`

BI在企业经营管理中的应用分析探讨

 
阅读更多

I的概念

    BI是由数据仓库(或数据集市)、查询报表、数据分析、数据挖掘等部分组成的、以帮助企业决策为目的技术及其应用,它从企业的应用系统或其它数据源抽取数据,经历一系列转化存储到数据仓库中,最终通过OLAP工具,以报表形式展现给最终用户,用户可以从不同维度对同一个指标进行分析从而得到不同的分析结果;有助于全方位的了解企业的营运情况,为决策提供数据的依据;

BI在企业经营管理中可以应用到的领域

一、财经领域( 经营&预算)

    在企业经营管理中,管理者经常需要对企业的财务报表进行分析,从而了解企业的运营情况是否正常,一般会用到的报表涉及到资产负债表、利润表和现金流量表,资产负债表体现了企业会计期内资产的分布状况,利润表体现了企业会计期内的营收情况,现金流量表体现了企业会计期内现金流入和现金流出状态;

    企业管理者可以从这些数据中获取到包括毛利率、总资产收益率、净资产收益率等指标在内的盈利能力和发展趋势方面的信息,如流动比率,速动比率、资产负债率等指标在内的短期偿债能力和长期偿债能力,这样就对企业的运营情况有了一个框架性的了解。但是传统的这些报表仅仅体现在公司层次上,决策者只能从中看到一个轮廓,无法从中获取更为明细的数据、比如整体营收中哪些产品的贡献更大些,在影响利润的这么多因素中具体是社么因素,成本还是费用,成本的话又是什么产品导致的等等,因而对经营中所暴露出的问题无法进行更进一步的分析。也就是说可以从现有数据中发现问题,但是问题是源于什么原因引起的则不得而知,因为现有的数据无法支撑更细的分析,企业的精细化管理就无法落到实处。

    通过建立多维分析模型,我们可以对这些传统意义上的报表进行细化,赋予其对应的一些维度,涉及到区域、产品、客户等,这些赋值需要按照一定的业务规则在数据处理时应用;对资产负债表进行分析,以便全方位地考核企业的资产情况,我们可以按照时间维度来展现各类资产、负债在一定时期内的变化趋势;例如存货、应收账款、应付账款、短期负债等。可以按照公司维度、区域等维度在集团层次拉通来审视数据,用于分析各公司、区域的资产状况变化,公司的资产保值和增值情况、资产的质量是否可以偿还负债以规避风险等。我们知道一个企业在经营中亏损并不是最紧迫的问题,净现金流的断裂导致营运资产的不足才是企业要时时刻刻防范的问题;在流动资产中存货与应收账款要占据很大一部分,并且这两部分资产随着时间的延长会有风险、存货呆滞品会有减值损失,应收账款则有坏账损失。在传统的财务报表上,这两部分都是以余额的形式存在的,而通过多维分析,我们就可以挖掘出存货中是哪一些存货的积压过久而且金额较大形成了呆滞品,应收账款中哪些客户的欠款账龄过久形成了坏账等,这就为企业在管理如何提高存货及应收账款的周转率提供了数据依据,使企业管理者在进行决策时目的明确,缩短决策周期,最终为缩短营运周期,在保证毛利率的基础上实现最大收益。

    结合损益表来分析各维度下的收入、成本、利润等指标,我们可以分析每个产品、区域及重点客户的销售额、毛利润率、净利润率等,从而对企业的营收有一个全面的认识,为以后的资源配置及倾斜提供了数据支撑;同时我们可以看到每个产品的成本构成情况、每个区域的费用率、为以后的成本费用控制提供客观依据。在时间的维度上看每个产品的销售额变化趋势,可以很明晰的展现出它存在于其产品生命周期的什么阶段,并结合利润率考虑之后的销售政策;在区域维度上看销售收入的分布,结合产品维度可以更清晰的看出每个区域下的畅销产品;可以将每个区域收入的变化幅度与所在区域的应收账款变化幅度拉通来看,二者的变化是否成比例,不成比例需要分析问题的所在。

    结合现金流量表,我们看以看到哪个产品、哪个区域为企业创造足够多的净现金流、哪些活动耗费了企业足够的现金等,然后对这些活动进行分析,区分出必须发生和不必要发生的进行控制;看到企业的净利润时也要参考现金流量表中的净现金流,看看它的利润是否含有水分等;同样我们可以按照各个维度需要将资产负债表、利润表和现金流量表中所反映的实际情况和预算进行对比,反映企业完成预算的情况,表明企业执行预算的能力和水平,对差异进行分析,哪些产品、区域的销售额与预算中的差距较大,哪些部门的费用与预算的差异较大等,这些都可以从详细的数据中找到问题答案继而进行整改。

    综上所述,多维分析模型能够帮助企业获取更直观、更明细的经营数据,通过在不同角度分析和利用企业财务状况、经营成果和现金流方面的信息、可以全面、系统地了解企业生产经营活动情况、财务状况和经营成果,并在此基础上预测和分析未来发展前景。同时,可以通过发现过去经营活动中存在的问题,找出存在的差距及原因,并提出改进措施,并通过预算的分解和落实,改善经营绩效,最终创造更高的营收。

二、供应链领域

     很多企业为了提升客户满意度,扩大收益,都会在企业内部推行ISO9001质量管理体系,通过在产品和服务的实现过程中设立关键量化指标,并预设期望值;然后在后续的时间内不断地进行统计指标的实际值并与期望值进行对比分析,找到差异并分析原因,提出整改解决方案,最后检查整改解决方案的实施情况,再重新进行指标的优化,以此类推形成一个循环(PDCA),不断地提升企业的内部管理水平,提升企业产品和服务的交付质量,最终提升客户的满意度。

    产品和服务的实现过程会涉及到原材料的采购、供应商的管理、订单的交付等环节;在原材料的采购环节中我们可以从物料维度、时间维度来分析一段时间内某种物料占总体采购的比重,对那些比重较大的物料分析是否可以进行集中采购以降低采购成本。在物料的交付过程中,我们可以根据供应商维度对采购订单交付及时率、质量合格率、价格适合率等指标来对供应商进行考核,从中选择重点供应商;结合营收较大的那些产品,可以考虑根据BOM是否进行原材料的批量采购、常备库存以降低采购费用;按照时间维度去展示存量较大的材料,可以从中识别出哪些是呆滞品等。

    通过从不同角度对供应链的一些关键环节进行统计分析,可以对企业内部精细化管理提供数据依据,从而转变为企业的财务数据,最终体现在收益上的提高。

三、客户关系管理领域

    在损益表中我们可以按照客户维度展示每个客户所创造的应收、所购买的产品,在资产负债表中可以按照客户维度展示每个客户的应收账款等信息;因而企业可以从中区分出哪些客户是属于我们的重点客户、而它们重点采购的产品又是什么,这样我们就可以对这些客户进行重点关怀,对这些客户提供贴身的服务,提升客户的满意度,从而延长客户的生命周期,企业的相对回报就越来越高,从而提升企业的盈利。对于那些营收较小但毛利较高、应收款较少的客户,同样应该调查客户的信息重点培养;同样那些毛利较低、付款不及时的客户可以考虑是否中止合作或是现金交易等。通过客户与区域维度可以进行交叉分析,归纳出销售额较高的区域与客户是否有融合,可以进一步分析它们所具有的特性以分析是否在其他区域可以以类似的产品组合、销售政策去开拓市场。

    BI系统在建设过程中面临的一些问题

综上所述,多维分析模型在企业的应用前景广阔,作为一个辅助管理者进行决策的工具,它所带来的收益是显而易见的,尤其是应用在集团制多子公司、产品涉及到多个领域、销售市场覆盖多个区域以及急需提升自身管理精细化的企业,BI系统的建设以及合理的应用将会为它们的发展带来新的机遇!

但在建设的过程中,将面临着诸多需要解决的矛盾,这需要企业在进行投资决策时先期予以解决:

第一、IT资产投资收益的量化

     我们知道,在企业当中的任何投资都是作为一种资产从而将来要为企业创造收益的。同样,对于BI系统的建设,预期的投资回报为BI系统投资提供成本合理性理由和动力,而且由于BI系统建设的复杂性,它的建设周期是很漫长的,是一个不断迭代、不断完善的过程。短期内收到的成效肯定不能与初期巨大的投资成比例,因此这就需要我们的企业客户在建设初期即要明白BI的核心思想以及它逐步发挥效益以提升理性决策是一个循序渐进的过程,不是一蹴而就的。发现问题,找到正确的答案,合理的解释客户在每个阶段的期望值与实际展现的效益之间的差异,并在后续提供合理的解决方案是打消客户在这个不断迭代过程中心理徘徊的主要方法。

    同时,对于BI系统在企业经营管理所带来效益的量化,我们要通过在一些关键业务点上设立的指标进行统计分析,为企业在降低库存量,减少物料成本、人工成本和间接成本,以及改善客户服务和增加销售等方面提供数据的支撑,以证明BI系统建设的必要性;

第二、业务人员对数据的需求与IT人员对业务的理解

    BI系统是一个决策支持系统,它的最终使用用户是企业的决策层、管理层,他们需要借助于BI系统提供的数据并结合其他的信息来进行决策;业务人员需要借助指标来进行分析经营是否正常,但是数据的提供却是由IT人员进行处理并提供给前端用户的,这样如何将用户对业务的分析需求转化为IT人员的开发方案就成了当务之急;否则当双方信息不对称时,面临的后果将是系统提供的数据不能满足用户的实际应用,大大降低了系统的可用性、最重要的是长期这样会使用户失去信心。

    因此在系统的建设中,应该存在这样一个角色充当最终用户与IT之间的桥梁,他们既了解业务规则,也了解IT的开发逻辑,这个桥梁为数据的使用者和提供者提供了一个统一的规则,保证了端到端信息的统一。

第三、业务需求的不断变化与数据获取的日趋复杂

    BI的架构一般都是从企业的应用系统抽取需要的数据,历经一系列复杂规则的逻辑处理(ETL过程),最终提供给用户使用。而这些数据的获取是以业务人员的需求牵引的,也就是说BI系统是围绕企业业务需求进行建设的。因此当企业处于一个竞争日趋激烈,客户需求日益多样化、个性化的时代,那么企业的经营管理就不能再是一成不变的,需要时刻把握市场的需求并结合自身的情况进行转型。这样企业的决策管理者就需要对企业自身情况有一个客观、实际详实的了解,他们会随着期望值的高低会对数据有着不同的需求,随时变化。而数据的获取过程却是一如既往的复杂,这就是BI系统建设面临的又一个问题。

    在DW的架构过程中,一直都有自上而下和自下而上两种方式,不同的方式适合不同的场景;基于上述的问题,个人倾向于自上而下的架构,建立企业级DW, 虽然在初期投入成本较大,但一次性到位可将企业的所有应用数据都详实地存储在数据库中,后续的业务需求再变,但对于数据仓库的架构影响不大,都是数据逻辑的处理,总体的拥有成本可控。当然建立企业级数据仓库所对应的就是海量的数据存储与处理,对性能的影响比较紧迫,这就需要业务人员提供合理的数据处理逻辑,IT人员提供技术上的支持,达到一个用户可以接受的层次。

第四、日益增加的海量数据与前台展现的快速响应

    随着前端需求的越来越精细化,数据仓库中数据的粒度也就越来越小,直接结果就是数据仓库中存储的数据量将会是一个急剧的扩张,有些关键的事实表中数据每个月都以几十G、几百G的速度增长;而BI系统展现平台都是从这些表中直接获取数据,在获取的过程中不但要和维表进行关联以获取维度信息支撑前台的报告,有时还需要在中途设置公式计算一些度量值。当数据量足够大时,前台报表的刷新将会是一个非常耗时的过程,而报表是整个BI系统直接与用户交流的载体,当报表不能及时的快速响应用户的需求,那么整个系统将付之东流,因为它唯一的价值就是为业务提供分析所需的数据。

分享到:
评论

相关推荐

Global site tag (gtag.js) - Google Analytics