企業數據倉庫幫助制造型企業提升管理水平

丁謀 胡玉強 孫友良

一、前言

企業數據倉庫（Data Warehouse）目前尚沒有一個統一的定義，但普遍認為它是企業信息化水平發展到一定階段后由管理者提出的基于多約束下的一種有效決策工具。這種決策是綜合性的、資源平衡的、全局的最優解。一般來說，搭建一套企業數據倉庫至少包括四部分內容，從上至下依次為：企業數據倉庫系統（軟件系統）、企業數據建模設計、數據建模邏輯關系和考核保障機制。企業數據倉庫系統以及建模設計在業內有大量的資料可以參考，也有許多軟件公司在做相關的推廣工作，這兩部分內容主要體現軟件工具和實施能力水平，即軟件供應商的實力。軟件工具和實施水平的重要性在企業數據倉庫建立中不言而喻，也是當下許多企業數據倉庫擁護者不遺余力去宣講的部分。以至于許多企業管理者認為只要購買了一流的企業數據倉庫系統，再配合優秀的數據建模工程師就一定能搭建出一套超一流的企業數據倉庫。但是，企業數據倉庫同許多管理信息系統一樣，其成功的關鍵在于用戶自身，用戶自己在系統實施前就必須要有自己清晰的管理思想。用戶在系統實施前就要弄清楚，準備從哪些方面進行管理提高與改進，知道如何推進和實施，擬達到什么樣的目標，而軟件系統僅僅去支撐和優化整體管理邏輯。因此，如果企業數據倉庫系統的推動者沒有清晰的管理目標，沒有嚴謹的數據分析邏輯和相應的保障機制，那么企業數據倉庫注定會成為無水之源、無本之木。

本文將重點幫助企業管理者去挖掘、顯性化企業數據倉庫建模的邏輯關系，并嘗試在機制保障上提出建議供企業管理者參考。有了這個最重要的基礎后才可能進一步討論企業數據倉庫軟件系統的立項、選型和實施工作。本文將分以下三方面進行闡述：

制造型企業數據的二次利用；

從業務出發建立邏輯分析數據集；

建立對應考核機制。

二、制造型企業數據的二次利用

理論上說，只要是與企業有關的數據，我們可以統統納入到“企業數據倉庫”，并以此去構建自己的信息資源庫。在建立制造型企業數據倉庫前我們必須知道制造型企業數據的范圍，一般來說包括以下四類：

（一） 產品相關數據：從原材料到生成產成品的全過程數據；

（二） 運營數據：一般稱為交易數據，應收應付以及其他財務往來數據；

（三） 價值鏈上的數據：即進銷存數據，包括供應商、采購過程、入庫管理、產品銷售到客戶數據；

（四） 外部數據或對企業有幫助的其他所有數據。

上圖基本涵蓋了制造型企業產生的所有數據，我們為了得到這些數據，往往會依賴實施上大量的信息管理系統，如PLM/CRM/PRM/ERP/WMS/MES等等。但幾乎所有這些信息系統都是為了支撐這些業務的完成，并將這些過程數據記錄下來，然后提供這些數據的查詢功能和基本報表功能，我們將這些查詢和報表的實現稱為對企業數據的一次利用。比如查詢歷史銷售訂單數據就是對數據的一次利用，但我們如果對這些數據進行分析并與回款、抱怨等信息關聯分析，就可以統計出各客戶的忠誠度、客戶信用，據此可以進一步分類進行客戶關懷，爭取進一步擴大或減少銷售量，規避運營風險，這些就是對數據的二次利用。同樣，設備的日常報修記錄查詢也是一次數據的運用，但根據各設備備件壽命、換件頻率建立各設備維保BOM數據，并實現設備維修提前預測，進而識別和準備關鍵備件的安全庫存，達到提高設備綜合運行效率的目的，這就是數據二次利用。因此，我們發現，數據的二次利用往往比一次利用要高明得多，也有價值得多，但許多企業往往只實現了數據的一次利用，究其原因，是因為要做到數據的二次利用得滿足如下條件：

數據全面，按企業實際業務情況，總量覆蓋至少一年以上，當然數據量越大越好；

數據質量要求高，即數據一定要比較準確，這也是許多企業建企業數據倉庫時需要“數據清洗”的原因，即提供二次利用的數據一定要保證質量高；

各數據之間物理關聯度高；

需要較完善的績效考核機制與之配套；

建立符合需要的企業數據倉庫系統。

對比互聯網大數據，制造型企業的數據量不一定太多，但要求比較全面、準確?；ヂ摼W大數據二次利用基本靠統計方法就可以得出需要的結論，但是它要求海量的樣本數據，不要求數據之間的邏輯關系。比如沃爾瑪公司通過大數據發現，買紙尿褲的人很多都同時買了啤酒，于是讓工作人員將紙尿褲和啤酒放一起，果然讓二者的銷售量都得到了提升，這就是大數據直接給出的結果和答案，我們不必分析他們的邏輯關系。而企業數據的二次利用無法簡單的通過統計手段得到我們想要的答案，往往需要具有一定邏輯的流水線式數據流分析手段。強調跨學科技術的融合，包括數學、物理、機器學習、控制、人工智能等。

三、從業務出發建立邏輯分析數據集

在企業數據倉庫建立過程中業界提出了許多概念：主題、數據集市、數據建模、數據倉庫等等，在這里我們統統稱為建立邏輯分析數據集。實際上，邏輯分析數據集的建立工作軟件供應商只能為輔，用戶自己一定要為主，供應商可以提供一些方法和策略，但絕不能越俎代庖。也就是說，如果客戶自己沒有清晰的方案如何去分析和管理這些數據，那么企業數據倉庫注定無法建好，系統實施也只能是“交學費”。在此，我們將嘗試幫助用戶如何去從業務出發建立自己需要的邏輯分析數據集。

對制造型企業來說，核心業務主要包括銷售管理、生產計劃與執行、采購計劃與執行、應收應付、現金流、產品檢驗等邏輯分析數據集。而這些數據集的確定需要從領導出發，包括公司領導、中層領導，甚至班組長。數據集可大可小，這依賴于我們的管理目標，也就是說數據集的確立一定是為了解決管理中的問題。比如公司級領導關心的問題往往是偏大一些的邏輯分析數據集，如應收款、合同執行率、客戶滿意度。各中層領導關心的可能是小一些的數據集，如周計劃執行率、原材料缺料情況等等，各小數據集可能是大數據集的子集。下面我們通過一個具體的例子來說明邏輯數據集如何建立。

提出目標：降低原材料庫存積壓金額。

分析路徑：先確定合理的庫存金額?？梢韵却_定公司主要產品，如可以定義占80%以上產值產品的全年產量，月峰值產量，進而根據材料成本占比確定每月消耗材料費用，然后考慮一個月安全庫存（假定采購周期為1個月），基本就能得到庫存資金占用理想值，也就是目標值。然后再確定哪些指標需要監控，并提供預警以避免超過目標值，從邏輯上我們可以推導出采購計劃或采購訂單、庫存狀態、銷售計劃或銷售訂單，這三個值就能計算出消耗、現存和預計入庫，即監控庫存的進、銷、存就可以確定庫存金額。

因此，邏輯數據集就包括如下要素：公司產品集、產品產量占比、產品產量的年、季、月等數據、產品成本構成、庫存臺賬、庫存流水、采購計劃與執行、銷售計劃與執行、客戶數據、供應商數據、產品生產提前期、各主要原材料采購周期等。當然，有些數據集可能我們根本就沒有數據源提供，那么我們在建立企業數據倉庫時就可想清楚是否有可替代的方案，比如手工錄入。如果一些關鍵數據源根本沒法準確及時更新，那么建議不要盲目實施企業數據倉庫，否則建立好的數據倉庫也只是做做樣子，最多只能是用假數據裝點門面供參觀，完全無法指導決策。

因此，在決策構建企業數據倉庫前，企業決策者一定要清晰的明白自己要提升的管理目標以及對應的邏輯數據集，如果整條分析路徑無法順利貫通，那么就不滿足必要條件，即不滿足數據源的要求，沒有數據源，企業數據倉庫也就成了空中樓閣。

四、建立對應考核機制

前面提到過構建企業數據倉庫的四要素：企業數據倉庫系統（軟件系統）、企業數據建模設計、數據建模邏輯關系和保障機制。經過前面的分析，我們已經意識到數據建模邏輯關系，即確定邏輯分析數據集的重要性，因為它一方面是確認企業自身是否有可分析的數據源，另一方面這些數據源是否能串聯成相關的邏輯鏈。如果我們找到了優秀的產品和卓越的實施商，而且邏輯分析數據集也分析得很清晰且可行，那么企業成功構建數據倉庫的機率依然只有50%，還有50%的成功率依賴于建立合理的考核機制。為什么建立合理的考核機制會占如此高的比重？那是因為所有的管理改進都依賴人，人的主觀因素非常重要，在面對一項管理改進時人的態度積極與否將會直接影響其最終成敗，而合理的考核機制會將消極派向積極派轉變，反對派向贊成派轉變。我們還以實現降低庫存積壓這一管理目標為例進行說明推進這一變革的風險與阻力。

風險與阻力：首先是采購部門。采購部門的采購計劃必須準確，不能少下達計劃，也不能多下達計劃，還要求供應商按時到貨，采購到的材料還必須是合格的貨品。因此，對于采購部門來說，他的工作壓力明顯會大于以往，采購部門肯定會是推進的阻力。其次是銷售部門。銷售部門至少要保證三個月以上銷售計劃是準確的（假設產品生產周期是2個月），當然還有一種可能，整個銷售是按庫存生產，或稱為按預測生產，這樣只要銷售部門預計準確，市場把控能力強，基本能使得產品銷售做到平滑，一定要避免緊急插單或撤單。這同樣給銷售部門提出了挑戰。按照這個邏輯和企業實際業務，我們還能分析出質檢部門的風險以及庫管部門的風險與阻力?？梢哉f，企業數據倉庫實施的成敗主要在于這些風險的識別與控制，只有在事前將阻力轉化為動力才能實現項目的成功上線，達到幫助決策的目的。

考核機制的建立：我們提考核機制往往會想到懲罰，較少會想到獎勵。其實考核機制的核心是獎優罰劣。還以降低庫存積壓為例，如果庫存積壓已經降到了目標值，企業每年的收益會提升多少？這個很容易計算，包括倉儲費、管理費、提前付給供應商款的財務費用等。還有一個比較簡單的計算方法：縮減的庫存積壓資金按銀行活期存儲利息所得為收益。我們將這個收益的50%定義為企業所得，另外50%獎勵給上述可能會阻撓管理改進的部門。按照這個策略去構建我們整個考核機制的獎懲原則，做得好就獎，做得不好就罰，但總的來看，相關部門一定會多得到比管理改進前50%的管理改進收益。也只有這樣才真正揪出企業中濫竽充數南郭先生，才能真正實現獎優罰劣，形成人人爭先的良性循環。

隨著人工智能、智能制造和工業大數據技術的快速發展以及信息化與工業化的深度融合，企業數據倉庫也越來越多地應用在了制造型企業中，我們也欣喜地看到了數據倉庫技術對制造型企業管理提升所做出的巨大貢獻。但是，我們不能只看到數據倉庫在不同企業中成功應用的表象，而更應該深刻剖析數據倉庫在不同制造型企業成功應用的共同點；深刻認識到不同企業的管理特點、管理目標和各自面臨的不同問題。只有這樣，才能讓數據倉庫技術真正幫助制造型企業提升管理水平。