規模,沒有IT建設的支撐是不可想象的,也是對IT部門的一個巨大挑戰!

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017122201.jpg[/img]



[color=#0000ff][b]生豬經營的數據化管理場景[/b][/color]

與傳統製造業相比,生豬經營的產品以一頭豬為單位,從配種、妊娠、產仔、飼養到上市的整個生產流程更為複雜,期間導致生產效率降低的影響因素也更加多樣。因此,為保障規模化養殖的經濟效益,就必須對生豬養殖的各個環節進行數據化管理,以確保生產的各個環節的可視、可控。

[b]我了解每一頭豬,它們都有一張身份證[/b]

種豬培育是豬場管理的一個重要環節,如何提升豬場的產仔率對於豬場的可持續化經營尤為重要。特驅集團就通過為每一頭種豬建立身份檔案,來完成對種豬全生命周期的管理。

1)管理種豬生命周期

集團為每頭種豬都建立了QR CODE,飼養員通過app工具掃描QR CODE,就能看到這頭種豬的整個生命周期,包括這頭種豬的配種記錄、妊娠記錄以及產仔記錄。一般來說,種豬從產仔、斷奶到再次進行配種各個階段都有相對固定的時長,但是因為種豬數量眾多,不確定因素被放大,單純依靠飼養員經驗管理很難保證效率。通過完整的種豬生命周期管理,則可以科學調配,提高提高整個豬場的產仔率。

除了QR CODE資料的查看,種豬生命周期管理的另外一個重要場景就是資料回填。與傳統的生產製造型企業不同,種豬的相關數據無法通過自動化生產線自動採集,需要一線飼養員手工錄入。使用了帆軟FineReport[url=http://www.finereport.com/tw/]數據分析[/url]平台的填報功能,為特驅集團全面採集種豬數據提供了便利。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017122205.jpg[/img]

2)更高效的種豬淘汰機制

對種豬的生命周期進行管理,還有利於通過歷史資料統計和[url=http://www.finereport.com/tw/]資料分析[/url],及時淘汰產仔率低的種豬,以提高整體的經營效率。需要淘汰的種豬數據特點包括連續多次配種無法產仔的、連續多胎產仔數低的、習慣性流產的、產仔次數多於一定次數的等等。符合淘汰數據特點的種豬,系統會自動發出預警。如果沒有數據平台支撐的種豬生命周期管理,純粹依靠手工記錄,淘汰機制的執行難度可想而知,效率則更無法得到保障。

[b]數據分析讓我及時發現哪裡出了問題,哪裡可以優化[/b]

基於執行層全面的數據採集,管理層則需要站在不同時間、不同區域的角度來進行數據的匯總對比和分析,從而發現具體的經營隱患,優化管理流程。管理層的運營數據管理主題包括配種[url=http://www.finereport.com/tw/]報表[/url]、分娩報表、產仔報表、斷奶報表、死淘報表、存欄報表、日報/月報以及成本報表等。

以死淘率分析主題為例,平台將不同片區、不同豬場的分娩舍活仔死淘率和保育轉入死淘率數據集中展示出來,管理人員可以通過該主題分析出來諸如以下這些問題:某片區的分娩舍活仔死淘率明顯高於其他片區,是否在種豬培育或配種環節存在某些問題?某片區的保育轉入死淘率明顯高於其他片區,是否在養殖保育環節管理存在問題?

由數據反饋出來的問題,會促使管理層去調研、分析和調整優化,從而及時解決各個豬場管理中存在的問題,提升整體的經營效率。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017122206.jpg[/img]

[b]數據大屏看板讓我的決策更具智慧[/b]

作為決策層,需要站在集團的層面去考慮資產的回報率,細化到數據層面就是要全面掌握各個業務模塊和地區的業績情況,對具有業務潛力的模塊和區域追加投入,從而實現宏觀調控。數據大屏能夠將全盤的經營[url=http://www.finereport.com/tw/]資料視覺化[/url]地呈現出來,是幫助決策層優化決策的最重要的工具。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017122207.jpg[/img]

畜禽養殖規模化經營是行業的發展趨勢,而畜禽養殖的IT科技集成和[url=http://www.finereport.com/tw/]大數據應用[/url]也逐漸成為規模化經營的必經之路。特驅集團,借力帆軟數據分析平台搭建的集團數據管理平台,極大優化了集團生豬養殖的質量和效率管理體系,為實現智慧化養殖奠定了基礎。我們期待特驅集團能夠在數據化管理的幫助下,實現又一個十年的爆髮式增長!

比「數據孤島」還難的題,多元化集團如何打通分子公司數據?

週三, 十一月 15. 2017

文 | 帆軟數據應用研究院 陳陵志

隨著資本市場日益完善,企業通過多元化擴張謀求發展逐漸成為趨勢。然而,多元化集團給企業帶來的不僅僅是規模增長,還有大量的管理難題,一旦處理不好,集團化經營就會成為企業的災難,甚至導致企業覆滅。


「數據,是實現多元化企業集團科學管理的關鍵環節。」對於如何提升多元化企業集團的管理能力,中財投資招商集團(以下簡稱「中財集團」)信息科負責人熊煒給出了這樣的答案。本文就以中財集團的大數據應用為例,為您解剖多元化企業集團的數據化管理之道。

[b]

綜合性多元化的中財集團

[/b]
中財集團成立於1995年,總部位於浙江杭州,集團員工13000餘名。作為一家綜合性企業集團,集團已涉足化學建材、融資擔保、典當拍賣、期貨經紀、金融投資、小額貸款和國內外貿易、房地產、旅遊、農業等領域,呈強勁發展態勢,總資產過百億,成員企業包括控股母公司中財招商投資集團有限公司和160餘家全資子公司。其中集團化學建材業已在紹興、杭州、衢州、天津、西安、長沙、成都、烏魯木齊、長春、六安建立10大生產基地,同時擁有直轄、黃河、江蘇、北京、關東(型材)、西南(型材)、上海、西域、南方、長江(管道)、長江(型材)、山東、西南(管道)、關東(管道)、海外總部等15大市場總部。主營「中財牌」PVC、PE、PP-R、PE-RT管道和「中財牌」PVC型材,系國內最大的管道、型材製造商之一。

[b]

不同業務模塊、各子公司數據形成信息孤岛

[/b]
經過多年IT建設,集團各分子公司建設上線了錯綜複雜的信息系統,如何把系統中散亂的數據整合成大數據,為集團的經營決策提供支撐,成了困擾集團信息部門的大難題。總的來說,集團面對的數據應用難題主要包括以下兩個維度:

[b]1、信息孤島問題:不同業務模塊的數據[/b]
傳統意義上的業務系統建設,專註於解決企業某個局部業務問題,系統之間數據彼此獨立,無法為決策部門提供全面立體的數據支撐。中財集團的各個業務系統之間就存在這樣的問題,但是公司決策部門不可能只關心訂單數據或者排產數據,他們需要將銷售訂單、排產計劃、採購計劃甚至費用和人力數據綜合起來考察企業的經營狀況,才能制定科學的經營策略,而當前各業務系統「信息孤島」的現狀,很大程度上制約了集團的數據應用。

[b]2、信息群島問題:集團內各子公司的數據[/b]
除了各個業務系統之間無法實現數據共享,集團各子公司的數據也沒有實現打通,無法進行統一的管理和應用,形成了相互隔絕的「信息群島」。要打破「信息群島」的僵局,就需要集團在數據應用上實現以下兩個重要的場景:

1)自下而上:集團總部可以掌握各業務單元和子公司的運營數據,綜合調控;

2)自上而下:各分子公司可以通過集團大數據優化自身的經營策略。

比「數據孤島」還難的題,多元化集團如何打通分子公司數據?
[b]

利用FineReport構建大數據分析系統

[/b]
[b]1、總體規劃思路[/b]
構建同時面向集團總部和各業務單元和子公司的大數據分析系統,為集團各級管理決策和業務運營提供數據支撐,是集團大數據項目規劃的總體目標。為實現總體目標,集團大數據項目規劃總體分為三步:

第一步,通過主數據管理平台,梳理分散在各個業務系統中的主數據;

第二步,建立數據倉庫,數據倉庫對各個節點的數據進行及時的匯總、倉儲;

第三步:搭建BI系統,為集團各級用戶提供多樣化的大數據應用場景。

比「數據孤島」還難的題,多元化集團如何打通分子公司數據?
[b]2、大數據項目成功的四大要素[/b]
「只做好規劃和項目管理,並不一定能保證大數據項目的成功。」 集團信息科負責人熊煒認為,大數據項目的成功必須具備以下四大要素:

[b]1) 要素一:理念[/b]
大數據應用不單單是信息部門的工作,尤其是對這樣一個多元化產業集團來說,數據的價值最終還是要落實到具體的業務單元和業務場景中。這就需要集團的各個層面轉變觀念,從以往的完全依賴信息部門給數據給報表,轉變成人人都可以成為數據的生產者和使用者,這也是大數據項目得以成功的最重要的前提條件。

[b]2) 要素二:基礎[/b]
集團各業務單元在以往的管理過程中非常注重業務標準化和管理制度化,在會計制度、行銷往來對賬制度等方面都有集團通用的制度標準,這也為建立集團主數據平台和數據倉庫提供了堅實的基礎。

[b]3) 要素三:數據[/b]
足夠體量的數據才能支援真正的大數據應用。在中財集團,僅僅財務系統每個月就有近二十萬條結構化的數據,海量的數據,能夠支援各個維度的分析,進行多樣化的數據勘探。

[b]4) 要素四:平台[/b]
合適的平台工具,能夠為項目帶來事半功倍的效果。集團理想中的大數據分析平台,一方面能夠為技術人員提供簡單的報表開發工具,對集團固化的數據分析需求提供報表支援;另一方面又能為各級業務運營人員提供自助式的報表分析工具,通過數據許可權開放,各級業務人員能夠根據需求,快速定製出符合實際業務的個性化報表。帆軟平台的的特點完美的契合了集團對大數據平台的要求,成為中財集團大數據應用開發的首選平台。
[b]

打破區域限制、數據渾然一體!

[/b]
在熊煒看來,大數據平台的上線,為集團管理突破原有的區域和系統限制,提供了有效的解決方案,極大的提升了集團管理效率,幫助集團在產供銷、人財物一體化科學管理的道路上邁出了堅實的腳步。

比「數據孤島」還難的題,多元化集團如何打通分子公司數據?

基於帆軟平台開展的集團大數據平台項目一期,主要完成了產銷模塊、同行分析、排產模塊、財務模塊、行銷模塊、零售模塊的建設,其中財務模塊和排產模塊的價值最為突出:

  • 財務綜合分析,主要幫助集團財務部實現對所有子公司財務數據的統一管理和分析;

  • 智慧排產,通過智慧排產數據模型,為集團實現產銷結合、優化庫存結構提供了支援。


[b]1、財務綜合分析[/b]

作為一家擁有眾多子公司的大型企業集團,每月的財務總結都是擺在信息部門和財務部門面前一項艱巨的任務。財務綜合分析模塊的上線,首先幫助信息部門和財務部門解決了數據處理的工作量問題:

  • IT人員無須再為財務部門頻繁變動的報表需求進行重複的開發工作,只需通過平台的數據包功能,將來自各個業務系統的數據打好數據包,配置好面向不同財務人員的許可權就可以了;

  • 財務人員也無需通過excel去進行複雜的數據分析和處理工作,只需要對平台上的數據包進行簡單拖拽,就可以生成形式多樣的圖表模板。下圖很好的展示了財務綜合分析平台給財務人員工作帶來的變化,平台上線後,財務人員幾乎不用再花時間進行數據處理,更多的精力是去關注數據價值本身。


比「數據孤島」還難的題,多元化集團如何打通分子公司數據?

從業務價值的層面,財務綜合分析模塊能夠幫助總部財務人員及時發現並跟蹤財務數據異常,排查局部的運營問題並及時糾正,實現降本增效。以成本監控為例,根據預先配置好的數據模板,平台能夠在第一時間將各子公司上報的財務數據生成成本報表,財務人則可以通過視覺化圖表,對不同區域、不同機構、不同的成本項數據進行層層鑽取查看,各個機構的成本情況進行同比、環比或者橫向對比等多維度的分析,異常波動和偏差系統也能夠發出警示。

「財務綜合分析模塊上線之後,有時候子公司剛剛完成數據上報幾分鐘,總部財務的電話可能就電話過來了,數據哪裡出現了偏差?為什麼成本較上個月出現這麼大的波動?總部總能第一時間發現問題,追蹤問題,財務數據成為精確掌握公司運營動態的有效手段。」談到財務綜合分析模塊為公司財務提供的價值,熊煒無不自豪。

由於大數據平台給總部財務帶來的巨大價值,集團總部財務主動牽頭,啟動了對各分、子公司財務部門的大數據應用培訓,讓大數據平台真正服務於集團的所有財務人員,為集團財務轉型積累能量。

[b]2、智慧排產[/b]

化學建材的生產和銷售是集團最重要的業務版塊,實現這一塊的產銷銜接,優化供應鏈結構,對於提高集團整體的效益有著重要意義。為此,集團搭建了智慧排產模塊,利用智慧排產數據模型,支援完成集團二十多個生產基地的排產計劃。

智慧排產模塊的運行主要分為以下三個重要步驟:

第一步,匯總生產需求。集團的生產需求主要分為基於銷售訂單的生產需求、基於未來銷售預測和庫存情況的補庫生產需求兩個方面。基於銷售訂單的生產需求直接對接來自各個訂單系統的訂單數據,而基於銷售預測和庫存情況的補庫生產需求,則需要經過複雜的運算獲得。集團自主開發了智慧排產數據模型,結合帆軟平台的大數據運算優勢,為生產部門提供精準的銷售預測和生產需求數據。

比「數據孤島」還難的題,多元化集團如何打通分子公司數據?


數據分析,報表實例,專業的人都在這裡!加入[url=https://www.facebook.com/twfinereport/]FineReport臉書粉絲團[/url]!

[CIO視角] 如何培養企業管理者的數據思維?

週一, 十一月 13. 2017

文 | 帆軟數據應用研究院 李向川

大數據的出現,正在徹底改變很多企業的運作模式,新的商業機會層出不窮,舊的市場格局正在被強烈錘擊,有些格局已經打破。隨著數據技術的發展,大數據分析水平的提高,企業面臨的外部環境更加複雜,內部管理也將挑戰更大。如何迅速轉變思維模式,用數據化思維來管理企業,保持自身在商業競爭中的主動、優勢位置呢?筆者通過和多位IT高層的交流以及趙興峰先生《企業數據化管理變革》的拜讀,分享一些自己的經驗觀點。

培養企業管理者的數據化思維,可以分五步走。
  • 第一步:自上而下的改革;

  • 第二步:營造數據驅動的文化;

  • 第三步:先複製,後創新;先有形,後有神;

  • 第四步:循序漸進的培訓模式;

  • 第五步:分析競爭對手,向標杆企業學習。


  • 數據化管理是企業管理自上而下的變革


    培養管理者的數據思維是一項長期而艱巨的任務。因為形成數據思維不僅僅是行為習慣的變化,還是思維模式的變化。改變一個人的行為比較容易,而改變一個人的思維模式則是非常艱難的。

    企業在導入數據化管理的過程中,對管理者的數據思維培養是一項必要的工作。管理者沒有數據思維,企業的數據化管理將是空的,數據會被管理者放置到一邊,而無法起到應有的作用。

    數據化管理是企業的管理變革。自上而下的改變叫變革,自下而上的改變叫革命。如果沒有高層的推動,企業的數據化變革就不可能實現。所以高層首先要建立數據思維。在研討目標、商議工作、布置任務的時候,都要用數據去量化。開會的時候問數據、聽數據、分析數據,提出戰略目標的時候用數據去說明目標。

    管理學上有個高效原則是「向上取悅」。商業社會中,資本為王,老闆是資本方的代表。上級決定下級的任務,評價下級的工作績效。員工為了在企業中生存,需要滿足上級的要求,以獲得上級的賞識和認可。所以在企業中,自然而然地形成了「向上取悅」的管理方式,這種向上取悅執行得越到位,企業的執行力越高。

    數據化管理變革以企業文化為基礎


    培養管理者的數據思維,需要以企業文化作為基礎。數據化管理變革必然帶來企業文化的變革。數據講求的是量化、科學、實事求是,企業在管理中也必須重事實、講數據。

    先複製,後創新;先有形,後有神


    一種有效的方法「先複製,後創新;先有形,後有神」。開始培養數據思維的時候,光靠大量的會議討論是不行的,需要藉助具體的工作工具。

    為每個崗位設計標準化的工作表格,為每個管理者設計標準化的數據分析模板。通過培訓,教會每個人都使用這些表格和模板。在日常工作中,隨時檢查相關數據的表格是否嚴格填寫,並在使用過程中,允許並鼓勵員工提出改善意見和建議。對於好的建議積極採用,並及時更新原有的表格和模板。

    經過一段時間磨合,員工就能夠適應這種數據化的管理方式,並逐步內化到日常的工作當中。這就是先有數據表格的「形」,然後再追求數據思維的「神」。

    初期設定表格和模板,不需要過度追求完美,表格和模板在實踐中不斷修訂和完善,逐步形成適合企業的數據表格規範和數據分析模板。

    不要因為追求完美而遲遲不推動企業數據化建設。更早開始,更容易取得成功。

    培訓過程要循序漸進


    要改變一個人的行為習慣和思維模式,培訓非常重要。兩方面原因,一方面要樹立變革的動機,說服個人做出改變;另一方便,要為改變提供工具,培訓說明工具的使用方法,完成變革期的順利渡過。

    企業可以指定變革時間表,按照時間表設定培訓內容和培訓計劃,為不同層級的管理者指定不同的培訓內容,包括技能的培訓和動機的培訓。動機培訓是要告訴所有參與人員,公司為什麼要做出變革,而技能培訓則是提高參與變革的管理者適應新方式的能力。

    培訓的時候,高層最好親自出席,並強調相關內容,傳達變革的決心。每個層級必須給下一層級做培訓,按照層級遞推。並由相關的部門進行跟蹤檢查,並對每次培訓進行打分。培訓結束後,可要求每個參與培訓的員工填寫相關的反饋問卷,必要的時候進行培訓效果測試。

    本·霍洛維茨《創業維艱》指出,作為一個 CEO,能夠驅動員工的有效工具只有兩個:激勵和培訓。企業在推動管理變革的時候,一定要多多開展培訓。


    分析競爭對手,像標杆企業學習


    商業上的競爭是非常殘酷的,每個企業都要遵守一定的遊戲規則,而這個遊戲規則有強者制定。強者,就是我們的標杆。
    標杆,就是值得他人學習的榜樣。企業可以根據標杆企業的做法,照貓畫虎,學習他們的成功經驗。變高企業的變革歷程提供了一個方向和道路,企業照著這個路子走下去就好。從理論到實際,企業的實踐還有很長的路要走,經驗的探索需要付出很多的代價,而對標杆的學習和模仿是最簡捷的方法。


    閱讀參考:
    [1] 趙興峰. 企業數據化管理變革[M]. 電子工業出版社, 2016.


    數據分析,報表實例,專業的人都在這裡!加入[url=https://www.facebook.com/twfinereport/]FineReport臉書粉絲團[/url]!

    IT人的中年危機,怎麼破?

    週五, 十一月 10. 2017

    這幾天,小編的朋友圈唏噓不已,焦躁不安

    一篇《如何避免成為油膩猥瑣中年男》被迫刷屏,字字灼心

    如何避免「油膩猥瑣」,網友總結了「十不要」

    「不要成為一個胖子

    不要停止學習

    不要呆著不動

    不要當眾談性

    不要追憶從前

    不要教育晚輩

    不要給別人添麻煩

    不要停止購物

    不要髒兮兮

    不要鄙視和年齡無關的人類習慣」

    IT人的中年危機,怎麼破?

    暫且不論這標準好壞,一個既定的事實是

    IT人的中年危機或將或近,就要來了。

    ——— 關於IT人的中年危機,看看當事人們怎麼說?———


    @本是不惑年,卻是最迷惑

    自從聽說華X公司勸退30多、40歲的員工,想到自己過兩年如果也遇到這樣的處境,後脊背就發涼。

    @副總難找工作

    朋友是IT男,做軟體開發,工作12年,舉家從北京搬來深圳,放棄了年薪30W+的副總,來深圳找工作。兩個月只接到一個面試,卻只要一個普通的開發工程師。

    @敵不過90後

    「當我們還執念於PHP是最好的語言時,眾多90後們已經在高呼Python大法好了。」

    @未來難以想像

    「我無法想像50歲的時候,還要早起去和一群20-30歲的人競爭,站在公司的角度,對我的投入明顯不值得。」

    @時刻尋找職業價值

    「25歲寫代碼,越寫越不安分,於是30歲辭職創業。35歲時把公司給賣了,回頭在一家公司作CTO,目前的時間和精力放在規劃E化方向、技術架構、培養團隊,提升公司戰鬥力上。」

    @35歲以後應將自己變現

    「35以後的IT人,你的架構能力,管理能力,分析和解決問題的能力已經遠遠不局限於技術這個領域。此時應是了解自己,把自己變現的階段。」

    @學會突破

    「30多歲也不算老,想要突破,似乎只能Push一下自己,哪怕不知道自己到底能做什麼! 」

    IT人的中年危機,怎麼破?

    ——— 中年危機之解惑———


    范凱,丁香園CTO,前JavaEye網站創始人這樣看待 「IT人的中年危機」:

    「20到27歲是技術積累階段,這5年時間裡要積累足夠的代碼量,打磨自己的技術實力,成為某一個技術細分領域的牛人。

    28~35歲是形成思維方法論和知識體系的階段,應該有了自己的思維方法和學習技巧,能將任何新技術快速吸收到自己的知識體系中。

    30~35歲,需要知道自己擅長什麼,優勢在哪,如何最大化自己的價值。同時也知道自己有什麼缺陷,怎樣避開做自己不擅長的事情,不讓自己處於對自己不利的環境。

    35歲以後,毋須諱言學習能力和效率都不如後輩,此時的經驗、視野和架構規劃能力,已經遠遠不局限於技術領域。此時的突破,可以通過以往積累的人脈和圈子將自己變現。」

    IT人的中年危機,怎麼破?

    每個人都想再拼一把,每個人都想轉型!

    但大家往往缺少了領域溝通和知識共享的機會

    所以,本月末(11月29日)

    致力於打造動態報表與BI商業智慧軟體的帆軟將在台灣舉辦一場企業數位轉型研討會 & 台灣用戶大會

    誠邀各位一同分享數位轉型的完整方案與豐碩成果

    so,所有危機重重的IT人們

    不管你25歲、30歲、35歲、40歲

    都要抓住知識分享經濟的大趨

    跟企業一起轉型,和趨勢共同成長

    利用你的積澱來拓展社圈

    依靠你的專業輸出建立有效人脈

    讓更多的人為你背書

    IT人的中年危機,怎麼破?

    大會演講嘉賓介紹(部分)


    王人賢
    帆軟軟體 業務經理

    趙一昭
    帆軟發展與遠景規劃 執行副總

    吳聰彥
    雲端決策趨勢與分析管理應用 群創媒體 總經理

    尤濬哲
    BI於客戶滿意度分析之應用 高苑科技大學行銷流通系 博士/助理教授

    王道榮
    產業運用分享 資訊長

    郭政益
    產業運用分享 春雨鋼鐵 經理

    黃天璽
    跨平台應用實例分享 顧問

    IT人的中年危機,怎麼破?

    最後,帆軟誠邀您的參與!

    11/29 數據時代.揚帆啟航FineReport用戶大會 點我立即報名



    數據分析,報表實例,專業的人都在這裡!加入[url=https://www.facebook.com/twfinereport/]FineReport臉書粉絲團[/url]!