信息化建设思路

恒安集团在数字化发展的道路上，主要聚焦于三大核心方向：“业务流程系统与产品”、“业务化报表”以及“数据分析”。多年来，集团积极与国际知名咨询公司合作，对整体业务进行了系统化的梳理，构建了高效的五级流程体系。基于这一体系，我们根据业务实际需求，持续上线新的业务系统，不断优化其业务运作。

那么随着时间的推移，我们的业务系统日益丰富，多个系统间需通过跨系统分析来协同工作。在数据报表方面，恒安最初采用简单的二次开发形式，但后来我们意识到简单的快速查询已无法满足业务成长的需求。因此，恒安采取了搭建数仓的策略，然而随着数据量的不断增长，数据分析再次面临瓶颈期。为了突破这一局限，恒安积极引入先进技术，不断解决数据报表难题。

互联网兴起之后，我们成立了营销中台项目，并意识到恒安在数据分析方面存在明显短板。通过营销项目的实施，我们不仅弥补了这一短板，还在数据分析和策略洞察方面取得了显著进展，为整个集团的业务发展注入了新的动力。

>>>信息化建设历程

这个展示的是我们恒安近三年的整体体系架构与战略规划。绿色的部分代表着经过数年发展，已稳固融入恒安体系的成熟部分;淡蓝色部分则是正在进行中的项目以及即将启动的未来规划;红色部分指向的是原先独立的条码系统，这些系统虽小而独立，但如今我们意识到它们应被整合进我们的一体化系统中。因此，我们正在逐步整合这些业务和产品功能，以实现更高效、更全面的系统优化。

恒安一开始的ERP软件聚焦于财务方面，从财务核算逐步扩展至采购管理、库存管理以及生产管理等多个环节。在数字化浪潮的推动下，恒安关注到了互联网电商的崛起，决定搭建自己专属的数字化中台，这一中台架构有高度灵活性，能迅速响应集团业务多元化需求的特点。

最右边一块的话是我们数据仓库、数据平台的框架，最下面一层的是数仓层。在数据治理这块，我们早期的做法主要依赖于Excel和文件管理来构建指标体系。随着业务的发展和人员更替，这种模式逐渐暴露出查找和更新数据指标的困难与耗时等问题。为应对这一挑战，恒安引入FineBI，让用户能够在线便捷地查找和获取所需的数据与指标，极大地提升了数据治理中的资产管理效率。

在应用领域的发展中，我们最初也经历了二维表查询的阶段。随着时间的推移，我们意识到灵活性和性能上存在不足。因此，我们转向了帆软报表，这一转变显著提升了开发周期和使用效果。

然而，随着业务需求的变化，用户不再满足于简单的数据导出和Excel提交，而是渴望更灵活的分析能力。于是，恒安进一步发展可视化分析领域。通过FineBI，IT部门这边只要简单的做一些基础设计，就可以提供给用户，用户可以根据自己的需求去灵活地做一些设计，无论是加工指标、自定义格式，还是制作类似PPT的展示样式，都能轻松实现。我们已经拥有强大的仪表板和分析效果，我们期待数据能发挥更关键的驱动作用。

BI建设路径

>>>需求与生产力之间的矛盾总是在不断演变

起初，我们为了追求数据在在线业务系统中的高效展示，选择了代码开发的方式。然而，这种方法的开发周期长，移动端效果欠佳，且响应速度缓慢。

随着技术演进，我们恒安逐步迈入了第二阶段，引入固定报表系统，显著缩短了开发等待周期。然而，这种方式在数据灵活性和自助分析方面存在局限，无法满足用户日益增长的明细数据分析需求。为应对这一挑战，恒安集团进一步引入了BI报表工具，为用户提供更细致、更灵活的数据分析解决方案。

进入第三阶段，我们就需要辩证地看数据，也就是说通过历史数据去推我们的业务的执行，去预警他们该做哪些事情。

>>>BI建设解决思路

恒安有20-30个数字化系统，为确保数据的顺畅流通，我们意识到需要一个专门的ETL平台来支撑整个监控体系。鉴于当前ETL分散于各个系统，我们计划采用帆软的FineDataLink将所有ETL整合至统一平台，并通过邮件通知功能实时监控数据处理过程。在应用层，我们目前主要依赖帆软提供的数据服务。

>>>一阶段回顾：数据收集与报表多终端自动化

1)背景与痛点

.数据可视化程度低，传统代码开发复杂

.数字指标不统一，管理混乱

.线下手工数据多，需要快捷上报

.数据无法支撑业务，个性化满足度低

2)成果与转变

这是我们第一阶段的流程开发图。通过引入帆软的产品，我们整个开发周期都有所提升。

在第一阶段，我们取得了显著成效。我们实现了门店信息的现场即时录入，通过专业人员现场跟踪，实时收集和上传关键数据;我们建立了灵活查询的固定报表系统，满足用户多样化的信息需求;我们还推出了实时数据大屏，这一创新举措尤其受到高层领导的好评，即便他们身处异地出差，也能通过大屏实时掌握每日收入动态，确保业务决策的及时性和准确性。我们每天定时推送更新数据，确保信息的时效性和准确性。

>>>二阶段回顾：自助取数与灵活分析

1)BI数据效益如何最大化

在第二阶段，我们聚焦于如何最大化发挥数据的效率。从数据安全的角度出发，我们依靠数据前线操作确保数据的安全性，确保前线团队能够顺利实现数据的安全管理。此外，我们关注数据质量和数据消费两个方面。为了提升数据消费，我们致力于激发用户对我们数据的利用热情;而为了确保数据质量，我们严格把控数据的准确性，确保用户获取到的信息是可靠和准确的。

我们还深入探讨了数据成本问题，这主要包括生产成本和消费成本两部分。我们认识到，降低数据成本是提高数据效率的关键。恒安通过持续优化生产流程和提升消费体验来削减生产成本和消费成本，从而为用户提供更高性价比的数据服务。

2)如何降低生产成本

这是我们完整的开发流程和周期。一旦需求被提出，我们首先进行深入的需求分析，并据此定义关键指标。随后会进行数据采集和整合，构建宽表以容纳丰富的数据信息。但面对业务指标频繁变动的挑战，传统的开发模式已难以跟上节奏。因此，我们将更多的精力投入到FineBI平台上，以更灵活、更高效的方式实现指标的落地和应用。

在降低生产成本的过程中，业务人员使用FineBI的速度和指标计算效率都有相应的提升。我们为了提升开发人员对数据处理和管理的效率，引入了统一的FineDataLink工具，以整合系统间不同的数据处理方式。这一举措不仅简化了开发人员的学习曲线，提高了他们的专业能力，还显著提升了整体工作效率。尽管我们的开发团队仅有九人，但他们却肩负着管理集团众多报表的重任。目前，我们已启动五个数据开发项目，涉及四十多个工作流，每天需调度并监控六十余个任务。即便如此，我们仍积极追踪并响应新开发需求，确保项目的顺利进行。

3)如何降低消费成本

第二个重点是降低消费成本，这一点主要通过优化集团指标的管理实现。过去，当有人员询问如人员流动等指标的逻辑时，我们需要查找文档、追溯申请流程，或通过技术手段等方式重现指标逻辑。但是我们现在打算通过BI资产化的方式，以指标标签的形式将需求落地到资产管理平台。这样，即使发生人员变动，相关人员也能通过FineBI的资产中心迅速找到指标的原始逻辑，极大地提高了信息获取的效率和准确性。

这是效果图，我们录入了一些相关信息进行展现，像指标计算逻辑、指标之间的血缘关系，都可以在资产中心上面看到。

正如刚刚所讲的那样，IT部门主要承担数据准备的工作，而实际业务部门则利用这些数据，有的进行经营分析，有的管理业务指标，还有的跟踪业务问题。这种协作模式可以确保数据的充分利用，同时促进业务决策的精准与高效。

这个是我们在自助分析平台上做的数据准备案例。里面有财务、供应链等模块，员工可以基于这些基础的数据准备随时进行分析。

业务价值

这些是经营分析、生产分析和财务分析等多个维度的仪表板，可以直观地进行数据洞察。再来看整个BI系统的使用情况，我们可以观察到每日访问量稳定在200余次，活跃用户数量超过30人。值得一提的是，这仅仅是前期成果，目前BI平台上已拥有超过200个用户账户，这充分证明了BI系统广泛的接受度和深远的影响力。

我们计划引进成熟的算法促进业务的全面开展，期望构建一个恒安的决策中心，实现端到端的无缝连接，从而推动全链路的数智化转型，迈向更加智能、高效的未来。