《商業智慧BI建設地圖》用超濃縮的方式把商業智慧BI系統做了全方位的梳理，373知識點、78個框架圖、19張IT架構、12段工作流，全棧資料科學家修煉必備！你真的不能錯過！

幾乎所有IT人員都難逃報表開發這項吃力不討好的工作。明明花了很多時間和精力，需求卻永遠做不完，“表哥表姐”的生活，真的太難！如果你也深受報表開發的煎熬，不如來看看FineReport是如何利用八大功能幫助提高報表開發的效率，既讓業務人員滿意，又讓IT輕鬆工作不加班。

Excel製作報表時間長，還處理不了大數據量。不如試試FineReport，讓報表自動化起來，5分鐘一張報表不是夢！

文 | 帆軟數據應用研究院 船長 談到數據，我們常常會聽到數字化、數據思維、數據化管理等字眼。甚有數據思維被譽為未來「企業管理的第一思維」之說。都說數據很重要，運用數據的思維更重要，那當我們談及數據、數據化管理思維的時候，到底在談什麼？本文主要想和大家來探討這些。 什麼是數據化管理的思維？ 一句話概括：企業在管理過程中，依靠數據發現問題、分析問題、解決問題、跟蹤問題的管理方式，就是數據化管理。 什麼是數據化思維？ 「數據化思維」是個新詞。但其中的內涵，並不是個新鮮事物。所謂新鮮的成分，是我們對數據的解讀有了另一種認知，或者說思維方式。 那數據化思維，到底是怎樣一種思維方式呢？這裡引用《企業數據化管理變革》一書中的理解： 「數據思維是根據數據來思考事物的一種思維模式，是一種量化的思維模式，是重視事實、追求真理的思維模式。」 開篇提到數字化、數據思維、數據化管理思維，我們這裡開始捋一捋數字化與數據思維之間的聯繫和區別。數據思維並不是將事物單純地數字化。數據思維要求形成定性結論的基礎是數據，但並不排斥定性的描述和結論。 我們經常看到，很多數據報告彙報了一些列數據，但並未形成結論，這就不叫數據思維，而是單純地引用數據。比如下面這個例子。 2017年第三季度，某品牌在江蘇地區的三個銷售代理商分別完成銷售130.4萬、210.5萬、98.6萬，共計439.5萬；去年同期他們分別完成銷售額110.2萬、150.3萬、96.3萬，共計356.8。（註：該品牌在江蘇地區只有三個代理商） 在這個例子中列舉了很多經營數據，但並沒有最終結論。第三季度總銷售額439.5萬是多還是少？三個代理商的銷售額佔比是否合理？和競爭對手相比，發展速度如何？只有數據沒有結論，這不是數據思維。 這裡筆者將上面的例子做個調整，就是數據思維的成果了。 2017年第三季度，某品牌在江蘇地區的三個銷售代理商 A、B、C分別完成銷售130.4萬、210.5萬、98.6萬，共計439.5萬；去年同期他們分別完成銷售額110.2萬、150.3萬、96.3萬，共計356.8。總體同比增長了23.2%，有明顯增長，但並未達到預期的30%。根據市場調研數據，競爭對手 XXX今年第三季度實現38%的增長，而其中在 C 代理商所負責的區域，競爭對手達到200%的爆髮式增長，銷售額達到約320萬~350萬。公司需要對 C 代理商進行重點關注，做出適當調整。（註：該品牌在江蘇地區只有三個代理商） 我們對事物的變化形成定性的結論，一般有兩種途徑。一種是通過對數據對比和分析得到，一種是根據長期的經驗積累形成的嘗試來判斷。前者可以稱為「數據思維」，後者可以稱為「經驗思維」。那麼接著又有下面一問了，到底什麼是」經驗思維」呢？ 什麼是經驗思維？ 經驗思維是根據個人經驗或者普適性的常識對事物做出判斷，形成結論的模式。 經驗思維有時候也是一種數據思維。經驗豐富的人，一旦看到一組數據就能夠做出定性的判斷。這其中所依賴的，是在長期的數據積累。 舉個例子，比如快消行業的行銷高管，一看到某公司的行銷費用佔比才16%。就可以判斷，這家公司的行銷投入太低了。因為根據行業經驗，快消品的行業行銷費用佔比一般不低於20%，有的甚至更高。如果明顯低於20%，要麼公司產品出奇的好，江湖上有口皆碑；要麼就是產品的細分市場是個藍海；如果都兩者都不是，那麼公司多半在業績下滑，「大樹將倒」。 筆者這裡重點聊聊「經驗思維」，並不是真的話題「跑偏」了。其實是捋清楚兩者。因為，企業所謂的「數據化思維」，其沉澱下來的經驗，是要相當程度轉化成「經驗思維」的。傳承優秀知識和經驗，不斷開拓新的思維模式。這種「老帶新」的模式是企業持續沉澱的踏實可行的方式，是有效落地、接地氣的方案。 我們看寶潔公司，會有專門的 KM（ Knowledge Management）知識管理系統，來記錄目前最好的方法（CBA，Current Best Approach）。把標準的操作規程（SOP，Standard Operation Procedure） 沉澱大企業管理系統中來。及時將來人員崗位變動，甚至離職，優秀的經驗不會隨成員消失。而是會通過知識管理系統傳遞給新的成員，最終一直確保轉化為企業的無形資產。 「數據化思維」要持續發揮價值，就要不斷地將其中的優秀的、可複製的操作流程標準化，不斷地沉澱到企業知識管理系統，不斷地分享給不同的團隊。實現一份優秀經驗，大家一起學習成長，整體提高企業效率和效能。 「經驗思維」這麼好，也有其應用的局限性，或者說是一些適用範圍。下面兩種情況下，「經驗思維」可能帶來的成效弊大於利。 ①當市場環境變化太快時，抱守原來的經驗往往會導致錯誤的決策。 ②在快速變化的的市場或者行業中，企業或者個人過去積累的經驗很快會過時，仍然基於過去的情況作出經驗性的判斷，往往會帶來決策失誤。因此，需要根據新的形式，通過數據形成量化的評價，並在此基礎上作出判斷。 經驗思維不會過時，而經驗思維也是數據思維的一種沉澱方式。但是，如果不注重積累經驗，不注重以團隊的方式積累經驗，經驗就永遠只是個人的，而不能成為公司的。所以在組織層面，企業除了需要構建一個不斷完善的工作流程之外，還需要一個不斷積累的、不依賴於個人的知識沉澱流程或者經驗積累流程，讓經驗積累在組織內部。 數據思維是先天的還是後天的？ 筆者認為：數據思維是一個綜合性思維，但主要靠後天。 站在科學角度，人類的大腦分成左腦和右腦，有著不同的功能。左腦的功能側重於邏輯、語言、數學、文字、推理、分析等方面，而右腦則側重於畫圖、音樂、韻律、情感、想像和創造等方面。 數據思維要求能理性地對數據進行處理和分析，講求邏輯推理。根據數據能夠知道發生了什麼，為什麼會這樣發生，有什麼樣的規律，這是左腦控制的；但數據思維還要有充分的想像力，能夠將數據關聯到管理流程和制度，並能國故創造性地提出不同的見解，這是右腦控制的。所以，數據思維是一個綜合性思維，需要左腦和右腦的協調工作。 現在全球的數據科學家是極度缺少的，因為要做大數據分析工作，需要在三個領域有突出的表現： ① 信息技術，包括軟體和硬體方面德國； ② 數學領域； ③ 經濟和管理領域。 大多數的大數據應用都是商業行為，不是為了興趣愛好。所以需要利用數學知識，藉助 […]

幾乎每一個數據崗的崗位要求都會涉及這樣一句話：「負責建立和優化部門的數據指標體系」。事實上目前大多的數據崗主要工作都是不斷完善與優化數據指標體系，而對「分析」層面的工作是比較少的，即使崗位叫做「數據分析師」。一個優秀的數據指標體系，不僅能讓你快速解決數據需求，洞察出可能會被忽略的價值數據，還能反映出你目前最需解決的業務問題。 建立數據指標體系第一步： 尋找業務的最主要的目的；實際上數據分析的目的就是：藉助數據推動公司業務發展。而針對不同業務，最主要的目的會有所不同。最快速找到最主要的目的方法，與你同事，領導溝通，留意高頻辭彙，在根據自身對業務的理解去總結簡短的一句話即可。我覺得，明確了最主要的目的，才能使自己在做分析的道路上不會走偏，給的建議更加容易落地。以我所在的部門為例，業務的最主要的目的：推動籌建房源儘快上線。 第二步： 用思維導圖畫業務流程；建立數據指標體系，不是盲目的去收集「數據需求」，然後把數據需求的指標都添加上去。而是從業務入手，了解整個業務的流程，考慮每一個流程所需要用的的指標，全面的囊括用戶相關數據，防止遺漏。 以實際工作經驗為例，業務流程是這樣子的（一般以時間順序）： 第三步： 根據業務流程構建數據指標體系；一般把數據指標體系分為以下三大層面： （一）基礎指標：這是每一個流程里所需要的數據，是一些基礎的維度；推薦用5W2H的方法去建立這一層的指標，基礎指標越多越好；就拿「開發把房源交給區域籌建管理」為例，會考慮： （1）「這個業務流程做了些什麼？」答：部門拿到房源的第一步，所需的數據是房源編號。 （2）「這個業務流程做的時間是？」答：以拿到房源的時間為準，所需的數據是交房時間。 （3）「這個業務流程有哪些人接觸?」答：所需的數據是開發名稱與籌建管理名稱。 （4）「這個業務流程在哪裡發生」答：所需的數據是房源地址。 就是問這個業務流程的”WHAT+WHY+WHEN+WHERE+WHO+HOW+HOW MUCH”。然後考慮裡頭會涉及的數據有哪些，並寫下來。 （二）統計指標：統計指標簡單的說是基礎指標通過計算或條件篩選得出的，這裡就需要去收集各部門，各領導對你們部門的數據需求，與你自身常用的數據需求。這層面指標一般會用在日報、周報、月報上，且BI系統的Dashboard都可能用到。而這層面指標並非越多越好，把常用的列出來就行。這層面指標應該建立「數據比例指標」為主，目的是「解決數據需求與更直觀的觀察數據情況」。 繼續以上述工作為例：開發部門會想知道他們開發人員到底誰比較能幹？那就建立「各地區開發房源佔比」，「各開發房源數」，「同比增長房源數」等數據指標去衡量它。若老闆想知道籌建中哪裡花費最多?那把成本劃分為「設計費」，「採購費」，「裝修費」。然後建立「各地區設計費用、採購費用、裝修費用佔比」，「同比增長設計費、採購費、裝修費金額」等指標去衡量它。（更多指標建立見下表） （三）應用指標：這層面指標要緊貼「業務最主要的目的」，作用是看到這層面指標就要立刻反映出解決方法，可以說是一個監控指標。 還是以上述實際工作為例：部門的最終目的是「推動籌建房源儘快上線」，這裡已經把這業務流程劃分好了。（第二步所做的事）根據自身對業務的理解，若「沒有按照規定的時間籌建好的主要原因」。肯定是業務流程中的其中一個沒做好，停頓在那了。由於我是以時間順序去建立業務流程的，所以哪個業務流程沒做好，也可以理解為這個業務流程沒按規定的時間做完，逾期了。所以我建立了：「延遲交房時間率」，「設計方案逾期率」，「確認採購預算逾期率」，「裝修逾期率」，「布置房源逾期率」，「攝影師拍照逾期率」等多個逾期指標，看一眼就能知道在籌建哪一塊出了問題，現在最需要解決哪一塊問題。 到這，一個較全面的數據指標體系就建立好了，當然，數據指標體系是一個不斷更新的東西，本文的數據指標體系僅提供一個參考，也在不斷完善數據指標體系的道路上，多看書與技術文，多總結，多實戰才是王道！最後附上數據指標體系思維導圖，與我用FineBI製作的Dashboard。 與BI系统的Dashboard:

一. 項目背景 隨著巨量資料和BI商業智慧時代的來臨，巨量資料分析應運而生。巨量資料作為時下最火熱的IT行業辭彙，其爆炸式增長在大容量、多樣性、高增速方面，也全面考驗著現代企業資料處理和分析能力。同時，也為企業帶來了獲取更豐富、更深入、更準確的洞察市場行為的大量機會、也為企業的精細化管理指明方向。 這裡，問題出現了，讓塗料行業人事困惑不已的是，巨量資料時代主要不是針對IT行業、互聯網行業的嗎？它何時跟塗料行業扯上關係了？其實，與其說「巨量資料」是是一個資料庫、是資料集合，倒不如說「巨量資料」更是人類行為、企業行為趨向的分析和總結。巨量資料之於塗料行業，重要的是消費者的行為和習慣，很大程度上左右著企業塗料產品的研發方向和營銷策略，分析企業自身資料，可以清晰認識運營中的不足，為領導在進行企業決策時提供更好的依據。 越來越多的塗料企業開始涉足資料分析（data analystic）平台，利用資料精準的分析能力，對企業自身的營運情況和市場發展動向進行整體把握。對於涉足電商領域的塗企而言，通過對大量的用戶行為資料的分析，可以更好地掌握用戶需求，塗料企業便可以對關注度高的產品加大研發投入和產品推廣。 與此同時，隨著「智能製造」、「中國製造2025」等概念的提出，企業越來越關注生產過程的精細化、自動化、智能化。現代化工業製造生產線安裝有數以千計的小型感測器，來探測溫度、壓力、熱能、振動和雜訊。因為每隔幾秒就收集一次資料，利用這些資料可以實現很多形式的分析，包括設備診斷、用電量分析、能耗分析、質量事故分析等。 製造企業中生產線處於高速運轉，由工業設備所產生、採集和處理的資料量遠大於企業中計算機和人工產生的資料，從資料類型看也多是非結構化的資料，生產線的高速運轉則對資料的實時性要求也很高。 隨著企業E化和工業化的深度融合，信息技術滲透到了製造企業產業鏈的各個環節，條形碼、二維碼、RFID、工業感測器、工業自動控制系統、工業物聯網、ERP、CAD/CAM/CAE/CAI等技術在工業企業中得到廣泛應用，尤其是互聯網、移動互聯網、物聯網等新一代信息技術在工業領域的應用，製造企業也進入到了互聯網工業的新的發展階段，製造企業所擁有的資料也日益豐富。因此，塗料行業巨量資料應用所面臨的問題和挑戰並不比互聯網行業的巨量資料應用少，某些情況下更為複雜。 大部分企業現階段已在布局建設MES、DCS、EMS等系統，並且在過程管理上力求精細化管理，但是對於分析能力、整合能力還是比較薄弱。比如設備在出現故障時，難以給工程師提供檢修建議，零件耗材的更換主要還是依靠供應商的建議，卻是忽略了實際生產環境對零件的耗損速度，基於生產、設備、能耗的資料分散在各個系統平台上面，難以有效的進行整合，全面分析，當出現生產上的問題時，難以快速定位原因所在，出現工作上的扯皮事情，這些現象對實際工作都是很不利的。我們希望通過本次項目，改善這些問題，通過巨量資料分析，找出自身規律，摸准脾氣，對症下藥，提升預測預防的能力。降低設備異常停機幾率，提升產品合格率，降低能耗，保障安全生產。 二. 資料分析探索方向 2.1 加速產品創新 客戶和企業之間的交互和交易行為將產生大量資料，挖掘和分析這些客戶動態資料，能夠幫助客戶參與到產品的需求分析和產品設計等創新活動中，為產品創新做出貢獻。 2.2 工業物聯網生產線的巨量資料應用 現代化工業製造生產線安裝有數以千計的小型感測器，來探測溫度、壓力、熱能、振動和雜訊。因為每隔幾秒就收集一次資料，利用這些資料可以實現很多形式的分析，包括設備診斷、用電量分析、能耗分析、質量事故分析（包括違反生產規定、零部件故障）等。首先，生產工藝改進方面，在生產過程中使用這些巨量資料，就能分析整個生產流程，了解每個環節是如何執行的。一旦有某個流程偏離了標準工藝，就會產生一個報警信號，能快速地發現錯誤或者瓶頸所在，也就能更容易解決問題。利用巨量資料技術，還可以對工業產品的生產過程建立虛擬模型，模擬並優化生產流程，當所有流程和績效資料都能在系統中重建時，這種透明度將有助於改進生產流程。再如，在能耗方面，在設備生產過程中利用感測器集中監控所有生產流程，能夠發現能好的異常或峰值情形，由此便可在生產過程中優化能源的消耗，對所有流程進行分析將會大大降低能耗。 2.3 生產計劃和排程 巨量資料可以給予我們更詳細的資料信息，發現歷史預測與實際的偏差概率，考慮產能約束、人員技能約束、物料可用約束、工裝模具約束，通過智能的優化演算法，制定預計劃排產，並監控計劃與現場實際的偏差，動態的調整計劃排產。報我們規避「畫像」的缺陷，直接將群體特徵直接強加給個體（工作中心資料直接改變為具體一個設備、人員、模具等資料）。通過資料的關聯分析並監控它，我們就能計劃未來。雖然，巨量資料略有瑕疵，只要得到合理應用，巨量資料將變為強大武器。 2.4 產品質量管理與分析 傳統製造業，在產品研發、工藝設計、質量管理、生產運營等方面都迫切期待著有創新方法的誕生，來應對工業背景下的巨量資料挑戰。 2.5 提升人力資源管理能力 人力資源作為企業發展的最重要一項資源，對人力資源的有效管理顯得尤為重要。對人力資源的管理主要反映在數量和質量方面。企業會制訂戰略層面發展目標，相對應的，對人力資源也會提出對應的儲備要求。企業各崗位人力儲備、關鍵技術人才配備和培養進度將直接影響企業的戰略發展。 2.6 提升營銷管理能力 營銷管理是指在市場行為中，制訂相應的營銷目標，並以此制訂相應的一系列的營銷行為。這其中關鍵點就是營銷行為的有效性管理，通過對過程資料進行分析挖掘，將能夠直觀反映行為價值。同時，對市場、客戶巨量資料的收集整理分析，可以對營銷策略的選擇提供方向。 2.7 提升供應鏈管理能力 供應鏈主要是指從採購開始，到最終的產品交付。供應鏈管理的目標是將運作達到最優化，成本降到最低。有效的供應鏈管理可以幫助實現：縮短現金周轉周期、降低企業面臨的風險、實現盈利增長、提供可預測收入。從資料分析指標監控角度來看，制訂各環節的考核指標，從服務、及時、節約、規模、庫存等環節監控實際執行情況，及時作出策略調整。 2.8 提升品牌企劃能力 品牌企劃主要指加深企業形象和產品品牌在消費者腦海中的印象，並使消費者與企業品牌和產品品牌之間形成統一的價值觀，以提升企業知名度和市場競爭力。通過對市場巨量資料的總結分析，將能夠很好的認識市場的訴求以及趨勢，藉此，優化企業自身的產品價值，對於品牌推廣方面將更容易深入消費者內心，搭建起個中價值鏈。 2.9 提升財務管理能力 財務管理的目標是實現產值最大化、利潤最大化、股東財富最大化、企業價值最大化、相關方利益最大化。而企業E化程度、財務架構是否健全、內控體系完善性、成本核算精細程度、費用管理規範性等都會大大影響財務的管理能力。企業營運資料是企業運營行為最真實的體現，通過營運資料的分析將能夠全面、清晰的反映經營現狀、以及產生各類問題的原因，為優化管理提供清晰的方向和空間。 三. 建設思路 3.1 切入點分析 3.2 提升方向 3.3 整體架構 3.4 數倉架構 以成熟的軟體產品為基礎搭建企業資料倉庫，通過ETL過程，將現有的供應鏈資料、財務資料、人力資源資料、協同OA等資料資源定期抽取存放至資料倉庫，通過前端設置填報界面，用於部分手工資料（外部競品資料，手工業務資料）維護。當然，隨著企業E化建設不斷完善，控制系統覆蓋業務板塊的比例不斷提升，將逐漸減少手工資料的維護，自動化系統資料獲取將成為主要方式。 3.5 分析平台板塊構建 3.6 KPI展現準則 針對每類指標的特點，應用恰當的分析方式和展現類型，將指標信息呈獻給決策者和管理者。 […]

1. 描述 Hadoop是個很流行的分布式計算解決方案，Hive是基於hadoop的資料分析工具（data analystic tool）。一般來說我們對Hive的操作都是通過cli來進行，也就是Linux的控制台，但是，這樣做本質上是每個連接都存放一個元資料，各個之間都不相同，這樣的模式用來做一些測試比較合適，並不適合做產品的開發和應用。 因此，就產生Hive的JDBC連接的方式。 2. 步驟 Hive提供了jdbc驅動，使得我們可以連接Hive並進行一些類關係型資料庫的sql語句查詢等操作，首先我們需要將這些驅動拷貝到動態報表與BI商業智慧軟體中的報表工程下面，然後再建立連接，最後通過連接進行資料查詢和資料分析（data analystic）。 2.1 拷貝jar包到Finereport動態報表與BI商業智慧工程 將hadoop里的hadoop-common.jar拷貝至報表工程appname/WEB-INF/lib下； 將hive里的hive-exec.jar、hive-jdbc.jar、hive-metastore.jar、hive-service.jar、libfb303.jar、log4j.jar、slf4j-api.jar、slf4j-log4j12.jar拷貝至報表工程appname/WEB-INF/lib下。 jar包下載地址hbase-finereporter-lib.rar 2.2 配置資料連接 啟動設計器，打開伺服器>定義資料連接，新建JDBC連接。 在Hive 0.11.0版本之前，只有HiveServer服務可用，在程序操作Hive之前，必須在Hive安裝的伺服器上打開HiveServer服務。而HiveServer本身存在很多問題（比如：安全性、並發性等）；針對這些問題，Hive0.11.0版本提供了一個全新的服務：HiveServer2，這個很好的解決HiveServer存在的安全性、並發性等問題，所以下面我們分別介紹HiveServer和HiveServer2配置資料連接的方式。 HiveServer 資料庫驅動:org.apache.hadoop.hive.jdbc.HiveDriver URL:jdbc:hive://localhost:10000/default 註：hive服務默認埠為10000，根據實際情況修改埠；另外目前只支持默認資料庫名default，所有的Hive都支持。 測試連接，提示連接成功即可。 HiveServer2 資料庫驅動:org.apache.hive.jdbc.HiveDriver URL:jdbc:hive2://localhost:10000/default 註：該連接方式只支持Hive0.11.0及之後版本。

企業管理是門學問，是項藝術，更是一種智慧。企業管理必須卓有成效，否則企業將難以生存。從泰勒的《科學管理原理》，到德魯克的《卓有成效的管理者》，再到谷歌的《重新定義公司》，企業管理的思想和方法發生了翻天覆地的變化。但萬變不離其宗，諾貝爾獎獲得者赫伯特·西蒙認為，管理就是制定決策。 隨著巨量資料時代的到來，更好的應用資料去支撐決策成為可能，同時越來越多的企業認識到資料的意義和價值，但是立足於資料進行管理的模式並未形成，一切都在摸索中，管理資料化並未得到深入的研究和推廣普及。 柳傳志是我國成功的企業家，他的管理三要素：定戰略、搭班子、帶隊伍，高度精鍊地概括了企業的管理基礎，直擊企業經營管理的核心。30年沉澱，歷經歲月打磨，適用於聯想，也適用於任何企業組織。企業管理資料化是用資料量化工作過程和結果，本身需要複雜的建模，做起來很不易，但管理三要素給我們提供了「四兩撥千斤」的機會，基於管理三要素實施資料化的成本更低、落地的成功率更高。本文將分享如何將柳傳志的管理三要素資料化。 一、「搭班子」如何資料化 所謂「班子」，是指企業管理層。「搭班子」有兩層含義，一是「搭什麼樣的班子」，重在「素質」；二是「怎麼搭班子」，重在「選擇」。柳傳志認為，搭班子的核心理念就是要讓管理層更積極，建立起事業心，把企業的事業當作自己的命去做，通過規則和文化讓管理層團結、高效地工作。 1、積極性的調動 調動班子成員的積極性，首先要讓班子成員明白他和全局的關係，知道一件事情做好會怎麼樣，做不好又會怎麼樣，執行的重點是信息公開、群策群力和達成共識，可以通過企業運營管理駕駛艙（如圖1）達到信息公開的目的。其次要讓目標完成情況公開，和其他班子成員相比，是快還是慢，操作的難點是設立評價標準。帆軟公司的年度目標制定時比較嚴謹，非常注重歷史資料、內部資料和外部資料的應用，同時有一個通過自上而下、自下而上、不同部門間相互檢驗的過程，比如銷售目標，我們會結合銷售部預測、市場部預測綜合制定，最後產生一個可量化的目標。這個目標有兩個緯度，一是要達到多少，二是進步有多大。有了大家認可的目標，接著我們通過完成度來對比，並將資料都公開在辦公室門口的大屏上，孰優孰劣一目了然，激勵效果可想而知。當然為了贏得競爭，班子成員難免會想辦法擴大資源的應用，比如增加人力，增加費用投入。所以，帆軟又採取了一套「人員連接財務指標」的辦法，所有部門的產出都和人均銷售額、人均成本、人均利潤、員工投入產出比這些財務指標掛鉤，效果還不錯。 圖1：某銀行運營管理駕駛艙效果 2、用人的困局 據 「企業經營者最容易出現的問題」的調查報告顯示，「用人不當」的比重佔到50.8％，僅次於「決策失誤」，成為企業最容易出現的問題之一。「用人不當」從管理角度來看，主要是「能力與個性的失衡」以及「能力與業績的失衡」兩方面，谷歌公司通過「人事分析」方法，較好地解決了這個問題。通過大量的內部資料研究，谷歌發現了鑒別出優秀領導者的八大特性：找到自身定位、察覺外部變化、回應外界需求、設定具體目標、制定優先要務、學習領導統馭、培養識才眼光、打造合作團隊，員工們會每年兩次地根據這八大特性，對其上司進行評價，再加上核心層的觀察，可以很客觀地反映管理者的勝任指數。請神容易送神難，解決這個難題要注意兩點，一是選擇德才兼備的班子成員，以德為主；二是擁有把話放在桌面上講的氛圍，用資料說話。 二、「帶隊伍」如何資料化 所謂「隊伍」，就是企業基層員工。「帶隊伍」就是讓士兵愛打仗，會打仗，團隊作戰有序，以確保戰略的有力執行。無論何時何地何種企業，問題是相似的，都必須面對，解決好帶隊伍的難題，攻城略地無往不勝。如果說管理資料化的核心是建立一個基於「管理三要素」的過程和結果量化體系，那麼該體系主要解決的問題就是帶隊伍。 1、讓士兵愛打仗 讓士兵愛打仗，就是要讓他們愛上公司、愛上工作，那麼我們就需要做好激勵和文化，俗一點講就是馬雲說的「錢給到位」和「乾的開心」。員工覺得自己值得拿那麼多錢，同時企業也覺得值，那麼錢就給到位了。帆軟公司的薪酬制度很簡單，就是向內看貢獻，向外看同行，將企業營收、企業預算、團隊貢獻、個人貢獻、個人司齡、個人能力評估、行業崗位薪資等因素資料化並建模，所以「給錢」就比較合適。做自己喜歡的事，有晉陞空間，且工作氛圍比較好，員工自然會幹的開心。帆軟公司追求簡單高效，沒有繁瑣的制度要求和管理架構，講究以事論事，用資料說話，人際關係非常簡單。通過門口大屏報表的展示，每個團隊、每個人的OKR情況，工作和貢獻十分透明。有能力，有意願，你就可以承擔更多的責任，去做更多創新的事情。在這樣的環境下，「有事一起做，有財一起發」，所以帆軟的每個人都願意去打仗，願意做更多貢獻。 2、讓士兵會打仗 仗打的怎麼樣，不僅要看過程，還要看結果，即工作過程和結果的資料化。當士兵的單兵作戰能力一般，過程的資料化更為重要，管理者要多予以工作指導；當士兵已經要成為兵王的時候，對結果的資料化則為更重要，管理者要多予以更高目標、更多激勵。 資料化工作過程時，要抓好重點工作，把握關鍵環節，並將此納入績效考核體系中，這樣才能員工重點關注、重點突破，保證高效的工作過程，比如銷售人員的行為資料化，可以是電話數，拜訪數等。資料化結果時，要明確目標，但不宜過多，比如銷售人員只需要銷售任務完成率，季度銷售額增長率這種就沒必要了，目標過多而會分散精力。 3、資料化帶來的開發挑戰 管理的越細，資料化工作越全面，報表數量越多，也越複雜。筆者接觸過很多年產值以百億為單位的企業，報表數量動輒上千，林林總總，眼花繚亂。資料化過程中面臨的最大挑戰就是報表落地：報表的需求越多越複雜，開發的工作量越大，成本也越高，項目周期也越長，同時需求很難被及時響應。 解決方式是應用第三方的報表軟體，專業的事情還是要交給專業的工具實現，採用報表軟體有以下幾個好處：開發便捷、容易維護、交接方便、人的要求低、響應新需求快速。在選擇報表時，建議注意以下幾點指標：是否能製作中國式複雜報表，是否易學易用易集成，是否能滿足多變的需求，性能是否符合要求，售後服務是否有保證。 4、如何才能避免「資料化」走形式 很多政策在初期執行時都轟轟烈烈，但沒過多久，便會執行不到位，最後不了了之。有家企業，通過調研發現，IT人員使用FineReport動態報表與BI商業智慧工具開發的各種報表掛載到報表中心後，應用率並不高，如果你惡作劇地在報表中罵某個領導SB，可能都沒有人發現。這和企業文化、員工的理解和重視程度有關。工作過程和結果資料化完成後並非大功告成，我們要塑造資料的文化，讓資料徹底融入員工到血液，這樣才能將磨好的刀用起來！所以，我們要想辦法讓企業把報表用起來，一直用，時時用，讓資料能反饋管理，讓資料改進管理，讓資料提升業績。除了公司制定相應的制度和考核機制外，我們還可以用被動和主動的方式，讓資料包圍企業，讓其不得不關注資料，塑造這樣一個資料文化，以下幾個是比較有效的方法。 （1）大屏資料展示 在企業的車間或者辦公室做大屏資料展示，這樣每個人都可以知道自己的工作進展，工作可以很好的聚焦，並且也有很強的激勵作用。 圖2：某公司大屏展示效果 （2）信息主動推送 我們有個客戶是行業的領軍企業，OA軟體上了13年，在辦事效率上並沒有感受到明顯的提升，有人說軟體不好用，有人說是人的問題，大家你推我擋，上演了各種撕逼大戰。信息中心主動站出來，做了圖3所示的流程績效分析報表，每天通過微信和簡訊推送流程執行排名，並將此排名和人事部門績效相結合。工具端和制度端雙管齊下後，該公司的辦事效率提高了80%。 圖3：流程績效分析報表 （3）移動端報表應用 很多公司每月都有經營會議，使用PPT來複盤、分析工作的完成情況，本來是很好的制度安排，但往往執行操作的時候，表面意義大於實際內涵。傳統的經營會議存在著這些劣勢：每月需花費大量時間和精力整理資料，製作PPT；資料並非由系統直接提供，基本上都是手工計算的，領導易產生懷疑；PPT等文本類型的資料很難進入資料倉庫，對後期資料統計對比分析無再利用價值。我們有家客戶做了創新，讓IT部門對月度經營分析報表進行了企業E化，然後每個會議室標配一個iPad，從此之後開月度經營會議，只需要報告者打開iPad，基於數字演講，而且開會時間從月中提前到了月初。 （4）把報表嵌入業務系統 某集團年產值近600億，每年花在輔料採購上的費用高達30多個億。該集團的輔料採購全靠一個經驗豐富的採購員，IT部門幫他的採購經驗固化為一寫分析報表，並嵌入到採購系統中作為參考，經過一年的統計，在銷售額不斷增長的情況下，他們卻節省了5.1個億的採購費用。 圖4：採購情分析報表 三、「定戰略」如何資料化 所謂「戰略」，就是企業的計劃和策略。「定戰略」基於對企業內部和外部環境的基本面了解和研究，包含「描繪願景、明確戰略、制定策略、分解戰術、確定領軍人物、調整組織架構和考核激勵」七式，柳傳志強調在制定戰略過程中需要充分務虛，系統思考，協調推進，所以「定戰略」的落實，實質是資料質量的落實、分析指標的落實。雖然不同行業不同企業有不同的標準，但有兩個原則是要遵守的：一是不能蒙著打，要想著打，二是要把企業執行力和具體的步驟想清楚。這兩個原則，就是要求管理者必須清楚內部和外部的情況，要掌握全面、準確和及時的資料，所以「定戰略」資料化的難點即是怎麼掌握所需要的資料，怎麼從資料中發現新機遇。 1、資料的質量標準 高質量資料具備以下幾個特徵：完整性、規範性、一致性、準確性和及時性，影響資料質量的因素主要源於信息、技術、流程和管理，企業資料從「差變為好」「從無用變為無用」，需要系統的考慮這四個影響因素。 2、需要哪些資料 企業必須整合各個系統的明細資料，這是為什麼呢？因為明細資料才能將資料異常的地方展現出來，告訴管理者業務異常背後的真正原因，這是匯總分析辦不到的。明細資料越多，資料量也越大，所以這也帶來了巨量資料的挑戰，如果不解決巨量資料的性能問題，整合明細資料也沒有用途。 知己知彼百戰不殆，外部資料對企業也是極為重要的，比如引入行業標杆企業的資料後，就可以通過縱向、橫向的對比判斷自身所處的位置和表現情況。外部資料可以通過填報系統自己錄入獲得，也可以從互聯網上採集，或者通過資料銀行購買。引入外部資料後，除了帶來巨量資料性能的挑戰，還有資料異構，這點還需注意。 3、從資料中發現機遇 定戰略不是一個人的事，它需要自上而下、自下而上、再自上而下的過程，需要全公司的智慧。通常來說，企業E化建設都是IT部門主導的，在需要靈感和想法的資料分析（data analystic）面前，傳統做法已經不合時宜。企業E化建設必須要讓業務部門主導，也就是讓他們不受制企業E化開發的約束，資料分析可以隨心所欲，使其管理思維和資料充分融合，發生化學反應，從資料中發現新的機遇。從技術角度上講，資料分析系統必須能夠滿足業務人員在前端自助地、自由自在地分析資料製作報表。 上面講了三個挑戰，決挑戰就是要滿足需求，滿足需求就要考慮落地工具。以巨量資料、能否自助分析這兩個挑戰為維度，簡單分析一下常見的落地工具。 圖5：巨量資料分析工具的四象限分析圖 通過SQL導出excel，再用excel分析資料是最常用的方式，但弊端也最多，筆者並不倡導。R語言是非常專業的重武器，中國很多企業的資料還沒有上升到做資料挖掘。Hadoop相關工具真正解決了巨量資料量，但是需要配合資料展現工具才能用起來。Cognos是最早嘗試解決業務人員自助分析和巨量資料的工具，但是已經跟不上企業資料量的增長和企業業務變革的速度，於是就給了以Tabeau、FineBI為代表的自助型BI了機會。 結語 實施管理資料化並非易事，需要強力的執行，更需要文化的支撐。脫離資料文化談管理資料化毫無意義，無非是披著資料化理性決策的外衣，依舊行著感性的憑藉直覺決策的事實。資料表示的是過去，表達的是未來，管理資料化越早，程度越高，企業獲益越多。有的企業喜歡謀定而後動，先詳細設計再上路，這未嘗不可，但筆者更建議，像互聯網產品那樣小步快跑、迅速迭代，早日走出一條適合自己的資料化管理之路。筆者淺薄的分享，希望能對大家有些許幫助。

最近對移動端的報表開發頗有研究，細磨精算了好久，雖然到現在還是」囊中羞澀」，但決定還是先拋磚引玉，拿點小乾貨出來和大家分享。 研究的工具是比較有代表性的FineReport動態報表與BI商業智慧軟體。 1、 移動端哪些地方支持調用js 2、報表控制項支持的腳本函數 3、報表控制項支持的腳本函數 4、 填報預覽報表支持的腳本函數 5、常用的工具類腳本函數 以上對應著報表的功能大致羅列了以下框架，下面先舉一些小示例 獲取控制項的一系列方法 填報成功後刷新當前頁 js獲取表單圖表組件並刷新數據 延時函數 A超鏈至B填報，B提交數據後返回A時，A自動刷新顯示新的數據 以後會陸續分享一些移動端實用功能的應用實例啦，還有HTML5。

來自帆軟愛好者論壇 maybe 的分享，分享給大家。 在一些特殊的報表中我們添加了圖表元素,但是分類軸與系列值一般情況下都是固定的. 有沒有什麼方法可以根據情況變更,答案是肯定. 用的是系統資料庫FRdemo 例圖如下: 1.直接顯示的效果 2.點擊產品類別家電下面電視後的效果 3.點擊產品類別數據產品下面數碼相機後的效果 4.點擊省區類別數據銷售員名稱後的效果 實現步驟如下: 1.定義數據集ds1和ds2 代碼如下: ds1:SELECT * FROM [SALES_BASIC] ds2: SELECT ${橫軸} as 橫軸,  ${系列} as 系列, ${值} as 值 FROM [SALES_BASIC] where 1=1 ${if(len(diqu)=0, “”, “and 地區 = ‘” + diqu + “‘”)} ${if(len(xiaoshouyuan)=0, “”, “and 銷售員 = ‘” + xiaoshouyuan + “‘”)} ${if(len(chanpinleixing)=0, “”, “and […]