藍(lán)字可關(guān)注并標(biāo)星

隨著數(shù)字化技術(shù)的快速發(fā)展，數(shù)據(jù)的作用正在不斷凸顯。但是，很多企業(yè)由于處在數(shù)字化轉(zhuǎn)型的初步階段，數(shù)據(jù)基礎(chǔ)薄弱，所以對數(shù)據(jù)分析與可視化對于業(yè)務(wù)有什么實際價值，仍然不是很清晰，提升數(shù)據(jù)分析能力的意愿也并不強烈。

對于某制造企業(yè)來說，情況也是如此，在漫長的歷史時期內(nèi)，該企業(yè)都是通過手工報表的形式來提交、處理數(shù)據(jù)，后來，其部署了DataHunter的敏捷數(shù)據(jù)分析解決方案。下面，我們就通過該企業(yè)的數(shù)字化實踐，讓大家管窺數(shù)據(jù)分析與可視化的價值所在。

數(shù)據(jù)分析讓產(chǎn)品生產(chǎn)效率更高

在制造行業(yè)，生產(chǎn)效率的重要性不言而喻，其直接與企業(yè)的產(chǎn)值、利潤、競爭力掛鉤。該企業(yè)在致力于提升生產(chǎn)效率的過程中發(fā)現(xiàn)，當(dāng)前生產(chǎn)車間存在的一個顯著問題是，不同車間、小組、工人的生產(chǎn)效率、材料損耗、產(chǎn)品良率都存在相當(dāng)大的差別，例如，有些車間在生產(chǎn)條件類似的前提下，產(chǎn)品良率上明顯偏低，或是材料損耗率顯著偏高，這顯然會給生產(chǎn)帶來很大的負(fù)面影響。

要解決這個問題，一般可以采取兩種方式，第一種方式是使用大量的人力進(jìn)行監(jiān)督，或是部署攝像頭來進(jìn)行監(jiān)管，但這樣不僅會帶來巨大的成本損耗，而且可能還會損傷員工關(guān)系，不利于企業(yè)文化的培育；第二種方式是采取嚴(yán)格、明確的獎懲措施，以獎勵先進(jìn)、鼓勵后進(jìn)，其按周提交的數(shù)據(jù)報表有助于解決這個問題。

但是，數(shù)據(jù)報表存在的一個顯著問題在于，其數(shù)據(jù)統(tǒng)計的細(xì)粒度不夠，而且很難對于不同數(shù)據(jù)進(jìn)行關(guān)聯(lián)分析。例如，在發(fā)現(xiàn)某一周某車間的生產(chǎn)效率明顯下降之后，很難通過數(shù)據(jù)報表找出原因是因為員工效率下降、產(chǎn)線調(diào)整還是其它什么原因。而且，這些數(shù)據(jù)報表沒法做到實時生成與變動，管理者總是處于被動的等待數(shù)據(jù)的狀態(tài)。

通過部署Data Analytics 數(shù)據(jù)分析平臺,這一問題得到了有效解決，Data Analytics不僅能夠?qū)崟r展示生產(chǎn)中的各項數(shù)據(jù)，還支持智能推薦圖形、圖表協(xié)同過濾、全維度數(shù)據(jù)鉆取等探索式分析功能，從而精準(zhǔn)地定位問題的所在。

例如，該企業(yè)在發(fā)現(xiàn)某天生產(chǎn)效率顯著偏低，之后，通過數(shù)據(jù)的下鉆，發(fā)現(xiàn)是某一生產(chǎn)小組生產(chǎn)狀況異常，導(dǎo)致整個產(chǎn)線都受到影響。進(jìn)一步分析發(fā)現(xiàn)，是因為某關(guān)鍵材料的供貨不足，在發(fā)現(xiàn)這個問題之后，該企業(yè)迅速調(diào)整了生產(chǎn)計劃，讓這個本來可能需要耗費一周才能解決的問題在一天之內(nèi)得到了解決。

數(shù)據(jù)整合讓企業(yè)管理更加科學(xué)

除了生產(chǎn)問題之外，管理也是該企業(yè)非常關(guān)注的核心問題，該季度財務(wù)收支情況如何？市場經(jīng)費都花在了什么地方？哪個員工這個月績效最好？員工這個月的入職和離職情況是什么樣的……這些問題雖然看起來不是什么大事，但是卻會對企業(yè)的管理帶來巨大的影響。

但在相當(dāng)長的一段時間內(nèi)，該企業(yè)在管理決策方面都是出于“拍腦袋”的狀態(tài)。雖然財務(wù)、人力各個部門也會提交一些表單，但是這些表單基本都是按照各個應(yīng)用系統(tǒng)來劃分的，比如ERP系統(tǒng)一個表、OA系統(tǒng)一個表，MES系統(tǒng)一個表……這些表的數(shù)據(jù)太過瑣碎，管理者由于時間與精力有限，基本不可能認(rèn)真閱讀每一個表單。

針對以上問題，DataHunter 首先通過數(shù)據(jù)服務(wù)，幫助該企業(yè)打通了各個應(yīng)用系統(tǒng)的數(shù)據(jù)孤島，將這些數(shù)據(jù)整合到統(tǒng)一的數(shù)據(jù)倉庫之中。隨后，DataHunter 幫助該企業(yè)建立了財務(wù)、人力等各個數(shù)據(jù)看板，將各類的數(shù)據(jù)報表都整合在一起，動動手指即可進(jìn)行相互切換，不僅節(jié)省了時間，而且還可以實現(xiàn)不同數(shù)據(jù)的關(guān)聯(lián)分析，決策也變得更加科學(xué)。

例如，在某段時間，該企業(yè)通過Data Analytics發(fā)現(xiàn)公司的離職率在短期內(nèi)快速升高，在進(jìn)行數(shù)據(jù)下鉆之后，發(fā)現(xiàn)是某生產(chǎn)創(chuàng)新部門的人員有了大量流失。繼而，該企業(yè)對于人力資源數(shù)據(jù)與財務(wù)數(shù)據(jù)、外部數(shù)據(jù)進(jìn)行了聯(lián)動分析，發(fā)現(xiàn)在這段時間內(nèi)，市場對于該類型人才的需求量大增，市場平均薪資已經(jīng)大幅高于該部門人均薪資。為此，其緊急提高了工資與福利水平，避免了人才的持續(xù)流失。

數(shù)據(jù)可視化讓品牌形象得到顯著提升

作為一家省級制造企業(yè)，該企業(yè)設(shè)立在某工業(yè)園區(qū)內(nèi)，并正在向政府引導(dǎo)的最新產(chǎn)品與業(yè)態(tài)進(jìn)行轉(zhuǎn)移。該企業(yè)希望能夠充分展現(xiàn)自身的發(fā)展成果，這樣不僅有利于提升品牌形象，還有利于獲得政府、園區(qū)、投資方的更多支持。

在過去，該企業(yè)展示發(fā)展成果的方式非常傳統(tǒng)，即通過PPT、文字材料，以及口頭匯報的方式來進(jìn)行。這些資料雖然很容易獲取，但是也存在一個顯著的問題，那就是視覺沖擊力不夠，也不夠直觀，很難讓領(lǐng)導(dǎo)或是外部人員產(chǎn)生深刻印象，展示效果也就大打折扣了。

為此，該企業(yè)將Data Analytics 數(shù)據(jù)分析平臺與Data MAX 數(shù)據(jù)大屏展示工具進(jìn)行了打通，將Data Analytics 分析的數(shù)據(jù)圖表投射在公司會議室、展會的大屏上。這些數(shù)據(jù)圖表擁有著酷炫的視覺效果，而且處于動態(tài)變動之中，可以直觀、清晰地展現(xiàn)當(dāng)前企業(yè)的銷售額、用戶量、業(yè)務(wù)全國分布、競爭力等發(fā)展成果。

在某重要展會中，該企業(yè)成功借助該套系統(tǒng)完成了面向領(lǐng)導(dǎo)的成果匯報，以及面向公眾的品牌展示工作，獲得了企業(yè)上下的一致肯定。

敏捷數(shù)據(jù)分析讓IT部門得到“解放”

在前面我們提到，該企業(yè)之前主要是通過報表的方式支撐業(yè)務(wù)數(shù)據(jù)的采集與分析。由于該企業(yè)IT部門規(guī)模不大，而且還負(fù)責(zé)著網(wǎng)絡(luò)運維、IT設(shè)備采購等主要任務(wù)，所以數(shù)據(jù)報表的制作經(jīng)常給IT人員帶來額外的工作。特別是在月末、季度末等需要進(jìn)行匯報的時候，繁雜的數(shù)據(jù)統(tǒng)計與報表制作事項讓IT部門的加班成為常事。

該企業(yè)處于數(shù)字化轉(zhuǎn)型的關(guān)鍵階段，管理層也制定了相應(yīng)的人工智能、大數(shù)據(jù)等創(chuàng)新技術(shù)應(yīng)用規(guī)劃，各種新型的應(yīng)用系統(tǒng)也紛紛等待上線。但是由于被數(shù)據(jù)報表的低效工作束縛，IT部門無法做到“輕裝上陣”，很難有精力投入到真正有創(chuàng)新性、前瞻性的IT創(chuàng)新之中，數(shù)字化能力無法充分賦能企業(yè)發(fā)展。

在Data Analytics 數(shù)據(jù)分析平臺部署之后，這一問題迎刃而解。IT人員只需要將數(shù)據(jù)庫接入到Data Analytics 之中，在根據(jù)業(yè)務(wù)需要配置好數(shù)據(jù)看板之后，該系統(tǒng)就能根據(jù)業(yè)務(wù)數(shù)據(jù)實時地進(jìn)行分析并生成相關(guān)的數(shù)據(jù)報表，根據(jù)其內(nèi)部測算，數(shù)據(jù)分析的工作負(fù)荷由此降低了數(shù)倍。在IT人員的生產(chǎn)力得到解放之后，其可以將更多的精力投入到業(yè)務(wù)創(chuàng)新等真正有價值的地方。

第219篇 數(shù)據(jù)分析展示就用DataHunter

－End－

關(guān)于DataHunter

DataHunter 是一家專業(yè)的數(shù)據(jù)分析和商業(yè)智能服務(wù)提供商，注冊于2014年。團(tuán)隊核心成員來自IBM、Oracle、SAP等知名公司，深耕大數(shù)據(jù)分析領(lǐng)域，具有十余年豐富的企業(yè)服務(wù)經(jīng)驗。

DataHunter 旗下核心產(chǎn)品智能數(shù)據(jù)分析平臺Data Analytics、數(shù)據(jù)大屏設(shè)計配置工具Data MAX已在業(yè)內(nèi)形成自己的獨特優(yōu)勢，并在各行業(yè)積累了眾多標(biāo)桿客戶和成功案例。

成立以來，DataHunter就致力于為客戶提供實時、高效、智能的數(shù)據(jù)分析展示解決方案，幫助企業(yè)查看分析數(shù)據(jù)并改進(jìn)業(yè)務(wù)，成為最值得信賴的數(shù)據(jù)業(yè)務(wù)公司。