糧食行業是傳統行業，企業e化建設相對其他行業較滯後，但滯後就意味著巨大的潛力。國家糧食行業十三五規劃一個重要內容就是糧食行業企業e化，在互聯網加糧食大背景下，國家加大了對糧食行業企業e化的投入，可以說糧食行業企業e化迎來了春天。

作為主管行業動態的權威機構，擁有大量資料分析需求的國家糧油信息中心，是如何看待和發展企業e化建設的？

就在本月帆軟百城巡展北京站時，國家糧食信息中心高級工程師修陽分享了其經驗和見解。

嘉賓——修陽
國家糧食信息中心的高級工程師，行業企業e化專家組的核心成員。致力於研究信息技術在糧食行業中的應用和統計學、質量經濟等學科技術，構建糧油行業市場分析模型，圍繞糧食宏觀調控提供標準化的科學決策服務。

客戶介紹
國家糧油信息中心是國家糧食局隸屬事業單位，主要職能是提供糧油市場分析服務就是為國家發改委、財政部還有國家糧食局等機構，提供一些信息服務。第二個職能是國家農信中心，它是糧食行業新文化支撐單位。國家糧油信息中心一共有8個處室，其中行業企業e化處目前正在籌建中。

一、企業e化建設經驗

企業e化中心作為市場分析機構一直以來想擁有自己的資料中心，集中的管理資料，使得分析師與業務人員能夠在統一平台下分享資料。為此，信息中心也做了不懈的嘗試。此前購買過第三方的資料服務，曾經屢次獨立開發但效果並不好。例如之前開發糧油統計地理信息系統，它的選型是NET、Extjs、Json、SuperMap、Flash圖形化插件。整個的具體實施就是通過代碼碼出所有業務邏輯、顯示報示，然後利用Excel進行導入和導出。這其中很大的缺點就是，開發周期長、擴展性差、應對需求變更能力差、沒有完全實現業務目標。

二、多次嘗試下來，歸結如下7點企業e化建設提議：

1、 · 明確業務需求：強烈的業務需求，明晰的業務目標，能否抓住核心是一個項目成敗的關鍵。

2、「產品+定製+服務」的建設思路：項目建設如果不藉助比較成熟的產品工具，從技術代碼進行創新式的開發，不經過迭代以及檢驗很難規避風險，很難形成一個成熟的產品。經過探索實踐以及對業務深入的理解，技術的積累，整個行業的調查研究，信息中心總結出來一套建設思路：產品是指由生命力的產品像FineReport以及FineBI；定製就是結合自己的需求定製開發；服務就是定製需求的後期，開發團隊的定製服務。

3、 · 謹慎投資，控制風險：項目要想可持續發展，必須控制風險，注重成本收益，謹慎投資，任何一筆失敗的投資，都有可能影響企業e化建設技術的推進。

4、 · 慎重技術選型：第三方工具應對需求的變化要強，要簡單應用。在這裡，信息中心與帆軟報表不期而遇。它最大的特點就是業務需求變化強，功能簡單應用，能夠應對信息中心業務複雜，需求較快，技術力量不足的現狀，能夠整合複雜多變的報表資料，能夠快速的實現圖表多樣體現。

5、 · 認清技術力量的現狀

6、 · 敏捷開發、迭代開發和重構

7、 · 技術+管理

三、合作背景

資料是未來的核心。巨量資料的能力核心在於全，要有豐富的獲取手段，要提高分析資料和資料探勘的能力，形成信息中心自己的資料方法論，也就是說巨量資料能力就是技術+資料+統計分析和業務。

信息中心是國家糧食局直屬事業單位，是糧食行業企業e化技術支撐單位。有20多年糧油市場研究、分析的行業積累。糧食行業巨量資料能力將是信息中心未來的核心競爭力。

四、業務布局

社會分工可以提高勞動生產力，可以極大的增加社會物質財富，但同時也失去了個性化和多樣性，而個性化和多樣性是創新的根源，為了基層提高生產率以及創新，信息中心採用程序化、流程化採集整理管理工作，然後業務員、分析人員集中精力進行模型的建立和市場的研究。

五、流程解釋

藍色部分是資料處理流程，通過FineReport進行展示。黃色部分是人工分析部分，構建分析模型、深入分析市場，反覆驗證構成城市化模型，形成一個自動的工作流，完後才能後續的採集和許可權訪問等工作。

六、解決方案

資料分析（data analysis)決策平台的建設分三步走。

1、第一步就是資料整合。對多源多類型的資料進行整合，實現資料共享。目前以帆軟報表為資料處理工具，以SQL Server為資料庫存儲平台，整合信息中心常用業務資料。常用的業務資料包括價格、進出口以及平衡表等。

僅僅依靠excel是無法實現巨量資料戰略的，資料報表不可取代。但是傳統報表面臨的挑戰也越來越多，傳統報表主要有以下這幾點，資料太多，信息太少；難以多維度交互分析；難以挖掘潛在規則；難以追溯歷史；資料形成孤島。選擇帆軟報表的原因是因為這工具應對需求的變化強，能夠快速的以execl形式導入導出，快速的構建查詢，快速形成excel整合，多樣資料化展現，並提供一套報表管理平台。譬如以下：

模板1：初步建立了一個市場查詢分析，包括價格、評估表、海關進出口。一旦模板建立，相關人員將資料通過填報功能填入，查詢時報告自動生成，並在許可權範圍內自由導出。

2、第二步就是資料的抓取、處理和分析並自動化生成系列產品報告，實現目標是解放生產力。把業務人員從採集、整理、處理資料的體力勞動中解放出來，集中精力於市場深度分析研究、模型建立。本質上還是資料整合，不同地方是資料自動採集，並依據構建的模型。

技術選型：FineReport + FineBI + Python + Kettle(ETL工具) + SQL Server
實現網頁的迅速抓取，抓取網頁中的資料，然後通過Kettle清洗轉換，得到我們的基礎資料，再通過FineReport 和 FineBI展現。資料庫的存儲結構通過網站的結構來自動抓取資料。

報告展示：這些宏觀資料全都自動生成，通過靈活的查詢和分析，實現資料直觀展示。更重要的是，由於業務人員特別熱衷於自己研究分析，自己開發分析模板將有用的模型沉澱下來，形成固定的一系列的查詢模型，提交我們信息中心，分析市場，再次響應市場和預警。

3、第三步是資料探勘，目標是構建糧食行業模型和行業計量模型實現科學決策。

基於信息中心20多年的糧食市場分析評估，行業積累，依託一期、二期整合的資料和巨量資料，接下來將構建巨量資料能力，提供標準化的服務能力。但糧油的分析模型、行業積累模型，是一種因素模型、經驗模型，一定程度上依賴於分析師對市場的看法，這個模型分析結果需要分析師經驗和直覺來判斷，技術上要到位，所以這裡通過帆軟報表FineReport和商業智能FineBI的結果, 從資料報表、資料分析（data analysis)、資料探勘三個層次，把資料轉化為信息把資料轉化為信息，使得業務人員能夠利用這些信息，輔助決策，這就是商業智能主要解決的問題。無論在哪個層次，核心目標就是「把資料轉化為信息」。

喜歡這篇文章嗎？歡迎分享按讚，給予我們支持和鼓勵！