用友加薪(用友有加班费吗)

日期：2023年08月14日 16:36 浏览量：1

2018年8月18日用友全球企业服务大会

2018年用友全球企业服务大会有超过 4000 位来自制造、建筑及房地产、消费品、交通与公用事业、金融、能源、通信与广电、汽车、医疗政府与事业单位现代服务业、现代农业、文化与传媒等各行业的全球精英知名企业家、专家与学者以及媒体代表参与本次盛会。

北京·雁栖湖国际会展中心

自2018年1月首次受邀参加2018年用友生态伙伴大会以来，派可数据与用友全国各地的生态伙伴建立了广泛的合作和联系。在半年时间内与用友全国几十家合作伙伴开展了丰富的企业数据化运营、商业智能 BI 建设等系列市场、产品和项目合作，并取得了市场和客户的一致认可。

2018年用友生态伙伴大会

2018年8月18日，派可数据再次受邀参加用友全球企业服务大会，创始人李京军、联合创始人吕品以嘉宾的身份出席用友云平台分论坛。派可数据也是国内唯一一家多次受邀参加用友云平台并发表演讲的国产商业智能 BI 厂商。

以下为派可数据联合创始人吕品在用友全球企业服务大会云平台分论坛上的演讲实录整理，在此感谢用友云平台现场的工作人员为保证此次活动圆满成功而付出的努力。

（派可数据联合创始人吕品）

大家好，今天我非常荣幸站在这里给大家分享一下有关企业数据化运营相关的话题，我是来自派可数据的吕品。

数据信息化在 IT 信息化中的位置

首先，我们先来看看 IT 信息化的建设。

我们经常提到 IT 信息化，实际上 IT 信息化包括两个部分：

第一个部分是 IT 业务信息化。例如大家用到的用友的 U8、NC 等这些 ERP 软件，以及其它的 OA、CRM、BPM 等软件，这些我都把他们统称为业务系统。它们的作用是什么？帮助企业标准化企业的业务流程、提高生产运营效率、降低我们企业的成本，这是现代的企业管理方式。

同时，我们也要注意到：从数据的角度上来看，这是数据走进来的战略。有了业务系统，我们才会录入数据，数据才会留存下来。不管是大数据还是小数据分析，首先企业必须得有数据。

IT 信息化的另外一个部分是什么呢？是数据信息化。比如我们的数据可视化、数据分析、商业智能 BI、大数据等等这些都是数据信息化的范畴。数据信息化可以给企业带来什么？它可以帮助我们企业更加全面的了解企业的经营和管理、让我们以前的经验驱动变为数据驱动、可以帮助企业提高决策的准确性，这是更高一个层次的企业管理方式。

从数据的角度来看，这个信息化过程是什么？它是数据走出去的战略，走出去为企业创造更多的价值。

IT 业务信息化和数据信息化两者其实是彼此驱动的。我们企业可能更加熟悉从业务的角度来看企业的采购、销售、生产、薪酬和投融资，大家可能再熟悉不过。但是我们也是否尝试着从另外的一个角度，比如从数据的角度来看这些业务流程，从这些业务流程中挖掘出有用的数据价值？当然再最后我们也可以从财务的角度来看我们的融资、投资和经营这企业的三大活动。

这里面要提到的核心是什么？核心是业务决定数据、数据决定分析，业务在哪里、数据就在哪里、分析就在哪里。

所以，业务信息化是基石，只有业务信息化做好了，数据信息化才能更好的开展。当然，反过来数据信息化也会不断的促使业务信息化的完善。

企业数据化运营的四个认知阶段

我们看完了业务信息化和数据信息化之间的关系，我们再来看看企业数据化运营的四个认知阶段。

第一个认知阶段是我不知道数据分析有什么价值，我不懂数据分析。

第二个认知阶段是我能懂数据分析的价值，但是放在我自己身上，我不知道我的企业或在这个企业里我要分析什么。

第三个认知阶段是我知道数据分析有价值了，我也知道我要分析什么了，但是我不知道应该用什么来分析。

第四个阶段就是知道用什么来分析，但是面对分析完的结果下一步应该怎么办？

企业数据化的运营不是一蹴而就的，不同的企业，包括不同的个人对数据化建设的困扰和认知基本上会停留在上面的某一个阶段。那我们在座的各位其实也可以看看，我们大概了解到了哪一个阶段，那么我们针对性的应该可以做些什么，怎么来做？这就是我接下来要讲的内容。

企业数据化运营的四个认知阶段之一

数据分析的价值

首先来看数据分析的价值，通常情况下不知道数据分析有什么价值大部分就体现在这些问题上：价值在哪里？能不能帮我节省工作量、加薪、升值，提升我个人和团队等等，帮助我们公司赚到钱。

这里我讲几个小例子。

银行如何在一年提升1.2个亿的净资产

第一个例子是一个真实的案例，也很有代表性，这家企业的大数据建设做的非常成功，这是一家银行。

银行的财务运营人员对银行的转账记录做了一些分析，分析发现有一类客户的交易数据非常特别，定期转账、转账金额固定、转给多人、多人的账户可能不是同一个银行。其实他们当时就猜测到了这一类客户大概是谁了，于是就做了一些抽样调查比如打几个电话，最后就确认了这一类客户就是中小企业的会计。

中小企业的会计可能很多人注意不到，感觉公司不大，价值也不是很大。其实是这样的，公司虽然小，但是中小企业的会计实际上非常有话语权。比如，新入职的员工让你到哪一个银行办卡，这些员工一定会去，因为你要领工资。

于是，通过这样的分析筛选出了一批中小企业会计，之后客户经理对这些会计进行公关。当然我指的公关不是去贿赂，可能说话更加客气有特别的一些便利或者优惠措施。成果是什么呢？在一个月这些客户经理说动了近百家企业把工资卡都办成这个银行的，一家小企业我们就算十个人，百家企业就是一千个人。在北上广深，比如薪资一万，一个月就是一千万的薪资沉淀，一年呢？1.2个亿。

这种方式推广到其它的城市、分行呢？可以想想这其中的价值。并且工资卡客户算是价值非常高的一类，工资卡通常不会随便注销，并且有钱在上面存着。

大家有没有考虑过这样的一个问题，如果没有对这些交易数据做分析，这个银行的客户经理要打多少个 Cold Call，累死不说，效率怎么样。有了这种数据分析，直接筛选到最有价值的一批客户，直接搞定。

数据分析的价值大吗？非常大。尤其像是这种有丰富的业务场景、业务多元化、场景多元化、数据存量大的企业，数据分析的价值你可以发挥最大的想象。

销售的秘密

第二个案例比较有意思，是我以前在天善智能（www.hellobi.com 国内最大最专业的大数据、商业智能 BI、数据分析、人工智能 AI 在线社区之一）给一家企业做数据咨询服务时发生的。

这是一家零售连锁行业，具体做什么的我就不说了。也是当时的一个 BI 开发人员，就是边聊业务边尝试各种分析模型，很无意的就分析了这么个内容。非常有意思，就是误打误撞的看了一下某一个品类下几种产品的销量、销售额情况，发现了一个有点解释不通的问题。大家看下这个图表，看看能够看出什么来？

门店二有问题，所有的门店产品 A 卖的比 B 多，就它反过来了。并且就当时了解的情况，两个产品的性价比差不多，A 的利润稍微比 B 高点。

数据有的时候就很有意思，它不会说谎，并且就这个门店确实显得很特别。于是这位 BI 开发就把这个门店的销售记录单独的拉了出来，并且看了下不同的销售的销售情况。结果就又发现了很有意思的地方，其中有那么一个员工整个销售的情况和很多人就不一样，这个就显得非常特别。因为这家连锁店不做批发，一下子不会有那么大的量集中从一个销售手上销售出去，所以这个是日积月累的。这个情况之前谁都没有注意到，因为大家都没有这种意识。把这几个分析捅出来了之后，当然这个员工自己也解释不清楚这个原因，但是数据确实就是这样表现的。

当然到最后大家都没有把这个事情说要怎么样，只是私底下有一些猜测。并且从实际的销量和金额也没有说差到一个完全不能接受的数字，所以最后这件事情也没有深入下去。

这件事情确实给管理者和一些员工提了个醒，就是很多情况在日常工作中并不能很容易被察觉到的，最终是通过数据分析发现了一些端倪。这个也更加促使了他们在很多时候只凭经验想想，到最后开始变得对数据更加感兴趣并且越来越重视数据分析。

所以，我们通过这两个案例还是能看到数据分析的价值，上面的这些问题可以想想是不是一定都可以做到了。比如第一个案例，提升了工作效率，为企业创造了超出想象的业绩和价值，企业收益倍增，个人发展前景如何，这个大家自己可以想象。

企业数据化运营的四个认知阶段之二

如何开始从零开始构建分析体系

我们再来看看第二个阶段，就是我现在完全理解了数据分析的价值，数据分析就是有价值，我懂我信。但是我看了下我自己的企业，业务也很多，但是我好像就是不知道应该从哪里入手分析，从哪里做起。也有可能，我自己有一些自己的想法，但是零零碎碎不成体系，重点应该分析什么也不清楚。

这个过程其实就类似于我们装修房子一样，比如这里有一个毛坯房，如果要大家从头开始想象设计装修，这可能是一件比较困难的事情。当然也有人会乐于其中，但总体而言会比较困难。

但是如果有人给我们提供了一个设计模型或者样板间，这个时候就不一样了。能看得见能摸得着，基于这样的一种参考我们一定会有很多很多的想法表达出来，哪些是我们需要保留的，哪些地方是我们需要再去优化的，非常的直观。

那么到最后通过这种沟通我们把这些想法逐步深入细化，最后的装修结果也一定是我们最初要想的样子。

这对于很多需要规划数据化建设的企业也是如此：在我们的派可数据商业智能 BI 分析平台下，我们有很多丰富的业务指标库积累，包括财务分析、供应链分析、人力分析、项目管理分析等等。并且在不同的行业我们也有丰富的业务分析模型和指标体系供企业参考和借鉴。

我们的平台是基于业务分析模型驱动的，比如我们在项目开始之前和客户沟通的时候我们就可以针对这个行业和企业来构建一些分析模型，并且这个过程是不需要链接我们企业的任何数据源就可以实现。比如这里的图表、动态效果、比如关联、钻取以及分析的维度和指标都提前设计好，在跟我们的企业进行沟通，看看这些分析模型是不是企业想要的。基于一个非常直观的分析模型，我们的沟通也一定是非常有效的。

比如说在财务分析领域，我们有几十个分析模型，近200个财务分析指标，覆盖了收入、利润、成本、费用、往来应收应付、固定资产、融资等各个方面，这些分析内容都是现成的。并且特别是我们的平台已经和用友的 U8、NC 等 ERP 软件底层数据打通，直接可以把数据抽取过来就可以看到我们的这些财务分析效果。

除此之外，我们还有各种分析模型，有基于业务的，也有基于不同行业的。

比如，这个是我们前段时间为一个汽车销售集团做的分析模型。17个页面200多个图表几百个业务分析指标覆盖了从新车销售、售后、用户、金融贷款、精品业务分析、二手车业务分析、置换业务、保险、财务等各个方面分析模型，整个过程分析模型的构建就花了两天的时间。

之后通过这个分析模型和客户进行深入沟通，又基于一些真实的数据做了一些模型，大概四天不到做了12个分析页面，上百个图表和分析指标。

除此之外，我们在项目管理方面，特别是建筑行业我们也有很多的关于项目管理的分析模型。差不多也是十几个页面几百个图表大概也就花了几天时间。

所以当企业不知道如何去构建自己的分析体系的时候，可以根据派可数据提供的指标分析体系来提出适合企业自己的分析内容。从头到尾设计很难，但是参考我们现有的分析体系再结合企业实际，这个就会比较容易实现。

因此我们可以通过派可数据的指标体系结合企业业务实际，最终给到企业一个系统型的分析框架和引导。

企业数据化运营的四个认知阶段之三

用什么来构建分析体系？

那么我们已经知道了数据分析的价值，也知道要分析什么了，第三个问题就是我们用什么来分析、来构建我们企业的商业智能 BI 体系。还有比如没有数据的时候怎么办，能不能补录进来。

我们派可数据的产品体系下有一款数据仓库配置平台，功能非常的实用。我们可以在不链接任何实际数据源的情况下灵活的配置我们的业务分析模型所用到的分析指标、展现维度。这样就可以在任何项目立项和开始之前，我们先解决业务分析模型的问题，这个分析内容是不是我们客户所需要的，这是我们在第一步始终要明确的。

前面的例子中我们多次提到我们就两天或者几天时间快速的完成了各种业务分析模型的搭建，就是靠的我们数据仓库配置平台。我们所有的维度、事实、业务关联都是在数据仓库平台中配置完成的。并且在这个数仓平台中，我们还可以快速灵活的生成各种测试数据。最后，在我们的可视化自助分析产品中，将这些维度、事实指标通过拖拉拽的方式去呈现出来。整个过程不需要配置数据源，并且所有的图表都是实实在在真实的效果。

在整个分析主题、分析模型确认无误后，最后我们才会配置数据源，把真实的企业数据接入进来，整个开发过程基本上就完成了。这就是我们强大的数据仓库平台，里面内置了很多行业分析指标模型应用，所以我们实现的很快，这就是分析模型驱动。

当然，产品好用只是一方面的原因，多年的一线作战经验通过产品完整的继承了下来。

派可数据核心交付团队的前身以前就是用友 BQ 在中国北方地区最大的交付实施合作伙伴，40人左右的交付团队力量，基本上覆盖了用友在国内北方地区 90% 以上的外包 BI 项目交付实施任务。从 2010 年开始，大大小小的项目交付了近 2000 个，我们为此沉淀了丰富的项目实施交付以及最为宝贵的一线业务经验，这是很多 BI 厂商所不具备的能力。

换句话说，对于用友体系下的 ERP 产品，不管是 T6、U8 还是 NC，在 BI 领域我们对他们的底层数据和业务都是最熟悉的。

除了数据仓库建模能力之外，像派可数据可视化自助分析平台，我们可以非常快速的实现各类图表效果、钻取、关联联动、排序、筛选等等，很多功能非常的实用，可以做很多探索式的敏捷 BI 分析工作。

输出展现形式也可以满足不同形式下的需要，比如 PC 端、移动端和大屏。

如果缺乏一些业务数据补录的手段，我们还可以提供数据补录的工具和已有的 ERP 系统数据打通接入到我们的数据仓库平台。

所以如果不知道用什么工具和产品来搭建企业的数据分析平台，我们目前提供的数据仓库平台和可视化自助分析工具就可以很好的解决这个问题。

企业数据化运营的四个认知阶段之四

有了分析结果，下一步怎么办？

最后一步是什么呢？就是我知道分析有价值，知道要分析什么，也知道用什么工具来分析，但是分析内容图表都出来了，下一步我们怎么办？

很多人都认为既然做完了数据分析、上了 BI系统，出了分析报表，那么分析就应该立马解决我们所有的问题。实际上，这个理解是不正确的，并不是有了分析就可以解决任何问题，因为真正要解决问题的还是人，人会有决策。

BI 解决的不是去代替人做决策，而是帮助人提高决策的准确性。

要讲到这里的数据化运营之道，我们从几个方面来帮助大家理解上面的问题。

首先，业务系统的数据需要用可视化的方式呈现出来，这样可以将业务中的数据情况、指标非常直观的呈现出来。一眼看去就知道什么指标降低了、什么指标提升了、每个月每年的趋势对比分析、同比环比、占比分析等等。所以第一步是用可视化的方式将内容给呈现出来，清晰简洁直观有效。

第二，定位分析重点。有了非常全面的基于各个主题的分析图表后，这时需要基于自身业务定位分析的重点内容了。比如在财务分析里面，注意到产品毛利率有段时间下降的比较严重了，就需要分析一下产生的原因。看看是不是产品成本提升了，收入降低了还是其它方面。在企业的发展初期，分析的重点可能是收入，重点关注各项业务的收入增长情况。

企业发展几年之后，就不仅仅是关注收入，重点就开始关注利润了。再往后重点可能就需要关注重点客户、重点产品收入比例等等，每个阶段不同的业务会有重点要关注的内容，一旦这些指标出现比较大的波动就要重点来进行分析。

第三，通过探索式的分析来判断问题大概产生的原因。基于第二点来说，定位好了需要重点分析的内容，就需要通过探索式的分析，各种相关维度和指标的组合、关联分析等等从各个角度来分析相关的问题。

最后，再从各种数据的表现结合实际大概就能得出一些分析结果。

第四，依据分析结果做决策。拿到分析结果之后就要来进行决策了，这个决策可能是业务方面的调整，也可能是管理层面上的调整。比如为了降低成本，换新的供应商、换新的原材料；也有可能加快物流建设，减少物流成本；也有可能通过其它方式来提高收入，比如提高产品售价等。

总之，一定要有决策。没有决策的分析，分析的价值就体现的不大。

但是决策就一定是对的吗？不一定。有的时候一个决策可能是错误的，做完之后就会反映在相应的业务上、反映在相关的数据上。所以，之后仍然需要对之前关注的业务重点数据、分析图表等内容进行持续的跟踪，不断的通过分析呈现、重点分析、探索分析来判断这个决策是否是有效的，这样就形成了一个完整的闭环。

在这个闭环中，没有分析，决策的执行就缺少了依据。没有决策的执行，就无法检验分析的效果。所以，在我们数据化信息建设的过程中，数据分析和决策执行是一个完整的流程，缺一不可，只有这样数据化建设才会有价值和意义。

所以，通过基本的报表数据、分析图表先呈现业务，发现问题。再通过重点业务敲定重点分析，结合自助分析探索式的从各种维度深入细化核心指标，最后结合业务实际形成决策支持，这就是我们的第四个认知阶段要做的事情。

最后，来总结一下我们数据化运营之道，从了解分析的价值到知道企业要分析什么，再到知道用什么样的方式进行分析，最后是分析结果出来了我们应该如何推进。这四个认知阶段对应的分别就是对分析价值的认知、对业务分析的认知、对分析产品的认知、对业务决策的认知。

那么今天交流的最后，我也希望大家会有所收获，这里有一个思考留给大家：我们的企业、个人对构建企业数据分析、数据化运营体系的认知停留在哪个阶段？接下来我们企业又应该如何来做？

好的，我的演讲就到这里，谢谢大家！

（全文完）

演讲者会后总结：有关企业数据化运营、数据化信息建设这个话题其实很大也很宽泛，这个话题因人而异可以从很多不同的角度去阐释去展开。但从实际情况来说，我们很多企业对商业智能 BI 建设、数据化运营的建设缺乏一个核心的框架思维。

今天的分享从思维框架上帮助大家梳理了一下，每一个问题实际上还可以展开，例如：我们的企业要是做数据分析会产生什么样的价值？可以挖掘出哪些有价值的业务场景？我们的企业重点可以分析什么？结合这样的需求在当前阶段选择什么样的产品和方式是最合适的？最后，分析的输出我们应该如何正确对待？把这些问题逐步分解和考虑清楚了，整个 BI 分析落地的过程就会更有目标性，更有成功的可能。