企业简介 2007年9月26日，作为广西壮族自治区党委、政府“引银入桂”政策实施以来入驻的首家股份制商业银行——华夏银行南宁分行正式扎根八桂邕城，成为华夏银行设在广西的一级分行，经过13年的发展，目前在广西有营业机构11家，初步形成了以南宁为中心，以柳州、桂林和钦州北部湾为中心区域，辐射广西的网络布局。    成立以来，华夏银行南宁分行坚定实施“中小企业金融服务商”特色经营模式和特色品牌，主动融入广西主流经济发展建设，通过传统+新兴业务的模式积极满足各类型企业和个人专业化、差异化、个性化的融资需求。 　　在业务取得发展的同时，南宁分行也赢得了社会各界的认可和肯定。2007-2012年连续六年获得自治区人民政府授予的“金融机构支持广西发展贡献奖”，2010-2012年连续三年荣获“中国优秀（最佳）雇主企业”称号，2019年被人民银行南宁中心支行评为“再贴现示范行”，2019年被广西日报传媒集团、《南国早报》评为“普惠金融典范银行”，2020年获评“创新力典范银行”“百姓满意银行”“抗击疫情责任银行”。同时，分行辖属机构也荣获多项荣誉，2010-2020年累计有8家（次）网点获评“中国银行业文明规范服务千佳示范单位”，2014年至2020年累计4家网点被评为中国银行业文明规范服务五星级营业网点，5家网点被评为四星级营业网点。 　　展望未来，华夏银行南宁分行将以建设成为“大而强”“稳而优”的银行业金融机构为目标，坚持特色化、数字化、综合化、轻型化的发展方向，积极为服务广西地方经济发展做出更大贡献。 1 管理需求和挑战（介绍背景，为什么需要培养数字人才？） 一、企业面临的需求与挑战 在当前的数字化转型浪潮中，我司在业务和管理层面遇到了诸多挑战和迫切需求。具体表现在以下几个方面： 在宏观层面，当前中国银行业正处在告别规模增长时代的转型阶段，面临着多重挑战。只有不断创新和变革，才能在激烈的市场竞争中找到新的增长点和发展路径。 规模增长放缓：随着监管环境的变化和农信系统的改革，银行营收下滑，净息差创历史低点，信贷规模增速持续放缓，资本补充难度加大。 净息差持续收窄：六大行集体第三次下调存款挂账利率，虽然有利于减轻负债成本，但也加剧了净息差的压力。 中小银行重组事件增多：中小银行改革步伐加快，集中度持续提升，如何在兼并重组过程中保证金融服务质量和风险防控成为重要议题。 实体经济让利压力增大：银行需降低市场主体融资成本，关注小微企业、绿色发展、科技创新等领域，同时自身可持续经营也受到考验。 在行业层面，银行业正在经历一场深刻的变革，数字化手段将成为其未来发展的核心驱动力。只有积极拥抱数字化，银行才能在激烈的竞争中脱颖而出，实现可持续发展。 银行业需借助数字化手段，发展核心驱动力 高效客群运营：在同质化竞争日益激烈的环境下，银行需要转变传统的线下客户经营模式，转向线上发展，并通过通用化向垂直领域的转化，实现更高效的好客群运营。这需要银行充分利用数字化手段，如大数据分析、AI算法等，精准定位客户需求，提供个性化的服务，提升客户粘性。 服务优化：在金融与消费生活紧密融合的多元生态场景中，银行需要提供更加细分的服务，以满足不同客户的差异化需求。通过数字化手段，银行可以更好地了解客户行为，提供定制化的服务，挖掘客户潜在价值，增强客户忠诚度。 科学的绩效考核：银行需要优化内部考核模式，提升全体员工的积极性，进而提升整体竞争力。这可以通过引入数字化工具，如KPI指标设定、数据分析等，实现更为科学、公正的绩效评价。 精细化管理：通过精细化管理模式，银行可以不断提升自身的经营管理水平，降低运营成本。这包括运用数字化工具进行资源分配、流程优化等，实现降本增效的目标。 银行持续增长驱动力，以上各项举措都是为了打造银行的核心竞争力，实现持续的增长。通过数字化手段，银行可以更好地服务于客户，提升运营效率，降低风险，最终实现业绩的稳步增长。 二、培养“能人”解决需求与挑战 为了解决上述问题和挑战，我们迫切需要培养一批具备数据分析能力和流程搭建技能的“能人”，以推动企业的数字化转型。 具象化需求解决： 针对新品上市的数据追踪问题，我们通过培养业务部门的“能人”，使其掌握数据分析技能，能够利用数据分析工具构建新品上市的数据看板，实时监控产品的销售数据、用户反馈等信息，为决策提供有力支持。 对于纸质单据流转问题，我们将通过培训，使业务人员能够使用数字化工具进行线上填写和流转，提高管理效率，减少出错率。 自驱力培养： 在培养过程中，我们注重培养业务人员的自驱力。通过案例分享、实战演练等方式，激发他们对数据分析和流程搭建的兴趣和热情，使他们能够主动学习和掌握相关技能。 我们鼓励业务人员积极发掘业务背后的价值，利用数据分析工具进行深入挖掘和分析，为公司带来更多的商业价值。 通过培养具备数据分析能力和流程搭建技能的“能人”，我们能够更好地应对业务和管理方面的挑战，推动企业的数字化转型进程，提升企业的竞争力和市场地位。 一、从数字化工具角度构建数字人才画像 在数字化时代，企业对于数字人才的需求日益迫切。为了构建符合企业发展需求的数字人才画像，我们将从“选、育、用”三个角度进行方案的设计和实施。 1. 选才 明确标准（总行标准）：对标同业最优实践及我行数字化转型战略要求，建立数字、科技、专业、通用四大能力域62个能力项，搭建分层分类数字化人才培训认证体系（见下图）。分类上，能力标准与课程大纲衔接，覆盖数字化管理（数字化规划师）、数字化应用（数据分析师、数据建模师、数据治理师、数字化产品经理）、数字化技术（需求分析师、数据开发工程师、研发工程师、敏捷教练）三类九域人才角色；分层上，能力层级与课程层级对应，分为初、中、高三级，原则上不能跨级。数字化规划师从中级开始培训，其余八种角色从初级开始培训。学员根据自身情况选择至少一个角色进行学习，鼓励多选，一人多证。 2. 育才 定制化培训：精准对接岗位需求 个性化学习路径：通过到各部门走访评估与不同岗位调研分析，为每位数字人才设计个性化学习路径。这不仅涵盖基础理论知识，更重要的是聚焦于岗位所需的特定技能，如数据分析、计算技术等，确保培训内容高度相关且实用。 混合式学习模式：结合企业定制的在线课程的灵活性，线下实操的针对性深度互动，形成混合式学习体验。在线课程便于学习者自主安排时间，深入学习理论知识；而实操演练、案例研究则能加强理论与实践的结合，让学习成果更快转化为工作能力。 翻转课堂教学：鼓励员工在课前通过视频、阅读材料等自学新知识，课堂时间则用来讨论疑难问题、深化理解及团队协作，这种模式促进了主动学习和批判性思维的培养。 实践项目：加速能力转化与创新 业务场景模拟：创建贴近实际工作的模拟项目或沙盒环境，让数字人才在低风险条件下尝试新技术的应用，解决业务痛点。这种“干中学”的方式能够显著提高学习效率和实战能力。 跨部门合作项目：推动数字人才与其他部门成员共同参与跨职能项目，如数字化转型、流程自动化等，促进知识共享和团队协作，同时增强他们对业务全局的理解。 持续学习：构建终身学习文化 学习资源共享平台：搭建企业内部的知识库和学习资源平台，汇集行业报告、技术文档、最佳实践案例等，方便员工随时查阅学习，促进知识的积累与传承。 认证激励机制：建立与个人职业发展挂钩的技能认证体系，对于完成特定认证的学习者给予奖励或晋升机会，激发自我提升的动力，同时也为组织培养了一批具有国际视野和高标准技能的专业人才。 3. 用才 敏捷团队模式：采用敏捷管理方法，组建跨功能团队，每个团队包含产品经理、设计师、开发人员、数据分析师等多角色成员，以项目或产品为导向，快速响应市场变化。这种结构强调团队自治，减少层级沟通，提高决策效率。 矩阵式管理：在大型项目或复杂环境中，采用矩阵式组织结构，即人员同时隶属于职能团队和项目团队。这种方式既保证了专业技能的深度，又促进了跨部门间的协同合作，有利于数字项目的高效推进。在传统直线职能制的基础上，增加了横向的项目或任务导向维度，员工同时拥有两个上级：一个是所在职能领域的直线经理，另一个是所参与项目的项目经理。这种结构在数字化转型和大型复杂项目管理中尤其有效，矩阵式管理的几个关键点： 1）. 双重汇报机制 在矩阵式结构中，员工同时向职能经理和项目经理汇报工作。职能经理负责员工的专业技能培训、职业发展和日常行政管理，确保团队的专业技能持续精进；项目经理则负责项目进度、质量、成本控制以及团队成员在项目中的具体任务分配，确保项目目标的达成。这种双轨制汇报增强了沟通的复杂性，但也大大提高了资源的灵活性和任务的专注度。 2）. 资源优化配置 矩阵式管理的核心优势在于能够根据项目需求灵活调配资源。项目团队可以从不同职能团队抽调所需的专业人才，避免了单一职能团队资源闲置或过度负荷的问题。这种资源配置方式使得企业能够高效应对多变的市场需求和复杂项目挑战，确保资源的最大化利用。 3）. 跨部门协同 矩阵式结构天然促进了跨部门间的协作与知识共享。由于项目成员来自不同职能背景，他们在共同解决问题的过程中，不仅能够整合不同领域的专业知识，还能够打破部门壁垒，促进文化的融合与创新思维的碰撞。这对于数字化项目尤为关键，因为数字化往往涉及到技术、市场、产品、运营等多个领域，跨领域的合作是创新和成功的基石。 4）. 提升决策速度与灵活性 矩阵式管理减少了决策层级，使得项目团队在遇到问题时能够迅速响应，决策更加高效。项目经理拥有一定范围内决策权，能够快速调整项目方向或资源配置，应对突发情况，保持项目的敏捷性和灵活性。 5）. 挑战与对策 虽然矩阵式管理带来了诸多好处，但也面临着潜在的冲突，比如资源争夺、双重指挥可能导致的责任不清等问题。为克服这些挑战，企业建立明确的沟通机制、清晰的角色定义、有效的冲突解决途径来协调资源、监督进度和促进跨部门合作。 在这种模式下，数字人才可能同时属于多个团队，例如： 数字化规划师：作为项目顾问，为多个项目提供战略咨询和支持。 数据分析师：在多个项目中担任数据分析师，提供跨项目的数据洞见。 数据建模师：在多个项目中负责数据建模和治理，确保数据的一致性和可靠性。 数字化产品经理：在多个项目中担任产品经理，确保产品符合企业战略。 数据开发工程师：在多个项目中负责数据处理和应用开发。 研发工程师：在多个项目中负责技术研发，支持产品开发。 激励机制：为数字人才提供具有竞争力的薪资待遇和晋升机会，激发他们的工作热情和创造力。 二、量化指标评估效果 1. 业务价值指标 1.1 金额增长 年度收入增长率：目标为通过数字化转型，实现年收入同比增长率提升至10%。 数字人才培养项目注重提升员工的数据分析能力和业务理解，使他们能够精准识别市场趋势，优化产品或服务，从而直接促进收入增长。例如，通过数据分析培训，市场部门能够更有效地定位目标客户，推出更符合市场需求的产品，带动销售额提升。 新客户获取：数字化营销渠道带来的新客户数量较上一年度增长12%。 交叉销售/追加销售贡献：通过数据分析识别交叉销售机会，增加此类销售额占总销售额的比例至30%。 1.2 效率提升 流程自动化比例：确定核心业务流程中自动化处理的比例，目标提升至50%。 处理时间缩短：关键业务流程（如订单处理、客户服务响应）的平均处理时间缩短30%。 数字化工具的熟练应用减少了手动操作，提高了自动化水平，这依赖于员工对这些工具的掌握程度。因此，对员工进行流程自动化、数据分析软件等方面的培训，是提升工作效率的关键。数字人才培养中包含的敏捷思维训练、数据驱动决策能力的培养，使团队能更快地识别变化，缩短决策周期。 1.3 时间缩短 市场响应时间：从市场趋势识别到策略实施的平均时间缩短至2天。 决策周期：重大业务决策的平均决策周期缩短80%。 2. 人员培养指标 2.1 培训人数 年度培训覆盖率：确保全年内至少有15%的业务人员参与至少一项数字技能提升培训。 截止2023年末，分行FineBI-FCA认证86人，FineBI-FCP认证2人。 2.2 认证人数 认证通过率：参加认证考试的业务人员中，通过认证的比例达到18%。 高级认证比例：鼓励并支持员工获取行业认可的高级认证，目标占比3%。 2.3 部门覆盖 培训计划定制化：根据各部门业务特点，定制专属培训计划，确保所有部门的数字人才培训覆盖率100%。 跨部门协作项目：促进至少I个跨部门数字转型项目，提升团队间的数字技能共享与协同作业能力。 3. 数据资产指标 3.1 数据积累 数据源扩展：新增数据源3个，拓宽数据收集范围，提升数据的广度和深度。 数据增长量：相比基线年，数据总量增长100%。 数字人才培养强调数据意识和数据分析能力，员工能够更有效地收集、整理和分析数据，不仅增加了数据的积累，也提升了数据在决策中的应用水平，直接关联到业务效率的提升和创新能力的增强。 3.2 数据质量 数据清洗效率：采用自动化工具提升数据清洗效率，错误率降低至2%。 数据一致性检查：定期进行数据一致性校验，确保核心业务数据的完整性和准确性达98%。 通过培训，员工了解到高质量数据的重要性，学会如何进行数据清洗和管理，确保了数据分析结果的准确性，这对于做出正确决策、优化业务流程至关重要。 3.3 数据应用 决策支持度：通过数据分析支持的决策比例达到50%，表明数据在决策中的影响力。 流程优化案例：每年至少实施3个基于数据分析的流程优化项目，明确量化其带来的效率或成本节省。 创新产品/服务开发：基于数据洞察，推出2个创新产品或服务，评估其市场接受度及对业务增长的贡献。 3.1 场景一：账户全生命周期管理 一、发现问题 随着企业业务的不断扩展和数字化转型的深入，我们逐渐意识到账户管理不再是一个孤立的、静态的过程，而是一个需要全方位、全生命周期管理的复杂系统。传统的账户管理方式已经无法满足日益增长的业务需求，尤其是在客户体验、风险控制、合规性等方面。因此，我们急需设计一个账户全生命周期管理的场景，以全面提升账户管理的效率和质量，确保企业能够在激烈的市场竞争中保持领先地位。 二、解决过程 业务人员通过系统的培训和培养，掌握了数据分析、应用搭建等关键能力，开始自主设计并实施。 1）梳理账户全生命周期管理阶段，设置关键监控指标 2）结合相关影响业务，及时调整策略。 三、场景价值 账户全生命周期管理场景的实施，为企业带来了多方面的价值。 首先，员工自主使用数字化工具，极大地提升了工作效率。通过看板，业务人员能够实时监控账户数据，快速发现问题并制定相应的优化措施。这种快速响应的能力，使得企业能够更好地把握市场机遇，实现业务增长。 其次，账户全生命周期管理场景的实施，有效提升了客户满意度。通过优化销售策略、提升客户服务质量等措施，企业能够更好地满足客户需求，提升客户体验。这不仅有助于提升客户忠诚度，还能够吸引更多的潜在客户，为企业带来更大的市场份额。 最后，从量化指标来看，账户全生命周期管理场景的实施取得了显著成效。管控效率从实施前的3天缩短到实施后的半天。同时，客户满意度也得到了显著提升，客户投诉率下降了15%。近两年创造出连续1年半无当地公安下发涉案账户的好成绩，实现有效拦截涉案资金100多万元，共获得广西区、南宁市6次的通报表扬。2023年7月上线实时监控模型，至今共排查可疑账户约230户，及时管控可疑账户37户。这些成果充分证明了账户全生命周期管理场景的必要性和有效性。 3.2 场景二：零售业务驾驶舱 一、发现问题 随着零售市场竞争的日益激烈，企业对于销售数据的实时掌握和深入分析需求愈发迫切。传统的销售报告和数据分析方式已无法满足快速变化的市场需求，无法及时发现问题和制定有效策略。因此，我们设计并开发了“零售业务驾驶舱”这一场景，旨在通过数字化工具为业务人员提供直观、高效的数据分析平台，以支持零售业务的快速决策和优化。 二、解决过程 在零售业务驾驶舱的场景中，我们首先对业务人员进行了系统的数据分析和应用搭建能力培养。通过培训和实践，业务人员掌握了利用数字化工具进行数据分析的技能，并具备了自主设计销售分析驾驶舱的能力。 业务人员基于驾驶舱平台，按照商品类别、销售渠道、地区分布等维度，重点分析了销售额、毛利率、客户转化率等关键指标。通过数据可视化工具，业务人员能够直观地看到销售数据的变化趋势和异常情况。同时，驾驶舱还支持层级下钻功能，业务人员可以进一步深入到具体门店、时间段、客户群体等细节层面，以发现销售过程中的具体问题。 在发现问题的过程中，业务人员利用驾驶舱中的数据挖掘和分析功能，结合市场趋势和消费者行为数据，制定了针对性的销售策略和优化方案。这些方案通过驾驶舱平台快速落地实施，并及时调整优化，以实现销售业绩的持续提升。 1）数据源整合 灵活维度统计 3）及时反馈业绩情况 三、场景价值 零售业务驾驶舱场景的应用，显著提升了企业对于销售数据的分析能力和决策效率。通过业务人员自主使用数字化工具，企业能够快速发现销售过程中的问题，并制定相应的优化策略。这些策略的有效实施，使得企业的销售业绩得到了显著提升。 具体来说，零售业务驾驶舱的应用使得企业从以下几个方面实现了业务价值的快速落地： 销售数据实时掌握：业务人员能够实时查看销售数据，快速了解市场变化和客户需求，为制定销售策略提供有力支持。 决策效率提升：通过数字化工具进行数据分析，业务人员能够快速发现问题并制定相应的优化策略，缩短了决策周期，提高了决策效率。 销售业绩提升：针对销售过程中的问题，业务人员制定了针对性的销售策略和优化方案，并通过驾驶舱平台快速落地实施。这些策略的有效实施，使得企业的销售业绩得到了显著提升。 客户满意度提高：通过深入分析客户行为和需求数据，企业能够更好地满足客户需求，提高客户满意度和忠诚度。 分行基础型存款较年初提升1.44%，二季度付息率下降6BP；分行基金销量完成率排名全行第一、私行信托销量增幅1210%、财富宝信托余额为去年的6倍，余额增幅排名全行第二；二季度贵宾客层同比增幅266%。这些成果充分证明了零售业务驾驶舱场景在企业数字化转型中的重要作用和价值。 4 总结与展望 一、总结 自实施数字人才项目以来，我们取得了显著的成果，为企业带来了深刻的变化和价值。从宏观层面来看，我们的项目成功解决了业务和管理方面遇到的需求和挑战，显著提升了企业的整体数字化水平。 1. 业务价值提升 通过培养具备数据分析能力和数字化工具搭建技能的数字人才，我们成功地将数据转化为业务价值。例如，在产品推广过程中，利用数据分析工具构建的数据看板，我们实现了对销售数据的实时监控和反馈，从而更准确地把握市场动态，优化产品策略。这使得我们的新品销售额增长了130%。 2. 管理效率提高 数字化工具的应用极大地提高了管理效率。以减值贷款户管理为例，我们引入了数字化工具替代传统的纸质流转，实现了账户处理在线填写、流转和存储。这不仅节省了人力物力，还减少了出错率，提高了信息的准确性和时效性。现在，减值户的处理时间缩短了80%，错误率降低了90%。 3. 问题解决能力提升 之前，由于缺乏数据分析能力和数字化工具的使用经验，我们经常在业务决策和管理中遇到困难。而现在，随着数字人才的培养和应用，我们能够更好地发现问题、分析问题和解决问题。例如，在存量客户管理中，我们利用数据分析工具对存量客户数据进行深入分析，发现了客户流失的问题，并通过优化产品配置和销售计划解决了这些问题。 二、经验技巧与感悟 在项目实施过程中，我们也积累了一些宝贵的经验技巧和感悟。首先，明确需求和目标是项目成功的关键。我们需要深入了解业务和管理方面的实际需求，明确数字人才需要掌握的技能和知识。其次，定制化培训和实践项目是提高数字人才能力的有效途径。通过结合具体业务场景进行实践项目，我们可以让数字人才更好地掌握和应用所学知识和技能。最后，持续学习和创新是推动企业数字化转型的不竭动力。我们需要不断跟进新技术和新应用的发展趋势，不断更新和完善数字人才培养体系。 三、展望 随着企业数字化转型的深入推进，未来我们对数字化人才的需求将更加迫切。为此，我们将进一步完善数字化人才培养规划，为企业的数字化转型提供有力的人才保障。具体而言，我们将从以下几个方面入手： 加强跨部门协作：我们将建立跨部门的数字化人才团队，促进不同部门之间的协作和交流，共同推动企业的数字化转型。 持续优化培训体系：我们将根据业务发展和技术变革的趋势，不断优化数字化人才培训体系，提高培训效果和质量。 鼓励创新实践：我们将鼓励数字人才积极尝试新技术和新应用，鼓励他们在实践中不断创新和探索新的业务模式和管理方式。 总之，我们将继续致力于数字化人才的培养和应用工作，为企业的数字化转型提供坚实的人才保障和技术支持。

企业简介 华夏银行于1992年10月在北京成立，是首钢集团有限公司独资组建成立的全国性商业银行，是全国唯一一家由制造业企业发起的股份制商业银行。华夏银行在改革开放总设计师邓小平的关心支持下，于2003年9月上市交易，成为全国第五家上市银行。 2023年华夏银行总营收932.07亿人民币，资产总额42547.66亿元，比上年末增加3545.99亿元，增长9.09%。2022年，华夏银行科技投入38.63亿元，同比增长16.39%，占营收比为4.12%，首次超过4%。 近年来，华夏银行在政策驱动与监管要求下，已将数字化转型确立为重要战略转型方向，不断加大科技投入，建设数字化人才体系，全面推进数字化建设。投入主要集中于数字科技转型，包括多个重点任务和条线转型方案，旨在提升金融科技对业务发展的赋能和服务能力。 华夏银行利用大数据、人工智能等先进技术，提升金融服务效率和客户体验，推出了多款数字化金融产品，如在线贷款、移动支付、智能投顾等，方便客户随时随地进行金融交易。2019年12月5日，在由中金金融认证中心（CFCA）、中国电子银行联合宣传年主办的“发现与创见”2019银行数字化转型高峰论坛暨第十五届中国电子银行年度盛典上，我行获“最佳智慧金融平台奖”和“最佳金融科技创新应用奖”。2020年荣获中国人民银行颁发的金融科技发展奖一等奖。2021年荣获金融电子化杂志社“金融业风险管控突出贡献奖”。2022年荣获国家互联网数据中心NIISA联盟 “2021年度技术创新一等奖”、荣获IDC“中国金融行业技术应用场景创新奖”。2023年荣获“第十四届金融科技创新奖”。 管理需求和挑战 背景和挑战： (1)从宏观背景来看，随着我国经济从高速增长阶段转向高质量发展阶段，产业结构正面临升级转型。数字经济成为经济增长的新引擎，传统产业向数字化、智能化方向发展。在此过程中，数字人才成为推动产业转型升级的关键因素。根据《产业数字人才研究与发展报告（2023）》指出，大量数字化、智能化的岗位相继涌现，相关行业对数字人才的需求与日俱增，人才短缺已经成为制约数字经济发展的重要因素 。当前数字人才总体缺口约在2500万至3000万左右，且缺口仍在持续放大。 (2)从行业角度来看，传统银行业面对金融科技的快速发展和市场竞争的挑战，应积极推进数字化转型。设立以客户为中心，以交易为基础的目标，通过整合数字化技术、优化业务流程、提升客户体验，实现更精准的客户营销和风险管理，同时降低成本，提高盈利能力。 (3)从政策角度来看，国家政策鼓励银行业加快数字化转型。政府工作报告提出，要深入推进数字经济创新发展。这为银行数字化转型提供了有力的政策支持。此外，监管政策要求银行加强金融科技应用和数据安全保护。监管部门对银行业数字化转型提出了明确要求，包括加强金融科技应用、提升金融服务水平、保障金融消费者权益和数据安全等。银行需要积极响应监管要求，加强数字化建设和管理。 (4)从我行现状来看，数字化转型涉及的技术领域广泛，面临着严峻的技术挑战。云计算、大数据等都需要投入大量的资源进行技术研发与应用。数字化转型的技术要求同时带来了人才短缺的问题，我行还需打造一支专业的具备数字化技能和思维的专业团队，以解决业务人员数据获取困难、数据理解困难、数据使用困难等问题。 行动方案： (1)做规划： 为响应国家号召，华夏银行制定《华夏银行2023—2028年数字化人才体系建设行动方案》，方案指出三项重点工作，一是构建企业级数字化能力图谱，分层分类建立数字化人才标准和标签体系，依托数字人力系统实现人才标签化管理。二是构建支撑万人规模的培训认证体系，组建数字化内训师团队，研发数字化课程，优化沉淀我行数字化教培资源。三是启动全行业务人员、数字化转型相关岗位人员培训和认证，探索推行上岗考试认证。 (2)搭平台： 在总行引领下，我行已搭建企业级数据服务共享平台（以下简称“平台”），该平台是全行数据分析和数据服务体系的重要组成部分，平台以满足华夏银行全行数据分析和数据服务需求为出发点，以实现服务运营与管理能力提升为立足点，充分发挥数据服务价值，为全行业务人员提供数据展示、数据加工及报表、报告制作等功能。通过内外部数据融合，构建精准营销、智能风控、智慧经营和监管合规四大数据应用主题，提高了全行数据应用能力，实现数据服务与运营的统一管理，构筑一体化企业级数据服务平台，走华夏银行特色的数据服务发展道路。平台提出了敏捷、协同和一体化管理的服务理念，充分发挥“业务+技术+数据”的团队优势，实现开发、管理、运营协同，进一步提升数据服务效率。并在2023年对原有平台进行了全新的重构和升级，从平台功能和数据价值两个方面进行了全面优化。通过平台各项功能赋能业务，更高效地提升数据价值与应用价值，实现数据驱动决策和业务的成果转化。 平台的核心特色之一是集成了帆软BI，这种集成不仅为平台带来了前所未有的功能扩展，更为全行业务人员和科技人员打造了一个全面、高效、便捷的数据分析环境。 首先，帆软BI为平台提供了强大的数据支撑。通过帆软BI，平台能够轻松接入并整合来自多个数据源的数据。同时，帆软BI的数据处理能力使得平台能够处理海量数据，满足各种复杂的数据分析需求。其次，帆软BI为平台提供了丰富的数据分析和报表展示功能，用户可以通过登录平台跳转到帆软BI工具。科技人员可以利用帆软BI提供的分析工具，结合SQL查询，构建自定义的数据分析模型和报表。业务人员则无需掌握复杂的SQL语法，即可通过直观界面，使用帆软BI提供的分析工具对数据进行深入挖掘和剖析。最后，平台进一步集成了帆软BI的自发布功能，用户可以将制作好的报表自主发布到平台上，方便通过平台进行电脑端和手机端的样式调整，也提高了报表的共享性和传播效率，使得更多的用户能够方便地查看和使用这些报表。 综上所述，帆软BI与平台之间形成了紧密而高效的合作关系。帆软BI为平台提供了强大的数据分析和报表展示能力，而平台则为帆软BI提供了一个广阔的应用场景和便捷的使用环境。两者相互依存、相互促进，共同推动公司数据化转型的深入发展。 平台的部分功能展示如下： (3)做推广： 依托该平台2023年7月启动数据分析师人才的培训和培养工作，既有工作中的实用技能，又有数据分析思维培养，还加入了业务场景实操课程，秉承“学中练”、“练中干”、“以赛促学”、“资质认定”的方法让学员们掌握数据分析技能和使用行内数据的方法，提升了各业务人员对数据的掌控能力，并将所学知识应用到实际工作中，为全行数字化转型贡献智慧和力量。 2 培养方案 (1)培养对象 对标同业最优实践及我行数字化转型战略要求，我行定义三类数据化人才，分别是数字化管理人才、数字化应用人才和数字化技术人才，每类人才分不同的培养方向和等级，平台组织的培训纳入全行数字化应用人才（数据分析方向）初级及中级培训课程，面向全行业务人员和科技人员设置不同维度的能力标准： 培训分为FineBI培训和FineReport培训两大部分。FineBI培训，面向各部门业务人员和科技人员，各部门报名人数建议不少于本部门人数的5%，不设上限，通过FCA-FineBI认证率不低于3%；FineReport培训，主要面向科技人员和各部门对数据分析兴趣强烈的业务人员，科技人员各部门报名人数建议不少于本部门人数的2%，不设上限，通过FCA-FineReport认证率不低于1%。 (2)培养目标 平台是全行数据服务体系的一部分，数字人才数据分析师培养计划以满足华夏银行全行数据服务需求为出发点，以实现服务运营与管理能力提升为立足点，充分发挥数据服务价值，为全行业务人员提供数据展示、数据加工及报表、报告制作能力，实现数据分析自服务能力，构筑一体化企业级数据服务平台。平台集成了FineBI、FineReport等数据分析工具，是我行员工自主、自助分析和使用数据的渠道。通过对平台相关数据分析工具的体系化培训，培养员工数字化思维、提升员工数据分析水平和数据可视化开发能力，让数据流动起来发挥价值，为数字化转型工作提供人才支撑。我行将数据分析人才分为三个层级，数字新人、数字赋能官、数字运营官。各层级数字化人才有不同的能力要求及角色定位。 根据《关于深入开展大数据“春潮行动”的通知》要求，2023年，全行实现数据分析师学员不少于1700名，通过认证学员不少于1000名的目标。 (3)培养过程 平台协同总行19个部门、40家分行，总分协作、业技融合，通过体系化的培养解决“查数难、取数难、用数难”的痛点，助力“表哥表姐”升级为“数哥数姐”，提高全行数据认知和应用能力，培养过程如下： 第一步：通过导师授课的方式进行FineBI初级培训。FineBI培训报名人员，必须完成此阶段全部课程的学习。包括自助数据分析全流程、仪表板开发、数据处理与函数等的培训。 培训结束后需登陆帆软网站（https://cert.fanruan.com/）进行初级培训考核，考核通过可获取FCA-FineBI认证，具备基础的数据分析能力。 培训详细课程如下： 课程类别 课程名称 课程内容 授课方式 课时 FineBI初级 自助分析零基础入门：基础入门 自助分析概述 线下授课，线上同步直播授课 3小时 FineBI全流程 自助分析零基础入门：仪表板分析 数据可视化：如何使用表格展示 4小时 数据可视化：如何图形化表达数据 自助分析零基础入门：仪表板进阶 让你的数据会说话：OLAP交互 3小时 让你的数据会说话：可视化分析与视觉表达 自助分析零基础入门：数据处理 数据处理与函数 4小时 培训现场照片： 第二步：通过初级认证的人员进行FineBI中阶培训。此阶段课程为选修课，建议通过FCA-FineBI认证的学员参加。包括讲解可视化故事、高阶数据处理、行业场景应用课程培训。 培训结束后可登陆帆软网站（https://cert.fanruan.com/）进行中级培训考核，考核通过可获取FCP-FineBI认证，具备基于实际业务场景运用FineBI进行数据建模、可视化分析等复杂的开发能力。 培训详细课程如下： 课程类别 课程名称 课程内容 授课方式 课时 FineBI中级 讲解可视化故事 数据分析高手必备技能：联动、钻取、跳转 线下授课，线上同步直播授课 3小时 可视化数据，让信息更易懂易得 高阶数据处理 DEF 函数在业务中使用 4小时 行业场景应用 数据可视化实践-讲解数据可视化故事 3小时 行业场景应用 数据可视化实践-讲解数据可视化故事 4小时 培训现场照片： 第三步：取得中阶培训考核FCP-FineBI认证的学员参加FineBI高级培训。通过线下手把手教学模式，现场体验工作中数据分析场景落地。 培训详细课程如下： 课程类别 课程名称 课程内容 授课方式 课时 FineBI高级 翻转课堂 通过趣味案例激发学员数据分析的兴趣，现场手把手教学 线下集中授课 2天 第四步：组织数据分析大赛 获得FCA-FineBI认证的员工，可参与本年度数据平台FineBI大赛。 1.竞赛内容 竞赛分为初赛和复赛两个阶段。初赛阶段：在数据平台中对系统已有数据或个人数据进行分析，完成后提交数据分析作品。经过评委打分后确定是否获得复赛参与资格。复赛阶段：根据评分及投票结果，筛选出优秀作品参加复赛。进入复赛的团队需要对自己的数据分析作品进行优化提升，在决赛当天进行路演，评委现场进行评分。 2.竞赛方式 鼓励跨条线、总分联动自由组队，各分行至少组建1支队伍参赛。参赛各队基于FineBI工具，输出一份数据分析作品。 3.竞赛相关要求 各部门将通知传达至全体员工，并请各部门联系人积极组织培训、资质认证和竞赛各阶段的推进工作，具体参训方法报名完成后由联系人负责通知。参训人员要严格按照培训时间参加学习、资质认证，无法按时参加应及时向培训组织人员请假。本年度FineBI为6.0版本的培训，报名前已取得FCA-FineBI认证的员工自愿参训。 “魔方杯”数据分析大赛现场照片： “魔方杯”数据分析大赛参赛队伍照片： “魔方杯”数据分析大赛参赛队伍路演照： 参赛案例： 青岛分行案例： 南宁分行案例： 长沙分行案例： 第五步：组织分行赋能官大会，为了更好的把控数据分析工作进度和及时解决工作进展中遇到的问题。平台组织分行进行赋能官的报名，并对各分行数据赋能官进行培训，搭建并运营企业微信群、论坛专栏等各种交流共享互动的平台，各分行数据赋能官负责对本分行主要业务部门、支行骨干进行培训，每月进行优秀数据应用场景案例的分享。 如，在平台第六期赋能官大会中，济南分行赋能官从新世界的帖子里捕捉到需求，主动与业务人员交流，挖掘出了更深层次的需求：一个是贷款客户还款差额、拖欠、冻结实时监测，实现了实时、准确地捕捉和反映客户的还款动态，显著提升了贷款管理部门的风险识别能力和响应速度，进一步降低了潜在的不良贷款风险。另一个是关于运营管理条线的包括关键业务指标，通过这系列报表，运管部门得以全面、系统地了解业务运营状况。北京分行文创管理部的业务人员，为了能够更加精准地掌握业务动态，及时发现并解决问题，在分行赋能官的悉心指导下，成功自主制作并发布了文创管理部日报表，该日报表成功票选为在当月分行优秀场景。 第六步：数字文化交流推广 生态化运营，实现数据应用平民化、民主化、生态化、社交化。数据服务需要从被动式数据满足转变为主导创新式数据引领。为实现此目标，平台将数据、服务、平台三者有机地结合在一起。通过构建数据生态，增强业务人员、科技人员、系统运维人员间的互动，引入行为分析、技术交流、技术分享、在线答疑等互联网内容管理经验，提升了平台访问流量。数字生态保障需要经验、体系、氛围三者紧密结合。经验是决定数据分析的成果成立的关键。经验来自业务人员的学习、实践、总结积累。体系是基础和保障，依靠平台的不断运营、优化和创新。氛围来自领导支持、组织建设、宣传推广和培训活动。实现数字生态的成功运营。 在数字文化交流推广中，我行组织知识星球直播分享活动。 2023年8月17日邀请常州分行资深数据分析师分享数字化应用人才培养内容，直播主题为“一起谈谈不断进步的数据力量”。老师分享了他如何运用现代技术的力量来赋能银行业务，从一些具体的案例出发，为我们展示了数据如何推动银行业务的改进和发展。此外，老师还分享了他的分析师之路的核心技能的掌握，以及他是如何通过学习来提升自己的。总的来说，本次直播分享让我们深刻地认识到了数据的力量，以及如何运用现代技术来赋能银行业务。 2024年8月24日邀请西宁分行资深数据分析师分享数字化管理内容，直播主题为“打造分行数据分析师团队”。老师在直播中提出，“业务部门不擅长数据，科技部门不了解业务，管理部门提不出策略，这是分行现在的痛点”。近年来，随着金融科技的迅猛发展和企业数字化转型工作的不断推进，商业银行也由传统的经验式、案例式的决策方式，向更加科学的数据型决策方式转变。伴随着这种决策方式的变化，分行业务部门出现了大量的数据需求，这也使得分行科技部门压力骤增，同时因为业务对数据结构不了解，科技对业务实质不清晰，越来越多的配合问题浮出水面，最终业务的需求未满足，反而开发的工作量成倍增加。化解这一局面，立足“业技融合”打造分行分析师矩阵、提升沟通效率实现数据需求快速精准落地、健全培训机制，让业务用户用数成为可能，打造分行数据分析师团队就显得尤为重要。 （4）取得成效 组织全行BI培训，平台经过总、分行联动运营，平台整体使用率都得到了较高的增长。截止2023年12月底，全年共发布数据产品2348个，比年初翻了5倍，其中分行发布1782个，占比近76%。活跃用户由年初的427人增长至9131人，增长超过20倍，全行月活人数占比28.5%。 组织数据分析大赛，89支队伍入围“华夏杯”数据分析大赛，业务部门和分行一线深度参与，15支队伍取得了优秀的成绩，参赛者们用智慧和激情点亮了数据的未来，以独特的视角和深入的洞察力，挖掘出了数据的巨大价值。 组织召开9次分行平台赋能官大会，赋能官与各分行用户双向奔赴，全年分行落地838个应用场景，各分行每月至少落地了1个应用场景。 3 典型成果 3.1 场景一：华夏银行个人线下贷款大看台 (1)发现问题： 个人业务部同事发现当前的报表存的问题：一是平台多报表散；二是报表多为明细报表，涉及客户信息或业务信息，例如身份证件号、房产坐落地址、手机号等客户经理无法查询；三是数据统计要求高，报表查询员需具备基本EXCEL操作经验，明细报表下载后需重复去重、合并、汇总、筛选等工作；四是明细报表一查查全部，无法事先脱敏敏感信息，这些痛点让信息保护落实难上加难。 (2)解决过程： 个人业务部同事通过参加平台组织的数据分析师人才的培训（包括FineBI初阶培训和FineBI中级培训），培训完成后秉承“各有所长，各尽其长”进行人员分工组织进行自助分析和开发统一看板（个人线下贷款大看台）。分工过程：常作报表的知道报表需要如何过滤无关数据、如何汇总、制图、制表，知道报表各口径的具体含义，并向科技部门提出数据需求；常写报告的知道报告需要哪些数据、数据以何种形式展示比较美观，进行展示样式的指导；常作营销推动的知道哪些数据有利于分行推动营销，哪些数据有利于支行推动营销，进行专业指导；常作贷后管理的知道哪些业务需要重点关注。最终在科技部门只提供明细数据和数据赋权流程支持的情况下，个人业务部业务人员基于BI工具进行数据处理、图表选择、模块设计、展示设计自助完成了看板的开发。在总行、分行、支行、客户经理4个级别进行数据统计和展示解决了上述发现的问题。案例部分看板展示如下： (3)场景价值： 一是减少人工大量重复查询、重复统计的的时间和精力，一个看板满足全行各级人员使用需求；二是业务人员根据业务使用思维进行可视化展示，界面美观，内容清晰；三是按照传统开发模式需要经过立项、需求评审、技术开发、测试、验收、投产等环节预计1个月才能完成的需求，业务人员1周即完成看板的开发和投产，节省了大量人力和时间成本，促进全行降本增效。 3.1 场景二：华夏银行对公账户风控雷达 (1)发现问题： 在2019年人民银行取消对公账户开户许可后，要求商业银行对账户管理做到“两个加强、两个不减”，并开展账户分级分类及全生命周期管理。近两年，电信网络诈骗形势愈加严峻，随着2022年12月1日《中华人民共和国反电信网络诈骗法》的正式实施，对商业银行在账户管理中应履行的权利义务列入法条，对不尽职的行为也要承担法律责任。运营管理部在进行对公账户分析时发现的问题：一是账户分级分类如何一目了然？目前需要柜员在分行账户监测系统中逐户查询，或者逐户翻阅账户资料、查询流水、与管户客户经理了解；二是每个账户风险点到底有哪些？对于账户的风险点不能统一展示，仍需要逐项查询且展示不全；三是账户网银限额设置合理吗？开户时依据上门尽调和资料审核，后续账户使用时无法动态判断；四是账户管理措施有数据支撑吗？支行判断账户风险情况时依据零星的、散落的数据判断，不全面，不精准。 (2)解决过程： 参加平台组织的数据分析师人才培训的运营管理部同事通过对基础数据的分析提出了“两个层面数据分析，三组人员使用数据”的思路通过BI工具进行自助看板的制作。管理层面：一目了然展示全行对公账户整体情况、异常变化信息，有利于对风险账户的靶向定位，开展分层管理，提高全行账户管理水平。支行层面：可展示支行全部账户和每一个具体账户的信息和数据分析情况，提高账户判断的精准度，降低人工成本等。案例部分看板展示如下： (3)场景价值： 一是解决了账户管理只提要求，不提供管理手段的困难，让管理要求落地可视化；二是解决了账户管理工作中因人员风险接受程度存在差异导致相同事件不同人员判断出不同结果的问题，分行统一判断风险指标的严重程度，通过参数化将指标转换为风险分值，再由系统根据不同账户触发的风险值个数和频次为每个账户计算出账户风险值，实现全行账户管理统一标准；三是解决了账户管理点多面广、数据分散的问题，将关注信息和数据整合展示，实现集约式管理；四是解决了柜面在对账户管理做判断时不再是凭借主观想法，例如账户网银权限设置是否合理（不再由人工进行判断），而是通过平台进行数据提取，准确判断，成为账户管理的有力工具。 4 总结与展望 随着数字化进程的加速，企业级数据服务共享平台将更加注重数据的深度挖掘和应用创新，提供更精准和个性化的数据服务。通过不断完善和优化平台的功能和性能，企业能够进一步提升数据分析的效率和质量，推动业务的发展和增长。 同时，数字人才项目将加大对“数字+科技+专业”复合型人才的培养力度，提升员工的数字化应用能力。通过科学组织和制定培训工作安排，企业能够培养更多的数据分析和数字化转型的专业人才，提高整体的数据素养和创新能力。 最后，数字人才项目将全面构建推广运营体系，营造数据分析的良好氛围。通过竞赛和积分激励等方式，企业能够激发员工的数据分析热情和创新能力，推动业务的发展和增长。以前，数据分析往往是个别团队或个人的工作，而现在，通过推广运营体系的建立，数据分析将成为全企业的共识和行动，为企业带来更大的业务价值。

企业简介 顾家家居（KUKA HOME）是中国领先的家具制造与销售企业，创建于1982年，总部位于浙江省杭州市。作为一家以创新、品质和服务为核心价值观的企业，顾家家居致力于为全球消费者提供舒适、美观、高品质的家庭生活解决方案。 企业愿景与使命 愿景： 打造全球领先的家居品牌，让每个家庭享受幸福美满的生活。 使命： 通过不断创新和优质服务，为客户创造健康、舒适、美好的生活环境。 核心业务 家具产品 顾家家居主要生产和销售各类家具产品，包括沙发、床垫、床架、餐桌椅及其他软体家具。公司旗下拥有多个品牌，如“顾家工艺”、“米兰之家”等，以满足不同消费者的需求。 沙发系列： 顾家的沙发设计注重人体工学与现代时尚，无论是皮质还是布艺，都有丰富选择。其经典款式和定制化服务，使其在市场上享有较高声誉。 卧室系列： 优质床垫结合科学设计，为用户提供完美睡眠体验。此外，多样化风格的床架也广受欢迎，从简约现代到复古奢华应有尽有。 餐厅系列： 餐桌椅不仅注重实用性，更追求美学设计，使得每一顿饭都成为一种享受。 定制家具 随着个性化消费趋势兴起，顾家公司推出了“全屋定制”服务，根据客户需求量身打造独特空间布局及风格统一整体方案。从前期沟通到最终安装，每一步骤都力求精益求精确保满意效果。 智能家具 紧跟科技潮流，公司积极涉足智能领域，开发出多款高技术含量智能软体，如：自动调节温度按摩功能座椅; 具有语音控制灯光/音乐等多种互动功能设施，大大提升日常便利性。 市场布局 作为国内市场领军者之一, 顾家公司已成功拓展国际业务覆盖欧/亚/非等数十国家地区设立众多分支机构并参与多个大型贸易展览推广品牌知名度。此外还在线上线下建立完整销售网络满足广大消费者购物习惯转换。 线上平台: 入驻天猫京东等主流电商平台，结合自营网站实现一站式便捷购物流程。 线下门店: 在全国范围内开设超千余直营连锁实体，连接体验中心，让客户亲身体会产品魅力。 质量与环保 质量始终是公司生命线严格把控原材料选购确保符合国际标准认证同时坚持绿色生产理念减少污染排放保护地球生态平衡。 1 管理需求和挑战（介绍背景，为什么需要培养数字人才？） 背景： 1、行业现状 随着消费者生活水平的提高以及对个性化、高品质生活方式的追求，家具行业正经历深刻变革。消费者不再满足于传统、大众化产品，而是希望能够通过定制化服务实现独特的家庭空间。同时，电子商务平台的发展也使得线上销售成为重要渠道之一，这要求企业具备强大的数字营销能力和物流配送系统。 2、数字化趋势 在全球范围内，数字技术已经渗透到各行各业。对于家具行业来说，从设计、生产到销售，各个环节都可以通过数字技术进行优化。例如，通过3D设计软件进行虚拟样板间展示，使得客户可以提前看到效果；利用大数据分析用户偏好，以精准匹配市场需求；使用智能制造设备，提高生产效率并降低成本。 为什么需要培养数字人才？ 1、推动创新与增长 顾家家居一直注重产品创新和用户体验。通过培养具有前沿技术知识和创新思维的人才，公司能够不断推出符合市场需求的新产品。例如，在智能家具领域，引入物联网技术开发可调节温度或照明等功能的新型沙发，将极大提升用户体验并吸引更多客户。 2、提高运营效率 拥有强大数据分析能力的人才团队，可以帮助顾家公司优化供应链管理，提高生产与交付效率。例如，通过对历史订单数据进行分析预测未来销量，从而合理安排库存及采购计划；利用自动化系统减少人工操作步骤并提高准确性，这些都有助于降低运营成本同时提升整体效能。 3、加强决策支持 在快速变化且竞争激烈环境中做出正确决策至关重要。数码人才不仅能够提供实时准确信息，还能基于数据挖掘出有用见解辅助公司策略制定。如市场推广活动结束后他们可分析指标评估效果从而优化下一步行动计划; 或者借助AI算法辅助新品研发过程确保更加贴近实际需求。 4、增强客户满意度 现代消费者期望得到无缝衔接的一体式购物体验, 无论在线上浏览还是实体店购买均需保持一致流畅感受。 这就要求企业必须具备全面整合不同渠道资源及信息交换平台能力。 培养相关专业背景人员尤其关键 如UI/UX 设计师负责页面布局及交互方式; 数据科学专家根据消费行为制定精准推荐机制等等。 5、但还面临挑战 尽管意识到数码转型迫切性但执行过程中仍面临诸多困难： 文化适应：转型可能导致传统员工抵触情绪, 因此如何构建鼓励学习氛围尤为重要。 资金投入：无论硬件购置还是外部培训开销均不可忽视, 故需妥善规划预算。 持续更新：科技日新月异意味着单次培训远不足以应付长期发展需要, 建立常态机制支持持续学习显得非常必要。 留才问题: 优秀数码人员往往高薪酬吸引力较难留住故需人文关怀政策保障其稳定贡献。 2 培养方案（介绍数字人才的培养方案，可以包含组织框架、人才画像、培养路径等部分） 在数字化时代，企业的发展离不开高素质的数字人才。顾家家居深知这一点，因此制定了一套系统、全面的数字人才培养方案，以应对市场竞争和技术变革带来的挑战。以下是详细的培养方案，包括组织框架、人才画像和培养路径等部分。 公司执行线上/线下课的方式进行推广培训 线上基础课件：帆软官方视频 帆软BI线上打卡营结合帆软厂商一起组织，并写好相关步骤提供学员参考： 线下培训课剪辑的视频进行做成课件推广更多的人进行学习。 帆软report课程如下，并在持续更新中： 通过学习登记报名，学员都会分配对应的答疑老师，进行更精准的学习并快速上手。 学习路径学习完后，通过考试帆软FCA证书或线下出实操题进行提交批改。 平台管理拟定开发规范，考试通过后，开放服务器上账号进行开发。 测试机开发好后，进行解析是否符合规范经过流程自动上传到正式环境。 公司组织竞赛，根据实际场景更好的深入探究。 除了各领域的业务IT开发帆软Report固定报表，还推广各业务来学习帆软BI 3、定期和帆软厂商进行沟通，新功能及相关功能点更好的进行推广使用。 4、收集IT及业务提出的相关问题，进行专人服务答疑并拟定相关方案反馈业务更好的使用可视化产品。 5、满意度调查及帆软工具需求调查，基于反馈的想实操的场景，进行和厂商一起沟通素材，进行按领域或公司级的专场培训，提升效率。 3 典型成果（按照发现问题—解决过程—创造价值的逻辑，介绍几个企业通过培育数字人才，实现典型业务价值落地的例子） 3.1 场景一：帆软Report常用案例 背景：为了提升员工对帆软Report和BI工具的使用技能，公司内部将开展一系列有针对性的培训课程。 1、前期指引： （1）制定培训计划 根据各部门的实际需求和业务特点，制定详细的帆软Report和BI选课计划。 （2）发布学习指引 发布详细的学习指南，包括课程内容、目标、预期成果等，帮助员工了解每门课程的重要性以及如何选择适合自己的课程。 种子用户培训 （1）选择种子用户 各部门推荐具备一定数据分析基础且愿意承担知识传递责任的员工作为种子用户。 （2）深度培训 种子用户将接受深度培训，涵盖帆软Report和BI工具从基础到高级应用的各个方面。 培训内容包括但不限于：报表设计与优化、数据可视化技巧、高级数据分析方法等。 实战演练 在实际业务场景中进行模拟操作，让种子用户熟练掌握工具应用。 每次培训，一个主讲老师，两个助教，进行全方位指导培训。 参与线上线下培训人员70+，时间冲突人员可查看视频回放。 课程大纲如下： 1、帆软Report和BI的区别 帆软report：传统数据分析模式 帆软BI：自助数据分析模式（数据取与业务，用于业务） 帆软Report    VS         帆软BI 类型 FineReport FineBI 概述       2006推出FineReport报表软件，传统性的中国报表软件领导品牌，已有18年的经历，能满足各种能想象得到的固定式场景。      可以设计出复杂的中国式报表、参数查询报表、填报报表、驾驶舱等，轻松搭建数据决策分析系统。      2016年推出的FineBI，2023年有显著的技术演变和功能扩展。      FineBI 凭借强劲的大数据引擎，用户只需简单拖拽便能制作出丰富多样的数据可视化信息，自由地对数据进行分析和探索，让数据释放出更多未知潜能。 数据引擎 直连数据库，性能方面需要数据库的支撑 其中：抽数缓存机制：25分钟一次更新数据，会定期的更新缓存数据，选择的参数不同会缓存不同的数据，和数据库调度的时间没法保持一致。 提供 实时数据 与抽取数据两种方式的 Spider 计算引擎，用户可以根据数据量、实时性要求、使用频次等自由选择 说明：如设置成抽取数据，读的是磁盘空间的缓存数据，无需再花费查数据库的时间 数据准备 Report开发写SQL界面：       报表打开时，SQL会去数据库里查数据，查完后释放链接，每次参数选项及重新刷新都从数据库里重新查询数据。 如下图所示： 基于数据库表或自定义SQL数据集后，可进行全量/增量更新数据 核心优势 支持灵活定制各种中国式复杂报表 普通报表，决策报表，聚合报表，可视化看板（FVS新框架、适合PPT、大屏、总览看板），Word报告等。 普通报表模式：专注解决各类中国式报表 聚合报表模式：针对不规则大报表提供专门解决方案 FineVis数据可视化：驾驶舱、故事性大屏、3D 场景展示 Word 报告：基于 Word 加入动态数据、表格、图表进行报告设计，实现报告数据实时变化 提供自助式的 OLAP 多维数据分析模式        FineBI 用于七大数据分析能力，分别为：数据管理能力、数据编辑能力、超强函数能力、数据可视化能力、增强分析能力、分享协作能力、数据清洗能力。 分析函数：FineBI6.0 版本新增的函数类型，包括 def、def-add、def-sub 和 earlier 函数。分析函数结合原来的基础函数后，能够实现基于有限数据输出任意层级任意复杂度的计算指标，覆盖了更多复杂的业务场景，解决用户方案实现难题。 数据可视化能力： 支持的数据库      基于公司使用，已有数据连接都是支持的：HANA,Oracle,mysql,sql_server，Hadoop等都是正常支持的，服务器上对应的驱动包也已经安装好，可直接配置使用。 数据连接支持范围 https://help.fanruan.com/finereport/doc-view-2586.html 数据连接支持范围 https://help.fanruan.com/finebi/doc-view-685.html 常用场景 1、传统企业日常运营中对财务、销售等部门静态或周期性报告生成及打印需求。 2、采集填报回传场景，例如采集不同活动的计划任务。 3、对接接口嵌入其它业务系统，并能友好的接收到业务系统的参数，隔离相关权限。 4、基础表格后台模型搭建好后，直接写SQL对应字端-比较容易开发上手使用，无需花很长时间进行测试，只需确保源头数据一致即可。 5、权限隔离，需要事实表和权限表关联后再加where条件进行过滤。 1、IT及各领域数据分析人员拟定标准模板，业务可另存为后，进行自主分析。不需要变一个维度就重新修改代码，只需要在界面上进行拖拉换维度即可。 2、业务拿数据库表的数据进行自主分析（无需依赖IT排期才能开工），上手需要一定的软件使用基础，学习完顾家学堂基础课基本就上手。 3、深入挖掘分析，基于数据，输出分析报告，及不同组织隔离数据等进行安全管控。 权限：四联表模型 https://help.fanruan.com/finebi/doc-view-2137.html 面向对象      主要面向IT信息人员，由信息人员完成业务部分的需求，完成的报表由底层员工和领导使用。 主要面向业务人员，由业务人员自主设计仪表板进行分析 使用目的 着重于短期的运作支持 需求维度变更后，IT重新排期修改结果。 关注长期的战略决策，更着重于商业趋势和业务单元的联系而非具体的数据和精确度本身 功能点比较 帆软Report对列加载渲染不友好，超过40列加载会明显变慢。 1、不适合大数据量展现和导出 （1）、行加载1W以上100W行以下可使用新计算引擎（只加载第一页面）的方式处理。 （2）、超过40列不建议用帆软Report来开发，可选择FineBI来开发。 （3）、行超过100W行不建议进行导出，如需导出报表内部参数时间进行控制区间选择（分次进行导出），或导出分页签EXCEL的 帆软BI行和列的处理都是新引擎方式，加载不影响速度。 1、适合大数据量明细表（维度和指标）      如设置各事业部统一的明细报表，每个事业部需要的字端是不一样的，整体展现的时候都会加上，可用FineBI进行重新选择需要的字端后（会自动聚合），再进行界面上操作聚合或导出再查看政策。 2、适合数据量不大（50W之内），表头自定义，分组，分栏，需要不同单元格左父格指向的等复杂性的报表合适用Report 支持明细表和交叉表，拼接报表和基础的分组表等，如层做分组表层层展开，需要数据分析预览模式才支持，步骤较多 （1）拼接报表： （2）常用的条件属性： （3）数据查询与过滤 所有的联动都在参数的基础上进行交互 2、表格有三种类型（分组表、交叉表、明细表），方便适应各种场景 （1）分组表： 默认按第一列维度进行合并聚合的，可层层展开进行查看数据。 （2）交叉表： 分为行和列维度区域，数值区域在中间 （3）明细表 默认平铺样式，开放使用后业务可进行维度选择后重新聚合数值数据。 筛选条件：过滤直接拖出对应的字段或者参数即可，生效的控件可自行选择。 3、图表内上下钻取需要用参数写法进行下传，对层级逻辑及SQL要求较高。或带参数跳转到新的明细报表，开发需要开发两张报表。 3、界面上交互多的方便实现，无需SQL功底，界面上指定操作即可。 4、Report使用采集填报（全收集，指定字段回传，收集信息）等，打印零售相关模板， 4、填报回传需结合Report使用,BI内可嵌入Report去实施   5、Report（决策报表或FVS）都适合大屏使用，有开场效果、自动轮播，实时滚动，各种特效，三维等功能，下面有PPT具体讲解。 5、FineBI不合适用大屏，动态效果功能不多，只有轮播Tab块，一般都手动点选 6、JS实现各种功能点，比如自动提交，自动轮播，各种按条件场景进行跳转或回传判断等等 能想到的，默认功能不能满足的，大多数都可以找JS的写法来实现。 6、FineBI-JS不使用 7、基础开发       IT可以用来出固定格式的周报、月报、适合作为正式汇报材料，如维度界面上不满足，还需重新对接需求或导出明细表继续分析结果。 7、基础开发       业务可直接引用数据库表或IT已经搭建好底层数据模型，业务可进行自主分析 移动端       FineReport 报表除了可以在 PC 端查看之外，还可以在手机、平板等移动设备端进行查看，让用户随时随地查看系统中的报表，实时掌握企业的数据。       移动端正常需要重新开发，因有些JS或跳转到另一个仪表板的时候，返回跳转时，报表会重新打开，不会按明细表选择的值来展现结果。 FineReport参考相关文档： (1)制作一张移动端报表 https://help.fanruan.com/finereport/doc-view-4275.html （2）移动端Demo https://help.fanruan.com/finereport/doc-view-2931.html （3）移动端不支持的功能点列表 https://help.fanruan.com/finereport/doc-view-1578.html       FineBI 的仪表板除了可以在 PC 端查看之外，还可以在移动端，如手机、pad 端进行查看，让最终用户可以不通过 PC 就可以方便地用手指触摸的方式浏览查看系统中的模板。     方便从PC报表转成移动端来使用，交互下钻效果都正常保留，可不出同个界面，过滤器和参数都正常保留选择值。 FineBI参考相关文档： （1）移动端布局 https://help.fanruan.com/finebi/doc-view-445.html （2）移动端指导手册 https://help.fanruan.com/finebi/doc-view-2353.html （3）移动端常见问题 https://help.fanruan.com/finebi/doc-view-2023.html Report的架构图： 需要本地安装部署，编辑只在设计器里完成。 BI的架构图： 无需本地部署，可直接服务器开放账号后就进行使用。 BI的技术架构：       FineBI通过分析主题，将用户完成一个分析所需要的数据、组件、仪表板更紧密的联系在一起，通过简单明确的操作路径，实现沉浸式数据分析，轻松掌握分析技能。 细节可查看帆软官方文档：FineReport和FineBI的区别  https://help.fanruan.com/finereport/doc-view-1750.html Report大屏基础功能说明： FineVis 是一款零代码的数据可视化设计工具，用更便捷、更专业的产品方式满足数据可视化场景需求。 FVS 是 FineReport 产品体系中的一部分，基于 FineReport 设计器开发，以 FineReport 插件的形式交付。前生是决策报表FRM，FRM慢慢会被FVS代替。 2、本地安装设计器和服务器的区别      本地设计器是一个完整的一套体系，有自带的“数据决策系统”，本地设计器秘钥免费注册，但只能用于2个并发上限用户。仅自己开发测试使用。 2.1 应用场景： 本地安装设计器： 软件被安装在个人电脑上。 主要用于报表设计、开发和测试。 对系统资源的需求相对较低，因为只需支持单用户操作。 服务器： 软件及相关组件被安装在服务器上。 设计好的报表可以直接在服务器上发布，并供多个用户访问。 需要更强大的硬件支持以应对多用户同时访问的情况。 2.2 安装版本说明： 目前大版本都是11，测试环境小版本是11.0.25，正式机11.0.22（5月节后回来升级到统一版本），本地安装大家可以直接安装11.0.25版本 2.3 驱动包说明 本地：自己安装配置，正常驱动包存放位置在： %FR_HOME%\webapps\webroot\WEB-INF\lib路径下，重启设计器后驱动生效。 服务器：正常新增的驱动包需联系管理员9097212进行安装配置，常用的数据库都是自带有的驱动（Oracle，Mysql,sql_server）， 需安装的驱动已经安装上的有HANA驱动，Salesforce驱动，MongoDB 2.4 插件说明： （1）新安装插件 如本地安装试用了插件后，觉得功能比较合适使用，可找管理员9097212进行沟通安装 （2）更新插件 如有插件版本和JAR包版本有兼容性问题的，反馈给管理员，由管理员进行验证并进行更新版本。 2.5 新功能及版本说明        管理员9097212定期会在分权管理员进行说明升级版本及插件，学员结业后有分权管理员权限了，相对应的在本地设计器进行更新升级，更新到最新直接在线升级到最新集合，如更新到指定版本，找管理员要JAR包后只需要替换对应的JAR包后重启设计器即可。 3、相关功能及场景介绍 3.1 帆软Report基础应用 简单界面说明： FVS-报表制作效率提升 真正的「所见即所得」编辑，任何细节调整都在编辑器中实时展现，无需频繁保存、预览。 Word 报告   Word 报告插件采用「WPS+设计器」的设计模式 结合已开发的报表，可直接引用单元格的具体值来结合文本+对应的值进行展现结果，查看和导出都按Word形式或PDF的形式。 3.2 报表设计流程图 3.3相关案例介绍 热点主题案例 https://help.fanruan.com/finereport/doc-view-4680.html     业务场景案例 https://help.fanruan.com/finereport/doc-view-4678.html 相关数据分析与可视化指南：https://help.fanruan.com/dvg/ 3.4 参考网址说明 功能性相关的DEMO查看路径： （1）本地“服务平台管理” 输入自己配置的本地管理员账号密码进入“数据决策系统” 注：如忘记账号密码了，可查看开发规范的第7个目录里进行重置配置。 进入后可看到默认可参考的主题：        默认不修改端口的前提下（本地端口默认是8075），只要设计器打开着，可直接输入网址进入本地的“数据决策系统”http://localhost:8075/webroot/decision （2）DEMO库下的案例参考：https://demo.finereport.com/ 有喜欢的看板都可以下载下来复用，对应的数据库是内置数据集，方便换成自己的数据源。 （3）帆软大屏DEMO库：https://finemaxdemo.fanruan.com/ 目前大屏大多数都以FVS进行设计展现了， 最底要求：设计器安装的电脑的要求配置： 硬件 推荐配置 CPU Intel i5 六代及以上 内存 8.0GB 及以上 显卡 建议独立显卡 操作系统 Windows 10及以上 浏览器 仅支持 Chrome 浏览器且最低版本要求为 86 版本 （4）移动端DEMO 3.5 遇到问题，相关处理方法 （1）官方帮助文档查询 https://help.fanruan.com/ （2）官网在线客服咨询 帆软“线上”咨询指引-在线客服 找管理员拿企业的链接邀请，进入咨询平台 基础问题可在上班时间进行提问：工作日9:00-12:00,13:30-17:30 （3）答疑老师进行沟通处理 课件学习中的问题可直接咨询答疑老师，服务器相关问题直接找管理员9097212处理。 4、Report开发上手的基础要求 4.1、基础数据处理能力       了解基本的数据库操作，熟悉SQL语言，能够进行数据查询、更新等操作。常用的数据库包括HANA，MySQL, Oracle, SQL Server等。 4.2、报表设计理念 理解报表设计原则：明白怎样设计易于阅读和理解的报表，并使其视觉效果吸引人。 布局与美学感知：具备良好的页面布局规划能力以及审美觉，可以创造出专业且具吸引力的报表界面。 4.3、Report工具使用 FineReport操作: 理解并熟练使用FineReport设计器及其组件。例如如何添加不同类型控件（图标、表格、参数面板等）。 说明：针对性的去学习顾家学堂课程，哪块不足学哪课，新手可按顺序进行学习。 5、开发规范讲解 5.1 数据连接命名规范 规范测试机和正式机一致，方便后续运维，帆软测试机直接取数据库测试机的数据，帆软正式机直接取数据库正式机的数据，有些数据库只有正式库，测试机和正式机配置一致即可。 常用数据库说明： HANA数据库取名：HANA_账号名 或 HANABI_账号名 ORACLE数据库取名：ORACLE_模块_账号名 MY SQL数据库取名：MYSQL_模块_账号名 SQL SERVER数据库取名：SQL_SERVER_模块_账号名 SALES FORCE取名：SALESFORCE_模块名  自带的帆软名称固定不变：FRDemo,logdb,year-end-logdb,year-end-finedb,finedb 5.2 数据集命名 5.2.1 模块数据集 主表命名： 可和报表标题一致，说明用途。默认不规范写法：ds开头的都会在监控表里体现出来，要求整改。 维表命名： 如事业部维表：命名如下：事业部_维表，注：所有的维表都要标识出来作为参数界面下拉选择 5.2.2 服务器数据集 服务器数据集 https://help.fanruan.com/finereport/doc-view-235.html 命名规范：模块简称_使用场景说明(不超过20字) 场景举例：零售域下面的国内活动看板最新活动、活动开始时间和活动结束时间，可取名为：零售_国内活动最新活动默认接收值 5.3 跳转命名 命名规范：跳转说明，不能直接使用默认“网络报表” 跳转：不使用新窗口，使用“对话框”，如下说明设置： 5.4 SQL规范       Report正常情况下，是一个图表就写一个SQL(模板数据集)，如有上下联动或跳转，因参数接收不一致，需新的数据集去支撑。建议每个SQL结果值不要超过1秒，如只有一个明细结果，SQL查询结果不要超过5秒。 门户经营报告类要求：报表平均打开时长不能超过5秒，统计查询类：报表平均打开时长不能超过12秒。 （1）普通报表SQL并型全部加载的方式，数据量不大的情况下，打开时长较快。 （2）决策报表根据浏览器的并行机制，正常情况下每6段SQL并行加载。SQL数据集建议不要超过18段。 （3）FVS目前是串型加载的，先框架界面立马出来，再SQL进行加载，目前加载顺序还不能调整。SQL数据集最好不要超过10段，聚合的结果可以写在同一个SQL数据集里。 6、整体帆软Report流程 整体链接流程： 学习学完通过考试后开放测试机账号讲解说明 通过考试后统一找管理员（9097212）进行申请FTP账号 通过这次培训后，业务对自己的选课有更好的认知，培训Report报表和BI报表上百人，定期进行线下授课及答疑。 培训出种子用户参考考试合格的累计50人左右，报表陆续上架使用中。 开发报表样式及使用场景收益说明： 平台数据门户访问率 如平台拟定访问记录开发样式，每个领域默认看到自己领域的访问记录，并能查看哪些人员查看哪些报表，月趋势，周期，排名前面的访问用户，并排除掉恶意刷新的场景，10秒内重新刷新的访问记录进行默认排除。 场景价值： （1）运营监控和优化 实时监控：随时查看关键业务指标的最新状态，识别异常情况并及时采取措施。 绩效评价：通过对比历史数据和目标值，评估各部门或项目的绩效，从而做出必要的调整。 （2）决策支持 数据驱动的决策：提供可视化的数据分析结果，帮助管理层做出更科学、准确的决策。 趋势分析：展示业务发展趋势和潜在机会，为未来规划提供依据。 （3）资源分配 优化资源使用：根据报表反映的数据高效分配人力、物力等资源，提高企业运营效率。 发现瓶颈与改进点：识别业务流程中的瓶颈环节及需要改进之处，从而进行针对性优化。 （4）用户行为分析 理解用户需求： 分析经销商/合作伙伴等外部用户在平台上关注哪些报告, 帮助了解他们实际所需从而提供更有针对服务； 解决了日常各领域分权管理员统计的场景，该报表能够清晰反映出各个领域的使用情况，并且针对已开放权限的用户，能够明确定位到他们关注的具体报表。   *写作要求&建议（写作时可删）： （1）业务场景可以是员工经过培训以后，通过BI创建的数据分析场景，也可以是通过简道云零代码开发的应用； （2）场景个数不限，一般2~5个为佳； （3）场景附图，要求图片美观清晰（高清大图），敏感信息可使用虚拟数据或打码脱敏处理，打码要工整，有个省事的办法就是联系大赛相关的帆软工作人员帮忙打码。 每个场景的写作要求： （1）发现问题：即回答“为什么做这个场景”的问题，介绍设计该场景的原因或驱动因素，体现场景的必要性； （2）解决过程：即回答“怎么做”的问题，例如“业务人员经过培养，掌握数据分析、应用搭建的能力，自主设计了销售分析驾驶舱，按照xxxx等维度重点分析xxxx指标，并按照xxxx的层级下钻，从而发现销售过程中的xxxx等问题”； （3）场景价值： 要突出员工自主使用数字化工具，能够帮助企业快速解决业务问题，快速落地业务价值的优秀成果。建议能量化则量化，增强读者的感知，例如“提升。。。。。。”、“从。。。。。。增长到。。。。。。”，不能量化的价值可以通过前后变化来体现，例如“之前经常出现。。。。。。的情况，现在。。。。。。”。 3.2 场景二：FVS使用案例 基于培训公司零售场景进行培训，并深度应用。 FVS培训大纲场景说明： 一、FVS功能介绍 FineVis数据可视化简介  https://help.fanruan.com/finereport/doc-view-4222.html     说明：FVS是之前FRM的全新框架的升级版，开发效果会更高，很多复杂的JS也内嵌成功能可直接配置使用。 二、实操案例需求说明 2.1 设置脑图 需分析的指标进行拟定。 2.2 初步DEMO分布图 分析零售数据，大致按维度 2.3 数据库表说明 绿色是标识出需要用到的维度，橙色是对应的指标 三、实操步骤 3.1 基础操作说明 打开帆软后，点击“文件——新建可视化看板” 默认的分辨率进入即可 开发报表时可先进行保存： 注：不要直接放在跟目录下，需创建一个文件夹，再把报表放入文件架里面 按要求命名：文件名：工号_姓名_零售主题分析 FVS 可视化看板的制作界面如下图所示： FVS界面概览 https://help.fanruan.com/finereport/doc-view-4733.html 3.2 数据连接配置-HANA数据库 HANA驱动配置前，先检查驱动是否存在： 如HANA驱动还未放入，找到自己电脑安装的如下路径： 如不知道安装在电脑哪个位置了，用之前教的快速方法进入到文件夹。 操作：随便选中一个文件或文件夹，点击“打开所在文件夹”位置 回退到WEB-INF层下再进入lib放驱动即可。 例如我的电脑的路径参考：D:\帆软\FineReport_11.0\webapps\webroot\WEB-INF\lib 注：新放入HANA驱动包后，需设计器重启后生效 HANA连接基础配置：命名规范（HANABI_领域名_账号名，HANA_领域名_账号名） 连接名称：HANABI_FRPX 新建JDBC： 注：本地使用HANA数据库里，选择数据库为Others，服务器端可直接选择SAP HANA数据库 驱动器（直接手输，不要去下拉选择）：com.sap.db.jdbc.Driver URL：jdbc:sap://10.15.249.14:30015?reconnect=true 3.3 背景及图片引用 材料1：大屏背景图 材料2：标题背景图 （1）如何上传本地图片当背景或辅助标题背景及小图标？ 默认进去后，选择右边的页面，可进行“自定义上传”相关图片。 （2）上传图片如下图说明： （3）选中大背景图，完成即可。 （4）标题背景如何放： （5）自定义标题图片进行上传 （6）位置进行放好 （7）再上面加上对应的标题文字 3.4 数据集SQL配置及说明 按需写对应的数据集SQL，一般情况下每个图表都是一个模板数据集 （1）除非是没有维度的指标，可以写在一个结果数据集里 （2）维度一致的不同指标的结果也可以写在一个数据集里 （3）多个维度的数据集显示不同的图表维度也不一致，不建议在图表中重新聚合展现，还是直接SQL结果显示效率会更高。 3.4.1 报表用到的表字段说明： 用到的表字段相关说明："TRAIN_DATA"."SD_SALES_ORDER_EXTENSION_TARIN" --维度： DEALER_ID as "所属组织ID" ,ORG_NAME as "所属组织" ,CONTRACT_DATE as "合同日期" ,SPEAC_DISPLAY as "空间" ,PRODUCT_NO as "货号" ,PROVINCE_NAME as "省" ,RETAIL_CENTER_CODE as "所属运营中心编码" ,RETAIL_CENTER_NAME as "所属运营中心" ,AREA_DIRECTOR_CODE as "大区负责人工号" ,AREA_DIRECTOR_NAME as "大区负责人" ,SUPERVISOR_CODE as "督导工号" ,SUPERVISOR_NAME as "督导负责人" --度量： ,DEAL_AMT as "行成交金额" ,ORDER_QTY as "数量" 3.4.2 参数写法参考： ${if(len(START_DATE) == 0,"","and contract_date>=('" + START_DATE + "')")}--合同日期DATA类型 ${if(len(END_DATE) == 0,"","and contract_date<= ('" + END_DATE + "')")} ${if(len(SH_START_DATE) == 0,"","and AUDIT_TIME>= '" + SH_START_DATE +"'")}--审核日期时间戳形式 ${if(len(SH_END_DATE) == 0,"","and AUDIT_TIME<= '" + SH_END_DATE + " 23:59:59'")} --审核结束日期 ${if(len(STATUS_CODE) == 0,"","and STATUS_CODE in ('" + STATUS_CODE + "')")} --订单状态（多值查询） ${if(len(BUSI_DEPT_CODE) == 0,"","and BUSI_DEPT_CODE in ('" + BUSI_DEPT_CODE + "')")} --事业部（多值查询） ${if(len(RETAIL_CENTER_CODE) == 0,"","and RETAIL_CENTER_CODE in ('" + RETAIL_CENTER_NAME + "')")} --中心（多值查询） ${if(len(SUPERVISOR_CODE) == 0,"","and SUPERVISOR_CODE in ('" + SUPERVISOR_CODE + "')")} --督导（多值查询） ${if(len(SALES_ORDER_NO) == 0,"","and SALES_ORDER_NO like '%" + SALES_ORDER_NO +"%'")}--订单号（模糊查询） ${if(len(ORG_NAME) == 0,"","and ORG_NAME like '%" + ORG_NAME +"%'")}--组织名称（模糊查询） ${if(len(DEAL_AMT_START) == 0,"","and TOTAL_DEAL_AMT >= ('" + DEAL_AMT_START + "')")}--整单金额（数字区间） ${if(len(DEAL_AMT_END) == 0,"","and TOTAL_DEAL_AMT <=('" + DEAL_AMT_END + "')")} 3.4.3 具体使用这张FVS报表的SQL写法如下 （1）空间占比 因灌入的数据没有最新的数据，默认的开始时间和结束时间可以选择2022年 select MAP(SPEAC_DISPLAY,NULL,'其它',SPEAC_DISPLAY) as SPEAC_DISPLAY, round(sum(deal_amt)/10000,0) as deal_amt_w from "TRAIN_DATA"."SD_SALES_ORDER_EXTENSION_TARIN" T where 1=1 ${IF(LEN(START_DATE) == 0,"","AND T.CONTRACT_DATE>=('" + START_DATE + "')")} ${IF(LEN(END_DATE) == 0,"","AND T.CONTRACT_DATE<= ('" + END_DATE + "')")} group by MAP(SPEAC_DISPLAY,NULL,'其它',SPEAC_DISPLAY) order by deal_amt_w desc （2）货号TOP100排行，表格显示 可设置表格轮播，因需要地图点击下钻，参数需多加一个省份。默认不选择前，代表的是总体。 select PRODUCT_NO ,round(sum(DEAL_AMT)/10000,0) as DEAL_AMT_W ,sum(ORDER_QTY) as ORDER_QTY from "TRAIN_DATA"."SD_SALES_ORDER_EXTENSION_TARIN" T where PRODUCT_NO like '90.%' ${IF(LEN(START_DATE) == 0,"","AND T.CONTRACT_DATE>=('" + START_DATE + "')")} ${IF(LEN(END_DATE) == 0,"","AND T.CONTRACT_DATE<= ('" + END_DATE + "')")} ${if(len(PROVINCE_NAME ) == 0,"","and T.PROVINCE_NAME in ('" + PROVINCE_NAME + "')")} --中心 group by PRODUCT_NO order by ORDER_QTY desc limit 100 （3）当年零售额，同期增长率% --当年零售额 select ROUND(DEAL_AMT/10000,0) as DEAL_AMT_W, (DEAL_AMT-TQ_DEAL_AMT)/TQ_DEAL_AMT as TQL--同比增长率 FROM ( select round(sum(CASE WHEN to_char(T.CONTRACT_DATE,'yyyy')= to_char('${END_DATE}','yyyy') THEN DEAL_AMT END),2) as DEAL_AMT--当年值 ,round(sum(CASE WHEN to_char(add_months(T.CONTRACT_DATE,+12),'yyyy')= to_char('${END_DATE}','yyyy') and to_char(add_months(T.CONTRACT_DATE,+12),'yyyy-MM-dd')<=to_char('${END_DATE}','yyyy-MM-dd') THEN DEAL_AMT END),2) as TQ_DEAL_AMT--当年同期值 from "TRAIN_DATA"."SD_SALES_ORDER_EXTENSION_TARIN" T where to_char(T.CONTRACT_DATE,'yyyy')= to_char('${END_DATE}','yyyy') or to_char(add_months(T.CONTRACT_DATE,+12),'yyyy')= to_char('${END_DATE}','yyyy') )--因数据量可能较多，把过滤的条件也写在表条件里 （4）省排行 默认时间点设置成当年即可（START_DATE为2022-01-01，END_DATE为当天） --省市区零售额初步写法： select PROVINCE_NAME --省 ,round(sum(deal_amt)/10000,0) as deal_amt_w--零售额 ,round(sum(cost_amt)/10000,0) as cost_amt_w--成本 from "TRAIN_DATA"."SD_SALES_ORDER_EXTENSION_TARIN" T WHERE 1=1 --合同日期时间过滤 ${if(len(START_DATE) == 0,"","and t.contract_date>=('" + START_DATE + "')")} ${if(len(END_DATE) == 0,"","and t.contract_date<= ('" + END_DATE + "')")} group by PROVINCE_NAME order by deal_amt_w desc （5）运营中心排行--条件图（TAB块切换） 说明：最终SQL要按正序，取出前10后，再外面套一层排序 select A.RETAIL_CENTER_CODE ,A.RETAIL_CENTER_NAME ,deal_amt_w--零售额 from ( select RETAIL_CENTER_CODE--"所属运营中心编码" ,RETAIL_CENTER_NAME--"所属运营中心" ,round(sum(DEAL_AMT)/10000,0) as DEAL_AMT_W from "TRAIN_DATA"."SD_SALES_ORDER_EXTENSION_TARIN" T where 1=1 ${IF(LEN(START_DATE) == 0,"","AND T.CONTRACT_DATE>=('" + START_DATE + "')")} ${IF(LEN(END_DATE) == 0,"","AND T.CONTRACT_DATE<= ('" + END_DATE + "')")} group by RETAIL_CENTER_CODE--"所属运营中心编码" ,RETAIL_CENTER_NAME--"所属运营中心" order by deal_amt_w desc limit 10 )A order by deal_amt_w （6） 大区排行--条件图（TAB块切换），最终SQL要按正序 SELECT A.AREA_DIRECTOR_CODE-- "大区负责人工号" ,A.AREA_DIRECTOR_NAME-- "大区负责人" ,DEAL_AMT_W--零售额 FROM ( SELECT AREA_DIRECTOR_CODE--"大区负责人工号" ,AREA_DIRECTOR_NAME--"大区负责人名称" ,ROUND(SUM(DEAL_AMT)/10000,0) AS DEAL_AMT_W FROM "TRAIN_DATA"."SD_SALES_ORDER_EXTENSION_TARIN" T WHERE 1=1 ${IF(LEN(START_DATE) == 0,"","AND T.CONTRACT_DATE>=('" + START_DATE + "')")} ${IF(LEN(END_DATE) == 0,"","AND T.CONTRACT_DATE<= ('" + END_DATE + "')")} GROUP BY AREA_DIRECTOR_CODE--"大区负责人工号" ,AREA_DIRECTOR_NAME--"大区负责人名称" ORDER BY DEAL_AMT_W DESC LIMIT 10 )A ORDER BY DEAL_AMT_W （7）督导排行--条件图（TAB块切换），最终SQL要按正序 select A.SUPERVISOR_CODE ,A.SUPERVISOR_NAME ,deal_amt_w--零售额 from ( --注：因督导名称有可能重复，必须用督导工号加名称来聚合 select SUPERVISOR_CODE--"督导工号" ,SUPERVISOR_NAME--"督导名称" ,round(sum(DEAL_AMT)/10000,0) as DEAL_AMT_W from "TRAIN_DATA"."SD_SALES_ORDER_EXTENSION_TARIN" T where 1=1 ${IF(LEN(START_DATE) == 0,"","AND T.CONTRACT_DATE>=('" + START_DATE + "')")} ${IF(LEN(END_DATE) == 0,"","AND T.CONTRACT_DATE<= ('" + END_DATE + "')")} group by SUPERVISOR_CODE--"督导工号" ,SUPERVISOR_NAME--"督导名称" order by DEAL_AMT desc limit 10 )A order by deal_amt_w （8） 前推12月趋势（可使用折线图） select to_char(CONTRACT_DATE,'yyyy-MM') as monthly, round(sum(DEAL_AMT)/10000,0) as DEAL_AMT_W from "TRAIN_DATA"."SD_SALES_ORDER_EXTENSION_TARIN" WHERE 1=1 ${IF(LEN(END_DATE) == 0,"","AND TO_CHAR(add_months(CONTRACT_DATE,+13),'yyyy-mm')>=('" + END_DATE + "')")} ${IF(LEN(END_DATE) == 0,"","AND TO_CHAR(CONTRACT_DATE,'yyyy-mm')<= ('" + END_DATE + "')")} group by to_char(CONTRACT_DATE,'yyyy-MM') order by to_char(CONTRACT_DATE,'yyyy-MM') 3.5 图和表格关联数据展现 3.5.1  饼图制作过程 （1）选择合适的饼图样式 （2）选中图表，进行数据集的对应 （3）小标题进行显示 （4）可进入提示进行设置显示的格式。 （5）FVS开发中的效果和预览的实际效果一致，而FRM决策报表（只能预览到浏览器才能看最终结果），会比决策报表更方便的验证结果。 3.5.2 参数如何对应图表 说明：需拖出对应的控件，控件名修改成对应的参数名称，只要数据集SQL里有这个参数，选择后就会出对应结果。 参数配置三要素： （1）数据集SQL里要有对应的参数，每次选择完参数后下面的图表重新查询数据库结果进行展现 （2）控件名要和SQL里写的参数名对应上 （3）要选择参数值数据库里有的数据才能正常显示图表。 合同日期设置了开始时间和结束时间，结束时间如下配置。 3.5.3 指标卡设置数据 (1)图表内拖出对应的指标卡 （2）选中对应的指标值 （3）选择”样式“进行配置显示的数据格式和颜色 3.5.4 量表设置 （1）找到仪表盘，拖入对应的量表 （2）配置数据如下：目标值可自定义为1 （3）相关设置格式 3.5.5 Tab块切换放图表 （1）容器里拖出Tab （2）拖入后选中对应的页面可拖入相关图表 （3）相关名称可在右边进行修改 （4）交互轮播 3.5.6 条形图 （1）拖入条形图到TAB块内 （2）放入对应的数据集数据进行展现 注：条形图顺序是从下到上的，所以SQL写的时候可以先把前10拿出来后，再正序进行排序。 （3）如有多指标，可以 （3）去掉图例 （4）显示标签值 （5）大区排行和督导排行操作一致。 3.5.7 表格 （1）点击文字——拖入”表格“放到左下角位置，进入”编辑组件“ （2）拖入对应的数据集SQL到表格上 （3）设置小数显示格式 （4）冻结表格表头 说明：一般表格不合适全部显示结果，可以出现滚动条或换页进行查看 （5）表格跑马灯 添加交互的上下轮播功能： setTimeout(() => { duchamp.getWidgetByName("表格").startMarquee( { mode:'item', //滚动内容为逐条滚动 speed:30, //滚动速度为 30px/s to:'top', //滚动方向为向上滚动 stopOnHover:true, //鼠标悬浮时停止滚动 joinable:true, //滚动方式为首尾相接 } ); }, 500) 参考文档： JS实现FVS表格跑马灯 https://help.fanruan.com/finereport/doc-view-5156.html （6）如预览不会动，检查一下”表格“对应的命名和JS是否一致 （7）修改组件名方法 3.5.8 地图 （1）拖出地图到界面上 图表——地图类——区域地图（举例），选择合适的图表。 （2）省排行数据放入地图 （3）可进行地图的渐变颜色配置 颜色配置完后，可进行预览查看。 （4）如何联动"表格"进行显示对应省的货号数据 选中地图——交互——组件联动 如下配置，只下钻对应图表里，选择对应的指定对象 注：这边的选项命名里会加上对应的前缀页面名 参数的具体写法如下： 注：表格的数据集SQL里需要有对应的参数不然无法正确接收结果 3.5.9 折线图 前推12月零售额趋势查看 （1）图表——折线图类——折线图 拖出来后，放入对应的数据集数据。 （2）如只有一个折线图，直接去掉图例。 （3）设置好显示的数据格式 （4）显示的X轴可设置文本旋转角度。 3.5.10 跳转明细表 （1）放一个图片，用来跳转一张cpt报表 （2）交互——网页链接/弹出框 （3）按需进行选择弹出方式，已弹出框为例 （4）选择模板链接 进入选择对应本地开发好的明细报表。 （5）参数按需配置 如下说明：开始时间和结束时间按FVS选择的日期带到明细表，如下配置，有些经过控件转换格式会变掉，所有参数接收值格式可以用format调整。 （6）弹出的大小进行设置 （7）跳转预览样式如下 3.5.11 扩展资料： 相关图形显示隐藏JS内置，如查看相关内容 FVS显示隐藏组件事件 https://help.fanruan.com/finereport/doc-view-5336.html 3.5.12 明细报表制作 用来跳转报表使用： （1）明细SQL select DEALER_ID as "所属组织ID" ,ORG_NAME as "所属组织" ,STANDARD_CUSTOMER_NAME as "标准客户名" ,STORE_CODE as "门店编码" ,STORE_NAME as "门店名称" ,SALES_ORDER_NO as "零售单号" ,CONTRACT_DATE as "合同日期" ,PRODUCT_NO as "货号" ,CUSTOMER_NAME as "客户名称" ,CUSTOMER_CELLPHONE as "客户电话" ,RETAIL_CENTER_CODE as "所属运营中心编码" ,RETAIL_CENTER_NAME as "所属运营中心" ,AREA_DIRECTOR_CODE as "大区负责人工号" ,AREA_DIRECTOR_NAME as "大区负责人" ,SUPERVISOR_CODE as "督导工号" ,SUPERVISOR_NAME as "督导负责人" ,sum(ORDER_QTY) as "数量" ,sum(DEAL_AMT) as "行成交金额" ,avg(TOTAL_DEAL_AMT) as "整单金额" from "TRAIN_DATA"."SD_SALES_ORDER_EXTENSION_TARIN" t where 1=1 ${if(len(START_DATE) == 0,"","and t.CONTRACT_DATE>=('" + START_DATE + "')")} ${if(len(END_DATE) == 0,"","and t.CONTRACT_DATE<= ('" + END_DATE + "')")} ${if(len(SH_START_DATE) == 0,"","and t.AUDIT_TIME>= '" + SH_START_DATE +"'")}--审核日期 ${if(len(SH_END_DATE) == 0,"","and t.AUDIT_TIME<= '" + SH_END_DATE + " 23:59:59'")} --审核结束日期 ${if(len(STATUS_CODE) == 0,"","and t.STATUS_CODE in ('" + STATUS_CODE + "')")} --订单状态 ${if(len(BUSI_DEPT_CODE) == 0,"","and t.BUSI_DEPT_CODE in ('" + BUSI_DEPT_CODE + "')")} --事业部 ${if(len(RETAIL_CENTER_CODE) == 0,"","and t.RETAIL_CENTER_CODE in ('" + RETAIL_CENTER_NAME + "')")} --中心 ${if(len(SUPERVISOR_CODE) == 0,"","and t.SUPERVISOR_CODE in ('" + SUPERVISOR_CODE + "')")} --督导 ${if(len(PRODUCT_NO) == 0,"","and t.PRODUCT_NO like '%" + PRODUCT_NO +"%'")}--货号 ${if(len(ORG_NAME) == 0,"","and t.ORG_NAME like '%" + ORG_NAME +"%'")}--组织名称 ${if(len(DEAL_AMT_START) == 0,"","and t.TOTAL_DEAL_AMT >= ('" + DEAL_AMT_START + "')")}--整单金额 ${if(len(DEAL_AMT_END) == 0,"","and t.TOTAL_DEAL_AMT <=('" + DEAL_AMT_END + "')")} group by DEALER_ID-- as "所属组织ID" ,ORG_NAME-- as "所属组织" ,STANDARD_CUSTOMER_NAME-- as "标准客户名" ,STORE_CODE-- as "门店编码" ,STORE_NAME-- as "门店名称" ,SALES_ORDER_NO-- as "零售单号" ,CONTRACT_DATE-- as "合同日期" ,PRODUCT_NO-- as "货号" ,CUSTOMER_NAME-- as "客户名称" ,CUSTOMER_CELLPHONE-- as "客户电话" ,RETAIL_CENTER_CODE-- as "所属运营中心编码" ,RETAIL_CENTER_NAME-- as "所属运营中心" ,AREA_DIRECTOR_CODE--as "大区负责人工号" ,AREA_DIRECTOR_NAME-- as "大区负责人" ,SUPERVISOR_CODE-- as "督导工号" ,SUPERVISOR_NAME-- as "督导负责人" --order by t.TOTAL_DEAL_AMT desc （2）事业部_维表 SELECT BUSI_DEPT_CODE,BUSI_DEPT_NAME FROM "TRAIN_DATA"."ORG_MANU" T GROUP BY BUSI_DEPT_CODE,BUSI_DEPT_NAME （3）运营中心_维表 SELECT RETAIL_CENTER_CODE,RETAIL_CENTER_NAME FROM "TRAIN_DATA"."ORG_MANU" T WHERE 1=1 ${if(len(BUSI_DEPT_CODE) == 0,"","and T.BUSI_DEPT_CODE in ('" + BUSI_DEPT_CODE + "')")} --事业部 GROUP BY RETAIL_CENTER_CODE,RETAIL_CENTER_NAME （4）督导_维表 SELECT SUPERVISOR_CODE,SUPERVISOR_NAME FROM "TRAIN_DATA"."ORG_MANU" T WHERE 1=1 ${if(len(BUSI_DEPT_CODE) == 0,"","and T.BUSI_DEPT_CODE in ('" + BUSI_DEPT_CODE + "')")} --事业部 ${if(len(RETAIL_CENTER_CODE) == 0,"","and T.RETAIL_CENTER_CODE in ('" + RETAIL_CENTER_CODE + "')")} --中心 GROUP BY SUPERVISOR_CODE,SUPERVISOR_NAME 相关参数默认值： 当前月的第一天：DATEINMONTH(TODAY(),1) 当天：TODAY() 更多公式请查看知识库：常用公式记录 3.6 布局及最终样式调优 （1）分辨率大小 说明：如是一屏显示结果（不出现任何滚动条），默认的1280*720能满足不同尺寸的样式开发。不建议横向和纵向都有滚动条 其它场景1：如大屏多屏显示的，加宽度。 其它场景2：做分析报告类的，加高度。 其它场景3：移动端按375*高度按放的图表来设置 （2）画布自适应： （3）检查界面上所有图表是否按标题，小标题，表头，内容，悬浮值等主题保持一致。 行和列对应的图表是否对齐，统一各模块的小标题样式及内容文字大小。图表内的显示文字及悬浮值是否统一 （4）可适当的加入一些辅助小图标，比如跳转明细，或每个主题标题前面加小图标。 小图片下载：https://www.iconfont.cn/?spm=a313x.search_index.i3.2.5ca23a81b2cik7 基于线下FVS培训后，有Report经验的同事将能够更好地应用FVS进行开发，而没有基础的同事也能根据场景实现相应的开发。我们会对相关功能和图表制作进行实操讲解，并展示联动效果和轮播效果。大家都积极的应用到实际业务场景中。 案例如下：报表可复用模板： （1）平台可视化的监控预警 拟定公司通报稽查的角色视角，用户视角，报表视角进行分析。 角色视角：以角色展开查看对应的报表和用户使用情况。 用户视角：以用户展开查看对应的报表和角色使用情况。 报表视角：以报表展开查看对应的角色和用户使用情况。 发布效率指标监控 用途：监控OA发布流程的相关指标，处理流程是否符合预设的要求。 权限指标监控总览 用途：查看平台整理的监控权限相关的指标，进行定期领域的通报。 数据门户报表访问情况 用途：每个报表的使用情况和访问时长，定期进行优化。 3.3 场景三：帆软BI的应用 FineBI 用于七大数据分析能力，分别为：数据管理能力、数据编辑能力、超强函数能力、数据可视化能力、增强分析能力、分享协作能力、数据清洗能力。基于培训后在帆软官网考FCA证书，资深学员已经获得了FCP证书。真正用在业务中的场景如下： 电商行业品牌数据监控 　　电商部门每个月从相关数据网站上下载各家居品牌的一些销售数据，经过清洗后需要进行不同维度的可视化呈现，以帮助业务人员更好地了解竞品的价格、品类等相关信息。 产品业绩监控与定位分析 通过清洗、处理、整合各产品相关数据，在FineBI中使用更丰富直观的图表进行综合性呈现，业务人员可每天及时查看、了解、把握相关业务情况。 供应商名录监控 在采购领域，整合各省供应商信息，使用BI中地图与表格结合的形式，可以更直观查看合作供应商在全国的分布情况，通过联动定位到各省具体供应商的材料供应情况。 3.4 场景四：数据分析报告（结合两者优缺点） 结合Report和BI的深度培训，进行打通两软件合并开发。 （1）财务经营报告优化案例： FVS嵌入帆软BI及帆软FRM报表，用网页框的形式进行切换跳转不同仪表板或报表。 每一页的内容都进行对应主题的跳转： 参数正常的接收到每个BI页面或FRM页面上： 最终样式如下： 切换不同主题进行切换对应的BI仪表板，结合FVS的基础跳转功能及BI自主分析功能进行分析。 4 总结与展望 一、总结： 在过去的系统化培训体系中，我们系统化地培养了一批专业的人才，通过一系列有针对性的培训措施，显著提升了员工对帆软Report和BI工具的掌握程度。这些措施包括： （1）系统化培训体系： 从基础到高级，分层次、分阶段进行全面培训。通过实际案例和模拟项目加强实战演练。 （2）完善激励机制： 针对表现优异的员工给予奖励，提高整体积极性。 （3）知识共享与团队协作： 定期组织内部分享交流会，促进部门间信息互通和共同进步。通过这些努力，我们成功打造了一支高效、有战斗力且具备创新精神的人才队伍，为企业的发展奠定了坚实基础。 二 、愿景 展望未来, 我们将继续致力于人才培养工作, 不断优化升级现有体系建设确保始终处于行业领先位置，持续更新课程内容紧跟时代步伐。 （1）创新及多交流 激发团队创意鼓励尝试新方法新思路，借助先进 BI 工具寻找突破口，开拓更广阔市场空间。通过定期举行跨部门分享会，让不同部门的员工互相了解彼此工作内容、挑战以及成功经验，从而促进知识共享与协作。 （2）随机应变挑战 我们的最终愿景不仅是通过培训提升员工使用帆软Report和BI工具的能力，还要培养他们在面对不确定性和突发情况时的灵活应对能力。 （3）提升决策质量： 利用高级数据分析技术，如机器学习与预测模型，提高业务预测能力，实现精细化管理。 （4）提高运营效率： 优化资源配置减少冗余浪费大幅提升各项流程运作水平。 （5）推动全员参与共建未来 激发每个成员主动性让大家都成为公司发展的积极贡献者，群策群力、集思广益，不断优化完善流程体系。