時間：2023-03-02 14:59:42
緒論：在尋找寫作靈感嗎？愛發表網為您精選了8篇銷售數據分析報告，愿這些內容能夠啟迪您的思維，激發您的創作熱情，歡迎您的閱讀與分享！
［關鍵詞］OLAP;數據挖掘;審計;商業智能
1商業智能模型
本文利用SQLServer2005構建基于商業智能的審計模型TAuditMin，如圖1所示。審計過程分為：采集審計數據、建立數據倉庫、OLAP多維分析、數據挖掘、前端展示等。
1.1源系統
數據挖掘的基礎是大量的歷史數據。這里的源系統是指與審計業務相關的各種關系型數據庫，如金蝶數據庫、用友數據庫等。這些業務系統中的數據可以應用SSIS（MicrosoftSQLServer2005IntegrationServices），通過數據清洗、轉換和加載（ETL）等步驟載入數據倉庫，為多維分析和數據挖掘作準備。
1.2數據倉庫
該部分的功能就是為數據挖掘提供多維數據集（Cube）和數據集（Dataset），用于數據挖掘的Cube也可以根據用戶的要求作相應的更改。商業智能提供了自動創建Cube的功能，用戶只需要設置好相應的維度表和量度組，通過一些簡單的命令就能實現Cube的自動生成和重新生成。因此，數據倉庫設計主要在于設計維度表和量度組，以及兩者之間的關系。
1.3OLAP多維分析
OLAP為用戶提供強大的數據分析功能。在數據倉庫建好后，輸入測試數據，測試數據倉庫和模型。如果分析結果顯示創建的模型有問題，則可以通過OLAP提供的功能重新創建模型，并且按照用戶喜好的方式顯示數據分析的結果。模型沒有問題之后，就可以對ETL處理過的真實數據做相應的數據分析。
1.4數據挖掘
數據挖掘模型的建立以MDX語句為基礎，同時也支持手工操作。模型建好以后，需要對選擇數據挖掘的模型進行測試和訓練。用于訓練的數據可以來自于數據倉庫生成的Cube，也可以直接使用其他數據集，如文本文件。模型訓練的結果既可以直接瀏覽也可以生成報表在客戶端展示，數據挖掘功能主要通過微軟的SSAS和AMO實現。
1.5客戶端
即數據挖掘模型、報表和OLAP分析結果的前端展現，是用戶與系統交互界面。目前比較流行的方式是基于Web的B／S結構。
1.6發現審計線索
在數據分析的基礎上，定位重點審計對象，利用先進的計算機技術或其他方式追蹤線索，重點審計該類數據。
1.7形成審計報告
針對審計線索，加以重點審計，提交審計報告，以供分析和決策。
本文提出的解決方案將數據倉庫、OLAP和數據挖掘等技術相結合，可指導審計人員高效地開展審計工作，增強審計人員的審計數據分析能力，提高審計的效率和效果。
2商業智能在審計中的應用
商業智能在審計中的應用主要包括OLAP和數據挖掘兩部分，以下具體介紹這兩部分的應用。
2.1OLAP在審計中的應用
通過數據倉庫，可以利用OLAP技術，采用包含結構、趨勢、同比、因素、TOPN等多種分析方法，自動生成圖文并茂的分析報告，并可以在任意時間，生成任意內容（如財務、銷售、倉庫、采購、應收、應付），同時實現分析報告中的動態鉆取，滿足審計人員的需要。我們可以利用OLAP進行銷售分析、應收款項分析、倉庫庫存分析以及財務決策評價等。
OLAP支持復雜的分析操作，側重決策支持，并且提供直觀易懂的查詢結果。如MDX查詢語句：
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
可以方便地查詢某商場最近6個月銷售趨勢最好的前10種商品及銷售量。
又如，對應收賬款進行分析，可以通過圖表，直觀顯示賬齡、金額等情況（如圖2所示）。
2.2數據挖掘在審計中的應用
在審計中，運用數據挖掘算法，不僅能減輕審計人員的負擔，而且能提高審計風險管理的質量［3］。具體包括決策樹算法、聚類分析算法、貝葉斯算法、關聯規則算法、時序算法、神經網絡算法、回歸算法等。在審計中，運用商業智能平臺TAuditMin，不僅能減輕審計人員的負擔，而且能提高審計風險管理的質量。
關鍵詞：財務分析；報告；效率
1引言
財務分析報告是指財務人員利用企業的財務相關數據，結合其他相關信息對企業的財務進展情況、日常經營狀況以及現金流等相關數據進行綜合評價。財務分析報告能夠幫助企業管理者迅速全面了解企業運營情況，掌握財務管理方面的優勢與劣勢，提高企業管理的效率。高質量的財務分析報告對財務管理人員的專業知識掌握能力要求較高，許多財務管理人員難以完成高質量的財務分析報告。基于以上背景，本文希望通過分析我國企業財務分析報告現狀以及問題，探討如何提高企業財務分析報告的質量。
2我國企業財務分析報告的現狀及問題
2.1財務分析報告現狀
對于絕大多數企業來說，財務分析報告是對財務指標進行數據化的展示以及文字描述。常用的財務分析指標往往以會計報表為基礎，通過分析各種數據的相對比率進行刻畫，包括企業銷售凈利率，銷售毛利率，資產凈收益等，從中可以計算得到流動比率，速動比率等常用的二級指標。我國的企業財務分析對數據的重視程度較高，但是很少對審計報告以及會計報表進行注釋分析，因此許多小型企業利用這一漏洞，修改經營不佳的銷售業績，向社會以及消費者提供虛假的財務報告，使得原本財務狀況不佳的企業看起來利潤十分豐厚，嚴重影響了經濟市場的健康發展。
2.2我國財務分析報告常見問題
（1）時效性有待提高。財務分析報告的閱讀者主要是企業高管以及部門相關負責人，通過閱讀報告快速掌握企業財務動態。財務報告是對上一階段財務情況的總結，一般分為周報，半月報，月度報告，季度報告與年度報告，由于數據的延時性以及財務數據處理消耗的時間較長，因此當財務數據整理完成后，仍然需要1-2天的時間完成周報，1-2周的時間完成季度報告。因此財務分析報告的時效性降低，對決策的輔助作用也有所降低。（2）針對性較差。財務分析報告帶有較強的針對性，針對某一階段企業財務存在的問題進行詳細的分析，為管理者的后期決策提供有用的信息。由于我國許多財務人員的專業知識能力有限，缺少整體的數據分析以及報告整理思維，難以將財務數據與企業的具體業務進行有機結合，因此財務分析報告的針對性較差，不能將具體的問題分析透徹，無法為管理層決策提供高質量的數據支持。
3提高我國企業財務分析報告質量的對策
（1）提高財務管理人員專業能力。中小型企業現有的財務管理人員在財務知識的專業性以及業務邏輯的理解性上都有所欠缺，因此，企業需要通過培訓以及招聘專業人員來解決這個問題。首先，企業應當定期對現有的財務人員進行財務知識培訓，邀請行業知名人士前來講座，將培訓計入員工的績效考核，監督財務人員不斷學習新財務知識，提高處理數據能力；此外，也應該積極鼓勵財務人員與業務部門進行交接，只有充分理解了業務邏輯，財務人員才能抓住財務分析的重點分析對象，提高財務分析報告撰寫效率。其次，企業可以通過優厚的待遇以及人才晉升制度吸引外界人才加入，提高財務管理團隊的整體質量。最后，企業也可以積極與高校合作，參與到高校課題中，將學術成果應用到實際工作操作環節，提高財務分析工作效率。(2)加強財務基本工作管理。財務基本工作的效率是財務分析報告質量的保證。首先，企業應當建立財務數據后臺，由財務部門進行臺賬管理，將財務信息按照地域以及時間進行有序的排列，定期整理并進行數據分析，從而簡化撰寫報告時財務數據的提取以及對比分析環節的工作量，保證財務數據的準確有效性。其次，財務人員應當保持敏感的財務數據性，實時記錄相關支出以及重要事項，從時間、計劃、預算、實際花費等多個方面進行存檔，方便今后工作查詢。最后，財務人員需要定期向企業各個部門收集相關報表，及時提出報表格式以及內容問題，建立統一的報表管理方式，為撰寫財務分析報告做準備。(3)加強了解企業內部信息。只有深入了解企業內部各個部門的運作情況以及業務邏輯，才能夠深入分析企業的財務運轉情況。因此，財務負責人應該深入到產品研發。運營，銷售，采購等諸多部門，對工作流程，產品特點，銷售規律，大客戶基本情況等信息進行必要的了解，擴大財務分析的視野與角度，結合企業的基本財務數據進行有效的探索分析，保證財務報告具備較高的針對性與適用性。如對于某小型企業來說，核心產品為該企業帶來了超過50%的利潤收益，財務管理人員應當參與制定一套特定的監控分析體系，及時了解產品原材料。庫存。生產成本，銷售利潤等數據的變化，密切關注該產品各項財務指標數據變動對于企業整體財務數據變動的影響。此外，財務人員也需要綜合考慮企業發展戰略變化，市場政策變化，庫存處理方式變化等諸多外界因素變化對企業的利潤自己成本支出的影響，從而提出建設性意見。
4結語
綜合上述，財務分析報告是企業高管迅速了解企業階段性運營現狀的重要方式之一。但是我國許多企業的財務分析報告存在一定問題，如針對性較差，難以對實際的業務起到指導性作用；財務管理人員專業能力較低，不能提供高質量分析報告等。近年來，財務分析報告的重要性不斷提高，企業也必須加強對財務人員的培訓管理工作，優化日常財務管理流程，鼓勵部門合作，為財務工作提供良好的企業環境基礎。
作者:蔣錚 單位:上海市普陀區人民醫院
參考文獻
[1]王小平,雷鳴,王成霞.關于提高企業財務分析報告質量的思考[J].經濟師,2013(1).
[2]張美紅.淺析如何提高集團企業的財務分析報告質量[J].大眾投資指南,2017(2).
【關鍵詞】維度 報表 指標優化
教學測量與教學評價是教學活動的有機組成部分。教學測量與教學評價作教學活動，擔負了診斷教學、激勵師生、調控教學過程的任務。這些評價通常是學習者學過程中歷次考試數據的分析與對比，以報表圖表的報告形式展現給管理者及師生。如何采集、保存海量的考試數據；如何從多視角分析、對比這些數；如何快速、體系化制作統計分析報告。這些問題已成為影響教學評價工作的瓶頸。
以教學測量與教學評價中考試分析報告生成為研究對象，根據目前大數據分析的研究，將元數據模型、數據立方體、多維度數據分析報表模型、數據挖掘算法相結合，設計實現了一個大數據分析的通用考試統計分析報告生成系統。
一、適用于大數據分析的教學測量評價數據的存儲結構
系統采用三層數據庫結構把不同類型，不同層次的考試信息分布在不同層次的數據庫上，以解決數據集中所帶來的海量數據問題、基礎編碼冗余及針對性問題。其中：頂層公共庫（TOP公共庫），用于存放各類型、各層次考試的基本信息，以及跨不同類型及層次考試的統計數據。第二層公共庫用于存放某種類型的考試基礎數據、統計數據。第三層為考次庫用于存放某次考試的試卷、成績等數據。
二、報表技術
表就是用表格、圖表等格式來動態顯示數據，可以用公式表示為：“報表 = 多樣的格式 + 動態的數據”。
報表可分為如下幾類：列表式：表內容按照表頭順序平鋪式展示，便于查看詳細信息。一般基礎信息表可以用列表式體現。多用于展示客戶名單、產品清單、物品清單、訂單、發貨單等單據或當日工作記錄，當日銷售記錄等記錄條數比較少的數據。摘要式：使用頻率最高的一種報表形式，多用于數據匯總統計。如按人員匯總回款額、客戶數等；按日期分組匯總應收額、回款額等。.摘要式報表和列表式報表唯一的差別是多了數據匯總的功能。矩陣式：主要用于多條件數據統計。如：按照客戶所有人和客戶所屬地區兩個值匯總客戶數量。矩陣式報表只有匯總數據，但是查看起來更清晰，更適合在數據分析時使用。
表的繪制方式，大致可以分為SQL畫布方式，Cell單元格方式和兩者結合型：SQL畫布方式報表工具的特點是將報表水平分割成若干個區域，在各個區域上放置報表組件，報表組件位置可以是任意的，各組件可以互相重疊。畫布式報表工具的優點 是可以做到可視化數據綁定，組件位置自由。缺點是插入列、組件對齊困難，畫表格線經常出現線與線之間的錯開現象。這種報表只是很好的解決了"報"的問題， 但對于"表"的問題依然存在。CELL單元格式報表工具，是將報表看作是由一系列連續的單元格組成的區域。要改變報表組件（一般是文本或圖形）的位置，只能通過改變行高列寬方式進行，組件之間 不能重疊，單元格可以合并。單元格式報表工具的優點是畫線，插入列，多行列標題繪制非常方便，但格子中的動態數據綁定，往往需要手寫公式來進行。這種報表 只是很好的解決了"表"的問題，但對于"報"的問題依然存在。
兩者結合型報表工具，融合上面兩種報表工具的優點，使用戶可以可視化地動態綁定數據，也可以象Excel一樣來畫線，從而大大提高了報表設計的效率。
三、基于維度的報表設計、生成方法
維度：用于確定參與統計計算的對象范圍
屬性：用于統計計算的對象屬性
指標：維度+屬性+統計方法
數據字典：描述屬性的存儲信息、維度定義信息
維度和屬性，從概念上講是截然不同的東西；從實現上講（表字段）有交 叉。例如分數字段，在進行平均成績統計時是屬性；在進行一分一檔統計時 是維度。維度和屬性要分別定義。
屬性，從概念上講與維度信息無關。他們都是對事物的某種特性的量化描述。任何事物的不同特性之間不具有函數關系（一個特性無法決定另一個特 性），否則這些特性應當合并。屬性在系統中不應有重復存儲，換句話說任何屬性只能唯一地存儲在系統的某一個表的某一列中。
屬性與維度在實現上存在一定的相關性。由于關系數據庫的局限，在數據結構設計時，不得不將信息分別存儲在不同的數據表中。例如成績信息我們根據考次、科目維度信息將不同的考次、科目的成績存儲在了不同的表中。
我們認為報表的行與列及表頭是觀察與分析數據的維度；行列的交叉點上的單元格代表了若干維度的所確定的數據集及其上的集聚計算（我們稱數據集及其上的集聚計算為指標）。根據維度可以確定指標，用戶只需要了解業務中維度的概念，無需了解數據集的概念及數據的存儲結構就可以完成報表的設計生成。這大大提高了本系統的可用性、易用性。
四、結束語
采用統計學和教育測量學原理和方法，對考試數據進行加工、處理，并提供自定義報表，自適應指標分析方法，教育工作者無需具備專業信息處理的能力就能夠自定義分析報表、圖表，進而生成服務于各級教育管理部門、教育研究部門、學校、學生的各層次學業評價報告，具有很強的可定制性、靈活性、可重用性。
參考文獻：
[1]欒麗華，吉根林；《決策樹分類技術研究》[J]；計算機工程；
2004
[2]QuinlanJR.Discoveringrulesfromlargecollectionsof-
examples：Acasestudy[C].MichieDExpertSystemsinthel-
ectronicAge，Scotland：EdinburghUniversityPress，1979
：168-201.
[3]QuinlanJR.InductionofdecisiontreesachineLearning，
因此，很多企業都會利用Hadoop實現數據存儲，再通過其他工具實現對大數據的高速捕獲和實時分析。這里，我們將通過艾瑞咨詢集團的一個真實案例，解讀一下敏捷BI如何和Hadoop進行互補，幫助其實現互聯網大數據分析的。
定制化項目效率低下
艾瑞咨詢集團（iResearch）是一家專注于網絡媒體、電子商務、網絡游戲、無線增值等新經濟領域，深入研究和了解消費者行為，并為網絡行業和傳統行業客戶提供市場調查研究和戰略咨詢服務的專業市場調研機構。
目前，艾瑞咨詢集團可以向企業提供線下報告和軟件兩種定制化咨詢報告服務。但是，企業客戶的定制化需求非常多變，艾瑞咨詢集團生成一份線下報告交付周期需要3至4周，提供軟件的交付周期則需要半年。再加上項目所需人工成本升高、迭代周期延長，艾瑞咨詢集團往往不敢承接太多定制化項目。
通過調研，筆者發現了艾瑞咨詢集團的真正需求：根據時間維度和網站匯總對用戶的來源地區、來路域名、頁面訪問次數、停留時間、有效訪問次數、跳出率、回訪者、新訪問者、回訪次數和回訪相隔天數等相關數據進行統計分析，并且還能夠在動態添加條件之后，通過對監測用戶行為獲得的數據進行分析，以最終得出更加詳細、清楚的用戶行為習慣。
因此，艾瑞咨詢集團迫切需要一種更加敏捷、高效的大數據分析工具提升定制化業務的效率。
大數據面前：敏捷BI PK傳統BI
在解決艾瑞咨詢集團面臨的難題時，傳統BI的做法是，IT人員事先根據需求分析進行建模，建好二次表或打Cube并提前匯總好數據，業務人員才能在前端查看到分析結果的報表。雖然這種做法很成熟，但是解決不了艾瑞咨詢集團的難題。
首先，業務人員查看的報表相對靜態，分析的維度和度量的計算方式已在建模時預先設定好，不能更改。例如，定好了求和或求平均數，再想改成求方差必須再去修改模型。
其次，分析需求變更時，業務人員不能直接調整報表，需要IT人員重新建模或修改已有分析模型，耗時較長，響應速度較慢。
最后，有些企業的數據量很小，也需要按照此流程和架構來進行大費周折的數據分析。
造成這些問題的本質原因是，過去的技術架構針對海量數據的計算能力不足，企業用戶需要通過建模、二次表、Cube提前進行數據運算匯總。
艾瑞咨詢集團希望為企業客戶提交這樣一份分析報告，不僅能看還能動態分析。對于艾瑞咨詢集團來說，數據展現應該是起點而不是終點。看到了數據，要能交互式分析、深入向下挖掘，要能發現問題并找到答案，還要能采取行動。與數據交互的過程要足夠快，如果用戶每次點擊需要等三五分鐘才出結果，就無法進行交互分析。
并且，分析報告應能讓非IT部門的同事直接在分析平臺上做出來。不能把所有的分析報告需求都提交到IT部門，這樣會嚴重增加IT部門的工作負擔。同時，敏捷BI的實施和操作要簡單化，讓業務人員可直接使用。
同時，分析報告需求經常需要牽涉到數據層的改動，需要IT部門去改進數據層和業務層，傳統BI平臺需要一兩個月才能完成模型梳理。敏捷BI無需事先建模，可以在分析過程中靈活調整分析維度和報表展現，需求變更可以在一天之內響應，提升企業的洞察力決策力。
與傳統BI的重量建模、統一視圖不同，敏捷BI采取輕量建模、N個視圖的方法，不建二次表和Cube，數據導入后可以直接進行分析，并且業務人員可以實時調整分析的維度和度量的計算方式，極大地增加了靈活性，真正做到和數據對話。
既然有這么便捷的方式，為何傳統BI不采用這種架構呢？那是因為，傳統技術架構沒有引入大數據技術，面對海量數據無法在用戶點擊后的幾秒內就展現企業客戶需要的分析結果，因此必須通過建模提前把數據匯總好，才能保證分析報表展現時的速度。
因此，實現敏捷BI的前提是采用新架構處理數據，其涉及的技術包括分布式計算、內存計算、列存儲、庫內計算等。敏捷BI可以通過更低的成本、更短的上線周期，快速讓企業洞察到數據的含義和價值。
業務效率數倍提升
深入研究艾瑞咨詢集團要分析的數據，筆者發現，艾瑞咨詢集團每天要分析的數據量達幾千萬條，且不同企業客戶的分析需求各不相同。因此，復雜多變的多維度分析需求對分析工具的分析性能提出了更高的挑戰，而傳統的數據庫和Hadoop架構已經無法滿足高性能和即時分析的需求。
為此，艾瑞咨詢集團考察過國外一些知名的產品，但是當他們獲知產品的價格和后續的服務費用之后只能放棄。而國內大多數的分析工具大多是上一代BI，需事先建模再進行分析，難以應對靈活的多維度分析變化需求，且針對大數據量的處理能力不能滿足要求。
最終，艾瑞咨詢集團選擇了永洪敏捷BI技術。當艾瑞咨詢集團將三個月的細節數據（約50億條）導入敏捷BI系統，直接就可以展現出定制分析報告。對比原先基于Excel和SQL編程的分析方法，艾瑞咨詢集團的業務效率獲得數倍的提升：線下報告交付周期從3至4周縮短至小于1周，軟件交付從半年縮短至一個月。
同時，艾瑞咨詢集團原來由于擔心需求變化導致沒有能力交付的很多項目被收入囊中。采用敏捷BI工具后，艾瑞咨詢集團可以在幾天內快速搭建原型向客戶展示，任意的需求變更都可以一周內調整完畢。這種快速原型試錯的方式，使得艾瑞咨詢集團有能力承接很多此類項目。
由于業務效率的極大提升，有能力承接更多的項目，艾瑞咨詢集團的收入空間也出現了數倍的增長。與此同時，艾瑞咨詢集團的客戶滿意度也穩步提升。
不僅如此，為了提供更加直觀可交互的分析報告，提升企業用戶體驗，艾瑞咨詢集團基于敏捷BI工具，構建了一個新型SaaS平臺。艾瑞咨詢集團把企業客戶用Hadoop架構存儲的數據，通過敏捷BI提供的接口導入到數據集市內，然后通過敏捷BI快速呈現出結果。
事實上，Hadoop和敏捷BI都有各自適用的不同業務場景，兩者是相互補充的關系。當前，很多企業都采用Hadoop實現數據的存儲，然后把Hadoop數據導入敏捷BI基于分布式內存計算的高性能數據集市中，之后再進行數據可視化分析。鑒于現在Hadoop在企業的應用相當廣泛，永洪敏捷BI產品也支持Hadoop數據源的連接。
一、提高對數據重要性的認識
1. 很多隱藏的問題是我們只能通過數據挖掘出來的，我們可以看到在哪些時間、哪些地點、哪些客戶群、出現了哪些異常狀況？同時通過數據深層次挖掘問題背后的真正原因并做出及時有效的應對措施。例如某呼叫中心的接通率3月份達到了93.70%，但是其人員的在線利用率（座席人員登入系統后與客戶通話及事后處理時長占總登陸時長的比例）只達到了53.92%，說明座席人員的工作強度比較小、排班時安排的人員過剩，付出的代價就是人員成本過高（如圖1）。
2. 任何一個呼叫中心都要做數據上的統計和分析，數據對于呼叫中心管理者的決策起到至關重要的作用，一個好的統計分析應該可以讓管理者看到數據背后的信息并且能夠給出幾套決策方案，這樣呼叫中心才能在瞬息萬變的競爭中得到發展。再如客戶針對某個業務撥打的頻次非常高，我們可以通過數據分析挖掘真正的原因，為有效降低呼入量、提高客戶滿意度提供決策依據。
二、提高對數據的敏感性
1. 呼叫中心的指標
呼叫中心包含哪些指標？指標之間有什么關系？各指標平均情況、增長情況都是什么？一般呼叫中心的各個指標值大概在什么范圍？同時了解各個指標在節假日會是什么情況？營銷活動時期會是什么情況？一般呼叫中心會包含接通率、平均通話時長、事后處理時長、重復呼叫量、在線利用率、一次解決率等指標，當一次解決率明顯提高時客戶的重復呼叫量就會隨之降低，從而在相同的人員配備情況下接通率也會明顯提高，但是在線利用率會有所降低，最終導致人員成本過高。
2. 呼叫中心的范圍
需要了解各行業、各地區以及國外一些呼叫中心的指標情況，知道各個指標在不同行業、不同地區的不同特征分別是什么，從而不斷提高對數據的敏感性以便及時發現統計分析中的問題。用平均通話時長來舉例，假如某呼叫中心該月平均通話時長為90秒，有A、B兩個呼叫中心，他們的管理人員看完后得出這樣的結論：A：90秒的平均通話時長比上個月高出了10秒，需要降低；B：這個月平均通話時長從100秒降到了90秒，客服代表的銷售能力有了明顯提升。很明顯呼叫中心A一定是成本型呼叫中心，而呼叫中心B則是利潤型呼叫中心（如圖2）。
三、提高對數據統計分析的準確性
數據的準確性可以說是關乎呼叫中心成敗的關鍵因素，一個統計上的錯誤就有可能誤導管理者做出錯誤決策，所以我們從以下幾個方面說明如何提高數據統計分析的準確性。
1. 準確認識數據
·各個統計數據（指標）分別是什么？分別是怎么定義的？計算公式是什么？例如前面提到的在線利用率——座席人員登入系統后與客戶通話及事后處理時長占總登陸時長的比例；公式：（客服代表實際通話時長＋事后處理時長）/ 登入系統時長。盡管不同的呼叫中心對于指標的定義可能有所不同，但是需要強調的是各個指標在同一個呼叫中心內的定義必須是一致的，如此才能讓各級人員對指標有統一的認識。
·統計的是哪些業務？哪個時間范圍？哪些客戶群？哪些地區？在對呼叫中心數據有了整體了解的基礎上，接下來的工作就是對數據的整理。
2. 準確整理數據
·應該先將原始數據進行備份，以備不時之需；
·整理過程中將數據粘貼為數值格式，剔除冗余數據、公式、批注等（如圖3）；
·整理過程中各個表格中數據需要有一個關鍵字段，這樣可以將數據進行必要的關聯。盡量將所有數據匯總到一個工作簿中，方便數據分析時做關聯分析；
·整理過程中所用到的公式需要保存，不要粘貼為數值格式，以備分析中發現問題及時改正。
3. 準確分析數據
·分析前需要做出整體的分析框架，分析過程中發現不合理的地方及時調整；
·分析前應該把整理好的數據表格單獨拿出來，不要在原有的整理數據表中做分析；
·分析過程中指標的名稱、各維度的名稱要保持統一；
·采用合適的分析方法，數據的描述統計、相關性分析、回歸分析、80/20法則等；
·用合適的圖表進行結果的展現（柱狀圖、折線圖、雷達圖、餅圖等），需標注清楚圖表的名稱、數據的統計范圍、單位等（如圖4）；
·給出正確的分析結論及相應的改善或者是應對措施；
·形成分析報告。
4. 對分析后的過程及結果進行核查
·檢查分析中所用到的數據是否正確，避免分析此項而錯用到其他項數據的情況；
·檢查分析中用到的公式是否正確，看公式涉及的數據單元格是否正確（包括單元格是否完整、單元格引用是否正確）；
·檢查數據明顯高于或者低于平時水平的異常點（或者說是不符合日常規律的點）是否正確，此時需要查看是否是整理的數據中有錯誤，包括時間、地點、業務、客戶群等（如圖5）；
·檢查分析結論是否正確，查看結論是否和分析的結果相一致；
·檢查分析報告中是否有語句不通、語句歧義、字體格式（字號、顏色等）不統一、使用鏈接錯誤的地方。
信息化在探索中前進
作為一家具有50多年歷史的老牌制藥企業，洞庭藥業位于素有“桃花源里的城市”之稱的湖南常德市。在上個世紀90年代末，洞庭藥業進行了股份制改造，公司也由此走上了快速的發展軌道，其所生產的止血藥和抗精神病藥更是在國內外市場很受歡迎。業務的發展使得企業的銷售網絡迅速擴大。
和許許多多中國企業一樣，洞庭藥業的信息化之路在不斷探索中前進。作為洞庭藥業“計算機使用第一人”，洞庭藥業的財務總監龍玲是洞庭藥業信息化發展的見證人、推動者和規劃師。洞庭藥業最初只是使用單一的財務軟件來做簡單的報表和憑證，在業務系統方面則嘗試自主開發。隨著企業的發展，單一的財務軟件和分散的業務系統越來越跟不上企業的管理需求，龍玲開始考慮將主要的信息系統納入到統一的管理平臺。
2002年，洞庭藥業選擇了U8系統，其最先上線完善了財務模塊。2006年，洞庭藥業財務與業務平臺的統一成為迫在眉睫的問題，這一年，洞庭藥業的客戶已經達到兩千多個，其在全國各省市均委派了區域經理，但財務與業務平臺的不統一造成了應收賬款管理困難。“當時，我們的財務用的是U8，業務用的是自己編寫的系統，因為是兩個不同的系統，所以會出現應收賬款數據不一致的情況。比如，兩個客戶可能只有一字之差，如果經辦人不注意，就會混淆了客戶，等到賬目核對時，分不清是財務的數據對還是業務的數據對”。因此，龍玲決定上線早已購買的U8供應鏈管理，至此，洞庭藥業主要的業務系統與財務系統實現了平臺統一。2008年，洞庭藥業增加了管理外貿出口銷售的費用管理系統，同時升級了U8系統，其整個企業的ERP管理基本完善。
平臺統一之后，數據如何能夠得到更好的分析利用？此時，洞庭藥業對BI的需求浮出水面。龍玲有意選擇一家BI系統――BQ，原因之一是這款軟件靈活易用能夠滿足洞庭藥業的需求；其二是按照他的規劃，洞庭藥業的信息化系統最終將統一在平臺之上。但由于考慮到當時洞庭藥業在基礎數據的完整性上仍有欠缺，龍玲認為當時并不是上線BI系統的最好時機。
財務業務一體化
系統的上線雖然被擱置，但準備工作一直在進行，經過近四年的努力，洞庭藥業完善了企業的基礎數據，迎來了上線BI系統的最佳時機。2012年3月，洞庭藥業正式開始實施BQ商業分析平臺，目前，BI系統一期項目已經完成，并已正式運行。
龍玲介紹，洞庭藥業BI系統一期項目主要實現了財務主題分析和人力資源主題分析。整個BI項目的建設原則是“準確、高效、實用”。
在準確性上，一方面要保證數據、公式的準確，報表要體現各方面準確的數據，另一方面還要做到各系統的錄入、審核都要準確無誤。洞庭藥業把產品結構分為原料、針劑、片劑，新開發的產品單獨做監控。在產品發貨時就設定好規則，設立了開票人和審核人，通過制定規范，提高原始數據的準確性，便于以后提取數據。
在高效方面，則要求任意終端電腦訪問報表時數據刷新要具有高效性。洞庭藥業對銷售數據的分析有自己特殊的要求。其銷售數據涉及到三個維度，包括區域、人員、產品，三個維度要互相疊加，比一般的行業分析起來復雜。在滯留資金的管理方面，洞庭藥業也有特別的規則，比如給一個客戶開了5萬元的發票，它只回款了3萬元的話，龍玲會不允許銷售部門做核銷，但是不做核銷，在應收賬款里欠款還是5萬元，實際上回款已經有3萬元，這種情況下的不允許核銷為數據分析提供了復雜性。龍玲說，BI系統很好地解決了這一問題，對于不同維度的銷售數據分析以及分年度的滯留資金分析通過BI系統都能夠輕松實現，實現了報表的隨時刷新，具有非常強的即時性，能夠快速拿到銷售分析資料。
在實用性上，從數據查詢到報表展現再到BI分析以及圖形界面都要做到實用，滿足不同層面瀏覽用戶能夠清晰明確的看到所需報表和分析圖表。作為財務部門的主管，龍玲最先體會到了BI系統帶來的便利，比如每月的財務分析報告，在系統實施的時候就已經定義好，設定好財務指標，系統能夠快速地呈現出來，縮短報表和分析報告周期，提高分析效率。在銷售分析方面，銷售人員通過實時跟蹤銷售數據分析結果，掌握了市場動態，并能夠進一步地去分析銷售上升和下降的原因，此外，通過BI進行人力資源主題分析，規范了人力資源管理，實現了資源共享。
龍玲認為，BI系統幫助洞庭藥業初步實現了財務業務平臺一體化之后數據的能量釋放。
其實，對于BI在洞庭藥業的應用目標，作為企業信息化應用奠基者的龍玲，心中已經有了一個十分清晰的目標：讓BI不僅僅是一個銷售支持工具，而是真正成為企業管理和決策的“智囊”。“可能要實現這一目標還需要幾年的時間，但我相信這是值得的，而且也是十分必要的。”龍玲堅定地說道。
用數據改進企業管理
談到對BI應用的下一步計劃，龍玲直言對目前BI帶來的變化并不滿足，“我要通過這些數據進一步改進企業管理”。
實際上，信息化注定要在洞庭藥業大展拳腳。憑借產品上的高品質優勢，洞庭藥業生產的止血藥占據了全球60%的市場，其產品質量控制標準遠高于國家標準，產品利潤率達到了20%以上。龍玲透露，洞庭藥業不久將啟用規模更大的新廠區，并準備未來三到五年上市運作。而信息化也將迎來又一輪建設高峰，逐步上線生產制造系統和成本管理系統，實現自動化辦公。
信息系統的進一步完善將更加有利于發揮BI的優勢。龍玲希望BI應用能夠進一步深入到管理層，通過把ERP系統中的數據重新整合起來，使管理層通過BI的數據查詢分析系統查詢到各個業務模塊的信息，同時對這些信息做進一步的綜合分析處理，以儀表盤，圖表等直觀的形式展示出來，逐步把公司內部的信息系統數據都整合到BI系統中，為企業的發展提供堅實的數據支撐。
一、客戶關系管理概念
客戶關系管理（CRM）是獲取、保持可獲利客戶的管理過程。客戶關系管理是利用先進的管理系統及技術進行有效整合，實現將企業所涉及消費者的各領域提供完美集成，使企業可以低成本、高效率地滿足客戶的個性化需求，與客戶建立起一對一的營銷模式，從而讓企業最大程度地提高客戶滿意度和忠誠度。既可保有客戶，也可發展新的客戶。 客戶關系的管理主要通過管理系統軟件來實現的。
二、客戶管理的功能實現
（1）實施目標：客戶關系管理的實施使企業更加看清市場和客戶。過去，企業把發展新客戶作為擴大市場的關鍵。而現在，企業不但要注重新客戶的發展，更要注重對原有客戶的保有。通過對客戶消費習慣的全面掌握和分析，才能不斷深化對客戶需求的認識，才能更有針對地的開發出適合客戶需求的產品，達到提高銷售額度、增加利潤率及提高客戶滿意度等目標。
（2）實施手段：如何能及時、準確地捕捉到客戶的詳細信息呢？只有安裝和使用客戶關系管理系統CRM，才能準確地了解客戶需求及客戶消費信息。只有掌握這些信息才能深入地分析客戶需求，開發出適合客戶的產品。
（3）實施步驟：客戶關系管理系統CRM重要實施環節是對數據的分析和有效處理。CRM項目一共可分為三步實施：
第一步：系統的應用業務集成
首先需要搭建一個平臺，將以往獨立運營的各個系統進行整合。如企業使用的銷售管理系統、市場管理系統和售后服務系統等各個管理系統模塊。通過對多渠道的數據來源進行統一管理，才能實現業務數據的集合與共享。這一環節的實現，是為系統分析提供重要的基礎數據，是代表目前客戶真實發生的業務狀況，只有基礎數據真實，才能使分析的結果更貼近客戶實際需求。
第二步：系統的業務數據分析
通過建立一個平臺進行數據的集中采集后，就需要針對采集的數據進行加工、處理與分析。通過采用OLAP（Online Analysis Processing）等方式進行數據分析，分析之后生成需要的各種報告；也可通過業務數據倉庫（Business Information Warehouse）等的處理手段，對數據進行深入的加工和數據挖掘，以此來分析各數據指標間的關聯關系，建立起關聯性的數據模型進行模擬和預測。得到這一步的結果是至關重要的，它不單單可以反映出業務目前的實際狀況，同時也可對業務的未來發展計劃的調整起到方向性指導作用。
第三步：系統的決策執行
通過平臺的數據采集和使用相關手段對數據進行分析和挖掘以后，針對呈現的數據分析和提供的可預見性的分析報告，企業的管理者要對現有的業務過程中所存在的問題進行總結和更正。并且根據分析報告對于出現方向性錯誤的問題進行及時的糾正和業務計劃的調整。并且針對分析報告，調整企業發展方向和企業的營銷策論等，來增強與客戶之間的聯系，生產更適合客戶使用的產品，才能使企業進入良性的循環，使業務運作更適應市場需求。
三、客戶關系管理重要作用
（一）提高客戶忠誠度
許多企業想通過促銷、贈券、返利等“賄賂”客戶，想得到顧客對企業的忠誠，但是往往事與愿違。當今的顧客需要的是企業的關注和個性化需求的滿足，企業如果能及時了解客戶需求及購物習慣等信息，并且能提供超乎客戶期望的可靠服務，那將大大增強客戶的信任，才能實現客戶的長期價值和客戶的忠誠。從市場營銷學的角度來說，企業培育忠誠顧客是要樹立“客戶至上”的意識，通過與客戶建立起一種長久的、穩固的合作、關注、互惠互利的關系，使各方利益得到滿足， 顧客才能成為企業的忠誠顧客。
（二）建立商業壁壘
對于企業來說，滿意并不是客戶關系管理的根本目的，客戶的忠誠才是最重要的。那么如何建立起有效的商業壁壘，使對手不易模仿？只有對顧客的資料詳細掌握，并制定相關策略服務，才能真正實現商業壁壘，才能增加其他企業挖走客戶的難度。只要通過客戶關系管理系統CRM充分有效地為客戶提供個性化的服務，顧客的忠誠度才能大大提高。
（三）創造雙贏效果
由于良好的客戶關系管理對客戶與企業都是有利的，是一種雙贏的策略。對客戶來說，客戶關系管理的建立能夠為其提供更好的服務、更適合的產品；而對于企業來說通過客戶關系管理可以隨時了解顧客的構成、需求變化等信息，并靈活地做出回應。
（四）降低營銷成本
過去的2013年，朝陽大悅城銷售同比增長超過50%，達到年銷售額21億元的新高峰，客流超過2100萬人次，同比增長45%。取得這樣的成績，得益于大數據的使用。通過大數據分析顧客購買行為、商家銷售行為總結并推導出零售商業演變規律，提升購物體驗和銷售業績是大悅城成功的關鍵。
2013年“三八婦女節”期間，朝陽大悅城推出“你休假 我發薪”活動，通過微博、微信等新媒體方式向每天操勞奔波的都市女白領們，發出了在三八節當天來朝陽大悅城休閑放松半天的邀請，并由朝陽大悅城支付參與活動女白領們由于休假半天所損失的工資。活動一經推出，即引起眾多女性白領的熱情參與和轉發。據統計，此次活動有過萬人次參與，其中微博3000多人、微信6000多人。此次活動使朝陽大悅城在“三八節”當天客流增長了69%，銷售額同步增長78%，既給消費者帶來了愉悅的購物體驗，也為大悅城創造了良好的經營業績。
活動的成功策劃依據正是來自大數據。“在我們通過對會員海量、長期的消費數據分析發現，有一部分年輕女性客群，其消費特色表現為人均單筆的消費額度較低。但其交易頻次較高，并且在微博、微信中發言活躍，會主動將自己的購物感受和體驗向身邊的朋友傳播，并通過她們的帶動、傳播為大悅城帶來良好的經營效益的同時，實現消費者和大悅城的雙贏。”朝陽大悅城IT咨詢部負責人張巖介紹說。
2011年11月2日，朝陽大悅城的銷售和客流突然出現了一個小的峰值，經過種種數據測算和比對，在排除節假日、推廣促銷等因素后，造成銷售額增長的答案竟然是因為當天是“世紀對稱節”。受“對稱節”銷售小的啟發，大悅城已在為今年各種稀奇古怪的節日提前做促銷和推廣的準備。如果不是通過數據分析，很難猜測到銷售額產生異動的真正原因，推廣部門也會錯失一系列的活動主題。
運用大數據的支持讓朝陽大悅城懂“讀心”，而這也正是大悅城最主要的營銷策略之一。折扣活動是較為簡單的數學游戲，而打動人心則是一門大學問。在朝陽大悅城，大數據被作為一個戰略基礎來部署，所有的營銷、招商、運營、活動推廣都圍繞著大數據的分析報告來進行，甚至于企業的組織架構都需要為其而進行特別的調整。張巖指出，朝陽大悅城的IT部門有個更貼切的名稱，叫研策部。部門具有兩大職能，其一是傳統的IT維護，其二是專注于經營數據的分析挖掘，監測大悅城的商業運營狀況，提供精準、高效的決策意見。
停車場里有乾坤
在朝陽大悅城成立之初，就組建了一個數據團隊。對傳統零售行業而言，由于消費者進入商場的消費目的并不明確，加之所有購買行為不通過互聯網留下瀏覽痕跡，在這種情況下，增加數據來源也成為數據分析團隊關注的重點。
2012年一年中，朝陽大悅城在商場的不同位置安裝了將近200個客流監控設備，并通過Wi-Fi站點的登錄情況獲知客戶的到店頻率，通過與會員卡關聯的優惠券得知受消費者歡迎的優惠產品。通過對車流數據的采集分析，朝陽大悅城信息部發現，具備較高消費能力的駕車客戶是朝陽大悅城的主要銷售貢獻者，而通過數據測算每部車帶來的消費，客單超過700元。商場銷售額的變化與車流變化幅度有將近92%的相關度。為此，大悅城對停車場進行了改造，如增加車輛進出坡道、升級車牌自動識別系統、調整車位導識體系等，力爭吸引駕車客戶。此外，他們還調整了停車場附近商戶布局，極大地提高優質駕車客群的到店頻率。而如果某天車流增長快就說明當天客流量的增長會比較快，銷售也會聯動上漲，大悅城會根據變化適時組織商家調整相關服務力量；再比如某天是大風天氣，根據經驗，銷售可能會下降2%，而且集中在零售業態，那么大悅城會馬上組織“限時搶購”之類的針對性的營銷策略。
此外，朝陽大悅城還通過“多維度的大數據分析方法”，對每一個商戶在各個維度中的表現進行精準賦值，將大悅城的銷售管理系統與客流統計系統、停車場車流管理系統、會員管理系統以及商家各個子系統打通，進行綜合運算得出數據結果，挖掘出這些數據價值，并做出相應模型，使商戶的經營狀況和顧客的光顧程度以及提升大悅城的購物體驗都變得更加精準和有效。
應用數據分析
日常的數據分析是每天的功課，大數據的運用給朝陽大悅城帶來的不僅是精準管理和銷售額，還有新的業務增長點和發展空間。
以前朝陽大悅城的POS機系統和CRM系統是孤立的，現在運用新的軟件已經突破性地把這兩個系統的數據整合在了一起，這樣會員們買了什么東西就可以一目了然。同時，數據團隊開始推動品類管理，將零售、餐飲、娛樂等大的業態細分為30個品類，并將品類表現與細分客群結合起來進行研究，通過各具特色的數據分析模型，朝陽大悅城能夠發現誰買什么，誰可能買什么，什么和什么的購買是相關聯的，誰和誰是同質或異質的……在絕大多數的購物中心里還很難得到確切回答的問題，朝陽大悅城卻了如指掌。
