李宁公司对信息化的建设一直是比较重视，数据分析方面做得比较早。我们最早在2000年就开始使用了SAP，是国内是最早的SAP的用户之一。数据中心方面（这里不是指硬件相关的数据中心，而是企业内部用于分析的数据中心），也是在2005年、2006年就开始规划建设。当时公司已经有了很多的系统，包括SAP、ePOS等等很多系统，已经覆盖到全国几千个门店，能够拿到很多的数据。但是这些海量的数据对于各自的系统来说，都是比较独立的，形成了所谓的信息孤岛。内部的数据口径、分析结构和信息传递不是非常标准，各个业务部门之间有不同的标准和要求，很多数据是在各个系统中也有重叠分布，造成了做报表分析时，效率比较低下。

李宁集团IT总监  朱远刚

　　为了解决这些问题，李宁公司让IT团队来开始数据分析业务，包括需求管理、系统规划，平台搭建，和最终服务的提供和运营。到了2010年，我们开始全面使用很多IBM的数据分析工具，进行数据的分析处理。作为IT团队，我们在规划时，首先还是希望站在业务的角度，通过业务需求来规划未来分析系统服务的内容，按照不同的业务主题提供服务。在总部集团层面，更多是管理职能；在品牌层面，李宁是一个多品牌的运营团队，核心是李宁品牌；在产品的分析维度，供应链的分析维度，销售和市场的分析维度，经销商客户的维度，也有不同的分析服务。

　　我们在全国大概100多个经销商，全国有几千家门店，这些经销商，我们也会相应地提供一些零售数据分析服务。除了这种共享的统一服务报表的平台，我们还有一些自动推送的报告，这些推送的报告我们可以通过邮件的方式传递，也可以通过移动应用的方式来实现。

　　这张图是整个数据分析平台的逻辑架构，从底层来说，首先有数据的整合和采集，从不同的业务系统中抽取到进行相关数据分析所需要的全部数据，然后进行源数据的管理和ODS的数据的存储管理。业务系统的交易数据抽取过来之后，不能直接用到数据分析中。我们必须按照数据分析维度进行归集，之后会进入到数据主题库中，建立不同主题的分析模型，形成满足业务需求的各种报表。

　　最后是展示层，还是以Cognos为主的一些报表展示，这是最简单部分。整个数据分析平台搭建的过程中，最多、最艰苦的工作是底层数据的整合，包括数据主题的建立，数据模型的建立等等，数据中心的建设很长，难度也非常大。

　　通过对这些平台工具的应用，我们现在已经具备了一些优势和能力。首先，我们已经实现了完整的数据生命周期的管理能力，包括从一开始的MDM主数据管理，以及业务数据的抽取和归集，以及分析模型的建立等等，都有平台去覆盖。其次，我们实现了技术架构的统一。整个平台，除了MDM系统，因为MDM系统用的是SAP的产品，其他的系统平台都是整个基于IBM的BA系统，实现了统一、有效的系统管理。

　　我们李宁公司一直和IBM有比较好的合作，我们感觉IBM在整体技术架构、规划，包括它服务保证方面还是有一定口碑的。业界其它一些产品，处于不断被收购、调整的状态。IBM买了很多工具，很多产品是在他们买下之后，我们采购的。我们觉得与IBM合作的过程中，能够看到整个平台整合的规划和经验。

　　这张图是李宁公司数据中心现在应用的、主要覆盖的业务主干图。从最下面左边开始，首先是数据整合，把各个业务系统的数据抽取到统一的数据仓库中来，然后会有ODS层和数据仓库这一层。我们会根据不同的业务需求，去建立不同业务分析的主题库和业务分析模型，比如针对合作伙伴的分析库，针对产品的分析库和针对渠道的分析库，这样的划分和整合的最主要的目的，是要提高整个数据的分析应用的效率。

　　再往上是数据应用平台，这一块是我们最终的展示层，是简化过的东西，是最简单的内容。在整个数据的建设过程中，除了具体的分析体系的建设，还做了一些数据管理平台的建设，包括数据标准管理、数据的管理和数据集合的管理。

　　大家可能都会体会到在一个企业中做数据分析，有时候做报表很容易，半天、几个小时一张报表就开发出来了，但是开发出来的报表是否能够让业务部门认可，是否可以给他们带来帮助，这个就不一定了，有的时候业务部门经常会说这个报表不准，这个数据，我想看的维度不是我想要的维度，包括在跟业务部门做需求调研的时候，他今天可能会说授信率的指标是这么算的，明天开发出来后，他又可能告诉你授信率那么算的。我相信大家都会碰到这样的情况。

　　因此，我们在整合数据分析平台搭建的时候，也做了数据管理平台的建设。最主要的目的是把内部的分析指标进行统一的规范和定义，对数据的来源进行统一的规范和定义，甚至包括对数据质量稽核的指标。我们会有一些数据分析的模型，对于门店的数据，是不是准确，会有一定的测算，如果发现了很大的偏差，如果这个门店突然出现几倍的销售增长，会在稽核的体系中会去分析。

　　这样两个大平台整体的应用，构成了李宁公司数据分析的完整蓝图。刚才说到，整个架构是基于IBM的平台搭建的，从数据抽取，到数据加载、数据仓库和报表展示，原数据、数据质量管理，是一个完整的体系平台。我们也看到过很多公司的产品，大多集中在报表展示层面，对于数据管理，包括数据仓库的支持和覆盖不是很多。

　　通过李宁公司6-7年的数据中心建设的过程，我们对数据质量问题有较深的体会。在做数据中心平台搭建之前，第一个要解决的问题就是数据质量，怎么样能够拿到各个业务部终端的数据。李宁公司有全国几千家门店，怎么样拿到终端的数据是很重要，其次，还要保证这些数据是准确可靠的，只有以此为基础，才能保证数据平台搭建和应用为企业带来了价值。李宁公司这几年一直对这方面非常重视，数据质量是对经销商进行日常考核的指标之一。作为李宁的客户，如果不使用我们的系统，不按照我们的要求去上传这样的数据，轻的话可能会被扣除返利，重的话甚至可能甚至会被降级。

　　现在，李宁公司的数据质量能够可以满足日常经营管理和数据分析的需要。全国将近6000多家门店，能够实现T+1，90%以上的文件数据上传。除了一些很偏远、网络条件太差的情况，全国90%以上的门店，在第二天我们都能够看到它的销售数据，这项工作对整个数据中心的应用和建设是非常关键的。

　　经过这几年数据中心建设，我们取得了一定的收益。首先是企业数据的标准化，包括主数据的标准化，每个产品、每个客户的编码、名字的唯一性。这个听上去很简单，但是在有些公司可能会有问题。其次是数据分析的维度和考核指标，也需要统一。如果销售部门定义的销售完成率是一种，财务部门考核的是另外一种，就没有办法做统一的数据分析。

　　其次，是实现了快速连贯的分析体系。面向内部管理的分析体系，必须是统一的平台，IT部门在这方面拥有得天独厚的条件，因为只有IT部门是掌握了公司所有的数据，可以在其基础上可以搭建统一连贯的分析平台。以前，说得不好听，IT部门就是一个提数的，数据中心刚刚搭建的时候就是这样，财务部门、销售部门想看什么报表了，就找IT部门，公司每个月开月会的时候，销售部门交一份报告，说这个月业绩完成很好，财务部门则出来说，不是这样的，业绩根本没有完成，很多指标都没有达成。这样在公司做决策的时候，缺乏统一的依据和标准。作为IT部门，做一个类似第三方的角色，在掌握的数据平台的基础上，统一提供数据分析报告和数据体系支撑，才能对公司的经营和管理是最有帮助和价值的。

　　第三个方面是对多系统数据集成整合管理的架构。我觉得这个不用多讲了，数据中心一开始建立的目标就是这样的，每个业务系统不需要过多地去关注分析平台的搭建，包括数据结构的分析，统一可以把这些数据整合抽取到数据中心来，提供统一的数据平台。

　　最后是以数据驱动整个信息系统建设的规划。因为在业务发展过程中，可能一开始有很多业务需求。随着企业的发展，系统的搭建和规划会依据数据分析体系的需求去规划和建设。举个例子，现在要对终端客户进行大量的数据分析，就要了解我们有没有对终端客户进行相关信息采集的系统，包括业务系统。这样就可能产生了对CRM的需求，我们现在已经把数据分析的作为信息系统未来规划和搭建的主要驱动力。

　　这四点是李宁公司数据信息平台建设过程中的一些收获。相信IT的每位同行都能够感受到，在企业的IT工作中，会越来越多地接触到数据，现在跟一些新的CEO和高层领导交流，大家问到我的最多的问题，是你的数据可以帮我做什么分析，帮我的业务产生自动化决策建议，怎么样把数据转变成为对公司业务有帮助的信息。数据经过加工分析，对业务产生价值，转变成我们需要的信息，这可能是每一位CIO和IT总监更多考虑的问题。在此过程中，我们一方面要增加对业务的了解，另一方面，也要得到合同伙伴更多的帮助和支持。

　　我们用了很多产品，但是他们能否更深入地把价值挖掘出来，帮助用户更好地落地，是需要我们的专家和合作伙伴给予更多的支持的，特别是在数据主题库的建设方面，更是如此。实际的情况是，国内的专家，尤其是我们这个行业的国内专家很少，国外的专家又有点太高端，这里我们希望能够得到厂商的更多的支持。