《2024中国制造业智能BI解决方案与案例》报告正式发布

发布时间：2024-06-26      游览量：768

• 零售数据分析开源BI工具财务数据可视化分析

制造业作为我国经济的重要支柱，正面临着全球化竞争加剧、消费者需求多样化、资源环境约束加强等多重挑战。在这样的背景下，如何有效利用数据，提升决策质量，优化资源配置，成为制造业数字化转型升级的关键。

商业智能（BI）并非新概念，但其内涵和外延随着技术的发展而不断扩展。在经历了“以报表为核心的IT响应式服务”和“以宽表为核心的自助可视化分析”后，智能BI已经进入“以指标为核心的可视化分析、增强分析”阶段，以指标为抓手，提升管理决策效率，释放业务人员分析潜能，优化IT资源配置，全面增强企业数据洞察力。

当前，智能BI在制造业的应用，涵盖了从订单执行、生产计划、供应链管理到销售管理、财务数字化、人力资源管理等多个环节。通过智能BI，企业能够实现生产过程的实时监控、质量控制的自动化、库存管理的优化以及市场响应的敏捷化。

思迈特联合沙丘社区共同发布《2024中国制造业智能BI解决方案与案例》报告，报告通过系统呈现制造业智能BI解决方案以及西藏药业、申菱环境、理士电源等制造企业的智能BI落地实践案例，旨在回答智能BI如何成为制造业转型的加速器，揭示智能BI在提升企业决策质量、优化运营效率和推动创新方面的潜力，为制造企业智能BI应用提供参考。

点击上方卡片，免费下载报告

01

制造业智能BI市场分析

▎1.1 业务挑战与应对策略

制造业是国民经济的主体，是立国之本、兴国之器、强国之基。国家统计局数据显示，2023年我国制造业增加值占GDP的比重达到26.2%。在2024年初国新办举行的新闻发布会上，工业和信息化部部长金壮龙表示，我国是世界制造业第一大国，制造业增加值占全球比重约30%，连续14年位居全球首位。

随着数字技术与制造业在更广范围、更深程度、更高水平上的融合发展，数字化转型已经成为推进制造业高质量发展、加快推进新型工业化发展的必经之路。《2024政府工作报告》中着重强调了数智赋能制造业，实施制造业重点产业链高质量发展行动，主要包括以“人工智能+”行动促进人工智能赋能产业升级；积极落实工业互联网规模应用，进一步推动制造业数字化转型。

制造业数字化转型是一个全面而深入的过程，涉及到研发设计、供应链、制造生产、财务以及营销等多个环节。在这个过程中，传统的数据工具可能无法满足企业运营的需求，在数据分析方面存在着数据缺失、数据不能直接用、数据不会用、数据用不起来等诸多数据运营管理难题。具体来看：

第一，大量数据缺失。传统数据收集统计多以纸质表单方式为主，耗费时间、容易出错，且未及时纳入线上系统，导致大多数制造企业数据缺失；

第二，数据不能直接用。制造企业已经建设了ERP、MES等多个业务系统，虽有数据沉淀， 但分散在不同系统，存在数据口径不一致、更新频率低等问题；

第三，数据不会用。制造企业的数据分析大多停留在数据的收集、统计、对比阶段，未能将数据分析方法与实际业务场景决策、流程相结合，缺乏数据驱动业务的实践案例；

第四，数据用不起来。数据分析成果不能及时共享协同，业务分析缺乏闭环。

随着联网设备和传感器的增多以及各种各样数字化系统的上线，制造企业的数据种类和规模正在呈爆炸式增长。制造企业需要采用能够处理大数据并提供深入分析的智能BI解决方案，以应对数据运营管理难题。

从数据到决策，BI技术的进步能够帮助制造企业更好地理解市场动态、优化决策过程、提高运营效率，并最终推动企业的数字化转型与发展。

从发展阶段来看，我国BI平台经历了“以报表为核心的IT响应式服务”、“以宽表为核心的自助可视化分析”和“以指标为核心的可视化分析、增强分析”三个阶段：

• “报表模式”以报表粒度进行管理，数据和报表完全耦合在一起，在不同报表间产生数据和指标的冗余和重复，形成报表爆炸、技术债，导致数据不可信、分析不敏捷等问题。

•“宽表模式”通过构建宽表，让报表和数据集解耦，解决了数据应变能力不灵活、分析不敏捷等部分问题。但是，“宽表模式”由于以宽表粒度进行管理，数据和宽表紧密耦合，又在不同宽表间产生了数据和指标的冗余和重复，导致了宽表爆炸、数据不可信等问题。

•“指标模式”是以指标粒度进行管理，以指标为核心解耦数据和宽表，统一的指标相当于在上游数据和下游消费之间搭建了桥梁，不仅能够灵活地进行数据变更，同时将一致正确的数据提供给各种下游消费者进行数据分析。

指标是企业管理的重要抓手，企业经营管理本质上就是基于指标的量化管理，一个企业没有可衡量的指标指导业务，就如同驾驶着没有仪表板的汽车行驶。

以指标为核心的BI平台将为制造企业实现如下业务价值：

• 面向管理人员：通过搭建以指标为核心的BI平台，管理人员能够及时准确掌握企业经营数据全貌，把控关键KPI经营指标、财务状况及风险指标情况，快速做出准确的经营管理分析决策，提升管理水平；

• 面向业务人员：以指标为核心的BI平台使得业务人员能够从大量手工取数、反复需求沟通中释放出来，通过统一的指标模型，自助进行数据查询、可视化探索，提高数据分析效率，从而聚焦于数据背后的业务洞察和问题解决，最终提升业务价值；

• 面向IT人员：IT人员可以有效减少数据重复开发，将精力投入到数据挖掘等核心的工作中，为管理和业务人员提供更有价值的数据分析工具。 

▎1.2 市场未来发展趋势

制造业智能BI市场正处于快速发展阶段，推动着制造企业实现数字化转型和智能化升级。通过更智能、更实时的数据分析和决策支持，制造企业可以更好地应对市场变化、优化运营效率并提升竞争力。

未来，制造业智能BI市场将呈现如下发展趋势：

第一，数据驱动决策的普及。制造业越来越重视数据驱动的决策，智能BI将成为企业实现这一目标的关键工具。未来，更多制造企业将投资于数据收集、存储和分析技术，以实现实时的业务洞察和决策支持。这包括通过大数据分析、预测模型和实时监控来优化生产计划、供应链管理和产品质量控制等多个方面。

第二，AI与BI紧密结合。人工智能技术将进一步深入智能BI系统中，使其能够进行更复杂的数据分析和预测。人工智能技术（AI）和机器学习（ML）能够处理大规模数据，并从中发现隐藏的模式和趋势，帮助企业更准确地预测市场需求、优化生产流程和管理供应链。例如，基于历史数据和实时市场情况进行智能的需求预测，有助于企业更精准地调整生产计划，减少库存和提高客户满意度。

第三，边缘计算的应用。随着物联网技术的普及，边缘计算在制造业中的应用也将逐渐增加。边缘计算能够在设备端即时处理和分析数据，减少数据传输到中心服务器的延迟，提高数据处理的效率和实时性。这对于需要快速决策和操作的制造业来说尤为重要，例如在设备维护、质量控制和实时生产监控方面。

第四，数据可视化与交互性的提升。未来的智能BI系统将更加注重用户体验，提供更直观、交互性更强的数据界面，帮助用户快速理解和分析数据，从而更好地参与决策过程。大模型的出现极大地提升了BI产品的交互性，目前业界已经出现ChatBI类产品，可以让用户以自然语言的方式进行数据查询，还可以与数据可视化功能相结合，为任何用户（即使是非技术人员）赋予与数据交互的能力。

第五，生态系统化的发展。制造业智能BI市场将向更加生态系统化的方向发展。这意味着不仅仅是单一的BI平台提供商，而是整个生态系统包括设备制造商、数据服务提供商、解决方案集成商等多个参与者的共同努力。通过建立开放的生态系统，制造企业可以更好地整合各类数据资源，并实现更高效的业务协同和价值创造。

第六，数据安全和隐私保护的重视。随着制造业数据的增加，数据安全和隐私保护成为企业必须解决的重要问题。未来的智能BI系统将强化数据加密、权限管理和安全审计等功能，确保敏感信息不被未经授权的访问和泄露，这对于全球化运营的制造企业来说尤为重要。

02

制造业智能BI解决方案

▎2.1 以指标为核心的一站式ABI平台建设思路

为了帮助制造企业有效利用数据、提升决策质量、优化资源配置，思迈特软件以指标为核心的一站式ABI平台通过建立以数据为依托、业务为中心、指标体系为管理抓手的数据化经营管理体系，以度量化方式衡量企业经营状况与问题症结点，对齐上下目标，方便校正执行偏差，实现数据修正决策。 

一站式ABI平台通过将制造企业的不同业务系统数据进行集成整合，承载指标分析体系落地，并提供多样化的指标分析工具进行数据分析展现，为制造企业经营分析提供有效决策支撑。具体而言，一站式ABI平台的建设思路如下: 

Step1：构建企业指标体系。根据制造企业经营战略，结合行业经验和客户访谈，构建并分级企业综合指标体系，确保各层级专注于关键性能指标。

Step2：构建企业指标模型与分析平台。搭建一个涵盖指标定义、加工、计算到发布的全流程指标管理平台，支持自助分析、仪表盘、报表和数据挖掘等功能，强化数据核心驱动力。

Step3：构建企业经营分析应用场景。构建统一的管理分析平台，为不同角色定制驾驶舱、报表等分析工具，提高决策效率和执行监控，实现操作偏差的快速校正和决策修正。

▎2.2 制造业数字化经营管理平台方案

思迈特软件作为国产BI的老牌厂商，在制造业上积累了非常多的客户案例和应用实践，基于以指标为核心的一站式ABI平台建设思路，思迈特软件沉淀了一套适合制造企业的数字化经营管理平台方案。

企业经营管理破局的关键是需要从决策层、业务管理、业务执行、信息部等重要环节进行全局联动，通过构建制造业数字化经营管理平台，提供制造业分析指标体系作为企业经营管理的重要抓手，以指标量化企业经营情况，修正管理决策，促进决策效率提升。

数字化经营管理平台方案基于企业战略目标，提供整体数字化经营管理平台分析框架体系。从战略规划、研发管理、运营、支撑、项目等5大管理域出发，对每个管理域进行业务模块梳理规划营销、生产、财务等18个分析板块，并搭建各板块的分析场景。通过承接顶层战略目标，该分析框架体系将成为制造企业经营管理的重要抓手，实现管理落地。

针对订单、生产、供应链、营销、财务、人力资源等当前制造企业存在诸多痛点的核心业务环节，思迈特软件提供细分场景智能BI解决方案，助力制造企业实现智能化管理，提高运营效率和市场响应速度。

点击上方卡片，查阅解决方案完整版

03

制造业智能BI实践与案例

▎案例1：西藏药业打造以指标为核心的ABI平台，承接经营管理战略落地

企业介绍

西藏诺迪康药业股份有限公司于1999年7月14日在西藏自治区创立，1999年7月21日在上海证券交易所上网交易，是西藏自治区第一家高新技术制药上市企业，股票名称：西藏药业，股票代码：600211。产品涵盖生物制药、藏药、中药和化学药领域，专注药品及药材的研发、生产、销售，先后被国家科技部认定为国家火炬计划重点高新技术企业、国家创新型试点企业。

业务挑战

带量采购、医保谈判、药品零加成等一系列政策的落地执行，导致所有药品的利润空间被大幅压缩，药企高毛利时代走向终结，同时叠加产品生命周期缩短、新药研发风险增加、决策难度加大等多方位的经营挑战，驱动药企采用更加精细化的经营管理手段，促进业务战略目标达成。

在此背景下，为保持公司经营业绩的持续增长，西藏药业需要通过完善的数据分析体系来支撑经营管理和绩效管理，全面透视核心产品的业绩增长情况、其他产品的市场准入和覆盖情况等，实现更精准的经营管理决策。

然而，西藏药业传统数据应用体系仍存在取数难、指标体系缺失、业务决策支持力度不够等问题。具体来看：

首先，缺乏高质量数据统一汇集，无法实现自动、准确取数。西藏药业虽拥有大量的数据资源，但各个业务系统间的数据融合度不高，没有形成统一共享的数据资源池，且缺乏统一的数据管理机制，数据质量参差不齐，导致业务人员无法实现自动、准确取数。

其次，缺乏系统的指标体系，难以量化决策信息和管理信息。原有体系下，西藏药业内部尚未构建完整、系统的指标管理体系，管理方式上主要依赖于传统的固定报表，存在指标定义不一致、计算逻辑不清晰、开发难追溯等问题，无法全面量化公司经营管理情况，难以实现精准的管理决策。

最后，数据分析应用效率低下，业务决策支持力度不够。过去西藏药业内部没有系统化、规范化的数据分析系统，当有数据报表分析需求时，各部门业务人员从各个业务系统导出明细数据进行线下二次加工处理，手工汇总形成Excel固定报表，不仅对分析需求的响应周期比较长，而且管理层无法及时快速掌握公司整体经营情况，影响高效业务决策。

解决方案

基于上述业务需求，西藏药业决定构建能够承接公司战略发展目标落地的指标分析体系和可视化系统，满足各层级人员对数据分析的需求，实现数据修正管理决策。

为此，西藏药业综合考虑产品功能契合度、行业实践经验、客户服务能力、品牌知名度等多因素进行厂商选型。最终，经过多方调研评估，思迈特软件凭借成熟的BI产品功能、大量头部客户案例积累、专业的服务保障能力、行业领先影响力等核心优势，成为了该项目的最佳服务商。

经过前期多轮次需求沟通和方案设计，思迈特软件为西藏药业输出一套覆盖指标分析体系建设、平台搭建、指标呈现的完整解决方案，实现从数据生产、加工到应用的全流程规范化管理，为管理层和业务人员提供更加科学高效的数据依据、决策支持。解决方案如下：

首先，搭建数据仓库，统一数据来源和数据标准。在思迈特软件的帮助下，西藏药业搭建包括ODS层、MPP层、DM层的多层数据仓库，借助自助ETL工具将ERP、财务、营销流向等业务系统数据统一入库，以填报表单形式导入线下数据，从而形成数据统一汇集入口，解决了数据汇总难、汇总时效性差、取数难的问题。同时，通过统一主数据标准、设置数据填报校验规则、数据映射等多种方式，提升数据质量。

其次，构建系统的指标分析体系，全面量化业务现状。一方面，西藏药业基于自有指标的详细梳理，以及借鉴思迈特软件拥有的行业指标内容和体系框架，构建一套能够承接企业战略的指标分析体系，该指标体系覆盖战略管理、研发管理、运营管理等5大管理业务域，营销、生产、财务等11个业务主题域，并支持时间、组织、产品、供应商等维度综合分析展现。以财务主题为例，西藏药业从财务状况、财务能力、财务预算、财务收支、资金分析方面进行指标拆解，构建覆盖利润、营收、总负债、固定资产、存货周转等的财务指标体系。另一方面，为有效确保指标体系的顺利落地，思迈特软件为西藏药业构建了一套指标管理模型说明书，针对指标定义、指标分类、指标加工口径、数据编码规则等进行统一规范管理，为各业务部门提供准确可信的指标数据。

最后，大量看板数据呈现，及时高效驱动业务决策。在指标应用层面，思迈特软件为西藏药业数据可视化系统搭建大量看板，提供联动、上卷下钻、筛选等交互式分析能力，能够解决传统手工制作报表效率低、响应不及时的问题，满足营销分析、财务分析、人力分析、管理驾驶舱等多场景应用。同时，平台也内置即席查询、透视分析等功能，业务部门可基于各业务域下的报表进行自助分析，辅助业务决策。例如，西藏药业汇集销售分析、市场分析、商务分析、推广分析、终端分析等多个看板，构建面向管理层的营销驾驶舱，可视化形式呈现企业营收、利润等关键经营指标情况，为营销业务管理提供了多维度的数据分析和决策支持能力。

价值与效果

依托思迈特软件强大的BI和大数据分析能力，西藏药业从0到1完成搭建指标分析体系和可视化系统，将分散在各业务系统和线下的数据进行统一采集和整合，提炼管理数据及指标，开发看板、驾驶舱等，有效辅助各层级员工进行业务数据分析和经营决策，取得了突出的业务价值成效。

第一，全面整合各业务数据，实现数据资源沉淀和应用。西藏药业通过ETL采集、填报表单的方式整合线上线下业务数据，建立数据管理标准，打造统一的分析数据出口, 从而满足各层级人员自动、准确取数的需求。

第二，体系化的数据分析指标，业务经营状况全掌握。西藏药业通过指标梳理、指标体系规划、指标管理标准确定以及指标平台落地，完成战略发展、业务运营、管理支撑等5层指标体系、共计411个数据指标的发布，实现以核心指标量化企业经营发展全貌，为后续经营分析与管理决策奠定了坚实基础。

第三，业务数据可视程度显著增强，大幅提升管理决策效率。首先，西藏药业通过搭建数据分析可视化系统，改变过去依靠手工进行数据获取、数据整理、做表汇报的处理模式，自动化完成数据从采集到存储、计算和分析呈现，缩短了整个业务数据分析周期，驱动管理人员的数据决策时效决策时效大幅度提高。其次，西藏药业围绕营销、生产、财务等11个业务主题，总共建设25张一级看板、5个驾驶舱，以图形化形式呈现企业关键经营与业务指标数据，帮助管理层快速掌握公司经营状况、定位经营风险点，从而提升业务精细化管控能力，辅助管理决策。此外，营销部门的工作汇报方式发生了显著改变，原来通过人工汇总数据、制作并打印销售报表的方式进行汇报，目前已经将看板作为日常汇报工具。

现阶段，西藏药业借助数据分析体系和可视化系统，敏捷开发出满足经营、营销、财务、人力等业务需求的看板、驾驶舱，实现了数据业务化、管理数字化。

未来，西藏药业将继续深化与思迈特软件的合作，根据实际业务需要，结合不同分析场景进一步深挖数据产品应用和价值，并拓展数据分析体系在其他分子公司、业务部门应用的深度和广度，赋能全集团实现数据驱动业务决策提效，助力企业实现可持续高速增长。

*“申菱环境、理士电源”等企业案例可在完整版报告查阅。

点击上方卡片，查阅报告完整版