|
1 企业简介
南京边城体育用品股份有限公司成立于2002年，总部设立于江苏南京。公司通过品牌推广、自主设计与研发、 供应链整合、营销网络建设，满足不同消费者在不同使用环境中的户外需求，为消费者持 续提供健康户外和滑雪运动生活方式的品牌产品和体验服务型公司。 边城体育专注于大户外领域，将专业+时尚的优质品牌产品和体验服务带给消费者。引领消费者回归自然，乐享美好生活。 现已遍布全国500余家店铺，涵盖大众主流消费渠道及专业户外平台，线上线下全覆盖。
2 项目背景
1、业务痛点
底层数据复杂且孤立：作为一个运作时间近20年的零售企业，边城体育拥有较为完善的运营系统模块，包括：DRP（配送需求计划）、OA（办公自动化）、营销管理平台等，系统使用时间长，期间进行了多次的产品迭代和二次开发，底层数据结构复杂且存在历史数据未处理，导致现有分析报表需要耗费大量的精力进行开发取数，且报表逻辑调整繁琐，致使现有报表与变化的业务场景无法完全匹配。
数据变化大且更新不及时：由于复杂的营销核算模式，细微的调整均需要对历史数据进行针对性的回滚等操作，且原本的线下模式对于数据的实时性无法做到保障。
缺少分析平台：所有的数据分析均在线下独立运作，无法保证数据的一致性和准确性，且用户操作均以Excel为主，无法做到及时的共享。
2、选择帆软的原因
工具型厂商：帆软作为工具型厂商，能使用户使用产品实现更高要求的数据诉求，帮助企业信息部门完成技术转型。
可视化解决方案：依托现有指标，可以提供完整的可视化解决方案，并且后续独立开发难度低，企业能够自主完成可视化迭代。
数据仓库解决方案：提供依据自身的业务场景的数仓解决方案，整合现有数据，辅助提升现有系统数据的利用率。
3、长期规划
业务聚合：整合现有业务系统，完成基础的业务整合，主要包括进销存涉及的基础数据。
模块拓展：基于现有模块内容，横向拓展，完善渠道，会员，店铺等核心模块。
场景化分析：深化分析方式，纵向深挖，引入ABC分析法，RFM分析模型等成型的分析体系。
自助分析，自助决策：基于完整的数据分析结构，真正实现有数可依，自助分析，自主决策。
计划3-4年内， 能够按阶段的完成上述几个重要步骤，包括零售方向的渠道分析，会员分析，店铺分析等主题模块，形成边城业务形态自有的场景化分析体系，帮助各层决策者实现自助分析，有数可依。
3 解决方案
痛点分析
由于系统运行时间长，存在大量的历史数据以及弃用维度，并且会员、渠道等模块还未有完善的系统，数据获取难度大。此外业务场景复杂，需要灵活的数据回滚机制。
业务主体分析
企业主体拆解
由于企业运作状态下各部分业务主体相互间产生业务交易，业务数据由此产生，为了梳理现有执行的业务框架下存在哪些分析指标，首先需要确定当前参与交易的业务主体，由主体发掘关键指标，整理核心维度。
另外，主体调研能够弥补现有业务系统模块缺失的问题，确认缺失的主体模块，预留数据仓库可扩展的数据维度，为后续新增业务模块奠定基础。
业务模型构建
业务模型
根据主体调研结果，确认业务框架结构，明确各业务主体间交易方式以及具体定义，通过此模型，能够帮助业务侧理解数据仓库具体内容，作为沟通业务侧的说明模型。避免多节点的业务流程各节点间逻辑不通的问题，从业务侧减少统一维度的难度。
指标以及维度处理
指标定义集
针对现有的指标进行归纳整理，确认主题分类、计算方式、分析维度等关键内容，建立完善的指标仓体系，进一步细化由业务侧供给的原始信息，保证信息的完整性、准确性、一致性。
全面的指标整理暴露了维度缺失的问题，本次项目中采用了智能补录模块，数仓中的维度均来源于事实表数据，因此数据抽取过程中存在事实先于维度产生，对于新产生的维度，系统自动采集并与现有维度进行比对后，按照既定规则生成维度新增填报，运维人员仅需要对维度数据进行确认即可提交补录至平台。
另外，因为用户分析的时间区段会横跨变动的维度，例如组织架构频繁发生变更，为实现数据仓库数据回溯，保障数据的生命周期完整，对所有的维度数据采取版本记录的方式进行管理，所有的维度指标进行维护过程中，系统均自动采集维度的历史版本进行存储，并记录各版本生命周期，为数据的回溯提供维度依赖。
业务方案转化
逻辑模型
依照业务模型，将离散的业务数据进行归纳收集，并输出逻辑模型，完成由业务侧到数据侧的转化，运用该模型建立业务部门与IT部门的统一，解决业务侧复杂的逻辑在数据侧无法良好转化的矛盾。
针对痛点的数据框架
数据流向框架
零售行业存在数据吞吐量大和数据实时性要求高的行业特点，结合行业特性，对现有的数据存储结构进行优化，创建贴源层对业务源数据进行整合清洗，解决业务系统脏数据问题，设计伪实时数据流，对于实时性要求高的数据采用单线传输，提高同步频率。
灵活的调度方案
调度框架
面对频繁数据回滚的业务场景，ETL的调度需要更加的自主化，所有的调度计划均可在报表页面以HTTP请求方式触发，ETL中添加可执行参数，使运营人员在无需进行ETL培训情况下能够自主的处理数据回滚需求。
因此为了更加高效的调度数据，本次项目将jenkins作为组件嵌入平台中，一是让所有的调度情况一目了然，二则是通过报表系统生成系统核算参数，并通过jenkins实现点击的远程调度。
4 项目成果
4.1 成果总结
（1）建设成果
- 平台主要分析模块：销售分析、商品分析
- 平台报表/分析模板总量：100+
- 平台月均访问量：150+
- 平台活跃用户数：80+
（2）整体价值
边城体育依托现有数据仓库模型，在企业高层领导积极推动下得到了极大的使用。目前，系统平台在仅对企业核心管理层以及产品运营经理及下属开放的前提下，灵活的分析方式和准确的数据也帮助产品分析做出了长足的更新改善。且内部的积极推动下，帆软产品的使用将纳入后续边城体育产品相关人员的必备考核技能中，同事间也能够相互分享自己独特的分析角度和方法。后续随着数据模型的扩展以及产品的深度使用，FineBI将逐步成为基层销售以及门店获取最新销售情报的重要途径。
4.2 典型场景
（1）场景一：公司展台
需求
1. 数据分散：展台体现了公司的整体销售运作状态，因此选取了几个独立系统内的数据，需要数据进行整合处理。
2. 口径不一：业务侧各个环节针对同一个指标的计算逻辑不一致，导致最终结果无法作为统一参考。
3. 数据实时性较差：较早的数据分析模式为，业务系统下载数据，线下分析整理，仅仅只能保证一周做两次，数据及时性不足。
4. 历史数据获取困难：正常分析需要使用大量历史数据进行同期环期对比，但是线下手工很难对大量历史数据进行有效管理。
解决过程
1. 数据：利用数据仓库模型，将所需要的数据进行抽取，汇总成为能够支撑业务侧分析使用的宽表，并且利用调度机制，对数据进行定时更新。
2. 分析：将预处理过的数据在FineBI中进行二次加工，通过业务侧常用的分析角度进行切片，十分快速的得到一张能够反馈当前销售情况以及往期情况对比的公司销售展台。
场景价值
- 节省数据分析人员每周超过1天数据整理核对等琐碎工作的工作量。
- 将原有的销售数据反馈时间从原来的2-3天缩短至2-3小时，极大的提高了管理层对于整体销售情况的掌握程度，更有利于积极有效的销售策略的制定和重点销售问题的管理。
（2）场景二：商品分析
需求
- 数据缺少必要的分析维度以及维度关联，使得数据在不同的切片分析角度下分析不完整，例如品牌角度下由于组织切分不明确导致无法进行分组织的归类。
- 原分析模式对于数据的支撑较弱，如果引入历史数据会对分析人员的工作要求和工作量提升极大的难度。
- 商品人员制作数据耗费较长时间。
解决过程
数据：通过前期需求调研，确定了业务侧主体以及分析的主要角度和习惯，针对业务模型进行合理的转换，调整和补充原业务系统中缺失的维度或者从其他数据来源对管理分析维度进行补充。
分析：公司内积极组织BI培训以及多种业务报表展示制作比赛，指导商品分析人员在FineBI平台独立自主的进行商品分析。
场景价值
- 通过数据仓库对数据的整理能够实现不用切片下的数据分析场景，极大的帮助了商品战略的调整。
- 解放了商品分析人员，为商品分析人员从数据整理向真正的数据分析转变提供了有效的工具支持
5 项目总结
5.1 CIO/项目负责人点评
整个帆软项目作为，边城体育公司建设信息化道路上的一个支点，企业信息化是一项集成技术:企业建设信息化的关键点在于信息的集成和共享,即实现将关键的准确的数据及时的传输的相应的决策人的手中,为企业的运作决策提供数据。企业信息化是一个系统工程:企业的信息化建设是一个人机合一的有层次的系统工程,包括企业领导和员工理念的信息化;企业决策、组织管理信息化;企业经营手段信息化;设计、加工应用信息化。
5.2 经验心得
在项目实施过程时做过很多部门沟通，包括调研需求，尤其是财务部门的沟通，财务部门在原先的工作中，都是以手工报表加OA系统为数据源，很多数据会进行多次手工修改加工，为了了解财务最终指标所需，必须了解每一步手工修改的实际意义，从而让数据更准确 | 
