|
标题
金风科技——生产经营体系数字化，实现企业的精益管理
企业简介
金风科技是全球可信赖的清洁能源战略合作伙伴，致力于推动能源变革，让人人可负担、可靠、可持续的能源惠及全球，构建“可持续更美好”的未来。金风科技深度聚焦能源开发、能源装备、能源服务、能源应用四大领域，以强大科研创新和最佳业务实践，将可再生能源的效率提升至新高度。作为在深交所、港交所两地上市的公司，金风科技多次入选“气候领袖企业”、“亚洲地区最受尊敬公司”、“最佳投资者关系公司”，并荣登“全球最具创新能力企业50 强”、“全球最环保企业200强”、“全球新能源企业500强”、“新财富最佳上市公司”、 “《财富》中国500强”、年度ESG实力先锋企业、A股公司ESG百强等多个影响力榜单。
企业形象图：
 
企业logo图
1 业务需求/挑战（面临的挑战/痛点/问题，或由此带来的数据/BI应用需求）
在当今信息化、数字化高速发展的时代，许多企业都面临着经营的压力和挑战。对于一家公司而言，实施数字化战略不仅是适应市场变化、提高竞争力的必然选择，更是实现可持续发展的必经之路。而金风科技也是一样，随着集团公司的快速发展和经营额量级不断提升，原有的企业数据分析管理模型不再适应，同时原先模式中的痛点与问题愈发明显。
归集一下，主要是以下三点：
①数据存在孤岛现象
由于公司部门较多，数据系统较多；且各部门各数据系统相互独立，导致数据孤岛现象出现，数据无法有效共享和利用，进而让业务与技术人员都难以快速地找到自己需要的数据，增大信息化难度，影响了公司的数字化进程。
同时，各个业务板块间管理和数据割裂，无法从全局的视角进行链路式的数据分析，进而实现更全面的数据管控。
②数据体系标准不统一，数据可信度低
基于历史情况【各部门各系统独立开发运行】，目前开发的报表已经接近或者超过2000+张；但因为开发口径与规范标准未统一，导致相同的指标的数据存在较大差异；不仅是不同部门的同一指标数据不一致，而且有时同一部门的相同指标也不一致，包括但不限于同一部门不同人员的数据不一致、线上和线下的数据不一致等等。
而这导致跨部门沟通成本很大，数据交流存在阻塞；同时，业务部门对数据的信赖度降低，较多人员甚至选择不再使用数据平台，回归到初始的手工报表制作，大幅度降低了工作效率。与此同时，因为数据体系标准不统一，数据可信赖度低，进而导致两个问题：
自下而上，集团公司无法准确的掌控公司运营的实际情况，了解市场和行业的最新情况；自上而下，集团公司的经营策略和考核指标无法真正落实。
③当前数据平台场景局限，无法满足决策层对生产管理的数据需求
当前的数据平台的数据展示，较多以报表的形势存在；部分可视化需求都是零散的分布在各个业务部门下，整个数据分析链路不完整。集中表现为，想看的数据看不到；看到的数据看不全、不直观，不能让人很明显看到数据的问题。而这，不足以支撑决策层多生产管理的数据要求。
而这导致很多管理层的动作无法执行下去，比如目标拆解、绩效考核等精益管理手段，进而影响了企业的发展。
2 解决方案（业务/管理挑战下，解决业务/管理需求、建设业务/管理分析或数据应用平台的思路、方法、架构、过程等）
基于以上背景，于2024年初，按照集团的战略规划要求，整理了公司的数据管理体系全指标，并成立生产中心经营可视化BI项目，搭建生产中心经营可视化数据平台。借助该平台实现指标的数字化管理，利用PDCA原则，结合数字实现数据、管理、执行、结果的闭环管理。
其中，项目组以BI部门人员牵头，囊括数仓部门、资产运营部门、业务部门等多个部门人员，确保经营可视化数据平台的数据的普适性和权威性。
同时，项目组为真正实现以上业务需求、解决当前状态下存在的业务难题，将集团的战略规划和考核真正落地，进而实现经营数据和考核数据的可视化。于是，对上承接公司的考核指标和考核内容，对下梳理业务结构和业务数据，并对关键业务应用和数据现状进行调研，确保需求的可行性，再进行数据治理和数仓建设，基于搭建完成的数仓上进行可视化看板的开发、测试和上线。
总的来说，自上而下的归集一下，主要分为以下五步：构建数据标准，确定统一口径→业务梳理，确定落地指标→数据治理及数仓建模→报表开发，测试优化及上线→数据应用
①构建数据标准，确定统一口径
核心部门：集团资产运营部门
由集团资产运营部门牵头，对公司的当前的公司整体运营体系进行梳理，包括各个运行层级单位和各个业务模块；依据实际运行模式归集，构建指标管理体系标准，并进行不断优化迭代，确定为公司企业指标标准。由上而下，发布为《资产运营指标体系使用导则》（如下图封面模板）
②业务梳理，确定落地指标
核心部门：资产运营、数仓部门、业务部门、BI部门
本次需求针对生产运行大类。基于集团的数据标准下，项目组对当前的业务运行模式进行梳理，包括业务运行指标、各个系统的数据指标情况、指标具体的数据逻辑等等。
最终将梳理出来可以系统化的指标定版，作为本次生产中心经营可视化数据平台的指标基础。
③数据治理及数仓建模
核心部门：数仓部门、BI部门
当前数据分析平台存在的一个很大的问题便是数孤岛现象，而这个问题的源头便是数仓模块，各个系统各个业务部门的数仓独立；同时，因为企业的快速发展，日增量数据越来越大，最大的单表过亿级的增量。原本运行的各类数据库【MySQL、PG、oracle等】无法满足平台的运行和数据需求，故数仓部门牵头，搭建了以全场景MPP（Massively Parallel Processing）数据库StarRocks为支撑，统一的数据仓库。进而对不同系统、不同格式、不同来源的数据进行整合，形成统一的数据视图，为整个企业提供一致、准确的数据基础；同时也方便数仓部门对数据的进行集中管理、控制和数据处理，数据治理等动作，保证数据的质量与准确性。
而在数仓建模中，整体架构分为五层（如上图）：
数据源【ods】：提供数据分析的最原始数据，在我们这里主要包括各生产管理系统数据【ERP|EAM|哨兵系统|Public等等】和手工excel数据【比如双细则、光伏、储能等还未系统化的数据】；
数据处理层、数据存储层【dwd/mid】：将上面基础数据进行数据处理层清洗、转换后，我们会统一存放到数据存储层中，在数据存储层中建立适用于企业敏捷分析的数据模型，形成数据仓库供给企业的数据分析应用；
数据展现层【fact】：针对通用的常见的数据分析场景，我们将数据存储层的数据存放到数据展示层，方便开发人员直接调用，通过finereport工具开发整合为数据驾驶舱或者固定报表供给业务人员使用；
数据应用层【app】：当面向特定业务场景【如下方的风机专题|电气专题等】，为提升数据性能和指标的集中管理，会对已有数据提炼再加工，搭建数据应用层进行分析展示。
④报表开发，测试优化及上线
核心部门：BI部门
如下方架构图所示，基于上面第②点--业务梳理，确定最终的落地指标和上面第③点搭建的企业数仓进行数据可视化开发，此处主要依靠Finereport11.0进行需求开发。其中，为解决痛点问题②数据体系标准不统一，数据可信度低和痛点问题③当前数据平台场景局限，无法满足决策层对生产管理的数据需求，做了以下两个关键动作：
动作一：数据支持下钻至最明细层级。
所有模块所有指标支持数据下钻，总驾驶舱下钻到模块驾驶舱、模块驾驶舱下钻到明细报表。能够确保数据有支撑，方便数据的系统间相互校核，确保每个数据都有迹可循。
动作二：更多的展示场景，更丰富的展示类型。
相比较以前，此次增加了更丰富的展示类型【历史报表85%是固定式列表展示报表，此次需求引入更多图表样式（地图、饼图、扇形图、条形图、矩形块、瀑布图、折线图、仪表盘等等）、图表展示形式（跑马灯、图表轮播、提示轮播、提示自定义等等）及图表交互方式（图表自钻、图表下钻、图形联动等等）】，更加全方位的展示数据的分布、趋势，进而可以让人更容易洞察到数据的关系和异常点，从而帮助决策者快速决策。
数据可视化就是为了让人们快速理解数据反映的故事、从而快速找到数据背后隐藏的现实问题，然后去解决问题。
⑤数据应用
核心部门：业务部门、管理层及其余数据相关方
基于已开发的可视化报表进行数据应用，发现数据中的问题和异常，及时解决实际业务的问题，减少经营的损失，提升企业效率，实现企业的精益管理。
3 典型应用场景（按照问题—解决过程—价值的逻辑，介绍几个项目中典型应用场景和取得的成果）
3.1 成果总览
本项目主要围绕生产运营板块展开，核心目的通过整合数据指标体系，搭建高性能的集中的数仓平台，并依据帆软finereport工具进行可视化展示，实现经营体系数字化，提升企业运营效率。
通过项目各成员的努力，项目顺利交付。
总的来看，本次项目工作量很大，成果也是比较明显。本次项目包括经营管理、风机管理、电气管理、电量管理、电量分析、损失电量、末位管理、双细则管理、光伏板块、储能板块等10多个板块，涉及指标200+个；最终产出1个数据大屏、14个驾驶舱、100+张下钻表、若干填报表和明细表【如下图】。
而推广效果也很好，刚上线不久，单模块的日访问量就突破1500+，实实在在帮助到了很多业务同。项目达到预期效果，实现经营体系数字化的目标。
3.1 典型场景一：经营总览
①发现问题
因经营管理需要，公司生产中心每月、季度、年都需要开经营分析会议。而开会必须的就是经营分析数据，公司运营业务较广，包括风机、光伏、储能等多个业务，为了解这些业务的运行情况，需要监控的数据指标又特别多。
每次为了获取经营数据，都需要花费很长的时间整理，不仅费时费力，而且时效性慢，效果并不好。
②解决方式：【主驾驶舱+子驾驶舱】
为解决上面的问题，我们设计了经营分析驾驶舱，该驾驶舱为总览驾驶舱，所放指标的是各个分驾驶舱【也是各个业务板块】的核心管理指标，包括电量专题的上网电量指标（包括计划、实际、偏差、完成率）、发电小时数专题的发电小时数指标（包括计划、实际、完成率）、电量损失专题的电量损失率指标（包括计划、实际、完成率）等等【具体如下图】。
管理层通过指标及完成情况进行整体监控，发现数据中存在的问题，通过点击图表或者导航箭头可以跳转到每个专题，查看其余维度的数据情况，进行数据验证。
另外，数据实时更新，确保领导管理层开会随时可用。
主驾驶舱
子驾驶舱【部分举例】
 
同时，为满足月报、季度报和年报的使用场景需求，做了动态切换，能够依据所选维度进行查看；同时，对应指标目标也是动态切换。
③场景价值
通过搭建经营总览数据看板，我们实现了经营分析全指标数据查看的从无到有的过程。
以前开经营分析会是人等数据，现在是数据等人，随时开会随时用【原来开会需提前一周准备；现在开会一般前一天通知，相关人员看数、分析原因、总结记录即可，有时会上打开驾驶舱直接用】。同时也方便领导随时查看数据，动态观察当前运营情况，提升了高层的数据反馈和决策效率及对数据平台的满意度【预估提升20%】。同时因为数据看板的可穿透性，大幅度提升了问题的定位效率，加快了问题的解决，减少了公司效应的损失。
3.2 典型场景二：风机专题
①发现问题
风机业务是公司的核心业务，为确保各个风电场站的稳定运行的核心是控制风机故障的发生，降低风机的故障处理时长。目前，系统存在部分指标报表监控风机运行情况，如风机故障频次【线上】、平均故障处理时长【线下】，但缺乏一个全方位的风机故障分析展示平台，无法实现对风机板块的运营把控，导致各大区、各区域、各场站对风机运营的管控不够，进而降低了公司的经营效益。
②解决方式：【驾驶舱+明细表+下钻表】
为解决上面的问题，我们设计了风机专题驾驶舱，将风机故障的核心问题和指标包含进来，包括各机型TOP10故障、故障频次同比、复现故障/计划停机次数、排故时长同比/超6h排故、大部件损坏次数/更换平均时长、红线故障占比、红线故障次数、故障复位平均时长/复位超45分钟故障总数等等。通过数据可视化，将这些指标监控起来，进而实现各类故障和各个指标的把控。
同时，数据有异常，可以通过下钻查看进行定位，可以精准定位到具体场站具体机型具体风机具体机组编码的数据，进而加快故障的排查和解决。
驾驶舱
下钻表【部分举例】
  
③场景价值
通过搭建风机看板模块，我们实现了各大区各区域各场站的全方位的风机运行监控，
针对当下，提升风机故障监测和问题定位效率80%，缩短故障处理时长50%，提升企业效应至少十万+。
针对未来，管理者一方面可以通过收集和分析运行数据，制定更为精准的维护策略，提高维护效率，降低维护成本。另外一方面，也基于历史数据和实时数据，预测风机可能发生的故障，提前进行维护，减少计划外停机。
3.3 典型场景三：电气专题
①发现问题
因为公司组织架构和业务结构变更，对数据进行内外部拆分。在此背景下，因电气板块的特殊性，导致数据无法拆分，故现行数据报表及线下报表的数据都存在加大的问题，针对此板块的数据分析和查看都是空白的，业务无法行之有效的数据。
②解决方式：【驾驶舱+填报表+明细表+下钻表】
为解决这个问题，我们设计了电气专题驾驶舱，同时引入了填报表进行数据维护。因为数据较多和异常数据的不确定性，在填报表中，我们和业务先沟通达成一个判断标准，对异常数据进行检索，并动态展示和提醒，由专人维护完之后，反写到数据逻辑中，进而获取到准确的数据。
在此基础上，在展示相关电气模块指标，包括损失电量、SVG跳闸、跳闸故障原因、各大区故障及损失电量情况、输变电设备故障归类、输变电设备跳闸等。
驾驶舱
填报表
 
下钻表【部分举例】
 
③场景价值
通过电气专题的数据维护，我们实现了对电气相关数据的数据治理，提升了数据的可靠性，确保该模块数据可用。在完成电气看板的搭建之后，我们实现了各大区各区域各场站的电气运行情况监控，提升电气故障监测和问题定位效率95%【由无到有的过程】，缩短故障处理时长80%【故障细粒度高，快速定位和处理】，提升企业效益。
3.4 典型场景四：月度关注报表
①发现问题
公司新发布的数据管理体系全指标是公司的考核标准，对上是管理层了解当前企业运营指标的情况，对下是各个执行层了解当期数据完成的情况。
其中，涉及的指标很多，仅关键的考核指标都分四大类，近50+个；同时，因为面向对象的差异【公司的运营单位分总公司-大区-区域-场站-项目】，数据统计方式和规则也有差异。而当前背景下，没有一张报表满足这样的需求，各个同事需要数据的时候都需要去各原系统拉数据，在进行单独处理。不仅费时费力，还容易出错。
而这，极其不方便公司的政策和考核落地。
②解决方式：【驾驶舱+明细表+下钻表】
为解决这个问题，我们开发了月度关注模块，此模块和全体系指标驾驶舱模块是独立的，一个是按模块化指标进行分析展示，一个是串联所有指标进行灵活聚合展示；两个模块，相互校核。
其中，最核心的是月度关注报表，这里采用了分层聚合、分类算法、动态列展示。
①分层聚合主要指依据各个运营单位不同，采用不同的聚合方法，确保数据符合要求。
②分类算法包括简单聚合、除法运算、率的聚合、分架构聚合分时间平均等
③动态列展示即为按需展示，其中按照查询聚合聚合对应指标数据。
而所有运营单位的数据均已这个报表入口数据为考核标准，各自按照自己的权限和需求汇总查询自己的数据即可。同时驾驶舱的计算逻辑和该表保持一致
主表
驾驶舱
③场景价值
通过月度关注报表，我们构建了统一的考核口径数据报表，确保所有数据的口径统一，来源一致。之前出现的各个区域数据差异很大的问题也不再存在。同时，也大幅度缩短业务的数据加工时间【需要加工该数据人数很多，至少40人+；以前需要相关数据要么无法获取要么至少花费4小时整理，现在只需要按照需求查询即可。初略估计，每月节省人力500h+】，让业务投入更有价值的事情上。
4 总结与展望
本项目于1月立项，2月开始，4月完全交付，整个项目任务很多，项目周期很紧。但在各个部门同事的齐心配合下，项目顺利交付。
目前看来，项目的效果也是很好的。刚上线不久，单模块的日访问量就突破1500+，越来越多的运营同事主动的申请权限进行查看和使用。就这一点来说，这个项目确实解决了业务工作中的痛点问题，让大家愿意去使用。
深入来说，本次项目做了很多从0-1的事情，比如①搭建中心化的高性能数仓，解决目前数据瓶颈、数据孤岛的问题；②构建了很多多样化的、立体化的数据分析场景，让管理层真正有数可看，决策有依靠；③搭建统一的数据考核分析指标体系，让考核有依据，让数据被信赖等等；同时，也做了很多从1-n的事情，包括数据治理、数据粒度化、数据再维护等等。
通过本次项目，我们完成了生产运营体系可视化，而这带来的价值也是巨大的。从财务价值和战略价值两方面总结来看：
一、财务价值
通过本次项目所搭建的生产经营可视化平台，我们能够实时了解各场站的运营状况，发现场站及设备运行中发生的问题，及时的解决，而这将使得场站的运营成本下降5‰；在几百个运行场站几千个运行风机的大基数下，将带来巨大的发电量，与之对应的便是百万、千万、乃至亿级别的售电收入。除此之外，节省下来的人力成本、决策成本也是很大的。
同时通过对数据的分析，公司可以制定更为精准的运营规则，防止同类问题的发生，确保各场站设备的稳定运行，进而也提升了整体资本使用效率。
二、战略价值
通过本次项目，我们实现对生产经营过程的数字化。对业务人员而言，将他们从繁琐重复的数据统计工作中释放出来，可以专注于更有价值的事情；对管理层而言，数据实时、真实、直观，可以真正依靠数据做决策。而这将极大地提升企业整体的运行管理效率，增加公司的竞争力，进而为后期的发展奠定了基础。
而这，只是第一步。在未来，我们也希望更加深化可视化项目在企业中的应用，构建更多标准的、体系化的、立体的数据分析模型，推动公司的信息化和数字化建设。真正的实现，让数据辅助决策，让数据成为公司的生产力。 | 
