时间：2023-03-02 14:59:42
绪论：在寻找写作灵感吗？爱发表网为您精选了8篇销售数据分析报告，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！
［关键词］OLAP;数据挖掘;审计;商业智能
1商业智能模型
本文利用SQLServer2005构建基于商业智能的审计模型TAuditMin，如图1所示。审计过程分为：采集审计数据、建立数据仓库、OLAP多维分析、数据挖掘、前端展示等。
1.1源系统
数据挖掘的基础是大量的历史数据。这里的源系统是指与审计业务相关的各种关系型数据库，如金蝶数据库、用友数据库等。这些业务系统中的数据可以应用SSIS（MicrosoftSQLServer2005IntegrationServices），通过数据清洗、转换和加载（ETL）等步骤载入数据仓库，为多维分析和数据挖掘作准备。
1.2数据仓库
该部分的功能就是为数据挖掘提供多维数据集（Cube）和数据集（Dataset），用于数据挖掘的Cube也可以根据用户的要求作相应的更改。商业智能提供了自动创建Cube的功能，用户只需要设置好相应的维度表和量度组，通过一些简单的命令就能实现Cube的自动生成和重新生成。因此，数据仓库设计主要在于设计维度表和量度组，以及两者之间的关系。
1.3OLAP多维分析
OLAP为用户提供强大的数据分析功能。在数据仓库建好后，输入测试数据，测试数据仓库和模型。如果分析结果显示创建的模型有问题，则可以通过OLAP提供的功能重新创建模型，并且按照用户喜好的方式显示数据分析的结果。模型没有问题之后，就可以对ETL处理过的真实数据做相应的数据分析。
1.4数据挖掘
数据挖掘模型的建立以MDX语句为基础，同时也支持手工操作。模型建好以后，需要对选择数据挖掘的模型进行测试和训练。用于训练的数据可以来自于数据仓库生成的Cube，也可以直接使用其他数据集，如文本文件。模型训练的结果既可以直接浏览也可以生成报表在客户端展示，数据挖掘功能主要通过微软的SSAS和AMO实现。
1.5客户端
即数据挖掘模型、报表和OLAP分析结果的前端展现，是用户与系统交互界面。目前比较流行的方式是基于Web的B／S结构。
1.6发现审计线索
在数据分析的基础上，定位重点审计对象，利用先进的计算机技术或其他方式追踪线索，重点审计该类数据。
1.7形成审计报告
针对审计线索，加以重点审计，提交审计报告，以供分析和决策。
本文提出的解决方案将数据仓库、OLAP和数据挖掘等技术相结合，可指导审计人员高效地开展审计工作，增强审计人员的审计数据分析能力，提高审计的效率和效果。
2商业智能在审计中的应用
商业智能在审计中的应用主要包括OLAP和数据挖掘两部分，以下具体介绍这两部分的应用。
2.1OLAP在审计中的应用
通过数据仓库，可以利用OLAP技术，采用包含结构、趋势、同比、因素、TOPN等多种分析方法，自动生成图文并茂的分析报告，并可以在任意时间，生成任意内容（如财务、销售、仓库、采购、应收、应付），同时实现分析报告中的动态钻取，满足审计人员的需要。我们可以利用OLAP进行销售分析、应收款项分析、仓库库存分析以及财务决策评价等。
OLAP支持复杂的分析操作，侧重决策支持，并且提供直观易懂的查询结果。如MDX查询语句：
withset［TenBest］as
’TopCount（［Product］．［BrandName］．Members，10，［UnitSales］）’
set［LastMonth］as
’Tail（Filter（［Time］．［Month］．Members，NotIsEmpty（［Time］．CurrentMember）），1）’
set［Last6Months］as’
［LastMonth］．item（0）．item（0）．Lag（6）：
［LastMonth］．item（0）．item（0）’
select［Last6Months］onCOLUMNS，
［TenBest］onROWS
fromSales
可以方便地查询某商场最近6个月销售趋势最好的前10种商品及销售量。
又如，对应收账款进行分析，可以通过图表，直观显示账龄、金额等情况（如图2所示）。
2.2数据挖掘在审计中的应用
在审计中，运用数据挖掘算法，不仅能减轻审计人员的负担，而且能提高审计风险管理的质量［3］。具体包括决策树算法、聚类分析算法、贝叶斯算法、关联规则算法、时序算法、神经网络算法、回归算法等。在审计中，运用商业智能平台TAuditMin，不仅能减轻审计人员的负担，而且能提高审计风险管理的质量。
关键词：财务分析；报告；效率
1引言
财务分析报告是指财务人员利用企业的财务相关数据，结合其他相关信息对企业的财务进展情况、日常经营状况以及现金流等相关数据进行综合评价。财务分析报告能够帮助企业管理者迅速全面了解企业运营情况，掌握财务管理方面的优势与劣势，提高企业管理的效率。高质量的财务分析报告对财务管理人员的专业知识掌握能力要求较高，许多财务管理人员难以完成高质量的财务分析报告。基于以上背景，本文希望通过分析我国企业财务分析报告现状以及问题，探讨如何提高企业财务分析报告的质量。
2我国企业财务分析报告的现状及问题
2.1财务分析报告现状
对于绝大多数企业来说，财务分析报告是对财务指标进行数据化的展示以及文字描述。常用的财务分析指标往往以会计报表为基础，通过分析各种数据的相对比率进行刻画，包括企业销售净利率，销售毛利率，资产净收益等，从中可以计算得到流动比率，速动比率等常用的二级指标。我国的企业财务分析对数据的重视程度较高，但是很少对审计报告以及会计报表进行注释分析，因此许多小型企业利用这一漏洞，修改经营不佳的销售业绩，向社会以及消费者提供虚假的财务报告，使得原本财务状况不佳的企业看起来利润十分丰厚，严重影响了经济市场的健康发展。
2.2我国财务分析报告常见问题
（1）时效性有待提高。财务分析报告的阅读者主要是企业高管以及部门相关负责人，通过阅读报告快速掌握企业财务动态。财务报告是对上一阶段财务情况的总结，一般分为周报，半月报，月度报告，季度报告与年度报告，由于数据的延时性以及财务数据处理消耗的时间较长，因此当财务数据整理完成后，仍然需要1-2天的时间完成周报，1-2周的时间完成季度报告。因此财务分析报告的时效性降低，对决策的辅助作用也有所降低。（2）针对性较差。财务分析报告带有较强的针对性，针对某一阶段企业财务存在的问题进行详细的分析，为管理者的后期决策提供有用的信息。由于我国许多财务人员的专业知识能力有限，缺少整体的数据分析以及报告整理思维，难以将财务数据与企业的具体业务进行有机结合，因此财务分析报告的针对性较差，不能将具体的问题分析透彻，无法为管理层决策提供高质量的数据支持。
3提高我国企业财务分析报告质量的对策
（1）提高财务管理人员专业能力。中小型企业现有的财务管理人员在财务知识的专业性以及业务逻辑的理解性上都有所欠缺，因此，企业需要通过培训以及招聘专业人员来解决这个问题。首先，企业应当定期对现有的财务人员进行财务知识培训，邀请行业知名人士前来讲座，将培训计入员工的绩效考核，监督财务人员不断学习新财务知识，提高处理数据能力；此外，也应该积极鼓励财务人员与业务部门进行交接，只有充分理解了业务逻辑，财务人员才能抓住财务分析的重点分析对象，提高财务分析报告撰写效率。其次，企业可以通过优厚的待遇以及人才晋升制度吸引外界人才加入，提高财务管理团队的整体质量。最后，企业也可以积极与高校合作，参与到高校课题中，将学术成果应用到实际工作操作环节，提高财务分析工作效率。(2)加强财务基本工作管理。财务基本工作的效率是财务分析报告质量的保证。首先，企业应当建立财务数据后台，由财务部门进行台账管理，将财务信息按照地域以及时间进行有序的排列，定期整理并进行数据分析，从而简化撰写报告时财务数据的提取以及对比分析环节的工作量，保证财务数据的准确有效性。其次，财务人员应当保持敏感的财务数据性，实时记录相关支出以及重要事项，从时间、计划、预算、实际花费等多个方面进行存档，方便今后工作查询。最后，财务人员需要定期向企业各个部门收集相关报表，及时提出报表格式以及内容问题，建立统一的报表管理方式，为撰写财务分析报告做准备。(3)加强了解企业内部信息。只有深入了解企业内部各个部门的运作情况以及业务逻辑，才能够深入分析企业的财务运转情况。因此，财务负责人应该深入到产品研发。运营，销售，采购等诸多部门，对工作流程，产品特点，销售规律，大客户基本情况等信息进行必要的了解，扩大财务分析的视野与角度，结合企业的基本财务数据进行有效的探索分析，保证财务报告具备较高的针对性与适用性。如对于某小型企业来说，核心产品为该企业带来了超过50%的利润收益，财务管理人员应当参与制定一套特定的监控分析体系，及时了解产品原材料。库存。生产成本，销售利润等数据的变化，密切关注该产品各项财务指标数据变动对于企业整体财务数据变动的影响。此外，财务人员也需要综合考虑企业发展战略变化，市场政策变化，库存处理方式变化等诸多外界因素变化对企业的利润自己成本支出的影响，从而提出建设性意见。
4结语
综合上述，财务分析报告是企业高管迅速了解企业阶段性运营现状的重要方式之一。但是我国许多企业的财务分析报告存在一定问题，如针对性较差，难以对实际的业务起到指导性作用；财务管理人员专业能力较低，不能提供高质量分析报告等。近年来，财务分析报告的重要性不断提高，企业也必须加强对财务人员的培训管理工作，优化日常财务管理流程，鼓励部门合作，为财务工作提供良好的企业环境基础。
作者:蒋铮 单位:上海市普陀区人民医院
参考文献
[1]王小平,雷鸣,王成霞.关于提高企业财务分析报告质量的思考[J].经济师,2013(1).
[2]张美红.浅析如何提高集团企业的财务分析报告质量[J].大众投资指南,2017(2).
【关键词】维度 报表 指标优化
教学测量与教学评价是教学活动的有机组成部分。教学测量与教学评价作教学活动，担负了诊断教学、激励师生、调控教学过程的任务。这些评价通常是学习者学过程中历次考试数据的分析与对比，以报表图表的报告形式展现给管理者及师生。如何采集、保存海量的考试数据；如何从多视角分析、对比这些数；如何快速、体系化制作统计分析报告。这些问题已成为影响教学评价工作的瓶颈。
以教学测量与教学评价中考试分析报告生成为研究对象，根据目前大数据分析的研究，将元数据模型、数据立方体、多维度数据分析报表模型、数据挖掘算法相结合，设计实现了一个大数据分析的通用考试统计分析报告生成系统。
一、适用于大数据分析的教学测量评价数据的存储结构
系统采用三层数据库结构把不同类型，不同层次的考试信息分布在不同层次的数据库上，以解决数据集中所带来的海量数据问题、基础编码冗余及针对性问题。其中：顶层公共库（TOP公共库），用于存放各类型、各层次考试的基本信息，以及跨不同类型及层次考试的统计数据。第二层公共库用于存放某种类型的考试基础数据、统计数据。第三层为考次库用于存放某次考试的试卷、成绩等数据。
二、报表技术
表就是用表格、图表等格式来动态显示数据，可以用公式表示为：“报表 = 多样的格式 + 动态的数据”。
报表可分为如下几类：列表式：表内容按照表头顺序平铺式展示，便于查看详细信息。一般基础信息表可以用列表式体现。多用于展示客户名单、产品清单、物品清单、订单、发货单等单据或当日工作记录，当日销售记录等记录条数比较少的数据。摘要式：使用频率最高的一种报表形式，多用于数据汇总统计。如按人员汇总回款额、客户数等；按日期分组汇总应收额、回款额等。.摘要式报表和列表式报表唯一的差别是多了数据汇总的功能。矩阵式：主要用于多条件数据统计。如：按照客户所有人和客户所属地区两个值汇总客户数量。矩阵式报表只有汇总数据，但是查看起来更清晰，更适合在数据分析时使用。
表的绘制方式，大致可以分为SQL画布方式，Cell单元格方式和两者结合型：SQL画布方式报表工具的特点是将报表水平分割成若干个区域，在各个区域上放置报表组件，报表组件位置可以是任意的，各组件可以互相重叠。画布式报表工具的优点 是可以做到可视化数据绑定，组件位置自由。缺点是插入列、组件对齐困难，画表格线经常出现线与线之间的错开现象。这种报表只是很好的解决了"报"的问题， 但对于"表"的问题依然存在。CELL单元格式报表工具，是将报表看作是由一系列连续的单元格组成的区域。要改变报表组件（一般是文本或图形）的位置，只能通过改变行高列宽方式进行，组件之间 不能重叠，单元格可以合并。单元格式报表工具的优点是画线，插入列，多行列标题绘制非常方便，但格子中的动态数据绑定，往往需要手写公式来进行。这种报表 只是很好的解决了"表"的问题，但对于"报"的问题依然存在。
两者结合型报表工具，融合上面两种报表工具的优点，使用户可以可视化地动态绑定数据，也可以象Excel一样来画线，从而大大提高了报表设计的效率。
三、基于维度的报表设计、生成方法
维度：用于确定参与统计计算的对象范围
属性：用于统计计算的对象属性
指标：维度+属性+统计方法
数据字典：描述属性的存储信息、维度定义信息
维度和属性，从概念上讲是截然不同的东西；从实现上讲（表字段）有交 叉。例如分数字段，在进行平均成绩统计时是属性；在进行一分一档统计时 是维度。维度和属性要分别定义。
属性，从概念上讲与维度信息无关。他们都是对事物的某种特性的量化描述。任何事物的不同特性之间不具有函数关系（一个特性无法决定另一个特 性），否则这些特性应当合并。属性在系统中不应有重复存储，换句话说任何属性只能唯一地存储在系统的某一个表的某一列中。
属性与维度在实现上存在一定的相关性。由于关系数据库的局限，在数据结构设计时，不得不将信息分别存储在不同的数据表中。例如成绩信息我们根据考次、科目维度信息将不同的考次、科目的成绩存储在了不同的表中。
我们认为报表的行与列及表头是观察与分析数据的维度；行列的交叉点上的单元格代表了若干维度的所确定的数据集及其上的集聚计算（我们称数据集及其上的集聚计算为指标）。根据维度可以确定指标，用户只需要了解业务中维度的概念，无需了解数据集的概念及数据的存储结构就可以完成报表的设计生成。这大大提高了本系统的可用性、易用性。
四、结束语
采用统计学和教育测量学原理和方法，对考试数据进行加工、处理，并提供自定义报表，自适应指标分析方法，教育工作者无需具备专业信息处理的能力就能够自定义分析报表、图表，进而生成服务于各级教育管理部门、教育研究部门、学校、学生的各层次学业评价报告，具有很强的可定制性、灵活性、可重用性。
参考文献：
[1]栾丽华，吉根林；《决策树分类技术研究》[J]；计算机工程；
2004
[2]QuinlanJR.Discoveringrulesfromlargecollectionsof-
examples：Acasestudy[C].MichieDExpertSystemsinthel-
ectronicAge，Scotland：EdinburghUniversityPress，1979
：168-201.
[3]QuinlanJR.InductionofdecisiontreesachineLearning，
因此，很多企业都会利用Hadoop实现数据存储，再通过其他工具实现对大数据的高速捕获和实时分析。这里，我们将通过艾瑞咨询集团的一个真实案例，解读一下敏捷BI如何和Hadoop进行互补，帮助其实现互联网大数据分析的。
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。
事实上，Hadoop和敏捷BI都有各自适用的不同业务场景，两者是相互补充的关系。当前，很多企业都采用Hadoop实现数据的存储，然后把Hadoop数据导入敏捷BI基于分布式内存计算的高性能数据集市中，之后再进行数据可视化分析。鉴于现在Hadoop在企业的应用相当广泛，永洪敏捷BI产品也支持Hadoop数据源的连接。
一、提高对数据重要性的认识
1. 很多隐藏的问题是我们只能通过数据挖掘出来的，我们可以看到在哪些时间、哪些地点、哪些客户群、出现了哪些异常状况？同时通过数据深层次挖掘问题背后的真正原因并做出及时有效的应对措施。例如某呼叫中心的接通率3月份达到了93.70%，但是其人员的在线利用率（座席人员登入系统后与客户通话及事后处理时长占总登陆时长的比例）只达到了53.92%，说明座席人员的工作强度比较小、排班时安排的人员过剩，付出的代价就是人员成本过高（如图1）。
2. 任何一个呼叫中心都要做数据上的统计和分析，数据对于呼叫中心管理者的决策起到至关重要的作用，一个好的统计分析应该可以让管理者看到数据背后的信息并且能够给出几套决策方案，这样呼叫中心才能在瞬息万变的竞争中得到发展。再如客户针对某个业务拨打的频次非常高，我们可以通过数据分析挖掘真正的原因，为有效降低呼入量、提高客户满意度提供决策依据。
二、提高对数据的敏感性
1. 呼叫中心的指标
呼叫中心包含哪些指标？指标之间有什么关系？各指标平均情况、增长情况都是什么？一般呼叫中心的各个指标值大概在什么范围？同时了解各个指标在节假日会是什么情况？营销活动时期会是什么情况？一般呼叫中心会包含接通率、平均通话时长、事后处理时长、重复呼叫量、在线利用率、一次解决率等指标，当一次解决率明显提高时客户的重复呼叫量就会随之降低，从而在相同的人员配备情况下接通率也会明显提高，但是在线利用率会有所降低，最终导致人员成本过高。
2. 呼叫中心的范围
需要了解各行业、各地区以及国外一些呼叫中心的指标情况，知道各个指标在不同行业、不同地区的不同特征分别是什么，从而不断提高对数据的敏感性以便及时发现统计分析中的问题。用平均通话时长来举例，假如某呼叫中心该月平均通话时长为90秒，有A、B两个呼叫中心，他们的管理人员看完后得出这样的结论：A：90秒的平均通话时长比上个月高出了10秒，需要降低；B：这个月平均通话时长从100秒降到了90秒，客服代表的销售能力有了明显提升。很明显呼叫中心A一定是成本型呼叫中心，而呼叫中心B则是利润型呼叫中心（如图2）。
三、提高对数据统计分析的准确性
数据的准确性可以说是关乎呼叫中心成败的关键因素，一个统计上的错误就有可能误导管理者做出错误决策，所以我们从以下几个方面说明如何提高数据统计分析的准确性。
1. 准确认识数据
·各个统计数据（指标）分别是什么？分别是怎么定义的？计算公式是什么？例如前面提到的在线利用率——座席人员登入系统后与客户通话及事后处理时长占总登陆时长的比例；公式：（客服代表实际通话时长＋事后处理时长）/ 登入系统时长。尽管不同的呼叫中心对于指标的定义可能有所不同，但是需要强调的是各个指标在同一个呼叫中心内的定义必须是一致的，如此才能让各级人员对指标有统一的认识。
·统计的是哪些业务？哪个时间范围？哪些客户群？哪些地区？在对呼叫中心数据有了整体了解的基础上，接下来的工作就是对数据的整理。
2. 准确整理数据
·应该先将原始数据进行备份，以备不时之需；
·整理过程中将数据粘贴为数值格式，剔除冗余数据、公式、批注等（如图3）；
·整理过程中各个表格中数据需要有一个关键字段，这样可以将数据进行必要的关联。尽量将所有数据汇总到一个工作簿中，方便数据分析时做关联分析；
·整理过程中所用到的公式需要保存，不要粘贴为数值格式，以备分析中发现问题及时改正。
3. 准确分析数据
·分析前需要做出整体的分析框架，分析过程中发现不合理的地方及时调整；
·分析前应该把整理好的数据表格单独拿出来，不要在原有的整理数据表中做分析；
·分析过程中指标的名称、各维度的名称要保持统一；
·采用合适的分析方法，数据的描述统计、相关性分析、回归分析、80/20法则等；
·用合适的图表进行结果的展现（柱状图、折线图、雷达图、饼图等），需标注清楚图表的名称、数据的统计范围、单位等（如图4）；
·给出正确的分析结论及相应的改善或者是应对措施；
·形成分析报告。
4. 对分析后的过程及结果进行核查
·检查分析中所用到的数据是否正确，避免分析此项而错用到其他项数据的情况；
·检查分析中用到的公式是否正确，看公式涉及的数据单元格是否正确（包括单元格是否完整、单元格引用是否正确）；
·检查数据明显高于或者低于平时水平的异常点（或者说是不符合日常规律的点）是否正确，此时需要查看是否是整理的数据中有错误，包括时间、地点、业务、客户群等（如图5）；
·检查分析结论是否正确，查看结论是否和分析的结果相一致；
·检查分析报告中是否有语句不通、语句歧义、字体格式（字号、颜色等）不统一、使用链接错误的地方。
信息化在探索中前进
作为一家具有50多年历史的老牌制药企业，洞庭药业位于素有“桃花源里的城市”之称的湖南常德市。在上个世纪90年代末，洞庭药业进行了股份制改造，公司也由此走上了快速的发展轨道，其所生产的止血药和抗精神病药更是在国内外市场很受欢迎。业务的发展使得企业的销售网络迅速扩大。
和许许多多中国企业一样，洞庭药业的信息化之路在不断探索中前进。作为洞庭药业“计算机使用第一人”，洞庭药业的财务总监龙玲是洞庭药业信息化发展的见证人、推动者和规划师。洞庭药业最初只是使用单一的财务软件来做简单的报表和凭证，在业务系统方面则尝试自主开发。随着企业的发展，单一的财务软件和分散的业务系统越来越跟不上企业的管理需求，龙玲开始考虑将主要的信息系统纳入到统一的管理平台。
2002年，洞庭药业选择了U8系统，其最先上线完善了财务模块。2006年，洞庭药业财务与业务平台的统一成为迫在眉睫的问题，这一年，洞庭药业的客户已经达到两千多个，其在全国各省市均委派了区域经理，但财务与业务平台的不统一造成了应收账款管理困难。“当时，我们的财务用的是U8，业务用的是自己编写的系统，因为是两个不同的系统，所以会出现应收账款数据不一致的情况。比如，两个客户可能只有一字之差，如果经办人不注意，就会混淆了客户，等到账目核对时，分不清是财务的数据对还是业务的数据对”。因此，龙玲决定上线早已购买的U8供应链管理，至此，洞庭药业主要的业务系统与财务系统实现了平台统一。2008年，洞庭药业增加了管理外贸出口销售的费用管理系统，同时升级了U8系统，其整个企业的ERP管理基本完善。
平台统一之后，数据如何能够得到更好的分析利用？此时，洞庭药业对BI的需求浮出水面。龙玲有意选择一家BI系统――BQ，原因之一是这款软件灵活易用能够满足洞庭药业的需求；其二是按照他的规划，洞庭药业的信息化系统最终将统一在平台之上。但由于考虑到当时洞庭药业在基础数据的完整性上仍有欠缺，龙玲认为当时并不是上线BI系统的最好时机。
财务业务一体化
系统的上线虽然被搁置，但准备工作一直在进行，经过近四年的努力，洞庭药业完善了企业的基础数据，迎来了上线BI系统的最佳时机。2012年3月，洞庭药业正式开始实施BQ商业分析平台，目前，BI系统一期项目已经完成，并已正式运行。
龙玲介绍，洞庭药业BI系统一期项目主要实现了财务主题分析和人力资源主题分析。整个BI项目的建设原则是“准确、高效、实用”。
在准确性上，一方面要保证数据、公式的准确，报表要体现各方面准确的数据，另一方面还要做到各系统的录入、审核都要准确无误。洞庭药业把产品结构分为原料、针剂、片剂，新开发的产品单独做监控。在产品发货时就设定好规则，设立了开票人和审核人，通过制定规范，提高原始数据的准确性，便于以后提取数据。
在高效方面，则要求任意终端电脑访问报表时数据刷新要具有高效性。洞庭药业对销售数据的分析有自己特殊的要求。其销售数据涉及到三个维度，包括区域、人员、产品，三个维度要互相叠加，比一般的行业分析起来复杂。在滞留资金的管理方面，洞庭药业也有特别的规则，比如给一个客户开了5万元的发票，它只回款了3万元的话，龙玲会不允许销售部门做核销，但是不做核销，在应收账款里欠款还是5万元，实际上回款已经有3万元，这种情况下的不允许核销为数据分析提供了复杂性。龙玲说，BI系统很好地解决了这一问题，对于不同维度的销售数据分析以及分年度的滞留资金分析通过BI系统都能够轻松实现，实现了报表的随时刷新，具有非常强的即时性，能够快速拿到销售分析资料。
在实用性上，从数据查询到报表展现再到BI分析以及图形界面都要做到实用，满足不同层面浏览用户能够清晰明确的看到所需报表和分析图表。作为财务部门的主管，龙玲最先体会到了BI系统带来的便利，比如每月的财务分析报告，在系统实施的时候就已经定义好，设定好财务指标，系统能够快速地呈现出来，缩短报表和分析报告周期，提高分析效率。在销售分析方面，销售人员通过实时跟踪销售数据分析结果，掌握了市场动态，并能够进一步地去分析销售上升和下降的原因，此外，通过BI进行人力资源主题分析，规范了人力资源管理，实现了资源共享。
龙玲认为，BI系统帮助洞庭药业初步实现了财务业务平台一体化之后数据的能量释放。
其实，对于BI在洞庭药业的应用目标，作为企业信息化应用奠基者的龙玲，心中已经有了一个十分清晰的目标：让BI不仅仅是一个销售支持工具，而是真正成为企业管理和决策的“智囊”。“可能要实现这一目标还需要几年的时间，但我相信这是值得的，而且也是十分必要的。”龙玲坚定地说道。
用数据改进企业管理
谈到对BI应用的下一步计划，龙玲直言对目前BI带来的变化并不满足，“我要通过这些数据进一步改进企业管理”。
实际上，信息化注定要在洞庭药业大展拳脚。凭借产品上的高品质优势，洞庭药业生产的止血药占据了全球60%的市场，其产品质量控制标准远高于国家标准，产品利润率达到了20%以上。龙玲透露，洞庭药业不久将启用规模更大的新厂区，并准备未来三到五年上市运作。而信息化也将迎来又一轮建设高峰，逐步上线生产制造系统和成本管理系统，实现自动化办公。
信息系统的进一步完善将更加有利于发挥BI的优势。龙玲希望BI应用能够进一步深入到管理层，通过把ERP系统中的数据重新整合起来，使管理层通过BI的数据查询分析系统查询到各个业务模块的信息，同时对这些信息做进一步的综合分析处理，以仪表盘，图表等直观的形式展示出来，逐步把公司内部的信息系统数据都整合到BI系统中，为企业的发展提供坚实的数据支撑。
一、客户关系管理概念
客户关系管理（CRM）是获取、保持可获利客户的管理过程。客户关系管理是利用先进的管理系统及技术进行有效整合，实现将企业所涉及消费者的各领域提供完美集成，使企业可以低成本、高效率地满足客户的个性化需求，与客户建立起一对一的营销模式，从而让企业最大程度地提高客户满意度和忠诚度。既可保有客户，也可发展新的客户。 客户关系的管理主要通过管理系统软件来实现的。
二、客户管理的功能实现
（1）实施目标：客户关系管理的实施使企业更加看清市场和客户。过去，企业把发展新客户作为扩大市场的关键。而现在，企业不但要注重新客户的发展，更要注重对原有客户的保有。通过对客户消费习惯的全面掌握和分析，才能不断深化对客户需求的认识，才能更有针对地的开发出适合客户需求的产品，达到提高销售额度、增加利润率及提高客户满意度等目标。
（2）实施手段：如何能及时、准确地捕捉到客户的详细信息呢？只有安装和使用客户关系管理系统CRM，才能准确地了解客户需求及客户消费信息。只有掌握这些信息才能深入地分析客户需求，开发出适合客户的产品。
（3）实施步骤：客户关系管理系统CRM重要实施环节是对数据的分析和有效处理。CRM项目一共可分为三步实施：
第一步：系统的应用业务集成
首先需要搭建一个平台，将以往独立运营的各个系统进行整合。如企业使用的销售管理系统、市场管理系统和售后服务系统等各个管理系统模块。通过对多渠道的数据来源进行统一管理，才能实现业务数据的集合与共享。这一环节的实现，是为系统分析提供重要的基础数据，是代表目前客户真实发生的业务状况，只有基础数据真实，才能使分析的结果更贴近客户实际需求。
第二步：系统的业务数据分析
通过建立一个平台进行数据的集中采集后，就需要针对采集的数据进行加工、处理与分析。通过采用OLAP（Online Analysis Processing）等方式进行数据分析，分析之后生成需要的各种报告；也可通过业务数据仓库（Business Information Warehouse）等的处理手段，对数据进行深入的加工和数据挖掘，以此来分析各数据指标间的关联关系，建立起关联性的数据模型进行模拟和预测。得到这一步的结果是至关重要的，它不单单可以反映出业务目前的实际状况，同时也可对业务的未来发展计划的调整起到方向性指导作用。
第三步：系统的决策执行
通过平台的数据采集和使用相关手段对数据进行分析和挖掘以后，针对呈现的数据分析和提供的可预见性的分析报告，企业的管理者要对现有的业务过程中所存在的问题进行总结和更正。并且根据分析报告对于出现方向性错误的问题进行及时的纠正和业务计划的调整。并且针对分析报告，调整企业发展方向和企业的营销策论等，来增强与客户之间的联系，生产更适合客户使用的产品，才能使企业进入良性的循环，使业务运作更适应市场需求。
三、客户关系管理重要作用
（一）提高客户忠诚度
许多企业想通过促销、赠券、返利等“贿赂”客户，想得到顾客对企业的忠诚，但是往往事与愿违。当今的顾客需要的是企业的关注和个性化需求的满足，企业如果能及时了解客户需求及购物习惯等信息，并且能提供超乎客户期望的可靠服务，那将大大增强客户的信任，才能实现客户的长期价值和客户的忠诚。从市场营销学的角度来说，企业培育忠诚顾客是要树立“客户至上”的意识，通过与客户建立起一种长久的、稳固的合作、关注、互惠互利的关系，使各方利益得到满足， 顾客才能成为企业的忠诚顾客。
（二）建立商业壁垒
对于企业来说，满意并不是客户关系管理的根本目的，客户的忠诚才是最重要的。那么如何建立起有效的商业壁垒，使对手不易模仿？只有对顾客的资料详细掌握，并制定相关策略服务，才能真正实现商业壁垒，才能增加其他企业挖走客户的难度。只要通过客户关系管理系统CRM充分有效地为客户提供个性化的服务，顾客的忠诚度才能大大提高。
（三）创造双赢效果
由于良好的客户关系管理对客户与企业都是有利的，是一种双赢的策略。对客户来说，客户关系管理的建立能够为其提供更好的服务、更适合的产品；而对于企业来说通过客户关系管理可以随时了解顾客的构成、需求变化等信息，并灵活地做出回应。
（四）降低营销成本
过去的2013年，朝阳大悦城销售同比增长超过50%，达到年销售额21亿元的新高峰，客流超过2100万人次，同比增长45%。取得这样的成绩，得益于大数据的使用。通过大数据分析顾客购买行为、商家销售行为总结并推导出零售商业演变规律，提升购物体验和销售业绩是大悦城成功的关键。
2013年“三八妇女节”期间，朝阳大悦城推出“你休假 我发薪”活动，通过微博、微信等新媒体方式向每天操劳奔波的都市女白领们，发出了在三八节当天来朝阳大悦城休闲放松半天的邀请，并由朝阳大悦城支付参与活动女白领们由于休假半天所损失的工资。活动一经推出，即引起众多女性白领的热情参与和转发。据统计，此次活动有过万人次参与，其中微博3000多人、微信6000多人。此次活动使朝阳大悦城在“三八节”当天客流增长了69%，销售额同步增长78%，既给消费者带来了愉悦的购物体验，也为大悦城创造了良好的经营业绩。
活动的成功策划依据正是来自大数据。“在我们通过对会员海量、长期的消费数据分析发现，有一部分年轻女性客群，其消费特色表现为人均单笔的消费额度较低。但其交易频次较高，并且在微博、微信中发言活跃，会主动将自己的购物感受和体验向身边的朋友传播，并通过她们的带动、传播为大悦城带来良好的经营效益的同时，实现消费者和大悦城的双赢。”朝阳大悦城IT咨询部负责人张岩介绍说。
2011年11月2日，朝阳大悦城的销售和客流突然出现了一个小的峰值，经过种种数据测算和比对，在排除节假日、推广促销等因素后，造成销售额增长的答案竟然是因为当天是“世纪对称节”。受“对称节”销售小的启发，大悦城已在为今年各种稀奇古怪的节日提前做促销和推广的准备。如果不是通过数据分析，很难猜测到销售额产生异动的真正原因，推广部门也会错失一系列的活动主题。
运用大数据的支持让朝阳大悦城懂“读心”，而这也正是大悦城最主要的营销策略之一。折扣活动是较为简单的数学游戏，而打动人心则是一门大学问。在朝阳大悦城，大数据被作为一个战略基础来部署，所有的营销、招商、运营、活动推广都围绕着大数据的分析报告来进行，甚至于企业的组织架构都需要为其而进行特别的调整。张岩指出，朝阳大悦城的IT部门有个更贴切的名称，叫研策部。部门具有两大职能，其一是传统的IT维护，其二是专注于经营数据的分析挖掘，监测大悦城的商业运营状况，提供精准、高效的决策意见。
停车场里有乾坤
在朝阳大悦城成立之初，就组建了一个数据团队。对传统零售行业而言，由于消费者进入商场的消费目的并不明确，加之所有购买行为不通过互联网留下浏览痕迹，在这种情况下，增加数据来源也成为数据分析团队关注的重点。
2012年一年中，朝阳大悦城在商场的不同位置安装了将近200个客流监控设备，并通过Wi-Fi站点的登录情况获知客户的到店频率，通过与会员卡关联的优惠券得知受消费者欢迎的优惠产品。通过对车流数据的采集分析，朝阳大悦城信息部发现，具备较高消费能力的驾车客户是朝阳大悦城的主要销售贡献者，而通过数据测算每部车带来的消费，客单超过700元。商场销售额的变化与车流变化幅度有将近92%的相关度。为此，大悦城对停车场进行了改造，如增加车辆进出坡道、升级车牌自动识别系统、调整车位导识体系等，力争吸引驾车客户。此外，他们还调整了停车场附近商户布局，极大地提高优质驾车客群的到店频率。而如果某天车流增长快就说明当天客流量的增长会比较快，销售也会联动上涨，大悦城会根据变化适时组织商家调整相关服务力量；再比如某天是大风天气，根据经验，销售可能会下降2%，而且集中在零售业态，那么大悦城会马上组织“限时抢购”之类的针对性的营销策略。
此外，朝阳大悦城还通过“多维度的大数据分析方法”，对每一个商户在各个维度中的表现进行精准赋值，将大悦城的销售管理系统与客流统计系统、停车场车流管理系统、会员管理系统以及商家各个子系统打通，进行综合运算得出数据结果，挖掘出这些数据价值，并做出相应模型，使商户的经营状况和顾客的光顾程度以及提升大悦城的购物体验都变得更加精准和有效。
应用数据分析
日常的数据分析是每天的功课，大数据的运用给朝阳大悦城带来的不仅是精准管理和销售额，还有新的业务增长点和发展空间。
以前朝阳大悦城的POS机系统和CRM系统是孤立的，现在运用新的软件已经突破性地把这两个系统的数据整合在了一起，这样会员们买了什么东西就可以一目了然。同时，数据团队开始推动品类管理，将零售、餐饮、娱乐等大的业态细分为30个品类，并将品类表现与细分客群结合起来进行研究，通过各具特色的数据分析模型，朝阳大悦城能够发现谁买什么，谁可能买什么，什么和什么的购买是相关联的，谁和谁是同质或异质的……在绝大多数的购物中心里还很难得到确切回答的问题，朝阳大悦城却了如指掌。
购物车(0)
