淘SAAS

大家在企业里面做商业智能BI经营分析需求沟通、调研的时候有没有听到过这样的吐槽：比如财务部门会吐槽销售部门，有些明显跟财务相关的业务指标，这些数据你们是怎么统计出来的，这些数据是从哪里取的，怎么算的，有没有跟财务部门确认过？你们都没有跟财务部门确认过，这些数据能不能对得上都不知道就直接开会讨论，你这个数据是有问题的。

企业搞数字化项目建设本身就是一个典型的“长期小事型大事“的过程，是由很多一件又一件不起眼的小事情积累到一定程度，最后才到摘果子的阶段。

OLTP 和 OLAP 这两个概念在十来年前、十几年前商业智能BI这个词还不是那么普及的时候，还经常放在一起做比较，现在已经很少再单独拿出来做对比了，但也总还是有人会问到，我在这里大概讲下两个概念的差别和联系。

前面的文章中讲到了OLTP、OLAP的概念，简单回顾下一个是代表像业务系统，主要处理业务流程的。

前面的文章把空间换时间的原理给大家介绍了一下，接着我们再来看看OLAP CUBE具体是如何来实现的。

先说下结果，经过测算，这家企业的产品退货率从6%降低到3%，净利润率能够提升0.5%-1%，净利润可以提升2个亿到4个亿。

今天跟大家讲下环保行业的业务分析。

前面的文章大概给大家介绍了下环保行业的细分领域：大气污染处理、水污染处理、固废处理，其中水污染处理和固废处理是环保行业的两大核心，固废处理是核心的核心、规模占比和增速更大的一个市场，蓝海市场。

在前面的两篇文章中主要从业务的角度讲解了一下环保的分类：大气、水、固废处理三大方向，以及从产业链角度讲解了一下有关环保设备、环保工程、环保运营三大业务领域以及它们的商业模式、核心竞争力、业务特点。

生产制造行业希望通过商业智能BI、数据分析来找到或者验证订单交付的瓶颈在哪些地方，从而实现逐步改善、改进、优化供应链的目的。

跟一位CIO聊天的时候提到他们的CEO问到了这样的一个问题：数字化转型也好、数字化运营也好，搞数字化到底要解决什么问题？这位CIO在生产制造行业呆了很多年，各种业务非常熟悉，像ERP、SAP、财务、供应链、生产制造等等都很熟；对于数字化，只能说了解一些，但不是那么深。

预警就是踩刹车，出现情况先踩住，再做处理。

涉及到企业盈利水平分析、利润占比的指标有销售净利率、主营业务利润率、成本费用利润率、营业利润率、销售毛利率等等。

之前的文章重点把构成销售净利率、主营业务利润率、成本费用利润率、营业利润率、销售毛利率的分母像销售收入、营业收入、主营业务收入净额、成本费用总额做了比较细致的说明，把这几个基本的概念搞明白后，再来看这几个指标就比较容易理解了。

现在商业智能BI的市场越来越火了，越来越多的企业在IT基础业务信息化建设到一定程度的时候都会开始上商业智能BI了。

在生产制造行业的商业智能BI数据分析、业务需求梳理过程中，对BI顾问或者BA的更大的挑战就是对业务的理解。

就在前不久，中央全面深化改革委员会第26次会议开展，会上审议并通过了《关于构建数据基础制度更好发挥数据要素作用的意见》，这意味着数据又一次得到了深层次的认可以及对于数据价值的需求，在接下来的时间里国家会更加重视对于数据资产的战略定位，并对数据基础制度体系进行构建。

在上篇文章中，我们分享了有关供应链生产制造策略的“推式”和“拉式”这两种策略的特点和差异。

MTS、MTO、ATO、ETO这是都是供应链管理的一些基本知识，在了解这些小业务知识之前建议大家可以回头看看前面系列的文章，包括供应链 “牛鞭效应” 、 “推式” 、 “拉式” 、 “推拉式” 供应链，看完前面的文章之后再来理解MTS、MTO、ATO、ETO 这几种生产制造策略就会很容易。