|
我是衣架女装品牌的IT运营主管沈荣华。
当年我是以应届毕业生的身份进入的公司，刚开始小白一枚，负责日常的开发和运维工作。但是随着公司的发展，管理需要从数据化着手进行提升，公司各类数据需求开始了爆发似的增长，我随着也向数据方向开始转型。
首先我非常庆幸的是，公司原先所在大楼的另一公司有在用帆软，我也借这个平台有幸很早就接触了帆软，这为后期我们公司正式引入帆软，我能够迅速的进入战斗打下了良好的基础。
在这几年期间，我们搭建了报表平台，包含了300多张报表，共9大体系。但是领导层似乎对此还不太满意，也不太能看到我们日常工作的成果。这让我内心非常的郁闷，也让我在很长一段时间内一直在思考到底怎么样才能让我们被看见，怎么样才能让数据更好的服务于业务。
转折点
18年一个很巧的契机，公司在讨论门店货品在日常陈列挂样、试穿、盘点整理等过程中，衣服上的吊牌容易脱落导致丢失，这就导致了后期门店在盘点、找货等场景下，需要耗费较大的时间去确认衣服到底是什么码。
公司原有的解决方案是，门店每周集中将缺失吊牌数据提交至总部，由总部人员汇总后再发单至吊牌合作厂商进行生产，生产完再配送至仓库，再由总部下指令，仓库操作配发至门店。
这一套流程下来，由于供应商需要进行排期排产，再加上这个流程中各道环节所需的时间以及物流时间，发现一个吊牌从脱落缺失到补齐，最少需要半个月时间，而且费用还很高。这件事情本身来说是一件小事，但是我们为此付出的代价却很高。
当时我们灵机一动，想到吊牌所需信息本身就存在于系统内，那我们可不可以利用帆软制作一个吊牌模板，让总部直接打印生成吊牌呢？随即我们研究了这一方案的可行性，立刻开始推进，系统层面如何实现，配套什么样的打印机和不干胶贴纸等。现在我们利用这一方案，门店每周五提交一次需求清单给到相关人员，相关人员下周一在公司总部直接打印并分装好。周二店长会或者销售会，便可将吊牌给到对应的店长或者区域负责人，门店可以在一周之内解决吊牌问题，效率最少提升一倍，并且整体费用下降很多。
我从中也第一次感受到我们真正的被大家认可和赞扬，当我听到大家的称赞时，我内心无比激动与开心。在我们固有的思维里，甲方的IT是服务人员，后端支持性人员，在甲方企业的组织架构中显得那么的渺小，虽然近些年来慢慢开始被重视起来，但真正能从心底里重视的甲方企业其实也不多。我自己也深刻理解了一句话：一切的IT信息化建设都是为了解决业务问题、规范管理流程、服务业务部门。我意识到，任何职业其实都是买卖关系，供需关系，我们作为IT也需要了解买方所需，解决他人之痛，满足他人之想，我们这个买卖关系才能更为长久更为稳健。
找到方向，不断前进
有了以上成功案例后，尝到了甜头，在日后的工作中，我不再局限于单纯的报表，而更多的去关心日常业务本身，业务场景是什么，有什么可以通过数据改进的地方。
而在今年，我也是做了两个让我自己特别满意和特别自豪的项目：订货会项目、智能配补货项目。
这里简单讲述一下订货会项目吧，原先公司每年四次订货会，都是找外包团队提供软硬件并配套服务，每次开销都不小，而且每次为了订货会数据准备和对接，我们信息团队、商品团队都需要加班到很晚去整理数据做联调测试；订货会结束后，还需要外包团队将订货数据导出给我们，我们再据此进行数据整理汇总，出各类报表给到商品。
基于几年的订货经验，我们有了自己的订货逻辑。我们利用帆软填报+etl模式通过各类历史数据的自动推导、人为加工推导，得出订货推导结果。再将推导结果利用帆软给到订货人员，用作参考建议，由订货人员根据实际看样后的判断进行微调后完成订货，并实时生产对应的订货分析报表。这个项目自主开发，便于日后订货逻辑的变更优化，同时从源头开始，将订货推导过程、订货结果等全流程存档于系统内，便于分析总结，实现了订货数据的实时分析，同时也为公司每年节约了一大笔外包服务费。
通过这两个项目的落地，我非常的自豪，因为我为公司做出了可以量化的贡献。我深刻的体悟到，在现代化发展如此迅猛的今天，一定要以更加轻量化的方式，性价比最高的方式，在不同的阶段运用不同的方式方法将信息化进行优化落地。人肯定比机器聪明，但是机器的效率绝对比人要高。多和高手专家交流，多总结，将好的思路好的流程用轻量化的信息系统进行实现，一方面可以降低因为人员水平问题导致的管理水平的不一致，一方面可以极大的提高人效，为公司节约费用。我们不能以忙碌来代替思想上的懒惰，多看多交流多思考，一定比埋头苦干来的更有效果。
作为数据工作者，不能将眼光仅仅局限于报表怎么做，数据怎么获取，逻辑怎么写。这些工作是作为每一个数据工作者的必备条件。我做这一行，最深刻的体会就是数据现在大家都在说，报表大家也都在做，但是有多少是能够量化的，有多少是真正解决业务问题的？通过上述说的吊牌模板、订货会项目等，我还做了很多其他类似项目，例如快递单打印模板、设计-技术-生产协同工作填报类报表等，这些工作不一定很难，但是其实可以解决公司内的不少问题，而且是非常轻量的解决了问题。
让数据服务于业务，这将是我数据之路上永远追求的真谛！
|
