观远数据BI系统最新资讯为客户提供最新BI图表和报表软件工具资讯

林总您好，我们之前在零售消费场合有过交流，现在您深耕医药行业。您觉得医药行业和零售消费行业在数字化程度上，有什么异同？

医药行业的法规非常严苛，生产过程需要遵循GMP管理体系，流通需要遵循GSP管理体系，相比之下，零售电商的创新空间会比较大一点。

第二个差异是数据属性和保护要求不同。零售电商大多是消费行为数据，在各个电商平台其实有做一些相应的管控措施。医药行业来说，大部分都是自建或者外采的系统，里面有相对多的敏感信息，对数据保护的要求会有明显的提升。

第三个还是供应链方面。零售电商比较追求效率，医药行业除了效率之外，还得保证药品质量安全，建立比较完善的追溯体系。

流向管理在整个医疗行业算是一个比较大的课题。您觉得一套成熟的流向数据管理体系，对于药企来讲，底层的意义是什么？

药品的流向管理体系，对医药企业来说，其实是数字化转型过程中一个关键的基石。它的核心在于对药品从生产一直到终端的全链路流动信息进行追踪。

具体来说，它的价值体现在几个方面：
第一，帮助把控市场动态，助力企业依据市场需求调整营销策略；
第二，帮助优化供应链管理，合理规划库存，做到降本增效；
第三，防控运营风险，对内支持财务的存销结算，保证数据的准确性。

很多企业在做流向管理的时候，很容易陷入"头痛医头、脚痛医脚"的境地。在构建流向数据体系时，您认为最核心的顶层设计原则有哪些？

我认为核心原则可以从三个层面来谈。

第一个层面是企业战略对齐，实现价值反馈。

流向数据必须与企业战略紧密结合，通过它能够精准反馈不同渠道、不同终端的销售情况，看清终端覆盖情况，了解在不同终端市场的占有率。同时，它要成为企业存销业绩结算的支持工具，帮助管理层及时掌握业务动态，给财务提供存销结算的数据依据。

供应链方面，流向管理还要实现从药品出库一直到终端数据的贯通。通过流向管理，能够监控市面库存水平以及发现一些异常行为。

第二个层面是系统协同，建立跨部门协作机制。

从技术层面来说，各个信息系统之间的协同通过技术处理还是相对比较容易的。但流向数据管理的协作链路其实非常长——从出库一直到终端，这个过程中部门间就要建立比较良好的协作，得有共同的目标。

这种情况下，就得建立良好的协作流程：

商务部门负责商业采集账号的沟通跟落实，技术团队去实现自动化的采集；

业务团队提供业务指标的管理要求，技术团队开发相应的算法或模型来实现；

大家共同来实现流向管理的价值创造。

第三个层面是系统架构，应对技术挑战。

流向本身面临的技术问题还是会比较多。比较典型的，比如数据来源特别多，因为涉及的商业公司很多。还有，各种商业公司提供的信息系统稳定性可能参差不齐，这对数据采集稳定性、数据管理以及数据架构都会提出要求。

针对商业系统稳定性参差不齐的问题，你肯定要建立比较可靠的自动化采集平台，同时对平台做监控、做一些监控可靠性的指标，再通过技术不断优化采集的稳定性。

从数据管理层面来说，因为面临的数据多样、各种商业系统，所以你得建立一套标准的数据管理模型，确保在数据采集、传输以及存储过程中都遵循这样一个标准。还要合理构建数据分层的管理，做到原始数据可追溯，对原始数据清洗后实现数据的一致性，再根据不同场景提供多样化的数据使用需求。

那现在流向数据的采集路径以及数据准确性，到底是什么样的情况？

如果是业态一体的数据，业态一体的管理体系做得比较完善的话，数据采集以及数据准确性相对来说都可以得到保障。真正麻烦的是整合不同伙伴的流向数据时，这些系统的稳定性差异、数据标准差异。

稳定性对我们的挑战是，我们得提供比较良好的采集能力及采集管理的能力，以及持续优化。这方面除了要应用一些优秀的自动化工具，还要建立数据采集的管理、自动监控以及异常管理等一系列流程处理的管理能力。

数据标准差异的话，主要就是数据管理能力了，就是我前面讲到的——得有一套比较好的数据标准，团队得遵循这样的标准去做数据开发。

一套优秀的数据管理标准加上自动化的工具，其实就能满足整个数据的采集或者处理需求了。

大多数情况大家会建立很多的报表，但从应用的角度，我们肯定不希望出来的报表都是独立的，也希望它能够在业务之间流动。通过流向分析，它为企业真正提供了什么样的决策支持？

我觉得可以从三个层面来看：

第一个是面向管理层面。
得跟业务一起制定相应的管理标准，这是比较重要的一环。这一环做完之后，借助数据开发平台就可以提供相应的报表服务了。

第二个是面向横向协作的部门，比如商务部门、财务部门。
这里就得清晰地了解存销核算的流程大概是什么样子的，明确数据的关联、核算的规则，通过自动工具去处理，生成相应的报表，再建立一些相应的数据验证机制跟核查问题，优化核算流程，给商务跟财务部门提供比较多的数据助力。

最后是面向销售层面。
除了提供比较详尽的终端分析，比如终端类型、区域分布，这些数据还可以通过市面上的公开数据（比如卫健委定时发布的数据）做数据穿透。这样就能知道医药流向的终端分布大概是什么样子，比如某个省不同类型的终端分布情况，知道差异在哪里。

如果大家今天想要去做体系化的流向管理构建，核心需要提前在组织或者技术上做好哪些准备？

我可能会把组织提的比较高。因为前后的数据拉齐其实是蛮复杂的一件事情，它其实是一件持续运维的事情。所以你得去明确这个运维的链路是怎么设计的，然后你得有手段去保证这个运维流程去落地、执行，然后能够通过问题发现不断地去优化。

最后才是技术或者工具、系统的选型，这个场景下相对比较简单一点，只要做一些自动化采集的工具，再加上数据开发平台的赋能，就可以了。

所以总结下来，一个是要保障整个组织协同去推动这件事情，第二个要保证流向管理的灵活性，因为业务可能在不断变化，第三个底层的工具选择也挺重要的。

通过跟林总的交流，也让大家知道药企在整个流向管理当中，要怎么样去实践、怎么样去操作，才能真的找到增长的法则。

感谢林总的精彩分享，我们下一次35mm·数据帧再见，谢谢大家。