2022年2月25日，數睿數據正式發布下一代專注知識的BI產品——nextionBI，啟動了自己“無代碼+BI”的雙產品戰略布局。數睿數據總裁劉超總結，當前的BI產品過于依賴專業人員，但從根本上看是由于對于機器、知識和環境的依賴。表面上是BI產品需要專業的人去治理機器產生的臟數據，去梳理專業領域的知識，去完成知識在系統間的遷移。但本質是BI產品要求機器需要產出標準統一、質量上乘的基礎數據，要求有大量可以直接錄系統的行業知識，要求有一個統一的外部環境供知識在系統間自由分享。過渡的依賴外部環境，反而限制的BI產品自身的發展。下一代BI應該專注于從內部出發，主動去解決這些依賴，發展知識積累能力，主動優化融合現有數據資產，發展知識發現能力，能夠快速總結歸納行業知識，發展知識傳播能力，能夠便捷打包成果對外輸出。
而早在之前，傳統行業也發現了現有的BI產品只能幫助他們看清現在，但無法看到未來，沒有辦法對發現的異常，從根本上給出措施建議開始探索通過新的視角重新審視業務痼疾，尋求解決之道。
nextionBI也在發布會上分享了和一些傳統企業共謀數字化解決方案的真實故事，這些企業試圖解決所在行業的共性問題，基于傳統手段已經很難取得顯著的突破。而通過與數睿數據這樣的數字科技企業的合作，探索問題的另一種解法，將逐漸成為所在行業技術創新的主流。
發布會上首先分享的是一家紙材料生產制造企業，主要生產白卡紙。白卡紙屬于工業用紙，采用100%漂白化學制漿抄制，具有堅挺厚實、平滑度高的特點，一般定量在210g-400g/㎡。白卡紙的產品類型主要分為紙盒、卡紙、紙袋，分別占比60%、20%、10%；下游主要應用于各類精細產品包裝，如煙酒、化妝品、日用品、藥品、食品、3C等日常消費產品包裝。白卡紙的下游應用以必需消費品包裝為主，終端需求持續穩定增長。
從中國造紙協會發布的《中國造紙工業2020年度報告》中數據來看，2020 年包裝用紙生產量 705 萬噸，較上年增長 1.44％；消費量 718 萬噸，較上年增長 2.72％，是2020年紙產品中少數消費增長高于產量增長的品類。
白卡紙當前已呈現寡頭壟斷格局，以金光紙業、博匯紙業、晨鳴紙業、萬國太陽為代表的寡頭合計產能占比高達79%。金光、博匯和晨鳴的白卡紙年產能均達到200萬噸以上，其中，金光紙業旗下的白卡紙生產企業包括亞洲漿紙業（150萬噸/年）、廣西金桂（100萬噸/年）、寧波中華（62萬噸/年），分布在浙江、廣西等地；博匯紙業的白卡紙生產規模僅次于金光，產能主要分布在山東和江蘇，合計年產能215萬噸/年；晨鳴的產能主要分布在廣東、山東、江西等地，合計年產能200萬噸/年。
會上分享的企業作為現有的寡頭之一，希望在良好的市場環境下，保持現有的競爭優勢，除了營銷工作之外，產品質量的穩定性是一個重要的基礎。對于白卡紙來說，紙張的克重是衡量產品質量的重要指標。每個批次的紙張克重偏差越小，產品的質量穩定度也就越高。
但該企業的研發部門統計數據之后發現，目前白卡紙產品存在克重偏差較大的質量穩定性問題。由于克重不穩定，為了保證整體良品率，就不得不增加每個批次生產過程中的原料使用，從而保證即使偏差較大，但多數產品仍能夠滿足質量要求。但這樣做顯然會提高企業的生產成本，且整體的產品質量參差不齊，極大的損害了產品口碑，優化生產過程刻不容緩。
在接觸nextionBI之前，該企業也早就開始針對這一問題探索解決方案，但是遇到幾個現實的困難。首先，造紙過程相關的數據量極大，種類繁多。有的來自于自動化設備，有的來自于軟件系統，有的靠人員手工記錄，還有部分非結構化數據。這其中還包含大量的臟數據，存在諸如標準不統一、空值比例高、數據亂碼等問題。在數據分析之前需要先完成復雜的數據清洗、數據標準化、數據關聯等工作。企業研發部的人員雖然了解紙張生產數據的正確格式、知道不同字段的標準度量、能夠將編碼代號翻譯成文本，但是他們大多不懂SQL語句，無法完成批量的數據加工處理工作。其次，經過材料研發人員對于大量歷史數據的整理，生產制造過程中影響紙張克重的因素超過140種。但是具體是哪個因素對于克重有影響，是正相關還是負相關，這都需要一一測試。按照控制變量法的理論要求，至少要測試140次，每次都需要設計實驗，調整參數，統計結果，這顯然不具備可操作性。最后，難以定位影響因素對最終質量的影響值，不知道如何進行優化，針對某個因素具體優化值是多少？明確相關性只是第一步，下一步需要明確是線性相關還是指數相關，要有具體的相關函數才能形成量化可落地的操作建議。
對于數字化生產，企業認為不能簡單的只是通過大屏展示生產結果數據現狀，然后靠老師傅的經驗決定優化方式，再通過一段時間的數據反饋判斷優化效果，這種模式周期長，風險高。合理的方式應該是基于生產過程的數據分析，給出精準的操作建議，再通過生產測試進行驗證，敲定生產優化措施。這就需要用到nextionBI的數據融合能力與增強分析中的主因子分析和根因定位能力。
針對第一個痛點，nextionBI對接生產數據，通過強大的數據交換機能力，完成復雜的數據處理流程，實現接入數據的清洗加工，排除異常數據對于分析結果的影響。這個過程不用寫任何技術代碼，一個紙材料的研發人員經過簡單的培訓，自己就可以通過拖拽數據加工算子的方式，配置加工流程，完成大量原始數據的加工處理。如上圖所示是將三個來自不同系統的數據表經過加工處理，最終融合形成了一個數據資產。整個過程清晰可見，每個步驟對應的模塊都可以動態調整，大大提升了數據處理過程的靈活度。這樣就解決了數據分析基礎素材的問題，為后續的分析打好了基礎。
針對第二個痛點，利用nextionBI增強分析中的主因子分析能力，幫助客戶從140多個影響因子中，快速定位影響紙張克重的主要影響因子，并提供主因子對結果的影響分析，并提供每個因子的影響值分析。如上圖所示，影響因子的影響值排名從高到低分別顯示的是2號漿液流量、車速、1號漿液流量、沖漿流量這四個因子，并且給出了具體的影響值，這就為下一步的分析工作提供了量化的參考依據。
針對第三個痛點，采用根因分析，通過根因定位分析能力，對影響紙張克重的可能進行根因組合，列出組合排名。提取主因子，將每種組合的具體值列出，提供系數調整優化值建議，直接提供量化的指導。
如上圖中所示，為不同因子分配不同的參數選擇，形成多種組合。針對不同的組合分析其可能性的占比。比如圖中的組合三就代表了2號紙漿流量小于等于14.25，1號紙漿流量小于等于32.05，車速小于 33.156這種參數組合形式，但是這種組合方式相較于組合一的可能性占比是偏低的，為了達到優化目標，最終應該選擇組合一對應的參數設計。基于這些分析，進行了多次實驗，研發部門給出了具體操作建議，幫助生產部門快速改善生產過程，穩定生產質量。
企業按照準備數據，確定方向，量化措施的過程，一步一步有條不紊的完成之前一直困擾他們的產品質量穩定性問題。nextionBI作為新發布的下一代BI的代表，其強大的數據融合處理能力、增強分析能力都很好地幫助企業完成了這次優化生產過程的目標。下一代BI的新能力，給企業提供了解決問題的新手段和方向。
