行业介绍

业务复杂割裂

物流企业为了加强其生存与盈利能力，除了深耕其物流开发业务外，往往还会跨域多业态发展，继而形成了其业务复杂导致数据复杂且割裂的情况，难以将数据融合成数据资产有效利用。

场景需求多样且迭代迅速

业务场景的多样性，会导致数据服务需求变的非常复杂，既包括物流仓储开发对数据的深入分析，又会包括跨域多业态的多样性数据需求。

无法准确转化

历史的发展已经证明了会员服务体系在企业的营销与客户运营过程中所产生的重要价值，而对于物流行业来说，在其跨域的会员体系中，如何创新、有效的实现会员多业态数据共享将是应用会员服务体系的关键点。

项目背景

中外运-敦豪中国区CSD总部绩效团队现在通过Excel作为工具进行报告(主要是月度管理报告)生成，报告维度、数据项，公式和关联方式较多。

目前报告的主要数据来源：

手工填写数据

从目前现有的数据平台导出数据

数据源是通过公式链接到具体报告中，且报告维度需要分成全国和三个区域各个的报告。这四个报告之间的数据也是通过不同Excel文件之间设置链接公式完成，一旦文件公式出现问题，导致数据丢失并花费时间修补，对效率产生影响。

从数据源和报告来看，目前是以固定不变的Excel模板(变化周期为年度)存储和实现的。CSD人员预算报告和预算模型是通过Excel表格，输入所需因子(影响人员预算结果的各项数据，例如快件量，各项工作量，标准工作量标杆等)后通过公式计算体现结果。由于实际情况是一个动态变化的过程，例如件量的达成是需要根据截止目前实际达成表现，预测接下来月份的情况，所以 在进行人员预算时需要结合实际情况的新动态变化对未来所需人员进行预算，所以预算过程涉及到因子动态变化影响。

实时数据方面，OPS目前已有Control Tower V1对出口业务从取件到转运等方面运营环节的的监控报告系统，目前数据源是由DHL Global提供的部分检查点报文(XML格式)，数据解析和展示使用的是ELK方案。从用户角度，对数据展示的要求为实时展示。

针对数据收集处理过程中重复的繁重的人工作业迫切需要借助数据平台的技术，将数据统一入库，清洗加工，按照定义好的展现及分析规则进行图形化展现。

因此中兴智慧建议针对总部绩效团队的数据需求整体规划中外运的数据仓库平台架构，立足当前需求实现一期的部分数据模型。

项目需求及痛点

甲方人员对数据仓库建设知识的相对匮乏

至今为止，中外运-敦豪中国区尚未实施过一个完整的数据仓库平台，鉴于甲方公司对未来的规划，更好的服务于企业数据平台的建设，甲方正在培养一批做数据仓库平台的专职人员，但大部分都是以前从未接触过企业级数据仓库方面的人员。基于此标段，甲方需要培养的人员包括数据仓库一体机管理人员、ETL设计开发人员、元数据及数据质量管理人员、数据仓库模型设计人员以及后继的企业数据平台运维人员。

对物流行业深入理解并具有同行业数据平台丰富实施经验团队难寻

对物流行业业务的深入理解有利于需求的分析和模型的设计工作。在对同业交易所之间的差异进行比较的过程中，对设计的模型进行优劣补充，使得模型更具有前瞻性、稳健性。更能理解客户的需求，也能够在客户的当前需求之上进行深入的挖掘，更好的服务于客户，在很大的程度上发挥企业数据平台的功效，使得企业数据平台从成本中心更快的转变为利润中心。对于实施过监管部门标准的团队来说，在对中外运企业数据平台中定义的数据标准接口会更好的适用于上级部门的监管和数据管控要求，减少后期开发及维护工作量与成本费用。

符合业务发展的数据模型设计

目前业内没有通用的物流行业的数据仓库数据模型，需要在充分理解物流行业业务内涵及其发展趋势的前提下，遵循数据仓库的建模理念，以主题化、范式化理论为依据，完成模型的设计和创新。在模型设计过程中需要考虑在符合中外运-敦豪中国区的当前业务范围内的同时，要结合未来的业务发展方向设计出相对稳健的各层次数据模型。

数据标准定义和数据模型的结合

数据标准定义是从09年之后在金融业开始启动的工程。依托于数据标准进行数据的整合是从10-11年才开始的新的数据仓库模型实施理念。因此选择有基于数据标准和数据模型整合进行数据仓库建设的实施经验的团队，也是本项目成功的一个重要保障。

有效的数据管控体系的建设

数据仓库是一个企业主要的数据载体，而且从数据仓库数据整合性的特点来说，也是进行数据管控的立足点。所以如何在建设数据仓库的同时，搭建基于数据标准、数据质量管理和元数据管理的有效的数据管控机制是项目建设的一个重要点。

元数据信息的整合利用及自动化采集

首先，孤立、散乱的元信息是无价值的，元数据管理的核心在于构建完善的元模型，实现业务、技术及管理三大类元数据的有机整合与利用，使用者能够从任何一个信息节点切入访问全部的元数据内容，从而实现“数据地图”的目标。

手工的元信息采集和维护非常繁重，但对于元数据管理的有效性却至关重要，因此信息采集自动化程度及正确率也是衡量元数据管理平台的重要指标。

数据仓库体系与数据管控体系的有机融合

数据仓库体系关注数据的存储、加工及利用，而数据管控体系关注数据的规范、可控及持续改进。只有两大体系在实施方法、功能架构及制度流程上实现多面、有机的融合，才能发挥数据的价值。

项目解决方案

数仓搭建

实现企业数据的集中存储以及基础数据管理，并形成企业数据统一出入的机制;同时提供针对线下数据的补录能力;

数据梳理及质量控制

对所有的数据、元数据、指标及相应的ETL过程进行梳理，并确保其数据质量，然后形成数据资产，确保业务与技术口径的统一;基于RPA技术实现了数据的自动化获取、加工处理、质量监控过程;

BI平台搭建

搭建BI平台，实现报告的自动化，自动获取总部及一线常规绩效报告;同时，提供长时限、多维度的绩效分析底数据，搭配现代化展示工具，提升数据可视化展现程度;通过Web分发报告，具备交互性功能。同时，依托于企业微信并针对作业报告进行移动端优化，满足管理层对于移动化场景下查阅报告、KPI及管理需求。