零售巨頭實現供應鏈數字化，挖掘百億行數據價值

項目背景

在信息化建設方面，該零售巨頭一直走在行業的前列。多年來，該零售巨頭供應鏈系統已運行多年，產生了大量物流信息數據，為提升供應商管理水平和供應商績效數據的透明化，更好地提升供應鏈運營服務水平，為采購部門提供談判數據支撐，需要建立供應商分析平臺。

同時，供應商分析平臺可以對供應商進行有效管理，建立規范指標考核體系，提高服務水平，減少缺貨率，降低庫存成本，達到供應商、門店單品管理協調一致。

項目目標

◆ 實現高效、快捷的信息分享，提高業務對象獲取信息的及時性；

◆ 提高物流信息展示分析的效率；

◆ 有效展示關鍵供應鏈指標，多維度過濾條件即時生成相關供應商績效，多層級展示相關數據，根據績效基準為供應商提供紅黃牌預警。

解決方案

基于CDH平臺搭建Data Lake（數據湖），將來自14個業務系統近240張表數據抽取至Data Lake，總數據量百億行，源數據類型有文本文件和Oracle數據庫。ETL工具采用Kettle 8.0版本，調度工具使用Crontab。

分層模型設計規則如下：

• 貼源層ODS

基于Data Lake已有模型實現，不能覆蓋的需求，協調IT部門優先將其同步到Data Lake中，部分基礎數據需由BI填報后導入。

• 基礎層FDS

基礎層的關鍵在于數據標準化，通過數據的清洗轉換，形成標準統一的業務明細數據，為數據分析與匯總提供數據來源。

• 整合層DW

整合層采用事實表和維度表的設計模式，主要負責跨域業務模型的關聯和輕度匯總，模型設計考慮通用性。

• 集市層DM

集市層主要負責專題建模，當模型整合復雜度高，整合層現有模型無法滿足應用需求時，可開展專題建模，多應用的復雜場景可以分庫建立多個集市層。

客戶收益

◆ 實現數據治理：Data Lake的搭建，建設統一的數據平臺，為數據治理、數據分析及前端應用提供統一接口；

◆ 方便信息追蹤：源系統數據的集中管理，便于用戶和IT對數據的來源以及計算邏輯進行追蹤，增加數據分析的效率；

◆ 數據分析：Yonghong BI平臺的搭建，為商品部統一了數據分析平臺；

◆ 自助服務：Yonghong Z-Suit平臺包含敏捷BI，簡單易用，支持用戶在平臺中進行自助式數據分析，提高數據分析效率；

◆ 自動化：供應鏈及商品部的業務主題開發，Yonghong BI平臺替代了傳統手工報表，解放了手工工作，為供應商KPI考核規范了流程；

◆ 業務輔助決策：來自各大業務系統的海量數據，通過Yonghong BI平臺的可視化報表進行展示，為業務人員和管理層提供決策支持。

同抗疫情

Yonghong Desktop

支撐眾多企業遠程辦公能力

疫情期間

免費使用Yonghong Desktop

前往下載使用