《觀遠數據：BI驅動增長-2025年先進企業敏捷經營實踐合集（152頁）.pdf》由會員分享，可在線閱讀，更多相關《觀遠數據：BI驅動增長-2025年先進企業敏捷經營實踐合集（152頁）.pdf（152頁珍藏版）》請在三個皮匠報告上搜索。

1、BI驅動增長2025先進企業敏捷經營實踐合集年度最佳案例：近20家先進企業的BI建設最佳實踐分享覆蓋零售、消費品、金融、互聯網四大行業，囊括斯凱奇、自然堂集團、青島農商銀行、水滴集團等創新產品發布：一站式智能分析平臺7.0、觀遠ChatBI、觀遠Metrics降低數據分析門檻，提升自助分析效率，賦能業務敏捷決策實踐方法論傳遞：企業避開數字化建設誤區的必看指南重構業務價值視角，敏捷解決業務問題，避免“為數字化而數字化”觀遠數據觀遠數據成立于2016年，以“讓業務用起來 讓決策更智能”為使命，致力于為零售、消費、金融、高科技、制造、互聯網等行業的領先企業提供一站式數據分析與智能決策產品及解決方案。

2、目前，觀遠數據已成為世界500強與行業領軍企業的信賴之選，已深入服務寶潔、聯合利華、中信銀行、華潤銀行、3M中國、絲芙蘭中國、安踏、元氣森林、蜜雪冰城、小紅書、零跑汽車等1000多家行業領先企業。屢獲襄禾資本、紅杉資本、線性資本等多家VC機構投資。聯系我們公司地址：杭州市余杭區文一西路998號海創園18號樓708室官方網站：咨詢電話：400-880-0750聲明本刊物所載分享內容均來自2024觀遠數據智能決策峰會暨產品發布會及2024觀遠數據敏捷分析實踐巡展嘉賓公開演講。本刊物所載企業案例中涉及數據均已脫敏處理，或使用的虛擬數據。本刊物由杭州觀遠數據有限公司所有，未經許可不得以任何方式或途徑復

3、制或傳播。數據驅動敏捷經營：解鎖企業未來的核心密碼在瞬息萬變的商業環境中，企業正面臨前所未有的挑戰：市場需求分化、競爭邊界模糊、技術迭代加速。如何在不確定性中捕捉確定性？答案藏于數據之中。數字化浪潮下，數據已不僅是“資源”，更是驅動企業敏捷經營的核心引擎。從庫存優化到供應鏈管理，從營銷決策到組織協同，數據正在重塑企業的每一個環節。然而，許多企業仍深陷數字化建設的“價值鴻溝”業務團隊難于高效用數，困于無法從根本解決業務痛點；技術團隊疲于處理繁雜需求，無法將更多精力投入深層洞察，數據真正的價值難以釋放?！皟r值鴻溝”無法靠一個系統或一張報表填平，它在深層上要求的是企業通過數字化建設，構建起數據驅動的

4、敏捷經營能力：通過智能化工具降低數據使用門檻，讓一線員工也能“用數據說話”；打破技術與業務的壁壘，將數據轉化為業務語言，讓分析回歸業務場景，重構價值視角；通過數據及時滿足業務捕捉市場波動、洞察用戶行為與突破運營瓶頸等需求，讓數據真正賦能業務。當前，企業構建數據驅動的敏捷經營能力，已經從“選擇題”變為“生存題”。那些能快速將數據轉化為行動力的企業，正率先穿越周期，實現逆勢增長。本刊不僅通過“專家觀點”和“CEO解讀”，為企業厘清了數據驅動的戰略方向，避免“為數字化而數字化”的誤區，亦提供了觀遠數據一站式智能分析平臺7.0、觀遠ChatBI、觀遠Metrics等革新工具，以“易用又聰明”的特性，降

5、低技術門檻，讓人人都能享受數據價值。同時，本刊甄選了覆蓋零售、消費品、金融、互聯網等領域的近20個標桿案例，揭示數據驅動敏捷經營的方法論。不僅為企業構建數據驅動的敏捷經營能力提供路徑參考，更傳遞一個核心理念：敏捷經營沒有標準答案，但有共通邏輯以業務價值為導向，以數據能力為支蓬勃發展的AI技術也正加速數據價值的爆發。未來的企業競爭，本質是數據應用能力的競爭。誰能更快將數據轉化為洞察、將洞察轉化為行動，誰就能在市場中占據先機。本刊的使命，正是幫助企業構建這種能力：從數據資產沉淀到智能分析落地，從單點場景突破到全域價值閉環。我們相信，當數據真正融入企業的“血液”，敏捷將不再是一種口號，而是每個決策、

6、每次創新、每場變革的自然結果。撐?？渍ZCONTENT 目錄020701 前沿洞察專家觀點：數據歸IT，分析歸業務，重構業務價值視角CEO解讀：業務要的不是多一張報表，而是敏捷解決業務問題1422觀遠ChatBI：讓數據分析像聊天一樣簡單27觀遠Metrics：數據資產構建的新武器02 產品創新觀遠數據一站式智能分析平臺7.0：做極易用又聰明的產品33斯凱奇：借助觀遠BI優化庫存管理，實現滾動預測追蹤39慕尚集團：員工BI使用率達93.2%，數字化建設經驗與思考分享48556165博士眼鏡：攜手觀遠數據與飛書，打造AI和BI賦能業務實踐正新集團：搭建敏捷數據中心，助力萬店高效運營香蜜閨秀：推動

7、數智化運營決策體系建設，實現從30%到93%的效率提升七秒易購：以BI賦能供應鏈精細化管理，實現數字化飛躍零售行業73君樂寶：超越單純的信息系統建設，通過數據驅動業務和流程優化76維他奶：傳統消費品牌數據驅動轉型的兩大策略與三大要素81869296自然堂集團：全渠道數字化創新與AI實踐蜜思膚：以BI全面賦能業務管理，突破零售增長瓶頸微念：想到、做到、達到，充分釋放BI價值樂其創新：從跨境電商視角出發，對企業數字化路徑和選擇的思考消費品行業101青島農商銀行：以“人才產品場景”思維建設企業級BI智能數據平臺106宜信：借助觀遠BI捕捉1%的數據波動，驅動業務運營升級金融行業03 最佳實踐110新

8、東方：數智驅動，開啟業務敏捷精準新篇章118水滴集團：從被動到主動，BI助力業務快速迭代124128134智聯招聘：BI實現多種數據的互聯打通，為企業創造更高價值用友薪福社：BI建設落地，助力業務提速300%華夏樂游：BI賦能從數據資產到價值變現互聯網行業14114504 關于我們走進觀遠數據交流平臺01前沿洞察專家觀點：數據歸IT，分析歸業務，重構業務價值視角CEO解讀：業務要的不是多一張報表，而是敏捷解決業務問題02前沿洞察專家觀點：數據歸IT，分析歸業務，重構業務價值視角站在業務和IT不同的角度來回答“怎樣更好地創造業務價值”這個問題，一定會有不同的答案。在融合了這兩種角色的視角后，我的

9、答案是：數據歸IT，分析歸業務。即IT部門主要負責管理好數據、提供好工具，分析本質上是業務要做的事情。BI全稱“Business Intelligence”，現在翻譯為“商業智能”，但最初叫做“企業洞察”，它闡述了BI的實質：助力業務人員通過數據分析洞察企業運行脈絡，催生企業洞察。1992年，Teradata推出首個ETL數據庫，標志著分析型數據庫誕生。BI也隨之誕生，并開始了其到目前為止三個階段的發展。敏捷BI仍為市場主流，AI賦能催生新型模式BI發展的第一個階段，是數倉和數據挖掘的時代。彼時人們將注意力集中在數倉建立的兩種范式：先有數據集再有數據倉庫的“自上而下”的范式，以及先有數據倉庫再

10、有數據集的“自下而上”的范式。企業關注的重點在分析報表上，分析的對象則聚焦在結構化數據的挖掘。階段一：數據倉庫/數據挖掘陳果企業知識開源首席布道師掃碼獲取陳果分享完整PPT隨著大數據出現，數據形態由單一走向多元化，結構化數據演變為結構化、半結構化乃至非結構化數據并存。BI發展進入第二階段，但并非完全替代了第一階段，第一階段以報表為主的BI依然存在。此時，“高級分析”興起，聚焦機器輔助洞察生成，過程中不僅涵蓋對歷史數據的描述，還具備未來預測。融合AI+BI的高級分實現了用戶中心化分析，依據場景驅動數據獲取與建模，根據分析意圖實現數據可視化，這便是第二階段的敏捷BI。析，今天為止，敏捷BI還是市場

11、的主流方向，“讓業務用起來”也是敏捷BI的核心理念。階段二：大數據和敏捷BI近年來，AI熱潮迭起，BI也開始了第三個階段“人工智能BI”的發展探索。AI更深入地融入BI領域，催生新型模式，由過往的AI+BI的“高級分析”進化為AIBI的“增強分析”。AI對BI更深度地賦能，但并未改變BI的初衷洞察業務本質。階段三：人工智能BI03前沿洞察時至今日，多數企業依舊尚處于BI發展的第一階段，即以報表為主的階段，亟盼躍升至“讓業務用起來”的敏捷BI階段。而在BI發展的三個階段中，企業業務與IT的分工也歷經多次變遷。技術發展持續放飛業務部門的數據消費需求Gartner在兩年前提出“增強分析（Augmen

12、ted Analytics）”，其核心理念是在于，現今BI最大挑戰非可視化展現方式，而在于怎樣獲取高質量的數據。例如即便同為銷售分析，在不同管理語境下對銷售的定義都是不同的，需依據分析意圖獲取數據，如果沒有現成數據就會涉及很多數據加工或模型重塑的工作。融合AI能力實現的智能數據準備、智能建模、自然語言交互和查詢能夠大幅提升BI數據準備的效率，即實現“增強分析”。另一個與“增強分析”同樣對未來BI發展產生巨大影響的是“生成式AI”，其對BI分析方法帶來的巨大變化，值得再行詳述。在第一階段，業務與IT職責涇渭分明。業務方提出報表需求，IT負責數倉建設、報表開發、ETL開發等，形成經典的瀑布式協作。

13、在第二階段，業務與IT分工發生變化。IT重心轉向精細化的數據加工與建模，包括指標開發、數據科學、ETL/ELT混合等工作。業務側則涉足分析模型與可視化開發。雙方互動加深，IT提供數據模型，業務在敏捷BI上自主用數，整體效率提升。但這一階段要求業務人員要對數據特性、數據模型的深度認知，企業在這其中不僅要提供敏捷的工具，還要推動內部數據分析組織模式的變化，提升業務數據分析水平，才能真正實現“敏捷”。到第三個階段，業務與IT融合度更趨緊密。AI在很大程度上解放了對業務人員在技術方面的要求，集中精力于業務創新，讓數據更好地賦能業務增長。IT也不再單純是支撐角色，能夠將更多精力放在數據治理、AI模型構建

14、及管理等工作上，與業務共同探索數據價值最大化的路徑，實現業務效能質變?；贐I的三個發展階段，我們能看到商業智能的范式發展。在橫向上，是覆蓋的企業員工數越來越多。在縱向上，是分析工作越來越智能化。而這兩個維度整體來看，從低自動化、少數人使用的企業報表，到觸及廣泛員工群體，支撐業務人員的自主用數的自助分析，再到越來越智能化，讓更多員工可以快速用起來的增強分析，整個范式演變的核心，就是“讓業務用起來”。在此范式下，生成式AI對傳統BI的提升還在發展中，方向依然是要讓業務把BI用好。這個結論來自于過去一年我們對ChatBI的深入考察所帶來的三個發現：當下，AI熱議正酣，尤其在近一年里，隨著AI技術迭

15、代，機器學習與深度學習進步，自然語言處理越來越智能化、自動化，ChatBI日益風靡。但遺憾的是，真正意義上可以解決復雜商業問題的ChatBI尚未問世，目前ChatBI僅在特定場景提高了BI效率。當下主流方向是用自然語言助手提升BI系統的交互式體驗，包括采用Text2SQL使得大模型可以連接到數據庫架構，但目前還無法解決現實商業世界中的細微問題。04前沿洞察05前沿洞察近期有幸協助了國內某大型消費品企業優化BI體系，針對其BI效率提升問題給到了一些建議，借此機會分享給更多企業參考。企業BI效率提升建議從集中式到分布式2024年出現了一個新的BI發展方向，所謂復合AI系統，通過智能體來管理和調用不

16、同AI組件和工具，每個組件完成一個微小的任務，提高分析的靈活性、可解釋性。這是當前的一個技術發展方向，但目前也尚未成熟。在非互聯網企業中，數據中臺的應用價值已被證偽，企業OLAP和OLTP需要不同的數據治理策略，并且提升BI的敏捷性，讓業務部門把BI先用起來?？偨Y來看，目前市場主流還是AI+BI的敏捷BI，生成式AI的發展將給BI帶來深遠影響，其發展重點還是如觀遠數據所一直倡導的“讓業務用起來”。該企業規模龐大，IT團隊有數百人，企業IT設施完備，主流軟硬件裝備齊全，數據鏈條暢通無阻，標準數倉建設到位，BI平臺功能完善，可視化開發游刃有余。然而，即便資源豐富，仍面臨數據需求交付周期長的難題，短

17、則三周，長則可達月余，癥結何在？問題出現在“怎么用”上。企業上了很好的BI工具，但依然深陷傳統模式業務提需求，IT開發。IT部門內部組織了20多人的BI團隊，并構成跨財務、HR、營銷等四五個業務域的分析團隊小組，成員精通SQL、擅長BI工具運用、熟稔數據模型構建及可視化開發，但這整個過程中卻沒有業務用戶參與。同時，內部數據資產梳理缺失，導致業務提出的需求不知道是否已有數據，使交付周期充滿不確定性。所以，該企業的問題不是技術問題，而是能夠提升BI效率的敏捷組織的問題。對此，我們提出了三點建議：第一，BI組織架構重塑?？s減BI團隊規模，將數據工程師和數據架構師保留在IT部門，聚焦數據管道建設與SQ

18、L優化，基于數倉按照業務域開發標準化數據產品，深化數據治理。06前沿洞察第二，業務導向的流程優化。遷移業務分析師等至各業務部門，配以多樣化的BI工具訓練，讓業務分析師能夠自助建模分析。同時，更重要的是業務部門建立“數據驅動”的業務流程改進機制，讓數據真正發揮價值。數據部門也要蛻變為核心推手，引導業務流程革新，讓“表哥”“表姐”們成為業務改進的洞察者，為業務創新產生真正的價值。第三，全方位數據素養提升。有用數需求的業務也能分成兩類，一類是業務分析師，一類是實際要看數據的人。企業要在分析師與終端用戶角色上雙管齊下，推進全公司數據素養提升。通過數據黑客松比賽等方式提升業務部門用數能力，并且落實全公司

19、的數據治理體系，營造濃厚的數據氛圍，構筑堅實的基礎設施，確保數據效用貫穿企業上下。對上述公司的三條建議，可以成為更多企業構建敏捷組織的參考。但要實現以上三點，企業也面臨著一些挑戰。其一是業務部門用戶需要具備較強的數據工程能力，其二是分布式分析模式下，對指標管理歸屬的定義。它們指向的是“如何讓業務用起來”的問題，而解決這一問題有三個前提條件：“讓業務用起來”的三大要素“讓業務用起來”需奠基于健全的指標分析體系之上，哪怕是ChatBI，如果數據質量差、指標治理混亂，效率也會很低。定義指標可以在數據層、數據平臺的指標層乃至獨立的指標層進行，企業定義指標不論在哪一層進行，指標策略都要支持企業的分析形態

20、。如果企業的分析形態是鼓勵業務人員用起來，對指標管理的要求則會更高，就會需要像觀遠Metrics這樣獨立的企業統一指標管理平臺。建立指標管理，集中管控和自主分析的平衡第二是要建立以用戶為中心的數據可視化審美能力。結合實際應用場景與目標（展示說服、確認理解、探索分析），甄選合適的可視化方式，以此激發表達效果和認知共鳴?，F在網絡上有很多開源的數據可視化模板，觀遠BI也提供了眾多標準化的可視化模板，一些生成式AI也已經可以幫助人們來生成數據可視化的圖像，但掌握如何站在用戶的角度可視化展現數據的方法更為重要。以用戶為中心的可視化最后是如何利用AI能力“讓業務用起來”。觀遠數據目前也發布了最新的融合生成

21、式AI能力的問答式BI觀遠ChatBI，降低業務使用數據的門檻。但目前整個行業應用AI的旅程才剛剛開始，從數據準備、業務洞察到用戶體驗，如何利用AI能力，提升整個數據分析鏈路上的某一個環節或全鏈路的效率，讓業務人員更好地把BI用起來，是我們未來要持續探索的方向。降低對業務部門的數據工程能力要求，利用AI能力此外，機器學習、智能應用乃至報表或BI數據可視化等不同的場景，都會對企業的指標平臺建設提出不同要求，企業需要根據自身集中式或分布式的數據分析模式，進行指標平臺建設。CEO解讀：業務要的不是多一張報表，而是敏捷解決業務問題在快速變化的市場環境中，數據驅動的敏捷經營能力正逐漸成為推動企業可持續發

22、展的重要力量。但企業要如何正確構建數據驅動的敏捷經營能力？如何讓數據建設項目取得理想效果？如何真正通過數據解決業務問題？不妨先從識別數字化建設過程中常面臨的“價值鴻溝”開始。在傳統的企業經營方式里，企業往往依賴自上而下的戰略部署，從戰略拆解至戰術，再拆解到執行，追求明確路徑與堅決執行。在穩定的市場環境中，這種方式行之有效，但在當下經濟進入新周期，外部環境快速變化的VUCA時代，這種經營方式卻難以為繼。如今，外部環境劇變，敏捷經營才是能夠讓企業適應新周期的制勝之道。敏捷經營的鴻溝：業務要的不是多一張報表，而是敏捷解決業務問題與傳統經營方式相同的是，敏捷經營也需要對戰略進行拆解，但在敏捷經營的方式

23、下，更強調對于路徑的持續探索與驗證，聚焦于目標導向的過程監控與動態調整。它注重戰略與行動之間的持續反饋與迭代，倡導在實踐中檢驗假設，及時調整策略，尋找最有效的行動方案。在此過程中，戰略與行動形成循環反饋，促使組織實現持續迭代與進化，以應對外部不確定性。蘇春園觀遠數據創始人兼CEO掃碼獲取蘇春園分享完整PPT07前沿洞察觀察業界趨勢，權威機構Gartner在過去兩年對企業CEO和CIO的相關調研報告中顯示，50%的董事會希望增加數據驅動型決策，數據和數據分析能力被視為在未來兩年推動企業增長的首要能力，87%的受訪CIO表示要增加在商業智能與數據分析上的投資，使其位列數字化建設優先級的首位。這些彰

24、顯了數據驅動的重要地位。但報告同時也揭露了另一個事實，即數據分析項目效果與企業預期價值的矛盾。報告顯示，超過50%的數據分析項目低于CEO預期，59%的受訪高管表示數據分析項目完成時間過長，52%則認為其實現商業價值的時間過長，以及67%的受訪高管提出即便進行了數據分析項目的建設，業務團隊依然無法自主用數據做決策，這成為企業實現數據驅動的敏捷經營的一個重要難題。以上問題，其實是企業在數字化建設過程中常常面臨的“價值鴻溝”，它橫亙在業務提出的需求與業務真正渴望解決的核心問題之間，讓企業的數字化建設出現實際效果與預期價值的不匹配。例如業務提出的需求是想要一個能篩選和導出客戶信息的工具，但這只是業務

25、的表面需求，其內在訴求是想要通過這個工具來識別不同客戶群體，制定個性化的營銷策略。這之間的“價值鴻溝”不是上一個系統或多一張報表就能填平的，需要企業采取敏捷思維，深入探究業務需求的本質所在，從根本上解決業務痛點，推動業務流程的優化與創新，最終實現從表面需求到深層洞察的價值飛躍。08前沿洞察如何實現業務價值？關鍵是聚焦業務價值的第一性。這里引介一個經典理論JTBD（Jobs To Be Done）。該理論源自哈佛大學教授Clay Christensen，在其與運氣競爭一書中提出了JTBD的核心理念：“處于宇宙中心的并非是用戶，而是用戶需要完成的任務。這個認知能夠顛覆一切?！睒I務價值的第一性：處于

26、宇宙中心的并非是用戶，而是用戶需要完成的任務將JTBD理論帶入前述的“價值鴻溝”的話題來看，是越來越多的企業形成共識，數據分析項目的建設要聚焦在“讓業務用起來”，讓業務用起來的目的是解決業務核心問題，幫助業務完成他需要完成的任務。以某百億規模食品飲料頭部企業的一個業務場景實例來說明，該企業的一個銷售總經理，面臨著部分核心經銷商銷量明顯下滑，且對新品接受度不高的問題。他需要通過市場隨訪，協助低績效團隊達成關鍵客戶銷量增長這是他的“JTBD”。數據會如何幫助該銷售總經理敏捷地解決這個業務問題？可以拆解成四個步驟：通過數據全局穿透監控業績表現。觀遠BI移動端每天早上9點會給該銷售總經理推送銷售日報，

27、讓其查看各區域的銷售業績，當業績出現異常，系統會發出預警，提示區域銷售額下滑。通過預警，該銷售總經理在BI中通過對數據的深入分析，定位問題是集中在幾個關鍵經銷商上，他們的訂單量出現了顯著下降。通過數據進行關鍵客戶回顧及增長機會識別。定位問題后，通過對這幾個關鍵經銷商歷史數據的縱向分析，該銷售總經理及其團隊發現這些經銷商訂單量下滑是由于其需求未被充分滿足。而后通過與經銷商的深入對話，了解他們的需求和痛點，結合數據分析識別出了新的關鍵機會，包括推出更符合當地口味的產品、更個性化的營銷動作等，以便支撐這些關鍵經銷商提升銷量。通過數據提供業績改善策略與過程目標追蹤?；谇皟刹降姆治龊蜏贤?，該銷售總經理

28、與團隊一起制定了一套短期的業績改善策略，并將其轉化為具體的行動計劃。之后的計劃時間里，團隊成員可以在BI里每周追蹤計劃任務的過程指標和完成情況，并與負責人不斷調整行動。通過數據進行策略效果驗證追蹤。隨著新產品上市、促銷活動展開以及靈活支付政策的實施，該銷售總經理和其團隊密切監控著銷售數據和客戶反饋，通過觀遠ChatBI問數的方式快速靈活監控效果表現，適時微調策略，最終促成業績顯著回升。09前沿洞察以上是一個簡化的數據幫助業務完成其“JTBD”的步驟。當我們回看這個過程，會看到我們首先是拆解了該銷售總經理的“JTBD”的關鍵業務動作，而后在其背后，通過移動BI、訂閱預警、生成式AI等各種工具能力

29、的支撐，幫助其完成了這些業務動作。在更深層次下，還有組織數據素養建設起到的作用，包括組織對數據人才的培養、業務流程的優化、技術能力的提升、數據文化的構建，讓這個銷售總經理具備了數據素養，能夠支撐其對產品的使用，進而通過工具支撐獲得了解決其“JTBD”的對應能力，最終實現業務價值。觀遠數據創立至今的8年里，我們服務了很多行業的領先客戶，如元氣森林、零跑汽車、君樂寶、寧波銀行、斯凱奇、自然堂等等，在這些客戶的實踐里，我們看到的共性是大家對待數字化轉型，不是在大談其宏大的敘事概念，而是將價值閉環構建于一系列具體的JTBD業務場景中，以星星之火引燃燎原之勢。10前沿洞察圍繞業務價值的第一性、JTBD的

30、第一性，觀遠數據做了什么？在方案方面，觀遠數據發布更多業務用戶的最佳實踐。觀遠數據一直主張“讓業務用起來”的理念，盡管在行業中觀遠并非起步最早、客戶群最龐大的BI公司，但卻贏得了行業內非常高比例的頭部客戶青睞，原因即在于遙遙領先的業務活躍使用比例。深耕行業多年，觀遠數據與合作伙伴已步入深度合作，客戶越用越深，越用越廣，形成了真正的業務正循環。目前，基于1000+合作客戶“讓業務用起來”的最佳實踐，觀遠數據JTBD生產線已打造100+精品應用，背后對應了5大行業、50+角色、超過150個JTBD，讓更多業務用戶能夠用數據做決策，傳遞數據價值。更多業務用戶的最佳實踐觀遠數據最新發布：基于JTBD的

31、第一性，觀遠持續強化差異化價值觀遠數據始終堅持“讓業務用起來 讓決策更智能”的使命，持續強化著自身的差異化價值。今年，觀遠數據圍繞企業JTBD業務場景，在解決方案、產品、服務上再度迭代升級：11前沿洞察在產品方面，作為標準的產品驅動的公司，觀遠數據從創立伊始就在打造“讓業務用起來”的產品，以易用性、場景化、企業級三大支撐，讓業務能快速、深度、廣泛用起來。今年，觀遠數據全新發布一站式智能分析平臺7.0，攜帶一系列全新產品，包括基于LLM的場景化問答式BI觀遠ChatBI、企業統一指標管理平臺觀遠Metrics、企業數據開發工作臺觀遠DataFlow，共同構筑了新一代智能分析平臺的基石，以更能讓業

32、務用起來的產品，與更多企業一起邁入智能BI的元年。更能讓業務用起來的產品在服務方面，客戶成功體系是觀遠數據獨樹一幟的標志，憑借面向業務價值的交付體系、面向數據素養的6S方法論，觀遠數據的NDR指標一直處于行業前列，彰顯了客戶對觀遠數據服務的滿意度。今后，觀遠數據依舊將聚焦于客戶成功，秉持觀遠數據“企業BI建設階段6S模型”與方法論，以面向業務價值的差異化服務，持續助力企業的數據建設穩步進階持續躍升。NDR行業領先的客戶成功保障12前沿洞察觀遠數據聚焦業務價值，圍繞業務JTBD，全新發布的方案、產品與服務，期待更多朋友的深度探索。借此機會，觀遠數據也想對各行業領先客戶的長期信賴、每位合作伙伴的長

33、期支持表達衷心的感謝。觀遠數據期待與更多企業一起，聚焦業務價值的第一性，面向未來，一起探索“讓業務用起來”的無限可能。02產品創新觀遠數據一站式智能分析平臺7.0：做極易用又聰明的產品觀遠ChatBI：讓數據分析像聊天一樣簡單觀遠Metrics：數據資產構建的新武器14產品創新觀遠數據一站式智能分析平臺7.0：做簡單又聰明的產品在快速變革的時代，數據已成為企業最寶貴的資產之一，如何通過BI高效地收集分析管理數據，將數據轉化為實時洞察，幫助企業高效做出敏捷決策，打造數據驅動型組織，已成為企業的重要課題。2024年10月，觀遠數據聯合創始人兼CTO張進在2024觀遠數據智能決策峰會暨產品發布會現場

34、，正式發布觀遠數據一站式智能分析平臺 7.0，并圍繞“JTBD”（Jobs to be done，待辦任務）展示了諸多全新升級功能。越來越多的企業已經意識到數據驅動的敏捷經營能力是組織生存與發展不可或缺的核心競爭力。據Gartner 2022-2024年CEO和CIO高管調研相關報告顯示，數據驅動已成為企業第一重要的優先級，50%的企業董事會希望增加數據驅動型決策。同時，超過50%的數據分析項目低于CEO預期，說明了數據分析項目效果與企業預期價值的矛盾。這其實是企業在數字化建設過程中常常面臨的“價值鴻溝”，它橫亙在業務提出的需求與業務真正渴望解決的核心問題之間，讓企業的數字化建設出現實際效果與

35、預期價值的不匹配。要從根本上解決問題，需要從寬泛的“以用戶為中心”具象到“以用戶的待辦任務”（JTBD）為中心，為用戶提供最好的產品、服務及解決方案幫助用戶完成他們的任務。企業中JTBD涉及很多角色，滿足各類業務用戶的需求絕非一張報表、一個系統可為，它需要完備的工具能力支撐，也需要企業加大對組織人才的培養、業務流程的優化、技術能力的提升、數據文化的建設。作為業內領先的一站式智能分析平臺與服務提供商，觀遠數據在持續進化的路上，也基于企業業務場景JTBD的第一性，持續強化著差異化價值。圍繞“JTBD”，做既易用又聰明的產品張進觀遠數據聯合創始人兼CTO掃碼獲取張進分享完整PPT15產品創新觀遠數據

36、作為一個產品型的公司，不局限在功能點的拆解，而是從JTBD核心點，總結業務碰到的挑戰和問題。不同的客戶有不同的JTBD，基于不同客戶的各類真實場景，觀遠提煉共性的產品需求，打造既易用又聰明的產品。此次，觀遠一站式智能分析平臺7.0全新升級，圍繞“JTBD”開發了企業數據開發工作臺DataFlow，企業統一指標管理平臺Metrics，觀遠ChatBI等產品，逐步實現“Beyond BI”（不只是BI），讓業務團隊和IT團隊輕松面對企業內部各類決策。面對各種不同的業務場景下的JTBD，無論是高層經營分析，還是一線業務取數用數，觀遠一站式智能分析平臺7.0帶來了全流程解決方案，助力企業洞察數據背后的

37、故事，實現敏捷的決策。觀遠一站式智能分析平臺7.0全新升級數據倉庫ODSDWSADSDIMDWD源系統數據ERP財務人力手工數據POSWMS數據開發觀遠DataFlow企業數據開發工作臺實時數據同步數據流開發任務調度編排數據質量監控數據服務觀遠Metrics企業統一指標管理平臺指標資產沉淀指標治理指標API服務指標加速場景解決方案數據分析觀遠BI企業一站式BI解決方案儀表板報表數據填報自助取數數據應用門戶智能洞察應用市場數據大屏移動BI訂閱預警嵌入式分析觀遠ChatBI基于LLM的場景化問答式BI知識庫管理Chat 問數移動OA機器人Chat 洞察經營管理場景銷售分析場景電商場景營銷活動場景財

38、務場景用戶會員場景供應鏈場景金融風控場景觀遠平臺數據中心數據接入數據存儲數據準備查詢加速16產品創新對于高層而言，核心要把握經營分析管理中，業務波動的責任人、原因以及解決方案。過去，拆解指標、維度過于復雜，往往需要數天甚至更長，影響后續經營。智能歸因：定責任人、定問題環節、定影響因素高層經營管理場景現在，通過智能歸因，企業碰到高層分析決策問題時，歸因將變得極為高效?；凇跋热撕笫?、兼顧相關度”，智能歸因結合“維度歸因、指標歸因、算法歸因”形成一套完整的分析體系，高層管理可以快速找到業務異動原因，明確相應業務指標，過程指標，輕松實現定owner，定位問題環節，并獲取額外的分析思路。維度歸因定位責

39、任人：采用多層次的維度歸因策略，從不同角度對結果進行細分。無論是按照地域、產品線或是其他分類標準，都能夠實現結果的精確分解，從而快速鎖定問題高發區域。指標歸因定位出問題環節：通過分析結果指標與其前置指標之間的數據關系，揭示問題產生的直接原因。算法歸因探索潛在因素：利用高級統計方法，定期掃描大量數據，識別異常相關性，為管理者提供新的洞察。先人后事&兼顧相關度維度歸因定位責任人結果性指標維度分拆，有owner負責指標歸因定位出問題環節過程性指標公式拆解，成為可執行動作算法歸因探索潛在因素相關度提供額外分析思路17產品創新智能歸因能夠幫助高層管理者將焦點鎖定于某一責任人，但如果存在數據口徑差異，例如

40、指標同名不同義、同義不同名，討論往往會變得無效，而且極易引起跨部門的“口徑之爭”?，F在，企業統一指標管理平臺觀遠Metrics，能幫助企業沉淀核心指標，指標資產化，構建統一指標體系。如此一來，不僅能幫助高層理清企業數據指標，完成從數據驅動到指標驅動的業務決策模式轉變；還能讓業務人員實現自助式的指標檢索、授權申請及分析，更加敏捷地找數用數，快速搭建各類業務看板，以適應不斷變化和升級的企業數字化需求。觀遠Metrics與智能歸因結合，為企業雙重賦能，更將助力企業真正實現數據驅動決策。智能歸因幫助快速鎖定問題所在，而指標平臺則保證了討論基礎的穩固，二者相輔相成，共同推動企業數據分析與業務決策走向高效

41、。助力企業在瞬息萬變的市場競爭中，保持敏銳洞察，抓住增長機遇。觀遠Metrics：“穩態”指標平臺解決指標口徑爭議18產品創新對于一線運營人員，過去取數用數極度依賴IT團隊。例如在雙十一大促這種取數用數需求多且雜時，IT部門無法及時完成數據需求，業務或將錯過策略調整時間從而影響業績。業務人員更希望能實現自主取數用數。自助取數：更低成本、更短周期、更廣覆蓋一線運營取數用數場景現在，觀遠升級自助取數能力，生產者制作取數看板，取數用戶靈活取數用數。業務人員無需了解分析邏輯，無需掌握制作看板的能力，只需要一鍵復用取數模板，就能實現拖拉拽取數，不同部門、不同業務、不同角色都能完成自己的分析取數需求?，F在

42、，觀遠升級表格填報能力，離線Excel全部線上化，在兼容用戶Excel操作習慣的同時，賦予業務人員“Owner”身份。業務人員可在BI上對指定數據表進行實時調整，修改后系統自動刷新，相關儀表板同步更新，實現了“在線修改、實時更新”。19產品創新業務團隊通過自助取數輕松地取數用數，但在離線Excel的處理上仍存在困難。過去很多企業中即便上線了BI，業務人員仍在手動更新Excel同步至BI，數據匯總處理耗時、數據修改難以追溯過程，數據校驗困難。表格填報：在線修改、實時更新傳統BI工具往往受限于自身的生態，生成的報告與分析結果孤立存在于專業軟件內。而在快節奏的工作環境中，業務團隊更傾向于使用日常辦公

43、軟件如飛書、釘釘或企業微信進行溝通與協作。過去OA表單數據難以與BI互通，采集流程割裂，數據展示需要層層跳轉，預警推送不及時，亟需一套全鏈路可閉環的解決方案。觀遠 飛書：企業數據全鏈路管理與組織協同20產品創新觀遠ChatBI自發布以來，始終致力于突破傳統界限，為用戶提供更加智能、貼合業務需求的服務。觀遠ChatBI實現了在市面上所有同類產品里回答準確率最高、成本最低。其中關鍵是企業級知識庫的搭建。觀遠掌握了一套高效培訓ChatBI的辦法，讓ChatBI更懂得企業內部的指標口徑、業務黑話、分析場景等等，能將對話歷史持續沉淀到企業知識庫中。觀遠ChatBI：打造企業虛擬數據BP，加速分析-洞察決

44、策鏈觀遠BI過去已實現飛書、釘釘及企業微信的打通，在7.0的升級中，進一步與飛書深度融合，打造無界數據體驗：將觀遠ChatBI嵌入飛書，組織團隊成員在問題討論中可以直接詢問ChatBI，獲取實時數據。強化關鍵業務數據的飛書工作臺展示功能，讓業務團隊能夠隨時隨地感知數據變化，并在無形中培養其數據驅動決策的能力。對消息推送進行了升級，能夠推送包含詳實文本描述和生動視覺元素的復合消息。業務不僅可以獲得單一數字提示，更能直觀掌握整套指標體系的現狀，為決策提供全面視角。其次，面向積累了海量看板與卡片的大型企業，觀遠ChatBI能深度激活企業業務數據資產，業務人員憑借其搜索能力，能夠迅速定位所需內容，極大

45、地節省了時間。而引入智能歸因，讓ChatBI能夠將原本模糊的歸因邏輯轉化為清晰的決策資產，存儲于數據平臺中，ChatBI在面對類似問題時，可以借鑒過往的經驗。業務人員能快速地得到更有價值的歸因，更清晰地洞察問題找到解決方案。21產品創新在數字化建設的不同階段，企業各有各的難題。例如，數字化起步階段時，思考如何從0-1搭建數據分析內容；業務發展遇到問題時，想參考同類場景的最佳實踐；基本滿足數據分析后，期望打造更體系化的分析方法論。此時，大家有一個共同的問題：其他企業都有什么好做法？觀遠數據已服務1000+企業，沉淀了各行業多場景的精品應用，在云市場進行對外發布。精品應用實現了與觀遠BI的互通互聯

46、，用戶可以在線下載到自己的環境，跨環境復用，同時支持主題一鍵換膚、多終端適配等功能。未來，觀遠將持續與領先客戶進行新的場景探索和共創，總結和提煉新的know-how，為更多企業提供參考與借鑒。從2016年創業以來，觀遠一直都在堅持一站式智能分析平臺，做到統一的數據底層維護，統一的數據架構，統一的安全管理，統一的權限管理，統一的開放能力。這些原則指導著我們產品功能的持續創新和更新。如今，觀遠數據一站式智能分析平臺7.0全新升級，圍繞JTBD，期望助力企業以更高效、更低門檻、更敏捷地完成更多的業務場景下的高效分析，真正實現“讓業務用起來，讓決策更智能”！沉淀領先客戶最佳實踐，為各階段企業提供解題思

47、路22產品創新觀遠ChatBI：讓數據分析像聊天一樣簡單BI通過收集、整合和分析企業內部的各種數據，幫助企業發現數據中的模式和趨勢，從而做出更明智的商業決策，以此來提升企業的經營能力和競爭力。無論是傳統BI還是自助BI，都是為了在數據和人之間建立一座橋梁，使數據能夠被更有效地理解和應用，但由于數據的復雜性和用戶的多樣性，他們無法完全消除數據和用戶之間的距離。觀遠ChatBI是一款基于大語言模型（LLM）打造的智能數據問答產品，提供意圖識別、知識召回、問題理解、數據查詢、可視化生成等能力。用戶通過自然語言提問，便可獲取數據分析結果，實現敏捷決策。對于中高層“臨時問數”需求，觀遠ChatBI實現了

48、從“找人”轉為“找系統”的轉變，用戶可以通過自助式問答迅速獲得臨時業務數據，無需依賴數據團隊。對于業務一線“敏捷取數”需求，觀遠ChatBI將取數從日常排期開發轉變為分鐘級響應，用戶可以通過靈活便捷的問答查詢，自助獲取復雜指標數據。對于數據團隊“知識共享”需求，觀遠ChatBI專注于知識庫的維護，實現企業知識的統一沉淀，從而提升業務分析的效率。例如，19-21點進行某場達播活動后，業務定義了純新增一單會員、潛客首單轉化率等指標，希望能在達播活動后立刻進行復盤活動效果，而相關指標無法提前定義計算并及時輸出，等待分析師處理至少要等待從小時到天不等。傳統BI工具在復雜指標的查詢上，無法兼顧靈活性和時

49、效性。對決策層來說，盡管核心分析場景已有看板，但整體分析過程仍然需要領導自行進行查看、總結、決策，同一份數據所捕獲的信息與行動手段依賴決策者本身的認知水平與經驗，經過驗證的分析思路無法沉淀復用。數據分析工具使用門檻高，分析思路因人而異，難以形成統一認知與結論進行落實。對企業內部不同部門指標同名不同義、同義不同名，業務用語適用范圍有限，不同部門之間認知對齊困難，在向上傳達與跨部門溝通時出現口徑混亂、認知不統一等問題。企業業務知識及數據口徑分散記錄，無法被統一沉淀和應用至各部門業務分析場景中。盡管BI相關技術不斷進步，但很多企業仍存在一些應用難點，包括查數不靈活、使用門檻高、知識難沉淀等。這些無一

50、不在限制BI的廣泛采用和效果發揮。傳統BI三大應用難點：查數不靈活、使用門檻高、知識難沉淀23產品創新對話應用Agent數據分析平臺大模型能力基座知識學習Agent主題管理權限管理知識庫管理后臺配置功能應用對話式應用主動澄清意圖識別主題配置數據連接計算引擎渲染引擎權限管理BI元數據開源模型閉源模型主題測試主題權限數據行列權限數據知識問答知識業務知識洞察知識上下文理解知識召回問題改寫問題理解知識更新問題自檢個性化學習多輪對話問題推薦跨表查詢可視化圖表互動反饋智能洞察觀遠ChatBI產品架構觀遠數據本銷售額對話歷史這個的檸檬的銷量怎么樣？換批全國庫存情況你可以繼續問我：2024-1-12024-1

51、-102024-1-202024-1-30當然可以，我將查詢并計算 2024 年最近 1 個各商品類的銷售收您需要的數據如下：銷售數據集查詢本銷售額自然語言問數，數據分析靈活可信對話式分析：自然語言獲取分析結果，數據可信有保障智能引導：主動推薦關聯分析，引導提升分析深度和效率跨表查詢：多數據源提問數據，系統處理表間運算反復回看：重要分析結論一鍵收藏，歷史會話一鍵回溯觀遠數據本銷售額對話歷史換批你可以繼續問我：2024-1-12024-1-102024-1-202024-1-30當然可以，我將查詢并計算 2024 年最近 1 個各商品類的銷售收您需要的數據如下：銷售數據集查詢本銷售額銷售額智能助

52、9:41復制 SQL10 206710000011 939515000012 11871200001 98541800002 7283200000份銷量銷量額當然可以，我將查詢并計算2023年最近5個的所有商品銷量和銷售額的實際值總和。篩選條件為期范圍2023年1012024年229。您需要的數據如下：銷售表這個的檸檬的銷量怎么樣？換批你可以繼續問我：查看今年最近5個的銷量和銷售額多端互通高效分析，數據私密管控有保障多端集成適配：移動端靈活問數，OA集成業務協同更高效數據權限體系：數據行列權限嚴格管控，個性化安全保障數據隱私安全：本地存儲及調用計算，數據完全私有化問題回答提問時間操作對話歷史測

53、試啟銷售主題好評待優化未反饋提問次數293822提問數3701運營指標使跟蹤基礎配置分析訓練庫業務知識庫權限管理低門檻搭建知識庫，個性化輕量運營知識接入：BI數據資產、企業歷史取數SQL、文檔等業務知識問答準確率：模型持續學習知識，綜合準確率90%+主題管理：多種業務分析場景靈活定義，聚焦場景化分析對話追蹤：用戶問答行為主動學習，持續優化問答質量總結來說，觀遠ChatBI具有“數據分析靈活可信、低門檻搭建知識庫、多端互通數據管控”三大亮點能力。24產品創新目前觀遠ChatBI已實現落地應用，在多種企業應用場景中已經展現出其實用性，能夠滿足快速、靈活的數據查詢和分析需求。以算數值、取TopN、做

54、比較等取數用數場景為例。算數值：詢問“2023年一線城市總的銷售利潤是多少？”，觀遠ChatBI能理解“一線城市”的含義，并對銷售利潤進行聚合計算。TopN：詢問“2023 年銷售量前3的商品品類”，觀遠ChatBI 能按商品類別進行分組聚合，并按銷售量降序排序，返回排名前3的商品及其銷量。觀遠ChatBI典型“問答”：算數值、取TopN、做比較25產品創新做比較：詢問“比較過去一年中不同地區的年度利潤，哪三個地區的利潤最高？”，觀遠Chat BI將按地區進行聚合，并計算出每個地區的利潤，最終通過柱狀圖進行展示。自然堂集團攜手觀遠數據，將大語言模型和BI基座能力相結合，應用大語言模型的底層能力

55、，學習企業業務知識（表知識、業務邏輯、問答知識、洞察知識等），實現問答式數據分析，打造“問數GPT”。用戶對話應用業務分析師管理應用分析agent意圖識別分析流程知識召回用戶反饋收集主題與知識庫管理數據知識問答知識業務知識主題建設與運營RAG大模型閉源模型開源模型企業級BI分析引擎行列權限高性能&高可用用戶行為數據知識挖掘數據結果SQL/API代碼自然堂集團是觀遠數據ChatBI產品的首批合作伙伴之一。其業務發展至今，已經積累了大量的數據，涵蓋供應鏈、生產、銷售、營銷和會員管理等各個方面。這些數據的積累提供了寶貴的資源，但同時也帶來了一些挑戰。實踐案例：自然堂打造“問數GPT”，1-5分鐘解決

56、業務數據需求臨時性一次性需求多：在分析過程中，無法滿足所有需求，眾多指標和維度是臨時提出的一次性需求。需求重復度高：梳理自然堂的日常數據應用需求，有70%屬于重復需求。個性化分析有門檻：不同用戶往往存在個性化的分析邏輯，傳統BI門檻較高，非技術人員往往難以使用BI進行個性化分析。26產品創新提升數據分析需求響應效率：產品上線3個月后活躍用戶占比52%，覆蓋業務部門10+，處理取數需求3k+，業務部門的數據需求滿足周期從原來的0.5小時3天不等，縮短到15分鐘，有效提升數據分析需求的響應效率。提升數據分析師的服務半徑：轉變數據分析師的工作角色，從原來的SQL工程師變成企業知識訓練師。數據支持部門

57、與業務部門進行更緊密合作。降低跨部門溝通協作成本：沉淀營銷、銷售、市場、庫存和財務等業務數據，快速響應綜合性業務分析需求，加速知識調取與流通，降低跨部門溝通協作成本。降培養業務數字化思維：規范業務需求描述，大大降低其他需要開發的數據需求的溝通成本?；凇皢枖礕PT”系統，用戶可以通過對話與系統交互，系統基于前置分析模塊識別用戶意圖，并與知識庫結合，生成SQL。這些SQL隨后進入BI體系進行計算，并以直觀的方式呈現結果。觀遠ChatBI正逐步開放試用中，歡迎觀遠數據的合作伙伴聯系對應客戶成功經理申請試用！目前，問數GPT已有廣泛的員工參與使用。在數據安全方案，不同部門間的員工可以配置不同的問答權

58、限與數據權限，以保障企業數據安全。目前自然堂集團的應用效果如下：觀遠Metrics：數據資產構建的新武器在數據驅動的商業環境中，指標是企業決策的基石。它們可以幫助企業量化業務成果，監控市場動態，優化運營效率，并推動創新。一個良好的指標體系能夠確保信息的全局性和體系性，為企業的各個層面提供決策支持，從而驅動業務的良性發展和達成經營目標。27產品創新隨著企業數字化轉型的不斷深入，指標在企業數據分析與智能決策場景中的應用愈發廣泛，如數據資產管理，業務經營分析，以及當下火熱的AI大模型等領域。這些應用場景對指標的靈活性和數量提出了更高的要求。很多企業在指標的開發和實施過程中，面臨著指標管理難、口徑不一

59、致、用數門檻高等等挑戰。指標體系建設三大難點：指標管理難、口徑不一致、用數門檻高基于文檔或口頭的方式管理指標口徑，指標生產落在數據模型或分析看板上，管理與生產脫節，隨著數據資產增長，IT面向業務、跨業務團隊的解釋成本、管理難度越來越高。例如，指標的計算邏輯發生變更時，IT/數據團隊僅對ETL流程或數據模型進行調整，而忽略更新業務字典，導致管理困難。指標管理難度大、團隊協作成本高基于Excel的指標字典管理銷售業務指標徑匯總V1.0銷售業務指標徑匯總V2.0銷售業務指標徑匯總V9.0原子指標復合指標衍生指標維度管理“以表為中心”的煙囪式開發和管理方式，大量的同名不同義、同義不同名的指標數據，最終

60、導致指標的可信度低，可復用性差。例如，很多企業在數據分析項目的初期階段，IT和數據分析團隊構建獨立的數據集市模型，導致了多個分散的“私有指標池“的形成，復用性和治理工作變得困難。數據口徑不一致、孤島現象突出傳統指標開發流程長，需依賴IT團隊先理解需求、再開發落地，跟不上快速變化的業務需求變化，供需不平衡。業務團隊前期需要和IT/數據團隊進行大量的溝通，而一旦指標口徑發生變化，要重新修改開發邏輯，走排期、測試和上線，交付效率低。業務用數門檻高、指標交付效率低28產品創新在數智化運營的道路上，以上企業面臨的指標管理和加工挑戰日益凸顯，這不僅顯現了現有流程的不足，也強調了改進這些流程的迫切性。為了應

61、對這一挑戰，越來越多的企業選擇構建自己的指標平臺或者引入第三方服務。對于數據驅動的企業而言，一個一站式的企業統一指標管理平臺是至關重要的?；谝陨蠁栴}，經過數百家客戶的共性問題總結，觀遠數據打造企業統一指標管理平臺觀遠Metrics，一款企業關鍵指標的集中管理產品，提供指標定義、指標生產、指標管理、指標檢索、血緣分析、指標服務、指標洞察于一體的完整產品解決方案，幫助企業建立統一指標體系，實現從數據驅動到指標驅動的業務決策模式轉變。針對以上痛點難點，觀遠數據以觀遠Metrics為中心，總結三大解法：以觀遠Metrics為中心總結三大解法觀遠Metrics支持業務BA或數據分析師在拿到業務需求以后

62、，在統一的指標平臺完成線上化業務口徑錄入、計算口徑定義，通過平臺配置化的方式即可輕松實現各種類型的指標定義，不需要IT人員重復再去理解業務需求再定義計算邏輯。在線化指標設計，實現指標定義即生產觀遠Metrics實現了指標資產全生命周期的“顯性化”管理。支持指標主題管理、指標上下線、指標血緣等功能。從指標的創建、定義、計算邏輯的確立，到其在業務分析決策中的應用、維護，直至最終的下線，整個過程中的每一個環節都被清晰地可視化和系統化。使得決策者能快速獲取到最新、最準確的數據洞察，輔助他們做出更加精準的業務判斷。不僅極大地提升了數據驅動決策的效率與質量，還強化了組織內部的數據治理能力，確保了數據資產的

63、最大價值化。指標資產“顯性化”，管理與運營輕松高效觀遠Metrics和觀遠BI打通，在BI儀表板分析的時候，可以直接選取指標做分析，提供了與BI基于數據集分析的卡片設計完全一致的體驗，基于指標搭建的分析卡片，可以一鍵查看“指標清單”，直接連接指標平臺實時獲取指標定義。與觀遠BI無縫接入，業務用戶 0 學習門檻業務系統指標應用開放共享指標平臺公共數據集市數據及底座支撐指標消費統一指標服務API指標構建指標治理數倉/數據湖Data CopilotDIMODSDWDDWSADS儀表板分析數據大屏智能洞察目標分析數據報告移動輕應用取數服務指標主題POSTMS供應鏈ERP財務手工數據指標目錄原子指標衍生

64、指標權限管理指標上下線復合指標公共維度多版本管理指標審批血緣分析指標監控指標市場極速引擎智能ETL多源數據接入實時數據調度編排全鏈路血緣數據回寫29產品創新為助力企業從數據驅動，到“指標驅動”的業務決策模式轉變，觀遠Metrics構建了以指標為中心的數據資產管理、數據分析新范式，最終為企業提供一個更加高效、統一的指標生產與管理體驗，以適應不斷變化和升級的企業數字化需求。觀遠Metrics具有“可持續、低門檻、開放式”三大亮點能力。觀遠Metrics三大亮點能力：可持續、低門檻、開放式以可持續迭代的方式沉淀核心數據資產，為業務層提供穩態數據基礎基于主題/目錄/指標層級分類，構建企業完整指標體系；

65、定義即生產，業務口徑和計算口徑一屏化管理；指標異動可歸因，快速解讀業務現狀，精準定位業務問題。銷售主題6,634,234銷售額3649待回款24%銷售額同環9,789客單價6744回款額86%標完成率部指標列表部指標列表公司指標列表零售額變化率 12.9%233,546,566201,787,345+0.21(+18%)傳統渠道貢獻 5.80%101,787,345+0.21(+18%)同店貢獻 5.80%91,787,345+0.21(+18%)新增店貢獻 5.80%11,787,345+0.21(+18%)特賣店貢獻 5.80%31,787,345+0.21(+18%)新零售渠道貢獻 5.

66、80%6,634,2344,533,096當期銷售額上期銷售額66.3%智能歸因業務徑銷售額指標的最基本業務徑是指企業在特定時間范圍內通過銷售產品或服務所實現的總收。計算式Sum(各區銷售額)名稱銷售額指標詳情開放式消費，靈活豐富的API能力，各類管理和數據應用輕松集成統一指標服務API，無縫對接第三方及自研應用等指標消費；完整的指標權限管理和一鍵授權能力，數據安全更有保障；指標全生命周期管理，支持上下線、多版本、審批管理等；以指標為中心的全鏈路血緣追蹤，上下游影響一目了然。指標驅動的BI可視化分析，面向業務提供更低門檻更高效的分析路徑，快速搭建各類業務看板與觀遠BI分析能力無縫貼合，直接基于

67、指標做可視化分析；強大的資產檢索能力，指標“找、看、用”會更方便；零代碼可視化的在線化管理，輕松定義指標口徑。30產品創新實踐案例：指標資產管理模式與指標驅動BI分析模式基于科技公共集市數倉，業務部門利用觀遠BI構建自有數倉。再通過指標平臺統一管理基礎公共指標和核心經營指標，實現面向BI敏捷分析和資產管控的統一指標出口。指標驅動的數據分析模式用起來的同時收口指標資產管理，面向分支行及平行業務部門提供指標檢索及數據服務。最終助力該企業減少30%指標重復開發工作；分支行自助分析效率提升，指標落地縮短至1天。某銀行：分支行共享指標資產管理，減少30%指標重復開發基于觀遠一站式BI能力構建底層輕型數倉

68、的公共數據層，將基礎公共指標、關鍵業務指標在指標平臺中管理起來，沉淀為核心指標資產，形成指標治理的關鍵載體，面向BI、自研大屏及跨部門的取數場景應用提供指標檢素、查詢和分析服務，與敏捷分析模式共同構建企業內部敏捷高效的數據分析鏈路。最終實現ETL任務下降30%，指標復用率90%，數據看板上漲20%。某零售消費企業：指標驅動的BI分析模式，指標復用率超90%客戶痛點指標資產市場高價值儀表板核心經營指標資產檢索申請授權使用治理觀遠指標平臺定義指標指標資產沉淀基礎公共指標總行 公共云數倉觀遠 BI公共數據層(業務部門數倉)客戶價值指標建設能力弱數據開發質量差需求落地時間長二次重復開發多數據校準成本高

69、核心經營指標減少30%指標重復開發工作分支行自助分析效率提升指標落地縮短至 1天客戶痛點BI分斬自研數據應用跨部門取數數據接入基礎模型開發數據清洗維度關聯ERPAIP三方CRM自研手工Excel基礎公共指標使用情況追蹤關鍵業務指標指標資產沉淀客戶價值指標體系 煙囪式指標管理 文檔式指標治理 黑盒式重復定義口徑不一致修正追溯難數據質量低，決策不可信指標層公共數據層(基于BI構建的輕型數倉)數據源30%ETL任務20%數據看板1k+指標數量90%指標復用率數據開發的難度降低，可面向業務的指標定義。消費環節無需重復定義，簡化數據分析和指標管理，實現指標的低門檻消費和低成本管理。目前，觀遠Metric

70、s已與多家客戶達成深度合作，實現了在多行業、高復雜度數據環境下的落地實踐。需要了解產品及相關案例可以通過觀遠數據官網，或對應銷售及售后人員獲取。03最佳實踐零售行業：斯凱奇、慕尚集團、博士眼鏡、正新集團、香蜜閨秀、七秒易購消費品行業：君樂寶、維他奶、自然堂集團、蜜思膚、微念、樂其創新金融行業：青島農商銀行、宜信互聯網行業：新東方、水滴集團、智聯招聘、用友薪福社、華夏樂游32最佳實踐零售行業觀遠數據以豐富的行業認知經驗，成為眾多零售行業頭部品牌數字化建設的首選合作伙伴，幫助品牌實現商品運營、門店管理等核心業務場景的數字化，助力零售品牌降本提效。觀遠數據零售行業合作客戶部分展示斯凱奇：借助觀遠BI

71、優化庫存管理，實現滾動預測追蹤如何高效利用數據，激活數據價值是當下企業都在思考的核心問題。斯凱奇數據平臺負責人Lee在敏捷創變2024觀遠數據智能決策峰會暨產品發布會現場，以斯凱奇數據平臺創新，通過場景化應用挖掘數據價值為主題，分享了斯凱奇如何以目標管理與滾動追蹤為核心，實現庫存管理及滾動預測，并介紹了數據平臺建設5年的發展歷程。在鞋服行業，庫存管理對于企業而言至關重要，直接關系到企業的成本和利潤。產品從研發設計到生產準備，需要長達一年的時間，這意味著時間周期較長。庫存若能成功銷售，便轉化為企業價值，否則商品過季，可能不再流行，將成為成本負擔。庫存管理是鞋服行業的核心內容，需要通過精細化的數據

72、分析和策略調整，以確保庫存的健康流轉和企業的財務健康。在傳統的庫存滾動預測流程中，有一些挑戰：鞋服行業庫存管理及滾動預測追蹤挑戰數據整合流程耗時長：每個月，庫存管理部門從不同來源獲取數據，包括銷售目標、訂單、庫存數據以及OTB計劃，整合這些數據通常需要15到20天才能完成報告。目標版本多且顆粒度不足：一年中可能會有六七個銷售目標版本，包括年初和每個季度的預估版本。這些版本不僅多，而且細節不夠精細。目前的目標可能已經細化到單店，但對于整體業務的指導性仍然不足。目標拆分邏輯復雜：為了更好地指導實際決策，不僅需要知道年底的總庫存量，還需要了解不同品類、不同年齡段、不同性別的庫存分布。這樣的細分可以幫

73、助我們更精確地進行業務決策。要實現這種細分，就需要將目標進一步拆分到各個細分品類中。這個過程涉及到大量的運算步驟和數據處理，對現有系統來說是一個挑戰。Lee斯凱奇數據平臺負責人掃碼獲取Lee分享完整PPT33最佳實踐34最佳實踐以目標管理、滾動追蹤為核心，斯凱奇實現滾動庫存計劃為解決庫存管理的挑戰，斯凱奇制定了一個包含兩個核心內容的方案：目標管理，包括多版本目標管理、目標拆分以及拆分結果后的分析。同時，利用觀遠平臺進行滾動追蹤，以分析當前庫存和預估未來庫存。首先通過觀遠的DP系統來實現目標拆分。觀遠平臺允許定制模板、導入數據、計算參考值、提交基因值以及進行校驗和提醒?；谶@些功能，斯凱奇在DP

74、系統中構建了財務計劃，將單店目標轉化為OTB（Open-to-Buy），再通過退貨和折扣轉化為SI（庫存投資），并根據不同品類、商品類別、年齡和品類占比進行細分。這個過程涉及大量數據運算，但觀遠平臺能夠利用過去兩年的歷史數據作為參考，使業務同事能夠直接引用并調整這些參考值。35最佳實踐目標拆分完成后，得到了單店和不同品類的細分目標。然后結合OTB計劃、退貨預估和銷售庫存到貨計劃，就能預估未來的庫存。此外，可以加入銷售達成率和OTB參數設置等參數，以方便地預估年末庫存和庫銷比，以及不同渠道和品類的情況。通過這種方式，斯凱奇能夠更精確地管理庫存，優化銷售策略，并為未來的采購決策提供數據支持。通過以

75、上數據應用，斯凱奇實現了顯著的成果：從時效性角度來看，原本需要近20天才能完成的報表，現在每個月的六七號就能自動生成，提前了10-15天，大大提高了工作效率。在數據一致性方面，成功實現了各部門數據的統一，確保了數據的準確性和可靠性。數據呈現方式上，過去主要依賴PPT來查看數據，現在能夠在觀遠平臺上進行交互式分析，為決策提供支持與參考。36最佳實踐數據能力建設關鍵要素：業務、技術與團隊斯凱奇將目標管理與滾動追蹤作為核心策略，成功實現滾動庫存計劃。其成功關鍵在于構建的底層數據能力。數據能力建設不僅是實現數據應用的核心，也是推動斯凱奇庫存管理策略取得成功的重要基石。斯凱奇總結了三大數據能力建設關鍵要

76、素：業務層面：識別優先應用場景，快速落地，體現價值。技術層面：選擇和搭建合適的技術與平臺，合理投入。團隊層面：持續數據營運和創新，確保平臺運營。在業務層面推進數據應用時，可以從業務成熟度和價值創造兩個維度確定場景的優先級。此時，需要識別并優先考慮那些既成熟又具有高價值的應用場景，這樣的場景不僅變化較小，而且能夠讓業務部門快速看到其價值。業務：識別優先應用場景，快速落地，體現價值技術上要基于業務場景需要構建和完善數據平臺能力，避免一味追求功能全面而龐大的數據平臺。構建功能全面繁多的平臺，在BI領域可能導致初期投入過高，而價值回報卻不明顯，從而帶來推進阻力。因此，建議基于具體的業務場景來構建和完善

77、數據平臺的能力。數據平臺并非單一的軟件套件，而是由各種軟件和一些開源技術組合而成的平臺?？梢詫⑵湎胂蟪梢粋€生產車間，其中包含不同的生產線。業務場景相當于需要生產的數據產品，而構建這些產品則需要相應的生產線。通過模塊化的方式，可以靈活地擴展和調整生產線，以適應不同的業務需求。技術：選擇合適的技術和平臺，合理投入確定了優先場景后，要結合現有的數據基礎和技術水平來考慮如何快速實現這些場景。想象有三個相互重疊的圓圈：業務場景、數據基礎和技術能力。在這些重疊區域，可以迅速推進項目。如果某個業務場景缺乏技術支持，那么就需要優先提升技術能力。相反，如果場景和技術能力都具備，就需要尋找或生成所需的數據資源。3

78、7最佳實踐在數據平臺的持續運營方面，需要認識到建設過程并非一蹴而就，而是一個持續演進的過程。這其中又有兩個關鍵點。團隊：持續數據營運和創新，確保數據準確性一是需要建立敏捷復合型團隊。團隊成員需要具備業務、數據和技術的全面知識。雖然不必比業務部門更深入了解具體業務運作，但在廣度上，團隊成員應能夠跨越不同業務模塊，吸取經驗并應用于其他領域。例如，團隊成員可能同時涉及財務、供應鏈、人力資源、商品等多個模塊，通過這種跨領域的經驗積累，可以在不同業務板塊之間分享和應用知識。二要以敏捷的方式進行數據治理。企業不可能等到所有信息化建設完成后才開始BI工作，也不可能一開始就全面啟動數據治理項目，因為這將涉及巨

79、大的投入，且在數據價值未顯現之前，企業內部可能不會重視數據質量問題。因此，建議采用敏捷的方式進行數據治理，即“以用代治”。38最佳實踐從報表到數據平臺，斯凱奇5年建設經驗聚集了“業務、技術、團隊”三個關鍵點后，斯凱奇目前建立了較為完善的“大數據平臺”，概括整個建設歷程，可以分為三個階段：未來，斯凱奇也不會追求一個功能全面而龐大的數據平臺，而是根據實際需求添加不同的組件。例如，開發實時數據處理功能，建立門店和商品標簽等應用，以增強平臺的功能；基于Dataops概念構建開發管控一體化平臺，以解決數據平臺的管理問題和提高開發效率；通過AIGC為用戶提供幫助，比如定義指標、解釋數據來源等，以提升用戶體

80、驗和數據的可用性。斯凱奇與觀遠數據的合作正不斷深化，雙方將繼續探索數據應用的新領域，聚焦業務價值，利用數據驅動的敏捷經營能力，共同探索“讓業務用起來”的無限可能。報表系統階段：這個階段并沒有一個專門的數據倉庫。主要依賴于Oracle數據庫，通過存儲過程來生成報表，尤其是中國式報表，但缺乏數據建模和處理。數據倉庫階段：開始構建數據倉庫，整合各個業務系統的數據，并進行處理，使用Kettle這一開源數據集成工具，以及Azkaban進行調度和監控。大數據平臺階段：隨著數據量的不斷增長，需要將傳統的關系型數據庫遷移到大數據平臺。因此，斯凱奇將Oracle數據庫遷移到了Hadoop平臺，并基于觀遠開發了移

81、動端、儀表盤和自助分析大屏應用。此外，我們還建立了數據門戶，為用戶提供統一的數據訪問入口。（2019年以前）（2019年-2021年）（2021年7月-至今）慕尚集團：員工BI使用率達93.2%，數字化建設經驗與思考分享慕尚集團是中國領先的時尚男裝公司，同時覆蓋運動服市場和其他時尚領域。旗下擁有GXG、gxg.jeans、MODE COMMUNTER等品牌。其主力品牌GXG男裝品牌創立至今，多次榮獲男裝類目銷售第一，占據男裝類目排行榜前三。而數字化轉型正是GXG及至慕尚集團整體實現業績增長的關鍵之一。在“數智新質敏捷增長2024觀遠數據敏捷分析實踐巡展”上海站現場，慕尚集團數字化負責人金中緯向

82、與會嘉賓深入分享了數字化為慕尚集團帶來的業務價值，從慕尚集團的數字化搭建歷程，到對數據建設要素的分析，再到對數據價值的思考，為更多企業的數字化建設提供了深具價值的參考范本?；仡櫮缴屑瘓F的數字化建設歷程，金中緯在分享中講到：“在業務快速發展的時代，數據已然成為企業的關鍵資產和生產力要素。數字化轉型無疑成為各行各業發展的重中之重。慕尚集團的數字化項目確立于2019年9月，恰逢新冠爆發前后。在此之前，整個零售行業沐浴在互聯網紅利之下，各大平臺的流量如潮水般涌來，人們關注的焦點幾乎完全集中在GMV上，對于GMV背后潛藏的數據價值卻鮮有人探究?！比欢?，隨著新冠爆發和隨后三年間消費降級的現實，消費者逐漸回

83、歸理性消費，隱藏在數據背后的問題暴露的愈加明顯。慕尚集團整理出了五大關鍵難題：數字化轉型初啟：兩大關鍵步驟解決五大核心難題傳統的煙囪式和專業分工式的系統架構面臨新挑戰；業務和部門之間存在數據孤島和數據割裂問題，數據無法統一管理；不同業務和部門也出現重復建設數據管理系統的情況，導致數據標準不統一，出現歧義；數據跨部門調用門檻越來越高，業務創新部門活力明顯不足；報表人工統計，大量Excel占用人力資源、設備資源。金中緯慕尚集團數字化負責人掃碼獲取金中緯分享完整PPT39最佳實踐40最佳實踐金中緯分享了慕尚集團在著手進行數字化轉型前的系統架構，其中明顯的特點是：每個業務系統都擁有自己獨立的基礎設施，

84、之間的交互主要依賴于接口連接，這種方式導致了系統間的關系錯綜復雜，接口交匯點繁多，不可避免地導致了數據的不合理性和復雜性。為了應對上述挑戰，慕尚集團采取了兩個關鍵步驟來優化和整合數據管理系統：主數據管理平臺上線后，慕尚集團的數據展現出了獨立性、統一性、共享性和通用性等顯著特征。這一系列措施的整體落實，使得慕尚集團得以確立了一套全面的數據標準，為企業的數據治理和決策提供了堅實的基礎。對現有業務系統進行整合，上線業務中臺，打破原有系統孤島，促進業務流程的流暢性和數據的一致性。建立主數據管理平臺（MDM系統），管理和規范所有的基礎檔案及其編碼規則。在這個系統中，每一條數據都遵循唯一的編碼規則，涵蓋了

85、公司內部的店鋪、人員、崗位、部門、成本中心以及商品和會員等所有關鍵的基礎數據。主數據平臺作為數據的根基，確保了其可以被公司內外的所有上下游系統所調用，同時保證了數據的單一出口，從而實現了數據的高效流通和準確共享。關鍵難題對企業高層管理效率和決策質量產生的影響慕尚集團主數據管理平臺基礎框架圖41最佳實踐在成功搭建了業務中臺和主數據管理平臺后，慕尚集團進一步構建了完整的數據中心，主要解決了六大關鍵問題：2021年下半年，慕尚集團組建了數據中臺項目組，開始梳理各部門的業務需求，并對全域數據進行整理。全面調研后，慕尚集團精心梳理并輸出了各個業務的具體需求，并針對每個業務部門的儀表盤權限實施了精細化管理

86、。同時對用戶及用戶組的權限進行了分類和管控，確保了數據級字段的安全性，并對客戶數據進行了嚴格的管理，以維護數據的安全和隱私?？傮w來看，數據中心的建立不僅為慕尚集團鞏固了數據資產的地位，保障了數據的安全性和連續性，還極大地提高了數據的使用效率和管理質量，同時也促進了企業文化和管理思維的革新。數字化轉型深化：觀遠BI賦能業務自助分析慕尚集團的數字化轉型之旅歷時四年，至今仍在持續深化中。自2019年9月項目啟動以來，其數字化建設經歷了多個關鍵階段：消除數據孤島：通過集中存儲和管理數據，打破了原有分散在各業務系統中的數據隔離狀態。提升數據共享能力：確保數據可以在不同部門和業務之間高效流通，促進了信息的

87、互通有無。實現數據資產化：將數據轉化為企業的重要資產，確保即使員工離職，也不會導致數據資產的流失。實現加強數據安全：通過統一的數據管理，增強了數據的安全防護，降低了數據泄露的風險。提高數據效率和質量：通過標準化和自動化的數據處理流程，提升了數據處理的效率和準確性。改進組織管理模式和理念：推動了組織內部對數據價值的認識，促進了基于數據的決策文化和管理方式的形成。慕尚集團數字化搭建歷程42最佳實踐這個過程中，慕尚集團IT部門與商品、銷售、財務、人事、客服、生產、會員七個核心業務部門緊密關聯，經歷了七個關鍵節點：項目規劃現狀分析治理保障存量清洗平臺建設外圍變更運營閉環，共同完成了數據需求分析。202

88、2年5月，慕尚集團開始進行BI產品選型，重點關注系統的性能和操作優化的深度。經過慎重考慮，慕尚集團選擇了觀遠數據作為合作伙伴。接下來的三個月里，雙方攜手遷移了歷史數據報表至觀遠BI，同時關閉了其他系統的入口，以確保數據的一致性和安全性，并重點培養了一批關鍵用戶。2022年10月起，慕尚集團持續推進各個數據場景的演練，并不斷優化數據質量，以確保BI能夠更好地服務于業務需求，提升數據分析的效率和準確性。開拓多元化分析在整個BI數字化建設的過程中，慕尚集團采用了四個明確的步驟，以逐步深化數據的應用和分析能力：第一步，基礎數據寬表構建。慕尚集團首先響應業務的基本需求，創建了一系列基礎數據寬表。這些寬表

89、是通過對業務所需的各類系統數據進行整合和合并而生成的二維表格。盡管這些寬表已經為業務提供了初步的數據支持，但業務人員仍需將其從BI導出，并借助Excel進行進一步的加工和分析。第二步，統計型數據圖表開發。為了增強數據的分析價值，慕尚集團引入了外部數據源，如天氣和節假日信息，與零售數據相結合。通過從第三方平臺獲取這些補充數據，并與銷售數據整合，生成了有助于業務部門深入分析的統計型圖表。借助觀遠BI，慕尚集團通過兩大措施逐步提升了數據分析的深度和廣度，同時推進了企業數據文化的建設：慕尚集團BI數字化建設歷程金中緯在分享中講到：“在數字化建設的旅程中，IT部門的角色不僅僅是技術實現，更重要的是與業務

90、部門的緊密溝通。成功的數字化建設必須深入理解業務需求，解決業務痛點。脫離了業務部門的實際需求，任何數字化項目都無法真正落地和發揮價值”。43最佳實踐第三步，分析型報表升級。將原本需要業務人員手動導出并在Excel中處理的數據，轉變為可以直接在觀遠BI內進行日常分析的報表。這一步驟是對基礎數據寬表功能的進一步提升，使得業務分析更加便捷和高效。第四步，多元數據集成分析。為高層管理者提供跨系統、多維度的數據分析視角。這些分析報告匯集了來自不同系統的關鍵數據指標，為決策者提供了全面的信息支持，幫助他們從宏觀層面把握業務動態和發展趨勢。開拓高級用戶高級用戶的意義與觀遠數據所貫徹的理念一樣：讓業務用起來。

91、他們不僅是觀遠BI中的關鍵用戶，更是推動業務數字化應用的中堅力量。為了讓業務部門能夠充分利用觀遠系統，慕尚集團在BI上線后不久便組織了一場全面的培訓，召集了內部的核心業務部門參與，邀請了觀遠數據專家進行指導。高級用戶的首要任務是掌握基本的函數知識和Excel操作技能，在此基礎上，通過培訓進一步教授他們如何使用數據集卡片進行操作，并提供資源讓他們學習ETL技能。為了進一步提高用戶的自主操作能力，項目組還與公司內部的培訓部門合作，創建了一套動態視頻學習檔案。這些視頻教程詳細介紹了如何使用觀遠BI中的普通卡片制作功能，使得員工能夠自行獲取所需數據，而無需頻繁向IT部門請求協助。這不僅提升了業務部門的

92、獨立工作能力，也有效減輕了IT部門的工作負擔。此外，慕尚集團還鼓勵用戶利用觀遠BI內置的基礎學習資料，通過自學來不斷提升自己的技能水平。慕尚集團業務部門部分自主制作報表展示通過這一系列舉措，慕尚集團不僅增強了高級用戶的數據處理能力，還促進了整個業務團隊的數據素養提升。目前，慕尚集團業務團隊已可以自助制作數據分析報表，不需要任何代碼能力或SQL腳本，借助觀遠BI智能ETL，依賴于計算字段和篩選功能即可完成。44最佳實踐品牌數據的整合在BI上線前，慕尚集團面臨的是數據分散、雜亂無章的局面。引入觀遠BI后，慕尚集團成功實現了數據的高度整合，使其具備了高度的共享性、準確性和穩定性，為數據的有效利用奠定

93、了基礎。數據口徑的統一過去，由于指標定義不一、數據口徑存在沖突，導致了數據分析的不一致性，也直接影響了數據結果的一致性。為此，慕尚集團致力于拉通所有業務部門的數據口徑，確保BI上線后，數據能夠達到唯一性、完整性和有效性的高標準。聯動業務增效在傳統的業務流程中，重復勞動、人工操作和線下溝通往往耗費大量時間和精力。觀遠BI上線后，釋放了業務部門從事重復性工作的壓力，使其能夠專注于更有價值的工作，進一步降本增效。驅動業務決策以往的決策往往是從業務反推數據指標。上線觀遠BI后，慕尚集團規范了所有的數據指標，實現了數據對業務的主動引導。公司能夠給到什么支持在進行大規模項目時，公司常常會審視投入產出比，質

94、疑為何要投資于某個項目，以及它能帶來何種效益。信息部門作為成本中心，在與盈利中心的業務部門較量時往往處于劣勢，因此，管理層的支持顯得尤為關鍵。金中緯分享了其在實踐中的解決方案：“我們組建了一個包括CFO、CIO和CEO在內的核心決策群，確保在面對業務沖突或需要做出重要決策時，能得到高層的直接支持和指導，從而加速項目的推進”。隨后，金中緯也分享了他自己在整個數據建設過程中思考的一些關鍵問題和他的答案與實踐：數據建設要素：四大核心要素推動企業數智化發展金中緯在演講中分享了其在慕尚集團BI數字化建設歷程中總結的企業數據建設中至關重要的四個核心要素：45最佳實踐業務擔心什么業務部門擔憂數據的準確性和獲

95、取數據的等待時間。為了緩解這些顧慮，金中緯帶領團隊與業務團隊共同創培養高級用戶，以此縮短排期并提升數據質量。同時，其向業務團隊澄清了一個誤區，即平臺化并非旨在取代人類工作，而是將人們從繁瑣的報表工作中解放出來，使他們能夠投身于更具戰略意義的決策和創新工作中。造，業務想要什么業務部門期望獲得可靠、準確且穩定的數據。這是數據工作的基石，確保數據的真實性和及時性，以便業務決策基于堅實的數據基礎。我們可以給業務帶來什么統一邏輯，統一口徑，建立主數據管理規則，提供統一的數據，以及與業務共創，建設一個既符合業務需求又能夠促進業務發展的數據環境。BI建設成果：員工使用率93.2%，每天為業務節省2小時BI落

96、地后，慕尚集團上下一致以數據驅動業務。決策層、管理層、業務層擁有不同的數據需求，慕尚集團采用差異化的優先級管理策略，確保每個層級的需求都能得到及時滿足：在所有的數據需求中，來自決策層的占比為10%，這部分需求通過匯聚了關鍵業務指標的BI決策分析報告、移動端BI應用來快速滿足，使決策層無論何時何地都能保持對業務狀況的敏銳感知。管理層的占比為30%，通過將門店數據和零售數據以地圖形式生動呈現的BI看板，讓管理層能夠清晰把握市場格局，進行更為精準的業務分析和決策支持。管業務層占比60%，慕尚集團建立了全面的數據指標體系，每日動態更新，包括銷售數據的定義、分布以及TOP10排行榜等，借助BI清晰地呈現

97、在業務人員眼前，并通過不斷加強會員數據的管理和指標的管控等一系列措施，以數據驅動業務，推進線下門店以及導購團隊實現指標化管理，促進業務目標的達成。46最佳實踐從2022年7月上線觀遠BI至今，慕尚集團取得的成果可以通過以下四個數據展現：關于如何向平行部門闡釋數字化轉型建設的預期收益，金中緯建議聚焦以下五個方向：與業務協同制作的總報表數達到520+張；數據標準化：為企業確立一套穩固的數據標準規范，即便員工流動，依舊屹立不倒，成為企業寶貴的無形資產。數據資產管理：通過構建線上化數據平臺，所有數據資產固化于公司內部，避免個人手中的報表隨著離職而流失，確保了數據的安全性與連續性，這對企業具有重大價值。

98、數據服務賦能：為業務部門提供豐富的數據服務，有效減輕其工作負擔，特別是消除了那些重復性的勞動，從而提高整體運營效率。數據智能化探索：BI和AI的融合是當前熱議的一個話題，盡管目前還沒有太成熟，但AI無疑是未來的發展趨勢，在這個方向的探索一定會給業務決策帶來更多便利。整體員工使用率達到93.2%，除如陳列和設計等與數據分析關聯不大的部門，觀遠BI已在慕尚集團中得到全面推廣并被廣泛用起來；幫助業務人員每日節省了2個小時處理Excel和做數據的時間，顯著提高了工作效率；作為信息部數據唯一出口，極大保障了數據質量和數據口徑的統一性，進一步提高了員工的數據使用率。數據價值和思考：企業數字化轉型的四大實質

99、價值針對數據的價值與深度思考，金中緯從三個關鍵問題出發進行了分享：當前，眾多企業都在進行數字化、數智化轉型，但金中緯認為，無需過度渲染其宏偉藍圖，企業可以從“一切數據業務化、一切業務數據化、信息互通打破孤島”三點來理解數字化，而其最關鍵的是以下四大實質價值：數字化轉型的意義和價值47最佳實踐存量有限的時代如何“放大”數據的價值在分享慕尚集團的數字化構建歷程時，金中緯提到目前整個行業的流量已趨于飽和，企業不得不重新審視并高度關注如何有效利用手中的數據資產。金中緯建議企業應當通過持續的數據分析，為業務部門設定科學合理的業務指標，并通過實時的數據反饋，讓業務部門了解自身在實現這些指標過程中的表現。以

100、此為基礎，引導業務團隊調整策略，努力達到既定目標。也可以通過對應的獎懲機制，形成一種內在動力，促使業務不斷向目標靠近，直至最終達成。企業也將因為業務指標達成而獲得整體的利潤上漲，數據的價值也將在此凸顯。數字化轉型中企業需要什么樣的IT部門在很多企業中，IT部門的地位并不突出，往往被視為執行命令的角色，原因之一在于IT部門通常涉及較大的資金投入，而其在公司內部的創收能力和價值體現尚未得到充分認可。金中緯認為：“如果IT部門能夠實質性地為公司及業務部門創造經濟效益，其價值無疑將受到公司上下的一致尊重。為了實現這一轉變，IT部門需要明確自身的職能與職責，并與決策層、管理層進行有效溝通，闡述IT投資的

101、具體成本以及預期能為公司帶來的收益。同時，在與業務部門的日?；又?，IT部門應注重提升溝通效率，深入理解業務需求，以確保技術解決方案能夠精準對接業務痛點”。慕尚集團的數字化轉型，是一場技術與思維的雙重革新。以數據為驅動，以創新為動力，慕尚集團成功探索出一條適合自身發展的數字化轉型之路，也為更多企業的數字化建設提供了極具參考價值的范本。未來，觀遠數據期待與慕尚集團持續攜手，繼續深化數字化成果，共同開啟業務增長新篇章。博士眼鏡：攜手觀遠數據與飛書，打造AI和BI賦能業務實踐飛書、觀遠數據與有贊，作為博士眼鏡數字化生態伙伴，見證了從工具承載企業文化落地、促進組織升級煥新，到數據驅動與敏捷經營決策先進

102、實踐，再到AI營銷賦能導購、做好全域客戶的精細化運營。在飛書、觀遠數據與有贊共同舉辦的走近博士眼鏡活動現場，博士眼鏡數據運營負責人嚴涵以數智蝶變，AI與BI賦能業務實踐經驗分享為主題，為大家介紹了博士眼鏡如何通過數據運營策略，用更少的人實現更快的價值落地，服務更大的用戶群體，同時應用AI力量，加速員工成長，讓解決問題的人變得更好。以下為嚴涵分享實錄。我們數據運營團隊僅有4名成員，卻滿足了公司整整2,500人的數據消費需求。在BI產品交付上線后的一個季度，就實現了更快的價值落地，而且服務了廣泛的用戶群體，包括100%的高層管理團隊、100%的銷售運營管理團隊以及70%以上的核心中臺運營團隊。對此

103、，我們總結了詳細的數據運營的價值創造與策略。數據運營策略：更少的人、更快的價值落地、更大的用戶群體數字化轉型中企業需要什么樣的IT部門嚴涵博士眼鏡數據運營負責人48最佳實踐49最佳實踐首先要定義數據運營在組織里價值創造的路徑，如圖上底層是業務系統層，所有業務數據都匯集到數據倉庫，然后進入BI使用層。這里有一個與眾不同的設計，由于觀遠BI已深入融合飛書，用戶不需要與觀遠BI系統直接交互。不同層級的用戶在飛書中，就完成所有工作需求和數據需求。這確保了用戶取數用數，無需跳出飛書，就實現閉環操作。資源有限解決問題有先后其次，數據團隊僅有4名人員，資源有限，必須明確職責并分清解決問題的優先級。在組建團隊

104、之初，我們就明確了每個人的職責和要解決的問題，例如負責數據消費，要解決數據消費的廣度問題；負責經營分析，要解決數據消費的深度問題；負責數據生產，要解決數據生產質量和效率問題。明確職責后，整個工作流程就會變得簡單明了。解決哪一個用戶群體的數據需求是團隊在業務上首先需要回答的問題。我們基于用戶規模、需求類型和業務影響力作為取舍原則，優先考慮解決高管團隊需求，其次是銷售管理團隊，然后是業務中臺團隊，最后是一線銷售人員。真正對組織創造價值最大的人群是一線銷售員，需要數據賦能，但我們沒有將資源投向一線銷售。滿足基層用戶的需求是具有極大挑戰性的，一是規模龐大，足足接近2000人，二是一線銷售員在最細顆粒度

105、的數據準確性有極高要求，這需要非常大的生產端投入。我們首先選擇解決高層管理需求。因為抽象出所有問題發現高層管理的數據需求是收斂的，并且用戶規模小，數據需求集中，但業務影響力最大。我們優先選擇滿足他們的需求，最終，我們一個月就快速滿足高層管理的基礎數據需求，快速實現了價值交付。50最佳實踐其次是門店銷售管理。門店銷售管理團隊的數據需求是收斂的，需要快速了解當前情況（回答“是什么”，理解“為什么”），以便迅速做出反應，并立即指揮一線員工如何應對（回答“怎么辦”）。這是一個非常集中且閉環的管理場景，因此我們第二優先級處理門店銷售管理集中的數據需求。業務中臺團隊承接高層管理者的問題，需求是發散的。起初

106、業務中臺團隊幾乎每天都發起各種IT需求，頻繁地提取數據。唯一能夠復用的是那些經常被追蹤問題的SQL代碼。因此他的優先級需要放在高層管理和門店銷售的后面?，F在回過頭重新審視數據需求問題，我們可以發現任何數據需求都可以歸結為兩個要素：指標和維度。這兩個要素構成了數據需求的核心，可以通過標準化和自動化的方式來處理這些分散的需求，從而提高效率。將團隊發散的數據需求放在一起，比如紫色、藍色、綠色代表不同團隊的數據需求，最后會發現業務團隊的數據需求會在某個部分聚合。博士眼鏡的數據需求不會超出博士眼鏡的業務范圍，博士眼鏡的某個業務中臺團隊的數據需求也不會超出這個團隊的業務邊界。面對數據需求的發散，解決方案是

107、找到它們收斂的位置，然后集中資源解決。這也是博士眼鏡如何決定資源投入的方向和數據團隊的工作重點。做產品而不是做數據，用產品支撐管理場景博士眼鏡在整個數據運營的過程中，不僅是在處理數據需求，更是在打造一個產品。這意味著我們的工作起點并非數據本身，而是深入了解業務場景和痛點。起初在進行調研時，我們就提出了一個關鍵問題：如果我是一名銷售管理人員，我的一天和一周是如何安排的。需要做什么。如果不能準確理解這些業務場景和痛點，提供的數據服務就會變得零散和不準確，無法滿足實際需求。我們的所有工作都始于業務調研，這不僅僅是關于數據需求的調研，更重要的是理解他們的工作場景和工作痛點。這是打造產品的核心起點。51

108、最佳實踐在深入了解銷售管理的工作后，我們發現他們主要關注三件事：追業績、抓管理和搞運營。首先，追業績涉及到了解業績來源和缺口。我們通過調研提煉出三個場景業績配鏡主推，精準概括了銷售管理的核心關注點。如果不了解業務場景，就無法將這些關鍵點體現在看板上，這也是為什么一些看板無人問津，因為它們沒有針對性。其次，抓管理。這里又有三個場景大盤分析排行榜單店分析。特別是單店分析，對銷售管理至關重要。他們花費大量時間走訪店鋪，需要即時了解每家店的經營狀況。我們設計的頁面就是為了讓他們能夠快速把握每家店的前世今生，從而做出及時的管理決策。最后，搞運營。我們關注的是零售場景中以周為單位的工作閉環。關鍵問題是：與

109、去年同期相比，本周業績如何？通過評估每周的表現是否優于去年同期，快速了解每個區域、每位管理者的管理成效，以及誰的表現更好。這將指導我們后續的行動。用戶運營，讓用戶更便捷地接觸、使用產品接下來分享如何進行用戶運營，即如何讓用戶更便捷地接觸、使用產品。首先是減少操作步驟，一步看數和三步之間的差異是巨大的。由于銷售管理者更多地使用手機而非電腦，并且每天都會打開飛書，因此我們直接將“經營助手”數據入口嵌入飛書移動端。大家只需打開飛書點一下，就能直觀看到所需數據，和打開聊天窗口一樣簡單。52最佳實踐下一步是關注用戶如何使用這些工具，是否真的在使用，何時使用，如何使用。如果沒有得到用戶的積極響應，大概率我

110、們的產品做得不夠好，沒有滿足需求，或者對業務的理解還不夠深入。因此，我們每天都會查看用戶運營的看板，并發布用戶使用情況的周報。并且在每周的會議中，同步用戶的使用情況，以了解他們如何使用產品，并據此調整運營策略。53最佳實踐產品運營，提煉和推廣數據最佳實踐除了用戶數據，還要關注于用戶行為。我們需要知道設計的每一個數據卡片的訪問情況。這對于優化產品至關重要，面對有限的資源和多項任務，需要依據數據來決定優先級。數據產品運營成果：DAU 70%，WAU 100%我們數據產品運營流程始于業務調研，再進行產品創造，然后是用戶運營和產品運營，最終執行營銷策略。目前，該產品上周DAU達到了70%，而WAU達到

111、了100%，并已經持續了一個月。我認為這些成果是值得肯定的。AI 打破工業時代下的培訓范式最后，我們分享一下如何應用AI力量于培訓場景，加速員工成長，讓解決問題的人變得更好。培訓場景分為兩個維度：供給方的培訓形態（從碎片化學習到系統學習）和需求方的員工意愿（從要我學到我要學）。這兩個維度基本上可以涵蓋所有培訓場景。我們觀察到，大多數培訓資源都投入到了公司組織的大規模脈沖式培訓中，員工被要求參加并學習。這種場景下隱含了三個假設：全知全能（培訓團隊知道所有問題的正確解法）、教學等于學會（老師講了員工就會了）、分數等于問題解決程度（分數高意味著問題解決程度高）。最后，我們的數據產品，稱之為“經營助手

112、”，是門店一線管理者使用的一個工具，這個產品本質是經營管理思想的產品化。我們的目標不僅是讓更多人更高頻地使用它，還有更大的愿景：希望通過這個產品來重新塑造門店的管理行為。未來，我的目標是將日活DAU也提升到100%，并將當下T+1的數據更新模式提升至T+0，甚至更新達到小時級別，讓數據工具更深入地融入到日常管理中。此外，我們建立了一個模型來指導資源投入，包括卡片分類。我們能很輕松地管理這些頁面，哪些頁面應該保持現狀，哪些需要改進，哪些需要創新，以及哪些應該停止。54最佳實踐工業時代的培訓思維，培訓的是手而非人。而在當前時代，我們對于培訓的理解是，培訓的目標不是解決問題，真正的目標是讓解決問題的

113、人變得更好。影響培訓效果的最大因素是員工的意愿。因此，我們與飛書團隊合作，共創了AI助手。它是一個協作平臺上的數字人，每個員工都可以擁有一個專屬導師。這個產品的起點是問答，因為員工問了才表示他們需要這個知識。我們設計了知識點關聯，如果員工問了一個問題，系統會推薦相關聯的知識。并且每天會給員工發送一道題，考的是他們前一天問的知識點，以此來溫故而知新。我們希望培訓不再是一年幾次脈沖式的組織，填鴨式的教育，而是365天，每一天滲透在工作中，讓解決問題的人每天都變得更好一些。面向未來，我們也將繼續與飛書和觀遠數據緊密合作，利用先進的技術和工具，推動數字化轉型，進一步優化我們的運營管理，助力員工成長與企

114、業發展。我們堅信，通過這些努力，博士眼鏡將能夠在競爭激烈的市場中不斷前行，實現更大的突破與成功。正新集團：搭建敏捷數據中心，助力萬店高效運營當前，中國的小吃快餐市場正處于一場深刻的變革之中。行業數據顯示，截至2024年9月，全國小吃快餐門店數已超過400萬家，預計2024年小吃快餐市場規模將突破一萬億元。與此同時，中國小吃快餐行業的連鎖化也已邁入快車道。截至2023年底，小吃快餐品類在連鎖店總數中占比達到48%，遠高于餐飲行業21%的連鎖化率。在連鎖化大潮下，品牌化趨勢也日益增強。消費者對品牌的認知度和認可度不斷提高，相較于以往個體經營的“夫妻老婆店”，品牌化的小吃餐飲更受消費者青睞?！靶〉甏?/p>

115、連鎖”模式也成為近年來小吃快餐類品牌經營的熱門模式。在這個即將突破萬億規模的巨大市場中蘊藏著無限機遇，但席卷全球的數字化浪潮所帶來的消費者習慣的改變、信息技術的進步以及市場環境的迭代，也給企業發展帶來重重挑戰。傳統連鎖餐飲企業要如何加速數字化轉型，在快速變化的市場中建立競爭優勢？正新火碼科技總經理趙先瑞在敏捷創變2024觀遠數據智能決策峰會暨產品發布會現場，分享了作為領跑連鎖賽道、擁有中國小吃餐飲品類首個萬店品牌的大型食品集團正新集團的數智化建設經驗，為更多傳統餐飲連鎖企業的數字化轉型提供參考。正新集團創立于1995年，經歷20余年發展，2017年正新集團率先進入萬店俱樂部，成為中國小吃快餐品

116、類首個萬店品牌。至2020年，門店迅猛擴張至近2萬家。這一年也成為正新集團數智化建設的起點。在2020年前，與快速發展的業務相對的，是正新集團已明顯落后于數字化時代市場主流、長期處于初步階段的業務系統建設。彼時正新集團內部信息化覆蓋局限于管理側，僅有OA系統、財務系統等基礎系統。在門店端，由于小店大連鎖模式下單一的售賣場景，一直是采用現金付款，無收銀系統。消費者購買流程簡單粗放，口頭點餐，一手交錢，一手接貨，看似高效，但無法為門店沉淀下任何數據跟蹤與分析能力。多方因素催化集團數字化進程，低門檻、高性能BI平臺助力變革趙先瑞正新火碼科技總經理掃碼獲取趙先瑞分享完整PPT55最佳實踐56最佳實踐同

117、時，隨著美團、餓了么、抖音等一系列第三方平臺的興起，銷售渠道變得多元化，給門店管理帶來巨大壓力。如何協調不同平臺的訂單、賬務結算，如何將多元渠道數據整合分析，給到門店進行業績的統計和經營指導，也構成了正新集團啟動數智化建設的重要觸發點。2020年疫情帶來的“無接觸”服務需求的激增，也催化了正新集團數智化建設的進程。集團開始大力推進門店POS終端與掃碼點餐系統的應用，至2022年全面落地，并完成了多渠道的數據整合，在提升支付效率，滿足顧客需求的同時，積累了寶貴的市場數據。隨著終端系統的完善，正新集團積累了海量數據，涵蓋從工廠到物流，從供應鏈到門店終端的全產業鏈信息，原有的傳統數據庫及分析系統已無

118、法承載如此龐大的數據量，更無法對其進行深入分析。搭建低門檻、高性能的BI數據分析平臺，提升數據應用效率，實現對業務全貌的監測與分析，為企業業務運營與科學決策提供支持，成為正新集團數智化轉型新階段的重要目標。正新集團與觀遠數據也在此時攜手，開啟了以觀遠BI推動正新集團數智化建設的創新實踐。2023年至今，正新集團與觀遠數據合作，建設企業級領域數倉，統一集團數據口徑，搭建可視化看板、店鋪助手等數據應用，實現數據閉環及預警跟蹤等。通過觀遠BI，實現了數據的高效整合與深入分析，極大地提升了數據利用率，讓企業數智化轉型從業務數字化邁向數據業務化，并為未來更深層次的數據應用探索、智能化應用實踐夯實了數據基

119、礎。聚焦門店運營業務挑戰，打造標準化門店數據運營產品正新集團數智化轉型過程中，門店運營業務面臨的挑戰涵蓋了品牌競爭、成本控制、標準化管理、庫存管理、多元化渠道運營及品質口碑維護等多個維度。57最佳實踐為應對以上挑戰，正新集團聚焦門店運營的核心數據，打造標準化門店數據運營產品，以實現精細化門店運營管理。正新集團從最前端抓起，將門店營收、產品動銷、會員營銷、門店進銷存、全渠道訂單整合、服務質量評價等均納入數字化體系，通過串聯門店核心數據，實現了對門店全方位、立體式的監控與分析，在優化業務流程的同時為運營決策提供了可靠的數據依據，有效提升運營效率，降低經營風險。標準化門店數據運營產品的落地，為正新集

120、團的門店業務運營帶來了諸多實質改變，以以下部分場景示例：58最佳實踐為高層決策帶來更高效可靠的支持過去未有門店終端POS系統時，人工統計門店銷售數據，至少需要10天以上，導致管理者接收的信息總是滯后的。如今，門店終端POS數據與觀遠BI打通，并可視化呈現后，實現了分鐘級的數據更新。集團高管能夠實時查看到每一個分公司、每一家門店的經營動態，包括但不限于銷售業績、菜品熱度、訂單量及渠道分布占比等。數據的即時性與準確性極大提升了決策效率。從總部到單店實現多層級運營管控集團數字化系統的服務面覆蓋了集團領導到大區運營/區域督導、店長/加盟商老板三個層級，形成了全面的數據驅動決策框架，賦予各層級管理者更強

121、的分析能力和更快的響應速度，使其能夠在數據指導下更精準地作出決策，更快速地調整策略，更高效地落地實施，以數據驅動實現真正的精細化運營。隨時隨地以數據指導加盟商做好經營在業務一線，通過移動端門店數據應用，加盟商最為關注的門店營收數據、商品銷售數據、門店盈虧數據等均可一手掌握。加盟商通過這些數據進行門店經營策略的調整過程中，也會逐步加深對數據及數字化系統的依賴，促使其更好的使用數據運營產品，進而推動整個集團數智化轉型的落地。*59最佳實踐推動服務質量升級，提升門店口碑門店服務評價系統未上線之前，集團上至高層下至一線員工，對品牌服務質量的認知都是模糊的，會因為網絡上零星的負面輿論認為整體服務平庸，也

122、會為快速交易模式下的服務質量擔憂但找不到改善的著力點。但服務評價系統上線后，通過對消費者評價的全面收集與分析，數據清晰呈現的99%以上的好評率，讓集團上下對門店服務質量都有了更清晰、準確的認知，對門店服務的優點和需改進的方向也形成共識，能夠共同在數據的指導下進一步提升服務質量。門店服務評價系統更將門店的消費者服務評價綜合得分與門店管理者的個人績效掛鉤，構建起責任與激勵的良性循環，促使門店管理者尋找切實可行的改進措施，不斷提升顧客體驗與門店口碑。推動數字化組織文化建設，一切以數據說話在推進數據應用實踐的過程中，正新集團認識到，數字化賦能如同一個精密運轉的三角驅動輪，每一個角色每一個環節都至關重要

123、：一線加盟商老板在日常運營中積累的海量數據，實時反饋至品牌管理者，使其能通過數據進行更明智、科學的決策，這些決策傳達到業務運營人員時，其又能基于數據分析進行運營策略的調整，再賦能加盟商老板。在這個過程中，形成了一條從數據生產到數據分析、數據消費的數據閉環。60最佳實踐由認知到具體的實踐，正新集團在實踐中沉淀了更多對于企業數智化建設的思考：對于未來的數智化建設，正新集團期望從以下四個方向推動：實現精準營銷：完成用戶分層，梳理人群包，借助底層大數據能力實現精準營銷。BI自助分析推廣：推廣業務部門分析師自助分析，讓更多業務人員借助易用的觀遠BI擁有數據分析能力。BI自AI智能數據交互：智能數據整理，

124、降低用戶使用數據的門檻。更多場景覆蓋：聚焦業務需求的優先級，納入更多的數據源，讓BI覆蓋更多業務應用場景（如會員等場景）。讓數字化能力融合進業務實踐中。在企業數智化建設過程中，搭建一套BI或者一套業務系統并不復雜，但能否將其有效運用到實際業務場景中更值得關注。正新集團選擇觀遠BI，最看重的就是其“讓業務用起來”的價值。觀遠BI的易用特性讓非技術人員也能輕松通過拖拉拽式的操作，搭建自己想要的數據看板。這一特性也讓觀遠BI在集團內部能夠更快速推廣開來，推動整體數據驅動的業務模式的建立。關注數據落地能力，避免形而上。數據一定要接地氣，一眼就懂的數據才是好數據。信息的傳遞要通俗易懂，讓數據需求方能迅速

125、獲取到真正需要的信息，快速落實到業務上。小步快跑，優先解決核心命題。不盲目求大求全，專注于識別并優先解決最緊迫的問題，圍繞核心痛點需求快速迭代，逐步完善數智化建設。數字化組織能力內生推動。打造數字化組織文化，一切以數據說話。香蜜閨秀：推動數智化運營決策體系建設，實現從30%到93%的效率提升香蜜閨秀是廣東啟悅未來科技股份有限公司旗下的新銳內衣品牌，現累計有5000多家門店，覆蓋超200個城市，已服務超1億顧客。香蜜閨秀采用品牌聯營模式，以類直營門店管理、類SPA商品管理模式，憑借渠道拓展開店成本低、渠道發展快的優勢，快速占領了高性價比下沉市場。在數字化技術在各行各業應用逐漸深入的當前，作為國內

126、快速發展的新銳品牌，數字化也是香蜜閨秀實現可持續發展的關鍵手段。張輝香蜜閨秀數據總監近年來，宏觀經濟環境從高速增長變化為高質量增長時代，整體經濟增速放緩。香蜜閨秀所處的內衣行業市場格局也隨宏觀影響產生變化，一方面是消費者需求的變遷，一方面是整個行業趨于紅海的競爭格局，讓品牌的發展挑戰愈發嚴峻。在此背景下，企業必須要以消費者為中心，通過高效低本的精細化管理，提升核心競爭力，才能贏得可持續發展。對于如何實現精細化管理與可持續發展，張輝認為：“從一個長周期看，一家企業能否長期成功，就來自于過程指標的正確決策。怎么樣持續正確決策，是一個企業能持續發展的重要條件”。數據賦能的持續“正確決策”是香蜜閨秀“

127、持續發展”的重要條件變革掃碼獲取張輝分享完整PPT61最佳實踐在“數智新質敏捷增長2024觀遠數據敏捷分析實踐巡展”泉州站，香蜜閨秀數據總監張輝分享了近年來與觀遠數據攜手，通過建設一站式現代化BI平臺，打造數字化零售決策體系取得的一系列成果，并就香蜜閨秀的數字化實踐、BI經營決策體系的建設等話題展開了深入的分享。62最佳實踐戰略的落地需要正確的戰術配合，為保障數字化戰略落地，香蜜閨秀采用了三大戰術：具體的數字化落地線路分為兩個步驟，第一步是在系統的建設過程中實現業務數字化，第二步是把業務數字化反哺應用在業務系統里，實現數字業務化。在數據分析體系上，逐步推進“系統化 指標化 模型化 體系化 智能

128、化”，實現從描述性分析到診斷性分析、預測性分析、規范性分析的升級。第一，信息化與數據化并行。在信息化過程中同步進行數據化建設，避免先信息化后數據化需要反復重構業務流程。以數據化思維進行系統建設。第二，規范化、模型化、體系化。通過規范化業務流程形成指標，將統一思路和框架的指標模型化，最終實現各個職能業務部門的體系化管理。第三，精益化轉型，重點突破。借助觀遠BI沉淀數據資產，夯實數據底座，實現數據采集到數據處理、可視化分析全流程?；诜€固的數據底座搭建各類數據應用賦能重點業務場景，如數字化經營、數字化商品、數字化供應鏈等，以及提供如取數查詢服務、診斷歸因服務、自動化模型服務等模型化服務。具體到如何

129、持續正確決策，香蜜閨秀確立了完善的數字化戰略。通過數字化賦能全價值鏈降本增效，建立企業核心競爭力。張輝提到，對香蜜閨秀來說，核心競爭力一是商品，二是門店導購的執行力的提升。香蜜閨秀期望通過打通從智能產品研發到運營銷售整個商品全價值鏈的閉環，通過消費者洞察制定精準的企劃開發計劃，獲得標準的決策參考依據，進一步實現最經濟的采購回貨管控、人機結合的商品流轉，以及以數字化零售決策體系支撐的智能銷售。63最佳實踐2020年10月，香蜜閨秀確立數字化戰略，同年11月，與觀遠數據達成合作，上線一站式現代化BI平臺，建立數據倉庫、搭建數據開發平臺、實現數據可視化、落地自助分析。此后雙方持續合作，逐步落地數字化

130、企劃、數據治理優化、數字化零售、數字化供應鏈、數字化計劃&倉儲等項目，全面推動企業數字化運營升級。在建設BI經營決策體系之前，香蜜閨秀在數據獲取、數據口徑規范性、數據可視化等方面都困難重重，業務人員難以獲取想要的數據、商品周會每人給出的數據都不相同、無法通過數據可視化獲得經營洞察。與觀遠數據合作建設BI經營決策體系后，業務人員獲取數據的時效從兩天變成了一小時甚至20分鐘，同時統一數據口徑，將關鍵的、固化的報表表單化，使數據的獲取、洞察、分析及至經營決策更為及時有效。BI經營決策體系建立后，企業內部使用率和滿意度都非常高。公司通過BI搭建了很多關鍵的實時的KPI報表，基本實現了從總部到區域到門店

131、所有報表的固化與貫穿，更進一步賦能業務人員自助分析。觀遠數據為香蜜閨秀搭建了標準的、高穩定性、高安全性的數倉，并提供了0代碼、拖拉拽式操作的易用BI產品，通過BI培訓，提升業務人員數據分析思維、能力與習慣，讓業務人員快速實現自助分析。BI落地后，在企業內部得到了廣泛應用，并取得可見成效：BI在企業總部使用率達到80%，區域和門店使用率達到68%；在BI的賦能下，品牌門店會員營銷執行率從30%提升至93%；以前一個商品管理人員能夠負責30家門店，而現在在BI賦能下，人均管理門店數已提升至80家。從BI經營決策到運營診斷歸因觀遠BI全面助力香蜜閨秀數字化運營升級具體到BI如何助力香蜜閨秀數字化運營

132、升級，張輝用與觀遠數據協力建設的BI經營決策體系和運營診斷歸因體系舉了實例。64最佳實踐香蜜閨秀擁有極寬的SKU以及眾多門店，經常出現數十人同時需要查詢庫存數據的情況，過去數據部門很難高效支持這些同時出現的需求?，F在，在業務人員普遍實現自助分析的背景下，數據部門僅四五個人就能支撐總部200多人的數據分析需求，十幾個人就能支撐區域500多人的數據需求。運營診斷歸因體系的建設則與一線門店端的數據分析能力建設息息相關。BI上線后，盡管報表已經在香蜜閨秀門店端得到了應用，但由于門店業務人員文化水平限制，難以理解和分析這些數據。即便能夠解讀數據，也缺乏分析問題的能力，導致許多策略無法有效執行。香蜜閨秀嘗

133、試通過引入店長管家和實時人貨場分析等方式解決這些問題，但效果并不明顯。此外，門店間的多樣化使得發現共性問題變得非常困難，即使發現問題也難以為每個門店提供個性化的解決方案?！盀榱私鉀Q這些問題，我們意識到需要進行診斷歸因和逐步驗證，以實現數智化零售運營的全面提升?！睆堓x在巡展中分享到。運營診斷歸因體系建設首先需要對指標進行梳理，明確指標的正常范圍，而后分析引起指標異常的原因樹，并進行深入的研究。緊接著，需要將歸因數與指標進行對比，用指標反向驗證歸因的準確性。最后，要結合歸因進行會員的精準營銷、導購的個性化培訓，并對指標改善情況進行持續跟進。運營診斷歸因體系建設中，香蜜閨秀將歸因分析模型的歸因維度分

134、為穩定性、內/外在性、可控性三個維度。重點解決頻繁出現異常的數據背后的問題，針對可控的問題采取相應的措施進行改進，對內部因素造成的問題通過組織和管理進行改進。運營診斷歸因體系的建設，為香蜜閨秀實現了問題診斷歸因、可行策略推薦、會員&導購精細化自動化運營、執行情況跟蹤、改進效果跟蹤的數智化零售閉環。談及香蜜閨秀未來的數字化發展規劃，張輝在巡展中表示：“香蜜閨秀將繼續加強業務數字化和數字業務化的工作。在數據分析方面，進一步探索預測性分析的應用，為業務決策提供更準確的預測和建議。同時，逐步優化業務系統，提高整個組織的運營效率和敏捷性?！蹦壳?，香蜜閨秀與觀遠數據正持續深化合作，共同探索BI在企業更多業

135、務場景的應用，以及對組織數據驅動力的賦能，全面助力香蜜閨秀數字化運營升級，讓企業能夠基于一站式現代化BI平臺，持續正確決策，實現持續發展。七秒易購：以BI賦能供應鏈精細化管理，實現數字化飛躍在當今商業世界，數字化轉型已成為推動供應鏈創新和提高企業競爭力的關鍵力量。對于任何企業而言，供應鏈的效率和響應能力直接關系到成本控制、市場適應性以及客戶滿意度。因此，數字化在供應鏈管理中的重要性不言而喻。對于七秒易購而言，這一轉型不僅是一場技術的革新，更是一次管理理念的深刻變革。通過與觀遠BI的緊密合作，七秒易購成功地將數據智能融入到供應鏈管理的每一個環節，實現了從傳統運營到數據驅動決策的巨大飛躍。在“數智

136、新質敏捷增長2024觀遠數據敏捷分析實踐巡展”泉州站現場，七秒易購CIO徐銘澤分享了七秒易購如何從童裝批發企業成功轉型為全國性的新零售品牌，并闡述與展示了BI在決策數據支持中的關鍵作用。為了實現進一步的增長，創辦了七秒易購品牌，從傳統批發業務拓展到零售模式，并采取了以下戰略：七秒易購的故事始于2003年，陳水龍先生在紹興上虞創立了童裝工廠。經過十余年的不懈努力和持續發展，已成功躋身童裝行業的領軍企業。從批發轉型零售的供應鏈管理挑戰徐銘澤七秒易購CIO掃碼獲取徐銘澤分享完整PPT65最佳實踐66最佳實踐多渠道融合：引入百貨業務，打造了童裝+百貨集合店模式，為消費者提供一站式購物體驗。人才招聘難：

137、當地數智化人才稀缺，很難找到符合企業要求的相關人才。工作任務繁重：全托管模式需要生成大量的報表，這導致員工經常加班加點，有時不得不忽略一些細節。開發周期長：嘗試使用其他BI工具和技術手段開發報表，但由于開發過程復雜，許多需求被擱置。數字化轉型之路：從0開始夯實數字化基礎在這樣的背景下，數字化之路是必要的一條路。在2019年3月，七秒易購啟動了伯俊系統，這是數字化實踐的開始。隨著門店數量的增加，數智化的需求也日益增長。同年12月，啟動了新一輪的數智化項目，但同時也迎來了新的挑戰：商品策略調整：百貨與童裝商品在管理思路上存在顯著差異，不得不將兩者分拆為兩個獨立的商品部門，以實現雙線作戰。這無疑增加

138、了工作負擔。價格策略：為了快速占領市場，七秒易購采取了低定價策略。與鞋服行業3-5倍的定價倍率相比，七秒易購最初設定的定價倍率較低。這意味著，在給加盟商分成后，利潤僅能滿足總部的運營成本。任何小的失誤都可能導致財務困境。庫存管理：由于實施了全托管、零庫存的模式，這對總部的運營能力提出了更高的要求。需要確保庫存的精確管理和高效的物流配送，以滿足加盟商和消費者的需求。價格策略：采用具有競爭力的低價策略，讓消費者以電商的價格享受到高品質的產品。統一管理：總部對所有門店實行統一管理，為加盟商提供庫存管理支持，減輕其運營負擔，確保合作伙伴能夠專注于市場拓展和服務提升。這套模式得到了實踐的認可，顧客享受了

139、經濟實惠，合作伙伴與加盟商獲得了更大的發展空間。但在實際落地中，七秒易購卻也面臨了種種挑戰：67最佳實踐幸運的是遇到了觀遠數據，經過兩三個月磨合，七秒易購成功上線了觀遠數據的產品，這是一個重要的數字化里程碑，實現了業務數據精準性、時效性、一致性的三大提升。精準性：精確的數據計算和高效的數據處理上線觀遠BI之后，能夠更準確地計算關鍵指標。例如日均銷量，如果30天內銷售了30個產品，傳統計算方法會得出日均銷量為1。但實際上，如果其中15天門店斷貨，那么實際在售天數只有15天，日均銷量應為2。過去只能依靠手工表格來處理數據，現在能夠處理高達1500萬行的數據。為了更加精確的計算到在售天數，需要預處理

140、1500萬行每天的款店數據，過去靠手工表格來處理是不支持的。通過觀遠BI不僅提高了數據處理的效率，也加強了數據部門與商品部門以及門店之間的信任。時效性：避免數據冗余，讓數據展現更加敏捷過去依賴Excel制表，這導致數據更新和獲取時間較長，影響了決策效率。通過觀遠BI，實現了數據的定時計算，確保了每天早晨就能夠獲取到最新的數據。同時，系統頁面的響應速度極快，這意味著用戶可以即刻訪問到所需的數據，無需等待，極大地提升了決策效率，使得管理層能夠迅速響應市場變化。68最佳實踐一致性：統一數據口徑，實現高效協同以往，由于商品管理人員和不同部門對指標的理解存在差異，如鋪貨率的計算方法就存在多種，這導致了溝

141、通上的障礙和數據的不一致性。上線觀遠BI之后，實現了所有部門使用同一套數據集進行溝通的目標。通過統一的定義，明確了鋪貨率的計算標準，消除了不同部門和個人對同一指標理解上的歧義，使得各部門之間的溝通更加順暢和高效。增加爆款商品：關系到門店庫存的合理控制，以及資金鏈的健康運轉。爆款商品能夠快速流通，減少庫存積壓，提高資金周轉效率。確保門店業績：門店業績目標的達成是衡量運營成功的關鍵指標。通過有效的商品管理和營銷策略，可以確保門店業績的持續增長。避免庫存積壓：庫存管理是供應鏈中的重要環節。通過精準預測和及時補貨，可以避免庫存積壓，減少資金占用和折舊損失。BI推動供應鏈精細化管理，數字化加速商品周轉通

142、過解決上述三個關鍵問題，為七秒易購整體數字化轉型奠定了堅實的基礎，為推動供應鏈精細化管理提供了強有力的支撐。供應鏈管理有三個主要目標：這三個目標可以關聯到兩個重要關口：采購關口與門店關口。.69最佳實踐在采購關口中，重點關注新品上新、跟蹤和復盤這三個關鍵環節。起初，七秒易購對新品缺乏有效的跟蹤機制，導致供應鏈與市場脫節，無法及時響應銷售動態。為了改進這一狀況，嘗試建立了新品返單機制，但初期只能實現每月一次的跟蹤，這使得無法抓住商品的最佳銷售期?，F在基于觀遠BI搭建了新品跟蹤看板，實現了對新品銷售情況的每日監控，實現了上新3、7、14、21天的新品實時跟蹤，及時捕捉市場反饋，對暢銷商品快速做出反

143、應，確保庫存的合理配置。這不僅縮短了反應時間，還提高了庫存周轉效率，為門店業績目標的實現和庫存積壓的避免提供了有力保障。在門店關口，七秒易購經歷了從依賴店長經驗到數據驅動的轉變。最初，由于總部數據能力不足，采用了店長補貨制，這導致了一些問題。由于店鋪不承擔庫存風險，店長傾向于大量囤貨，有時甚至囤積了10個月的銷量，導致店鋪空間緊張，給總部資金鏈帶來巨大壓力。為了解決這一問題，轉向總部補貨制，將數據提供給總部商品部，由商品部根據數據分析結果給門店補貨，確保貨品的基本運轉。然而，由于總部對門店具體情況了解不足，門店對總部的補貨決策有時會產生抵觸情緒，尤其是百貨商品，如果補貨量太少，貨架看起來不美觀

144、，影響顧客購物體驗。通過前兩個階段的摸索，最終發展到第三階段協同補貨制。在這個階段，不僅將數據提供給總部，也提供給店長。一方面，總部可以基于數據分析給出補貨建議，供門店參考；另一方面，門店也可以根據實際情況主動提出補貨需求，由總部進行審核。通過這種協同機制，實現了對門店商品的精細化管理。最終，這一策略使庫存周轉率提升了22%，庫存量下降了8%，銷售額增長了12%。周轉=銷售額/庫存額70最佳實踐在技術架構上，七秒易購構建了一個多層次的技術架構來支持數據驅動的決策：數據模型，采用了觀遠數據和低延時數據倉庫。在觀遠BI上建立了上百個ETL流程，每天完成大量數據模型的運算，為各部門提供深度和有價值的

145、數據指標。同時，通過低延時數據倉庫，滿足了對分鐘級數據的需求。流程管理，確保數據收集和分析的標準化和自動化。智能決策，利用算法和人工智能技術，實現多場景下的自動化決策。這包括三個核心項目：智能配補調系統：優化庫存分配，提高庫存周轉率。數據診斷預警系統：實時監控業務數據，及時發現并預警潛在問題。品下單決策系統：基于數據分析，為新品開發和推廣提供決策支持。數據滲透決策場景，構建數字化流程現在，七秒易購逐漸將數據滲透到每一個決策場景中。這不僅是一種實踐，更是一種方法論，目前主要通過技術架構和流程管理設計實現這一目標：在流程管理設計上，七秒易購對數據流程進行了深入優化，以提升決策的速度和準確性?？偛楷F

146、在通過一個審批界面，可以詳細審視門店的補貨申請，并獲取包括庫存量、銷售表現和商品展示布局在內的關鍵信息。同時，進一步將補調算法的結論、商品的銷量、庫存和建議數據整合展示，并通過分類明確哪些商品上架時間長、補貨過多或周轉慢，使決策者能夠一目了然地了解每款商品的具體情況。在新品引入方面，通過分析同品類相似產品在不同店鋪的銷售情況來進行下單量的定量分析，同時利用BI工具和圖像識別功能直觀地查看相似商品的銷售表現，為新品決策提供有力支持。71最佳實踐在數字化轉型的征途上，七秒易購取得了顯著的成就。通過引入觀遠BI，不僅優化了供應鏈管理，還實現了數據在決策過程中的全面滲透，不僅提升了響應速度和決策質量，

147、也為業務增長奠定了堅實的基礎。觀遠數據期待與七秒易購繼續深化合作，共同探索數據驅動的無限可能，推動企業持續創新和高效運營。72最佳實踐消費品行業觀遠數據深耕消費品行業，以賦能業務的行業解決方案成為400+消費品牌的共同選擇，助力品牌實現全渠道運營、營銷、供應鏈等核心業務場景的數字化，提高各業務環節的協同效率。觀遠數據消費品行業合作客戶部分展示君樂寶：超越單純的信息系統建設，通過數據驅動業務和流程優化不同階段的企業，需要制定適合自身發展情況的數據應用規劃。在敏捷創變2024觀遠數據智能決策峰會暨產品發布會現場，君樂寶數據管理部部長許向可以君樂寶如何有效提升企業級數據運營能力為主題，分享了君樂寶如

148、何從整體規劃的角度，基于整體戰略發展重點及組織架構情況，設立有效的數據應用規劃落地路徑。許向可君樂寶數據管理部部長君樂寶集團在搭建大數據平臺之初，就遭遇了劇烈挑戰。2022年3月，君樂寶啟動項目，旨在通過數字化轉型提升業務效率。觀遠數據團隊參與了初期的調研和服務。到7月，項目在總經理辦公會上進行了藍圖匯報，但被指出僅將線下報表轉移到線上并不具備足夠的業務價值，因此項目被暫停。君樂寶團隊憑借“敢想敢干”的企業精神，在觀遠數據的協助下，堅持推進項目，最終在年底前將奶粉事業群的報表線上化，實現了初步的數字化進步。2023年3月，項目在內部已有一定影響力，并成功重新啟動。經過重新調研和定位，項目采取了

149、分模塊實施的策略，以確保每個模塊都能切實落地并產生價值。到2024年3月，渠道管理模塊作為第一個模塊成功上線，并在總經理辦公會上獲得了高管層的認可。到2024年7月，銷售渠道和銷售費用模塊相繼上線，9月份經營管理模塊也成功部署。這一建設過程不僅提升了君樂寶的業務效率，也標志著公司在數字化道路上邁出了堅實的步伐。敢想敢干，攜手觀遠數據重啟數據平臺建設現在，君樂寶的高層已意識到BI工具的價值。奶粉事業群總經理表示，“現在每天起床的第一件事就是查看觀遠BI，以了解各區域和品項的業績?！盜T主管副總裁提出，“未來的經營分析會應直接使用BI看板，而不是傳統的PPT?！睌祿憫?，敏捷決策困難，君樂寶制定

150、多階段戰略規劃73最佳實踐74最佳實踐總部管理層數據響應時效低，影響敏捷決策。財務管報月度頻率/關鍵業務數據需逐層上報匯總，管理層獲取數據不及時，同時由于管理層依賴匯報和開會來獲取信息，缺失移動端、大屏端等便捷高效應用方式，導致決策效率低。事業部/職能管理層精細化運營困難。財報口徑為主，基于業務維度下鉆關聯難度大，運營問題無法精細化分析和優化。同時產品、經銷商、零售終端等跨事業部口徑不統一，導致跨部門協同困難。運營執行層數據準備和報告制作花費大量時間。報表分析以人工線下為主，需耗費大量時間。此外，非常規或臨時數據分析需求依賴IT響應。IT支持層面臨著整合和維護大量系統的壓力。君樂寶集團數十套信

151、息化系統未打通，數據零散。此外，隨著集團規模的擴大，業務需求旺盛，現有支持模式及資源響應不足?；仡櫞髷祿脚_建設歷程，君樂寶也曾面臨種種數據應用痛點：君樂寶意識到，制定科學合理的規劃對于確保項目成功至關重要。高層指出，“大數據是大工程，咱們要先去試點，一邊試點一邊去優化調整，慢慢把它用起來?！苯涍^深入的市場調研和細致的產品選型，君樂寶最終選擇了易用的觀遠BI作為合作伙伴。通過將項目分解為多個小模塊，并采用迭代開發與分步驗收的策略，確保項目的順利推進和成功實施。通過分階段、有重點的策略規劃，君樂寶在數字化轉型的道路上邁出了堅實的步伐，基本實現了大數據基礎平臺的構建，全面覆蓋四大事業群，涉及的業務

152、分析主題超過十多個，分析指標達到300多項，電腦、大屏和移動端的接入均已完成。數據平臺用戶基數也在逐漸增長。截至最新統計，平臺用戶總數近4000人，月活用戶1500+人，從總裁到主管，不同層級的員工都有涉及，主要集中在中層管理人員。數據平臺典型應用場景：新鮮度控貨與竄貨稽核君樂寶通過合理規劃建設數據平臺，不僅提升了數據的準確性和透明度，還培養了組織內的數據分析能力，推動業務系統的持續優化，為公司的長遠發展和競爭力提升打下了堅實的基礎。下面以新鮮度控貨與竄貨稽核為例，展示君樂寶數據平臺如何將數據分析轉化為具體的業務價值。第一階段，實現經營可見，問題定位。圍繞經營和財務，試點事業部快速實現“生意經

153、營高效可見”。在這一階段，重點在于數據的可視化和基礎分析，而非復雜的大數據分析模型。第二階段，實現高效分析，精準洞察。全面搭建分析體系，深化分析主題，實現“問題洞察高效深入”，旨在實現高效分析和精準洞察，將之前分散的數據點串聯起來，構建起完整的數據分析體系，從而提升決策的質量和速度。中遠期規劃面向數據賦能，決策升級。數據深度應用，結合AIGC能力實現未來決策賦能。隨著數據積累和分析能力的提升，將逐步引入智能化技術，推動公司向智能化轉型，提高決策效率和精準度。75最佳實踐新鮮度控貨：精細化計算新鮮度，經銷商門店合理控貨業內部分企業為了短期業績，可能會通過促銷活動和補貼促使經銷商大量壓貨。這種做法

154、不僅損害了消費者的利益，而且由于產品新鮮度無法得到保障，很容易導致竄貨現象，破壞市場秩序。君樂寶作為一家負責任的企業，不通過向經銷商壓貨來達成收入目標，而是基于大數據平臺的新鮮度控貨，計算每個客戶、每聽奶粉到消費者手里的新鮮度，合理的對經銷商和門店進行控貨，讓消費者真正喝到新鮮的奶粉。竄貨稽核：精準保護經銷商與消費者利益竄貨也是行業常見的市場流通問題，不僅擾亂了正常的市場秩序，導致價格體系混亂，還會侵蝕消費者信任，影響品牌形象，降低市場競爭力。對此，君樂寶采用雙碼制（罐底碼和罐內碼）來防止竄貨，同時允許消費者通過掃碼參與活動。通過大數據平臺上的竄貨管控，品牌能夠及時對區域進行預警和管控，推送信

155、息給區域經理，以便他們能夠及時采取措施。能夠更加精準地保護各地區經銷商和消費者的利益，同時維護了公司產品的市場秩序和品牌聲譽。未來，君樂寶計劃通過深入分析提升業務效率與市場洞察力，包括強化人效分析、供應商盤點、牧業研發推廣，以及細化促銷費用分析，同時積極探索智能化，如門店訂單預測，以提高決策精準度，避免庫存積壓，確保供應滿足需求。許向可表示，“數字化轉型，是實現產業鏈數據的互聯互通，為分析提供支撐，輔助決策，并最終反饋至業務改善。真正的數字化轉型，應超越單純的信息系統建設，通過數據驅動業務和流程優化?！本龢穼殞⒗^續與觀遠數據攜手合作，共同打造以數據為驅動的決策體系，通過精準的資源配置來提升市場

156、競爭力，進而實現業務的持續增長和創新發展。維他奶：傳統消費品牌數據驅動轉型的兩大策略與三大要素數據驅動轉型是一個系統化的過程，涉及多個關鍵步驟和策略。在敏捷創變2024觀遠數據智能決策峰會暨產品發布會現場，維他奶數據負責人龍飛可以傳統消費品牌數據驅動轉型，如何Make it happen為主題，分享了維他奶數據驅動建設歷程，以及數據驅動的兩大策略、三大要素，并介紹了維他奶目前的數據驅動成果。龍飛維他奶數據負責人自2018年起，維他奶開始數字化轉型，與其他行業公司一樣，著手建設各類業務系統，實現業務流程的在線化。隨著數字化的不斷推進，各業務系統積累了大量數據，對數據的需求日益增長。維他奶整體數據

157、驅動建設歷程分為三個階段：維他奶數據驅動建設歷程三階段2020年，維他奶著手構建專屬的數據平臺。在這一階段，公司完成了平臺的藍圖規劃，目標是打造一個現代化、高性能、用戶友好且能快速迭代的平臺。維他奶選擇了數字化程度較高的銷售領域作為MVP（最小可行產品）場景的切入點，完成了平臺建設并初步建立了公司級別的分析體系。平臺建設期（2020年）76最佳實踐77最佳實踐快速擴展期（2021-2022年）平臺逐步擴展到采購、供應鏈、制造、市場和財務等其他業務領域。用戶數量從初期的100多人增長到1000多人。深化運營期（2023年至今）維他奶邁入了深化運營階段。隨著用戶數量增長到2000多人，公司需要建立

158、一套體系化、數據化、服務化的運營體系來支撐數據服務。維他奶與不同業務團隊合作，推進自助分析，以滿足不斷增長的用戶需求。Go-Wide：讓更多人參與Go-Wide的目標是建立公司級別的數據分析體系，提升整體數據分析效率，讓數據“看得見”，并被更多人使用。為實現這一目標，首先，通過在銷售領域建立MVP場景來樹立標桿，激勵其他部門參與；其次，整合全價值鏈數據以支持更廣泛的業務需求；最后，確保高層的支持，以加速數據驅動策略的實施。Go-Deep：深入業務領域在Go-Deep階段，著重于提升組織內的數據分析能力和文化。為此，我們建立了數據分析學院，提供培訓和知識分享，以營造數據驅動的氛圍。同時，深入業務

159、場景，提供定制化的數據和工具，確保分析結果的實際應用。此外，我們激勵種子用戶，推廣自助分析，以激發更廣泛的用戶參與，讓數據在業務中發揮實效。數據驅動的兩大策略：Go-Wide&Go-Deep隨著維他奶數字化轉型的深入，公司不僅在技術層面構建了堅實的基礎，而且在戰略層面也形成了清晰的方向。從平臺建設期的藍圖規劃，到快速擴展期的跨領域應用，再到深化運營期的體系化服務，維他奶的數據驅動建設歷程體現了公司對數據價值的深刻理解和有效利用。在這個過程中，維他奶總結出了兩大核心策略：Go-Wide和Go-Deep，這兩者相輔相成，共同推動公司數據驅動的深入發展。78最佳實踐數據驅動的三大要素：數據、用戶與運

160、營在這兩大數據驅動策略的基礎上，我們進一步關注數據驅動的三大要素：數據、用戶和運營。數據是基礎，用戶是主角，運營則是確保數據驅動成功落地的關鍵。通過這三大要素的有機結合，能夠確保數據不僅被廣泛使用，而且能夠深入業務，產生實際價值。數據驅動的基礎：數據數據是數據驅動的基礎。Go-Wide讓更多的人用起來，Go-Deep讓數據深入業務領域，發揮價值。這包括從采購、供應鏈、制造、銷售、市場到財務等多個環節。通過打通整個價值鏈，我們能夠促進更多業務的參與。在整合價值鏈數據后，按照不同的業務領域對數據進行分類，確保數據的可識別性。為了讓業務能夠有效使用這些數據，我們進行了對象建模，根據分析對象對數據進行

161、建模，例如門店、客戶、人員等主題，以滿足不同分析場景的需求；以及分層建模，按數據粒度分層的模型，兼顧高效與靈活。礎。數據驅動的主角：用戶在數據驅動的過程中，用戶扮演著核心角色。為了更好地滿足不同用戶的需求，可以將用戶分為三個主要類別：高層用戶、中層用戶和一線執行用戶。高層用戶的需求往往超越了系統能直接提供的答案。高層用戶關注的是業務的核心健康和潛在風險。為了滿足這些需求，我們采取的策略是解決高層用戶20%的核心問題，遵循“二八原則”。提供的方案包括通過手機端、大屏推送等簡單快速的業務健康看板，讓高層用戶能夠迅速把握業務狀況。中層用戶是組織的忠誠用戶，如各職能部門的經理。中層用戶在組織中起到承上

162、啟下的作用，需要處理高層用戶的80%問題，并將其轉化為可執行的數據。對應策略是解決他們的“明細焦慮”，提供主題化分層數據，賦能自助分析，滿足他們對明細數據的需求，以便進行深入分析和回答高層用戶的問題。截至目前，維他奶已經建立了30多個主題域，800多個數據模型，400多個指標，并為業務提供了150多個主題化的數據集。這些數據資產為業務決策提供了強有力的支持，同時也為數據驅動的深入應用奠定了堅實的基79最佳實踐一線執行用戶，如銷售代表和工廠一線員工，是數量最多的用戶群體。需要最簡單直接的方式來使用數據，例如，銷售代表最關心的是績效是否達成，需要清晰、易于理解的數據來指導日常工作。對應方案是通過手

163、機端推送，提供達成追蹤看板，直接告訴用戶績效差距和下一步行動。通過這樣的用戶分類和策略，能夠確保數據驅動的策略能夠落地并產生實際價值，滿足不同層級用戶的需求。數據驅動的關鍵：運營體系化、數據化、服務化的數據運營是決定數據驅動成功落地的關鍵。運維體系中，用戶數量在增長，而數據團隊人數是有限的。通過L1到L4的角色分級和P1到P4的問題優先級分類，確保所有問題都能得到快速響應和解決。其次，權限體系也很關鍵。在推廣過程中，我們需要處理跨部門的權限、數據權限和功能權限。為此設計了權限套餐，根據不同角色和層級分配權限，既提高推廣效率，又確保數據安全。數據化是運營的另一個重要方面。我們建立了多種看板，實時

164、追蹤數據平臺的使用情況，包括報表和用戶的活躍度。這些數據幫助識別熱點和低效的報表，采取相應策略，如下線使用率低的報表，優先保障高頻使用的報表。服務化則涉及與用戶的互動。通過數據分析學堂提供線上視頻、直播和線下培訓，不斷與用戶互動，幫助他們了解如何使用數據。此外，豐富的指引文檔，如權限申請指引、平臺操作手冊、報表清單、指標清單、自助分析數據集清單和數據字典等，都放在數據門戶上，方便業務用戶自助使用平臺，從而釋放運維工作，提高業務自助能力。營銷、財務與制造三大場景的數據驅動轉型實踐數據驅動的關鍵不僅在于策略的制定，還在于數據、用戶和運營這三大要素的有效結合。通過這些關鍵要素的相互作用，維他奶逐步實

165、現了數據驅動的成功落地。以下分享三個典型業務實踐。營銷數據中心場景：提供實時數據支持決策和運營營銷數據中心在不同層級的用戶中發揮著關鍵作用，提供實時數據支持決策和運營。對于高層管理者，業績是他們最關心的指標?，F在，他們可以每兩小時通過手機端接收到銷售達成情況的推送，包括各區域和產品的業績表現。這在月底沖量或大型促銷活動如雙十一期間尤為重要。80最佳實踐中層管理者，如職能部門的經理，需要對主題化的數據和看板進行深入分析，包括客戶的進銷存、門店執行情況和產品分銷情況等。這使得他們能夠滿足高層管理者大部分的數據需求?，F在，通過自助分析工具，可以在兩小時內完成之前需要一整天的工作。對于一線執行的業務代

166、表，集成在SFA系統中，使得他們和管理層都能即時查看業績，提升了整體的工作效率和透明度。這取代了之前依賴人工統計和分發的繁瑣流程，大大提高了效率和透明度。財務計劃與分析場景：費用透視精準控制，掌握全局財務指標面向財務管理層提供了一個損益大屏，使他們能夠實時查看公司的盈虧情況。過去，開會需要提前準備大量數據，而現在，大家可以在同一張大屏上看到不同區域和產品的銷售額及費用情況，這大大提升了會議效率和決策的敏捷性。此外，通過自動化數據處理，能夠在每月的第二個工作日自動生成所需數據，而不是等到月末。財務經理需要對營銷、運營、物流等各類費用進行分析。對此我們提供了分攤引擎和主題化分層數據，能夠進行自助分

167、析，無需依賴IT部門。這不僅提高了分析的效率，也增強了財務團隊的自主性。度。對于一線物流員工提供一個實時的物流費用跟蹤系統。在飲料行業，物流費用是一個重要的成本項，且受多種因素影響?，F在物流團隊可以實時獲取物流費用與計劃的差異，及時進行優化。這改變了以往需要事后從總賬中提取數據進行對比的做法，現在他們可以即時發現問題并采取措施，從而在龐大的物流費用中實現顯著的成本節約?？偟膩碚f，通過自助分析和數據大屏的應用，有效提高財務工作的效率，加強整個組織的決策能力和響應速制造運營場景：實時了解目標達成，追蹤工單狀態對于工廠總監，需要監控全國四家工廠及其不同產線的運營狀況。過去依賴一份整合過的長Excel

168、表格來查看100多項指標，這種方式并不直觀?，F在，通過運營駕駛艙，總監可以快速識別哪些指標亮紅燈，哪些健康運行，并通過手機端隨時隨地監控工廠運營狀況。對于運營部、生產部等不同部門的經理，他們關注部門內部的KPI指標，并需要不斷優化運營。我們為他們整合了所有數據，并提供了主題化分層模型，能夠進行靈活的自助分析，從而更好地優化部門運營。在一線執行層面，以工程部為例，重要工作之一是對設備進行檢修和維護，這會產生大量工單?，F在整合了工單數據，并創建了工單跟進大屏，掛在工程部辦公室。這樣，負責檢修的員工可以實時看到剩余的工時，快速了解當天的工作安排。至此，維他奶提高了制造運營的透明度和響應速度，同時增強

169、了從高層到一線員工的決策支持能力。當下AI是一個熱門話題，維他奶期待未來與觀遠數據繼續攜手同進，以AI技術結合BI，打造一個更加智能化、自動化的數字化平臺，以支持各個層級用戶的需求，為數據分析帶來創新，繼續推動數據驅動組織的發展。自然堂集團：全渠道數字化創新與AI實踐大模型的崛起為數據分析領域注入了新活力。憑借其卓越的自然語言處理技術，不僅推動了數據分析的智能化進程，還降低了技術門檻，使之更加易于理解和應用。在敏捷創變2024觀遠數據智能決策峰會暨產品發布會現場，自然堂集團大數據中心總經理羅予晉以自然堂全渠道數字化創新與AI實踐為主題，介紹自然堂集團引入大模型技術，并與觀遠數據合作，共創Cha

170、tBI問數產品，利用AI大模型的自然語言理解能力，為用戶提供更簡單、直接、高效的數據查詢方式。自然堂集團作為中國領先的數字化驅動的科技美妝企業，一直致力于通過科技創新提升產品質量和用戶體驗，已在數字化領域也取得了顯著成就，從消費者到供應鏈，從產品開發到后臺服務，部署了全面的在線化工具，實現了數據的無縫整合，構建高效的數字化運營體系。自然堂在充分利用數據資產，以數據應用推動業務的持續創新和發展的過程中，也曾遇到過一些難點。以ChatBI技術解決臨時、重復、個性化的業務需求臨時性一次性需求多：靈活變動的業務要求數據指標動態綜合調整，眾多指標和維度是臨時提出的一次性需求。例如業務想要取下半年6個品類

171、的會員購買的數量以及金額數據。此時，產品經理需要進行對接，討論業務場景、數據口徑和價值，并由數據開發工程師進行開發，最后與業務對數。整個機制過程又慢又沉重，導致大家疲憊不堪。重復需求多：梳理了自然堂的日常數據應用需求，發現很多的需求是重復進行的。不同的業務方，不同時間點，不同場景下，可能是同一個取數需求，都需要重新排期進行，白白浪費了大家的精力。使用門檻高：不同用戶往往存在個性化的分析邏輯，盡管內部已經創建了1000多張報表和看板，但仍然無法完全滿足業務部門對數據的個性化需求。但傳統BI門檻較高，非技術人員往往難以自行使用BI進行個性化分析。羅予晉自然堂集團大數據中心總經理 掃碼獲取羅予晉分享

172、完整PPT81最佳實踐82最佳實踐鑒于觀遠數據在技術積累與業務需求方面與自然堂高度契合，自然堂決定攜手觀遠數據，共同搭建AI問數（ChatBI）解決方案。通過即時學習、邏輯預設、圖表生產能力，分別解決臨時、重復、個性化的業務需求：去年，隨著大模型的出現，自然堂開始思考利用AI來解決數據難題。大模型又可以聽懂人話，又可以寫代碼，這兩個根本能力就像一個虛擬產品經理加上一位數據分析師，可以作為某些業務同學的助手，隨時在線，一起協作，解決困擾已久的取數問題。即時學習：通過自然語義的對話交互，即可理解臨時的指標和維度含義，及時給出結果，無需經歷傳統分析方式的開發過程，即問即用、用完即走。邏輯預設：通過預

173、設決策樹模型，可以覆蓋80%重復的用數需求。圖表生成：通過對話，基于對個性化需求的理解，可以自動生成可視化圖表，幫助業務用戶快速構建個性化分析體系。ChatBI 三個關鍵：結果準不準、知識顯性化、交互更友好經過幾個月的開發，自然堂ChatBI問數產品問世，構建了標準解決方案，將大語言模型和BI基座能力相結合，應用大語言模型的底層能力，學習企業業務知識（表知識、業務邏輯、問答知識、洞察知識等），實現問答式數據分析。83最佳實踐同時，逐步向內部進行推廣，但起初準確率其實并不高，交互不夠友好，導致使用人數不多。我們進行了深入思考，總結了ChatBI落地應用的三個關鍵點。結果準不準底層整個數據治理的好

174、壞，直接決定了AI工具的生產結果好與不好。起初由于底層數據多表關聯非常復雜，問數準確率僅有60%-70%。對此，自然堂對表單進行了關聯優化，并把相似相近的指標命名字段，做更多的使用注釋，包括歸屬渠道、訂單銷售渠道等等。這樣對GPT來講才可以分清楚SQL要用哪個。今年，我們與觀遠數據進行了進一步的數據治理，比如如何識別意圖，如何生成SQL，以及如何多Agent互相檢查，如何把數據庫建設更好，如何把已經有的SQL和問題結合到一起等等。目前，取數準備率從裸跑60%成功提升到92%。知識顯性化準確率的提升過程，實質上是企業知識庫建設的過程。我們的知識庫中積累了豐富的SQL示例和指標體系定義，這些顯性化

175、的知識不斷積累，為提高準確率提供了堅實基礎。未來，我們的職能也會更多地轉向底層，做指標體系的梳理、指標平臺的治理等等，從應用層轉型到維護知識庫，讓AI工具越來越好用，不斷往前走。84最佳實踐交互更友好用戶交互更友好也非常關鍵。最早為了提高準確率，我們要求使用者明確提出自己的使用范圍，比如要問會員，還是要問會員銷售或者問各個渠道銷售等等。但用戶很多時候根本不知道自己需求的表到底是哪一個。這樣用戶就很難用起來。同時，我們將所有的交互功能集成在釘釘平臺中，員工可以直接在釘釘進行數據查詢和獲取答案，取數也更為便捷。抓住三個關鍵點，ChatBI實現落地價值提升基于以上三個關鍵點，現在整個ChatBI產品

176、使用率、使用頻次都得到了極大提升。數據分析需求響應效率極大提升，產品上線3個月后活躍用戶占比52%，覆蓋業務部門10+，處理取數需求3k+，業務部門的數據需求滿足周期從原來的0.5小時3天不等，縮短到15分鐘，有效提升數據分析需求的響應效率。數據分析師的服務半徑得以擴大，從原來的SQL工程師變成企業知識訓練師。數據支持部門與業務部門進行更緊密合作。降低跨部門溝通協作成本。沉淀的營銷、銷售、市場、庫存和財務等業務數據，使得我們能快速響應綜合性業務分析需求，加速知識調取與流通，大大促進了部門間的溝通和協作。培養了業務團隊的數字化思維。培養業務數字化思維，規范業務需求描述，大大降低其他需要開發的數據

177、需求的溝通成本。由于工具的使用變得簡單且無門檻，員工們開始習慣于使用數據來指導決策，這種習慣逐漸轉化為企業文化的一部分?，F在我們跟觀遠不斷地磨合業務與產品，終于可以通過Agent互建識別用戶的意圖和問題，通過不斷的自然問答，用戶很容易得到自己所要的東西。不僅交互體驗更好了，準確率也得到了提升。85最佳實踐未來進一步建設指標平臺，提供更精準全面的數據分析服務當下，自然堂ChatBI產品可查詢數據場景，包括C端銷售數據、全渠道銷售數據、會員數據和市場品類數據，也正在不斷推進更多可查詢數據，包括營銷數據、供應鏈數據和財務數據，以期在提供數據的同時，也能提供更深入的洞察力。未來，自然堂計劃進一步建設指

178、標平臺，以增強AI的效果，提供更加精準和全面的數據分析服務，包括：指標平臺：利用AI技術，通過自然語言查詢指標體系。一旦指標體系建立，查詢結果可以迅速呈現。這種搜索方式的效率和準確性依賴于指標治理的完善程度。智能洞察：探索利用AI進行數據分析，直接生成洞察結果和簡單的策略建議。問答生圖：支持問答功能，自動生成圖表和可視化展示，使數據分析更加直觀和易于理解。展望未來，自然堂集團將與觀遠數據繼續保持緊密合作，深化AI技術在數據分析領域的應用，共同推進業務增長，開創數據洞察力的新篇章。蜜思膚：以BI全面賦能業務管理，突破零售增長瓶頸蜜思膚品牌于2011年創立于中國蘇州。探索江南肌膚美學，定位“精準養

179、膚”，通過10余年專注深研國人膚質膚齡，以江南精致美學之魂，精萃活性成分之能量，國際前沿創新技術之力，為國人肌膚提供精準養膚改善方案，呵養精致溫潤美肌，致力打造更懂國人肌膚的精準養膚品牌。在“數智新質敏捷增長2024觀遠數據敏捷分析實踐巡展”上海站現場，蜜思膚數據管理中心負責人土豆來了以BI助力門店零售：突破增長瓶頸的關鍵為主題的精彩分享，介紹了蜜思膚數據化落地的挑戰，以及如何通過BI賦能業務，實現數據驅動業務增長和優化的過程。在當今快速發展的商業環境中，數據化已成為企業提升競爭力的關鍵，不僅能夠為企業決策提供精準的數據支持，確保每一步戰略都建立在堅實的數據基礎之上，還能通過深入分析消費者行為

180、、市場趨勢和運營效率，揭示潛在的商業機會和風險。然而，在數據化落地的過程中，蜜思膚公司曾面臨一系列挑戰：以觀遠BI賦能業務，簡化數據管理流程對此，蜜思膚引入了觀遠數據，極大簡化了企業的數據化落地流程，甚至實現了“一人管理500家門店數據”的高效管理。土豆表示：“我們調研過觀遠數據的友商，發現也提供了類似于觀遠ETL的功能，但在計算能力上與觀遠不在一個等級。使用觀遠后，我們才真正體驗到了飛機的速度?！备叱杀荆弘m然自研技術能夠提供定制化的解決方案，但其高昂的研發成本和漫長的開發周期給企業帶來了財務負擔和時間壓力。有門檻：蜜思膚團隊主要由年輕員工組成，在數據能力上可能有所欠缺，對數字化系統使用不夠熟

181、練，面對財務指標如周轉率、下滑百分比、同比和環比等時，常常感到困惑。低時效：過去依賴POS和CRM系統進行數據分析，但這些系統的結合速度較慢，難以迅速分析數據并提出解決方案。土豆蜜思膚數據管理中心負責人86最佳實踐87最佳實踐近日，蜜思膚進一步將觀遠BI與CRM系統相結合，實現業務洞察。通過PDCA循環，蜜思膚可以發現問題，迅速找到相應問題的責任人，并通過CRM系統向全國門店下達了回訪任務，明確了回訪策略。這種業務閉環不僅提升了工作效率，也加強了與消費者的互動和服務質量。BI驅動零售增長的三個關鍵：敏捷、易用、業務賦能討論數據建設，不可能避開業務價值。如果不能與業務流程緊密結合，并提供實際的業

182、務支持，那么效用將大打折扣。土豆表示：“蜜思膚對BI有三個核心訴求：敏捷、易用和業務賦能?！倍ㄎ徽宫F解決問題的敏捷流程觀遠BI具備快速的數據定位能力、直觀的問題展現方式和精準的解決方案，成為蜜思膚公司在數據化轉型道路上的得力助手：快速定位問題：快速響應管理層訴求，能夠迅速響應需求，即時獲取所需信息。過去需要較長時間才能實現的數據分析，現在十幾分鐘就能完成。直觀展現問題：數據呈現上進行了優化，將百分比轉換為具體的貨幣單位。這種改變使得經銷商對業績下滑有了更直觀的感受。例如，6%的下滑可能看起來微不足道，但當轉化為100多萬的損失時，其嚴重性便而易見，從而促使經銷商更加重視問題。直通俗業務語言：在

183、內部溝通時強調使用易懂的語言，避免行業術語。例如“周轉率”等復雜概念，采用更直觀的“距離上次銷售時間”表述，使得門店員工更容易理解業務指標。88最佳實踐企業員工與經銷商都能上手的易用性自蜜思膚公司成立以來，便致力于構建一個集中的中臺系統，整合關鍵業務領域，包括公司運營、客戶關系管理、會員服務和門店管理等。該平臺不僅全面規劃并實施策略，還預留了必要的接口，為與觀遠BI等先進數字化系統的無縫對接奠定了基礎。全面的業務賦能業績經營管理蜜思膚公司通過觀遠BI在品牌經營管理方面取得了顯著的業務效果。該系統能夠迅速識別業績下滑的問題并提供解決方案。今年第一季度，蜜思膚一個大區的銷售額下降了117萬。得益于

184、觀遠BI，公司在3月份迅速定位問題，并在短短10天內實現了業績的逆轉和增長160萬：首先對經銷商進行排名，快速定位到業績不佳的經銷商；根據二八原則，集中資源關注關鍵少數，以提升整體業績；進一步的門店和產品線分析幫助公司發現問題所在，并通過對金額、數量和消費人數的綜合分析，深入挖掘業績下滑的根本原因；觀遠BI的引入極大簡化了數據的提取、轉換和ETL過程?，F在，通過簡潔的SQL查詢，能夠迅速滿足管理層的數據需求，無論是創建數據儀表板還是生成即時報告，都能在五分鐘內完成，顯著提升了數據處理的效率。此外，觀遠BI還促進了公司會議文化的變革，為不同類型會議定制了專門的數據儀表板，并鼓勵與會者深入分析數據

185、背后的邏輯。這種基于數據的決策方式不僅提高了會議的效率，也加深了對業務的洞察。在與經銷商的互動中，觀遠BI能幫助快速識別問題并提供解決方案，這不僅提高了經銷商的滿意度和忠誠度，也加強了蜜思膚作為專業合作伙伴的形象。最后，觀遠BI的詳細操作手冊確保了從公司總部到業務團隊、督導、經銷商及其片區，甚至未來所有門店店長的廣泛接受和有效應用。這使得即使是非技術背景的員工也能輕松上手，實現“用戶友好”的操作，確保了系統的普及和高效應用。最終鎖定5個經銷商和6個品，通過調整經營策略，實現10天160萬的業績增長。89最佳實踐這不僅證明了觀遠BI的有效性，也贏得了管理層的進一步信任。從3月到5月，管理層親自走

186、訪了全國的重點經銷商，體現了對數字化轉型的高度重視。在這個過程中，蜜思膚認識到，雖然管理層的豐富經驗至關重要，但在數據驅動的決策面前，經驗只能作為參考。真正的洞察力來自于對數據背后原因的深入分析。將經驗與數據分析相結合，可以制定出更精準、更有效的解決方案，推動公司持續發展。滯銷品管理在產品管理方面，觀遠數據的引入為公司帶來了變革，徹底顛覆了傳統的“滯銷品”概念：精準定位受歡迎商品：通過觀遠數據的監控功能，公司能夠快速識別在各個門店和經銷商中受歡迎的商品，以及他們的進貨頻率，從而實現精準的產品推薦。激活門店銷售潛力：利用觀遠BI監控門店的零售活躍度，公司能夠識別出在特定產品銷售上表現優異的門店，

187、并為這些門店提供優惠政策，激勵他們進一步擴大銷售。轉化“滯銷品”為業績增長點：通過數據分析和策略調整，公司將原本可能被視為“滯銷”的產品轉化為提升業績的工具，實現了產品管理的優化。靈活調整銷售策略：實時的市場反饋使公司能夠及時調整銷售策略，確保產品與市場需求的匹配，提升銷售效率。90最佳實踐通過這種數據驅動的產品管理策略，蜜思膚公司能夠更有效地響應市場變化，優化產品組合，提升銷售業績，實現持續的業務增長。用戶管理在報表看板管理方面，蜜思膚公司通過以用戶為中心的報表看板管理策略，實現了報表數量的精簡與優化：統一報表解決方案：為經銷商提供了一個統一的“區域經營情況管理”報表，能夠快速獲取關鍵信息，

188、提高了信息獲取的效率。關鍵報表監控業務表現：內部通過“區域經營情況管理”、“公司經營情況管理”和“會員管理”三個關鍵報表，全面監控和分析業務表現，為決策提供有力支持。優化用戶訪問體驗：公司不斷優化用戶訪問體驗，簡化信息展示，吸引更多用戶訪問報表看板，提高BI系統的使用率。通過正向循環的實現，公司促進了數據驅動決策文化在內部的普及，幫助員工更好地理解業務狀況，參與決策過程。業務場景探索：盈利分析、門店助手、活動預測蜜思膚的數據建設不僅關注當前的數據分析和報表優化，更著眼于通過深入理解業務需求，以BI更多地幫助經銷商和門店提升決策質量和經營效率。目前正在進行更多業務場景的探索與嘗試：經銷商盈利分析

189、模型經過與經銷商的深入交流，蜜思膚發現他們在盈利計算上的誤區，并利用觀遠BI開發了盈利分析模型，幫助經銷商更準確地了解收益來源，優化產品結構和經營策略。門店經營助手經過與經銷商的深入交流，蜜思膚發現他們在盈利計算上的誤區，并利用觀遠BI開發了盈利分析模型，幫助經銷商更準確地了解收益來源，優化產品結構和經營策略。91最佳實踐活動預測工具針對經銷商在活動策劃上的不確定性，蜜思膚正在構建活動預測工具，能夠結合歷史數據和市場分析，為經銷商提供活動方案的收益預測和風險評估，增強其市場推廣的決策能力。隨著數智化轉型的不斷深入，蜜思膚公司已展現出其在數據分析、決策支持和業務優化方面的強大能力。從敏捷的ETL

190、處理到直觀的報表展示，從精準的經銷商管理到前瞻的活動預測，公司的每一項創新都體現了對數據價值的深刻理解和應用。展望未來，觀遠數據期望攜手更多企業，繼續以數據為驅動力，不斷探索和實踐，向更高效、更智能的方向發展。微念：想到、做到、達到，充分釋放BI價值當今商業環境中，“VUCA”即易變性（Volatility）、不確定性（Uncertainty）、復雜性（Complexity）、模糊性（Ambiguity），構成了企業面臨的四大挑戰。這些環境特征迫使企業必須不斷調整以求生存與發展，敏捷與創新逐漸成為企業生存的關鍵，為企業的長期可持續發展奠定基礎。而要實現持續的創新與敏捷性，在激烈的競爭環境中凸顯

191、優勢，企業必須要建立強大的數據分析能力。BI成為企業建立數據分析能力的過程中，一個看得見又摸得著的數據工具。它將為企業在復雜和不確定的環境中提供清晰的數據洞察；支持企業快速決策和行動，適應變化的環境；在易變的環境中幫助企業提前識別和管理風險；讓企業通過數據驅動持續改進業務流程和資源配置。那么，企業該如何充分利用BI價值，實現持續的進化與增長？在敏捷創變2024觀遠數據智能決策峰會暨產品發布會現場，微念CIO鮑程成分享了他們的實踐。微念正與觀遠數據攜手推進企業數字化轉型，構建集團BI系統。微念集團BI系統藍圖包括前中后三部分，前端的數據源、中間的整套業務服務以及后端的數據分析服務。觀遠BI承擔了

192、系統分析決策層的所有功能，雙方還將攜手上線一系列能力中心，涵蓋從前線業務到后臺管理的完整鏈條。微念的BI應用實踐：想到、做到、達到掃碼獲取鮑程成分享完整PPT鮑程成微念CIO92最佳實踐93最佳實踐在通過BI建設推動企業數字化轉型的過程中，微念實際只做了一件事，即TDA想到（Thinking）、做到（Doing）、達到（Achieving）。微念鼓勵創新思維，尤其是在業務部門，他們有非常多的想法。但同時也意識到，不可能所有的想法都要去實現，過多的選擇可能會導致注意力分散。因此，在“想到（Thinking）”這個環節，最關鍵的是篩選精煉想法，確定最具潛力最具價值的MVP（Minimum Viab

193、le Product 小型項目），而后優先啟動，去“做到（Doing）”。在推進MVP的同時，將過往的想法、經驗和嘗試進行整合與優化，通過過濾、篩選，提煉成為更為成熟的框架，再運用TDA機制繼續深化，不斷迭代升級。最終將數據成果提供給到各個業務分析團隊，助力其“達到（Achieving）”業務目標，取得增長成果。產品項目管理背景微念有眾多產品研發項目，早期，項目資料主要依賴于線下Excel文檔或釘釘群文檔協同，這種方式看似方便，卻隱藏巨大隱患。多人同時編輯同一文件造成混亂不堪的局面，表面上看起來豐富的數據實質上卻雜亂無章。更新記錄難以追溯，團隊成員間的修改?；ハ喔采w，嚴重影響工作效率。信息查詢

194、困難，溝通成本高昂，難以及時協作，項目管理艱難。Step 1.想到（Thinking)面對項目管理的諸多挑戰，大家開始思考如何解決以上問題。是否能有一種工具來幫助進行更高效的項目管理，有效監控費用和項目進度？在一次與產品中臺團隊的討論中，有同事大膽設想或許可以用BI來做這件事情，他認為這個需求的本質其實就是一個更高效的Excel，盡管BI通常被認為僅限于數據分析領域，但只要花些心思未必不能拓展到PM管理領域。這個想法得到了團隊支持，于是這位同事開始了他的嘗試。Step 2.做到（Doing）通過實踐，項目管理的線下Excel成功遷移至線上BI平臺，并借助觀遠BI的表格填報功能，實現了項目進程的

195、可視化管理。每個項目的進度情況、過程指標、關鍵指標、里程碑等均得以精準量化與跟蹤。同時觀遠BI的訂閱預警功能還能夠及時對項目進度進行預警提示，方便更及時進行項目管控。*在這個產品開發項目管理看板里，BI還與微念自有的流程引擎結合，以此清晰展示不同類別產品研發項目的數量分布，以及項目流程狀態，無論項目是處于立項、終審或結案，都能一目了然、實時掌握。如果項目超期，看板上就會有紅色警告標識，BI還會通過釘釘消息及時推送預警提示，產品經理一打開看板就能清楚地看到，及時介入處理。相較于以前線下Excel或釘釘協同文檔混亂且難以追溯的數據，BI保障了數據的準確性與流程通暢，讓項目管理更加高效，深受產品經理

196、好評。相較于傳統的項目管理系統，通過BI實現的產品研發項目管理看板更加輕盈；對比一些互聯網產品，又具直觀性與全面性。最重要的是，借助觀遠BI的訂閱預警功能，項目管理還實現了“由事找人”的關鍵動作。訂閱預警觸發的即時推送，充分調動團隊責任意識，促使大家時刻關注項目進度，確保項目順利推進。在后續迭代過程中，這一看板還將鏈接到財務相關主題，形成項目全生命周期的閉環管理，讓項目的投入產出比也能清晰呈現，為項目綜合效益評估提供更多維度。Step 3.達到（Achieving）項目管理其實是一個向上管理，調配資源的過程，需要平衡與協調。過去，使用Excel管理項目時，由于管理者無法清晰獲知項目進程，無法清

197、楚向上闡述項目的緊迫性與重要性，想調配資源往往費盡唇舌。但借助BI實現的產品研發項目管理看板現在能夠清晰呈現項目進度，決策者打開看板就能自行判斷哪些項目需要優先關注，如何有效分配資源，避免資源的閑置與浪費，更高效地推進項目落地。Step 1.想到（Thinking)為了應對差旅費用管理難的問題，IT部門與財務、行政部門進行溝通，考慮是否可將現行規則轉換為書面規范，確定具體、可執行的標準，進而嵌入系統，實現自動化管控。Step 2.做到（Doing）94最佳實踐差旅費用異常管理 背景公司差旅規則復雜，如相同性別雙人出差最好訂一間房間、餐飲消費只有異地出差時才能報銷等等。鑒于公司高頻次的出差安排，

198、行政部門面臨著大量的數據審核壓力，系統也無法一一標識，只能人工核對，定期檢查，整體效率低的同時，人工核查難免疏漏，數據的準確性和可讀性都受到影響。*95最佳實踐將復雜規則結構化后，團隊借助該抓手，利用BI制作了差旅費用異常管理報表。系統可自動監控差旅費用異常情況，不再需要人工核對，便于差旅費用管控，為企業降本增效。如相同性別雙人出差同一目的地，如分散住宿無疑會提升總體開銷。系統管控則能夠有效控制這一行為，節省財務費用及企業管理成本。對餐飲費用的管控還可以讓行政部門通過商家合作進一步降低差旅成本。通過餐飲報銷數據，行政部門發現員工就餐偏好，如某些同事會頻繁光顧特定餐館，行政團隊通過數據發現后，就

199、可以積極跟商家協商，為公司員工爭取專屬折扣，將員工福利與成本節約巧妙結合。以上四個要素之外，另一個關鍵點是企業對IT的定位。IT（技術、數字化）部門是除財務以外，最了解公司的部門之一，但IT卻可能會沉湎于技術能力與技術工具本身，以通過技術手段完成業務需求為傲，而忽視業務需求背后真正想借助數據實現的業務目標。技術與業務一定要相互融合。一方面要技術人才深入業務場景，獲得直觀體驗，更好地理解業務的深層需求；另一方面，業務精英也需要掌握基本的技術知識，增進與技術溝通對話的基礎。這樣，業務就能夠更準確地提出自身實際需求，技術也能更精準地提供解決方案，提高雙方協作效率，加速需求交付周期。透過這兩個案例，總

200、結一下如何才能“想到”、“做到”、“達到”？微念的答案是：只有敢想，才能想到。配合合適的技術才有可能做到，最終達到期望的目標。而整個過程應該盡可能的快速、準確。Step 3.達到（Achieving）差旅費用異常管理的初衷并非簡單控制開支，另一層面上也具有一種威懾作用，通過嚴密的監控體系，讓員工時刻牢記遵守規則，差旅費用的胡亂使用行為得到了有效的遏制。行政部門的工作也因此變得輕松許多，過去費用檢查、復核要耗費一周時間，現在僅需瀏覽報表即可完成，整體工作效率及數據準確性大幅提高。如果出現費用異常情況，通過觀遠BI的訂閱預警功能，預警消息會即時推送至管理者釘釘上，確保問題解決的實效性。BI實踐成功

201、的四大要素：協作共享、重視數據、正確認知、持續迭代微念在落地BI應用實踐的過程中，總結出四大支撐項目穩步前行的關鍵成功因素：協作共享：打破部門壁壘，確保數據口徑統一，消除認知差異，促進信息無障礙交流。共建共識基礎，齊力克服分歧，推動跨部門溝通協作。重視數據：擁抱數據價值，以數據輔助決策，善用數據洞察，挖掘增長機遇。正確看待數據：相信數據的客觀與公正性，面對數據呈現的結果，要發揮主觀能動性，思考、探索、了解數據背后的深層含義，精準定位癥結，尋求問題破解路徑。持續學習迭代：在實踐中不斷精進學習，以實踐反饋指導下一步行動，持續迭代創新，實現螺旋式上升發展。微念期望通過技術與業務的融合，讓更多懂業務的

202、IT人才能夠轉型為具有業務運營思維的內部專家。讓IT從幕后走至臺前，以數據驅動指導業務運營。通過技術與業務的雙輪驅動，共同推進企業向更高層次邁進，構筑敏捷高效的企業發展之路。樂其創新：從跨境電商視角出發，對企業數字化路徑和選擇的思考樂其創新創立于2010年，專注于攝影器材的研發、設計、生產、銷售及多場景影像創作整體解決方案的打造。旗下品牌樂其SmallRig致力于為全球影像創作者提供支撐與穩定、燈光與控制、影像電源等支持性產品和解決方案。從提供影像支撐類產品，到如今形成全生態、全場景、全兼容、快制造特色的產品生態矩陣，樂其SmallRig以優質的產品，支持全球160多個國家和地區的影像創作活動

203、。隨著電商化和數字化的迅猛發展，全球跨境電商滲透率已經從2018年的4.7%增至2023年底的8.0%。在這樣的背景下，推進技術創新，提升數字化水平，加快轉型升級，是跨境電商持續發展的重要驅動力。作為專注海外業務的跨境電商企業，樂其創新在跨境電商的數字化實踐方面擁有豐富經驗。在“數智新質敏捷增長2024觀遠數據敏捷分析實踐巡展”泉州站現場，樂其創新CIO方小路從跨境電商視角，分享了數字化在跨境電商的特性，以及對企業數字化路徑和選擇的深入思考。方小路樂其創新CIO跨境電商的雛形顯現在2010年前后，在隨后十余年的發展中，跨境電商的經營模式基本上經歷了三種形態的變化：形態1：信息差驅動的白牌模式最

204、初的跨境電商主要是ToB業務，企業通過參加廣交會等展會獲取訂單，這時多為以信息差驅動的白牌模式。但此時跨境電商運作效率低，中國企業在其中獲得的利潤也不多。隨后，一些企業開始通過獨立站直接面向C端消費者開展業務，但產品仍然以白牌為主。數字化在跨境電商的特性掃碼獲取方小路成分享完整PPT96最佳實踐97最佳實踐形態2：強調運營能力的貿易模式2015年，亞馬遜全球開店業務興起，跨境電商迎來了新的發展階段，涌現出大量從事跨境電商的企業。這些企業主要分為三類：一是鋪貨型，類似于鞋服類產品的大規模銷售；二是精品型，如安客等專注于小品類，通過少量SKU實現大規模銷售額；三是專注于高端市場的精品型，追求高品質

205、和高附加值。形態3：以產品力來驅動的品牌模式2019年左右，由于國內市場競爭加劇，一些企業開始尋求出海機會。這些企業不僅具備代工能力，還擁有自主研發和設計產品的能力，包括許多知名品牌企業。此外，一些企業因為擁有深厚的品牌文化底蘊，也選擇走出國際市場的道路，跨境電商行業正式開啟以產品力來驅動的品牌模式。除了形態上的變化，跨境電商與國內零售以及電商也有著明顯的區別。這些區別體現在供應鏈管理、預測和庫存計劃以及數據集成等方面。與國內零售以及電商業務模式上的區別，也讓跨境電商在數字化方面需要考慮更多因素，結合整體現狀制定相應的策略和解決方案。方小路從銷四個角度分析了跨境電商數字化面臨的現狀：1、信息系

206、統由于跨境電商的業務復雜度，導致很難有單一的三方系統可以適配。此外，業務形態的變化特別是在進入新市場時，會帶來全新的挑戰，這時系統會成為企業增長的嚴重瓶頸。同時，跨境電商的長數據鏈對于模塊協同的一致性也有很大的挑戰?；谏鲜霈F狀，跨境電商數字化遇到的障礙通常出現在以下四個方面：銷售運營：以亞馬遜為主，輔以泛平臺；線上線下平臺相結合；M、B、C相互融合。營銷推廣：以郵件和SNS為主的客戶觸達方式；海外數據安全和個人隱私日益收緊。供應鏈：超長的供應鏈鏈條；進出口報關帶來額外的復雜度；由過去中國采購海外銷售轉變為全球采購海外銷售。財務：財務合規對業財系統融合的要求；多主體不穩定的交易鏈路造成賬務的復

207、雜度。98最佳實踐2、數據系統跨境電商業務涉及多樣化的數據源和多語言數據，這增加了數據清洗的難度。同時，數據安全問題也變得尤為重要，尤其是在中美貿易摩擦背景下，數據安全規則愈加嚴格，會極大影響數據存儲和使用策略。3、組織數字化與組織能力的關系不容忽視。很多跨境電商企業的組織非常靈活多變，且組織成員整體年輕化，這可能給企業帶來了活力和學習能力，但卻可能影響到組織的管理能力和穩定性。管理能力決定了信息化、數字化能否真正走到一線，人員的穩定性則保障了組織沉淀。4、協同跨境電商數字化整個數據體系呈現為內部系統和外部系統深度集成，對接過程跨國家、跨時區、跨語種，對協同合作的要求更高。企業數字化路徑和選擇

208、在充分了解了數字化在跨境電商的特性后，方小路從樂其創新自身的數字化實踐經驗出發，分享了他對企業數字化路徑和選擇的思考。從數字化的本質來看，數字化的基礎在于信息化，信息化是管理企業經營過程的基石。如果企業在信息化過程中存在空白，那么其數字化的結果往往不會是真正有效的。而信息化的基礎來源于對整個信息流的控制和管理，包括資金流、實物流、賬務流等。從經營視角看，企業如果只關注短期的問題解決，僅憑購買一套系統就試圖快速實現數字化，甚至內部系統都沒有打通，那么長期來看，這可能會成為企業發展的障礙。方小路在分享中講到：“從業務的角度出發，企業如何進行數字化轉型？很多傳統民營企業認為購買或者上線大量的系統就是

209、數字化，能夠實現各種BI報表就是數字化，但這并不是事實。我們與觀遠數據合作多年，如何充分利用觀遠BI推動業務發展，是我們一直在探討的問題。BI報表只是數字化的起點，真正的挑戰在于如何將這些數據有效地利用起來。此外，一些企業認為建立起信息職能部門就能解決問題，實現數字化，這也是企業數字化中常見的一個誤區?！?9最佳實踐在企業信息化與數字化的表現形態方面，方小路認為，信息化是企業管理的倒影，不同企業的管理形態各異，因此其信息化系統也呈現出多樣化的特征。這些系統的構成和設計取決于企業的具體管理需求和業務特點。數字化則是企業經營視角的體現。如果企業在經營過程中沒有考慮到數字化的視角，那么其數字化建設是

210、難以建立起來的。信息系統方面，方小路強調核心系統要自主可控、底層架構要具備業務前瞻性、單點的標準化場景可以依賴外部資源來實現。他表示：“由于跨境電商行業的快速變化和多樣性。為了應對未來三個月可能出現的行業變革，企業的底層系統必須既可控又具備前瞻性。如果缺乏這兩個要素，隨著企業的快速發展，如開設多個區域和渠道，現有的系統可能會面臨巨大挑戰。此外，IT部門在確定哪些任務應該外包，哪些應該自己掌握時，應遵循一定的原則。對于單點標準化的場景，應盡可能利用外部資源，例如我們和觀遠數據合作，尋求單點的外部好資源。而對于系統的主干部分，則必須深入理解并自行掌控，以有序地構建信息化和數字化體系?！睌祿到y方面

211、，方小路推薦以觀遠BI加速數字化建設，以BI對數據進行定義，制定明確的策略指導數據的收集和分析。并以BI可視化為起點，對數據進行解讀與價值挖掘，變成企業可以執行的閉環，實現企業整體的數字化。在數據的解讀和執行閉環上，方小路也基于自身經驗給到建議：“在實際操作中，不應給業務人員過多的建議，以免他們無法執行。相反，應提供一條清晰的建議，并確保他們能夠順利執行。通過這種方式，可以提高數據的實用性，幫助企業做出更有效的決策?！狈叫÷穼⑵髽I數字化的建設路線總結為“六化”：將復雜的業務簡單化、標準化、流程化，而后再將流程通過系統線上化，構建數據決策，再進一步實現自動化、智能化，輔助業務決策。具體到企業數字

212、化建設的方法，方小路基于樂其創新在跨境電商數字化方面的實踐，分享了一些值得參考的信息系統與數據系統構建經驗和心得。100最佳實踐金融行業觀遠數據以業內領先的創新產品與解決方案，助力金融機構打造數據應用最佳狀態，攜手眾多500強與行業先進金融機構，實現自上而下的工具賦能和自下而上的數據文化共創，增強金融機構經營管理的前瞻性。觀遠數據金融行業合作客戶部分展示青島農商銀行：以“人才產品場景”思維建設企業級BI智能數據平臺青島農商銀行是經國務院同意、原中國銀保監會批準的全國副省級城市中7家全市整體改制成立的農商銀行之一。位列英國銀行家“全球銀行100強”第295位、”全球銀行品牌價值500強“第305

213、位。在邁向金融高質量發展的新征程中，青島農商銀行始終堅持做好做實科技金融、綠色金融、普惠金融、養老金融、數字金融五篇大文章，助力發展新質生產力，為加快建設金融強國作出新的更大貢獻。2023年，青島農商銀行開啟數字化轉型三年三步走戰略規劃，圍繞對外智能化服務、對內數字化管理兩條主線，推動數據思維貫穿經營管理全過程。轉型過程中，青島農商銀行重塑了數據治理組織架構，成立了數據資產管理中心，逐步實現數據應用從散點式向體系化建設，數據管理從被動服務向主動賦能轉型。在此背景下，青島農商銀行與觀遠數據合作，進一步探索搭建更為敏捷的企業級BI智能數據平臺，為業務人員越來越多的數據分析需求提供更便捷的支持。修文

214、娟青島農商銀行信息科技部副總經理加強業務與技術融合，是青島農商銀行開啟企業級BI智能數據分析平臺建設的重要背景在該平臺建設前，青島農商銀行已經建設了數據整合平臺、數據運營平臺、數據分析服務平臺，但數據加工、數據提取、數據報表、數據看板相關工作主要是由科技部門負責，業務部門主要負責提出數據使用需求。如何實現業務與技術的融合，青島農商銀行的數據應用陷入了五大困境：以“人才產品場景”思維，建設企業級BI智能數據平臺性能之困：數據量過億之后，平臺進入“小馬拉大車”的狀態；系統之困：傳統固定報表的開發效率不能及時滿足業務人員的需求；應用之困：業務人員不懂技術，數據需求的壓力集中在科技人員身上；工具之困：

215、業務人員缺少高效進行數據分析、數據挖掘的“利器”；思維之困：停留在“業務提需求、科技做需求”的傳統線性應用鏈路。101最佳實踐102最佳實踐如何突破以上困境？打破慣性思維，以“人才產品場景”思維建設企業級BI智能數據平臺，正是青島農商銀行找到的破局之道：人才：倡導“讓數據說話、用數據決策”數據文化，培育復合型數據人才；產品：搭建BI+AI智能數據平臺，為業務人員打造“一站式、便捷化”數據應用工具；場景：通過“走轉改”，從被動接收業務需求向主動挖掘業務場景轉換。修文娟在分享中解釋道：“走轉改就是走基層，轉思路，改服務。走基層是深入總行業務部門和基層一線，主動挖掘應用場景；轉思路是轉變技術等需求上

216、門的被動思路；改服務是改變傳統業務提需求，技術做開發的服務模式，借助觀遠數據“讓業務用起來”的BI工具，轉變為科技搭臺，業務唱戲?！本唧w到企業級BI智能數據平臺的整體建設思路，青島農商銀行明確了需要正確處理的四組平衡關系：青島農商銀行期望借助與觀遠數據合作建設企業級BI智能數據平臺，實現各業務需求能夠直接與數據集市聯動，業務人員可根據自身要求拖拉拽式操作及時響應用數需求，形成一個靈活程度高、開發時間短、反饋速度快的數據應用良性循環。2023年8月，企業級BI智能數據平臺建設論證完成，10月正式進入開發階段，由青島農商銀行行內人員主導整體流程，至12月平臺正式上線，完全承接了行內開門紅和綜合考核

217、等高頻應用場景。至2024年6月，青島農商銀行已在平臺上實現了200張數據看板、30個數據大屏的部署，點擊量超過10萬余次。其一，著力打造以智能決策平臺為核心的數據平臺賦能體系，讓業務人員“能用”。整合行內現有的數據報表平臺和其他各類數據平臺，逐步將固定報表遷移至決策平臺，賦能業務人員自主分析。同時充分利用行內已有大數據平臺和數據整合平臺，為智能決策平臺提供底層的數據支撐和資產目錄。培養復合型人才隊伍，實現人人都是數據分析師修文娟在分享中講到：“智能數據平臺建設的核心不在于輸出多少張報表、多少個看板，而是為全行培養具備數據分析素養、數據分析能力、數據分析思維的復合型人才隊伍”。青島農商銀行規劃

218、的目標是通過搭建平臺培養業務人員數據分析能力，實現人人都是數據分析師。為此，青島農商銀行開展了多項工作。103最佳實踐其二，開展“云梯千數”數據分析師培養工作，讓業務人員“會用”。通過從培養階段到的體系化數據分析能力培訓，到提升階段的全行級數據分析大賽，到產出階段培養出兼具數據能力和業務思維的數據分析團隊，逐階培養業務人員數據分析軟實力，實現人人都是數據分析師。青島農商銀行將數據分析師的培養分為了四個層級：具體到人才培養的方式上，青島農商銀行主要進行了五項動作：1、深入基層針對L1/L2級用戶，主動走進總行各部門、各分支機構，現場解決一線業務人員實際遇到的問題，讓一線業務人員由被動接受轉化為主

219、動應用。2、重點支持深入挖掘各個業務部門具備成為L3級用戶的員工，打造成為平臺應用的種子用戶，提供一對一的VIP服務，在全行范圍內先樹立標桿，以此帶動周圍的部門、同時將平臺用起來。并通過建立平臺應用龍虎榜，提升種子用戶的積極性。5、培養計劃在全行范圍內開展“云梯千數”數據分析師培養計劃，到2025年底之前為全行培育1000名數據分析師。3、強化支撐將企業級BI智能數據分析平臺建設與推廣按照精品項目的要求打造了專業性強、分工明確的項目組，并成立“星火戰隊”深入業務部門收集與及時響應業務部門的數據需求。在項目上線后，“星火戰隊”深入總行各個業務部門宣講系統功能，通過業務部門的實際應用場景來講解系統

220、的使用，以確保系統能夠快速推廣。4、直播推廣成功舉辦首期“星智數?！睌抵欠治鰧崙鹩柧殸I直播活動，吸引全行1000余名員工參與，點贊數超過12000余次。104最佳實踐快、多、易、廣、強，企業級BI智能數據平臺賦能銀行經營提效與觀遠數據合作的企業級BI智能數據平臺上線后，為青島農商銀行的數據應用提供了強力的產品賦能。修文娟在分享中從“快、多、易、廣、強”五大角度闡釋了平臺為銀行數據應用帶來的可見價值。1、查詢速度快，億級數據秒級查詢企業級BI智能數據平臺上線后，青島農商銀行基于平臺億級數據秒級查詢的高性能，突破了傳統數據報表查詢瓶頸，鋪底2億FTP數據，支持業務人員靈活查詢；鋪底3億金融資產數據

221、，助力全行“歸巢”活動；支持大額存款變動及時查詢，重點客戶精準跟蹤；全面覆蓋公司、普惠、個貸條線貸款數據。借助企業級BI智能數據平臺賦能全行多個應用場景，高效解放數據查詢人員。2、圖表類型多，支持各類主流圖表銀行數據分析需求多，往往需要制作各種可視化圖形，通過與觀遠數據合作建設的企業級BI智能數據平臺，青島農商銀行實現了多種圖表類型的可視化展示，平臺支持圖形和Excel隨意切換，提升了圖表制作效率。4、數據應用廣，桌面移動兩端聯動借助觀遠數據移動BI能力，青島農商銀行將平臺與行內智慧辦公系統打通，支持移動端數據實時查詢，支持單點登錄、用戶信息直接同步HR系統，PC端應用已完成看板靈活轉換為移動

222、端應用。目前，銀行經營數據可以通過手機端每日更新，管理人員和業務人員無需登錄內網辦公系統，也能隨時掌握經營數據。5、系統能力強，快速對接各類系統基于觀遠BI強大的多源數據整合與系統對接能力，青島農商銀行優化了數據平臺架構，打造一體化數據門戶，實現了“1+12“的效果。3、平臺操作易，業務人員快速上手智能數據平臺基于觀遠BI的易用性，支持業務人員0代碼、拖拉拽式操作，自主搭建看板。目前青島農商銀行的智能數據平臺中，70%的看板都是由業務部門自主搭建的。平臺的易用性還為青島農商銀行各業務部門帶來了更多改變：公司金融部借助平臺實現了考核指標和管理指標100%覆蓋，考核指標和日常管理指標每日自動更新，

223、PC端與手機端數據同步；風險管理部借助平臺建立了信貸業務全景圖，多維展現全行信貸資產現狀，告別了過往通過基層逐級填報數據的方式；分支機構基于平臺賦能，承接了總行各項戰略規劃指標的跟蹤，搭建了分支機構個性看板。105最佳實踐打造精品應用場景，助力全行業務發展企業級BI智能數據平臺落地后，青島農商銀行打造了全行首批精品應用場景，并從技術創新、賦能業務、釋放基層等維度選取行內十大精品應用場景重點推廣，助力全行業務發展。修文娟在分享中展示了青島農商銀行重點打造的部分精品應用場景對業務帶來的變革。1、公司金融駕駛艙：首次實現前臺部門自主搭建大屏過去：業務部門依賴科技提供數據報表或臨時查詢，缺少自主分析利

224、器，無法根據業務變化實時調整數據應用?，F在：充分挖掘前臺部門種子用戶，借助觀遠BI的產品能力，實現部門大屏自主搭建，解決了傳統向科技提需求鏈路長、靈活性低的問題。2、風險管理駕駛艙：首次實現風險數據視圖全景展示過去：風險條線數據缺少統一的集約化管理，許多數據依賴于基層報送，數據時效性和準確性無法保障?，F在：依托風險管理部種子用戶，對全行風險條線數據進行全面梳理，核對數據準確性后形成風險管理駕駛艙，實現了貸款多維度的展示，且能夠實現大額貸款以及潛在風險貸款風險狀態的逐筆跟蹤。3、辦貸時效大屏：首次實現辦貸流程全鏈路分析過去：行內辦貸時效類底層數據沒有形成統一標準，流程不明確導致辦貸時效類數據處于

225、真空狀態?，F在：協同業務部門對辦貸全流程進行梳理，提取關鍵節點，建立到人、到機構的數據監控大屏，得以實時監測到信貸業務審批情況、審查審批中心每日工作量及工作質效、分支機構提報貸款資料的質量情況。4、客戶經理大排名：首次實現精細化員工排名數據過去：傳統績效類數據僅提供最終結果，缺少對過程的管理和分析，無法為員工的提升提供支持?，F在：借助平臺能力建立了多位排名分析維度，在提供數據支撐的同時增加雷達圖對比數據，不僅實現了公司內客戶經理排名的每日更新，每個客戶經理的短板也可通過雷達圖逐一展現，為員工的提升提供數據支持。企業級BI智能數據平臺為青島農商銀行帶來的業務變革并未止于此，對于未來更多的應用場景

226、規劃，修文娟在分享中表示：“青島農商銀行對下一步的應用場景建設已有了明晰的規劃，我們將借助觀遠數據一站式現代化BI平臺的能力，在數據平臺、數據指標的統一化管理，以及人資管理類場景、客戶拜訪類場景、風險防控類場景等方面進行更多探索創新。觀遠BI產品也還有諸多能力需要我們根據業務實際不斷挖掘。我們期望與觀遠數據持續深化合作，共創智慧未來”。宜信：直面數字化、全球化轉型挑戰，以觀遠BI實現“用數據說話”在數據驅動的商業環境中，有效運用BI工具洞察市場和優化決策是企業競爭力的關鍵。宜信，這家擁有18年歷史的金融企業，自2006年成立起，已從傳統金融服務提供商轉型為AI驅動的一站式財富管理與綜合服務提供

227、商。這段發展歷程充滿了變革與挑戰。從傳統金融到數字化轉型，再到全球化布局，宜信在海量數據處理和精細化運營方面面臨著前所未有的管理挑戰。在“數智新質敏捷增長2024觀遠數據敏捷分析實踐巡展”北京站現場，宜信數據產品負責人陳波從業務部門的角度，詳細介紹宜信“讓數據說話”的實踐經驗。主要分為以下三點：陳波宜信數據產品負責人業務全球化引發數據應用挑戰：宜信業務覆蓋海內外，為應對業務全球化帶來的數據量激增和管理精細化需求，需進一步提升數據應用效率。啟用新一代BI工具以應對挑戰：面對全球化挑戰，宜信以業務部門為主導，將“易用性”為核心進行BI工具選型。因為一個操作復雜、難以上手的系統，無論功能多么強大，都

228、可能被業務部門所忽視。讓更多人用觀遠BI實現數據驅動業務：宜信以消費金融事業群為推廣起點，讓觀遠BI為業務決策提供有力的數據支持，實現“從用起來，到都愛用，再到離不開”。宜信的轉型發展過程不僅見證了宜信在金融科技領域的深厚積累，也體現了其在數字化浪潮中的前瞻性和創新力，這個過程中，宜信面對著三大主要挑戰：業務全球化帶來數據量激增和管理精細化挑戰106最佳實踐業務全球化帶來的復雜性宜信在推進數據化轉型的同時，積極應對業務全球化帶來的復雜性。公司不僅在國內市場深耕細作，還拓展至東南亞、拉美地區等海外市場，這要求宜信跨越地理界限，適應不同市場的商業環境和文化差異，包括多國家時區差異、數據監管差異，以

229、及低成本的數據分析管理需求。107最佳實踐海量數據處理的需求隨著宜信業務全球化的深化，線上業務的快速增長和業務模式的調整導致數據量急劇增加，同時，為了提升行業競爭力，宜信實施精細化運營策略，這些對數據的收集、存儲、分析和應用提出了更高的標準。精細化運營挑戰宜信需要在保持業務增長的同時，通過深入的數據分析來優化運營策略，例如廣告投放需適應不同市場特性，海外依賴Facebook、TikTok和谷歌等平臺，國內則側重頭條系和騰訊系；產品轉化需通過數據分析洞察用戶行為；老客戶營銷，需實現客戶的多次轉化以覆蓋新客戶成本；資產管理需精細化，分析還款用戶行為以控制成本；客訴管理要求全面監控，確保服務質量并及

230、時解決問題。面對這些挑戰，宜信認識到業務發展中的每一位成員都需要具備卓越的數據處理和分析技能。為了支撐業務的迅猛發展，不僅需要團隊能力的提升，選型合適的BI工具也至關重要。如果工具無法滿足這樣的高標準，它將難以支持業務的快速前進。因此，宜信引進觀遠BI產品，并采取了國內外雙重布局策略，以實現時區同步、低成本、高效率的數據分析和管理，確保業務的持續快速發展。以上是面對業務部門在數據分析上常見的六個問題，對此，宜信特別關注了某國外BI產品，雖然其在專業性上非常出色，并受到了許多數據分析專業人士的推崇，但其較高的學習成本和操作難度，使得宜信在第一輪選型中就將其排除。新一代BI工具選型關鍵易用性在BI

231、選型的過程中，宜信采取了以業務部門為主導的策略，并考慮了以下幾個關鍵因素：數據口徑一致性問題：不同團隊間的數據難以對齊，導致數據口徑不一致。數據波動監控的個性化需求：由于團隊成員負責不同的數據和業務維度，需要個性化的數據波動監控，以滿足每個成員的數據需求。傳統報表開發的低效率：傳統報表開發流程繁瑣，需要提報需求和排期開發，不僅耗時而且難以快速響應業務需求的變化。報表開發的延遲問題：在某些情況下，報表開發可能需要等待長達半年的時間，這對業務決策和運營效率造成了嚴重影響。數據展示模式的單調性：傳統BI工具的數據展示模式可能過于單一，不同的用戶可能希望以不同的方式查看數據，這要求BI工具具有更高的靈

232、活性。報表復用率低：在舊的BI系統中，存在大量未使用的報表，這些報表占用了系統資源，但并未為業務提供價值。宜信深刻認識到，BI工具的選擇不應僅僅停留在技術層面。一個BI工具能否被業務部門接受，關鍵在于其易用性。一個操作復雜、難以上手的系統，無論功能多么強大，都可能被業務部門所忽視。最終，基于觀遠BI易用性和快速上手的特點，宜信與觀遠數據達成合作，這也為后續BI的順利推廣和實施奠定了基礎。108最佳實踐讓觀遠BI從用起來到愛用，再到離不開觀遠BI在宜信的成功部署僅是開始，而非結束。接下來宜信展開了一系列策略，以確保觀遠BI的內部落地和廣泛推廣：通過這一系列策略，宜信成功地將觀遠BI工具在公司內部

233、推廣開來，幾乎沒有遇到成本和阻力，與此同時，宜信還建立了“大數據中臺商業分析團隊業務團隊”三個層次的系統機制來確保觀遠的順利落地。首先，大數據中臺為觀遠BI運行提供了兩個核心支持：一是基礎的計算平臺，讓業務用戶無需深入了解底層技術細節，就能夠進行基礎計算任務；二是復雜計算任務的設計和管理，確保任務能夠及時且準確地執行。其次是商業分析團隊，他們專注于經營分析和特定分析任務，尤其是跨團隊的分析工作，確保業務部門能夠獲得統一口徑的技術數據集。最后是業務團隊的業務分析和ETL二級處理。觀遠BI的ETL工具因其易用性，使得一線產品經理能夠輕松上手。熟悉后，產品經理能夠獨立進行數據集的修改和新數據集的創建

234、，而不必依賴商業分析團隊。首先是公司高層管理者的明確要求。管理層強調BI工具的切換和學習雖有成本，但必須執行，這一明確態度，為BI工具的推廣和使用奠定了基調。其次是適合的落地場景。并非所有部門和場景都適合一開始就使用新工具。宜信選擇了數據量最大、對數據使用需求最迫切的消費金融事業群，尤其是產品部門，作為觀遠的首批用戶。作為產品部門負責人，宜信的這位負責人親自參與了觀遠的第一個報表制作、ETL流程編寫和數據集申請，確保了產品部門能夠充分利用觀遠的強大功能。第三，強調統一數據口徑的重要性。在創建第一個數據集時，宜信要求所有核心指標必須統一口徑，確保所有數據都從統一的數據集中提取，從而避免了數據口徑

235、不一致的問題。最后，合理梳理并配置支持團隊。大數據中臺、數據分析部門和業務部門三者各司其職，大數據中臺負責數據存儲和計算，數據分析部門負責數據集和商業分析，而業務部門則直接使用觀遠進行數據分析。這種分工明確、協同高效的團隊配置，大大提高了觀遠在宜信的落地效率?，F在宜信內部已將觀遠BI充分應用于業務場景，以下介紹消費金融事業群的幾大常見應用場景：基于以上推廣方法，目前宜信內部報表數量已接近2000張，卡片數量達到2.5萬張，基礎數據集數量超過1500個，ETL流程超過500個。國內外多個地區，包括東南亞和拉美地區，共有1300人在使用觀遠BI。觀遠BI的引入和有效利用，為宜信在全球范圍內的業務決

236、策提供了強有力的數據支持，同時也為公司未來的發展奠定了堅實的數據基礎。期待雙方的進一步合作，深化數據分析能力，推動企業持續創新和行業領先。一線業務人員日常分析：根據一線業務人員的分工，每個崗位量化其月度KPI目標，對影響KPI目標的業務指標進行實時監控及分析，以高效達成KPI目標。業務線經營分析會議：核心經營團隊每天查看業務核心指標、業務達成進展，以調整經營策略。數據分析部門的臨時分析任務：數據分析部門會臨時接到業務團隊或管理團隊的臨時分析任務，通過觀遠BI產出高效準確、口徑一致、易于理解的分析報告。部門周例會：部門周會通過觀遠BI直接展示數據，讓業務人員從繁復、費時的PPT中解脫出來，回歸數

237、據本身?；ヂ摼W行業觀遠數據一站式智能分析平臺為眾多互聯網企業解決自研BI成本高、周期長、不美觀等問題，讓數據應用更敏捷，以實時數據洞察，助力互聯網企業穩健增長。觀遠數據互聯網行業合作客戶部分展示109最佳實踐新東方：數智驅動，開啟業務敏捷精準新篇章傳統企業為整個組織注入數據基因并非易事。在敏捷創變2024觀遠數據智能決策峰會暨產品發布會現場，新東方集團BI負責人何妙涵以數智驅動，開啟業務敏捷精準新篇章為主題，講述新東方如何圍繞四個核心主題“擇之有因、推之有策、用之有法、踐之有效”，通過觀遠BI實現數據賦能業務價值。以下為何妙涵分享實錄精選時間飛逝，轉眼間我們已經與觀遠數據攜手走過了四個年頭。此

238、次以一個更加成熟的視角，與大家分享使用觀遠BI的心得體會。主要圍繞四個核心主題展開：擇之有因、推之有策、用之有法和踐之有效。具體來說，探討如何選擇BI、如何在公司內部高效推廣BI、如何正確地運用BI，以及如何在實際業務場景中充分挖掘BI的價值。首先，當談論BI時，腦海中會浮現出許多不同的詞匯和概念。這里分享我們對于BI的幾個核心關鍵詞，供大家參考。高效：BI系統的核心目標是提升工作效率，幫助我們從繁瑣的重復勞動中解放出來。通過快速處理和分析數據，迅速獲取有價值的信息，進而做出更及時、更明智的決策。敏捷：在當前快速變化的市場環境和業務需求下，企業需要迅速響應和調整。BI系統的靈活和快速數據分析及

239、報告功能，使我們能夠迅速應對各種變化。智能：AI是當前的大趨勢，BI也緊跟這一趨勢，與AI緊密結合，變得更加智能化。智能化的BI無疑在服務方面提供了更多的想象空間，帶來更自動化、更高效、更極致的解決方案。管理：BI不僅是技術工具，更是管理工具，幫助規范數據、統一標準、優化流程，從而提升管理效率，增強團隊協作，最終實現更好的業務成果。精準：通過BI工具這個抓手分析數據，進行準確的預測，并指導業務行動。掃碼獲取何妙涵分享完整PPT何妙涵新東方集團BI負責人110最佳實踐111最佳實踐這五個關鍵詞也是我們在BI實踐中追求的目標。接下來，我將基于“擇之有因、推之有策、用之有法和踐之有效”四個核心主題，

240、分享新東方在BI實踐方面的經驗。擇之有因：功能、易用、成本、可擴展以及售后探討“擇之有因”，即我們選擇BI產品的原因，特別關注幾個關鍵因素：功能特性、易用性、成本效益、可擴展性以及售后服務。這些因素對于選擇BI平臺至關重要。功能特性 傳統數據處理面臨諸多挑戰，如數據分散、難以整合和協同，以及信息孤島問題。過去的數據傳播方式單一且效率低下，通常通過群內數據播報或手動郵件推送給管理者。為應對這些挑戰，觀遠BI全面兼容的功能特性幫助我們整合了分散的數據源，智能ETL提升了數據管理效率。同時，其強大的數據分析和出色的可視化功能，無論是在PC端還是移動端都能方便使用，極大提高了工作效率，解決了傳統數據處

241、理的痛點。112最佳實踐易用性易用性也是選擇BI產品的重點因素。觀遠提供的詳盡教程和直觀的拖拽操作界面極大地減少了用戶的學習曲線，同時也降低了系統遷移的成本。此外，觀遠BI與AI技術的融合，使得系統更加靈活和智能。產品的易用性對于后續能否順利推廣至關重要。成本效益、可擴展性與售后服務觀遠的收費模式基于賬號模塊，允許根據實際需求和用戶規模靈活定制，經過我們的評估，這種采購模式的ROI相當可觀。推之有策：自上而下，確保戰略一致性接下來步入“推之有策”，即如何有效推廣BI產品。新東方采取了自上而下的推廣策略，通過集團層面成立專門的BI推廣小組，并與各學校建立不同程度的合作關系，包括托管模式、協作模式

242、和支持模式。首先在部分學校進行試點，取得成功后，再逐步推廣至整個集團。同時，我們考慮了觀遠的基礎架構與現有基礎設施的兼容性，以及未來在性能和功能上的可擴展性。隨著業務規模的增長和需求的復雜化，包括業務高峰期的性能要求，這些都是我們選擇BI平臺時必須考慮的因素。至于售后服務，觀遠擁有完善的服務響應體系，問題都能得到專人的快速響應和解決，這讓我們十分放心。113最佳實踐這種自上而下的推廣模式確保了戰略方向的一致性和權威性，加強了執行力和資源支持，從而提高了推廣的成功率和執行效果。通過持續將線下報表和數據需求轉移到線上BI平臺，能夠確保整個組織的協同和效率。至此，我們成功建立了一個高效的運營模式。經

243、過半年的推廣，于2021年4月實現了70%的管理團隊覆蓋，學校數據團隊平均節省了1-2個人力。用戶總數達到了9000+，制作了超過11萬張卡片，這標志著我們達成了一個重要的里程碑。發展至今（2024.11），用戶規模持續增長，累計用戶數已經超過1.5萬，月活躍用戶達到7000+，共創建了1.3萬+的頁面和32萬+的卡片。這些數字表明了用戶的深度使用。在推廣BI產品的過程中，我們采取了一些創新措施，包括舉辦BI挑戰大賽，準備了豐富的禮品和榮譽證書作為激勵。此外，還構建了BI生態圈，實施“分而治之”的管理模式。這種模式下，集團總部的管理員負責管理學?？偣芾韱T，而學?？偣芾韱T則負責管理校內各類用戶。

244、我們為不同用戶分配了不同角色，例如數據集管理用戶、普通用戶和只讀用戶，這意味著不同用戶擁有不同的權限等級，以適應他們各自的需求和職責。114最佳實踐用之有法：構建完善數據地基，激發用戶參與“用之有法”要激活整個系統并激發用戶參與，關鍵在于構建好堅實完善的數據地基。集團通過整合各方系統數據，經過數據倉庫的加工，生成了標準化的BI數據集，并向學校開放。學校隨后根據自身規則對這些數據集進行進一步的加工處理，創建出符合自身需求的數據集和儀表板。正如之前提到的，集團提供了豐富的數據地基并完成了數據整合。接下來，各個學?；驑I務條線需要通過ETL流程來清洗和加工數據，以滿足個性化需求。我們根據組織架構對數據

245、集、儀表板和ETL流程進行了細致的分類，確保每個人都能管理好自己的內容。這個過程可以比喻為，集團提供了一個廚房，里面備有各種原材料和工具，學校則在這個廚房里自助加工菜品，滿足自己的特定需求。通過這種方式，我們成功實現了“自助式分析模式”。115最佳實踐接下來，觀遠提供了豐富的數據展示、分析和應用功能。儀表板是通用的展示形式，通過導航欄、篩選框和各種圖表（如折線圖、柱狀圖等）的組合，我們能夠為業務分析定制看板。在需要深入業務跟蹤時，復雜報表非常有效，類似于Excel，簡單、清晰、易于理解，使我們能夠直觀地比較歷史數據和目標完成率。最后，為了提升用戶的使用規范性和效率，我們定期開展用戶培訓，并在新

246、東方的在線學習平臺上發布針對新老用戶的課程，供他們自學。此外，我們還實施了考核機制，通過考核成績來管理用戶的權限，確保他們能夠根據能力獲得相應的使用權限。這種實時敏捷的反饋機制能及時獲取一線信息，并迅速調整策略，從而提升整體業績。不僅如此，我們還可以不斷優化招生策略，提升招生管理效率，確保每一步決策都基于精準的數據分析。實時招生大屏不僅是一個數據展示工具，更是提高效率和業績的關鍵利器。踐之有效：實時招生大屏與校長系列看板實踐在“踐之有效”上，新東方積累了多個通過BI技術賦能業務并實現價值的實踐案例。實時招生大屏首先展示實時招生大屏。在教育行業，招生無疑是業務中至關重要的一環。利用BI技術挖掘招

247、生場景中的價值顯得尤為重要。通過大屏，能夠高效監控和分析各類關鍵數據，包括激勵榜單、橫向對比、招生結構、新老生對比以及歷史數據對照等，全面掌握招生情況，并快速響應市場變化。116最佳實踐校長系列看板校長系列看板是為學校領導層專門設計的，旨在幫助領導層有效地分解目標、定位問題并改進策略。通過這些看板，深入分析各項指標，其全局視角能夠從宏觀到微觀全面把握學校的運營狀況。例如，通過分析收入分布和招生節奏，精準調整資源配置和預算，實現最佳效果。治理有道最后，分享治理相關的內容，這雖然看似與日常工作有些距離，但實際上卻非常貼近。通過采購觀遠的接口和自主研發，我們建立了一套較為完善的治理監控體系，包括治理

248、排行監控、治理渠道監控、用戶處理監控和保留原因監控等。這些監控看板確保了流程的透明度，能夠自動識別廢棄和有問題的資源，同時用戶的治理行為也能被自動更新。其中，標桿管理模塊能設定并追蹤關鍵績效指標，這不僅有助于跟進目標，還能比較不同學校的表現，從而促進整體提升。此外，通過流程分析，可以精準洞察學員流失的原因，并采取相應措施提高學員滿意度和留存率。校長系列看板依托于強大的數據支持，使我們在業務問題定位和策略調整上更加精準有效。117最佳實踐采用這種客觀科學的治理方法，確保BI平臺的可持續性發展。只有這樣，平臺才能持續承載高頻業務需求，避免無效資源的累積，從而防止存儲和性能瓶頸的出現。最后用四句話來

249、總結一下我們對于BI的期待。今天，我在這里不僅是為了分享，更是為了建立更加深入的合作。未來，我們與觀遠的緊密合作和共同愿景，讓我們能夠肩并肩，一起面對挑戰和機遇。簡化復雜，人人兼可數據。敏捷應變，極速響應。精準洞察，決策有力。智能驅動，持續創新。水滴集團：從被動到主動，BI助力業務快速迭代適合企業自身發展階段的BI，才是真正好用的BI。在敏捷創變2024觀遠數據智能決策峰會暨產品發布會現場，水滴數據應用產品負責人代志偉以從被動到主動，BI助力業務快速迭代為主題，介紹水滴集團BI四個建設階段，以及如何通過BI，化被動為主動，降低綜合運營成本，助力業務快速迭水滴公司創立之初，我們稱之為蠻荒時代，公

250、司發展迅速，對數據的需求巨大，然而缺乏一個強大的BI系統來支持這些需求，導致數據合作模式顯得原始和粗獷。從業務團隊來看，數據生產流程需要先提出需求，再進入產研的需求隊列，與其他業務需求競爭優先級，然后才能開始開發。在這個過程中，業務團隊只能等待，并且需要不斷催促產研團隊，自己無法進行下一步的工作。這個過程不僅漫長，而且耗費了大量的人力資源。由于是定制化開發，還導致了另一個問題。一旦數據上線，就成為了固定的監控指標，難以進行進一步分析，極大地限制了數據在整個鏈路上價值的最大化。從產研團隊的角度來看，他們需要應對眾多業務方的需求。每個業務方的需求都會進入需求隊列，然后按順序安排處理和研發上線。在這

251、個過程中，產研團隊不僅要應對業務方的不斷催促，還要面對源源不斷的新需求。這導致產研團隊承受著巨大的壓力，并且為了滿足這些需求，當時僅數據團隊的產研人員就接近一百人，這對公司來說是一個相當高的人力成本支出。蠻荒時代：粗獷的數據合作，被動的產運研代。代志偉水滴數據應用產品負責人118最佳實踐119最佳實踐接下來，分享一個關于我們投放獲客場景的數據報表案例。這個報表包含一些基本指標和柱狀圖，下方還有表格和折線圖。那么，當時開發這樣一個報表需要多長時間。探索期：外采Tableau與自研BI的兩個“坑”在遇到一系列問題后，我們開始思考如何最大化產研團隊的價值。在探索的過程中，我們經歷了許多挑戰，也踩了不

252、少“坑”。第一個“坑”來源于Tableau的引入。2019年，我們引入了Tableau，但由于引入過程過于倉促，引發了一系列的影響。首先，Tableau的學習成本非常高，作為一款國外產品，在國內的兼容性并不理想，與許多國內用戶的使用習慣不符。因此公司內部很多業務團隊很難用起來，也不愿意使用。其次，Tableau在國內的本地化服務還不夠好，我們經常在使用過程中遇到問題，卻找不到人幫助解決，只能依靠自己摸索。此外，Tableau還存在一些性能瓶頸和功能不支持的問題。最終引入一年后，使用Tableau的人數依然很少，這促使我們作出了另一個決定，自主研發BI系統。天。首先，從業務提出需求到與產研團隊溝

253、通，明確每個指標的含義、口徑和業務期望的展示樣式，這個過程大約需要兩天。產品團隊在溝通需求后，還需進行原型設計和產品需求文檔（PRD）的編寫，這又需要額外的兩接著是內審、外審和需求排期，這往往是耗時最長的階段，因為需要與其他眾多業務需求一起排隊等待處理。評審和排期完成后，才進入開發階段。從數據倉庫的開發到前端和后端的開發，再到測試、上線和驗收，這個過程又需要大約10余天。因此，整個需求實現過程將近40天，這還不包括可能出現的問題，一旦有問題，需求可能會進一步延遲。大家可以看到，即使是一個簡單的需求，也會消耗大量的產研資源，并且對業務迭代非常不利。在這個階段，無論是產研團隊還是業務團隊，都處于極

254、其被動的狀態。120最佳實踐然而，自研BI系統讓我們掉到了一個新的“坑”里。大家應該都了解，觀遠在BI產品上投入了巨大的研發成本。我們想自研BI系統也一樣，當時需要整個產研團隊來全力支持。但對于公司而言，數據團隊本已忙于應對業務需求，再加上自研BI的任務，資源更是捉襟見肘。其次，我們的BI團隊是臨時組建的，還缺乏經驗，導致自研BI項目的推進速度非常慢。由于項目進展緩慢，迭代功能不完善，業務人員也不愿意使用，常常試用一次后就放棄了。這樣兜兜轉轉，最終又回到了傳統的提需求模式。最終研發團隊既要處理業務需求，又要投入自研BI，結果兩邊都沒有取得預期成果。這個過程對整個產研團隊來說是一段非常迷茫的時期

255、?，F代化：化被動需求為主動分析目前，公司已有超過5000名員工使用觀遠BI，占總人數的80%以上。這段“化被動需求為主動分析”的BI運營歷程，值得和大家分享。剛剛提到，自研BI的進展并不順利，同時公司也在高速發展，對數據團隊又提出了新的要求。于是，重新考慮了第三方BI解決方案。有了前兩次踩坑的經驗，這次對BI進行了深入而廣泛的調研。我們試用了市面上所有的主流BI產品，并且不僅自己深度試用，還推薦給有數據能力的合作方業務團隊，讓他們一起試用。每周定期討論，收集反饋意見，并進行深入對比，最終選擇了觀遠BI?？磥?，當初選擇觀遠BI是一個非常明智的決定。為了避免重蹈Tableau的覆轍，我們采取了多種

256、運營措施，決心將觀遠BI推廣至全公司。第一，定期為用戶提供深度培訓。我們與觀遠合作，為用戶設計了一系列從基礎到高級的課程，并將這些課程納入新員工的入職流程。每位新員工都必須參加BI培訓，并通過考核后才能正式上崗。第二，從各個業務線和團隊中尋找對數據感興趣、愿意了解BI的用戶，將他們培養成種子用戶，并提供一對一的輔導。然后，讓他們作為BI的代言人，在各自的團隊中幫助推廣BI。第三，針對公司的關鍵業務場景開發了模板，例如管理駕駛艙等，讓業務團隊直觀地看到BI的能力和強大之處。通過實際的應用案例，為業務團隊展示BI的實際價值，進一步促進了觀遠BI在整個組織中的接受和使用。121最佳實踐正是由于觀遠B

257、I的引入，我們和業務的合作模式完全得到了重構，真正實現了數據組織的去中心化。在新的合作模式下，業務團隊在遇到數據問題時，首先會自行判斷問題的性質。如果業務團隊認為問題可以自行解決，會直接登錄觀遠BI，創建數據集并進行自主分析，最終做出業務決策。如果無法自行解決的復雜問題，才會聯系產研團隊。產研團隊會根據需求生成數據模型表，并將其交付給業務團隊。之后，業務團隊依然會使用觀遠BI來創建數據集，繼續進行業務分析和決策。在這種模式下，產研團隊與業務團隊的合作方式得到了優化。由于大多數業務問題都屬于簡單問題，極大地提升了合作效率，使得整個數據處理和決策過程更加高效和敏捷。讓我來分享幾個案例，展示使用觀遠

258、BI后的變4天完成外呼場景報表，業務自主分析率達95%首先是外呼場景的案例。這是一個外呼部門的數據報表，包含了一些固定指標、折線圖和表格。這套報表，從需求提出到數據驗收，整個開發過程僅用了4天時間，而且全部由外呼產品團隊自行完成。與之前的投放需求相比，這一過程的效率提升了近10倍。對于業務部門來說，這種變化意味著已經擺脫了對產研團隊的依賴，實現了需求的解耦和一定程度的自主性。效率的提升帶來了快速的業務迭代，業務決策的效率也因此提高了近10倍。接下來分享觀遠BI與飛書結合的一個實際應用。截圖示例展示了在飛書中接收到的一張報表推送。這張報表是關于智能短信場景的，原本它是在BI平臺上構建的，業務團隊

259、需要登錄BI系統來查看這些報表和監控數據指標的變化。觀遠BI 飛書，主動預警保障業務發展化。此外，我們還體驗到了觀遠BI的高靈活性。以前，定制化開發的投放需求一旦確定，指標就無法更改?，F在，業務團隊可以輕松復制報表并進行自主分析。如果發現指標異常，可以迅速采取行動，找出數據變化的原因。實際上，目前公司的絕大多數報表都是由用戶自助完成的，自助率超過了95%。數據團隊的主要任務已經轉變為數據底層的維護和模型表的開發，這標志著數據管理和分析工作已經邁向了一個新的階段。122最佳實踐由于業務團隊常常忙于業務，有時會忽略這些指標，一旦這些指標出現異常，可能會給業務帶來重大損失。我們產研團隊發現這個問題后

260、，迅速意識到可以通過調用飛書的接口，將報表直接推送到飛書中，以便業務團隊能夠及時感知并降低潛在的業務損失。這正是觀遠BI的強項，讓我們幾乎零成本完成了這項接入工作，并且獲得了業務團隊的一致好評。在這個過程中，我們沒有產生任何額外的開發成本，就提升了效率。正如之前提到的，產研團隊之前在人力資源上的消耗非常大，但在這種新模式下，產研團隊成本在之前的基礎上大幅下降。正是由于效率的提升，現在產研團隊不再需要處理日常的業務需求，有了更多的可能性去探索新的領域，比如數據安全和數據治理。我們也希望未來能與觀遠BI一起，在數據安全和數據治理方面進行更多的建設和合作。第三個案例是關于BI與BPM（業務流程管理）

261、聯動的實際應用。在公司內部，大家可能都經歷過申請資源時的繁瑣流程。水滴也一樣，隨著企業的發展和數據資產的積累，數據看板和數據集等數據資產大量增加，目前有五千個數據看板和八千個數據集。如果業務人員想要查看某個報表，需要在這些龐大的數據資產中找到自己需要的，這不僅極其困難，而且非常耗時耗力。即使找到BP，也可能不清楚具體要找誰。觀遠BI聯動BPM，提升資產管理效率123最佳實踐因此，我們與觀遠合作，將BI、BPM和飛書三者進行了整合?，F在，如果業務人員想要找到自己的數據集或相關數據資產，只需根據數據資產的屬性和所屬的組織架構，就能輕松找到所需的數據資產，并一鍵發起申請。觀遠BI會調用BPM發起申請

262、流程，BPM再將申請流程推送到飛書中。對于審批者來說，在飛書中只需查看一個卡片，點擊確認按鈕即可一鍵完成審批。智能化：探尋智能生成數據與報表展望未來，智能化無疑是未來發展的核心主題。這兩年，隨著ChatGPT等的迅速崛起，AI技術與應用如同雨后春筍般涌現。水滴公司在這一領域也進行了深入探索，包括自主研發的AI智能外呼機器人和保險行業大模型，同時在數據應用方面也有所嘗試。我們期待與觀遠一起進一步探索BI的更多可能性，尤其是在指標與BI的結合方面，這對于解決水滴公司目前面臨的數據口徑不一致等問題至關重要。引入指標后，可以基于這些指標進行智能論述和智能搭建等工作。我們的理想目標是，未來業務團隊不再需

263、要關心數據的整個處理過程，用戶不再需要自己搭建數據集、數據報表或自助分析，而是只需通過向BI系統提出詢問和簡單描述，BI系統就能夠自動生成數據和報表。我們期待與觀遠攜手，共同構建一個更加智能的BI系統。BI與BPM的聯動不僅為節省了大量的資源，也提升了用戶的使用體驗，同時大幅降低了數據團隊對數據資產管理的難度。所以這個功能一上線，公司用戶就一致給予了好評。智聯招聘：BI實現多種數據的互聯打通，為企業創造更高價值“數據”被譽為21世紀的石油，但對企業來說，數據積累是財富，同樣也是困擾。如同開采和煉制石油一樣，從海量數據中挖掘價值并充分利用亦非易創立于1994年的智聯招聘，是國內領先的企業人力資源

264、整體解決方案服務商。在這樣一家擁有30年多發展歷史的互聯網公司內部，其信息化歷史也十分悠久。與之相對應，其內部數據積累亦是海量。進入數字化時代，為了將海量數據的價值利用起來，使其成為推動業務增長的動力，智聯招聘開啟了數字化轉型，并選擇與觀遠數據作為合作伙伴，以觀遠BI為推進企業數據建設的利器，激活企業數據潛力。智聯招聘為何選擇觀遠數據？觀遠BI在企業數據建設中有何優勢？為企業挖掘數據價值帶來哪些助力？在敏捷創變2024觀遠數據智能決策峰會暨產品發布會現場，智聯招聘BI負責人張凱從BI使用者的自身感受出發，就以上問題進行了解答。事。張凱智聯招聘BI負責人124最佳實踐作為一家發展了30多年的互聯

265、網公司，智聯招聘內部組織結構復雜，每天用戶在平臺上能夠產生過億的用戶行為數據，B端、C端數據都十分豐富，包括B端用戶的資產消耗，都以大量的離線數據存儲在hive數據庫中。智聯招聘的信息化也經過了十分悠久歷史，財務回款、客戶簽單合同等都有完備的數據，能夠追蹤到每一筆訂單。而基于財務的一些原因，大量的數據都是以Oracle數據庫存儲的。此外，歷史更替，技術不斷地迭代，帶來很多數據庫類型的數據存在。對公司來說，每一筆數據都是寶貴的資產。在數字化建設階段，智聯招聘希望能將財務、人事和用戶的數據關聯打通，以更好地提供數據分析價值，賦能管理決策。能夠實現多種功能數據的融合使用，最大化發揮數據價值，這正是智

266、聯招聘選擇觀遠數據作為合作伙伴的一個重要因素。BI實現多數據的互聯打通，最大化發揮數據價值125最佳實踐數據能夠跨平臺使用對智聯招聘非常重要，觀遠BI的能力則完全滿足了智聯招聘的需求。觀遠BI的數據連接器支持多種功能不同的數據庫類型，覆蓋智聯招聘常用到的多種類型，不論是傳統的Oracle數據庫，還是新興的更先進的數據庫，都能輕松連接，并且實現抽取和直連。抽取的數據可以迅速進行二次加工，直連的數據可以實現原有數據的直接利用，既可以保證效率，同時也可以保障數據安全，且很好的利用了現有的數據庫資源。以上圖展示的數據融合場景為例，其中包含了數量龐大的用戶數據、銷售數據，這些數據來自于離線應用和其他數據

267、源中，還包含存儲在Oracle數據庫中的財務數據等業務數據。過往進行數據分析時往往需要人工進行數據處理工作，繁雜且易出錯。觀遠BI的智能ETL擁有豐富的數據處理組組件，支持靈活的數據集管理與任務調度。通過它的ETL輸出的統一的數據源，能夠提供給不同的業務部門共同使用，過程中也不用擔心數據安全問題。它擁有靈活的數據權限分發能力，高效隔離數據權限，在簡化數據處理工作，提高業務靈活性和決策效率的同時，更能夠有效維護數據的完整性和機密性。*觀遠BI數據連接器數據庫類型示例126最佳實踐易用的BI能力讓數據分析更清晰、更簡單在具體的使用過程中，觀遠BI幫助智聯招聘實現了數據分析與決策的質效雙升。以兩個簡

268、單的功能為例：1、杜邦圖：讓數據分析更清晰數據分析師在日常工作中常常要對分析對象進行拆解，以清晰展現復雜業務邏輯背后的影響因子，幫助識別關鍵驅動要素。杜邦圖借鑒了思維導圖的概念，能夠深度剖析業績指標的內在構成及其相互關系，是數據分析師常用的分析工具。觀遠BI的杜邦圖所具備的以下特點與優勢，讓智聯招聘的數據分析更清晰：2、中國式報表：像Excel一樣呈現數據觀遠BI的中國式報表功能，高度兼容了Excel用戶使用習慣，讓報表開發更敏捷、更簡單。在日常的使用中，尤其是對財務人員來說，其對Excel的使用率更高，對格式、樣式的要求也更高。觀遠BI的中國式報表深度融合Excel，使用門檻低，導入即用，可

269、快速實現Excel報表快速線上化。中國式報表還能夠支持更復雜的表頭設定，實現多層次分類匯總，滿足多樣化的數據處理需求。對一線業務人員來說更便于使用，且由于貼近傳統Excel操作習慣，業務人員也更樂于使用，對于企業沉淀數據資產、構建數據驅動的文化氛圍產生積極影響。*杜邦圖示例，非客戶真實數據 結構化思維拆解：幫助分析師從頂層結果向下逐層拆解，直至最小顆粒度，每一層級均關聯具體數據指標，便于分析師追蹤和分析根本原因。自由選擇時間維度：分析師可以根據需要自由選擇數據查看的時間范圍，從短期波動到長期趨勢，具有極高的靈活性。更為清晰的可視化展現：通過不同色彩和模塊的區分，使數據更具可讀性，直觀呈現各項指

270、標之間的關聯，易于理解和分享。深度鉆取和聯動能力：基于BI的深度鉆取和聯動能力，業務部門在使用的時候可通過點擊某一細分項直接跳轉至更詳細的分析頁面，探索趨勢走向或其他關聯數據，加深對業務脈絡的理解。*127最佳實踐*中國式報表示例，非客戶真實數據數據權限管理效率大幅提升，輕松實現所有分公司共用一張圖表在智聯招聘的數據建設中，數據權限管理不僅是保護數據安全的核心手段，更是推動企業效率提升的重要杠桿。面對全國范圍內數十家分公司不同數據權限的復雜性，智聯招聘借助觀遠BI的數據權限管理能力，成功實現分公司人員數據權限劃分，并且結合觀遠數據提供的數據計入能力與現有ERP數據打通，輕松實現組織結構權限自動

271、賦予，實現了統一管理與個性化需求之間的平衡。觀遠BI支持精細的權限配置，在保障數據安全的同時，幫助智聯招聘提升了管理效率。借助觀遠BI，智聯招聘針對公司內不同級別與職能的角色，進行了權限細分，確保每位員工僅能看到與其工作相關的信息，既保障了數據安全，也避免了信息過載。此外，BI與釘釘深度融合，自動映射組織架構，使得權限分配更加自動化與智能化，減少人為干預，大幅提高了管理效率。在增效的同時，BI所帶來的自動化報表的普及、數據安全的保障，也進一步幫助公司實現了降本。智聯招聘借助觀遠BI數據權限管理機制，實現了所有分公司共用一張圖表，減少了過去每個分公司需單獨制作報表的繁瑣工作，自動化報表的普及也顯

272、著減少了過去各個分公司數據運營方面的人力成本。而總部統一的數據權限管控，所設定的嚴格的數據導出權限，在實現數據防泄漏的同時，為公司節省了過去每年都需要購買的第三方安全桌面軟件成本，在保障安全、提升效率的同時，進一步節省了企業運營成本。借助觀遠BI的強大功能與創新解決方案，智聯招聘不僅在現有業務流程中實現了顯著的成本節約與效率提升，更為未來的企業發展鋪墊了堅實的數字化基石。雙方今后也將持續攜手，共同探索人工智能、機器學習等前沿技術的深度整合，進一步推動企業的數智化發展。用友薪福社：BI建設落地，助力業務提速300%用友薪福社是用友集團旗下成員企業，成立于2016年。公司通過創新一體化的社會化共享

273、用工云平臺及結算服務，幫助企業建立用工模式，基于區塊鏈技術及AI大模型實現最優用工配置、社會化共享用工云平臺、投保與結算服務，提供企業用工全場景數智化解決方案。截至目前，用友薪福社的多元產品已累計服務超過35000家企業，解決了連鎖零售、互聯網、地產、游戲等行業的企業用工結算等問題，幫助企業實現降本增效目標，并已成為各行業頭部企業廣泛認可的合作伙伴。在“數智新質敏捷增長2024觀遠數據敏捷分析實踐巡展”北京站現場，用友薪福社BI項目負責人張世康帶來了以企服領域內部營銷數智化價值體現，用數據賦能業務的精彩分享。張世康在分享中講到：“每一個企服從業者從來都不會懷疑數據的重要性。相比服務個人客戶的業

274、務，我們在服務企業時，只有通過多維度的企業數據才能快速熟悉了解它們，這些數據越完整越真實，我們就能提供更高效流暢的服務”。在隨后的分享中，張世康詳細向與會嘉賓們分享了用友薪福社的BI建設歷程與數據應用成果，為更多企業實現數據賦能業務增長提供了參考范本。張世康用友薪福社BI項目負責人128最佳實踐為什么要進行BI建設？張世康在分享中講述了用友薪福社在數字化轉型過程中遇到的三個關鍵難題：“不求一步到位，但要足夠重視”129最佳實踐面對這些困境，用友薪福社以“為業務增效，為技術減負，為決策提供支撐，為未來指明方向”為愿景，正式開啟了企業BI建設。其愿景正與觀遠數據始終貫徹的“讓業務用起來”的理念互相

275、契合，雙方攜手共同推動用友薪福社BI建設項目，以數據賦能業務，為企業業務決策提供可靠數據支撐。張世康在分享中介紹了用友薪福社與觀遠數據攜手建設BI的四個階段過程，以及每個階段的具體做法。張世康在分享中講到：“指標的定義一定是清晰的、明確的，并能夠得到所有業務團隊一致認可和肯定的”。以此為核心，用友薪福社首先確立了“混亂中建立秩序”的目標，并通過四步確保了數據指標的統一和實用性：數據指標統一基于業務分析和數據盤點，對業務數據進行拆解，梳理業務流程和管理要求，從而構建一個標準的指標體系框架，進行初步的指標清單整理。而后進一步補充業務屬性、金融屬性以及相關維度，確保輸出的指標能夠解決實際問題和滿足業

276、務需求。持續的標準化過程經過這個過程，用友薪福社對指標體系的建設有了新的認識。張世康在分享中講到：“我們認識到，數據指標的完全標準化是一個長期的過程。不求一步到位，但要足夠重視。我們建議在BI建設過程中，不必一開始就追求所有指標的完全標準化，而是應該從一個具體場景開始，讓這個場景能夠順暢運轉，然后逐步完善指標庫，最終實現完全標準化”。指標體系的實施與反饋面對業務團隊的反饋，在迭代的過程中用友薪福社也意識到不能無限期地完善指標。因此其決定暫停這一過程，并專注于輸出最基本且與業績直接相關的指標。這至少能夠確保全公司有一個統一的指標基礎。隨著業務團隊在實際使用中的反饋，再反向更新指標清單，逐步完善，

277、形成一個簡單的閉環，在這個過程中讓所有指標都逐步變成標準，得到所有業務團隊一致認可的數據。1、指標統一：混亂中建立秩序進行有效的BI分析的前提是數據指標的規范化，如果數據口徑不一致，將無法進行準確的數據分析。因此，用友薪福社的BI建設的第一步是構建數據指標庫，統一數據口徑，為后續的數據分析奠定基礎。130最佳實踐2、從頂層設計到基層探索在數據指標規范化的基礎上，用友薪福社進一步對數據進行梳理，并制作了涵蓋業績分析、經營分析、客戶分析等方面的數據統計分析報表，提供對業務運營的初步洞察。3、培訓與分享：一場文化的變革隨著標準化報表的生成，用友薪福社開始在全公司范圍內推廣自助分析的概念，鼓勵業務團隊

278、和運營團隊學習使用拖拉拽式操作的易用性BI工具，自行生成所需報表，以提高數據分析的自主性和效率。張世康列舉了兩個面向一線員工運營決策的關鍵場景，進一步解釋采用從頂層設計到基層探索策略對解決實際運營問題，釋放BI價值的必要性：BI的價值不僅體現在管理層的決策支持上，同樣體現在它如何幫助一線員工提高工作效率和質量上。通過“自上而下的設計，自下而上的搭建”的雙向建設策略，用友薪福社實現了BI的價值最大化，確保了從高層管理到基層員工都能從中獲益，進而實現了整個組織的協同和效率提升。解決運營取不到數的場景在以往的操作中，運營團隊需要四處搜集數據，分析問題并嘗試解釋原因?，F在，通過BI直接輸出所需結果，解

279、決了數據獲取難的問題。銷售/客成需要關注自己客戶的數據情況銷售和運營團隊需要關注客戶的續約情況、服務質量和潛在的流失風險，BI能夠提供這些關鍵數據，幫助他們作出更有針對性的決策。在這個過程中，用友薪福社面臨的一個關鍵問題是：BI系統是應該自上而下還是自下而上進行搭建？張世康在分享中講到了用友薪福社的理念：“BI的設計一定是自上而下的設計，但實施過程卻是自下而上的。既要滿足管理層訴求，也要關注到對一線的價值”。企業有兩種主要的BI應用場景以查看數據為主的管理層需求，以及以用數據為主的一線員工需求。雖然BI項目的初衷往往是服務于管理層的決策，但僅僅滿足管理層是不夠的。BI還需要能夠支持一線員工在日

280、常運營中的決策，使他們能夠高效地完成工作。131最佳實踐張世康講到：“BI不僅是技術工程，更是文化變革。BI建設最終還是希望讓業務用起來，而不是全程讓技術提供相關報表。所以我們希望讓全部業務學會使用BI，通過拖拉拽式易用的觀遠BI滿足業務的日常需求”為了最終實現“讓業務用起來”，用友薪福社進行了一系列BI推廣動作。在一期BI看板輸出后，其發現盡管BI易于使用，但整體的使用效率卻很低，部分員工對新工具有抵觸心理。為了解決抵觸和低效率問題，用友薪福社選擇以直銷團隊作為突破口，深入了解他們的需求，并與運營部門合作，梳理數據需求，將直銷團隊所有日常場景所需要的數據全部通過BI輸出，滿足運營需求的同時賦

281、能BI價值。并通過手把手的培訓和支持，確保直銷團隊能夠利用BI輸出所有必要的日常數據，從而實現BI在整個部門100%覆蓋，提升其價值。而后，通過直銷團隊的成功案例，借助運營的季度匯報，展示BI應用的價值，從而獲得高層和其他部門的認可。以自上而下的認可促使所有部門開始學習和采用BI工具。在這個過程中，管理層和領導層的數字意識逐步提升，形成了一種推動力，提高了員工的積極性，業務上下游協同也較之前更為迅速。4、多場景聚焦在前三個階段的基礎上，借助BI平臺用友薪福社致力開發能夠支持多場景的智能應用，通過BI提供精準的建議和決策輔助，實現真正的賦能業務。張世康在分享中列舉了兩個案例為更多企業的BI場景應

282、用提供參考：客戶流失預警對于企服或者ToB企業來說，總會面臨著如何有效監控和管理客戶續約。在沒有預警機制的情況下，往往要在客戶續約時才發現客戶已經流失。為了解決這個問題，用友薪福社通過BI實施了一個“三步走”策略：第一步：收集并分析客戶過去180天的行為數據，包括登錄次數、交易周期、交易金額和結算人次，以此為基礎建立風險評估模型。第二步：通過分析這些數據，識別出可能導致客戶流失的關鍵變量。例如，如果一個客戶通常每月登錄系統10到8次，突然在某個月停止登錄和交易，這可能表明他們正在流失。第三步：基于這些分析結果，定義高風險客戶群體，并向銷售和運營團隊發出預警，對應地輸出運營策略，幫助銷售提供針對

283、性服務，以降低客戶流失率。132最佳實踐低報價特批決策在簽單過程中，客戶要求了一個相對偏低的報價，銷售需要向上申請審批。對于決策者來說，通常只能根據個人經驗和模糊的心理評估進行決策或者“閉眼批”。這種決策方式往往不夠精確。為了提供更加數據驅動的決策支持，用友薪福社利用BI來提供報價決策的參考依據，主要從以下四個方面進行分析：同行業簽約價參考：分析客戶所在行業的平均簽約價格，了解市場行情。同部門簽約價參考：比較同一銷售部門內的歷史簽約價格，評估當前報價是否符合部門標準。本銷售過往報價分析：考察特定銷售人員過去的報價策略和成交情況，評估其報價是否合理。當前報價預期收益分析：評估當前報價是否能達到預

284、期的收益目標。通過綜合這四個方面的數據分析，BI能夠為決策者提供一個更加合理的建議價或參考價，不僅提高了決策的質量，也提高了決策的效率。BI給企業帶來的價值經過四個階段的建設，BI為用友薪福社帶來了可見價值。張世康在分享中從四個維度展現了BI的價值所在：1、數據看得見BI的核心價值首先體現在數據的可視化上。自2023年開始建設至今一年，用友薪福社已通過BI搭建5000+卡片、250+頁面，月新增卡片1000+。2、數據用得上BI不僅僅是展示數據，更重要的是讓數據被有效使用。目前，用友薪福社內部營銷團隊開通了160個BI賬號，月活躍用戶達到110+，月活躍率高達70%。BI數據應用涉及業務各個場

285、景，營銷數據覆蓋率100%。3、技術減負，業務提速隨著BI的完善，技術團隊的負擔得到了顯著減輕。目前，移動端的所有數據看板都由數據分析團隊完成，技術團隊的介入率為0%。這一成果得益于用友薪福社完善的數據集和數據分析團隊的高效工作。BI應用也極大地提高了業務流程的效率。過去，營銷團隊和運營團隊需要經過繁瑣的流程才能獲取數據，現在他們可以通過BI快速自主地獲取所需數據，效率提升了300%以上。133最佳實踐4、場景化數據驅動，提升數據價值BI不僅僅提高了數據的可視化和實用性，更重要的是通過數據驅動輔助決策。目前，用友薪福社已經在客戶健康度分析、報價參考建議、客戶續約報告和行業簽約建議等場景中實現了

286、數據驅動的決策支持。用友薪福社也將繼續探索BI在更多業務場景中的應用，通過數據賦能業務和管理層，進一步提升數據的價值。在分享的最后，張世康也就目前市場熱議的AI+BI話題分享了自己的思考，他表示：“AI與BI的結合是一個大工程。但對大部分企業來說，與其刻意追求全面智能化，著眼于當下企業環境，將一個個明確的具體場景通過少量人工+BI相結合的方式，反而更能快速體現BI的價值”。華夏樂游：BI賦能從數據資產到價值變現華夏樂游是超輕休閑游戲賽道的佼佼者，成立10余年間孵化產出了雷霆戰機、跑男跑酷、比特大爆炸等現象級游戲產品。2021年華夏樂游開展程序化廣告業務，擁有百億級程序化廣告交易平臺及自研APP

287、矩陣，完成數字營銷整合創新轉型。在“數智新質敏捷增長2024觀遠數據敏捷分析實踐巡展”北京站現場，華夏樂游數據中臺負責人史佼明向與會觀眾分享了華夏樂游建設數據中臺的歷程，以及借助BI釋放數據中臺能力，賦能數據資產價值變現的數智化實踐。作為一家程序化廣告廠商，華夏樂游天然具備數據基因。但如何將海量數據資產轉化為業務價值，華夏樂游的解決方案是“數據業務化，業務數據化”。通過搭建數據中臺，華夏樂游實現了業務全鏈路數字化，并以觀遠BI賦能，完成了數據資產的價值變現。134最佳實踐史佼明華夏樂游數據中臺負責人掃碼獲取史佼明分享完整PPT華夏樂游在構建數據中臺前，已經積累了一兩年利用大數據技術解決業務問題

288、的經驗。史佼明在分享中講到：“盡管這些技術能夠解決特定的問題，但并不能有效地應對業務中層出不窮的各種挑戰。單純的技術優勢并不等同于一個優秀的產品。技術本身往往難以規?；?，而缺乏規?；募夹g是無法為業務提供持續而廣泛的價值的。因此，在著手建設數據中臺前，我們就必須深思熟慮，明確建設路徑和目標，將技術拆解后重新組合，并包裝成具有產品化的解決方案，確保技術能夠規?；胤沼跇I務，從而為企業創造真正的價值?！被谝陨侠砟?，華夏樂游在數據中臺建設的起點，數據團隊與管理層就確立了一個核心共識：數據中臺建設的目標是解決業務問題，而非技術問題。為此，華夏樂游明確了四個關鍵任務，旨在全面提升數據的價值和影響力：

289、數據建設以終為始，為業務提供實質性賦能135最佳實踐1、數據入湖在整合了公司內部不同團隊的數據資源，將分散在各處的業務數據和用戶數據匯集起來，形成公司全域的數據資產后，華夏樂游首先進行了數據入湖。與傳統大數據建設不同，華夏樂游在數據入湖的同時就進行了數據建模，避免了傳統大數據建設從底層ODS開始層層構建模型的繁瑣過程，有助于后期對數據進行更深入的抽象。2、存儲與管理在這一階段，華夏樂游重點關注數據安全、數據質量以及元數據管理等方面，確保數據的有效性和可靠性。3、數據處理與分析華夏樂游利用數據進行離線分析，生成各種報表；實施實時計算，建立預警和實時觸發機制；進行數據與用戶的交互分析，通過SDK承

290、載。此外，華夏樂游還開發了算法模型，如投放模型和用戶畫像等，以進一步提升數據分析價值。4、數據服務與應用華夏樂游與觀遠數據達成合作，借助觀遠BI促成數據與業務的緊密融合，實現數據業務化，使得業務團隊能夠利用數據中臺進行實時監控、制定廣告策略和流量調配等，充分釋放數據中臺價值。在構建數據中臺的過程中，華夏樂游遵循了四個關鍵步驟，以確保數據的集成、處理、存儲和應用能夠高效、有序地進行：136最佳實踐史佼明分享中講到：“數據中臺的本質是業務數據庫。這一定義意味著通過數據中臺，業務人員不再僅僅是用它查詢冰冷的行列數據，而是一個可以訪問包含歷史經驗、模型的智慧寶庫，從而獲得實質性的賦能”。數據中臺作為一

291、個復雜系統，其復雜性與企業組織或其他系統一樣。如何界定數據中臺的對外能力，史佼明提出：“其實就是系統的關鍵因素及其相互關系，即各個模塊之間的聯系，決定了數據中臺的對外能力”。企業需要去挖掘這些關鍵因素及其關系，以確保數據中臺能夠準確反映并支持業務的需求。求。在完成數據建設后，華夏樂游致力于實現數據價值最大化。為此，其設計了兩個閉環，以優化策略和提升精準度：通過這些努力，華夏樂游不僅提升了數據的使用效率，還加強了數據在廣告投放和用戶分析中的作用，借助積極的增強回路系統，不斷放大數據價值。在與廣告專家和運營團隊的深入交流中，華夏樂游識別出了廣告領域的三個核心要素：A（廣告）、U（用戶）、C（上下文

292、）。這三個要素類似于零售業中的人、貨、場，廣告市場所有的相關事務和商業行為都與這三個要素關聯?；谶@一洞察，華夏樂游將用戶、廣告和上下文的信息整合到數據中臺，并在此基礎上構建了“三E模型”。這三個模型能夠全面描述廣告投放數據處理過程中的各種情況，解決日常業務分析中的所有需137最佳實踐數據驅動業務共創，觀遠BI助力人效提升為了讓業務團隊更充分利用數據，華夏樂游深刻體會到了平臺易用性和低學習成本的重要性。史佼明在分享中講到：“只有當工具足夠直觀易用，能夠讓業務人員迅速上手并解決實際問題時，才能真正激發業務團隊的積極性，讓業務用起來”?；仡櫲A夏樂游的數據建設，整個過程實際經歷了四個階段：數據聚集數

293、據資產數據服務價值變現。數據聚集階段，旨在打破信息孤島，促進數據的統一管理和利用。華夏樂游的目標是實現數據的單一存儲和指標的單次計算，以達到降本增效的目的。這一階段的直接成果體現在顯著降低了云服務成本，從原先的2000萬降至1000萬。數據資產階段，除了上述的“3E模型”，華夏樂游還與業務團隊協作，定義了9個業務領域，實現了39共27種業務場景的兼容，且隨著模型的進一步發展，支持的業務場景數量將繼續增加。數據服務和價值變現階段，華夏樂游借助觀遠BI推動了數據服務的全面升級。無論是深入行業的主題研報，還是實時的數據探查、業務感知和人群洞察等服務，都旨在快速響應業務需求，確保運營團隊能夠即時獲取所

294、需信息。隨著觀遠BI的引入，華夏樂游數據服務模式也發生轉變：報表類：提供日常運營所需的圖表和報表。算法模型類（策略類）：為外部提供基于算法的策略支持。分析類：運營團隊根據前期的AB測試分析結果進行持續迭代。API類：實現其他系統與觀遠BI的打通，讓員工能夠通過統一ID訪問全公司系統。觀遠BI帶來的不僅是顯性的數據服務價值，更重要的是隱性的價值變現能力。它極大地縮短了策略驗證周期，使團隊能夠在AB測試后的第二天就能評估策略的有效性，并迅速作出是否放量的決策，這種快速反饋機制極大地提升了業務效率。此外，觀遠BI還在出價策略、定價博弈、精準定向等策略優化方面起到了重要作用。除了在數據服務與數據變現階

295、段帶來的價值，史佼明還具體分享了在華夏樂游的數字化實踐中觀遠BI發揮的價值：138最佳實踐1、觀遠BI提高人效2、觀遠BI釋放數據中臺能力觀遠BI為華夏樂游激活了數據中臺的活力，實現了數據的流動與增值。例如，當用戶在瀏覽抖音或其他APP時，接觸到的每一個廣告觸點都是收集數據的寶貴來源。這些數據經過精心設計的數據建模和統一接入流程，被高效地整合至數據中臺。而后，實時數據被第一時間通過觀遠BI提供的報表直觀展示出來，離線數據則利用觀遠BI的預警功能，確保運營團隊能在第一時間收到通知，無論何時何地都能迅速響應并采取行動。在引入觀遠BI前，華夏樂游曾進行過統計，研發、運營及策略團隊等會頻繁提出報表需求

296、，主要原因在于傳統的研發模式難以滿足快速變化的業務需求，導致報表反復修改，團隊在無盡的報表調整中耗費了大量時間和精力，團隊間的信任度也受到影響，使得整體工作效率降低。引入觀遠BI后，為各團隊的工作時間分配和工作模式都帶來了顯著改變。史佼明在分享中講到：“現在，研發團隊不再深陷于繁瑣的報表開發中，運營團隊能夠自主搭建指標，快速構建并分析實驗結果，而研發和策略團隊則將重心轉移到了策略迭代和深入的經營分析上。盡管團隊規模和人數未變，但我們創造的價值卻得到了質的飛躍。這種變革所帶來的積極影響和收益提升，讓我們深感振奮”。引入觀遠前引入觀遠后139最佳實踐借助觀遠BI，華夏樂游不僅建立了有效的業務監控系

297、統，還積累了寶貴的數據資產。觀遠BI的深度應用也成為了華夏樂游業務決策分析的利器，包括：受眾分析：通過深入挖掘用戶畫像和興趣偏好，精準推送個性化內容；流量分析：對龐大的流量數據進行細致的篩選與評估，識別出高效流量、低效流量和無效流量，以及流量的價值潛力；投放分析：分析廣告的曝光率、點擊率和轉化效果等關鍵指標，全面評估投放效果。在廣告投放方面，華夏樂游也借助觀遠BI的數據算法服務進行精準的人群定向，并通過多渠道投放效果分析，優化業務決策，以BI賦能的數據驅動不斷提升效率和效果。3、觀遠BI賦能關鍵業務場景決策升級引入觀遠BI后，華夏樂游探索并實施了多個關鍵業務場景，以增強數據驅動的決策能力：流量

298、趨勢分析：運營團隊通過流量分析掌握當日應釋放的廣告量級，幫助運營團隊監控每個計劃的投放狀態，制定積極搶量或維持穩定消耗的策略。實時廣告預算分析：了解各大平臺的廣告投放情況、廣告平均出價，幫助團隊制定有效的投放策略。監控預警：監測流量異常情況，實時預警運營團隊，讓業務人員能夠迅速響應，確保業務連續性和穩定性。業務板塊分析：分析了解已對接預算方的投放內容和主要預算流向，幫助運營人員匹配最合適的流量資源。業務大屏：展示關鍵業務數據，并借助漏斗分析實時監測指標異常，讓業務負責人能第一時間發現并處理，通過一個從整體到細節的數據駕駛艙，賦能業務團隊智能決策。華夏樂游通過搭建數據中臺，為企業構建起數字化能力

299、，借助引入觀遠BI，進一步釋放數據中臺價值，提升業務運營效率，推動業務創新與發展。未來，觀遠數據將繼續與華夏樂游攜手，繼續深化數據技術的應用，不斷拓展數據價值的邊界，以數據的力量引領企業在數字化轉型的道路上穩健前行。04關于我們走進觀遠數據交流平臺141關于我們走進觀遠數據觀遠數據是業內領先的一站式智能分析平臺與服務提供商，以“讓業務用起來 讓決策更智能”為使命，致力于為零售、消費、金融、高科技、制造、互聯網等行業的領先企業提供一站式數據分析與智能決策產品及解決方案。能力優勢更多業務用戶的最佳實踐基于1000+合作客戶“讓業務用起來”的最佳實踐，打造100+精品應用更能讓業務用起來的產品易用性

300、：兩天基礎培訓后，可自主完成80%的數據分析工作，解決傳統BI“入門即放棄”的難題場景化：業務化的先進解決方案、面向業務場景的一站式數據應用、復雜決策場景的智能化企業級：大規模集群穩定支撐數萬員工活躍使用，幾十億行大數據集運行，每天幾千萬次查詢BI Copilot：基于BI+ChatGPT的前沿探索，結合自然語言處理能力，進一步降低數據分析的應用門檻對應5大行業、50+角色、150+JTBD，讓更多業務用戶能夠用數據做決策142關于我們NDR行業領先的客戶成功保障 以面向業務價值的差異化服務，持續助力企業的數據建設穩步進階持續躍升143關于我們產品矩陣觀遠BI：企業一站式BI解決方案一站式現代

301、化BI，面向業務敏捷決策，賦能業務自助分析觀遠Metrics：企業統一指標管理平臺實現以指標為中心的數據資產管理、數據分析新范式觀遠ChatBI：基于LLM的場景化問答式BI零門檻、自迭代的對話式數據分析，大幅降低數據分析門檻觀遠DataFlow：企業數據開發工作臺快速匯聚企業數據，敏捷構建企業數倉，發揮企業數據價值核心榮譽行業榮譽電子銀行網零壹財經ECR CCFA億邦動力36氪 電子銀行網數據智能創新獎攜手招商銀行入選零壹財經年度數智化金融機構攜手沃爾瑪/聯合利華入選ECR年度案例最佳實踐項目攜手絲芙蘭入選CCFA零售業供應鏈最佳實踐億邦動力數字化突出貢獻獎36氪未來消費優選新消費服務商權威

302、認可Gartner福布斯信通院 中國分析平臺市場代表廠商中國分析平臺最酷廠商2022全球數字貿易行業企業Top100首個通過信創環境“可信大數據”測評的BI分析工具144關于我們世界500強與行業領軍企業的信賴之選標桿客戶145關于我們線下活動-觀遠數據敏捷分析實踐巡展觀遠數據敏捷分析實踐巡展旨在探索和分享先進企業在數智化應用領域的先進實操方法、產品應用、創新思路與落地效果。每年我們將去到不同城市進行標桿案例巡展，期望通過這樣的方式，讓領先的行業實踐能夠為更多企業的數字化轉型升級提供高價值參考。也期待這些先進企業沉淀的最佳實踐經驗，能夠成為更多企業實實在在的增長助力。線上平臺訂閱號觀遠數據掃碼

303、關注服務號觀遠BI掃碼關注小紅書觀遠數據掃碼關注官網掃碼訪問交流平臺線下活動-觀遠數據智能決策峰會暨產品發布會觀遠數據智能決策峰會暨產品發布會是一場引領行業發展趨勢、匯聚先進企業數字化最佳實踐的盛會。峰會迄今已舉辦6屆，線下線上累計參會人數30000+。峰會旨在與行業數字化實踐先鋒企業、技術大咖、業界精英一起，洞觀數字化發展趨勢，深入探討如何利用數字技術切實解決企業核心業務問題，助力企業以數智驅動業務長效增長。TOP盛會聚焦價值匯聚零售消費、金融、高科技、互聯網、制造等多行業代表性企業，超500人與會規模，聚焦市場熱門話題，前瞻行業發展趨勢，共享數智創新價值。大咖云集高層社交行業權威機構、世界

304、500強企業、各行業先進企業CXO、業務與技術決策人、數據從業者、行業KOL等大咖云集，打造高層精英社交圈，交流互鑒共繪發展藍圖。實踐共享思維碰撞主題演講、圓桌對話、高端沙龍、閉門私董會等多樣化交流平臺，同業經驗分享，異業思維碰撞，深度垂直交流，共同探索數據智能前沿，開啟增長未來！更多推薦企業敏捷經營實踐合集12家先進企業敏捷經營實踐經驗傳遞行業專家深入解碼敏捷決策價值本源深入一線探索細分行業數智增長路徑企業智能分析與決策實踐合集20+讓業務用起來的現代化BI建設深度案例多維視角深入解讀行業趨勢和現代化BI關鍵能力近10丸子數智化建設超強干貨中國零售消費企業敏捷經營指南3大能力12項指標助力企業實現敏捷經營8大針對性敏捷經營升級路徑助推將本增效3大成長階段領先企業敏捷升級實踐學習商業銀行智能決策能力建設白皮書覆蓋41項指標的銀行BI選型指標體系（IPSI）萬字剖析銀行智能決策能力建設痛點難點銀行自助分析與智能決策的建設路徑與最佳實踐公司地址：杭州市余杭區文一西路998號海創園18號樓708室官方網站：咨詢電話：400-880-0750