近期台风频出，给全国多地城市带来很大损失，台风受灾严重地区常常遇到树木倒塌导致供水管网断裂，多地二次供水泵房进水受损导致居民无法用水的情况。
受灾后，相关部门积极展开抢修，但沟通的效率却很低。上报物资调配、损失情况、人员调配、受影响小区时，内部电话全打爆了，统计出哪些地方遇到灾情需要紧急支援需要花费很长时间，场面一度混乱不堪。
珠海作为沿海城市，台风过境频次高，每次台风来临，珠海水务环境控股集团各部门都会进入紧急状态，为了有效监控灾情，及时调度救援力量，信息部通过给其他部门设计填报表格，及时获取受灾信息，并结合热力地图展现受灾地区分布，使用矩阵色块展示受影响小区和居民，结合柱图的趋势统计受影响人数，还能统计资产损失等。管理层直接使用 FineBI的筛选工具和联动，就能快速查看当前灾情，做出调度指挥，保障居民用水供水正常。
除了上述的台风灾情分布应用外，珠海水控还利用FineBI建立了珠海供水数据中心，通过对企业生产经营数据的分析实现水务企业最优化控制和精细化管理，真正将企业BI应用推广落地，让数据产生业务价值，提高企业决策效率。
珠海水务环境控股集团信息主管徐毅力（ BI工程师从入门到精通实战班学员），将以 重点客户分析、水务热线和服务密度分析、估抄识别异常分析三大典型FineBI业务探索分析场景，给大家分享企业BI数据化建设管理的实践落地经验。
| 水务行业企业如何从数据中探索业务价值？
1、重点客户分析
经营服务作为智慧水务的重点环节，供水企业须主动加强与重点客户沟通，及时处理重点客户需求问题。通过FineBI工具进行自助数据集建模，将重点客户细分为三大类：
- 大客户：月用水量不少于3万立方米的客户。大客户不但对水费的回收造成较大影响，还会对管网的压力平衡造成影响；
- 特殊客户：党政军机关、重点医院、涉外宾馆酒店、学校及其它影响较大的用水客户。特殊客户是政府服务窗口以及涉外单位，代表城市形象；
- 低保户：社会稳定的重要组成部分
在分析营销数据时，首先通过行业分类来进行对比，查看每个区域、每个行业的趋势，很多时候，用水量也能判断一些企业或行业的兴衰情况。其次，每个区域的重点客户都会显示在下方的位置，这里使用了对比图来呈现同期的用水情况。变化较大的单位，营销人员会主动沟通，把相应结果录入并且显示在右边的表格中。营销人员通过对重点客户管理数据进行多维分析，省去了原本大量的老式文字分析汇报工作。
2、水务热线和服务密度分析
试想你家如果断水了或者水压水质有异常，那么想必水务热线小姐姐们的电话就会被打爆了。
借助FineBI灵活的可视化探索分析功能，于是这套热线受理分析应运而生：
左边这张表分别分析了四大用户诉求的情况——水压、水管、水表和水质；中间的玫瑰图显示各营业网点接到的热线数量；下方是处理部门的绩效情况，没能按时完成的工单都会直接显示在图中；右下角做了个词云图，热线诉求分类都会在这里呈现，便于相关工作人员快速了解到当前的主要问题。
借助FineBI工具快速生成四象限图，辅助业务人员评估供水所的工作量。横轴是用户数，纵轴是管网长度，每一个点代表一个营业所，点的大小表示它接受热线诉求的数量。这样就划分了四个象限： - 用户多管网长：高密度住宅区，需要配备较多的工作人员；
- 用户多管网少：可能存在设计不合理，从图上看还不算太明显，其中某一个所可能需要进行扩建改造；
- 用户少管网少：低密度区，通常分布在珠海的边缘地带，可以适当少配备些人员；
- 用户少管网多：工业区域。
3、估抄识别分析
“估抄”是供水务系统行业术语，意味着自来水抄表员并没有上门按照用户实际用水表抄表，而是凭借过往印象自行预估并填写用户用水量，导致所填写用水量不符合用户实际用水量（想想你家上次被查水表是什么时间）。这显然是不合理的。如何识别这个问题？
首次尝试是通过FineBI计算所有用户的标准差，因为多数用户的用水量应该是符合一定规律的，比如在二月过年前后为最低点，七八月到达最高。估抄的人往往为了追求迅速完成不会考虑到这么多，把每期都估算成一个近似水量，这样会导致标准差很低，数据一多就能看出异常。
但分析的结果并没有想象的那么顺利，选取了很多抄表员为样本，发现用户的标准差分布与地区有关，珠海是个沿海城市，开发商造了很多海景房，其中不乏候鸟用户，一年只住几个月，这些数值影响了标准差分布，却又很难过滤，可能需要换一个维度。于是开始分析抄表员的工作习惯，发现正常抄表需要穿梭于大量的小区内，一层层走完一栋楼也需要很长时间，但如果一个人想估抄的话，往往会在很短时间内完成大量数据。
针对这种情况，使用FineBI的olap分析快速计算出每个抄表员的平均每分钟抄表次数，再结合工作时段进行分析。
首先是抄表频率，普通的抄表员多数都是上图中黄色的柱形，但借助FineBI对相关数据进行可视化呈现，很容易分析出相关异常问题：
1.红色的柱图就明显表现出快于常人的速度，有些甚至超乎地球人的标准，不得不怀疑公司里有闪电侠。
2.上方是所有抄表员的工作时段分布，多数人还是选择早上七点起床干活，中午最热的时候休息，下午工作一段时间后收工。但异常同样明显，也能看到部分人员特别喜欢看凌晨四点珠海的太阳，还有些酷爱日光浴，总是正午时段工作最疯狂。
通过对一层一层业务数据进行探索分析，定位到可能发生“估抄”情况的相关数据之后，将这些数据移交给业务审计部门进行进一步分析和责任追查，极大地提高了审计部门的工作效率。
| 数据化管理的推广
1、自上而下+自下而上
如何进行企业BI信息化推广？徐毅力就此分享了个人经验：“数据化管理如果只靠信息部门，往往推行缓慢。我首先进行的推广方式是自上而下，让领导充分了解认可其价值；其次再给业务部门进行自下而上的推广，用BI帮他们解决实际难题，提升工作效率。“
2、个人学习-学习班心得
“当然，以上所有工作开展之前，作为BI落地的主要推动人，首先是要熟练掌握BI工具，为此我报名参加了Royide老师的线上学习班—— BI工程师从入门到精通实战班，8周时间快速掌握了FineBI，最后有幸作为优秀毕业生顺利结业，且拿下了 帆软认证资深BI工程师（FCBP）证书，而后才有了上述展现的那些专题分析。“徐毅力补充了个人的学习经验和心得体验：
#学习班心得#产品经理直接授课的方式，从架构上讲解，带来的是原汁原味的认知。
#学习班心得#第一节课的习题里不经意间藏着数据分析的神器RFM模型，不管你是运营、销售、财务、市场等等，RFM模型是一个很通用，又有一套科学理论的商业模型。
#学习班心得#耳熟能详的二八分析，用于分析主要原因。一组东西中，最重要的只占其中约20%，其余80%却是次要的，80%的社会财富集中在20%的人手里，而80%的人只拥有社会财富的20%而提出。又称帕累托定律。
#学习班心得#统计学中非常重要的置信区间概念，像经典案例啤酒和尿布。要知道，这些都是只是第一课的习题，老师并未直接讲述这些概念，而是放到习题的要求中，引导你使用FineBI去实现这些经典算法，论证出分析的结论。
#学习班心得#还能培养你的表达和审美，怎样做出配色得体的UI，怎样正确地使用图表进行数据可视化。
#学习班心得#教会你成为一个会讲故事的人，怎样把你制作好的分析专题，用最生动的方式讲述给你的老板、同事、客户。
#学习班心得#最重要的是学会了这些工具推广的方法论，这些也成为个人在企业中的发展方向的一部分。
| 总结
从徐毅力同学的分享中，我们不难看到企业BI应用的价值和推广难度，不仅需要保持对数据工作的热爱、得到各部门的同事的配合和支持，最重要的是选对一款合适的BI工具并且进行深度的学习。如果您或您的团队在数据工作中，也面临着BI工具的使用和推广问题，不妨和徐同学一样加入 BI工程师线上学习班的行列，学习BI工具的操作使用和推广方法论。
| 
