帆软FineBI合作老百姓大药房：u 数据挖掘社交化
(1)客户介绍
近几年，互联网医疗的兴起给线下医药零售行业带来更多机遇的同时，也带来了巨大的挑战。从近几年逐步提升的药店连锁率可以看到，过往小规模零售药店遍地开花的粗放式的野蛮增长时代已经一去不复返，取而代之的精耕细作的标准化规模化时代。
从2001年开创平价药房先河至今已经19个年头，老百姓大药房已发展成为拥有直营药房、并购药房、加盟、联盟、中药厂、国医馆等多个业态并存的综合型集团。老百姓业务范围覆盖22省份，全国共5000+门店，经营30000+ 个SKU商品，每年服务超1.2亿人次，会员总数超4100万人。
(2)项目背景
面对如此复杂且庞大的数据量，仅凭人工统计报表的传统方式，难以应对未来规模日益壮大的发展趋势。因此，在2016年末，老百姓大药房便开始了与帆软BI工具的结缘。
(3)解决方案
科技驱动、数据赋能
老百姓大药房的企业战略是打造科技驱动的健康服务平台。从2016年至今，老百姓的数字化建设历经了以下三个阶段：
1. 报表自动化阶段
各个企业数字化建设初期的经历都是极其相似的。在数字化的初期，老百姓大药房内部共有20多套独立的系统，包含SAP、ERP、OA、CRM等。各个系统的数据库处于互不干涉的隔离状态，数据调取十分困难。有时候统计一个数据需要从多个不同系统，由专业的IT技术人员导出数据后，再交由业务人员进行后期的EXCEL加工统计。这样的工作不仅效率低下，而且人工参与环节较多，极其容易出现统计错误的情况。
老百姓大药房2017年建设了自主研发的大数据平台。通过整整一年的努力，把老百姓内部各系统的数据统一归集到大数据平台，彻底解决数据孤岛的问题。
同时，在这一年中，把各业务线每天统计的日报、周报、月报等周期性报表全部转换为每天自动更新的BI报表。这个阶段的BI报表主要是以业务人员的经验逻辑主导。
（上图：业绩统计报表）
实现了报表自动化后，已推广至全国各地20多个子公司使用，各子公司无需额外配备专职的数据统计人员。目前老百姓BI平台总共有超过200多个BI报表模块（每个报表模块下平均有5-10个子报表）每天自动更新运算，减少了全国数百名数据统计人员的岗位编制。如果每个数据统计人员的月薪按3000元/月计算，报表自动化可以为老百姓大药房每年至少节省上百万元的人工费用。
2. 智能决策辅助阶段
2018年开始，老百姓大药房的BI数字化建设开始进入智能决策辅助阶段。
第一阶段的BI报表更多是基于业务的已有知识进行统计分析。然而，业务人员大多没有受过专业的数据分析和数据挖掘的训练，统计分析得出的结果未必是科学的结论。在具备大数据平台汇集海量数据的基础后，老百姓大药房随即展开各种科学数学模型的研发，以解决数据科学性不足的问题。
在第二阶段，老百姓大药房的数据分析是由算法专家主导的数学模型与BI展示结合，以下两个案例可看到具体的实施情况以及成果
2.1 基于精准预测的门店自动请货
备货过多，容易造成库存积压；备货过少，容易造成库存短缺。如何合理地请货备货，是所有零售行业都会遭遇的大难题。合理备货的前提是对商品销售的精准预测。老百姓大药房的销售预测模型对每天销售预测的准确率可达98%以上。结合门店销售预测以及门店库存，系统自动计算各门店每天需要请货的品种及请货的数量后，在BI报表中显示每日请货的清单报表。
（上图：门店每日请货品种及请货数量）
有了算法模型和BI报表的帮助，门店店员不需要具备数学建模的能力，也不需要每天导出数据手工统计，只需要每天在数据更新后，按照BI报表上指示的请货品种和请货数量，直接请货下单即可。
自从实施了算法模型+BI报表的决策辅助后，门店总体的请货条目数下降了10%，从而减少了大量不必要的商品备货；虽请货条目数有所下降，但门店的请货满足率并没受到影响，反而请货满足率较未实施前提升了17%，保证了门店库存充足。
2.2 物流拣货人效监控
（上图：物流仓库拣货员各时段工作效率监控）
老百姓大药房物流总部共有170多名物流员工，每日拣货订单量达5-7万。为确保商品及时从仓库送达各门店，需要对现场拣货作业的人员的工作效率进行实时监控，发现效率欠佳的员工会尽早进行干预。
如上图所示，BI报表中两条灰色曲线代表员工每个时段工作量的正常范围，黄线代表该员工当天实际的工作量。若黄线在上下两灰线之间运行，则代表员工工作状态正常；若黄线持续低于灰色下线，则代表该员工当天工作效率低于正常水平，管理人员需到现场进行干预；若黄线持续高于灰色上线，则代表该员工当天工作效率高于正常水平，管理人员可于休息期间对员工进行访谈，探索总结提升效率的方法。
3. 数据挖掘社交化阶段
2019年下半年开始，老百姓大药房开始探索FineReport与FineBI两个工具的集成融合。2020年3月老百姓对FineReport10.0 与FineBI 5.1版本融合升级，标志着老百姓大药房进入BI数字化第三阶段——数据挖掘社交化阶段。
FineBI是帆软另外一个BI产品，主要应用于员工自主制作简易BI报表，并进行数据挖掘分析。FineBI有以下几大特点：
1）实时性：FineBI与FineReport一样可直连数据库，每日自动同步更新数据，无需导出数据手动更新。
2）简易性：使用FineBI制作报表更为简单，掌握Excel的公式函数以及数据透视等基础技能的普通业务人员都能自主制作BI报表
3）高效性：使用FineBI制作简单报表的开发周期大约需要2-3天
由于FineBI简单易用，老百姓大药房数千名管理人员均可根据自身需求，快速建立专属的BI报表进行数据挖掘。从算法专家主导数据分析，到人人都可当数据分析师，实现了数据分析挖掘的“去中心化”。
员工自建的FineBI报表，可通过“分享”功能，把报表分享给指定员工阅读，互相交流学习。如员工自建报表的算法获得算法专家审核验证通过，即可“发布”为公共报表，推广分享给全体员工使用。各业务线员工经验交流碰撞后，更容易迸发数据创新，进一步完善BI数字化体系。
自主制作以及分享BI报表四步曲：
第一步，员工自主画图制作BI报表
（上图：招聘看板）
第二步，把制作好的看板分享给同事
（上图：点击右侧的“分享”按钮分享给指定人员查看）
第三步，指定分享的用户对象
（上图：指定分享对象）
第四步，被分享者可在“分享给我的”目录中查阅报表
（上图：在分享目录中查阅报表）
融合升级的BI平台，在同一个界面中既可看到FineReport报表，也可看到FineBI的报表，无需切换系统，用户体验更佳。两个BI工具融合后，使用同一套权限体系进行数据安全控制，管理员无需两头维护，大大降低了运维管理的工作压力。
(4)价值体现
1. 增加用户参与感，调动用户积极性：BI报表若仅是由程序员开发后让用户被动阅读报表，则BI报表的使用推广一定困难重重；若能让用户参与到数据分析工作中，体验数据分析的乐趣，有助于用户持续使用BI报表工具。
2. 跨部门协作的利益共同体理念：BI报表的开发一般涉及到跨部门的合作。BI项目开发过程中的所有参与部门须相互信任，各尽其责。出现冲突应当由项目负责人出面协调，各部门须服从负责人的调配。
3. 对数据科学性与严谨性的追求：统计学是一门严谨的科学，管理者需摆脱“经验主义”的思维，尝试接纳算法专家提出的专业意见，并与算法专家一同验证算法结果的落地情况。
4. 科学技术是第一生产力：能电脑完成的就别人工去做。定期统计的手工报表，再简单也要做成BI报表。
5. 科技以人为本：BI报表制作不能仅用程序员的思维去想问题，要站在用户的角度上思考问题。不断复盘优化BI报表的表现形式，让读者更直观地理解报表数据，提高用户体验。
6. 量变方可产生质变：数据创新的基础是成年累月的阅读报表经验。鼓励员工每日阅读BI报表，才有可能提升全体员工的数据分析能力。
