一个故事告诉你，数据分析如何给企业带来价值

引言：这两年，大数据把“数据分析”炒火了。很多企业都开始重视并着手业务数据分析，并视为信息化建设的下一个大目标。以前收集、处理、分析数据可能是IT部门和数据库员的专属，现在很多业务都急切的开始用数据分析的思维来分析业务问题，催着IT、DBA要数据，求分析。如此甚嚣尘上的数据分析，到底对企业的价值何在？ 在公司营运过程中，数据分析到底是如何给企业带来价值的，数据分析师是如何帮助公司创收的？在这里分享我们一个客户的故事，这里暂且叫老X，是某大型器件制造厂的信息部经理。

2017年之前，该公司的生产管理十分粗糙混乱：员工谎报工时，私自夹带产品外卖，零部件数量常常对不上账。多年且一系列的管理脱节，导致该公司利润率持续下降，一度陷入管理绝境。好在公司产品还占领着较高的市场份额，才勉强不亏损。

该公司现如今有2000多人，但公司的信息化还处于原始的数据库阶段，数据分布混乱，也没有所谓数据治理的概念。车间操作工的生产业绩都是通过人工审核统计到Excel表，耗时耗力，并且存在人为篡改的可能。

意识到这样的管理不能单单靠人，还需要依靠技术来客观公正的考量。老X打算携团队梳理企业数据，通过数据的呈现以及分析，优化管理，为生产增效降本。

由于希望快速产生效益，项目初期，公司采购了一整套BI商业智能FineBI，整合数据，数据展现自动化，督促业务分析优化业务。不仅盘活了公司的生产管理流程，还为公司带来了经济创收。

老X一脸兴奋地向我们讲诉了他的战绩，依靠BI工具的数据关联、多维透视分析和探索式分析三个功能实现了数据改革、生产工具改革和生产力改革，将上述问题一一攻克解决。

故事一：数据改革

改革前

公司的数据来自三个系统：ERP、生产机房的机台和OA系统，三个系统业务流程上有着紧密的联系，但各系统表之间的数据比较独立，且数据不统一，信息孤岛问题十分严重，无法为公司整体数据分析进行指导和服务。数据匹配关联，手动操作繁琐，耗时且数据源获取不统一，造成数据结果有差异。

正如老X所述：“原本的方式，管理者一会从这个表里面看数据，一会从那个表里面看数据，无法把他们集中到一块，久而久之就搁置了。其次，‌‌对于管理高层，他们没有时间能熟悉并学习各种系统，更多时候是看现成的结果。‌‌你让他到ERP里面，一会到销售里面找个数据，一会到应付账款里面找个数据，一会又看一下脚裤的生产数据，效率非常低下。”

借力数据关联

接触了FineBI之后，老X发现了FineBI优越的数据连接和数据关联的功能，其支持30余种数据库，也支持直接将Excel文件进行关联分析，同时自带数据处理功能，比Excel更方便自由处理数据。

于是老X很轻松地就连接了ERP系统、OA系统和机台的生产数据库，通过鼠标点击，将不同生产系统的数据同时在BI平台上实现了数据整合，同时用数据关联的功能，将各个系统之间的数据关联了起来，也借此机会把各个系统的数据口径和各个业务部门进行了统一。

FineBI数据整合

FineBI数据关联

改革后

数据改革之后，厂房的机器全部都联网，然后从机台上抓取‌‌一些它相应的数据，比如它绿灯时间、红灯时间等这些日志，然后再把它转化到‌‌数据库里面，‌‌再从数据库里面按需要的指标去‌‌把它抓出来做相应的分析。‌‌大家需要的数据都只要在一个平台上就可以查询，而且数据之间的关系很清楚，对于不同系统之间的数据，大家有了统一的认识，不再因为数据分散而纠结或耗时，“数据从来没有这么清晰过”，老X说道。

改革后，一次生产数据异常从经过IT和业务间三到四次以上的反复沟通变成业务自己就找到数据，从各个生产系统反复找数据核对数据变成一次性找到数据，提高效率50%以上。

故事二：生产工具改革

改革前

生产线的员工进行生产加工时，会消耗生产材料，然后根据消耗率的情况厂房每几天会进行补给。但是过去总是感觉生产线的材料消耗率特别高，在月末统计总消耗数和补给数的时候，总发现数据对不上，补给数总是多于消耗数，无法知道这部分多余的消耗用到哪里去了。

老X通过切片分析发现，连续相同时间段相同生产效率的人员的生产材料损耗率竟然差别特别大，进一步通过联动分析来进步看到材料损耗上报记录差异性很大，因此质疑上报记录有猫腻。后来发现这中间可能存在一些浪费或者一些舞弊的现象，老X决定要推动这部分机器生产材料消耗率的数据也要能够自动化记录下来。老X联系了机台的厂商，要求厂商去开发解决提供这部分数据。‌‌

这是基于FineBI的OLAP多维切片分析功能，对数据进行钻取、放大、过滤、维度切换、跳转、联动、导出、复用等等，可以多维观察数据，从大到小，由浅及深，探索数据之间的深层关联。

FineBI联动分析

改革后

厂商改进了机器，将整套生产过程的数据打通并监控起来，此外对生产消耗率更加清晰之后也更加针对性实际指导生产。每个人的实际消耗率一目了然，企业可以实现精准补给。

此外，对厂商也产生了双赢的局面。“除了我们会提供他一点费用，对他自己有没有额外的一些帮助？‌‌他下次卖给其他客户的时候，那也是它的亮点，对他们来说也是有好处的。‌‌”

改革后，每个月浪费的生产材料降低了80%，生产任务可以提前安排计划，提高生产效率10%。

故事三：生产力改革

改革前

公司的人员变动率总是比较高的，而且员工的健康值也是有一定问题，不少员工加班多，但是生产效率却很低，有些员工总是不能保质保量完成任务。这些问题困扰了公司很久，通过制度或者纪律强调总是没有大的起色。

老X一开始也不知道如何分析，后来先把员工相关所有数据拖出来进行观察和公布，这样也避免了员工手工去改一些东西，比如员工通过PPT汇报的话数据想改多少就改，‌‌也不可能每个数据去核对，‌同时不同人统计的方式不一样，‌‌统计方式或者抓取数据源不一样，它出来结果可能是完全两样。‌‌

“经常超时加班到底是哪些部门？‌‌最主要加班排名最前的是哪几个人？‌‌如果某些人一直在加班，假设一个月很多个小时肯定是有问题的，‌‌身体再好也扛不住。‌‌第二个是我们将加班时间跟产值匹配起来。‌‌加班多产出很少，可能是员工的效率管理问题。”

改革后

于是，老X将加班时长和产值进行了相应的排名，做到了更好的信息透明和监督。借助FineBI的可视化分析功能，让业务部门自主的进行简单的数据透视分析，分析数据，让业务部门可以对于考勤异常的员工及时进行关注，更好地人性化管理，同时员工们也可以更直观看到互相之间加班和产值的情况，更加专注在单位时间的产值增效上，企业的生产力得到了整体提高。

FineBI可视化探索分析

最后，关于数据分析如何给企业带来价值？

数据的价值可以有很多种，不一定是直接增加收入，也可能是降低运营成本，甚至更多时候是降低决策的风险及失败率，哪怕是提高人员效率，降低手工作业，对于很多传统企业来讲，都是不小的价值。

数据确实很有用，然而不代表老板们都认可这个用处，不代表IT、分析师们，能从这里升官加薪。数据生产力之路漫漫，技术以外，如何创造价值，有可能需要代码和算法以外的其他东西辅助，与大家共勉。