帆軟FineBI合作老百姓大藥房：u 數據挖掘社交化
(1)客戶介紹
近幾年，互聯網醫療的興起給線下醫藥零售行業帶來更多機遇的同時，也帶來了巨大的挑戰。從近幾年逐步提升的藥店連鎖率可以看到，過往小規模零售藥店遍地開花的粗放式的野蠻增長時代已經一去不復返，取而代之的精耕細作的標準化規模化時代。
從2001年開創平價藥房先河至今已經19個年頭，老百姓大藥房已發展成為擁有直營藥房、并購藥房、加盟、聯盟、中藥廠、國醫館等多個業態并存的綜合型集團。老百姓業務范圍覆蓋22省份，全國共5000+門店，經營30000+ 個SKU商品，每年服務超1.2億人次，會員總數超4100萬人。
(2)項目背景
面對如此復雜且龐大的數據量，僅憑人工統計報表的傳統方式，難以應對未來規模日益壯大的發展趨勢。因此，在2016年末，老百姓大藥房便開始了與帆軟BI工具的結緣。
(3)解決方案
科技驅動、數據賦能
老百姓大藥房的企業戰略是打造科技驅動的健康服務平臺。從2016年至今，老百姓的數字化建設歷經了以下三個階段：
1. 報表自動化階段
各個企業數字化建設初期的經歷都是極其相似的。在數字化的初期，老百姓大藥房內部共有20多套獨立的系統，包含SAP、ERP、OA、CRM等。各個系統的數據庫處于互不干涉的隔離狀態，數據調取十分困難。有時候統計一個數據需要從多個不同系統，由專業的IT技術人員導出數據后，再交由業務人員進行后期的EXCEL加工統計。這樣的工作不僅效率低下，而且人工參與環節較多，極其容易出現統計錯誤的情況。
老百姓大藥房2017年建設了自主研發的大數據平臺。通過整整一年的努力，把老百姓內部各系統的數據統一歸集到大數據平臺，徹底解決數據孤島的問題。
同時，在這一年中，把各業務線每天統計的日報、周報、月報等周期性報表全部轉換為每天自動更新的BI報表。這個階段的BI報表主要是以業務人員的經驗邏輯主導。
（上圖：業績統計報表）
實現了報表自動化后，已推廣至全國各地20多個子公司使用，各子公司無需額外配備專職的數據統計人員。目前老百姓BI平臺總共有超過200多個BI報表模塊（每個報表模塊下平均有5-10個子報表）每天自動更新運算，減少了全國數百名數據統計人員的崗位編制。如果每個數據統計人員的月薪按3000元/月計算，報表自動化可以為老百姓大藥房每年至少節省上百萬元的人工費用。
2. 智能決策輔助階段
2018年開始，老百姓大藥房的BI數字化建設開始進入智能決策輔助階段。
第一階段的BI報表更多是基于業務的已有知識進行統計分析。然而，業務人員大多沒有受過專業的數據分析和數據挖掘的訓練，統計分析得出的結果未必是科學的結論。在具備大數據平臺匯集海量數據的基礎后，老百姓大藥房隨即展開各種科學數學模型的研發，以解決數據科學性不足的問題。
在第二階段，老百姓大藥房的數據分析是由算法專家主導的數學模型與BI展示結合，以下兩個案例可看到具體的實施情況以及成果
2.1 基于精準預測的門店自動請貨
備貨過多，容易造成庫存積壓；備貨過少，容易造成庫存短缺。如何合理地請貨備貨，是所有零售行業都會遭遇的大難題。合理備貨的前提是對商品銷售的精準預測。老百姓大藥房的銷售預測模型對每天銷售預測的準確率可達98%以上。結合門店銷售預測以及門店庫存，系統自動計算各門店每天需要請貨的品種及請貨的數量后，在BI報表中顯示每日請貨的清單報表。
（上圖：門店每日請貨品種及請貨數量）
有了算法模型和BI報表的幫助，門店店員不需要具備數學建模的能力，也不需要每天導出數據手工統計，只需要每天在數據更新后，按照BI報表上指示的請貨品種和請貨數量，直接請貨下單即可。
自從實施了算法模型+BI報表的決策輔助后，門店總體的請貨條目數下降了10%，從而減少了大量不必要的商品備貨；雖請貨條目數有所下降，但門店的請貨滿足率并沒受到影響，反而請貨滿足率較未實施前提升了17%，保證了門店庫存充足。
2.2 物流揀貨人效監控
（上圖：物流倉庫揀貨員各時段工作效率監控）
老百姓大藥房物流總部共有170多名物流員工，每日揀貨訂單量達5-7萬。為確保商品及時從倉庫送達各門店，需要對現場揀貨作業的人員的工作效率進行實時監控，發現效率欠佳的員工會盡早進行干預。
如上圖所示，BI報表中兩條灰色曲線代表員工每個時段工作量的正常范圍，黃線代表該員工當天實際的工作量。若黃線在上下兩灰線之間運行，則代表員工工作狀態正常；若黃線持續低于灰色下線，則代表該員工當天工作效率低于正常水平，管理人員需到現場進行干預；若黃線持續高于灰色上線，則代表該員工當天工作效率高于正常水平，管理人員可于休息期間對員工進行訪談，探索總結提升效率的方法。
3. 數據挖掘社交化階段
2019年下半年開始，老百姓大藥房開始探索FineReport與FineBI兩個工具的集成融合。2020年3月老百姓對FineReport10.0 與FineBI 5.1版本融合升級，標志著老百姓大藥房進入BI數字化第三階段——數據挖掘社交化階段。
FineBI是帆軟另外一個BI產品，主要應用于員工自主制作簡易BI報表，并進行數據挖掘分析。FineBI有以下幾大特點：
1）實時性：FineBI與FineReport一樣可直連數據庫，每日自動同步更新數據，無需導出數據手動更新。
2）簡易性：使用FineBI制作報表更為簡單，掌握Excel的公式函數以及數據透視等基礎技能的普通業務人員都能自主制作BI報表
3）高效性：使用FineBI制作簡單報表的開發周期大約需要2-3天
由于FineBI簡單易用，老百姓大藥房數千名管理人員均可根據自身需求，快速建立專屬的BI報表進行數據挖掘。從算法專家主導數據分析，到人人都可當數據分析師，實現了數據分析挖掘的“去中心化”。
員工自建的FineBI報表，可通過“分享”功能，把報表分享給指定員工閱讀，互相交流學習。如員工自建報表的算法獲得算法專家審核驗證通過，即可“發布”為公共報表，推廣分享給全體員工使用。各業務線員工經驗交流碰撞后，更容易迸發數據創新，進一步完善BI數字化體系。
自主制作以及分享BI報表四步曲：
第一步，員工自主畫圖制作BI報表
（上圖：招聘看板）
第二步，把制作好的看板分享給同事
（上圖：點擊右側的“分享”按鈕分享給指定人員查看）
第三步，指定分享的用戶對象
（上圖：指定分享對象）
第四步，被分享者可在“分享給我的”目錄中查閱報表
（上圖：在分享目錄中查閱報表）
融合升級的BI平臺，在同一個界面中既可看到FineReport報表，也可看到FineBI的報表，無需切換系統，用戶體驗更佳。兩個BI工具融合后，使用同一套權限體系進行數據安全控制，管理員無需兩頭維護，大大降低了運維管理的工作壓力。
(4)價值體現
1. 增加用戶參與感，調動用戶積極性：BI報表若僅是由程序員開發后讓用戶被動閱讀報表，則BI報表的使用推廣一定困難重重；若能讓用戶參與到數據分析工作中，體驗數據分析的樂趣，有助于用戶持續使用BI報表工具。
2. 跨部門協作的利益共同體理念：BI報表的開發一般涉及到跨部門的合作。BI項目開發過程中的所有參與部門須相互信任，各盡其責。出現沖突應當由項目負責人出面協調，各部門須服從負責人的調配。
3. 對數據科學性與嚴謹性的追求：統計學是一門嚴謹的科學，管理者需擺脫“經驗主義”的思維，嘗試接納算法專家提出的專業意見，并與算法專家一同驗證算法結果的落地情況。
4. 科學技術是第一生產力：能電腦完成的就別人工去做。定期統計的手工報表，再簡單也要做成BI報表。
5. 科技以人為本：BI報表制作不能僅用程序員的思維去想問題，要站在用戶的角度上思考問題。不斷復盤優化BI報表的表現形式，讓讀者更直觀地理解報表數據，提高用戶體驗。
6. 量變方可產生質變：數據創新的基礎是成年累月的閱讀報表經驗。鼓勵員工每日閱讀BI報表，才有可能提升全體員工的數據分析能力。
