1、看数据看维度

在对某一项业务或者业务的某个模块进行分析时，可以从大小两个角度去切入分析。

首先站在广阔的视角去看待一些数据。比如对某个产品（消费品），就要分析在大环境下是一个什么样的数据，如市场排名，市场占有率。还要记录市场整体波动情况，竞品的数据。这些一般可以通过第三方调研机构或者行业报告获得。

FineReport数据报表看板

然后需要分析针对这个产品你内部关心的数据是什么。比如每月每周的销售量，各渠道的销售量，广告、促销活动、线下活动、联合活动等带来的销售的提升和品牌知名度的提升。

当了解完以上的数据，就应该对这个产品方方面面的情况有个宏观的了解，对需要提升哪些数据指标有一个清晰的认识。之后就是细化到某个模块维度进一步分析，比如电商渠道需要关注的多一些，DAU、WAU、客单价、复购、用户流失等等，每个模块都可建立漏斗信息。实际分析时还要关注数据异常，做针对性分析。

2、什么是好的数据指标？

并不是所有的数据字段都可以当做指标。在选择监测的数据指标前可以先问自己几个问题：

一对于这个产品你核心关注的是什么？比如销售增长率、市场占有率？

二这些指标能够反映这个产品的走向趋势么？如果这些指标变好了能否说明公司是在往好的方向上发展？

三这个指标是否可控，能否操作？如果有些指标你目前的技术根本无法统计到，那也是无济于事。

四指标系设立是否严谨不存在漏洞。描述一个产品的一定是有系列指标，这些会标是否能完全的说明情况，在验证你的假设结论时，是否能完全支撑。

再来说说指标的数据和分析。

有时候数据本身也存在欺骗性，比如这个月的销售额是600W，另外两家最大竞品分别是300W和250W，似乎加起来也没有我们大。但是事实上，我们上个月的销售是800W，竞品分别是200W和180W。数据看上去很漂亮，但是按对比和比率来讲我们远下降了。

所以，好的数据最好一定是以比率的形式存在，要有对比性质的相对数据。

单纯一个或几个数据情况是没有意义的，点连成线，线构成面去展示，用图表展示一段时间的整体趋势，才能客观评价产品的健康程度。通常我们用BI或者报表搭建数据看板（dashboard）监测重要的数据指标。

FineReport数据报表看板

数据分析要有目的性，不要被数据迷惑。上面的数据就是只关注了销售额情况，但忽略了整体分析而导致的表面欺骗。

3、发现数据异常，该从哪几个维度去分析？

有时候总量的角度是无法看出问题的，比如销售额、UV下降了，我们需要进一步细化去分析。看销售额总量的时候明显是下降了，先确定大的市场有没有波动，竞争对手有没有动作，需要查看市场总额以及竞争对手每个品类的数据。然后分析自身，每个渠道的销售额情况监测，每个区域的销售额情况，每个时间段的销售情况，把活动时间比如五一的数据扣除拟合，将有问题的标记出来。如果是渠道问题优化渠道，如果是市场波动，需要全局考虑战略和市场对策。

所以如果是销售额的分析，需要从渠道、活动时间点、地域等情况去深入分析。比如，是不是因为十一的活动导致销量有个明显的上升趋势？是不是因为上周搞了促销活动，导致本周一线业务员有个消极缓冲的时段，整体销售额低迷。

另外，数据一场也不是什么坏事，如果再数据分析过程中发现某数据表现极好，比如某渠道的销售增长率很高，是不是可以思考为什么会这样，有什么好的经验借鉴，甚至是不是要考虑调整渠道的投放比率。

4、不同阶段的关键性指标应该是随着业务的变化而变化的

在做数据分析前，我们会确定分析的目标，每个阶段不同。以电商渠道为例，有时候是分析各类活动效果以进一步优化方案或者挑选最合适的方案，留下分析模型以便后续活动对比预测；有时候是研究广告投放，在预算内让营收最大化；有时候是增强用户粘性，提高用户活跃度。

所以不同阶段无论是关键性指标还是KPI都要做相应调整。比如产品投放初期，关注用户数、订单数，后续考虑用户活跃度，回购率，客单价等等。

财务报表是反映公司财务状况的重要数据报表。结构清晰，展示全面的财务报表能够帮助企业的管理人员深入分析报表数据，挖掘数据价值，帮助企业查找问题，以便使企业运行的更加良好。

下面列举使用葡萄城报表制作出的清晰美观的财务报表。

资产负债结构表

这张报表展示了财务三大报表之一的资产负债表，报表让企业现有资产和负债情况一目了然。

费用报表

通过费用报表，可以清晰的查看公司的费用情况趋势等，以便为节省开支计划提供数据依据。

库存分析报表

库存情况代表了企业的生产成品实际的流动情况，反映了企业的销售等情况是否正常。通过库存分析报表，企业的管理人员能实时掌握企业的运营状态。

以上报表均包含在葡萄城报表模板库中。

了解报表模板库：http://grapecity/enterprise-solutions/activereports_server/library/

转载请注明出自：葡萄城报表

关于报表模板库

报表模板库是葡萄城面向广大报表用户推出的免费报表制作、学习及参考工具。通过该工具，降低用户制作报表难度，人人都可成为报表专家，业务数据分析不再遥不可及！

仅需一步！无需配置环境及参数，即可快速浏览百余套来自真实行业的案例及典型应用模板，在了解专业报表的布局及功能的同时，掌握报表从设计到呈现的全部技术细节，还可通过自带的设计器，所见即所得的修改报表模板，并查看效果。

20世纪30年代，宝 洁诞生了第一位产品经理，全权负责一款肥皂的生产、销售以及全流程的成功。

80多年后，随着互联网的蓬勃发展，出现了越来越多的产品以及和产品相关的各种岗位。；围绕产品的思维与工作方式被越来越多的人所认可，产品成功的思维模型被搬上了课堂。

数据报表，作为一个链接IT部门和业务的中间件，承担着信息沟通的作用：数据展示业务信息，为业务决策提供依据；业务产生数据，最终以数据报表的方式呈现。

同样，我们也可以用产品工作的方式来复盘一下搭建报表系统的整个流程，并且和产品的上线流程做一个对比。

产品的上线流程

市场分析——>竞争分析用户分析——>需求（场景）分析——>功能设计——>开发——>发布——>运营——>迭代

互联网产品初期，在初次面向市场的时候，产品往往是一个MVP（最小可用单元），通过种子用户的反馈，分析使用数据，验证产品的可用性，快速迭代，逐渐修正与完善。

报表系统的上线流程

同行业报表项目参考（行业咨询）——>业务部门需求采集分析——>报表设计——>上线——>end

绝大多数的企业在报表上线之后，都忽视了一个关键动作——运营，以致于IT部门陷入了一个怪圈，疲于应付业务人员的需求，天天加班工作却得不到认可。实际上，系统上线不等于终点，被大量使用与认可才是成功的第一步！

产品如何做运营

1、冷启动

冷启动是什么？冷启动是一个产品刚诞生的一个阶段，此阶段的产品面临着以下问题：

缺少用户及相关资源。产品模式未成熟，能否满足用户，迎合市场趋势仍是未知数

因此，在此阶段的主要目标的作用有：

根据数据分析，验证产品是否满足用户需求验证是否能符合市场趋势验证商业模式是否成立

互联网产品怎么做？

种子用户，聚拢一批符合产品目标人群的用户，获取真实的使用数据MVP（最小可用单元）验证，判断产品是否满足了目标用户的最小可用需求存失分析，依据用户的真实使用数据，分析留存的原因（建立产品优势），放弃部分的流失用户，修正产品的定位。

2、高增长

高增长是指在产品通过市场验证，处于快速发展的阶段，通过运营实现产品用户与价值的持续增长

互联网产品怎么做？

持续推广与曝光精细化运营，针对人群、场景、流程做差异化细分运营的运营策略，提升运营动作的效率最大化基于用户数据分析的产品不断迭代优化

报表系统如何运营

帆软的一家互联网行业客户告诉我们，为了让报表系统被业务部门认可，IT部门在上线报表系统的初期以及推广期主要做了4件事：

1、冷启动阶段

a.寻找种子用户

优先挑选了营运部门的管理层作为种子用户，依据需求为其定制了PC、移动端两张营运报表，报表上线后不断关注其访问量趋势，发现移动端模板的活跃度更高，并且用户对模板的评价非常好，随着口碑的传播，分公司的营运部门也提出了类似的需求，IT部门开始重新考量整个营运部门的需求，为其系统化的搭建报表应用

b.简单的用户数据分析

这个阶段的用户数量和模板数量都还处于一个比较小的数量级，只需要通过用户的访问数据，验证报表是否满足种子用户的需求

2、高增长阶段

a.从三个维度和两类应用场景分析用户的使用数据，关注性能与用户体验，促使报表系统不断优化

三个维度：

1、报表系统的整体访问趋势

——把控报表系统的整体运营状态，研究用户的访问习惯，合理分配资源

2、每一位业务人员的访问趋势

——充分掌握哪些业务人员的数据诉求更为强烈，那他们的数据需求被响应的优先级将会更高；那些一个劲提需求，却没有访问量的部门，我们需要重新核算成本，降低他们的需

求优先级

3、每一张报表的访问趋势与性能体验

——每一张报表都是一个产品，同样也有完整的生命周期，不被需求的报表要及时的淘汰，降低运维成本；访问量火热的报表要纳入优化迭代，提升用户访问感知，深挖需求，扩充业务场景

两类应用场景：

数据大屏/移动端报表

——什么样的数据分析场景更加在哪类终端上访问量更高？我们是否需要为其专门打造一张移动端的模板，更美观的样式，更人性化的交互效果？

b.主动推送与推广

——内容推广

伴随着报表系统的不断迭代，每一次为业务人员扩充的应用场景需要通过渠道来推广与宣传，促进用户的使用率，这个渠道可以是企业内部的宣发平台，也可以通过C端市场中的新媒体渠道（微信公众号等）

——报表推送

业务人员常用的报表可以通过帆软提供的推送功能直接触达最终用户，培养其对报表的使用粘性

帆软能提供哪些帮助

1、固化的用户行为数据分析

FS平台为用户提供了常用的运营数据统计功能

访问量数据：包含平台访问次数、模板访问次数、用户数等内容模板热度：不同模板在周期时间内的访问总数用户行为：不同用户在周期时间内的访问总数，并且区分统计出查询、导出、打印等不同的用户行为性能监控：不同模板的平均响应时间、平均内存等内容

注：模板热度、用户行为、性能监控数据统计需要安装“高级系统监控”插件

借助于常用的运营数据统计，我们可以对报表系统做一个整体的评估，对整体的访问量、模板热度、模板性能做到心中有数

2、深入的用户行为数据分析

作为数据分析的先锋，只要有数据源，没有IT做不了的运营数据分析。FR会将用户的访问数据存储至logdb数据库当中，可以直接通过设计器链接数据库定制运营所需分析模板

我们需要关注logdb数据库中的两张表与一个字段

表：PUBLIC.FR_EXERECORD

该数据表是报表正确执行日志表，即如果报表执行成功，将会在该表中添加一条记录，并在相应字段中填写其对应的信息记录

表：PUBLIC.FR_FSRECORD

该数据表是为了统计一段时间内，系统的使用情况，用于管理员查看在线用户数及用户系统使用情况，因此用户登录决策系统时，将登录信息保存入库，将会在该表中添加一条记录，并在相应字段中填写其对应的信息记录

字段：BROWZER

该字段记录了客户端访问报表所用的浏览器版本以及移动端信息terminal：包含终端类型、app还是h5等信息。例如：“terminal”：{"OS"："app"，"type"："mobile"}

借助于以上内容，我们就可以定制出自己所需的数据分析报表，重新把控报表系统的运营情况，为后续的迭代提供指引

3、主动推送与推广

帆软为每一种报表使用方式与场景都提供了消息推送的服务，包括了：平台消息推送、微信/钉钉消息推送、APP推送、邮件推送等

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。

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●)

从主营范围分析业绩好坏

一个上市公司的未来发展到底好不好我们看的不是他一时的盈利能力，而是看他的持续性，一个上市公司的股票能不能持续走牛或者说这只股票的涨幅空间还要多大，一般都是由公司市值空间决定的，而决定市值大小的判定就是公司的发展前景好不好以及能不能持续发展，一个公司要能持续发展靠的就是他的主营业务，这也就是我们今天要讲的核心内容，怎么从财务报表的主营构成来分析公司未来发展的前景。

一个好的上市公司或股票他要能持续发展下去靠的一定是公司的主营业务，也就是说这个公司是做什么行业的，那么你的主营构成和公司的主要来源一定是要从这个行业所赚取来的，如果你发现一个公司明显是做食品的，结果他的主营构成却是靠食品包装，卖地，租地，等等，，都是靠的一些与公司主营不相关的业务来赚钱维持公司，那么这种财务报表我们就可以把他判定为非常不好的报表数据，也就是我们常说的公司业绩能力不行的公司

以上截图是斯莱克的财务报表的主营构成，斯莱克是属于专业设备制造板块的股票，看财务报表的主营构成时大家要先看他的经营范围是什么，如这只股票的经营范围是，研发，生产，加工，以及易拉罐制造设备，从这里我们就知道 这个公司主要是干什么的了。

接来下我们在来看他的主营构成，由于图片的大小原因，我只截图了3个季度的数据，从这3个季度的数据可以看出，斯莱克这只股票的主要盈利是靠易拉罐生产设备，然后在看他的地区内类里，还有标明有外销，也就证明这公司所生产的易拉罐设备制造还要出口订单，营业收入也是一直保持盈利水平，这种财务报表数据就也就告诉我们，斯莱克这个公司的股票是非常健康和稳定的。

在来看一个财务报表不好的案例

分析方法同上

首先看他的主营范围是什么，在范围标识内我们看到这只股票是做机械设备，仪器仪表相关行业的。

在来看他的主营构成，从主营构成中我们能看到他的主营构成中根本没有出现和他经营范围有关的收入，而是靠一些其他（补充）项目来盈利维持公司发展。

相信说到这里大家都应该知道怎么分辨一个公司到底能不能持续发展下去，或者说一只股票的业务到底好不好，您只需要从这个角度入手就可以了。你其他项目经验的再好，如你公司的特长没发挥出来我相信你在未来也会被淘汰。

企业报表分析不是简单汇总与上报

现代企业信息化程度越来越高，ERP、BI、进销存等管理系统，各类数据报表、分析报告随处可见。暂不说企业信息化是企业办公、电脑、网络一体化，或者是企业管理模式信息化，总之，所有这些做法的初衷都是好的。走进办公室总是一派繁荣景象，办工作桌总是有一大叠A4纸码得整整齐齐，有多少管理人员关注过，在这祥和热烈的气氛中又有多少混乱与浪费？

这是一张所有人都能够看懂的企业金字塔组织结构图，我们现在把企业报表和这张结构图对应起来，再结合当前你所认识的、了解的企业报表工作，你将不难发现，总是有一些企业，在报表分析当中，不分管理层级需求，将所有能够看到的数字以报表形式上报，没有体系，只有混乱。用一句话来概括：企业数据报表的的分析，就是汇总和上报！（这些企业大概是小规模的吧，一般中型、大型企业都有一套企业报表规范）

抓住企业报表需求分析是关键

有以上混乱状况出现，也可以相对看出，公司发展遇到了些许瓶颈。员工每天忙忙碌碌，兢兢业业，可是生意却总是不见有所回报。解决这个问题，抓住企业报表需求分析是关键。

此图所示是未经调查的纯主观想法，只做参考。有一部分人或许不认同高层报表的需求，不同的管理人员有不同的想法，可以理解。我想高层人员更应该注重战略决策、行业趋势的观察等工作，而报表分析工作的重点应由中层及基层人员主抓。报表设计的思路必须进行根本上的转变，在设计、制作一份报表前首先搞清楚谁将会看到这份报表，能不能从报表中发现一些问题，甚至该问题的解决方案。从上而下，或者从下而上去观察，我们的报表是否应当遵循一定的报表体系要求，是否具备规范的制作、分析、解决流程。

区别对待过程性指标和成果性指标

从报表的构成来看，体现生意上的一些指标是必不可少的。因此，针对不同的指标，设计不同的报表，是第二个关键。原因很简单，某些指标是成果性的，而某些指标是过程性的，不能一视同仁。比如计划完成率，做这个报表时，工作已经结束了，而各品类占比这个指标，却时刻体现着工作正在进行的状态。那如果我们把这种过程性、结果性的指标区分开来，或许会有意想不到的收获，而不是所有指标统统拿给领导去看。最后，推荐一本与此相关的精品图书：《用数据决策:构建企业经营分析体系》

石油与天然气行业信息化数据分析

信息化系统的重要性

石油与天然气行业是一个系统性的行业，需要多学科，多专业，多领域结合才能达到最终使用的和完善，包含石油行业勘探与生产领域，炼油与化工领域，天然气与管道领域，销售领域，而每一个领域又可以划分很多明细如勘探与生产领域又包含地质勘探，地质分析，测井工程，钻井工程，采油工程，油气集输工程。无论是中间哪种环节，都意味着有大量的数据记录及分析，比如某油田年产量5000万吨当量，各个环节尤其是基础性操作的数据量可能会非常庞大，信息化系统的容量及有效的设计，能够更好的帮助行业企业去管理数据，监控各环节，从而将传统经验管理，人工巡检等用各种电子设备代替，提高生产效率，减少用工。

石油行业的信息化系统也可谓是最为复杂的系统。信息化系统对于石油行业也是至关重要，甚至决定整个行业未来的发展和趋向。

信息系统，能够将业务管理搬到计算网络上运行，提高业务效率和精细化管理。对于新建单位、新增业务，马上部署已有的系统，能够迅速应用成熟的业务流程和管理模式，有效地支持业务快速扩张【1】。

石油的开采历史非常的悠久，而且开采的技术也在不断的进步，所以随着工程技术的进步与发展，信息化系统也会与之更新匹配，据数据调查显示61%的调查者均认为技术进步是当前的重要外力，如果为未来准备，石油行业将面临着利用战略性技术改善运营，减轻环境影响，寻找新的能源，并实现关键成功因素。[2]

石油天然气行业2030展望中说到：“我们预计未来的技术进步将以四种方式为石油和天然气公司的业务提供帮助 – 前三个方面与生产技术相 关，而第四个方面是关于如何应用信息技术”，集成多学科人力资源、信息交换、技术和工作流程，以增强业务安全和效率。

信息化系统能够在整个企业中发挥非常重要

通过集成化信息框架实现协力作用；

使员工能够远程工作，在全球范围内运行多样化的价值链和资产；

根据需要在正确的时间为正确的人提供正确的信息， 用于更好地制订决策

而信息化系统建设的很重要的一部分则是数据管理，将各个领域从最前线的数据采集，记录再到处理，汇总分析，存档需要多方面管理数据。每一个环节不容半点差错，

勘探与生产领域涉及数据记录最多要记录多个方面，有了初始的方面如何将原始数据转换为典型的行业报表进行数据记录分析。

信息系统核心基础-数据

石油行业，由于流程较多，涉及的专业繁杂，决定了数据类型多样及多量，如最基础的数据涵盖了地址勘探、钻井、录井、测井、试油试采、储运集输等，数据种类上百项，格式多样除了常见文本数据，图幅图件，还有专业的数据标本。这些数据是整个后期运营维护的基础，不仅是对于能够输出业务分析汇总的结果和报告，监管并保障整个流程的正常，而且也对于整个行业业务发展有着重要的参考价值。【3】

只要很好的将原始数据，以行业规范的报表格式，记录，展示，汇总才能最大发挥油田数据的价值，因此整个行业的信息化系统中最为基础也最为核心的则是数据处理。

数据处理的需要经过对数据的采集，存储，检索，加工，变换并传输给需要的人们使用。

1. 数据采集:采集所需的信息。

2. 数据转换：把信息转换成机器能够接收的形式。

3. 数据分组：指定编码，按有关信息进行有效的分组。

4. 数据组织：整理数据或用某些方法安排数据，以便进行处理。

5. 数据计算：进行各种算术和逻辑运算，以便得到进一步的信息。

6. 数据存储：将原始数据或计算的结果保存起来,供以后使用。

7. 数据检索:按用户的要求找出有用的信息。

8. 数据排序：把数据按一定要求排成次序。

数据处理则是需要从大量的、杂乱无章的、难以理解的数据中抽取并推导出对于某些特定的用户和业务是有价值、有意义的数据。因此数据处理的核心则是将存储的数据通过一定的操作，如分组，排序，计算展示给业务人员来进行业务分析和监控。所以这就涉及最为重要的是如何将数据，以报表形式展示给业务人员。

数据报表特征

表格类报表为主

石油行业产出的大量数据都是为了进行详细的现场记录，保证每一个环节都有据可查，记录明细，因此石油行业的报表主要以表格类报表为主，在传统制式表格的基础上信息话记录和展示数据，省去人工记录，存档而后查阅数据时面临数据难找，难以统计分析的现状。

格式行业要求

石油行业有很悠久的历史，因此内部完善成型了一整套的标准和行业规范，所以很多行业标准的制式报表，所以特殊的格式融合了很多中国特色的

细化的时间段记录

石油行业包含多个领域，如风险类的施工作业，需要提供24小时值班记录；井下作业井控检查表会定期小修，定期大修理，所以定期都要输出检查报表。

每天作业都要记录日报表，因此石油行业的报表都是按照不同的作业频率去记录的，所以产出量也是有特殊的要求和格式。

类Excel跨单元格计算

石油行业的报表不仅除了基础数据的展示，还需要在原始数据中进行二次计算，得出专业数值，如图中蓝色标记的是需要计算，是根据纯流量除以混合流量计算而出的。而在统计行列，需要根据合计的纯流量和混合流量，去计算统计的浓度。

在石油行业的报表这种类excel跨单元格计算非常常见，所以在处理数据中，设计人员需要能够精确获取到某一个单元格的值并运用到计算中。

特殊符号显示

很多行业都有其专业的符号，而在石油行业中涉及地址勘探等领域，也存在大量的特殊符号及公式要展示，如果这些符号无法展示数据的意义也就不复存在。因此在数据处理中需要能够很好的展示和处理特殊符号。

满足需求的图表展示

石油行业虽然大部分都是以表格类的报表为主，但是除了要记录基础的数据外，也需要将整个数据整理为报告输出，去描述整个业务的发展趋势并进行预测，所以报表中也需要一些可视化的方式去创建报表。

选择合适的报表工具

在石油与天然气行业中，部署新技术的准备周期过去要长达16年。因此更换整个信息化系统的代价和成本也是非常高昂的，石油行业的业务信息系统基本都采用迭代更新，不断的随着前端的采集挖掘技术去升级现有的信息化系统，因此很多数据工具的选择也是基于最早的原型系统上。

选择具有良好的兼容性系统，而非流行性语言开发的工具，大多数的石油行业的信息化系统都是基于 平台开发的，因此报表工具主要选择是 平台工具。比如石油行业大多使用 Visual Studio 集成开发工具开发，所以在选择报表工具时，能够无缝集成到Visual Studio 中，对很多行业系统开发人员来说非常重要，有很多集成性很好的报表工具 如ActiveReports 报表工具， RDLC原生报表工具。

能够解决中国石油行业特征的报表工具， 如制式表格，交错的布局格式，单元格为基准的复杂计算。所以报表工具的选择，必须要能够解决本行业特色的复杂报表。这一点推荐使用ActiveReports报表控件，它擅长解决表格类报表的设计和展现，而且工具内嵌了很多表格类的控件，如表格，列表控件，矩表控件，创建复杂的表格类报表也就变得简单了，尤其是在创建大批量的不同业务的表格类报表，会节省大量的开发成本。

简单易用设计器，极大节省报表设计成本，石油行业的系统本身是很庞杂的，因此涉及的报表数量和种类也会非常多，所以整个报表设计器一定要简单易用，让开发人员或者报表设计人员能够很快上手，并快速设计需要的报表模板，节省数据展示的成本，提升开发效率。

高性能，石油行业每一秒钟都有可能产生大量的数据，因此作为报表展示，要满足啊高负荷的数据加载和获取，所以工具的选择，性能非常重要，要满足大数据开发。比如 ActiveReports百万级数据前端加载，能够在数秒钟展示。这个是非常重要的， 很多报表工具通过持续优化整个产品的设计体系及实现架构，提升性能。快速部署&高集成，信息系统要求数据中心简单快速部署，以满足业务快速扩张需求。高集成、部署成本低，因此选择报表工具需要无缝嵌入到信息系统当中，还需要满足快速部署的可能，这样的话就需要使用的工具，能够对部署整个程序无任何额外的操作和影响，ActiveReports 是完全嵌入 visual studio开发C/S， B/S, 移动端项目，部署不需要任何其他设置，与部署普通的 项目一致，从而降低开发人员部署出错等问题。可扩展性，数据量会大幅增加，同时要求数据中心可平滑扩展。如果工具仅限于现有的功能，那很难满足业务的发展或是行业特色的需求，因此在选择工具的过程中可扩展性非常重要。工具必须为业务开发人员提供灵活的API 接口，并在此基础之上提供可定制功能。

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。

如果你作为一名SEMer，每天80%的工作时间是打开后台，监控核心关键词的排名，每天去调整价格，调整移动比例，否定一些垃圾流量的话，那么我会觉得，你与一名优秀的SEMer人员之间，还有很大的提升空间。

因为一名优秀的SEMer，每天应该有80%的工作时间在做数据分析，20%的工作时间是最后将数据分析出的结果进行后台操作。有人问过我，你认为SEM推广的核心是什么？我以多年的经验总结出两个因素：“行业市场分析”与“数据分析”。

数据分析基于推广数据的筛选与总结。数据报表也分为两种：一种是 后台数据报表（账户报告、关键词报告、地域数据报告、搜索词数据报告等等），这些报表可以后台直接下载筛选使用；

还有一种是 基于第三方统计平台与代码标记的数据报表（关键词跟踪报表、url转化报表、各平台流量占比数据报表等等）。接下来我就给大家分享一下如何筛选适合自己推广数据报表以及如何筛选数据有价值信息。

一、账户报告

数据分析重要程度：★★★★

阐述：账户报告是推广数据分析最基本数据报告，账户报告可以清楚显示出账户推广的展现量、点击量、消费量、点击率、平均点击价格。做日报表或周报表可以做出环比数据值，可以清楚分析整体账户推广情况。

要根据自己账户推广设定限值，当环比数据达到限值得时候，就要重点关注分析。即使环比数据是正向发展，也可以分析出来原因，这样也可以明确效果提升的原因。

例如：推广账户数据环比展现量限值5%，既展现量环比增长5%还是降低5%都要明确分析，如发现今天账户推广数据环比昨天降低7%，既触发限值，结合实际调整操作可分析得知，昨天核心词有调整匹配方式，有4%的长尾关键词昨日没有置左展现，所以根据数据可以清楚知道账户环比降低原因。

根据原因作出相应正向调整即可。而且账户报告，每天的PC与移动的消费占比也一定重视，账户的效果波动可能也多数与PC与移动消费占比有关。

二、搜索词报告

数据分析重要程度：★★★★★

阐述：搜索词报告是作为数据分析与sem优化最为重要的数据报告之一。推广流量精准度与否都可以利用这个搜索词报告一目了然。

但是搜索词报告大部分人都是基于后台搜索词报告直接进行否词操作，而且有很多人都是看见一个不相关的搜索词马上否定掉。最后会发现我们计划否词数或者单元否词数不够用了。

其实 对于搜索词报告我们一般都是将每天搜索词报告做一份excel透视报表，可以透视清楚哪些搜索词垃圾流量触发点击数最多的，超过2次以上点击垃圾流量进行否定处理。触发一次搜索垃圾流量一周集中累计再集中做出透视数据分析，最后看出那些单次点击一周内累计垃圾流量多次触发的搜索词再进行否定关键词。

搜索词报告另外一个数据作用，将有检索搜索词有效添加到投放关键词中。这个也是拓展有效关键词最有效的数据支持。

三、关键词报告

数据分析重要程度：★★★★★

阐述：关键词是sem推广投放核心，关键词数据报告也是所有关键词报告数据分析的最重要的参考数据。但是关键词报告一定是要结合其他数据报告一起分析，才能筛选出我们有效的数据，下面就给大家分析几种比较实用的数据报告结合分析组合。

1）关键词报告与搜索词报告：根据搜索词报告可以 拓展有检索关键词；其次搜索词报告匹配出垃圾流量，不一定要做否定关键词，有部分单次点击垃圾搜索词可以结合关键词报告数据，对于关键词进行匹配方式调整。

2）关键词报告与咨询转化报表：每天结合咨询平台中有效咨询所触发的关键词报表与搜索词报表进行 核算每个关键词转化成本，这样我们可以集中投放高转化关键词，控制高消费低转化关键词消费。

3）关键词报告与账户报告：关键词报告与账户报告关系是包含于关系。即账户数据异常要排查到关键词报表中关键词，所以 账户报告要与关键词报告对应查看与分析。

四、地域报告数据

数据分析重要程度：★★★

阐述：地域数据报表主要作用是明确各地域消费占比与各个地域推广数据。如果对于此数据调整，可以结合后端转化数据进行调整。

调整各个地域消费占比依据：

1、根据后端转化效果进行地域消费占比调整；

2、根据业务地域需求度，进行地域消费占比调整。

五、url跟踪转化代码数据

数据分析重要程度：★★★★★

阐述：url跟踪转化代码数据是定制型数据报表，适用于多平台推广及转化统计。

这类代码与url部署后数据优点：

1、各个平台转化有区分；

2、url部署有利于监控着落页表现；

3、关键词转化id可以直接统计转化词。

4、如果推广有项目区分，可以另行标记区分。

这样统计出来数据可以区分：

1、关键词转化监控

2、地域转化监控

3、项目转化监控

4、平台推广转化

最后，想说跟大家分享了这些比较常用数据报表与数据的分析方式，只是比较 有代表性与实用性的数据报表。SEM 数据分析还有很多需要大家深入研究与专研的。我个人也给予大家几点 SEM 数据分析注意事项：

1、所有数据报表要坚持多维度相结合进行分析处理；

2、数据分析一定要作为日常优化流程，不要账户出现问题才进行数据分析排查问题，日数据异常要积极分析与调整，才能让账户推广效果稳定；

3、数据筛选是数据分析的基础，大量的数据要筛选出有效的价值，依据有大量数据的分类、筛选、过滤等环节进行数据提炼，这个最好要有良好的Excel技能支撑才会高效的进行。

数据分析是我们SEM推广调整的支撑，如果你是一名好的数据分析师，那么还会玩转不了SEM推广吗？

|来源：艾奇学院

百家号-【袁帅数据分析运营】：袁帅，互联网数据分析运营实践者，会点网事业合伙人，运营负责人。CEAC国家信息化计算机教育认证：网络营销师，SEM搜索引擎营销师，SEO工程师。数据分析师，永洪数据科学研究院MVP。中国电子商务协会认证：中国电子商务职业经理人，畅销书《互联网销售宝典》联合出品人之一。中国国际贸易促进委员会:今日会展会员联盟VIP个人会员，全经联园区委秘书处成员，中国低碳智慧园区联盟理事，周五咖啡媒体人俱乐部发起合伙人。百度VIP认证站长，百度文库认证作者，百度经验签约作者，百家号/一点资讯/大鱼号/搜狐号/头条号/知乎专栏/艾瑞专栏等媒体平台入驻作者，互联网数据官（iCDO）原创作者，互联网营销官CMO原创作者。