帆軟商業智能FineBI|強大好用，人人可用！|官網：FineBIV6.0產品白皮書2025目錄TOC\o"1-4"\h\z\u1.自助式BI的趨勢與未來 12.FineBI核心場景 42.1一站式數據分析和處理平臺 42.2賦能業務人員，自由定義IT與業務最佳配合模式 42.3輔助企業制定經營管理策略，層層拆解目標，推進執行 52.4洞察業務波動，追根究因，快速響應解決 63.FineBI優勢功能 73.1數據分析六大核心能力 73.1.1完善的數據接入能力 73.1.2強大的數據處理能力 83.1.3靈活的獲取數據能力 113.1.4全面的數據分析能力 113.1.5便捷的協作共享能力 213.1.6高效的數據消費能力 243.2系統建設六大企業級保障 263.2.1技術框架 263.2.2高性能引擎 273.2.3用戶權限 283.2.4安全管理 303.2.5用戶運營 313.2.6運維平臺 324.客戶應用案例 354.1柳工機械-打破產銷壁壘，實現業務省時提效 354.2七匹狼-數據全流程貫通，打造全場景自助分析 375.關于帆軟 395.1品牌領導力 395.1.1組織規模 395.1.2服務范圍 395.1.3銷售業績 395.2品牌影響力 405.2.1標桿客戶 405.2.2行業覆蓋 405.2.3用戶規模 405.3產品體系 405.4聯系我們 42

自助式BI的趨勢與未來過去，企業粗放經營生產，對于需求分析的時效性和復雜度不高，往往通過紙質記錄/線下手段記錄業務產生的結果數據，存在的問題是時效性低，且數據不存在任何流通和應用，不存在太多可分析的價值。后來，企業引入業務系統，各業務流程/條線開始規范，而業務經驗也大多開始沉淀為固化的分析看板，構建起各指標體系。到2014年，隨著用戶對分析時效性的要求和需求復雜度不斷提升，IT難以滿足用戶的眾多需求，自助分析模式應運而生。能夠讓業務人員通過簡單易用的前端分析工具，基于業務理解輕松開展自助式分析，探索數據價值，實現數據驅動業務發展。現在，中國企業環境競爭激烈，因此多數中國企業處于固定報表和自助分析相結合的狀態，一方面在快速搭建固定報表，觀察和監控企業經營情況，一方面也在關注各種不確定性問題的解決，賦予更多人的分析能力，來應對外界的激烈變化為什么企業會往自助分析模式發展？我們調研了大量客戶，有如下發現：在DIKW模型里，數據轉化為信息，升級為知識，升華成智慧的過程，便是數據價值的展現過程。IT專業能力，在將數據轉化成信息的時候，發揮的淋漓盡致，聚焦數據治理，關注數據質量；而數據分析師和業務部門里負責分析的業務人員，擅長基于信息提煉出業務異常和問題，從數據分析層面角度找到問題在哪，而業務管理者，需要有大量的分析結論支撐，來使得決策更加科學。但在這個過程中，上述三類角色分別面臨著不同的問題：業務領導/管理者面臨的問題：在業務發生問題的時候，數據報表零散，無法支撐連貫分析，問題分析停留表面，解決問題缺乏針對性，業務數據缺乏更主動的警報和反饋業務/數據分析師的痛點：大數據量分析卡、慢，數據建模需要寫大量代碼，重復加工數據，可視化成本高，數據分析苦于沒有思路，和it之間協同慢IT人員的痛點：業務系統數據不支持直接分析，數據質量參差不齊，數據孤島，多系統平臺對接困難，和業務需求反復溝通，疲于應對FineBI在幫助三類角色解決以上問題，有著相當優秀的表現：FineBI幫助業務領導/管理者把個人知識變成組織能力：一方面，FineBI可幫助企業不同層級構建分析體系，經營能力下沉，為經營分析提供支撐，驅動企業向數據化轉型；另一方面，當業務出現異常，FineBI可給管理者提供數據見解，業務決策有理有據。還有，基于管理者最關注的業務問題，可以讓關鍵指標報表集成到辦公系統里，隨時隨地多點實現數據找人。FineBI幫助業務/數據分析師把數據轉化成信息和知識：用戶在分析的時候，FineBI一方面可以支持用戶快速呈現大數據量，一方面也給用戶提供了多種多樣可視化圖表，讓用戶可以實現沉浸式分析體驗，快速厘清思路，還有，用戶從獲取數據到分析協作可以在一個平臺自助完成，不需要在多個應用里來回跳轉。FineBI幫助IT提升數據加工的質量和效率：FineBI可融合多種數據源，幫助企業快速構建數據中心；同時靈活滿足IT各種數據處理場景，流程化任務開發。還有，FineBI讓數據分析回歸業務本身，使得IT能夠告別重復工作，降低整體部門壓力。隨著自助分析模式的推廣，企業正逐步建立“人人為我，我為平臺”的新企業文化。每個人從平臺中獲取信息，并反哺到平臺當中，推動企業從意識、組織、文化、方法、模式5個方面加速數字化轉型的進程。2.FineBI核心場景2.1一站式數據分析和處理平臺大數據時代，越來越多的企業主意識到了數據所具有的巨大商業價值，以及其作為支撐企業信息化、智能化的無形資產。然而，隨著企業信息系統的不斷增加和積累，沉淀在各個系統深處的數據難以提取和整合，基于數據的分析和探索更是無從下手。一站式數據處理與分析平臺幫助企業匯通各個業務系統，從源頭打通數據資源，實現從數據提取、集成到數據清洗、加工、前端可視化分析與展現，幫助企業真正從數據中提取價值，提高企業的經營能力。具體地，首先從來自ERP、OA、MES等不同業務系統以及外部的數據中提取出有價值的部分，接著進行數據的處理與存儲，經過ETL、數據清洗等過程，合并到企業級的數據倉庫里，從而得到企業數據的全局視圖，在此基礎上進行分析，將數據信息轉變為管理駕駛艙、中國復雜報表、自助分析、多維分析等數據應用，從而為企業管理者和運營人員的決策過程提供支持。2.2賦能業務人員，自由定義IT與業務最佳配合模式從帆軟的客戶觀察來看，數據分析需求較旺盛的部門如財務部門、營銷管理部門等已經大規模轉變成“自助分析”的模式；而對數據分析需求較少的部門如生產制造部門，大多處于IT主導的模式。除業務人員本身有分析需求外，促其成功轉變的重要因素還在于工具的易用性，幫助用戶快速上手。FineBI以其低門檻的特性，賦予業務人員不同級別的能力：入門級，幫助用戶快速獲取數據和完成圖表可視化；中級，幫助用戶完成數據處理與多維分析；高級，幫助用戶完成高階計算與復雜分析。此外，FineBI提供獨有的分析協作功能，用戶在任何環節遇到阻塞都可以通過協作邀請他人共同參與分析，互幫互助，協作共贏。根據用戶需求和能力，定義不同的配合模式，FineBI幫助企業建立更加靈活高效的IT與業務的配合模式。2.3輔助企業制定經營管理策略，層層拆解目標，推進執行經營分析是促進企業生產經營活動高效開展的重要管理手段之一。隨著企業的不斷發展壯大，經營分析對客觀反映企業運作狀況和經營業績，指出數據下隱藏的關鍵問題，并為企業經營決策提供可靠參考依據的作用日益明顯。依托BI分析平臺支撐戰略目標的層層分解，支撐經營管理行為閉環，從而極大提升企業數據化管理水平。具體地，通過管理駕駛艙、專題分析報告、數據可視化看板、自定義指標看板實現戰略監測、經營監控、管理分析和業務執行跟蹤，落實到具體業務上，通過把控發展方向、發現經營問題、分析問題原因、落實改進行動等過程，并輔以關鍵指標預警通知，定期回顧調整，從而形成完整的戰略經營管理閉環，帶來企業管理的持續優化。2.4洞察業務波動，追根究因，快速響應解決區別于有明確思路的數據查詢或分析，探索性分析是以問題為導向開展的假設－驗證過程，幫助分析者深入理解數據內部結構和規律，找到關鍵影響者，從而發掘業務發展商機。依托BI分析平臺，開展基于業務問題的探索式分析，鎖定關鍵影響因素，快速響應，解決業務危機或抓住市場機遇，從而促進業務目標高效率達成。具體地，診斷問題現狀，同環比、累計等識別目標差距，預估變動的影響程度，進一步拆解問題，提出假設，通過多維聯動分析、圖表可視化、數據解釋，進行反復的假設驗證，最后定位核心問題，找到關鍵影響因素，制定解決方案，為業務改善提供針對性有效建議，并推動執行和效果監控，完成對業務問題的解決閉環。3.FineBI優勢功能FineBI數據分析系統，從數據分析的流程看分為數據接入－數據準備－獲取數據－數據分析－協作共享－數據消費六大核心部分，為企業和不同職能的用戶提供更有針對性的數據分析能力。企業數據分析平臺的搭建不僅注重工具的數據分析能力，還需要注重系統的擴展性、穩定性、安全性以及性能，以保障系統的穩定運行。FineBI從架構、引擎、權限管理、安全管理四個層面全方位保障企業系統使用。3.1數據分析六大核心能力3.1.1完善的數據接入能力針對企業存在的多業務平臺，多類型的數據庫，多種類的數據接口的情況，FineBI提供完善的數據接入能力，能將多種形式的數據源全部對接到FineBI中進行分析。FineBI可支持的數據源類型包括：關系型數據庫、多維數據庫、非關系型數據庫；文本數據源：Excel文件，TXT文件，XML文件的數據；其他數據源：支持程序數據源、JSON數據、SAP數據源等。支持的數據庫類型包括：關系型數據庫：包括MySQL、Oracle，SqlServer，DB2，Sybase,Informix等主流的關系型數據庫；支持SQL取數據表或視圖，亦支持存儲過程；多維數據庫：Essbase、ssas、sapbw、hadoop等；Nosql數據源：支持MongoDB等非關系型數據；為支持國產化數據庫，FineBI針對眾多國產化數據庫進行了適配，目前以下數據庫類型已經經過帆軟測試團隊或客戶環境完整性測試：華為Gaussdb100、華為Gaussdb200、華為FusionInsightHD、華為云DWS、恒輝、人大金倉、南大通用、神通、達夢、PingCAP、星環、kyligence、瀚高、阿里云ADB。3.1.2強大的數據處理能力數據分析系統直接對接業務系統進行數據分析會存在兩個明顯的弊端：1、業務系統的底層表不足以直接支撐數據分析。在業務系統的設計上為了節省存儲空間、提高查詢效率，針對數據存儲做了很多處理，諸如維度編碼、拆分多表，此類操作需要通過數據處理的環節解讀成業務能理解的數據表。2、業務系統最核心的需求是穩定運行，而數據分析系統直接對接業務系統會加大業務系統的負載，給業務系統的穩定運行帶來隱患。基于以上兩點原因，FineBI為數據團隊或IT團隊提供FineDataLink工具進行復雜的數據處理工作。輕量級數據處理場景當用戶需要對底層數據進行如API取數、跨庫關聯、JSON、XML解析等處理時，可以采用FineBI內置的FineDataLink數據開發模塊，通過數據同步（ELT）、數據轉換（ETL）兩種方式，將多源、異構的數據并轉換成常見的二維表結構的數據并輸出給分析用戶使用，實現效能最大化。

FineBI數據開發模塊在數據處理過程中具備以下優點：輕松對接API、XML等諸多非結構化數據并轉換成常見的二維表結構的數據。ETL、ELT雙核引擎，靈活覆蓋數據處理的相關場景，提供質量更高的數據。定時同步引擎和離線計算引擎，以最輕量級的架構實現高性能數據處理。拖拽式流程化開發，零代碼操作，搭建過程清晰可見。提供任務管理界面、任務預警功能、調度規則設置等功能，減少維護成本。企業級數據處理場景FineDataLink除數據開發能力外，還具備快速完成異構數據源之間的實時同步、零代碼創建API數據接口的能力，可作為企業級數據集成平臺單獨運行。異構數據實時同步：數據管道模塊，基于日志的CDC/時間戳等增量技術，結合實時流式處理引擎，一鍵完成異構數據源之間實時同步，幫助企業快速實現數據通道零代碼創建API數據接口：數據服務模塊，進行數據發布和數據接收，完成最后一步數據分享閉環。

當企業需要進行企業級數據倉庫分層建設，在部署上需要對業務系統、數據處理和數據分析平臺等進行隔離，這時FineBI和FineDataLink可進行獨立部署，并通過“系統管理”進行入口集成，既保障了系統獨立運行的穩定性，還提高了管理的便捷性。

企業可根據需要選擇合適的模式，并借助FineBI提供的數據處理能力完成各種場景下的數據處理的需求。3.1.3靈活的獲取數據能力業務用戶在數據分析的第一步是獲取到需要分析的原始數據，一般有幾種獲取數據的場景：基于常用數據表快速查詢所需的明細數據，用到的表只有少量固定的幾張；基于本地excel存儲的數據進行聯合分析，需要將excel中零散統計數據，諸如目標、損耗等數據上傳到系統并結合系統數據進行分析；基于多個系統的數據進行組合分析，諸如財務分析需要涉及銷售、計劃、采購、生產、物流、分銷等多個系統的數據。FineBI提供“最近選擇”功能，輔助用戶快速選中常用數據集；支持excel數據上傳，可以批量上傳本地excel數據；支持批量添加數據集，可以一次選中所需分析的數據進行分析。獲取數據的操作并不是一次性的操作，在數據分析的過程中經常會出現發現使用的數據表不合適需要重新獲取新的數據表的情況。區別于傳統BI的數據表、儀表板模塊互相獨立的設計思路，FineBI選擇了一種新的設計思路-分析主題，獲取數據、數據分析皆在分析主題中完成，用戶隨時可以添加新的數據表，無需進行模塊間的切換，很大程度的減少分析過程中頻繁切換界面帶來的割裂體驗。3.1.4全面的數據分析能力數據分析是為了提取有用信息和形成結論而對數據加以詳細研究和概括總結的過程。通過觀察企業用戶的數據分析的流程，可以將用戶分析行為總結為五步：篩選合適范圍內的數據，如日期范圍，維度品類等；添加合適的計算指標，如GMV、占比、排名、達成率等；制作圖表或者表格并設置樣式，如高亮、警戒線、標簽等；設置多個圖表表格之間的效果，如聯動、跳轉等；分析數據并形成有效結論。FineBI為用戶提供了全面的數據分析能力，從用戶的數據分析習慣出發，為用戶提供“數據編輯”“主題數據模型”“指標計算”“可視化”“OLAP分析”五個模塊幫助用戶完成數據分析并形成直觀的結論，另外FineBI還提供“數據解釋”功能讓用戶可以更快提取有用的信息。數據編輯能力數據處理和數據編輯的區別在于：數據處理是數據部門或者IT部門將數據處理成便于業務解讀的數據，包括非結構化的格式的轉換，數據量的降維聚合，不同系統的數據調度等數據層面的技術處理，需要有專業的數據處理能力并保留全部的數據維度和指標；而數據編輯是需要數據分析的用戶對選擇的數據進行篩選、校驗、重新編排、修改、處理的過程，目的在于得到業務分析所需范圍的數據。FineBI為用戶提供excel仿生式的數據編輯體驗，通過數據編輯界面四個部分完成以上的操作。快捷工具欄區FineBI封裝各種典型的分析場景的操作內容，通過界面操作讓用戶無需公式也能完成對應的分析。常用的計算有：日期格式轉換：按需選擇日期格式，如年、月、周、周數等，共18個日期粒度可選。條件標簽：根據多個維度或指標判斷數據類型并給出標簽說明；其他表添加列：同excel的vlookup功能，快速從其他表添加維度或指標；文本拼接：分組匯總的過程中按照維度把多個文本拼接成一個；行列轉換：類似excel的逆透視功能，將表在一維和二維之間進行轉換。匯總計算：方差、標準差、求和、求平均、最大、最小、記錄個數、去重計數、同環比、累計值、占比。表頭操作區FineBI提供類似excel的表頭過濾、排序等操作，用戶可以直接在表頭進行數據類型的轉換、過濾、排序，刪減字段，調整順序等操作。數據校驗區業務用戶對于數據具有很高的敏感度，通過簡單的匯總、平均值即可快速判斷數據是否準確，是否存在異常值。FineBI在頁面下方提供快速數據校驗功能，通過點擊數據列自動計算該數據列數據的行數、維度或日期去重后的個數、數值類型匯總值、平均值，用于判斷數據是否準確。操作步驟區傳統的excel分析有其明顯的數據處理優勢，但也存在了明顯的弊端，比如操作步驟不可見。FineBI提供步驟管理的功能，可以針對歷史操作步驟進行追溯，靈活調整歷史操作步驟，解決歷史操作不可見的問題。模型構建能力 在日常的業務分析中，業務常需要使用不同業務模塊的數據進行聯合分析，例如采購、銷售、庫存的聯合分析。然而不同的業務模塊數據往往分散在不同的數據表之中，為了能進行更高效地深度分析，用戶需要把這些數據整合到一起，以一種簡單、直觀地方式來處理復雜和多樣的多表數據。為了解決上述問題，FineBI在分析主題內引入了主題內數據建模的功能，通過找到多張表之間的公共字段來建立關聯關系，從而形成數據模型，這種模型化的方法將原本獨立、分散的數據集組織在一起，為用戶提供了一個一致且完整的數據視圖。通過建立主題數據模型，FineBI為用戶帶來三方面的幫助：①

簡單高效配置多表關系：FineBI提供了友好的模型視圖界面，用戶僅需拖拽數據表，FineBI就會自動識別和依據公共字段建立多表關系，使得模型構建過程既簡便又高效②更加靈活和高效的多表分析：用戶可以直接拖拽來自不同表的跨表字段進行分析，減少以前繁瑣的合并等數據編輯操作的困擾。同時，模型強化了指標的復用性，一次創建，多次應用，提升了效率和一致性。③ 為分析提供更好的計算性能：當模型在計算時，通過減少參與計算的數據量，提升了分析計算時的性能；此外，通過減少中間數據表冗余，進一步優化了系統性能，為用戶提供穩定高效的數據分析體驗。函數計算能力在數據分析的過程中，針對指標的計算是必不可少的環節。無論是基于已有數據的匯總，還是基于不同維度添加新的計算指標，都需要用戶對數據進行指標的計算。FineBI為用戶提供不同層次的指標計算能力，大部分的場景通過FineBI中的快速計算即可完成，對于復雜的場景如多維計算、嵌套視圖計算等可以使用FineBI高級的分析函數體系完成。快速計算能力為方便用戶在數據分析過程中進行指標的計算處理，FineBI提供了許多快速匯總計算的功能，通過簡單地點擊鼠標即可完成計算。針對明細數據進行匯總的場景，FineBI提供的計算方式包含「求和、平均、中位數、最大值、最小值、標準差、方差」；針對匯總結果進行二次計算的場景，FineBI快速計算支持設置「同比/環比、占比、排名、累計值、所有值/組內所有值、當前維度百分比」。分析函數能力用戶遇到的較為復雜的分析場景可以通過FineBI提供def(）函數體系解決，學習一個函數即可解決在數據分析過程中遇到的各種問題。可以通過以下兩個場景快速了解def(）函數的作用。①

場景一：某saas企業需要分析客戶的續費以及新購情況，希望看每年的產值中歷年續費和新購的該場景需要按照客戶首次購買的年份對客戶進行分組，對比不同分組的客戶在每年的銷售額貢獻。

以往的工具需要先在明細數據中計算所有客戶的首次購買時間，然后再進行可視化展示，如果需要分析不同類型的產品的客戶續費，則必須返回明細數據過濾界面調整過濾的內容。FineBI通過def(）函數計算首次購買時間，并依據篩選條件自動重新計算，無需用戶進行二次調整。②

場景二：TOB企業的大客戶分析：每個城市中采購次數大于N或指定時間范圍內合同總額大于N的客戶分布情況。FineBI通過def(）函數可以指定計算維度，實現跨維度的指標計算，比如該場景下計算每個省份中首單金額大于N的客戶合同總額；計算每個省份中大客戶數大于10的城市個數等等。圖表可視化數據分析的過程中，借助于圖形化手段，能夠清晰有效地傳達與溝通信息。FineBI的可視化分析，基于著名的圖形語法（TheGrammarOfGraphics）設計改良，由此為用戶提供了無限的圖表類型組合以及無限的屬性映射效果。無限的圖表類型組合：FineBI擺脫了圖表類型對可視化效果的限制，而代之以各類形狀。形狀包括：‘自動’，‘柱形圖’，‘點’，‘熱力點’，‘線’，‘面積’，‘矩形塊’，‘餅圖’，‘文本’，‘填充地圖’，‘漏斗圖’，‘儀表盤’，在同一個圖表組件中可以組合成豐富的可視化效果。無限的屬性映射：FineBI支持不同指標采用不同的屬性映射，顏色，大小，提示，標簽，均可自定義效果，因此用戶可以將任意多種圖表類型進行組合顯示，并單獨設置各圖表的屬性。OLAP分析OLAP（聯機分析），可實現改變維度層次，變換分析的粒度的操作，達成深入分析細節提煉數據信息的目的。FineBI中提供的OLAP分析功能，通過輕量配置即可進行鉆取、聯動、跳轉、篩選等交互式分析。鉆取FineBI提供鉆取功能，可以讓用戶在查看儀表板時動態改變維度的層次，它包括向上鉆取和向下鉆取。比如可實現：查看省份數據時，可下鉆查看到下方具體城市的數據。聯動FineBI支持設置默認聯動，該模式下用戶的分析組件存在數據關聯關系，組件之間就可以產生聯動效果，并且觸發聯動的區域會高亮顯示。跳轉用戶經常通過跳轉操作進行多個關聯主題的分析，FineBI支持跳轉并且支持對將要跳轉到的組件傳遞參數值進行過濾。過濾FineBI提供了多種多樣的過濾組件，實現不同場景下的過濾訴求。通過FineBI的過濾組件可以快速實現以下效果：支持通過綁定多個表的同一個字段，實現對無直接關聯的數據表的同時過濾；支持自定義控制范圍，實現儀表板中部分組件過濾效果；支持基于當前時間設置動態時間，根據當前時間自動更新頁面默認過濾值；支持預過濾和排序，過濾組件內只顯示需要的候選值；數據解釋隨著技術的進步，一些提升能力的技術被應用于數據分析的工作當中，使得用戶的數據分析工作更快、更高效、更準確。“數據解釋”是此類技術中被廣泛應用的工具或技術之一。數據解釋的作用是結合上下文分析用戶所選的數據，并生成導致該數據的主要影響因素，更快更準確的輔助用戶完成數據分析。FineBI也為用戶提供了數據解釋功能在FineBI中，用戶可以隨時點擊圖表或表格中的異常數據，系統將自動生成導致該數據的主要影響因素。此外，FineBI還支持用戶自定義解釋的維度，并根據自定義的維度進行數據解釋。通過數據解釋的輔助，資深的業務用戶能更充分、更快速地利用自己的數據；而能力相對較弱的業務人員也可以快速進行更深入的數據分析。3.1.5便捷的協作共享能力數據協作，指內外部成員通過共享數據信息，對數據進行修改、新增等操作，完成數據的查看和確認，發揮數據價值的過程。只有數據在企業內的關鍵角色、關鍵部門之間流通后才有可能實現數據資產到企業價值的轉變。FineBI為用戶提供協作共享能力，方便用戶便捷地實現團隊內的編輯協作、空間共享，以及團隊外的數據結論共享。協作用戶的數據分析需求并不是獨立的，很多場景下需要團隊配合基于業務主題進行數據分析分析，也存在用戶需要數據或IT團隊配合進行數據驗證的場景。FineBI針對此類場景提供了主題協作的功能，可以將一個主題內的數據集、文件夾一次性分享給其他用戶進行查看或者編輯，解決用戶需要針對數據表或儀表板進行多次協作的困擾。此外FineBI還支持文件夾的協作，可以實現創建團隊空間的效果。共享&發布協作是管理員先分配權限，設置允許協作的范圍，然后在允許范圍內用戶自由進行編輯或查看的協作，多是團隊內使用。而發布共享是用戶將儀表板或數據集發布到公共空間，然后由管理員或次級管理員進行權限配置，設置允許查看使用的用戶范圍，多面向團隊外的分享查看場景。FineBI提供兩種發布共享的方式：方式一：公共鏈接分享FineBI支持創建儀表板的公共鏈接并設置時效、驗證密碼，用戶獲取公共鏈接后無需登錄系統，即可快速查看儀表板。在內外部會議時，與會成員通過公共鏈接快速訪問；非企業內人員查看，如供應商針對某些訂單的查詢。方式二：發布儀表板FineBI支持將開發好的固定看板掛出到平臺目錄，管理員分配權限后，有權限的用戶可自行查看；支持用戶將常用的數據發布到公共數據空間中，管理員設置使用權限后其他用戶可引用進行二次分析。多屏應用世界已經改變，單一時間線的信息接觸已經徹底碎片化，手機、電腦、電視、Pad、LED等等已經形成了信息互通、信息共享的多屏時代。FineBI的儀表板除了可以在PC端查看之外，還可以在移動端，如手機、pad端進行查看，讓最終用戶可以不通過PC就可以方便地用手指觸摸的方式瀏覽查看系統中的模板。FineBI支持的查看的方式也有很多種，包括數據分析App、微信、釘釘、手機瀏覽器、飛書等。輕應用發布當用戶遇到以下場景時，可以使用應用封裝插件解決需求。模板內容層級較多時，需要做分頁/分層設計來實現幾張屬于同一業務/分析主題的下的模板組合查看，不用再去目錄結構里分開查看。通過「應用封裝」可以將模板搭建簡單的業務應用，并通過導航結構組織起來。讓應用擁有產品形態，方便后續進行應用復用、落地、推廣、評價，實現應用市場生態。3.1.6高效的數據消費能力數據分析的最終目的是對數據進行消費，讓數據及時發揮價值，因此需要讓用戶更高效地觸達用戶。針對用戶獲取數據的兩種方式，FineBI分別進行了功能設計。通過數據預警模塊讓異常數據“主動”觸達用戶；通過數據門戶模塊讓用戶自定義核心指標看板，高效獲取關注的數據。數據預警風險管控、重點指標監控越來越成為現代企業的關注重點。當關鍵指標出現明顯異常值時，需要將風險信息及時傳達給業務負責人，進行有效風險預警。FineBI提供數據預警功能給予用戶更高的自主權，所有用戶可直接對自己關注的重點指標創建預警，并選擇推送其他用戶；支持設置郵件、微信等多個平臺推送預警信息。預警通知僅是獲取風險信息的第一步，創建者需及時分析數據異常原因并做出整改。FineBI的預警平臺內置預警處理中心，實現對預警事件待辦處理流程的監督，預警事件有跡可循；內置可視化看板，幫助用戶分析預警任務的歷史觸發情況，為預警值調整提供依據。數據門戶隨著儀表板數量的增加，用戶檢索關鍵儀表板耗時增加，獲取關鍵數據的成本直線增加。FineBI提供千人千面的數據門戶中心，用戶可以根據自己關注的內容自定義個性化首頁；提供公告欄、報表動態等模塊，讓用戶高效獲取儀表板上下線、修改變動等信息，降低溝通成本；提供“我的收藏”、“最近訪問”模塊，快速定位跳轉對應頁面。通過FineBI提供的豐富的內置模塊，用戶可以通過拖拽內置模塊和關注的儀表板組件，實現5分鐘搭建全新首頁。分析文檔用戶制作儀表板后，有時同時會產出分析報告，但是當前的儀表板只能展示最后的圖表樣式，想要根據計算過程向其他人說明數據的可信性就比較困難。或者在制作儀表板后要在重新制作分析報告，耗時比較久。此時可以使用該功能，在分析文檔中使用文字、圖表、圖片等多種元素進行展示說明，形成數據分析報告。3.2系統建設六大企業級保障企業數據分析平臺的搭建除了需要賦予用戶數據分析的能力以外，還需要為用戶提供穩定安全的環境。FineBI從技術、引擎、權限、安全、用戶運營、運維工具六個維度為企業的數據分析系統提供保障。3.2.1技術框架FineBI是B/S架構的純JAVA軟件，其體系結構如下圖所示：核心分為三部分：部署環境：支持本地化，容器化，云原生多種部署形式，適應企業各種環境的部署需求。運維能力：FineBI的企業級運維能力，支持資源隔離，支持設置業務優先級，自動化故障處理，故障預警自愈，支持健康檢測，支持多項目管控等系統穩定需求，減少運維成本。計算引擎：針對spider（抽取）引擎和實時引擎分別進行優化，滿足企業對實時的數據進行分析或對歷史數據進行數據分析的性能需求。3.2.2高性能引擎無性能，不數據。無論是大數據還是小數據，都必須有高性能做支撐。FineBI在產品的穩定性，以及并發數、大數據量處理上，都有著絕佳的表現，這都歸功于FineBI所采用的性能處理方案。通過下圖可以查看FineBI在用戶儀表板查看、分析過程編輯操作以及底層數據更新上的性能表現。3.2.3用戶權限數據泄露的顧慮是阻礙企業數據應用推廣的重要原因。在解決數據安全隱患的過程中存在三道門檻。一，企業內多個業務系統用戶的互通以及用戶登錄認證方式的互通，保證企業內用戶信息的準確性；二，員工歸屬于多機構、多業務線，權限交叉組合的分配，需要保證權限配置的準確；三，多層級、多部門的不同權限要求隨著用戶數量的增加，配置的工作量急劇增加。FineBI通過權限載體，權限實體，權限類型的交叉組合，解決企業的信息安全問題。FineBI的用戶和權限體系有三個優點多平臺用戶統一：提供多種用戶同步方案，實時同步OA平臺用戶信息，職務變更、員工離職自動同步，無需擔心權限泄漏；LDAP、HTTP、單點登錄等多種認證方式，打通多個平臺的認證方式，減少重復登錄。全方位細粒度權限覆蓋：權限載體、權限實體、權限類型交叉組合，滿足企業級應用場景下多機構、多業務的復雜權限組合的管理需求；查看、導出、編輯等權限操作組合，滿足各種情況下權限精細化管理的需求。低成本權限方案：權限復用、分級授權，在滿足權限管理要求的情況下同時減輕企業的權限維護的成本；權限配置一鍵導出，在數據安全審計日益嚴格的背景下快速滿足權限審計需求。3.2.4安全管理除數據安全外，系統的安全性同樣重要。為保證企業系統的安全，FineBI著重在安全性上發力，從修補漏洞和主動防御兩個方面去提升應用安全。數據脫敏：企業需要對某些敏感信息（比如，身份證號、手機號、卡號、客戶姓名、客戶地址、郵箱地址、薪資等等）通過脫敏規則進行數據的變形，實現隱私數據的可靠保護。FineB通過不同用戶區別脫敏；按血緣傳遞脫敏規則；不影響指標計算；導出與查看區別設置四條原則確保脫敏更準確。全局水印：支持在BI所有預覽數據的頁面添加水印，解決通過截屏方式泄露數據的問題。用戶可以自定義水印的內容和樣式，支持根據登錄用戶信息顯示不同的水印內容。除此之外，FineBI還提供安全防護功能，可以實現上傳文件進行校驗，請求cookies強化，針對IP或用戶名的控制訪問頻率、SQL防注入等安全防護行為。3.2.5用戶運營數據分析系統的搭建核心是為了讓用戶能進行數據分析，并發揮出數據的價值，因此用戶運營非常重要。在以往企業推廣的觀察中發現，企業在用戶使用推廣上會存在三類難題，第一類難題是用戶上手學習困難；第二類問題是企業內用戶狀態識別困難；第三類問題是出現問題無法及時得到幫助。FineBI提供“用戶中心”模塊輔助企業管理員推廣系統。FineBI為分析人員提供0-1-N的成長學習資源；為管理員提供系統建設推廣的資源，比如需求管理、活動舉辦、產品升級等教程。在系統上線的過程中，管理員可以通過FineBI提供的系統活躍數據看板，識別數據分析種子用戶、流失用戶，方便采取推廣行動。此外，FineBI內置幫助文檔與技術支持服務通道，使得系統內用戶的問題快速解決。3.2.6運維平臺在對以往客戶回訪調研中發現，運維人員在運維系統過程中會存在一些嚴重困擾的問題。比如：企業存在同時運行多個系統，難以統一運維管理；缺乏有效工具，無法及時準確監控系統是否可用，無法有效評估系統負載以及是否需要增加資源；無法自動精準的采集故障信息，用于問題的排查定位；無法自動進行異地備份，存在安全隱患。FineBI提供“運維平臺”輔助企業運維人員管理各類系統及硬件，為企業提供的一套維持應用穩定運行和實現全方位運維管理的解決方案。項目管理：支持通過運維平臺支持對接多個FineBI應用，用以解決企業無法統一管理多個項目的難題；監控與告警：運維平臺提供多個儀表盤對系統整體運行情況進行監控，并且提供內置告警規則，在應用高負載，有宕機風險等情況下，能及時告警通知管理員；同時也支持用戶自定義告警規則，根據需求進行系統監控告警。備份管理功能：運維平臺支持自動備份、異機備份，支持還原備份并管理備份版本。本地出現各類意外（如：黑客入侵刪除數據、服務器癱瘓導致數據丟失、地震等等），也能通過該功能輕松找回數據，有效解決應用服務器損壞無法恢復的風險。資源優先級功能：運維平臺支持按照模板、用戶等維度定義不同優先級，用以更合理地調度系統資源，優先保證重要的業務資源。4.客戶應用案例4.1柳工機械-打破產銷壁壘，實現業務省時提效廣西柳工機械股份有限公司，中國制造業500強，廣西第一家上市公司，“中國工程機械行業的排頭兵”。作為傳統制造業，產銷平衡是重點，其中，發車計劃是連接生產和銷售的重要節點，公司每月召開產效協同會，需要通過大屏展示目前生產與銷售的目標達成情況、各經銷商的庫銷比，確認下月發車計劃、生產計劃、安全庫存。但在具體實施數據項目過程中，信息部人員遇到了很多問題，總結下來主要有三大壁壘：數據壁壘、協同壁壘、時效壁壘；數據壁壘：公司有非常多的系統，ERP\MES等、想要做產銷數據展示，就需要從多個系統中取數整合，取好數后，跟業務核對數據時，發現各個部門對指標定義不同，比如“裝機數”，生產部門認為是“整機上生產線開始裝配”，而對于銷售部門，看重結果，認為是“整機從生產線上安裝好后下線”，公說公有理，婆說婆有理；時效壁壘：開會前，需要把產銷數據展示出來，IT往往需要用到至少10張表單，建立復雜關聯，耗費2個人，1天的時間；這個實時性遠不能達到領導要求；協同壁壘：高層領導和中層領導的協同，決策層領導每天會在業務群看生產數據，比如生產目標、裝機目標有沒有完成，領導看到數據是歷史數據，當領導發現問題，就會給對應部門的負責人電話，為什么生產少了，什么原因，負責人可能會反饋設備臨時故障，過幾天恢復正常，高層領導獲得反饋后，過段時間，會想跟進下進度，問題有沒有解決，但高層領導只能通過每天過程匯報來了解，不能看到整體解決的趨勢；為解決以上問題，公司上線了BI系統，經過一段時間的推廣運營，實現了如下效果：省時提效，減低人工成本。業務人員常用excel匯報，制作過程非常繁瑣，首先是從系統上導出數據，然后是做篩選，匯總，做關聯，相減相加，關聯這塊是非常復雜的，系統非常多，系統和系統之間的關系表，名稱對不上，加上計算公式，PPT內容調整，基本上要用到2個人一天的時間；教會業務用FineBI后，只需要1個人1個小時；統一指標定義，完善數據字典。通過推廣自助分析，聯合生產部門和銷售部門一起，定義好工作常用的指標解釋，包含名稱，來源、計算邏輯，作為數據字典，全公司通用。省時提效，降低溝通成本。高層領導想要跟進進度，獲取反饋，了解改善效果，流程非常長且低效，系統改善后，通過異常提醒，可以高效發現問題，查看問題清單進度，讓高層領導可以清晰地了解從問題到行動到效果過程，降低高層領導和中層領導的溝通成本。促進業務完善生產數據異常管理規范。制定風險警示規范，確定各指標警示值，銷售、庫存、生產每個指標的指標責任人，設置推送條件，發郵件到高層和部門領導；增加問題閉環管理，從問題預警、問題解決進度更新、到最終改善效果監控，實現PDCA循環。4.2七匹狼-數據全流程貫通，打造全場景自助分析福建七匹狼實業股份有限公司，福建省首家在深圳中小板上市的服裝企業，是一家以品牌運營為核心，集產業制造、零售運營、供應鏈管理全鏈條的多品牌時尚產業集團。隨著公司數字化轉型的推進，傳統的數據報表越來越難以滿足業務日益增長的分析需求，查詢效率低，操作便捷性差，業務人員分析的自主性難以施展。為此，七匹狼數據部門基于業務應用場景，設計了銷售、訂貨、生產、配發、庫存、會員、店員等各個業務主題的寬表，再將寬表接入帆軟FineBI，實現各維度數據的自助分析查詢，為了讓業務部門更快的上手自助分析報表，數據團隊設計了十幾個日常經常使用的標準模板，再引導用戶在標準模板的基礎上進行自定義調整，讓用戶更容易上手。經過一段時間的推廣運營，業務部門內產生活躍用戶300+，為企業培養了大量的數據分析人才，在數據基礎上，業務在各自模塊中進行自主分析，模板數達2062張，基本覆蓋業務全場景分析矩陣，節省了大量的報表開發成本。

5.關于帆軟帆軟軟件有限公司（以下簡稱“帆軟”）成立于2006年，是中國專業的大數據BI和分析平臺提供商，專注商業智能和數據分析領域，致力于為全球企業提供一站式商業智能解決方案。帆軟在專業水準、組織規模、服務范圍、企業客戶數量方面遙遙領先，先后獲得包括Gartner、IDC、CCID在內的眾多專業咨詢機構的認可。并于2018年入選福布斯中國非上市潛力企業榜50強，連續四年（2018-2021）入選工信部中國電子信息產業發展研究院與中國大數據產業生態聯盟“中國大數據企業50強”。帆軟已經與超18000家企事業單位和組織合作，成功服務了包括中信銀行，興業證券，天弘基金，58同城，綠城集團，上海醫藥，吉利汽車，泰爾重工，順豐速運，廈門航空，統一星巴克，蒙牛乳業，TCL，新華書店，德勤咨詢，北京大學，海康威視，云天化集團，中國鐵路，國家稅務局，新希望集團，復星集團為代表的多家世界與中國500強客戶以及組織單位。帆軟擁有自主知識產權的商業智能和數據分析產品，通過提供高效易用、簡潔智能的大數據分析工具，賦予超過500萬終端用戶大數據分析的能力。旗下產品包括：企業級WEB報表軟件-帆軟報表FineReport，入選Gartner報表平臺全球市場指南；自助大數據分析的BI工具-帆軟商業智能FineBI，入選CEIA中國企業IT大獎-最佳BI方案；零代碼應用搭建工具-簡道云；企業級一站式數據集成產品FineDateLink，獲CMMI5認證；專注移動數據分析的移動BI平臺-FineMobile；以及專注大屏智慧決策的大屏數據可視化方案，這些產品在各自的領域內均處于領先地位。帆軟投身數據分析行業十余年來，堅信數據是企業、組織乃至個人的重要資產，我們致力于幫助企業了解和利用他們的數據，讓商業智能和數據分析為企業增強創造財富的能力，讓數據真正成為生產力！5.1品牌領導力5.1.1組織規模帆軟堅信與優秀的人一起做優秀的事兒，公司目前已有員工1800多人。5.1.2服務范圍帆軟總部位于無錫，設有南京研發中心，并下設蘇皖區、京津區、上海區、浙閩區、華南區、西南區、西北區、華中區、華北區、東北區等十個國內分支機構，39個線下城市服務網點，省份覆蓋率100%，力求為每個客戶提供更加細膩和專業的本地化服務。5.1.3銷售業績帆軟公司自正式成立以來，一直保持著高速增長，2021年銷售額超11.4億元，在國內商業智能軟件領域獨占鰲頭。5.2品牌影響力十六年來帆軟憑借優質的產品積累了大批忠實的用戶和良好的口碑，品牌影響力逐年增長。5.2.1