近几年，数字经济作为一种高质量发展的经济形态成为关注重点。随着新冠肺炎疫情在国内逐步被控制，企业的数字化转型也必然步入快车道，从而推动整个数字经济的发展。

面对新趋势、新机遇，江苏省企业信息化协会、钛媒体、帆软软件联合举办了「2020帆软第三届“数据生产力”大赛」，从具体的企业数字应用中去寻找经过数字化变革和突发疫情双重洗礼下的经典案例。

经过四周的报名，大赛已经收到了180多家单位的报名，在各家单位提交案例材料的过程中，我们汇总了一些优质案例的细分场景，探究具体的数据应用价值提升之路。

长庆油田第三采油厂：分析与预警，大数据平台实现业务优化

作为长庆油田生产规模最大的采油厂，第三采油厂管理着靖安、姬塬、油房庄、红井子等11个油田，包括油水井10000余口，管理层级分为厂级（工艺所）作业区中心站三级模式。随着企业精细化管理发展需求，该厂管理部门针对油水井生产动态及井筒故障与材料更换等数据分门别类建立了各种各样的业务报表，而且随着业务发展，报表统计越来越精细，统计的数据类别越来越多。各级管理部门除了向上级填报数据外还要自建一套报表用于日常监控与分析。

以采油管理平台为例，通过分析现有的各类报表所需统计的数据字段，将报表进行优化简化，让基层技术人员只上报最核心的业务数据，且仅可能的通过下拉选填，提交入库前进行数据校验，从而提高数据填报效率和准确率。

1、基础档案（静态数据）开发

建立静态数据表，通过导入用于后期数据上报过程中的下拉选项和自动计算的字段。

将油水井作业原因进行分类分级，作业区通过下拉选填，逐级过滤准确定位上修原因。

2、数据填报优化整合

通过优化整合，只需录入基础数据，平台自动生成各种记录，从而取消月报，减少填报工作量，提高数据全准率。其中井筒治理业务部分，将井筒治理各类报表台帐简化为一张“井下作业跟踪表”，用表单方式上报油水井每一次上修原因、井筒描述等基础数据，平台自动生成维护作业记录、单井维护频次、检泵周期等指标和报表。

原来作业区技术人员日常统计各类报表10余张，每日需花费1-2h统计，且每月根据日常统计的报表整理成工艺所所需的《修井月报》20余张，需集中2人统计5-7天。现在每天花费约20分钟把修井队伍出的《修井总结》按要求录入到系统即可，不用在重复出各类报表，大大提高了工作效率，且资料台帐整理不再像过去需要业务熟练的专业技术人员，普通的资料员通过简单的培训即可操作。

3、实现报表台帐一键查询

自动生成油水井维护作业记录，代替原手工月报，各级技术人员和管理人员通过平台实现在线井筒矛盾分析。同时，统一了工艺所、井下作业科、井下作业监督站等厂级业务主管部门报表，对平台的功能给予了高度评价。

通过采油管理平台对数据的高效管理，2017-2019三年，采油厂累计减少修井2035井次，节约维护费用1311万元，减少停井96663h，多产原油6518t，直接效益685万元，累计效益1816万元，扣除科研投入30万元，实现利润1786万元。

钛媒体点评：综合考虑了采油厂复杂的应用场景，以及操作人员数据操作水平的差异，极大提高了效率和准确性，也产生了非常好的经济效益。

东吴证券：数据治理助力数据集市建设

作为全国第18家上市券商，东吴证券股份有限公司拥有全部证券类业务牌照，稳居地级市券商首位。

自2017年，东吴证券开始进行数据管理和数据治理的技术系统建设，基于大数据平台，逐步构建了驾驶舱管理系统、BI决策支持系统、资讯主系统、舆情风控系统、客户标签系统等。

2020年，东吴证券运营中心数字支撑部基于公司大数据平台开始打造公司数据中台，完善公司的大数据平台架构，把数据治理成果落地实施，并在此基础上构建各类数据集市。在过程中，落地了多个应用场景。

我们以风险数据集市场景举例。风险数据集市是以风险为主题，覆盖全面业务、各类风险以及风险计量指标的数据集市，更好地实现对风险计量和分析提供数据支持。风险管理部以风险数据集市建设为基础，业务应用为驱动，业务视角为导向，建立全面风险数据服务层；同时，面向全公司的各业务部门，实现公司风险数据信息的统一管理、汇总分析和展示需要。

同一客户管理要求是证券公司信用风险管理的关注重点之一。风险管理部通过利用风险数据集市，构建了同一客户风险监控搜索展台。同时，FineBI系统作为可视化展示平台，风险数据管理团队通过模糊搜索结合多维筛选方式帮助用户迅速定位目标同一客户及关联关系。在此基础上完成了支持同一客户在公司的资产负债情况查询功能；支持按资产、负情况进行排名统计查询。通过“关键字”及“筛选条件”进行模糊搜索，支持多维数据查询与展示。

在未来增加新的风险指标或进行风险数据分析时，相关风险数据管理人员可以直接从风险数据集市提取所需数据。风险数据集市积累了风险信息数据，为以后更好地实现对风险计量和分析提供数据支持。

钛媒体点评：作为证券行业这样一个起点高而且数据丰富的平台，在目前所提供的案例的基础上，希望看到更好的应用亮点以及相关成效。

老百姓大药房：数据智能化推动健康服务平台的数字化进程

作为拥有直营药房、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，老百姓大药房近几年的企业战略是打造科技驱动的健康服务平台。从2016年起，老百姓大药房就开始启用BI工具，推进健康服务平台的数字化进程。2018年，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。

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。

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。

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、物流拣货人效监控

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。

钛媒体点评：数据应用案例并不复杂，但是非常精准地抓住了典型场景——精准预测的门店自动请货和物流拣货人效，产生很好的杠杆效应。

精彩预告

进入7月，第三届数据生产力大赛组委会也收到了越来越多的企业优质案例，其中折射出每一位信息化管理者在数字化转型中凝聚的智慧。这些案例都会经过组委会以及专业评委的层层筛选，最终获奖单位将在帆软第三届智数大会千人CIO主会场现场进行颁奖。

数字创变2020—帆软智数大会，邀请近千家企业参与，一场主会场和十余场分论坛，议题聚焦“数字化应用转型”，从制造、金融、民生几大行业抽取数十个行业案例做深度分享，CIO亲自操刀案例，分享转型心得。9月17—9月19号，让我们一起期待这场线下的思想碰撞吧。