十年前，一不小心进入了电子商务制造业，无意中做了两年数据统计和分析工作，正好赶上电子行业发展趋势的红利期。对于这个制造业的数据库系统的基础建设还是有一些看法的。
就数据的统计分析而言，我觉得对每一个制造业来说都是至关重要的，也确实能产生预期的效果:
比如利用数据统计分析细分vip会员进行精准营销推广；使用CRM系统软件管理vip会员的生命周期，提高vip会员的满意度，防止vip会员流失；利用vip会员的购买数据信息发现vip会员的潜力，需要这些。
但是企业一开始没有信息系统，数据库系统很难建立。以下是我的工作经验:
一、制造行业的大数据架构刚进企业的时候在推广部，主要负责业务表单的数据信息。那时候系统软件还很差，数据信息很难获取，表格也很难做。把所有的数据信息拼凑起来，然后做成PPT。我还记得当时的关键数据信息是销售总额、订单信息、毛利、客户订单数量、单价、库存等一些非常基础的数据信息。，然后我用这些数据信息做了一些数据。
之后企业去了FineBI，选择了一站式的数据分析产品和解决方案。才创建了数据统计分析服务平台。获取数据信息很方便，层次多。可以按照自己的思路随机组合分析。关键环节是vip会员买东西时的个人行为分析。才刚刚开始接触数据建模。
从源数据信息连接、数据提取和转换、数据库管理、数据集市、融合分析和自助分析，用FineBI创建了云计算技术在制造业的详细应用架构:
在数据信息层面，整合了与业务管理系统相关的数据信息、web数据信息、人工记录和事件日志，摆脱了各生产系统的数据孤岛局面。
然后，将进行数据提取、数据交换和数据加载的质量控制。之后，将相关数据信息加载到数据库管理中，然后导出到数据集市进行数据建模。按照财务报表分析、质量检查、制造分析、库存分析、销售分析等主题风格。，将进行整合。FineBI表示，将完成基础学科大数据的可视化展示和各种便捷场景下数据信息的自助分析。
二、实体模型的创建1。首席执行官的驾驶室
在以前的情况下，各种运营业务流程的重要指标分散在各个业务管理系统中，不便于管理人员查询和掌握。此外，传统的数据分析采用人工服务结转和报告的方法，反馈落后、不及时。
因此，根据FineBI设计的良好管理驾驶舱，我将一些重要的指标展示出来，放在系统软件的首页或醒目的地方，给CEO、管理层或综合业务流程经理看，获取关键指标列表，如:
根据呈现的综合数据和信息，掌握企业的整体运行情况:
2。制造质量检验
如果没有系统的制造质量检验计划，上述问题将为公司增加许多额外成本，例如:
各子公司采购额度不统一，财务核算不透明，制造偶然，没有参照数据进行对比分析和方案；达标率不准确、不规范，加工厂不合格产品总数持续增加；不合格新增项目和原因不成立，无法明确提出有目的的调整方案。
此时，根据数据图表，可以直观显示与制造、品控相关的指标值数据信息，各子公司采购金额排名完全透明，对资金投入多、生产少的公司给予提示；展示每个新制造项目的达标率，准确定位突出点，制定提高达标率的方案和对策。
根据加工过程的监督分析，为公司节省了大量的进货、商品维护、破损等区块成本。
3。商品销售与营销分析。市场预警信息分析
有时，企业会遇到区域市场销售不明确、客户产品品种和渠道销售不明确、企业发展战略制定和资源配置不科学、各商品品类市场销售不明确等问题。
这时候大家会根据区域图展示各个区域商品的市场销售情况，根据色调和警戒线分析门店各个品类的市场销售预警信息。
市场销售实际预警信息分析；
销售数据的综合分析和展示，为企业发展战略制定、资源配置、商品制造、营销计划制定等新项目提供数据参考和支撑点。
重要情况:
4。库存和应收账款分析
过去库存结构不科学，库存积压、脱硝等问题高发。存货周转率在降低，公司解决风险的能力在减弱，财务风险在扩大；应收账款的账龄不断增加，大大增加了坏账和坏账损失的风险。
没有一个系统的存货和应收账款分析计划，上述问题都是增强企业管理的风险。
大家会用数据图表或者预警消息推送来监督存货和应收账款的重要因素。
或者按时对库存和应收数据进行监控和分析，对异常指标值立即提示，明确提出有目的的解决方案，避免不必要的风险。
重要情况:
这里写的大部分东西都差不多。根据总结，发现自己一开始对其了解甚少，也有很多需要训练的地方，比如数学模型专业知识不够，统计软件应用不够，业务流程把握不够深入，对所有电商制造行业的发展趋势把握不清。这些都是后期需要升级的地方。
