
在信息技术变革浪潮下的今天,云计算、大数据、移动互联网、物联网、智慧城市等新技术快速推动着商业和社会的变革。对于企业而言,新技术变革着企业管理与运营,企业数据也从被忽视转变为企业的战略资产,从提高效率、改善运营管理,到支撑决策,变革企业组织架构、商业模式。
但就国内企业而言,对数据的利用还处于整体拓荒阶段。随着大数据从虚无缥缈的概念落地到实处,企业管理者都知道数据的价值,但利用起来却依然晦涩。为何?用友优普创新业务部总经理李进闯的回答是受限于人才。李进闯表示,用友优普商业分析平台在做的事就是让“数据科学家消亡”,让大数据分析走进每个企业,包括小微企业,让人人都会大数据分析,包括业务人员,像excel一样。
我们一起走进用友优普的商业分析平台——用友BA。
市场主导、不断改变的商业分析产品线
用友最早进入BA领域要追溯到2002年,与微软的合作未产生理想化学反应,2007年转而与SAP-BO展开合作,彼时BO是全球商业智能软件的老大。与BO的合作,一定程度上取得了不错的进展,但用友也发现两者合作的一些短板。首先是能应用BA的企业往往是IT力量强、重视IT的大型企业,但到了中型企业层面IT力量相对偏弱,往往针对BA的IT专业人员只是兼职,大量企业甚至没有,像SAP-BO这样的产品完全用不起来。
在2009年,用友开始着手打造自主的商业分析产品,并推出一款安装部署简单,几分钟就能完成安装部署,后续操作都是图形界面化的产品,以降低IT门槛,让业务人员可以自己做分析。中国BA产品普及方面还存在着比较大的阻力,那就是受BA专业性限制,在实施时、应用时,还是要跟技术打交道。到了2013年,用友推出表魅网,可以理解成一个对接平台,当企业有复杂的报表需求,企业IT人员搞不定时,可以在表魅网上发布需求,依托其上的5000+开发者,帮助企业解决问题。另一方面,表魅网的出现也让企业成本直线下降。由于大数据分析人员的紧张,线下往往上万元才能解决的需求,在这个平台上一两千就能解决,对小企业来说是一大福音,这也是用友共享经济的体现。
在不断推行的过程中发现表魅网的模式效果进展不错,这可以说是用友商业分析产品线的一个节点,一直持续到用友优普拆分出来后的2014年年底。到2014年底,用友优普团队在反复考虑之后,做出了一项决定,也是用友BA的另一个节点。随着大数据的落地和数据价值的觉醒,大数据的发展在从大的角度上可以分为四个方向:一是数据源,二是存储,三是算法、分析、展现等的工具,四是行业的具体应用。用友之前在大数据方面的发展主要集中在第三种,也就是算法、分析、展现等的工具方面。用友优普依托用友在企业级多年积累的业务数据、经营数据,2014年底给客户提供工具,发力数据源。
举例而言,用友优普在表魅网的云BA平台上建立企业体检中心,用户可以在此评估企业的执行力。比如员工提交报销单之后,他的上级或者财务人员是否快速反应、快速审批,用户可以将自身企业的效率与全国各个企业的效率进行对比,了解自身企业是在一个什么水准之上。
还可以进行供应商评估。以前企业做供应商评估时往往是依据供应商是否有负面新闻,以及过往的供货经历,比如供货质量、供货周期、信用情况等等,这些数据是很片面的。而表魅网在大数据基础之上,依托大量的客户数据,可以对供货商的所有信息进行全面的检索。
着力移动化和数据源
具体而言,用友优普的BA产品有哪些优势?李进闯给出以下三点答案。其一是简单,相比国际厂商,安装使用起来非常简单。其二是语义模型。传统报表的一大问题是,变更起来非常麻烦,尤其是每到新的一年,企业的二级、三级、末级科目报表都会发生变化,每张报表都需要手动去调,有些企业成百上千张报表怎么办?语义模型的作用就在于此。零售行业一个简单例子,小包抽纸有很多品牌又有很多类型,传统的方式需要一张一张的调,而在语义模型中有一个小包抽纸的收入这一指标,只需要修改语义模型,所有涉及到的报表都会自动调整。值得一提的是,语义模型将技术与业务分离开来,语义模型后的操作与应用跟技术没有关系,也就是说业务人员即可进行。
第三是移动化方面的优势。李进闯表示,所用BA厂商都可以说自己的移动化特征,但对于用友优普来说,有一个最显著的特征,那就是一张报表无论是在PC上还是在移动端看,无论是大屏上还是小屏上看,用户看到的都是同一张报表,而业内很多厂商做的确是PC端一张,移动设备上一张。这样的价值在哪?以场景而言,销售经理在机场,发现某大区销售异常,这就需要与公司内的人员对照,如果报表不统一,很难沟通。
基于此,李进闯表示,2016年BA产品将继续提升移动化方面的能力,并在数据源方面继续发力。在移动化方面,主要是加强BA产品的追根溯源的能力,李进闯认为移动BA不应该仅仅是对数据的展现,还要能够通过数据发现问题,层层追溯根本原因来让企业解决问题。比如某一项利润在BA里面是预警状态,能够追溯到利润不好是收入的原因还是成本控制的原因。如果是成本控制的原因,是哪个产品分类成本控制的原因;如果销售得不好,是哪些客户销售不好,这些客户是由哪个业务员维护的。层层钻取,追溯到原因,甚至追到单据。
在数据源方面,结合用友积累的大量客户数据,除了每个客户自己的数据,还会展现网络上筛选后的数据,以及其他客户的数据,让客户能够将自己的数据与行业数据做对照,知道企业在行业内处于什么水准。这一点上类似于电脑开机时的“你打败了全国XX%的人”,客户能够看到自己的执行效率、订单审批效率的水准,以及改善建议。
数据科学家的消亡,让BA人人可用
了解了用友优普BA产品是什么,我们从大数据的角度去看看其挑战与潜力。
从BA的角度去看,市场竞争非常激烈,国际巨头SAP等也好,国内十几人的小企业也罢,他们都在角逐,但这也正证明了这块领域的未来可期。李进闯表示,虽然目前国内外的企业很少有做的特别好的,但最近两三年移动会有两三家企业杀出来。而从大数据的角度来看,李进闯认为,真的能做企业级大数据的企业不多,用友算是最有竞争力的一家,多年企业软件的数据积累和对企业的理解,让其能够站在制高点。
落地来说,从市场来看,中型企业比大型企业对BA需求更强,大型企业要的是报表而不是BA,中型企业更多是发展中的企业,在快速的发展过程中,他们对于数据分析的需求非常强烈。而现在阻碍中型企业大数据应用的就是人员,专业人员的缺失以及流失,导致现在中型企业无专业人才可用。
基于此,用友优普认为未来的企业都会用BA,而其阻碍就是专业人才和成本。而云计算的发展带来了发展的可能,在成本方面,目前来说,用友优普BA产品采用混合云模式,公有云提供的是相对通用型的产品与服务,相对成本很低,当客户希望定制化、个性化服务或者不想让数据放在云端,也可以采用私有云的模式。
在专业人才问题的解决方面,上文已经提到用友优普的几种策略,产品方面的部署简单、表魅网的分享经济、语义模型的技术与业务分离,用友优普围绕可以让业务人员应用BA产品在不断努力,并称之为“数据科学家的消亡”,消除BA使用的IT门槛。
“我们希望未来在BA、大数据方面的应用能够像现在的excel一样,大家都会用,让IT门槛不再高,让数据科学家消亡”。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10