京公网安备 11010802034615号
经营许可证编号:京B2-20210330
上药信谊实现精准实时数据分析
企业发展越快、规模越大,管理模式的问题也日益表现突出。尤其,上海信谊目前已建立供应链系统、财务系统和人力资源等基础信息化系统,在系统中维护了运营所需的各种基础数据。但由于这些系统是随着业务发展逐步建设的,彼此之间信息孤岛现象较为严重,难以实现数据信息的共享、数据挖掘分析,及以统一界面展示管控要素。
为了实现集团业务集中管理辅助决策的信息化目标,上药信谊计划从原有的分散与集中管理相结合的模式,发展成集中管理新模式。在用友公司BQ团队的帮助下,上药信谊进一步规划了经营管理信息化平台全面集中的分步实施策略,为企业产品生态圈建设,抢抓发展机遇,突破信息化瓶颈,奠定了坚实的信息化基础。

▲分析首页
为了构建精准实时的数据分析系统,上药信谊和用友商业分析团队在现有ERP、项目管理系统及各类重要非结构化的业务数据应用之上,确立了BI系统的建设范围,共同规划了数据整合层、语义层、分析建模层、应用展现层四个层面的架构。以数据为着眼点,为支撑企业快速发展搭建起坚实后盾。
第一,数据整合层。是BA系统的数据来源,包括财务系统、各业务系统以及外部数据,这些数据通过数据信息管理工具,如ETL抽取到分析数据引擎AE,数据整合的主要作用是将分布在不同物理区域、不同系统中的数据首先通过规范编写的ETL程序或其它方式进行抽取,集中。
第二,语义层。商业分析平台,通过可视化的拖拽功能,将数据库中的指标数据建立分析模型,实现对数据的分析和监控。
第三,分析建模层。通过用友BQ以往的项目经验和研究,利用各种分析方法,建立了满足企业运营的采购、库存、销售、财务等分析模型,全面监控和分析运营情况,分析模型层主要是利用实时数据处理工具将抽取后的数据汇总到数据仓库中,并通过分析引擎将数据仓库中的数据根据业务归口不同进行归纳、汇总,如财务、营销、人力资源等,主要以报表和查询分析的方式将数据仓库中的数据展示出来。
第四,应用展现层。在展现层将不同特点的业务数据利用多种可视化手段展示出来,如智能查询、图形化报表、多维分析,自定义仪表盘等,是管理决策者和管理者观察企业的窗口。完整地展现了领导重点关注的决策支持系统的指标数据。决策支持系统的界面还可由业务人员根据不同的需求实现个性化定制,采用拖拉拽的操作方式,在页面上放置不同的指标内容,即可建立自己关注的指标分析界面。

▲
销售收入分析
考虑到企业高层领导日常业务繁忙,需要随时随地获悉各分支机构的第一手经营信息,用友BQ将其业务分析展现做到移动端,方便领导查阅。
上药信谊目前已实现了重要业务的数据整合与分析。在分析首页可展示全厂经营分析全貌,包含销售收入、利润、费用、应收周转、存货周转等各项总部考察指标完成情况,并可直观的发现数据问题;通过全产品查询,建立了一套根据产品编码便可查询产品价格、成本、预算、投保价格情况;从首页穿透可查看信谊总厂生产的全部产品的区域销售业绩,并能钻取挖掘当前及历史销售数据变化趋势,为企业自检销售目标完成率及合理优化产品结构提供了参考依据;通过存货周转分析,分析企业的存货周转率,以反映企业库存存货的周转速度,判断存货的流动性及存货资金占用量是否合理,促使企业在保证生产经营连续性的同时,提高资金的使用效率,增强企业的短期偿债能力;另外,可进行利润统计分析,费用对比分析、应收周转分析等。
用友BQ商业分析项目的建成使得上海信宜无论在数据管理的规范性,还是数据分析领域的先进性,与同行业竞争对手相比,又一次起到了领头羊、排头兵的作用,其顺利上线不仅标志着企业朝着打造数字化上药的目标又向前迈进了一步,同时还表明企业通过推进信息化建设工作实现集团化整体管理工作从优秀到卓越的提升。
新一代用友BQ商业分析整体解决方案,通过企业级数据平台的搭建,达到统一数据标准、共享信息资源的数据管理目标,为进一步进行数据分析及挖掘奠定良好的数据基础;同时,通过先进的数据可视化技术,根据现有数据进行ETL处理,把不同数据形式进行整合及展现,直观的将企业经营现状及未来发展趋势展现到企业管理者面前,为管理者的明智决策提供可靠的数据支持。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在Power BI数据可视化分析中,切片器是连接用户与数据的核心交互工具,其核心价值在于帮助使用者快速筛选目标数据、聚焦分析重点 ...
2026-04-23以数为据,以析促优——数据分析结果指导临床技术改进的实践路径 临床技术是医疗服务的核心载体,其水平直接决定患者诊疗效果、 ...
2026-04-23很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标是所有企业都需要的”“哪些指标是因行业而异的”“北极星指标和 ...
2026-04-23近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15