前言：随着大数据的快速发展，各行各业都意识到大数据对企业未来的运行模式有着举足轻重的地位，都开始进行各自的大数据战略布局，推动企业的数字化转型。本文邀请碧生源信息中心总监张维军从碧生源在大数据分析面临的问题出发，全面分享碧生源数字化分析实践，包括：企业数据分析应用的主要场景、企业数据分析利用的实施路径、企业数据化分析对运营的支撑帮助等。

碧生源信息中心总监张维军

碧生源业务以及存在问题简述

碧生源是线上线下一体化销售，线下渠道通过渠道商、连锁药店触达到终端，线上渠道主要是各大电商平台的旗舰店和微商城销售，直接面向C端用户。线上线下的业务渠道由不同的系统支撑，包括：CRM、ERP、DMP和BI平台，基本覆盖业务部门的管理需要，业务系统间业务功能联动基本打通，同时沉淀了大量的数据，但没有完全发挥出数据的作用，比如：数据间的关联分析和提取不便、各主题板块涉及多系统的数据提取不便、EXCEL整理统计量大且不能及时更新、数据分析表没有统一归口，各级管理层不能直观的了解数据...等问题，严重影响集团的渠道管理风险、终端客户管理问题以及管理决策。

为解决上述的问题，碧生源在不停的尝试和摸索中前进，从规划到实施落地参考学习了不少同行业优秀企业的经验，并依据自身企业的实际情况和特点规划了大数据分析运用的实施路径，按三个阶段来划分：获取数据、分析数据、运用数据，每个阶段有具体的工作重点和里程碑，整个实施过程快速迭代、打磨和优化，直至目前还在不断进行优化和完善。

比如电商体系，碧生源在两年前上线了CRM系统，对接覆盖了30多个平台店铺，实现了线上C端的客户全覆盖，并配合客户服务系统，实施在线服务。同时细化客户标签和用户画像，对RFM、回购率、消费行为、客户流失预测等店铺运营数据进行分析，为不同客户群体提供个性化的健康方案和服务，在制定营销策略、客户沉淀等方面都起到了很好的作用。建立了数百个系统标签，碧生源采取H5短信方式、雁书方式等营销方式，为提高客户的回购率，唤醒沉睡客户，取得良好的效果。

电商会员平台架构图

相对于线下会员数据的难以触达，需要侧重对渠道和终端数据的采集和分析，主要是针对B端的分析和内部运营管理体系的支撑。

数字化时代企业数据应用的必要性

近年来，随着大数据发展上升为国家战略并持续加速推进，大数据分析已经不是趋势，而是很多企业必要的践行并优化。碧生源数据分析面临的问题，概括来说是数据的真实性、准确性、及时性、标准化问题。

手工工作量大，人力消耗大，效率低，EXCEL报表来回传送。流向系统数据来源众多，存在手工流向上报的不及时性和数据质量不确定性的问题，催报上传工作量也给销售人员带来了非常大的工作量和压力。

各类零散报表需求分散在不同的系统中，无统一展现入口，数据可视化欠缺，导致公司决策层不能直观了解需求，不能宏观看整体的情况和决策。

无收入、费用、绩效的统一关联分析，经营成果、绩效考核和客户收益无统一语言，数据正确性和权威性无法保障。

解决组织架构经常性调整对各种统计数据的影响，环比、同比数据报表的调整带来了非常多的工作量，人工加半自动的处理方式也导致了错误率的提高，失去数据的分析意义和历史数据的参照需要。

企业数据分析应用的主要场景

管理层级绩效考核：碧生源在全国分为十三个销售战区，以经营合伙人的方式运营，各区域的业绩考核指标不同，从渠道商的收入、出货、纯销和费用、费比、销售业绩完成率等关键指标进行衡量；

销售员工工作分析：基于外勤系统，对区域的客户每周的拜访量、客端终端数、终端指标进行分析、陈列、库存数和活动执行，对销售人员的工作强度和效果进行分析；

渠道客户分析：合同、费用、活动、返点、购进、销量和库存，全面的分析客户的价值收入、风险和潜力。比如：销售运营政策在渠道的执行情况、协议活动在流向数据中的体现、上下游数据的一致性、数据的统一指标、异常销量在流向数据中的体现；

经营单位的成果分析：以前，企业面临经营分析维度多，数据源多，数据统计核对周期长，人工调整环节多，通过数据集成，实现了各销售区的费用、成本、人效、库存、退换货的全面分析，清晰掌控各事业部的运营情况；

销售运营政策的跟踪：通过数据来看销售政策执行是否偏差和效果。比如通过对窜货、乱价、效期、库存、进销存平衡等数据指标来进行分析。

企业数据分析利用的实施路径

1）主数据治理

碧生源的系统基本是外购，核心系统陆续搭建了10多个，自主开发也仅限于数据报表层面，在建设初期主数据缺乏统一规划，所以新建系统围绕主数据进行主数据统一管理。近两年，碧生源在同一个平台上整合了财务、生产、供应链和人力，实现了核心业务主数据的统一，外围系统的主数据与平台的一致，为数据关联分析打下了基础。在客户数据中，有双重身份，既是客户又是供应商，这需要通过唯一码关联了客户和供应商对照关系；组织架构、员工、科目、产品等主数据都以ERP系统为准，其他系统直接调用，实现了主数据间的接口打通。主数据的治理规范统一后，数据分析项目的建设才有了保障。

2）提高数据的及时性和准确性

碧生源从2018年开始推进渠道商的数据直连，不到一年时间，实现了全国渠道商80%的覆盖、T+1的数据及时性，同时对数据进行了清洗和标准化，解决归口统一的问题。及时掌握渠道商购进、销售、库存数等情况，把握终端覆盖，需要在获取相关的数据后，经过清洗进入数据仓库内整合分析。比如：对窜货的管理，碧生源实行一盒一码体系，搭建了追溯系统，依照库存数据中的批号跟踪产品的流向渠道，超出区域产品销售范围后，去掉正常的调拨业务后，判定是否违背公司销售政策，强化渠道和乱价问题的预警和管理。

3）数据分析需求的整合

碧生源各核心业务部门有大量的报表是用EXCEL实现的，基本都是以业务部门自身角度出发提出的需求，缺乏全局性和分享不及时的问题。基于以上问题，碧生源的信息中心及下辖的BI部，先聚焦营销体系、财务体系和电商会员体系，收集各核心业务部门的需求，归纳总结出响应的分析主题，通过报表工具先期进行打磨和调整。归纳核心需求，为后续大数据建设奠定基础。

4）系统总体应用架构

应用架构主要包括六个方面：

业务系统：包含需要分析的所有源系统，包括：EAS、流向系统、直连流向系统、OA系统、手机系统、CRM系统等... ...。

填报端：建立报表填报系统模板和流程，支持对无系统来源的数据固化表单进行填报、审批。

数据平台：数据平台是BI分析的数据基础平台，包括数据集成、数据仓库、数据集市、OLAP多维分析。

分析平台：分析平台是BI主题分析的基础平台，基于数据平台基础上搭建，包含多个领域的分析主题。

数据预警平台：建立预警阀值，预警机制，自动及时进行经营预警。

领导决策平台：主要通过各个主题的分析为领导提供信息，领导根据信息做出决策，包含即席查询、报表、分析模型等。

5）项目实施

结合业务需求特点，衡量厂商/产品实施能力的匹配度，才能选择更合适的产品或厂商。除此以外，在实施前还需要有3点注意事项：

1、自有数据分析团队使用目标选用产品进行前期开发，更精确的理解需求和固化需求；

2、需求明确的前提下，引进有经验的厂商，进行数据仓库的整体规划和数据建模；

3、联合团队实施：学习厂商的经验，培养自己的团队，发挥各自优势，完成项目实施。后续自己的团队可以快速适应企业需求的变化，数据分析是企业信息化建设和数据化转型的核心职能，必须培养和打造自己的团队。

企业数据化分析对运营的支撑帮助

及时性：绩效考核提速，原来隔月提供数据缩短到了2周即可看上月的数据。

准确性：数据分析的基础是保证数据的真实性，通过算法逻辑识别虚假数据，优化数据采集方式，协助决策层做更正确的策略。

工具化：以前业务部门都需要投入大量的时间去绘制报表，影响投入实际业务的时间，现在调整为由业务部门提出需求，信息中心统一开发，节省了大量的人力/时间成本，业务部门能抽出更多的时间去做好业务的工作。

可视化：可视化分为两个层面，一是工具图形化呈现，直观和简单易用，二是数据直观展示，支持企业各层级更好的决策。

数据分析平台或项目是涉及范围广、由浅入深、没有边界，数字化时代对企业的战略制定、业务运营都意义重大，我们还需要不断的探索和完善，和大家共同探讨学习。