数智物资助力为油保供，BI赋能共建“数智中国石油” 企业简介        大庆油田物资公司，是大庆油田唯一的专业化物资服务保障单位，主要负责油田生产建设所需物资的集中采购、仓储、供应和物流服务。公司现有职工2500余名，固定资产9亿余元，获国家认证5A级物流企业资质，年物资吞吐能力达1400万吨，年物资采购额近300亿元。公司负责油田60个大类物资的集中采购工作，建立了一整套集约化、规范化、电子化、超市化的现代物资采购保障模式，与1400余家供应商保持稳定合作关系，提高采购质量，控制成本支出，推动油田生产建设顺利进行。同时，公司承担了全油田的物资集中仓储业务，设有萨尔图仓储分公司等3大油田总库，仓储总面积440万平方米，铁路专用线36.94公里，大型吊装、运输设备137台套。 1 业务需求/挑战        大庆油田物资采购领域年处理采购计划56万多项，采购额约270多亿元，物资吞吐总量600多万吨，组织物资招标800多次，签订合同1.3万份。从整体运行上看，油田物资具有计划条数多、招标数量大、采购难度高、保供任务重、物资品类多、数据分布繁杂等特点。在物资需求预测、采购时机判断、采购价格对标、采购执行监管、物资保供效率、库存储备定额、绩效指标管控、供应商管理等方面，还存在不精准、不及时、不全面等管理问题，亟需利用信息化手段实现物资采购大数据分析平台。        物资采购效率问题。一是供应链管控不全面。在油田供应链管控中，由于数据分布不集中，数据标准不一致，导致难以实现供应链的全过程管控。二是采购寻源衔接不紧密。存在年初制定的招标计划与招标结果缺乏有效衔接，出现因招标结果到期，采购无法执行的情况。三是采购执行不高效。管理部门不能及时和精准掌握各业务环节、各采购单位、各业务人员的采购执行进展情况。        物资采购合规问题。一是采购合规监管难。油田二级单位物资采购过程中，存在未按照物资采购目录中规定的物资等级采购而发生的越权采购问题。二是采购合规取证难。中标企业多次参与物资招标，但未办理供应商新增品种准入，疑似围标串标采购等问题难以有效取证，增加管理难度和风险。三是采购合规预警难。物资采购、价格、供应商等各业务环节出现异常时，没有实时预警提醒措施，导致违规操作难以在第一时间发现。 2 解决方案        为了解决上述问题，大庆油田通过搭建物资采购大数据分析平台，实现物资供应链绩效管控体系模型。充分利用物资采购管理信息系统数据资源和外部海量数据，建立物资采购大数据库，形成数据存储计算、安全管理、分析处理、共享应用等核心能力，通过数据集成、数据挖掘和分析应用，开发建设物资采购全过程的大数据分析模型，覆盖物资供应链管理主要业务，使业务数据化、数据服务化、服务智能化，实现“用数据说话、用数据决策”，全面支撑大庆油田采购供应链的管理和决策。 一、设计思路        1、数据来源        平台数据来源于统建系统、自建系统、互联网共12个数据源，56个数据接口。其中统建系统6个数据源，自建系统4个数据源，互联网2个数据源。        2、取数方式        平台建立了接口管理平台，管理ERP、企查查、我的钢铁等数据源的接口程序。接口程序每天定时自动运行，如发现数据读取错误，自动推送提醒并可手动执行接口程序重新获取数据。因ERP数据量大、接口用户多，有时出现数据读取时网络丢包情况，并且ERP未提供采购订单、调拨单等单据删除信息，造成平台数据库数据与ERP系统数据不一致的情况，为此接口程序单独设计数据校验功能，接口平台定期自动重新读取更新本年度数据，确保接口读取数据的准确性。        3、必备条件        平台的建立，需要具备三点技术条件。一是稳定可靠的数据源。建立平台，数据是基础，必须具备稳定、可持续获取的数据源。二是规范全面的数据标准。平台数据来源于多个统建、自建系统，获取到的数据包含一些干扰数据、不完整数据，需要对数据做相应的处理，通过建立统一标准将各系统数据关联起来。三是强大高效的分析工具。具备高效易用、简捷智能的大数据分析工具是实现平台的必备条件。 二、平台方案        1、平台所含模块        平台由数据源管理模块、数据采集存储模块、数据模型模块、数据分析展示模块、权限后台管理模块共五部分组成。平台整体的架构图如下：        （1）数据源管理模块        模块使用Java SpringBoot架构建设统一数据源管理程序。大数据分析平台内采集数据来源众多，平台对分散的数据进行采集、整合和处理，形成一个巨大的数据资源池。统一管理统建ERP、物采、中油招标系统，大庆油田自建供应商信用信息、物流仓储一体化平台、电子竞价、实验室监测管理系统等12个数据源。        （2）数据采集存储模块        模块使用Oracle、SQL server数据库技术，按照业务分类建立多个主题数据库。采用Web Service接口、Oracle CDC日志读取、FDL数据管道、RPA机器人、Kettle技术进行数据的采集、清理、转换，并分散存储于各主题数据库中。        （3）数据模型模块        采用FineBI软件实现模型设计，采用的数据挖掘工具内置多种算法，支持全流程可视化进行数据建模，简化技术复杂度。        （4）数据分析展示模块        模块使用FineBI及FineReport软件实现。支持设计展示页面，通过内置大量模板、主题风格、指标组件，可轻松自定义图形化展示内容。业务人员能够自主进行数据报表的开发与呈现，快速部署、大数据量秒级分析、可视化数据分析，简化分析过程。        （5）权限后台管理模块        权限管理贯穿平台全流程，分为功能权限管理与数据权限管理。功能权限决定用户可以访问的模块及专题，数据权限限制用户查看授权的业务数据。平台预定义角色和权限模板，设置开发者、数据管理者、数据使用者、系统管理者等角色，实现按需审批、一键授权。        2、数据处理流程        平台的数据处理流程包括数据采集、数据整合、数据存储及计算三个部分。        （1）数据采集与转换        一是支持各种类型数据源。平台数据来源渠道多，数据类型差异大，平台能够处理各类结构化、非结构化数据，支持数据库、数据接口、电子表格等多种数据来源。二是支持多种数据采集能力。平台具备多种数据采集能力，根据各应用的数据需求及源系统特点，制定合适的数据采集方案，将源数据采集至大数据分析平台，支持web service接口、CDC日志读取、RPA机器人等采集方式。三是具备强大的数据转换能力。平台从多个系统获取到的数据，格式有很多不统一，平台制定数据标准，平台使用kettle等工具进行数据转换，确保数据的准确性、完整性、一致性。四是具备海量数据存储能力。平台数据源广、数据量大，如果数据全部存放在一个数据库中会严重影响分析效率，为分散数据库端压力，平台按照业务建立多个主题数据库，数据分布存放，减轻数据库服务器压力。        （2）数据梳理与整合        数据分三层进行整合应用。一是建立基础层。由源系统采集并存放在主题库中的数据，各系统原始业务数据清洗形成表级数据。二是建立通用层。通过将数据关联形成计划、采购、仓储等通用业务视图，达到提高数据的可读性、一致性、可复用性的效果。三是建立业务层。按照不同模型数据需求，组合多个通用层业务视图，符合应用场景需求，形成平台数据分析基础。        （3）数据存储与计算        采取四种策略保证数据存储与计算性能。一是数据分布存储。将数据分布于存储多个主题数据库，分散存储读取的压力，充分满足海量数据不同场景下苛刻的高吞吐、低延迟及弹性扩展的业务存储需求。二是数据分级存储。根据业务数据读取的频率设置存储等级，关键数据缓存到BI分析服务器，普通数据存储于数据库用时直连取数。三是数据集群计算。项目采用Fine Bi服务器集群，可以灵活扩展模型计算结点，将不同主题分散到多个应用服务器。四是数据赋权管理。支持根据实际业务为业务人员赋予不同主题数据集权限，业务人员可自行进行指标分析。        （4）数据分析与展示 一是采购全过程业务建模。采用先进方法与技术建立物资计划、采购订单、物资供应等模型覆盖物资采购业务全流程，建立绩效考核、监控预警模型对物资采购业务监督警示，并具备其他物资相关业务建模能力。二是业务模型分层展示。油田公司看经营总况、业务趋势，为决策提供支持；二级单位看本单位业务指标，制定管理策略；管理人员看绩效指标完成情况，推进事后监督向事前事中管控转变；业务人员看本人业务完成度，提高工作效率。三是数据展现形式丰富。用Fine Bi商业智能工具，分析结果展现形式多样，领导驾驶舱主要展示总体情况和指标，为领导判断业务完成情况提供参考；主题仪表板主要展示采购各环节业务进展情况，发现业务问题，定位问题节点；智慧大屏主要展示油田物资采购总体情况，根据指标进行预警提示；复杂报表主要展示物资采购业务所需的各种复杂报表。四是分析结果多屏应用。平台支持集成到移动应用程序中，并按照移动设备操作特点显示，开发的模板电脑、移动端通用，支持移动端多操作系统，无需额外开发，减少开发量，拓宽平台应用范围。 三、实施策略        物资采购大数据分析平台采用三阶段的实施策略：        一是示范应用阶段。完成物资采购大数据分析平台搭建、数据标准建设，实现ERP、物采等统建和自建系统的数据集成和应用接入，初步完成专题看板、物资计划、物资采购、物资供应的模型建立和大数据分析。        二是平台拓展阶段。持续拓展平台功能，新增接入电子招标平台、我的钢铁网、企查查等业务数据，建立物资库存分析、价格分析、供应商分析等专题业务模型。        三是智能化应用阶段。实现采购业务数据链全面覆盖，对绩效指标、重点环节深入分析，实现绩效指标随时查看、重点问题实时预警。 3 典型应用场景 3.1 场景一：砂石采购        需求分析：砂石是油田基础建设必备物资，大庆油田年需求量在180万吨左右，供应额1.5亿元左右，签订订单3000项。如何在有限的仓储储备能力下，合理安排采购周期，减少采购资金占用，控制产品质量波动，是砂石保供面临的主要问题。我们数据分析平台的支撑，对上述问题逐项分析和解决。        解决方案： FineBI        通过平台提取各品种砂石消耗比例，为招标采购中科学划分标段提供指导。通过平台提取集团公司各地区公司同类产品价格，为合理制定招标最高限价提供依据。          油田对砂石的需求具有明显的季节性，从5月份开始进入用料高峰，10月份开始逐步回落，因此需要在5月份前具备一定量的安全储备，11月至12月期间需要放慢到货速度，避免无效储备。我们对路管公司、建设集团等历年来需求量大的重点用户和重点工程项目数据进行提取，采取点对点的现场服务，提前落实需求，切实做好精准服务。        场景价值：砂石属于自然资源，质量容易受到天气环境等因素影响产生波动，通过对历史检测数据分析，锁定频发质量问题的源头，优选质量稳定的供应商供货。通过针对季节性采购，平衡库存和使用量，降低库存占用时间，砂石库存周转率提高，内部管理效率提升40%，有效降低油田砂石的使用成本。 3.2 场景二：采购结果到期预警        需求分析：采用招标方式的物资采购在中标结果发布时，同时公布中标结果有效期，一般是2年。保障大庆油田的物资供应不能因为招标结果过期而中断，就要对物资采购结果到期进行预警。        解决方案：FineBI + 采购结果上传        规定业务人员在招标结果发布后3个工作日内将采购结果上传至采购结果平台。物资采购大数据平台将采购结果抓取过来，从采购单位、业务员、物资分类等三个维度，利用绿、黄、红三种颜色，对90、60和30天内即将到期的采购结果进行分级预警。按照紧急程度，采购结果剩余90天时，系统将绿色预警推送给具体采购单位业务员和副经理，60天时，将黄色预警，推送给采购单位经理、公司管理部门和主管业务领导。30天时，将推送红色预警，主管业务领导会约谈采购单位经理，要求限时办结，在采购结果有效期内未完成的，纳入当月考核。系统在日常的工作中，每天早上8点10分，系统为相关人员自动推送预警信息。以30天到60天黄色预警信息为例，点击采购单位，再点击业务员，可以看到，该业务员所负责的招标项目，在用招标结果招标日期、在用中标结果截止日期、目前针对这一招标结果，已经累计推送的预警信息等内容，现在屏幕最右侧展示的就是截止到今天早上，系统已经推送的信息。        场景价值：该功能上线后，提高采购结果的监督管控效率，有效杜绝了招标空档期。使得物资公司无缝衔接同一物资的招标结果，有效保障大庆油田的物资供应，同时，规避了由于招标空挡期，产生的不规范物资采购。 3.3 场景三：招标公告信息推送        需求分析：大庆油田物资采购主要是通过招标的方式进行，有更多的供应商参与竞标是提高招标效率和透明度的有效手段。        解决方案：FineBI+短信发送平台        目前大庆油田整合本地区及其他油田备案供应商共8000多家，通过广泛寻源，形成了招标项目潜在供应商资源库，我们在招标公告发布的当天，按照项目物料前八位码，匹配资源库中的潜在供应商，精准推送招标公告信息提示，下方展示的是招标公告信息提示的具体内容。        以电动机配件招标项目为例，电动机配件在大庆油田的备案供应商家数，在其他油田的备案供应商家数。通过地图显示，这些供应商主要分布在陕西、河北等省份。        场景价值：通过匹配物料前8位码，精准为供应商发送招标提示短信。在极低的成本内，扩大参加投标供应商群体。供应商参与群体的扩大，有效提高招标成功率，进一步提高招标的采购效率，从而降低了交易成本。 4 总结与展望 项目总结        （一）模型应用效果        物资采购大数据分析平台建立和实施，使得油田物资管理和保障水平大幅提升，具体效果体现在以下几个方面：        理念转变促进竞争能力大幅提升。物资采购大数据平台的建设推动大庆油田在物资保障管理理念上实现三个转变。一是从产生数据向应用数据转变。将历年产生的繁杂系统数据，进行条理化、清晰化，深入挖掘，充分利用数据价值，指导采购实施应用。二是从关注局部向全局管理转变。由提升采购操作水平、对过程和节点实施管控，向全供应链全流程管控过渡，通过大数据应用，着力谋划全局性、系统性、前瞻性的物资保障策略。三是从小采购向大采购转变。从以往相对被动、过程导向的采购模式，逐步转为更为主动、规模化、集约化、结果导向的大采购模式，实现物资保障从认识规律、把握规律到运用规律转化。        技术领先促进管理效能持续提高。一是海量数据汇总形成数据闭环。集成统建和自建12个数据源的1.6亿条数据，使物资采购业务数据形成闭环，打破了数据隔离，将数据形象化、直观化、具体化，实现了指标分析及管理决策的场景落地。二是数据及时更新把握运行规律。业务数据每天更新，实时掌握业务执行情况。实现对物资集中采购率、物资带量计划达标率等重点指标随时掌握，为研究采购策略、制定目标价格、编制采购规划等提供依据。三是分析异常数据精准靶向预警。实时跟踪计划、审批、招标、价格、到货等多项指标运行，锁定合理区间，设置预警提示，通过物资编码预警、合同管理预警、供应商准入预警、越权采购等进行监控预警发现并分析异常业务数据，分类、量化、直观显示，精准定位违规业务环节。        （二）效率、质量、效益、合规分析        物资采购大数据分析平台通过为各类用户提供专业的数据应用与服务，赋能大庆油田物资业务效率、质量、效益、合规全面提升。        物资采购效率大幅提升。一是供应链全过程管控。采集油田采购产品信息，集中汇总、统一数据标准，形成采购趋势模型，指导采购部门更好的制制定采购流程，实现供应链的全过程管控。二是采购寻源紧密衔接。根据年初制定的年度招标计划与招标结果数据，对即将到期的采购结果实时预警，同时结合集团公司招标平台、大庆油田招标平台数据，对招标业务全流程进行跟踪。三是采购执行精准掌握。对采购单位及采购人员订单、招标、分管品类、签约供应商、服务用户单位、业务处理时长等方面全面分析，精准掌握各业务环节采购执行进展情况。        物资采购合规更为强化。一是强化采购合规监管。对比采购目录分析越级采购行为，按月度下发确认单，各单位核实该品类疑似发生越权采购的具体原因，2023年下发整改通知单十多份，疑似发生越权采购问题三百多项。二是强化采购合规取证。建立模型将中标供应商多次中标，但近年来均未发生物资采购业务，中标后未办理新增品种准入的，确定为疑似围标采购线索，经核实确认后，取消供应商库内供应商资格。三是强化采购合规预警。建立监控预警模型，对物资采购、价格、合同管理、供应商等各业务环节出的异常情况，实时预警，主动提醒，加强监管力度。 项目展望        数智赋能传统行业是大势所趋。大庆油田物资公司在能源这个传统行业中，作为后勤这个传统业务的担当者，如何在数智赋能的加持下，当好标杆旗帜，做好为油保供，是一个值得长期实践的课题。建设物资采购大数据平台是一个非常有价值的探索。这使得历年物资采购业务的海量数据的能够进行深度挖掘，不但为公司采购智能化打造了数字资产基础，还为公司业务全面数智赋能提供了新的思路。下一步，我们将使用帆软公司智能分析技术为油田主管领导提供更加智能、精准、有效的决策分析报告。去年我们用帆软FineBI开发的物资供应链绩效管控体系模型在中石油首届物资采购全过程建模大赛中获得一等奖，获得了集团公司领导的认可和高度赞誉，集团公司预对该模型进行全集团推广，届时我们现有帆软产品的部署和应用无法满足集团推广的需求，我们必将与帆软公司在集群部署、产品应用上进行更深度的合作，为集团公司数字化供应链运营的模式优化，提升网状业务和组织的高效管理贡献技术力量。