|
1 企业简介
东风小康汽车有限公司（以下简称公司）成立于2003年，由重庆小康工业集团股份有限公司（以下简称小康股份）和东风汽车集团有限公司（以下简称东风公司）各持股50%组建的混合所有制大型整车企业，注册资本8亿元，主营业务包括东风风光品牌乘用车和东风小康品牌商用车的研发、生产、销售、服务等业务。公司现有员工6000余人。
2020年，小康股份与东风公司深化战略合作，公司成为小康股份全资子公司。
东风小康品牌商用车在国内微车市场连续10年保持行业“前三甲”，连续6年行业出口第一；东风风光品牌乘用车细分市场领先。
公司在湖北十堰、重庆江津和沙坪坝三地均布局有四大工艺齐全、装备精良的数字化、智能化工厂。2005年5月，公司第一辆微车上市，2013年公司发布东风风光品牌乘用车，目前拥有风光ix7、风光ix5、风光580、风光S560系列SUV，及风光330、370系列MPV。截止目前，公司在全国拥有1500余个营销服务网点，产品远销欧洲、美洲、非洲、中东、东南亚等70多个国家和地区。至今全球终端用户累计突破400万个。
公司秉承“推动汽车能源变革，创享智慧移动生活”的使命，深刻践行“一切为了用户，超级奋斗，拥抱改变，诚信可靠，价值共享”的核心价值观，以智能生态战略为指引，坚定“1+5”战略路径，不断向用户提供超级的产品和一站式“智慧伙伴服务”，构建智能汽车业务生态和超级联盟产业生态，追求高质量发展，致力于成为智能汽车品牌企业。
2 项目背景
管数据：参与协助5+1个系统建设，打通销售公司核心业务，逐步建立一套行业领先的数据标准。
用数据：通过实现大数据分析，建立驻外人员、公司经营数据驾驶舱，快速提供精准数据服务，用数据说话，为公司提供各种决策支持。
促销量：让各业务系统和各种数据成为公司洞察市场的眼睛和耳朵，成为公司链接用户的工具，针对性开展各种精准营销动作，促进线索增加和销量提升，逐步用数据创造价值。
2.1信息化现状
目前东风小康使用的业务系统覆盖产、供、研、销全价值链业务，主要有 ERP(SAP) 、CRM 、DMS/DCS、PLM、MOM/MES、OA、HR等信息系统。从系统数量层面来看信息化程度相对较高，但系统间存在信息孤岛及数据壁垒的问题。
2019年我司通过帆软实现了质量数据分析系统的开发，基本实现了数据分析的从无到有。
现目前营销业务单位对数据分析报表需求量很大也很迫切，但是缺乏数据仓库，无法建立大数据联合分析；同时由于数据标准不一致，导致数据整合难度大；另一方面由于业务单位需要的数据有一部分无法从现有的数据系统获取，需要手工加工后才能成为可使用的维度数据，这就需要数据分析平台能够实现数据填报开发，导致开发工作量加大。
（1）数据不一致、指标体系缺失
指标缺乏标准的经营分析指标命名规范，多以孤立指标呈现，逻辑不统一，存在着多 头定义现象，经常造成认知歧义。大部分的指标计算逻辑掌握在各个业务人员手里，一旦计算规则修改，各个业务单位之间的信息不能及时共享，导致业务部门之间数据结果不同，很难分析结果；即便同一个业务部门上下级之间也无法及时共享计算规则，导致沟通成本上升。
（2）人工数据分析效率低下，用户体验不好
目前领导层需要的大量分析报表需要靠业务人员手工计算汇总，然后进行汇报，导致数据分析及时性差，计算工作重复，且容易出错；由于数据质量不高，存在大量人为加工数据，导致领导决策缺乏可靠依据；大量报表没有统一的展示平台，导致风格各异，而且查看不方便，数据分析人员也无法快速满足业务领导经常变化的需求，导致用户体验不好。
（3）数据权限管理困难
营销数据分析需要整合多个业务系统的数据，其中包含一些重要信息，这就要求每个业务领域的分析人员只能分析该业务域的数据；由于缺乏统一的数据分析平台，管理数据权限的工作量非常大，并可能存在数据外泄的风险。
2.2 营销数据分析平台建设需求
鉴于东风小康目前的信息化建设现状，需要一个能够集中体现企业销售数据状况的、 全局的、直观的、可视化的数据分析系统，以供决策和运营管控的运用，支撑管理体系的建设和运作，强化企业数据化运营，提升企业的运营效率和核心竞争能力。
数据分析平台需求如下：
1）统一的应用平台和管理平台
2）公司领导、中层管理人员、各部门业务人员和片区人员能通过系统查询自己所辖及权限范围的营销情况（如趋势）
3）实现商家进销存、销售、零售、市占率、渠道和潜力商家的报表和数据分析
4）系统管理员可自由分配权限
5）丰富的展现方式，系统可根据既定逻辑统计分析并展示质量情况
6）支持移动应用
根据以上需求，东风小康开始了营销数据分析和商业智能产品的选型与对比，最终选择帆软产品，开始了本次项目的建设。
3 解决方案
3.1项目背景
（1）东风小康战略定位的理解
产业互联网时代与工业时代的最大不同点就是商业智能：基于网络协同和人工智能,每一个用户的都可以通过大数据分析,用机器智能更精准的服务每一个用户。
新旧商业时代的另一个不同是生态战略：生态战略不同于传统工业时代的专业化战略(业务天花板)、多元化战略(业务不协同),我们的业务生态的硬件、软件、服务相互赋能、自我进化,创造出全新的用户体验。生态战略做好自己的核心业务,非核心业务我们以“超级联盟"形式与外部合作伙伴优势互补,互利共生。
智能生态战略用一句话概括:我们以生态思维为指引,打通产品、服务、企业和行业边界,以大数据智能化大连接方式构建汽车产业互联通的生态体系,成为智能汽车产业生态体系的参与者和组织者,在智能汽车领域实现“变道超车"。
（2）小康大数据建设思考
小康智能生态战略下建立的生态圈，一定需要移动互联网、5G、云计算、大数据作为支撑。
（3）方案规划
借鉴行业实践经验，围绕全价值链，采用“统一平台、统一数据、统一运营”的思路推进公司大数据相关工作。
（4）技术架构
本次项目为公司BI总架构下的第二个数据仓库项目，首先从公司层面规划了BI的未来技术框架以及业务框架，然后分别搭建各个业务领域的数据模型并建立数据仓库，进行数据分析。营销大数据运营系统建设了营销业务为主题相关的管理驾驶舱以及业务报表，主要为公司级领导、营销业务领导以及相关数据分析人员提供数据分析报表。
4 项目成果
4.1 成果总结
（1）建设成果
- 平台报表/分析模板总量：200+
- 平台月均访问量：20000+
- 平台活跃用户数：300+
（2）整体价值
1、82名驻外人员平台使用率达到100%；
2、仅4个月数据打通SAP、DCS以及相关手工数据，覆盖销售、零售、库存、市占率等关键指标；
3、为领导层决策提供实时数据支持，已开通手机端及PC端，可实时查看公司整体生产，出库，计划，排产等各个重要环节数据；避免短信汇报，邮件汇报，PPT汇报等繁杂耗时的工作；
4、打造了东风小康数据仓库框架，数据分析框架，数据治理体系等相关体系。
4.2 典型场景
（1）场景一：营销综合报表
痛点：在项目实施前，DMS/DCS、SAP、MES等系统数据和报表没有关联性，业务部门编制综合报表涉及销售、零售、库存、市占率等范围，如果再细分到各车型，需要约10人8小时左右的整理核对及邮件发送等工作。
解决过程：通过调研各大区信息员，营销业务经理，大区总经理及销售公司总经理，得知该报表每天都要逐级汇报，通过邮件及短信的方式进行汇报；开发人员收集业务需求后，进行数据源收集，建设数据模型，抽取数据相关业务数据到数仓，再进行报表展示；为了能让该报表发挥业务价值，我们引入了多个业务人员进行数据测试以及业务问题反馈。
场景价值：项目实施后营销综合报表后只需不到1分钟时间，就可以实时查询当天和历史数据，大大节省了人力成本，为经营决策提供了精准及时的依据。
（2）场景二：新能源车辆数据分析
痛点：在项目实施前，新能源车辆行驶数据全靠人工统计，无法及时有效分析出各地区、车型的接入、在线、里程和故障情况，无法给管理部门提供实时监控情况。
解决过程：项目实施后在数据应用的基础上开发出驾驶舱界面，很好的展示出业务关心的数据。
场景价值：该数据通过从车辆网数据平台自动同步到数仓，解决了手工拉取数据的问题，由于数据量非常大，过滤条件非常复杂，节省了大量人力以及时间；通过该报表管理层能够及时看到新能源车的使用情况以及销售情况，能够为管理层决策提供数据支持。
（3）场景三：数字化运营中心
痛点：高层领导关注的数据报表通过表格人工编制，展示、查询和预警都不方便也不直观。
解决过程：通过项目实施开发出数字化运营中心驾驶舱，并通过大屏幕展示，在便于领导查看的同时也对公司大数据运营项目起到了很好的宣传作用。
5 项目总结
5.1 CIO/项目负责人点评
国内多数制造型企业对大数据应用还停留在分段式报表的层面，数据往往经过业务部门的手工加工形成，分析也停留在个人或本领域范围，不能高效的通过全局思维和BI工具实现。作为企业CIO如何让大数据应用得以开花结果，就需要利用行业优秀的帆软等实施商助力管理层学习、了解什么是大数据，如何运营好大数据工具为业务和高层进行助力。
IT团队应通过大数据项目推动企业数据治理，尽快打通信息和数据孤岛。考虑成本和人员能力等因素，可以从业务痛点开始逐步开展平台建设和数据治理规划，并通过项目业绩扩大人员和资金投入。
有了企业数据和分析，如何引入外部数据实现真正的数据分析和运营就需要相关专业分析专家员或外部有经验的厂商了，但也不能盲目开展，因提前根据企业特点进行规划，一般营销、采购和物流都比较容易通过大数据分析降低成本出成绩。这也需要与分管领导进行有效沟通不能一头热。
5.2 经验心得
（1）先试点，再推广
公司领导对大数据还停留在概念阶段，通过建立核心数据驾驶舱，让领导们先了解，再通过大数据运营规划，建立领导层的深层次想法和应用愿景，通过立项和成立项目组使中高层重视数据的分析和应用，提升企业大数据运营水平。
（2）跨业务域数据整合
通过数据仓库从无到有和营销数据分析平台的建设，实现了营销数据整合，有效的提供高价值数据分析，提供全价值链的数据分析，分析到数据的源头，从而获取到问题的根本原因。
（3）数据标准
经过走访数据分析人员以及业务领导，获取到大量业务需求，从而整理出经过一致认可的数据指标，沉淀行业知识图谱，建立场景化的数据决策模型，使得各级人员能够对公司的业务指标有一致认可。
（4）多维度，多视角灵活分析
通过建立数据模型和数据分析平台，各层级数据分析人员及业务领导能够更加灵活的分析质量数据，多维度钻取数据，IT人员也能灵活快速加工各类数据分析报表，能够快速为业务部门提供决策支持。
| 
