|
1 企业简介
兰州兰石集团有限公司（简称兰石集团），始建于1953年，其前身是我国“一五”计划期间国家156个重点建设项目中的两项——兰州石油化工机械厂和兰州炼油化工设备厂合并而成，至今已走过68年辉煌历程，是我国建厂时间最早、规模最大、实力最强的唯一集石油钻采、炼化、通用机械研发设计制造为一体的高端能源装备大型龙头企业集团，全球只要有采油的地方，都有兰石钻采机械，国内所有石油炼化企业都有兰石炼化装备。兰石人累计填补了新中国石化装备工业百余项国内国际空白，获得省部级以上的科技奖励156项，专利95件，主持制订国家标准44项，行业标准51项,是中国石油化工机械的开创者，被誉为“中国石化机械摇篮和脊梁”，被中国机械工业联合会命名为“装备中国功勋企业”。
2 项目背景
经过多年建设，兰石的信息化水平趋于成熟，但积累的大量数据存在一些问题。
（1）各类数据缺乏标准：各系统间缺乏统一的标准，特别是编码混乱，造成数据在各系统之间的不一致；数据属性定义多样化，缺少标准约束，例如对表字段的命名随意性强，定义混乱。
（2）数据质量低：系统中可能存在重复数据，高相似度数据，数据不规范等各类质量问题；错误数据发现不及时，得不到及时纠正，导致更多的错误。
（3）管理对接难：缺乏统一的数据管理架构，各系统存在独立的组织架构，数据分别在各自业务系统中进行维护，导致数据整合困难；数据的交互对接并未有效的打通，也没有规范的对接流程规范进行管控。
（4）应用难支撑：数据整合提供应用时不能保证数据的准确性，造成分析统计结果无法有效支撑科学决策；无法保证业务办理等应用场景数据的准确性、权威性，阻碍业务的发展，同时更增加了业务数据应用的成本。
3 解决方案
为了解决数据应用问题，兰石决定依托帆软BI工具，通过搭建报表数据决策分析平台实现全集团”一套数据，一个平台，一套报表”。
依据兰石集团高层管理者对业务的关注重点，从各业务系统中抽取数据，进行整合，打破数据孤岛，形成全集团“一套数据”；分析集团各业务，通过业务分析，集成帆软平台构建各个业务系统，组建全集团“一个平台”；根据集团各业务的分析指标，决策场景落地，实时反映集团的运行状态，将数据形象化、直观化、具体化，构建全集团“一套报表”，并利用帆软BI工具，建成集团运营情况的驾驶舱，达到集团领导对集团运营的全面掌握，对各个子公司的运营情况一目了然的目的，通过数据辅助集团领导的决策。
4 项目成果
4.1 成果总结
（1）建设成果
- 项目名称：兰石集团报表数据决策分析平台
- 平台报表总量：300+
- 平台月访问量：60000+
（2）整体价值
- 全方位数据解读。数据可视化的过程中，企业可以根据数据的特点，全方位的组合数据指标和维度来展现数据趋势，能够帮助企业各部门人员更深入的洞察工作中忽视的问题和风险。
- 企业决策零失误。企业决策人员通过分析和讨论数据结果能更快地发现数据的共同契合点，从仅有的数据中挖掘出潜在的商机，快速做出适合企业发展的有效决策。而不是通过以往自身对市场的走势判断来下决定。
- 节约时间。以往在进行每月，年中和年底总结的时候，各部门人员总是要花好几倍的时间去整理海量数据，然后用Excel将数据的某一个维度指标进行展示。但耗时长且麻烦，而且很难从各个角度去分析，也不利于领导理解工作。
- 展现企业实力。企业在进行对外合作的时候，如果能用大屏展现企业现状和优势，能让合作方对企业的软硬件实力认知有很大提升，从而推进合作进程。
4.2 典型场景
4.2.1业务场景——“两金压降”数据全流程管控
1、业务痛点
（1）数据采集难：上传下达报表繁多，全部依靠手工统计，数据个人保存，工作交接存在数据丢失风险；没有统一报表数据系统，各业务系统都需要数据输出，数据中心不统一，报表效率运行低。
（2）数据处理难：因为数据的质量有问题，所以需要去做大量的数据清洗工作，等到把这些数据补充完整之后，才能再拿它去进行数据分析。
（3）分析结果不直观：使用传统的Excel报表工具对子公司上报的数据进行分析，传统报表呈现的是二维信息，缺少交互分析，不能给集团决策层直观的展示分析的结果。
2、解决过程
随着集团对两金数据压降工作的重点管理，对集团两金数据的要求越来越高，传统的Excel已经不能满足集团的要求，通过调研发现FineReport v10.0较传统报表工具相比，更适合兰石的需求。传统报表工具一般不能实现多维分析操作，即使实现了钻取等数据分析功能，但是其他功能、性能方面，无法与FineReport v10.0相比。
FineReport v10.0的数据库连接功能比较强大，还可以实现多维分析，制作领导驾驶舱，进行图形化建模，实现拖拽自助分析、智能数据挖掘等功能，能够很好的支持两金压降管控业务的数据填报以及数据挖掘分析。
首先，梳理业务流程，搭建“应收”、“存货”的数据台账，各子公司可以在填报系统中每月按照标准填报两金压降实时数据，从而解决数据收集难的问题。
接着根据各子公司填报的两金数据对其进行数据挖掘分析，搭建“两金数据看板”，分为“应收”、“存货”两大主题。从而解决各公司数据标准不一致、质量低、不一致的问题。
应收模块：
对长账龄、清理难度大的欠款进行分类，针对类型施策、对症下药，不断提高“应收货款”压降成果。
以各分子公司为维度，为准确获取应收指标数据，确保应收账款数据来之有据，摸清应收帐款底数、厘清应收状态，搭建应收项目账龄明细台账，各子公司年初制定应收回款计划，项目执行期间录入当月实际回款，形成应收动态电子台账，同时明确项目责任人和责任领导，形成“谁经办、谁负责、谁清收”责任意识，达到应收催收的目的。
- 维度说明：账龄（一年以上，一年以内，三年以上、全部）、年月（该参数对于条形图，只控制实际回款）；
- 内容说明：
区域①：为登录人所属公司外部应收汇总指标数据，可点击各指标卡下钻至对应二级页面查看当前单位下该指标数据，二级界面点击单位名称跳转至三级界面可查看当前指标明细数据；
区域②：当前单位下所管辖的各子公司应收回款数据、当前单位各月应收账款；点击相应条形图，查看当前维度下的数据详情；
区域③：当前单位下所管辖各子公司回款率排名情况（累计值当前月和当月维度），点击单位名称可查看当前维度下回款率明细数据详情。
存货模块：
对长账龄、清理难度大的存货进行分类，针对类型施策、对症下药，不断提高“存货库存”压降成果。
系统对集团各子公司存货数据进行整合，解决库存数据不明、物料分类不清、信息不准确的问题，根据不同的存货分类，收集上年末账面余额、跌价准备，账面价值，执行期间记录本月存货数据，动态显示当月存货压降金额。进而对后续阶段的企业购进原材料以及生产产品的经营销售方案做出合理规划安排提供数据依据。
区域①：当前单位存货相关指标汇总数据，含上年末账面总余额、截至当前月份账面余额总值、累计压降值、累计压降存量压降比例、累计新增压降比例；
其中上年末账面总余额、截至当前月份账面余额总值可点击对应指标卡区域跳转至二级界面查看当前单位下该指标数据，点击单位名称跳转至三级界面查看该指标明细数据；
区域②：当前单位下所管辖的各子公司存货数据、当前单位各月存货数据；点击相应条形图，查看所点击维度下的数据详情；
区域③：当前单位下所管辖子公司当前月份年末余额、账面余额；点击单位，跳转至二级界面展示明细数据（包含：账面余额、下降值、账面价值等明细数据）。
3、价值
（1）通过梳理细化各单位应收账款明细，搭建应收压降、存货压降动态电子台账，同时明确项目经办人、责任领导，划清责任主体，达到应收催收的目的。
（2）对长账龄、清理难度大的欠款及存货进行分类，针对类型施策、对症下药，不断提高“两金”压降成果。
（3）加强存货管理力度，依据存货电子台账，严把采购成本，严防超量库存，加快积压处置。
（4）管理层可根据动态数据大屏输出的集团应收账款回款对比分析情况，实时监控压降情况，通过专项检查、内部审计等手段不定期对各单位压降效果进行检查评价，加大奖惩力度促进压降工作做出成效，切实减少资金占用，提升资产周转效率，自建设以来，现在集团资金周转更顺畅，极大减少了资金占用的情况。
5 项目总结
5.1 CIO/项目负责人点评
早在1984年兰石就着手信息化建设，2014年兰石积极响应国家推动制造业与信息化融合发展政策，这些年来各个业务系统产生了大量的业务数据，但是大量的数据分散在各个业务系统、缺少对数据集中管理、加工、利用、存储的规范各个系统间数据无法做到互通共享，无法有效利用，形成了数据孤岛，基于这样一种情况后来选择了帆软，引入了FineReport报表工具，将企业大数据宏观的进行采集整理和统计分析，使原本分散的数据有了极大的利用价值。FineReport工具替代传统的Excel收集、上报业务数据，针对集团各部门对数据的需求，建立手工填报系统，进行统一的数据填报、汇总统计以及指标展示分析等。通过建设数据大屏展示报表，将业务运营等数据内部公开透明化，让数据成为量化考核的标准，提升了内部的运行效率。通过对治理后的数据和填报后的数据进行统计分析，大屏展示，为集团及各公司的各级决策者提供准确的数据支持。
5.2 经验心得
FineReport简单易上手，能够快速完成报表制作。FineReport的三种报表设计模式支持制作各类复杂报表，还可以对报表进行钻取、联动分析，洞察问题本质，几乎可以迎接任何报表挑战。在这个过程中我们感受到了数据产生的魅力。
我们利用FineReport搭建的“两金数据看板”，动态展示兰石集团1年以上外部应收账款回款总概览及计划和实际回款对比分析，监控各单位压降效果并检查评价，通过数据挖掘分析，系统直观展示“两金”压降发展趋势，方便了集团领导了解集团的压降工作落实情况，为领导做出合理的决策提供有效的战略参考和决策依据，从而有效降低“两金”规模，并且解决了数据收集难、数据处理难以及数据分析难的问题，提高了员工的工作效率，真正的让数据成为企业的生产力。
| 
