BI助力企业卸下沉重数据负担
发布时间：2020-12-15
来源：中国自动化网
类型：
企业资讯
人浏览
关键字：
管理流程
BI项目
导 读：
在某汽车企业BI项目的实施中，项目团队有个很深的感触，就是数据的问题并不是仅仅依靠BI工具就可以解决的。很多时候，数据有问题是一种呈现结果，这时需要寻找数据异常的根本原因，利用各个管理流程与环节的通力配合，在源头控制数据的质量，才能得到可信的分析结果。
某汽车企业成立于2014年1月，总部位于伦敦，系由意大利菲亚特集团和美国克莱斯勒集团合并而成，并由此跻身世界第七大汽车公司。该集团旗下拥有十多个品牌，并建有70多个研发中心、150余家工厂，产品全方位覆盖经济型、越野型以及豪华超跑型等多种车型。
近年来，汽车行业市场低迷，全球销售增长放缓，汽车企业的生存环境愈加艰难。面对竞争加剧、监管收紧等极端挑战，各家车企纷纷开始转变以往粗放型的管理风格，重谋划抓管理，并不断加深大数据、商业智能（BI）等新兴信息技术与软件技术在管理工作中的应用，对市场走向与趋势进行跟踪预测，以迅速调整运营策略，增强核心竞争力，确保企业长久立于不败之地。某菲汽车企业也是较早引入BI，实施数字化管理转型的车企之一。
一. 日积月累，数据分析成为沉重包袱
为了在严峻形势下仍能取得成长与发展，某菲汽车企业密切关注汽车市场数据，期望通过对全球市场数据的分析与挖掘，预判市场变化，指导企业做出最正确的运营决策。Product Plan部门承担了搜集市场数据，并对其进行整理和分析的重任。
Product Plan部门需要定期对全球范围内各个品牌的车型、售价、以及客户分布等详细市场数据进行收集分析，这是一项繁重的工作。首先，数据体量较大。除某菲汽车企业内部各个区域提供的车型产销数据以外，还有大量的外部第三方机构如IHS、Jato等提供的全球各大品牌汽车市场商业数据。Product Plan部门需要对这些不同来源的大量数据统一处理。其次，整合分析的工作量也很大。由于数据来源渠道不一，数据的格式与规范各异，在没有上线BI项目以前，Product Plan每次都需要安排数名员工并花费数天时间对杂乱的市场数据进行处理，包括清洗、抽取与集成，分类存储与分析展示等等。其中，数据清洗是为了保证数据的质量可信，抽取与集成则是从可信数据中提取出数据的实体和关系，经过关联和聚合后再采用统一定义的结构来存储这些数据，之后再对数据进行深度分析，包括深挖相关数据之间的联系，制作各类形象直观的图形数据报表等。
随着汽车市场的发展，市场数据体量迅速攀升，这种手工汇集整理数据，并利用EXCEL制作图形报表定期汇报的形式弊端逐渐显现，并日益严重，已成为Product Plan部门的严重负担：
● 数据处理的工作量繁重，需要大约4-5名员工全部投入该项工作，但主要为重复性的数据处理工作；且人工处理数据速度有限，每次汇报之前的数据处理工作都需要一周左右的准备时间；
● 市场数据每隔一定周期整理汇报一次，企业高层领导无法实现对市场数据的随时自主查询，影响市场敏捷快速反应能力的建设；
● 部门储存的历史累积数据和报表数量众多，检索不够便利；
● 不同报表之间的数据逻辑关系无法实现关联校验，导致一些隐藏的问题不能被及时暴露出来，而问题暴露得越晚，处理起来就越困难，引起的影响和损失也就越大。
二. 痛则思变，上线BI助力数据分析
某汽车企业决定引入商务智能BI软件以改善其当前在数据处理环节存在的业务痛点，提升数据处理能力。在BI选型方面，某菲汽车企业有自己的考量。软件性能、部署周期、实施方法论以及专业服务能力等等都是某菲汽车企业所考虑的因素。经过慎重的选型与比对，某菲汽车企业最终决定委托上海亦策软件科技有限公司（简称亦策软件(Ebistrategy)）来实施BI项目。
某菲汽车企业与亦策软件分别抽调了各自的业务骨干人员，组成实施团队来负责项目的上线工作。除安排IT骨干、业务骨干作为实施小组主要成员外，双方分管工作的中高层管理者也都被纳入团队，共同来推进项目的实施。
项目的实施过程就像大多数项目一样，并不是一帆风顺，而是不断出现各种疑难问题：手工数据之间暗含了大量的逻辑关系，但并没有确定规范完整的匹配规则；早期数据校验流程缺失，也没有明确的校验规则，导致问题数据在结果呈现的环节才暴露出异常；图表呈现的样式需要尽量沿用企业已有的风格……
面对一个个实施难题，实施团队积极应对。亦策软件的驻场工程师结合其丰富的实施经验，从专业角度给出合理化建议，包括：规范数据的格式，使不同来源的汽车销售数据格式统一；梳理不同渠道销售数据之间的逻辑关系，完善各类数据之间的匹配规则；对数据质量进行把关，根据业务特点设置校验规则，同时系统内设置数据异常提醒功能；图表样式选择呈现最优的表现形式，而不是照搬原样式……亦策软件同时建议某菲汽车企业结合实际需要调整业务流程。企业接纳了亦策软件的建议，根据项目的推进，双方深入讨论业务流程完善和优化的路径，并不断尝试以验证其可行性，包括制定数据管理规范对数据质量从源头予以改善、增加数据校验环节等等。
在双方的努力合作下，该项目仅历时三个月，就得以成功上线运行，并实现了如下功能：
● 自动生成各类车型销售数据的汇报报表，并用形象直观的图表样式呈现；
● 对不同渠道的汽车销售数据自动进行关联校验，在数据异常时能够提醒对数据进行复核；
● 实现对汽车销售数据的多个维度自助查询，如对年度车辆销售数据，既可以按国家和地区维度查询，也可以按照品牌和部门查询；既可以查询全球市场总体销售数据，也可对特定国家及地区进行查询；
● 汇总全球市场上不同品牌车型的市场占有情况，并从发动机气缸、驱动系统类型等细分属性对销售数据进行对比与分析，挖掘背后的市场规律；
● 根据市场数据分析最近五年的复合增长率，预判全球汽车市场走向，同时测算近五年行业复合增长率。
三. 甩掉包袱，数据处理实现提质增效
项目上线后，经过一段时间的运行发现，Product Plan部门的数据整理分析工作大幅减少，不同报表之间的数据逻辑异常也可以在系统中轻松校验出来，数据的质量与可信度得到了显著提高，取得了较好的应用效果：
● 数据报表经BI系统自动快速生成，节省了前期人工分析来自不同渠道的汽车销售数据的工时，包括车企在不同国家和地区的销售部门以及不同的汽车咨询公司的数据，极大的降低了员工工作量，同时提高了数据分析的效率；
● 系统能够及时校验不同汽车市场数据之间的逻辑关系，将隐藏的问题及早暴露出来，并提醒相关人员尽快处理，避免了更大的影响；
● 将全球范围内的车辆历史销售数据全部集中到数据库统一存储，同时设置各种分类维度，管理层对跨年度的市场数据的调取与分析更加便利；
● 数据报表展示形式多样，涵盖了柱状图、折线图、饼图、树状图等不同形式，对结果的呈现更加直观。图示为部分报表展示，包括国家/地域汽车销售数据（图1）、汽车市场概况与趋势预测（图2）、汽车市场细分属性统计分析（图3）等。
图 1 国家/地域汽车销售数据分析
图 2 汽车市场概况与趋势预测
图 3 汽车市场细分属性统计分析
某汽车企业对该项目的评价非常高，认为该项目的实施不但极大地解放了Product Plan部门的人力，卸掉了数据处理的沉重负担，让数据处理的工作得到了较大的优化和提升，同时还实现了让高层管理者对全球市场数据进行自助查询与多维度分析，帮助管理层洞悉市场背后的规律，预测总体市场走向，为企业的运营决策提供可靠参考，是一次成功的上线任务。
后记
在某汽车企业BI项目的实施中，项目团队有个很深的感触，就是数据的问题并不是仅仅依靠BI工具就可以解决的。很多时候，数据有问题是一种呈现结果，这时需要寻找数据异常的根本原因，利用各个管理流程与环节的通力配合，在源头控制数据的质量，才能得到可信的分析结果。因此BI项目的实施，除了技术的因素外，还需要企业从规范整体管理的角度出发，对管理流程进行规范和优化，才能将数据处理的负担最小化，达到更好的实施效果。
免责声明：本文仅代表作者个人观点，与中国自动化网无关。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容！来源网络如有误有侵权则删。