【2024数据生产力大赛-数字人才-周大生电商：从0到1落地FineBI自助分析数字人才建设赋能经营决策】
一、企业简介
周大生珠宝作为中高端钻石珠宝市场领军品牌，2023年业绩瞩目，营收增长46.52%至162.9亿。电商业务突出，营收占比15.4%，同比增长62.25%，超越线
下直营渠道。公司注重融合发展、高效运营、深度营销和数字赋能，连续13年获“中国500最具价值品牌”，品牌价值从2018年376.85亿升至2023年867.72亿。
为提升品牌影响力，周大生构建多元化媒介的立体式品牌营销传播体系，通过持续、脉冲、矩阵式广告投放策略覆盖目标群体。公司积极推进数字化战略，在数字研发、营销、共享、运营等领域提供先进数字化解决方案，赋能终端销售。
周大生凭借卓越业绩和稳健发展赢得广泛认可，荣获多项荣誉，包括2024年“中国品牌500强”、“中国500最具价值品牌”、罗湖区纳税百强企业等，再次印证其在珠宝行业的卓越地位。
(数据来源：周大生(002867)_公司公告_周大生：2023年年度报告新浪财经_新浪网 (sina.com.cn))
二、管理需求和挑战
当前，科技革命和产业变革重塑全球经济，数字化浪潮席卷。云计算、大数据、人工智能等新技术在各行业加速应用，推动生产、业务和管理变革。
数字化已上升为国家战略，我国重视数字经济，加快数字化进程，推动传统产业转型，培育数字产业，构建数字社会、政府。
第十三届中国珠宝产业发展大会暨数字化创新论坛将在深圳召开，强调数字机遇与产业转型的重要性，发布珠宝产业发展报告。水贝是全国重要的珠宝产业集聚区。珠宝企业数字化转型需技术与业务融合，但复合型人才匮乏。预计到2025年，我国数字化人才缺口巨大。建立数字化人才体系是关键。
企业需拥抱数字化转型，周大生作为珠宝企业，面临数据增长和分析挑战，需寻求数字化人才支持。企业数字化转型是市场竞争的关键。
在2022年8月，我有幸加入了周大生电商业务-互联天下这个大家庭，担任经管副负责人的职务。甫一入职，我观察到经管部门的分析人员正陷入繁琐的数据处理困境中：他们频繁地利用EXCEL制作经营分析月报、季报、半年报和年报，每份报表都需要运用多个VBA组件，使得报表体量接近惊人30MB。更令人头疼的是，数据源分散地存放于不同分析人员的Excel明细表中，这无疑增加了数据处理与分析的难度。难道一份经营分析报告的制作，真的需要如此复杂和艰难吗？
带着对这一问题的深入思考，我凭借着对FineBI功能的深入了解和上一家企业蜜蜂互联FineBI推广建设的实战经验，以及FineBI功能测试结果显示，FineBI能够大幅提升数据处理与分析的效率与准确性。于是，我毫不犹豫地启动了FineBI部署立项申请，并着手规划如何从零开始，逐步落地FineBI自助分析，旨在培养数字人才并赋能经营决策。
三、如何规划FineBI自助分析数字人才建设赋能经营决策？
1、引入BI价值愿景预期
先给大家分享一张图片，润米咨询刘润老师分享的一个逻辑，如果我们业务的每个环节提升1%的话，那么365天之后业务将提升37倍。这是一个很大的愿景，但从企业数据应用的角度出发，其实就是围绕数据从数据的视角、结构的视角去挖掘业务的增量机会，通过各个环节持续性的业务增量突破，去带动整体企业的经营增长。这也是我们最初决定搭建BI平台的原因，希望通过BI去赋能业务洞察与突破。通过数据去找到流量的入口，去提升线上整体运营能力。
2、BI平台定位
我们究竟要用FineBI来实现怎样的企业数智赋能业务的价值场景。是仅仅是一个更便捷的数据分析工具，还是一个更敏捷的数智平台？听了刘润老师的增长模型理论，以及如下图表所示的《FineBI平台建设团队（成员/人数）数字建设团队优势分析》，并得出了可行的BI平台建设模式：自助型BI→报表体系→智能型BI。让我更坚信应该朝着数智平台的方向发展，而非数据分析工具的方向建设。
而一家GMV50亿的珠宝电商企业，应该可以用FineBI落地的数智场景是怎样的呢？“毛利率下降异常预警”的视频告诉我，有三个层级角色是推动数智场景落地的核心，对应到我们企业的三个角色分别是业务负责人、经管负责人、经管数据分析师，而当时无一人会FineBI,但经管本身沉淀了很多周期性的报表是用EXCEL输出的，那么实操带教FineBI，上线经营分析周期性报表体系，是提升赋能经营决策价值路径的关键。
3、三层角色人才建设
BI应用的过程中，如果我们希望正反馈有效的循环起来，我们会发现涉及到三个关键的角色层级：
- 业务领导：总览业务概况，把控业务方向。
- 业务部门负责人：管理业务推进节奏，把控业务进展。
- 部门数据分析师：进行数据的整合分析，为管理层决策提供有效支撑。
4、BI平台建设阶段规划
BI平台的建设就是要打通这三个角色间的信息传递，而我们也能明显的感觉到实际过程中首先需要的是自下而上把第三层做扎实，培养内部的数据分析师人才，能够真正运用数据去洞察业务问题，并将问题暴露出来作为业务改善的动力。从这个角度，我们去规划了BI建设的四个阶段：
【小插曲】为什么数字顺序是混乱的？
因为最开始的时候我们走了一些弯路，那现在回过头来看，这四个步骤依次遍是：数据标准>>经营分析报表>>业务自助分析>>多场景智能决策。
我稍微介绍下这四个阶段：
- 数据标准：数据是整个BI建设的核心，然而大部分情况下，企业很难做到等数据完全标准化之后再开始分析，更多时候当我们开始考虑上BI项目的时候，我们的数据还远远没有完善起来。这一点上我的看法是，“不求一步到位，但要足够重视”，如果期望数据完全建好再搞BI，那我们基本很难把BI项目在内部落地下去，实际情况是我们只需要保证基础的业务数据流完整之后就可以开始建设BI了，而本身BI的建设过程也是倒逼我们优化数据的过程，所以第二点，我们要足够重视，数据标准从BI项目初期就要开始设计进去，过程中不断的迭代优化。
- 分析报表：初期内部人员能力可能比较有限，大家精力也比较吃紧，这种情况下，建议我们先完成经营分析报表的自动化，从上到下的逻辑，先把企业的“大数”呈现出来，一是让领导能够随时随地的看到这些经营数据，而是讲我们的分析人员从这个工作中解放出来，为下一步的自助分析做准备。
- 自助分析：报表的分析体系搭建完成之后，下一步我们就可以进入业务的自助分析培训了，因为真正能打通各个业务环节，让业务转起来不是“大数”，而是一个个环节的业务突破，这些业务突破需要我们业务人员的业务直觉加上对数据的敏感度，业务直觉我们已经具备了，随之而来的就是通过工具的培训不断提高大家的数据敏感度，让用户逐渐习惯通过数据理解业务改善业务。
- 数据决策：最后一个环节也是我们BI建设的目标，便是让数据的应用渗透到各个业务环节当中，真正实现各个业务环节的数据自动化，决策智能化。
5、BI建设价值的衡量指标
有了规划下一步就是如何定义指标来衡量我们BI平台建设的成效，我从如下图表所示《帆软标杆案例及成功项目时间经验中找确定性的规划及目标》，借鉴总结了三层指标：
- 业务分析次数：最核心的指标，我们的分析看板出来了，是不是真的有支撑业务应用，首先我们关注的是这个指标，反映到数据上，我们通过月度的访问次数、访问人数以及访问的仪表板数三个指标进行综合衡量。
- 数据分析师人数：进一步，我们会关注人才培养的数量，企业当前的数据分析师人才有多少，这是面向未来的价值，我们通过活跃的编辑用户数来进行衡量。
- 人工成本降低值：第三点我们回归到最直接的价值体现上面，就是对于人工成本的节省，这是价值的底线，但也是保底价值。
四、高效推进：FineBI私有化部署6.0成功上线
经过深入对比FineBI、Power BI、Tableau、QlikView等数据分析工具的应用场景，我们最终选择FineBI作为主要面向数据分析员使用的数据分析工具。FineBI以其低学习成本、低运维成本以及快速上手的特点，成为实现经营分析报表的理想之选。凭借我个人独立落地FineBI私有化部署上线以及业务人员FineBI自助分析搭建分析报表的成功项目经验，我们主负责的项目落地效益确定性得以大幅提升。
经过对项目落地可行性的全面评估与规划，我们深入探索并找到实现最佳效果的路径，成功获得周大生首席信息官罗总对FineBI选型及项目立项的认可。在项目执行过程中，项目经理积极承担起应用场景内测、部门内部培训、立项申请、服务商商务洽谈、BI工具选型、服务器选型、采购合同修订等一系列关键任务，并成功推进了FineBI私有化部署、性能测试方案、数据及账号准备等关键环节。同时，我们与团队紧密协作，完成了移动端集成、功能测试、6.0版本升级、产品培训以及项目验收等全流程工作。
值得一提的是，我们以远低于市场四倍的人力成本，高效保质地完成了项目的105项任务，充分展现了卓越的项目管理能力和执行效率。以下任务进度甘特图清晰地展示了项目各阶段的进展情况，为我们顺利推进项目提供了有力支持。
五、如何快速完成数据体系与人员能力体系的构建？
内部BI推广的过程中我们实现了两个运营目标——1.一周上手FineBI；2.两周上线看板。这对于我们不管是人才培养还是效率提升都是非常颠覆性的变化，所以针对我们如何做到这两点的可以给大家分享一下。
1、0到1一周上手FineBI
我们设计安排了一周的实操培训，每天都有任务，每天有不同的环节，那具体的环节板块待会给大家任务展现。整个培训一周就是五天的实操培训，分成了四个板块。基于这四个能力项的设计，我们编制了一个用户课程的清单，如果用户想学习FInebi，我们就安排他把这样的一个周度流程学完。
这里稍微强调一下，第一天很关键，因为第一印象是很关键的，第一天我们就让他感受到一个最直接的价值、就能帮他去完成一个小的分析模型的输出，那用户的成就感是非常高的，这样才能让用户更好的留存下来。
还有个点，是用户培训这里可以给大家分享的，就是激励，用户为什么要学BI，除了自身的工作需要之外，我们也要让大家感受到学BI本身对他的职业发展是有帮助的，这个点上我们是借助帆软的FCBP考试认证来做的，通过这种等级考试证书的方式，让大家感觉得BI学了不仅仅对当下有用，对自己未来的发展都是会有持续增益的。
2、0到1两周上线经营分析月报，公司经营月会从15日提前至8日，简化经营分析，直观呈现数据亮点与问题，提高了经营决策支持效率不少于50%。
之前一份经营分析报告是要用多个VBA组件，四个表拼起来，体量近30MB/一份报表，要在经营会上去做相应的分析跟讲解。
现在就直接一张仪表板，把我们的分析报表呈现是全自动的，我们只需要简单的调整分析结论，同时因为有对应的联动和钻取，大家也能更深刻的感受到你讲的是什么，对应的数据是什么，很直观呈现出哪里有问题。
3、两周上线产品销售分析、消费者销售及画像分析、产品竞店分析报告，半年完成经营分析报表体系95%上线，报表月均访问7000，提高企业经营决策赋能效率不少于50%。
为了实现对“人-货-场”零售分析的全面结构性呈现，我们精心组织了产品分析模块、消费者分析模块、经营销售分析模块的数据分析师实操带教，引领他们从零开始掌握FineBI技能。半年内，我们顺利完成了产品销售分析、消费者销售及画像分析、产品竞店分析报告的上线工作，极大地增强了企业经营决策的赋能能力。
此外，我也为大家展示了我们相关分析看板上线的历程图。从中可以看出，我们目前看板上线的效率稳定地保持在每两周一个新主题的速度上。那么，我们究竟是如何实现平均两周上线一个分析主题的高效运作的呢？
（1）上线排期标准化，提升开发效率与协同能力
首先的话为了提高开发效率，我们去输出了一份报表的整个的明细排期的标准，实际工作中我们便是按照这个详细的标准进行培训和落地，从一开始的培训就介入，作为我们人员间协同的一个标准流程，每次需求到时间节点了需要推进下一步事情都清晰明了，大家需求的对接就按照这个来做。
（2）数据流程优化与三层业务包建模，提升报表开发上线效率
那第二块我们做的是数据层面的流程优化，一方面是提报的数据需求，另一方面是业务包搭建的逻辑结构，这两部分都会影响我们报表开发上线的效率，所以流程上这两部分我们也做了明确的优化分工。
上面是数据需求的流程，我们制定了明确的路径规划，同时也结合进了业务包建模的方法，将业务包分为三层：第一层的话是原始层，第二层是基础层，第三层是分析层，最右边就是我们结合自己的业务在三层架构下建立的业务包结构，这样我们在需要取用数据的时候能够明确的知道那些数据适合去什么地方找，怎么应用。
在BI数据标准体系建设中，我们成功打造了高效的数据字典和全链路清单表，极大地提升了数据管理的规范性和可用性。同时，我们推动了跨部门协同推进数据应用，有效增强了业务的可视化程度和数据驱动决策的能力。此外，我们还采用了先进的数仓分层设计理念，优化了数据的结构和存储方式。最重要的是，我们始终坚持持续优化的数据管理原则，输出和落地如下图示的《数智组工作规范》，加强了数据标准的制定与推行，为后续的数据管理与应用工作奠定了坚实的基础。
（3）实操培训全覆盖，多元学习策略助力能力跃升，协作效率显著提升
另外的话是我们组织了分析师的一个实操培训，整个公司 100% 的管理人员以及 40% 的职能人员都参与了这个实操培训。然后与此同时的话还有两个策略，让他自己去学习提高能力，一个是让他去参与帆软每个月的城市课堂，还有一块是每一周去做相应的一个直播培训。所有的这些都是为了拉通大家协作的流程效率，这个事情推起来后我们能够明显感知到部门间的磕碰的情况少了，整个需求对接的流程效率提高了非常多。
六、FineBI平台赋能业务自助数据分析效率提升显著
2023年，周大生珠宝电商基于FineBI平台，构建了业务导向的自助数据分析体系。至11月，已发布5个分析主题，提供55份周期性报告。用户高频使用平台，其中25个BI设计者账号月均分析/编辑频次达3101次，环比增30.09%。另有20位成长为BI分析师。
在数据处理方面，24个设计者账号月均处理OLAP数据集864次，环比增107%。已构建2109个公共OLAP数据集，促进数据统一与共享。
我们培养了20位以上数据分析师，覆盖率达83.3%，期待明年更大突破。分析师们依托平台，构建了上千个业务分析自助数据集，覆盖经营管理、渠道分析、消费者运营及天猫业务等领域。
业务月均即时分析增至3101次，日均103次，节省5份报告工作量，减少6名报表开发人员，年节省人力成本72万元。经营分析报表上线率95%，月均访问量7000次，内容受关注。此举解决了业务问题，提升了决策效率，赋能效应达50%。
FineBI设计者账号使用活跃情况：25个账号全满额使用；20个账号成长为BI分析师；月均分析/编辑次数达3101次，月均环比增长率30.09%；FineBI系统24个设计者账号OLAP数据集处理月均864次，月均环比增长率107%；有2109个公共OLAP数据集，为分析数据的统一与分享应用奠定初步基础。
FineBI系统24个设计者账号功能使用价值深度情况：功能价值100%使用的账号占比超过65.22%（功能价值100%使用标准：在每周行为中，有查看和编辑行为次数，且有保留分析模板和数据集数量，用于固定周期性报告的仪表板数量及其数据集的数量是观察重点）。
详情请见如下图所示《2023年周大生互联FineBI系统使用分析》
周大生互联FineBI-24个设计者账号，20个成长为BI分析师，BI分析师成长覆盖率83.3%。
周大生互联FineBI-5个分析主题，55份周期性报表； 周大生互联FineBI-2109个分析数据集/表
七、数字人才建设价值总结
 
最后简单做一个总结，上线BI平台，我们感受到的比较明显的四个价值：
- 数据获取：实现了数据的自动取用，以前我们要提需求给IT部门，现在数据已经在BI上汇总好了，需要那个数据自己上去取就可以。
- 数据控制：数据的安全管控其实以前是个比较痛的点，excel满天飞我们也很难管控的数据的权限，那现在基于公共数据的这种管理模式，我们实现了数据权限的全链路管理。
- 报表设计：这里想提一下帆软的协作能力，真的是极大地提高我们人员间的配合效率。
- 最后就是一个比较大的点，也就是我们组织对这一块的认可度比较高的，就是经营分析效率。因为BI它可以很快速的去实现相关组件的联动和钻取，所以实际上我们分析数据问题的时候效率有了很大的提升。以前用excel是结果数据，发现了问题我们人员要去透视表里重新定位，现在可以直接基于看板联动定位，这样我们就可以沉淀一些深度的分析应用在BI上面，管理层甚至可以自己去分析一些关注的业务问题。
然后从这个整个的人效跟工作模式的变化上我画了一个图来做总结，可能说我们业务部门的分析工作从原来 80% 的时间花在数据处理上，而且是重复性的数据处理，转变成了 85% 的时间是用于报表的模型设计以及经营分析的业务洞察，这个是对我们来做最大的转变。
VS标杆案例成果-FineBI自助分析数字人才建设赋能经营决策
VS数字人才价值
VS数字人才建设
八、帆软助我成长蜕变
我是ENTJ型人格，始终将目标作为前行的灯塔，勇敢且坚定地迈向未来。在新零售运营增长、数智产品运营及团队管理等领域，我积累了丰富的实战经验。然而，在与帆软结识之前，我因非科班出身在数智建设道路上曾一度迷失方向，感到迷茫与失落。幸运的是，在2021年那个关键的时刻，我迈出了学习FineBI的勇敢一步，也结识了帆软众多优秀的伙伴。我还尝试使用了FineReport、FineDateLink、FineOPS、简道云、E数通等一系列产品，这一系列的体验让我更加坚信：只要业务团队具备敏锐的数据运营思维，并在科学有效的管理建设体系下，充分利用帆软这一强大的工具，我们必将迅速实现赋能经营决策的目标，为企业的蓬勃发展贡献力量。
在此，我要由衷地感谢帆软平台给予我这次难得的参赛机会，让我有机会将自己在数智建设领域的经验分享给更多志同道合的人。这段宝贵的经历对我而言意义非凡，它让我重新认识了自己，也让我看到了与帆软携手共创美好未来的无限可能。展望未来，我满怀激情与期待，与帆软并肩作战，共同书写更多成功与辉煌的篇章，为数智化时代的繁荣发展贡献我们的智慧与力量。
| 
