企业数据分析报告范文

引言：寻求写作上的突破？我们特意为您精选了12篇企业数据分析报告范文，希望这些范文能够成为您写作时的参考，帮助您的文章更加丰富和深入。

篇1

一、商业计划书与可行性研究报告的现状与特点（一）基础数据的采集缺乏科学依据基础数据的采集对于整个项目的分析与决策具有非常重要的意义，基础数据采集的科学性决定了分析报告是不是有使用价值。只有当数据采集具有科学性、客观、严密的逻辑性时，建立在这样的数据分析基础之上的经济效益评价、现金流量分析以及数据分析结论才具有现实的价值和意义。一般来说，当拿到一个项目时我们首先会结合项目的特点来进行基础数据分析，一个项目刚形成时，基础数据一般采用一手数据，因为它没有历史的轨迹来遵循。一手数据的采集方法如：问卷调查、观察、抽样技术等等。通常对拥有大量的历史数据的项目如服装业等，数据采集可借鉴同等的规模或一些历史数据，以他为基础来进一步研究和分析。同时也可借鉴行业公开的资料、网上资料、统计的年鉴等等来进行分析。从现有的一些商业计划书以及可研报告来看，很多基础的数据就是简单的摆在那里，没有数据来源、数据提示，没有对基础数据严谨的分析。这样的报告在数据显示环节，往往是经不起推敲的。（二）数据分析的过程缺乏逻辑性，论证的结论不具备系统性很多商业计划书以及可研报告一般都是前面是一系列数据，后面是一个结论。当真正去研究数据和结论时，往往是结果单一，数据和结论之间找不到必然的联系；另外就是只有一个结论，比如对净现值、内部收益率作出说明等等。作为专业的针对投融资商出具的项目分析报告，必须在充分的考虑每一个数字科学来源的基础上运用定量的模型来对数据进行分析，一步步推导到数据的结论上。例如，一个项目不确定性分析，风险概率分析A、什么是影响这个项目的风险点，这些风险因素就是我们通常意义上的不确定性分析的模型来做B、在这样的风险因素基础上，哪一些风险因素对投资项目的效益有重大影响，这些因素通过敏感性分析可以找出来。C、找出这些风险因素下一步就是分析，这些影响效益的风险点出现的概率有多大？三步分析完之后，风险对于这个项目的影响就显露出来，到这个时候只是数据分析的第一步工作。有一些数字和比率出现在报告上，更重要的在于结论，针对于这样的风险因素和风险变量（不可避免的），作为分析报告必须能提出来如何在项目的操作中有效的防范这些风险。这样的风险点的提出和风险因素的防范对于报告的使用者来说是有意义的。而现实当中的一些商业计划书以及可研报告在此方面的专业性还是较为欠缺的，这样往往会影响分析报告的实用价值，因此会影响到投资公司的经济效益。（三）结论单一，仅仅对于项目的可行性和计划性进行研究建立在定量研究基础上的分析报告还需要对于整个项目的战略规划提供一些更有价值的东西，包括项目中对于总投资的一些建议。比如总投资规模一定的情况下资金来源于自有资金、借贷资金；借贷资金和自有资金的比例或他的融资安排，如何能确保成本最低。进一步分析，如现金流量的分析可站在项目的角度也可站在投资人的角度，站在投资人的角度分析时是自有资金流量表；在项目是否盈利的角度分析时就是全投资的现金流量分析，不同的现金流量表可以对项目和投资人提供一些有价值的结果。现实当中的一些商业计划书以及可研报告往往结论单一，仅仅对于项目的可行性和计划性进行研究，缺乏以上更有价值的内容。（四）现有的形式多并带有一定的目的性和倾向性根据委托方的要求操作，作为立项的依据，做出分析报告就是可行性研究报告的形式。从项目的融资角度分析，作融资的依据可以叫做商业计划书形式。从数据分析的角度来说，对于委托方而言，可研和商业计划书存在不独立性。政府审批项目会委托咨询公司等专业机构进行项目研究，而更多立项报告的可研分析和委托方式一致的，这样的报告带有一定的目的性和倾向性。从数据分析角度来说，坚持数据的独立性、客观性、公正性是这个行业最基准的要求，只有这样才能为客观地判断一个项目的可行性提供正确、有力的决策依据，也只有如此，才能真正更加稳妥的判断项目是否能够收益，从而保证相关人的利益。中国的投资公司要真正的走向与国际接轨的高水准公司，其出具专业分析报告的专业水准也应当走向这个趋势。

二、数据分析报告的特点目前，在国际投资领域，比较权威和流行的项目分析报告叫做数据分析报告，更强调定量研究。真正意义上的数据分析报告可以为客户带来真正巨大的经济收益，以其无可替代的优越性被真正的专业人士所推崇。数据分析报告具有以下特点：独立性、定量研究的分析方法、严谨和逻辑性、战略规划性、在格式上的规范性。关于独立性、定量研究的分析方法、严谨和逻辑性、战略规划性的具体说明如下。独立性报告必须独立于委托方、报告的使用方，这样的报告才不会有倾向性。定量研究的分析方法一个从无到有的项目缺乏历史数据，但不可能独立于现有的经济活动或脱离现有的经济生活。对于这些项目可采取定性的研究，通过一些专家的论坛、德尔菲法、市场问卷调查等方法来对于这个项目的市场需求基础数据进行估算，估算的结果再进行定量分析，定性和定量相结合，最终定量化。拿到项目时，有一个总的投资金额、成本效益的分析，首先看项目是在微观经济的角度分析、国民经济的角度分析，还是社会经济角度分析，确立着眼点后再进行基础数据的采集，找到适合项目的定量分析方法。进一步通过项目所在行业的特点对于成本和费用做出基础的判断。经济效益用我们项目数据分析师学习课程中的学习过的模型来进行评判，包括对方案的选择采取能够使用的方法。严谨和逻辑性数据分析报告有科学的逻辑性，包括：基础数据是怎么来的？有什么依据？对于说明判断又有什么样的依据？有什么样的依据做立足点？基础数据得到后对收入预测判断有什么样的依据？收入预测出来后成本预测是怎么出来的？成本费用的基础数据是怎么样得到的？以上内容数据分析报告都会一步一步进行判断。战略规划性战略规划性越来越成为数据分析报告质量的一个基础要求。当数据分析报告能对委托方的战略规划进行策划和梳理的时候，数据分析报告的价值就体现出来了。

三、数据分析报告的市场定位对于投资领域当中的数据分析报告，研究和涉及的领域表现在三个方面：项目、企业经济行为以及政府政策。从投资项目领域来看，一个项目的周期包括投资的前期、建设期、经营期三个阶段，对于数据分析报告的要求是不一样的。投资的前期是对项目预期的生命周期投入资金的投入和产出的关系，数据分析的目的是对项目的可行性做出判别，项目立项的依据。建设期的数据分析目的在于对项目建设期的投入和安排，和数据前期的数据分析结果与实施过程进行比较，根据实际情况进行相应的调整。经营期的数据分析报告是研究项目在实施以后预期和实际的偏差，找到项目科学管理的依据或对下一个项目实施的一个经验的借鉴。在企业做为载体的经济活动当中，资金有一个特点，他总是流向效益最高的地方。当资金表现在不同企业之间的流动时，表现为企业之间的购并，是资源重新配置的结果。同时在资金流动的本身也存在投资者对资金运动收益的要求，进一步而言对一个公司意味着如何实现公司股东财富的增长，如何实现公司价值的最大化。这些资金在企业当中流动的意义从数据表现为价值的评估和分析。从数据分析报告角度来说，我们可以在企业的并购和价值的评估当中为委托方提供企业并购业务当中的决策支持，为现有企业价值管理当中找到提升企业价值管理的途径和方法。对政府政策的制定，从现在来看随着市场经济的发展，社会分工的专业化以及对投资行为的客观和公正评估的要求，政府政策的制定对数据分析行业会提出更高的要求。民生的一些建设、电信产业、燃油税等项目的建设和一些政策的制定等，都会对数据分析报告有严格的要求，因而数据分析报告的市场需求空间也会更加广阔，对数据分析报告的需求是国内投资领域的必然趋势。

篇2

Abstract: today, if someone asked, what is the most popular in the 21 st century career? The answer may be varied, but the world famous periodicals time magazine gives results may make people strange, it is called "project data analysts", seven big money in the global industry leader. Project data analyst (hereinafter referred to as the English CPDA) is the international professional engaged in investment and operation of the project data analysis of the senior decision-making and a colourful for the career. The data shows, in the United States alone, project data analysis of the field workers already close to 200000, the year the camp forehead billions of dollars. In data analysis profession development mature countries, 90% of the market decision and management decision is through the data analysis research certain, so it is called it is-and the 21 st century gold career.

Key words: data analysis; Digital decision; market

中图分类号：F713 文献标识码：A 文章编号：

项目数据分析是通过对项目数据全方位的科学分析来评估项目的可行性，为投资方决策提供科学、严谨的依据，从而降低项目投资风险的一种先进的方法论和科学分析体系，在业界向以“数据精准”、“分析客观”及分析评价“权威独立”称誉。国际上，项目数据分析师主要从事数据挖掘和投资两大领域，在投资分析、信贷融资、企业经营管理、企业战略规划、决策管理等影响政府和企业重大决策中，提供科学、真实和准确的依据，是社会经济运行中具有重要地位的高端技术人才。一名经验丰富的高级项目数据分析师的年薪可达几十、上百万元。成立于1948年的美国兰德公司旗下就拥有2000多世界顶尖级的数据分析专家和专业研究人员，他们每年完成的各类项目数据分析报告高达700多项，已发表的研究报告达18 000多篇，这些分析成果都直接或间接影响和左右着美国的政治、经济、军事、外交等一系列重大事务的决策，享有很高的声誉。

项目数据分析报告讲求“科学、客观、准确、公正”。一份完整的数据分析报告，必须围绕目标，确定范围，遵循一定的前提和原则，在项目各项数据分析中，选取真实性、合法性指标，构建相关模型，进行专业科学的分析，要求体现的基础数据应真实完整，分析过程要科学合理全面，分析结果可靠，建议内容实事求是，能系统地、真实地反映行业基本慨貌，从而达到推动该行业进一步发展的目的。

项目数据分析的整个编制、评价过程十分严谨。数据分析师通过项目数据分析技术的运用，对项目进行科学合理的定量分析，可预测项目未来的发展及风险，帮助项目投资方节约运营成本，减少资源浪费，提升综合竞争力，实现资金收益最大化。兰德分析家认为，世界上每100家破产倒闭的大企业中，85%是因为企业管理者决策不慎造成的。随着全球商业化竞争的加剧，一个企业管理者决策能力的高低，在很大程度上决定了企业的前途和命运。世界发达国家对项目的最终决策，都是以科学定量分析的项目数据分析报告作为其判断项目是否可行及是否值得投资的重要依据。数据分析工作不仅广泛应用于经济发展的各个领域之中，而且贯穿市场运行的各个阶段，成为政府和企业在经营、决策过程中不可或缺的环节和工具，其分析结果直接影响着决策的成败。从一定意义上说，项目数据分析质量的高低反映着一个国家投资领域的发达程度和经济发展水平。

项目数据分析以专业技术的身份出现在经济、管理和投资金融等领域，成为21世纪信息化时展的新宠，被业界认为是未来十年内最有发展“钱景”的黄金职业，然而――

数据分析在我国仍属朝阳行业

数据分析在国外广泛应用于各个领域，但在中国仍属于朝阳行业。据2010年中国商业联合会数据分析专业委员会一项调查显示，我国数据分析行业从业人员迄今为止不足万人，正式注册登记的项目数据分析事务所只有80家，其中专职数据分析师仅一半多点，长三角经济发展较快地区也仅占3%。而在美国，年平均雇用项目分析师的职位占所有社会岗位高达7%到13%。总体上说，我国数据分析行业还处于发展初期，经营规模不大，制度建设和软硬件设施薄弱，社会认知度和影响力还较小，远远不能适应我国社会经济发展的需要。

为适应世界经济一体化的进程，彻底改变我国“项目数据分析”专业技术人才紧缺的现状，2003年，国家信息产业部根据国家财政部、国家发展和改革委员会关于规范长期投资项目数据分析方法、与国际接轨的总体精神，制定出了我国项目数据分析专业技术考试管理办法，加快了我国数据分析专业人才培养步伐。2008年6月，数据分析行业的全国性唯一行业组织――中国商业联合会数据分析专业委员会正式成立，为我国数据分析行业发展开新篇。从2005年4月，全国第一家数据分析事务所经工商部门批准在陕西成立到目前，我国相继己有北京、陕西、江苏、新疆、甘肃、山东、浙江、上海、黑龙江等14个省、市、自治区约80家项目数据分析专业机构进入中国市场经济舞台，涉及项目己从最初的分析评估业和金融业，扩展至会计师、投融资机构、政府审批和企业管理等众多领域。

项目数据分析作为国内新起步的朝阳产业，它充分弥补了旧有融资评估体系的诸多漏洞和不足。随着我国经济决策由“经验决策”向“数据决策”的不断规范，越来越多的政府机构和企业开始意识到数据决策的准确性、科学性和重要性，数据分析运用技术正逐渐走入人们生产、生活的决策视野。据了解，目前，仅投资咨询项目领域，我国每年就有逾百亿美元的市场份额。有专家预测，按照中国当前的经济发展速度，未来15年中国项目数据分析师的需求量将突破30万人，尤其是政府经济部门、金融机构、投资公司、房产开发以及创新型企业对项目数据分析师的需求正与日俱增。诚如一位老资格项目评估师所说：“之前凭经验办事，现在是用数据说话！”

中国数据分析行业正处在向规范化、标准化发展的大好环境和有利时机，然而，与国内数据分析行业先进地区比较，福建数据分析市场还是一片“荒地”。在中国东南部，目前只有福建还没有成立数据分析事务所，福建专业数据分析人才几乎是空白，这与福建经济快速发展及福建在海峡西岸经济区中居主体地位都极不相宜。要实现福建跨越式发展――

福建数据分析市场亟待开发

2011年4月23日，经中国商业联合会数据分析专业委员会批准，福建省福州项目数据分析师授权管理中心在福州正式挂牌成立，结束了我省项目数据分析师没有专业管理机构的历史。中心负责人黄诗茂说：“自授权管理中心挂牌以来，咨询、报名参加数据分析师培训的人数日趋火爆。省经贸委、省信息化局、省质量协会等部门都为中心工作开展提供强力支持，这充分表明了政府和社会各界对数据分析行业的高度重视和认识。”

篇3

1. 目前领导的关注点是什么？

任何分析都是应该建立在企业整体战略之上的，了解领导目前的工作重心，自然就可以判断我们应该朝着哪个方向进行分析，这样才能够帮助领导全面深入地了解目前状况，从而决定要采取哪些措施。所以，要根据数据分析的受众对象来进行分析，把握好分析的整体方向与深度及广度。

2. 分析的主要目的是什么？

分析之前要考虑为什么要做分析，在这里我们举例来说明。例如在考虑上一问题时我们假定目前领导主抓服务水平（20秒接通率），那么我们在这里就应该清晰分析的目的就是分析目前整体服务水平在历史中处于什么水平？问题出现在哪里？我们应该在哪些方面上采取措施来提高服务水平？

3. 需要哪些数据来支撑分析？

在明确了分析目的之后，我们就要准备数据。在这里我们要先根据客服中心运营的经验对可能影响到服务水平的因素进行提前判断，以确定我们需要哪些数据来支持我们做分析。像对服务水平产生影响的因素可以有人员方面、系统方面、流程制度方面等，所以我们可以分析话务量、排班人员情况、人员出勤状况、在线人数、示忙人数、离席人数、平均通话时长、平均事后处理时长等数据。

4. 数据应该从哪里收集？

现在我们已经明确需要的数据有哪些了，下面就是开始收集数据，最主要的数据来源就是目前客服中心内部现有的报表系统。在这里我们假定报表系统是完善的，可以根据我们的分析需求来随意提取任何数据，当然有些数据是很难在系统中提出的，这时我们就需要手工进行数据收集。

5. 应从什么角度进行分析？

这个问题其实在第三个问题中就已经区分出来了。举例来说，我们可以分析不同时段的话务情况以及各时段对应的排班人数，以此来判断是否是人员不足或者是话务突增造成的服务水平低。最终，通过不同角度进行定性与定量的综合分析，找出问题到底是人的原因、系统的原因、还是流程制度的原因。

6. 应该用什么分析方法？

我们只需要掌握一些简单的分析方法即可满足目前客服中心的日常分析需求。选择分析方法的原则就是只选最合适的不选最高深的。一般我们可以用到的分析方法有：

对比分析：在同一分析维度下对不同数据集合进行比较，找出其中存在的差异，并进一步深入挖掘差异原因；

趋势分析：观察数据序列随时间的变化趋势，找出其一般规律，如移动平均、同比、环比等；

排名分析：将大量数据按某种分类方法进行频次统计，观察其中的Top N数据，反映其对整体的影响程度如何；

结构分析：在统计分组的基础上计算各组成部分所占比重，进而分析某一总体现象的内部结构特征、总体的性质、总体内部结构变化规律；

相关性分析：测量某两个变量之间的相关程度，即当一个变量发生变化，另外一个变量也会随之发生的变化趋势。

7. 如何展示分析结论？

1） 根据不同的报告选择不同的展示工具

我们一般是以分析报告的形式来展示分析结论的，根据不同的报告类型选取不同的工具进行展示。报告大致区分为三种：日常运营状况分析报告、专项问题解决报告、历史数据（问题）研究报告。

用PPT撰写分析报告可以加入丰富的元素、动画效果等，图文并茂，适合现场演示汇报，大大增强展示效果；但是不适合大篇幅的文字，对于汇报人员的演讲技能要求较高；专题分析报告与历史研究报告均可以使用PPT来制作。

用Word撰写分析报告易于排版，显得相对正式；但是缺乏交互性，不适合演讲汇报；适合撰写各类型的分析报告。

用Excel则适合日常报告的撰写，还可以有动态的图表，方便实时更新、交互性较强，但不适合演讲汇报。

2） 根据不同内容选择不同的展示图表

数据展示的原则就是简单直观、清晰易懂， 在选择图表来展示数据时需要考虑清楚我们想要展示给领导什么，要说明什么问题。用来展示数据的图表大致有用饼图、条形图、柱状图、折线图、散点图、雷达图、面积图。

以下给出几个图例供大家参考（说明一下，图表的标题已经去掉，只展示图表大致形式）。

8. 产生问题的原因有哪些？

经过以上的综合分析我们可以判断是以下原因：

人员问题：人员招聘不足、排班不够合理、人员出勤差、人员接续效率低、人员培训效果不明显等问题；

系统问题：话务系统故障、知识库系统故障等问题，具体是什么问题需要查看系统故障的历史记录；

流程制度问题：管理流程和服务流程不合理、过于复杂，职责界定不清晰、制度不完善等问题

9. 可以采取的措施有哪些？

在经过全面的分析后，将造成服务水平低的所有因素按照重要性进行排序，根据80/20法则首先解决重要的影响因素，针对各影响因素的不同采取不同的措施进行改善。制定改善计划需要明确改善的事项是什么、负责的人员（或部门）是谁、预计的周期是多长等要素。

篇4

销售量的同比环比，成本利润对比；

决议民意调查统计结果分析表；

年度销售情况总结分析报告；

顾客购物行为分析报告；

工作效率统计表，经营管理仪表盘等等。

因为有了智能BI系统作支撑，展现的报表是完美的，华丽的。而在企业中面对这些主题的数据分析，我们也会毫不犹豫地利用各种数据分析工具和方法，对某个特定主题进行ETL，建立分析模型。可是我们往往忘记分析的目的和根本问题，经常性地沉迷于技术分析、报表展示。所以我们想挖掘企业管理和经营问题实质的时候，量化分析就变得尤为重要了。以求对事物存在和发展的规模、程度等做出精确的数字描述。让数据分析从根本意义上服务于业务管理，这才是分析的终极目标。

“外家功”与“内功心法”

说到量化分析，它是一种方法，如果说数据挖掘是“外家功”，那么量化分析就是“内功心法”。虽然量化分析不能解决任何计算机语言逻辑错误，没有具体计算机语言表达规则，不能建立如关联分析、回归分析等具体清晰的统计分析方法。

但是量化分析通过数据收集，指标确定，信息的整理对结果不仅仅是展示，而是做全面的、完整的描述，全面解答根本问题。我们经常在总结汇报会议上看这样的场景：“在本次活动中，销售比去年同期增长了30%，其中某品牌中A型号和B型号对比，A型号比B型号销量高出50%。”如果这样陈述再配上图表展示，看起来好像就是一个很好的数据分析总结汇报了。可是问题来了，为什么A型号要比B型号销量好，我们是停止B型号的采购，还是加大A型号的引进。从这个分析当中我仍然不知道如何处理，似乎困惑的问题和想要的答案都没有反映出来。那我们为什么要收集这些数据，为什么要设定这些指标，又为什么要分析这些信息？显然这是一个没结尾的故事，即使有华丽的过程，却没有揭示实质的问题。

建立量化分析体系

篇5

1.重策略执行而轻战略制定，企业整体运作意识不强

战略是企业发展的长期性、全局性指导思想，策略则是战略的具体化。从决策逻辑上来说，企业必须先确定营销战略，然后再根据战略制定策略。具体在营销模拟实验中，学生先要进行SWOT分析，明确企业的优势、劣势、机会和威胁;然后进行STP分析，把握各细分市场之间的差异性，明确公司的目标市场，确定产品的市场定位;之后再制定公司的具体发展目标，如市场占有率目标、销售额目标、利润目标，这些内容基本都属于公司战略决策的范畴，对企业后阶段的策略制定起着方向性的指导作用。但在实验操作实际中，很多学生对战略分析不够重视，把大部分时间和精力都放在了策略制定与执行上，热衷于进行新产品的开发、新品牌的推出、价格的制定与调整、渠道的选择、广告促销等，至于为何要这样去制定和执行，以后要怎样去制定和执行，则缺少全盘考虑。实际上，由于学生前期的战略分析不全面，战略目标不明确，很多策略的针对性和实用性不强，甚至有些策略就凭主观感觉或估计来确定。

2.决策过程不严谨，数据分析能力弱

由于市场环境越来越复杂，决策风险越来越大，企业的决策日趋客观严谨，决策中越来越重视数据的支撑作用。数据是市场的真实反映，揭示了事物发展的客观规律，本身就是决策的重要参考，培养学生的数据分析能力和严谨思维也是营销模拟实验教学的一个重要目标。市场模拟营销实验中包含大量的数据，比如销售量、销售额、增长率、利润额、利润率、生产成本、投资收益率、知名度、股价等等，另外还有许多图表，如折线图、饼形图、柱状图及矩阵图等，每一次营销计划执行后，这些数据或图表就会发生相应的变化。这些数据中蕴含着丰富的市场信息，非常值得我们去挖掘，但这些数据或图表并没有被学生很好地利用，学生对数据的敏感度不够，不擅长去分析其中包含的信息，对它们的认识有些表面化，往往是在进行简单的了解后便很快制定出营销策略，决策过程欠严谨。

二、市场营销模拟实验教学的优化对策

1.科学分组，确保竞争公平

为使每一位同学都能始终保持实验兴趣，也为了保证小组竞争的公平，教师在实验开始前必须对全班进行科学分组。分组时要考虑以下几点:首先要确定每组的人数，每组人数不宜过多，太多了影响决策效率，还可能导致人浮于事，一般三人一组比较好，团队比较精干，也便于协商或讨论;然后要确定小组成员选择标准，每一小组至少要有一位专业能力相对突出的同学，以保证决策过程的专业性和合理性，并带动其他同学积极参与。确定组队标准后，学生可以先行组合，然后把组队名单交给老师，老师根据实际情况对各组成员进行适当调整，尽量使各组的实力保持相对平衡。

2.突出战略决策，做好市场分析与战略定位

企业的决策需要有战略思维，要预先做好市场及产品的规划，在此基础上再制定出不同阶段的营销策略。为此企业需要对营销环境做出全面细致的分析，了解企业的优势、劣势、机会和威胁，并在市场细分的基础上做出目标市场的选择，确定产品在目标市场的定位，最终形成成熟的营销方案。这种战略分析能力体现出了学生的宏观视野和逻辑思维，但往往也是很多学生的弱项，需要教师在实验环节中予以特别重视，通过一系列强化训练来培养。比如要求学生在每次实验中必须提交两份战略分析报告，一份是SWOT分析报告，一份是STP报告，报告中必须对营销环境、战略定位、营销目标做出详细分析和具体明确，并阐述原因和依据，在分析报告没有提交之前，不能进入下一个实验环节。在每一年度的营销实验结束后，教师还要对全班所有同学的分析报告进行评比，将评比结果作为期末成绩的参考。通过这种硬性规定，让学生重视战略分析，逐步提高从全局把握问题的能力。

3.强化数据分析，做到严谨决策

篇6

实验教学是培养经管类专业学生实践能力的重要手段。经济管理类专业学生不仅要熟练地掌握理论知识，更要具备较强的实践能力，特别是大数据时代的到来，强调以数据为基础进行研究，并快速做出决策[1]，不仅对掌握大数据思维和技术的人才需求量扩大，而且对经管类专业人才培养提出了新的要求[2]，因此在大数据背景下应充分认识实验教学对经管类专业学生实践技能的重要性，科学全面地构建面向数据分析和管理的实验教学体系，以适应大数据背景下经管类专业人才的培养需求。

大数据扩宽了信息的来源，提高了信息获得的速度，分析对象从传统的结构化数据过渡到非结构化数据，因此对经管人才需要更全面地掌握大数据思维方式和分析流程。对工商管理、企业管理专业而言，需要其更注重利用多种类型的企业运作的数据，通过对其进行整理分析，帮助企业进行业务流程改革，提升企业运营效率，提高经济效益[3]。对于电子商务、市场营销专业而言，应学会利用大数据技术探索新商业模型，分析营销网络，评估投资风险及创新服务模式[4]。而对于和大数据技术紧密相关的信息管理专业来说，需要更全面地从数据采集、分析到数据挖掘多个方面转变传统的数据分析思维，以适应大数据环境下知识管理与智能决策的需要[5]。

1.实验目的不合理，实验设计不当。

目前，对于经管理类专业的大数据实验教学体系还处于基本概念阶段，与科研前沿脱节，实验目标大多只要学生掌握数据采集、统计分析等基本概念和方法，就学会对给定的数据进行分析。但是在大数据环境下，数据分析和挖掘需要针对结构化数据、非结构化数据等用创新性的思维方式解释分析结果，并用于智能辅助决策及知识发现。因此，大数据实验课程应与时俱进地适应大数据的要求，开展多样化、启发式的实验项目，不仅让学生掌握如何收集信息和整理信息，还要解释隐藏在数据背后的潜在规律。

2.实验教学方法和手段陈旧。

传统实验课是学生按照老师的要求和给定的数据，学习各种数据分析方法。实验内容设计单一，没有针对不同知识结构的学生开展有针对性的实验训练项目，学生学习积极性不高。因此，在大数据实验教学中，要以培养学生创新实践能力为主要目标，在教师的帮助下，通过团队协作、自主设计完成。同时，分层次制定针对不同知识结构背景的实验项目，便于学生根据自身的特长和能力自主选择实验项目。

由此可以看出，传统的实验教学已不能满足大数据背景下的经管类专业人才对数据分析和处理的新需求，在实验教学方式、实验教学内容等多方进行创新和改革，才能培养出顺应时代背景的优秀经管类人才。

在大数据背景下，经管类人才应该具备：发现问题的能力，收集整理数据和信息的能力及理解分析数据的能力。对此，我们从教学方式、课程体系、技能与经验三方面入手，开展实验教学改革，以适应大数据时代对于经管人才培养的要求。

3.创新实验教学方式。

大数据时代，书本和课堂不是获取信息的唯一选择，网络资源、各种移动端应用程序等方式都扩展了学生获取信息的方式，在这种情况下，实验教学不仅需要让学生掌握如何搜集、整理数据的技术，还要培养学生观察、分析问题的能力，从而真正调动学生的学习积极性。例如可以提供多种获取大样本数据的渠道，学生组队进行数据分析和挖掘，设计算法，进行相关分析直到最后撰写出分析报告，整个流程全部由学生独立完成。

4.完善大数据实验课程体系的构建。

对于经管类专业的学生而言，实验目的主要是让他们掌握数据分析的主要流程、主要算法的基本原理，具备大数据应用的初步能力。另外，考虑到不同专业的学生知识结构不同，我们构建多层次的经管类大数据实验课程、基础实验，以验证和演示实验为主，强调掌握数据分析工具和分析算法，理解数据分析基本流程。专业实验，以简单设计性实验为主，强调利用现有的数据分析工具，较完整地体验从数据采集、数据整理、数据分析到数据挖掘的全过程，并编写简单的数据分析代码。综合性实验，采用自助式、合作式模式，让学生自己动手收集数据，团队合作分析问题，在实验教师的指导下，综合运用各种数据分析工具，自主设计算法，进行相关分析，直到最后分析报告，初步具备大数据的应用能力。

5.培养专业技能和增加实践活动。

积极开展大数据应用相关的实践活动，提供多种形式让学生参与大数据的实践环节，在提高专业水平的同时，提高实践操作能力。合理利用现有慕课、微课等在在线课程作为实体课堂的有益补充，引导学生深入学数据技术。另外，积极联系软件企业提供各种实习途径和岗位，让学生真正参与与大数据的各种项目开发，强化课堂的理论知识，丰富实践经验，提高专业级技能，有效地提高学生的数据分析能力和数据挖掘能力。

大数据作为近年来的热点研究问题，已经广泛应用于经管类学科当中。经管类专业学生只有更好地掌握并懂得如何利用大数据，才能在大数据时代拥有更多的优势。因此，本文从教学方式、课程体系、技能与经验进行创新，提出切实可行的改革措施，以更好地培养经管类学生的数据分析的专业能力，适应大数据环境下知识管理与智能决策的需要。

参考文献：

[1]祝智庭，沈德梅.基于大数据的教育技术研究新范式[J].电化教育研究，2013（10）：5-13.

[2]朱怀庆.大数据时代对本科经管类统计学教学的影响及对策[J].高等教育研究，2014（9）：35-37.

[3]李永，刘玉红.大数据时代大学生学习模式转变研究[J].长春工业大学学报（高教研究版），2014，35（4）：38-41，100.

篇7

定制化项目效率低下

艾瑞咨询集团（iResearch）是一家专注于网络媒体、电子商务、网络游戏、无线增值等新经济领域，深入研究和了解消费者行为，并为网络行业和传统行业客户提供市场调查研究和战略咨询服务的专业市场调研机构。

目前，艾瑞咨询集团可以向企业提供线下报告和软件两种定制化咨询报告服务。但是，企业客户的定制化需求非常多变，艾瑞咨询集团生成一份线下报告交付周期需要3至4周，提供软件的交付周期则需要半年。再加上项目所需人工成本升高、迭代周期延长，艾瑞咨询集团往往不敢承接太多定制化项目。

通过调研，笔者发现了艾瑞咨询集团的真正需求：根据时间维度和网站汇总对用户的来源地区、来路域名、页面访问次数、停留时间、有效访问次数、跳出率、回访者、新访问者、回访次数和回访相隔天数等相关数据进行统计分析，并且还能够在动态添加条件之后，通过对监测用户行为获得的数据进行分析，以最终得出更加详细、清楚的用户行为习惯。

因此，艾瑞咨询集团迫切需要一种更加敏捷、高效的大数据分析工具提升定制化业务的效率。

大数据面前：敏捷BI PK传统BI

在解决艾瑞咨询集团面临的难题时，传统BI的做法是，IT人员事先根据需求分析进行建模，建好二次表或打Cube并提前汇总好数据，业务人员才能在前端查看到分析结果的报表。虽然这种做法很成熟，但是解决不了艾瑞咨询集团的难题。

首先，业务人员查看的报表相对静态，分析的维度和度量的计算方式已在建模时预先设定好，不能更改。例如，定好了求和或求平均数，再想改成求方差必须再去修改模型。

其次，分析需求变更时，业务人员不能直接调整报表，需要IT人员重新建模或修改已有分析模型，耗时较长，响应速度较慢。

最后，有些企业的数据量很小，也需要按照此流程和架构来进行大费周折的数据分析。

造成这些问题的本质原因是，过去的技术架构针对海量数据的计算能力不足，企业用户需要通过建模、二次表、Cube提前进行数据运算汇总。

艾瑞咨询集团希望为企业客户提交这样一份分析报告，不仅能看还能动态分析。对于艾瑞咨询集团来说，数据展现应该是起点而不是终点。看到了数据，要能交互式分析、深入向下挖掘，要能发现问题并找到答案，还要能采取行动。与数据交互的过程要足够快，如果用户每次点击需要等三五分钟才出结果，就无法进行交互分析。

并且，分析报告应能让非IT部门的同事直接在分析平台上做出来。不能把所有的分析报告需求都提交到IT部门，这样会严重增加IT部门的工作负担。同时，敏捷BI的实施和操作要简单化，让业务人员可直接使用。

同时，分析报告需求经常需要牵涉到数据层的改动，需要IT部门去改进数据层和业务层，传统BI平台需要一两个月才能完成模型梳理。敏捷BI无需事先建模，可以在分析过程中灵活调整分析维度和报表展现，需求变更可以在一天之内响应，提升企业的洞察力决策力。

与传统BI的重量建模、统一视图不同，敏捷BI采取轻量建模、N个视图的方法，不建二次表和Cube，数据导入后可以直接进行分析，并且业务人员可以实时调整分析的维度和度量的计算方式，极大地增加了灵活性，真正做到和数据对话。

既然有这么便捷的方式，为何传统BI不采用这种架构呢？那是因为，传统技术架构没有引入大数据技术，面对海量数据无法在用户点击后的几秒内就展现企业客户需要的分析结果，因此必须通过建模提前把数据汇总好，才能保证分析报表展现时的速度。

因此，实现敏捷BI的前提是采用新架构处理数据，其涉及的技术包括分布式计算、内存计算、列存储、库内计算等。敏捷BI可以通过更低的成本、更短的上线周期，快速让企业洞察到数据的含义和价值。

业务效率数倍提升

深入研究艾瑞咨询集团要分析的数据，笔者发现，艾瑞咨询集团每天要分析的数据量达几千万条，且不同企业客户的分析需求各不相同。因此，复杂多变的多维度分析需求对分析工具的分析性能提出了更高的挑战，而传统的数据库和Hadoop架构已经无法满足高性能和即时分析的需求。

为此，艾瑞咨询集团考察过国外一些知名的产品，但是当他们获知产品的价格和后续的服务费用之后只能放弃。而国内大多数的分析工具大多是上一代BI，需事先建模再进行分析，难以应对灵活的多维度分析变化需求，且针对大数据量的处理能力不能满足要求。

最终，艾瑞咨询集团选择了永洪敏捷BI技术。当艾瑞咨询集团将三个月的细节数据（约50亿条）导入敏捷BI系统，直接就可以展现出定制分析报告。对比原先基于Excel和SQL编程的分析方法，艾瑞咨询集团的业务效率获得数倍的提升：线下报告交付周期从3至4周缩短至小于1周，软件交付从半年缩短至一个月。

同时，艾瑞咨询集团原来由于担心需求变化导致没有能力交付的很多项目被收入囊中。采用敏捷BI工具后，艾瑞咨询集团可以在几天内快速搭建原型向客户展示，任意的需求变更都可以一周内调整完毕。这种快速原型试错的方式，使得艾瑞咨询集团有能力承接很多此类项目。

由于业务效率的极大提升，有能力承接更多的项目，艾瑞咨询集团的收入空间也出现了数倍的增长。与此同时，艾瑞咨询集团的客户满意度也稳步提升。

不仅如此，为了提供更加直观可交互的分析报告，提升企业用户体验，艾瑞咨询集团基于敏捷BI工具，构建了一个新型SaaS平台。艾瑞咨询集团把企业客户用Hadoop架构存储的数据，通过敏捷BI提供的接口导入到数据集市内，然后通过敏捷BI快速呈现出结果。

篇8

中图分类号：F276 文献标识码：A 文章编号：1001-828X（2012）07-0-01

当前，企业面临的市场竞争环境越来越激烈，企业生存、发展和获利也变得不确定，企业利益相关人为了自身利益的需要，希望及时、全面和客观了解企业的财务经营状况，以便做出正确的决策。而财务分析报告能直观的揭示企业经济内涵，满足管理层、债权人对企业经济活动的事前、事中预测和决策分析的需要。但作为财务工作人员，一般长于实务处理而短于财务报告的分析，苦于无问题可分析或拘囿于模式化分析。为此，笔者结合工作实际，谈谈自己对如何提升财务分析报告能力的认识。

一、财务分析报告概述

1.财务分析报告的类型

财务分析报告按内容划分为综合分析、专题分析和简要分析报告。综合分析报告是对企业整体财务情况进行分析，涵盖了企业所有财务报表的分析，主要用于年度、半年和季度财务分析，属于定期财务分析的范畴。它具有涉及面广，信息量大的特点，对财务报告使用者做出各项决策有深远的影响，也是企业财务分析报告最主要的内容。专题分析报告是对企业经济活动中的重大经济问题或薄弱环节进行专门分析，属于不定期财务分析的范畴。它具有时间不固定、分析事项单一的特点，利于财务报告使用者解决企业的特定问题。简要分析报告是对主要经济指标进行概要的分析，主要用于月度或旬的财务分析，属于不定期和定期财务分析的范畴。它具有简明扼要、重点分析的特点，主要反映企业特定财务指标的分析或预测今后发展趋势。

财务分析报告按分析时间可分为定期分析报告与不定期分析报告。定期分析报告主要受到财务制度强制性规定，主要向外部利益相关人提供企业一定时期的财务状况，如综合分析报告。而不定期报告不具有强制性规定，主要用于内部管理者对企业进行财务分析和财务决策，如专题分析报告。

2.财务报告的分析方法

财务分析方法主要有比较分析法、比率分析法和辨证分析法。比较分析法、比率分析法是基础的分析方法。比较分析法是通过对经济指标在数据上的比较来揭示经济指标之间数量关系和差异；比率分析法是将两个性质不同但相关的指标加以对比，找出客观联系。辨证分析法是财务报告分析最重要的分析方法，主要按照寻找差异-分析原因-措施建议的程序，揭示比较分析和比率分析中反映出企业财务报表中的变化和存在的问题的原因，通过对问题的深入分析，提出合理可行的解决办法并形成相应的财务分析报告。

二、财务报告分析常见问题或不足

1.财务分析报告高度不够

财务分析报告的编制是财务部门，而阅读者主要是企业管理层，由于受到部门的局限性，财务分析报告只能站在财务的角度，而难以站在企业管理的高度。易出现“就财务而财务、就数据而数据”的问题，财务分析视角难以拓展，不能将指标数据和数据背后的经营实质联系起来。这种与企业管理脱节，不能满足企业管理层“真正想了解的信息”，只能称为数据的罗列表述，而不是真正意义上的财务分析报告。

2.财务分析方法不科学

企业经营是一个动态的过程，财务报表数据虽然是静态的，但这种静态是相对的，而动态是绝对的，所以财务分析报告需要树立辨证分析法的观点来分析静态的数据。目前，存在问题是分析方法不科学，习惯于静态分析，靠经验来判断静态数据背后的动态问题。造成无法揭示问题的本质，结果只能是“抓大放小、避重就轻”。

3.财务分析整体性差

在进行财务分析时，只有将多种指标结合起来，从整体上进行分析，层层深入、递进式分析判断，才能深挖出指标背后的问题。财务报表分析人员在进行财务分析时，常常习惯于单项指标分析和判断，比如一个财务指标数值受到多种因素的影响，但分析时一般局限于一个指标进行反复分析，鲜于举一反三的分析。即使进行多个指标综合分析判断时，一般也只是将各个指标数值简单地加权计算，而没有将各个指标数值之间的因果关系有机地联系起来，更难以分析出指标背后的经济实质。

三、如何提升财务分析报告能力

1.充分了解财务分析报告的目的

首先，在撰写财务分析报告之前要明确分析报告的类型，有针对性的收集资料，以提高分析的效率和效果捕捉报表使用者希望“真正了解的信息”。其次，要辨证的进行财务分析，不同指标用于不同的财务分析目的，结果也不同，所以应辨证看待分析结果。比如资产负债率指标，当评价企业偿债能力时，是越小越好，但用于财务杠杆分析，高的资产负债率，可能表明企业充分利用财务杠杆效应，对企业财务最大化不是劣势而是优势。再次，要了解财务报告对象不同，对于对外公布的财务分析报告，应使用约定俗成的语言，注重分析的完整性，防止社会公众的误解。对于企业管理层使用的财务分析报告，语言力求通俗易懂，要重点进行问题分析。

2.注意财务分析报告格式的规范化

财务分析报告属于写作的范畴，但不同于一般的文学作品，其更倾向于公文类的模式。财务分析报告内容一般包括前言段、说明段、分析评价段和建议措施段，根据分析目的不同可能有所取舍。一是要先草拟提纲和段落层次，然后搜集整理相关资料，确定分析方法，按照找出差异—原因分析—建议措施步骤来反映问题和揭示问题。二是要注意分析的广度和深度，有所侧重。分析问题过广可能使财务分析报告抓不住重点，但分析的过窄可能使问题交代的不清楚。三是在财务分析报告形式上可以充分利用计算机应用技术，采用文字处理与图表相结合的方法，使财务分析报告形象生动、一目了然。在格式上力求简明扼要，对重大差异或重要的指标应标以特殊符号，以引起有关方面的重视。

3.财务分析报告应注意的事项

一是财务分析报告的写作人员要注重素材积累，多了解一些宏观经济情况，把握企业财务状况以外的客观原因。要重点搜集同行业竞争对手资料，因为同行是财务分析最好的“参照物”。二是要注意横向和纵向沟通，横向要和企业其他部门沟通，以全面了解企业经营情况，防止企业财务分析报告出现“坐井观天”现象。纵向要向企业管理高层多汇报、多请示，以了解企业未来经营战略的方向，吃透企业政策，使财务分析报告发挥“导航器”作用。三是要注重财务分析报告文字表达，行文要尽量流畅、简明，避免口语化。同时对财务数据多角度分析，避免轻易对财务数据下肯定结论，防止不准确的结论误导财务报告阅读者。

参考文献：

篇9

记者了解到，目前广东省在ETC扩展应用、如何最大化ETC的数据价值及数据分析方面面临着不小的难题。

扩展应用4个场景

基于车辆管理的ETC扩展应用，在广东大致有4个应用环境：高校、高档小区和商业区、海关港口、政府机构等。

据庞志雄介绍，已经有华南理工大学、华南师范大学、华南农业大学、中山大学、广东外语外贸大学等十几所广东省内高校上线了ETC系统，用于学校门口的车辆通行，ETC在高校的推广顺利而且迅速。这一方面是由于高校进出车辆确实很多，对于不停车收费所带来的快速通行有刚性需求；另一方面，虽然ETC的成本远高于一半的停车刷卡装置，但考虑到投资回报率，高校中舍得花钱投入这笔资金。

在高档小区和商业区，开发商希望利用ETC提供更好的居住体验，因此把ETC当做一种为业主提供的增值服务。庞志雄说：“现在，我们已经与富力地产等开发商展开合作，目前来看，开发商对数据的需求并不强烈，我们也没有提供这方面的数据分析服务。”

高校、高档小区使用ETC是为了提升用户体验，而海关港口、政府机构则更强调数据管理功能，可使用BI对数据进行分析，从而辅助监管、决策。

通过ETC系统，可以获取车主个人信息、卡内金额以及通行车速、时间、路径等。在数据获取方面，ETC要远胜于摄像头监控、牌照识别、地感线圈等传统的车辆信息采集手段，采集到的信息也更加全面、准确。

在海关和重要港口，使用ETC的车辆出了高速可以直接驶入码头，无需停车，ETC在提高通行速度、减少拥堵、节能减排的同时，也为管理部门提供了出入车辆的基本数据。

政府、事业单位等机构，出于安全需求，也上线了ETC系统，例如用于对数据准确度和质量要求较高的监狱出入管理，通过分析每日车辆的进出记录，来核查是否存在非正常通行车辆。

为政府提供分析报告

高速公路中的ETC系统可以记录下车主信息及收费金额，而城市中的ETC系统则能找出车主的日常出入时间等。如何充分利用这些数据，使ETC的价值最大化？

目前，高速公路ETC联网数据分析和城市中单个ETC数据分析都已经成熟应用。

平日的ETC收费数据都被存储到基础数据库中，交通部门可以随时调取、查询。除此之外，联合电子也会配合政府需要，利用BI软件分析ETC数据，不定期地提供一些分析报告。

庞志雄举例介绍：“去年，国家开始推行高速公路节假日免费通行，在免费期间，入口和出口车辆都不缴费刷卡，根据ETC获取的车辆通行数据，我们可以估算、统计出在国庆7天中，实际上免了多少车辆的通行费用。这个数据提供给政府后，政府再去评估免费政策真正为出行车减免的金额。这是我们最常做的一个数据分析工作。”

利用ETC数据的不仅限于交通部门，为了配合公安部门打击犯罪分子，联合电子会做一些车辆去向追踪的分析。庞志雄告诉记者：“只要有关政府部门对于ETC及其他收费数据有需要，联合电子作为大型国企就有责任进行分析、给出报告。”

数据分析的结果同样有利于提高管理透明度，打消公众的疑虑。例如可以评估高速公路投资回报率，回答公众对于高速公路暴利的质疑。

现在很多外资企业、民营企业投资建设高速公路，利用收费数据，高速公路每一条路的投资回报率都可以计算出来，这些数据展示了一条高速公路从投资到现在，成本回收了没有、是否真的存在暴利。以前高速公路费是谁建设谁收钱，而现在全省公路的收费系统都纳入到全国联网系统里面去，收费数据一目了然。正因如此，联合电子也承担着收费清分中心的职能。

总体而言，政府对于数据的需求相对简单，使用的BI技术也并不复杂；有些甚至都不用BI做数据分析，简单的报表就可以完成。

目前，广东省高速公路系统的研究重点是如何主要利用BI工具，为高速公路的投资方做用户行为分析。这些投资方最关心的当属打击偷、逃、漏费问题。

2012年，广东省高速公路系统开始提出开展这项工作，目前收到的成果非常明显。

一般情况下，联合电子会在系统中为车辆从高速公路的A入口到B出口设定正常行驶时间，例如两个多小时，最多不超过三个小时，如果一辆车五六个小时还没有出来，系统就要把这种反常数据提取出来，分析是什么原因导致的，是否存在逃费现象。

利用车牌的对比也可以识别偷费现象。假设一辆车从入口进来时车牌是A，但到了出口的时候车牌变成了B，那很可能是司机中间偷换了ETC卡，“跑长买短”。这些比较常见的逃费行为都可以通过分析识别出来。

从BI到大数据

尽管高速公路ETC联网数据分析和城市中单个ETC数据分析都已经出现应用，但这两部分数据尚未得到有效整合，城市中的全部ETC数据也没有得到整体利用。

相比起来，新加坡的ETC系统更为先进，使用了第二代ETC系统（他们称之为ERP——城市道路拥堵收费系统），除了常规不停车收费应用，这套系统还用于管理城市拥堵、调节车流量。例如在高峰期，车流量接近饱和的时候，通行费就会随之猛增，进程或者经过市中心的车辆可能需要交纳10新加坡币的通行费；而在低谷时，则免费通行。

篇10

1 大数据营销的基本特征

大数据能够解决企业发展的趋势和方向问题，运用大数据思维看待企业的发展，能够为企业经营决策提供参考和辅助。大数据营销是企业决策的重要组成部分，通过对大数据的采集和分析，针对性识别客户，根据客户特点作出企业营销决策，从而帮助企业实现利润最大化增长。因此，大数据营销具备颠覆传统营销模式的潜质，与传统营销模式截然不同，大数据营销具备以下三点基本特征。

1.1 重视从海量数据中挖掘相关性

从字面上理解，大数据与普通数据不同，有量上的规模限制，达到一定量级的数据才会凸显其商业价值。传统营销模式只注重局部样本的抽样调查，抽样调查的误差、滞后性等缺陷和不足需要依靠后期的加权等方式予以弥补，传统营销调查的主观性色彩浓厚，精准性程度不够。

此外，传统营销模式只看到“为什么”，注重分析事物之间的因果关系，事实上，因果关系的确定非常难，调查者会根据主观经验进行推断和认定原因，导致调查的客观性不足。与之相比，大数据营销则注重调查样本的无限扩大化，试图通过用户在网站点击、消费记录、售后评价等形式和途径尽可能采集全样本数据，并通过大数据挖掘和分析工具，对全样本数据进行深度加工和处理，试图通过大数据的关联分析发现海量数据之间的相关性，进而找到企业营销的突破口和针对性。

1.2 重视营销对象的行为属性

传统营销注重营销对象的年龄、性别、职业等基本个人人口学属性，营销调查分析识别出来的营销对象群体比较模式，潜在的消费群体购买商品的可能性预测效果不强，这种基于个人基本熟悉的数据调查带来的营销效果不明显。大数据营销则注重营销对象的行为属性，在关注个人基本属性的同时，尤其注重营销对象的消费行为和消费行动，试图通过了解消费者的行动轨迹，预测其消费需求，进而调整营销策略。消费者通过电脑、手机客户端等工具购物、刷微信、刷微博、看新闻等，每天都会留下海量的行为数据，这些行为数据记录了消费者对公司产品的购买意愿、购买态度、购买周期、品牌评价等，能够清晰识别忠实消费者和潜在消费者。

1.3 重视营销效果的精准性

传统营销具有较强的模糊性，既不能精准识别潜在的消费群体，也不恩那个对既有消费者的行为数据进行分析，更不能够对消费者在线行为的变化作出研判。建立在全样本行为火速据基础上的大数据营销，能够根据用户的网络浏览记录和网友之间的互动评价来识别潜在的消费者群体，经过这些数据的分析预测潜在消费者购买产品的概率，进而针对性推送购买信息和链接广告，以达到说服购买的目的。

大数据营销对既有消费者，能够通过其评价和反馈，了解其对使用过产品的基本评价和再次购买意愿，进而改进产品，进行一对一的定制化商品推送，亚马逊即是这方面的成功典范。大数据营销能够识别不同人群的消费行为，进而将群体细分和贴标签，商家可以根据群体标签定制化推送商品。经过大数据挖掘和分析所得出的营销决策应通过微信、微博、电子邮件、私信等方式提醒消费者，以期让消费者及时了解产品变动情况。

2 电商企业大数据营销应用面临的现实困境

从大数据营销的三点基本特征可以看出，大数据营销为电商企业营销提供了前所未有的机遇。但大数据营销目前尚处于起步和探索阶段，任何一个新生事物都不可能尽善尽美、一帆风顺，电商企业的大数据营销同样面临着困境。实际上，数据并非越大越好，数据质量才是关键，精准营销预期效果很好，但是也很难做到，大数据采集容易，但数据的泄漏会对消费者的隐私造成侵害。

2.1 大数据存在虚假可能

由于大数据但是全样本的数据采集，导致数据中参杂很多不利于企业营销的干扰信息和负面信息。例如，电商平台的用户ID并不唯一，一个人可能开通了几个微博、有几个微信号和QQ号，也可能有好几个商家注册ID，这可能导致数据的重复收集；再如，部分商家强制要求购买者好评，部分网站的跟帖和评论注了水，是有意而为之，要么经过严格的后台审核方能，要么经过后台选择性删除的结果，这些人为干预都会影响大数据的真实性和客观性。外加上大数据对干扰信息的识别技术还不先进，人工识别的工作量又太大，导致大数据存在虚假的可能。因此，大数据营销需要剔除这些虚假数据，提升收集到的大数据质量。

2.2 大数据精准营销效果难达预期

精准性是大数据营销的根本特征，所有企业的营销都针对精准性做着不懈的努力。对商家而言，精准性意味着对用户的商品推介能够迅速转化成为购买率，至少能够大大提高购买的可能性。但实际上，很多消费者不习惯商家的定制化推送，甚至将商家的电子邮件和社交网络推送行为视为骚扰行为，进而产生厌烦情绪，大大影响了商家的形象。因此，大数据营销分析之后，如何柔性推送大数据营销的应用结果，是商家应该重点考虑的问题。

2.3 数据泄露威胁用户隐私

当消费者的个人特征数据和行为数据被采集起来后，数据泄露的风险也骤然增加，一旦集成的大数据遭到泄露，不仅会对商家造成经济损失，更会大量泄露公民个人隐私，严重威胁消费者的人生和财产安全。现代化过程中不断滋生着现代性风险，大数据营销为企业带来便利的同时，也给用户带来了困然。很多电商企业在未获得用户同意的基础上，私自采集和购买用户数据，用户数据被私自交易，由于很多电商企业的技术防卫措施不到位，数据很容易泄露，导致用户的生活受到干扰，财产安全受到威胁，因此，大数据营销应用中存在的个人隐私及安全也是目前关注的重点。

3 促进电商企业大数据营销的优化策略

3.1 提升大数据处理技术

数据之所存在虚假的可能，主要因为数据处理技术跟不上。针对海量的数据，电商企业应该抓紧研制大数据处理技术，尤其是数据加工处理技术。数据的加工处理是大数据营销的首要步骤，如果数据的处理技术强烈依赖于其他公司，营销的自主性就无法保证。因此，电商企业应借助自身力量加工和处理数据。例如，阿里巴巴之所以能够在大数据营销方面起带头作用，关键是其自主研发的海量数据离线处理服务ODPS能够随需扩展、处理海量数据，主要应用于数据分析、海量数据统计、数据挖掘以及商业智能等领域。因此，中小企业应借鉴阿里巴巴的成功经验，自主研发大数据分析工具，提高数据质量。

3.2 培养大数据分析师

数据本身是死的，需要人去识别和分析。大数据营销还需要有能够敏锐洞察市场需求的大数据分析师。然后，大数据分析师并不是一蹴而就，这就导致我国目前的电商行业大数据分析师极度匮乏，大数据分析师基本处于缺口状态。数据专家毕竟只是少数，聘请成本高，竞争激烈。因此，各电商企业一方面应立足自身实际，从内部挖掘具有专业背景和数据处理能力的员工进行大数据分析培训。另一方面，电商企业可以聘请外部的大数据分析师，有条件的甚至可以聘请国外的大数据分析师。当然，更为重要的是，各企业应建立常态化的大数据人才培养机制，从核心数据的分析，到数据分析的可视化，再到数据分析报告的润色，再到数据分析报告的讲解，最后到大数据分析与商业的融合等环节，都需要一支能力强、有梯队的大数据分析师队伍作为支撑。

3.3 提高精准营销的效果

电商企业的大数据营销遇到了阻力，迫切需要改变现有的商品推介模式，改善用户的厌恶情绪。具体而言，电商企业首先应注重营销的及时性，经过对消费者行为的分析后，能够在第一时间作出恰到好处的信息推送和购买方案的制定，便能迅速抢占先机，不但不会引起用户反感，还会起到立竿见影的效果。

其次，要改变反复向购买者推销其曾经购买过产品的习惯，这种推销只会让人更讨厌，电商企业可以转变推销思维，将同质推销转变为互补产品推销，从而勾起消费者的注意，创造潜在的购买需求。

最后，精准营销不能影响用户生活和工作，因此，要善于利用用户的上下班休闲时间对用户进行商品推介，提高精准营销的效果。

篇11

环境科学研究方法的教学内容分为理论教学和实践教学两个部分。理论教学内容主要包括实验设计、数理统计、假设检验、方差分析、相关回归等数据分析方法。结合本校环境科学的专业特色，本科毕业生多从事农业环境监测与评价方面的工作。从而要求该课程的教学内容与农业环境监测的特点相结合，在数据统计分析例题方面主要强调监测类数据的总结和分析，建立实用性较强的教学体系。目前，这门课程还没有适合的教材，以往教材理论部分过于强调数理统计的原理和方法，深奥难懂，与环境科学专业的结合性较差。因此该课程需从以下几方面进行教学内容改革：

1.强调基本理论的应用性

我们采用盖均镒编著的《试验设计与数据分析》，改革传统的教学内容，根据农业院校环境科学专业特色，听取专家建议和学生反馈意见，自编讲义，引用环境科学类实验数据进行整理分析，提高对数据分析的实际应用性。另外对课本上面繁杂的数理统计公式进行简化式教学，主要强调公式的实际应用性，忽略复杂的推导过程。

2.课程内容紧密结合学生的毕业方向

根据专业特色，明确学生就业和考研这两个毕业方向。课程学习以毕业方向为指导，就业学生主要侧重学习环境类监测数据的获取和分析。考研学生则更侧重环境类实验的设计与实验数据的整理与分析。学生认识到学习该门课程与自己毕业紧密联系，会激发学习热情，主动获取更多的知识为就业或考研做好准备。

3.课程内容与时俱进

利用信息网络，强调课程内容的新颖性，把握环境科学研究方法的发展动向，在理论学习的同时，介绍全新研究方法的进展和前沿领域。并适当结合科研文献，分析新颖的环境类实验设计方法和数据分析方式，给课程学习注入活力。

二、实践教学的改革

实践教学是环境科学研究方法课程学习的重要环节，实践学习培养学生设计实验、全程参与，带着问题主动学习，从而实现对应用型创新人才的培养。我院该课程实践教学改革主要从课堂实验、参与教师科研课题和分析企业监测数据三部分实现。

1.课堂实验改革

实验课采用自主编制实验教材，学习SPSS软件对实验数据进行整理、归纳、分析和推导。适量增加环境科学实验设计性和综合性实验，让学生全程参与实验设计、实验布置、实验管理和实验数据分析各环节，提高综合性实验的效果。其次，以环境实验数据为实例进行分析，实现数据的整理和深层次挖掘。还利用多媒体课件和FLASH动画仿真技术展示实际生产工艺以及环境类监测数据的获取过程，使得课堂讲解生动清晰，有效提升授课质量。

2.参与教师的科研课题

把本科学生进行分组，根据环境科学专业的师资情况，分组参与教师的科研课题。结合大学生创新立项项目，培养学生的自主科研思维。学生在教师的指导下查阅文献，根据实验目的设计实验内容，并安排实验进度开展具体实验工作并分析整理实验数据，培养其创新和科研能力。

3.分析企业监测数据

让学生利用现有的理论知识整理和分析企业监测数据，提高学生解决实际问题的能力，实现课本知识与解决实际问题巧妙的结合。学生自主完成数据分析报告并组织报告展示，真正做到学以致用。

篇12

4年来，课题组联合各级教研部门搭建的“朝阳学业追踪诊断与评价服务网”，为30多所实验校，100多位学校领导和教师，8000多位学生和家长提供了持续的学业成就数据分析和反馈服务，积累了30000多人次的学业诊断数据。同时，通过长期对实验校学校领导和教师提供通识培训、数据分析、报告解读、基于数据分析的命题培训等多维度相关培训，使实验校不断提升数据在教与学过程中的应用价值，使一线教师的信息素养和数据决策意识不断增强，得到了从领导到一线教师，到家长和学生的广泛认可。课题实验校通过深入、持续的实践研究，积累了各种数据为教与学服务的典型案例。

一种图表，多种应用

M-S图是课题实施过程中，学校教学管理方面应用最多的分析图，用于直观呈现年级、班级学生群体学业发展的均衡性。其纵坐标是平均分（标准分）、横坐标是标准差，把这两个常用教学数据统计量放到同一个图中，如图1所示，其中以红点为年级平均，以它为基准画十字，把图划分为四个区域，图中蓝色的点表示各个班级，落在左上区域的班级（或年级），平均分高、标准差低，属于综合表现良好的群体，同理，右下为危险区、右上和左下区域表示群体相对安全，但有短板。

图 1

在课题实施过程中，该类型分析图得到不同的实验校创造性地应用。典型应用如下。

【白家庄小学】明确学业发展目标，数据分析成为教研常规。

教学主管和学科组长利用年级的M-S图为各班建立各学科均衡性发展目标，如图2所示，箭头表示同一班级的学业均衡性发展趋势，箭头越向左上方表示该班学业整体进步，斜率越大说明变化越大；反之则说明班级均衡性需要深入分析原因，确定新的教学目标、改善教学计划和策略。

图 2

该学校长期参与课题实验的年级，从各学科组长到一线教师，都能利用阶段性学业诊断的M-S图，作为建立教学目标、检验绩效、开展教学反思和分析的依据，并逐渐成为教研工作的常规。

【芳草地国际学校某校区】从数据中发现问题、汲取教训，谨慎对待日常教学计划。

通过两次对比的M-S图，发现教学计划变更，对三年级的数学学习影响巨大。如图3、图4所示，两次诊断性测试数据显示，各班的学业均衡性发生非常明显的变化，特别是一班和二班，几乎是位置交换了，最初课题组以为是测试数据在采集、整理过程中出现错误，导致这种极端现象，但经过与学校三年级数学组一起分析讨论，发现由于两次测试之间的两个月中，为应对区里其他学科的某项评比，影响了数学教学计划的实施，直接导致三年级学生数学学习状况发生如此巨大的变化。

图 3 图 4

基于此次数据分析得出的结果，学校充分认识到各科教学计划及其严格执行的重要性，使学校各年级制定和变更教学计划更加谨慎和有效。

利用数据，提质减负

“提质减负”是各级各类教育主管部门多年来长期倡导的，但如何采用有效的方式、具体落实，一直困扰着学校和家庭。课题组根据实际学业诊断需求研发的一系列图表，为课题实验校提供了有力的数据载体，某些课题实验校，充分利用每次学业诊断的反馈报告，深挖数据反映的学业情况，尝试开展分层教学和分层作业的研究，取得了一定的效果。

【呼家楼学区】充分利用学业能力分层报告，精确定位每个学生，分层作业，提质减负。

我们以五年级某班数学学业诊断分析报告为例。

第一步，利用学业分层图，正视不同阶段、不同学生的学业能力差异。

图 5

由图5得知，该班整体学业能力差异较大，D、E层学生群体人数比较多， 首先需要关注D、E层学生群体的学业能力水平的提升。

第二步，针对D、E层的群体，深入分析数学学科的认知方面、数学思考、学科技能、课程内容领域四个维度的具体情况，进而针对这些差异全面了解和定位这部分孩子的薄弱项。

第三步，根据上面数据分析，利用平台继续深挖，定位D、E两层学生的典型错题、错因。

第四步，基于前三步的逐级分析，我们对D、E层群体中每位学生的学业状况都有了数据依据，一方面，课堂上针对这部分学生有意识地设计内容，课后布置有针对性的作业；另一方面，结合平台提供的每位学生的个人分析报告。