データと運用管理（フォーチュン500企業のデータに基づく運用管理の実践）

フォーチュン500企業のデジタルオペレーション管理の実践

著者:yuanziok

企業の情報管理は長く困難な道のりですが、もちろん革新的なひらめきが不足することはありません。情報構築は、企業が所在する環境や業種によって異なります。成熟した企業として、現在のビッグデータの波の中で、将来の情報化に向けてどのような建設的なアイデアをお持ちですか?ここでは、製薬グループのデータ管理の実践を紹介します。

製薬グループの主な事業は、医薬品、生物製剤、医療機器、医薬品保健製品などです。情報化の構築が始まって20年、現在では大小さまざまな業務システムが数十個存在していますが、その中核となるシステムは業務と財務だけです。

しかし、事業規模の拡大に伴い、会社の事業部門はますます複雑化し、業務の複雑性は大幅に増加しました。企業はプロセスにさらなる注目を向け始めており、プロセスデータは徐々に企業運営の中核部分となってきました。

情報システム構築の過程では、大量のデータが蓄積されます。これらのデータは、ビジネス経験、業界データ、業界標準を蓄積しているため、従来の製薬会社にとって貴重なリソースとなります。産業情報化の観点からは、このデータをいかに有効活用するかが鍵となります。

データ活用の鍵は分析プロセスにある

同社はここ数年、Fanruan が開発したレポート システムである FineReport を導入し、社内のさまざまなビジネス レベルでデータを表示しています。同時に、SAP などの製品を使った BI の試みもいくつか行いました。レポートであれ BI であれ、その中心となる目標は、業務運営における意思決定の問題を解決することです。しかし、構築後は、意思決定や反映に関して、意思決定プロセスに対する適切なサポートが得られていないように思われます。主な理由は、履歴データの消化プロセスにさらに注意が払われるようになったことです。これらのツールの使用目的は、履歴データを要約して再編成し、視覚的に表示することだけですが、データ管理はこれで終わりではありません。さらに必要なのは、履歴データの分析プロセスです。このような分析プロセスで最初に必要なのはツールであり、BI はデータ マイニングと予測のより多くの方法を提供します。

データ分析を使用して経営判断を最適化する

意思決定プロセスは、分析のためのシナリオを提供することです。意思決定はいくつかのレベルに分けられます。最も高いレベルは戦略的意思決定であり、次に戦術的意思決定、そして運用的意思決定が続きます。頻度と影響は異なります。戦略レベルでの影響は非常に大きいですが、頻度は 5 年、10 年、あるいはそれ以上のサイクルであり、戦略的な変更のみを行うことになります。戦術的な決定は二の次です。運用レベルでの決定は、運用プロセス中に実行され、遭遇し、直面する可能性のある実際の問題に基づいて行われます。

データ分析のプロセスは、実際には履歴データから新しい情報を再生成するプロセスです。このプロセスが私たちの目標に役立ち、分析プロセスを使用して経営上の意思決定プロセスを最適化できることを願っています。実際のところ、私たちは日常的なビジネス上の意思決定に直面することの方が多いのですが、それは運用部門による視覚化と分析のためのレポートや BI から切り離すことはできません。

既存のデータアーキテクチャの問題

次の図は情報の基本的な枠組みです。このフレームワークから、私たちの身の回りのコアビジネスは、金融システム、業務システム、OAシステム、倉庫・運輸システムであることがわかります。このコアシステムを通じて、一連のアプリケーション構築を実施します。

各セクションは独立したシステムであり、常にアプリケーション指向で開発してきました。この開発方法は多くの業務運営上の問題を解決しますが、データの蓄積には一定の困難ももたらします。

1. データの再利用は難しい

システムは互いに独立しているため、各システムでこのデータを再利用することは困難になります。

2. システムによって異なるデータセマンティクス

もう 1 つの問題は、同じデータが異なるシステムでは異なる意味や名前を持つ可能性があり、その意味定義も異なる可能性があるため、データの適用が困難になることです。

3. 部門、機能、組織をまたいだ識別の難しさ

上記の 2 つの問題により、部門、機能、または組織のさまざまなレベルにわたってデータを識別することが困難になります。

データ活用の効率化を推進する方法

以下は、データに注目した場合の当社のデータ活用レベルの分析チャートです。一方では技術革新であり、他方では技術革新が業務改善に与える影響です。 4 つの象限に分かれていることがわかります。まず、第 1 象限では、データを蓄積するだけで、データ処理は一切行いません。第 2 象限は、蓄積したデータを活用して企業の効率向上を支援することです。第 3 象限ではさらに一歩進んで、データがビジネスに新たな戦略や機会を生み出すことができるかどうかを問います。最後は、メリットと機会の両方を組み合わせることです。

同社は長年にわたる建設を経て、企業の効率性と利益を向上させるために多くの取り組みを行ってきました。それは主にこれらの側面に反映されています。

データ統合: レポート システムに基づいて、さまざまなシステムからのデータを同じデータ プラットフォームに統合します。このプラットフォームを通じて、ビジネス部門や運用部門向けに表示することができます。

ダッシュボードを作成する: ダッシュボードを通じて主要指標と主要業績指標を表示します。

階層型レポート: データ プラットフォームを通じて階層型の承認メカニズムを確立します。

電子プロセス: プロセスを継続的に追跡および最適化でき、システムは最適化分析を提供できます。

これらのデータの蓄積により、レポートを活用して問題を発見し、発見後に修正・最適化することができ、数値化・表示できない多くの問題を解決できるようになります。しかし、部門間のデータ指標の基準はまだ統一されていません。そこで、当社は第 2 象限から第 3 象限への移行を試み、この点に関してビジネス モデルを再構築しました。

データによる意思決定を経営に応用する方法

医薬品商取引はサプライチェーンの中間リンクとして、物流と流通の役割を果たしながら、資本回転においても重要な役割を果たしています。したがって、製薬会社にとって利益を最大化するための重要な要素は、粗利益率の向上とコスト構造の最適化です。同社は、全原価計算方式を採用し、CVP価値分析モデルを革新し、顧客、製品、サプライヤーの純利益レベルを正確に計算し、要因影響分析を実施しています。利益成長ポイントを探ることで、マーケティング意思決定の参考になります。

したがって、当社の医薬品事業全体において、1 つは入力と見なされ、もう 1 つは出力と見なされます。私たちは、入力と出力に関するいくつかの次元、つまり顧客レベルとビジネス レベル、次にサプライヤー レベル、3 番目に製品レベル、そしてビジネス担当者レベルで分析を実施しました。このモデルには、多くの指標と重要な要素があります。各指標の関係と各指標の意味的定義を誰もが理解し、統一できるようにしたいと考えています。

そこで、まずは上から下までデータを理解する一貫したプロセスを確立しました。さらに、このようなアーキテクチャを使用して、いくつかのシナリオで意思決定を完了しました。

一つ目は、事業構造の最適化です。私たちはプラットフォーム上のデータを活用して、どのような種類の商品が取引可能で、どのような種類の商品が取引不可能か、どの種類が最大の利益をもたらし、どの種類が利益を生まないかを分析します。目的は、すべての人がビジネスの構造的調整を行えるように導くことです。

2つ目は、交渉は貿易であるということです。新製品をご紹介させていただきます。この製品はどのようなメリットをもたらすのでしょうか?データ プラットフォーム上のこれらのパラメータ間の関係を通じて、当社の財務部門は各交渉の前に分析と計画を行います。

3つ目は経済的な予算です。

4つ目は人材の評価であり、評価指標は先ほど述べた利益などのさまざまな側面から生まれます。

5つ目はプロジェクトの意思決定です。プロジェクトに投資するたびに、データ プラットフォームによってサポートされます。

今後の展望

今後は、従来の単一フォームデータプラットフォームを最適化し、業務の意思決定分析をより適切に提供したいと考えています。外部市場からデータを収集し、それを社内の企業データと組み合わせることができ、作成したデータはサプライ チェーン内の他のユーザーが利用できるようになります。

この記事は36 Big Data、www.36dsj.com、WeChat ID: dashuju36から引用したものです。 36 Big Data は、ビッグデータの起業、ビッグデータの技術と分析、ビッグデータのビジネスとアプリケーションに焦点を当てた Web サイトです。実践的なチュートリアルやビッグデータの応用事例を共有し、ビッグデータ分析ツールやデータのダウンロードを提供し、ビッグデータ産業チェーンにおける起業、技術、分析、商業、応用の問題を解決し、ビッグデータ産業チェーンの企業やデータ産業従事者にサポートとサービスを提供します。

終わり。