數據分析師需要掌握哪方面的電腦技能？——從基礎到進階

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：

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？

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部任職商業智慧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：

基礎篇

1、首先是Excel

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。

2、掌握SQL Server或者Oracle的SQL語句

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。

3、掌握可視化工具

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能夠方便地自定義報表，效率大大提升。

FineBI

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。

進階篇

1、系統的學好統計學

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））

大數據分析（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）

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

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。

最後，怎麼說呢，無論何時業務分析、數據分析還是數據科學教，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。

我們用一個APP管理100+餐飲店，服務9000+員工！

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。

一個數據分析故事，開啟數位轉型之路

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。

從現有資訊化建設入手，分階段數位轉型

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報表，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。

用一個APP管理100多家門店，服務9000多名員工

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。

高管管理的行動戰情室

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。

報表製作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。

門市管理者的方便工具

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數據分析。

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。

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。

基層員工優化餐廳細節的渠道

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。

全員學習的資料庫

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。

倉庫物流系統順勢升級

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。

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。

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。

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。

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

文 | 帆軟數據應用研究院 王立鑫

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？
行動端報表用了一陣子，就沒人用了，也不知道原因？

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大數據應用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。

線上線下的結合，對數據應用有新要求

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。

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，已經用帆軟報表軟體開發了很多報表，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，持續形成數據分析層的價值沉澱。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。

我們為什麼那麼重視業務人員的參與？

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：

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

「現在很多企業都在提大數據分析，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

從一個簡單的專案開始
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。

產生一個複雜的管理需求
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？

眼光轉向過程數據
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。

過程數據帶來效率的問題
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？

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。

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。

尋求效率和管理的雙贏方案
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BI系統軟體的填報功能中找到了答案。

帆軟填報工具的實用性
採用帆軟FineReportb報表工具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。

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！

使用者覺得好用，才會有主動性！
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。

故事2：補吊牌，使用者思維主動幫業務簡化流程

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。

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。

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。

故事3：商品色樣會，使用者思維發現業務短板

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？

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。

故事4：流程可視，讓審批有跡可循

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：

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：

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：

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。

衣架內最流行的報表軟體

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：

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：

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！

文|帆軟數據應用研究院 陳陵志

壟斷市場中異軍突起，迅速佔領一席之地

「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，東鵬特飲通過數據分析優化品牌行銷、提升管理效率的成功之道。

業務系統積累海量數據，數據應用卻遇到瓶頸

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，也為基於大數據分析技術的管理決策優化提供了海量的數據。

1、業務系統積累的海量數據

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+。

2、數據價值的應用瓶頸

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！

3、統一數據平台建設要求

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BI系統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：該平台及其報表支援在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資料視覺化的圖表，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，最後選擇了帆軟數據分析決策平台，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，成為東鵬飲料在大數據應用領域的合作夥伴。

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

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。

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。

市場數據：品牌口碑的基石

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：

第一步：連接消費者

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。

第二步：數據分析和應用

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：

1、消費者使用產品的時間超出我們的預期

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。

2、兌換數據分析幫助我們了解市場產品貨齡

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。

3、兌換數據分析助力銷售預測和備貨

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。

4、未來願景：用戶畫像

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。

數據真正成為管理效率提升的利器

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。

結語

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！

工業4.0核心靈魂在哪裡？不是技術，而是整合思維

過去只要產品做的好，就不愁沒有銷路。但是製造業現在面臨的狀況大不相同，市場快速變化、競爭加劇，需求開始走向個人化、客制化，但相應的生產條件卻沒有辦法快速靈活應變，再加上勞動力缺乏的問題，一場席捲整個製造業的第四次工業革命撲面襲來，跟不上大潮必然被淘汰出局。

台灣的製造業曾經撐起了一個世代的輝煌，尤其擅長大量生產和代工製造。面對這樣的全球革命，製造廠商們也積極應對，希望乘著4.0的大潮再創奇蹟。但現在有一個很大的問題是，很多廠商以為工業4.0就是技術革新、自動化、使用機器人的無人工廠。這個誤解造成了很多企業的工業4.0之路越走越歪，投入了大量資金沒卻沒有得到效益上相應的提高。

工業4.0是產品全生命周期的大整合

工業4.0是產品整個生命周期的管理與服務，是從市場到研發生產再到銷售服務，整個環節的整合。

舉個例子。一家汽車製造公司，通過工業技術革新、自動化機器人生產實現了每分鐘生產一輛汽車，資訊的流轉從研發部門到採購部門到生產部門再到物流部門，到了用戶手中就停止了，那麼車場想要獲取用戶的使用狀況，除非把車子開回來檢修。目前這種中斷了的資訊流導致車場一方面無法提供及時的客制化的服務，另一方面也造成車場不了解用戶需求、不了解自己產品的狀況，在新車的研發、舊車的改良上無從下手。如果這時恰好一家競爭車場整合了整個流程，或是某廠商研製了汽車端的服務產品，在不需要經過車場的情況下就能全部承攬用戶服務，那麼這家車場的命運將不容樂觀。

市場變化迅速，方向是成敗關鍵

巨人的倒下，不過幾年時間，諾基亞、柯達、索尼都是例證。市場快速變化的情況下，企業的反應速度、行動方向往往成為成敗的轉折點，這時候對市場數據分析就尤為重要。比如這樣的市場分析，實時抓取各地銷售數據，通過產品、地區、客戶等不同維度全方位展示產品的銷售情況，獲取各產品、地區、客戶在指定時間內的銷售波動情況和發展趨勢。這樣的豐富維度、實時數據分析為後方生產什麼樣的產品、研發的方向是什麼、採購多少原材料、生產多少產品等都提供及時而又準確的依據。

這是一家化肥生產企業的報表。化肥的使用量與有效耕地面積和作物種類有直接關係。及時了解各地的耕地面積變化和種植類型，對於評估市場容量、制定市場策略有重要作用，也是生產部門制定生產計劃的重要參考。

整合製造前後環節，實現大量生產與客制化的協調

生產要依賴於市場提供的數據，決定生產什麼、生產多少；採購庫存制約的實際生產量；服務售後資料又決定著著產品功能、質量該如何改進——生產，是工廠所有環節的連接者和資料整合應用者。如今，市場的多變和客制化生產是大勢所趨，如何提高生產效率、縮短產品生產周期，以快速應對市場的變化，以及如何做到彈性決策和智慧生產以達到「大量生產」與「客製化」之間的協調，成為生產環節的關鍵。工業4.0中大熱的技術，物聯網、AI、機器人、大數據分析在這裡盡情發揮作用。視覺化工廠透過大量佈建的感測器，密集擷取特定區域或物件的特定訊息，在PC上或是手機上就可以隨時了解整個工廠的運轉；BMW為了滿足每位顧客挑剔善變的需求，其生產線的應變能力已經到可以讓顧客在車子進入生產線的六天前，都可要求變更設計與配備的程度，沒有任何一輛是完全一模一樣。這些實現都依賴於技術的實施，以及技術背後全流程數據的整合。

通過感測器對各生產機構的生產裝置進行每5分鐘一次的數據抽取，集中展現在數據大屏上，集團能夠對各生產裝置的負荷了如指掌，也能及時發現和解決問題，保證生產效率。

服務是所有環節的試金石

在服務中了解客戶、了解產品，是對市場方向正確與否的反饋，也是生產質量、產品研發的反饋。

這張報表，對客戶反饋的產品問題進行數據分析，關注維修率和故障率，有利於幫助產品研發改良以及生產過程優化。

這些企業流程中的每一個環節，都需要其他環節資料的支撐，整合的效果讓整個流程的效率、科學性大為提高。但打通全流程的不是一件簡單的事情，每個不同的環節會遇到不同的系統，每個系統的資料庫、資料定義、資料統計標準可能也不一樣，這就形成了一個一個的系統孤島，無法彼此連接起來。還有一些環節還沒有做物聯網，軟體應用和數據收集尚需加強。但要在工業4.0中不落其後，這些問題都要一個一個慢慢補足。就像水桶，是其中一塊木片變短，決定了整個桶的容量。

從痛點出發，而不是從技術出發。

看完了上面的講的內容，覺著挺好的，然後自己該怎麼樣還是怎麼樣，沒有很深的觸動，這是很多台灣廠商的現狀。究其原因，是工業4.0之路沒有從公司的痛點出發。只停留在技術層面上，看到大家都在布局工業4.0，自己企業也要導入一套資料視覺化工廠設備，而不是先分析企業存在什麼問題需要解決，結果往往是投入了很多卻不見明顯的降本增效的效果。
在進行工業4.0之前，應該問自己這樣幾個問題：
企業目前有什麼痛點？
可以用哪種工業4.0技術來改善？
準備投入到少成本，以及如何衡量導入後的效果？
改善之後的效果會比運用其他方法更好嗎？
如果你的答案是肯定的，再開始工業4.0之路不遲。

工業4.0是個過程，沒有完成了的狀態。

我們談企業E化談了很多年，從開始導入CRM系統，到後面陸續導入MES、MIS、ERP、財務、物流、想笑系統，系統多了，數據雜了，再導入一個數據整合的工具：報表軟體或者BI系統工具。這些都是企業E化的過程，它沒有完成狀態，是一直在進行的，沒有企業說自己的E化完成了，以後高枕無憂無需再做任何E化了。工業4.0也是這樣的，硬體里的感測裝置、網路裝置、機器人、穿戴式裝置、3D列印、智慧型手機，軟體中的雲端平台、大數據應用、人工智慧AI、虛擬實境VR/擴增實境AR術都是一個個階段，隨著發展可能還會蹦出新的技術。要做好沒有一勞永逸的準備，不斷根據企業的狀況、技術的發展來隨時優化，才能在激烈的競爭之中始終立於不敗之地。

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

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。

一、何為精實生產？

「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。

1.精實生產理論體系：

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、資料視覺化管理等部分，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。

2.精實屋：

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。

3.精實生產的核心思想：

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。

二、基於LP的決策分析平台架構搭建

1.打通雙向數據鏈路

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。

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。

2.IT實現架構

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。

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）。

三、基於LP的數據分析模型

1.數據分析三要素：

數據分析三要素包含指標、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，不僅對我們後期的報表製作有很大幫助，還可加深我們對業務邏輯的理解。

2.數據分析金字塔模型：

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，在設計指標和報表時就會事半功倍，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

3.基於LP的數據分析模型：

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。

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。

四、基於LP的數據分析應用案例

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。

1.大屏應用：

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。

2.PC端應用：

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。

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。

3.行動端應用：

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。

五、總結

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。