数字跃迁：治理、平台与应用的三位一体之道

2025帆软第七届智数大会 数字跃迁：治理、平台与应用的三位一体之道 演 讲人 ： 任 红 梅 海 思 科 医 药 集 团 股 份 有 限 公 司数 据 管 理 中 心 负 责 人 海思科是一家专注于新药研发，集生产制造及销售推广为体的专业化医药集团上市公司，总部位于中国成都。公司秉承创新、诚信、务实、高效的企业精神，通过专业、专注、国际化的研发思路聚焦麻醉镇痛、呼吸、慢病、肿瘤和自身免疫等疾病领域，目前已经建立一系列具有自主知识产权的药物管线，多个项目处于临床开发阶段，多款创新药已经实现商业化。 2012年1月17日在深圳证券交易所A股上市(股票代码:002653.SZ) u思舒宁®，2012年立项，2020年获批，历经8年u思美宁®，2014年立项，2024年获批，历经10年u倍长平®，2012年立项，2024年获批，历经12年u思舒静®，2016年立项，2025年获批，历经8年 十年赶超奋斗之路 2024年中国新发癌症病484.27万人肺癌居首位，其次为结直肠癌、甲状腺癌、肝癌和胃癌 全球3亿慢性疼痛患者中国术后疼痛未控制率>40% HSK39775HSK40118HSK46575HSK41959 思舒宁®HSK21542思美宁®HSK36357 代谢性疾病领城倍长平®HSK31679 呼吸系统疾病HSK31858HL231 中国1.4亿糖尿病患者合并神经并发症患者>50% 中国1.4亿糖尿病患者合并神经并发症患者>50% 医学驱动、学术引领、销售落地 u年均销售额35亿+，年平均增长率19% 2019年起全面转为自营模式，走专业化学术推广道路 全国分领域自营销售团队3000人+ u与国药、上药、华润、九州通和重药集团等国内TOP级商业企业达成了广泛的战略合作 Pa r t o n e 行业变革的必然之路 数据驱动的智能闭环 l智能感知：系统自动识别异常l智能分析：自动生产分析报告l智能决策：系统自动执行l自我优化：模型自学习，越来越准 集成数据以辅助决策 规范流程和系统 l目标：业务“系统化”、规范化l方式：信息系统替代人工纸张l重点：自动录入、自动表单、统一规范l常见系统：ERP、SRM、WMS、MES、EHR等l成果：操作提效、系统记录、能查能管 02 Pa r t t w o 合规与审计压力 对制药企业来说，数据治理不是一个“可选项”，而是一个“必选项”。它解决的不是IT问题，而是业务生存、合规和发展的核心问题。面临的痛点虽然是多维和复杂的，但通过建立体系化的治理框架（组织、制度、流程、技术），可以系统地解决这些问题，最终将数据从“负担”转化为企业最核心的战略资产和竞争力 02 u狭义数据治理：（DAMA）数据治理是对数据资产管理行使权力和控制的活动集合（规划、监控和执行）。 u广义的数据治理：指包括数据管理和数据价值“变现”，具体包括数据架构、主数据、数据指标、时序数据、数据质量、数据安全等一系列数据管理活动的集合。 u数据治理是一套关于数据的‘立法’和‘执法’体系，目的是确保数据被当作一项高价值、低风险的资产来管理，从而为企业战略和业务目标服务。它为企业数据管理提供了政策、标准、流程和组织的框架 多源异构数据，需要进行大量收集和清洗工作，缺乏统一的数据标准，常见的编码不统一、分类不统一。 制度 缺乏体系化的数据管理制度，让数据管理无法可依 缺乏管理流程 缺乏管理制度 无法有效的利用数据，让数据产生价值，来提升我们的经营管理 在结合实际与数据治理相关的方案、项目落地建设过程中，数据治理有两种不同的建设策略 现状： 痛点： ①整个环节流程较长，且直接参与系统操作的人较多，上手性差，培训成本高②商业数据未直连，人工对数据整理归集后数据出错的可能性增大③同一个商业存在多人上报各自终端数据，商业责任主体不明确，导致数据重复或漏报风险增加④非主流根据凭证逐条审核，效率较低，可通过其它更有效方式管控风险⑤纯人工清洗终端主数据，未对接行业大数库，清洗效率低下⑥主数据未统一管理，导致终端主数据重复性增大⑦流向数据质检未采用行业标准进行进销存稽核，数据质量无法在前端得到有效管控⑧通过批号总控的方式逻辑虽不存在问题，可作为红线进行财务风险控制，但如果不结合过程中进销存管理，总控出现问题后才查原因，则会导致流向追溯困难⑨终端归属备案处方零售相对滞后（每月11号），流向出来才备，医院渠道目前稍有好转已提前至6号，但离管理要求上月底前备案归属仍有较大差距 整体优化思路： 让销售回归销售、数据回归数据各司其职、各负其责 ①流向组：归口流向管理，负责流向清洗、管理、直连等，按质按时梳出流向数据给下游使用方 ②数据提供者：对数据的准确性负责，对进销存差异原因进行核查 ③SFE：归口终端归属管理，把控各事业部终端备案的及时性与准确性 主数据“ 2+1+1”体系建设，以“业务+数据+技术”协作的工作方式，助力降本增效！ 1个平台工具 2套保障体系 1组实施方法 主数据实施管理方法 组织保障体系 主数据处理和平台承载量 p共6大主题域主数据建设，清洗数据量27.5万+，已上线主数据27万+，其中物料2.8万+ p制定主数据项目管理制度，10大步骤，38项活动，支撑业务+数据+IT的高效协同，共建高质量的主数据 p设置主数据管理组织，形成主数据管理委员会（决策层）、主数据管理办公室（管理层）、主数据执行组（执行层）3层协同组织p任命主数据专家9人，另主数据维护岗48人，审核岗22人。 协同参与部门和人员量 p参与部门25个，核心关键干系人超过100+人支撑。 制度保障体系 连接系统和接口情况 p共拟定22份相关制度和文件 p共连接上下游系统18个，开发接口数量多达90+个。 质量规则管理 提供数据质量检核规则管理、检核任务设置、检核结果查看，评估全局数据质量 WHO：各部门数据质量负责人WHEN：每日，每月，每年；WHY：各部门数据质量负责人对所负责主数据、业务数据的质量情况进行监控，确保为管理改善提供准确数字化依据；WHERE：PC端，移动端WHAT:第一期以数据质量监控核心，从各职能部门的视角监测各数据主体质量状况。 “字”字形变革法、一把手工程老板知-全员知-试点行-全员行 觅一群靠谱的队友工业化的数字化之路不要妄图靠乙方就能解决 Pa r t T h r e e 02 Pa r t F o u r 场景为纲，技术为目：“为场景找技术”是正道 数字化生产力存于技术、藏于场景 “场景”是连接业务和技术的关键桥梁，是业务部门和IT部门之间对话的“普通话”，唯有找对场景、落地场景，企业领导者和业务部门管理才会感知到数字技术的力量 高频次重复发生的业务场景 投入资源多但效率低 出错概率很高，一但产生错误有很多负面影响 原则 整体规划 局部先行 子场景 以用促建 把一个个子场景打穿、打透，而不是追求很复杂、面很大的场景 提炼指标、定位产品类型、选取分析思路与方法 •应用场景：当系统积累够多的样本和数据后，通过历史数据形成决策库，进行AI探索，如销售预测、智能采购、智能排产、相关性推荐等 •应用场景：业务-数据-业务的实时反馈系统，对业务过程干预，影响最终结果 •应用场景：按“故事线”或成熟的分析思路组织数据，融入商业思维，让分析更有深度，更加有的放矢；自助分析实现分析的千人千面 •应用场景：发生了什么？产生结果？结果影响因素？预警提示？风险洞察？用自动化替代传统手工报表，解决看数难、统数慢、看不懂的问题 第一步：厘清产出指标：KPI 第二步：观察产出指标的趋势：趋势分析法、生命周期法等 第三步：观察产出指标的结构：分层分析法、二八分析法、ABC分析法、矩阵分析法等 例：帮助某个销售领导做销售分析 第四步：观察投入指标 第五步：观察投入、产品指标的关系 第六步：观察投入、产出之间的重要过程指标 第七步：观察过程指标有影响的附加动作 建设协同机制，通过《数据产品全生命周期管理办法》、《需求管理办法》、《数据产品安全上线checklist》、需求全在线化管理工具等保驾护航 掌上决策 移动端-掌上决策产品页面 u移动端上线后迅速“圈粉”，月均浏览量强势突破7万次，占总浏览量的60%。 u迄今为止，已有逾2500名用户享受到了产品的便捷与高效 多级销售监控 案例1：穿透式的分析思路解决各层级销售人员看业绩、排名、销售达成异常、找到责任人的场景 采购全链路覆盖 案例2：采购全链路的数据汇集、整合，让全局可视、可控，可管，解决采购全局数据加工难度大的场景 双中心驱动 •技术赋能的核心（关注“技术栈”与“系统”）•关键词：稳定性、安全性、效率、系统功能、技术平台 信息中心 •数据赋能的核心（关注“数据流”与“价值”）•关键词：价值、质量、标准、资产、洞察、赋能、创新 数据中心 这种“双中心”并行架构是现代企业从“信息化”（业务线上化）迈向“数字化”和“智能化”（数据驱动业务）的必然选择它明确了数据作为一种新型生产要素所需要的专业化管理团队，与传统的IT基础设施管理团队并驾齐驱共同推动企业完成数字跃迁 让数字成为生产力