我们正处在互联网高速发展的阶段，快节奏的今天，越来越多企业需要的是能够为其带来直接价值的东西，往往会忽略数据和报告给企业带来的实际价值。事实上一份有效的大数据分析报告能够对企业产生很大的价值。

大数据分析报告的价值

1. 了解客户

大数据可以把我们的触角深入到某个社区、某类人群、某种具体的产品，来了解他们的真实情况；

2. 了解自身

大数据不仅是面向客户，同样也能面向企业自己。自身的产品生产流程、产品特点的定位、产品布局，这些都可以借助大数据进行更好地调整。也许只是将两个步骤调换顺序，可最后的效果却是天翻地覆。

3. 做好运营

大数据在广告运营方面有着十分强大的作用。通过大数据的相关性分析，根据不同品牌市场数据之间的交叉、重合，企业的运营方向将会变得直观而且容易识别，在品牌推广、区位选择、战略规划方面将做到更有把握地面对。

4. 开展服务

企业可以借助社交媒体中公开的海量数据，通过大数据信息交叉验证技术、分析数据内容之间的关联度等，进而面向社会化用户开展精细化服务，提供更多便利、产生更大价值。

也就是说，真正有价值的大数据分析报告能够在中宏观规划、微观/细分市场分析、方案执行和策略部署等方方面面为企业带来价值。

那么大数据报告怎么做？

1. 要有一个好的框架

跟盖房子一样，好的分析肯定是有基础有层次，有基础坚实，并且层次明了才能让阅读者一目了然，架构清晰、主次分明才能让别人容易读懂，这样才让人有读下去的欲望。

2. 数据获取

有了具体的问题，你就需要获取相关的数据了。这时，应该慎重考虑从哪个渠道获取数据更加快捷有效。好的分析一定要基于可靠的数据源。在正确的数据基础上做分析，才能找到正确的结论。

其次，就是对数据采集的对象、过程和处理方法进行评估，看数据是否具有时效性、代表性。

3. 数据预处理

现实世界中数据大体上都是不完整，不一致的脏数据，无法直接进行数据分析，或分析结果差强人意。数据预处理有多种方法：数据清理，数据集成，数据变换，数据归约等。把这些影响分析的数据处理好，才能获得更加精确地分析结果。

4. 数据分析

在数据分析前，要做到充分沟通、理解业务规则、关注业务痛点、了解用户需求、换位思考，明确为什么要做数据分析，要达到一个什么目标。

5. 分析报告

这时候展现出了数据分析师的表达能力，如何深入浅出的讲述自己的报表，是自己数据分析是否落地的核心。

在企业中，数据分析师的角色十分重要。没有数据指引的企业犹如没头苍蝇到处乱飞。

如何成为一名数据分析师？

上海数据分析网当前我国数据分析师由中国商业联合会数据分析专业委员会以及工信部教育考试中心共同考核认证。通过培训考核，工信部教育考试中心颁发《数据分析师职业技术证书》，数据分析行业协会颁发《数据分析师证书》，此证书是申请成立数据分析事务所的必备条件之一。

CPDA至今已走过14个年头，目前，全国已培养两万多名持证人员，分别在专业事务所以及数据分析相关行业工作，待遇丰厚，前景明朗。

数据分析师课程架构

课程特色

线上-线下相结合的教学方式

CPDA数据分析师培训采用面授课程加远程学习相结合的方式。面授课程主要侧重于实际应用，集中利用每周六、日上课，共计8天48课时，采用案例教学、互动教学、头脑风暴、深度讨论相结合和方式全面讲解数据分析知识。

远程学习为一年期的网络辅助教学，包括课前知识准备、课堂学习课件、模拟考题、在线答疑及案例实解等内容。

强大师资团队

作为由中国商业联合会数据分析专业委员会、工业和信息化部教育与考试中心在上海唯一的授权管理中心，秉承着对每一位学员负责的态度，我们聘请了专业的数据分析教师团队，带你挖掘数据深处的秘密，大数据大有可为！

最权威的认证

一年四次认证考试，通过后颁发双项认证：

1、中国商业联合会数据分析专业委员会颁发《数据分析师证书》，是将来进入数据分析师事务所工作的前提，唯一的行业从业证书。

2、工业和信息化部教育与考试中心颁发《数据分析师职业技术证书》，在工信部官网可直接查询。

课程体系

第七次课改后采用全新教材，课程内容涉及到数据分析基础、市场营销、战略管理及供应链管理等多方面知识。为此，我们推出了新型课程体系！

文 | 帆软数据应用研究院 船长

更多大数据资讯和企业案例可关注 ：知乎专栏《帆软数据应用研究院》

某集团（下文简称A集团）是一家农畜牧业的大型集团。全国有60多家子公司，年产能900多万吨，是农业产业化国家重点龙头企业、中国企业500强、中国制造业500强、中国民营企业500强、中国畜牧行业百强优秀企业。

以下是演讲案例：

项目背景

A集团从2008年开始，企业规模在逐年上升，业务逐步向上下游进行渗透，开拓了更多的新业务。并且企业管理难度在不断提升，人效下降，整个企业的效率也在下降。而行业竞争也越发激烈，特别是饲料行业。同行和市场的挑战，迫使A集团需要以更快的速度，更加灵活的响应去面对市场，通过信息化的工具配合管理的改进，提升企业效率，进而提升企业竞争力。

从2013年开始，我们逐步进行了电子表格>>PC报表>>移动端报表的分析平台升级。电子表格阶段主要是IT人员用SQL取数，PC报表是我们自己代码开发页面。2016年初这样的方式发生了核心变化，公司高层确定建设数据分析平台，构建企业经营数据分析体系。过去的方式缺乏体系，IT与业务的配合更像是流水线的工作，技术时耗占了大多数，难以融入业务分析理念。随后我们重点过渡到用帆软平台工具来生成报表分析，不同终端推送业务分析报表，开展数据化管理事业。

项目所给予的机会

通过整合A集团内部已有生产、销售、采购、财务系统，把各业务系统的数据通过报表平台进行整合，提供整体经营分析数据和运营分析报表体系，保证第一时间拿到一手数据，提升管理水平和企业竞争力。

同时，之前多年实施的基础业务系统，主要是业务部门的中低层人员在使用，公司高层很少能关注信息部门的突出贡献。而这个项目的大屏和移动端数据分析为IT信息部门提供了绝佳机会。

项目面临的挑战

机会与挑战并存，项目本身的难度挑战还是相当大的。

数据分割：NC、OA、CRM、主数据等不同的系统数据分割，存在数据孤岛，导致报表存在信息孤岛，被迫借助手工报表完成汇总。

查询渠道多、效率低：之前我们的报表信息都是手机查询、PC查询、邮件推送单独执行，相互之间数据不一定关联，缺乏统一的报表管理平台。

数据分析流程繁琐、不畅：之前流程上是领导临时提出报表需求>>业务人员临时提出数据需求>>IT部门临时SQL取数，提供Excel。如果报表稍有调整，一般就需要返回到IT部门重新调整取数。领导查询报表不方便，业务人员重复制作报表，IT人员重复取数，报表没有沉淀，不能复用，不能自动生成。缺乏统一的经营分析报表体系。

业务风险难控制：之前我们的营销财务部没有发一次预警报表，营销干部收到的预警报表时，风险多半都已经很高了，有些风险甚至已经发生。业务风险因为预警延迟而难以控制。我们有探索如何提高预警报表生成效率，最后发现因为数据层层汇总，报表多人制作，流程难以有效压缩。

报表平台方案

针对业务系统数据分割、数据不统一、无业务分析体系、需求响应慢等现存问题，我们从数据治理、业务分析流程再造、数据分析流程三个方面实施了报表数据分析平台。

数据整合

集团现有数据主要沉淀在NC、OA、CRM和主数据库中。如何打通系统，做数据集中？高层从集团信息化战略规划考虑，暂时没有上马数据仓库。要求数据分析平台能够直接对接不同的数据源，实现业务分析报表指标、维度完整，全面支持领导决策。我们选择的报表平台提供了多源取数功能。除了我们现有的数据库，还支持Excel数据源、文本、程序数据源等，方便而高效。

数据质量控制

解决数据质量问题，通常两个方案。一是用ETL工具做批量清洗，二是人工数据审核。针对业务日常运营，我们主要采用的是后者方案。通过报表平台的数据多级填报审核平台，平均每个业务模块超过15张审核报表页面，定时推送到制定人员进行审核。同时，页面可以直接实时调取业务系统最新数据，进行盘点，无需大量人工录入，系统日常使用方便，准确，高效。

业务分析流程再造

之前的业务分析流程，IT部门作为最底层的支持人员，不断被动响应业务部门的数据提取需求，并不掌握业务部门业务分析的核心。依托报表平台系统的数据分析功能和简便的操作，我们现在直接对接最终需求。前期调研业务需求，然后当天反馈数据分析报表，最迟一周内反馈分析报表。如需调整，除了可以当场拖拽调整外，也可以直接指导业务部门学习制作报表。核心在于报表平台上手容易，操作简便。当然，专业的报表还是需要依托我们技术部门。

报表分析平台效果展现

依托报表平台，我们一期重点做了财务管理分析、采购品管分析、供应链管理分析、IT运维管理分析、销售运营五大板块。

（关于财务、采购、供应链、销售运营方面的更多具体效果，涉及具体的运营数据，不便公开交流，欢迎留言联系。）

数据分析平台成果亮点汇总

第一：数据整合。我们实现了集团内部数据的全部统一，业务部门要的数据再也不会难以获取。

第二：权限统一。我们实现了全集团报表和数据的权限统一，一个平台即可进行维护分配。

第三：个性化通知。我们可以分根据每个人的需求，每个人的权限，自动推送个性化内容的报表邮件，让习惯邮件的业务人员和领导及时掌握最新数据和信息。

第四：效率提升。统一报表平台+移动端报表+推送邮件，这种方式的效率，比原来的Excel表格，方便多了。业务部门不用再重复制作报表，取数方便简单，更多精力用在业务运营上。同时IT部门也不必重复为业务部门提供数据，保证了数据的准确性，同时避免了重复劳动。

第五：移动查询。移动端查询极大的解放了在外工作的业务人员和领导，方便他们及时查询信息和做决策。

第六：业务模板沉淀。业务模板沉淀，本身就是我们企业经营分析体系的沉淀，通过模板的积累和调整，我们逐渐形成了决策看报表，会议看报表的习惯。用数据驱动运营，用数据报告支撑，这既是我们的战略规划，也是我们孜孜以求的目标。沉淀的业务模板，都是我们宝贵的知识财富，是我们无形的资产。

往期阅读

这是一份接地气的数据方案！——能源化工生产管理数据分析

谈谈企业的数据工作！——企业的数据分析能力金字塔

案例分享｜数据分析是为了规范业务——天业集团数据分析案例

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。这一过程也是质量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，是运营中很重要的阶段，是信息流推广中一个非常关键的工作，拥有一套清晰的账户数据表，能让你的数据分析过程，轻松自如、得心应手。

笔者在进行数据分析的时候，一般会用到五张表，这五张表进行分析汇总，然后发现账户中的问题，最终解决问题，让账户效果变得更好。

1、营销流程数据表

2、计划消费数据表

3、搜索词报告表

4、多维度数据表

5、关键词报告

营销流程表格

统计营销流程数据（包括各账户展现、点击、消费、平均点击价格）、统计商务通有效对话、统计预约系统的预约量和到诊量，这些全部放在一张表格上，方便计算预约率和到诊率，也方便对比近期的数据，及时发现波动和异常。

如果经常账户提前下线，或者钱花不出去，就要看看是不是市场有波动，或者竞争对手有大动作，还是账户哪里出了问题。都可以在营销流程数据表中找到问题。只有细心的统计数据，才能为以后的优化方向做好铺垫。

昨日计划消费数据报表

统计昨日计划消费数据，把咨询和预约归类在这张表上统计，可以直观的看出消费、对话成本、预约成本和到店成本。

如果某计划成本过高，就要看一下这个计划的投产比合理不合理。短平快、风险小、利润大的计划，会比其他成本要高，这个要结合公司的经营方向来做调整，把成本控制在一个可以接受的范围里。

搜索词报告

搜索词报告，一般1周统计一次，数据量大的时候3天一次，然后把搜索词报告和和关键词报告进行合并统计。可以很直观的看出某个词的展现或者点击。把这些词在账户里重点标记，或者单独管理，对账户优化有很大意义。

这样结合来看，可以让你对整个账户关键词和数据方面了解会非常清晰。再结合数据分析思路，持续优化账户，往好的方面发展，往高质量方面走。这就是小编整理的数据分析所用到表格的分析。希望能帮到正在竞价一线奋斗的竞价员们。

多维度数据表

多维度数据表是把账户数据和客服转化数据结合起来的一个非常重要的表格，我的习惯是把关键词、搜索词、展现、点击、消费、对话词，通过EXCEL的（vlookup）函数调用，把这些数据全部展现在一张表里，这样就不用看好几张报表，劳神劳力还容易迷糊。

通过这张表，可以直观的看出该关键词的展现量、点击量、消费情况以及是否产生对话。针对这些数据，可以很直观的看出来很多问题，调价、添词、否词、优化账户，基本上全靠这张表。

竞价员可能要看好几张表格，而且容易混乱，很难发现问题，所以在这里笔者着重推荐多维度数据表，然后结合关键词报告，这两张表是较为重要的。

关键词报告表

高消费的词通常是核心词，这种词出价都高，但只要着陆页问题不大，转化还是不错的。这种词，可以往上抢一抢，这类词虽然出价高，但点击总体不会太多，消费一般在一半以上，在账户预算够的情况下，尽力保证排名。如果预算不足，就找出主推项目和利润最大的项目来调整。

一般关键词报告是结合搜索词报告一起看的。每天在筛选完这张表之后，根据关键词的数据分析，如果实在没有点击，那就直接否掉。否掉一批词，再往账户里新增一批词，把该否的否掉，该删的删掉，注入新鲜血液，账户才更有活力。

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。

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 | 帆软数据应用研究院 船长

更多大数据资讯和企业案例可关注 ：知乎专栏《帆软数据应用研究院》

浙江天正电气股份有限公司（下文简称浙江天正），是中国工业电器行业规模最大的企业之一，是中国低压电器行业的领军企业。旗下有四处电气工业园：温州、嘉兴、上海、南京，低压电器行业业务以配电与工业控制为主。

2017年4月份，在温州，企业信息化交流会上，浙江天正电气控股的李书育谈起天正电气曾经面临的数据分析的挑战，分享了一年来的实践经验。

项目背景

浙江天正1999年成立，信息化也经历了近18年。浙江天正先后建设了大大小小十几套信息化系统（信息化应用简图如下），其中核心系统有四个：ERP（企业资源计划）、PLM（产品生命周期）、CRM（客户关系管理）、EAP（管理信息门户）。系统越来越多，数据越来越多，但是总感觉想要的数据却不足。我们总结有三个原因：

一个是我们认识提高了，需要的数据维度、来源变多了，我们总在探索用引进新数据来支撑业务管理和业务决策；

二个是公司管理在精细化，需要越来越多个过程监控和管理数据；

三个是经营决策方式在变，不是数据不足，而是领导需要的决策报表不足。

这三个原因的意义我们也做了深入分析：

第一个原因，是我们做数据分析的真正业务驱动力；

第二个原因，是企业当下做精细化管理的实实在在的需求；

第三个原因，既是我们数据分析项目面临的压力，也是推动项目实施的动力

数据分析项目认知

数据分析项目，虽然最终表现形式会是各种报表。但其中不同层次的报表是为了满足不同层次的需求。通过数据分析项目，可以满足下面前三个层次的需求，通过人工报告来解决第四层次需求，通过经营实践，来探索满足第五层次需求的实践方案。前三层次需求便于实践，可以主要依托市场现成商业数据分析工具，而第四层和第五层整个业界也仍在摸索之中。

第一层：发生了什么? 通过对企业现有数据进行整合，以固定报表、数据图表、仪表盘的方式呈现企业过去一段时间的经营指标。

第二层：为什么会发生? 通过即席查询、钻取，对各指标进行关联分析，挖掘指标间关系，发觉导致问题发生的关键指标。

第三层：正在发生了什么? 通过设立指标预警和自动提醒来告诫企业某个业务某个指标处于什么状态，通过易于交互的平台及时发出预警。

第四层：将会发生什么? 通过预测分析、数据挖掘技术来对一些数据指标做预测分析、模拟分析，告知业务将来的走势。

第五层：希望发生了什么? 我们对系统提出经营目标，借助系统，以事件驱动，战略和战术结合，让系统分解执行。

场景应用

基于前3个层次的数据分析需求，天正实践了销售主题分析、财务主题分析、生产主题分析、业务数据填报、车间制造看板、移动集成应用六个板块。其实2011年开始，我们用的是IBM的产品，已经完成了一些销售主题数据分析工作。当时我们深受IBM较高的产品费和服务费困扰，我们大胆做了新尝试，先选用水晶报表，但功能效果不足，2012年开始用帆软做数据分析。截至到2016年，我们不仅全部替换了销售、财务等传统主题分析，还做了应用创新。下面重点分享一下业务填报、生产分析、制造看板三个板块的创新。

业务数据填报

填报也算数据分析范畴吗？我们企业不争论这个概念，看的是实际效果。虽然我们也早已上线了各种业务系统，里面有丰富的业务数据。但我们面对不可否认的事实：企业中依然存在大量的Excel报表。这其中大部分都是汇总统计数据之用。从一个不是很起眼，但效果显著的财务填报管理来说起。

从财务经理处得知，公司的财务承兑汇票信息每天管理让她操心，稍有不注意就会有逾期风险。要经常查看财务系统，然后记录在Excel里面，总是悬着心工作。我们追问：为什么不用现成的财务系统呢？得知，不方便使用，麻烦。我们怎么从流程、管理上解决的呢？调研了财务的Excel报表，我们用帆软的填报功能做了采集页面，增加了审核流程，最后将审核过的填报数据做分析报表，及时预警承兑汇票即将到期。几乎消灭了逾期事件。这个事情给我们带来启发：企业数据分析平台，是需要能够采集数据的。灵活的采集企业经营中数据，为后续数据分析做好支撑。为什么不在原系统二次开发呢？成本太高，技术难，而且风险大。

生产主题分析

生产，也是我们企业的生命线。嘉兴作为重要的生产基地，备受公司领导关注。因为公司产品市场认可度高，订货量大，我们经常出现供不应求的状况？如何在现有生产条件下优化？我们首先执行的的方案是合理安排生产计划，最大限度保持全年高效生产。我们分析浙江嘉兴区事业部欠货前4名，分析系列元器件欠货前5名，适时调整生产。监控库存占比以及同上日欠货对比，在生产安排计划层面平滑安排生产，削弱不规律订单对生产的影响，保证全年的最大产出。

车间制造看板

浙江天正正在做精细化管理，正在打造“透明工厂”。那怎么才算是“透明工厂”呢？我们定了两个目标：一是公司领导可实时电脑查看车间工作绩效信息；二是车间员工可实时大屏查看生产线进度数据。两个目标具体怎么实现？首先，我们都是需要明确采集哪些数据做报表，协调取数，这个需要跨多个系统来实现。其次是具体的报表样式。最后也比较关键，是什么终端展现形式。我们生产车间，安装了电子显示器，讲实时生产数据显示出来，每5秒钟更新，各个生产线，各个车间进度一目了然，同时能及时分析出预期交工数据量和预期完成率。在领导办公室，我们采用网页版报表，领导只要点开页面即可查看。同时，还把报表集成到了移动端钉钉应用中，让领导能随时在手机上查看生产状况

往期阅读

这是一份接地气的数据方案！——能源化工生产管理数据分析

谈谈企业的数据工作！——企业的数据分析能力金字塔

案例分享｜数据分析是为了规范业务——天业集团数据分析案例

施老师：

在平常的办公中，经常有学员问我，怎样做一份让领导眼前一亮的数据分析报表，而且是自动的。下面就由宁双学好网施老师来教你。

一、首先打出一份员工产量统计表

二、然后把员工姓名复制一行到下面的位置，右边打好筛选月份，

三、然后在下方输入公式：=VLOOKUP($J$2,$B$2:$G$8,COLUMN()-1,0)，鼠标往右拉，得出员工一月份的产量，然扣右边用【数据】- 【数据有效性】算出筛选月份的序列。

四、然后点击插入菜单【图表】-【柱型图】，选择下方的一月，就自动生成柱型图表

五、将图表的底纹填充好看一些

最后我们可以点击筛选月份，点击什么月份就会出现该月份的柱型数据。是不是很方便啊。

　　从我实际的观察，结合对数据的理解，数据分析或数据驱动在不同的公司，在不同的阶段落地，需要经历这样的5个阶段：

　　1.靠经验+拍脑袋决策——无意识阶段

　　2.统计数据产生后的数据结果——感知数据阶段

　　3.分析数据产生背后的原因——思考阶段

　　4.根据数据分析的结论开始行动——行动阶段

　　5.让期望产生的结果产生——数据驱动阶段

　　星牛网小编在这里只具体来分析一下前四个阶段，别问我为什么，我也很无奈啊，说了没用啊~

　　第一阶段

　　这个阶段的企业，基本没有数据分析部门，对于运营过程中的常规数据分析，基本由产品运营人员手工做报表，公司内部没有开发专门的数据分析系统，也没有接入第三方数据分析平台，导致无法通过数据给企业带来额外的信息和价值。

　　第二阶段

　　这个阶段，是关于如何回答好5W2H的。（注：5W2H是指什Who、When、Where、What、Why、How、How Much）

　　需要有数据分析师的角色帮助各部门分析各类数据，公司可以成立自己的数据团队来开发数据分析工具，也可以选择第三方的平台，不论哪种方式，都要收集足够的数据，把各个部门所产生的数据尽可能准确、详细的统计到，并且有可视化展现的报表可以查看。这样，企业经营者就可以通过数据统计的结果，感知到公司各个部门的运营情况，把各个部门的工作内容变成可量化的指标来评估。

　　第三阶段

　　这个阶段是通过分析、洞察数据来思考为什么会有这样的结果，是对于上个阶段的进一步诊断。需要对数据进行多维分析，还需要有很强的行业知识，对数据有全方位的认知。除了对数据的全面掌握以外，还需要引入行业参考数据等，再跟据自身产品的特点，找到每一个可量化指标的最佳参考数据，监控这些指标，快速查找原因。从而能够清晰的知道是哪些原因导致的，从而做出合理的决策。

　　第四阶段

　　这里说的行动，指的是基于对数据做了大量的分析，在得到结论或者数据模型之后，对产品做的优化，给用户提供不同的产品体验。包括数据部门在内的各个部门需要进行联动，将分析结论和实践结合起来，让数据结论不止停留在报表上，要让数据在产品和营销中流动起来。

　　听小编说了这么多的，到底你们的数据能发挥出多大的价值，是以何种形式来驱动企业发展的，需要大家共同来创造啦。

为什么有的报表好用，有的报表不好用，有的企业会做一堆乱七八糟的报表，最近经常会思考这些问题。

有人说数据分析，为了开源节流，这个没有错，今天我从另外一个角度解读。数据分析，是为了应对风险(说明：风险与机会是一起的。PMI中将其共同列为风险管理，本文所有风险与机会同义)，开源节流的每一次操作每一个节点，也是风险。

企业经营，风里来雨里去，免不了碰到大大小小的机会和风险，抓住机会躲避风险是每个企业以及个人的毕生追求。

PMI中将风险归为以下几类：

已知的已知风险

未知的已知风险

未知的未知风险。

本文将数据分析，也归纳为三层需求

第一层需求：应对已知的已知风险

可以将这一层需求看作为被动使用的数据，拿零售行业的场景举例：

采购员要进行采购，没有数据作为参考，只能进行盲目采购，那商店的缺断货、商品积压的风险一定出现。所以采购员需要通过数据查看各类商品的销售情况、库存情况、可售天数情况进行判断，以此决定采购需求，避免错误的商品采购所导致的商品缺断货、高库存等风险。此为通过数据来应对已知的已知风险。

对于企业之中，这类的应用特别多，多到部分企业会忽略这是一种数据分析的应用。企业中常用的业务系统比如erp等软件系统，也会自带一些简单的数据查看类报表，其作用也是很大程度上来应对这一类风险。

但是，从另一个角度去看，这类风险的应对也有很大的优化空间：

风险应对的效率：提升风险应对的效率，是提升应用标准化的一个体现，当一个应用难以使用时，容易造成人员惰性，取巧而放弃使用，从而提高了风险发生的概率。

复杂的已知的已知风险的应对：绝大部分企业并没有将数据覆盖所有的已知风险，举例：新品的引进，新品的引进为商店带来新的盈利点，但是错误的引进甚至会带来负面效应。大部分企业的新品引进并没有一个很好的方案来应对：通过数据进行品类关联并对比，可以看出本店铺对于市场上销量靠前的商品的缺货情况，本店已有商品的市场占有情况，从而可以优化新品引进的策略。这一类的应用还有很大的空间，这也就是为什么很多企业乐于同行之间的交流，希望彼此可以互通有无，发现类似数据场景的应用。

第二层需求：应对未知的已知风险

这一类数据一般为主动使用的数据，更多的是周期性使用的数据，常见的比如领导们常看的日报表、周报表等。

企业的风险发生的概率是分布在每一天的，但是它每一天都可能发生也可能不发生，例如部分员工的消极怠工、部分商品的质量异常、个别门店突然面临的对手竞争等。这一类风险当然是希望在发生的最短时间内就可以发现并且应对。所以企业中产生了大量的这一类型的报表需求。

这类报表也很常见，但是他们价值的体现不如第一层需求类来的直接，这一类报表经常被浏览，但大部分情况是没有发现风险的，所以有时会产生一种这类报表没什么用的感觉。

在我们所遇到的项目中，这类需求报表占比是很多的，也是争议最大的。领导层所需要看的日/周/月报类报表相对还好，毕竟是每天都会有人看，并且作为企业数据监督和追踪的一种形式。

此外，还会有很多分析类的报表也属于这一层级，比如商品的价格带分析：找到某类商品的价格点，对比销售高点或销量高点，从而发现可能的商品价格分布的不合理或者货架摆放位置的不合理(价格点商品附近陈列丰富的商品可以给顾客带来商品丰富的感觉)。进一步调整商品价格分布以应对商品陈列或者价格分布的风险(机会)。

这类报表的应用难度比较大，因为经验或者知识储备的不同，对风险的认知和识别能力不同。同样以上面的价格带分析报表为例，其目的为应对陈列、商品价格分布、商品引进/采购、目标活动人群选择的风险。但是使用报表的业务人员没有形成对这些风险(机会)的认知，就造成了缺乏对该报表的数据解读能力，该报表便成为了一个花瓶报表，价值无法得到体现。

针对这一类报表，我的建议是场景化，让每一张报表背后都有它的风险机会描述，当自我不能解读的报表，也就不要指望业务可以解读并使用，并不是将一堆的指标都进行展示就能产生价值，它于落地的应用还相隔甚远。

第三层需求：应对未知的未知风险

这类需求近些年来大量出现，大数据概念被大多数人所重视也很大程度上是因为这一类需求。

风险的不可预测性使得大量人群希望通过技术的手段来帮助识别和发现风险。比如很多人希望通过聚类这类算法的应用，来形成用户画像，发现自己之前无法发现的特性，或者通过对商品关联的挖掘，发现未知的商品关联关系，从而调整商品布局以发现巨大的商机，比如“啤酒与尿布”(不知真伪)。

但是这类需求实现难度巨大，目前还属于少数互联网公司的专利，对于大多数企业尤其是传统企业而言，其实现成本是难以接受的，个别数据乙方可能会以此为诱饵进行宣讲，但就我所了解到的还难以形成很好的应用。

但是第三层需要要怎样处理？无论是机器还是算法很多都是对人对模拟，只是拥有更快的速度而已，所以相信通过人的作用可以弥补这一类需求。

同样以商品模块举例：除了我已知的商品价格、布局风险外，通过对商品价格分布那张报表的分析，发现在非价格点的价位(比如是10元)销量比正常值都高，正常情况10元价格商品的销量是价格点商品销量的1/5，但是报表显示这一期间的比例高达了1/3，通过进一步分析，发现是由于某一天活动对该商品进行打折促销，从而该商品销量上升，再进一步分析该商品的销量上升并没有给企业带来业绩的上升，该商品的周边商品销量基本没有变化，也就是该商品的连带率是很低的，同时该商品库存并非临保商品。通过调查发现是店长和供应商的私下协议而采取的促销行为。

以上只是举例，通过人的思考可以发现很多的未知的未知风险。这也就是近些年来bi产品的出现的原因，bi产品希望能够给业务人员一个灵活的数据应用环境，让他们的思考得到延伸和数据上的支持，从而应对未知的未知风险。

当然，理想情况如此，很多企业并没有将bi产品应用成为以上的价值。原因很多，主要的是包括业务人员没有分析意识、没有一个很好的分析入口(不做进一步解读)。

综上：

我将对数据分析的需求分为三层，每一层的使用难度也都有不同，越向后越容易产生“这个报表没什么用”的感觉。现实中，也有很大程度上确实是这个报表没法用，因为很多it人员也并没有理解我做好的报表是为了解决什么样的问题，只知道这个指标有用，我就展示给你看。所以这样的报表可能真的很难用。

我觉得，让数据发挥它的价值，可以尝试将数据与风险相关联，对风险进行数据化的解读，从而来让报表更加落地，更加可用。

ps：一切的文章都是我当时的想法，不能作为知识来解读，大家尽做参考，欢迎交流。

End.

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。