就中国市场而言，经过几年的积累，大部分中大型的制造企业已经建立了比较完善的CRM、ERP、MES、MRP等基础信息化系统，帮助制造企业收集大量的历史数据。我们目前已经从IT时代走入DT时代，企业在运营上相对应的也发生了改变，从最初的粗放式运营逐渐过渡到精细化运营。

1、粗狂式经营

过去“拍脑袋的经营决策“还在延续，无论是从企业战略管理角度、企业经营角度、财务管理角度、仓储供应链角度，依然是已固定报表的呈现数据，但是没有真正的把分析落地。

2、数据孤岛严重

随着信息化技术的逐步完善，财务信息化系统、 MRP系统、ERP系统等逐步完善，但内部信息系统之间缺乏统一的平台对数据进行关联、整合及联通，导致产销存等各环节无法协同工作，难以完全释放数据的真正价值。

3、缺乏数据管理机制和保障

企业虽然已经积累了一定量的历史数据，但由于前期缺乏数据管理机制的规划，导致数据质量参差不齐、基础数据分散、不统一、数据不一致，难以为上层的数据统计分析应用提供支撑。

4、数据分析需求响应慢

不同层级的用户对数据分析有着完全不同的需求，而目前制造企业能够提供的分析报告主要以表格为主，分析维度单一，形式简单固化，对分析需求响应的时效性差，无法满足用户快速灵活多变的数据分析需求。

5、项目成本投入高，风险大

对制造企业来说，假设老板投入10块钱的成本建设系统，就期望着该系统能够给他至少带来100块的利润价值。而传统的大数据平台的项目成本高、收效慢、风险高，在经历了漫长的数据仓库搭建和建模阶段后仍无法让高层领导能够看到数据带来的价值，因此很多制造企业望而却步，始终不敢在这块做过多的投入。

基于企业级一站式大数据应用构建平台，整合企业内外部数据，强化企业数据资产的管理，实现各领域数据的拉通。业务人员利用自助数据可视化分析技术挖掘数据价值，快速构建数据应用，实现企业经营决策、产品研发、店铺运营、财务、市场及生产等领域的战略目标。

整个平台技术架构分以下五个层面

1、数据源层：对接来自不同业务信息系统和渠道的数据，实现异构数据源的关联整合。

2、ETL层：定义统一的数据API标准接口，对数据进行清洗、转换、装载的操作。

3、仓库集市层：将经过ETL后的细节明细数据在数据仓库中以星型或雪花型的模型进行存储，并根据业务分析主题的需求，对数据模型进行主题划分后导入永洪MPP数据集市中做运算的加速处理。

4、应用层：面向不同层级的业务人员和分析主题需求，建立即席查询、多维分析、数据报告、深度分析等丰富的数据应用场景。

5、展现层：以丰富美观的图表展现方式，灵活多变的交互方式，将分析结果呈现给决策层、管理层、IT人员和业务用户，所有用户都可以通过主流浏览器或移动终端来访问系统。

1、定义战略目标

战略目标可大可小，部门也有部门的目标，小组也有小组的目标，那么在数据大数据项目落地的角度来说，想要什么是最重要，通过目标的分析和抽象，才能做好数据应用。

2、构建数据分析指标体系

分析指标在数据化运营体系中是承上启下的润滑油，是业务和原始数据的连接器，它由原始数据加工而来，反过来又驱动其他数据应用产品。企业需要梳理业务分析指标，建立一套标准数据分析指标体系，清晰定义指标口径及含义，规范化对指标的管理，保障数据统计口径的一致及结果的准确。

3、搭建数据分析应用

分阶段建设一套标准化、智能化、移动化的数据分级及应用中心，面向企业内部不同层级的人员构建对应的数据应用服务，既要为企业高管提供数字化的决策支持及风险监控，同时也要满足数据分析人员日常统计与分析需求，精简报表及指标，让管理人员从数据处理逐渐转变为数据分析。

4、数据项目落地实践

在大数据项目落地的建设中，一定要循序渐进，不能贪图大而全，在项目推进的过程中，逐步的将数据价值释放出来。对于企业而言，可以设置未来几年的大数据应用的宏伟蓝图，但在实施过程中一定要注意逐步的和快速的分解。对企业内部大数据项目管理者来说，企业大数据项目的风险管控也是非常有必须要的。

1、永洪一站式大数据分析平台大大降低了数据应用构建门槛，让构建数据应用变成一个类似于搭积木的体验。当制造企业有了丰富的应用和使用用户，带动业务和管理的价值实现，数据和底层基础设施即被盘活，且越做越大，形成良性循环，真正发挥数据给企业带来的巨大价值。

2、推动大数据分析技术在企业内部的应用，帮助企业提升数据的准确性和及时性，提升产品和服务上的创新力，提升企业的商业决策水平，降低企业经营的风险，提高企业进一步挖掘发现，细分市场的可能性。

3、帮助企业建立数据化运营体系，真正实现数据驱动决策（通过数据来做出的决定，要优于常规决策）。通过数据化运营，业务人员将数据转化成运营策略，从而能够判断趋势，展开有效行动，帮助自己发现问题，推动创新或解决方案出现。