一个500强公司的数据化运营管理实践

Posted 2020-08-06 Leo.yuan

企业的信息化管理是一条漫长而崎岖的道理，当然这里也不乏创新的火花。关于信息化建设随企业所处环境、行业的不同而不同。那作为一个成熟的企业，在如今这个大数据浪潮下，对于未来的信息化有何建设性的想法呢？这里分享某医药集团的数据化管理实践。

该医药集团的主营业务有药品、生物制品、医疗器械以及医药的健康产品等。自20年前开始建设信息化，一路发展下来，现有大大小小各种业务系统几十个，但是核心的系统无非是业务和财务这两个部分。

但是，随着业务规模的不断扩大，公司规模业务部门业态越来越复杂，业务复杂性大大提升，企业更多地开始关注流程，流程的数据也开始逐渐变成企业运营的一个核心部分。

在信息系统的建设过程中积累了大量的数据，这些数据对于传统的医药企业来讲是一个宝贵的资源，因为这些数据积累了业务经验、行业数据和行业标准。站在行业信息化角度来看，如何利用好这些数据成了关键。

数据的利用重点在于分析的过程

前几年公司采用了帆软的报表系统FineReport，围绕公司的各个业务层面去做数据展现。同时也做了一些BI的尝试，比如SAP之类的产品。无论是报表还是BI，核心目标是解决企业运营中决策的问题。但是建设下来之后，在决策和反思时，似乎并没有很好的支持决策过程。主要原因是更多关注对历史数据的消化过程，这些工具的使用仅仅是对历史数据的归纳和重组，做了可视化展示，但这对数据管理来说并不是终点。跟多需要的是对历史数据的分析过程。在这样一个分析过程中需要的第一个是工具，而BI在数据挖掘和预测方面为我们提供更多的方法。

利用数据分析的过程去优化管理决策

决策过程是为分析提供场景。决策可以分为这样几个层面：最高的层面是战略决策，然后是战术决策，还有经营决策。它们的频度和影响是不一样的，战略层面上的影响非常大，但在频度上是5年、10年或者是更大的一个周期，我们才会做一个战略上的变化。战术的决策次之。经营层面的决策是伴随着经营的过程中可能会实施、遇到和面对的实际问题做决定的。

数据分析的过程其实是对历史数据重新产生新的信息的一个过程，这个过程希望可以服务于我们的目标，用分析的过程去优化管理决策的过程。实际过程中，我们其实更多面对的是日常的经营决策，这样的决策离不开报表和BI去做可视化，让运营部门去分析。

现有数据架构带来的问题

以下这张图是信息的基础框架，从框架上能看出，围绕我们核心的业务是财务系统、业务系统、OA系统以及仓储和运输系统。通过这个核心系统，我们去开展一系列的应用建设。

每一个板块都是一个独立的系统，我们一直以应用为目标的方式来开发。这样的开发方式虽然解决了很多企业运营问题，但也同样给数据积累带来一定的困难:

1、数据复用有困难

由于系统之间相互独立，这些数据在各个系统中的复用就成为了一个难点。

2、各系统数据语义不同

另外一个在各个系统中可能同一个数据的含义或者名称不一样，它的语意定义也不一样，这对数据的应用带来了困难。

3、跨部门、职能、组织识别困难

由于以上两个问题，使得数据在跨部门、跨职能或在组织各个层面上的识别也产生了困难。

如何推动数据的利用效率

以下是我们在关注数据的时候我们数据利用程度的分析图，一方面是、技术的创新，另外一方面是技术创新对运营改善的影响。可以看到这分为4个象限。首先第一个象限，我们只做数据的积累，并没有做任何的数据加工处理过程。第二个象限，就是对于我们所积累的数据帮助企业提升效率。第三个象限，就是更进一步，数据能不能对我们的企业产生新的战略和机会。最后一个就是将效益和机会两者兼并。

经过多年的建设，公司在提升企业效率和效益方面也做了很多工作。主要体现在这几个方面。

• 数据整合：基于报表系统，我们把各个系统数据整合到同一个数据平台上，通过这个平台，我们能够为我们的业务部门或者运营部门去展示。
• 建立仪表盘：把关键指标、关键绩效通过仪表盘展示出来。
• 分级报表：通过数据平台建立分级授权机制。
• 流程电子化：可以对流程不断的进行跟踪和优化，并由系统提供优化分析。

通过这些数据积累，可以更多地利用报表去发现问题，发现问题后去纠正和优化，解决了很多不能量化和展现的问题，但是，部门间数据指标的标准还是未能统一。于是，我们又在从第二象限向第三象限的过渡做了一些尝试，在这个方面重新梳理了我们的业务模型。

数据决策如何应用于业务管理

医药商业作为供应链的中间环节，在发挥物流配送功能的同时，承担着资金周转的重要职能，因此对于医药企业利润最大化的关键因素是毛利水平的提升和费用成本结构的优化。公司运用全成本核算的方法，创新了CVP价值分析模型，精确测算客户、品种、供应商的净利润水平，并进行因素影响分析，通过挖掘利润增长点，提供营销决策参考。

那么这个对于我们整个医药运营来讲一个算输入一个算输出。那么围绕着输入输出我们开展了几个维度的分析，客户层面的和业态层面的，第二个是供应商层面的，第三个是品种层面，然后是我们业务人员层面。在这个模型中，有很多指标，很多关键项因素，我们要让大家知道每个指标之间的关系是什么，每一项指标的语意的定义是什么并且统一。

于是，我们首先建立了上下一致的对数据理解的过程，除此之外利用这样一个架构我们去完成几个场景的决策。

第一个就是我们业务结构的优化，通过平台上的数据去分析什么样的品种可做什么样的品种不可做，哪些品种带来的利润收益最大，哪些不挣钱。目的是指导大家做业务的结构调整。

第二个就是谈判就是贸易。我们要去引进一个新的品种，这个品种能为我们带来什么样的收益？我们通过数据平台的这些参数的关系，在每一次谈判之前由我们的财务部门做分析和策划。

第三个是经济化的预算。

第四个是对人员的考核，考核的指标来自之前提到的各个维度，比如说利润。

第五个是项目决策，每一次做项目投入，都通过数据平台来做支持。

未来展望

未来，我们希望优化原有单一形式的数据平台，更好的为我们的运营做决策分析。可以从外部市场抓取数据，和企业内部的数据相结合，并且我们做的这些数据可以开放给在我们供应链上的其他人使用。