找回密码
 立即注册

QQ登录

只需一步,快速开始

电话咨询

售前咨询电话

400-811-8890转1

在线技术支持电话

400-811-8890转2

总裁办24H投诉

173-127-81526

【数据追梦人2020】做了300+报表,领导却不大满意,我该何去何从......——回归业...

我是社区第73664位番薯,欢迎点我头像关注我哦~
4
我是衣架女装品牌的IT运营主管沈荣华。 当年我是以应届毕业生的身份进入的公司,刚开始小白一枚,负责日常的开发和运维工作。但是随着公司的发展,管理需要从数据化着手进行提升,公司各类数据需求开始了爆发似的增长,我随着也向数据方向开始转型。 首先我非常庆幸的是,公司原先所在大楼的另一公司有在用帆软,我也借这个平台有幸很早就接触了帆软,这为后期我们公司正式引入帆软,我能够迅速的进入战斗打下了良好的基础。 在这几年期间,我们搭建了报表平台,包含了300多张报表,共9大体系。但是领导层似乎对此还不太满意,也不太能看到我们日常工作的成果。这让我内心非常的郁闷,也让我在很长一段时间内一直在思考到底怎么样才能让我们被看见,怎么样才能让数据更好的服务于业务。 转折点 18年一个很巧的契机,公司在讨论门店货品在日常陈列挂样、试穿、盘点整理等过程中,衣服上的吊牌容易脱落导致丢失,这就导致了后期门店在盘点、找货等场景下,需要耗费较大的时间去确认衣服到底是什么码。 公司原有的解决方案是,门店每周集中将缺失吊牌数据提交至总部,由总部人员汇总后再发单至吊牌合作厂商进行生产,生产完再配送至仓库,再由总部下指令,仓库操作配发至门店。 这一套流程下来,由于供应商需要进行排期排产,再加上这个流程中各道环节所需的时间以及物流时间,发现一个吊牌从脱落缺失到补齐,最少需要半个月时间,而且费用还很高。这件事情本身来说是一件小事,但是我们为此付出的代价却很高。 当时我们灵机一动,想到吊牌所需信息本身就存在于系统内,那我们可不可以利用帆软制作一个吊牌模板,让总部直接打印生成吊牌呢?随即我们研究了这一方案的可行性,立刻开始推进,系统层面如何实现,配套什么样的打印机和不干胶贴纸等。现在我们利用这一方案,门店每周五提交一次需求清单给到相关人员,相关人员下周一在公司总部直接打印并分装好。周二店长会或者销售会,便可将吊牌给到对应的店长或者区域负责人,门店可以在一周之内解决吊牌问题,效率最少提升一倍,并且整体费用下降很多。 我从中也第一次感受到我们真正的被大家认可和赞扬,当我听到大家的称赞时,我内心无比激动与开心。在我们固有的思维里,甲方的IT是服务人员,后端支持性人员,在甲方企业的组织架构中显得那么的渺小,虽然近些年来慢慢开始被重视起来,但真正能从心底里重视的甲方企业其实也不多。我自己也深刻理解了一句话:一切的IT信息化建设都是为了解决业务问题、规范管理流程、服务业务部门。我意识到,任何职业其实都是买卖关系,供需关系,我们作为IT也需要了解买方所需,解决他人之痛,满足他人之想,我们这个买卖关系才能更为长久更为稳健。 找到方向,不断前进 有了以上成功案例后,尝到了甜头,在日后的工作中,我不再局限于单纯的报表,而更多的去关心日常业务本身,业务场景是什么,有什么可以通过数据改进的地方。 而在今年,我也是做了两个让我自己特别满意和特别自豪的项目:订货会项目、智能配补货项目。 这里简单讲述一下订货会项目吧,原先公司每年四次订货会,都是找外包团队提供软硬件并配套服务,每次开销都不小,而且每次为了订货会数据准备和对接,我们信息团队、商品团队都需要加班到很晚去整理数据做联调测试;订货会结束后,还需要外包团队将订货数据导出给我们,我们再据此进行数据整理汇总,出各类报表给到商品。 基于几年的订货经验,我们有了自己的订货逻辑。我们利用帆软填报+etl模式通过各类历史数据的自动推导、人为加工推导,得出订货推导结果。再将推导结果利用帆软给到订货人员,用作参考建议,由订货人员根据实际看样后的判断进行微调后完成订货,并实时生产对应的订货分析报表。这个项目自主开发,便于日后订货逻辑的变更优化,同时从源头开始,将订货推导过程、订货结果等全流程存档于系统内,便于分析总结,实现了订货数据的实时分析,同时也为公司每年节约了一大笔外包服务费
截图202012181136284758.png
(订货会评级下量界面)
截图202012181137019939.png
(订货会现场实时分析报表之一)
通过这两个项目的落地,我非常的自豪,因为我为公司做出了可以量化的贡献。我深刻的体悟到,在现代化发展如此迅猛的今天,一定要以更加轻量化的方式,性价比最高的方式,在不同的阶段运用不同的方式方法将信息化进行优化落地。人肯定比机器聪明,但是机器的效率绝对比人要高。多和高手专家交流,多总结,将好的思路好的流程用轻量化的信息系统进行实现,一方面可以降低因为人员水平问题导致的管理水平的不一致,一方面可以极大的提高人效,为公司节约费用。我们不能以忙碌来代替思想上的懒惰,多看多交流多思考,一定比埋头苦干来的更有效果。 作为数据工作者,不能将眼光仅仅局限于报表怎么做,数据怎么获取,逻辑怎么写。这些工作是作为每一个数据工作者的必备条件。我做这一行,最深刻的体会就是数据现在大家都在说,报表大家也都在做,但是有多少是能够量化的,有多少是真正解决业务问题的?通过上述说的吊牌模板、订货会项目等,我还做了很多其他类似项目,例如快递单打印模板、设计-技术-生产协同工作填报类报表等,这些工作不一定很难,但是其实可以解决公司内的不少问题,而且是非常轻量的解决了问题。 让数据服务于业务,这将是我数据之路上永远追求的真谛!

发表于 2021-1-5 17:17:44
4
大众评审看完想说:感谢您分享的故事!有方向就努力往前走,不仅收获成功,也收获了阅历,加油,追梦人!
参与人数 +1 贡献 +1 F币 +1 理由

查看全部评分

使用道具 举报

发表于 2021-1-5 18:15:42
4
大众评审看完想说:感谢您分享的故事!能够给业务带来价值,才会得到领导认可。你的案例都是很接地气的,期待详细的分享。

使用道具 举报

发表于 2021-1-5 18:29:50
4
大众评审看完想说:在工作中能够用最简单的方法解决问题,而不是对外的报表数量,让数据服务业务没让数据成为生产力,加油

使用道具 举报

发表于 2021-1-5 23:35:48
4
大众评审看完想说:信息化最终都将服务于业务,你应该很高高,你找到了努力的方向,加油!

使用道具 举报

发表于 2021-1-6 09:08:01
4
大众评审看完想说:帆软不仅与数据紧密相连,更是能和系统上的业务息息相关,能用帆软开发实际解决问题的功能是非常不错的

使用道具 举报

发表于 2021-1-7 10:20:58
4
大众评审看完想说:能把握住数据应用的场景化,数据价值很能体现,有了成功的案例,数据工作也会很容易的开展,但还是需要注意,数据服务于业务。加油吧~~
参与人数 +1 贡献 +3 F币 +3 理由

查看全部评分

使用道具 举报

发表于 2021-1-7 15:38:24
4
大众评审看完想说:不管做多少报表,能解决问题的才是有价值的报表,才能体现数据的价值,受教了。
参与人数 +1 贡献 +2 F币 +2 理由

查看全部评分

使用道具 举报

发表于 2021-1-7 17:29:28
4
大众评审看完想说:感谢您分享的故事!故事虽短但却如余音绕梁,让人回味。坚持自己的道路吧,加油,追梦人!

使用道具 举报

发表于 2021-1-8 02:52:45
4
大众评审看完想说:感谢您分享的故事!我从您的故事中看到了坚持的力量

使用道具 举报

发表于 2021-1-8 11:36:47
4
大众评审看完想说:数据服务于业务,数据产生生产力,加油

使用道具 举报

发表于 2021-1-8 12:54:04
4
大众评审看完想说:面对瓶颈,能够不断思考进取,实现升华,很受启发
参与人数 +1 贡献 +1 F币 +1 理由

查看全部评分

使用道具 举报

发表于 2021-1-8 17:44:46
4

大众评审看完想说:信息化最终都将服务于业务,有方向就努力往前走,不仅收获成功,也收获了阅历,加油,数据追梦人!!!
参与人数 +1 贡献 +1 F币 +1 理由

查看全部评分

使用道具 举报

发表于 2021-1-9 15:53:44
4

大众评审看完想说: 让数据服务于业务,从一个IT口中说出这样的一句话,不容易。但也是真理。继续加油!
参与人数 +1 贡献 +1 F币 +1 理由

查看全部评分

使用道具 举报

发表于 2021-1-9 21:21:40
4
大众评审看完想说:有想法才能有创新,成就感满满。

使用道具 举报

发表于 2021-1-9 23:32:42
4

大众评审看完想说:自己第一家使用帆软的公司也是服装行业的,之前做过订货会的服装初选,所以看了楼主文章勾起了点回忆,非常认同楼主的一句话,人肯定比机器聪明,但机器往往比人更效率,可以看下机器学习,作为知识扩充
参与人数 +1 贡献 +1 F币 +1 理由

查看全部评分

使用道具 举报

发表于 2021-1-10 10:30:54
4
大众评审看完想说:真正让数据服务业务的数据工作者,从故事中可以看出您是好奇心强、执行力强的人,

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

联系社区管理员|联系帆软|《帆软社区协议》|手机版|帆软社区|Copyright © 帆软软件有限公司 ( 苏ICP备18065767号-7 )

GMT+8, 2023-2-4 05:04 , Processed in 0.135794 second(s), 79 queries , Gzip On.

返回顶部 返回列表