信息管理与信息系统专业课程群案例分析

中小企业数据化管理实践^[2]

（1）案例摘要

零售行业正面临着前所未有的挑战。企业必须充分利用新的数据技术来应对这些挑战，德昂公司也不例外。产品零售是德昂公司的重要业务线之一。经过多年的经营积累了大量的交易数据，如何更好地利用这些数据，使用数据化管理方法来帮助企业创造收入、增加利润、规避风险和提升效能成为公司面临的重要课题。数据化管理是运用分析工具对数据进行科学分析，并将分析结果应用到生产、运营、销售等各个环节中去的现代管理方法。本案例就是使用来自德昂公司的从销售线索、商机、订单，再到开票和回款的全流程数据，借助数据处理和数据分析工具，运用商务智能的知识和方法，从数据中发掘价值的最佳实践方法。

关键词：数据化管理　商务智能　数据处理　数据分析　零售行业

Abstract：The retail industry is facing unprecedented challenges.Companies must take full advantage of new data technologies to meet these challenges，and DataOnDeamand is no exception.Product retailing is one of the important business lines of company.After years of development，a large amount of transaction data has been accumulated.How to make good use of these data and use data management methods to help enterprises to create revenue，increase profits，avoid risks and improve efficiency has become an important issue facing the company.Data management is a modern management method that uses analysis tools to conduct scientific analysis of data and apply the analysis results to production，operation，sales and other key business sceneroes.This case is the best practice of using data processing and data analysis tools，using business intelligence knowledge and methods to extract value from data，using data from the whole process data from DataOnDemand，from sales leads，business leads，orders，to billing and payment collection.

Key words：data based management，business intelligence，data processing，data analysis，retail industry.

（2）引言

各产业中的不同公司都在遵循各自发展的一套标准作业流程和方法来创造价值，随着大数据时代的到来，企业也需要用数据化管理方法来优化创造价值的过程和方法来适应时代的发展。为了协助企业有效管理不同来源的数据，应用一套标准化的数据化管理方法，让管理数据化、数据层次化、报表分析智能化、数据展现科学化和自动化；让管理人员更容易评估各类型对象的绩效，让运营人员能执行复杂细致的计划管理工作，及时掌握差异原因，进而找出问题点和对策，让财务人员不只能提供税务单位需要的财务报表，也能提供管理层决策支持数据，帮助决策层做出正确的决策，快速应对市场的变化。

企业数据化管理是零售企业乃至所有行业的未来企业管理的大趋势。数据化管理是基于数据的管理，即运用数据管理工具对客观、真实的数据进行科学管理和分析，并将分析结果运用到生产、运营、销售等各个环节中去。

（3）企业概况

①公司简介

德昂信息技术（北京）有限公司（以下简称德昂公司）创设于2009年，是一家专注于数据分析领域产品销售和服务的中小型企业。历经10年发展，德昂服务近200家客户，行业涉及金融、政府、能源、电信、医疗、零售、传媒、教育培训、地产、制造等。随着数据分析业务近几年的迅速发展和细分，德昂公司的产品销售种类不断扩增和业务类型逐步拓展，目前产品涉及：BI（Business Intelligence，商务智能）工具、ETL（Extract−Transform−Load，抽取转换加载）工具、MPP（Massively Parallel Processing，大规模并行处理）、数据库、数据建模工具、数据统计挖掘工具等；服务涉及：咨询、实施、技术支持、培训等。

随着公司的发展，业务数据从最初的单一财务数据，转变为销售、技术服务、财务等多类别数据；业务系统从单一的ERP（Enterprise Resource Planning，企业资源计划）系统来源转变为ERP、CRM（Customer Relationship Management，客户关系管理）、OA（Office Automation，办公自动化）等多个业务系统。业务发展过程中，产品跨行业、跨地区交叉销售，服务实施跨部门人员借调等情况频繁发生，企业经营数据量变得越来越庞大，部门间共享和协作、数据整合和统一变得尤为重要。因此，公司决策者希望进行企业数据化管理，通过一套完整的分析系统，从繁杂的多业务系统中整合数据，弥补业务数据、技术数据和财务数据断层，对不同主题的数据进行分析和展示，从而快速响应决策者需求，为公司相关决策提供依据，促进企业利润的提升。

②德昂数据化管理发展历程

a.手工作业阶段

企业建立初期，信息系统建设不健全，仅仅引入了ERP系统。ERP记录了从订单到收款之间的流程和数据，但对于其他相关方面数据，比如销售业务层面，包括线索、商机、客户等数据无法获取，仍需要借助于EXCEL软件手工进行数据汇总和整合，耗费了大量人力和时间。因此，整体的业务数据都很松散，无法通过现有的数据整体了解公司客户关系的总体情况和详细状况，完善信息系统刻不容缓。

b.半自动化阶段

随着公司客户群体、业务类型和业务规模的逐步扩大化，为了实现对整体价值链流程掌控，需要从现有数据中对客户从线索到商机、报价、订单、合同执行和回款进行追踪、跟进和考核，因此引入CRM系统。公司通过CRM和ERP两个系统进行客户数据的有效搜集、跟踪和分析，对价值链的基本业务实现了全流程管理。但是在企业实际运营中，发现在两个系统中，存在数据不一致的问题，例如：同一内容在不同系统中具有不同的名称；同一内容在不同系统中使用不同的分类法；同一内容在不同系统遵循不同的统计规则等。因此，分析企业整体的业务情况，仍需要整合两大业务系统，仍然需要很大的工作量。所以，公司决策层决定通过数据化管理，搭建统一的数据管理平台，有效整合业务数据，从而满足公司不同部门的数据分析需求。

c.自动化阶段

公司经营中通过引入多个业务系统，实现了相关业务的数据化和自动化，但是，随着时间的推移，问题逐渐显现，即各个业务系统间各自独立，信息孤岛问题严重，手工作业依旧繁重。德昂公司通过实施BI（Business Intelligence，商务智能）项目来实现数据化管理。BI项目的简单实施流程：第一，数据调研——需求调研和分析，明确现有业务系统有哪些，明确数据规范（尤其是来自不同业务系统同一内容的数据，从而保证数据的一致性，保证数据质量），明确数据分析需求。第二，数据整合——数据仓库的构建，整合多个已有业务系统的数据，将来源于多个业务系统的数据进行抽取、转化和清洗，数据仓库是一个成功BI的基础，是数据化管理的关键。第三，数据应用——运营分析及展示，基于统一的数据平台，能够将预算、预测、成本费用、人力资源等多层次信息进行整合，可以实现企业的报表、数据分析、自主可视化分析和数据挖掘，提高了决策的效率和时效性，从而辅助管理层进行决策。

③德昂遇到的挑战和问题

a.如何实现价值链有效管理

企业要生存和发展，必须为企业的股东和相关利益群体创造价值，因此，追求收入或利润最大化是大部分企业的直接目标。而在创造价值过程中，把该过程逐步分解为一系列互不相同但又相互关联的经济活动，每一项经营业务就是这一价值链条上的一个环节，其总和最终构成企业“价值链”。对于一个销售产品和提供服务为主营业务的企业来说，需要及时梳理销售业务产生逻辑链条，从而可以从链条尾端出发，递推至链条起始，从而发现链条中哪一环节存在问题。

德昂公司通过梳理其业务逻辑，包括“客户挖掘—形成线索—转化商机—提供报价—合同审核—合同签订—合同履行（产品发货或项目实施）—验收开票—确认收入—追踪回款—售后服务”，对于每一项流程环节设定相应考核指标，特别是“确认收入—追踪回款”两个环节。例如，年度收入的多少与前序环节的履行密切相关，当发现本年收入无法完成目标，在剖析原因过程中，可从如下方面进行查看。第一，查看合同履行是否正常，即产品是否按时交货，是否存在缺货或是产品质量存在问题，服务是否按照正常进度履行；第二，追踪未签订合同，通过与本年的目标以及过去年度进行比较查看，是否由于本年签订订单过少，无足够订单余量来推进订单的履行；如该环节有问题，则需要再向前序环节查找问题，则可以逐步查找到问题之所在，及时发现问题，对业务开展进行必要的支持和补充。

b.如何有效进行销售预测

销售预测是企业经营预测的起点和基础，为企业的计划和整体资源控制提供依据。通过销售预测可以有效管理库存，安排生产，合理进行资源配置，从而可以提高合同履行效率，提升客户满意度。销售预测主要有如下两种方法：第一，业务人员主观判断，例如销售经理意见法、销售人员意见法，凭借个人经验和与客户沟通情况，推断出未来市场或者某一具体客户销售情况；第二，利用专业的预测模型，基于历史数据，测算出未来销售的趋势。无论运用哪一种方法，预测都会有误差存在，所以预测的准确程度成为考察预测成功与否的重要因素。在实际经营过程中，提升预测的准确率，是每个企业需要重点考虑的问题。

德昂公司基于自身的业务，早期选用销售人员主观意见法；BI项目实施后，根据商机情况预测进行销量的预测，根据签单的可能性和预测签约时间来判断签约情况。由于销售预测周期对于预测准确率有着显著影响，周期越长，信息把控时效性和准确性越低，预测准确率也会越低。故为提升准确率，采用每周更新预测情况，利用周滚动预测来缩短周期，及时和客户沟通，提升信息失效性，并通过每期预测趋势变动和实际签单情况对比分析，来考核预测准确性，通过某一客户历史签约情况对比，来查看客户签单流程效率，也可以及早发现流失客户。

c.如何把控信用风险

企业的经营存在许多隐患和风险，诸如客户流失的风险、客户退货的风险、客户应收款不到位的风险、库存资产被盗用的风险、库存商品跌价的风险、安全事件等。而其中，应收账款的坏账风险在企业中普遍存在，也是企业财务和销售人员重点关注对象。应收账款的分析，既关系到客户的信用政策管理，也关系到资金的运转情况。应收账款居高不下，严重影响企业的资金周转，导致企业无法正常经营。企业经营中需要思考如何利用数据来有效监控应收账款的发生和追踪，防范信用风险。

德昂公司通过如下方法有效管理应收账款：第一，客户信用等级分级：根据客户历史交易情况，对实际应收账款账期和理论应收账款账期（依据合同约定）进行对比，考察其信用履行情况，对于信用履行较差客户重点关注，并实行较为严格的信用政策，对于账龄较长客户重点审批，并及时关注该客户经营情况变动；第二，应收账款账龄分析：对于应收账款总体，不同的销售、不同责任人的应收账款进行账龄分析，及时搜集账龄长的客户较多或金额较大项目的相关责任人的反馈，及早发现风险，并监督其催款的进度和积极性；第三，应收账款预估分析：通过销售和财务有效沟通，每周更新应收账款预估回款情况，通过预估回款，一方面可以监督和激励销售人员保持客户沟通，及时了解客户动态，充分了解客户的信用情况，另一方面可以有助于财务部门进行资金规划。

d.如何实现资源合理配置

企业掌握的资源多种多样，包括有形资源、无形资源，还有人力资源。一个公司要实现收入最大化和利润最大化的目标，离不开资源的合理分配。不同类型的公司在资源分配上是有本质差异的，例如，生产制造型企业把大部分的资源投入生产设备；服务型公司主要资源投入是人力。无论投入何种资源，都需要依据公司业务类型和规模发展做出合理规划。例如，在生产企业中，原材料、存货等就是企业的重要资源，有些企业业务为以销定产，即销售合同签订完成后进行产品生产，不会产生大量的存货闲置资源，此时需要销售部门和生产部门进行有效配合；而有些则是以产定销，这时候就需要及时把控整个市场需求情况，需要生产、市场、销售三方共同配合。因此企业内部的各种问题其实是互相关联，一环扣一环的。为了要达成公司运营的目标，公司内部的运作不可各行其是，需要整合、沟通和协作。

德昂公司为了实现资源有效配置，依托于价值链管理，有效实现各个环节的配合和协作。市场部门通过举办市场活动、百度推广等多方面有效营销手段，获取相应的线索和整体市场环境信息，及时告知销售部门，并由其跟进；依据线索商机的持续跟进情况，按照预计签单时间做人力资源预估，并协调人资部门进行人员的招聘和调动；依据预计签单的产品订单，及时进行销售预测，盘点存货，并编制采购计划；依据合同履行情况，合理预估开票和回款时间，从而可以预估资金回笼情况，并及时和财务沟通，有利于公司对于资金的计划和业务发展以及市场宣传的安排。如此形成了相关部门的协作配合，人、财、物合理配置。

上述几个关键问题，是以企业价值链为起点，通过价值链内单一环节有效发展和监控，多个环节有效配合和挖掘，从而可以实现企业运营管理的有效运作。德昂公司也是通过BI系统将各个系统中数据进行整合，实现了价值链的整合，通过解决上述问题，提升企业运营效率和企业决策效率。

（4）德昂基于BI的数据化管理实践

企业级BI系统可以看成是企业实现数据化管理的一种解决方案，它能够帮助企业通过管理现有的数据资源，获取和分析信息，帮助企业管理者做出更好的决策。德昂公司BI系统的建立，提高了数据处理的时效性和准确性，解决了业务系统间孤岛问题，形成了对管理全面的分析，再结合BI系统的预警、邮件提醒和交流功能，形成了PDCA（Plan-Do-Check-Action，计划—执行—检查—改善）闭环管理，实现了以数据化管理体系保证目标的达成。

①系统建设流程

企业信息系统的规划和建设，需要根据企业的实际状况，有计划、有步骤地进行，明确企业需要解决问题的先后顺序，采用主题式或场景式逐一建设。德昂公司的BI系统建设的第一期规划：整合价值链流程的数据，即将ERP和CRM中从客户挖掘到应收回款的相关数据进行整合；第二期规划：整合财务系统等数据，将成本、费用等整合到数据仓库中，形成完整的数据平台。下述案例以第一期建设为例。

a.需求调研和分析

这一步需要经过深入细致的调研和分析，准确理解不同用户的需求，最终将用户非形式的需求表述转化为完整的需求定义。在需求调研过程中，需要着重注意两个方面的调研，一是问题域方面，二是方案域方面，如表5−5−1所示。问题域方面主要是面向业务逻辑梳理，进行最终用户的职责梳理、现有分析报告搜集，并进行业务用户需求访谈；方案域方面更多基于产品和技术实现渠道部分，主要是面向技术开发的梳理。

表5−5−1　问题域和方案域方面调研明细

最后将问题域和方案域两个方面进行整合，形成需求分析文档，用于指导后续开发使用，一方面建立描述数据维度指标含义和数据来源的数据字典，一方面通过访谈理解用户需求后形成的页面原型，形象化展示未来系统开发完成界面样式和数据分析的逻辑联系。

德昂公司BI系统第一期建设的最终用户是：部门销售经理和财务经理。对最终用户进行需求访谈调研，梳理初步需求如表5−5−2所示。

表5−5−2　最终用户需求调研明细

续表

对初步的需求梳理进行整理，对BI系统第一期进行数据分析主题的设计，分析主题的确定是规划数据仓库的关键，在每个主题里需要确定事实表和维度表及采用的逻辑模型，基于此才可以进行数据的ETL。BI分析主题举例如表5−5−3所示。(www.xing528.com)

表5−5−3　BI系统分析主题示例

b.数据仓库建立

BI是协助管理者达成目标的一种手段，主要在于把数据处理、分析和展现的工作合理化、标准化，并进一步自动化。由于ERP或CRM等系统的使用，企业积累了许多营销、生产、运营和财务的数据，这些数据存在差异性，所以需要根据分析将各系统、多类型数据进行整合，因此，数据仓库建立是BI导入开发的关键步骤。数据仓库建立包括了两个方面，一是物理模型的搭建，二是ETL过程。

物理模型的搭建：通过需求分析，参照所设计分析主题原型，完成事实表和维度表结构及逻辑模型的设计，利用建模工具PowerDesigner，进行时间维、组织维、产品维、客户维的维表建立，再进行线索、商机、订单、开票、收入等多个事实表的建立，最后标注各个维表和事实表之间的关系，由于某一维度内存在父子关系，BI系统第一期数据仓库模型采用了雪花型模型。

ETL过程：利用ETL工具Kettle进行数据的抽取、转换和加载，将数据规范统一。例如，客户维度数据，以CRM系统中的数据为参照标准进行清洗；所有员工数据，以OA（Office Automation，办公自动化）中的数据为参照标准进行处理等；将CRM的商机和ERP中订单数据进行充分整合。通过ETL保证了数据的一致性，从而实现销售分析和预测的有效性。

数据仓库的建立，有效梳理了流程，规范了业务数据，销售经理能够获取到线索—商机—订单—合同执行—回款等全流程信息，分析人员可以快速获取多个系统中数据，方便进一步分析，充分满足了用户整合数据源的需求。

c.报表与仪表盘开发

根据需求访谈阶段的原型设计和搭建好的数据仓库平台，运用BI工具（MicroStrategy），进行维度指标设计，并创建相应的报表，最终根据原型和需求形成不同样式的可视化展现。按照可视化形式可分为固定报表和仪表盘两种模式；按照分析人员不同，可分为自助式分析和固定模板分析。

基于建立好的数据仓库，由技术人员在BI工具（MicroStrategy）中建立实体度量，依据管理需求建立固定模板的仪表盘和固定报表分析。充分运用BI工具多表联动、筛选、钻取等功能，图表结合，在Web端上展示了线索、商机、订单等阶段流程的实际趋势，与上年同期对比，以及从产品维度、客户维度、组织维度等多角度的基本多维分析需求。同时基于数据仓库的搭建，能够定期抽取数据，做到第二天可以看到前一天的数据变动。在系统上线使用中发现，随着市场风向的不断变动，销售总监所看报表的思路亦随之而变，之前的固定模板的仪表盘和固定报表分析也逐渐不能满足市场变动的需求。故为了加快响应需求变动，技术人员对销售和财务部门和相关分析人员进行了为期一周的培训。培训过后，工作人员在日常工作中利用BI工具，可以进行简单的“拖、拉、拽”完成适应灵活变动的管理需求的自助式报表和仪表盘。因此，在BI系统的使用过程中，随着数据分析需求不断增长，用户已经不满足于使用固定的报表和仪表盘阶段，需要发展到自我可操作的自助式分析，需要更多业务系统数据的支撑。然而，瞬息万变的市场，不限于企业内部的数据，来自企业外部的数据也将成为影响业务增长的因素，数据平台的建设不是一劳永逸的，从而可以看到企业的数据化管理过程是一项长期复杂、循序渐进的工程。

在BI系统的第一期实施中，实现基本数据可视化展现后，德昂公司开始着手深层数据挖掘需求整理，关注重点主要在订单这一环节。业务人员和技术人员通过共同探讨，确认了两条数据分析路径：一是从订单本身出发，结合历史情况和多个相关维度运用工具（SPSS）的不同方法进行订单金额预测；二是从前序环节出发，检验线索、商机和订单的关系，从中审视能否得出影响线索、商机的因素是否可成为订单的影响因素，并用于后续订单预测中。通过两种方法的实施，并不断调整相关参数设置，最终运用时间序列和回归分析两种方法共同进行判断，但由于环境不断变化，该模型还需要不断调整，较优结果仍在不断调整和测试中。

d.数据测试和上线

德昂BI系统的上线进行了UAT（User Acceptance Test，最终用户验收测试）测试。测试的目的：一方面要检测数据正确性，另一方面验证功能适应性。只有通过UAT测试，并能够保持运行稳定，整个系统才算正式成功上线。德昂公司在此过程中，通过发现问题，不断修正存在问题，成功构建整合了价值链流程，并满足了最终用户的固定报表和仪表盘的使用，以及灵活多变的自助可视化分析需求。

②系统效果展示

a.系统首页

BI系统首页主要呈现了管理者比较关注的指标，而且放在直观的位置进行展示，如图5−5−1所示，可以针对性查看企业当前运营状况。通过首页中KPI（Key Performance Indicator，关键绩效指标）确认和调整，达到了基本信息可视化直观展现的需求，将业绩考核指标放置在首页中可以充分判断公司整体业务发展情况。

图5−5−1　系统首页

b.应收账款预警

首先通过页面上基本信息展示可以快速获取应收账款的不同账龄分布情况，如图5−5−2所示。通过在页面上选取9个月以上应收账款，可以查看其对应的明细数据（页面下方），从而能够获取员工、项目等信息，找到对应负责人进行催收追踪。同时后台会同步推送邮件和微信给对应的项目负责人，信息具体到其应追踪的项目和客户等信息。

图5−5−2　应收账款预警

c.销售预测挖掘

利用销售主观判断法、回归分析、时间序列分析等不同方法综合对销售订单情况进行预测，并在数据仓库中对不同方法配置不同权重，整合后形成对未来销售金额的预测。将相关数据用可视化直观方法展现于系统页面中，如图5−5−3所示。通过不同业务流程的选择可以查看预计各阶段年底达成情况。通过对于“区域”和“销售”的筛选，可以将目标和达成情况进行进一步分析，从而可以有效地将责任归属到负责人，可以有针对性地实现业务改进和人员业绩考核。

图5−5−3　销售预测页面

③系统建设价值

德昂公司通过BI系统的建设，提升了业务决策水平及效率，实现了如下价值。

效能化：透过BI分析，整合了多个业务流程和业务系统，将管理层思维智能展现出来，便于快速掌握全局，提升数据分析的价值。

效率化：实现了自助分析，减少了IT和业务人员报表处理的时间，通过数据的规范化，省去业务数据处理的催要环节，减少了人工错误。

集中化：管理者和业务人员可以集中精力分析和解读数据，进而采取对业务和效能提升有助益的行动，而不用在处理数据上耗费精力。

一致化：统一数据用语和报表版本，减少了部门间的沟通障碍，也将各个业务系统中的主数据进行规范，保证了数据一致性。

攸关化：及时提供异常和例外报告，比如及时提醒应收账款账期过长的跟进人，及时跟进客户进展，避免可能的运营风险。

及时化：提供及时的销售预测信息，让企业能更快地做出决策，及时备货，并响应市场变化需求。

安全化：减少EXCEL等手工分析文件，数据不再存放在个人的电脑中，而是集中在数据仓库中，统一管理，统一存储，统一调用，避免不必要的资料泄漏；通过ETL处理可以保存多个版本的信息，避免人员更替造成的数据流失，提高信息处理的安全；通过权限统一配置，实现了数据传递和管理安全性。

（5）未来德昂数据化管理规划

目前，德昂已经建立起了自己的BI体系，日常的业务分析和报告都基本实现了数据化管理的自动化，节省了大量的人力、物力和财力，并且提升了数据的准确性和及时性；建立了数据仓库，打通了不同系统之间的壁垒，消除了数据孤岛；业务用户能够使用自助分析工具完成常用的分析报告，而不再依赖技术人员；决策者能够在第一时间掌握公司的运营状况，提高了沟通的效率，也为决策提供了数据支撑。

BI的成功实施并能够付诸应用，是一个需要循序渐进、不断迭代的过程。在这个过程中，业务人员和技术人员的相互学习和成长，对业务和数据的理解也随之不断加深。随着大数据分析技术的逐步完善，未来的数据产品解决方案不仅仅是解决内部取数和数据分析与展现的问题，还可能通过云端的数据接口拿到更多的外部数据，将以前无法分析的非结构化数据或半结构化数据，利用网络爬虫等技术集成到BI系统中。德昂公司也希望借助该技术，提升自己的销售预测能力，从外部大数据中，获取市场规模和竞争的数据，比如行业市场增长率、市场容量，以及主要竞争对手销售情况，并通过建立数据中台或数据湖，把外部和内部数据融合，并可以探索利用AI（Artificial Intelligence，人工智能）算法进行预测性分析，从而可以精准找寻目标客户。另外，BI与自然语言处理、知识图谱等技术的融合，将促使语义搜索成为主流BI查询接口，现在德昂公司在尝试引用大屏和智能音箱等硬件设备，通过语音交流，用BI快速展现出所需传达的信息，实现BI与AI交互式分析和展示。所以，对于企业而言，随着信息化技术的快速发展，数据化管理还需要更多、更深和更广的探索和研究。

（6）案例附录

本案例提供相应的电子版附件，在课堂教学中可以使用。表5−5−4是附件的索引，便于读者查阅和使用。

表5−5−4　案例附件索引