什么是数据分析

数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。这一过程也是管理体系的支持过程。在实用中，数据分析可帮助人们作出判断，以便采取适当行动。

数据分析你做全了吗？

采集

提取

分析（研究、概括、总结）

结论

判断

行动

支持

采集——ERP？！

提取——数据加工（目的、设计、制表、展现）

分析——研究、概括、总结

结论——问题、问题点

判断——是否重点、怎么解决

行动——谁做、做什么、怎么做

商品数据分析的目的

支持

支持什么？

销售？成本？利润？品牌形象？

企划分析（组盘、采买……）

订货分析/采购分析

调整分析（调拨、组合、动作）

商品决策分析（补、折、上、下、甩……）

运营分析（门店、运营、线上、竞品……）

盈利分析（盈亏）

市场分析（现有市场、潜在市场、VIP……）

商品分析框架步骤（3，4，5为初级，6，7，8为高级）

1.分析目的

2.设计表格/制式表格

3.数据采集

4.数据加工

5.制表

6.数据分析

7.分析结论略高

9.操作方案

8.综合判断

10.效果跟踪

大数据分析师为目标，从数据分析基础、JAVA语言入门和linux操作系统入门知识学起，系统介绍Hadoop、HDFS、MapReduce和Hbase等理论知识和hadoop的生态环境

大数据分析的使用者有大数据分析专家，同时还有普通用户，但是他们二者对于大数据分析最基本的要求就是可视化分析，因为可视化分析能够直观的呈现大数据特点，同时能够非常容易被读者所接受，就如同看图说话一样简单明了。

大数据分析的理论核心就是数据挖掘算法，各种数据挖掘的算法基于不同的数据类型和格式才能更加科学的呈现出数据本身具备的特点，也正是因为这些被全世界统计学家所公认的各种统计方法（可以称之为真理）才能深入数据内部，挖掘出公认的价值。另外一个方面也是因为有这些数据挖掘的算法才能更快速的处理大数据，如果一个算法得花上好几年才能得出结论，那大数据的价值也就无从说起了。

大数据分析最终要的应用领域之一就是预测性分析，从大数据中挖掘出特点，通过科学的建立模型，之后便可以通过模型带入新的数据，从而预测未来的数据。

大数据分析广泛应用于网络数据挖掘，可从用户的搜索关键词、标签关键词、或其他输入语义，分析，判断用户需求，从而实现更好的用户体验和广告匹配。

大数据分析离不开数据质量和数据管理，高质量的数据和有效的数据管理，无论是在学术研究还是在商业应用领域，都能够保证分析结果的真实和有价值。 大数据分析的基础就是以上五个方面，当然更加深入大数据分析的话，还有很多很多更加有特点的、更加深入的、更加专业的大数据分析方法。

要明白分析什么数据，大数据要分析的数据类型主要有四大类：

大数据平台能够获取时间跨度更大、更海量的结构化交易数据，这样就可以对更广泛的交易数据类型进行分析，不仅仅包括POS或电子商务购物数据，还包括行为交易数据，例如Web服务器记录的互联网点击流数据日志。

非结构数据广泛存在于电子邮件、文档、图片、音频、视频，以及通过博客、维基，尤其是社交媒体产生的数据流。这些数据为使用文本分析功能进行分析提供了丰富的数据源泉。

能够上网的智能手机和平板越来越普遍。这些移动设备上的App都能够追踪和沟通无数事件，从App内的交易数据（如搜索产品的记录事件）到个人信息资料或状态报告事件（如地点变更即报告一个新的地理编码）。

器、工厂机器和连接互联网的家用电器。这些设备可以配置为与互联网络中的其他节点通信，还可以自动向中央服务器传输数据，这样就可以对数据进行分析。机器和传感器数据是来自新兴的物联网（IoT）所产生的主要例子。来自物联网的数据可以用于构建分析模型，连续监测预测性行为（如当传感器值表示有问题时进行识别），提供规定的指令（如警示技术人员在真正出问题之前检查设备）。

三、如何区分三个大数据热门职业——数据科学家、数据工程师、数据分析师

随着大数据的愈演愈热，相关大数据的职业也成为热门，给人才发展带来带来了很多机会。数据科学家、数据工程师、数据分析师已经成为大数据行业最热门的职位。它们是如何定义的？具体是做什么工作的？需要哪些技能？让我们一起来看看吧。

数据科学家的工作职责

数据科学家倾向于用探索数据的方式来看待周围的世界。把大量散乱的数据变成结构化的可供分析的数据，还要找出丰富的数据源，整合其他可能不完整的数据源，并清理成结果数据集。新的竞争环境中，挑战不断地变化，新数据不断地流入，数据科学家需要帮助决策者穿梭于各种分析，从临时数据分析到持续的数据交互分析。当他们有所发现，便交流他们的发现，建议新的业务方向。他们很有创造力的展示视觉化的信息，也让找到的模式清晰而有说服力。把蕴含在数据中的规律建议给Boss，从而影响产品，流程和决策。

数据工程师的工作职责

分析历史、预测未来、优化选择，这是大数据工程师在“玩数据”时最重要的三大任务。通过这三个工作方向，他们帮助企业做出更好的商业决策。

大数据工程师一个很重要的工作，就是通过分析数据来找出过去事件的特征。通过引入关键因素，大数据工程师可以预测未来的消费趋势。在阿里妈妈的营销平台上，工程师正试图通过引入气象数据来帮助淘宝卖家做生意。比如今年夏天不热，很可能某些产品就没有去年畅销，除了空调、电扇，背心、游泳衣等都可能会受其影响。那么我们就会建立气象数据和销售数据之间的关系，找到与之相关的品类，提前警示卖家周转库存。

根据不同企业的业务性质，大数据工程师可以通过数据分析来达到不同的目的。

与传统的数据分析师相比，互联网时代的数据分析师面临的不是数据匮乏，而是数据过剩。因此，互联网时代的数据分析师必须学会借助技术手段进行高效的数据处理。更为重要的是，互联网时代的数据分析师要不断在数据研究的方法论方面进行创新和突破。

数据分析师的工作职责

就行业而言，数据分析师的价值与此类似。就新闻出版行业而言，无论在任何时代，媒体运营者能否准确、详细和及时地了解受众状况和变化趋势，都是媒体成败的关键。

此外，对于新闻出版等内容产业来说，更为关键的是，数据分析师可以发挥内容消费者数据分析的职能，这是支撑新闻出版机构改善客户服务的关键职能。

1、懂业务

从事数据分析工作的前提就会需要懂业务，即熟悉行业知识、公司业务及流程，最好有自己独到的见解，若脱离行业认知和公司业务背景，分析的结果只会是脱了线的风筝，没有太大的使用价值。

2、懂管理

一方面是搭建数据分析框架的要求，比如确定分析思路就需要用到营销、管理等理论知识来指导，如果不熟悉管理理论，就很难搭建数据分析的框架，后续的数据分析也很难进行。另一方面的作用是针对数据分析结论提出有指导意义的分析建议。

3、懂分析

指掌握数据分析基本原理与一些有效的数据分析方法，并能灵活运用到实践工作中，以便有效的开展数据分析。基本的分析方法有：对比分析法、分组分析法、交叉分析法、结构分析法、漏斗图分析法、综合评价分析法、因素分析法、矩阵关联分析法等。高级的分析方法有：相关分析法、回归分析法、聚类分析法、判别分析法、主成分分析法、因子分析法、对应分析法、时间序列等。

4、懂工具

指掌握数据分析相关的常用工具。数据分析方法是理论，而数据分析工具就是实现数据分析方法理论的工具，面对越来越庞大的数据，我们不能依靠计算器进行分析，必须依靠强大的数据分析工具帮我们完成数据分析工作。

5、懂设计

懂设计是指运用图表有效表达数据分析师的分析观点，使分析结果一目了然。图表的设计是门大学问，如图形的选择、版式的设计、颜色的搭配等等，都需要掌握一定的设计原则。

首先，各个公司对数据科学家的定义各不相同，当前还没有统一的定义。但在一般情况下，一个数据科学家结合了软件工程师与统计学家的技能，并且在他或者她希望工作的领域投入了大量行业知识。

大约90%的数据科学家至少有大学教育经历，甚至到博士以及获得博士学位，当然，他们获得的学位的领域非常广泛。一些招聘者甚至发现人文专业的人们有所需的创造力，他们能教别人一些关键技能。

因此，排除一个数据科学的学位计划（世界各地的著名大学雨后春笋般的出现着），你需要采取什么措施，成为一个数据科学家？

复习你的数学和统计技能。

一个好的数据科学家必须能够理解数据告诉你的内容，做到这一点，你必须有扎实的基本线性代数，对算法和统计技能的理解。在某些特定场合可能需要高等数学，但这是一个好的开始场合。

了解机器学习的概念。

机器学习是下一个新兴词，却和大数据有着千丝万缕的联系。机器学习使用人工智能算法将数据转化为价值，并且无需显式编程。

学习代码

数据科学家必须知道如何调整代码，以便告诉计算机如何分析数据。从一个开放源码的语言如python那里开始吧。了解数据库、数据池及分布式存储。数据存储在数据库、数据池或整个分布式网络中。以及如何建设这些数据的存储库取决于你如何访问、使用、并分析这些数据。如果当你建设你的数据存储时没有整体架构或者超前规划，那后续对你的影响将十分深远。

学习数据修改和数据清洗技术

数据修改是将原始数据到另一种更容易访问和分析的格式。数据清理有助于消除重复和“坏”数据。两者都是数据科学家工具箱中的必备工具。

了解良好的数据可视化和报告的基本知识。你不必成为一个平面设计师，但你确实需要深谙如何创建数据报告，便于外行的人比如你的经理或CEO可以理解。

添加更多的工具到您的工具箱

一旦你掌握了以上技巧，是时候扩大你的数据科学工具箱了，包括Hadoop、R语言和Spark。这些工具的使用经验和知识将让你处于大量数据科学求职者之上。

练习

在你在新的领域有一个工作之前，你如何练习成为数据科学家？使用开源代码开发一个你喜欢的项目、参加比赛、成为网络工作数据科学家、参加训练营、志愿者或实习生。最好的数据科学家在数据领域将拥有经验和直觉，能够展示自己的作品，以成为应聘者。

成为社区的一员

跟着同行业中的思想领袖，阅读行业博客和网站，参与，提出问题，并随时了解时事新闻和理论。以大数据分析师为目标，从数据分析基础、JAVA语言入门和linux操作系统入门知识学起，系统介绍Hadoop、HDFS、MapReduce和Hbase等理论知识和hadoop的生态环境，详细演示hadoop三种模式的安装配置，以案例的形式，重点讲解基于mahout项目的大数据分析之聚类、分类以及主题推荐。区别于普通的JAVA程序员，本课程的重点是培养基于Hadoop架构的大数据分析思想及架构设计，通过演示实际的大数据分析案例。

数据分析行业发展到什么阶段了？

在我国，数据分析工作正在被逐渐的受到重视，越来越多的人们意识到此项工作环节的重要性。08年4月份，经我国国资委审批、民政部备案后，中国商业联合会数据分析专业委员会正式成立，这是数据分析行业内唯一的协会，它的成立标志着我国数据分析行业在经济发展中的地位已经被得到充分的认可，数据分析工作也会因此走向更加规范的发展轨道。

全球已进入大数据时代，在我国，数据分析工作体现在多个领域，覆盖企业运营全过程。持有数据分析师专业技能证书的专业人员所开展的数据分析工作已经涉足到了很多领域，包括政府相关机构、企事业单位以及其他领域。目前，我国对于数据分析专业人员的需求数以万计，数据分析工作的重要性不言而喻。

获得“数据分析师”证书的学员可在本职工作中充分发挥作用，提升工作绩效、增强决策的科学性、提高工作决策的成功率。通过参加“数据分析师”学习来达到提升工作绩效的目的一般所包括的职位有：公司法人、总监、市场总监、财务总监、审计工作人员、会计工作人员、税务工作人员、投资公司从业人员、银行从业人员、评估公司从业人员、企事业单位的投资部门人员、决策部人员、市场部工作人员、营销策划人员等相关。

会计师事务所的会计师，学习数据分析师：

会计工作主要集中在对已发生的财务数据进行分析和统计，而数据分析师是对未发生的投资数据进行分析，来对的可行性进行研究，并得出相应的结论。注会因为自身工作性质的原因有时接触到数据分析的工作，但他们本身专业知识和数据分析有很大差别，如果需要解决相关的数据分析的问题，或者需要进一步提升自己，还需要专门学习数据分析。

此外，注册会计师事务所的主要业务是审计和财务分析等业务，虽然是法定业务，但利润率很低，竞争越来越激烈，很多事务所目前经营状况不太乐观。反观国际四大会计师事务所，也同样存在这方面的问题，但这些事务所的利润来源中很大部分来源于咨询业务、数据分析业务，所以针对目前国内会计师事务所，开展数据分析的延伸业务，是事务所提高利润的很好途径。

随着我国市场经济逐渐深化，广东已开始取消注会事务所验资的法定业务权利，会计师事务所的生存空间进一步缩小。与数据分析师事务所广阔的业务空间相比，相信未来会有更多的会计师加入我们的队伍。

财务人员，学习数据分析师：

财务工作主要集中在对已发生的财务数据进行分析和统计，而数据分析师是对未发生的投资数据进行分析，来对的可行性进行研究，并得出相应的结论。会计人员作为公司财务部门的组成部分，经常会协助决策人员参与投资环节的财务分析，其实从某种意义上，在这个工作中真正需要做的正是数据分析，如果财务人员深入了解相关理论，对于提高其在企业的价值和作用是必要的。

管理咨询行业工作人员，学习数据分析师：

管理咨询业是对企业在经营过程中的问题进行诊断后加以解决问题，其包括：战略管理、市场调研、营销研究、人力资源管理、财务分析、流程管理等企业的方方面面。但数据分析工作更微观和具体，主要关注于：企业投资数据分析、企业经营数据分析，是要解决企业经营全过程的决策问题。无论是在范围，还是从深入程度，还是从应用角度都有很大差别。

管理咨询方面的人员参与数据分析师的学习，可以提高对的深入理解能力，提高对战略的把握能力，对于企业管理咨询中的数据研究能力有较大的提高，从而更好的服务于企业。

投资公司的工作人员，学习数据分析师：

投资管理咨询公司的业务很杂很广，涉及到投资规划，商业地产投资解决方案、投资银行服务（企业并购与融资）、国际商务咨询、营销咨询、管理咨询、投资、融资等。

在这些业务中，投资规划、投资及融资中都需要对的可行性进行科学量化的论证，这与数据分析师的授课内容是非常吻合的。数据分析师(CPDA)是目前国际上投资领域最权威的专业技术认证，是专业从事投资可行性分析的高级决策人，主要工作是通过掌握权威的行业数据以及专业的计算工具，使投资的风险减少到可控制的范围。

担保公司的工作人员，学习数据分析师：

对于担保公司人员来说主要工作是通过掌握权威的行业数据以及专业的计算工具，可以准确的对的价值进行评估，对于风险有很好的把控，有利于在投资中更好地开展担保服务工作。

税务局的工作人员，学习数据分析师、税务系统从业人员学习数据分析师：

税务系统代表性的部门主要有税务局以及税务师事务所。

税务局从业人员通过学习可以提升自身的含金量和专业技能，因为税务局的工作涉及的内容需要专业的知识和技能，例如税源的预测、税务系统经费、财务、固定资产的管理、收入计划的编制与分配等等，如果具备了数据分析师的专业知识，税务局从业人员的工作就会得心应手，是一个可以为个人的发展提供很好帮助的利器。

税务师事务所从业人员学习数据分析，可以为其带来很多业务。数据分析的学习内容包含了经济效益评价、盈利收益情况测算等等，这与事务所的工作息息相关：对纳税人而言，委托税务代理后可以减轻涉税事务负担，转移纳税风险，能够更好地履行纳税义务和维护其合法权益，同时也可增强纳税意识，健全完善内部财务及管理制度。

对税务机关而言，纳税人委托税务代理后涉税事务比较规范，便于监管。既有利于堵塞税收漏洞，减少税款流失，增加国家税收收入，又规范税务机关的执法行为，降低征税成本，有利于在税收征纳方面建立纳税人——税务代理人——税务机关三者之间互相监督制约的工作机制。

事务所的人员学习了数据分析师的知识后，就会对企业投资和经营做出更准确地建议，

保证企业的利益，因此，从实用角度来看是功不可没的。

房地产行业的工作人员，学习数据分析师：

房产评估和房产投资都是房地产行业的核心部分，企业对未来要投资的房地产准确判断收益和风险的大小，是十分重要的工作。

数据分析师主要是根据现金流量表及经济评价指标对未来进行科学合理的预测。“数据分析师”是专业从事投资可行性分析的高级决策人，通过掌握大量权威的行业数据以及专业的计算工具，科学合理的计算出未来的收益及风险情况,为投资机构做出正确的投资决策。所以说数据分析师对于从事房地产行业具有非常实用的帮助。

本文主要讲述数据挖掘分析领域中，最常用的四种数据分析方法：描述型分析、诊断型分析、预测型分析和指令型分析。

当刚涉足数据挖掘分析领域的分析师被问及，数据挖掘分析人员最重要的能力是什么时，他们给出了五花八门的答案。

其实我想告诉他们的是，数据挖掘分析领域最重要的能力是：能够将数据转化为非专业人士也能够清楚理解的有意义的见解。

使用一些工具来帮助大家更好的理解数据分析在挖掘数据价值方面的重要性，是十分有必要的。其中的一个工具，叫做四维分析法。

简单地来说，分析可被划分为4种关键方法。

下面会详细介绍这四种方法。

1. 描述型分析：发生了什么？

这是最常见的分析方法。在业务中，这种方法向数据分析师提供了重要指标和业务的衡量方法。

例如，每月的营收和损失账单。数据分析师可以通过这些账单，获取大量的客户数据。了解客户的地理信息，就是“描述型分析”方法之一。利用可视化工具，能够有效的增强描述型分析所提供的信息。

2. 诊断型分析：为什么会发生？

描述性数据分析的下一步就是诊断型数据分析。通过评估描述型数据，诊断分析工具能够让数据分析师深入地分析数据，钻取到数据的核心。

良好设计的BI dashboard能够整合：按照时间序列进行数据读入、特征过滤和钻取数据等功能，以便更好的分析数据。

3. 预测型分析：可能发生什么？

预测型分析主要用于进行预测。事件未来发生的可能性、预测一个可量化的值，或者是预估事情发生的时间点，这些都可以通过预测模型来完成。

预测模型通常会使用各种可变数据来实现预测。数据成员的多样化与预测结果密切相关。

在充满不确定性的环境下，预测能够帮助做出更好的决定。预测模型也是很多领域正在使用的重要方法。

4. 指令型分析：需要做什么？

数据价值和复杂度分析的下一步就是指令型分析。指令模型基于对“发生了什么”、“为什么会发生”和“可能发生什么”的分析，来帮助用户决定应该采取什么措施。通常情况下，指令型分析不是单独使用的方法，而是前面的所有方法都完成之后，最后需要完成的分析方法。

例如，交通规划分析考量了每条路线的距离、每条线路的行驶速度、以及目前的交通管制等方面因素，来帮助选择最好的回家路线。

结论

最后需要说明，每一种分析方法都对业务分析具有很大的帮助，同时也应用在数据分析的各个方面。

原文链接：http://kdnuggets/2017/07/4-types-data-analytics.html

转载请注明出自：葡萄城控件

关于葡萄城

葡萄城是全球控件行业领导者，世界领先的企业应用定制工具、企业报表和商业智能解决方案提供商，为超过75%的全球财富500强企业提供服务。

数据分析师在工作中会遇到什么难题？

数据分析师，一个名字听起来高大上的职业，其实苦逼程度不亚于代码人员。那么，数据分析师在工作中经常会遇到什么样子的难题呢？

1）数据质量差

作为舆情数据分析师，有时需要向技术提取需求，对符合某个关键词的全网舆情进行爬取。满怀希望地把需求提了出去，但有时数据质量并不如你想的那么完美。譬如。你想分析的是全网渠道分布，但是因为某些原因，最终得到的数据并不符合传统的认知。也就是说，这个维度而言，数据是废的。

这个时候怎么办呢？编么？并不是，这时候你可能就需要重新思考为什么会造成这样的问题，如果说问题没有办法找出的话，那只能找其他维度进行分析，或者找其他数据进行印证分析。

当然，数据质量差并不这么简单，有时数据缺失很严重，有时数据某个维度有歧义等。而这个时候，就需要你一遍又一遍的进行数据清洗。

2）数据需求多变

数据分析师有时接到的需求并不是一成不变的，可能在你分析的过程中，数据需求就会发生变化。好的情况，你可能仅需要修改一点点就可以满足需求。但是更多的是，推到重来，这就相当于浪费了你之前的工作量了。

3）数据得不到有价值的信息

更让人绝望的其实是你分析了多种维度，交叉了各种情况。但，最后发现，得到的结论并不能支撑某些结论，更甚者，还会阻碍你的结论。例如有一次，我想分析SEO的价值比SEM的价值高，但是试过多种维度之后，我惊异的发现SEM的价值反而更高，我当时的内心就是一万只***崩腾而过。

最容易碰到的问题就是自己分析的数据不准确，导致辛苦了半天，分析出来的结果不具备参考价值，甚至都是错误的。

某媒体在职场频道发布了一套有超过60道题目的“理想雇主”问卷调查，并回收了2587份有效问卷。数据显示，全球范围内有2/3的人认为创业是个不错的选择，全球约70亿人口中，有4亿是创业者，与这些人一起打拼的员工数更是不容小觑。

所谓物以类聚，从调研结果中发现，与在国企、外企、事业单位等地方上班的人相比，创业公司员工也有自己的一系列特质：他们寻找的不是刚好与自己能力相称的工作，而是在追寻创新和挑战；他们充满使命感，在乎付出就有回报，讨厌束缚，乐于共享。

追求新鲜感，喜欢挑战

如果说创新是一家创业公司的DNA，那么尝鲜求变就是创业公司员工的一大爱好。从调查数据中可以看出，与其它类型公司的员工相比，创业公司员工明显更关注工作的创造性，超过八成表示会为了一份更有创造性的工作而跳槽。

创业公司员工也最容易被有挑战性的工作所吸引，他们总是对变化最积极的一群人。当被问及哪些措施能提升职业发展机会时，他们更相信自己能在多样化的工作及赴海外工作交流中获得更多锻炼和成长。

这或许也解释了为什么与其他类型公司员工相比，创业公司人并不太在乎工作是否与自己的能力与经验相匹配。毕竟很多时候，创业公司都是某个新兴领域的先行者，而在寻求颠覆和突破时本就少有经验可参照，此外，在初创阶段，很多员工都一人身兼多职，在实践中摸索着变强才是他们习惯的节奏。

最有社会使命感

正如Facebook创始人兼CEO扎克伯格在2017年哈佛毕业典礼上所说，为了保持社会进步，我们身负的挑战不仅是创造新的工作，还要创造新的目标，而光有目标是不够的，必须拥有心系他人的目标。从创业公司员工身上确实能看到这一点。数据显示，创业公司员工的社会使命感甚至比政府单位员工还要强，他们在择业时也明显更在乎与入职公司价值观是否契合，且近八成表示在做跳槽决定时会将公司社会价值性纳入主要考虑因素。

相较于让世界更美好的理想，公司当下的盈利情况在创业人员眼中就不那么重要了。关注公司长期发展潜力的他们更看重的是营收增长和公司CEO的经营理念。

公平竞争不重要，关键是付出要有立等可取的回报

当相对稳定的国有企业和政府机关事业单位员工们更多关注男女同工同酬问题时，创业公司员工相对对性别平等最不关心。这或许与创业公司本身所处的高淘汰率大环境有关，毕竟当人们主要在为企业生死存亡而拼搏时，还来不及也没多少精力来关注性别平等。同理，塑造公平竞争的企业文化对于更多受狼性文化影响的创业公司来说，也不是当务之急。

也许是被画饼忽悠的经验太多，或者是见多了创业大潮中的世事无常，选择公司时看重眼光长远的创业公司员工成为了最在乎自己的付出能立刻见到奖金和加班工资这些物质回报的一群人，股权激励对他们的吸引力反而不如对外企、民企、国企员工有效果。此外，或许是注意到工作压力太大对身体的不良影响，以及初创公司往往在福利待遇方面还存在诸多不完善，创业公司员工特别在意公司提供健康咨询和体检。

总结来说，就是创业公司员工目前只在乎自己的付出能拿到应有回报，而且最好立等可取。至于公司整体是否有公平的文化，并不是他们考量的重点。

文 | 帆软数据应用研究院 李培鑫

在现代企业管理中，为了应付频繁的企业重组及人事变动，企业的管理者可以运用BI中的人力资源分析模块，根据本企业的生产需求状况，方便地编制本企业组织结构和人员结构规划方案，通过各种方法在系统中的比较和模拟运行评估，产生各种方析的结果数据，并通过直观的图形分析界面，为管理者最终决策提供辅助支持，并且将人力资源管理置于BI经营分析系统，促进组织绩效最大化。

人力资源指标体系框架模型

以医药企业为例，基于工业企业规模不断扩大，提高决策科学性和合理性的需要，根据公司做精做细的经营方针，建立与之相适应的人力资源分析体系。分析主要从管理和财务角度进行，以指标形式予以体现。

对于大型的医药生产制造类企业来说，由于人员较多，员工信息繁杂，因此人力资源部需要了解人事实时情况。通过制作人力资源管理模型，可实时掌握员工的相关信息。人力资源管理模型可将人数分布分析图、学历分布分析图、年龄结构分析图、合同期限分析图、民族状况分析图等，通过窗体控件的切换，在一张图表中动态展现，使报表界面直观、简洁。

基于人力资源指标体系框架模型，又能够细化出一套通用的人力资源模型库，即人力资源主要分析报表和与之相对应的实际应用分析举例，如下：

人力资源分析的目标与模块

1、得到和保持一定数量具备特定技能、知识结构和能力的人员。

2、充分利用现有人力资源。

3、能够预测企业组织中潜在的人员过剩或人力不足。

4、建设一支训练有素，运作灵活的劳动力队伍，增强企业适应未知环境的能力。

5、减少企业在关键技术环节对外部招聘的依赖性。

在现代社会，人力资源是组织中最有能动性的资源，如何吸引到优秀人才，如何使组织现有人力资源发挥更大的效用，支持组织战略目标的实现，是每一个领导者都必须认真考虑的问题，这也正是为什么企业的最高领导越来越多来源于人力资源领域的一个原因。

可以通过模块划分的方式对企业人力资源管理工作所涵盖的内容进行总结。一般可分为：人力资源规划、招聘与配置、培训与开发、绩效管理、薪酬福利管理、员工关系管理。

有了人力资源框架体系和模型库，那么，如何来做一个人力资源BI分析报表呢？以员工角度出发，按模块举例子来作数据分析。

招聘与配置

根据人力资源规划和工作分析的要求，寻找、吸引那些有能力又有兴趣到本组织任职，并从中选出适宜人员予以录用。根据BI系统的人事变动分析，按照企业经营战略规划的要求，把优秀、合适的人才招聘进企业，把合适的人放在合适的岗位，做到人力资源利用最大化。如下图：人力变动表。

人力资源规划：员工构成分析

所谓人力资源结构也就是对企业现有的人力资源的调查和审核，只有对企业现有的人力资源有充分的了解和有效的运用，人力资源的各项计划才有意义。

大部分制药企业的人员都可以分成五大类：管理人员、技术人员、市场人员、生产人员和服务人员（后勤人员），管理人员又包含人力资源管理、财务管理、研发管理、工艺管理、质量管理、生产管理以及其他管理人员；技术人员又包含研发人员、工程人员、中试人员、质检人员、工艺人员，市场人员包括销售人员、营销人员、市场技术支持人员、客服人员；生产人员包括基本生产工人和辅助生产工人；后勤人员指招待员、清洁工、司机等。通过以每年年终的数据，观察不同类别人员的变化以及同类职群不同级别人员的变化，可以得到组织人才结构性的变化，如，高级专业员工的短缺。

分析目的：主要公司员工结构及构成

分析维度：岗位、岗位级次、职位、学历、部门、年龄、人数

时间维度：年，月

是否需要钻取联查：需要

钻取维度：岗位、岗位级次、职位、学历、部门、年龄、人数

指标维度：人数、年，月

数据来源：HR数据库

展现方式：图形、表格

推荐图形：饼图、雷达图、趋势图（折线图）

培训与开发：员工培训分析

培训与开发：组织通过学习、训导的手段，提高员工的工作能力、知识水平和潜能发挥，最大限度的使员工的个人素质与工作需求相匹配，进行促进员工的工作绩效的提高。

其主要目的：

1、提高工作绩效水平，提高员工的工作能力。

2、增强组织或个人的应变和适应能力。

3、提高和增强组织企业员工对组织的认同和归属。

按照利用培训资源的不同，某公司的培训可以分为内部培训和外出培训。所谓内部培训就是在企业内部进行，所用资源包括培训讲师、场地、讲义、教具等等，都使用内部资源；相反，外出培训仅仅指脱产外出接受培训。其中请外部培训师来公司授课，或者参与某公司公司的培训也所归入内部培训。

薪酬福利管理

薪酬福利是每个员工都关注的问题，也是提升员工满意度的关键因素之一。如果企业只把员工看做是成本，那么企业更多关注的是他的薪酬成本，由员工带来的各种成本投入，企业肯定会设法缩减，但如果企业把员工看成是资本或者资源，企业就会希望通过“经营”使资本能够增值，实际就会有更多的关注放在企业的投入带来的资本的升值，从而让这些资源更有效的为企业发挥价值，更看重员工和企业的共同发展。特别在激烈的竞争环境下，企业人性化管理对于人才的保留、吸引和激励的重要性不言而喻。

假设企业工资设定合理的情况下，通过对每个部门，每个岗位，每个员工的整体薪酬福利水平，来了解掌控企业整体人力资源分布情况，准确判断出企业的核心资源，制定相应薪酬福利制度，从而更好地吸引、保留人才，更好的激励人才为企业服务。

结语

总的来说，在企业间的商业竞争越来越激烈的今天，如何吸引优秀人才、合理安排人力资源、降低人员成本、提高企业竞争力，已经是企业管理者考虑的首要问题。用BI分析人力资源时候，使得其功能真正扩展到了全方位企业管理的范畴。人力资源的功能范围，也从单一的工资核算、人事管理，发展到可为企业的决策提供帮助的全方位解决方案。这些领域包括人力资源规划、员工考核、劳动力安排、时间管理、招聘管理、员工薪资核算、培训计划、差旅管理等系列分析。并同BI中的财务、生产、销售等模块组成高效的、具有高度集成性的企业智能分析系统。

数据分析师这个职业越来越火，越来越多的人想往这个方向发展。

有在校生，也有转行的小伙伴来咨询数据分析师这个职业的相关问题。

从大部分情况来看，大家对于数据分析师的职业发展和技能非常关心。

那么别的先不说，数据分析入门到底要学什么？怎么学？

Excel

作为数据分析师，Excel是必备技能。Excel 是经过检验的可靠的数据分析工具，它广泛存在，非程序人员也能便捷操作，所以大多数企业即使也使用其他工具，但 Excel 工具还是他们的不二选择。

统计学

统计学同样是数据分析师的必备技能之一，你只有学好了统计学才能谈得上数据分析。统计知识会要求我们以另一个角度看待数据。当你知道AB两组的差异用平均值看是多傻的事情，你的分析技巧也会显著提高。如果你想成为一名出色的数据分析师，那么你就必须要会统计学。

推荐图书：《深入浅出统计学》

大概是最啰嗦的深入浅出系列，从卖橡皮鸭到赌博机的案例，囊括了常用的统计分析如假设检验、概率分布、描述统计、贝叶斯等。书本注重应用和趣味性，数学推理一般。

SQL

sql是所有数据库查询的语言，sql非常容易入手。

针对不同的数据库，如mysql、sqlserver、oracle等，sql语法会有所不同，但是总体上大同小异，只是细微处的差别。

而且如果你有数据库基础的话，只需要找些sql查询的习题来做一下，就会很快的得到提高。

推荐图书：《MySQL必知必会》

学习 SQL 的入门书，薄册子一本，看起来很快。SQL 是个性价比很高的技能，简单而强大。任何想进一步提高自己数据分析技能的产品/运营/分析师 同学，都建议点亮 这个技能点。

数据分析思维

作为一名数据科学家需要很挑剔，并且善于发现他人会遗漏的东西。那么我们应该如何做到像数据科学家一样思考呢？

梳理分析思路，并搭建分析框架，把分析目的分解成若干个不同的分析要点，即如何具体开展数据分析，需要从哪几个角度进行分析，采用哪些分析指标（各类分析指标需合理搭配使用）。同时，确保分析框架的体系化和逻辑性。

推荐图书：金字塔原理

金字塔的基本结构是：中心思想明确，结论先行，以上统下，归类分组，逻辑递进。先重要后次要，先全局后细节，先结论后原因，先结果后过程。

行业知识

对于数据分析师来说，业务的了解比数据方法论更重要。而且业务学习没有捷径。这一部分也没有什么书可以看的了，基本都靠搜索，总结，思考，再搜索，总结，思考。

今天准备聊一聊数据分析师，这个高大尚的职业，先用一个网上看到的段子来开头，先聊一下什么是数据分析师。

一个哥们，有次聚会时说自己买了很多条IPhone数据线，家里每个房间插一条，走到哪儿都能随时充电。。。。。在场的姑娘都当成是段子笑笑就过去了，只有个细心的姑娘悄悄问他买了多少条，他说42条。现在她和他在北京三环内总共42个房间的数套豪宅愉快地生活，下个月结婚。

程序员看数据分析师

从这个段子里是不是可以看出来，数据分析威力巨大，而且数据分析师最擅长的就是数据分析，他们的工作就是用数据来证明观点，从而指导公司发展或业务方向之类的问题。我平常的工作会和很多分析师打交道。我了解到的分析师这个群体大多是在投行、一线咨询公司这样提供专业服务的乙方公司工作。曾听人这么说过，这些公司大概是世界上智力密度最高的地方。

不同行业和公司之间都有鄙视的食物链，像我们这种本身就自带清高属性的程序员，和他们之间的鄙视关系我就不多说了（我老板居然是个分析师）。有一类分析师，经常被我们鄙视，他们经常说自己做事是有方法论的，当遇到一个问题，要先怎么分析，然后怎么拆解，再找什么数据来论证，最后下结论写成PPT。当我刚刚接触数据分析这一行的时候，我经常问自己一个问题：“这帮分析师可以做‘公司医生’，帮公司解决各种问题，制定战略，那他们为什么自己不去当老板，自己干呢？”

强大的数据分析师为什么不自己创业

不过到现在，我渐渐可以回答这个问题了。打个比方，这就好像军师为什么不去做皇帝。这个比喻可能不是那么的恰当，我只是想表达一下，去创业自己开公司需要多方面的能力，和咨询投行的思维和工作方式、工作内容都有很大的差异。假设你找到了一个产品做不好的原因或者说你知道了应该要怎么样才能做好一个产品，这也并不表示你亲自去执行的时候就一定可以成功。

再举个例行，如果有个咨询公司的分析师帮助一个卖啤酒的公司分析受众用户，制定方案提升品牌效果，最终实现了业绩的大幅提升，那么这个分析师之后就可以自己去卖啤酒赚钱了吗？这显然不行吧，零售行业还有自己的渠道，自己的销售体系，这些都是很复杂的，但这些确是创业必不可少的。

说了这么多分析师不好，再说以后我就没法混了，接下来我要说一下他们的优势了。

数据分析师特点

我先说他们的特点，大多数拥有高学历，海归的优秀背景，特别出色的逻辑思维能力（当然我认为程序员的逻辑能力是最强的，哈哈）以及异常善于表达。大多数程序员的表达能力都比较弱，用10分当满分，可能大部份程序员都会不及格，但是对于分析师来说，可能需要9.5分起步了，就是这么夸张。

分析师们还有一个特质，对数字异常敏感。之前听说我们上面有个老板，每个月都会看我们提交的月报，用来分析产品的数据趋势，只要有一个数字，在两次报告中不一样，不管这中间间隔了一个月还是几个月，她马上就能发现数字不一样。这种能力也是不得不服。

我还发现，分析师大多都有很强的个性，在讨论中都有自己鲜明的观点，这可能和他们的工作有关，工作中就一直在论证不同观点的正确与否。所以我平常决对不会和分析师在某件事上去争辩，因为我相信，就算去争，也不会有结果。

欢迎关注我，公共号也有，狂奔的豆沙包

　　随着数据量的增大，数据统计分析的计算量和复杂性也随之剧增，所以需要借助各种统计分析软件来提高运算效率与分析准确性。

　　Excel也提供一组数据分析工具，包含常用的数据统计分析工具，能够满足基本的数据分析需求。只需为每一个分析工具提供必要的数据和参数，该工具就会使用适宜的统计或工程函数，在输出表格中显示相应的结果，某些工具在生成输出表格时还能同时生成图表。

　　一、常用的函数

　　1、Vlooup()：它可以帮助你在表格中搜索并返回相应的值。让我们来看看下面Policy表和Customer表。在Policy表中，我们需要根据共同字段 “Customer id”将Customer表内City字段的信息匹配到Policy表中。这时，我们可以使用Vlookup()函数来执行这项任务。

　　2、CONCATINATE()：这个函数可以将两个或更多单元格的内容进行联接并存入到一个单元格中。例如：我们希望通过联接Host Name和Request path字段来创建一个新的URL字段。

　　3、LEN()-这个公式可以以数字的形式返回单元格内数据的长度，包括空格和特殊符号。

　　4、LOWER()， UPPER() and PROPER()—这三个函数用以改变单元格内容的小写、大写以及首字母大写(即每个单词的第一个字母)。

　　5、TRIM()：这是一个简单方便的函数，可以被用于清洗具有前缀或后缀的文本内容。通常，当你将数据库中的数据进行转储时，这些正在处理的文本数据将会保留字符串内部作为词与词之间分隔的空格。并且，如果你对这些内容不进行处理，后面的分析中将产生很多麻烦。

　　二、由数据得出结论

　　1. 数据透视表：每当你在处理公司的数据时，你需要从“北区分公司贡献的收入是多少?”或“客户购买产品A订单的平均价格是多少?”以及许多类似的其它问题中寻找答案。

创建数据透视表的方法： 第一步：点击数据列表内的任何区域，选择：插入—数据透视表。EXCEL将会自动选择包含数据的区域，包括标题名称。如果系统自动选择的区域不正确，则可人为的进行修改。建议将数据透视表创建到新的工作表，点击New Worksheet（新工作表），然后点击OK。

第二步：现在，你可以看到数据透视表的选项板了，包含了所有已选的字段。你要做的就是把他们放在选项板的过滤器中，就可以看到在左边生成相应的数据透视表。

从上图可以看到，我们将“Region”放入行，“Productid”放入列中，“Premium”放入值中。现在，数据透视表中展示了“Premium”按照不同区域、不同产品费用的汇总情况。你也可以选择计数、平均值、最小值、最大值以及其他的统计指标。

2.创建图表：在EXCEL里面创建一个图表，你只要选择相应的数据，然后按F11，就会自动生成系统默认的图表。除此之外，你可以手工改变不同的图表类型。如果你倾向于在当前工作表中生成图表，可以按ALT+F1，而不是F11。

当然，在任何一种情况下，只要你创建了图表，就可以通过定义特定数据源来展示期望的信息。

三、数据清洗

1.删除重复值：EXCEL有内置的功能，可以删除表中的重复值。它可以删除所选列中所含的重复值，也就是说，如果选择了两列，就会查找两列数据的相同组合，并删除。

如上图所示，可以看到A001 和 A002有重复的值，但是如果同时选定“ID”和“Name”列，将只会删除重复值（A002，2）。

按照下列步骤操作可以删除重复值：选择所需数据-转到数据面板-删除重复值

2.文本分列：假设你的数据存储在一列中，如下图所示：

如上如所示，我们可以看到A列中单元格内容被“；”所区分。我们需要将其进行分列，建议使用EXCEL的文本分列功能。按照下面的步骤可以实现分列：1.选择A1：A62.点击：数据—分列

上图中，有两个选项，“分隔符号”和“固定宽度”。我选择“分隔符号”是因为有分隔符“；”。如果我们希望按照宽度分列，例如：前四个字符为第一列，第五到第十个字符为第二列，则可以选择按固定宽度分列。3.点击下一步—点击“分号”，然后下一步，然后点击完成。

评语：EXCEL作为使用最广泛的数据统计分析软件，无论你是小白还是资深用户，总会有一些东西值得你去学习。