【2024中国数据生产力大赛】威孚高科：数字化建设驱动业务价值提升

企业简介

威孚集团始建于1958年，是国内汽车零部件的著名生产厂商，中国汽车工业零部件三十强，中国汽车零部件企业百强榜29位。经过半个多世纪的发展，集团现拥有21家全资和控股子公司、2家合资公司，全球员工近8000人，是业绩优良的A、B股上市公司、中国主板上市公司价值100强企业。 威孚集团坚持技术创新，不断推进产品结构调整和产业升级，业务领域由原来的燃油喷射系统产品，发展到燃油喷射系统、尾气后处理系统、进气系统三大业务板块，形成了有竞争力的汽车核心零部件产业链。作为国家高新技术企业，威孚集团拥有“国家级企业技术中心”等三个国家级研发中心，以及多个省级工程技术研究中心和实验室。公司以创新求实的精神，致力于技术创新和研发实力的提升。

1 业务需求/挑战

威孚高科在进行信息化建设的过程中积累了大量的数据，数据文化蓬勃发展，用数据汇报工作已逐渐成为员工习惯，但在如何进行数据应用的建设并且最大化的发挥数据的价值这方面，威孚仍面临着一些问题： 1、数据源多样化且质量参差不齐：威孚高科内不同部门、不同系统可能采用不同的数据存储格式和标准，原始数据可能存在缺失、错误、重复等问题，需要进行大量的数据清洗和验证工作，以确保分析结果的准确性。 2、缺少统一的数据分析平台：威孚高科以往的部分指标是线下收集流转给到集团汇总，并以ppt的形式进行汇报，效率低下且容易出错，每月重复性的工作浪费人力物力。 3、缺少分析，提升困难：大量的数据难以进行体系化的数据应用建设，比如产品良率低时，无法判断生产过程中的质量问题环节，提高良率缺乏有效手段；企业内部流程众多，无法判断哪些部门、哪些管理者审批效率低下，是否会形成业务阻塞。

2 解决方案

威孚高科与帆软公司合作，建设统一的数据分析平台，替换了以往使用的PowerBI，节省了每年生产制造指标取数调整所需的实施费用。项目组对威孚高科的核心业务应用和数据现状进行需求调研，并与公司一起扩展了数据分析平台的建设架构。纵向分为三个层级，数据盘点、智能数据服务、数据应用，提供了从底层到前端全链路的数据应用服务，横向覆盖营销、财务、客服、仓储、人事、采购等12个主题域，全面覆盖了威孚高科的业务范围。 在平台架构层面，通过FineReport和FineBI搭配使用，面向不同角色，构建业务分析应用。在固定式报表驾驶舱的应用中，FineReport可以根据预设的规则和模板，自动生成标准化的报表，并通过驾驶舱的形式展示给公司领导或业务人员。这种固定式的报表形式，有助于威孚高科快速获取关键指标和数据，为决策提供有力支持。在即席式分析的应用场景中，FineBI的自助查询和分析功能使得业务人员能够随时根据需要对数据进行深入的探索和分析。无需等待IT部门的支持，业务人员可以自主进行数据的筛选、聚合、可视化等操作，快速发现数据中的规律和趋势，为业务决策提供及时的数据支持。 综上所述，通过FineReport和FineBI两个平台的结合使用，威孚高科可以高效地解决固定式报表驾驶舱和即席式分析的需求，提升数据分析的效率和质量，为威孚的决策提供有力的数据支持。

3 典型应用场景

3.1 场景一：流程分析报告

1、需求分析 在威孚高科的HR、BPM、OA等多个系统中存在758条审批流程，同时还存在线下的流程审批，如此众多的流程管理的效率和效果直接影响到企业的整体运营和市场竞争力。 传统的流程分析往往依赖于人工的数据收集和整理，这种方式不仅耗时耗力，而且容易出错，导致分析结果的准确性和可靠性大打折扣。同时，由于数据分散在不同的部门和系统中，难以形成全面、统一的分析视角，从而难以发现流程中的卡点和瓶颈。此外，从人员视角分析流程卡点也面临挑战，因为需要深入了解每个岗位的工作状态和协作情况，这也是一个复杂且困难的任务。 2、解决过程 威孚高科使用FineBI搭建了流程和人员两个视角的流程分析报告，每月反馈给集团领导，进行责任追踪和问题定位。 首先，通过FineBI的数据准备功能，从各个业务系统和数据源中收集并整合了相关的流程数据。其次，利用FineBI的数据加工能力，对收集到的数据进行清洗、整理和分析，从而识别出流程中的关键节点和潜在问题。同时，FineBI的可视化分析功能使得从人员视角分析流程成为可能，通过可视化图表和报表，可以直观地展示每个岗位的工作状态和协作情况，进而发现流程中的瓶颈和卡点，然后上会进行定问题责任人及待办，并再下次会议上进行问题情况回顾，实现了管理的闭环。 在解决过程中，充分利用了FineBI的自助分析功能，业务人员可以自行探索数据，发现隐藏的问题和规律，从而更加精准地定位流程中的卡点。此外，FineBI还支持多人多岗位协同使用，不同部门和岗位的人员可以共享数据和分析结果，进一步促进了流程的改进和优化。 3、价值体现 通过流程和人员2个视角，根据耗时分析、超时分析、退回分析，利用联动、钻取方式，通过问题流程到问题节点到问题人员到具体流程明细，分析集团流程运行卡点，运营提效17%，同时，通过优化流程，公司还降低了运营成本，提高了整体运营质量。 流程运行分析： 流程耗时分析： 流程归属分析：

3.2 场景二：制造指标体系

1、需求分析 在威孚高科的生产制造领域，以往制造指标的梳理和分析存在诸多痛点。 缺乏统一、系统的指标体系，导致不同部门、不同层级间指标定义不一致，数据口径不统一，难以进行横向和纵向的对比分析。 指标层级划分不清晰，无法有效反映指标间的逻辑关系，使得管理人员难以从整体上把握制造过程的关键环节。 指标数据的展示形式单一，缺乏直观性，难以帮助制造经理快速识别问题、制定改进措施。 缺乏便捷的数据查询和追溯机制，使得制造经理在分析问题时需要花费大量时间进行数据的收集和整理。 2、解决过程 为了解决上述痛点，威孚高科制定了一套系统的制造指标域指标体系。首先，根据制造过程的实际情况和业务需求，将指标分为质量、成本、交付、安全、管理五个模块，确保每个模块都涵盖了关键的业务指标。其次，对指标进行层级划分，从L0到L4共五层，每层指标都基于下一层指标的逻辑聚合而成，形成了一个清晰的指标树结构。这样，管理人员可以清晰地看到指标间的逻辑关系，更好地理解整个制造过程。 在构建指标树的过程中，威孚高科对每个指标进行了详细的定义和维度描述，确保了指标的一致性和准确性。同时，利用数据可视化技术，将集团层面的指标达成情况以图表的形式展示出来，使得制造经理可以直观地了解各项指标的达成情况。此外，还实现了每层节点指标的明细图表跳转功能，方便制造经理深入分析指标的详细数据。 3、价值体现 通过构建系统的制造指标域指标体系，威孚高科在多个方面实现了价值的提升。首先，统一的指标体系确保了数据口径的一致性，提高了数据的可信度和可用性，为制造经理提供了可靠的决策依据。其次，清晰的指标层级和逻辑关系有助于管理人员从整体上把握制造过程的关键环节，制定针对性的改进措施。此外，直观的数据展示形式提高了制造经理的工作效率，使他们能够更快速地识别问题、制定解决方案。 最后，便捷的数据查询和追溯机制使得制造经理能够轻松地获取所需的数据信息，减少了数据收集和整理的时间成本。总的来说，这一指标体系的建立不仅提升了威孚高科制造领域的管理水平，还为企业的持续发展和优化提供了有力的支持。 指标树： 指标定义： 指标详情：

3.3 场景三：仓储慢流动分析

1、需求分析 仓储慢流动分析是仓储管理中非常关键的一环，对物料进行有效地分类和监控能够显著影响库存周转率和资金占用率。在威孚高科存在以下需求痛点： 物料分类不明确：仓库中的成品、半成品和原材料种类繁多，缺乏系统的分类方法，导致难以区分哪些物料是慢流动物料。 慢流动物料管理不善：缺乏针对慢流动物料的有效管理策略，导致这些物料长时间积压在仓库中，不仅占用资金，还可能造成物料过期或损坏。 数据分析和监控不足：对慢流动物料的消耗情况、年度慢流动达成率以及慢流动处置情况等关键指标缺乏有效的数据分析和监控，使得管理层难以做出准确的决策。 2、解决过程 为了解决上述问题，威孚高科采用了ABC和XYZ分析法进行仓储慢流动分析。 物料分类与九宫格等级划分： 应用XYZ分析法，根据物料的库存波动进行划分，变异系数=标准差/平均数。划分成小于0.5，0.5-1，大于1三个区间。 结合ABC分析法，考虑该物料及之前物料的出货总额占所有物料出货金额的比值，将物料分为A、B、C三类。 综合ABC和XYZ分析结果，将物料划分为九宫格等级，明确哪些物料是重点关注的物料。 慢流动物料识别与监控： 设定慢流动物料的识别标准，如6个月以上未发生流动的物料。 建立慢流动物料清单，并实时监控其数量、价值、存储时间等指标。 数据分析与可视化： 对慢流动物料的消耗情况、年度慢流动达成率以及慢流动处置情况等关键指标进行深入分析。 利用FineBI，制作慢流动分析报告和驾驶舱，直观展示慢流动情况。 制定管理策略与处置方案： 根据分析结果，制定针对慢流动物料的管理策略，如定期盘点、替代物料等。 对于长期积压的慢流动物料，制定处置方案。 3、价值体现 库存优化：有效识别和管理慢流动物料，降低了库存积压，提高了库存周转率。 资金节约：减少了不必要的库存占用，释放了资金，提高了资金使用效率。 风险降低：通过及时处置慢流动物料，降低了物料过期、损坏等风险，减少了损失。 决策支持：提供了准确的数据和分析结果，为管理层制定决策提供了有力支持。 通过ABC和XYZ分析法对仓库物料进行九宫格等级划分，并重点关注慢流动物料，威孚高科成功降低了集团慢流动情况，实现了库存优化和资金节约，提高了整体运营效率。 九宫格报表： 慢流动分析报告：

3.4 场景四：人力资源分析

1、需求分析 在进行人力资源分析时，威孚高科面临着如下痛点： 缺乏全面的人员结构指标分析，导致管理层无法清晰地了解各维度的人员构成情况，难以做出精准的人力资源决策。 离职率、期末在册人数、加班率等关键指标的缺乏或不完善，使得公司无法有效评估人力资源的稳定性和效率。 由于缺乏与生产产值、工时等数据的结合分析，公司难以准确衡量人力资源的投入产出比，无法有效优化人力资源配置。 2、解决过程 为了解决这些痛点，威孚高科采取了以下步骤进行人力资源分析： 构建全面的人员结构指标分析体系：根据公司的业务特点和需求，梳理并确定关键的人员结构指标，如员工年龄分布、学历构成、岗位分布等。同时，结合公司的战略目标和发展规划，对人员结构指标进行定期评估和调整。 完善关键指标数据的收集与整理：确保离职率、期末在册人数、加班率等关键指标的数据来源准确可靠。通过完善员工信息系统和考勤系统，实现数据的自动化收集和整理，提高数据的准确性和时效性。 结合生产产值、工时等数据进行投入产出分析：将人力资源数据与生产产值、工时等数据进行关联分析，通过构建投入产出模型，评估人力资源的效率和贡献度。同时，根据分析结果，识别人力资源配置中的问题和瓶颈，提出优化建议。 利用FineReport进行结果展示：利用图表、报告等可视化工具，将分析结果直观地展示给管理层和相关部门。通过数据驱动的决策方式，帮助公司更好地理解和利用人力资源数据。 3、价值体现 提升决策精准度：全面的人员结构指标分析使得管理层能够更清晰地了解公司的人力资源状况，从而做出更加精准的决策。 优化人力资源配置：通过投入产出分析，公司能够识别出人力资源配置中的问题和瓶颈，进而进行优化调整，提高人力资源的利用效率。 提高员工满意度和稳定性：对离职率、加班率等关键指标的关注和管理，有助于公司改善员工的工作环境和工作条件，提高员工的满意度和稳定性。 促进公司整体绩效提升：通过优化人力资源配置和提高员工效率，公司的整体绩效水平有望得到提升，从而实现可持续发展。 领导层级： 部门层级： 班组层级：

4 总结与展望

1、总结 总结一下威孚高科与帆软合作的本次数据分析项目有以下三个特点： 综合性：业务架构涵盖了企业运营的多个关键环节，实现了数据的全面整合和分析。 实时性：通过与ERP、MES等系统的对接取数，业务架构能够获取实时数据，能够为企业的决策提供支持。 灵活性：通过帆软BI工具，业务架构可以根据业务需求快速构建和调整数据应用，满足企业的不断变化的需求。 2、展望 发展数据驱动文化：通过持续推广FinBI工具，培养全集团员工的数据分析意识，形成自助分析社区，提升业务效率 持续建设数字化：通过数据资产、指标的不断建设和运营，减少数据孤岛、确保数出一孔，形成分权分级的数据安全规范，对集团业务数据资产进行有效利用，发挥最大价值 AI for BI：未来计划引入AI和BI结合使用的场景，比如问答式BI，AI自动数据处理等。