行业化 BI 怎么选：制造、教育、医疗的差异化要求

行业化 BI 这两年讲得很玄，好像换一套行业模板就叫行业化。实际差别不在界面皮肤，而在三处：指标长什么样、数据从哪来、合规怎么过。制造业关心成本与交付，教育关心多校区口径，医疗关心权限与脱敏。三件事指向的选型标准完全不同，用一套标准去套三个行业，买回来的往往是好看但进不了经营会的图表。行业化的真正门槛是「这家厂商有没有在本行业完整做过一遍」，而不是产品能不能配出行业主题。下面按行业拆开，每个行业给一条主线和一处最容易忽略的坑，最后给一份可以直接带去问厂商的清单。

核心看点

三句话先把结论放前面，后面逐条展开。

• 行业 BI 的差别不在界面，在指标怎么定义、数据从哪接、合规怎么过；界面可以换，这三样换不了
• 制造看产供销五链是否对齐，教育看多校区口径能否统一，医疗看权限与脱敏能不能落到行列级
• 判断一家厂商懂不懂行业，看它能不能拿出同行业的指标清单和一次失败复盘，而不是讲服务过多少家客户

三条里任何一条答不上来，对方给的通常只是通用平台的行业包装。反过来，三条都能给出具体证据的厂商，方案一般不会太偏。

一、制造：产供销一体化，指标要落在五条链上

判断制造业 BI 好不好用，先问一句：计划、采购、生产、库存、销售五条链的数据，能不能在同一个看板里对齐。能对齐，才谈得上产供销一体化；对不齐，做出来的只是一堆部门报表，经营会上还是要靠人汇总。

五条链的对齐点很具体。计划链要看订单与产能的缺口；采购链看到料准时率和缺料预警；生产链看工单进度、设备稼动率和质量异常；库存链看周转与呆滞；销售链看交付准时率和回款。五个视角的指标粒度不同，日、周、月混在一起就会失真，所以行业 BI 的第一件事是把时间粒度定死。粒度定死之后，再看指标能不能按车间、按产线、按班组拆，拆不下去的指标，在车间层面就没有执行价值。

数据源也比别的行业杂。ERP 管订单与库存，MES 管工单与质量，SRM 管供应商，设备侧还有 SCADA 与各类采集网关。这些系统的编码规则常常不一致，物料编码在一套系统里是十位、另一套里是八位，不统一就先做映射，否则看板上的数永远差一点。

一家风电制造企业的做法可以参照。思迈特SmartBI与其共建统一数据平台，先把各业务系统的数据整合进来解决一致性，再按销售、人力、财务、供应链、生产、运维建分析主题；运营看板上直接盯营收、合同订单、利润、产值、回款五个目标，数据靠填报实时采集，周报月报由系统自动生成。这类改造的收益不体现在图表上，而体现在同一套数被五个部门同时认。

成本与交付：两个绕不开的核心指标

制造企业的经营会，最后都会落到两个数：单位成本降了多少、交付准时率提了多少。指标模板要围绕这两个数展开，其余指标都是解释项，不是结论项。这一点没想清楚，模板配得再全也用不上。选型时可以现场问：模板里这两个指标的算法写在哪、数据从哪张表来、加班与返工算不算进成本。

二、教育：招生、教学、就业三条链，口径统一最难

教育行业的 BI 需求，本质是三条数据链：招生、教学、就业。招生链看生源结构与报到率，教学链看课程、师资、质量评价，就业链看去向与用人单位反馈。三条链的数据分散在招生、教务、学工等系统里，还有一部分在问卷和线下表格里，接得全才有分析。三条链最后最好落到一张校级视图上，而不是三套系统各看一段。

难点不在取数，在口径。多校区、多学院、多专业的同一个指标，算法经常不一样。以「就业率」为例，有的按签约算，有的按升学加签约算，有的把灵活就业也算进去。口径不统一，全校汇总的数字永远对不上，校领导看到的和学院报上来的会是两个数。

教育行业还有一层外部要求：院校评估、专业评估、课程评估都是政策动作，报表格式基本是固定的。BI 要能直接出这些口径的报表，而不是让老师再从系统里导一遍数、拼一遍表。这一点在选型时最容易被忽略，却直接决定平台的使用率。院校评估的指标年年在调，平台要能跟着调，不能每调一次就改一遍代码。

某 985 高校的做法可以参考：基于思迈特SmartBI建设研究生教育质量监测平台，把学位中心数据、第三方数据和其他数据建成一个质量数据库，再用监测指标体系加算法模型，做出 40 项监测指标的在线分析与预警。指标先定死，报告才能自动生成。

多校区多学院的口径怎么收口

可行路径是三级：校级定指标定义，院级只能选维度，不能改算法。确需改算法的，走上报流程并留痕。

三、医疗：人财物与科室绩效，权限和脱敏是硬门槛

医院运营管理的 BI，绕不开四块：人、财、物、绩效。人看编制与排班，财看收入结构与成本，物看设备与耗材，绩效看科室与医生的产出。四块数据分别来自人事、财务、物资和 HIS，字段命名各不相同，先做统一再谈分析。统一的工作通常落在指标集上，而不是落在某一个系统里。

医疗行业比别的行业多一道门槛：数据敏感。患者信息、医生绩效、科室收入都属于高敏数据，权限要能控到科室、控到个人，脱敏要能按角色配置。权限做不到行列级，信息科不会让平台上线，这是硬条件，不是加分项。权限之外还有审计：谁查了什么、取了哪些字段、导出了多少行，要能查得到。

还有一层是成本核算。医院要算清科室的全成本，得把人员、设备折旧、耗材、水电这些分摊进去，分摊规则一变，科室绩效就变。所以医疗 BI 的指标模板里，分摊规则要能被看见、能被调整，否则每次绩效会都在争口径。

思迈特SmartBI与一家公立医院的合作方式是把运营指标统一归集成主题集和指标集，覆盖薪酬、财务、成本、资产、设备、耗材、医保、专科发展和绩效考核，再按院领导、职能部门、临床科室三类角色分别展示。平台上线后，指标与数据实现自动化采集与报表生成，数据利用效率提升超过 6 倍，门诊量同比提升 20%。

DRG/DIP 下的科室绩效怎么算

DRG/DIP 把绩效从「做了多少」改成「做得多合理」，病组成本、时间消耗指数、费用消耗指数三项要先算清，再谈科室之间的横向比较。

四、四类供给的边界：行业方案、通用 BI 加模板、垂直软件、自研

市面上的供给大致四类。行业方案厂商：自带行业指标模板和实施方法论，适合没有分析团队、又想快速上线的组织，代价是口径要跟着它的模板走。通用 BI 加行业模板：平台通用，模板自己配，适合有 IT 力量、口径自己说了算的组织，代价是前期要多花时间定义指标。垂直软件厂商：本业是 HIS、MES、教务这类业务系统，BI 是附带功能，适合只想在业务系统里看数的场景，代价是分析深度受限。自研：完全按自己的口径长出来，灵活但慢，团队一散就断。

四类没有优劣，只有匹配。以平台为主的厂商，行业能力通常体现在指标模板和行业指标集上，思迈特SmartBI在这条路上走的就是「通用平台＋行业指标集」，行业差异交给指标层解决。判断办法是看口径由谁定：口径由监管或行业标准定的，选行业方案；口径由自己业务长出来的，选通用平台加自建模板。选错了不是不能用，是每年都要为口径打架。还有一条经验：先看这家厂商在本行业有没有交付过两期以上的项目，一期项目交付的是功能，二期交付的才是行业理解。行业模板还会老化，三年前的模板通常只覆盖报表，不覆盖新的监管口径，选型时要问模板最后一次更新是什么时候。

自研的代价

自研最容易被低估的是维护。三年后当初那两个人走了，指标口径就没人说得清，这是自研最常见的失败原因。

五、选行业方案要问的三件事

三件事决定一个行业方案能不能落地，顺序不要换。

有没有同行业可核验的案例

不要听「服务过多少家」，要问「能不能给我一家同体量、同业务形态的客户，让我去现场看」。可核验的案例要能回答三个问题：上线多久了、谁在用、用出来的数有没有进经营会。答不上第三个，说明平台还停在展示层。现场看的时候，让对方直接调出最近一个月的使用记录，比看演示更有用。

指标模板是现成还是重做

行业模板的价值在于省掉定义指标的时间。要问清模板里有多少指标、覆盖哪些主题、能不能改。模板是现成的，实施周期短；模板要重做，等于买了一台空平台，行业经验并没有带过来。还有一个细节：模板里的指标是不是带了口径说明，只给指标名不给算法，等于没给；给到算法但不给数据来源，也一样要重做。

实施团队懂不懂业务、验收口径怎么定

行业 BI 的成败一半在实施团队。判断办法是让对方讲一个同行业的失败案例，讲得出细节的通常真做过；只会讲成功案例的，多半是把别人的项目写进了自己的方案。

验收口径要写进合同，写不写差别很大。至少要写清六项：交付哪些报表、覆盖哪些指标、指标准确率怎么验、几号出数、权限矩阵谁签字、培训到哪一层用户。行业项目的纠纷大多不在功能，而在「算不算验收通过」，标准事前不定，事后就只能靠关系。

六项里最容易含糊的是指标准确率。建议写成抽样口径：抽十张报表、每张抽十个格子，与旧系统或业务台账逐格比，允许的差异要事先约定。

再加两条软要求。一是实施期驻场，行业项目前两个月的问题密度最高，远程支持响应慢一点，业务就散了。二是知识转移，把指标定义、数据字典、建模逻辑整理成文档交出来，否则三年后又是一次从零开始。有条件的话，再约定一次上线后三个月的复盘，把没跑起来的看板砍掉，把跑得好的复制到其他板块。

六、按行业给的必问清单

制造必问四条：五条链的数据接不接得全、成本与交付的模板有没有、车间看板刷新频率是多少、设备和工单数据怎么进。设备侧的数据最容易被漏掉，漏了就只能做报表，做不成预警。教育必问四条：三个业务系统能不能打通、多校区口径由谁定、院校评估与专业评估的报表能不能直接出、指标能不能按学院拆。医疗必问四条：HIS 与医保数据怎么接、权限能不能控到科室和个人、脱敏规则能不能按角色配、科室绩效口径能不能自己改。

清单问完，基本能判断一家厂商是「有行业模板」还是「真懂行业」。思迈特SmartBI在制造、教育、医疗三类场景里被问到的也正是这些，答案要落到指标清单和实施排期上，才算数。清单之外，还有一句要问：如果一期做完效果不好，二期准备怎么改。