ITBear旗下自媒体矩阵:

华为云携手帆软 让数据成为企业生产力

   时间:2019-02-25 11:55:17 来源:互联网编辑:星辉 发表评论无障碍通道

近年来,大数据及BI(商业智能系统)日益普及,客户对数据可视化方面的诉求不断提升。2018年,华为在众多BI公司中选择与达孜帆软软件有限公司(以下简称“帆软”)进行深度合作。近期,帆软入驻华为云严选商城,发布了FineReport、FineBI产品,为企业用户提供全方位可落地的大数据分析能力,助力企业快速便捷解决数据孤岛、经营决策分析问题。

帆软是中国专业的大数据BI和分析平台提供商,专注商业智能和数据分析领域,先后获得包括Gartner、IDC、CCID在内的众多专业咨询机构的认可。其提供高效易用、简捷智能的大数据分析工具,帮助用户快速分析、可视化呈现信息。

帆软是如何做到“让数据成为生产力”的呢?让我们通过使用情景一探究竟。

情景一:FineReport助力实现精益生产,一张报表节约几十万能耗

A公司是提供生物酶制剂产品的高新技术企业,产品远销东欧、拉美、东南亚等多个国家和地区。

由于公司业务庞大、管理体系繁杂,系统历史数据多、杂、散,造成生产活动中的浪费现象。如生产过度导致库存积压、上游来货不及时造成库存不足等。

公司选择使用FineReport解决上述问题,试图通过精益管理的方式管理生产经营中的每个环节要素,为顾客提供满意的产品与服务的同时,把浪费降到最低程度。该产品是帆软自主研发的企业级 web报表软件,仅需简单拖拽便可以设计出复杂的中国式报表、参数查询报表、填报表、驾驶舱等,轻松搭建数据决策分析系统。

帆软提出了如下的设计思路:将数据仓库作为整体数据互联的核心,降低各系统之间的数据接口数量,降低数据对接标准化风险。基本实现基础数据(人机料法环)的标准化统一,并带动业务过程的动态数据的规范化的记录、分发、使用、提取、分析。

利用帆软FineReport强大的填报功能和相对简单的表单定制功能,A公司定制开发出了符合业务所需的相关业务数据系统,包括:生产任务单自动下发/反馈功能、全面质量数据管理功能、定制配方管理功能、设备资产管理功能、物流信息管理功能,可实现生产主线业务的全线贯通,数据不落地的数据使用场景。

FineReport能够对历史数据进行深度清洗和整理,并通过一定的数据展现方式,为决策层的管理带来极大的便利。图形化展现的数字表格记录给生产基地高层提供了周详的决策支撑,不到一个月,帮助公司实现能耗费用降低3万元,预计整个项目将节省能耗费用几十万元。此外,公司的人员能够深入参与到生产的每一个环节,对业务理解达到一定的深度,甚至为业务提供一种全新的操作模式,提升了业务工作效率。

通过FineReport,公司真正实现了精益生产,让数据价值落实到生产的每个环节。

情景二:一杯茶的功夫,明年业绩就测算好了

最近,小王的工作突然轻松了许多,以前每遇到预测销售额等任务,他需要去看各种报表,综合考量各种信息,进行各种统计计算……再拍脑袋定数字。

自从使用FineBI后,运用智能时序预测功能,几分钟就能轻松搞定预测,而且比自己的预测更加科学精准。

FineBI是一款自助探索式 BI 工具,能够让数据结合企业运营的核心指标,以可视化的方式展现出来。通过响应型分析——诊断型分析——战略型分析——预测型分析,让数据真正对企业的运营决策参考。

数据挖掘关键在“准”,结果越准对实际业务的指导价值越大。从大量实践测试的数据来看,这套模型预测的准确率优于R语言自带的autoarima函数与国际专业的数据挖掘工具。

下面我们从三个真实业务场景(超市生鲜销量和销售额预测、商场销售额预测、药品销量预测)感受一下FineBI的预测准确率。

数据说明:

1、国内BI工具只预测了部分产品,因为预测多产品十分复杂,表格中数据是预测的部分平均误差;

2、国际数据挖掘工具有的产品误差特别大导致平均误差特别大,是由于算法单一不能适配所有产品销量序列。

表格中的误差率是在原始数据未经过任何处理的基础之上预测得来的,但是FineBI的平均准确率最低也能保持在70%左右,如果进行数据处理,删除掉不适用时间序列分析的产品数据,FineBI的平均准确率能达到80%以上。

FineBI时序预测的“智能”之处在于算法“黑盒”化,能够自动化解决中间复杂的步骤、难以保障的问题。用户不需要任何算法知识,只要了解时间序列、预测列、分组列就能使用该功能,一个小时之内习得使用智能预测的知识,让所有人都能够进行数据挖掘。

访问华为云严选商城,了解达孜帆软产品。

举报 0 收藏 0 打赏 0评论 0
 
 
更多>同类资讯
全站最新
热门内容
网站首页  |  关于我们  |  联系方式  |  版权声明  |  RSS订阅  |  开放转载  |  滚动资讯  |  争议稿件处理  |  English Version