数字化转型是一项复杂的变革，与传统信息化相比，其对于数字化基础的要求更高，不管是IT基础设施、数据管理能力还是信息安全要求等，都提出了新的目标。数字化基础的保障作用更加突出，其管理重心由应用转向了数据，支撑能力由维持转向了快速迭代。

首钢股份目前已建成分布式混合型数仓，汇集了财务、采购、销售、物流、成本、工程、设备、制造、质量、能源、环保等所有业务领域以及现场生产工艺的14.5+万项200T+的数据。如何让这些海量数据成为企业极为有价值的资产？如何对数据进行有效的管理和使用？这个是首钢当前面临的数据应用难题。

实施时间：

项目开始时间：2022年

中间重要时间节点：2022年

项目完结时间：2023年

应用场景

1、销售管理 - 认证项目评价

为提高管理和推进认证效率，实现高效、精准的用户推广，首钢股份搭建产品认证评价模型。在全生命周期监控与系统性管理的基础上，细化流程为 3 大序列、12 个节点、15 个项目。通过大数据分析，搭建认证知识库模型。以历史订单的为数据基础，归纳形成认证知识库，并最终提炼出认证规则，完成了酸洗认证知识库的搭建；建立认证知识库运行规则和流程，建立自动更新逻辑，实现合同和认证知识库自动匹配，精准匹配率达100%。

2、质量管理 - 现货分析管控

现货分析管控模型整合炼钢、热轧、冷轧全流程生产和质量数据。建立工序一贯履历表，对板坯和钢卷的计划、质检、评审和摘挂单过程进行记录。

基于该模型，发现在现货管控过程中的相关问题，并通过层层下钻具体到可改进执行的层面，进一步推进了调宽坯原单轧制、过渡原因识别、头尾坯切割优化、改规格卷封锁状态下挂单、卷渣工艺优化工作的开展，现货发生率降幅 33%，减损 2 亿元。

3、仓储物流管理 - 库存管理

以库存管理为切入点，以建立库存预警机制、全流程全局监控并合理评价整体业务链库存、完成库存模型搭建并以应用为目标，为库存管控体系提供支撑。探索低库存下的高效生产管控模式， 使全流程工序库存都达到满足其生产、运输效率所需的最低库存水平，提高存货周转率，降低资金占用。

该库存管控模块，横向覆盖销售、生产、质量、物流等业务，纵向覆盖炼铁、炼钢、热轧、冷轧等全流程工序。全流程库存分析效率大幅提高；库存分析精度和质量明显改善；通过全流程库存结构分析和预警，可从渠道、品种等多角度锁定库存风险。

该库存管控系统集展示、计时、推送、监督、统计、分析为一体，适用于全工序全流程，实现了由企业由人治到数治的转变，具有覆盖面广，泛用性强，使用门槛低，实施效果立竿见影等特点，极具推广价值。

4、生产成本管理 - 炼钢转炉工序金属料管控

通过梳理现有炼钢 PES 工艺报表，设计转炉工序金属料管控驾驶舱，按照人员、炉座、班组等维度重点分析转炉金属料损失、装入量、出钢量、吹损等指标，并按照产线、炉座、班组、个人、炉次的层级下钻，从而发现转炉过程中的吹损过大，金属料损失过多等问题。

通过建立转炉金属料管控驾驶舱，金属料管控效率全面提升。提升了现场管理效率，提高了专业管理人员的分析问题、解决问题的能力。

对各作业区分工序分析金属料异常原因，提高操作水平。提供改进方向建议实现金属料即时管控和长期管控相结合，提高经营效率和效果，同时为计划值推进和标准成本优化提供支撑。

5、设备管理 - 点检异常闭环管控

通过 FineBI 实现对全公司及各单位点检异常的全方位管控分析，及时发现闭环管控中问题，分析明确具体原因，督促相关单位及时整改，提高点检异常的闭环管控水平，带动点检管理整体改进。

面临挑战

1、数据分散，缺乏统一管理机制

生产经营数据来源众多，存在大量异构数据，不同粒度数据分布在不同系统，缺少统一平台和方法对存量庞大的数据开展有效的开发和利用。

2、缺乏对业务数据全量全要素管理

钢铁生产关联因素多、管控环节多、生产流程长，缺乏基于业务场景的数据场景应用及管理，导致业务响应市场能力不足。

3、传统的业务分析效率低

传统方式的数据分析，业务人员提需求给 IT 部门，IT 部门根据排期响应需求，这种传统的分析方式不能响应及时的多变的业务分析需求，效率低。

数据支持

通过“一个数仓、两个纬度、三种手段”来提升首钢股份的数据生产力，即建设一个数仓作为数据基础、坚持数出一源，通过数据治理提升数据质量；完善主题和指标两个纬度；融合应用“固定报表、自定义分析、数据可视化”三种技术手段，着重在数据监控与统计分析、业务辅助决策等应用领域进行探索，实现更灵活、更易用、更智慧的决策支持系统。

在数据分析应用层面，搭建集中、一贯的生产经营分析平台，推行重业务主题、轻报表管理理念：针对业务场景构建数据主题和指标， 应用 FineReport、FineBI 等平台鼓励业务人员进行自助分析，减少固定报表对开发资源的浪费。在智能决策层面，围绕业务辅助决策推进自动化技术应用，逐步由人工决策向智能决策转变，实现业务创新。

通过数据分析平台建设，实现：

1、自由规划和灵活查询：将关系型结构化的业务数据从模块化制造过程视角向主题化业务分析视角转变，快速有效的汇总关系型结构化业务数据，自由规划指标维度，根据个性化要求随机灵活查询。

2、跟踪生产，快速定位异常：通过完整记录并存储产品属性、销售属性等的历史变化信息，快速定位生产、销售过程中出现异常的影响因素，为优化流程提供数据参考。

应用技术与实施过程

核心：首钢股份十四五的规划核心坚持长远谋划、分步实施、效益驱动。

方法：

1、建立数据思维及使用习惯：让数据可见、让数据说话，用工具改变人的数据思维；用新型 BI 改变人的工作习惯，成为了首钢股份实现“管控数字化、决策智慧化、服务平台化”战略规划的重要支撑。

2、构建敏捷组织能力：开发能敏捷、迭代能快速、用户能参与，成为了首钢股份数据分析工具的技术要求。

3、深入业务应用，驱动业务不断迭代，助力经营提效：通过大数据应用给公司海量数据赋能，不断改变旧的业态、业务模式和工作方法，从而提高企业经营管理效率。

目标：

1、数智驱动业务发展转型：到 2025 年数字化转型和智能制造发展取得实质性进展，整体智能制造能力成熟度明显提升，实现从部分业务集成探索到全面牵引业务发展的过渡转型。

2、综合提升企业运营效率：促进研发创新、提高作业效率、提升产品质量、降低运营成本、完善服务能力、坚持绿色发展、实现本质安全等方面起到关键作用。

3、构建全面数字化能力，打开智能制造新格局：全面建立“操作自动化、装备智能化、管控数字化、决策智慧化、服务平台化”的数字化转型和智能制造新格局。

实践路径：通过“一个数仓、两个纬度、三种手段”来提升首钢股份的数据生产力，即建设一个数仓作为数据基础、坚持数出一源，通过数据治理提升数据质量；完善主题和指标两个纬度；融合应用“固定报表、自定义分析、数据可视化”三种技术手段，着重在数据监控与统计分析、业务辅助决策等应用领域进行探索，实现更灵活、更易用、更智慧的决策支持系统。在数据分析应用层面，搭建集中、一贯的生产经营分析平台，推行重业务主题、轻报表管理理念：针对业务场景构建数据主题和指标， 应用 FineReport、FineBI 等平台鼓励业务人员进行自助分析，减少固定报表对开发资源的浪费。在智能决策层面，围绕业务辅助决策推进自动化技术应用，逐步由人工决策向智能决策转变，实现业务创新。

通过数据分析平台建设，实现：

1、自由规划和灵活查询：将关系型结构化的业务数据从模块化制造过程视角向主题化业务分析视角转变，快速有效的汇总关系型结构化业务数据，自由规划指标维度，根据个性化要求随机灵活查询。

2、跟踪生产，快速定位异常：通过完整记录并存储产品属性、销售属性等的历史变化信息，快速定位生产、销售过程中出现异常的影响因素，为优化流程提供数据参考。

首钢股份数据分析平台整体由数据源、数据总线、数据仓库、应用服务等组成。

1、数据源：涵盖生产工艺、经营管理各信息系统。

2、数据总线：实现对数据通讯的统一管理，集中监控，对数据源数据向数据仓库平台接入提供支撑，同时对于业务侧的数据进行清洗和转换以保证进入数据仓库的数据质量。

3、数据仓库：将存储于各源端业务数据库中的结构化数据，进行采集、加工、处理、加载并存储于数据仓库平台的关系型数据库中；基于数据仓库平台中存储的数据及数据模型，为数据服务、分析挖掘服务、复杂算法服务等各类数据计算分析服务提供数据支撑。

4、应用服务：为用户端能够安全稳定高效的运行以及和数据仓库高效稳定的数据交互提供企业级应用服务，为最终用户提供高效便捷的数据维护、数据分析、数据展示等功能。数据采集范围覆盖全部机组的一二三级系统。利用整体调度技术、分布式队列技术、数据转移技术、数据流处理与分发技术等，实现结构化数据、半结构化数据、非结构化数据的高速采集、预处理、降噪、过滤、加工等，关键工艺高频时序数据采集频率为 50 毫秒。

商业变化

在企业推进数字化进程中，各级系统在实现业务集成的同时，完成了数据的生产，提供了大量完备的基础数据。通过建立数据仓库，规范数据标准和统计口径，把零散分布于各个系统的数据进行整合，打破信息孤岛，构建企业数据全集，实现数据集中和共享。通过构建数据分析平台，建立从数据转换为价值的体系，让数据发挥出企业核心资源的效用，实现数据的增值，彻底改善信息系统对于业务的支撑能力，尤其是对分析决策和优化管理的支持能力。

1、“用数说”要变为“让数说”。数据分析应用已由传统的统计和现状展示转向了数据模型化应用，业务异常不能只靠人在看报表和图表时去发现，更要通过业务决策模型实现主动推送和根因联动展示，辅助业务人员进行决策。这种模型化数据分析要聚焦梳理典型业务活动场景，进行目标拆解与迭代、数据治理，通过业务需求的解读及业务数据的有机整合与重构，推进模型与技术融 合，进而提升发现问题、提出良性优化及解决方案 的能力，来反哺业务活动。

2、“要我做”要变为“我要做”。构建数据团队融合能力是数据分析的基础，要推动业务人员走向数据分析前端，变被动为主动，而不仅仅是“提需求”。通过选用 FineBI 来减少业务人员学习成本， 实现快速上手，释放数据分析自由度，提高分析效率；通过举办数据可视化的季度交流、年度大赛，推动业务人员以赛促学，做到学以致用，边学边用，逐步形成数据自助分析思维，提高业务人员自主分析的主动性。

3、“无价值”要变为“有价值”。数据并非越多越好，数据的获取、保存和使用是有成本的。数据是商业价值创造和保持竞争优势的基础，然而数据收集、传输、存储、保护和分析也会提高成本。要对数据进行分类使用才能降低数据管理成本，一方面在做数据标准规划时就要做好设计，包括数据精度、采集频度、使用热度、使用场景、保存年限等等；另一方面数据治理是一项长期工作，定期对数仓进行清理，停用长期不用的报表、主题数据，减少低值数据对存储计算资源的浪费。

相关企业介绍

·帆软

帆软软件有限公司(以下简称“帆软”)成立于2006年，是中国专业的大数据BI和分析平台提供商，致力于为全球企业提供一站式数据应用解决方案。帆软在专业水准、组织规模、服务范围、企业客户数量方面遥遥领先，先后获得包括Gartner、IDC、CCID在内的众多专业咨询机构的认可。

帆软投身数据分析行业十八年来，坚信数据是企业、组织乃至个人的重要资产，致力于帮助企了解和利用他们的数据，让商业智能和数据分析为企业增强创造财富的能力，让数据真正成为生产力。

·首钢股份

北京首钢股份有限公司（以下简称首钢股份）是世界五百强首钢集团所属的上市公司，以建设具有世界竞争力和影响力的钢铁公司为愿景，始终坚持创新、协调、绿色、开放、共享发展理念，坚持绿色制造、智能制造、精品制造、精益制造、精准服务的高质量发展之路，形成具有核心竞争力的高端产品集群。

来源：数据猿