前两天,一位阿里员工突然在网上发帖说阿里内部取消了周报制度:
传说中人人都要写 1000 字周报小作文的阿里,竟然要把周报取消了,而且,据内部员工爆料称,除了周报之外,一些不必要的会议也会逐步取消。看了这个消息,不少网友对此纷纷表示羡慕。
很多公司都有周报、月报制度,其实从本质上来说,周报、月报都是公司流程化管理的一部分。目的是为了更好的向下管理和向上反馈。但是在实际的工作中,一些总结类的周报有时都是流水账。
但是像数据类的周报、月报对企业经营监控相当重要,尤其是对于生产制造业来说,监控每天的项目进度和生产数据是至关重要的,哪怕这些报表制作起来繁琐浪费、重复复杂,但是企业不得不通过日报对生产数据进行实时把控。而且企业业务部门的各种报告也需要数据支撑,所以数据部门的人就难逃“表哥表姐”的命运。
我曾经在一家零售公司做数据分析,每周要把6个城市的N家门店的销售数据做数据分析,把各个工作表的数据复制再粘贴到一个工作表里,再进行数据分析,然后再把报告邮件发送给各个领导。
我们数据人的周报月报焦虑,谁来拯救?
文字总结类周报,大厂数据类的周报、月报基本都实现自动化了,根本不需要人工做表。比如像下面这样的周报模板,直接选择时间就可以筛选出对应时间区间的数据,一个模板就能代替无数张Excel表。
要真正实现上面这样的自动化报表,我们要解决三个问题:做报表前的取数问题、报表的自动生成问题、报表完成后的自动发送问题。
从我自己在企业的数据工作经历来看,解决上述问题,最简单的办法就是交给专业的报表工具去做。有人说了,为啥不用python呢?对我来说python实现自动化的确也很方便,但是对于代码基础薄弱的业务分析人员来说,学习成本太高了。
我就以国内企业用比较多的报表工具FineReport为例,来教大家如何实现自动化报表
先说做报表前的取数问题
对于信息化程度高的企业来说,各种业务数据都会录入到业务系统中,做报表的时候直接从系统中取数就行了,不过,要是领导要的数据分散在好几个系统中,取数也比较麻烦
更惨的是,大部分中小企业信息化不完善,统计数据的方式千奇百怪,有的用Excel,有的甚至纸质记录数据,报表人的取数工作可想而知会有多么的困难。
这也就是为什么很多人在做日报周报月报的时候,想要的数据取不出来,想填报的数据又放不进去,费了半天时间做的一堆日报只能留在自己手里,这样的报表就完全失去了价值。
FineReport解决这个问题的办法就是报表平台直连数据库,将企业的各个业务系统打通,并将数据库中的数据按照字段实时更新,可以集成到OA系统、ERP系统之中,随时取数做表。
另外,FR还支持填报功能,数据部门可以根据业务的需求设计填报模板,业务定期打开模板录入数据,数据就会同步到数据库中,如果有的业务人员不想用系统录入数据,也可以将Excel模板直接导入
报表自动生成
解决了取数和数据采集的问题,下一步就是解决自动化报表模板制作的问题。
FineReport在报表开发操作上很简单,普通报表模式的设计界面和Excel类似,基本上会Excel就能轻松上手。
定义好数据链接后,在界面上设计好报表原型,然后将对应的数据字段拖拽到单元格子中完成数据绑定,然后再将日报、周报、月报中需要进行筛选的时间字段添加参数,然后对相应的数据格添加过滤条件,就可以实现日报、周报的筛选过滤,比如下面这样:
另外,我们在周报的时候,有时候要需要反应数据的进展情况,上面这样的基础表很难直观反应数据,我们需要对数据进行图表可视化,让领导快速掌握数据情况,这时候你可以利用FineReport中自带的数据图表来直观展示数据,而且图表组件之间还能实现联动和下钻。
完成这两个环节,报表自动化就实现了,业务通过填报报表录入数据,我们只要在周报模板上选择时间,刷新一下,当周的周报就生成了,月报、季报自动化通过时间参数的设置,同样可以实现。
报表自动发送
周报生成了,最后一步就是邮件发送给业务部门或领导,一般情况下企业每天的日报都是定时上报的,但是每次都需要手动上报报表,很容易因为人为原因导致报表延迟上报。
这个问题可以用FineReport的定时调度功能解决,给系统设置定时任务,它会自动按时将做好的报表发送邮件或者短信给报表查看的人。这样基本上就不需要耗费人力在各种周报、月报、季报上了
除了PC端报表外,FR还支持移动端报表,对于很多公司的管理层来说,经常需要出差,查看PC端报表不方便,这时如果能把周报做成移动端报表,就可以让领导层随时随地掌握公司的数据状况,及时发现运营问题。
总结
其实对于大多数企业用户来说,除了周报、月报等数据汇报报表外,还有很多固定报表是需要定期产生的,导致数据部门不得不进行很多重复枯燥的报表制作工作,效率十分低下,而像上面这样的自动化报表流程不仅可以减少人力、时间成本,对于企业报表层面的数据中台建设也是最最基础的要求。
原创文章,作者:Maggie-Hunter,如若转载,请注明出处:https://blog.ytso.com/tech/bigdata/172801.html