一、前言
企业数据仓库(Data Warehouse)目前尚没有一个统一的定义，但普遍认为它是企业信息化水平发展到一定阶段后由管理者提出的基于多约束下的一种有效决策工具。这种决策是综合性的、资源平衡的、全局的最优解。一般来说，搭建一套企业数据仓库至少包括四部分内容，从上至下依次为：企业数据仓库系统(软件系统)、企业数据建模设计、数据建模逻辑关系和考核保障机制。企业数据仓库系统以及建模设计在业内有大量的资料可以参考，也有许多软件公司在做相关的推广工作，这两部分内容主要体现软件工具和实施能力水平，即软件供应商的实力。软件工具和实施水平的重要性在企业数据仓库建立中不言而喻，也是当下许多企业数据仓库拥护者不遗余力去宣讲的部分。以至于许多企业管理者认为只要购买了一流的企业数据仓库系统，再配合优秀的数据建模工程师就一定能搭建出一套超一流的企业数据仓库。但是，企业数据仓库同许多管理信息系统一样，其成功的关键在于用户自身，用户自己在系统实施前就必须要有自己清晰的管理思想。用户在系统实施前就要弄清楚，准备从哪些方面进行管理提高与改进，知道如何推进和实施，拟达到什么样的目标，而软件系统仅仅去支撑和优化整体管理逻辑。因此，如果企业数据仓库系统的推动者没有清晰的管理目标，没有严谨的数据分析逻辑和相应的保障机制，那么企业数据仓库注定会成为无水之源、无本之木。
本文将重点帮助企业管理者去挖掘、显性化企业数据仓库建模的逻辑关系，并尝试在机制保障上提出建议供企业管理者参考。有了这个最重要的基础后才可能进一步讨论企业数据仓库软件系统的立项、选型和实施工作。本文将分以下三方面进行阐述：
制造型企业数据的二次利用;
从业务出发建立逻辑分析数据集;.
建立对应考核机制。
二、制造型企业数据的二次利用
理论上说，只要是与企业有关的数据，我们可以统统纳入到“企业数据仓库”，并以此去构建自己的信息资源库。在建立制造型企业数据仓库前我们必须知道制造型企业数据的范围，一般来说包括以下四类：
(一) 产品相关数据：从原材料到生成产成品的全过程数据;
(二) 运营数据：一般称为交易数据，应收应付以及其他财务往来数据;
(三) 价值链上的数据：即进销存数据，包括供应商、采购过程、入库管理、产品销售到客户数据;
(四) 外部数据或对企业有帮助的其他所有数据。
上图基本涵盖了制造型企业产生的所有数据，我们为了得到这些数据，往往会依赖实施上大量的信息管理系统，如PLM/CRM/PRM/ERP/WMS/MES等等。但几乎所有这些信息系统都是为了支撑这些业务的完成，并将这些过程数据记录下来，然后提供这些数据的查询功能和基本报表功能，我们将这些查询和报表的实现称为对企业数据的一次利用。比如查询历史销售订单数据就是对数据的一次利用，但我们如果对这些数据进行分析并与回款、抱怨等信息关联分析，就可以统计出各客户的忠诚度、客户信用，据此可以进一步分类进行客户关怀，争取进一步扩大或减少销售量，规避运营风险，这些就是对数据的二次利用。同样，设备的日常报修记录查询也是一次数据的运用，但根据各设备备件寿命、换件频率建立各设备维保 BOM数据，并实现设备维修提前预测，进而识别和准备关键备件的安全库存，达到提高设备综合运行效率的目的，这就是数据二次利用。因此，我们发现，数据的二次利用往往比一次利用要高明得多，也有价值得多，但许多企业往往只实现了数据的一次利用，究其原因，是因为要做到数据的二次利用得满足如下条件：
数据全面，按企业实际业务情况，总量覆盖至少一年以上，当然数据量越大越好;
数据质量要求高，即数据一定要比较准确，这也是许多企业建企业数据仓库时需要“数据清洗”的原因，即提供二次利用的数据一定要保证质量高;
各数据之间物理关联度高;
需要较完善的绩效考核机制与之配套;
建立符合需要的企业数据仓库系统。
对比互联网大数据，制造型企业的数据量不一定太多，但要求比较全面、准确。互联网大数据二次利用基本靠统计方法就可以得出需要的结论，但是它要求海量的样本数据，不要求数据之间的逻辑关系。比如沃尔玛公司通过大数据发现，买纸尿裤的人很多都同时买了啤酒，于是让工作人员将纸尿裤和啤酒放一起，果然让二者的销售量都得到了提升，这就是大数据直接给出的结果和答案，我们不必分析他们的逻辑关系。而企业数据的二次利用无法简单的通过统计手段得到我们想要的答案，往往需要具有一定逻辑的流水线式数据流分析手段。强调跨学科技术的融合，包括数学、物理、机器学习、控制、人工智能等。
三、从业务出发建立逻辑分析数据集
在企业数据仓库建立过程中业界提出了许多概念：主题、数据集市、数据建模、数据仓库等等，在这里我们统统称为建立逻辑分析数据集。实际上，逻辑分析数据集的建立工作软件供应商只能为辅，用户自己一定要为主，供应商可以提供一些方法和策略，但绝不能越俎代庖。也就是说，如果客户自己没有清晰的方案如何去分析和管理这些数据，那么企业数据仓库注定无法建好，系统实施也只能是“交学费”。在此，我们将尝试帮助用户如何去从业务出发建立自己需要的逻辑分析数据集。
对制造型企业来说，核心业务主要包括销售管理、生产计划与执行、采购计划与执行、应收应付、现金流、产品检验等逻辑分析数据集。而这些数据集的确定需要从领导出发，包括公司领导、中层领导，甚至班组长。数据集可大可小，这依赖于我们的管理目标，也就是说数据集的确立一定是为了解决管理中的问题。比如公司级领导关心的问题往往是偏大一些的逻辑分析数据集，如应收款、合同执行率、客户满意度。各中层领导关心的可能是小一些的数据集，如周计划执行率、原材料缺料情况等等，各小数据集可能是大数据集的子集。下面我们通过一个具体的例子来说明逻辑数据集如何建立。
提出目标：降低原材料库存积压金额。
分析路径：先确定合理的库存金额。可以先确定公司主要产品，如可以定义占80%以上产值产品的全年产量，月峰值产量，进而根据材料成本占比确定每月消耗材料费用，然后考虑一个月安全库存(假定采购周期为 1个月)，基本就能得到库存资金占用理想值，也就是目标值。然后再确定哪些指标需要监控，并提供预警以避免超过目标值，从逻辑上我们可以推导出采购计划或采购订单、库存状态、销售计划或销售订单，这三个值就能计算出消耗、现存和预计入库，即监控库存的进、销、存就可以确定库存金额。
因此，逻辑数据集就包括如下要素：公司产品集、产品产量占比、产品产量的年、季、月等数据、产品成本构成、库存台账、库存流水、采购计划与执行、销售计划与执行、客户数据、供应商数据、产品生产提前期、各主要原材料采购周期等。当然，有些数据集可能我们根本就没有数据源提供，那么我们在建立企业数据仓库时就可想清楚是否有可替代的方案，比如手工录入。如果一些关键数据源根本没法准确及时更新，那么建议不要盲目实施企业数据仓库，否则建立好的数据仓库也只是做做样子，最多只能是用假数据装点门面供参观，完全无法指导决策。
因此，在决策构建企业数据仓库前，企业决策者一定要清晰的明白自己要提升的管理目标以及对应的逻辑数据集，如果整条分析路径无法顺利贯通，那么就不满足必要条件，即不满足数据源的要求，没有数据源，企业数据仓库也就成了空中楼阁。
四、建立对应考核机制
前面提到过构建企业数据仓库的四要素：企业数据仓库系统(软件系统)、企业数据建模设计、数据建模逻辑关系和保障机制。经过前面的分析，我们已经意识到数据建模逻辑关系，即确定逻辑分析数据集的重要性，因为它一方面是确认企业自身是否有可分析的数据源，另一方面这些数据源是否能串联成相关的逻辑链。如果我们找到了优秀的产品和卓越的实施商，而且逻辑分析数据集也分析得很清晰且可行，那么企业成功构建数据仓库的机率依然只有50%，还有50%的成功率依赖于建立合理的考核机制。为什么建立合理的考核机制会占如此高的比重?那是因为所有的管理改进都依赖人，人的主观因素非常重要，在面对一项管理改进时人的态度积极与否将会直接影响其最终成败，而合理的考核机制会将消极派向积极派转变，反对派向赞成派转变。我们还以实现降低库存积压这一管理目标为例进行说明推进这一变革的风险与阻力。
风险与阻力：首先是采购部门。采购部门的采购计划必须准确，不能少下达计划，也不能多下达计划，还要求供应商按时到货，采购到的材料还必须是合格的货品。因此，对于采购部门来说，他的工作压力明显会大于以往，采购部门肯定会是推进的阻力。其次是销售部门。销售部门至少要保证三个月以上销售计划是准确的(假设产品生产周期是2个月)，当然还有一种可能，整个销售是按库存生产，或称为按预测生产，这样只要销售部门预计准确，市场把控能力强，基本能使得产品销售做到平滑，一定要避免紧急插单或撤单。这同样给销售部门提出了挑战。按照这个逻辑和企业实际业务，我们还能分析出质检部门的风险以及库管部门的风险与阻力。可以说，企业数据仓库实施的成败主要在于这些风险的识别与控制，只有在事前将阻力转化为动力才能实现项目的成功上线，达到帮助决策的目的。
考核机制的建立：我们提考核机制往往会想到惩罚，较少会想到奖励。其实考核机制的核心是奖优罚劣。还以降低库存积压为例，如果库存积压已经降到了目标值，企业每年的收益会提升多少?这个很容易计算，包括仓储费、管理费、提前付给供应商款的财务费用等。还有一个比较简单的计算方法：缩减的库存积压资金按银行活期存储利息所得为收益。我们将这个收益的50%定义为企业所得，另外50%奖励给上述可能会阻挠管理改进的部门。按照这个策略去构建我们整个考核机制的奖惩原则，做得好就奖，做得不好就罚，但总的来看，相关部门一定会多得到比管理改进前50%的管理改进收益。也只有这样才真正揪出企业中滥竽充数南郭先生，才能真正实现奖优罚劣，形成人人争先的良性循环。
随着人工智能、智能制造和工业大数据技术的快速发展以及信息化与工业化的深度融合，企业数据仓库也越来越多地应用在了制造型企业中，我们也欣喜地看到了数据仓库技术对制造型企业管理提升所做出的巨大贡献。但是，我们不能只看到数据仓库在不同企业中成功应用的表象，而更应该深刻剖析数据仓库在不同制造型企业成功应用的共同点;深刻认识到不同企业的管理特点、管理目标和各自面临的不同问题。只有这样，才能让数据仓库技术真正帮助制造型企业提升管理水平。
企业数据仓库帮助制造型企业提升管理水平相关期刊推荐：《中国信息化》杂志由新闻出版总署正式批准、中华人民共和国工业和信息化部主管主办的一本国家批准创刊的唯一一份以关注工业化与信息化融合，推进信息化进程为使命的国家级信息化媒体国公开刊物。主要面向和服务于政府信息化推进部门的决策层，重点领域应用机构的领导层，企业的CIO及管理层，信息化实施部门的主导层，以及关注信息化的专家、学者等。
转载请注明来自：http://www.lunwencheng.com/lunwen/jgu/16143.html
