摘要：在制造业中，随着市场竞争的加剧和客户需求的日益多样化，企业面临着前所未有的挑战。如何高效地利用和解析庞杂的数据资源，以支持业务决策，成为制约行业发展的重要因素。

帆软案例

本次项目案例由帆软投递并参与“数据猿年度金猿策划活动——2024大数据产业年度创新服务企业榜单/奖项”评选。

在制造业中，随着市场竞争的加剧和客户需求的日益多样化，企业面临着前所未有的挑战。如何高效地利用和解析庞杂的数据资源，以支持业务决策，成为制约行业发展的重要因素。

时间周期：

项目开始时间：2023年1月

中间重要时间节点：2023年7月

项目完结时间：2024年初

场景一：计划与运营指标墙

问题：计划与运营中台在企业中扮演着重要的角色，用户需要根据企业战略目标和市场环境，制定长期/短期计划，协调各部门资源，确保计划的有效执行，并根据其他业务的反馈（如产能情况、交付风险等）持续调整计划。

在此过程中，用户需要整合来自不同部门/系统的数据，对数据进行深度分析。随着企业规模的扩大和业务的复杂化，传统的人工处理方式已经难以满足快速决策需求，亟需将各部门的关键指标集中展示，形成指标墙，帮助用户了解业务状况，及时发现潜在风险和问题，快速跟进并解决。

解决方式：运营指标墙：将计划与运营涉及的关键指标集中整合在一起，按照不同分类（LCD/OLED/智慧终端）区分展示。

红绿灯预警：针对每个运营指标均设置了不同的监控阈值，将指标实际数值与阈值进行对比，按照不同颜色呈现指标状态。

场景价值：将计划与运营关键指标整合在一起，节省了用户收集数据、跨部门沟通、手工整合数据时间，平均周期从2周缩短至1天；指标红绿灯预警机制，提前将异常指标高亮突出，节省了用户核对数据时间，问题定位周期从1周缩短至1h。

场景二：工厂对标分析

问题：随着市场竞争的加剧和成本控制的压力增大，如何在确保生产安全的前提下，进一步提升生产效率、降低运营成本，成为各工厂面临的重要挑战。

BOE作为一个拥有多工厂的企业，跨工厂的数据比较分析显得尤为关键，通过对标分析，企业能够实现不同工厂之间的信息共享，从而促进最佳实践和经验教训的传播。然而，不同工厂间仍然存在数据不互通、不共享的情况，即使工厂内部已经实现了数字化管理，但不同工厂间的数据仍然无法有效整合和对比，导致对标分析难以进行。

解决方式：借助数据中台将不同工厂的数据进行统一整合和转换，针对同一指标制定相同的指标标准，搭建工厂对标分析平台，助力业务实现工厂对标分析

场景价值：实现了各工厂之间信息共享，帮助工厂之间进行对比分析，快速找出生产过程中的瓶颈和低效环节，效率提升预计50%。同时，对标分析可以帮助用户发现物料使用上的不合理之处和成本节约的潜力，识别出产品质量问题的根源，并采取相应的改进措施，直接降低了不良品率和生产成本。

京东方作为制造业显示产品龙头企业，在信息化建设过程中建立了ERP、MES、APS、MRP、FGMS、MI等诸多系统，但这些系统产生的数据并没有发挥出应有的价值，具体问题如下：

数据分散：京东方在生产运营过程中积累了很多数据，数据种类繁多，包括设备运行状态、产出实绩、产品质检结果、不良率等生产类数据，财务、人力、采购、销售等管理运营类数据，同时还有市场需求、行业趋势、竞争对手等外部市场类数据，这些数据分散在多个系统中，难以统一管理和分析。

口径不一：针对同一指标，不同部门或团队存在不同定义和解读，有可能同一指标来自不同数据源，不同的数据源在数据质量、数据结构、更新频率等方面均存在差异，导致同一指标反映出的业务现象不一致，影响用户对业务状况的全面了解和准确判断，导致决策效率低下，甚至误导决策。

数据应用难：很多用户习惯于使用纸质报告或电子表格进行数据呈现和业务决策，业务系统产生的数据与业务之间无法形成合合力。同时，由于IT/业务人员本身缺少数据分析思维，当前建设的很多报表均为描述型报表，诊断型、预测型甚至指导型报表少之又少，无法与业务场景深度融合，发挥数据价值。

在数字化转型的大背景下，BOE针对公司内部存在的困局和痛点，以“聚焦业务”为核心，从以下四个层面实现企业内部整体的价值化转型。

1. 打破数据壁垒，实现数据融合：

搭建数据仓库，将业务系统数据、外部数据、手工填报数据等统一汇聚至ODS层，在此基础进行加工，建立通用模型与指标计算模型，在最上层集市层面向业务场景进行建模，支撑上层PC和移动端应用，本次项目总计完成200+模型设计和建模，实现了数据自动化融合，提升了数据处理和应用的效率与准确性。

2. 规范指标标准：

指标口径不一、缺乏统一管理会导致指标错误理解、不同团队拉通困难、重复设计、重发开发建设等问题。针对这种现象，项目组规范了指标命名规则、定义规则，同时对指标属性进行了标准化建设，如下图所示。另外，设立指标owner，统筹拉通指标口径。本次项目总计拉通指标257个，涉及产销、SBU、库存、供应链等多个主题。

3. 搭建指标体系&分析体系，实现全景洞察：

借助平衡记分卡、价值树拆解等方法从战略层、运营层全面梳理核心业务，逐一进行价值链条拆解，识别关键驱动因素，针对关键因素匹配衡量指标，形成指标体系。在指标体系基础上，结合重点业务场景，设计统一的、整体的运营分析体系，从CEO到执行层纵向贯通，支撑管理运营，实现全景洞察。

本次项目的成功实施，为企业带来了显著的变革和价值。首先，通过对业务场景的深入剖析，我们精准地识别了企业运营中的关键问题和瓶颈，为管理层的决策提供了有力的数据支撑。其次，项目的实施促进了企业内部的数字化转型，提高了数据处理效率和决策效率。

在项目实施过程中也积累了一些宝贵的经验技巧。首先，我们注重团队之间的沟通与协作，确保项目信息的及时传递和共享。其次，我们采用了先进的数据分析工具和方法，提高了数据分析的准确性和效率。此外，我们还注重与业务部门的紧密合作，确保数据分析结果能够真正满足业务需求。

在项目实施过程中，我们也深刻体会到了数字化转型的重要性。数字化转型不仅可以帮助企业提高运营效率，还可以为企业创造更多的商业机会。因此，我们将继续加大在数字化转型方面的投入，推动企业的持续发展。

后续，我们将在此项目基础上继续深化。首先，我们将进一步优化数据分析工具和方法，提高数据分析的准确性和效率。其次，我们将加强与业务部门的合作，确保数据分析结果能够更好地服务于企业的业务需求，同时持续不断地完善指标体系。此外，我们还将关注新兴技术的发展趋势，积极探索人工智能、大数据等技术在企业业务运营及分析中的应用。

·京东方

京东方科技集团股份有限公司（BOE）创立于1993年4月，是一家领先的物联网创新企业，为信息交互和人类健康提供智慧端口产品和专业服务，形成了以半导体显示为核心，物联网创新、传感器及解决方案、MLED、智慧医工融合发展的“1+4+N+生态链”业务架构。

作为全球半导体显示产业龙头企业，BOE（京东方）带领中国显示产业实现了从无到有、从有到大、从大到强。目前全球每四个智能终端就有一块显示屏来自BOE（京东方），其超高清、柔性、微显示等解决方案已广泛应用于国内外知名品牌。全球市场调研机构Omdia数据显示，2023年BOE（京东方）在智能手机、平板电脑、笔记本电脑、显示器、电视等五大应用领域液晶显示屏出货量均位列全球第一。

BOE（京东方）在北京、合肥、成都、重庆、福州、绵阳、武汉、昆明、苏州、鄂尔多斯等地拥有多个制造基地，子公司遍布美国、加拿大、德国、英国、法国、瑞士、日本、韩国、新加坡、印度、俄罗斯、巴西、阿联酋等20个国家和地区，服务体系覆盖欧、美、亚、非等全球主要地区。

·帆软

帆软软件有限公司(以下简称“帆软”)成立于2006年，是中国专业的大数据BI和分析平台提供商，致力于为全球企业提供一站式数据应用解决方案。帆软在专业水准、组织规模、服务范围、企业客户数量方面遥遥领先，其中被IDC和CCID认证为连续七年中国BI市场占有率第一厂商。

来源：数据猿一点号