京公网安备 11010802034615号
经营许可证编号:京B2-20210330
上药信谊实现精准实时数据分析
企业发展越快、规模越大,管理模式的问题也日益表现突出。尤其,上海信谊目前已建立供应链系统、财务系统和人力资源等基础信息化系统,在系统中维护了运营所需的各种基础数据。但由于这些系统是随着业务发展逐步建设的,彼此之间信息孤岛现象较为严重,难以实现数据信息的共享、数据挖掘分析,及以统一界面展示管控要素。
为了实现集团业务集中管理辅助决策的信息化目标,上药信谊计划从原有的分散与集中管理相结合的模式,发展成集中管理新模式。在用友公司BQ团队的帮助下,上药信谊进一步规划了经营管理信息化平台全面集中的分步实施策略,为企业产品生态圈建设,抢抓发展机遇,突破信息化瓶颈,奠定了坚实的信息化基础。

▲分析首页
为了构建精准实时的数据分析系统,上药信谊和用友商业分析团队在现有ERP、项目管理系统及各类重要非结构化的业务数据应用之上,确立了BI系统的建设范围,共同规划了数据整合层、语义层、分析建模层、应用展现层四个层面的架构。以数据为着眼点,为支撑企业快速发展搭建起坚实后盾。
第一,数据整合层。是BA系统的数据来源,包括财务系统、各业务系统以及外部数据,这些数据通过数据信息管理工具,如ETL抽取到分析数据引擎AE,数据整合的主要作用是将分布在不同物理区域、不同系统中的数据首先通过规范编写的ETL程序或其它方式进行抽取,集中。
第二,语义层。商业分析平台,通过可视化的拖拽功能,将数据库中的指标数据建立分析模型,实现对数据的分析和监控。
第三,分析建模层。通过用友BQ以往的项目经验和研究,利用各种分析方法,建立了满足企业运营的采购、库存、销售、财务等分析模型,全面监控和分析运营情况,分析模型层主要是利用实时数据处理工具将抽取后的数据汇总到数据仓库中,并通过分析引擎将数据仓库中的数据根据业务归口不同进行归纳、汇总,如财务、营销、人力资源等,主要以报表和查询分析的方式将数据仓库中的数据展示出来。
第四,应用展现层。在展现层将不同特点的业务数据利用多种可视化手段展示出来,如智能查询、图形化报表、多维分析,自定义仪表盘等,是管理决策者和管理者观察企业的窗口。完整地展现了领导重点关注的决策支持系统的指标数据。决策支持系统的界面还可由业务人员根据不同的需求实现个性化定制,采用拖拉拽的操作方式,在页面上放置不同的指标内容,即可建立自己关注的指标分析界面。

▲
销售收入分析
考虑到企业高层领导日常业务繁忙,需要随时随地获悉各分支机构的第一手经营信息,用友BQ将其业务分析展现做到移动端,方便领导查阅。
上药信谊目前已实现了重要业务的数据整合与分析。在分析首页可展示全厂经营分析全貌,包含销售收入、利润、费用、应收周转、存货周转等各项总部考察指标完成情况,并可直观的发现数据问题;通过全产品查询,建立了一套根据产品编码便可查询产品价格、成本、预算、投保价格情况;从首页穿透可查看信谊总厂生产的全部产品的区域销售业绩,并能钻取挖掘当前及历史销售数据变化趋势,为企业自检销售目标完成率及合理优化产品结构提供了参考依据;通过存货周转分析,分析企业的存货周转率,以反映企业库存存货的周转速度,判断存货的流动性及存货资金占用量是否合理,促使企业在保证生产经营连续性的同时,提高资金的使用效率,增强企业的短期偿债能力;另外,可进行利润统计分析,费用对比分析、应收周转分析等。
用友BQ商业分析项目的建成使得上海信宜无论在数据管理的规范性,还是数据分析领域的先进性,与同行业竞争对手相比,又一次起到了领头羊、排头兵的作用,其顺利上线不仅标志着企业朝着打造数字化上药的目标又向前迈进了一步,同时还表明企业通过推进信息化建设工作实现集团化整体管理工作从优秀到卓越的提升。
新一代用友BQ商业分析整体解决方案,通过企业级数据平台的搭建,达到统一数据标准、共享信息资源的数据管理目标,为进一步进行数据分析及挖掘奠定良好的数据基础;同时,通过先进的数据可视化技术,根据现有数据进行ETL处理,把不同数据形式进行整合及展现,直观的将企业经营现状及未来发展趋势展现到企业管理者面前,为管理者的明智决策提供可靠的数据支持。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21