时间：2022-09-21 08:15:20
绪论：在寻找写作灵感吗？爱发表网为您精选了8篇数据分析报告，愿这些内容能够启迪您的思维，激发您的创作热情，欢迎您的阅读与分享！
数据结论论述
1.目前Android系统主流版本仍是Android 2.2、2.3，分别占比25.29%、65.80%；低版本系统依然占一定比重；版本升级速度较慢，Android 4.0仅占1.30%；系统版本碎片化严重；
2. iOS系统主流版本是iOS 5.0、iOS 4.3，分别占比59.40%和24.65%，iOS系统版本升级速度较快；
3.目前主流的移动终端屏幕分辨率是320*480、480*800，分别占比40.36%、24.90%，两者占总体的65.26%；320*480的份额与2011年下半年相比，上升8.06%，优势地位更加明显；
4.三星、苹果、HTC稳坐最受欢迎手机品牌前三，但HTC市场份额不断下降，从2011年上半年的排行第一到下半年的第二，现在已经跌到第三;酷派、小米杀入TOP10；
5.苹果iPhone 4、华为C8650、三星S5830位列2012年第一季度最受欢迎手机型号前三，苹果iPhone 4更是摘下了桂冠；苹果有三个机型排在前十，三星和HTC分别是两个；
6.广东、江苏、浙江、上海、北京、山东、河北、福建、四川、湖北位列全国手机用户数量前十，占比达62.36%；四川、湖南、山西、广西、江西等省份的份额与2011年下半年相比有所上升；
7.使用移动2G的用户最多，占比45.69%，近乎一半；3G网络中，联通的份额最大，为8.41%，移动为2.49%，电信为0.01%；WIFI的用户持续增多；
8.全球查看中文手机广告的非中文国家用户中，占份额较高的基本是亚洲的国家，韩国、马来西亚、日本位居前三；华侨数量较多的美国与澳大利亚也分别排到了第五和第八位。
2012第一季度Android系统版本分布
目前Android系统主流版本仍是Android 2.3、2.2，分别占比65.80% 、25.29%低版本系统依然占一定比重，版本升级速度较慢，Android 4.0仅占1.30%系统版本碎片化严重，每个版本均有不同手机制造商提供的系统，这也是谷歌在2012面临的一大问题
Android系统版本分布变化
2012年第一季度与2011年下半年相比，Android 2.3的增长仅为19.12%，增速缓慢。
2012第一季度IOS系统分布
目前iOS系统主流版本是iOS 5.0、iOS 4.3，分别占比59.40%和24.65%。
IOS系统版本分布变化
iOS系统版本升级速度较快，与2011年下半年相比，iOS 5.0 在2012年第一季度增长了36.94%。
主流移动终端屏幕分辨率
目前主流的移动终端屏幕分辨率是320*480、480*800，分别占比40.36%、24.90%，两者占总体的65.26%320*480的份额与2011年下半年相比，上升8.06%，优势地位更加明显
2012年第一季度最受欢迎手机品牌 TOP 10
三星、苹果、HTC稳坐最受欢迎手机品牌前三HTC自2011年下半年开始，市场份额不断下降，从2011年上半年的排行第一到下半年的第二，现在已经跌到第三酷派、小米杀入TOP10，尤其是小米，半年不到，已经取得了国内排行第十的好成绩，堪称威武2012年第一季度最受欢迎手机型号TOP 10
苹果iPhone 4、华为C8650、三星S5830位列2012年第一季度最受欢迎手机型号前三，苹果iPhone 4更是摘下了桂冠苹果有三个机型排在前十，三星和HTC分别是两个
移动设备用户地理位置分布-省份
广东、江苏、浙江、上海、北京、山东、河北、福建、四川、湖北位列全国手机用户数量前十，占比达62.36% 四川、湖南、山西、广西、江西等省份的份额与2011年下半年相比有所上升用户手机接入网络分布比例
2006年8月21日，国家商务部在当年的第八次部务会议中讨论通过了《直销行业服务网点设立管理办法》，该管理办法于2006年10月20日开始施行。
从此，商务部直销行业管理信息系统上只公示已获得直销经营许可并完成服务网点核查备案的直销企业。这一动作表明，在中国，企业要进行合法的直销经营，除了首先要获得国家商务部颁发的直销经营许可证外，还必须在国家商务部核准通过的允许企业从事直销经营的区域市场内设立服务网点。
截止2012年2月16日，已有30家企业获得国家商务部颁发的直销经营许可证且完成服务网点的核查备案。为帮助直销业界更好地了解中国直销区域分布的规律与趋势，《中国直销》杂志和世界直销（中国）研究中心花费两个多月，对商务部直销行业管理信息系统中公布的直销区域数据进行了系统的整理与分析，撰写出如下分析报告。
需要特别说明的是，由于近年来，为了发展的需要，经国务院批准，一些省市对所辖区域中的地级城市、县级城市（包括副地级城市）进行了调整（比如2010年7月1日，北京市将东城区和崇文区合并设立新的东城区，将西城区和宣武区合并设立新的西城区），但是这些调整后的数据，在商务部直销行业管理信息系统中并没能得到及时的更新。其次是一些城市的经济技术开发区和管理区并非真正意义上的行政区，但却被商务部直销行业管理信息系统作为行政区列入。三是商务部直销行业管理信息系统中列入的一些地级和县级城市名出现明显错误，诸如错字、怪字符、城市重复等。
为准确衡量各直销企业服务网点真正的地域覆盖范围，《中国直销》和世界直销（中国）研究中心专门设立了一个主要考核数据――覆盖区域。所谓覆盖区域，是以不设区县的副省级城市（如上海的浦东新区、天津的滨海新区）、不设区县的地级市（如广东省的中山市、东莞市，甘肃省的嘉峪关市、海南省的三亚市）以及副地级市和县级城市为统计对象。
在以下的企业服务网点的数据统计中，我们均以覆盖区域为主要参考数据，以省级行政区为次要参考数据来衡量各大直销公司获批直销区域的真正覆盖范围。
服务网点区域分布统计
内外资直销企业服务网点数据统计
截止2012年2月16日，共有30家企业获得了国家商务部颁发的直销经营许可证且完成了部分服务网点的核查备案。30家直销企业的服务网点已遍及全国30个省级行政区。除不在直销服务网点审批区域中的台湾省、香港特别行政区和澳门特别行政区外，内地只有自治区还没有被商务部核查备案的直销服务网点。直销服务网点在内地省级行政区的覆盖率达到了96.77%。
需要特别说明的是，根据商务部直销行业管理信息系统提供的信息表明，目前只有雅芳（中国）有限公司通过了自治区相关部门对其直销服务网点的审批，目前还在等待国家商务部等相关部门的最后核查和备案。让我们比较吃惊的是，商务部直销行业管理信息系统关于雅芳（中国）公司区域信息的最后更新时间为2007年5月24日，这说明在这之前，雅芳就已经将关于地区服务网点的相关资料提交给了商务部有关部门，但至今4年有余，却仍然还在等待商务部的最后核查和备案，这似乎表明自治区的直销区域核查工作已被有关部门搁置。
30家拿牌直销企业，外资企业共有20家，占到了拿牌企业总量的66.7%；20家外资企业服务网点的总覆盖区域数量为7389个，占30家直销公司服务网点覆盖区域总量（8066个）的91.61%。内资直销公司共10家，占拿牌企业总量的33.3%；所有内资直销企业服务网点的总覆盖区域数量为677个，占所有直销公司服务网点覆盖区域总量的8.39%。
特别说明：《中国直销》杂志和世界直销（中国）研究中心发现，在2011年12月9日已获得直销牌照且完成了服务网点核查备案的湖南炎帝生物工程有限公司,其相关直销信息是由商务部外资司所提供，这说明商务部将炎帝列为了外资企业。不过根据我们对炎帝公司在湖南省工商局备案的企业注册信息查询，以及我们向炎帝公司的电话求证，均表明湖南炎帝公司为内资企业。因此我们在统计数据中，均把炎帝作为内资直销企业来进行统计分析。
直销服务网点覆盖区域数量最多的前10位企业分别是：雅芳、安利、玫琳凯、康宝莱、无限极、新时代、宝健、完美、如新、克缇。这10大直销企业中，排位第6的新时代公司为唯一一家上榜的内资直销企业，其余9家的情况是：5家美资公司、2家港资公司、1家台资公司和1家马资公司。
在服务网点的覆盖区域数量上，排名前3位的企业全是外资公司，它们分别是：雅芳、安利和玫琳凯。这三大直销企业的覆盖区域数量合计为5712个，占30家直销公司服务网点覆盖区域总量的70.87%。与此对应的前3位内资公司分别是：新时代、哈药和安惠，它们三家的覆盖区域数量总和为461个，占所有直销公司服务网点覆盖区域总量的5.72%。
在省级行政区入驻数量上，排名前3位的同样是这三家外资企业，唯一的变化是安利与玫琳凯的排位顺序调换了一下，其排序为：雅芳（30个）、玫琳凯（25个）和安利（24个）。这三家公司直销服务网点所分布的省级行政区合计为79个，占30家直销公司入驻省级行政区域总量（178个）的44.38%。内资公司在省级行政区入驻数量上则令人汗颜，除新时代公司入驻了12个省份外，其他的内资直销企业的省份入驻数量均为1个，即使所有内资企业的省级行政区域入驻数量的总和，也只有区区21个省份，所占比例也仅为11.8%。
通过以上的统计数据，我们不难发现，无论是内外资企业的数量比，还是内外资企业的服务网点数量，外资直销企业群远远领先于内资直销企业群，而且两种企业群体间的数量差距之大，令作为直销观察研究机构的我们备感吃惊。数据结果证明，在政府主导下开放了6年多的中国直销区域市场，继续被外资直销企业所完全垄断。2004年9月“厦门直销法规”研讨会议上，商务部官员提出的开放原则“内外一致、公平竞争、共同发展”正被事实证明其实是向着当时被坊间盛传、却被官方否定的“外资先行”方向在进行。中国直销经济这些年来在全球直销市场中迅速地崛起，庞大的直销蛋糕的绝大部分却被外资所瓜分。这不得不让我们为生于斯长于斯的民族直销企业深感悲哀，我们希望能在不久的将来，中国直销政策的制定者与执行者们，能让中国的直销市场不再是外资企业盛行的天下。
企业服务网点获批时间统计
自2005年12月1日《直销管理条例》施行以来，截止2012年2月16日，共有30家企业拿到直销牌照并完成了服务网点的核查备案。我们对商务部直销行业管理信息系统公布的直销企业服务网点备案时间进行了统计。
（注：由于各个直销企业在服务网点建设工作方面存在效率与范围上的差异，导致各个直销企业在服务网点核查备案方面进展不一。有的企业，其新服务网点在不断得以增加，有的则一直维持着最初的网点数量。因此我们这里提到的服务网点备案时间，是指对应直销企业最先被核查通过的服务网点的备案时间。）
通过右边的图表数据，我们发现，在2007年，无论是拿牌的直销企业数量，还是企业服务网点的核查数量，均达到了一个巨大的峰值。
新兴直销企业已经很难像2007年前获牌的直销企业那样，一下子获得上百个县级直销服务网点的核查备案。2008年后的拿牌直销企业，还没有哪一家的直销服务网点的覆盖区域分布数量能超过100个（2008~2011年中，2009年2月拿牌的克缇获得的直销服务网点的覆盖区域分布数量最多，但也只有89个）。
虽然中国直销开放已经6年多，但相关管理部门对拿牌企业服务网点的报批越来越谨慎和小心。我们也注意到，2011年3月2日，商务部下发的“商务部关于直销企业设立分支机构审核工作有关问题的通知”（商资函[2011]97号），重新制订了新的服务网点设立的审批流程，整个审批流程已经从原来的6个程序增加到了8个程序。变得复杂化的审批流程也直接加大了直销企业服务网点的获批难度。
全国各省份直销企业入驻数据统计
目前全国有30个省份对拿牌的30家直销企业实行选择性的开放。这种选择性，也造成了各省份入驻直销企业在数量上的差异。“全国各省份直销企业入驻数量统计图”显示，入驻直销企业最多，直销开放程度最高的前10个省份分别是：广东（13家）、北京（13家）、天津（12家）、江苏（11家）、上海（11家）、辽宁（10家）、山东（9家）、四川（9家）、浙江（8家）、福建（8家）。这10个省份共入驻直销企业的数量总和为104家，占直销企业入驻全国各省份总量（178家）的58.43%；10个省份2011年的GDP总量为285973.25亿元，占全国各省GDP总和的55.14%。
通过“10大直销省份地理分布图”，我们惊讶地发现，10大直销省份中，除四川省深处内陆腹地外，其他9个省份沿着渤海、黄海、东海和南海一线排开。看来这些一直走在改革开放最前沿的沿海省份，对于像直销这样的新兴事物，接受程度也是最高的。
根据直销企业进入数量的多少和参照“全国各省份直销企业入驻数量统计图”，我们将全国各省份分为四大直销市场梯队：10家及以上为第一梯队，分别是广东、北京、天津、江苏、上海、辽宁；6～9家为第二梯队，分别是山东、四川、浙江、福建、湖南、河南；4～5家为第三梯队，分别是黑龙江、重庆、安徽、广西、贵州、河北、湖北、江西、内蒙古、山西、陕西；3家及以下的为第四梯队，分别是海南、吉林、云南、甘肃、宁夏、青海、新疆、。
从四大直销市场梯队相关数据比较中我们发现，四大梯队无论是直销企业的总拥有数量、GDP的总和及所占的份额百分比，还是直销企业的平均拥有量及GDP的平均值，均呈下降趋势，而且下降趋势越到后面越明显。
王者之争
在我们分析报告的总表“内外资企业覆盖省级行政区个数及覆盖区域总数”中，我们可以看出，无论是在全国直销区域的分布范围（即获得直销经营权的省份数量），还是直销市场的纵深度（即获得直销经营权的覆盖区域总数），雅芳都名列第一。
而在直销区域分布范围的竞争中，我们很意外发现玫琳凯居然领先安利一个省份而成为亚军，安利则位列第三。不过在直销市场的纵深度上，安利则展现出他们的强大优势。落后雅芳整整6个直销省份的安利，在市场的纵深度方面仅落后雅芳30个县级城市，而领先第三名玫琳凯703个覆盖区域。
从某种意义上讲，市场的纵深度比全国直销区域分布范围更能反映出一个直销企业所获得的允许进行直销经营城市的真正实力。可以说，安利在全国直销区域分布范围上的短板，通过其在市场纵深度上的精耕细作获得了极大的弥补，在极大地缩小了与领先者的差距的同时，拉大了与竞争者们的距离。
为更详细地了解中国直销企业的巨头们在直销大省和经济发达省份中的直销市场数据，我们仍然引入覆盖区域这个考核标准，分别对开放程度最高的10大直销省份（广东、北京、天津、江苏、上海、辽宁、山东、四川、浙江和福建）和2011年GDP前10强省份（广东、江苏、山东、浙江、河南、河北、辽宁、四川、湖南）中的相关数据进行了详细的统计。GDP前10强省份只有河南、河北、湖南三省不在开放程度最高10大直销省份之列，因此我们将这三大省份和对方开放程度最高的10大省份合称为“13大直销省份”。
下面是我们对13大直销省份企业覆盖区域的统计结果。
安利真正的区域之王
在这13大省份中，安利均拿到了直销的经营权，是最大的胜利者。其13个省份的总覆盖区域数量达到了1181个（实际总数量为1325个）。其中除在天津位列第四、在四川和河北屈居第二外，在其他10个省市里均排名第一，显示出安利在这些省市中强大的政府公关实力与市场实力。
我们来看一下安利在领先的这10个省份中的强大实力：（1）拿全了北京、江苏、上海、浙江、河南五省市的直销经营权；（2）在广东，拿下了123个直销覆盖区域中的120个。除河源市管辖的东源县、阳江市管辖的阳东县、阳西县这三个县外，安利的直销经营权已经遍布广东全省，成为真正的广东直销企业之王；（3）在辽宁，拿下了100个直销覆盖区域中的99个。除鞍山市管辖的台安县外，安利同样拥有了在辽宁全省的直销经营权；（4）在山东省，拿下了140个直销覆盖区域中的138个。除济南市管辖的章丘市、青岛市管辖的黄岛区外，安利同样获得了在山东全省的直销经营权；（5）在福建，拿下了85个直销覆盖区域中的81个。除漳州市管辖的华安县、南靖县和平和县，泉州市管辖的金门县外（注：金门县现为台湾当局实际控制），安利已经能在福建全省开展直销业务；（6）在湖南，拿到了122个直销覆盖区域中的114个，只有8个县级城市还没有拿到。
在安利落后的3个直销省、市中的覆盖区域数据情况如下：
（1）在天津，拿到了16个直销覆盖区域中的14个，只有宝坻区、宁河县还没有获得直销经营权；
（2）在四川，安利只拿到了181个直销覆盖区域中的124个，还有57个县级城市没有拿到直销的经营权；
（3）在河北，安利只拿到了172个直销覆盖区域中的105个，还有67个县级城市没有获得直销经营权，在13个省市中表现最差。
雅芳全国数据排名第一
在全国数据中排名第一的雅芳公司，在这13个直销大省的竞争中，拿到了1096个直销覆盖区域，比安利的1181个少了85个，几乎完败于安利。从某种意义上讲，雅芳与安利的全国直销区域竞争，雅芳是赢了名声，安利则坐收了实利。
雅芳在这13个省份的直销区域的竞争中，拿到了两个省市的第一，分别是在河北省和上海市（在上海与安利并列第一）；拿到了6个第二，分别是在广东、天津、山东、福建、湖南和河南；拿到了3个第三，分别是江苏、浙江和四川，不过要说明的是，雅芳拿下了江苏104个直销覆盖区域中的103个，唯一没有拿下的，是南京市管辖的高淳县。可以看到，除安利外，雅芳在这13个直销重要省份中实力强劲。雅芳、安利这两大世界直销巨头，在目前的中国直销业中同样一时瑜亮。
玫琳凯实力强劲的老三
2011年，在中国直销行业销售业绩排名第四的玫琳凯在这13大直销省份的直销区域争夺战中，成绩斐然。其获得其中12个省份的直销经营权（在河北省没有获得批准），总直销覆盖区域达到了838个，虽然这一实力暂时难以匹敌雅芳和安利，但却迅速拉大了与后面跟进者的差距，起到了一个承上启下的作用。
玫琳凯拿到了北京、江苏两省市全境的直销经营权，与同地区的安利公司并列第一；其位居第二的省份有一个，为浙江省；其排名在第三的省份有五个，分别是山东、辽宁、福建、湖南和河南。
无限极四川直销之王
根据这13大直销省份的直销覆盖区域数量，我们将安利、雅芳、玫琳凯划归为第一梯队的话，那么2011年成绩排名第三的无限极则是第二梯队的领军者。其居然能在四川省的直销区域争夺战中击败安利而成为四川直销之王，完全出乎我们意料的同时，也显示出无限极公司在直销区域竞争中的强大实力。
除四川省外，无限极在北京市、上海市的直销区域数量同样与竞争者并列第一。其位居第二的省份有一个，为辽宁省；其排名在第三的省份有五个，分别是山东、辽宁、福建、湖南和河南。
在辽宁的直销区域数量，其排名第二；在其公司总部所在的广东省，无限极拿到了92个直销覆盖区域，数量排名第四，分别逊于安利、雅芳和完美。
康宝莱低调的获利者
在这13个重点直销省份中，康宝莱拿下其中了6个省份的直销经营权，其覆盖区域数量为411个。康宝莱在全国则拿到了16个省份的直销经营权，拿到了569个直销覆盖区域。与安利、雅芳漂亮的直销区域数据相比，康宝莱稍显逊色；但是与它后面的竞争者相比，康宝莱的相关数据又可圈可点。无论是在重点直销省份还是全国直销数据方面，康宝莱都表现得中规中矩，不冒头不掉队，闷声坐收实利。
完美弱势的直销区域
2011年在中国直销市场创造了115亿实际销售业绩的完美公司，居然只拿到了广东一个省的直销经营权，而且还有29个覆盖区域的直销经营权没有获批。更令我们意外的是，在江苏扬州投建了最大生产基地的完美，居然在江苏省没有直销服务网点。不知道2011年出任完美公司副总裁，负责对外事务的何凯立先生，能否改变完美公司在中国直销区域上的弱势地位？
天狮天津直销之王
2011年才拿到了行业最众望所归的一张直销牌照的天狮集团，在全国的直销区域竞争中因起步太晚而处于弱势。作为北京的战略门户，天津的重要性不言而喻。不过安利、雅芳和玫琳凯等外资公司，在天津的直销区域争夺战中全部折戟，天狮成为30家拿牌直销企业中，唯一拿到了天津市全境直销经营权的企业，成为中国直销企业中名副其实的津城之王。
新时代内资企业翘楚
新时代公司拿到了13个重点直销省份中的12个省份的直销经营权（注：新时代公司的全部直销区域均集中在这12个省份内），其覆盖区域总量为341个。无论是省份数量还是覆盖区域数量均位列内资企业第一。内资第一的新时代，在这13个省份的直销覆盖区域的数量上，仅排名第6，比排名第5的康宝莱少了97个。内外资在市场竞争中遭遇的政策不平等再次显露无遗。
罗麦在总部省份不能直销
北京市目前允许13家直销企业在京开展直销业务，其中安利、如新、宝健、新时代、康宝莱、无限极、玫琳凯、葆婴、嘉康利等9家企业拿下了北京全市的直销经营权。不过让我们感到意外的是，总部位于北京的罗麦公司居然在北京没有直销经营权，这也是唯一一个在总部所在地不能进行直销经营的拿牌企业。罗麦获批的直销区域分别位于山东的济南市和聊城市，这说明罗麦应该是通过山东商务厅申请到的直销牌照。
哈药重点直销省份的观望者
总部位于黑龙江省哈尔滨市的哈药集团的直销区域仅限于黑龙江省内，成为30家拿牌直销企业中唯一一家没有在这13个重点直销省份获得直销经营权的企业。
安利与玫琳凯的区域短板
在重点直销省份全面胜出的安利公司，却只拿到了内地31个省份中的24个，还有7个省份没有获得直销经营权，这7个省份的分布情况如“安利没有取得直销经营权的省份示意图”所示（注：其中红色部分是安利没有获得直销经营权的省份）。
其中一个原因可能是小企业受众非常多样化，行业范围跨越咨询，零售，食品，农业，科技等。即便在行业内，中小企业的需求也非常个性化并容易随着市场，运营，销售和财务情况而改变。
针对这点，American Express OPEN’数字营销和创新部门的副总Scott Roen在接受eMarketer采访时表示：当你细看中小企业的核心需求和挑战时，你会发现他们是时间敏感性的群体，他们不是那种整天坐在建好的大厦，呆在电脑旁的人，他们是没有围墙的，与客户和雇员在一起工作，他们天生是移动的。
小企业对笔记本电脑和智能手机的倾向性可能对B2B营销人员而言是个机会。Inc. Magazine和 Cargo发现91%的美国小企业主重视无线通信和智能手机对他们生意的重要性，这可能反映了他们每天的使用。平板电脑也被64%的受访者所看重。
前些日子，笔者作为公司区域市场部的一员，应公司要求要认真准备自己区域的区域行动计划，这里面会涉及到众多的数据收集与分析，而分析的内容其准确程度与反馈出的问题，为我们将来在区域市场的策略制定以及资源分配中会起到至关重要的作用，马虎不得。因为我们在数据中发现不了问题，或者说进行一些表面化的常规分析，就无法真正获得where to play的依据，从而也就做不到正确的how to win。说心里话，以前自己也做过一些相关的工作报告，其中也涉及了些许微观的市场分析，像这一次数量如此之大的分析还是头一次；同时，以前多次看到原来公司中央市场部制定出来的产品定位、关键信息与成功因素、销售故事等等内容，都能明白、都能理解，但是现在自己真正来涉及制定自己区域的市场分析之时，确实在一定程度上体会到了看与做的差别。
面对已经拥有的一堆数据该怎么去有效的分析？分析其中的哪些有价值的东西？分析的内容怎样更切合实际的与自己区域的下一步销售联系起来。前面也谈到了，如何做出一份有价值的分析报告，是要下一番功夫的。单纯靠感觉和预估来评判市场的好坏存在着极大的风险，至少是不准确。因此，在制定这次市场分析的过程中，我发现，其实生活中有很多值得我们去学习和借鉴的东西来增加我们对于数据分析的敏感性。
相信很多人都愿意看NBA的比赛，特别是休斯敦火箭队的表现时刻牵动着中国篮球迷的心，可是火箭队的表现却总是差强人意，季候赛闯不过第一轮、关键场次总是顶不住。到底是球员有问题，还是战术不得当，无论是专家，还是球迷都会对此现象有一番颇有理论的见解，我的体会是，这些见解基本上还是停留在主观的判断上，也就是仁者见仁、智者见智。那到底有没有更具说服力的数据来支持一下火箭队的一些症结所在呢？答案是：有！火箭队官网记者杰森-弗里德曼也对这个问题表示关注，并做出了自己的分析。
从初衷来看，火箭队肯定希望姚明更多接球，然后带动全队参与到进攻中去。但是他们目前还没有找到一条切实可行的办法，让姚明发挥出最大威力，从而使全队受益。通常情况下，一名外线球员要比在内线搏杀的球员获得更多进攻自主机会，因为球总是先从外线过渡，然后才可能传到内线。而内线球员显然要肩负起更多的责任，除了得分还有最关键的篮板球。内线球员不可能经常拉到外线持球进攻，所以这就对外线球员提出了要求，一定要在合理的位置和时间把球交给大个子，特别是当你拥有一名一流中锋的时候。而火箭队在这方面做得如何呢？看看姚明的投篮数据，赛季至今姚明总共出手878次，排在全联盟第41位；合到场均只有13.3次，排第57位！怎么看这都不是一个球队核心球员的正常数据。出现这种问题只有一个原因，那就是火箭队外线球员没有尽到责任。罗恩-阿泰斯特场均出手14.4次，总命中率只有40.5%。阿隆-布鲁克斯从二月中获得稳定首发以后场均出手近12次，总命中率40.6%。这两人在出手次数上和姚明基本平起平坐，但效率根本无法相提并论。姚明在全联盟出手次数排前49名的球员中命中率最高，达到了55%，场均得到19.8分。虽然还不满20分，但他只用了13.3次出手就拿到了这些分数。这是阿泰斯特和布鲁克斯无法相比的，而这两人却在前一阶段迷恋于单打独斗。布鲁克斯在输给马刺的比赛中全场出手18次，却只得18分，命中率只有38%，而且还浪费了最后一击的机会。
毫无疑问，火箭队希望让姚明在关键时刻接球，他们应该这样做。因为姚明除了内线攻击力外，还是一位非常好的罚球手，在对抗激烈的情况下，姚明可以很稳定的将罚球转化为得分。当然，前提是火箭队必须解决对手对姚明的绕前和包夹。一直以来，很多人都认为姚明不是一个可以在关键时刻操刀进攻的球员。但这是一个错误的信息和思维惯性，通过数据分析，姚明在关键时刻出手的投篮命中率为24.3%，在全联盟排名第22位，在所有中锋球员排首位。排在姚明前面的内线球员只有德克-诺维茨基(32.4%)，蒂姆-邓肯(29.1%)和克里斯-波什(25.4%)，其中邓肯有中距离打板能力，诺维茨基和波什的攻击范围都很靠外，甚至延伸到三分线外。而姚明打不进关键球的一个重要原因就是外线球员传球不够合理，致使姚明常常陷入包夹而导致丢球失误。有的时候，姚明在第四节发挥了很好的进攻效果，这和阿泰斯特和布鲁克斯减少个人持球攻击有关。火箭队应该延续这样的打法，继续摸索以姚明为轴心的战术。因为历史战绩已经证明，一支有外无内的球队是无法在季后赛中走远的。
记者杰森-弗里德曼的分析不知可不可以给予火箭队在战术思路上进行有效的帮助，但至少对于我们这些只会“看热闹”的球迷来说，多了些“看门道”的领悟。
其实我们仔细看NBA的比赛就会发现，它的每一场比赛自始至终都充满着数据的跟踪与解读，球队胜败已不仅仅是比分牌的简单对比，不是球员实力的对比，比赛本身实际上是数据的对比。比赛中的各项数据都在支持着球队胜败的Where、Why、What等方面。如果说作为一项运动都能做到如此之精细与精确，那么我们的市场推广工作就更应该引以为重了。
另外，在这次制定区域市场分析的过程中，笔者看到了很多中央市场部产品经理的报告，其内容同样是通过大量的数据统计，得出很多有价值的信息，特别是各产品的定位与关键信息，这些结论的得出，同样让我受益匪浅。因为从全国的角度看，一些共性与典型的问题与现象同样值得我们去关注，区域市场的一些情况，难免与全国的发展节奏不一样，如果有共同的问题，那么中央市场部的策略就会给予我们很好的借鉴，让大家少走一些弯路；如果有不同的方面，那么作为区域市场完全可以作为参考，以便做到未雨绸缪。总之，在关键的策略执行上，与中央市场部的步调保持一致是非常重要的，试想一下，如果在一个大的市场中存在着若干个区域市场，而每个市场对产品的定位大相径庭，区域人员各自为战，过分关注战术层面的操作，忽视产品在战略层面的培养，整个市场混乱无章，即便是局部销售成绩不错，但是整个市场隐含的不健康因素会越来越多，迟早要爆发。最终，作为公司层面难免会考虑，这个产品到底被市场所认可的地方在哪里？还有哪里可以挖出增长点来？因此，不理解中央市场部对产品的定位，不按照统一的步调进行推广，那么产品作为品牌的价值定位体现就会出现混乱和无序，最终对于产品的成长极为不利。
正是带有一些这样的感悟和思考，加之公司给了我们非常专业的分析方法指导与帮助、特别是分析模版中内容的设定，让我在分析的方向性上更加明确，做到了一定程度上的有的放矢。对于Key findings的寻找、对于关键成功因素的发现，怎样找到准确的Conclusion。也就逐渐的找到了些感觉。对于区域市场策略的制定，特别是数据分析这一块内容，通过这一次的实践，我个人觉得，自己在分析市场的能力上在思路上得到了一定的提高，逐步脱离了曾经简单的数据统计和填充这个层面，正在向从数据中发现问题以及从数据中找到答案这个阶段迈进。
大数据技术的快速发展促进了科研方式的变革，基于数据紧密型的科研方式已经成为自科研经验方式、理论方式、计算机模拟方式之后的新的发展模式[1]。现阶段，海量的半结构化和非结构化数据给科研带来了巨大挑战，而且数据存储和共享功能缺乏合理性和有效性，这也给高校图书馆的服务模式造成不小的影响。在大数据时代，高校图书馆应该更加重视用户数据安全和服务质量，积极利用先进的数据分析和处理技术来提升高校图书馆服务的智能化和个性化，为高校图书馆的服务创新创造出有利条件[2]。高校图书馆应该借助大数据技术，充分了解用户的服务需求，并以满足用户的服务需求为目的开展相应的服务。
1 大数据时代高校图书馆开展嵌入式知识服务的内容
1.1 用户需求的分析
在大数据环境下，首先，高校图书馆可以收集和存储用户的基本信息，比如：用户的学历、年龄、科研成果、学习经历以及工作单位等信息，并详细记录用户的操作信息及检索、查询、收藏以及标识等操作行为，可以与用户查询资料的内容、学科类别以及相应用户权限进行关联，还可以收集用户具体的信息咨询、科技前沿以及参考导航等服务情境[3]。其次，高校图书馆可以分析海量?稻荩?利用基于语义网的技术来规范用户信息资源，并将其转换为能够被应用程序理解和直接调用的数据，从而可以更好地感知和预测用户行为。最后，高校图书馆利用用户数据作为决策依据，为用户制订当前目标、短期目标以及长期目标，并根据需求环境的变化动态分配硬件和软件资源，从而让高校图书馆的服务融入用户的科研活动中。
1.2 规律趋势的分析预测
针对某些行业或者学科进行全面收集信息资源时，在专业研究成果的基础上进行深入分析，比如对比、推理以及综合利用等科学分析手段，或参照专业学科发展规律，计量学发展规律等[4]。由于学科的知识特点和发展规律各不相同，因此需要运用多种分析和处理手段来构建不同的学科模型，从而能够准确地预测学科发展规律以及发展趋势。常见的预测方法有以下几种：①将大量文献内容进行数据统计，以归纳总结出文献的内在规律，比如齐普夫定律、洛特卡定律以及布拉德福定律等都是常见的基于文献内容的统计方式。②根据文献的发展规律和趋势来构建数学模型，可以达到预测文献发展规律的目的，比如普赖斯就专门构建了基于指数增长规律的数学模型。③将其他领域的数学规律和数学模型移植到文献发展的预测中，比如物理学中的半衰期规律、经济学中的人口增长规律以及生物学中的成长规律等。④依据模糊理论来搜集相似文献内容，存储在计算机中，并利用统计技术进行分析和对比数据，以此帮助科研人员挖掘数据关联性。
2 大数据分析与情报分析的共性
2.1 看重对数据的定量分析
数据作为最直观的资源，已经潜移默化地改变了分析决策的方式，如何有效地收集、筛选以及整理各种数据资源，并利用合理的方法来挖掘数据的潜在价值，已经成为评价一个组织是否具有竞争力的重要衡量方式。情报分析学科同样十分重视数据资源的应用，在情况分析研究的初期阶段，分析人员主要依靠人员的智力来分析少量数据现象，并从中归纳总结出情报分析的规律。随着科学技术的快速发展，学科之间的关联性和交叉性逐渐加强，学科知识的划分越细致，所涉及的内容也就越专业。目前，情报分析更多地依靠先进的信息处理技术，利用“机器学习”方式来挖掘数据、分析和统计相关联系，还可以利用定量化方式来关联基于关键字的词汇共现，其核心思路就是在计算能力的基础上利用人工分析判断数据联系。因此，利用数据来阐述问题已经成为情报分析的主要特点，在情报分析报告中利用数据、公式以及图表来说明理论的方式也充分体现了数据分析技术在情报分析领域的重要地位。
2.2 关注多源数据融合
大数据技术可以通过各种渠道，并利用各种收集手段来获取各种数据信息，在进行集中整理后，形成一种基于不同数据格式的统一处理方式，这种处理过程被称为多源数据处理融合技术[5]。一方面，可以通过不同用户和不同网络途径来获取同一个研究方向的内容；另一方面，根据信息数据的种类和用途的不同，比如：根据视频、音频及文本等方式进行分类，也可以根据结构化和非结构化等方式进行分类，同时也要考虑数据的异构性。需要注意的是，相同类型的数据也有可能分布在不同的站点，并由各自的数据供应商提供，如论文分析研究的数据来源就包括中国知网、维普及万方数据库等[6]。一般情况下，针对前沿领域进行情报分析时，只利用一种类型的数据是不够全面的，应该从其所涉及的期刊论文、图书资源、专利以及项目等收集有效信息，进行整合处理，这样才能够体现出该研究的整体特征。
3 嵌入式知识发现情报分析服务的重要环节
3.1 知识发现系统的利用
将文献分析方式与数据挖掘技术进行有机结合已经成为知识发现方面的热门研究内容，并且取得了可以直接应用的研究成果，这为嵌入式知识发现情报分析服务提供了重要的研究方式。不可否认，选择和使用合理的知识发现系统会提高信息数据的分析效果，其中比较有代表性的就是充分认识到知识发现系统的优势，评估数据分析结果与用户的契合程度，从而让数据分析服务的效果得到用户的认同。比如：一些基于知识发现的软件和系统比较适合大型结构化文献数据分析，可以根据结构化数据的特点分析出信息的特定发展规律[7]；还有一些基于主题和科研本身的知识发现模型，其可以利用文献资源之间的相关性挖掘有效信息，并对文献资料进行多角度分析，根据关联原则描述该学科领域的发展趋势图；另外还可以利用关联和非关联的知识发现方法，再结合相关语义分析、词汇频率统计等技术，最后通过关键词聚类方式来寻找潜在的知识发现。
3.2 准确获取数据
知识发现可以分析大量数据和信息资源，并从中挖掘明显关联或者非关联的科学研究的内在规律，情报分析人员可以向科研人员提供相关情报分析，一般采用的是定量和定性相结合的分析方法。在进行定量分析之前，如果要获取较为准确的目标数据，除了要分析数据源以及检索方式之外，还要对数据进行预处理，如消除噪声数据、集成数据等。大部分的数据分析软件都具有数据筛选功能，其中常见的TDA（Threat Discovery Appliance）软件就可以通过列表功能手工筛选原始数据。需要注意的是，当自动筛选数据时，常常由于数据中检测出偶发的错误或者不同的存储格式导致筛选失败，这就无法按照要求构建知识图谱。嵌入式的知识发现服务可以将筛选后的数据与专业数据分析专家共享，由此可以进一步提高数据的准确性，从而得到与研究对象关联紧密的数据。
3.3 应用综合分析方法
科技创新活动不仅包括学科和领域的创新，而且还涉及社会各个方面的创新，所以嵌入式知识发现服务需要为决策人员提供情报分析服务，帮助分析对象的社会行为，并为决策人员指明科研决策的发展方向；此外，还可以根据用户的需求，结合经济学、社会学、管理学以及情报学等学科的分析方法，多方面地展现科技创新在社会环境中的具体状况和发展趋势。如今，国外已经出现了专门提供情报分析服务的公司，比如美国的麦肯锡公司就对医药领域提供多方面的分析和研究服务。而国内关于情报分析的研究还处于起步阶段，高校图书馆可以借鉴国外成熟的研究成果，比如可以利用波士顿矩阵方法来分析文献资源之间的关联性。
4 情报分析服务模型总体设计
情报分析服务的主要功能就是针对数据进行整理和分析，从而挖掘知?R的内在关联性。该研究根据内容解析方法来实施情报分析服务，并专门构建一个情报分析的服务模型。该模型采用了分层结构，自上向下共分成三个层次，即界面展示层、知识发现处理层、数据资源层等，具体结构示意图如图1所示。
首先是数据资源层，其确定研究对象包括三个步骤：确定分析目的、确定研究范围、搜集情报等内容。其次是知识发现处理层，它主要包括三个方面的内容：①制定编码标准，并借助计算机辅助工具来构建专属词典，其主要分为专业术语词典、停止词词典、同义词词典等。②编码部分，可以将文本文件转换为计算机可识别的文本向量。③数据分析部分，可以利用相似度算法和聚类算法来处理文本向量，从而实现情报自动聚类和串并功能。最后是界面展示层，主要功能为针对数据进行分析。
4.1 数据资源层设计
数据资源层为情报分析提供海量的数据资源，从各个数据源中收集数据并集成在情报员数据库中。众所周知，数据库的性能会直接影响情报分析服务模式的处理效率。目前，比较成熟的数据库种类主要有两种：关系型数据库和非关系型数据库。经过几十年的发展，关系型数据库技术相对比较成熟，其中的行和列的关系非常明确，主要采用表型结构存储数据，用户比较容易接受。但是，随着数据库技术的不断发展，关系型数据库的弊端也逐渐显现出来：①针对海量数据进行查询和存储操作，海量数据信息时刻充斥在互联网上，如果关系型数据库还是采用表型存储海量数据，这时的存储是以亿为单位。当利用SQL（Structured Query Language）语言查询或者针对多张表进行关联查询时，其查询效率是非常低的。②数据库的扩展性较差。当处理海量数据时，数据的结构非常复杂，修改数据库的表结构是非常耗时的，因此复杂的数据结构的处理效率无法达到用户的要求。③数据库的读写效率。针对动态的信息，每秒的读写次数要达到上万次以上，而关系型数据库的读写速度无法达到这种要求。
4.2 知识发现处理层设计
知识发现处理层的主要功能是针对数据资源层的数据进行深度的分析和挖掘，它可以利用内容分析方法进行数据分析和情报编码，具体的功能模块图如图2所示。知识发现处理层主要包括四个功能模块：情报自动聚类处理模块、情报串并处理模块、文本预处理模块、文本向量表示模块。
4.3 界面展示层设计
界面展示层主要包括两个部分：知识图谱展示功能和人机交互功能。知识图谱展示功能形象展现出情报数据资源的分析结果，是针对情报数据资源分析的拓展，它可以准确表达现象层面的具体信息，并通过更进一步的分析来找出隐藏在情报中的规律，从而协助情报分析人员更好地处理情报。人机交互功能是利用操作界面来实现用户和软件之间的信息交流，更好地帮助用户控制软件。
【关键词】示范高职院校；超效率DEA；规模效应；评价模型
数据包络分析方法（DEA）为评价示范高职院校规模效益提供了一个优质的工具，其实质是根据一组关于多输入、输出的观察值来估计有效生产的前沿面，并据此进行多目标综合效果评价，并且不需要主观赋予指标的相对权重，因此评价结果更能够反映决策单元（Decision Making Unit， DMU）所处的实际状态。
但现有的研究基本存在三个缺陷：一是由于对高职院校规模效益的投入产出指标体系缺乏研究，从而不能合理的评价其规模效益；二是传统的CCR和BCC模型对于多个同时有效的决策单元（效率值为1）将无法做出进一步的评价与比较；三是采用的数据陈旧、不能反映近期示范高职院校规模效益情况。
综上考虑，本文在构建合理的示范高职院校规模效益评价指标体系的基础上，采用超效率（Super Efficiency）评价模型对浙江省22家示范高职院校2010年和2011年规模效益进行了实证研究，以衡量其规模效益。
1.模型及方法
1.1 DEA基本模型简介
数据包络分析（Data Envelopment Analysis， 简称DEA），是对具有多投入、多产出的决策单元（Decision Making Unit， DMU）进行相对有效性评价的一种非参数方法（Charnes et al.，1978）。
DEA方法能在同其它被考察单元相比较的情况下测量出某一被考察单元相对生产效率，假定一组被考察单元的个数为n个，每个被考察单元都有s个输出变量和m个输入变量。yjk表示第k个被考察单元的第j个输出变量， xik是第k个单元的第i个的输入变量。第k个决策单元总效率计算问题可以转化成如下面的线性规划问题：
minθ
s.t.■X■λ■≥θX■
■Y■λ■≥Y■
λ■≥0 （j=1，2，···，n）
其中，X■=（x■，x■，···，x■），Y■=（y■，y■，···，y■）。此模型称为CCR模型，是在规模收益不变（constant return to scale；CRS）假设下得到的。这里的θ即是第k家被考察决策单元的效率值，满足0≤θ≤1。其经济含义为：在某一决策单元产出Y可由所有k个决策单元产出线性组合替代的情况下，它的投入X的可压缩程度，压缩比例的大小为θ，θ也称之为效率测度值。当θ=1时，表示该被考察单元是效率前沿面上的点，因而处于有效率状态。当θ
Banker et al.（1984） 在该模型基础上提出了规模收益可变（variable return to scale）模型，即在CCR-DEA模型中加入一个条件■λ■=1得到的BCC模型。
然而，从上述基本DEA模型可以发现，其测算结果将所有DMU简单分为两组，一组为有效率DMU并据此形成Pareto边界， 另一组则属于无效率。对于这些有效单元若继续进行评价，上述模型是无能为力的。针对这一情况，为了区别这些有效率的决策单元，Andersen与Petersen（1993）两位学者提出构建超效率DEA模型测算所谓的超效率（Super Efficiency），将位于效率前沿面上决策单元再加以排序，而Tone（2002）认为可以由剔除具有效率的决策单元，判定决策单元到其余生产可能集合的距离来判断超效率的差异。
1.2超效率DEA模型
超效率CCR-DEA模型（Super–Efficiency CCR-DEA， SUP-CCR-DEA）的基本思想是在进行第k个决策单元效率评价时，使第k个决策单元的投入和产出被其他所有决策单元投入和产出的线性组合代替， 而将第k个决策单元排除在外，而CCR-DEA模型则将这一单元包括在内。
SUP-CCR-DEA模型能够有效地区别出有效（效率值为1）决策单元之间的效率差异，可以对所评价的决策单元进行有效的排序，其模型如下：
minθ
s.t.■X■λ■≤θX■
■Y■λ■≥Y■
λ■≥0 （j=1，2，···，n）
这里各数学符号含义同前，所不同的是，由于上述模型算出的数值有可能大于1，因此可以对有效率的决策单元运算出的效率值再加以排序，即可区分出CCR-DEA模型中效率值都为1的决策单元，在SUP-CCR-DEA模型中，对于无效率的决策单元，其效率值与CCR-DEA模型一致，而一个有效的决策单元可以使其投入按比率增加，而其效率可保持不变，其投入增加比率即其超效率评价值。例如对于有效率的示范高职院校，其效率值为1.51，则表示该示范高职院校即使再等比例地增加51%的投入，它在整个示范高职院校样本集合中仍能保持相对有效即效率值仍能维持在1以上。
2.规模效益指标体系的建立
运用DEA的过程中，最为重要的一个环节便是投入产出评价指标的设计，本文尽量选择能够反映高职院校资源配置效率的输入输出指标体系：
（1）在高职院校的输入指标方面，本文将其界定为三个方面：人力、物力和资金等方面的投入。
其中，人力资源的投入包括生源的数量质量、师资队伍的数量结构，而且应该包括学生投入学习、教师投入教学科研的时间和精力。高职院校物的投入主要是考虑学校的硬件设施投入情况，如学校校舍状况、实训场地、实验实训设备投入、图书馆等信息资源投入情况。财力投入指的是学校每年经常性支出，主要是教学科研经费、学生管理经费、办公费等。
（2）高职院校的产出也有三种形式，即直接产出、间接产出和最终产出。直接产出是教师的教学活动。间接产出是学生增长了专业知识、发展了智能和提高了操作技能，是学生消费教学劳务的直接成果。而最终产出是高等教育提高劳动质量而为社会创造财富。根据高职院校办学过程，和投入指标分析类似（具体分析过程暂略），分别从数量角度和质量角度得出高校产出结构，输入输出指标汇总如表1。
表1 示范高职院校规模效益有效性评价指标体系
综上可以看出， 上面选取的投入产出指标体系较科学、全面地反映了示范高职院校的投入和产出，满足了高职院校规模效益所蕴含的要求。
3.高职院校规模效益计算结果与分析
3.1 样本与数据
本文实证研究所采用的资料，来自于2010～2011年度浙江省高等职业院校人才培养工作状态数据分析报告。
3.2 实证结果与分析
结合CCR模型和SUP-CCR模型和2010～2011年度浙江省22家示范院校统计数据开展实证分析，可以得到2010年和2011年的院校规模效益值（评价数据通过使用MATLAB7.1软件编程计算得到），结果如表2所示。
表2 示范高职院校规模效益评价结果
从表2中数据不难发现：
（1）CCR模型基本反映了示范高职院校的规模效益，但没对效率值为1的示范高职院校进行区分。
2010年有4家示范高职院校（浙江金融学院、浙江机电学院、金华职院、宁职院）CCR模型效率值为1，规模效益相对有效的院校约占整个样本院校数量的19%；温州职院、浙江警官学院、浙江工贸学院、浙江经济学院、浙江交通学院、浙江工业学院等7家院校规模效益相对良好；其余示范高职院校规模效益不太理想。
2011年有7家示范高职院校（浙江金融学院、宁波职院、浙江机电学院、金华职院、温州职院、浙江警官学院、浙江工贸学院）实现了规模效益相对有效性，即θ=1，规模效益相对有效的院校约占整个样本院校数量的32%；有9家院校（浙江经济学院、浙江交通学院、浙江商业学院、浙江工业学院、浙江旅游学院、浙江艺术学院、湖州职院、丽水职院、杭州职院）呈现良好的态势，θ值接近1，分别排在8～16名；其它的6家示范院校规模效益一般，排名靠后。
（2）SUP-CCR-DEA对效率值为1的示范高职院校的成本效率进一步进行了评价排序，解决了CCR-DEA有效院校的排名问题，而无效率的院校得分完全同CCR-DEA的评价得分。
2010年浙江金融学院规模效益排在第一位， 宁波职院第二位。浙江机电学院、金华职院、温州职院和浙江警官学院分别位居第三到第六位，但效率值都大于1。而其它效率值小于1的示范高职院校成本效率得分完全与CCR模型的评价得分相同。
2011年宁波职院排在了第一位， 浙江机电学院排名第二， 浙江金融学院退至第三位， 金华职院排第四，浙江工贸学院升至第五。
值得注意的是，DEA有效是相对的，因此在评价中，有效的院校并不是不需要改进，与省外很多同类院校或者与本科院校相比还有不少差距，而且有效的院校之间也存在差距，这些院校仍需针对自身特点，充分挖掘影响效率主要因素，进一步提高院校的资源配置能力， 改善其状况以提高规模效益。
4.结语
在本文的实证分析中，采集了22家示范高职院校2010～2011年度的统计数据，开展了院校各年度规模效益相对有效性的纵横向评价研究，获取了示范院校在2010和2011年度的规模效益评判值，掌握了院校的运行状况并试图揭示院校运行现状和在同行业内所处的地位。结合横向和纵向分析的结果，可以全面地、深入地、客观地评判示范院校的规模效益，但鉴于篇幅所限，规模不经济院校松弛变量输入冗余额S-和输出不足额S+的值未列出，列出后可以看出各项指标改进值，有助于院校找到规模不经济的原因，从而提高资源配置效率。
【参考文献】
[1]Tone K.A slacks-based measure of super-efficiency in data envelopment analysis[J].European Journal of Operation Research.2002，143：32-41.
[2]Andersen P， Petersen N C.A Procedure for Ranking Units in Date Envelopment Analysis[J].Management Science.1993，39（10）：1261-1264.
今天，因为瑞幸咖啡提交美国SEC的公告中披露了2019年第二季度至第四季度虚假交易金额22亿元导致股价大跌，成为了今日的热点。其实，早在2月初，就有一个叫做“港股数据挖掘机”的公号，发表了瑞幸遭做空报告的全文，并且这篇文章是我迄今为止看到的需要阅读时间最长的的文章。文章链接：mp.weixin.qq.com/s/cvHzZbag0OqO-KV1G-_TRg。
仔细阅读这篇做空报告，不难发现，瑞幸咖啡的造假迹象，即便在没有做空报告中提及的对瑞幸门店客流量进行长达11260小时的监控这种强大的时间、人力安排，也可以从对其财务数据的分析中看出端倪，产生怀疑。因为感觉这篇报告的含金量较大，从自己所掌握的专业知识角度来业余的分析一下瑞幸咖啡做空报告中的分析手法，只限于报告数据分析部分：
整篇做空报告数据分析部分大概运用了三种方法，分别是：现场取证法、账实比对法和分析性复核法。
一、现场取证
一是通过动用92名全职员工和1418名兼职员工，在981个门店进行了11260小时的门店客流量监控和记录，覆盖了100%的营业时间。二是收集了来自45个城市2213家门店10119名顾客的25843张收据。这两个步骤为后续的账实比对和分析性复核打下了坚实的基础，因为获取到了最真实的第一手资料。
二、账实比对
羡慕于第一种现场取证法的取证力度，不得不把更多的关注放在了账实比对和后面的分析性复核上。
（一）重新推算每日订单数量
方法的巧妙之处在于通过在门店的开门和关门时间下订单来跟踪门店的每日订单量。采用随机抽样的方法，选取了151家线门店来跟踪线上订单。通过在门店营业时间开始和结束时分别下单，获得当天的在线订单数量。然后，通过比对在线提货数量与订单数量的差额，发现每日在线订单数量被夸大的事实。在这个环节中，取餐码和订单号的不一致成为了寻找线索的一个关键。
（二）重新计算每个门店每天的商品销量
订单数量不等于销量，还需要获取每个订单的产品销量。第一手证明材料最为可靠，报告里收集了来自45个城市2213家门店10119名顾客的25843张收据。25843张收据显示，每个订单的提货和送货量分别为1.08和1.75，通过统计模型（报告中没有具体介绍这个统计模型），计算出了单张订单的一个混合产品销量1.14。将订单数量乘以每个订单1.14的商品数量，重新计算要验证的关键指标——每个门店每天的商品销量。也是通过这个推算，发现瑞幸咖啡每笔订单的商品数量持续下降，从2018年第一季度的1.74下降到2019年第一季度的1.14。
（三）核查比对每张订单的产品售价
销量乘以单价才可以算出销售额，单价的核查比对就自然不能忽略。通过对收集的25843份客户收据上的销售单价与瑞幸的报告进行比对，发现瑞幸将每件商品的净售价至少提高了1.23元，瑞幸报告上2019年第三季度每件商品的净售价为11.2元人民币，而25843张收据显示的净售价大约只有9.97元人民币。通过第二步和本步骤的核查，发现瑞幸的销售量和销售单价均呈下降趋势。截至此，已经可以比较充分的怀疑瑞幸财务报告反映的实际盈利情况。
三、分析性复核
上面说到，通过账实对比，已经发现了瑞幸咖啡每日销售额的明显下降趋势。那么，瑞幸咖啡如果要维持一个比较平稳的业绩表现，必须要对成本费用进行相应的人为处理。如何用数据说话？分析性复核发挥了作用。这份报告的巧妙之处，在于通过第三方媒体反向映照和对税的核查，发现了瑞幸咖啡支出的异常情况。
（一）反向映照
广告费支出在瑞咖啡的财务报表中占比很高，这引起了报告分析者的怀疑。但是如何去印证自己的怀疑？报告分析者采取了巧妙的反向印证法。通过查阅第三方媒体的跟踪报告，发现瑞幸咖啡报表中列示的在分众传媒的广告费用与分众传媒自己财务报表中来自瑞幸咖啡的收入规模并不匹配，从而分析出瑞幸咖啡将2019年第三季度的广告支出夸大了150%以上。那么，这个150%究竟对报表意味着什么？通过清晰的计算，发现：虚增的广告支出基本上可以匹配虚增的经营利润，印证了之前瑞幸咖啡对成本费用进行人为处理的猜测。截取报告中的计算过程如下：
（二）税的分析
税上造假，难上加难。从税入手，也是这份报告值得借鉴的一处亮点。按产品类别加权平均净收入贡献率乘以相应劳务对应的增值税税率，这份报告重新推算瑞幸咖啡每一年的平均增值税率，进而和瑞幸咖啡财务报表列示的增值税率进行比对，发现了“其他产品”收入的虚增情况。截取了报告中的计算过程如下：
从计算结果看出，2019年2-3季度测算出的税率和报表列示税率差距突然扩大，报告的增值税税率为6.5%，而实际计算为7.6%。为了与报道的6.5%的增值税相一致，其他产品的收入贡献实际上将是7%，而公司报道的是22%-23%。同时，报告也没有放过收集到的25843张收据，发现25843张收据显示的收派订单中4.9%及17.5%为“其他产品”，占6.2%，与7%的推测非常接近，又一次印证了相关猜测。
截至到此，对这份报告里提及的数据分析部分已经复盘完了。现在才知道瑞幸咖啡的审计机构是安永，也正是因为这个做空报告，安永派驻了强大反舞弊团队，安永派驻强大反舞弊团队介入，进一步发现了舞弊事实，要求瑞幸咖啡按美国监管规定，启动内部调查并尽快公布调查结果。而瑞幸披露的舞弊报告，也是本次调查的结果。
2018年1月试运营的瑞幸咖啡，于2019年5月在纽交所上市，创造了中概股成立至上市的最短时间记录。而上市不到一年的财务造假，也创造了中概股财务造假被揭发的时间最短记录。安永能否逃过一劫？不论。正如媒体说的：搞砸瑞幸咖啡的，是瑞幸咖啡自己。而救安永的，可能也是安永自己。
速途研究院分析师团队，根据百度指数、安卓市场、豌豆荚、91助手、360手机助手等相关的数据，对易信的第一步进行分析。
易信关注度瞬间暴增
8月19日，中国电信和网易合作推出易信打着PK微信的大旗上线，瞬间引起了媒体和大众的关注，从百度指数看，8月17日前关于“易信”的搜索指数都不过1000，8月18日，上线前一天，搜查指数为1748，8月19日日当天搜索指数达到了59403，瞬间暴增，直线上升，8月20日持续发酵，“易信”的搜索指数达到了巅峰88815，8月21日关注度有所回落。
关键词“易信”关注度的城市排行榜
从上面的排名中，可以看到对“易信”推出的关注度排名，跟城市的规模有一定的关系，关键词“易信”的关注度排名中，北京排在第一位，其次是上海、广州，前三位都是超一线城市，其后的是深圳、杭州、苏州、天津等大城市。
易信关注度的职业排行榜
从数据图表看，IT行业的关注度远远高于其他职业，这与易信、微信所在的行业有关，网易、腾讯都是IT行业的佼佼者，自然会受到同行业的关注，因而IT行业对“易信”关注度远远高于其他行业，也不足为奇。教育/学生关注度也较高，学生群体乐于接收新事物，尤其是易信具有免费发短信、免费留言，对于没有收入的学生群体具有很大的吸引力。
易信推出后在各个平台的下载量
易信推出后，各个平台的下载都取得了不错的成绩，截止到8月21日，易信在豌豆荚的下载量为250000次，在91助手的下载量为110000次，几个平台中，其在360手机助手的下载量最大，下载量为350000次，在安卓市场下载量78504次，在百度移动应用的下载量为10万次等。可以看到网民的下载热情非常高，短短几天下载量如此大，可以说取得不错的开头。
豌豆荚平台——易信下载量走势图
豌豆荚平台上易信的近几日下载量的走势和百度指数走势非常类似，8月19日会举办后，下载量暴涨一天内冲到了47695次，6月20日持续增长，易信在豌豆荚平台一天的下载量达到了82007次，6月21日热度有所下降，下载量有所下降，但仍在6万以上。
易信在各个平台的评价情况
易信虽然取得不错的成绩，但也遭到了用户的吐槽。为此易信方面道歉称：“没准备好。”当然易信还有很多地方需要慢慢改进。先看一下易信综合平均得分为6.68分，这个在相关APP的评价中还算是一个良好的分数，就是说用户觉得你还算是及格了，要看以后的表现。安卓市场用户给的分数最低，易信在安卓市场得分为5分，360手机助手用户给的分数最高，对其评分为7.8分。
购物车(0)
