本话题将持续更新 DataEase 案例研究，包括企业客户案例及开源用户分享。
盛泰光电携手DataEase实现数据驱动智能制造
盛泰光电科技股份有限公司（以下简称为“盛泰光电”）是中国第一批摄像头模组制造企业。自成立至今，一直专注于手机摄像头模组的研发、制造、销售与服务，并向非手机包括笔记本、车载、医疗、AIoT等领域延伸，形成以手机摄像头模组领域为主，非手机摄像头多领域的新发展格局。目前摄像头模组出货量位居全球第五位。
盛泰光电已经建成现代化生产线85条、新建COB芯片封装线40余条、新购进超高精度AA生产线多条，摄像头产能达5亿个/年。
盛泰光电2006年7月在深圳创立，如今已形成由重庆（总部+基地）中心、深圳（研发+销售）中心、江西+印度制造基地、台湾研发中心、新加坡研发中心，以及美国办事处构成的总体布局。自成立至今，盛泰光电一直保持着快速增长的发展态势。2021年，盛泰光电的年产值超过40亿元。
盛泰光电在业务高速发展并取得显著成果的同时，其业务运营也面临着诸多挑战，其中的一个难题就是如何处理巨量数据。
继续阅读： 案例研究｜ 盛泰光电携手DataEase实现数据驱动智能制造
柯尼卡美能达软件开发（大连）有限公司基于DataEase构筑内部数据可视化体系
对于公司的数据分析团队来说，日常的数据分析和数据可视化工作存在一些急需解决的痛点和挑战：
■ IT部门数据繁杂，需要整合不同数据源的数据
数字化业务场景繁多，涉及SCCM（微软系统中心配置管理器）、SEP（赛门铁克攻毒软件）、IMS（信息管理系统）等多个业务系统的数据库以及线下Excel数据等。IT部门难以在多场景的数据来源中协调数据，并且使其具有一致性和可比性；
■ 内部专业系统软件学习成本高，数据查看过程复杂
公司内部使用的SCCM等工具比较专业，对普通员工来说学习和使用的成本较高。公司希望能够为普通员工提供简单、直观的数据呈现，来协助员工理清复杂的业务数据。而公司现有的数据查阅方式与员工预期存在较大的差距，数据的实际价值难以得到完全释放；
■ 数据处理工作量大，人工成本高，数据处理过程需简化
随着系统内部数据量的迅速攀升，需要投入大量的人工作业以进行传统的数据分析和展示。但是随着数据种类的增多，数据报告的生成过程越来越复杂，公司的数据分析团队难以实现数据工作流程的自动化，工作效率受到严重限制，陷入了重复性劳动的循环。
继续阅读： 案例研究｜柯尼卡美能达软件开发（大连）有限公司基于DataEase构筑内部数据可视化体系
硬之城借助DataEase以数据驱动供应链精细化管理
在数字化浪潮的推动下，硬之城面临着“供应链数据标准化”和“行业应用场景数字化”的挑战。快速变化的市场环境要求硬之城建立一个包含元器件供应、PCBA设计与制造等多种服务在内的全链路、标准化供应链数据体系。但长期存在的信息孤岛现象阻碍了企业效率的提升和供应链建设的推进，这一现状不利于硬之城与合作伙伴之间增进信任关系，以及实现业务的可预测性；行业应用场景数字化方面，硬之城需要一种科学的数字化解决方案，帮助硬之城基于实际经验与切实数据来搭建业务内容与流程的数字化展示平台，并将其转化为真正的企业效益。
针对上述挑战，硬之城在业务数据管理与展现方面明确了三个目标。首先是经营管理指标的可视化，便于高层把握企业与部门运营整体状况，加速业务决策；其次是关键业绩指标的监控，通过设置实时监控与预警机制，跟踪关键业绩指标数据，保障业务经营的稳健性；最后是数据驱动的精益化管理，通过数据推动业务流程的优化，并提升业务转化效率和操作时效。
为了实现这些目标，硬之城需要解决的关键问题包括：
■ 分散数据的汇总： 公司需要汇总来自不同业务部门和系统的数据，从而提升数据的可靠性和决策的效率；
■ 数据安全与权限管理： 随着数据量的增长和数据敏感性的提高，数据保护和精细化的权限控制变得尤为重要；
■ 即时数据访问与分析： 管理层需要通过能够自动化生成的报告，实现快速访问和数据分析，并做出敏捷精准的业务决策。
继续阅读： 案例研究｜硬之城借助DataEase以数据驱动供应链精细化管理
DataEase实现物业数据可视化管理与决策支持
隆泰物业的在管项目共100余个，在管面积超过2000万平方米，服务业主超过18万户，涵盖住宅、商业、写字楼、工业园区等多种业态，项目覆盖天津、西安、成都、石家庄、许昌、保定、邯郸、秦皇岛等20余座城市。隆泰物业秉承“用心缔造和美生活”的服务理念，在提供科学化、专业化、标准化服务体系的同时，致力于打造社区人居文化生活品牌。
在日常的数据管理和数据分析工作中，隆泰物业面临着一些壁垒和挑战，具体包括：
■ 数据来源多样性
隆泰物业在日常运营过程中会产生多种来源的数据，例如租赁信息、维护记录、财务数据等。这些数据来自不同的系统和部门，要将这些多样化的数据统一整合并管理，是一项非常具有挑战性的任务；
■ 数据量大
隆泰物业的项目覆盖了20多座城市，在管项目有100余个，随着各项目中巡检维护、设备测试、物资记录等工作产生的数据越来越多，数据库中需要维护的数据已经超过2000万条。隆泰物业需要高性能的计算资源，来对这些高复杂度的业务数据做出有效的管理和分析；
■ 数据安全和隐私
处理租客和业主的敏感信息会涉及数据安全和隐私合规的问题，这些数据信息需要格外注意安全性并进行妥善管理；
■ 技术和工具限制
和大多数物业公司一样，隆泰物业没有专门的数据分析团队，也没有自行开发数据分析工具，公司层面急需借助简单易用的工具化软件来提升数据的管理与分析能力。
继续阅读： 案例研究｜DataEase实现物业数据可视化管理与决策支持
辛格林电梯借助DataEase实现数据整合与智能展示
辛格林电梯的业务流程涵盖面广，包括销售、研发、生产、仓储物流等多个关键领域。其销售网络覆盖国内外市场，产品远销50多个国家，服务网点遍及100多个国家和地区。随着业务规模的快速扩张，公司每天所产生的数据已经超过百万条，对这些海量数据进行高效处理和深度分析就变得尤为重要。
在复庞的数据运营过程中，辛格林电梯的数据分析团队面临一些现实的困难
继续阅读： 案例研究｜辛格林电梯借助DataEase实现数据整合与智能展示
DataEase助力众陶联应对产业链数据可视化挑战
众陶联建立了陶瓷行业标准、数据标准和交易标准，构建了可信的数字环境，有效解决了陶瓷行业长期存在的经营模式不规范、原材料交易成本难以确定、企业经营成本居高不下等问题。通过数字技术和区块链可信技术，众陶联通过合同、物料、资金和物流等四个台账构建交易链条，确保验证过的数据不会被篡改，并且能够进行交叉验证。通过这四本台账的建设，众陶联为陶瓷企业提供了成本认定和完税途径，实现了陶瓷产业链的高效协同、降本增效和高质量发展。
随着数据场景和数据量的急剧增加，众陶联对于数据的需求与应用也日益扩大。在利用数据进行决策和业务优化的过程中，众陶联面对着一系列的挑战和难题。
具体到数据可视化方面，众陶联面临的主要挑战包括：
■ 人力成本高，重复性工作多
随着数据量的迅速攀升，传统的数据分析和展示方式往往需要大量的人工干预。数据报告的生成过程越来越复杂，无法实现流程的自动化，数据分析师的工作效率受到严重限制，陷入了重复性劳动的循环；
■ 用户期望高，但现有能力不足
传统的报表和数据展示方式难以满足用户对于数据直观、个性化展示的需求，导致用户体验严重不佳。用户渴望通过简单、直接的数据可视化界面轻松理解复杂的业务数据，但现有的技术能力与用户的预期存在较大差距，数据的实际价值难以完全释放；
■ 数据来源多样且复杂
作为专注于建陶行业的工业互联网平台，众陶联的数字化业务场景繁多，涉及区块链链上数据、业务数据库以及线下Excel数据等。在多场景的数据来源中协调数据，使其具有一致性和可比性，成为众陶联亟需解决的难题；
■ 数据安全和隐私保护问题
随着数据使用的范围和频率不断增加，数据安全和隐私保护问题需要受到重视。在数据存储、使用和共享的同时，众陶联对数据的安全性提出了更高的要求。确保数据的保密性和完整性成为数据管理流程中的必要环节。
继续阅读： 案例研究｜DataEase助力众陶联应对产业链数据可视化挑战
百果园选择DataEase搭档蜜蜂微搭实现企业数据应用一体化
百果园在使用DataEase开源数据可视化分析工具作为数智化工具落地业务之前，主要使用自主研发的一款数据可视化分析软件进行报表开发和交付。随着百果园进入数智化业务建设阶段，可视化分析场景增多，百果园对IT工具的能力有了更多的要求。
于是，百果园内部开始应用蜜蜂微搭低代码开发平台进行数智化业务场景的交付落地。蜜蜂微搭是百果园内部孵化的产业级低代码平台型产品，主要提供快速实现数字化应用、流程和数据分析的可视化搭建能力，打造一个信息流、作业流、决策流“三流合一”的产品，致力于满足不同行业和企业运营环节全产业链级的需求，帮助企业提高业务、信息和数据的管理效率，全面降低经营成本。
但是蜜蜂微搭的数据分析建设能力无法满足当前百果园数据可视化的所有业务场景，百果园还需要一款高度可集成的数据可视化分析工具来赋能业务运营。为此，蜜蜂微搭团队经过了对多款数据可视化分析软件的试用和对比，最终选择与DataEase开源数据可视化分析工具合作，以满足百果园对于高度集成性和专业化数据分析的需求。
继续阅读：社区分享｜百果园选择DataEase搭档蜜蜂微搭实现企业数据应用一体化
作为一家BI厂商，飞致云是如何人人使用DataEase的？
目前，飞致云在公司运行的多个领域中应用了自家产品。例如，公司通过CloudExplorer Lite轻量级云管平台集中管理异构云资源，实现自助式的虚拟机全生命周期管理；通过JumpServer开源堡垒机确保内网机器的安全管理与访问；在日常的软件测试中，借助MeterSphere开源持续测试平台提高多款产品的测试效率；利用Halo开源建站工具构建官网技术博客平台、知识库和模板市场等。同时，公司各部门也在广泛使用DataEase开源数据可视化分析工具，并且逐渐养成以DataEase作为常用数据分析及可视化工具，协助工作开展、优化和汇报的习惯。
本文将深入探讨飞致云如何践行“Eat your own dog food”的理念，展示一家中型软件公司如何应用DataEase开源数据可视化分析工具，并详述DataEase在飞致云内部的普及与应用情况。
继续阅读：案例研究｜作为一家BI厂商，飞致云是如何人人使用DataEase的？
北京交通大学基于DataEase开展多场景校园数据分析与展示
高校在日常运营中需要收集并处理大量的数据，这些数据的种类范围涵盖了人才培养、科学研究、管理服务等不同的业务域。这些数据的管理、分析和可视化都对高校的决策与发展具有重要的意义。
通过数据可视化这一将数据转化为图表等视觉展现形式的方法，高校可以更加便捷地管理和展示数据，更直观地了解其运营管理所需数据的趋势、分布和关系，并且加速推进数据分析与决策。
北京交通大学将数据视为重要的资源和珍贵的信息资产，在开展的数据可视化工作方面也有着一些具体的要求。
北京交通大学将DataEase应用到多种校园场景开展数据可视化分析，包括校园门禁数据管理、学校人员与组织信息管理、校园一卡通消费统计、校内微信消息推送平台数据统计、高性能计算平台资源分配分析等。
继续阅读： 案例研究｜北京交通大学基于DataEase开展多场景校园数据分析与展示
DataEase助力无锡布勒业务数据可视化建设
当前数据可视化的痛点
在数据分析方面，无锡布勒的生产运营团队主要从事数据采集、清洗和处理等工作。为了更好地管理生产数据，无锡布勒需要实现两种场景的仪表板大屏展示：
- 第一种场景是工厂生产线上的仪表板展示，从原料入库到成品出库的整个流程数据都需要被监控；
- 第二种场景是生产环节的实时仪表板展示，例如机器运行的参数指标、能耗情况、温度和湿度等关键指标需要进行实时监控。
在引入数据可视化分析工具之前，团队成员依靠ECharts等可视化框架，通过代码开发的方式实现数据可视化的需求。但是随着数据分析场景的深入，以及用户需求侧的频繁变化，这样的方式越来越无法满足团队的需要。生产运营团队打算采购一款数据可视化分析工具来协助实现各项数据展示的需求。
无锡布勒对于数据可视化软件的选型有以下几点硬性要求：
- 使用简单、学习成本低，并提供完善的学习路径，以便团队成员快速上手使用；
- 提供强有力的售后支持，保证软件在使用过程中遇到的问题能够得到快速响应和解决；
- 能够对接包括团队当前使用的PostgreSQL、MySQL、MongoDB和SQL Server等数据库在内的多种数据源，满足数据接入的需求；
- 做好的仪表板大屏能够便捷地嵌入到公司自身的业务系统中，降低开发成本，并提高集成性；
- 支持权限管理，能够对不同员工和用户的仪表板权限及数据权限进行管控，确保企业的数据安全。
继续阅读： 案例研究｜DataEase助力无锡布勒业务数据可视化建设
小牛电动通过DataEase进行业务数据可视化分析
数据可视化的痛点
作为一家全球智能锂电两轮电动车企业，小牛电动非常重视数据可视化在其业务运营和决策过程中所发挥的积极作用。小牛电动常用的数据分析场景包括：公司业务分析、车辆维护数据分析、车辆用户互动数据分析、电池指标分析等。在日常的数据分析工作中，小牛电动所面临的痛点包括：
■ 大规模数据处理和分析
随着小牛电动业务的扩张，数据量不断增长，需要处理和分析大规模的数据集。目前，每天有超百万辆电动车会产生数据，用于业务分析的近3个月数据量有数亿条，大部分表的数据量在百万级以上，但目前尚缺乏高效的方法来分析和展示业务数据；
■ 人力成本高
数据分析工作由产品部门的人员进行处理，其中涉及到SQL查询和表关联等IT相关技术，需要技术部门的人员协助处理，导致技术部门目前需要投入大量人力资源去支持业务部门的数据可视化相关工作；
■ 权限混乱
由于分析项目较多，各个部门可以随意查阅数据，缺乏有效的权限管控机制，存在权限混乱的问题；
■ 工作重复
每次汇报工作或业务研讨会议时，需要手动制作图表，工作的重复性较高，需要以更高效的方式来处理这些任务。
继续阅读： 案例研究｜小牛电动通过DataEase进行业务数据可视化分析
DataEase助力亚加达智能医学实验室场景BI展示
需求与痛点
亚加达所开发的iCube智能实验室信息系统（以下简称为iCube系统）拥有多方面的数据管理和分析需求。首先，该系统需要处理大量的医学数据，包括患者信息、检验数据和诊断结果等，因此数据管理和整合的准确性和完整性至关重要。其次，医院群体对实验室数据的统计和趋势分析很感兴趣，希望通过这些数据分析了解实验室的运行状况，发现潜在问题，并为医疗事务决策提供可靠依据。
为了满足管理者更方便地理解数据关系和趋势的需求，iCube系统需要支持大屏展示功能，将实验室数据以图表、图形和动画等内容以直观的形式呈现。
此外，亚加达也在考虑提供数据挖掘和智能分析功能，帮助医院群体从海量数据中发现隐藏的模式、趋势和关联，为医疗事务决策提供更为深入的洞察和支持。
根据实际应用场景的需求，亚加达分析出自身存在着以下的一些数据分析的痛点：
1. 定制化和个性化的平衡： 不同医院群体有着不同的数据分析需求和定制化要求。亚加达需要平衡提供标准功能与个性化定制开发之间的挑战，权衡定制开发与成本效益之间的关系，确保系统在适应多样性医院场景的同时，保证系统的可维护性和可扩展性；
2. 大数据处理和性能： 处理医学数据意味着涉及大量的数据，因此系统需要具备强大的数据处理和性能能力，以确保数据分析过程的高效性和准确性；
3. 数据隐私和安全： 医学数据具有敏感性，系统必须确保数据的隐私和安全；
4. 用户体验和可视化： 大屏展示功能需要设计出符合医院群体需求的直观可视化界面，同时提供友好的用户体验，以便医院管理者能够轻松理解数据并做出决策。
继续阅读： 案例研究｜DataEase助力亚加达智能医学实验室场景BI展示
企业BI选型：从Quick BI、Superset到DataEase
马先生任职于一家全球化社交娱乐公司，公司日常业务运营涉及到大量平台的日活、月活等数据信息。从2021年至今，公司根据自身的业务运营需要，前后选择了三款BI工具，分别是Quick BI、Superset和DataEase，而每款产品的选择与淘汰，都与公司的需求息息相关。
■Quick BI时期：在2021年8月之前，该公司还没有建立完善的数据仓库，公司内部也只有一个人负责数据可视化工作，使用的产品是Quick BI个人版。当时大部分数据都是以邮件的形式发送给业务部门，但邮件的数据是静态数据，无法直接查询历史数据，历史数据需要查询历史邮件，比较耗费人力；
■Superset时期：随着公司业务的发展，该公司逐渐成立了一个成熟的数据部门，搭建了自己的数仓系统，并开始使用Superset。相比Quick BI，Superset最大的优势在于这是一款开源软件，不必通过以数据下载或者页面截图之后发邮件的方式分享给业务部门。仅需登录同一个系统，数据部门做完的数据就可以呈现给业务部门，并且可以由业务部门自行查阅历史的留存数据。无论是明细数据还是某个单一维度的数据，都可以查看历史数据。在此基础上，他们完成了Quick BI时期（邮件需求）到Superset时期的第一次跨越——也就是从静态数据到动态数据的转变；
■ DataEase时期：完成第一次转变后，马先生所在的数据团队开始思考第二个问题。Superset虽然是开源软件，但它毕竟是外国的开源项目，不符合国人的使用习惯，并且在使用功能上也不能完全满足公司的需求。例如，技术部门需要制作一个性能监控数据的展示大屏，通过Superset来实现很麻烦。于是数据团队开始寻找下一个更适合自己公司的的BI产品。这时他们偶然发现了国产的开源可视化产品——DataEase，这款产品完美地解决了马先生所在团队在使用Superset时碰到的两个问题：即不满足国人使用习惯，以及实时数据刷新不好处理。于是，他们实现了第二次跨越——从可用产品到易用产品。
在马先生使用Quick BI、Superset再到DataEase的BI产品升级过程中，DataEase开源社区也见证了他逐渐加入到开源世界，从产品使用者到产品贡献者的旅程。
继续阅读： 社区分享｜企业BI选型：从Quick BI、Superset到DataEase
DataEase助力丹霞生物实现数据驱动的企业管理
数据分析与展现的需求
丹霞生物的业务涵盖了生物制药产品的研发、生产、销售等方面。作为一家现代化的制造型企业，其经营过程中必然会产生大量数据，例如销售数据、生产数据、库存数据等，这些数据对企业而言至关重要，因此企业需要解决采购、生产、仓库、质检以及销售等方面的流程管理以及数据管理问题。在数据分析与展现方面，丹霞生物的实际需求包括：
- 作为一家血液制品生产企业，丹霞生物在不同区域都有建立自己的浆站。所谓浆站，就是负责进行血浆采集及存储等操作的地方。不同区域间的浆站的数据是不互联的，也不存储在同一个数据库当中，因此企业需要使用一款能够连接多个数据库，并且可获取其中数据进行统一展示的BI工具。此外，还需要对浆站数据进行权限隔离，使不同浆站的工作人员只能看到本浆站的数据；
- 国家对于血制品有严格的管控标准，质检步骤尤为重要。因此需要通过BI工具进行质检数据的展示，并且需要支持特殊数据的标注，以便及时且准确地管控产品；
- 销售数据的管控重要且复杂的，同时数据也是商业机密。因此企业选择的BI产品，不光要能够提供多层面的数据展示功能，协助销售进行业务分析，同时也要保证数据安全。