能源化工行業-FineBI行業解決方案
時間：2019-06-28 訪問量：529
能源化工行業通用FineBI分析方案
能源化工行業大數據應用背景
能源化工是國家的基礎和支柱行業，是我們日常各項工作和生活的基礎與保障。隨著現代化建設的迅速發展，各行各業需求日益強勁，尤其是對能源化工行業的依賴也越來越強，能源化工的發展和建設關系到國計民生，是整個國家安全保障體系的重要一環。
2018上半年，我國GDP同比增長6.8%，經濟增速連續12個季度穩定運行在6.7%—6.9%的中高速區間，石化行業主營收入利潤率達7.56%，同比提高1.72個百分點，為連續7年來增幅最大的一年，但在國際貿易環境日趨復雜、產能過剩狀況尚未根本改變、結構性矛盾依然突出、資源制約日益嚴峻的形勢下，全行業高質量發展仍面臨著不少挑戰。
在此大背景下，國家對能源化工行業的轉型和智慧化升級也是相當重視的，互聯網+和智慧能源已經是我國重要的戰略方向。國家在近年發布了一系列相關政策，明確提出提高可再生能源的利用率，都在指向新型的、更智慧化的能源化工互聯網。而工業4.0 和兩化融合都不可避免的需要通過數據分析來提高公司數據管理的能力，推動公司數據化經營的持續發展。
在現有企業的數據化情況之下，雖然業務系統、ERP、供應鏈系統已經上線，但對于集團管理層與業務層，仍面臨著以下問題：
1.數據分散存放于多個業務系統中，形成了一個一個的“數據孤島“，沒有辦法將這些數據打通，從多個角度對數據進行深度分析。
2.各業務部門迫切的希望通過數據解決一些管理、業務發展的問題，但苦現有的報表展現形式不能滿足分析需求。
3.依托IT取數的配合方式，傳遞效能低，易造成重復勞動，而且數據時效性也不能保證，往往從數據產生，到流入業務部門需要經過一周以上，風險并不能被及時暴露。
4.隨著公司的發展，數據的安全和保密日趨重要，特別是一些公司財務信息、客戶信息等，需要有權限的管理來對數據進行保護和管理。
能源化工行業大數據技術應用架構
針對我們的遇到的問題和對信息化的展望對系統的構建主要分為“一個中心、兩個統一，三個平臺”，對業務和管理進行優化。
一個中心，指利用FineBI商業智能產品，對底層數據進行完善，對業務進行分析，輔助管理和決策。兩個統一，保證在整個系統建立過程中，統一基礎數據來源、統一分析報表規范。三個平臺，根據各層級要求和業務情況，BI 分析平臺、數據化會議平臺、數據應用移動平臺。實現不同層級對業務分析的要求，同時方便信息部門對系統的維護和管理。
數據流處理架構：
業務解決方案架構：
能源化工行業典型FineBI應用場景
1.企業產量完成分析
a.問題背景：
在傳統模式下，數據統計采用人工核算、匯報的方式，反饋滯后，沒有時效性。無法及時監控到各項目、各產品的生產情況，這勢必會造成以下問題：
1.不合格品項目和原因不明確，無法提出針對性的調整方案
2.合格率不準確、無監督，工廠不合格品數量不斷增多，各工廠、項目生產的產品合格率是穩定還是波動？如何解決？
3.生產產能有限，如何動態調整產能，保證每種產品的產量都能按時保證？
b.問題解決分析思路：
通過儀表板指針、折線圖等方式將生產和質量管理的關鍵指標進行展現，通過警戒線、動畫效果的設置突出展現質量不達標、完成率不達標的異常產品，提醒管理人員做出相應對策
c.方案/指標體系：
d.應用對象：
生產與生產質量相關人員
e.成果展示和應用價值：
1.通過設立警戒線對良品率、生產完成率異常的產品進行監控。
2.將關鍵指標從各個維度通過圖表形式進行展現，輔助管理層進行生產能力分配。
2.企業原料采購分析
a.問題背景：
通過綜合管理手段，在恰當的時間，以合理的價格、恰當的數量和良好的質量，從適合的供應商處采購物料、服務和設備就是采購管理。
在過去，企業的領導層對于采購成本能否下降，下降多少，從哪方面下降一向是難以抉擇的一件事。
b.問題解決分析思路：
1.利用FineBI的多源數據連接、整合能力，將分散在多個業務庫中的采購數據進行整合、清洗。
2.建立采購關鍵指標看板，通過警戒線的設置，即使發現采購異常數據。
3.利用FineBI的聯動、鉆取等OLAP分析方式，針對異常采購數據聯動，深入探究采購異常問題，并從多個維度探索降低采購成本的方法。
c.方案/指標體系：
d.應用對象：
采購部門與采購相關人員
e.成果展示和應用價值：
1.每一項原材料，去年同期均單價PK今天均單價，高出來的標紅，并分析近12個月，材料價格走勢圖，是否處于正常價位，如果出現偏離，則追責改善；
2.查詢每一次進貨，所用的供應商，誰來負責進貨，進行精細化追尋，為什么不采購同類型產品更低價格的供應商，利用數據來說話；
3.通過明細化追蹤方式，追蹤每一筆采購的合格率等詳細信息，幫助排查采購異常數據
3.企業產品銷售分析
a.問題背景：
對于大部分企業來說，銷售部門是為企業直接帶來利潤的主要部門，說是企業命脈部門其實也不為過。
然而事實上是為數不少的銷售部工作人員由于缺乏營銷分析概念和方法，企業累積的大量數據得不到有效的利用，營銷分析只停留在數據和信息的簡單匯總和流水帳式的通報，缺乏對客戶、業務、營銷、競爭方面的OLAP深入分析，結果決策者只能憑著本能的反應來運作，決策存在很大的失誤風險。
b.問題解決分析思路：
1.使用FineBI將銷售、財務系統的數據整合，數據通過系統自動獲取，打破數據孤島，并減小認為的干預和加工。
2.建立銷售業務實時數據看板，實現數據動態分析，并通過FineBI的OLAP分析操作逐層追溯異常數據。
c.方案/指標體系：
d.應用對象：
產品銷售人員
e.成果展示和應用價值：
1. 扁平數據立體化。提供多樣化和自由化的分析手段。
2. 擴展分析維度。數據分析維度不僅局限于圖表界面上的匯總展示，提供落實到每單的具體數據分析。
3. 銷售數據深層次對比。通過對采購、銷售數據的同步挖掘，提供更多維度的采銷數據對比，實現精準分析
4.企業報工數據分析
a.問題背景：
報工數據的主要作用有兩點：1.領導想要知道手底下的員工每天究竟在做什么；第二，員工的工作效率究竟怎么樣，用工成本高不高。設立報工機制的初衷是好的，但在執行過程中往往會遇到遇到以下問題，反而提高了用工成本
1.數據分析是需要投入大量時間和精力的，而目前的管理人員投入量不支持大數據量的統計分析。
2.統計目標不清晰，關鍵數據信息無法提取，我們的報工分類每個部門的分類視角都不同，相互之間可交叉驗證的數據源有限。
3.數據可信度不高。存在人為造假的可能，將會影響企業管理層的決策。
b.問題解決分析思路：
因此，需要先從現有的報工數據異常分析著手，判斷報工數據不準確的原因有哪些，如何改進
1.通過建立報工異常數據總覽看板，整體針對集團的報工數據準確率給出分析結果
2.使用FineBI通過拖拽等方式創建組件進行數據即席分析，以聯動、鉆取等方式深入探究報工異常數據的原因
3.對異常明細數據，采取明細表、交叉表的展現方式，進行有效追溯
c.方案/指標體系：
d.應用對象：
企業生產管理人員
e.成果展示和應用價值：
分析結果：
1.整體報工準確率在逐月下降，目前僅維持在17.89%，如果不加以干預，相信報工準確性會持續下降，需要制定考核指標，將報工準確率提升；
2.報工異常中，小于20分鐘報工的占據了多數，因此考慮從程序功能角度控制報工時間間隔，并加以管理手段，針對短時長報工的予以適當的考核；
3.報工數據準確性，直接影響到產能計算及生產排產準確性，需要仔細研究各班組報工的錯誤數據情況，針對短時長報工(<20分鐘)和跨天報工(>600分鐘），分別從程序功能角度，現場管理角度，績效考核角度，三管齊下，打好數據準確性的攻堅戰。
