中国节能：数据仓库让企业掌握“制数权”助力企业标准化落地

本篇文章2639字，读完约7分钟

【引言】在大数据时代，如何有效地管理和分析大数据分析技术所掌握的信息，发现其价值，已经成为现代企业最为关注的话题。自2015年以来，中国节能与创新在集团层面统一实施了数据仓库系统。从基层企业管理的角度出发，从指标排序、平台建设、系统推广等方面，遵循标准化工作中沉淀的创新方法，为各职能部门和子公司提供了数据分析平台，为中国节能实现企业上网、拥抱互联网+奠定了坚实的信息基础。

中国节能环保总公司(以下简称“中国节能”)作为中国唯一以节能减排和环境保护为主营业务的中央企业，形成了以节能、环保、清洁能源和资源循环利用为主营业务，以综合节能环保服务为有力支撑的4+1产业格局。它是中国节能环保领域最大的科技服务型产业集团。

目前，中国节能正加速向工业企业转型，其管理模式和深度也在不断变化。然而，由于节能环保的特点，涉及领域广泛，业务和管理的多样性和差异性，如何清晰地了解需求，解决数据采集、统计和分析过程中的困难，已经成为中国节能面临的一大难题。

为了解决数据收集、统计和分析的困难，中国节能决定在2015年与Inspur联手建立数据仓库系统。根据我国的节能形势，Inspur数据仓库系统为其搭建了一个平台和两个系统。一个平台是保证系统运行的信息化软硬件系统，两个系统分别是指标管理系统和系统管理系统。通过一个平台、两个系统，可以为中国节能功能线和业务线的数据处理提供持续支持，实现全级覆盖、快速在线上报、底层数据汇总的目的，满足相关业务部门对数据分析和显示的需求。同时，对我国节能指标体系进行梳理和规范，使之成为一个能够指导我国各级节能企业梳理指标和管理体系的标准化结果。

通过数据仓库系统，中国节能拥有的五大业务板块和70多个业务类型的数据实现了完整性、准确性和一致性，实现了海量数据的集中和共享，从而提高了中国节能管理决策的效率和水平，增强了其核心竞争力。

指标蓝图:满足不同企业不同业务的管理需求

目前，中国节能有521家子公司，包括28家全资及控股二级子公司和6家上市公司，主要业务分布在国内各省市和40多个海外国家和地区。由于企业的层次和业务性质不同，对指标所要求的数据粒度有不同的要求，给集团信息的收集、统计和分析带来很大困难，降低了集团管控力度和管理效率。

为了彻底改变目前数据管理的现状，Inspur的项目团队结合中国的节能标准化活动，以管理视角分析为基础，以业务需求为驱动，细分了企业业务成套数据的数据源，确定了数据统计分析所需的维度和指标，并确定了相关的维度级别和粒度。以一流行业为基准，从基层企业的角度出发，有必要明确每个管理事项和生产流程中应该管理哪些指标，并逐一定义指标的定义、范围、单位、格式、频次等内容，从而形成行业指标管理的蓝图。

同时，根据不同企业的实际情况，确定了现阶段每个企业需要和能够管理的指标，建立了基于理想状态的指标蓝图和基于现实状态的指标视图。对于处于不同发展阶段的企业或从事同一业务的企业，只需根据企业的现状动态调整指标视图，而不是根据不同的管理需求不断重复梳理同一业务的指标。这样，各单位可以根据自己当前的管理粒度减去整套指标，形成自己的指标视图，从而达到统一共性、突出个性的功能。

数据集市:整合和集中以提高数据利用的价值

此前，中国的节能工作集中在会计、人力资源等系统的实施上，各个业务部门也有各种应用系统。数据和信息以烟囱方式分布，这需要跨系统的有效集成。同时，大量的企业许可证和绩效文件中包含了许多有价值的数据和信息。随着公司的快速发展及其业务的复杂性，海量数据的收集、保存、维护、共享和研究面临越来越多的挑战。

数据仓库中的数据抽取平台统一清理、转换和处理各个业务系统的数据，打开各个业务部门和职能部门的信息孤岛，横向和纵向连接，形成各个业务的数据集市。同时，其他业务系统中的非结构化数据被集成和存储，其中包含的数据被结构化以提高数据利用价值。通过数据仓库中的数据填报平台，总部可以制定统一的报表，各下属单位可以通过浏览器、客户端或离线填报进行个性化填报。统一的平台填充减少了发布和提交报告等中间流程的传输时间，大大缩短了报告周期。同时，可以实现集团内各类报表的统一汇总和合并，高效实现内部管理和外部监管的数据报送。

模型分析:统一的指标满足100多种业务类型的数据分析

中国节能有五个业务板块和100多种业务类型。同一指标在不同情景下会有不同的统计分析维度。例如，电网装机容量指标可以按规划、道路带、在建工程和并网等维度进行统计分析；发电指标可以按照风力发电、太阳能发电和垃圾发电的维度进行分析。根据总需求分析方法，项目组将指标的统计维度分为五类:组织维度、时间维度、测量维度、区域维度和业务维度，构建了指标的多维模型，并根据每一类对维度进行了细分。这样，不同业务和不同场景的指标被收集在统一的多维指标模型中。从而将特定的业务从索引模型中分离出来，并大大减少了将业务场景转换成业务模型的次数。

在业务管理过程中，经常会出现根据指标的要求来确定统计分析需求的情况，导致每个额外的指标都需要构建相应的数据分析模型，这不仅造成项目实施过程中统计分析和建模的工作量巨大，而且造成分析模型的重叠。为了解决这一问题，在分析多维指标模型的基础上，根据全集需求模型对现有的统计分析方法进行了梳理、分类和详细定义，建立了全数据分析模型。最终形成12种分析方法，包括趋势分析和同比分析。

为了使分析结果更加直观、直观，项目组深入研究了数据分析与结果显示模型之间的匹配关系，建立了相关模型，使显示结果能够智能选择显示形式，如直方图、饼状图、折线图、雷达图、堆积图、仪表盘、地图等。这样，建立了索引多维模型、统计分析模型和图形显示模型的自动联动，大大提高了易用性。用户不需要选择显示什么样的统计分析模型和图形，但是系统会匹配并链接它们。

Inspur数据仓库的推出满足了中国各级节能运行月度统计分析的需求，加强了集团对各级下属单位的管控，将逐步成为全集团数据沟通和共享的核心系统。数据仓库平台的建设为集团实现企业网络化、拥抱互联网+奠定了坚实的信息基础，成为大数据时代节能环保领域使用大数据的典范。中国节能相关负责人也表示:要搞信息化，就必须研究管理的本质，我们与Inspur的合作就是在做这样的探索。我们使用一种全新的信息构建思想，叫做总需求和总差，来构建我们集团的数据仓库系统，这样集团内的所有企业都可以在这个平台上进行统计和分析。