构建数据大脑体系,助力企业智慧管理

中国建筑一局(集团)有限公司

中建一局集团数据分析中心建设案例

中建一局集团

一、 建设背景

(一) 顺应大数据发展趋势

(二) 建筑行业发展需要

大数据对于建筑施工行业而言,是一笔宝贵的财富,项目的工程量、建材价格数据、设备产品数据、企业资质数据、产品质量评估数据、劳务实名制数据等对于整个行业而言都是重要的数据财富。建立和完善企业的大数据库则成为建筑施工企业在新一轮竞争中需要抢占的战略高地之一。然而,目前建筑施工行业对数据的利用还比较粗糙,整个行业数据积累不够。一些建筑施工企业虽然都已经建立了自己的网络和信息中心,但由于缺少统一规划,或者各子系统开发的间隔时间长,导致功能模块之间相对独立,数据不能共享,企业内部存在多个“信息孤岛”,并且“信息孤岛”里的指标在定义和计算逻辑上可能各不相同,导致无法真正实现数据资源的共用共享。另一方面,由于大量数据分散于不同的子系统,当需要结合多个系统的数据进行统计分析时,必须要手工加工处理,这即花费了大量时间,效率较低,而且可能存在统计口径差异或人为疏忽。

(三) 数据驱动决策需要

经过业务系统和网络收集的数据,如果未经加工处理,就只是数据,只有当一个个复杂的业务流程被清楚的数据分析模型所定义,当一个个分散的信息被整合在一起,当用户的所有问题都可以从数据分析中心里得到回答时,数据才转换为价值。通过对多个项目历史积累的数据进行分析和应用,易于挖掘出数据潜在的价值。无论是企业对项目的市场营销、进度计划、成本控制、风险预警方面,还是劳务、物料、质量、安全、采购、绿色施工等现场管理,都迫切需要利用数据为企业战术层、战略层、决策层提供准确而有效的参考,从而加快建筑业在数字化、网络化方面的进程,为建筑业的整体智慧化奠定坚实的基础,进一步更好的管理企业、提升企业的市场竞争力。

二、 建设目标

中建一局集团数据分析中心的建设目标是构建一个专门的数据分析中心,提供统一的访问门户,让企业各级领导和员工能够随时随地的获取数据并运用数据进行决策。具体内容包括:

1. 建设统一的数据仓库。通过整合企业内部各业务系统的数据、中建股份的相关数据、外部的市场信息等,按业务需求建立相应的数据模型,并对各类数据进行清洗转换,统一加载到数据仓库。

2. 建立中建一局集团的维度和指标库。通过分析业务需求,结合各业务部门的使用习惯,设计一套适用于本集团的统一的标准的维度和指标库,让全集团上下具有相同的业务概念。

3. 建立中建一局集团的标准管理报表体系和自助分析模型,让全集团各部门都有适用自己的通用的报表体系,定期出具相应报表;同时也建立一套自助分析模型,让用户可以自动开发分析报表。

4. 建立一个统一的访问门户,支持PC端、微信、PAD访问,具有数据权限和报表权限管理功能,让用户随时随地获取自己权限范围的数据。

5. 建立专题分析应用。结合业务决策需求,针对某一应用,建立专门的分析模型,如项目风险控制等。

三、 总体架构

系统总体架构图如下:

系统架构分为三个部分:

1. 数据抽取,抽取对象包括(1)集团内部的业务系统,如综合项目管理平台、资源管理平台、项目现场管理平台等;(2)中建股份的业财一体化数据和云筑网等数据;(3)网络上的市场信息数据如我的钢铁网;(4)目标数据等系统缺失的数据和日志数据,可以通过数据填报或者Excel抽取的方式完成。数据抽取可以利用专门的ETL工具如SAP Data Services、IBM Datastage、Informatica、kettle等;有些数据采集需要基于web services;网络数据采集可以采用网络爬虫工具或者RPA;有些缺失的数据需要开发数据填报程序。

2. 数据管理,根据业务需求建立数据模型,并统一管理和维护,分2个区域:一是操作数据存储区(简称ODS),将所有抽取的数据加载到该区域,并在此区域完成数据的清洗和转换;二是数据仓库(简称DW),将最终清洗好的数据加载到数据仓库中,供报表访问使用。数据仓库可以基于关系型的数据库如Oracle或者内存数据库SAP HANA建立,也可以采用多维数据库如Essbase,也可以采用混合型结构。

3. 数据应用,分为固定报表、专题报告、可视化分析、自助分析和数据挖掘,用户可以通过移动端和PC端访问BI门户获取这些数据应用。最常见的BI报表工具如国外的SAP BO、IBM Cognos、Oracle BIEE及国内的永洪BI和帆软BI等,除了报表工具,最近流行的可视化工具如微软的power bi、tableau、qlikview、SAP Lumira等,用户可自己的业务需求和资金计划选择合适的工具。

四、 实施过程及应用系统内容

(一)数据分析中心实施过程

数据分析中心的实施按照“开发、推广、完善”的策略进行,主要分三个阶段:

1. 2019年1月~6月,整合综合项目管理平台数据,主要包括组织机构、产品线、工程类型、区域、项目、项目人员、业主、供应商等维度信息及合同、形象收入、监理批量、收款、成本、支付等指标数据;搭建起数据分析中心,开发相应的管理报表和可视化分析,实现对整个方案的技术及所选择的产品验证。该阶段于2019年6月初上线,推广到集团各部门、18家子企业、分公司、大项目部和在施项目,并根据用户的反馈不断调整完善功能。截止到目前,系统已开发近100张报表、6个可视化分析,为约2000个用户建立账号并提供移动端和PC端访问服务。系统界面如下:

PC端 移动端

2. 2019年7月-2020年3月,计划整合资源管理平台、项目现场管理平台、外部市场数据等;开发相应的报表;根据用户在数据分析平台上线后的反馈,完善商务运营的维度和指标库,以及标准的管理报表;基于业务需求,开发项目风险监控、供应商资源评价等专题报告和数据挖掘应用。

3. 2020年4月-12月,计划整合中建股份业财一体化、云筑网、非生产资源平台、人事等数据;开发相应的报表;进一步完善维度和指标库,以及标准的管理报表;基于业务需求,考虑自助分析应用,让业务用户可以根据自己的需求灵活的自定义分析报表。

(二)数据分析中心系统内容

数据分析中心系统内容:在数据分析中心实施的第一阶段,设置了八大分析模块,分别是合同分析、预收益分析、经营分析、财务分析、生产分析、基础设施分析、大客户分析和项目人员分析,近60张报表。基于这些分析报表,还开发了4张可视化分析,支持用户钻取分析。

系统分析主题如下图:

1. 合同分析,基于集团“一化三线”的管理方针,从属地、产品线、模式线、客户线、招标方式、工程类别、合同范围、支付方式等多维度分析各子企业及分公司的承包合同及补充协议合同,并对比去年同期合同额和合同数量,用以判断今年的合同额究竟是好还是差,该分析对商务运营部的合同管理团队十分有帮助。数据分析中心的报表皆可灵活选择查询条件;可支持钻取到具体的项目;可导出为Excel或者PDF等格式文件。报表页面截图如下:

2. 预收益分析,一方面用于监控(1)项目的目标责任书签订情况;(2)预收益是否踩线及超过底线,针对踩线项目或超过底线项目,要返回业务系统重新处理;(3)项目预收益上报日期是否超期。另一方面按月为集团提供各子企业、各项目的预收益分析报表及完成情况排名等。

3. 经营分析,主要是商务运营监控报表,监控子企业及在施项目或已竣未结项目的总体形象收入、监理批量、收款、成本、应收等关键KPI,随时了解企业或项目运营过程中的问题和风险。此外,供应商分析报表可以查询某个供应商或者某个项目的应付款情况,这对于集团劳务清欠管理非常有帮助。

4. 财务分析,主要是子企业或项目的应收账款、拖欠款及相应的账龄分析,同时也提供了子企业和项目的债权表和债务表查询。

5. 生产分析,主要包括子企业、区域、产品线等不同维度的产值分析以及施工计划的完成情况及预警。

6. 基础设施,针对集团关注的基础设施模块,提供了基础设施分省份、产品线、模式线等的合同分析、人员分析及各工程局的对比分析。

7. 大客户分析,目前集中在大客户的合同完成情况,后续还需完善。

8. 项目人员分析,包括项目人员的学历、岗位经验、员工状态、商务人员情况、安全生产监督人员情况、优秀青年工程师、员工持证情况等内容,可以便捷的搜索出具有某类经验、某些证书等的人员。

9. 可视化分析,针对不同岗位角色,目前平台提供了4个可视化分析页面:(1)针对领导层面的企业运营监控分析,分析监控企业的总体运行情况,包括合同信息、项目分布、运营分析KPI、月度收入成本趋势、异常项目预警等。(2)针对项目人员的项目运营监控分析,包括项目的基本信息、核心责任担当体人员信息、运营状况、分包支付、成本方圆图,便于项目人员全面了解项目的状况。(3)项目人员分布信息,适用于企业领导及人事部门,主要包括项目领导班子人数统计;项目状态和工程类型项目和员工状态分布;不同角色的人数及持证情况统计、年龄分析;在施项目人员分布情况及TOP省份项目数量和人员数量;学历、性别、年龄、用工方式、岗位等多维度人员分布分析。(4)人员信息表,分析某个具体人员的基本信息及从业经历、获奖情况等。可视化分析通常按照某种分析思路设计,内涵企业管理思想,支持层层钻取操作,便于发现企业运营问题和风险。

五、 建设成效

自数据分析中心于2019年6月上线运行以来,已为集团各部门、子企业、分公司、项目部提供了大量的数据查询和分析功能,取得的一定效果,概括如下:

一是解决了数据上报的问题。以商务运营监控表为例,原先集团商务部需要各子企业或项目部填报;另一方面,也存在集团其他部门需要类似数据,但格式要求不同,需要子企业或项目部重复填报——这既花费了大量的时间,又有可能出错。基于数据分析中心,可以按各部门需求灵活定制报表,只要在业务系统里维护准确,数据分析中心可以自动生成所有报表。

二是解决了数据获取难的问题,让业务人员将工作重点由从业务系统中获取数据整理报表转为分析数据解决业务问题。同时,数据分析中心同企业微信号集成,用户可以随时随地的获取数据信息。

三是推进了企业数据、维度和指标定义的规范化和标准化。借助数据分析中心项目,业务部门进一步梳理了维度和指标的定义,重新思考了日常管理运行的报表和计算逻辑,让业务语言更标准,让企业管理更规范。

四是提高了企业精细化智能化管理水平,促进项目完美履约。通过数据分析中心,可以在项目实施过程中监控项目的运行情况,预防风险预防;在项目供应商的选择上,数据分析中心基于对供应商的以往履约经历的综合评价分析,能够提供有效的辅助决策;在材料价格方面,数据分析中心提供了材料在同时段不同项目不同地区和合同价、入库价及市场价,为材料采购成本控制提供更好的支持。

五是推动了集团信息化建设。一方面,数据分析中心数据来源于集团的业务系统,因此对业务系统的数据质量有严格的要求,这促进了业务系统的优化;另一方面,数据分析中心的数据或报表也可以反向推送给业务系统,扩展业务系统的功能。

六、 经验总结

(一)领导重视和推动

信息化的建设,领导层的高度重视至关重要,数据分析中心更是如此,一是因为数据分析中心的一个典型用户就是领导层,如果领导不能积极参与,那么系统提供的分析主题可能不满足领导需求;二是领导如果不亲自使用数据分析平台提供的数据进行分析决策,就不能及时发现项目中的问题,也就不能要求项目人员利用数据说话;三是一个新的平台的上线,必定会与原有的管理习惯相冲突,也可能会增加某些岗位人员的工作量,如果没有领导坚定的信心和身体力行,是很难推动的。

(二)业务部门积极参与

无论是项目前期需求调研阶段,还是后期的上线推广中,业务部门的积极参与都十分重要。在需求阶段,业务人员需要准确的清晰的描述需求,这些需求将作为数据仓库数据建模、报表开发及可视化分析的重要依据;在后期上线推广中,业务人员需要测试数据准确性、检查报表功能,并改变自己的管理习惯,甚至为了数据分析中心需求,额外补充维护数据……在上线初期,业务人员的工作感觉增加了,而数据分析中心效果还没有那么显著,这都需要业务部门克服困难积极参与。

(三)注重前期规划,标准先行

数据分析中心的建设不是一蹴而就,而是随着企业的信息化发展和业务需求的变革而不断完善的,因此,数据分析中心的前期规划应该明确清晰,第一步做什么,接下来做什么……无论在哪个阶段,都要先确定好建设的标准,包括数据建模的标准、数据权限的标准、维度定义的标准、指标定义的标准、报表的标准等,这些标准化是我们开发的基础,也为后续运营管理提供良好的支持。