【辽宁省烟草专卖局】报价_参数_片_ 评测 _
瞿鑫++陈霖++邹世龙
[摘 要]2017年是大数据从概念到落地的一年，大数据作为一种新的理念和方法，颠覆着传统行业的管理和运营思维。随着企业信息化的深入推进，烟草商业企业的数据量呈现快速增长，本文分析了凉山烟草公司积极引入大数据管理的优势和劣势，结合企业“两烟”经营实际，提出了建立适应“大数据”管理的制度和文化、组织机构、应用场景的想法，并设计了以“数据仓库+OLAP”为核心技术，以“数据平台+Web应用+手机APP”的大数据服务模式。
[关键词]大数据、OLAP、烟草
中图分类号：F721 文献标识码：A 文章编号：1009-914X（2017）31-0346-02
1 引言
世界的本质是数据，而当今的世界是一个大数据的时代。数据是基础性资源，也是重要的生产力，大数据与云计算、互联网等新技术相结合，正在迅速并将日益深刻改变人们生产生活方式和企业管理的模式。烟草行业早在2005年就着手建设“一号工程”，实现了对烟草行业工业、商业两大环节及时准确的数据采集，每年采集卷烟“两打三扫”加工后的数据超过6亿条，卷烟订货平台覆盖了500多万零售客户，每年产生125亿多条交易记录。在烟叶种植环节，一些烟区采集田间土壤信息、施肥状况、气象及烘烤调制等生产过程数据信息，通过云计算数据平台，开展数据分析和处理，为适时监控烟叶生产状况和生产优质烟叶提供科学决策和依据。此外，大数据还广泛应用于烟草行业的精益生产、精益物流、精益管理等方面，并发挥着越来越重要的作用。
2 数据应用背景
凉山是全国重要的战略性优质烟叶产区，年产优质烟叶240万担以上，销售卷烟14.6万大箱，服务11000余名卷烟零售户和近10万户种植户。对数据的采集和利用，已经具备以下基础：一是数据网络已建立。截止2016年，已实现本部、县局公司和230多个烟叶收购站点之间的光纤宽带互联互通，为系统的在线运行和数据的实时传递提供了稳定支撑。建立了覆盖卷烟营销、烟叶生产收购和基础管理在内的30多个信息系统，各板块的工作流程已经实现全面信息化。二是数据积累已具规模（图1）。
卷烟电子商务和物流方面，每年产生100余万条客户订单数据和支付数据，3600多万条卷烟物流数据；若零售客户全部扫码销售，每年产生过亿条数据。由于实施人脸识别，每年烟叶收购过程中累计产生超过600万条的识别记录数据。对近300万个烟包进行打码、扫码过程中，将会产生超过千万条的烟包物流数据。烟叶站点的800多个视频监控摄像头， 每年将会产生500T的数据。随着多个岗位手持终端的推广使用，烟技员、卷烟客户经理、送货员等在移动办公过程中，也会持续产生大量数据。这些数据的价值也有待我们去进行发掘和利用。同时，对于上述海量数据的传输、存储和分析利用都无法使用传统技术手段处理。三是数据深度应用的需求越来越强烈。实现精益管理，精益服务，凭经验猜测是靠不住的，必须要从数量巨大、种类繁多的业务数据中“挖矿”，并且加以清洗、萃取和提炼，才能得到对管理决策有价值的信息。
3 大数据应用面临的挑战
3.1 企业数据烟囱林立
伴随着企业数据的不断增多，类型的不断丰富，获取越来越高效，新问题的也出现：数据共享的问题日趋严重。信息系统孤岛化，企业数据板块化，事实上形成了数据在业务板块、部门、上下级之间的孤立，无法从企业整体层面实施大数据的资源配置和综合应用。
3.2 数据应用需求不明确
企业中多数员工对数据的认识没有上升到生产力和企业资产的高度。业务部门对数据的应用缺乏目标导向，即：需要在哪些场景，运用哪些数据，建立什么模型，实现什么效果没有准确的需求和规划。加之利用传统工具开展数据分析耗时耗力，对大数据的应用自然就产生了畏难情绪。此外，数据应用需要对人力物力财力持续不断地投入，过程可能长达数年之久，因此如果没有坚决的态度，很难形成有效的大数据积淀。
3.3 数据处于次要地位
大数据对于互联网企业的重要性不言而喻，但是对于如烟草这样的传统企业，信息化建设仍侧重于设施建设和系统建设，对数据应用的重视程度相对较低。系统建设为主，数据应用为辅的状态仍在持续。这造成了在产生数据应用需求时，要么因为无数据可用，要么需要临时组建团队进行攻关，应用效率受到了严重影响。
4 抓住大数据应用关键点
4.1 以“大数据”应用为管理新导向
建立起用数据说话，用数据管理的文化，并逐渐在干部员工中建立起一种共识。一是领导示范。企业文化归根结底是一把手文化，如果领导能够带头使用数据，必将产生良好的示范作用。二是制度约束。在任务制订，安排计划和评价绩效时，做到任务指标的量化，实现以数据为驱动的闭环管理。三是用人导向。将员工的数据分析能力作为人岗匹配和岗位晋升的重要指標，引导员工在工作中更加注重提升数据应用水平和能力。
4.2 建立适应“大数据”的团队
企业在信息化建设中产生系统孤岛、数据烟囱，很大原因是需求和建设的脱节。针对这个问题，改进措施是各业务部门设置兼职数据管理员，负责制订对业务板块的数据需求。企业成立大数据管理团队，从整体层面分析业务流程，理解管理精髓，整合数据资源，搭建数据模型，建设应用平台，并进行相关硬件的管理和信息安全管理。
4.3 规划好大数据应用的场景
用好大数据，要找准切入点，与企业管理的重点、难点、痛点、薄弱点紧密结合，突出四个服务：让数据真正在生产经营、规范运行、管理决策和服务客户方面发挥实效。烟叶数据的应用方面：
（1）烟叶生产管理
通过数据与卷烟生产企业、科研单位共同制订原料质量需求和技术方案，从而形成生产计划和生产方案，实现真正意义上的“按需生产”和“定制生产”。
（2）烟叶收购管理endprint
应用人脸识别数据，确保种植户本人到现场进行交售；结合种植户历史种植和交售数据，分析合同履行情况、烟叶质量情况，从而有针对性的开展指导服务；对收购的时间、部位、结构的分析，科学排定轮次，实现精准预约，精准交售，提升种植户的交售体验。
（3）烟叶物流管理
将收购、打包、调运、在途、入库等数据进行关联分析，在每个节点进行数据逻辑性和符合性的验证，实现烟叶烟包溯源。同时，通过构建数学模型对烟叶的升损益比例、打包、搬运、运输等费用进行对比分析，为实现烟叶精益管理和减工降本提供数据支撑。
卷烟营销和终端管理数据应用方面，以二维码为入口，RFID为纽带，零售户为网点，采集、建立和应用卷烟营销的大数据。主要包括以下几个方面：
（4）客户主题数据应用
分析客户历史卷烟订购量、金额、订足率，结合地理位置、业态、守法经营程度等，为客户画像，对客户进行分档，实施差异化的货源策略和服务策略。利用收集到的品牌偏好度、价区偏好度、二次购买率等数据，结合各县市的社会经济发展水平，国民生产总值、居民可支配收入等，开展需求预测。
（5）品牌主题数据应用
通过客户经理手持终端，采集样本客户的动销率、存销比、重购率、新购率指标。监控品牌在不同时期（导入期、成长期、成熟期、衰退期）的市场反映和发展态势，及时调整策略促进消费者购买，形成品牌依赖，延长品牌成熟期。同时，还可通过数据对比，寻找特定价位规格的替代品牌，以及评估品牌的进退对整体市场的影响。
（6）消费者主题数据应用
以卷烟零售户为终端，发展和培育稳定的消费群体，建立消费者CRM数据库，实施会员制管理；通过二维码、等方式打通工商零销信息通道，实现线上线下营销；追踪消费者的购买偏好、购烟时间、购买频次、购买规格、吸食口味等数据，实现精准营销。
（7）卷烟物流主题数据应用
在物流配送过程中，使用送货终端同步完成身份验证，货品交接的动作，全程自动记录行车轨迹、交货地点、商品规格数量、接收人等信息。利用行驶数据、交接数据对送货线路进行动态优化。同时，还可对服务的零售户进行信息采集，需求采集；或者将发现的违规经营情况数据及时共享给专卖部门，实现工作协同。
（8）专卖协主题数据库应用
在烟草、公安、工商、交管间建立“打假打私”、真烟非法流通情报网络，综合分析市场状态、社会库存，结合专卖稽查、案件举报等信息，与协作单位、部门进行信息共享和数据共用，形成专卖管理数据库。为寻找线索和追踪案件，协同办案提供强有力的支撑。
5 建立技术框架
运用大数据，关键是要建设数据采集、整理、存储和利用的流程，使分散、无序、无关联的数据产生具有价值的信息。数据的应用从低级到高级可以分为：数据统计、联机分析处理OLAP、数据挖掘DM和大数据处理。结合应用需求，现阶段主要利用OLAP对数据进行处理和利用。
5.1 整体架构
整个系统分为数据采集、分析处理和门户展现三大基本部分。整体上采用J2EE架构开发，在J2EE环境支持下，实现上述业务数据分析引擎、统一数据采集器、联机分析查询等。数据采集主要完成各业务系统原始数据的抽取、清洗、刷新和加载处理，并集中到数据仓库中供联机分析。
5.2 数据的来源
运行的各业务系统产生了丰富的业务数据，并体现出了泛在化、泛载化的特点，如表1所示。
5.3 数据的清洗
从上表可看出，各业务系统和终端设备产生的数据是面向业务流程的、离散的，杂乱的，无法直接用于数据的多维分析。面对不同来源、不同类型的数据，需要通过一个ETL过程，将来自于业务系统的数据按照主题进行组织。ETL工具使用Kettle。Kettle支持广泛的数据库、数据文件等，同时支持扩展，有监控日志功能，数据转换过程相对比较灵活，可以手工编写SQL语句、Java代码、正则表达式等，且部署比较简易。
5.4 数据的集中存储
数据经过ETL转换，进入数据仓库，并可形成多个数据集市。数据从面向交易的点数据，到向面向客户的面数据转换，为多维度、多视角、长时间的数据分析提供数据基础。综合成本和性能要求，数据仓库工具选择PostgreSQL，PostgreSQL是免费的“对象-关系型”数据库管理系统（ORDBMS），它容易做读写分离、负载均衡和并行计算，在SQL的执行、存储过程、触发器、索引执行方面能力强。
5.5 OLAP服务
OLAP引擎选择Mondrian。它可以对多维数据的切片与切块、上钻（drill-up）与下钻（drill-down）以下旋转（rotate）等，对多维数据进行深加工，能够从多个视角观察数据，并以图形、报表等多种形式展示，从而更为生动、直观的获取隐藏在数据中的信息。
参考文献
[1]周涛.为数据而生：大数据创新实践.北京：北京联合出版社，2016.
[2]涂子沛.數据之巅.北京：中信出版社，2014.endprint
