欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

如何围绕业务特性,做企业信息化?

程序员文章站 2022-04-02 09:06:47
...

近年来,越来越多的企业机构认识到数据的重要性,不断探究如何利用数据、如何生成有价值的信息。数据由企业生产,归根结底要服务于企业,指导决策,优化管理。但一套方案并不能适应所有情况,要围绕特性业务做信息化,对此,广西扬翔信息总监王永伟分享了扬翔自身的信息化实践,如何从计算机普及时代迈向互联网化。

关于扬翔

扬翔是一家以养猪和饲料生产为主营业务的农牧企业,是集种猪、肉猪、猪精、猪饲料、养猪设备、猪动保饲料一体化的大型农牧企业,现已成为亚洲最大的社会化公司。

信息化发展历程

扬翔的信息化,总结起来经历了四个阶段。第一个阶段是2000年早期的单体工厂,信息化刚起步,主要给员工普及基本计算机技能。自主研发适合饲料企业的ERP,基本做到财务业务一体化。

2008年,随着公司的规模扩张,延伸出十几个子公司。为保证业务的规范性和规范制度的统一执行,成立了集团总部。集团的管理需要工具的支撑,于是上线了集团管控系统EAS、OA系统,并将各系统做统一,对分公司的数据做统一的规划、设计、建设、管理。

完成集团管控之后,开始围绕特性业务做信息化。但由于IT行业可提供的解决方案不具有针对性,所以自主研发了猪厂管理系统、农户管控系统、进销存系统。

后来随着互联网的发展趋势,扬翔逐渐开始涉足电子商务和移动化。搭建互联网养殖服务平台,电子商城,以及后来的移动化应用,包括移动CRM、移动协同、移动决策等等。

信息化架构图

如何围绕业务特性,做企业信息化?
            
    
    博客分类: 科技 可视化电子商务饲料畜牧业信息化 

核心业务系统架构

如何围绕业务特性,做企业信息化?
            
    
    博客分类: 科技 可视化电子商务饲料畜牧业信息化 

数据化决策项目实施背景

在数据化管理方面,扬翔曾基于开源的产品做自主尝试。但是由于管理层需求的不明确,开源软件本身成熟性和敏捷度不够,整个工具还需要做大量的开发工作,耗费精力较多。后来企业信息化初见模型,曾邀请著名团队和BI产品来优化供应链,但由于管理需求不明确、不贴合,对整个企业通盘的数据决策或者商业智能并不能做到有效的帮助,最终也不了了之。

数据化决策的项目动因

多次尝试数据化决策项目的重要性主要在于以下三点:

1、数据

主系统统一,数据基本规范;业务系统完善,数据有积累

2、需求

管理体系规范,需求明确;手工工作量大,需求强烈;报表及时性要求越来越高

3、团队

信息化领域的数据分析是很好的契机,激励到位,主动求战能够使IT人员的能力和价值得到明确的提升。

工具选型需求

基于以上三方面的分析,认定了数据决策管理的重要性,在工具选型方面有这样几个考虑。

1、综合实力

2、数据源的支撑

3、工具的应用性,图表是否丰富易用

4、多维分析对数据抓取的能力

5、是否支持填报(数据录入)

6、多屏支撑和多系统支撑

7、出于数据安全考虑的权限管理

8、效率集成能力

9、用户口碑

出于这几方面的考虑,扬翔选择了帆软报表工具FineReport,各方面都基本满足了需求,此后并做了以下实践。

案例1:移动端数据展示

如何围绕业务特性,做企业信息化?
            
    
    博客分类: 科技 可视化电子商务饲料畜牧业信息化 

案例2:PC端数据展示

如何围绕业务特性,做企业信息化?
            
    
    博客分类: 科技 可视化电子商务饲料畜牧业信息化 

案例3:养殖数据地图

通过FineReport可以在地图上反映合作的农户数,通过连接功能,看到每个农户的详细信息。

案例4:大区经理日销量报表

领导关心每月的销售业绩,以往是营销部门挨个分发,如今利用FineReport的报表管理和权限分发可以直接查看。

如何围绕业务特性,做企业信息化?
            
    
    博客分类: 科技 可视化电子商务饲料畜牧业信息化 

数据可视化决策项目规划

第一步:替代手工作业

将原本报表的手工上报和分发工作,利用报表管理和呈现;替代Excel统计;开通填报系统,解决数据上报;领导系统看报表取代邮件报表。

第二步:决策可视化

将决策可视化和业务紧密结合。决策可视化的意义在于通过数据呈现,发现业务存在的问题。

包括管理对标可视化、问题分析可视化、绩效评估可视化、外部展示可视化。

第三步:基于数据创新

数据决策最终要服务到企业的创新。比如从整个数据分析层面,发现一些问题,提出最终解决方案。从数据中挖掘创新点和突破点。

项目实施经验

经验1:数据基本规范和集中

数据的规范工作虽然初期花费的时间会比较长,基础数据的集中和规范涉及到数据口径和准确性问题,是基础很重要。

经验2:管理清晰,需求明确

对于数据和需求,需要明确业务需要什么数据,数据从哪里来,哪些决策会需要。这些事物都要逐渐形成一种规范和流程。

经验3:平台敏捷,工具易用

经验4:统一规划,分期实施

经验5:长期跟进,持续迭代

数据决策是一个长期持续的工作,涉及很多经营指标和数据管理的要求,在不断的变化,需要持续不断地优化。