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
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 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 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19