7月，DB-Engines發布了2018下半年第一個全球資料庫排名榜單，TOP3的產品得分都出現了大幅下跌，創出了各產品的新低。 同比6月，Oracle 資料庫的得分下跌了33.47分，MySQL 下跌37.62分，SQL Server 下跌34.32分。環比去年7月，下降幅度更大。 此次資料庫榜單中漲幅最大的一個是MongoDB資料庫，同比上月上漲 6.54 個百分點。我們從2013年至今的數據來看，MongoDB資料庫增長非常可觀。 來自雲的挑戰 在Gartner發布的2018年版全球雲基礎設施即服務（IaaS）魔力象限報告中，我們看到六家廠商：AWS、微軟、谷歌、阿里雲、Oracle和IBM。其中傳統資料庫的代表Oracle和 Amazon、Microsoft、Google已相去甚遠，不得不讓我們對 Oracle 如何應對來自於雲的挑戰產生懷疑。 在榜單上我們能清晰看到 Cloud 基礎設施領先者的資料庫格局，在前30位中，Amazon 的 DynamoDB 和 Redshift，以及微軟的 Azure SQL Database 和 Cosmos DB 上升趨勢顯著，這些雲上的各種資料庫產品，正在解構和分割傳統資料庫的格局。 開源資料庫的衝擊 Oracle、MySQL、MS SQL Server是大家公認的資料庫三大巨頭，從DB-Engine幫當也可以看出這三大資料庫和其他資料庫並不是一個量級的。三者之中只有MySQL是開源資料庫，威脅著Oracle的第一地位，在2017年曾一度接近Oracle，但同時也受到SQL Server的強勢追擊。 DB-Engines資料庫榜單中目前有343個不同的資料庫管理系統，其中開源資料庫有173個，商業資料庫有170個，數量上可以說旗鼓相當。在人氣方面，我們從下圖中可以看出，2013年時雙方有著很大的差距，但是隨著時間的流逝，雙方差距在不斷縮小，到2018年7月商用資料庫的人氣為52.29%，開源資料庫的人氣達到 47.71%，已經相差不多。 查看完整榜單：https://db-engines.com/en/ranking DB-Engines資料庫榜單排名的依據： Google，Bing和Yandex搜索引擎查詢中的結果數量 Google趨勢中的搜索頻率 Stack Overflow和DBA Stack Exchange上的相關問題數量和感興趣的用戶數量 Indeed and Simply Hired 中的工作職位數量 LinkedIn and Upwork中的提及數量 Twitter中的推文的數量 您還可以參考《零基礎快速自學SQL，1天足矣！》

不漂亮的模板都是相似的，漂亮的模板各有各的漂亮。大家都希望自己製作的、自己在看的、在用的模板，都是漂亮的。 畢竟，老闆喜歡漂亮的。 畢竟，客戶喜歡漂亮的。 畢竟，你自己也喜歡漂亮的。 畢竟，我們都是專一的「好色之徒」，都喜歡漂亮的。 可是，像我這樣處在視覺鄙視鏈末端的人，做出的效果總是被無情吐槽，我能怎麼辦呢？ 我也好想希望有一個如「大白」、「圓夢巨人」般的助手，幫我快速搞定漂亮的模板啊。 產品汪說：你做的模板不美，但你想的倒是挺美。「大白」木有，「圓夢巨人」也木有，但做模板的神助攻倒是有一個： 模板組件分享復用 （如何制作易讀美觀的大屏報表，具體方法請參考文章：大屏做成這樣，領導不重視你都難！） 資深番薯可能還記得，一年前我們發布了模板組件本地復用的功能。這個功能，是讓模板製作者，可以在本地的同一個模板內或者不同的模板間複製粘貼組件，是為本地用戶提升開發效率而準備的，如下圖所示。 在最近的4月份，我們發布了模板組件分享復用功能。這個功能，是讓模板製作者，可以將自己製作好的組件分享給其他開發者，也可以在本地使用其他開發者製作好的組件。 單從文字描述上可能不好理解這個功能的價值，我們用實際案例來介紹其強大之處。 帆軟的用戶V童鞋，做了很多好看的大屏駕駛艙模板，比如下圖這些。 筆者我在製作自己的大屏駕駛艙demo的時候，一直打不開思路，想借鑒他模板里一些好看的組件，於是請求V童鞋分享了一些組件給我。如下圖所示，其中紅色框框圈起來的是V童鞋分享出來的組件（礙於篇幅原因，並沒有把所有截圖都列出來）。 我開心的在自己設計器里安裝好這些組件，並將其拖拽到決策報表裡頭，很輕鬆的就組合了一個全新大屏儀表板，如下兩圖所示。 （設計器中截圖） （瀏覽器預覽截圖） 由於組件是分享自V童鞋的不同模板，所以在不做任何修改的情況下，組合形成的模板在配色方面可能有一些衝突，但我們只要稍微調整一下配色即可迅速美化整個模板。另外為了讓模板符合自己的業務，也只需要把組件的數據替換成自己的業務數據就行。 這樣算下來，比起絞盡腦汁的自我思考+無頭蒼蠅般的各種嘗試，基於別人已有成果來幫助自己實現大屏儀表板，能將工作效率至少提升一倍。我們用一個表格來小結一下，藉助組件分享復用實現和自己從無到有設計實現一個大屏駕駛艙，其工作成本的主要差異。 註：根據經驗，設計、製作具體的可視化組件是極其耗費時間的，需要對產品功能有足夠深入的了解才能知道如何下手。此外還可能涉及到大量的反覆修改，同時往往需要專業美工人員的參與。 SO ，說了這麼多，最關鍵的是到哪裡去找可以用的組件呢？點擊 模板組件分享復用 即可看到目前已有的組件，選擇自己喜歡的下載使用即可。不過目前market里的組件數量還比較少，而且主要偏數據表格類。從本月開始，我們會陸續上架更多好看的組件，包括有特色的圖表、圖文結合的組件、綜合類型的組件等等。 另外需要特彆強調的是，組件分享復用功能由兩部分組成，一部分是復用功能，也即安裝使用別人的組件，這部分已經內置在最新FineReport 9.0設計器里；另一個是生成功能，也即生成組件並分享給其他人，這部分功能需要安裝插件，該插件目前僅在VIP客戶共創活動中提供。 不過我們深知，要發揮該功能的最大價值，僅僅靠帆軟官方來提供組件是不夠的。用戶的智慧和創造力是無窮無盡的，我們需要更多番薯們的主動分享，才能覆蓋更多的使用場景、積累更多高質量的組件，才能真正意義上達到幫助所有用戶提升開發效率這一宏偉願景。所以我們會適時開放該插件供更多用戶使用，具體請關注帆軟臉書粉絲團【FineReport報表軟體】。

都叫做數據分析師，為什麼一個要求Excel，另一個要求C++？在看招聘需求的時候常常會遇到這種情況，今天我們就來聊清楚數據分析的各類崗位！ 數據分析是這幾年的顯學，無論是Google/Facebook/亞馬遜這類巨頭，還是名不見經傳的十幾人的小企業，都在招聘數據分析人才。但我們發現都是做數據分析，但要求卻全然不同，這裡確實有數據分析職稱命名尚未規範導致的。今天我們從數據分析的流程來詳細聊一聊：數據採集和存儲、數據提取和分析、數據展現和應用三個環節。 1、數據採集和儲存 數據採集負責收集各種各樣的原始數據，收集上來的數據需要儲存，往往因為高流量，需要保證數據穩定性，會採用Flume+Kafka，如果有實時統計要求，還要考慮到流數據。 負責這類數據底層的工程實現和架構工作的，一般而言職位Title會是數據架構師、大數據分析師、數據倉儲、數據技術，其實應該叫做數據分析開發工程師，一般歸屬到技術部，很多工作是圍繞ETL/DW/BI進行，包括原始數據的再加工與數據清洗。需要掌握的知識從最初的SQL，到了解Hadoop集群、了解presto/impala/spark、了解ELK、了解分布式存儲和NOSQL、了解SPark/Hive/MapReduce/JSON/Java/C++······具體要看企業的要求。 這類崗位發展，技術更新速度比較快，所以需要保持吸收以及活用開源。 2、數據提取和分析 這裡可以分為技術方向與業務方向。 技術方向的數據分析師 Title通常為高級數據分析師、演算法分析師、演算法工程師，其實是指數據探勘工程師，有些歸類在研發部門，有些則屬於單獨的數據部門。數據探勘工程師要求很高統計學能力、數理能力以及程式碼技巧。要了解機器學習和常用的演演算法，同樣需要程式碼能力去實現，不論R、Python、Scala/Java，至少掌握一種。模型的實施，往往也要求Hadoop/Spark的工程實踐經驗，精通SQL/Hive是必須的。數據探勘工程師，往後發展，稱為演演算法專家、深度學習專家、數據科學家。 業務方向的數據分析師。 Title一般為數據分析專員、數據運營、商業分析師、數據分析師、BI分析師、大數據研究員，一般屬於運營部門。 絕大部分人，都是從這個崗位開始自己的數據分析之路的，也是數量最大的崗位。數據分析思維和業務的理解，是數據分析師賴以生存的技能。很多時候，工具是錦上添花的作用。要求的技能為Excel, PPT, SQL, Hive, Spark, R, Python, Tableau，FineBI等。數據分析師往後發展則稱為數據運營經理/總監，數據分析經理等。 3、數據展現和應用 來自帆軟FineReport的資料視覺化展示 快速、即時、美觀的展示視覺化報表，並根據報表的內容指導運營決策，這就是數據展示和應用的過程。Title一般包含報表開發工程師、BI系統開發、BI分析師、BI系統分析師、BI產品經理等，負責報表BI系統的導入、開發，要求的技能與第一條中數據採集存儲類似，還要熟悉資料視覺化的工具使用。當然，資料視覺化工具又是一個大議題，需求不同需要不同的工具實現，種類也很多，以後詳談。

20世紀30年代，寶潔誕生了第一位產品經理，全權負責一款肥皂的生產、銷售以及全流程的成功。 80多年後，隨著互聯網的蓬勃發展，出現了越來越多的產品以及和產品相關的各種崗位。圍繞產品的思維與工作方式被越來越多的人所認可，產品成功的思維模型被搬上了課堂。 數據報表，作為一個鏈接IT資訊部門和業務的中間件，承擔著資訊溝通的作用：數據展示業務資料，為業務決策提供依據；業務產生數據，最終以數據報表的方式呈現。 同樣，我們也可以用產品工作的方式來複盤一下搭建報表系統的整個流程，並且和產品的上線流程做一個對比。 產品的上線流程 市場分析——>競爭分析用戶分析——>需求（場景）分析——>功能設計——>開發——>發布——>運營——>迭代 互聯網產品初期，在初次面向市場的時候，產品往往是一個MVP（最小可用單元），通過種子用戶的反饋，分析使用數據，驗證產品的可用性，快速迭代，逐漸修正與完善。 報表系統的上線流程 同行業報表專案參考（行業諮詢）——>業務部門需求採集分析——>報表設計——>上線——> end 絕大多數的企業在報表上線之後，都忽視了一個關鍵動作——運營，以致於IT資訊部門陷入了一個怪圈，疲於應付業務人員的需求，天天加班工作卻得不到認可。實際上，系統上線不等於終點，被大量使用與認可才是成功的第一步！ 產品如何做運營 1、冷啟動 冷啟動是什麼？冷啟動是一個產品剛誕生的一個階段，此階段的產品面臨著以下問題： 缺少用戶及相關資源。 產品模式未成熟，能否滿足用戶，迎合市場趨勢仍是未知數 因此，在此階段的主要目標的作用有： 根據數據分析，驗證產品是否滿足用戶需求 驗證是否能符合市場趨勢 驗證商業模式是否成立 互聯網產品怎麼做？ 種子用戶，聚攏一批符合產品目標人群的用戶，獲取真實的使用數據 MVP（最小可用單元）驗證，判斷產品是否滿足了目標用戶的最小可用需求 存失分析，依據用戶的真實使用數據，分析留存的原因（建立產品優勢），放棄部分的流失用戶，修正產品的定位。 2、高增長 高增長是指在產品通過市場驗證，處於快速發展的階段，通過運營實現產品用戶與價值的持續增長 互聯網產品怎麼做？ 持續推廣與曝光 精細化運營，針對人群、場景、流程做差異化細分運營的運營策略，提升運營動作的效率最大化 基於用戶數據分析的產品不斷迭代優化 報表系統如何運營 帆軟的一家互聯網行業客戶告訴我們，為了讓報表系統被業務部門認可，IT資訊部門在上線報表系統的初期以及推廣期主要做了4件事： 1、冷啟動階段 a.尋找種子用戶 優先挑選了營運部門的管理層作為種子用戶，依據需求為其定製了PC、行動端兩張營運報表，報表上線後不斷關注其訪問量趨勢，發現行動端模板的活躍度更高，並且用戶對模板的評價非常好，隨著口碑的傳播，分公司的營運部門也提出了類似的需求，IT資訊部門開始重新考量整個營運部門的需求，為其系統化的搭建報表應用 b.簡單的用戶數據分析 這個階段的用戶數量和模板數量都還處於一個比較小的數量級，只需要通過用戶的訪問數據，驗證報表是否滿足種子用戶的需求 2、高增長階段 a.從三個維度和兩類應用場景分析用戶的使用數據，關注性能與用戶體驗，促使報表系統不斷優化 三個維度： 1、報表系統的整體訪問趨勢 ——把控報表系統的整體運營狀態，研究用戶的訪問習慣，合理分配資源 2、每一位業務人員的訪問趨勢 ——充分掌握哪些業務人員的數據訴求更為強烈，那他們的數據需求被響應的優先順序將會更高；那些一個勁提需求，卻沒有訪問量的部門，我們需要重新核算成本，降低他們的需求優先順序 3、每一張報表的訪問趨勢與性能體驗 ——每一張報表都是一個產品，同樣也有完整的生命周期，不被需求的報表要及時的淘汰，降低運維成本；訪問量火熱的報表要納入優化迭代，提升用戶訪問感知，深挖需求，擴充業務場景 兩類應用場景： 數據大屏/行動端報表 ——什麼樣的數據分析場景更加在哪類終端上訪問量更高？我們是否需要為其專門打造一張行動端的模板，更美觀的樣式，更人性化的交互效果？ b.主動推送與推廣 ——內容推廣 伴隨著報表系統的不斷迭代，每一次為業務人員擴充的應用場景需要通過渠道來推廣與宣傳，促進用戶的使用率，這個渠道可以是企業內部的宣發平台，也可以通過C端市場中的新媒體渠道（臉書粉絲團、Line、微信公眾號等） ——報表推送 業務人員常用的報表可以通過帆軟提供的推送功能直接觸達最終用戶，培養其對報表的使用粘性 帆軟能提供哪些幫助 […]

數據分析這事兒，必須客觀認識企業的現狀和對人才的需求，然後審視自己還差哪些知識和技能，然後理論學習+3~5個專案實踐，惡補。 關於技能的學習，很多回答已經講的很全面了。我想從另一個角度，如何找准有潛力股的企業，沉浸發展，有作為。 因為最近也是遇到兩個小夥伴。一個小夥伴之前是做外包專案助理的，工作了一年轉行做數據分析，因為Excel技能不錯，加上原公司也是做報表開發專案的，被一家不大不小的企業招了進去，原本滿心歡喜以為轉行成功，但是進了部門卻依舊是不斷取數做報表，主管對她的認可也仍停留在」Excel大神」上。 另一位是我的前同事，公司喊了一年多的數字化轉型，現在還在搭數倉。工作近3年，因為工作只需要用到BI和SPSS，自己的工作分不到業務效益的一杯羹，眼看著自己的工作很可能被工作一年的新人取代，現在尋思著跳槽轉互聯網。 也是這兩個問題引發我的思考，入門時大家需要對這個行業和企業了解更多，有些明知進去1~2年會有瓶頸的企業，是不是可以作為跳板或者大可不必要去。 從4個維度判斷企業現的「數據內涵」 為了幫大家理解，我們從使用深度，工具平台，文化特徵，企業人群4個角度去看數據發展的不同階段的差異和特點。 沉睡型企業。 基本就是用excel做一些基礎統計和數據整理，在企業文化中數據就是excel，做數據分析的人也基本是兼職，其實就是表哥表姐。 起步階段企業。 企業已經開始有了數據報表進行報告的習慣，企業特質就是excel滿天飛，「誰要個數據，習慣說，稍等一下，我馬上用excel飛給你」，工具還是以excel為主，資料庫為輔，企業內部也出現少量的專職人員維護資料庫。 發展型的企業。 應用深度逐漸轉向了分業務專題，分匯總明細的數據分析，文化特質變成了用數據說話，用數據規範工作，使用的工具也開始變成了以資料庫，專業的分析工具為主，並且有了數據倉庫的嘗試，並且有專業團隊負責數據工作。 成熟性企業。 特點更加鮮明，應用深度上在企業級數據門戶，已積累出不少對應業務場景的數據產品，數據類產品或服務是業務運營的核心組成部分，工具往往是大數據平台或者是各類成熟的數據組件，這時候管理數據運營的是企業的一級機構，叫大數據應用中心。 所以，不同的企業或者說企業在不同發展階段，對於數據挑戰和相應的資源儲備是有極大差異的，對數據人才的要求自然也不盡相同。 判斷企業「數據內涵」的套路。 1、強烈建議大家找標杆對比，比如行業資訊化做的最好的，或者業務最複雜的企業，最好能認識這類型的企業的關鍵人，知道他們走過哪些彎路，或者他們正在做的事情，能夠知道自己要學什麼要做什麼，並且幫助我們的企業認識到自身問題。 2、從一些大數據、行業化的數據峰會上找潛力股。現在這種主題的會議很火，**大數據產業協會、**廠商、**地方性政府承辦的。一些好的公司的數據中心leader是經常站台的。 3、去一些做商業智慧BI、數倉、雲數據的IT廠商官網，找他們的標杆企業，找他們對外宣傳的好企業好案例，能夠知道一些企業在數據這塊做的是什麼程度，了解內部環境。 4、看清招聘要求，面試過程詢問。 最後選好自己的發展方向，給自己規劃一條成長路線。 從事數據分析，如果是走業務路線，業務分析——數據分析專家——數據分析部門leader——經營管理高層，建議成熟性企業，大型傳統企業。工作的重點也是為業務帶來價值，比如提高利潤、降低成本、降低風險等等。 如果是走技術路線，數倉、ETL、hadoop等大數據平台，甚至後面數據挖掘、java、人工智慧AI，往數據科學家角度發展，建議選擇發展型企業，也建議選擇IT互聯網行業。 給自己規劃一條成長路線，數據分析崗位有什麼類型，不同類型在不同階段應該有什麼作用。比如初級的業務數據分析師該做什麼，比如往上走一層，高級的業務分析師甚至成為一個部門的資深研究專家，數據研究員，進而綜上高級的管理崗位，這些要給自己做規劃，就算企業沒有，自己也需要進行生涯規劃。 數據分析的職涯規劃強雷推薦閱讀這3篇文章： 從事數據分析的你，如何做好職業規劃？ 數據分析師需要掌握哪方面的電腦技能？——從基礎到進階 書單 | 從入門到精通，數據分析不得不看的10本「好書」！

一天，一位拼搏很久的創業者去請教一位經營大師，將企業經營的各種問題，哭訴了一番 大師回曰：先付2萬到我賬上。 若干天后，創業者收到一張「字條」——在你的管理模式上加上『阿米巴』！ 阿米巴經營究竟是一種什麼模式？ 2010年，有日本經營之聖美譽的京瓷公司（Kyocera﹚創辦人稻盛和夫，受日本政府之託，為瀕臨破產的日本航空公司進行重整。他在一年內，就讓原本奄奄一息的公司轉虧為盈，營收利潤等各種指標大幅翻轉，成為全球知名的案例。 稻盛和夫憑藉的，就是阿米巴經營。 阿米巴經營就是把公司劃分成若干個小集體，每個小集體都按一個小公司的方式進行運營，獨立核算，自負盈虧，並對最小的經營組織進行業績評估。通過賦權經營，在公司內部不斷培養具有經營意識的人才，關注企業利潤最大化，保障組織整體效益。 它的本質是打造一個員工具有自驅型，而非被動執行的團隊。通過定價和附加值的核算，量化每組每崗的貢獻，同時提供清晰的價值提升途徑，促使大家對「應該怎麼做」思考。最終，整個企業因此獲利，實現利潤最大化、費用最小化。 阿米巴經營源於稻盛和夫，將京瓷和KDDI公司打造成500強過程中逐漸積累的經營理念，受到國內外企業的重視和研究。一些企業將阿米巴經營模式引入，根據本土市場和企業實際經營情況，效仿落地，如： 海爾提出SBU（戰略業務單元）的概念，強調每個人都是一個單獨的核算經營單位，要計算每個員工的投入產出，員工上下游工位之間相互要效益和產出。 華為借鑒阿米巴思想，實行「責任中心戰略」，把公司的經營目標分解到各個部門，包括訂貨、收入、利潤、回款和現金流，讓各個組織承擔自己應承擔的經營責任。 美的利用「經營會計」實現「量化分權」，分權放權給職業經理人去擔當、去作為。高層每天通過查看《經營會計報表》，結合經營的系統原則，時刻掌控企業經營狀態。 朱超：阿米巴經營落地，80%無疾而終 做阿米巴經營這事，帆軟和阿米巴諮詢總監朱超醞釀了好多年： 在幫助實行數據化管理的過程中，不乏遇到好多企業在推行阿米巴經營。導入阿米巴經營的時候，他們會用Excel生成很多核算表，且多數是手工，校驗和統計有不少麻煩。遇到過一家公司因為一張報表的一欄數據少了一個0，連帶著關聯的十幾張報表出錯，期間還引發部門爭端。而且阿米巴經營本身對經營報表的及時性要求很高，多數報表需要每日導出。於是就找到我們，利用finereport開發了單位時間核算表、經營會計等報表。 推行阿米巴的企業，我們交流過十幾家，很多都在吐槽員工對阿米巴落地沒激情，光定價這環節就有不少爭端。很多企業都接受了諮詢公司的課程「洗腦」，回頭給經理給員工「洗腦」，然後開始依葫蘆畫瓢分巴、定價。但思想這東西轉瞬即逝，沒有人會揣著管理書日日捧讀，而且各部門又都有自己的利益立場，所以80%都無疾而終。 但當我說起XX公司是如何用工具+KPI激勵推行的時候，都大為驚喜，表示大部分企業推行阿米巴都是摸石頭過河，對一些成功的經驗無從知曉。再者深入了解，發現數據不完整、流程混亂、KPI亂定亂修改都是問題。 那時起就覺得阿米巴經營有必要用一套工具去固化，用可以看得見的數據說話。 所以歷時兩年，我們開發了【帆軟阿米巴經營平台】。將定價、經營分析、核算報表固定化、自動化，將阿米巴經營理念融合到各報表和流程中，汲取落地成功企業的經驗，開創適合本土企業的阿米巴經營方案。 目前，關於平台和方案已經上線。 不同於傳統諮詢公司思想洗腦+管理指導的方式，帆軟阿米巴經營先通過定價管理、經營會計、經營計劃等有形可看到的模塊，把成本精細化、利潤核算的事給解決了，把巴與巴之間的核算流程建立起來，讓員工看得到自己的績效和激勵，讓阿米巴工作先起步。然後逐漸在管理中夯實阿米巴「經營哲學&經營會計」的思想。在這個過程中甚至把企業的管理理念和戰略計劃融入到平台中，當每個人依賴這個平台，用得越深的時候，阿米巴經營模式也就鋪開了，最後逐漸達到全員參與經營的目標。 帆軟阿米巴經營平台介紹 以最小的成本，讓阿米巴落地，實現收益最大化 阿米巴經營會計離不開數據支撐，而在數據分析管理方面，帆軟有10多年的經驗，最為專業。 阿米巴經營落地講究因地制宜，我們將很多共性的東西以報表和流程的形式納入到平台。整個方案得到了十多家實行阿米巴企業的認同，其中不乏很多都是當地盛和塾理事長單位。 阿米巴經營，我們將其固化成了一個平台，內置各種現成的阿米巴經營報表，企業只需要依據實際情況調整。省去了課程培訓的時間與費用，直接指導實操落地，可模擬初步成果，可謂「以最小的成本，讓阿米巴落地，實現收益最大化」。 整個平台是基於報表工具FineReport開發的，基於FineReport開發的技術優勢自不用多說。關鍵是將阿米巴經營所需要的流程和報表固化成了一個平台，內置9種主流定價方式；以及面向巴部門、管理層和高層的三大核心報表：「單位時間核算表」、「阿米巴經營分析報告」和「經營戰情室」；還有最適合企業環境、關乎最廣大員工利益的「獎勵積分管理」，總計60多張報表。 帆軟阿米巴經營平台功能介紹 1 定價管理 此為帆軟獨創，將目前企業主流的定價方式固化成模型，方便企業高層進行模擬定價，快速定出交易價。 2 單位時間核算表 此為阿米巴「戰鬥報表」，各阿米巴可以實時查看本單元的經營明細，便於總結問題，改善問題。 3 阿米巴經營分析報告 此為阿米巴與管理層對接的「橋樑報表」，按照「P-D-C-A」閉環分析模型，查找問題，總結原因，業績評價、制定改善任務、形成新的經營計劃。 4 經營戰情室 此為高層「沙盤報表」，反應公司損益情況、經營回報情況，也是最受高層關注的報表。 這3張核心報表用於企業計劃管理，企業層面的計劃預測、計劃和預算管理。計劃上報進度可視化。同時，支持基層阿米巴計劃層層上報，可大幅度調動各人員積极參与感。 5 積分管理 是將各阿米巴每個月核算結果以公平、公正的方式轉換成團隊積分，通過積分可以進行KPI，跟企業現有績效對接，從進步性和共線性兩個角度分析。將成績和獎勵透明化，鼓勵團隊向上發展。 這裏只展示部分功能，您可以提交意向表，獲取免費阿米巴平台演示、方案資料和阿米巴專家的1對1諮詢。 帆軟阿米巴意向表 實實在在的阿米巴落地成功案例 目前帆軟阿米巴經營專案已在多家企業開展實施，這裡列舉華友鈷業的案例。 華友鈷業是一家專註於鈷新材料深加工以及鈷、銅、鎳有色金屬采、選、冶的高新技術企業。公司引入阿米巴是希望通過全員的積极參与實現成本降低、費用控制和管理優化，提升企業利潤和市場競爭力。 華友鈷業阿米巴落地依據「分、算、獎」三個原則： 分：劃分了41個職能費用巴，36個生產成本巴，20個生產費用巴，6個經營利潤巴，實現國內阿米巴核算全覆蓋的半年度工作目標； 算：通過帆軟阿米巴核算平台軟體，實現一鍵出報表； 獎：總激勵按照阿米巴最終利潤的15%作為獎勵或處罰，月度考核，年底統一結算。考核結果80%分配至阿米巴經營單位，剩餘20%分配至公司其他幹部和單位。採用「全員共擔責任、共享成果」的原則進行二次分配。 目前效果 員工自主性得到提升 […]

數位轉型是近幾年的企業顯學，轉型離不開企業的資訊化基礎，而對資訊化過程中形成的數據流、資金流、物流等資料的整合成為轉型中必不可少的過程。許多企業通過制定有效的管理手段輔以強大的數據分析工具來實現。 但很多人不明白自己企業當前階段需要什麼程度的數據分析工作，這就會導致數據分析平台搭建出來後，沒人用、不好用、沒價值的尷尬情況，明明花費了很多人力物力，但最後效果卻不盡如人意，基層業務部門反饋不好用，管理者也不關注，數據專案爛尾甚至失敗都是可能的。 製造企業典型的資料整合過程 我這裡分析了32家企業數據平台建設的成敗經驗，總結了以下4個極易發生的誤區。希望數據平台建設者予以重點關注。 誤區一：以多取勝。 企業在建設數據分析平台時，從業務部門獲取到大量的分析指標，開發出成百上千張分析報表，並沒有從實際使用者的角度去考慮，容易導致使用者的精力分散。 比如生產車間主任要看某一車間昨日的生產情況，可能就要從產能報表、質量報表、工時效率報表、庫存報表等繁多的報表中去尋找自己關心的資訊：某一車間某一產品某一工單的數據。費時費力，甚至覺得還不如以前Excel報表方便快捷。 所以指標的整合是個需要下功夫的事情，很多的指標都可以合並到一張報表中，通過查詢切換等方法多維度解讀。關於如何做好歷史報表整合，搭建一套便捷有全面的報表體系，可以參考文章：數據化管理第一步：幾百幾千張歷史報表，怎麼規劃整理？ 誤區二：單打獨鬥。 數據分析平台往往涉及到多個業務部門的數據，比如製造企業會包含採購、生產、倉儲、物流、銷售在內的供應鏈流程，以及研發、財務、人資等技術或支撐部門。現在很多企業的一些部門會單獨建設某一模塊的數據分析工作，過於強調各個業務部門的獨立性，往往會忽略管理者的使用場景。 比如企業CEO想看目前公司的產銷存情況，他可能要從生產、倉儲、銷售三個部門的報表中找數據，而且還要自己做對比等分析，不能快速的幫助他獲取想要的管理數據和分析結果，他主觀上可能就覺得這個平台比較雞肋。 所以數據平台的搭建建議一開始就要整理好需求，使用者哪些部門那些人員的人員，各自的需求是怎樣的。比如開始只是從行銷部門的使用為出發點搭建的，那麼請留好餘地，以方便後期擴展到其他的業務領域甚至是全公司。 誤區三：依賴工具。 對於大多數企業來說，擁有一款強大的數據分析工具可以事半功倍，但是過分的依賴工具和強調工具的作用會讓管理工作懈怠下來。做數據分析工作必須包含管理的理念在其中。從經驗來看，像帆軟FineReport這類的數據分析平台，其意義在於輔助管理決策，而其價值在於可以將一些戰略化、口號化的管理理念進行分解可執行化。 比如某一企業的階段性戰略目標是降低成本，在分析庫存成本時，通過分析往年產銷存情況以及期初期末庫存和安全庫存，調整最佳平衡點、優化庫存結構、提高周轉效率、縮小庫存空間，來達到降低庫存成本的目的。 相當一部分失敗的專案，不在於技術能力和技術方案，而在於數據應用方案。僅從技術角度出發的方案，數據指標之間、分析內容之間缺乏邏輯性，整個分析平台無主題、無指導性，數據分析平台淪為擺設，報表使用率低、好看不好用、價值體現不明顯等問題接踵而至。所以我們強調，數據平台搭建一定要管理數據雙驅動，管理層輸出壓力，將業績目標層層轉化為數據指標；資訊系統數據流出發，將基層數據層層提煉，形成有效數據提供給管理層決策。 誤區四：不了解使用者需求，需求不做細分 現在很多企業會從客戶需求的角度去創造產品，其實我們做數據分析工作也應該這樣。考慮企業各職能層級的工作性質，將數據分析工作分為三個層次，逐層遞進、相互補充。 1、基層。 一般基層的使用者大多是銷售員、採購員、生產班組長之類的業務人員，由於大多數業務流程是在各個業務系統中完成的，所以數據分析平台對於他們來說，主要是起到數據補錄和數據查詢的作用（基層使用者多數不會分析或者不需要分析，所以在基層開發分析報表作用不大）。 其中數據補錄是用來彌補老舊的業務系統中缺失的數據項，數據查詢不只是業務系統查詢內容的遷移，更重要的是基礎資料的整合。如果一項反覆工作涉及多個業務系統的查詢操作，那麼將這些數據整合到統一的平台上來查詢可以極大的提高工作效率。 基層報表可以按照業務流程或工種性質來分類，這樣更符合他們的使用習慣，所以對基層報表製作的開發重心是提高工作效率。 2、中層。 在不同規模的企業中中層人員可能是某一業務部門負責人、部門中某一模塊的負責人，他們對業務系統的依懶性相對基層人員來說是比較低的，他們更關注匯總的數據、整體的情況以及趨勢，傳統的彙報模式已無法滿足他們對數據準確性以及分析靈活性的要求，所以在中層按照關鍵指標模塊化來分類分析報表是更明智的選擇。 例如將生產分為工單、庫存、物流、設備、質量、成本等模塊，每個模塊可能涉及一個或多個業務流程的資料。 絕大多數的分析類報表是在中層使用的，通過對比、預警、監控等方法去發現部門工作中的問題，所以對中層報表的開發重心是讓管理有理有據。 3、高層。 對於企業的決策者和老闆來說，他們更關注結果，關注他們制定的企業戰略方針有沒有被很好的細化和落實下去，所以按照戰略目標的分解和量化來分類報表是很有必要的，報表所展示的數據一定不能脫離企業的戰略目標，否則老闆不會關注，開發人員白忙活。 高層管理者不會關心太細化的指標，他們要的是以幾個指標就能掌控全局，所以高層報表不能太多，以3~6張為宜，比如行銷情況總覽報表中應體現銷售總額、利潤、計劃按時達成率、庫存總額、銷售效率等指標。 決策者所處的位置讓他們沒有精力去關注到所有部門的實時情況，可以通過監控、排名等分析手段來輸出壓力並傳達給相應負責人，例如對生產班組或銷售小組做top/last分析。 以上我們得出結論，對高層報表的開發重心是弱化分析、結果導向、壓力輸出。

1、深入淺出數據系列書籍 深入淺出數據分析 Head First Data Analysis http://www.books.com.tw/products/F014109957 入門級別，比較簡單，但基本的內容涉及全面，講解的比較清晰，最後談到了R語言。以下兩本是同一系列。 深入淺出統計學 Head First Statistics http://www.books.com.tw/products/F011424682 深入淺出SQL http://www.books.com.tw/products/0010391205 2、資料之美：優雅資料解決方案的幕後祕辛 http://www.books.com.tw/products/0010562621 知識普及性的書籍，集結了39位資料處理領域的翹楚，現身說法，分享他們如何開發各種簡約而優雅的解決方案克服各種挑戰，每章都解決一個具體問題，對理解數據分析的應用領域和具體做法很有幫助。 3、R語言實戰 R in Action-Data Analysis and Graphics with R http://www.books.com.tw/products/CN10959185 全面而細致的R指南，高度概括了該軟體和它的強大功能，展示了使用的統計示例，且對於難以用傳統方法處理的凌亂、不完整和非正態的數據給出了優雅的處理方法。 4、數據之魅-基於開源工具的數據分析 Data Analysis with Open Source Tools http://www.books.com.tw/products/F012094874 包含大量的模擬過程及結果展示，並通過實例來闡述如何使用開源工具來進行數據分析。通過本書的閱讀，讀者可以清楚地了解這些方法的實際用法及用途。 5、Data Mining Techniques: For Marketing, Sales, and Customer Relationship Management http://www.books.com.tw/products/F012317903 如何利用最新的數據挖掘方法和技術來解決常見的業務問題。 比如提高直銷活動的響應率，識別新的客戶群並估算信用風險。 此外，它們涵蓋更多高級主題，如準備分析數據以及為公司數據挖掘創建必要的基礎架構。 6、Python資料科學學習手冊 Python Data […]

很多企業，經過幾年的規模性擴張之後，增速放緩，盈利持續下降，產品、服務同質化嚴重。這個時候，如何從管理的角度，盡量少的資金投入的情況下，再進一步增加企業利潤呢？ 我們通過帆軟數據平台對財務收入進行了分析，主要分析哪些產品賺錢？哪些客戶賺錢？哪些銷售人員賺錢？還真有了大發現！ 通過細化分析發現，44個產品中只有不到30個產品是賺錢的；給子公司提供較多利潤的公司，只有不到20%的關鍵客戶；為公司創造較多利潤的銷售人員，也只有少部分。於是公司的改革，就先從這三個角度先後兩年開展起來。 產品不是越豐富越好，要看盈利能力 公司首先進行的是產品改革，通過數據分析平台，為毛利率貢獻排名。大刀闊斧的砍掉低毛利產品。改革的策略是砍掉20%的低毛利產品，同時兼顧類似「捆綁銷售」產品組合的綜合毛利率。 比如，客戶因為A產品而選擇採購，但是客戶要求必須有B產品，雖然B產品毛利並不高，但是如果不提供B產品，客戶採購高毛利率的A產品會遇到困難。這種情況，B產品就屬於被「捆綁銷售」，必須保留。 改革的結果是2015年產品個數由44個，精簡為32個。2016持續改進,精簡至30個。高毛利的產品銷售佔比提高4.9個百分點。 客戶分級很重要，投入需要差異化 客戶改革，就是對貢獻不同利潤貢獻度的客戶，採取不同的銷售投入。客戶改革是2016年開始的，是確保產品改革和客戶改革已經平穩完成後進行的。帆軟數據平台可以將客戶按照利潤利潤率自動排名，篩選出利潤貢獻率較高的30%，這部分客戶重點維護；篩選出利潤率較低的20%，除了部分利潤較大和處於市場戰略考慮，大部分客戶降低銷售投入。這裡的銷售投入是指市場宣傳、銷售人員投入等。這裡重點改革的是銷售投入，而產品品質、售後服務等方面，都是要按承諾繼續保證的。 客戶改革效果很顯著，KA客戶銷量佔比由2014年的43% 提升至2015年的48%，該項占增量利潤貢獻比例為9%。2016年維持該比例。 客戶改革、產品改革、成本控制維度優化調整後，毛利較上年同期增加865萬，毛利率提升8.79個百分點，增量利潤貢獻比例62%。 銷售改革以利潤為中心 銷售改革，重點是調整了利潤分配方式。計算規則：改「銷量/回款提成制」為「損益提成與增量分享制」。所謂損益提成，也就是銷售人員的成本裡面要包含產品成本，銷售成本和公司財務、管理、市場等分攤成本。所謂增量分享制，就是提成不是固定值，而是梯度變化的。凈利潤越高，綜合平均的提成比例越高。可以看下圖說明。 三個管理改革的效果 2016年銷量增加1,350萬，銷售費用率下降4.55個百分點，2016年利潤916萬，比2015年增加457萬，利潤的增長來源於銷量的增長，兩年實現利潤1,532萬！ 從財務指標來看：從帆軟數據平台統計分析，2015年，銷量增加了550萬，但利潤卻增加了616萬，也就是說，在這套數據驅動的管理方法下，銷量增加，利潤上升，而成本降低也帶來了56萬的利潤。

每個公司都有財務報表數據分析，但常常存在兩個問題：「雞同鴨講」和「事後諸葛」。 「雞同鴨講」：公司的高層管理者、CEO，大多非財務出身，但都很了解業務，給高層看財務報表，分析財務指標，他們卻並不知所云，認為財務不懂業務，而財務人員又覺得業務不懂財務。 「事後諸葛」：財務分析嚴重滯後，不能及時發現公司經營中的問題，不能及時提供有價值的建議。 這是眾多企業管理的通病，管理大師德魯克也曾對傳統的財務管理體系提出過嚴肅的批評。那麼如何改良報表和指標，讓高層理解財務報表，讓財務報表及時發現經營問題呢？ 杜邦模型進行財務數據預警分析 利用「杜邦模型」通過對相關指標預設預警值、預算值，搭建了預警分析體系，結合經營中實際數據為公司預警、體檢 （事前，事中、事後），具備溫度計、控制器的功能。 在「杜邦模型」上，用綠色文字顯示目標值，用黑色文字顯示實際值，用紅色文字顯示預警值。當某財務指標超過預警值時，系統自動紅色背景高亮顯示異常指標，而當某財務指標達成時，系統自動綠色背景高亮顯示完成目標。如此一來，高層領導只需關注財務報表指標顏色變化。同時，系統也第一時間預警了財務異常，財務部門和業務部門及時干預處理，及時處理，為公司發展和業務管理護航。 使用帆軟報表BI軟體FineReport搭建的杜邦預警分析體系 本量利分析 本量利分析是運用數學模型和圖式，對成本、利潤、業務量與單價等因素之間的依存關係進行具體的分析，研究其變動的規律性，以便為企業進行經營決策和目標控制。如輔助經營層進行盈利驅動因素、盈虧平衡點、產品邊際貢獻、定價、自製OR外包分析等等。 FineReport報表BI系統中的本量利經營數據分析報表 材料成本分析 材料成本發生變化，財務通常情況下去找採購部門，採購說生產浪費造成的，車間說是採購問題，到底誰來背鍋？ 利用因素分析法，將材料成本的變化，分解為兩個維度，即價格差異、數量差異，簡稱價差、量差。更深入地分析差異的根本原因；如可以進一步展開對材料的採購單價進行同比、趨勢分析等。最後，如果是價差，則為採購問題，如果是量差，則是生產問題。 FineReport報表BI系統中的材料價格分析報表 存貨存量分析 產能緊張時，如何合理利用產能？產品出庫趨勢如何？如何控制採購部門無計劃採購？材料耗用趨勢如何？ 通過存量、出庫趨勢分析，輔助採購合理採購原材料，輔助生產部門合理安排生產進度！ 控制採購方面，比如，某編碼「0103-0083」的原材料存貨，當前的原材料庫存量足足可以支援生產8個月，所以採購部門短期內不要採購啦！ FineReport報表BI系統中的不同產品存量分析報表 生產安排 財務數據分析，某編碼的產成品存貨，按照當前的銷售進度，足足需要15個月才能銷售一空，所以如果當前產能緊張，顯然可以先放緩甚至擱置該產品的生產。 FineReport報表BI系統中的不同產品存量分析報表 當然，真正做採購控制時，還會結合市場原材料價格走勢，庫存成本等進行綜合判斷；生產採購也會考慮市場銷量的預期走勢等綜合考量。不過，總體方案是通過現有庫存，先行篩選出庫存周期較長的原材料和產成品，再綜合對比，選出採購控制方案和生產控制方案。 以上是結合個人經驗，通過分析一些財務指標來發現生產經營中的問題。細緻的財務分析還有很多方面的工作可以做，企業在進行數據分析的時候不妨從財務入手。