门店的数据报表，包括各部门每周/每月的销售额、毛利、毛利率、日比、周比、同期比、销售占比、日平均销售额、通路费用、各项数据指标、达成率及行动计划等，对于门店管理来说是至关重要的。而往往最能直接暴露门店经营问题的，就是门店经营数据了，面对门店的一张张报表，如何从繁琐的数据中，合理的得出对门店日常经营管理的各项措施和办法，即如何做好门店数据分析，这对当下企业的门店管理来讲，是一门生意经。

基于此，帆软FineBI商业智能产品提供了企业级的门店智能数据分析的解决方案：通过鼠标点击和拖拽就能够轻松掌握门店分时段营业分析、门店综合营业分析、门店报废商品分析、门店综合管理驾驶舱等等一系列的数据，在经营和管理门店运营的过程中真正做到数据在手，胸有成竹。

方案内容

企业门店智能数据分析干货内容：

1.企业如何快速搭建门店智能数据分析平台？

2.如何让门店管理人员直接对接门店数据库快速完成基础数据分析？

3.如何让门店管理人员直接对接门店数据库快速完成综合数据分析？

4.如何让门店领导直接对接门店数据库快速完成即席数据分析？

5.如何让企业门店智能数据分析成果实现团队协作共享？

方案效果及实现说明

1.企业如何快速搭建门店智能数据分析平台？

这部分工作属于企业IT部门的前期数据准备工作，需要IT部门在FineBI的数据配置-数据连接管理中新建好数据连接，保证数据连接测试成功。然后添加人事管理业务包，将相关数据表加入并且建好立表间关联关系即可（如果是FineIndex类型的业务包需要更新好FineIndex数据）。分配好对应数据权限之后，用户即可直接在浏览器前端来对这些人事数据进行即席的多维探索分析。

以本方案为例，如上图所示，我们在人事管理业务包中添加好门店主档信息表、综合营业分析表、日期信息表、小时维度表、报废商品数据表、营业日数据源表等数据，并且建立好维度表和事实表之间的数据关联关系。

最后在数据配置-权限配置管理界面中将建立好的门店管理业务包的权限分配给门店部门相关人员，并且在管理系统-用户管理中将门店部门人员加入到BI编辑用户的已授权列表中。

2.如何让门店管理人员直接对接门店数据库快速完成基础数据分析？

a.门店分时段营业对比分析

门店经营的第一项基础且重要的工作，就是门店管理者需要对日常时间范围内的销售情况进行把控，熟悉各个时间段门店的销量状态。特别是对于特定的一些节假日举行的促销活动，我们更需要进行及时关注和跟踪，这样才能根据以往的经验更好地去策划未来的活动，取得更好地活动效果。

如上图所示的门店分时段营业对比分析，我们可以通过FineBI的时间控件进行任意日期的内的门店经营效果比对，追踪各个门店的实时经营状态。除了小时的粒度之外，针对不同星期的门店经营业绩进行分析对比（上图所示，周一的门店经营整体状态明显由于其他星期），以便优先选择活动效果最佳的时间。

b.门店报废商品分析

为了更好地对各个门店的销售商品进行优化，我们需要对报废商品进行一些数据分析。如上图所示，我们可以通过仪表盘合计出时间区间内的报废总金额，同时用对比柱状图过滤出报废商品Top10的商品，重点观察和监督。营业部方面，试用饼图统计出各个营业部的报废金额分布情况，着力对报废商品问题严重门店进行商品整改和优化。

c.门店信息查询

对于门店的信息查询，我们可以试用FineBI内置的地图进行基于地理位置的数据分布统计，另外通过明细表组件展示各个门店开设的详细信息（门店名称、大区名称、中区名称、小区名称、门店地址等）。

3.如何让门店管理人员直接对接门店数据库快速完成综合数据分析？

a.门店综合营业分析

接下来我们来进行门店的综合营业数据分析，如上图所示，我们使用仪表盘组件合计总的营业净额，使用柱状图降序统计各个门店的营业额数据情况。对于日期区间范围内各门店营业净额的数据，我们使用堆积柱状图进行统计，以对比分析每天各个门店的营业净额数据。销售结构（销售毛额、营业净额、折扣金额）和销售品类（一般商品销售金额、饮料销售毛额、食品销售毛额）的分析，我们使用折线图进行基于每天的数据对比分析即可。

b.门店经营目标达成分析

如上图所示，我们再来做企业各大区门店经营目标达成的数据分析。由于我们的门店营业部有三级分类，那么这边选择多层饼图来进行三级营业部下的目标达成率分析最合适不过了。各个门店的营业净额方面，使用组合图的对比柱状图分析各个门店的目标金额和营业净额数据，使用组合图的折线图分析各个门店的目标达成率（目标达成率=营业净额/目标金额）。

4.如何让门店领导直接对接门店数据库快速完成即席数据分析？

除了以上给大家介绍的制作一些企业常用的门店数据分析之外，FineBI最大的特性就是随时满足业务人员或者企业领导的数据即席分析需求了，通过轻松的托拖拽拽操作，就能生成丰富多样的数据分析可视化统计结果。

我们以上图的每日交易数量和销售毛额折线图统计场景为例，只需要将交易日期字段拖拽到分类轴，将销售毛额、交易数量拖拽到左右值轴，即可自动完成分组统计，真正做到想看数据“不求人”！

5.如何让企业门店智能数据分析成果实现团队协作共享？

企业的各项工作，主要由各部门团队分工协作完成，彼此之间需要很好地进行沟通和配合，那么FineBI是如何帮助企业将门店智能数据分析成果实现团队协作共享的呢？

以上图所示的门店管理中心驾驶舱为例，展示了企业的产品销售种类统计、门店毛利统计、地区销售额统计、月度销售额/毛利额统计等等多个核心的门店管理分析指标。那么门店管理人员通过FineBI做好的一个门店管理里中心驾驶舱之后，其实在FineBI中可以非常便捷地将它分享给相关部门或者指定人员的。

例如我这边想把它分享给企业的领导人员，那么可以在FineBI的仪表板中将做好的门店管理中心驾驶舱模板点击分享给领导部门的Tom，然后点击确定即可。这样一来，领导部门的Tom登录之后就能收到门店管理人员给他分享的门店管理中心驾驶舱了。

生产是制造业企业的核心，因此，生产管理也是重要企业的重要内容。而同时，生产管理关系到企业的制造成本，进而关系到企业的成本优势、竞争力与盈利性，也关系到企业产品的质量和企业的品牌声誉。进行生产管理能够让员工负能量少，积极性提高，流失率低，快速建设号项目。实现公司项目多元化。

因此我们提供了一个生产管理数据分析的解决方案便于参考，让您通过鼠标点击和拖拽就能够轻松地掌握生产管理的基础数据查询和生产综合分析，如生产车间分析、生产成本分析、生产产品分析、生产驾驶舱等，进一步体会到生产管理数据分析的妙用。你也可以再利用我们提供的数据自己再尝试性做一些生产管理数据分析的模板。

一、方案内容

本方案将给大家着重分享以下企业生产管理数据分析方面的内容干货：

1.如何快速搭建生产管理数据分析平台？

2.如何让业务部门人员直接基于生产数据快速完成基础数据查询？

3.如何让业务部门人员直接基于生产数据快速完成生产综合分析？

4.如何让业务领导直接基于生产数据快速完成即席数据分析？

5.如何让企业生产管理数据分析成果实现团队协作共享？

二、方案效果及实现说明

1.如何快速搭建生产管理数据分析平台？

这部分工作属于企业IT部门的前期数据准备工作，需要IT部门在FineBI的数据配置-数据连接管理中新建好数据连接，保证数据连接测试成功。然后添加生产管理业务包，将相关数据表加入并且建好立表间关联关系即可（如果是FineIndex类型的业务包需要更新好FineIndex数据）。分配好对应数据权限之后，用户即可直接在浏览器前端来对这些生产管理数据进行即席的多维探索分析。

以本方案为例，如上图所示，我们在生产管理业务包中添加好生产事实表、生产车间维度表、生产品类维度表和生产仓库维度表，并且建立好维度表和事实表之间的数据关联关系。

最后在数据配置-权限配置管理界面中将建立好的生产管理业务包的权限分配给业务部门相关人员，并且在管理系统-用户管理中将对应授权人员加入到BI编辑用户的已授权列表中。

2.如何让业务部门人员直接基于生产数据快速完成基础数据查询？

数据底层搭建完，就可以使用分配好数据权限的账号登录平台，快速新建仪表板做基础数据分析了。

以生产订单查询为例，我们通过拖拽出一张明细表组件，将所需的生产订单信息字段拖拽即可生成生产订单明细。然后添加生产车间、生产产品、流水订单号等常用的过滤控件，即可快速完成一张对生产基础数据查询表。

3.如何让业务部门人员直接基于生产数据快速完成生产综合分析？

在这里，以其中两个模板为例，来展开生产综合分析的篇目。

a.生产车间对比分析

对于制造企业，最常见的生产分析之一就是对于生产车间的对比分析。通过不同车间的生产效率对比，让每个车间能都看到自己的KPI（此模板中指生产数量、同期数量及增长率）的对比情况，有助于建立一套自上而下的管理系统,明确各部门各人员的责任，从而有利于统一部署,分工协作、团结一致的完成生产工作，改变了过去单一行动、责任不明的状态,有助于整体联动的管理体系。

下方的明细表是我们通常在做基础信息分析时最传统和熟悉的报表展现。我们在做分析时往往可以通过一张明细表先把货物生产的基础属性拖拉出来，然后对其中所需要的字段进行进一步需要的加工处理。如对增长率在-10%~0的指标进行绿色预警，在0%~10%的指标进行红色预警，研究不同车间的占比组成，以及不同品类的车间贡献因子等。

b.生产驾驶舱

这里以化工企业的生产驾驶舱为例。生产驾驶舱（看板）是管理可视化的一种表现形式，即对数据、情报等的状况一目了然地表现，主要是对于管理项目、特别是情报进行的透明化管理活动。通过各种形式如标语/现况板/图表/电子屏等把文件上、脑子里或现场等隐藏的情报揭示出来，以便任何人都可以及时掌握管理现状和必要的情报，从而能够快速制定并实施应对措施。

4.如何让业务领导直接基于生产数据快速完成即席数据分析？

除了以上给大家介绍的制作一些企业常用的生产管理数据分析之外，FineBI最大的特性就是随时满足业务人员或者企业领导的数据即席分析需求了，通过轻松的托拖拽拽操作，就能生成丰富多样的数据分析统计结果。

可以看到轻松拖拽就可以马上完成可视化，实现快速分析。

5.如何让企业生产管理数据分析成果实现团队协作共享？

企业的各项工作，主要由各部门团队分工协作完成，彼此之间需要很好地进行沟通和配合，那么FineBI是如何帮助企业将生产管理数据分析成果实现团队协作共享的呢？

以上文所述的生产车间对比分析为例，那么通过FineBI可以非常便捷地将它分享给相关部门或者指定人员的。

例如这边想把它分享给领导，那么可以在FineBI的仪表板中将做好的生产车间对比分析模板点击分享给对应的Tom，然后点击确定即可。这样一来，对应的Tom登录之后就完全能够使用该模板。

最后，具体的实操，大家可以下载FineBI尝试下。

作者：数据观 来自：数据观 https://shujuguan/?from=

［摘要］：看似复杂的库存体系，可以通过简明的数据可视化还原全貌！

［主文］：一直以来，库存管理都是影响企业盈利能力的重要因素之一。对库存管理不当可导致货品大量积压，占用现金流，延误生产计划与销售订单。使用数据观对库存进行可视化分析，可以实现：1、分析现有的库存体系，还原库存体系原貌，为决策提供数据支持；2、通过对问题的挖掘分析，对现有的库存体系进行优化；3、衡量、传递合理库存信息，保障采购、生产、销售的正常运行。

所需数据：

以上数据是基本的仓储数据，一般的连锁门店都有；为避免储存数据的方式不同，我们还为您列出了所需全部字段：

除了两个标红的指标需要我们处理一下之外，其它字段都是现有的。为什么要额外计算这两个指标呢？因为，累计出仓金额占比（累计出仓金额／总金额）可以帮助我们审视商品SKU是否符合“二八贡献结构“，即80%的销售额是由20%的商品带来的。

数据处理：

如何计算“累计出仓金额”？听起来像要对每种SKU的销售额做求和，然后要按照降序排列，最后还要加上上一个项目的金额，不算小的工作量！不过，使用数据观的在线ETL工具，可以很迅速地对繁琐的数据进行排列计算。首先，将两个“输入”按钮拖入中央画布，并分别选择为“商品报表”与“销售列表”，将其关联起来，并通过“选择列”剔除无关信息，就得到每件商品的销售状况了。选择“分组聚合”，统计出每件商品的销售额。接下来，使用“排序和累计”，让商品销售额按照降序排列，且累加销售额。此时，我们已经有了“累计出仓金额”（且按照降序排列），再添加一个“常量列”，将值设置为总销售额，就可以计算“累计出仓金额占比”了！

ETL流程示意图

可视化分析：

现在，我们已经有了充足的字段和干净的数据，允许我们从以下四个角度来分析库存状况：

商品概况库存情况库存周转及安全库存库存盘点

（一）、商品概况：

指标说明：SKU数为商品编号，不重复计数，可计算出本店一共有多少个SKU；类别数为类别，不重复计数。从以上两个KPI可以看出，库存中的商品一共8类，总共28个SKU。而下面的“柱＋面积”组合图，就是我们说的“二八贡献图”了。每条柱子代表每个SKU的出仓金额，柱子越高表示出仓金额越高；而面积图则使用的“累计出仓金额占比”（即累计出仓金额／总金额），面积图上的80%点位应当出现在柱图的前20%最佳。通过分析我们看到，库存商品的累计出货金额贡献比例和“二八贡献结构”有一定差距，TOP1商品突出，但TOP2至最差出货额商品差别不大。

（二）、库存情况：

指标说明：以上各指标的金额计算都为“数量*成本价”得出的成本金额；平均库金额为（期初库存金额+期末库存金额）/2。两个分组柱图，主要看的是各类商品的期初、期末库存金额，与进仓、出仓金额分布。而分组条图，除了可以看到库存排名之外，还可以看平均库存占比（蓝条）与出仓金额占比（褐条）是否相当。从库存结构对比出货结构上看，各类商品的比例相当，表面库存比例结构合理。

（三）、库存周转及安全库存：

指标说明：本期周期为一个月，周转天数为周转次数*30天（请根据店铺实际情况进行调整）；根据设置的最佳周转天数（60~90天）可看出耳机类和充电宝类不在最佳周转天数内，图中已标红；根据设置的安全库存，图中显示电脑耗材类中有2个SKU，充电宝类1个SKU处于安全库存值以下，需进行进货。具体低于安全库存值多少、是什么型号的商品需要进货，可以通过下钻来查询。

（四）、库存盘点：

指标说明：盘点金额计算方式为误差数量*零售价。期初的盘点盈亏金额总计为盘盈202.5元，通过条图我们可以看到，各类商品的盈亏金额都在正负500元内，差异主要出自U盘、电脑耗材和耳机类。通过气泡图，我们可以看到，28个SKU中无差异的有4个（蓝色表示），盘亏的有15个（红色表示），剩余9个盘盈（黄色表示），鼠标移动其上还可显示商品的具体编号与盈亏数量。就这样，本来各自分散的库存数据，变成了一份领导能读懂、合作伙伴也能读懂的看板。赏心悦目之余，各种问题水落石出，大大提升了日常管理效率，为企业的高效运转添薪加火。

文|小天文章源自：起点学院学习联盟

在小白们眼里，大神们的数据分析报表基本上是这样的……

要么就是像这样的……

而大部分人，差不多是这样的……

啊多么痛的领悟……

怎样才能又快又好地做出一份高颜值的数据报表呢？带着立志要把这样的图表从癞蛤蟆脱胎成白天鹅的坚定和悲壮，这里搜集了5个笔者之前用过，用户评价不错，用起来还顺手的可视化数据平台。

话不多说，直接上正文。如果你也有推荐的平台，欢迎留言分享~

-1-Echarts

没想到这个第一次用就惊艳到我的产品竟然是国产，而且还来自百度，简直堪称良心。先上几张用Echarts制作的效果图。

貌似很多小伙伴喜欢用Echarts制作地图类的可视化效果……毕竟酷炫……

除了这些惊艳的地图，Echarts同样可以运用于散点图、折线图、柱状图等这些常用的图表的制作。

如果你需要展示实时变化的数据，相信Echarts里的动态接口会对你十分有帮助。

Echarts的优点在于，文件体积比较小，打包的方式灵活，可以自由选择你需要的图表和组件。而且图表在移动端有良好的自适应效果，还有专为移动端打造的交互体验。

-2-Highcharts

这个也是很多小伙伴在使用的一个平台。完全不用担心找不到参考的样图，因为已经有很多中国区的用户在上面更新并维护着很多实例，你往往能从这些丰富的例子找到类似的表达样图。

它的图表类型自然也是很丰富啦，线图、柱形图、饼图、散点图、仪表图、雷达图、热力图、混合图等类型的图表都可以制作，也可以制作实时更新的曲线图。

Highcharts对非商用免费，对于个人网站，学校网站和非盈利机构，可以不经过授权直接使用Highcharts系列软件。Highcharts还有一个好处在于，它完全基于HTML5技术，不需要安装任何插件，也不需要配置PHP、Java等运行环境，只需要两个JS文件即可使用。

-3-帆软报表（FineReport）

FineReport的可视化效果虽然没有上面两种那么酷炫，因为定位是报表软件。但是赢在操作相当简易，不会上面那些复杂的代码也没关系。它采用类似于Excel的编辑器，只需要点选拖拽等操作，拖动数据列绑定至对应单元格，简单设置就可以在web端查看数据展示。

目前，它有普通报表、聚合报表和决策报表三类报表设计模式，基本可以满足企业各类日常数据分析的情景需求。

数据的可视化与交互效果也很不错。最牛逼的可以做高大上的动态报表

还有一个比较强大的地方，就是它的数据填报。区别于传统意义上只能做数据展示的报表，FineReport允许用户对数据库的增删改。而且，它填报报表的流程非常简单，只要四步：报表设计、控件添加、设置填报属性和填报录入，这样，填报工作就能轻松搞定啦~

-4-数说立方

数说立方是大数据应用与服务提供商“数说故事”旗下一款面向数据分析师的在线商业智能产品。在数据的可视化呈现方面，操作比较简便，即使是非数据分析的专业人员，也能轻松实现。

同时，它的实时数据可视化引擎也能让使用者可以第一时间获得数据的可视化反馈，直观地了解到数据的变化情况。

-5-PowerBI

PowerBI是微软发布的一款可视化BI工具，类似Excel升级版的大表哥。一改以往excel需要数据透视表，写大量函数的复杂特点，这款工具拖拖拽拽操作起来十分简单。

作为企业Boss们，每天、每周、每月......不断的查看报表已经习以为常，没错，管理的秘诀是让数据说话（合作请加Acewill1），但看到这样的报表，企业Boss们简直无言以对，直呼：心好累！！！

比如这张报表↓

还有这张报表↓

报表一堆数字，

看不出营业趋势

！

各个部门的不同报表，

数据都无法汇总、统一分析

开发一张定制报表

周期长、造价高，无法复用，且数据延迟

人工录入，

数据准确性无法保证

不能实现

移动端查看报表

大数据时代竞争的关键是什么？

快！精！准！

所以，企业Boss们的内心OS，你真的能读懂多少？

前方高能

奥琦玮大数据分析平台上线啦！

让数据说话

，奥琦玮大数据分析平台更懂企业大佬！

奥琦玮大数据分析平台，围绕以消费者的消费偏好、原材料的损耗规律、资金流转的过程、人力的排版体系四类数据，致力于帮助餐饮连锁企业解决数据分析的难题。

产品优势

1F

报表定制开发费用0元

定制开发0费用，用报表更

省心、更无忧

，免去费用顾虑。

2F

实时数据呈现

数据可视化，样式灵活，拖拽鼠标即可生成自定义报表。

0.5小时内

完成

以往2、3天

的定制开发报表，且匹配好数据后就自动实时展现。

3F

异常数据报警

定义数据指标，

系统进行监控

，达到阈值自动发送报警。

4

跨系统数据汇总

跨系统

连接企业内部所有数据

，并结合相关业务线将其整理成

清晰移动的图表

呈现移动端查看报表，帮助管理层监控总部和门店运营的整体情况，各部门各项指标及目标达成率。

5

移动端

不受时空、地域限制

，随时随地查看报表，方便快捷！

报表呈现展示

数据展示，灵活多样↓

科学算法，数据趋势更清晰↓

可以

全局筛选↓

多表联动

↓

多层钻取↓

对比分析↓

还有

酷炫的动态轨迹

展示↓

移动端报表

不仅以此，除

数据可视化功能

外，奥琦玮大数据分析平台还提供专注

餐饮的数据分析、数据挖掘及预测

：

消费者的消费偏好：

分析谁，在哪儿，什么时间，吃了什么，多少钱。

原材料的损耗：

用什么样的原材料在不改变客户口味的情况下做菜品创新。

人力排班数据：

分析用工合理性或者人员配比合理性。

资金流转的过程：

合理预估资金使用账期关系。

用营业额数据趋势设计开台摆台，用菜品点击设计菜单，用营销活动分析选择合作平台

等等。

奥琦玮大数据分析平台在手，相当于拥有了一支私人定制报表团队：

一位

数据科学家

、一位

数据处理工程师

、一名

专业餐饮行业顾问

和一位

数据挖掘大拿

！！！！

奥琦玮大数据分析平台，

360度全方位

为餐饮连锁企业解决数据分析难题！

如果您是一位销售人员，有没有想过每年的销售额老板都是怎么定出来的？

如果您是一位市场人员，有没有想过每年的宣传推广预算是怎么算出来的？

如果您是一位公司决策人员，有没有想过公司的战略规划又是怎么做出来的？

以上所有这些，当然都不是靠老板一拍脑袋想出来的（如果是的话建议您可以考虑换一家公司了，真的），而是靠商业智能（BI）。然而随着大数据的爆红，各项关于数据分析的技术和平台亦随之更新迭代。

4月21日，作为领先的IT解决方案与服务提供商，东软集团在北京正式发布了RealSight（睿见）大数据高级分析应用平台，致力于推动企业级大数据技术与行业的深度融合，帮助企业实现智能化运营。

东软集团高级副总裁兼首席技术官、首席知识官张霞博士在致辞中表示，数据已经成为企业的重要资产，这些数据中蕴含的规律为企业更好地理解客户、优化运营、管理风险提供了可能，所以企业需要及时地发现这些规律，并加以利用。如今东软推出RealSight（睿见）大数据高级分析应用平台产品，就是为了应对这样的挑战，帮助企业与政府发掘和利用深藏在数据中的价值。

在过去的25年中, 东软集团始终致力于通过创新的信息化技术推动社会的发展与变革，并且为政府、医疗、制造、电信、能源、教育、金融、交通等十多个行业领域的3000余家客户及10亿以上的用户提供服务，同时帮助客户管理了几百PB的核心业务数据。

如今的RealSight（睿见），是建立在SaCa与UniEAP数据汇集、高级分析与展现产品组合基础上的企业级大数据高级分析应用平台产品，围绕客户智能、物联网智能、运营智能三大领域，将大数据高级分析技术、业务数据与领域知识深度融合，形成系列应用产品组合，可提供融合人、业务和物的高级数据分析服务，有效驱动企业更精准的客户洞察和运营优化。

其中，客户智能包括行为分析、个性化推荐、精准营销子产品平台，为企业提供数字营销解决方案，帮助企业更好地发现客户、了解客户和保留客户。其优势包括：整合业务数据并深入分析、实时进行大数据处理、具备丰富的机器学习算法和模型以及端到端的全流程优化。

物联网智能在实时数据采集的基础上，能够对软硬件设备运行环境进行全方位的综合监控分析、预测性维护和优化改进，从而帮助企业提升决策力，降低运营成本，掌控经营风险，培养市场洞察力。

运营智能则是为企业提供应用体验分析、应用性能保障、潜在风险规避等应用性能管理和风险管控解决方案。其可以达到：应用全堆栈集中监管，全方位掌控应用运行状态；聚合监控指标数据，简化日常应用性能监视告警流程；变被动处理为主动防御，提前规避应用性能风险；预测应用性能变化趋势，优化应用资源配置；深度学习运维数据，智能分析潜在问题的效果。

据了解，RealSight平台已经在金融、航空、媒体、新能源等领域得到了很好的应用和认可。

东软集团平台产品事业本部先行产品研发事业部总经理赵立军表示，RealSight（睿见）平台是以大数据高级分析技术为驱动。传统BI应用由于经过了描述性分析阶段和诊断型分析阶段，主要是对历史数据进行统计分析，描述过去发生了什么，通过对历史数据进行数据挖掘，生成报表，发现原因。而高级分析则提供预测性分析，是在描述性分析结果的基础上，结合规则、数据科学、机器学习以及实时外部数据，建立模型，对未来进行预测，实时动态分析事件发生的概率。在此基础上，结合收益分析、风险分析给出最优决策，并根据外界数据变化持续调整，实现自动化决策以达到最优效益。

原作者： 黄进然 文章自：土拨鼠的菜地园

开源篇

一、Superset

1、技术架构：Python + Flask + React + Redux + SQLAlchemy

2、使用人群：

（1）开发/分析人员做好看板，业务人员浏览看板数据

（2）业务人员可自行编辑图表，查看满足条件的结果，但使用上对业务人员不是很友好

3、安装部署：

（1）docker方式的安装部署最简单

4、数据源：支持各种数据源，包括Hive、Kylin等

5、创建步骤：连接数据源-->定义数据表/SQL查询-->图表-->看板

6、可视化：

（1）支持的图表类型多，达47种

（2）图表可视化选项少，例如，数据格式选项偏少，如需添加，需要修改配置文件

（3）可在看板中添加筛选框，支持在不同条件下查看

（4）不支持图表和看板分组管理

（5）没有提供图表的下钻功能，不支持多图表间的复杂联动

（6）不支持跨库的表关联查询

7、支持文档：

（1）安装部署和快速入门方面的文档详细

（2）但具体功能和图表制作方面的介绍文档几乎没有，需要自己摸索尝试

8、邮件通知：不支持

9、权限管理：

（1）报表权限设置复杂、繁琐、不好用

（2）可实现对菜单、数据源、数据表、字段、图表、看板等权限控制

10、二次开发：

（1）支持 RESTful API

（2）原属Airbnb的开源项目，有大公司团队维护，版本更新、Bug修复、二次开发有较大保障。

11、源代码：代码质量较差

12、Github星数：22132

二、Redash

1、技术架构：Python + Flask + AngularJS + SQLAlchemy

2、使用人群：由于是对SQL查询结果进行可视化，需要开发/分析人员做好看板，业务人员浏览看板数据。

3、安装部署：

（1）安装部署相对较麻烦

（2）参考文档：

4、数据源：支持数据源比superset少，不支持Kylin

5、创建步骤：连接数据源-->SQL查询-->图表-->看板

6、可视化：

（1）支持的图表类型不如Superset多，仅12种

（2）图表可视化选项多

（3）不支持在看板种添加筛选框

（4）不支持图表和看板分组管理

（5）没有提供图表的下钻功能，不支持多图表间的复杂联动

（6）不支持跨库的表关联查询

7、支持文档：

（1）提供快速入门教程

（2）每一个功能模块都有文档且条理清晰

8、邮件通知：支持定时发送邮件

9、权限管理：权限设置简单，仅控制用户组对数据源的权限（只有两个权限：Full access或View only）

10、二次开发：

（1）提供完整的 RESTful API 接口

11、源代码：代码质量比Superset要好，但比Metabase差一点

12、Github星数：10891

三、Metabase

1、技术架构：Clojure + React + Redux

2、使用人群：界面漂亮、友好，使用体验好，适合业务人员使用

3、安装部署：

（1）windows下安装部署非常简单

4、数据源：支持数据源少（12种），不支持Hive、Kylin

5、创建步骤：连接数据源-->图表-->看板-->定时任务

6、可视化：

（1）支持的图表类型不如superset多，仅14种

（2）图表可视化选项多，例如，提供数据格式多，设置灵活

（3）可在看板中添加筛选框，支持在不同条件下查看

（4）通过创建集合，支持图表、看板、定时任务分组管理

（5）提供图表的简单钻取功能，不支持图表间的复杂联动

（6）不支持跨库的表关联查询

7、支持文档：

（1）安装部署、快速入门、具体功能、API等方面的文档详细

8、邮件通知：支持定时发送邮件

9、权限管理：

（1）权限设置单一，只有访问权限

（2）仅实现对数据源、数据表、图表、集合等权限控制

10、二次开发：提供完整的API文档，即使完全不会 Clojure，依然可以凭借丰富的 API 与文档完成许多二次开发。

11、源代码：代码质量最好，结构清晰，整洁度高

12、Github星数：12368

最后，几个开源BI工具的详细对比

最后，除了以上的开源BI产品（大规模推广应用还是有难度的），可以试试个人版免费的FineBI，学习文档，产品稳定性，易用性相对开源都比较成熟。

FineBI

1、技术架构：纯java开发，后台业务层spring mvc + Hibernate，前台框架fineui，底层架构引擎不明，只知道有大数据引擎。

2、使用人群：

（1）开发/数据人员准备好数据，数据人员/业务人员分析。

（2）业务人员完全可自行分析、制作可视化。整个数据分析流程分工明确。

3、安装部署：

（1）直接官网下载电脑适配的版本安装激活即可

4、数据源：支持各种数据源，支持Apache Kylin、Derby、HP Vertica、IBM DB2、Informix、Sql Server、MySQL、Oracle、Pivotal Greenplum Database、Postgresql、ADS、Amazon Redshift、Apache Impala、Apache Phoenix、Gbase 8A、Gbase8S、Gbase 8T、Hadoop Hive、Kingbase、Presto、SAP HANA、SAP Sybase、Spark、Transwarp Inceptor、Hbase等主流的一些关系型数据库及非关系数据库MongoDB等

5、创建步骤：连接数据源-->建立数据业务包-->建立分析数据表-->图表分析-->看板

6、可视化：

（1）支持的图表类型多，达47种

（2）图表可视化选项少，例如，数据格式选项偏少，如需添加，需要修改配置文件

（3）可在看板中添加筛选框，支持在不同条件下查看

（4）不支持图表和看板分组管理

（5）没有提供图表的下钻功能，不支持多图表间的复杂联动

（6）不支持跨库的表关联查询

7、支持文档：

（1）安装部署和快速入门方面的文档详细，还有教学视频

（2）但具体功能和图表制作方面的介绍文档几乎没有，需要自己摸索尝试

8、邮件通知：支持

9、权限管理：

（1）有一套完整的数据、业务包、报表、人员部门权限管理，有流程节点。

（2）可实现数据源、数据表、字段、图表、看板等权限控制

10、二次开发：

（1）不支持java层面的开发

（2）只有web接口

（3）能与.NET集成、JBPM工作流集成、CAS单点登录

11、源代码：不公开，人家商业产品，有整个团队在运营。

12、个人用户使用免费，商业部署有两个并发限制，多了就要钱了，不过相比sap这种也不贵。

工具地址

私心回复“bi工具”获得。

由于一些限制，这里没法贴上安装部署的教程文档，我也将一并回复，整理成资料包。

以上都是精心推荐的BI工具，大家勤学勤用，期待你们的反馈。

最后，整理不容易，求转发点赞啦(●ˇˇ●)

标题说是经典的案例分析，实际上也就是一个普通的分析。会计的东西太多，教科书上的东东太多。而结合企业战略、市场的变化、同行的情况、内部的管理、制度以及会计政策，等方面，分析的太少。所以，本文仅适用于财务经理级别以下的人员，是有用的。可以上交给财务经理，供其进一步分析和提炼，才能上交到最高管理层。

1.中色股份有限公司概况

中国有色金属建设股份有限公司主要从事国际工程承包和有色金属矿产资源开发。1997年4月16日进行资产重组，剥离优质资产改制组建中色股份，并在深圳证券交易所挂牌上市。

目前，中色股份旗下控股多个公司，涉及矿业、冶炼、稀土、能源电力等领域；同时，通过入股民生人寿等稳健的实业投资，增强企业的抗风险能力，实现稳定发展。

2.资产负债比较分析

资产负债增减变动趋势表

01.增减变动分析

从上表可以清楚看到，中色股份有限公司的资产规模是呈逐年上升趋势的。从负债率及股东权益的变化可以看出虽然所有者权益的绝对数额每年都在增长，但是其增长幅度明显没有负债增长幅度大，该公司负债累计增长了20.49%，而股东权益仅仅增长了13.96%，这说明该公司资金实力的增长依靠了较多的负债增长，说明该公司一直采用相对高风险、高回报的财务政策，一方面利用负债扩大企业资产规模，另一方面增大了该企业的风险。

（1）资产的变化分析

08年度比上年度增长了8%，09年度较上年度增长了9.02%；该公司的固定资产投资在09年有了巨大增长，说明09年度有更大的建设发展项目。总体来看，该公司的资产是在增长的，说明该企业的未来前景很好。

（2）负债的变化分析

从上表可以清楚的看到，该公司的负债总额也是呈逐年上升趋势的，08年度比07年度增长了13.74%，09年度较上年度增长了5.94%；从以上数据对比可以看到，当金融危机来到的08年，该公司的负债率有明显上升趋势，09年度公司有了好转迹象，负债率有所回落。我们也可以看到，08年当资产减少的同时负债却在增加，09年正好是相反的现象，说明公司意识到负债带来了高风险，转而采取了较稳健的财务政策。

（3）股东权益的变化分析

该公司08年与09年都有不同程度的上升，所不同的是，09年有了更大的增幅。而这个增幅主要是由于负债的减少，说明股东也意识到了负债带来的企业风险，也关注自己的权益，怕影响到自己的权益。

02.短期偿债能力分析

（1）流动比率

该公司07年的流动比率为1.12，08年为1.04，09年为1.12，相对来说还比较稳健，只是08年度略有降低。1元的负债约有1.12元的资产作保障，说明企业的短期偿债能力相对比较平稳。

（2）速动比率

该公司07年的速动比率为0.89，08年为0.81，09年为0.86，相对来说，没有大的波动，只是略呈下降趋势。每1元的流动负债只有0.86元的资产作保障，是绝对不够的，这表明该企业的短期偿债能力较弱。

（3）现金比率

该公司07年的现金比率为0.35，08年为0.33，09年为0.38，从这些数据可以看出，该公司的现金即付能力较强，并且呈逐年上升趋势的，但是相对数还是较低，说明了一元的流动负债有0.38元的现金资产作为偿还保障，其短期偿债能力还是可以的。

03.资本结构分析

（1）资产负债率

该企业的资产负债率07年为58.92%，08年为61.14%09年为59.42%。从这些数据可以看出，该企业的资产负债率呈现逐年上升趋势的，但是是稳中有降的，说明该企业开始调节自身的资本结构，以降低负债带来的企业风险，资产负债率越高，说明企业的长期偿债能力就越弱，债权人的保证程度就越弱。该企业的长期偿债能力虽然不强，但是该企业的风险系数却较低，对债权人的保证程度较高。

（2）产权比率

该企业的产权比率07年为138.46%，08年为157.37%，09年为146.39%。从这些数据可以看出，该企业的产权比率呈现逐年上升趋势的，但是稳中有降的，从该比率可以看出，该企业对负债的依赖度还是比较高的，相应企业的风险也较高。该企业的长期偿债能力还是较低的。不过，该企业已经意识到企业的风险不能过大，一旦过大将带来重大经营风险，所以，该企业试图从高风险、高回报的财务结构向较为保守的财务结构过渡，逐渐增大所有者权益比例。

（3）权益乘数

该企业的权益乘数07年为2.38，08年为2.57，09年为2.46。从这些数据可以看出，该企业的权益乘数呈现逐年上升趋势的，但是也是稳中有降的。说明一开始企业较多依赖负债，当意识到带来的企业风险也较大时，股东就加大了权益性资产投入，增大了权益性资本在资产总额中的比重，选择调整为稳健的财务结构，于是降低了权益乘数，使公司更好地利用财务杠杆的作用。

04.长期偿债能力分析

（1）利息保障倍数

该企业的资产负债率07年为10.78，08年为2.92，09年为3.19。从这些数据可以看出，该企业的利息保障倍数呈现逐年下降的趋势。08年金融危机来的当年影响最大，后又缓慢上升，说明企业经营开始好转。利息保障倍数越高，说明企业偿还债务能力越有保障，该企业07年到09年期间，利润有了大幅下降，而同时财务费用却有进一步增长，对债务的偿还能力有所降低，所以应该要多加注意。

（2）有形资产净值债务率

该企业的有形资产净值债务率07年为203.64%，08年为227.15%，09年为205.51%。从这些数据可以看出，该企业的有形资产净值债务率是呈现逐年上升趋势的，但是也是稳中有降的。该项指标越大，企业的经营风险就越高，长期偿债能力就越弱。以上数据可以看出，该企业正在努力降低该指标，以进一步有效提高企业的长期偿债能力。

3.经营效益比较分析

01.资产有效率分析

（1）总资产周转率

总资产周转率反映了企业资产创造销售收入的能力。该企业的总资产周转率07年为0.87，08年为0.59，09年为0.52。从这些数据可以看出，该企业的总资产周转率是呈现逐年下降趋势的。尤其是08年下降幅度最大，充分看出金融危机对该公司的影响很大。之所以下降，是因为该公司近三年的主营业务收入都在下降，虽然主营业务成本也在同时下降，但是下降的幅度没有收入下降的幅度大，这说明企业的全部资产经营效率降低，偿债能力也就有所下降了。总体来看，该企业的主营收入是呈现负增长状态的。

（2）流动资产周转率

该企业的总资产周转率07年为1.64，08年为1.18，09年为1.02。从这些数据可以看出，该企业的流动资产周转率是呈现逐年下降趋势的。尤其也是08年下降幅度最大，说明08年的金融危机对该公司的影响很大。总的来说，企业流动资产周转率越快，周转次数越多，周转天数越少，表明企业以占用相同流动资产获得的销售收入越多，说明企业的流动资产使用效率越好。以上数据看出，该企业比较注重盘活资产，较好的控制资产运用率。

（3）存货周转率

该企业的存货周转率07年为6.19，08年为4.15，09年为3.58。从这些数据可以看出，该企业的存货周转率同样是呈现逐年下降趋势的。这说明该企业的存货在逐年增加，或者说存货的增长速度高于主营业务收入的增长水平，不仅耗费存货成本，还影响企业的资金周转。

（4）应收账款周转率

该企业的应收账款周转率07年为8.65，08年为5.61，09年为4.91。从这些数据可以看出，该企业的应收账款周转率依然是呈现逐年下降趋势的。这说明该企业有较多的资金呆滞在应收账款上，回收的速度变慢了，流动性更低并且可能拖欠积压资金的现象也加重了。

02.获利能力分析

（1）销售利润率

该企业的销售利润率07年为22.54%，08年为22.53%，09年为19.63%。从这些数据可以看出，该企业的销售利润率比较平衡，但是09年度有较大下降趋势。主要原因是09年度主营收入有较大的下降，而成本费用并没有随着大幅下降，面对这种情况，企业需要降低成本费用，从而提高利润。

（2）营业利润率

该企业的营业利润率07年为14.5%，08年为6.39%，09年为5.2%。从这些数据可以看出，该企业的营业利润率有较大下降趋势。从其近三年的财务报表数据可以看出，是因为由于主营业务收入不断降低，同时营业总成本的降低低于收入的增长，因而企业应注重要加强管理，以降低费用。

03.报酬投资能力分析

（1）总资产收益率

该企业的总资产收益率07年为15.99%，08年为5.8%，09年为5.4%。从这些数据可以看出，该企业的总资产收益率比较平衡，但是08年度以后有较大下降趋势。该企业的此指标为正值，说明企业的投资回报能力较好，但是不可避免的是该企业的收益率增长是负数，说明该企业的投资回报能力在不断下降。

（2）净资产收益率

该企业的净资产收益率07年为30.61%，08年为6.1%，09年为4.71%。从这些数据可以看出，该企业的净资产收益率也是自08年度以后有较大下降趋势。说明该企业的经营状况有较大波动，企业净资产的使用效率日渐降低，投资者的保障程度也随之降低。

（3）每股收益

该企业的每股收益07年为0.876，08年为0.183，09年为0.133。从这些数据可以看出，该企业的每股收益也是自08年度以后有较大下降趋势。该公司的每股收益不断下降，就是因为其三年的总资产收益率都是呈负增长，净资产收益率也同样是负增长，营业利润也不平稳，因此每股收益会比较低。因此，该公司应及时调整经营策略，改善公司的财务状况。

04.发展能力分析

（1）销售增长率

该企业的销售增长率07年为96.06%，08年为-9.14%，09年为-6.33%。从这些数据可以看出，该企业的销售增长率是自08年度以后有较大幅度下降的趋势。从这些数据可以看到，该企业的经营状况不容乐观，连续两年负增长，尤其是08年度更是大幅下降，突然出现的负的销售收入增长、销售增长率的负增长会对该企业未来的发展带来不利影响。

（2）总资产增长率

该企业的总资产增长率07年为89.14%，08年为4.95%，09年为9.02%。从这些数据可以看出，该企业的总资产增长率也是自08年度以后有较大幅度下降的趋势，但是总体来看，还是增长的，说明企业还是在发展的，只不过是扩张的速度有所减缓，07年应该是高速扩张的一年。

4.现金流量比较分析

01.现金流量的比较

现金流量统计分析

通过以上数据不难看出，该企业基本上是依靠正常经营活动来产生现金收入的，其中，投资活动产生的现金流量是负值，说明该企业基本在投资固定资产等较大的投资，以促进企业的壮大发展。而在09年度有所减缓，并且扩大投资也需要一定的筹资来弥补了。

02.债务保值率分析

该企业的债务保障率07年为8.08%，08年为4.05%，09年为10.11%。债务保障率反映的是经营现金流量偿付所有债务的能力，由于企业每年的经营现金流量都被许多不确定因素所影响，因而该企业的经营现金流量有较大波动，没有一个确定的趋势。好在该公司的该比率高于同期银行贷款利率，说明公司仍然能够按时支付利息，从而维持当前债务规模。

03.每元现金销售净流量分析

该企业的每元现金销售净流量比率07年为6.84%，08年为4.29%，09年为12.13%。从这些数据可以看出，该企业的每元现金销售净流量比率上下波动幅度很大，没有什么趋势可言，但是08年下降的幅度最大，反映在其财务报表上就是用于支付的现金额度很大，从而导致该年经营现金流量净额很低。总的来看，该企业的每元现金销售净流量比率还是比较稳定，该企业还有足够的现金可以随时用于支付的需要。

04.业绩的综合评价

通过以上分析，我们对中色股份有限公司有了一个比较详细的了解。但是单独的分析任何一类财务指标，都不足以全面评价企业财务状况和经营效果，只有对各种财务指标进行综合、系统的分析，才能对企业的财务状况做出全面合理的评价。

因此，现在将借助杜邦分析系统，利用企业偿债能力、营运能力、获利能力各指标之间的相互关系，对该企业的情况进行综合分析。

一、方案背景

对于大部分企业来说，销售部门是为企业直接带来利润的主要部门，说是企业命脉部门其实也不为过。

然而事实上是为数不少的销售部工作人员由于缺乏营销分析概念和方法，企业累积的大量数据得不到有效的利用，营销分析只停留在数据和信息的简单汇总和流水帐式的通报，缺乏对客户、业务、营销、竞争方面的深入分析，结果决策者只能凭着本能的反应来运作，决策存在很大的失误风险。

都说数据有价值，那么销售部门应该如何充分利用数据对市场预判，实时了解当下业绩情况，衡量三六九等客户价值，如何快速获取客户的信息做针对性销售呢？

答案是，不妨用BI搭建一个智能化的销售数据分析平台。

解决两个问题：

1、将数据信息化，汇总自动化，将销售管理者从传统的报表数据重复结算中解放，避免大量重复性的excel编辑工作

2、着重分析企业销售目标、销售活动、成本费用等销售重要指标的分析。

二、方案内容

接下来，本文将着重分享企业销售智能数据分析方面的内容干货，用的是FineBI搭建的销售数据分析平台：

1、IT技术模块——搭建销售智能数据分析平台

2、IT技术模块——直接对接销售数据库，自动化形成数据报表？

3、数据分析模块——如何让销售同时快速上手分析？

4、数据分析模块——如何让销售领导直接在线查看分析？

5、协同管理模块——如何在线分享数据分析报告？

三、方案效果及实现说明

1、搭建销售智能数据分析平台

这部分工作属于企业IT部门的前期数据准备工作，需要IT部门在FineBI的数据配置-数据连接管理中新建好数据连接，保证数据连接测试成功。然后添加销售管理业务包，将相关数据表加入并且建好立表间关联关系即可（如果是FineIndex类型的业务包需要更新好FineIndex数据）。分配好对应数据权限之后，用户即可直接在浏览器前端来对这些销售数据进行即席的多维探索分析。

以本方案为例，如上图所示，我们在销售管理业务包中添加好销售员信息表、产品名称表、分公司信息表以及销售目标表、客户信息表、合同信息表、销售活动表、合同回款信息表、活动费用表，并且建立好维度表和事实表之间的数据关联关系。

最后在数据配置-权限配置管理界面中将建立好的销售管理业务包的权限分配给销售部门相关人员，并且在管理系统-用户管理中将销售部门人员加入到BI编辑用户的已授权列表中。

2、直接对接销售数据库，自动化形成数据报表？

销售管理人员在使用分配好数据权限的账号登录平台之后，就可以新建仪表盘开始做基础的数据分析了。

我们以制作如上图所示的销售基础数据分析-销售人员分析页面例，首先使用仪表盘统计出企业的总销售人数，然后再用饼图统计出各大区的销售人员分布（这边可以看出我们上海区域销售人数是最多的，达到总销售人数的22.73%），最后用明细表组件展示企业的所有销售人员的销售姓名、所属大区、大区经理相关信息。这样一来，基础的销售人员配备信息也就快速可视化呈现在我们面前了。

销售人员分析的仪表板做好之后，销售人员可以申请给IT部门的超级管理员将该模板挂出到销售管理-销售基础数据分析目录下面，并且将仪表板开放给其他人员进行查看。另外利销售活动管理、合同信息查询的销售基础数据分析也是同理，用同样的方法做好之后申请给超级管理员挂出即可。

3.如何让销售同时快速上手分析？

a.销售目标进度分析

我们以上图所示的销售目标进度分析为例，对于企业销售管理来说，两个最核心指标莫过于销售额和回款额了。而企业通常每年都会设定销售目标额、回款目标额两个指标作为销售的年度考评KPI指标。

所以这样一来在每个时间阶段，作为销售管理者我们可以分析当前的销售额目标完成率、回款额目标完成率的总体情况。

I.销售额目标完成率=(销售额/销售目标额)*100%

II.回款目标完成率=(回款额/回款目标额)*100%

以销售额目标完成率为例，添加好总金额和销售目标额之后，在FineBI中直接添加销售目标完成率指标，输入“总金额/销售目标额”即可得到当前销售目标完成率的数据。

计算好销售额目标完成率以及回款额目标完成率之后，然后再按照区域逐级分解。这边我们按照区域对销售额和回款额分别使用条形图进行统计，然后降序排列即可。

接着对每个区域的销售额、销售目标额、销售额目标完成率、回款额、回款目标完成率进行分析计算，以便来分析当前影响目标达成进度的主要问题区域所在。最后添加好相关查询控件，调整好仪表板整体布局即可。

b.销售回款分析

销售回款分析方面，首先统计出当前时间段的应收账款、累计回款、累计回款率（累计回款率=累计回款/应收账款）这三个关键指标，用仪表盘进行展示。然后按照产品线进行分解，对比每个产品线的应收款款和回款金额数据情况。接着按照时间流逝维度进行分析，统计出当前时间区间的月度累计回款金额和月度累计应收金额，同时计算累计回款率。

最后分别按照大区和销售进行分解，统计对应大区和个人的应收账款、实际回款，计算出大区和个人的回款率。这样一来，企业整体到销售个人的销售业绩状况就一目了然了。

c.销售费用分析

销售费用分析方面，统计当年的费用开支总金额以及年度每个月份的费用金额。接着统计出各大类的销售费用模块分布占比、全国各个省份的费用金额分布、各个客户总费用的树图统计、销售费用开票统计、各销售费用排名统计相关信息，让企业的销售费用成本一目了然的以可视化形式呈现在我们面前。

4、如何让销售领导直接在线查看分析？

除了以上给大家介绍的制作一些企业常用的销售数据分析之外，FineBI最大的特性就是随时满足业务人员或者企业领导的数据即席分析需求了，通过轻松的托拖拽拽操作，就能生成丰富多样的数据分析统计结果。

我们以上图的年度签单&回款统计数据分析为例，只需要将签约年份字段拖拽到行表头，合同金额、回款金额字段拖拽到左值轴，即可得到每年的合同金额和回款金额走势了，真正做到想看数据“不求人”！

5、如何在线分享数据分析报告？

企业的各项工作，主要由各部门团队分工协作完成，彼此之间需要很好地进行沟通和配合，那么FineBI是如何帮助企业将销售智能数据分析成果实现团队协作共享的呢？

以上图所示的销售管理中心驾驶舱为例，展示了企业的签单金额、回款金额、单个合同金额分布、各地区/销售签单回款统计等等多个核心的销售管理分析指标。那么销售人员通过FineBI做好的一个销售管理里中心驾驶舱之后，其实在FineBI中可以非常便捷地将它分享给相关部门或者指定人员的。

例如我这边想把它分享给企业的领导人员，那么可以在FineBI的仪表板中将做好的销售管理中心驾驶舱模板点击分享给领导部门的Tom，然后点击确定即可。这样一来，领导部门的Tom登录之后就能收到销售人员给他分享的销售管理中心驾驶舱了。

数据平台的建设可以当做一个产品来设计。从广义上来讲，所有以数据驱动为核心的都可以称为数据产品（如数据报表平台，DMP，BI平台），从狭义上来讲，就是公司内部的数据平台。今天我们要讨论的，主要是在公司内部搭建数据平台。

公司的内部数据平台，主要是给各业务提供数据处理、分析、展示，供内部所有部门人员使用的，涉及数据的收集（填报）、数据的整合、业务报表制作、业务员数据分析以及可视化数据展示，目的是让公司内部的所有业务都能通过数据来驱动和辅助决策。简单点讲就是通过数据平台来驱动公司内部的数据化运营。

那么如何设计符合企业实情并能解决实际问题的数据平台呢？

1. 平台建设主导人需要对每一块业务需求有深刻的了解，知道每个业务部门想要看什么样的数据，需要什么样的分析报表；这些数据是否现在就可以获取到，是否需要收集；业务部门通过这些数据分析，是如何推进和改善业务，是否有提升的价值意义。

2. 平台的设计需要根据业务的要求设计符合使用者需要的内容，产品要有层级和结构。如果设计的一张数据报表既要满足管理层的需求又要满足一线业务人员的需要，那么这样的数据产品体验很大可能是比较差的。因为领导和业务人员的关注点不一样，看数据的视角也不一样。领导往往需要一些能帮助把握大方向的关键指标，并且希望知道这些指标之后的问题是什么？原因是什么？所以给领导设计的报表需要直观易懂，并且能够基于这些指标的一场定位到问题。而业务人员更在乎业务的执行，关注的数据往往粒度很细，需要知道各项指标的明细。

领导关注的报表（FineReport制作）

销售领导关注的指标明细（FineReport制作）

3. 数据平台一定要注意数据质量、规范、统一。因为数据平台是面向所有业务的，怎么保证公司的所有部门人员对于数据的理解是一致的，这点特别难。（比如服装行业的“断码”，从领导层来讲，公司仓储的服装全部尺码如果不完整就是断码；从仓库的仓管员角度来讲，仓库内的服装尺码不全就是断码；从门店的业务员角度来讲，客户需要的尺码当前门店无货就是断码）。公司的业务系统各有不同，数据口径不一，数据孤岛问题，导致数据的质量和结构也千差万别，越是这样，数据仓库的数据建设就显得尤为重要。平台的数据质量依赖于数据仓库底层的数据模型，所以一个好的数据仓库很大程度上决定了数据平台的数据质量。

4. 工具选型上，有报表平台、BI。报表平台适合构建基础的规范化的数据平台，从明细报表（表格类）的，项目档案，文件报备，数据填报，数据报表，业务主题分析，文中的所有demo就是用FineReport制作，侧重于展示和报表管理。BI侧重于分析，拿到数据可以自己拖拽维度来分析，不同于报表受模板框架的限制，涵盖简单的明细报表、分析报表和主题分析，制作要简单很多，大数据量的处理性能也强劲很多，代表：FineBI、Tableau.

下面我们就从实战的角度来加以阐述。

某公司是一家电商公司，那么该公司的各部门需要看哪些数据呢？首先收集日常常用的数据指标，哪些是经常要查询的，哪些是要日常填报的，这些在过往的经营中都有备案，好收集。这就构成了日常的基础查询类报表，这类报表最占大头。

其次，我们可以观察一下各部门的KPI是什么？下放到团队以及个人的KPI是什么？是否能以具体的数字来量化？如果对负责支持的部门的KPI不了解，就去寻求部门领导帮助（使用者最懂要什么），不落实指标如何能设计出好的数据报表？通常粗略的，例如采购部门的KPI基本就是销售额、订单数、销售毛利润、采购成本；运营部门的KPI就是新老用户述、留存率、复购率、用户流失、转化率，市场部门的KPI就是PV/UV、新客数，这就构成了各部门日常管理的报表。

那么知道各个部门的核心KPI后，下一步就是针对一些特定场景的主题报表。主题报表往往是记录某一事件，其中的指标都是相互关联的。

比如，我希望知道这个月我的绩效完成的怎么样？在团队内排名是提升还是下降？每个人的绩效结果明细是怎样的？——这就构成了日常考核报表。

又比如在分析产品时，需要重点关注某些产品的相对市场份额和市场增长率，则要建立波士顿矩阵分析，以便让资源有效地分配到合理的产品结构中（当然还有其他分析角度）——这就是品类分析。

产品分析（FineReport制作）

再从业务分析和使用场景入手，拿采购部门的小王来说，他是怎样看数据的呢？

每天早上，我希望知道昨天的销售情况怎么样？所以这时候应该设计一张基础查询报表给到他，这张数据报表应该具有以下功能和内容：

1.能够查看昨天以及过去各时段的数据；能够按照产品、地域来统计；能够与过往的平均值做比较，看看是不是某区域某产品的趋势上有大的变化，是不是广告投放，活动推广带来的，影响大不大。其次，每个月，每季度的数据是多少，能够选定时间段自动展示。

请点击此处输入图片描述

2. 指标越丰富越好，如果销售额下降了，看看是不是订单数下降了，订单数没变是不是客单价的问题，是由于商品结构的原因还是活动门槛调整导致的。

3. 数据分析的能够下达的粒度越细越好。比如数据粒度可以从全国下钻到省份，从省份下钻到城市，这样交易额下降了就能知道是哪个省哪个城市出了问题？就能针对性的解决。

请点击此处输入图片描述

经过以上几个步骤，即可形成平台雏形，形成规划文档。但一个数据平台，无论前期规划得多么丰富，也不可能一蹴而就。公司的业务在不断变化，分析的内容也越来越丰富，在这过程中总需要不断磨合和调整，只有不断完善之后，才能形成一个更加量身定制的实用平台。