智能商业读后感（大全）

第一篇：智能商业读后感（大全）

智能商业读后感

当阅读完一本名著后，大家心中一定有不少感悟，让我们好好写份读后感，把你的收获和感想记录下来吧。那么你会写读后感吗？以下是小编为大家收集的智能商业读后感，欢迎大家借鉴与参考，希望对大家有所帮助。

曾鸣教授是我做战略的诸多老师之一，他关于战略的论述，一度是我反复揣摩学习的教材。

阿里巴巴是一家以战略见长的公司，能够在这样一家公司任参谋长，肯定得有几把刷子。

马云是个“大忽悠”,能让马云欣赏并邀请加入阿里，斯人功力可见一斑。

刚巧，我主要的工作，也是战略设计。于是乎，我就关注了“曾鸣书院”公众号，下载了“湖畔”APP,也收听了曾教授在得到的“智能商业二十讲”.自曾老师宣布要写这本书开始，我就一直关注着这本书的进程。先是得知这本书的英文版本已经出了，无奈我英语差，不能先睹为快。后又获悉这本书由中信出版集团出版，于是就在中信的购书小程序上预定了这本书。本以为这本书要等很久才能收到，没想到才过几天，就到手了。（截至目前，京东还没上架这本书的中文版。）

书是昨天下午到的，刚到手，就一口气看了一半。

这本书对我的帮助非常大。我就在做关于公司的战略计划，也在做公司的智能系统建设。这本书和我的很多想法不谋而合，让我引以为豪；另外，这本书还讲了很多我没注意到的问题，给了我不少启示。我是一边看，一边和公司的实践比较验证，偶有所感，就随笔记录。有些地方看得茅塞顿开，有些地方看得拍案叫绝，有些地方看得一阵后怕——怕什么？怕要是没看到这本书，自己岂不是犯了大错？

——真是开卷有益——尤其是开高人的卷！

《智能商业》这本书主要讲的就是智能商业。曾教授说，这是未来的商业范式。

智能商业的落脚点在“智能”二字。这两个字将智能商业与非智能商业区别开。意思是：符合智能商业逻辑的商业模式是智能商业，不符合这个逻辑的，是传统商业；智能商业代表了未来，如果你的商业模式与智能商业无关，那么很可能你就与未来无关。

这倒不是危言耸听。

那么，智能商业的智能主要体现在哪里呢？曾教授总结是：网络协同+数据智能。

什么是网络协同？我的理解是，你要用互联网技术构建一张网，将你的产品和服务搬到线上来（或者至少要有和线上交互的界面），然后把整个服务流程（产业链）的参与者也搬上来，让参与者们在线上自主办公、协同作业。当参与的角色足够多，每个角色的用户数足够大，在线协同作业的频率足够高，这个协同网络的包容性、自生性就足够强。

像蜘蛛一样先织一张网，然后把所有参与者一网打尽，这些参与者通过网络协同作业，会不断编织这张网，将网的深度和广度都极大地延展。这是一张可以自生长的网，有多少用户涌入，就有多少个节点，有多少个节点，这张网就有多大。这张网几乎可以无限延伸。它不是物理世界，它是互联网世界、信息化世界，是新的社群组织形态。

以上是我对协同网络的粗浅理解。那么，什么又是数据智能呢？

我理解的数据智能是供给链智能化。

怎么讲？

所有商业的原点，都是用户需求，不同的生产力阶段有不同的供给系统。这里面，用户的需求是相对恒定的，是所有商业行为的目标，但是供应能力不同，所能提供的解决方案就不同、方案的'成本不同、满足用户需求的程度也不同——很多需求不是说你有了解决方案用户才有，而是因为你没有解决方案所以这个问题一直得不到解决用户也就不奢望解决了——另外，很多需求不是原生性需求，而是基于解决方案衍生出来的需求——比如手机贴膜不是原生性需求，手机才是原生性需求；或者说手机不是原生性需求，准确讲，手机应该是一种解决手段，用户需要入网联系进行信息互通才是需求——我们经常犯的错，就是错把手段当需求，不能从原点出发去创新。

绕远了。扯回来。

工业时代生产力的特征是批量生产、标准化。这时候能供给的是大批量的标准化产品。满足的是用户对产品的普遍需求，不是个性需求——记住个性需求是一直存在的，只是当时的供给能力只能满足小部分人的个性定制需求。随着工业化的不断发展，标准产品进入了产能过剩的阶段，用户也进入了标准产品信息泛滥的时代，这时候的市场矛盾，变成了用户个性化需求的增长和市场个性化定制能力薄弱之间的矛盾。本质上讲，是机械化工业生产形式无法满足用户个性化的需求。

这个矛盾成了我们这个时代亟需解决的问题。

怎么办呢？答案就是数据智能。

数据智能是用互联网技术重构供给链系统，让高效的柔性生产成为可能，从而满足用户个性化的定制需要。

如何满足？

首先是万物互联，一切在线。也就是所谓的物联网（IoT）。物联网的意义在于所有产品都成了数据终端：既是数据输入终端也是数据输出终端，更是人机交互终端。在物联网的前期，你至少要开发出一个界面，让你的产品或服务能够与用户互动。这个环节，曾教授讲叫产品化。

有了交互终端，第二步是一切行为数据化。所有的动作，行为，都可以成为数据的字节，被储存下来。这个数据有类型的数据，更有个别的数据（数据库建模时建的表单不同，数据类型就不同）。这些数据你不用它，它就毫无价值。但你只要用它，它就变成了财富。最重要的是这个财富不是消耗品，可以无限复制，越用越有用。

将用户的一切行为数据化，这个在技术上并不难——只要联网在线，用户只要触网，就会形成数据。只是一般人没有注意到这个动作的意义，所以在系统开发的时候，没有开发并迭代优化这部分功能。

数据化以后，是建立算法。算法就是建立数据规则，程序指令。什么样的数据触发条件（输入加上数据分析）会形成怎样的输出，这是算法逻辑。数据量不大，分析维度不多，这个事情就简单。但当数据维度足够丰富，数据量足够大，算法足够多，运算量足够大，这时候，就不是人力能搞定的了，只能求助于机器运算。而且一般的机器作业还不行，得借助云计算的力量。

这样耗心费力的运算，目的何在？目的在于给协同网络的每个参与者更好的体验，满足其个性化需求，让其可以高效决策高效作业。

协同网络是一张横向铺开的网，网络里的每个参与者都是这张网的服务对象，没有数据智能的协作，这些参与者的作业是笨拙的，协同是低效的，有了数据智能，网络的参与者才能真正受益，体现出智能商业的用户价值

所以曾教授讲，协同网络和数据智能是构成智能商业DNA的双螺旋，缺一不可。有了这两个螺旋，你的商业模式就是智能商业，没有，就是传统商业。最后赢的，不是新的，是先进的。智能商业代表的是先进的理念和先进的生产力。革故鼎新，变革的阀门早已开启，唯有洞悉未来的发展趋势，才能提前布局，捕捉未来。

未来还没来，但是通往未来的因已经种下。我们有幸生在这个时代，可以参与或见证这个时代的变革。想想二十多年前中国的互联网什么样，再想想现在中国的互联网什么样，你还会觉得未来很遥远吗？

面向未来，掌握事物发展的原理，因缘聚合的原理，这样我们才有机会成为未来的开创者。

感谢曾教授！

第二篇：《智能商业》读后感

读《智能商业》有感

原创： 萧翔峰

一口气读完了《智能商业》，很多过往经历的事情与书中内容对照了起来，摘选其中部分与大家分享感悟。

网络协同效应

曾鸣用一句话讲明白了滴滴今天为什么会出现美团入场后促手不及的局面——没有网路协同效应，单靠规模经济无法形成垄断。

以前只知道打车是资本密集型行业，核心竞争力是资本；但是为什么是资本？并不明白。

原来是因为在线打车在需求端没有形成网络协同效应，即使供给端的规模效应强大，但司机和平台只是简单的分成关系，通过砸钱就可以让用户迁移了，也就不存在壁垒。所以美团打车的进攻策略还是通过城市逐步切入，给司机高于滴滴的补贴，粗暴有效。

回想当年在线音乐行业，网易云能崛起这么迅速，其实是个性化+歌单的模式，让产品具备了协同效应，用户越多，体验越好。而评论的互动又强化了协同，奠定了整个产品的独特调性。这与当时酷狗、QQ 音乐、百度音乐等产品的分类目录查找型体验，是质的差异。所以，网易云音乐的用户在早期版权不受限时能迅速滚起来。但其后正版化+腾讯大力投入垄断版权后，用户的基础需求（热门歌曲）无法满足，网易云音乐上涨的势头就被迅速压制了。

数据智能

大数据、人工智能，这是时下的行业流行词。过往也在想，在未来智能时代产品经理的价值是什么？这次在《智能商业》里看到了一个很系统的阐述，给了自己很大的启发。

产品是将“云上”的数据智能传递给用户、为用户带来价值的通道。数据闭环靠产品互动实现，而产品体验依赖于数据智能，数据和产品合二为一。一切的数据智能体系，都必须最终融合在功效直接、交互友好、价值明确的互联网产品上，其智能的价值才真正的体验出来。互联网产品是一种包含了“云”的智能和“端”的体验的完整互联网服务。

因此，互联网产品经理作为负责定义、优化互联网服务的角色，价值会更大。在智能时代里，一个优秀的互联网服务，离不开产品经理或实际的产品设计者，通过创造性的产品设计，既把数据智能的价值不折不扣地传递给用户，又使用户低成本、高频度地进行反馈，从而使数据智能持续提升。

这其中，产品经理的工作小到功能交互、大到定义产品场景，既包含前端（用户侧）的直接用户体验与交互，也包含后端（云）的数据智能引擎（例如推荐算法）的目标定义、指标优化。一个同时具备前端、后端工作能力的产品经理，是未来的标配。而纯 APP 功能产品经理的价值会继续的下降，因为行业的配套中台能力越来越成熟强大了。

未来的新产品，一定是针对某个用户问题/场景，定义了全新的用户体验方式，同时启动了数据智能的引擎，形成了数据、算法、产品的反馈闭环，进而持续提升用户体验。我们现在看到的字节跳动系产品，就是这一类产品的当下典型。

成为新智人

谈到这，我们自己其实也是一家企业，以经营自我、提升自我价值为商业目标的企业。但有多少人，在这个互联大时代里，还是一个单点？离线的工作、学习着？不能具备协同效应，没有给自己建立数据输入->输出的反馈闭环的人，无法放大自己的价值，也会在未来更快的面临职业上升天花板，这是未来协同的组织中对人的更高要求。

新的一年，把自己当做一个产品，找到自己的定位点，与所在的线去结网，建立所在面中的反馈闭环，在时代的大环境中继续向前。

第三篇：《智能商业》读后感

《智能商业》读后感

原创： 李日白

曾鸣教授是我做战略的诸多老师之一，他关于战略的论述，一度是我反复揣摩学习的教材。

阿里巴巴是一家以战略见长的公司，能够在这样一家公司任参谋长，肯定得有几把刷子。

马云是个“大忽悠”,能让马云欣赏并邀请加入阿里，斯人功力可见一斑。

刚巧，我主要的工作，也是战略设计。于是乎，我就关注了“曾鸣书院”公众号，下载了“湖畔”APP,也收听了曾教授在得到的“智能商业二十讲”.自曾老师宣布要写这本书开始，我就一直关注着这本书的进程。先是得知这本书的英文版本已经出了，无奈我英语差，不能先睹为快。后又获悉这本书由中信出版集团出版，于是就在中信的购书小程序上预定了这本书。本以为这本书要等很久才能收到，没想到才过几天，就到手了。（截至目前，京东还没上架这本书的中文版。）

书是昨天下午到的，刚到手，就一口气看了一半。

这本书对我的帮助非常大。我就在做关于公司的战略计划，也在做公司的智能系统建设。这本书和我的很多想法不谋而合，让我引以为豪；另外，这本书还讲了很多我没注意到的问题，给了我不少启示。我是一边看，一边和公司的实践比较验证，偶有所感，就随笔记录。有些地方看得茅塞顿开，有些地方看得拍案叫绝，有些地方看得一阵后怕——怕什么？怕要是没看到这本书，自己岂不是犯了大错？

——真是开卷有益——尤其是开高人的卷！

《智能商业》这本书主要讲的就是智能商业。曾教授说，这是未来的商业范式。

智能商业的落脚点在“智能”二字。这两个字将智能商业与非智能商业区别开。意思是：符合智能商业逻辑的商业模式是智能商业，不符合这个逻辑的，是传统商业；智能商业代表了未来，如果你的商业模式与智能商业无关，那么很可能你就与未来无关。

这倒不是危言耸听。

那么，智能商业的智能主要体现在哪里呢？曾教授总结是：网络协同+数据智能。

什么是网络协同？我的理解是，你要用互联网技术构建一张网，将你的产品和服务搬到线上来（或者至少要有和线上交互的界面），然后把整个服务流程（产业链）的参与者也搬上来，让参与者们在线上自主办公、协同作业。当参与的角色足够多，每个角色的用户数足够大，在线协同作业的频率足够高，这个协同网络的包容性、自生性就足够强。

像蜘蛛一样先织一张网，然后把所有参与者一网打尽，这些参与者通过网络协同作业，会不断编织这张网，将网的深度和广度都极大地延展。这是一张可以自生长的网，有多少用户涌入，就有多少个节点，有多少个节点，这张网就有多大。这张网几乎可以无限延伸。它不是物理世界，它是互联网世界、信息化世界，是新的社群组织形态。

以上是我对协同网络的粗浅理解。那么，什么又是数据智能呢？

我理解的数据智能是供给链智能化。

怎么讲？

所有商业的原点，都是用户需求，不同的生产力阶段有不同的供给系统。这里面，用户的需求是相对恒定的，是所有商业行为的目标，但是供应能力不同，所能提供的解决方案就不同、方案的成本不同、满足用户需求的程度也不同——很多需求不是说你有了解决方案用户才有，而是因为你没有解决方案所以这个问题一直得不到解决用户也就不奢望解决了——另外，很多需求不是原生性需求，而是基于解决方案衍生出来的需求——比如手机贴膜不是原生性需求，手机才是原生性需求；或者说手机不是原生性需求，准确讲，手机应该是一种解决手段，用户需要入网联系进行信息互通才是需求——我们经常犯的错，就是错把手段当需求，不能从原点出发去创新。

绕远了。扯回来。

工业时代生产力的特征是批量生产、标准化。这时候能供给的是大批量的标准化产品。满足的是用户对产品的普遍需求，不是个性需求——记住个性需求是一直存在的，只是当时的供给能力只能满足小部分人的个性定制需求。随着工业化的不断发展，标准产品进入了产能过剩的阶段，用户也进入了标准产品信息泛滥的时代，这时候的市场矛盾，变成了用户个性化需求的增长和市场个性化定制能力薄弱之间的矛盾。本质上讲，是机械化工业生产形式无法满足用户个性化的需求。

这个矛盾成了我们这个时代亟需解决的问题。

怎么办呢？答案就是数据智能。

数据智能是用互联网技术重构供给链系统，让高效的柔性生产成为可能，从而满足用户个性化的定制需要。

如何满足？

首先是万物互联，一切在线。也就是所谓的物联网（IoT）。物联网的意义在于所有产品都成了数据终端：既是数据输入终端也是数据输出终端，更是人机交互终端。在物联网的前期，你至少要开发出一个界面，让你的产品或服务能够与用户互动。这个环节，曾教授讲叫产品化。

有了交互终端，第二步是一切行为数据化。所有的动作，行为，都可以成为数据的字节，被储存下来。这个数据有类型的数据，更有个别的数据（数据库建模时建的表单不同，数据类型就不同）。这些数据你不用它，它就毫无价值。但你只要用它，它就变成了财富。最重要的是这个财富不是消耗品，可以无限复制，越用越有用。

将用户的一切行为数据化，这个在技术上并不难——只要联网在线，用户只要触网，就会形成数据。只是一般人没有注意到这个动作的意义，所以在系统开发的时候，没有开发并迭代优化这部分功能。

数据化以后，是建立算法。算法就是建立数据规则，程序指令。什么样的数据触发条件（输入加上数据分析）会形成怎样的输出，这是算法逻辑。数据量不大，分析维度不多，这个事情就简单。但当数据维度足够丰富，数据量足够大，算法足够多，运算量足够大，这时候，就不是人力能搞定的了，只能求助于机器运算。而且一般的机器作业还不行，得借助云计算的力量。

这样耗心费力的运算，目的何在？目的在于给协同网络的每个参与者更好的体验，满足其个性化需求，让其可以高效决策高效作业。

协同网络是一张横向铺开的网，网络里的每个参与者都是这张网的服务对象，没有数据智能的协作，这些参与者的作业是笨拙的，协同是低效的，有了数据智能，网络的参与者才能真正受益，体现出智能商业的用户价值

所以曾教授讲，协同网络和数据智能是构成智能商业DNA的双螺旋，缺一不可。有了这两个螺旋，你的商业模式就是智能商业，没有，就是传统商业。最后赢的，不是新的，是先进的。智能商业代表的是先进的理念和先进的生产力。革故鼎新，变革的阀门早已开启，唯有洞悉未来的发展趋势，才能提前布局，捕捉未来。

未来还没来，但是通往未来的因已经种下。我们有幸生在这个时代，可以参与或见证这个时代的变革。想想二十多年前中国的互联网什么样，再想想现在中国的互联网什么样，你还会觉得未来很遥远吗？

面向未来，掌握事物发展的原理，因缘聚合的原理，这样我们才有机会成为未来的开创者。

感谢曾教授！

第四篇：EPB服装行业商业智能解决方案

EPB商业智能 服装行业 解决方案

目录 2 3 服装行业背景分析...................................................................................................................2 服装行业客户特点...................................................................................................................3 商业智能在服装行业中的应用...............................................................................................6 3.1 服装行业发展前景及对商业智能的需求...................................................................6 3.2 商业智能在服装行业中发挥的作用...........................................................................6 3.3 服装企业BI规划..........................................................................................................7 服装行业解决方案概述...........................................................................................................9 4.1 服装行业分析体系.......................................................................................................9 4.2 财务主题分析...............................................................................................................9 4.3 客户分析主题.............................................................................................................11 4.4 销售分析主题.............................................................................................................11 4.5 采购分析主题.............................................................................................................16 4.6 生产分析主题.............................................................................................................18 4.7 库存分析主题.............................................................................................................19 4.8 人力资源分析主题.....................................................................................................20 4.9 市场与政策分析.........................................................................................................22 商务智能服装行业解决方案的价值.....................................................................................23 5.1 对决策者的支持.........................................................................................................23 5.2 对管理人员的支持.....................................................................................................23 5.3 对业务分析人员的支持.............................................................................................23 5.4 对信息综合利用的支持.............................................................................................24 5.5 减轻了财务分析工作量，提高了财务分析的准确性.............................................24 5.6 打造决策分析平台，直观反映，透视经营.............................................................24 5.7 数据格式极其丰富，更符合决策思维.....................................................................25 4

服装行业背景分析

据统计，在近20年，中国服装行业的产值平均每年增长14.55％，而且出口额占全球的20％，无庸置疑，中国已经是世界服装制造大国。

但是入世与取消配额，是一把双刃剑，国外的商家也越来越多的进驻和占据中国服装业市场对于中国的服装厂商来说，产品寿命会越来越短，压力会越来越大。

广大厂商日益注重服装品牌经营，但是同时销售价格与行业利润却持续走低。市场需求的瞬息万变，预测生产的高库存风险，都对我国服装行业提出更大挑战。

中国的服装产业可谓是最为浩瀚最为复杂的一个行业，中国十几个亿的人口带来了巨大的市场，同时不同消费层次的人群又给不同档次的服装提供了发展空间。服装业属于劳动密集型企业，科技含量不高，准入门槛比较低，资金介入也比较容易，所以大到上市公司、服装集团企业，小到几台机车的家庭作坊，都能在市场上分得到自己的一杯羹。服装业的竞争又是异常激烈的，但同质化严重的行业特点又注定了服装业的竞争只能停留在较低层面。很多服装企业表面风光，卖场整齐漂亮，形象鲜明，品牌知名度越来越高，利润也看上去颇为可观。但是，在中国服装企业的背后，家家都有一本难念的经，家家都有难言的痛，普遍面临着共同的阻力和尴尬。

服装行业的加工和生产组织过程不需要大型专门化的机械设备，可以在较少的资本投入下运行，尽管近年来高新技术如CAD、CIMS和先进的生产组织方式被不断研制出来并投入应用，但绝大多数企业仍未脱离传统的模式。这使得服装行业对劳动力成本颇为敏感。随着一些国家和地区劳动力成本的增加，服装行业加工产业的转移也随之发生。

服装的易变性和循环性决定了服装业面临着种种挑战，有些挑战是服装业要特殊面对的，而有些是与其他工业相同的。

 行业客户的分布情况：

 产业集聚模式一：大城市打造服装文化时尚之都

以服装文化、商贸、时尚为主要特征，成为以大城市为载体的产业集聚地。北京、上海、大连、深圳等大都市是这种模式的代表。这类集聚地大多是在老的服装工业基地基础上形成，利用大都市的信息流、人才流、现代物流、资金流等优势资源，在服装文化、商贸和设计方面有着极大的优势，成为中国乃至世界时尚服装展演的窗口和舞台。

 产业集聚模式二：产品专业的服装特色地区

以产业配套齐整为主要特征，市场信息反应敏锐，以生产中高档品牌服装的企业为主体。温州、宁波、晋江等地是这种模式的代表。

 产业集聚模式三：以大型出口企业为中心的服装出口基地

以外向型经济为特征，形成以大型出口服装生产企业为主体的多层次服装产业群。浙江平湖、江苏常州、广东潮州等地是这种模式的代表。

 产业集聚模式四：以服装为轴心的产业链

以中小企业为依托，以单一产品或专业服装生产为特色，形成以中小城镇为载体的产业集聚地。浙江嵊州（领带）、湖州织里（童装）等地是这种模式的代表。服装行业客户特点

 管理特点

 流行周期短、季节性强，市场瞬息万变     预测生产的高库存高风险 生产计划多变 产品多样管理复杂 复杂的经营管理

 我国的服装行业普遍存在的问题：

 产销链不畅，丢失市场机会

服装行业是一个流行性变换性极强的行业，产品上市时间——也就是从生产环节完成的成品最快的到达零售终端，精确的市场预测和补货，产销链的畅通与否对企业占有市场起着决定性的作用。这种畅通源于信息传递和沟通的完整、真实和及时与否，在需求链上，需要企业了解来自一线市场的需求数据和趋势，而在销售链上，企业的新产品、营销推广信息要及时的传递到分销渠道和客户，以达到沟通信息，了解、认知和购买企业产品的目的。所以如何通过一个信息系统平台，整合销售前端和生产后端的数据信息，打通产品分销环节缩短产品上市时间，是服装企业竞争的核心；

 库存成本居高不下

库存量大物流不顺，企业与市场需求脱节导致库存成本居高难下是服装企业另一个大问题。由于产品的种类多管理繁杂，传统的人工统计和管理方式，对库存量的数据无法反应真实准确情况；对于分销渠道的各个环节，如经销商的真实库存和物流状况更是鞭长莫及。但对服装企业来说，库存成本常常是企业成本比例很高的部分，库存状况不清楚和难以调配，会产生库存成本居高不下，成本的增加带来的是竞争优势的丧失以及利润的降低。对于库存积压严重的企业来说，由于服装时尚性的特点，过季商品的处理，不但影响了企业的形象，也造成新品上市的压力；

 商品编码管理不完善，决策困难

服装行业的商品编码是其管理的最基础元素，但相对其他行业来说服装行业的商品编码比较复杂，同时可包含：款式、颜色、尺寸，一些还包含成分构成、件折箱等方式。商品编码是企业信息化管理的基础，很多企业虽然有意识的建立编码管理，也引进条形码的管理，但由于服装企业一般缺乏一套完整的商品编码体系，大多数的情况是生产和销售的编码体系无法实现统一。这就使企业生产与销售信息的整合难度加大，形成企业里销售与生产部门，相互扯皮的情况。并且，由于没有完整统一的管理商品档案，针对商品的业务管理和统计分析效率低，准确性差，直接给业务数据管理带来混乱；

 对渠道和终端管理困难 脱胎于传统信息沟通（电话传真口头）管理模式：在渠道管理和终端管理中，总部与分公司（办事处）、经销商、供应商之间的信息沟通不畅，商务处理效率低，既影响商品供应的及时性，也容易造成现货积压，还容易造成误解，引起分公司（办事处）、经销商或者供应商的不满，造成供应链不稳定。对渠道中的经销商、商场等终端的控制和管理力度薄弱，无法将经销商纳入整个公司的整体信息管理系统中，造成企业后台管理系统基础数据的缺乏与不准确，影响后台管理系统效率的发挥；

 生产计划多变

在服装行业中，服装的加工往往要受制于服装原料到货的准时性及其质量，往往由于某些原料的货期调整而导致生产计划的变更，而且这种变更还会产生连带的影响，经常出现加工到一半出现调整，造成资金积压，给企业带来极高的管理成本；

 市场信息不统一，缺乏决策依据

市场信息无法统一管理、共享、分析，营销部门对于销售终端业务数据和重点客户的状况无法及时了解，对市场活动缺乏项目化管理与分析的手段。总部、品牌管理中心（营销管理中心）与各分销渠道之间的信息传递，完整性、准确性和及时性等带来管理滞后，决策“拍脑袋”的准确性面临极大挑战；

 业务财务信息不同步，效率低下

销售部门与财务部门信息分割，统计口径不统一，确认的销售额存在差异，无法准确进行核对和调整。同时，大多数企业没有财务与业务整合的平台，通常要将分散的销售数据重新确认和输入财务系统，人工成本高而处理效率极低，财务部门成为记帐员，陷入大量的基础操作，没有精力为企业进行财务的统筹规划与管理。与财务数据有关的返点返利等计算，操作难度大，时间长；

 财务管理粗放，运营成本高、风险大

服装企业由于受经营特点的影响，各分子公司、办事处及分销商分布地域广泛，各单位之间信息分散，共享性差；服装的价格受款、色、规、面辅料、销售时段等各种因素的影响，变化较大，核算困难。资金的收支缺乏筹划和控制，不便于资金的预测和分析，无法提高资金的利用效率。许多财务数据在集团内部需要多人重复输入，浪费大量的人力物力，而且产生错误的可能性大大增加。大多数服装企业缺乏较为完善的财务分析体系，不能分析出企业真实的财务状况，从而指导企业降低经营成本，防范经营风险。3 商业智能在服装行业中的应用

3.1 服装行业发展前景及对商业智能的需求

在激烈的市场竞争下，当前的服装企业面临着一系列的挑战：  提高品牌知名度和忠诚度

 在所有客户接触点上提供优质的服务  面临日益严重的价格压力  获得客户的360°视图  管理好员工关系  提高需求计划水平 提高供应链中的效率

面临激烈的市场竞争、不断提高的营销费用和日益微薄的利润，服装企业不得不采取新的管理，比如有效的客户反应、类别管理和多渠道整合等，而这一切都离不开商务智能，因为商务智能可以给客户提供界定、跟踪重要商务数据（如客户行为、产品组合、定价、库存水平、营销费用和财务状况等），并针对这些参数做出快速反应的能力。

一个可靠的商务智能平台需要为服装企业提供涉及到管理方方面面的分析，譬如供应链分析、销售分析等等。成功的商务智能平台应该具备整合多种系统（如财务系统、CRM、POS、HR、物流系统）数据的能力，并将这些数据经过加工分析以向使用者提供一个完整的管理视图。商务智能系统还必须帮助服装企业的决策者挖掘客户的购买类型，更加有效地跟踪库存水平，确保在正确的时间向正确的客户提供正确的产品。

3.2 商业智能在服装行业中发挥的作用

商务智能可以从许多方面帮助服装企业改善经营状况，具体来说，包括：

 通过关于服装企业和整个供应链的采购和配送情况的信息来改善采购、预测和分销管理；

 通过跟踪和分析客户购买行为及其在所有渠道的购买类型来优化产品获利程度、增加营销活动的有效性

 通过分析客户赢利性、提供定制化的互动机会并对客户行为的变化迅速做出反应，以增加客户忠诚度和终生价值。

 通过跟踪和分析商店单位面积的销售情况来优化店铺绩效。 通过衡量产品摆放的有效性来改进进货决策。

 通过客户购买决策的理解和有效的类别管理战略来改善产品的选择、供应、促销和定价。

 通过详尽的购物篮分析来识别交叉销售和向上销售的机会。

 将各类分析指标预制到系统中，可以根据各企业上报的真实数据，通过系统强大的功能来自行构建分析模型，直观反映、灵活监控。减轻了财务分析工作量，提高了财务分析的准确性。

 系统能够对所有监管企业按照预先设定的异常评价方法进行风险评价，给出量化评分，按照异常程度采用红黄绿不同颜色标示。帮助管理者迅速找到管理异常情况，并对于异常情况深入分析异常指标，查找异常原因，实现追根溯源。实现预警功能。 通过对企业的KPI进行预警设置，可以对企业状况进行动态监控，一旦发生异常，及时进行报警，并能对异常详情进行分析。并可要求分析人员分析报告异常原因，从而及时发现风险、规避风险。加快了异常预警的速度，增强了风险预告能力。 系统会自动形成图文并茂的财务分析报告，分析报告支持Word、Excel等格式，还可以输出成PDF、HTML、XML、CSV等多种格式的文件，大大提升了报告效率，彻底把分析人员从繁杂的搜寻数据，整理数据的工作中解放出来。从而自动出具财务分析报告。

 系统预置多达数十种的数据展现图形、控件。譬如仪表板、地图、饼图、柱状图、雷达图、线形图等等。决策者可以选择适合自己的分析手段，大大增加了数据展现的灵活性及决策的有效性。丰富的数据分析手段，更符合管理者决策思维。

3.3 服装企业BI规划

 第一期：建立供应链分析体系（购销存）对客户、供应商、品牌、库龄及时间节假日等进行多维度分析，并针对服装分销行业打造专业分析指标，全面提高运营水平。 第二期：建立以财务为核心的绩效评价体系，并且以BSC来组织及监控指标。打造专业的财务分析模型，辅助企业监控企业的运营。

 第三期：引入全面绩效管理，配合商业智能系统全面提高人员绩效，建立强大而稳定的团队。

服装行业解决方案概述

4.1 服装行业分析体系

服装行业分析模型，针对企业最关心的利润、成本、生产等方面的核心指标一一抽离，并形成体系化，辅以同比、环比、构成、趋势等展现形式，分析企业的运行状态，发现企业的发展趋势，并对将来进行预测。

4.2 财务主题分析

财务比率分析：

1.获利能力分析：销售利润率、成本利润率、资产收益率、经营性现金流量与利润比等； 比较分析：2.营运能力分析：应收账款周转率、流动资产周转率

将3.偿债能力分析：流动比率、现金比率、资产负债率、经营 财务状况与历史情况、行业发展情况及业务情况相接合活动现金流量与负债比等 进行纵向或横向比较，并与财务预算进行对比分析

结构分析：

4.成长能力分析：净利润增长率、固定资产增长率、资本保

如应收帐款帐龄分析、资产结构、负债结构、资金流入、流值增值率、总资产增长率 出结构分析、筹资结构等，有助于更深入的了解财务状况

首先对财务管理中标准的财务指标完成收集与展现，针对每种财务能力再进行比较分析、结构分析，与公司历史、行业平均水平等多个角度衡量出企业的运行状况。分析问题、找出问题、展现趋势，进而有助于调整企业发展方向。

 资金分析：现存现金、银行存款实时查询  收入分析：收入结构、收入金额分析

 利润分析：按季度、月度进行分析；预算与实际对比分析  应收分析：客户应收、账龄分析

 费用分析：销售及管理费用实际与预算对比分析

 应付分析：应付按照大宗采购区分（已付金额、资金存量、要付金额）；

普通采购应付（穿透到应付报表）

杜邦分析

4.3 客户分析主题

对客户的构成、行为进行分组，将客户归类、分析出具体特征。通过特征预测潜在客户，并为市场推广提供精确营销数据。同时对流失客户、客户忠诚度实现分析，综合发现优质客户，培养优质客户。

4.4 销售分析主题

对各服装产品的销售、销量实现分析，形成销售的排名。销售成功率和销售进度分析，对每个潜在客户做了综合的展现。定制销售考核KPI指标，针对每个销售人员规则化、定量考核。可提供如客单价、客单量、VIP消费、门店分析指标等行业专用模型。

 销量: 总销量分析、明细到大类品种的销量及趋势分析。 回款：回款总额及各销售组织回款情况分析

 销售进度分析：销售组织的库存、销量、回款的指标与实际差异对比分析  销售排名：对收入/数量按照销售组织、客户、产品等不同维度进行排名分析  趋势分析：销售组织销售数量趋势分析（环比和趋势图）

整体销售分析

销售情况分析——按产品

销售情况分析——按业务员

销售情况分析——按客户

按品类销售分析

销售渠道分析

销售毛利分析

门店分析指标

门店综合分析

4.5 采购分析主题

企业为了实现利益最大化，必将实施开源和节流。采购环节对于服装企业，是其生命的源头。服装企业如何选择最适合自己的供应商将是“节流”的关键，包括采购品类、采购价格、采购数量、采购频率等方面的分析。

 采购价格走势分析：原料价格趋势分析（穿透到库存数） 供应商分析：金额/数量/及时交货率/质量情况等对供应商分析

 采购入库检验分析：质量数据来源于质检模块，数量数据来源于ERP入库单  采购计划指导性分析：采购计划实现率（经济责任考核指标，采购计划实现率=临时计划条数/月计划条数*100%；A类物资的采购计划实现率；车间申报计划同车间实际消耗的对比分析（按金额、分大类对比）

 采购结构分析：采购差异结构（按照大类汇总，采购价和计划价差额）

采购整体分析

供应商分析

4.6 生产分析主题

生产环节是服装企业的核心，也是企业管理的重中之重，生产环节是连接采购、库存、销售等环节的桥梁环节，不仅仅占有企业的大量流动资金，而且是企业的核心竞争立所在，如何快速交货，尽可能降低身材成本，合理安排生产计划等都是企业社会竞争中所必须考虑的问题。

 生产进度分析：实际产量与合同量对比分析（按时间维度）。

 生产产量分析：车间、班组等进行预算实际产量对比分析；按车间、大类、品种进行产量多维分析（预算和实际）。 在制品分析：按照大类、品种数量进行多维分析

 换线分析：次数=机台的完工料物料编码个数-1，换线趋势分析（车间、班组、机组等）

 合同保有量分析：合同保有量=合同的订单量-合同完工入库量  不合格品分析：按天分大类、品种不合格品排名。

4.7 库存分析主题

服装企业库存分析的目的是实现企业库存的合理配置，从而实现在保证正常原材料供应的同时，最大程度的减少库存。虽然在国内的企业中，要实现零库存还是一个远期的目标，但是借助现代化的管理思想和信息化系统，可以在一定程度上减少库存数量，提高企业资金的周转速度。也就是说，服装行业的库存分析是围绕着上述目标展开的，即降低库存成本，提高库存的周转率。关键的分析指标如下：

 库龄分析：及分析原材料、半成品、在制品、成品的库龄情况，进而分析其库龄价值

 库存资金占有率分析：明确库存资金的占有情况及组成情况。从原材料、成品等维度进行分析

 不同阶段的库存数量、成本分析：根据具体的淡旺季情况进行库存分析，实现精细化管控。

 库存环比、同比分析：通过内的环比库存分析及跨的同比库存分析，呈现库存管理各项指标的变化趋势以辅助决策。

 库存多维分析：月初月末库存数据多维（按品种、大类等）分析；  库存金额分析：库存金额结构分析（按照收发存大类的耗用量穿透）；

 库存周转分析：周转越快，说明生产、销售形式看好，生产出的东西能够立刻卖出去。指标也并非越高越好。库存周转次数＝年出库金额（数量）／平均库存金额（数量）＝年出库金额（数量）×２／（年初库存金额＋年末库存金额）

 库存统计分析：各部门项目大类的消耗（出库）计划金额汇总表（透视大类报表）

可用量、现存量分析

收发分析

4.8 人力资源分析主题

从学历、薪资、岗位等角度分析人员构成，将人员归类，筛选优质人才。由于服装行业是劳动密集型产业，针对大量劳动力的人员流动情况，员工能力考评，工作完成情况等都需要实时监控。

教育背景分析

薪酬成本分析

4.9 市场与政策分析

对企业外部的市场与政策实时分析，数据一方面可以来自企业的市场调研，也可以来自于销售数据的分析结果，这就要求系统有数据补录或采集功能。

针对国际、国内市场变化，汇率、国家政策的变动等，对当前生产、采购、销售的影响进行分析。

商务智能服装行业解决方案的价值

因为公司提供方案是整体解决方案，涉及到企业管理的方方面面。所以，公司的方案在功能的完整性、平台的开放性方面是非常出众的。

服装业商务智能方案能从各个方面能给客户带来价值。具体包括以下方面：

5.1 对决策者的支持

KPI指标的宏观汇总分析：建立企业KPI指标，实现通过宏观关键绩效指标的分析，来把握企业整体运行及经营状况。

关联多个系统数据，实现数据整合与关联分析：关联生产系统、财务系统、订货系统、销售系统等数据库，利用数据仓库技术，为决策管理者的企业经营全过程分析提供数据支持。

极限的调整设置，固化管理规范：利用信息发布功能，实时或定期发布相应的绩效信息，很好地提高了组织成员的凝聚力和工作的自主动性。

5.2 对管理人员的支持

分析主题的建立：为管理人员建立起一整套蕴含分析方法及分析思路的不同分析模型，将分析模型归纳成分析主题，将分析模型归纳成分析主题，通过分析主题提高管理人员经营分析的准确性、实时性、科学性。

灵活的多维分析：摆脱普通报表系统的固化报表形式，将数据按照维度及事实（度量）进行分类与整合，通过维度与事实数据的灵活自由组合，快捷的生成分析所需的结果及报表，为快速灵活分析提供帮助。

5.3 对业务分析人员的支持

成熟的分析方法：将行业内成熟的分析方法融入系统中，将分析方法的理论通过BI系统实现，帮助业务分析人员更加高效、准确的辅助企业决策。

快速自定义的报表输出：为标准格式的报表输出提供快捷、简单、易操作的生成方式。图表结合的分析展现：丰富的图形分析展现方式，对业务分析人员的分析需要提供多种选择。5.4 对信息综合利用的支持

利用现有网络及资源，关联多种多种应用系统：整合信息孤岛，有效利用已有数据信息。支持并促进数据信息标准化及规范：为保证综合计划管理数据库中的信息是关于整个企业的一致的全局信息，我们必须消除数据中的不一致性，即要在建立统一的信息标准和规范的前提下进行。

5.5 减轻了财务分析工作量，提高了财务分析的准确性

分析统计模块把各类分析指标预制到系统中，可以根据各个业务系统的真实数据，通过系统强大的功能来构建分析模型，直观反映、灵活监控。原有条件下需要手工进行二次加工的数据完全可以在该平台上通过信息技术来自动实现，大大削减了财务统计、分析的工作量，大幅提升了数据的精准度，让相应的管理人员将更多的宝贵时间放在管理、分析层面，而不是花在琐碎繁杂的数据准备、加工阶段。譬如，财务分析与绩效评价系统能够帮助企业按照预先设定的异常评价方法进行风险评价，给出量化评分，按照异常程度采用红黄绿不同颜色标示，帮助管理者快速找到异常情况，对于异常情况深入分析异常指标，查找异常原因，实现追根溯源。

5.6 打造决策分析平台，直观反映，透视经营

通过商务智能平台打造决策分析模块，建设企业全面决策分析工具。该模块通过多种管理模型分析、丰富的分析方法，采用一站式的页面查询，让决策者随时随地掌握企业经营的动态。

财务分析与绩效评价系统提供多种美观仪表盘、信号灯等，支持任何矢量地图（包括地图以及自定义图片），还可以通过地图数据钻取。仪表盘能实时查询数据库，定制仪表盘不用XML编程。

EIS是一种最新的、通过按纽就可执行的查询数据库的方法．因为通过EIS能将相关联的查询和各种各样的报表文件放在同一界面上浏览和分析，而且各报表间也保持着关联，所以EIS使最终用户访问信息更加方便．EIS的显著特点如下：  将多样化的数据分析结果展示在一个平台。 强大的分析功能为决策者传送关键数据。 不需编程完成复杂的EIS展示。

 多种图表展示形式，支持饼状图，点状图，柱状图，3D图形等  支持把整个EIS展示界面导出为图片

图EIS界面

5.7 数据格式极其丰富，更符合决策思维

财务分析与绩效评价系统预置多达数十种的数据展现图形、控件。譬如仪表板、地图、饼图、柱状图、雷达图、线形图等等。相关决策者可以选择适合自己的分析手段，大大增加了数据展现的灵活性。

丰富的数据展现手段

第五篇：九大商业智能分析平台

九大商业智能分析平台

随着大数据时代的来临，商业智能这个词在国外企业界出现，其代表为提高企业运营性能而采用的一系列方法、技术和软件。它把先进的信息技术应用到整个企业，不仅为企业提供信息获取能力，而且通过对信息的开发，将其转变为企业的竞争优势，也有人称之为混沌世界中的智能。因此，越来越多的企业提出他们对BI的需求，把BI作为一种帮助企业达到经营目标的一种有效手段。

目前，商业智能通常被理解为将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。为了将数据转化为知识，需要利用数据仓库、线上分析处理(OLAP)工具和数据挖掘等技术。因此，从技术层面上讲，商业智能不是什么新技术，它只是ETL、数据仓库、OLAP、数据挖掘、数据展现等技术的综合运用。

商业智能(BI)厂商正在寻求从大量的资料来源，新的先进的数据可视化功能，以帮助企业应对日益庞大的数据集。商业智能(BI)厂商都在寻求新的先进的数据可视化功能，以帮助企业解决这个问题。下面我们来看一下目前在商业智能比较领先的系统平台：

一、蓝色巨人IBM最全面的BI产品

蓝色巨人IBM有一个最全面的商业智能(BI)产品，它结合了软件，硬件和服务。在今年早些时候，Cognos增加了基于桌面的高级数据可视化与的洞察力分析。

Cognos是在BI核心平台之上，以服务为导向进行架构，是唯一可以通过单一产品和在单一可靠架构上提供完整业务智能功能的解决方案，它可以提供无缝密合的报表、分析、记分卡、仪表盘等解决方案，通过提供所有的系统和资

料资源，以简化公司各员工处理资讯的方法。作为一个全面、灵活的产品，Cognos业务智能解决方案可以容易地整合到现有的多系统和数据源架构中。

二、数据分析市场后期之秀Information Builders

Information Builders是世界上最出名的大规模部署BI的公司。通过它的WebFOCUS平台为企业用户提供先进的数据分析。WebFOCUS是一功能强大、高度集成、具有高性能和高延展性的企业商务智能套件，是目前业界中可用性(Usable)、散播性(Deployable)和延展性(Scalable)最佳的实时信息传递解决方案。从标准报表、自助式报表到即席查询、OLAP分析、动态排程或预警分发，WebFOCUS提供了所有的特征和功能，可满足企业内外用户各种各样的信息需求。

此外，WebFOCUS的强大功能可访问企业现有的所有数据源，从遗留数据到数据仓库，也是无以匹敌的。目前，每天都有数百万用户通过企业内、外部网络或互连网络使用WebFOCUS所开发的应用系统。

三、微软

微软可以说是数据分析可视化市场上的后期之秀。Microsoft BI 通过三个层面或工作负载交付：数据仓库、报表与分析以及绩效管理。所有这一切都旨在提供整合的、全面的数据源和工具，以帮助改进决策制订。在我们看来，Microsoft BI 的承诺就是：帮助组织内所有层面的决策者对其决策所支持的企业目标与计划充满信心。

四、MicroStrategy

MicroStrategy公司是专门从事运行在大型企业级上的BI部署数据仓库，提供直观地浏览数据的能力，并使用可视化数据分析工具生成的见解。

MicroStrategy能够协助各公司开发各种大型数据库以及个人用户的分析软件允许各公司通过电话、传真、电子邮件以及互联网向用户传送各种定制的、个性化的信息。用户也可以根据自己的情况决定何时或者以和种方式等来收看各公司的信息。

五、甲骨文是商业智能中领军者Oracle

很多企业都将甲骨文作为商业智能方面的竞争对手，甲骨文的解决方案得到了广泛应用。Oracle商务智能企业版(OBIEE)最早是由一组经验丰富的商务智能和数据仓库专家从1997年开始设计、开发的新一代商务智能平台。整个平台针对百分百Web架构来设计，从一开始就引入了很多全新的思想-希望能给尽可能多的企业员工提供全面的商务智能能力，尽可能的让商务智能直观易懂、便于使用和充满交互，从而让整个组织架构中的每个人都能从中得益。

六、QlikTech

QlikTech是全球增长最快的商业智能(BI)公司，其旗舰产品 QlikView 提供即时商业答案，使用户能够轻松自如、无限制地挖掘自己的数据。与传统商业智能不同的是，QlikView能够为用户迅速创造价值，其投资回报期仅为数天或数周，而不是数月、数年或永远收不回投资。它是唯一一款能够在经营场所、云计算平台、笔记本电脑或者移动装置上部署的产品，适用于任何企业，从单个用户到大型国际企业。

七、SAP

SAP BusinessObjects是全球领先的商务智能(BI)软件公司的产品套件，Business Objects XI 为报表、查询和分析、绩效管理以及数据集成提供了最完善、最可靠的平台。

以SAP BusinessObjects现有成功产品组合为坚实基础，这项全新解决方案使得企业可以集中精力改进其在经济、社会和环保方面的绩效，而无需将大量时间花费在收集相关数据和编写报告上。SAP BusinessObjects可持续发展绩效管理解决方案能够为企业提供可持续性指标的整体视图，通过简单易用的界面来简化内部和外部报告流程。

八、SAS为很多企业解决业务问题SAS

SAS企业级商业智能已经为很多企业解决了复杂的业务问题，特别是对那些需要先进的分析方法，对大型非结构化数据源的企业的共同选择。

SAS商业分析框架包括行业和业务线解决方案，以及分析、数据管理、查询和报表技术。公司可首先解决最重要的关键业务问题，然后随着时间的推移逐渐添加新功能，以支持持续的绩效改进。

九、Tableau

Tableau是桌面系统中最简单的商业智能工具软件，Tableau没有强迫用户编写自定义代码，新的控制台也可完全自定义配置。在控制台上，不仅能够监测信息，而且还提供完整的分析能力。Tableau控制台灵活，具有高度的动态性。

Tableau公司将数据运算与美观的图表完美地嫁接在一起。它的程序很容易上手，各公司可以用它将大量数据拖放到数字“画布”上，转眼间就能创建好各种图表。这一软件的理念是，界面上的数据越容易操控，公司对自己在所在业务领域里的所作所为到底是正确还是错误，就能了解得越透彻。

总结：商业智能作为企业业务驱动的决策支持系统，其发展是以较为完善企业的信息系统和稳定的业务系统为基础的。商业智能未来的应用与行业内信息化的基

础状况密切相关，如何切实了解自身需求、选择具有优势的厂商产品，将是企业实施商业智能成功的关键。

Via:商业分析，商业智能