能源化工行业-FineBI行业解决方案

能源化工行业通用FineBI分析方案

在线demo地址	能源化工行业账号	能源化工行业密码
http://demo.finebi.com	demo_che	demo_che

能源化工行业大数据应用背景

能源化工是国家的基础和支柱行业，是我们日常各项工作和生活的基础与保障。随着现代化建设的迅速发展，各行各业需求日益强劲，尤其是对能源化工行业的依赖也越来越强，能源化工的发展和建设关系到国计民生，是整个国家安全保障体系的重要一环。

2018上半年，我国GDP同比增长6.8%，经济增速连续12个季度稳定运行在6.7%—6.9%的中高速区间，石化行业主营收入利润率达7.56%，同比提高1.72个百分点，为连续7年来增幅最大的一年，但在国际贸易环境日趋复杂、产能过剩状况尚未根本改变、结构性矛盾依然突出、资源制约日益严峻的形势下，全行业高质量发展仍面临着不少挑战。

在此大背景下，国家对能源化工行业的转型和智慧化升级也是相当重视的，互联网+和智慧能源已经是我国重要的战略方向。国家在近年发布了一系列相关政策，明确提出提高可再生能源的利用率，都在指向新型的、更智慧化的能源化工互联网。而工业4.0 和两化融合都不可避免的需要通过数据分析来提高公司数据管理的能力，推动公司数据化经营的持续发展。

在现有企业的数据化情况之下，虽然业务系统、ERP、供应链系统已经上线，但对于集团管理层与业务层，仍面临着以下问题：

1.数据分散存放于多个业务系统中，形成了一个一个的“数据孤岛“，没有办法将这些数据打通，从多个角度对数据进行深度分析。

2.各业务部门迫切的希望通过数据解决一些管理、业务发展的问题，但苦现有的报表展现形式不能满足分析需求。

3.依托IT取数的配合方式，传递效能低，易造成重复劳动，而且数据时效性也不能保证，往往从数据产生，到流入业务部门需要经过一周以上，风险并不能被及时暴露。

4.随着公司的发展，数据的安全和保密日趋重要，特别是一些公司财务信息、客户信息等，需要有权限的管理来对数据进行保护和管理。

能源化工行业大数据技术应用架构

针对我们的遇到的问题和对信息化的展望对系统的构建主要分为“一个中心、两个统一，三个平台”，对业务和管理进行优化。

一个中心，指利用FineBI商业智能产品，对底层数据进行完善，对业务进行分析，辅助管理和决策。两个统一，保证在整个系统建立过程中，统一基础数据来源、统一分析报表规范。三个平台，根据各层级要求和业务情况，BI 分析平台、数据化会议平台、数据应用移动平台。实现不同层级对业务分析的要求，同时方便信息部门对系统的维护和管理。

数据流处理架构：

业务解决方案架构：

能源化工行业典型FineBI应用场景

1.企业产量完成分析

a.问题背景：

在传统模式下，数据统计采用人工核算、汇报的方式，反馈滞后，没有时效性。无法及时监控到各项目、各产品的生产情况，这势必会造成以下问题：

1.不合格品项目和原因不明确，无法提出针对性的调整方案

2.合格率不准确、无监督，工厂不合格品数量不断增多，各工厂、项目生产的产品合格率是稳定还是波动？如何解决？

3.生产产能有限，如何动态调整产能，保证每种产品的产量都能按时保证？

b.问题解决分析思路：

通过仪表板指针、折线图等方式将生产和质量管理的关键指标进行展现，通过警戒线、动画效果的设置突出展现质量不达标、完成率不达标的异常产品，提醒管理人员做出相应对策

c.方案/指标体系：

分析模块	图表类型	分析维度	分析指标
生产情况总览	KPI指标卡	-
各项目目标完成率	指针图	项目名称	生产完成率
	温度计图	产品名称	生产完成率
产品产量分布	扇形图	产品名称	产量占比
产品良品率分布	散点图	产品名称	良品率
各项目产量排序	柱状图	项目名称、产品名称	产量
产品产量月度趋势	组合图	产品名称、年月	产量
生产成本月度趋势	散点图	项目名称、年月	生产成本

d.应用对象：

生产与生产质量相关人员

e.成果展示和应用价值：

1.通过设立警戒线对良品率、生产完成率异常的产品进行监控。

2.将关键指标从各个维度通过图表形式进行展现，辅助管理层进行生产能力分配。

2.企业原料采购分析

a.问题背景：

通过综合管理手段，在恰当的时间，以合理的价格、恰当的数量和良好的质量，从适合的供应商处采购物料、服务和设备就是采购管理。

在过去，企业的领导层对于采购成本能否下降，下降多少，从哪方面下降一向是难以抉择的一件事。

b.问题解决分析思路：

1.利用FineBI的多源数据连接、整合能力，将分散在多个业务库中的采购数据进行整合、清洗。

2.建立采购关键指标看板，通过警戒线的设置，即使发现采购异常数据。

3.利用FineBI的联动、钻取等OLAP分析方式，针对异常采购数据联动，深入探究采购异常问题，并从多个维度探索降低采购成本的方法。

c.方案/指标体系：

分析模块	图表类型	分析维度	分析指标
月度采购量趋势	组合图	年月	采购量
原料采购量分析	扇形图	原料名称	采购量
原料含税平均单价分布	柱状图	原料名称	含税平均单价
采购原料合格率	柱状图	原料名称	采购合格率
供应商采购量排序	柱状对比图	供应商名称	采购量、采购金额
各供应商汗水平均单价分布	矩形块图	供应商名称	含税平均单价
供应商分析	面积图	供应商名称	产品合格率、到货及时率

d.应用对象：

采购部门与采购相关人员

e.成果展示和应用价值：

1.每一项原材料，去年同期均单价PK今天均单价，高出来的标红，并分析近12个月，材料价格走势图，是否处于正常价位，如果出现偏离，则追责改善；

2.查询每一次进货，所用的供应商，谁来负责进货，进行精细化追寻，为什么不采购同类型产品更低价格的供应商，利用数据来说话；

3.通过明细化追踪方式，追踪每一笔采购的合格率等详细信息，帮助排查采购异常数据

3.企业产品销售分析

a.问题背景：

对于大部分企业来说，销售部门是为企业直接带来利润的主要部门，说是企业命脉部门其实也不为过。

然而事实上是为数不少的销售部工作人员由于缺乏营销分析概念和方法，企业累积的大量数据得不到有效的利用，营销分析只停留在数据和信息的简单汇总和流水帐式的通报，缺乏对客户、业务、营销、竞争方面的OLAP深入分析，结果决策者只能凭着本能的反应来运作，决策存在很大的失误风险。

b.问题解决分析思路：

1.使用FineBI将销售、财务系统的数据整合，数据通过系统自动获取，打破数据孤岛，并减小认为的干预和加工。

2.建立销售业务实时数据看板，实现数据动态分析，并通过FineBI的OLAP分析操作逐层追溯异常数据。

c.方案/指标体系：

分析模块	图表类型	分析维度	分析指标
月度销量分析	组合图	年月	实际销量、计划销量、产量、产销率
	组合图	年月	销售额、总利润、利润率
	明细表	产品名称	销售额、目标、目标达成率、同比销售额、增长率
	漏斗图	产品名称	利润率
销售区域物流分析	组合图	区域	发送量、及时率
	指针图	物流类型	发送量
	饼图	运输模式	每吨运费
	折线图	年月	发送量、及时率

d.应用对象：
产品销售人员

e.成果展示和应用价值：

1. 扁平数据立体化。提供多样化和自由化的分析手段。

2. 扩展分析维度。数据分析维度不仅局限于图表界面上的汇总展示，提供落实到每单的具体数据分析。

3. 销售数据深层次对比。通过对采购、销售数据的同步挖掘，提供更多维度的采销数据对比，实现精准分析

4.企业报工数据分析

a.问题背景：

报工数据的主要作用有两点：1.领导想要知道手底下的员工每天究竟在做什么；第二，员工的工作效率究竟怎么样，用工成本高不高。设立报工机制的初衷是好的，但在执行过程中往往会遇到遇到以下问题，反而提高了用工成本

1.数据分析是需要投入大量时间和精力的，而目前的管理人员投入量不支持大数据量的统计分析。

2.统计目标不清晰，关键数据信息无法提取，我们的报工分类每个部门的分类视角都不同，相互之间可交叉验证的数据源有限。

3.数据可信度不高。存在人为造假的可能，将会影响企业管理层的决策。

b.问题解决分析思路：

因此，需要先从现有的报工数据异常分析着手，判断报工数据不准确的原因有哪些，如何改进

1.通过建立报工异常数据总览看板，整体针对集团的报工数据准确率给出分析结果

2.使用FineBI通过拖拽等方式创建组件进行数据即席分析，以联动、钻取等方式深入探究报工异常数据的原因

3.对异常明细数据，采取明细表、交叉表的展现方式，进行有效追溯

c.方案/指标体系：

分析模块	图表类型	分析维度	分析指标
分析模块	图表类型	分析维度	分析指标
报工异常数据看板	KPI指标卡	-	总报工次数、报工正确次数、正确率
	折线图	分时秒	报工错误率、报工正确率
	组合图	报工类型	报工数、占比
	组合图	车间	报工数、报工正确率
车间月度报工数据监控	词云	责任人、报工设备	异常报工数
	柱状图	车间名称	报工准确度分类
	明细表	-	报工明细数据

d.应用对象：

企业生产管理人员

e.成果展示和应用价值：

分析结果：

1.整体报工准确率在逐月下降，目前仅维持在17.89%，如果不加以干预，相信报工准确性会持续下降，需要制定考核指标，将报工准确率提升；

2.报工异常中，小于20分钟报工的占据了多数，因此考虑从程序功能角度控制报工时间间隔，并加以管理手段，针对短时长报工的予以适当的考核；

3.报工数据准确性，直接影响到产能计算及生产排产准确性，需要仔细研究各班组报工的错误数据情况，针对短时长报工(<20分钟)和跨天报工(>600分钟），分别从程序功能角度，现场管理角度，绩效考核角度，三管齐下，打好数据准确性的攻坚战。

厉害厉害呀