单个应用场景降本数百万!看正邦集团如何从0到1建立数据决策平台

原创 商业智能研究 2019-12-20

本文以农业产业化国家重点龙头企业——正邦集团为例,从农业养殖行业的多业务场景出发,分享了企业如何建设数据项目,解决痛点需求;组建数据团队,提升团队价值等实践思路。

近几年,随着大数据、物联网等新兴技术的运用,信息化已经成为加快农业农村现代化发展的重要抓手。而实现“从田头到餐桌”全程可控,保障老百姓“舌尖上的安全”,更离不开信息技术在农产品成品、质量上的把关。如何利用数据平台来支撑企业掌握全局的运营状况,利用科学化手段管理农业产品,成为很多农牧企业数字化转型的重点。

作为农业产业化国家重点龙头企业,正邦集团有限公司以农牧、种植、金融、乳品、农化等为主要产业,经过20余年的发展,集团已经成为江西最大的民营企业。

2018年,集团的总产值达到780亿元,业务场景也不断细分。如何为业务提供更多的辅助决策支持,从被动的需求响应向主动的价值创造转型,赋能集团的产业升级,成为整个信息部门的提升目标。也就在同一年,正邦集团引入了帆软数据分析平台,开启新一轮的数据项目建设之路。

数据之困,集团信息化建设背景

近几年,正邦集团的各个业务线均呈现高增长的趋势,但是很多业务系统的数据库缺乏统一的质量标准与流程规范,导致大量业务数据得不到有效利用,原本的业务报表平台也出现了多个弊端:

1、业务数据标准不清晰,数据失真严重

以猪场养殖模块为例,在以往没有统一的数据采集平台时,各个子系统的数据标准定义不清晰。猪场的运营情况、猪只的生长情况、员工的个人产出效能等关键数据均需要人工的收集,数据空白以及数据失真的情况时常发生,进而影响接下来的业务分析与管理决策。

2、数据的使用不可控,业务流存在断层

在数据流转过程中,很多业务数据还需要人工的二次加工。由于是人工使用,缺乏统一的标准,很多具体数据的使用情况无法得到控制与追溯,同时很多业务部门对这种粗放的数据流转方式存在质疑,导致整体的数据利用率低下。

3、数据应用的配置不足,数据利用率低

除了数据管理的问题,数据工具的缺失也限制了数据的有效利用。以往,正邦集团缺少数据展示软件,ERP系统报表也缺失图表,数据展现不够直观。同时,正邦集团没有自己的数据分析团队。

总的来说,业务部门虽然产生了大量数据资源,但是如何将这些数据科学、系统的进行收集和处理,让数据分析功能真正落实到企业的业务发展,成为了正邦集团在实现数字化的道路上不得不面对的问题。

面对上述问题,流程信息部亟需找到一款对症下药的解决方案,让数据得到全方位的分析、呈现。正所谓专病专治,BI分析平台正针对性地解决了上述问题。

“以养殖-育肥为例,针对数据收集不准确、业务流程不规范的问题,我们的BI分析平台可以实现【异常指标的数据预警展示>原因追溯分析>问题针对解决>评估问题解决情况】这一套闭环系统,这是我们数据平台的特色,也是帆软的工具产品赋予我们的特殊能力。”

——正邦集团养殖信息总监 孙志茹先生

从0到1,数据平台的破局转型

面对众多历史遗留问题,流程信息部决定重新开始进行集团数据应用进程的规划,重新定义数据平台以及数据团队的价值。

立足业务,建立数据决策系统

经过多次的选型与规划,正邦集团于2018年选择采用帆软的BI分析平台来建设集团数据项目。项目建设之初,流程信息部将为集团创造价值作为出发点,围绕繁殖、育肥、销售、经营、采购等多个业务流程,将帆软BI平台纳入到集团整体业务建设中,建立了全新的数据决策系统。

特色场景1:一张数据看板解决多个层级的数据分析需求

正邦集团的组织架构分为事业部、片区等5个层级。以养殖主题为例,从整体事业部层层下钻到单个猪场,每个层级的数据都有所关联但存在着不同的数据展现需求。在以往,信息部门要针对不同层级搭建众多单体报表,报表之间缺乏联动,业务流转也存在壁垒。

而借助帆软BI平台的业务关联、层层钻取功能,信息部将当月利润、肥猪销量、仔猪成本等多个关键数据整合到一张经营分析报表中,进行横向的关联比较。同时平台支持多级钻取,同一张经营分析报表满足从事业部到猪场不同层级的数据展现需求,当某个数据指标出现异常,管理层可以利用驾驶舱调动相关数据看板,及时查看异常数据的症结所在。

创建数据决策分析平台,农业数字化转型,数据预警,数据可视化看板,数据建模分析

除了数据分析功能,决策看板还支持多场景、多终端的数据查看。既有面向猪场或者车间的监控大屏,也有针对管理层、决策层的PC端、移动端的数据平台,满足不同事业部、部门的数据查看需求。

特色场景2:数据模型分析支撑猪场的精准饲喂

猪只从养殖到售卖的全过程都需要精细化运营,其中猪只饲喂环节作为整套流程的核心,影响着其他诸多指标,包括饲料投放的成本、猪只的存活率、出栏时间以及销售机会等。因此,流程信息部决定改变以往人工经验进行饲喂、管理的运营模式,充分发挥数据的作用。

在具体的饲喂过程中,BI平台收集了猪只的具体品种、生长阶段、进食习惯等数据,建立数据模型来为不同圈舍的猪只定制饲养方案,什么时间投放多少饲料,在饲料里添加什么养料……类似这类的饲养细节都会以具体数值的形式进行呈现,并定时同步到饲养员的消息提醒中,实现饲料投放的自动化、定制化。

创建数据决策分析平台,农业数字化转型,数据预警,数据可视化看板,数据建模分析

通过定制饲喂,猪只也从普通用户提升为VIP玩家,猪只的存活率、出栏时间等指标都有了一定程度的优化,针对具体改进成果的数据呈现,流程信息部还将数据模型应用于日龄猪仔分析、品种合格率分析等环节,对猪只养殖整个流程实现全方位管控。

特色场景3:数据预警掌握猪场实时动态

针对以往存在的业务数据失真、业务流不清晰等痛点,正邦集团针对经营分析、繁殖育肥等多个业务板块建立了数据实时预警系统,并由此形成了全局数据视野。

养殖环节业务场景众多,仅仅一个猪场就会产生海量实时数据,远超人工可以统计的范畴。通过预警系统,流程信息部可以实时跟踪每一个环节的数据变化,每当出现数据异常的情况,部门可以通过数据下钻,快速地定位到原因,并综合业务流作出针对性建议,提供辅助决策。

创建数据决策分析平台,农业数字化转型,数据预警,数据可视化看板,数据建模分析

为了进一步规范流程,集团还设置“任务单”功能,每一个问题的发现和解决都会录入到“任务单”系统中,问题是否得到了解决,解决的程度如何,这些指标都会清晰地反映在“任务单”中,真正地形成了一个闭环,规范了业务流程。

数据决策系统上线一年多,为企业的战略决策和业务经营带来了很多提升点,也获得了集团事业部的认可。最直观的是:越来越多的集团管理层在会议和日常办公中打开决策系统,将可视化结果作为经营和决策的重要支撑。

“通过查看原材料采购驾驶舱,集团老总发现一个原材料价格变动的‘拐点’,并根据数据结果进行针对性采购,节约采购成本数百万!”

——正邦集团养殖信息总监 孙志茹先生

道术结合,数据团队的打造之路

信息化建设的转型也伴随着信息团队的升级。如今,正邦集团整体的信息部门共有110多人,信息化程度与人员规模在行业内也处于领先水平。其实早在两年前,集团还没有专门的数据服务团队,对于数据的利用也处在初级的报表制作与维护阶段,信息部门人才的价值实现也存在着困局。

直到2018年,集团调整了信息部门的组织架构,增设专门的数据服务部,引导很多单纯的报表开发人员转型为专注数据管理和业务分析的“数据专家”。如今,其中数据服务部共10余人,一共开发了10余个数据类项目,为集团6大事业部提供管理驾驶舱的搭建和具体的业务数据分析。

创建数据决策分析平台,农业数字化转型,数据预警,数据可视化看板,数据建模分析

依托于科学的规划和布局,正邦集团的数据人才成功转型,成为主动创造价值的“数据专家”。在孙志茹先生看来,在信息部门组织架构升级的同时,优质的数据应用平台也为部门转型提供了很多助力:

FineReport的简单易用性降低了数据平台的开发门槛,提高了部门的使用效率。

平台的钻取、联动等功能大大提高了报表分析的效率,数据与业务的结合更加紧密。

数据部门利用分析平台支撑起集团的业务分析需求,借助于决策驾驶舱,数据背后的业务问题一目了然。

在方法论与工具的双重加持下,数据团队帮助集团解决了很多业务上的难题,也规避了很多战略上的风险。不过最令孙志茹先生欣慰的是,数据团队的每一个人都在这个过程中找到了自己价值实现的方式,同时也获得了其他部门的信任。

从0到1,更要从1到N

经过两年努力,集团信息部门成功从0到1,建立起新的业务流程和数据应用平台,并在数据看板、数据预警、数据模型分析等方面为猪场养殖等业务提供数据支持。如今,全公司上到领导会议,下到具体车间,处处都有数据平台的身影,整个公司都形成了“用数据说话”的工作氛围。

作为江西省百强民企排名首位的大型农牧企业集团,正邦集团在未来还将继续利用数据平台来支撑业务的全局化运营,在农牧、生化、医药、金融、人资等多个领域进行数据项目的规划,而在这个从1到N的过程中,帆软还将继续加强与正邦集团的协同合作,让数据真正成为生产力!

比如,目前主流的软件——finereport,它小到填报、查询、部署、集成,大到可视化大屏、dashboard驾驶舱,应有尽有,功能很强大。最重要的是,因为这个工具,整个公司的数据架构都可以变得规范,下一步就是构建企业的大数据平台了。而且它是java编写的,支持二次开发,类Excel的设计器,无论是IT还是业务,上手都很简单:编辑sql优化、数据集复用简直都是小case,大大降低了报表开发的门槛。在企业中被关注最多的数据安全方面,FineReport支持多人同时开发同一套报表,并通过模板加锁功能防止编辑冲突;通过数据分析权限控制,保障数据安全。

原创文章,作者:ItWorker,如若转载,请注明出处:https://blog.ytso.com/tech/bigdata/172852.html

(0)
上一篇 2021年9月28日 01:27
下一篇 2021年9月28日 01:27

相关推荐

发表回复

登录后才能评论