新华社北京6月22日电（记者陈炜伟）十三届全国人大常委会第三次会议22日分组审议了关于检查统计法实施情况的报告。与会人员表示，要切实提高统计数据质量，加快形成推动高质量发展的统计体系。

与会人员认为，要加大统计执法监督力度,确保统计数据质量。

彭勃委员说，建议加大对统计造假、执法监督不力的惩戒力度，提高违法违纪的成本和代价，促进统计法的有效实施。

全国人大代表余梅说，要提高统计执法力度，做好资金、设备等保障，提高统计执法队伍自身素质和工作水平。

有委员提出，要推进统计数据共享，提高统计信息使用效率。

冯忠华委员建议，加大统计数据的共享力度，最大限度减少重复统计。在统计指标体系设计方面要充分兼顾各个部门在管理工作中对数据的需求，在数据共享机制的建设方面要最大限度满足和方便各个部门数据使用的要求。

与会人员还提出，完善统计体制、构建现代化统计调查体系是推动统计法实施的重要方向。

“深入研究开展创新发展、协调发展、绿色发展、开放发展、共享发展的统计监测，为实现高质量发展提供有效的统计保障。”李学勇委员建议，结合国内生产总值核算方法改革，更好地反映供给侧结构性改革和高质量发展的要求，开展深化“三去一降一补”的统计监测，完善对新产业、新业态、新模式的统计，健全反映经济提质增效、转型升级的统计指标。

尹中卿委员建议，引进现代科学技术，利用互联网、大数据、云计算等方式，加强研究预测，加强抽样调查，丰富统计方式和方法。

试论统计学与社会经济之间的关系

1 统计学在社会经济中的作用

统计学在社会经济研究中的重要作用主要表现在以下几个方面：　　1.1 为收集经济数据提供必要的方法　　现代经济学的研究必须在定性分析的基础上，建立经济数量模型，开展定量分析。因此首先有必要收集必要的经济数据。经济统计学给出了各种经济统计指标的科学定义和计算口径，给出了具体收集各种指标的方法和途径。离开了统计学的支撑，就不可能得到充分的能够真实反映客观世界的经济数据。　

1.2 为总结和提炼客观经济现象的数量变动规律提供方法　　社会经济的个别现象受多种复杂因素的影响，其中包括了相当多的偶然因素，只有通过统计的大量观察法，才能从偶然中发现必然，总结出现象变动的数量特征。微观经济学中著名的恩格尔曲线（Engel’s curve）与宏观经济学中的菲利普斯曲线（Phillips curve） ，就是通过统计观察发现数量特征的典型事例。　　1.3 为检验经济学理论的真实性和完善程度提供方法论基础　　任何经济理论都只是相对真理，只能在特定的历史阶段较好地解释某些经济现实。因此需要人们利用经济数据去检验这些理论是否能够与实际情况相符。这种分析被称为实证分析。实证分析所获得的新知识常常为实质性学科的研究开辟新的领域，例如消费函数。　　2 社会经济统计研究成果的评价标准　　美国著名统计学家Tukey1962年发表了题为“数据分析的未来”的长篇文章，论及对数理统计研究的评价标准。对分析数据工作有无直接作用。是否发明了新的统计方法或者将一些统计方法组合应用于新的领域。对分析数据工作有无间接作用。虽然未发明新的统计方法，但就学科的理论框架进行了有益的探讨，为学科的发展、揭示新的方向或思路，或开辟新的研究分支和领域。如费歇在1921年发表的题为《理论统计学的数学基础》和1925年发表的题为《点估计理论》的文章，虽则并末提出新的统计方法，但其中所提出的概念和理论框架，主导了以后许多年的数理统计学的研究思路影响延续至今。成果的数学水平。解决或推进有统计学背景的数学问题方面有独到和创新之处。　　对于社会经济统计研究来说，衡量社会经济统计研究成果也可以有类似的三个标准：　　第一，经济学标准。通过对经济数据的分析，发现了新的经济规律，或者是很好地论证和说明了某种经济现象发展的趋势和数量变动规律。

第二，对经济数据分析工作的直接作用。提出了新的经济指标及其核算方法、发明了新的分析方法或者是将产生于其他领域的方法成功地应用于经济社会领域，或者是巧妙地结合运用已有的方法等等。　　第三，对经济数据分析工作的间接作用。虽然未提出新的方法，但就学科的理论框架进行有益的探讨，为学科的发展、揭示新的方向或思路，或开辟新的研究分支和领域。关于大统计学科的讨论等等，经济统计领域大国民核算体系的提出等等也属于类似的工作。　　长期以来，我国的数理统计学界，采用发展纯数学的方法去发展统计学，特别是在成果评价方面，重理论轻实用。这种“政策导向”使许多数理统计学者对实用问题不感兴趣。研究内容流于空疏，无补于实际。　

我国的经济统计学界没有很好地将现代统计方法应用于社会经济领域，去得到一些非统计专业的经济学者难以得到的很有参考价值的定量分析结论。因此，难于获得社会的支持。使学科发展的“良性循环”无法形成。相当一部分经济统计学论文的统计特色不够鲜明，不会江统计学深入运用到社会经济领域。与经济学其他学科的研究没有明显的区别。个别论文甚至只有文字的论述或数学公式的推导，而很少统计方法与统计数据的应用。　　3 统计学在社会经济领域中的正确运用　　3.1 坚持统计学的正确方向　　对社会经济进行研究时，需要应用通用的统计方法，但更重要的是要密切结合有关经济理论，建立和完善以有关经济现象为对象的特定的统计方法。因此，搞经济统计时不能盲目照搬照抄西方经济理论，而应该从我国国情出发，要密切结合社会主义市场经济发展需要，将研究适合经济领域特有的统计方法作为研究的重点，同时积极参与重大社会经济问题的研究，发挥经济统计学的作用。　

3.2 经济研究最重要的是经济思想而不是数学公式　　不能以数学水平的高低来衡量经济学家的水平，也不能以运用数学的多少和它的难易程度来作为评判经济学论文质量高低的标准。我们在对社会经济进行深入研究时，不能将简单问题复杂化，不注意问题的实质和方法的适用条件，片面追求复杂的方法和复杂的模型。我们应该找的最佳的方法和手段来解决复杂问题。　　3.3 重视社会经济思想的运用　　在肯定数学在经济学研究中的重要作用的同时，需要指出：经济学不是数学。在经济研究中，经济思想是最重要的，数学和计量方法只是体现和执行经济想法的工具。经济学的主要领域是靠经济学知识而不是数学取胜。

只是对政府的债务进行了简单的分类，而对其他的存量信息并没有作出统计。也并没有建立一个体系能够详细地描述流量和存量，所以，在核对政府的财政状况时，我们的依据只能是财政的收支情况，加大了预测风险的难度。现行的统计制度已经不能与时俱进，其中出现了很多不全面、不协调、不统一的问题，由于这种制度的不完善，导致了一些统计数据质量非常差。

我国现在财政统计数据汇总都是依靠政府的财政总预算，然后对这些数据进行分析整理，就行成了最终的财政统计数据。但是，对数据进行汇总的目的并不是为了体现出各级政府的财政状况，主要目的是反映出资金的使用情况。财政统计不单单是为了为政府的管理和决策作出贡献，财政统计也对非政府有重大的意义，如果政府正在转型期间，这个特点就尤其突出。除此之外，我国现在的财政统计主要是为政府部门服务，先为政府服务，再为企业服务。

会计核算资料是进行统计的基础，但是我国现行的财政统计都是根据合理政府的数据进行的分析预测，这样的数据就很难再做进一步的加工处理。我们可以根据政府的财政统计的方法，对政府的收入和支出进行分类。现在，我国的预算收入的分类也很不标准、不统一。我们也可以根据这个对预算制度进行明确的分类。否则，分类不清晰，就会造成统计的内容非常单调，统计的数据质量也非常差。

我国的财政统计是以各级政府为核心，采用“政府优先”的原则，这就导致了财政统计不能形成一个完整、统一、协调的管理体系，而且，财政统计的分类也不明确，也没有一个统一的统计指标，不能够完整地把统计数据展现出来。财政统计是 一种宏观核算工具，它的目标模式是货币基金组织，具有重大的意义和价值。财政统计核算的是财政业务，它的内容涵盖了全部的政府业务，很好地弥补了我国财政上的不足，有利于财政管理的建设和发展。

对现行的财政统计方法进行改革势在必行也是迫在眉睫。对于统计方法的改革包括以下几个方面：第一方面，加快抽样调查的进度，把统计报表做到精致，要更多的采用抽样调查的方法，这是我国现在统计制度改革的必然趋势；第二方面，提高统计设计的水平。必须使统计调查制度拥有更加广阔的覆盖面，能够适应时代的前进和发展；第三方面，使统计调查体系更加具有协调性、统一性，使各个调查体系能够默契配合；第四方面，使统计数据和企业之间默契配合，一份统计数据不能够由很多单位同时提供，否则，统计数据就丧失了权威性。

很多人不在意统计的基础工作，但是，要知道，千里之行，始于足下，如果统计的基础工作都做不好，那么其他的工作就不可能完成好，这是统计工作的基础。要想做好统计的基础工作，必须做到以下三点：第一，规范统计数据的采集，不断地完善各种统计制度，第二，规范统计数据的处理；第三，规范统计数据的审核。

要想使统计数据的质量有一个提高，必须要强化执行力度。做到“两手抓，两手硬”。我们不仅要完善统计制度，还要增强统计的执法力度，这两方面必须有机地结合在一起，不能顾此失彼，只有两方面能够统一在一起，统计数据的质量才会有所提高。对于数据，不仅要进行完整的统计，还要进行全面的评估。我们可以采用抽样调查的方法估计总量指标的准确性，还可以采用回归的方法测试数据是否可信，这样就可以使统计数据的质量进一步提高。

我国现行的财政统计管理体系存在着很多的弊端，这使得统计工作很难高效地开展，严重影响了统计数据的质量。所以，我们必须建立一个更加全面统一的财政数据管理体系。可以采用垂直模式，县和乡先起带头作用，逐一地向下级分配，对下级进行补助，这样就可以有效地平衡各地的财政，财政数据的质量也会提高。

新华社北京5月14日电（记者林远）5月14日《经济参考报》刊发题为《高质量发展统计体系加快形成》的报道。文章称，随着经济高质量发展的加速推动，相关的统计体系也在逐渐完善。近期，国家统计局先后首次公布了各地的绿色发展指数和城镇调查失业率。《经济参考报》记者了解到，在传统统计指标的基础上，下一步统计部门还将增加反映产业、行业、地区等各方面结构协调性方面的指标、质量效益指标和新动能发展指标，2019年将正式实施地区生产总值统一核算制度等。

专家表示，作为推动高质量发展的六大体系之一，完善的全新统计体系能够为分析研判我国新经济新动能成长和质量效益方面的状况提供更加全面、准确、完整、及时的信息依据，具有重要的战略意义。

中央财经委员会办公室副主任杨伟民日前介绍，推动高质量发展是中国今后确定发展思路、制定经济政策和实施宏观调控的一个根本要求。因此，我国将加快形成推动高质量发展的指标体系、政策体系、标准体系、统计体系、绩效评价和政绩考核等六大体系。

统计体系作为上述六大体系之一，国家统计局总经济师盛来运表示，现有指标体系，反映经济建设方面的指标偏多，反映社会发展、人与自然和谐发展的指标少，反映总量指标多，反映结构调整和转型升级的指标少，反映新经济新动能成长和质量效益方面的指标也不充分。未来，要按照五大新发展理念要求，增加完善五大建设方面的指标体系。要按照建设现代化经济体系和实现高质量发展的要求，增加反映产业、行业、地区等各方面结构协调性方面的指标、质量效益指标和新动能发展指标。在高质量发展阶段，要更加重视民生事业发展和资源环境改善情况，就业、收入、消费、生态环境等指标重要性不断提升。

实际上，目前高质量发展的统计体系已经有了一些初步探索。国家统计局除建立了“三新”调查统计制度，完善了劳动力调查制度外，近期还发布了《2016年生态文明建设年度评价结果公报》，首次公布了2016年度各省份绿色发展指数和公众满意程度排名。就在最近，国家统计局还首次公布了基于劳动力调查获得的失业率－－城镇调查失业率。国家统计局局长宁吉喆表示，将登记失业率和调查失业率并用，同时公布两种来源的数据，能够为分析研判我国就业失业状况提供更加全面、准确、完整、及时的信息依据。

另据了解，2019年我国将正式实施地区生产总值统一核算制度，国家统计局统一组织，各地参与。国家统计局有关负责人表示，核算方法全国统一，基础数据清晰不重复，可以更好地实现地区数据和全国数据的协调，不断提高统计数据质量，为党中央、国务院科学决策，为社会公众更多更好地使用统计数据提供优质统计服务。

有专家表示，各地区最新发布的ＧＤＰ数据中，有部分地区经济增速相比之前明显放缓，这说明为了符合未来高质量发展统计体系的要求，一些地方更注重增长的质量。

“最重要的衡量指标应该是经济增长的质量，而不仅仅是ＧＤＰ指数。”罗兰贝格管理咨询公司全球首席执行官常博逸在接受《经济参考报》记者采访时表示，中国经济需要从高速增长阶段过渡到高质量发展阶段。在推动经济发展和保证就业的前提下，经济增长不能太快，要留出空间进行经济结构优化和供给侧改革。今年，应坚持把经济发展的重心放在实体经济上，继续深度优化商业环境，进一步激发市场活力，提升经济发展质量。

“发展阶段不一样，现在还单用ＧＤＰ来衡量发展已经不准确了。”一位权威专家表示，衡量高质量发展的指标会很多，最终还是要看效率。从产出的角度来讲，随着改革成功推进，劳动力效率、资本效率、环境效率、能源效率、土地效率等从总体上都会有所提升。此外，降低债务在ＧＤＰ里的比重和环境污染治理将是未来一段时间高质量发展的主攻方向，因此这两个相关指标的设置和完善将有非常重要的参考价值。（完）

对于做招聘的HR来说，招聘分析报告的主要目的是，及时做好招聘工作阶段性总结和分析，为招聘工作质量改进和采取更加有效措施提升招聘质量奠定良好的管理基础。就像你感觉身体不舒服，却不能说出具体的病症一样。因此我们需要给身体做一个全面体检，看看身体各部位与器官的运作情况，出一个体检报告，然后才能知道身体哪些地方需要治疗，从而制定康复计划，提升健康水平。

一句话：招聘分析报告就起着体检的作用。

1、招聘“体检”有何用

招聘分析报告就是阶段性的(一般是半年度或年度，本文以年度为例)对招聘工作的结果与运行状况进行系统的、深度的、客观的分析而形成的报告，其目的在于提升招聘工作的效率和效果，提高招聘工作者的绩效、能力与职业化水平，提升内外部客户对招聘工作的满意度，更好地实现招聘对企业的价值。

招聘分析报告的具体功能包括以下几点：

一、透过日常招聘事务，从本质与内在机理层面把握招聘规律。招聘已日益成为一场数据化的战争，日复一日的筛选简历、通知面试、若干轮的面试、录取入职、转正与离职等数据的背后，隐藏着若干有用的信息，有必要抽丝剥茧、提炼总结，让招聘工作更上一个台阶。

二、多角度反馈招聘工作的效果，给招聘工作改进提供客观依据。招聘工作有着多个客户，内部客户有公司领导、用人部门、其他相关部门(比如薪酬部、培训部)、内部员工(需要内部推荐时)等;外部客户有应聘者、潜在求职者等。招聘工作是否给客户提供了应有的价值，只有通过收集多方面的信息才能清楚地了解到。

三、为制定年度招聘工作计划书提供重要的参考信息。招聘分析报告系统分析了年度招聘工作的得失，有利于指导来年招聘策略与计划的制定。如果说招聘工作计划是作战地图，招聘分析报告就是敌我双方信息的分析报告，对作战的成功起到重要的支撑作用。另外，招聘分析报告还给招聘工作的发展创新提供有益的思路。因此，招聘分析报告与招聘工作计划书是年度招聘工作最为重要的报告，起着承前启后的作用。

2、撰写报告三步走

撰写招聘分析报告一般分为三大步骤：

第一步是对年度招聘工作结果的数据汇总统计，并分析其中体现的问题与规律，客观呈现招聘工作运行状况;

第二步是通过多角度的调查反馈，与多个相关主体进行沟通，对招聘工作的运行状况进行评价与反馈，揭示招聘数据结果背后的深层原因与影响因素;

第三步是对前两部分的延伸，针对工作结果与原因分析，提出相应的改进措施，因此，它是前两部分工作的目的与归宿，也是与年度招聘工作计划联系最为密切的部分。

3、数据统计与分析

招聘数据统计与分析主要包括五类指标：关键绩效指标、过程管理指标、分类统计指标、入职异动指标、团队管理指标(详见表)

指标类别

指标

计算方法

关键绩效指标

招聘计划完成率

实际报到人数/计划招聘人数

人均招聘成本

总招聘成本/实际报到人数

平均招聘周期

总招聘时间/总招聘人数

过程管理指标

简历初选通过率

人力资源部初选合格简历数/收到的简历总数

有效简历率

部门选择合格通知面试的人数/HR初选合格简历数

初试通过率

初试通过人数/面试总人数

复试通过率

复试通过人数/初试通过人数

录用率

实际录用人数/面试总人数

报到率

实际报到人数/发出录用通知人数

分类统计指标

招聘渠道分布

不同招聘渠道录用的人数占录用总人数的比率

录用人员分布

不同性别、学历、层级、职类、区域的录用人数占录用总人数的比率

入职异动指标

招聘转正率

转正人数/入职人数

招聘离职率

离职人数/入职人数

团队管理指标

招聘人员胜任率

胜任工作的招聘人员数/招聘团队总人数

招聘服务优良率

服务优良的招聘人员数/招聘团队总人数

内部客户满意度

对招聘工作满意的内部客户数/内部客户总人数

文章来源：儒思HR人力资源网（HR资讯）

我们先看问题：

领导让我看了一下客户反馈的明细，说那只是一个罗列，让我思考一下统计工作该怎么做？我一直想不明白，该怎么做呢？

我们以最常见的进料检验和成品检验为例吧！希望能抛砖引玉一下。

进料检验月报表：

1.月度批合格率：

如何物料种类很多的话，可以细分为：A、B、C类批合格率。例如：电子类、结构类、包材类。

2.批合格率趋势图：

也可以把目标值加上去，有对比的效果。

3.月度判退明细：

出货（成品）检验月报表：

1.月度合格率、批允收率：

这里的合格率是指抽检合格率。

2.趋势图：

合格率及批允收率的趋势图。也可以把目标值加上去，有对比的效果。

3.明细表：

每个月的检验明细表。是以产品类别（品名）来做统计的。每类产品在这个月的检验数据明细。

本文为作者原创，未经授权，不得转载。

2017 年马云在某次年会演讲中提到一件让他惊讶的事情。

在西湖边上他曾看到乞丐在用支付宝收款码进行乞讨，从界面操作上看该乞丐还能熟练应用支付宝提供的「生意通」功能，研究本周的乞讨收入趋势以及单位小时的乞讨金额，从而为自己制定更加高效的的乞讨策略。

图片来源于网络

乞丐都在用数据分析来武装自己了，身为互联网从业者，你还敢落后？为了让你感知到数据分析对工作效率提升价值，我们来看一个真实的运营案例。

你为什么要学习数据分析

运营研究社在 2018 年以前，公众号图文的推送时间是不固定的，在早上、中午、下班时间、深夜都有过推送，所以相应的阅读量的波动也非常大。

在今年年初我提出了一个假设“如果把推送时间固定的话，会不会对图文打开率（阅读量）的提升有促进作用”。

为了检验这一设想，当时我需要解决的第一个问题是：

“运营研究社的公众号黄金推送时间在哪？”

我导出了运营研究社过去 1 年里的图文数据，并拿推送时间、打开率、标题 3 个数据字段来构建散点图。

运营研究社过去半年图文数据

从过去 1 年的推送时间和打开率的散点分布图来看，高打开率的图文主要集中在中午 12 点、13 点两个个时间段，于是我把将这两个时间点定义成运营研究社图文推送的黄金时间。

在实践中也证明了“在固定时间推送内容有利用提升打开率”假设是正确的，从阅读数据上的反馈就是我们的阅读量在 3 个月时间里提升了 200%。

无论是在生活还是工作，数据分析已是一项必备技能。

我在招聘网站上研究了近 100 个运营岗位的职责要求，用户运营、内容运营、产品运营、社群运营、渠道运营，它们几乎都会在靠前的位置写上这样一行文字：

“通过有效的数据分析（点击率，访问，转化率等），研究分析用户的需求制定运营策略”。

为了让你能够掌握最实用的数据分析技能，本篇文章将带你了解数据分析字段与产品指标、熟知数据驱动运营的底层方法。

“竟巧妇难为无米之炊”，为了让小伙伴们赢在起跑线，下面将开始系统讲解数据分析里的底层元素——数据字段。

你的基础数据字段足够全嘛？

2015 年我在百度贴吧在内容运营，当时的我们核心 KPI 是将次日留存率提升至 45%，于是我就想研究用户首次登入的内容消费量与次日留存的关系，以期通过优化内容推荐系统来提升次日留存。

想法很好，现实却很悲剧，我在给技术同学提数据分析需求时，他们很佛性的回了句：

“抱歉，我们没有统计用户的内容消费数据”。

由于缺乏用户的内容消费数据，我当时只能搁置这套数据分析方案了（在补充统计用户消费字段的 1 个月后才最终落地执行）。

跟大家分享这个案例，主要是希望大家能够理解，数据分析的底层关键支撑是基础数据字段，没有基础数据字段你的任何数据分析方案都执行不了，没有基础数据字段，你再老司机也无法用数据驱动运营。

所以，为了能够做好数据分析，你需要尽可能全面的提出你的数据字段需求，具体来说包括如下 2 类基础数据字段：

1）用户信息数据字段

它指的是用户的社会信息数据，比如姓名、性别、出生年月、籍贯、婚姻、学历，手机、邮箱等字段

对于电商和母婴类产品来说，还需要基于「用户行为数据」推导家庭类型、家庭人数、家庭小孩标签、工作岗位、所处行业等高级用户信息数据字段。

2）用户行为数据字段

用户行为数据字段在记录时的格式通常是User id（哪个用户）+Active（哪种操作）+Time（何时产生）。

比如今天上午，我在贴吧客户端首页看了一篇与 China Joy 有关的的贴子，并且还对妹子们的颜值留进行了评轮。那么贴吧官方会将我的看贴行为数据，以如下格式被统计下来。

用户行为数据字段是每一位用户在产品上操作行为的数据记录，不同产品类型需要的需要记录的用户行为是不一样的。

阅读内容、点赞、评论、分享是社区产品的关键用户行为字段，点击产品、添加购物车、下单、付费、评价是电商产品的关键用户行为字段……

相比于用户信息数据而言，用户行为数据是数据分析的重中之重，可以基于用户行为数据的处理加工，分析出每天产品的登入用户总量（DAU）、新用户留存以及评论用户总量等产品数据指标。

促进数据增长指标都有那些?

有两位内容运营的同学，有一天领导问他们最近的产品情况怎么样。

其中一位运营说产品表现很不错，每天都有很多人互动和称赞，另外一位运营回答说产品有问题，用户都不怎么会将内容分享出去。

如果你作为老板，你应该相信谁？

我想这两位同学你应该都不会相信，甚至还会很生气，因为你的员工没有一点点的数据分析意识。

现代管理学之父彼得·德鲁克说过一句很经典的话：

如果你不能衡量它，那么你就不能有效增长它。

为了能够让数据驱动业务增长，我们需要制定业务的衡量标准，用统一的衡量标准来定义和评价业务，这个统一的标准在数据分析中叫做指标。

案例中的两位内容运营如果能够以互动率和点赞率、分享率这 3 个产品数据指标来向领导汇报自己的运营工作的话，或许就能够在领导心中留个好印象了。

了解和使用指标是数据分析思维的第二步，我们需要基于具体的业务需求设定能够驱动产品增长的指标。（Ps：数据指标是由用户基础数据字段处理加工而成）

按照比较受大家认可的 AARRR 产品增长模型，我们可以将指标分为五大类：拉新指标、活跃指标、留存指标、转化指标、传播指标。

5个产品的拉新指标

运营通过渠道投放让“用户”接触到产品，当“用户”觉得产品不错就会去下载它，打开产品发现里边的内容蛮适合自己，“用户”就会注册产品，最终成为产品真正的用户。

以上是绝大部分运营都会经历的拉新过程，如果你想监控整个过程，并且评估拉新的执行效果，那么你就需要设置如下数据指标。

1）浏览量

俗称曝光量，指的是产品的推广信息在朋友圈、搜索引擎、应用商店等渠道渠道中被多少用户看到。与浏览量相对应的是点击量，它们俩的比例在业内有一个专业词汇 CTR（CTR=点击量/浏览量），很多广告平台会用 CTR 来评估广告质量。

2）下载量

指的是 App 的安装次数，是衡量拉新效果的结果指标。不过，App 下载其实是一个中间态，为了让产品从曝光到下载有一个高转化，你需要注意应用大小、介绍文案的打磨。

比如游戏类 App，为了避免怕漫长的下载时间造成玩家流失，会选择让用户下载后以补丁形式完成全部素材的加载。

3）新增用户

下载并不是意味着就是用户，如果某个“用户”只下载了并没有注册，那它就是一个无效的用户。对于用户的界定，每个产品是不一样的，大部分的产品是用户注册了 App，就被定义为用户了，比如知乎、微博、小红书、百度贴吧。

4）获取成本

用户获取必然涉及成本，而这是运营新手最容易忽略的。目前常见的成本的计算方式有 CPM（千次曝光成本）、CPC（单次点击成本）、CPA（单次获客成本）。

5个产品的活跃指标

相比于下载量和用户量而言，在人口红利消失后，大家开始更关注实实在在的东西了——你到底有多少活跃用户。

用户活跃作为运营的核心工作，不论移动端、网页端或者微信端，都有相关指标可以衡量。

1）活跃用户数

DAU 指的是日活跃用户数量，指的是在 24 小时内活跃用户的总量。把时间周期拉长的还有周活跃 WAU 和月活跃 MAU。（MAU 指的是一个月时间周期里去重后的活跃用户总和）

Ps：与活跃用户相对应的还有流失用户、忠实用户、回流用户，其中流失用户是长期不活跃，忠诚用户是长期活跃，回流用户是曾经不活跃或流失，后来又再次打开产品的活跃用户。

2）活跃率

活跃用户数衡量的是产品的市场体量，活跃率看的则是产品的健康。

比如说某款产品的 DAU 是 100 万，可能你觉得还不错，但是我跟你说它的总注册用户是 1 亿，活跃率仅为 1%，你的感受可能就是这款产品很不错了。

3）在线时长

现在数据分析也越来越注重用户行为了，为了深入研究一款 App 的活跃健康度就需要去研究在线时长（它是视频类网站的核心数据指标）。

不同产品类型的访问时长不同，社交肯定长于工具类产品，内容平台肯定长于金融理财，如果你是做内容的产品的，发现大部分用户访问时长只有几十秒，那么最好分析一下原因。

4）启动次数

它体现的是用户的使用频率，用户的日均启动次数越多，说明用户对产品的依赖性越高，活跃度也就越好。

社交产品的人均启动次数会在 3-5 次之间，是通互联网中在启动次数指标中数值最高的。

5）页面浏览量

PV（PageView）是页面浏览量，UV（Unique Visitor）是一定时间内访问网页的人数，用户在网页的一次访问请求可以看作一个 PV，用户看了十个网页，则 PV 为 10。

PV 是互联网早期 Web 站点时代的活跃指标，也可以理解为网页版活跃。

5个产品的留存指标

如果说活跃数和活跃率是产品的市场大小和健康程度的话，那么用户留存衡量产品是否产品能够可持续发展，如果你是早期产品就更应该关注是留存指标了。

1）用户留存率

留存率 = 留存用户 / 当初的总用户量

用户在某段时间使用产品，过了一段时间后，仍旧继续使用的用户，被称为留存用户。

假设产品某天在某渠道新增了用户 1000 个，第二天仍旧登入产品的用户有 350 个，第 7 天仍旧登入产品的有 100 人，那么这个渠道获取来的用户次日留存率有 35%，那么称七日留存率为 10%。

Facebook 有一个著名的 40-20-10 法则，即新用户次日留存率为 40%，七日留存率为 20%，三十日留存率为 10%，有此表现的产品属于数据比较好的。

2）用户流失率

用户流失率和留存率恰好相反，如果某产品新用户的次日留存为 30%，那么反过来说明有 70% 的用户流失了。

流失率在一定程度能预测产品的发展，如果产品某阶段有用户 10 万，月流失率为 20%，简单推测，5 个月后产品将失去所有的用户。

Ps：这里可以引出一个公式，生命周期 = （1 / 流失率）*流失率的时间维度。比如产品的周流失率为 50%，那么平均用户生命周期为 14 天。

15个产品的转化指标

运营而言，拉新和活跃、留存都只是手段，最终衡量你工作业绩的是你手上掌握了多少有价值的用户。

运营就像用户成长路上的指引者，指引者产品里的用户成为能够产生价值的超级用户，即回归商业的本质。

交易类产品转化指标

1）GMV

它是一个虚荣指标，只要用户下单，生成订单号，便可以算在 GMV 里，不管用户是否真的购买了，京东在双十一对外发布的战报是 GMV。

2）成交额

成交金额指的是用户付款的实际流水，是用户购买后的消费金额，天猫在双十一对外发布的战报是成交额。

3）销售收入

它指的是成交金额减去退款后剩余的金额，属于内部机密数据了。

如果把上述的三个指标看作用户支付的动态环节，则能再产生两个新指标。

成交金额与 GMV 的比率，实际能换算成订单支付率，它体现的支付的流畅度；销售收入和成交金额，也涉及到了退款率，它体现的是产品质量。

4）付费用户量

在产品里边产生过交易行为的用户总量，同活跃用户一样，交易用户也可以区分为首单用户（第一次消费），忠诚消费用户（持续购买的用户），流失消费用户（流失后又回来的用户）等。

同时，为了研究用户的付费潜力，你还可以研究下产品的付费用户比例：

付费用户比例 = 付费用户 ÷ 总注册用户

5）ARPU

在单个促销活动中，它指的是每一笔用户订单的收入，总收入/订单数。而在整个产品生命周期中，我们更关注用户平均付费，总收入/用户数。

ARPU 可以再一步细分，当普通用户占比太多，往往还会采用每付费用户平均收入：ARPPU = 总收入÷ 收费用户数

6）复购率

和新增用户一样，获得一个新付费用户的成本已经高于维护熟客的成本。复购率更多用在整体的重复购买次数统计：单位时间内，消费两次以上的用户数占购买总用户数。

比如运营研究社的技能训练营在第一季度有 1789 个付费用户，购买次数在两次以上的有 657 人，那么我们季度复购率是 36%。

社区型产品转化指标

社区型产品的首要目的是将用户聚集在一起，并且引入用户生成内容，它的核心关键在于培养一个能够生成内容的活跃用户社区。

1）内容生成者

参与内容生存的用户�...

国家统计局局长宁吉喆12日在全国统计工作会议上表示，今年统计工作将紧紧围绕推动经济高质量发展、建立现代化经济体系，提高统计数据质量，加强统计服务和数据分析解读，加快构建新时代现代化统计调查体系。

党的十九大作出完善统计体制的重大部署，中央经济工作会议明确提出必须加快形成推动高质量发展的指标体系、政策体系、标准体系、统计体系、绩效评价、政绩考核。

宁吉喆表示，着力补上统计领域发展短板，是统计系统服务现代化经济体系建设、推动高质量发展的当务之急。要着力抓重点补短板强弱项，抓紧完善新发展理念统计指标体系，深入研究创新、协调、绿色、开放、共享指标内涵，从全面性、系统性、科学性、逻辑性、可行性等视角进一步修改完善五大领域发展指标体系，探索开展分地区指标体系数据测算工作。

去年年底，绿色发展指数首次发布。国家统计局、发改委、环保部、中央组织部对2016年31个省(区、市)生态文明建设情况进行了年度评价，发布了各地的绿色发展指数和公众对生态环境的满意度。

宁吉喆称，今年将精心组织实施生态文明建设年度评价工作，按时发布2017年各地区绿色发展指数。改进完善提质增效转型升级统计指标统计及相关制度，探索计算工业发展质量指数，开展供给侧结构性改革、双创发展等统计指标体系研究。

2017年，国家统计局健全了“三新”（新产业、新业态、新商业模式）调查统计体系，新建了互联网经济统计报表制度，制定出台新的国民经济行业分类标准和“三新”统计、生活性服务业统计等重要分类标准，测算并发布了2015年中国经济新动能发展指数和“三新”增加值。

宁吉喆表示，今年进一步健全“三新”统计调查体系，抓紧修订“三新”统计标准，研究建立反映数字经济、共享经济、现代供应链的统计制度，改进完善“三新”增加值核算方法，改进经济发展新动能指数的计算办法，认真做好营商环境调查和试评价工作。

进一步完善国民经济核算体系也是今年统计工作的重点任务之一。科学健全的国民经济核算体系，对于监测评价国家或地区经济总量、速度、结构、效益全貌以及各种重大比例关系和发展趋势意义重大，是反映高质量发展统计体系的重要内容和基础。

宁吉喆强调，要扎实做好地区生产总值统一核算改革准备工作，完善地区生产总值统一核算实施方案，为正式实施地区生产总值统一核算改革奠定基础。认真开展全国和地方资产负债表编制工作，切实做好自然资源资产负债表编制工作，实施居民自有住房服务核算方法改革。

此外，还将完善研发经费投入统计制度，改进资金流量表编制工作，正式建立幸福产业统计监测制度，继续开展文化、体育、旅游等派生产业增加值核算。

浅谈大数据对统计学的挑战和机遇

引言　　国际数据公司的相关研究指出，2011年全球数据生产量达1.8ZB，且全球信息总量每隔两年增长一倍[1]。在大数据时代下，对于统计学发展而言，挑战与机遇并存，挑战指的是现阶段传统统计学相关方法难以适用大数据，机遇指的是基于统计学，大数据展开数据处理、分析，促使大数据具备可视化特性。由此可见，研究大数据对统计学的挑战和机遇有着十分重要的现实意义。　　1.大数据及其目的　　现阶段，关于大数据仍旧没有一个十分明确的界定，大数据起初是源自于技术领域。在信息量不断扩大的情况下，使得常规电脑原有存储空间已不能对新处理数据进行承载，新兴数据处理技术得以产生，好比雅虎的Hadoop平台、谷歌的MapReduce等。此类技术能够对僵化层次结构、一致性予以消除，促进数据无需通过常规数据库表格进行排列，极大程度地提升了人们可处理的数据量[1]。　

　2.大数据与统计学的对比　　2.1样本统计与全样本统计的区别　　样本统计属于统计学不可或缺的依赖，样本指的是结合相应的概率自总体中随机筛选并视作总体代表的集合内容，值得一提的是随机抽样是需要成本的，包括社会关系、资金成本或者时间成本等。基于样本数量提升有限前提下，样本估计误差会随着总体数量增多而增大，这亦是样本统计无法避免的不足。大数据时代下，收集整理庞大的数据信息应运而生，数据信息发展表现出总体即是样本的态势，该属性很好的消除了样本统计这一不足。大数据时代下的全样本统计，通常情况下可对完全总体进行覆盖，然而受大部分数据属于半结构、半结构数据影响，使得概率论应用遭受一定的制约[2]。鉴于此，将全样本统计应用到统计学中，应当就总体数据展开相应的归纳、筛选，即好比在样本统计中展开数据预处理。　　2.2预测分析与非预测分析的区别　　统计学的创立，是为了对变量相互相关关系展开分析，因此获取数据是发生于变量确定之后的，数据分析价值是能够被预测的。相较于统计学的预测分析，庞大数据将互联网、传感器作为载体，存在于分析需求之前，因此构建于大数据上的分析多为非预测性分析。在统计学中，出现大数据无法有效应用局面，这是由于不具备非预测分析所需的庞大数据，庞大数据产生与数据中心、存储系统存在紧密的联系，并非短期产生。也就是说，统计学中大数据的应用发展，说明了非预测分析正逐步取代传统统计学预测分析，数据多次利用正逐步取代传统数据一次性利用的。　　3.大数据对统计学的挑战与机遇　　3.1数据生产、处理与应用的转变　

　相关统计部门经开展严格的统计设计工作，获得相关的统计数据，数据的预处理分别有数据清洗、非全面数据填补以及数据矫正等。大数据时代下的统计手段尚不十分明确，自大数据流环境而言，要不断探索新型抽样方法，并确保抽样方法的实时、连贯及可行性。除去传统的统计分析方法，还应当开发大数据动态分析、数据流算法等[3]。　　3.2大数据时代对市场营销的机遇　　3.2.1大数据营销的特点与价值　　大数据营销的特点：I.数据采集多平台化特点，即大数据时代下，大数据的数据大多来源于不同的领域、不同的渠道。II.时效性特点，随着信息技术的急速发展，互联网用户消费、购物行为方式往往会瞬间出现转变。国际先进大数据营销企业AdTime基于此大数据营销特点，采取了时间营销措施，即采取相应的技术方式全面获悉用户所需，于第一时间对用户当下的需求进行回应，以使用户在下决心购买的最佳时间及时看到对应的产品广告。III.个性化特点，在大数据时代下，广告商传统媒体导向的营销理念逐步由受众导向取代，现如今，广告商可应用大数据了解用户的地理方位，需求内容等信息，达到对用户个性化营销的目的。　　大数据营销的价值：I.升级营销与用户的匹配度，大数据营销不仅可提供给企业了解用户有效的途径，还能够与网络环境下，选取相关技术方法达到对用户精确定位的目的，从而开展好营销工作，升级营销与用户的匹配度。II.改善用户体验，大数据营销促使企业真正意义上认识到用户及其所使用企业产品情况，以给予用户最人性化的提醒。　　3.2.2大数据营销的应用　　（1）与消费者建立紧密关系　　现如今，我国一些企业营销行为仍旧处于个性化定位信息、创意设计阶段，而无法对不同消费者展开个性化的营销活动。大数据时代下，经采用相关数据分析技术方法，基于对消费群体喜好、传媒接触习惯等展开有效的分析，达到特定营销活动明确开展的目的，实现企业精心开展的营销活动精准的辐射至目标消费群体处，与消费者建立紧密关系，极大的改善营销效率、质量[4]。　　（2）掌握竞争对手数据　　企业通过对竞争对手数据的有效掌握，获悉竞争对手发展状况，基于此帮助企业制定科学合理的产品价格，提升企业产品市场竞争优势。与此同时，企业务必要全面实施以事实为前提的决策手段，广泛地应用数据分析方式对企业每一个发展运营步骤进行优化，经对企业一系列数据的充分优化、对接，促使业务环节中潜在的价值得以被有效挖掘，降低生产成本，知己知彼，促使企业在日趋白热化的市场竞争中占据有利位置。　　（3）挖掘企业内部数据　　“市场未动，数据先行”俨然转变为国际上企业有效运营发展的一致认识，为了提升企业管理效率，要求企业要充分挖掘企业内部数据，并展开有效的整合、分析，以为企业相关人员做决策提供有利的参考依据，提升决策准确性，促进企业可持续发展。

3.2.4 企业的应用案例——以亚马逊为例　　在应用大数据开展市场营销方面，美国亚马逊公司一直处于领先地位。亚马逊研发出“用户未下单，先发货”功能，即结合用户的购物需求数据信息，分析用户想要购买的产品，达到用户未下单，提前发货的目的。此外，亚马逊通过对用户检索信息的分析，评估流感的传播，但这仅仅为海量检索数据中的一项用途，相同的数据能够应用于预测大选结果、预测某类产品市场行情等等，极大地降低了统计成本[5]。　　3.3大数据时代对市场营销的挑战　　3.3.1信息收集　　大数据并非就是对数据信息展开盲目的收集，即便收集了再多的数据，倘若这些数据并非是市场营销所需要的，如此便会导致前期收集来的数据信息，变成一堆“数据垃圾”。鉴于此，为了避免这一情况发生，务必要充分分析业务需求，再对自身存在价值的数据展开收集、归纳，如此方可实现大数据的有效收集应用。　　3.3.2经验与数据　　数据采集完毕后，面对参差不齐的数据，还应当做好数据评估工作，评估对何种目标受众开展市场营销工作。鉴于此，要求采取科学合理的手段，将这些参差不齐的数据整合成可被市场营销实践应用的，经结合过去的经验，与采集数据进行有机融合，实现对目标受众的有效分析确定。　　3.3.3分析与优化　　数据分析，一方面是实现数据优化，一方面是进行决策层面上的调整、转变。此环节对于专业人才的需求提出了严苛的挑战。数据分析、数据优化对于专业人才的知识框架要求大不相同，这要求相关企业不仅要培养专业的数据分析人才，还要打造数据优化人才队伍。　

　3.4大数据营销的未来发展趋势　　信息技术不断发展，单一媒体导向的“消费者碎片化”俨然无法达到企业对于数据多样性的需求。大数据时代下，媒体的跨界融合实现对“碎片化”受众的充分聚合。在科学技术技术不断进步的背景下，跨媒介、跨平台、跨终端的多途径将不断被开拓，将使庞大的数据信息获取多维度的整合，并且在多样化网络环境下，消费者主观信息与客观数据有机融合，构筑全面用户数据库环节，将成为未来大数据营销发展的必然趋势[6]。　　4.结束语　　总而言之，大数据为传统统计学带来了严峻的考验，也为传统统计学有效发展创造了良好的契机。在大数据时代发展潮流中，我们应当充分的认识到大数据对于传统统计学而言，是补充而不是更替，构建于样本统计、预测分析内容上的传统统计学，仍旧于社会统计、经济分析中占据着主导位置。大数据时代下，为了实现企业市场营销的有效开展，相关人员务必要不断专研研究、总结经验，全面分析大数据与统计学的对比，充分认识大数据对统计学的挑战和机遇，“与消费者建立紧密关系”、“掌握竞争对手数据”、“挖掘企业内部数据”等，积极促进企业市场营销的科学合理化。

如何提升劳动和社会保障统计数据质量

一、统计工作占据的重要地位　　统计工作占据着重要的地位和作用，它的重要性体现在以下几个方面。统计工作之所以发挥着重要的地位和作用主要一方面是因为统计工作具有实事求是的特性，它能够真实、及时并且准确地反映统计工作，使统计工作真实客观地反映调查趋势；另一方面它的重要性体现在统计工作不是独立进行实施的，它需要一分为二来看待，因为它不但可以呈现成绩的一面，而且还可以反映出有问题的一面，这样就可以在解决和处理问题时能够不偏不倚，客观地看待成绩和出现的各处问题。所以统计工作实际反映出的数据也应该做出一分为二的分析；除此之外统计工作的重要性还体现在它可以反映发展的趋势。这种发展趋势的反映主要基于通过一分为二的分析以后最终而得出的结果。那么这个分析结果无论是发展变化的反映或是收支趋势的反映，它都可以成为领导决策时的重要参考信息，所以对于工作的下一步开展具有重要的指导意义。综上所述，领导的决策以及企业的发展都离不开统计工作的辅助，统计工作为企业的发展发挥了重要的作用。　

二、现在劳动和社会保障统计工作的缺陷　　在我国能够比较全面地反映我国劳动与社会保障工作的官方统计主要以我国劳动和社会保障部门与国家统计局每年公布《劳动和社会保障事业发展统计公报》和阶段性《劳动保障事业计划执行情况通报》，它在指导人们认识劳动与社会保障工作上发挥了重要作用，但是它还存在一些缺陷，对此笔者从以下几个方面进行了相关论述。其一没有进行及时的统计指标调整，它指的是没有根据劳动与社会保障改革的要求动态去进行及时的统计指标调整；其二对于劳动和社会保障工作负面信息的统计较少，因为劳动与社会保障统计监督功能没有得到充分的发挥。对于一些妇女和农民工所受劳动歧视或者工资歧视的相关统计信息是很难得到，而对于一些除此之外的负面数据也是无处可寻的；除了上述两个方面以外还有一个方面就是数据主要停留在劳动与社会保障工作表面，而对数据进行深度挖掘的信息则较少。因为缺少对相关深度调查所以实际反映出的数据是不能完全说明问题的，所以这与国际社会社会保障改革全面提升服务质量的要求距离还是非常远的；最后一个方面就是官方统计围绕劳动与社会保障规划进行或者围绕政府工作进行。而当前的指标则多是反映劳动和社会保障事业的增长指标，而在增长过程中的绩效问题则容易被忽视，所以这样就会影响到对统计工作的判断，它也会掩盖改革发展中存在的一些不易被发觉的深层次矛盾，那么最终的结果就会导致不利于培养劳动与社会保障工作者的社会责任意识以及忧患意识。

三、提升劳动和社会保障统计数据质量　　为了更好地应对劳动和社会保障工作中存在的缺陷，笔者认为应当从建立科学的管理体制与工作机制进行着手实施。对于科学的管理体制和工作机制的建立和实施应当从以下几个方面进行思考。　　1.统计部门要敢于承担。现实劳动工作中劳动力市场的供给统计和需求统计才是广大求职者最为关注的，通过这些数据的掌握他们可以降低求职成本。而官方统计数据缺乏所以造成了不实信息的流入，最终劳动力市场的无序流动。此外，对于劳动市场上存在的劳动歧视现象缺少必要的统计监督，特别是对于一些劳动歧视性指标的认识都还不全面。对于上述此种现象，统计部分要能够做到勇于服务，还要能做到敢于揭短，这样才能使统计工作成就突显，这种全面深入的统计数据也才能真正满足政府决策与理论研究的需要。　

2.规范统计方法。因为统计数据来源不是单一的，它的多元化和复杂化使得统计工作实施更当谨慎而行，为此规范统计方法是对付数据多元化的有效方法。数据多元化主要是因为除了官方统计之外，国外也会出具一些统计数据，而同样事件反映出的数据则会大相径庭。对于出现这种统计数据相差较多的情况会给政府社会保障工作带来很大的不便。对于这种多头统计带来的严重数据混乱问题笔者认为国家应当通过立法的形式来发布统计标准，这样保证统计数据的一致性。而对于国外的相关调查机构相关调查提纲要经过国家统计部门的相关报批后方可实行。对于统计方法一定要保持与国家立法的统计标准一致，对于不一致的数据要上报仲裁后才可以向社会公布。

3.重视民意统计，构建多维统计管理体制。笔者认为我国应设立官方统计、民意调查、研究机构为一体的劳动和社会保障统计体制，官方包括涉足劳动和社会保障事业的多个部门在就业再就业、社保体系建设和维护广大劳动者合法权益、劳动保障法规执行、政策落实、目标计划完成、岗位需求、技能培训、工资指导价位等方面，及时提供信息反馈，通过开展统计分析及时发现问题和提出对策，促进我国劳动保障工作不断改进和加强，建立劳动和社会保障各部门之间的统计通用平台，为广大劳动者和用人单位提供了大量的统计信息服务。理论研究机构应根据劳动和社会保障改革要求，在统计数据挖掘、开发派生统计信息方面做文章，以“揭短”为主；民意调查应以了解最基层、最现实的民意信息为主，促使政府的劳动和社会保障决策始终把百姓利益放在首位，使决策的出发点遵循公正、公平、公开的原则，通过民意统计，改进政府劳动和社会保障工作，以“金保”工程为信息平台，提高服务效率。