Your browser does not support video tags.   一、选手简介 （一）参赛初衷选手介绍 个人介绍： 帆软社区用户名：白玉儿，目前从事系统综合管理员，个人感兴趣的方向和领域消耗数据分析。 个人照片：   （二）参赛初衷 前期工厂已购买FR和简道云，为了加强员工个人业务分析能，工厂今年准备引进BI工具。本人于2020年取得资深BI工程师证书后，由于单位平台受限很久没有使用过该工具，经过我们工作室推动，工厂在今年购入BI工具，为了重新熟悉和提升BI的使用方法和技巧，便于能更好的在工厂内部推进，所以来参加本次比赛。之前本来是准备带两个小朋友一起，3个人组队参赛的，由于一些特殊原因变为独自参赛了，也很可惜。   二、作品介绍 （一）业务背景及需求 业务背景 当前，数字经济成为“新经济引擎”，数字技术正助力于企业实现生产方式变革、生产关系再造，数据资源已成为“新生产要素”。目前大多数部门仍存在着一定程度的“数据丰富、信息贫乏”现象，究其原因，主要在于数据的分析与挖掘利用能力尚为薄弱，很多数据只是被简单地堆积在一起，进行基本的统计和查询，并没有将数据真正转化为“新生产要素”。 需求 工厂经过多年信息化工作的开展，积累了大量的数据，包括制丝各类物料投放数据、卷包各类物料投放产出数据、目标指标过程数据等等。由于不同阶段、不同时期的需求差异和不同系统管理维度的差异，在客观上导致了系统间数据的统计口径差异问题和系统接口繁杂等问题。而在具体业务中，往往又存在多维度、个性化的统计分析需求，以及从宏观整体延伸至细节末梢的数据汇总、归集、分析等业务需求，造成了业务部门在依赖现有信息系统基础上，还保留了大量的手工报表工作（手工取数、Excel加工汇总统计、纸质报表传递等）。因此，统计分析的时间周期相当长，并且缺少全方位的分析方法、数据处理能力和实时分析能力，海量数据处理效率低，一定程度上制约了企业柔性化生产水平的提升。   （二）数据来源 工厂生产数据来源于部署在生产环境中的各个系统，如MES系统、卷包数采系统、中烟生产指挥系统等，再加上各业务部门相关人员人工填报数据，构成了整个生产数据的统计体系。这些信息系统均为多年前建成，采用传统的B/S和C/S架构，形成报表的方式主要采用基于当前业务需求构建的固定格式报表。本次主要选取工厂2021年产量、产值及生产原辅料数据。   （三）分析思路 本次分析的主要目的是找出基层异常消耗数据，便于在以后的生产过程中有针对性的进行改善。   （四）数据处理 1、数据清洗：需要分析的指标分为烟叶、嘴棒、小盒、盘纸四大类，在EXCEL表中筛选出需要进行分析的数据，按年分析每个需要分析的项目下有12张月报表。涉及烟支类型、牌号规格、产量、耗用量、单耗等字段。 2、数据加工：导入到帆软BI，并为了方便操作，将每张EXCEL表单独创建一张宽表，作为维度表，便于单表添加字段或维护，作为后期制作数据集的基础数据。 根据需求选取订单核心表，通过左右合并或上下合并依次和各维度表进行合并。 提取产量数据   （五）可视化报告 1、总体生产情况： 通过对产量、产值及重点品牌的介绍，让大家了解全年的产出投入情况。日期选择组件控制产量、生产进度、产值及单箱成本，重点牌号是根据产量汇总过滤条件为大于等于500箱得出的牌号，因为产量大的品牌基数大，能对生产物料消耗起到决定性的影响。 2、叶消耗情况 通过相对比公司考核定额分析全年消耗目标完成情况，再以烟支类型分类查看单箱消耗走势同时制定内控内控指标，以月度目标和创优指标为警戒线，以超过月度指标的制作闪烁效果。发现2月非细支烟消耗异常，在重点牌号明细表中查看2月非细支消耗明细，发现娇子（宽窄好运）M消耗存在异常波动。 3、嘴棒消耗情况 嘴棒与烟叶不同，公司以单箱消耗为考核指标，用树状图对比考核定额完成情况，并入消耗损耗率，二级指标中将超过月度目标的月份设置闪烁效果。通过消耗损耗率发现2月损耗波动大，然后查找下级指标发现非细支异常，在查找重点牌号2月明细，发现问题出在娇子（五酿浓香中支）新。 4、小盒消耗 小盒消耗分析方式与之前的相同，只是增加了钻取目录，增加了不同的表现方式。 5、盘纸消耗 盘纸没有公司考核定额，所以仅针对内控指标进行了分析。分析过程与前面方式一致。   三、参赛总结 传统的报表式数据，虽然更贴近基层管理人员的使用习惯和满足详实的数据统计记录需求，但单调枯燥的表格化界面难以完全满足业务部门的快速查找问题、发现问题的业务需求，也不便于数据价值的直观展示。因此，在数据整合、归集的基础上，进一步实现了数据可视化展示，极大提高了数据价值呈现的友好度。 通过BI分析工具可以切实使得工作效率大幅提升，办公消耗大幅降低，数据分享效率大大提高。人工报表按月需要打印纸张量800张，使用数据平台，打印量为0；数据的再分析能力增强，只需要建立业务模型，便可以在数据的基础上完成多维度、多指标分析，适应更多的管理需求;对数据有需求的人员，直接登陆数据平台即可查询；且通过数据验证，数据平台的准确率达到99.99%，完全替代了传统的数据处理方式和数据报表方式。在管理效益方面，已经实现企业管理科、生产科、工艺质量科、各车间部分业务流程数据化转变，大大减轻了工作人员的劳动强度，提高工效，成为部门内的重要数据工具和统计方法。 成果展示：