故事前言

前些日子和一位企业信息部门负责人交流，他们用报表工具有5、6个年头了，先后做了财务报表，营收分析、月营收报表，细分到200多家门店以及2000多名员工的财务数据汇总，为财务开发了多维度的查询创建窗口，可以生成周期性的结算报表。

之后又用到业务层，做了OA流程分析、BOSS驾驶舱和经营可视化大屏，可以说把FineReport的功能和场景用得很全了。而且带来的效益也很明显：

1、利用填报规范化各业务线的数据收集流程，利用帆软主数据管理帮忙打通了业务系统，就主数据整理这块，就节约了7个人力。

2、IT不再只是支撑，用人上一方面往专精技术发展，一方面主动为提升业务价值做创新。4个IT报表开发，之后分别去做了ETL和搭建数据仓库模型。3个原本不断和业务沟通需求为业务取数的，专做类似数据分析层面上的经营分析，以及给业务部门的分析培训。

3、建立了商业分析经营模型，提升门店的运营能力，如根据客流及租赁系统进行数据清洗和整合，实现客流动态监测，更好的管理销售业务；

4、对分公司（金融）进行了客户画像分析，将客户交易数额、交易频次等分级，建立VIP客户阵队，为公司拉来34个每月百万级交易的客户，直接带来超1亿的营收。

......

当初上FineReport，通过报表的中国式复杂报表、灵活参数查询、丰富的图表展示、自由的数据填报上报采集、企业级门户管理等特性解决了企业信息化的不少难题，业务的数据报表可视化展示成果也是受到了领导的不断好评。

可以说“IT+数据”，价值越发凸显，盘子也越做越大。

但是任何事过一阵就会遇到上升的瓶颈，随之而来的是销售、门店、市场、人事的业务分析需求接踵而来，企业的各数据采集模块越来越丰富，即便是有报表系统，但报表需求也如井喷。最重要的是，业务的需求越发专业和个性化，需要IT对业务场景越发了解，这种需求很费时间，沟通稍有不慎之后就是不断打回，要么改需求要么继续优化，教业务取数做报表又不现实。

问题分析

基于以上种种企业数据应用的痛点，我们需要进一步的思考。

首先，要肯定报表工具的功劳，它实实在在解决了很多数据填报上报录入、日报月报、中国式复杂报表、以及企业数据报表管理的问题，同时极大地提高了传统企业下IT部门使用SQL+代码到SQL+报表工具直接出报表模式下的报表开发效率，功不可没。

但报表只覆盖了企业部分数据应用场景，且他的上手难度对多数人，尤其是业务人员有一定门槛。

对于一些数据工作走在前列的企业来讲，有些数据问题还得靠BI来解决，比如：

业务有很多分析需求，而且很多是一次性的、甚至个人的需求，沟通和配合效率很低取数分析涉及的数据量很庞大，百万及千万级以上；技术问题，需要对接hadoop之类的大数据平台，甚至需要前端报表的数据实时响应；业务部门培养分析人员需要更容易上手的工具；

......

FineBI的存在就是解决这类问题的！

1、FineReport+FineBI，两者是互补的存在！

如果你所在企业也存在着如上所述问题，那么核心问题就需要通过一款商业智能工具以满足业务人员或者企业领导的即席/自助数据分析需求。

首先FineReport作为一款报表工具，主要用于解决提升IT部门的常规/复杂报表开发效率问题；而FineBI作为一款商业智能工具，在IT信息部门分类准备好数据业务包的前提下，以满足业务人员或者企业领导的即席/自助数据分析需求。通过FineReport+FineBI的完美结合互补，轻松搞定企业IT的复杂报表&业务即席分析需求！

2、报表FineReport和BI工具FineBI的区别

1、数据引擎方面，FineReport产品是直连数据库，性能方面需要数据库的支撑；FineBI产品包含FineIndex和FineDirect两种数据引擎可供用户使用，其中FineDirect也是直连数据库，而FineIndex数据引擎是做大数据建模的，可以生成列式存储的多维数据集对传统的关系型数据库进行加速；

2、FineReport属于C/S架构，支持灵活定制各种中国式复杂报表；FineBI属于B/S架构，主要提供自助式的OLAP多维数据分析模式；

3、FineReport可以用来出固定格式的周报、月报、适合作为正式汇报材料；FineBI的使用主要面向业务人员可以自己设计报表进行分析，向自主分析得出结果，辅助企业业务决策；

4、如果把FineReport和FineBI的最终数据分析结果都比喻为一场盛宴的话，FineReport可以比喻为一桌经过精心调理和准备的满汉全席，而FineBI则可以比喻为一场可供用户进行丰富自由选择的自助餐；

5、报表系统和BI的使用对象和目的都不相同，报表系统更着重于短期的运作支持，而BI则关注长期的战略决策，甚至更着重于商业趋势和业务单元的联系而非具体的数据和精确度本身，BI并不是用来代替着眼于日常运做的报表系统的。

3、两者如何配合？

1.FineBI中FineIndex列式存储的多维数据库可以在FineReport中进行读取和使用，FineReport的拓展数据源也可以通过服务器数据集和FineBI进行共享；

2.FineReport制作的所有报表页面都可以挂载在FineBI中进行查看和使用；

3.FineBI和FineReport产品支持融合部署，所有功能都可以整合在同一个工程中进行使用（推荐FineReport整合到FineBI），同时移动端共用一个数据分析app。

典型案例

以某银行为例，下辖13家省内分行、4家省外分行，营业网点541家，员工1.4万人。全行的生产实际ODS总共的数据量20几T，单表数据量最大1亿3千万。

在上FineBI产品之前，信息科技部承担着全行内日常的数据管理以及响应各部门的报表制作需求，譬如，营运客服中心需要定期对客户进行跟踪、电话回访，信息科技部通过sql将数据库中的数据取出来，再展示成报表提供给营运客服中心的客户人员进行查询。

行内的其他业务部门，有计划财务部，公司业务部，消费金融与信用卡中心，风险管理部，营运部，对自己的业务数据有自助分析的需求，譬如计划财务部要做经营分析、资金清算，消费金融与信用卡中心要做信用卡发放的覆盖率、信用卡消费的分析，公司业务部要做增长的趋势、增长速度的分析，风险管理部有对对标上市银行的相关分析。

这些业务部门的数据指标的特性是变化快，不但要不断增加新的指标，而且已有指标的计算方式也在变化，所以需要经常调整。信息科技部并不知道哪些指标对这些于业务部门而言是重要的指标，信息科技部按照业务部门提过来的需求来做好指标，也不能完全实现业务部门需求。

上了FineBI平台之后，信息科技部给计划财务部，公司业务部，消费金融与信用卡中心，风险管理部，营运部分别开设了分析编辑用户。信息科技部将这些部门相关的数据库表加载到FineIndex数据引擎中，按照业务给每个部门的账号分配数据权限，每个业务部门可以自由地对自己的数据进行数据分析。新的模式为信息科技部只需要维护底层数据表，业务部门的科技项目经理负责向信息科技部申请需要的数据，普通的业务员可以对自己模块的数据进行自助分析，彻底改变了原有的模式。

目前全行各部门有效的分析模板300多张，各部门对自己的数据和分析模板有着绝对的自主性，同时也方便了汇报工作，譬如计财部总监给董事会汇报，以前都采用先查询报表，然后将结果粘贴到ppt汇报，现在直接使用FineBI平台，边汇报边切换指标讲解。

总行顺利推进，近期各分行也正在积极推广使用中。

写在最后

数据本身的价值其实是潜在的，而工具的作用是帮助用户更加便捷地进行数据的统计和分析，但是在这之中数据的业务闭环才是最为重要的。

除了常规FineReport的中国式复杂报表之外，还需要通过FineBI不断完善企业即席分析和数据多维可视化建设，让业务人员也能够通过BI工具从单个核心指标出发，然后进行指标拆解，进而深层次多维分析，切片切块，通过同型分析、趋势分析、对比分析等数据分析方法定位到数据中的异常点，最终通过调整决策解决业务问题。

毕竟在当今这个大数据信息化爆炸时代，只有坚持数据成为生产力的企业指导经营方针，让全员都利用好企业的数据以分析引导业务决策，才能让企业真正焕发生机，成为真正超越和引领同行业的领导者。

对于很多实体店老板来说，每天的客户进店量、客户进店走势、客户转发率、复购率等只有大概的数据和模糊的印象，传统的零售店没有精准的经营数据似乎已经成为一个常态，这时候一个完整智能的客流统计系统就显得尤为重要。

1.集进销存、客流分析、监控于一体

那么一个完整的客流统计系统包括哪些呢？秦丝商铺宝给了我们最好的答案。商铺宝集进销存、客流分析、监控与一体，形成一套智慧门店的监控及分析系统，实时监控店铺的日常经营状况，记录客户从进店到成交全流程的跟踪记录，如进店率、成交率、客单价、回头率等关键经营数据指标，为店铺的经营者提供精准有效的数据依据。

图为秦丝商铺宝

2.精准客流数据

秦丝商铺宝的数据后台直接搭载在秦丝APP上，客流统计功能结合系统的销售报表、客户管理的功能能够计算出店铺每天、每周的客流量、客流走势、客单价、转化率等相关数据，有了秦丝商铺宝你就能对每天的客流的数据有更清晰的认知，可以提供“进店客流—成交客户—复购客户”等数据，并分析出门店问题所在，可以根据实际情况指定门店更适合的运营方案。

3.实时监控，尽在掌握！

出门在外如何管理门店？想要知道门店员工的工作状态？秦丝商铺宝支持手机远程监控，可以随时随地在手机上进行网上巡店。这一功能也是因为秦丝商铺宝和其他视频监控的最大区别而实现的，商铺宝搭载在秦丝APP,不需要在下载视频应用、不需要在电脑端查看！省内存更加便捷！

出门在外也可以管理门店

手机在手，你就可以巡查不同店铺的日常经营活动，实时对货品陈列、对店员日常销售、门店安全、销售交易过程等多项内容进行远程监控。这样的话你就可以从店铺中解放出来，有更多的时间与精力考虑店铺的长远发展，一部手机就能快速掌握门店日上经营状况！是不是很便捷呢？而高达1080p的全高清分辨率，图像细节清晰细腻，让你从细节开始优化门店，做到更好！

这一套完整的客流统计系统对实体门店而言真是一个巨大的福音，为连锁零售、实体门店带来更多的销售机遇，帮助商家快速将普通门店升级成智能门店，实现数据化、智能化管理，有效地提高实体店铺的成交率，提升销量。

小编去多个市场调研后还发现一套“客流统计+门店监控”系统售价高达5到6万，而秦丝——集“客流统计+门店监控+进销存管理”于一体的系统，硬件+增值服务1年的花费不到1千。心仪的老板可以找秦丝了解。

文 | 帆软数据应用研究院 刘传岑

一、客户介绍

西南证券成立于1999年，唯一一家注册地在重庆的全国综合性证券公司。2009年公司在上海证券交易所挂牌上市，成为中国第九家上市证券公司，重庆第一家A股上市金融机构。目前在全国29个省份设立9家分公司和119家证券营业部，员工逾3400人。公司在做优做强传统业务的基础上，持续加大产品服务创新，为各类型客户提供全方位的证券服务。

为了更好的为公司各业务部门提供决策数据支撑，满足日益增长的信息化需求，IT部门通过帆软产品搭建了企业集团级的业务分析系统，业务分析系统目前挂载了300多个页面，供公司3000多人访问，系统月访问量达1万次左右。同时业务分析系统与公司OA系统进行了集成，满足各业务部门人员日常使用需求。

二、合作背景

公司领导层早在几年前就意识到了数据辅助决策的重要性，IT部门之前采用IBM的Cognos工具进行业务分析系统的搭建，但是由于Cognos在实现营业部树状条件和月份条件等常见查询控件需求、Excel导出样式失真、不支持word导出以及系统集成一般等功能上的局限性，同时缺乏对数据填报功能的支持，为了满足日常业务需求场景，在采用Cognos的基础上引入第三方开源报表框架，以弥补查询控件、excel导出、系统集成和数据填报上的功能需求。

这种业务分析系统的开发模式，在业务部门需求逐渐增多的情形下，由于较高的开发门槛和较长的开发周期以及若干功能细节的局限等原因，给IT部门带来较大的开发压力，无法及时应对频繁的需求变更，造成需求方满意度下降等负面情况。

因此，IT部门一直在寻求技术门槛更低、可操作性更好的工具，能同时满足业务分析系统的功能应用场景。在经过新的产品选型，综合产品功能、成熟度、服务支持、集成性等方面，在2016年西南证券和帆软合作，IT部门一方面将之前开发的报表进行迁移，一方面快速响应业务部门新的需求。

三、 数据中心建设

数据中心建设背景

企业级的业务分析系统，离不开底层数据的支持。随着公司业务规模的不断扩大，业务系统的增多，如果直接让业务分析系统连接各业务系统，一方面会给业务系统带来压力，可能影响正常业务的开展，降低业务系统的数据安全性。另一方面为了满足业务分析场景的需求，需要进行数据的整合，而各业务系统的数据口径不一致，如果直接把各业务系统的数据取过来使用，会给数据整合带来麻烦。

与此同时各业务系统多年来积累了大量的历史数据，包括了客户的基本信息、交易行为、业务流程等数据，这些数据蕴含着传统经验难以寻觅的价值，对于企业而言是一笔宝贵的资源。从公司层面来说，通过数据挖掘，可以去寻找目标客户、寻找客户需求、分析业务流程，让客户增长更迅速、产品销售更精准、业务流程更高效。站在企业创新的角度来看，如何利用好这些数据成了助推企业发展的关键。

因此为了实现对集团业务数据的管理和应用，需要建立企业级的数据中心。

在技术方面，西南证券的数据化建设起于2013年，公司实施建立了数据中心系统、上线了业务分析系统，合并整合了原有的龙虎榜，同时提供了更多的数据展示。

项目组也形成了持续稳定的数据中心团队，为公司提供数据平台和数据服务，数据中心团队目前共计有8人，数据中心支持了公司23个系统数据集中和数据交换，200多个任务，8T数据量。

数据中心体系结构

数据中心整体架构分为数据仓库和数据分析两部分，数据仓库作为数据中心的底层，提供整体业务数据的落地存储，为数据分析打好地基。数据分析作为数据中心的应用层，通过数据仓库提供的数据，进行业务相关分析。

数据仓库目前使用Oracle数据库，每天夜间通过ETL工具定时自动将数据从各业务系统中增量抽取到贴源层，贴源层作为各业务系统数据的镜像，只采集数据，不对数据进行处理。采集过来的数据由于数据口径不一致，无法直接进行数据整合，因此需要将贴源层的数据根据统一的数据标准进行数据清洗，规范字段名称、统一数据单位与格式、将清洗后的数据落地到EDW层。DDW层则根据具体的业务分析需要用到的指标，建立指标模型，将EDW层的数据根据指标进行整合。同时根据业务需要建立新的数据库表，在数据仓库中将复杂的逻辑运算先处理掉，以减轻前端数据展现时的响应时间。

建设阶段

第一阶段目标是搭建基础平台、业务数据集中、满足基础报表。实现了以数据中心为核心的数据交互体系,为三方系统及业务部门提供数据服务。在应用上，实现了各业务条线的决策数据、业务报表需求，并建设了后台的任务调度管理平台、数据质量管理平台以及业务报表管理平台等功能，形成了公司级的数据基础平台和服务平台。

第二、三阶段目标是建立数据仓库、制定数据标准、深入数据应用。基于证券行业设计落地了数据仓库模型，建设了客户统一模型，通过身份识别将公司分布在各系统中的客户信息和标识进行统一和关联。在数据仓库的基础上设计和开发了多维指标层，将客户、分支机构各主要指标和标签进行了计算，满足客户分析、经营分析、固定报表等。同时形成和发布公司标准《西南证券数据仓库指标标准》。在数据标准、数据应用、数据治理三个方面上持续建设。面向公司各层级建立多维分析模型和自主分析平台，构成客户、产品、分支机构、渠道主题分析，满足自定义分析需求。

四、数据应用场景实例

客户开户引流和渠道分析

近年来证券行业随着与互联网的结合，证券公司间对零售客户的竞争越来越激烈，开户渠道、客户服务、产品营销各方面都需要付出极大努力，数据也在其中起到重要作用。比如作为客户开户的重要来源的渠道引流，如果对各渠道开户进入的客户数据进行分析，就可以看到不同渠道开的客户质量是不同的，有效户占比、人均资产、人均佣金贡献、客户地区来源等关键信息，都体现了不同渠道的优劣，因此我们就可以择优选择渠道重点进行投入，实现引入更优质的客户以及更高的成功率。另一方面对开户流程进行分析，又可以发现是流程中哪个开户环节成功率较低、是客户流失严重的，这样反过来对我们的开户流程进行优化，进而提高开户成功率。

潜在客户挖掘

通常业务流程上对于潜在客户寻找、产品营销是通过对客户的熟悉程度加以经验判断来进行的，这其中数据也可以起到相应作用。例如寻找期权业务的潜在客户，可以从两融客户中通过获取客户交易量、日均资产、周转率、交易频率等指标，将符合期权业务特点的活跃的、投机性强的客户集中筛选出来，作为期权业务的潜在客户进行重点推广，会产生更好的效果。

业务经营分析

数据在经营管理上也起到举足轻重的作用，对于业务的开展，通过数据趋势发现业务发展是否与经营决策相符、找出发展瓶颈，比如某项业务收入或客户数量的走势高低，加上与市场行情的对比，寻找出业务发展是由于市场活跃带动，还是被市场萎靡拖累；再加上市场份额的对比，能更客观的分析出业务发展的状况，未雨绸缪，而不会被表面数字所迷惑。比如去年的行情下，公司经纪业务交易量市场份额基本保持稳定、客户保证金也有小幅增长，但是单独看开户市场份额，就会发现公司经纪业务的开户市场份额全年都低于交易量市场份额，并且在有些月份开户量也低于市场开户水平。这体现出了当前的交易份额多数是由存量客户的交易增长提供的，新增客户量已经在拖后腿了，新增客户量应该更加投入，若牛市到来，这部分新增的客户将产生巨大价值。

五、未来规划

搭建大数据平台

目前客户每日资产、历史交易流水、客户盈亏率计算等较大的历史表，在做统计汇总、复杂关联查询时因数据量和计算量较大，目前类似Oracle关系型数据库已无法支持高效率查询。同时传统的数据仓库每天需要抽取的数据量越来越大，未来可能会出现第二天上班以后数据未完全抽取过来的情况。因此，未来规划通过大数据平台，提高数据响应的实时性。

多维分析平台直连大数据平台

在大数据平台搭建的基础上，利用FineDirect大数据直连引擎对接大数据平台，实现大数据量数据的在线自主分析，以及准实时数据分析及监控功能。

大屏应用

在数据底层、业务分析系统逐步完善的基础上，计划通过大屏应用，将公司经营层面的各种指标通过大屏的形式进行展现，让管理层和各业务人员能实时了解公司的整体经营情况。

随着智能化、信息化、智慧型产业不断的发展，智能化设备在各行业的广泛应用，作为基础支撑的用电管理也越加重要。企业由原先的人工粗放型管理向精细科技型管理转变。

很多企业在日常管理中，会遇到人工抄表计算费时费力的问题。配用电监测与管理系统提供统计报表功能，帮助企业解决抄表难、管理难的问题。

通过新联电能云配用电监测与管理系统中的统计报表模块可查看12张统计报表，更加方便适用，实现自动抄表并汇总，减少大量的人力浪费。企业用电管理人员可通过PC端及app随时随地查看用电报表，提高工作效率！

可查询并导出所有监测点某个月每一天任意时刻的电量情况；可根据配置的用电结构/自定义单元导出报表可配置带有计算关系（加、减）的自定义单元报表 ；按照不同的抄表时间段来汇总每日的电量数据查询各个测量点任何时间段总电量累计值；可根据需求定制任意报表（自定义报表），定制企业内部所需的管理考核报表。

选取几张关注度较高的报表进行示例

企业使用报表功能案例

某公司各分厂每月都需核算电力耗用情况，原先是人工抄表计算，2017年补齐监测点后先试行双重（即平台报表和人工抄表）统计对比，然后逐步免除人工抄表，提高工作效率和降低人力浪费。

同时，该公司内有一条自动化生产线，历经组建、调试和试产后已进入正常生产状态，此条生产线同时增设监测点，利用抄报表功能对自动化生产线的耗用情况统计，可以随时提供可靠的数据支撑。

使用新联电能云配用电监测与管理系统，即可免费使用统计报表功能，除此之外，配用电监测与管理系统还可为企业提供多项用电管理功能，帮助企业实现精细化、自动化管理。在保证安全用电的基础上企业可根据经济运行、能效管理的要求设置管理目标，通过系统实现企业用电管理的高效运行。

新联能源综合服务云平台足于：数据第一的理念，致力为广大用户提供一站式电能管理服务。

做过财务的都知道，财务部的整天忙忙碌碌，要向上级，兄弟部门等提交各种各样的报表，财务部的员工号称“表哥表姐”，为表格生，为分析死，受苦受累一辈子。

那么，这些报表，真的有必要吗？答案当然是有必要的,内部报表是CFO参与决策时，重要的参考依据，更是CFO解决具体运营问题的杀手锏。离开了内部控制报表，就是口水战式的管理。

我们在日常财务管理过程总，应该是管理制度化，制度流程化，流程表格化，表格信息化。

首先，我们将内部控制报表进行一个分类：

1、按控制对象，会计要素分类：横向---宽度，可以分为6大类

资产类控制报表负债类控制报表所有权权益类控制报表成本费用类控制报表收入类控制报表利润类控制报表外加现金流类控制报表，这个报表很重要，现金流断了，也就没有造血功能了，结果只有死亡。

2、按控制角度分类：纵向---深度

集团控制报表公司控制报表部门控制报表还有员工、项目、产品、时间、区域、客户、供应商、预算、其他要素控制报表等等。

3、按数值分析方法分类：结构分析报表、趋势分析报表、差异分析报表、因素分析报表

4、按时间分类：日报、周报、月报、季度、年报等等。

那么这么多分类，到底要做多少张控制报表？我们应该因需而做，因管理要求的精细度而设计，因KPI考核而设计各种不同分类的报表。比如营销部门考核到个人，考核到单个产品的消耗，那么就要设计到个人的内部控制报表。

总之，我们在设计内部报表时，要考虑报表的层次结构，内部控制报表就是我们做决策的最主要的依据。下篇继续介绍内部报表的设计步骤，内部报表的数据来源，内部报表的操作要点。

作者简介：一个做互联网运营的老财务人，从业12年，现创业公司合伙人兼CFO, 注册税务师，历经大型物流企业，500强实体制造企业，移动互联网上市公司，跨境电商领导企业担任合伙人、CFO、对企业战略、项目运作、顶层商业模式结合财务战略设计有较强的架构能力，创业项目融资B轮。

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

为什么报表对ERP系统如此重要？

众所周知，一到月末、月初或月中时，各职能部门、各管理会议、各管理决策等都在为报表绞尽脑汁、加班加点和操心操劳。

事实上绝大多数中小企业所使用的国外ERP软件，比如QAD Mfg/Pro，Exact，Movex，Adonix等，其设计目的只是供企业分销制造以及财务日常交易录入之所用，同时仅提供一些满足基本需求的报表功能。

这一点与我们熟悉的中国财务软件比如用友、金蝶等有很大不同。但后者仅仅以财务系统见长而不具备完善的流程控制，故不能算真正意义上的ERP系统。

即使大型的ERP系统也纷纷并购顶尖的商业智能工具以扩展其产品的报表能力，比如前面完成的一系列并购：SAP收购BO(水晶报表)，Oracle收购Hyperion，IBM收购cognos。

所有这些现象揭示了报表工具对于一个ERP系统的不可缺乏性，这也很好地解释为何我们系统里有那么多的客户化报表。报表不仅供管理者决策分析之用，也能指导用户正常地操作系统，比如下达一个订单。

可以说，报表工具为ERP系统打开了一扇窗！

同一个类别的报表Inventory，如库龄分析报表对于不同职能部门需求不一样。

对于财务部门，需要数量，成本和金额等信息；而对于仓储部门仅需要数量即可。对于可能从中推算出成本、价格等敏感信息，某些报表中需要将产成品描述等字段屏蔽。

随着业务的发展以及对于内控要求的不断增加，我们仍然日益面临着增长的定制化报表需求。

为什么不直接对ERP二次开发？

1. 系统维护和版本管理不希望系统有太多的个性化，同时也不利于升级和标准化；

2. 由于技术和业务壁垒，一些标准模板的更改难以由某个人独立完成；

3. IT资源紧张，难以得到及时更新，也缺乏人力运维。

为什么必须标配报表工具？

部署一款实时性的本地报表工具不光对IT，对于最终用户也有很大的帮助。它能够让我们从客户化编程的低效繁琐中解脱出来，将自已的精力集中在理解用户需求并帮用户设计业务模型上面。

报表工具的License远比ERP的要便宜。

对于某些仅从事查询或报表的用户比如一些管理人员，完全可以做为ERP系统帐户的替代。

图形化、可视化的界面为大多数用户所喜爱。

目前，大多数报表工具支持各种各样的数据库，在他上面的投资和积累的经验完全可以移植和扩展到以后的SAP甚至其它一些可能出现的系统上面，比如客户关系客理、工作流等系统上。

更重要的是，由于商业机密泄露给竞争对手而带来的一次性损失、或者我们为了加强商业密秘保护所做出的其它努力，可能也远大于布署报表工具所需要的投资。

报表工具不失为企业数据化经营的最佳开端

现在很多企业都逐渐有数据分析的意识。商品部说我要看门店销售额分布，金融部说我要看投资转化分析，领导要看综合指标统计、部门业绩拆分、产品分析、用户分析……

但凡一个有点规模的企业，都有大量的数据躺在系统里，报表在Excel中。越来越多的业务分析需求，也暴露了各种数据收集麻烦，系统数据不能打通的问题。

报表BI平台可以把数据分析给统一管理起来，一方面减轻各业务人员做Excel的压力，毕竟是谁都不想在做报表上花太多时间；另一方面，报表体系的规范倒逼数据的收集、数据的质量、经营分析体系的完善。

那么，应该选择什么样的报表工具？

几个参考标准：

是否支持所需的数据源，有没有开放接口数据填报手机、报表分发等功能，都是常用的需求报表制作是否简单，做表的效率高不高数据安全、权限管理——保证信息安全如果选择开源工具，得保证有专人运维

市面上的工具大家可以对比价，各家官网技术参数和功能都很透明。个人推崇帆软FineReport，就和ERP首选SAP金蝶一样，可以说是全球最好用的报表软件。

报表开发简单速度快，2个人一年可以完成集团120多张报表的开发。搭建统一的数据管理平台，取数、分析一脉相承，让数据更好的用于业务经营和决策。可以快速开发报表，可以和OA、ERP、MIS、CRM、TMS、WMS、BPM、EHR、考勤等系统的无缝集成。内置用友、金蝶、泛微、致远、万户、蓝凌、神州数码、浪潮等厂商的API接口，省得开发。

教学管理系统是应用于学校等教育机构，以实现学院各部门以及各层次用户管理的多模块综合信息管理系统。报表作为教学管理系统的重要组成部分，对于教学管理系统数据的分析和决策具有重大意义。

下面让我们了解教学管理系统中的常见报表。

学生收入分摊汇总表

报表以【城际】+【学校】为单位进行数据分组显示，将每个学生的【基本信息】、【收款信息】、【退款信息】、【每月出勤天数】、【每月分摊标准】、以及【每月各项费用收入信息】进行统计输出。在报表的列中，最后对各项费用进行了汇总统计。

学校综合业绩表

该报表中展示了各城际和所属范围全部学校，年度总目标与每个月目标完成情况的统计分析。

学生成绩构成分析

该报表主要通过图表的方式，将各学校不同成绩段的学生比例进行汇总分析，这样不仅能够看到单个学校学生的成绩分布，还能看到多个学校之间成绩分布的对比情况。

学生成绩汇总情况

改模板主要进行学生成绩的统计。

财政教育经费投入情况表

该模板可以看到不同类型学校（普通、职业和小学），不同类型的经费投入情况，比如：教育事业费、村投入、社会捐款和信息化建设等投入的实际经费情况。

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。

人们常说“报表做得好，升职加薪少不了”。这就取决于，数据报告的两个重要作用：一是可指导性，是内核，让人看完报表之后恍然大悟“哦，原来问题出在这里”；二是美观性，是包装，让人看第一眼就赞叹“哇塞，这报告666”。

可是，为什么你加班加点做了那么多报表，却依然得到不老板的认可？

问题出在哪呢？

老板需要的是什么样的报表

现阶段，业务人员是如何来满足决策者的数据分析需求的？97%以上是通过Excel手工整理各种报表，不到3%利用了IT技术，实现了报表的自动化。随着决策者对分析的要求越来越高，于是报表越来越多、越来越复杂。在一个Excel页面中，密密麻麻布满了决策者关心的所有内容，只恨屏幕不够大。而这些大量的手工处理，很容易出错，且耗时久。

对上报上来的厚厚一叠报表，绝大多数决策者都会回答：有看，只是一般只看其中的一两张。没有时间，真的感觉有问题，还是直接找人来问了。

这就是问题的关键——我们给决策者提供了大量的报表，为什么帮助不大呢?因为信息一旦过多，就会变成“信息洪水”，大量的报表让决策者深陷“信息洪水”中。

员工再问决策者：希望用什么方式将信息给您呢？领导：希望有问题的时候随时能知道。

决策者这句话的核心有两点：一是有问题才让我知道，没问题的话，其实我也不需要关注。二就是我随时都可以知道。

报表能实现决策者的“希望”吗?答案是否定的。

（1）报表根本无法快速让决策者识别是不是有问题，它只是罗列了一堆数字而已。

（2）无论报表制作者多么厉害，领导想要什么就有什么，基本上也是不可能的。

那么能如何解决这个问题呢? 答案就变得简单了，就是用BI技术，改变决策者获取报表的方式。

报表工具与BI系统的区别

有人说：“我通过一个软件，能自动生成决策者想要的报表，然后再配上一些仪表盘和图表，不就可以了吗?也不见得需要BI。报表软件多简单，哪像BI要规划数据仓库，要ETL，还要建模型，多麻烦”。

以Excel报表和亿信BI来举例，对比一下报表软件与BI系统的区别：

Excel报表应用场景主要是业务报表制作，比如一些企业固定的月报，季报和关键数据指标的统计、展示和分析。主要功能分为三大类：数据展示(报表)、数据查询(参数)和数据录入(填报)，还有报表管理。数据展示报表可分为表格类和图表类。

而亿信华辰的拳头产品亿信BI有领导驾驶舱、图形化建模、自助式即席分析、智能钻取分析等多项功能。他可以构建大型的综合的数据分析平台，也可以作为小型的个性化的解决方案。相比报表，侧重点在于分析，优势在于操作简单、能够处理大量数据，可以实现任意维度、任意分析路径快速实时分析。

从工具角度上讲：

报表工具一般连接的是事务处理型数据库，不能实现多维分析的操作；当然，目前有些报表工具用链接传参的方式实现所谓的钻取，实现复杂，还会有性能的问题。

BI工具一般连接的是多维模型数据库，可以很容易实现各种多维分析的操作，如钻取、旋转和切片等；还能很容易地实现基于指标和维度的拖拽分析和自助分析。

以上两个工具也都可以连接对方的数据库，但发挥不了相应的功能；比如报表工具连接多维数据库后，多维分析操作、拖拽分析和自助分析还是实现不了。

从系统角度来讲：

报表系统一般接入在某个业务系统数据库上，为MIS系统提供灵活的报表查询实现。当然，报表系统在数据量小时也可以连接若干业务系统数据库，实现跨库的关联查询，但这个查询是由报表工具来实现的，实现起来的复杂度和性能依赖于报表工具的能力

BI系统主要包括数据仓库/数据集市、ETL、数据分析、BI应用等多个组成部分和实施过程，最终BI应用中除了有报表展现外，还有多维分析、自助分析、数据挖掘等功能。

从工程化角度来讲：

报表工程相对比较简单，投资可以比较小，实施周期相对较短，见效比较快。

BI工程相对比较复杂，投资比较大，实施周期相对比较长，见效相对较慢，但效果比较好，尤其是在数据整合的数据质量、报表口径统一化、应用性能上有很大的优势。

从发展过程看，一般先是上了报表系统，发现报表系统的若干问题后，再上BI系统。

BI为什么能替代报表

很多企业一直有个误区：认为做了一个报表系统就是用上了BI，其实不竟如此，报表只是BI的一部分。虽然BI应用的结果通常需要报表来展示，但是，BI不仅仅是报表。

报表是数据展示工具，商务智能BI是数据分析工具。商务智能的重点在于商业数据的分析，集成了数据统计、数据展示、数据分析和挖掘的解决方案。

从下图中，可以看到，大数据管理与应用技术发展过程中，数据管理已从报表阶段进化到BI阶段。BI是一个辅助决策的智能系统，它的核心就是帮助企业利用好数据，让决策管理者随时随地获取关键信息，让决策者基于数字决策，最终提高决策水平。

通过报表工具与 BI系统的区别，以及各自的特点，可以得出BI替代报表是趋势，同时也是发展的机遇。抓住机遇、争得先机应是摆在决策者面前的课题。

最后小亿谈点关于BI的价值思考：

BI不是让你相信自己所知道的，而是促使你去思考更多的问题和疑惑。BI迫使我们怀疑得出的结论、回到初步阶段、重新设定假定和条件。它促使我们思考，而不是给出事实。BI可以让你从不同视角查询一系列相关数据，以便在一组不确定的条件下更进一步接近事实。你需要BI工具帮助做出最佳决策，而不是正确决策。BI让决策不再止步于结果。

原工行董事长姜建清曾说：未来的好银行一定是数据银行。数据银行的两大核心能力就是数据采集和数据分析。近来，有不少银行在数据分析方面有所行动，有的是成立“统计信息部、数据分析部”，有的是将数据分析能力重新明确到信息中心等。

按百度百科的定义：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。

这个定义比较精确，包含了几个要点：

统计分析方法：数据分析肯定需要分析方法及工具；大量数据：分析的原材料；形成结论：分析的结果；决策并采取适当行动：数据分析最终实现价值。质量管理体系：避免数据污染及模型误差。

数据分析的定义和工作流程都很清晰，同时，如何快速启动数据分析工作并尽快体现数据分析的作用，是很多数据分析类部门当前关注的重点。

数据分析的建设之路，可以从下面几个方面统筹考虑：

业务应用方向

银行的业务应用经过多年发展，已经有成熟的应用框架：客户管理、风险管理、财务管理、运营管理、及监管报送及信息披露。

数据分析部门应结合业务发展及规划，综合相关IT系统建设情况，选择数据分析的业务领域。

数据分析方法

在统计学中，统计分析方法可以简单划分为：描述性统计分析、探索性数据分析以及验证性数据分析。

在数据分析初期，分析部门更应该放在描述性及探索性方法上。在此过程中与科技、业务部门多交流沟通，以达到熟悉业务、了解数据的目的。

数据分析体系

数据分析体系包括数据分析平台的建设，分析平台包括三大模块：

数据脱敏采集平台：根据分析需要，从银行数据平台中脱敏、抽样相关数据；

数据建模平台：也可称为模型数据沙箱，用来进行数据分析；

数据服务平台：为业务应用提供数据分析结果服务。

以下就举例东北证券的数据平台建设经验。