時間：2022-05-15 14:08:18
序論：在您撰寫數據分析方法時，參考他人的優秀作品可以開闊視野，小編為您整理的7篇范文，希望這些建議能夠激發您的創作熱情，引導您走向新的創作高度。
1、將收集到的數據通過加工、整理和分析的過程，使其轉化為信息，通常來說，數據分析常用的方法有列表法和作圖法，所謂列表法，就是將數據按一定規律用列表方式表達出來，是記錄和處理數據最常用的一種方法。
2、表格設計應清楚表明對應關系，簡潔明了，有利于發現要相關量之間的關系，并且在標題欄中還要注明各個量的名稱、符號、數量級和單位等。
3、而作圖法則能夠醒目地表達各個物理量間的變化關系，從圖線上可以簡便求出實驗需要的某些結果，一些復雜的函數關系也可以通過一定的變化用圖形來表現。
（來源：文章屋網 ）
大家還記得數據分析的三大作用嗎？我們來做下回顧：
（1）現狀分析：告訴你過去發生了什么；
（2）原因分析：告訴你為什么發生了；
（3）預測分析：告訴你將來發生什么。
明確數據分析這三大作用后，那么大家是否思考過這三大作用都要通過什么方法來實現呢？現在我們就來看看數據分析三大作用都需要用哪些數據分析方法來實現。這三大作用基本可分別對應對比、細分、預測三大基本方法，每個基本方法都有相應具體的數據分析方法，如對比基本方法下有對比分析、分組分析、結構分析、交叉分析、矩陣分析、綜合評價分析等，這些方法核心關鍵詞都是對比。下面我們就來學習這幾個常用的分析方法。
對比分析法
第一個數據分析方法就是對比分析法。它可是數據分析的基本方法之一。對比分析法，是指將兩個或兩個以上的數據進行比較，分析它們的差異，從而揭示這些數據所代表的事物發展變化情況和規律性。對比分析的特點是：可以非常直觀地看出事物某方面的變化或差距，并且可以準確、量化地表示出這種變化或差距是多少。
對比分析法可分為靜態比較和動態比較兩類。
（1）靜態比較是在同一時間條件下對不同總體指標的比較，如不同部門、不同地區、不同國家的比較，也叫橫向比較，簡稱橫比。
（2）動態比較是在同一總體條件下對不同時期指標數值的比較，也叫縱向比較，簡稱縱比。
這兩種方法既可單獨使用，也可結合使用。進行對比分析時，可以單獨使用總量指標、相對指標或平均指標，也可將它們結合起來進行對比。比較的結果可用相對數表示，如百分數、倍數等指標。
目前對比分析常用的有以下幾個維度：
（1）與目標對比。實際完成值與目標進行對比，屬于橫比。例如每個公司每年都有自己的業績目標或計劃，所以首先可將目前的業績與全年的業績目標進行對比，看是否完成目標。
（2）不同時期對比。選擇不同時期的指標數值作為對比標準，屬于縱比。與去年同期對比簡稱同比，與上個月完成情況對比簡稱環比。通過對比自身在不同時間點上的完成情況，就可知道自身是進步還是退步。
（3）同級部門、單位、地區對比。與同級部門、單位、地區進行對比，屬于橫比。這樣可了解自身某一方面或各方面的發展水平在公司、集團內部或各地區處于什么樣的位置，明確哪些指標是領先的，哪些指標是落后的，進而找出下一步發展的方向和目標。
（4）行業內對比。與行業中的標桿企業、競爭對手或行業的平均水平進行對比，屬于橫比。同樣我們也可了解自身某一方面或各方面的發展水平在行業內處于什么樣的位置，明確哪些指標是領先的，哪些指標是落后的，進而找出未來發展的方向和目標。
（5）活動效果對比。對某項營銷活動開展前后進行對比，屬于縱比。做這樣的比較可以分析營銷活動開展得是否有效果，效果是否明顯；還可對企業投放廣告的前后業務狀況進行對比分析，了解投放的廣告是否有效果，如品牌知名度是否提升、產品銷量是否有大幅增長等。
對比分析的維度不限于以上5點，這里只是列出常用的5種維度，當然還有其他維度，可根據自己的實際情況采用不同的維度進行對比分析。
進行對比分析時還要考慮以下幾點因素：
（1）指標的口徑范圍、計算方法、計量單位必須一致，即要用同一種單位或標準去衡量。如果各指標的口徑范圍不一致，必須進行調整之后才能進行對比。沒有統一的標準，就無法比較。例如600美元與3000元人民幣就無法直接比較，需要根據當期的匯率進行換算后才可進行比較，否則不具有可比性。
（2）對比的對象要有可比性。例如不能拿廣州市與華西村、美國與亞洲進行對比?？傊畬Ρ葘ο笾g相似之處越多，可比性就越強。因此，我們在選擇和確定對比對象時，一定要分析它們是否具有對比的意義。
（3）對比的指標類型必須一致。無論絕對數指標、相對數指標，還是其他不同類型的指標，在進行對比時，雙方必須統一。例如2012年廣州的GDP值與2012年深圳GDP增長率，是無法進行對比的。
分組分析法
數據分析不僅要對總體的數量特征和數量關系進行分析，還要深入總體內部進行分組分析。分組分析法是一種重要的數據分析方法，這種方法是根據數據分析對象的特征，按照一定的標志（指標），把數據分析對象劃分為不同的部分和類型來進行研究，以揭示其內在的聯系和規律性。
分組的目的就是為了進行組間對比，是把總體中具有不同性質的對象區分開，把性質相同的對象合并在一起，保持各組內對象屬性的一致性、組與組之間屬性的差異性，以便進一步運用各種數據分析方法來解構內在的數量關系，因此分組分析法必須與對比分析法結合運用。
分組分析法的關鍵在于確定組數與組距。在數據分組中，各組之間的取值界限稱為組限，一個組的最小值稱為下限，最大值稱為上限；上限與下限的差值稱為組距；上限值與下限值的平均數稱為組中值，它是一組變量值的代表值。
結構分析法
結構分析法是指研究總體內各部分與總體之間關系的分析方法，即總體內各部分占總體的比例。一般某部分的比例越大，說明其重要程度越高，對總體的影響也就越大。例如通過對國民經濟的構成分析，可以得到國民經濟在生產、流通、分配各環節占國民經濟的比重，或是各部門貢獻比重，揭示各部分之間的相互聯系及其變化規律。
結構分析法的優點是簡單實用，在實際的企業運營分析中，市場占有率就是一個非常經典的應用。
交叉分析法
交叉分析法通常用于分析兩個或兩個以上分組變量（字段）之間的關系，以交叉表形式進行變量間關系的對比分析，所以也叫交叉表分析法。交叉表當然也有二維以上的，維度越多，交叉表就越復雜，所以在選擇幾個維度的時候需要根據分析的目的決定。
交叉分析的原理就是從數據的不同維度綜合進行分組細分，以進一步了解數據的構成、分布特征。
矩陣分析法
矩陣分析法是指根據事物（如產品、服務等）的兩個重要屬性（指標）作為分析的依據，進行分類關聯分析，進而找出解決問題的一種分析方法，也稱為矩陣關聯分析法，簡稱矩陣分析法。
矩陣以屬性A為橫軸，屬性B為縱軸，組成一個坐標系，在兩坐標軸上分別按某一標準（可取平均值、經驗值、行業水平等）進行刻度劃分，構成4個象限，將要分析的每個事物對應投射至這4個象限內，進行交叉分類分析，直觀地將兩個屬性的關聯性表現出來，進而分析每一個事物在這兩個屬性上的表現，因此它也稱為象限圖分析法。
綜合評價分析法
綜合評價分析法是針對事物不同方面的數量特征，運用數學、統計等方法，得出綜合數量水平的一種分析方法。綜合評價分析法的基本思想是將多個指標轉化為一個能夠反映綜合情況的指標來進行分析評價。如不同國家的經濟實力，不同地區的社會發展水平，各企業經濟效益評價、企業內各員工績效評價等，都可以運用這種方法。進行綜合評價分析，主要有5個步驟：
步驟1：確定綜合評價指標體系，即包含哪些指標；
步驟2：收集數據并進行不同計量單位的數據標準化處理；
步驟3：確定指標體系中各指標的權重；
步驟4：對經過處理后的指標進行匯總計算綜合得分；
步驟5：根據綜合得分對參評對象進行排序，得出結論。
關鍵詞：大數據；分析模型；房價
中圖分類號：TP399 文獻標識碼：A 文章編號：1007-9416（2017）03-0137-02
1 引言
大數據分析首先要建立一個分析模型，分析模型是大數據分析的基石，只有先建立了模型才能對大數據進行分析。構建大數據分析模型傳統的方法很難實現，大數據非結構化、屬性很難預知，通過數學、統計學等方法構建大數據分析模型都比較困難，機器學習是構建大數據分析模型最有效的方法之一。機器學習通過不斷地學習優化、不斷地迭代逼近所要的模型。
2 訓練數據準備
機器學習構建大數據分析模型的方法是通過訓練數據將模型訓練出來。從要研究的大數據對象中找出訓練集。機器學習分為監督學習和非監督學習，監督學習需要教師，監督機器學習的結果，事先設定好學習目標，期望的結果。非監督學習的數據一般都無標簽，學習結果事先也無法預知，通過數據可視化等方法觀察學習結果。
房價大數據分析模型機器學習屬于監督學習，期望預測值極大地逼近真實值。首先需要采集房價數據作為訓練數據，然后設計房價大數據分析模型機器學習算法，計算機通過機器學習算法和學習路徑學習訓練數據，學習目標是預測的結果極大地逼近真實數據，通過反復迭代，不斷地接近目標，訓練出所希望的模型。
3 數據清洗
清洗后的訓練數據如下：
間數（x1） x1 2 x1 2 x1 3 x1 3 x1 3 x1 3 x1 2 x1 2 x1 2 x1 3 x1 3 x1 3 x1 2 x1 2 x1 1 x1 3 x1 3 x1 3 x1 3 x1 1 x1 2 x1 2 x1 2 x1 2 x1 2 x1 3 x1 2 x1 3 x1 2 x1 2 x1 3 x1 2 x1 2 x1 3 x1 3 x1 3 x1 2 x1 3 x1 2 x1 1 x1 2 x1 2 x1 2 x1 2
面e（x2） x2 126 x2 99 x2 134 x2 137 x2 135 x2 138 x2 104 x2 99 x2 105 x2 126 x2 112 x2 116 x2 88 x2 90 x2 79 x2 120 x2 155 x2 158 x2 161 x2 66 x2 108 x2 88 x2 111 x2 103 x2 104 x2 131 x2 105 x2 130 x2 102 x2 105 x2 148 x2 98 x2 100 x2 128 x2 110 x2 101 x2 121 x2 127 x2 103 x2 67 x2 78 x2 71 x2 81 x2 77
價格（y1） y1 460 y1 425 y1 515 y1 580 y1 630 y1 600 y1 425 y1 439 y1 435 y1 608 y1 460 y1 460 y1 410 y1 380 y1 340 y1 520 y1 685 y1 680 y1 630 y1 328 y1 532 y1 405 y1 495 y1 470 y1 480 y1 690 y1 480 y1 690 y1 462 y1 495 y1 540 y1 440 y1 510 y1 599 y1 395 y1 450 y1 455 y1 595 y1 403 y1 295 y1 315 y1 345 y1 355 y1 335
4 房價大數據分析模型機器學習算法
機器學習首先要設計機器學習學習算法，設計機器學習學習路徑，機器學習解決的問題通?？煞譃轭A測和分類兩類問題。首先我們分析一下要解決的問題是屬于預測問題還是分類問題，然后選擇相應的學習算法，設計學習路徑，通過訓練數據訓練和機器學習構建大數據分析模型。模型通過訓練數據訓練出來以后，對模型進行檢驗，然后不斷進行優化，以達到我們所期望的精度。
以下是梯度下降機器學習算法和學習路徑：
首先建立一個估值函數（模型）如下：
x為自變量（特征參數），h（x）為應變量（房價的估值），希望求出此函數的系數θ0、θ1，構成一個完整的函數，此函數就是我們要構建的大數據分析模型。
我們建立一個成本函數，希望預測值與真實值的差趨近于0，也就是成本函數值趨近于0。
J（0， 1）=
其中：
X（I）表示向量X中的第i個元素；
Y（I）表示向量Y中的第i個元素；
表示已知的假設函數；
m為訓練集的數量；
Gradient Descent梯度下降方法機器學習步驟：
（1）先隨機選定一個初始點；
（2）確定梯度下降方向；
（3）通過實驗確定下降步伐，學習率Learning rate；
（4）通過不斷地遞歸，收斂到極小值；
通過梯度下降法使成本函數趨于0，在此條件下求得自變量的系數θ0和θ1，將此θ0和θ1帶入到函數中得到我們要的模型。
下面是介紹如何運用梯度下降法，經過反復迭代求出θ0和θ1：
梯度下降是通過不停的迭代，最后沿梯度下降到最低點，收斂到一個我們滿意的數據，誤差趨近于0時迭代結束，此時的θ0和θ1正是我們要求的函數自變量的系數，有了θ0和θ1，這個假設的函數就建立起來了，這個函數就是我們要建的大數據分析模型。
梯度下降法分為批量梯度下降法和隨機梯度下降法，批量梯度下降法速度較慢，每次迭代都要所有訓練數據參與；隨機梯度下降精度差一些，容易在極值周圍震蕩；房價大數據分析模型采用的是實時數據梯度下降法（Real Time Online Gradient Descent），可以隨著房價的變化隨時修正模型的參數。
5 構建房價大數據分析模型
通過數據可視化，我們可以看到房價數據趨于線性，所以我們采用線性回歸構建房價大數據分析模型。采用監督學習，先給定一個訓練集，根據這個訓練集學習出一個線性函數，然后檢驗這個函數訓練的好壞，即此函數是否足夠擬合訓練集數據，不斷優化模型減少殘差，最大限度地接近真實值。
假設房價大數據分析模型：
y=aX1+bX2
通過梯度下降法，不斷遞歸，最后使假設值與實際值之差趨近于0，求得此時的模型變量系數a、b，構建線性函數（房價大數據分析模型）。模型通過回歸診斷、交叉驗證不斷進行優化，直到誤差達到要求。
以下是采用機器學習算法構建的房價大數據分析模型，用R語言編寫房價大數據分析模型程序如下：
令：a=q1；b=q2；
將訓練數據以數據框的形式存儲。
pricedata
x1
x2
y
造梯度下降算法函數，初始點q1=0、q2=0；下降速率d=0.0001。
grd2
q1=0；
q2=0；
d=0.0001；
i=0；
m=9；
plot（y～x1+x2，data=pricedata，pch=16，col='red'）；
通過反復迭代得出估值函數系數q1、q2。
while （i
{
i=i+1；
q1=q1-d/m*（q1*x1+q2*x2-y）*x1；
q2=q2-d/m*（q1*x1+q2*x2-y）*x2；
}
return（q1）；
return（q2）；
}
grd2（）；
model2
summary（model2）；
通過summary（model2）匯總出模型變量系數。
關鍵詞：17909 號碼變換 呼叫源 號首集
中圖分類號：TN916 文獻標識碼：A 文章編號：1672-3791（2014）11（a）-0060-02
隨著本地網全網智能化、長途局、關口局撤并的實施，獨匯局承擔了長途、關口、匯接的功能，原來在長途局、關口局實現的數據需要在獨匯局上實現。
1 17909數據現狀分析
1.1 17909相關數據現狀
17909有直撥業務和卡類業務，本網內固話和小靈通用戶撥17909使用的是直撥業務，其他運營商用戶撥17909用的是卡類業務，17909直撥業務數據是在長途局變換后送IP網關，其他運營商用17909卡類業務是在關口局將17909變換為16975后送省智能網SSP，SSP再送IP網關。
1.2 本地網網絡現狀分析
全網智能化、長途局、關口局撤并后整個本地網網絡結構發生很大變化，由原來的三級網絡結構演變為現在的以兩個獨匯局為核心的二級網絡結構，獨匯局是長途、關口及本地匯接合一局。
本地網內所有端局間以及局內話務均由獨匯局匯接，兩獨匯局至無線市話局、省智能網、本地智能網及其他特服設備間設置直達的中繼電路，所有話務全部經獨匯局轉接。計費中心采集獨匯局的話單。
兩獨匯局對省內各獨匯局采用A、B平面方式組網，兩獨匯局對長春TS1、TS2采用交叉連接的組網方式，對省內其他地市獨匯局設置直達電路。至長春集團軟交換A、B平面TG設備交叉開通直達中繼電路，以實現長途匯接的雙路由保護。和其他運營商關口局均設有直達電路。本地網網絡結構見圖1。
2 17909數據分析過程和解決思路
2.1 17909直撥業務的數據分析及實現思路
獨匯局為華為交換機（128模8k版本），我們考慮在長途字冠細擴的基礎上，在用戶撥打17909時，利用華為交換機的號碼變換功能，將179090X前的17909刪除，不影響產生17909的話單，然后再按變換后的號碼進行重新分析。
針對被叫號碼變換，獨匯局可以利用呼叫源通過號碼準備、號首處理、中繼承載、主叫分析、特殊號碼變換進行變換，但用號碼準備變換、號首處理、主叫分析變換后話單中的被叫號碼為變換以后的被叫號碼，不適合用在這里;用中繼承載做的話，產生的話單被叫號碼雖說為變換以前的被叫號碼，但用中繼承載進行的號碼變換是針對中繼上的出局呼叫進行的，還需要細擴17909字冠，增加了很大的工作量，后期維護工作也很麻煩。對于特殊號碼變換，可以使用軟件參數，呼叫內部參數5BIT6，控制話單中的被叫號碼為變換前還是變換后的號碼。將該軟件參數改為0，則話單中的被叫號碼便為變換前的被叫號碼。
我們這里用的是特殊號碼變換功能，將被叫號碼179090X前的17909刪除后，0X字冠還可以按現有的長途字冠路由進行選路，不必要把17909字冠細分。在獨匯局做179090、1790900、17909013、17909015、17909018字冠，利用特殊號碼變換將179090X前的17909吃掉，經過測試驗證，話單是號碼變換前的號碼，例如：用戶撥打179090431114，號碼變換后，被叫號碼變為0431114，然后再在字冠表中查找0431114的路由選路出局，話單中被叫號碼是179090431114。只是用特殊號碼變換后，話務統計不能直接統計到179090X的目的地中，用組合對象條件話務測量來統計。
2.2 17909直撥業務具體制作方法
（1）增加17909X字冠，在這里路由指向沒有實際意義，因為增加字冠時的是否進行特殊號碼變換標志是“是”，先分析特殊號碼變換表。
ADD CNACLD：PFX=K'179090， ISSPCHG=SPCHG，CSA=NTT，_SR_39=7，RSC=141，MINL=5， MAXL=22，CHSC=0，DEST=909， DL=6;
（2）增加被叫號碼變換，刪除被叫號碼的前5位。
ADD SPDNC：PFX=K'179090，DCT=DEL，DCL=5;
2.3 17909卡類業務的數據分析及實現思路
其他運營商撥17909由于不能對主叫號碼進行直接計費，只能用卡類業務，17909卡類業務是經省智能網平臺送IP網關來實現的，需要在獨匯局把該類呼叫通過相應的號碼變換后送到省智能網SSP（老SSP），核實主叫用戶的17909卡的相關信息：主叫用戶所撥的卡號和密碼是否有效、余額是否充足、是否綁定或者簽約用戶。
其他運營商用戶撥17909卡業務呼叫流程如圖2所示。
17909直撥業務已經用特殊號碼變換實現了，由于華為128模的主叫分析流程在特殊號碼變換分析之后進行分析，如果用主叫號碼分析來做17909變成16975的號碼變換，那其他運營商撥打17909時，先觸發特殊號碼變換，被叫號碼前的17909就直接被刪除了，主叫分析數據不起作用。為了能讓其他運營商撥打17909的呼叫經過變換后上智能網，我們針對其他運營商的呼叫源增加新號首集2，在號首集2中增加0-9大字冠，同時增加17909詳細字冠，針對0-9字冠做號首處理，將其變換到號首集0（0號首集已經存在具體細擴的字冠），針對17909做號首處理，將17909變換為16975同時變換到號首集0，在0號首集中增加16975字冠，路由指向省智能網。
2.4 卡類業務的具體制作方法
（1）在2號首集增加0-9大字冠、17909、1790913、1790915、1790918，業務權限給本局即可，因為要做號首處理，路由指向在這里沒有實際意義。
ADD CNACLD：P=2，PFX=K'0～9， MINL=3，MAXL=20，CHSC=0;
ADD CNACLD：P=2，PFX=K'17909，MINL=3，MAXL=25， CHSC=0;
ADD CNACLD：
P=2，PFX=K'1790913，
MINL=3，MAXL=25，CHSC=0;
（2）對號首集2中的0-9大字冠作號首處理變換成新號首集0，其他運營商的呼叫源都需要做。
ADD PFXPRO：P=2， PFX=K'0～9，CSC=32， DDC=TRUE， NPS=0， RAF=TRUE;
（3）增加被叫號碼變換索引，被叫號碼前5位改成16975，由于手機用戶用IP卡撥異地手機是179091X，和固定電話不一樣，把被叫號碼179091X改成1697501X。
ADD DNC：DCX=145，DCT=MOD，DCL=5， ND=K'16975;
ADD DNC：DCX=39，DCT=MOD，DCL=7， ND=K'16975013;
（4）對17909作號首處理，將17909變換為16975并變換到號首集0，其他運營商的呼叫源都需要做。
ADD PFXPRO：P=2，PFX=K'17909， CSC=32， DDC=TRUE，DDCX=145，NPS=0， RAF=TRUE;
ADD PFXPRO：P=2，PFX=K'1790913， CSC=32，DDC=TRUE，DDCX=39，NPS=0， RAF=TRUE;
（5）修改現網互聯互通呼叫源的號首集為2，其他運營商的呼叫源都需要做。
MOD CALLSRC：CSC=32，P=2;
（6）在0號首集中增加16975字冠，路由指向省智能網。
ADD CNACLD：PFX=K'16975，CSA=NTT，_SR_39=7，RSC=5，MINL=8，MAXL=24， CHSC=0， DEST=145;
經過測試驗證，卡類業務的計費話單中主被叫號碼沒有變換，號首集有變換，號首集為2，但不影響計費分揀。
2.5 話務統計
在獨匯局用號碼變換設置17909的數據，對17909的話務統計不能被直接統計到該字冠的目的地中，可以用組合對象條件話務測量或者組合話務測量來統計，通過限定入端、出端和目的碼或者目的地來完成具體的話務統計。
CRE TRFCLR：tsk=80，mu=MICDT， cycl=DAY，prd=H1，st1=0&00，et1=0&00，TLINLET=all，TLOUTLET=all，TLSVN=all， CD=K'179090，TLCID=all， si=100，ota=PP，oda=STATS&NMP，CONFIRM=Y;
3 結語
目前使用的這種方法，在獨匯局改動數據最少，數據也簡單，后期維護起來容易，以上方法的實施，使17909的直撥業務和卡類業務的數據順利割接到獨匯局，也使長途局、關口局撤并工作順利完成。經過撥測驗證，本網內固定電話和小靈通用戶直撥17909X，話單和話務統計正常，其他運營商用戶必須事先注冊、綁定或者輸入卡號和密碼才能撥打17909，話單和卡計費情況正常。
參考文獻
[1] 鄒潔.關于華為C&C08交換機中數據設置問題的探究[J].價值工程，2010（13）：185.
· 為什么要做數據分析？
· 數據分析的目的是什么？
· 數據分析的一般過程是怎樣的？
· 有哪些數據分析方法？
· 在服務性行業里，數據分析方法有哪些需要特別注意的地方？
· 在國內最容易犯哪些數據分析的錯誤？
因筆者能力和精力有限，文章中存在錯誤或沒有詳盡之處，還望各位讀者見諒并懇請及時指正，大家相互學習。
(一)數據分析的核心作用
根據國際標準的定義，“數據分析是有組織、有目的地收集并分析數據，通過將數據信息化、可視化，使之成為信息的過程，其目的在于把隱藏在看似雜亂無章的數據背后的信息集中和提煉出來，從而總結研究對象的內在規律?！痹趯嶋H工作中，數據分析能夠幫助管理者進行判斷和決策，以便采取適當策略與行動。
這里需引起關注的是任何沒有目的或結果的分析報告都是“忽悠”，都僅僅是沒有靈魂的軀殼！我們經?？吹絿鴥鹊耐聜兠τ诟鞣N所謂的“數據分析報告”，堆砌了大量的圖表和文字，顯得“專業”、“美觀”，但認真研讀后卻發現缺乏最關鍵的“分析”過程，更別說什么分析結果了。顯然大家只是把對事實的原始描述當成了數據分析，而實際上描述原始事實只是數據分析過程的一項內容而非全部。數據分析不能僅有報表沒有分析，因為“有報表不等于有分析，有分析不代表有效執行”，報表只是數據的展現形式；數據分析也不能僅有分析沒有結論，沒有結論的分析無疑“差了一口氣”，對實際業務工作無法產生價值，唯有通過分析得出結論并提出解決方案才能體現數據分析協助管理者輔助決策的核心作用。因此數據分析來源于業務，也必須反饋到業務中去，沒有前者就不存在數據分析的基礎，沒有后者也就沒有數據分析的價值了。
(二)數據分析的分類
最常見也是最標準的數據分析可分為三大類：描述性數據分析、探索性數據分析以及驗證性數據分析。
所謂描述性分析是對一組數據的各種特征進行分析，以便于描述測量樣本的各種特征及其所代表的總體特征。這種分析要對調查總體所有變量的有關數據做統計性描述，主要包括數據的頻數分析、數據的集中趨勢分析、數據離散程度分析、數據的分布以及一些基本的統計圖形，比如上個月的平均通話時長是多少，員工離職率是多少等等。
探索性數據分析是指對已有數據（特別是調查或觀察得來的原始數據）在盡量少的先驗假定下進行探索，通過作圖、制表、方程擬合、計算特征量等手段探索數據的結構和規律的一種數據分析方法，側重于在數據之中發現新的特征，比如呼叫中心的一次解決率和哪些因素相關？他們背后的驅動因素又有哪些？哪些因素是“因”、哪些又是“果”等等。
而驗證性分析是依據一定的理論對潛在變量與觀察變量間關系做出合理的假設，并對這種假設進行統計檢驗的現代統計方法，側重于驗證已有假設的真偽性。驗證性分析是在對研究問題有所了解的基礎上進行的，這種了解可建立在理論研究、實驗研究或兩者結合的基礎上，比如從調研的結果來看本月的客戶滿意度比上個月高出2%，是否真是如此；男性客戶的滿意度是否高于女性客戶等等。
(三)數據分析的一般過程
通常來講完整的數據分析過程可分為以下幾步：明確數據分析的目的、采集并處理數據、分析及展現數據、撰寫分析報告。
現實情況中人們往往在做數據分析時陷入一大堆雜亂無章的數據中而忘記了分析數據的目的，數據分析第一步就是要明確數據分析的目的，然后根據目的選擇需要分析的數據，明確數據分析的產出物，做到有的放矢、一擊即中！
其次，在做數據分析時要根據特定需求采集數據，有目的地采集數據是確保數據分析過程有效的基礎，采集后的數據（包括數值的和非數值的）要對其進行整理、分析、計算、編輯等一系列的加工和處理，即數據處理，數據處理的目的是從大量的、可能是難以理解的數據中抽取并推導出對于某些特定人群來說是有價值、有意義的數據。
接著是對處理完畢的數據進行分析和展現，分析數據是將收集的數據通過加工、整理和分析、使其轉化為信息，數據展現的方式有兩類：列表方式、圖形方式。
最后，整個數據分析過程要以“分析報告”的形式呈現出來，分析報告應充分展現數據分析的起因、過程、結果及相關建議，需要有分析框架、明確的結論以及解決方案。數據分析報告一定要有明確的結論，沒有明確結論的分析稱不上分析，同時也失去了報告的意義，因為整個數據分析過程就是為尋找或者求證一個結論才進行的。最后，分析報告要有建議或解決方案，以供管理者在決策時作參考。
(四)客戶中心常用的數據分析工具及簡介1 Excel
Excel是微軟辦公套裝軟件的一個重要組成部分，它可以進行各種數據的處理、統計分析和輔助決策操作，廣泛地應用于管理、統計財經、金融等眾多領域。Excel提供了強大的數據分析處理功能，利用它們可以實現對數據的排序、分類匯總、篩選及數據透視等操作。
2 SPC
SPC（Statistical Process Control）即統計過程控制，是一種借助數理統計方法的過程控制工具。實施SPC的過程一般分為兩大步驟：首先用SPC工具對過程進行分析，如繪制分析用控制圖等；根據分析結果采取必要措施：可能需要消除過程中的系統性因素，也可能需要管理層的介入來減小過程的隨機波動以滿足過程能力的需求。第二步則是用控制圖對過程進行監控。
3 SAS
SAS是用于決策支持的大型集成信息系統，但該軟件系統最早的功能限于統計分析，時至今日，統計分析功能仍是它的重要組成部分和核心功能。在數據處理和統計分析領域，SAS系統被譽為國際上的標準軟件系統，SAS提供多個統計過程，用戶可以通過對數據集的一連串加工實現更為復雜的統計分析，此外 SAS還提供了各類概率分析函數、分位數函數、樣本統計函數和隨機數生成函數，使用戶能方便地實現特殊統計要求。
4 JMP
JMP是SAS（全球最大的統計學軟件公司）推出的一種交互式可視化統計發現軟件系列，包括JMP，JMP Pro，JMP Clinical，JMP Genomics，SAS Simulation Studio for JMP等強大的產品線，主要用于實現統計分析。其算法源于SAS，特別強調以統計方法的實際應用為導向，交互性、可視化能力強，使用方便。JMP的應用非常廣泛，業務領域包括探索性數據分析、六西格瑪及持續改善（可視化六西格瑪、質量管理、流程優化）、試驗設計、統計分析與建模、交互式數據挖掘、分析程序開發等。 SPSS（Statistical Product and Service Solutions）“統計產品與服務解決方案”軟件，是世界上最早的統計分析軟件，基本功能包括數據管理、統計分析、圖表分析、輸出管理等等。SPSS統計分析過程包括描述性統計、均值比較、一般線性模型、相關分析、回歸分析、對數線性模型、聚類分析、數據簡化、生存分析、時間序列分析、多重響應等幾大類，每類中又分好幾個統計過程，比如回歸分析中又分線性回歸分析、曲線估計、Logistic回歸、Probit回歸、加權估計、兩階段最小二乘法、非線性回歸等多個統計過程，而且每個過程中又允許用戶選擇不同的方法及參數，SPSS也有專門的繪圖系統，可以根據數據繪制各種圖形。
6 Minitab
Minitab軟件是為質量改善、教育和研究應用領域提供統計軟件和服務的先導，是全球領先的質量管理和六西格瑪實施軟件工具，具有無可比擬的強大功能和簡易的可視化操作，對一般的數據分析和圖形處理都可以應付自如。
［關鍵詞］新媒體營銷;企業轉型升級;市場營銷模式
1引言
新媒體營銷是隨著互聯網技術不斷發展而衍生的重要產物，它是以移動平臺為載體，以信息技術為橋梁而實現的企業網絡市場競爭的過程。這種模式的出現意味著企業與現代科學技術的接軌，是企業智能化數據化發展的鮮明體現。企業在新媒體平臺和技術的指導下，能夠依靠各類先進技術，轉變自身的發展方式。其中最為突出的應用便在于企業對數據分析的引進。
2分析數據，確立市場受眾群體
企業要想在眾多新媒體平臺營銷中脫穎而出，就必須掌握符合自身市場定位的消費群體，要讓自身生產的產品能夠有廣泛的接受度，要取得屬于自身獨有的市場信任感和公信力。這也就意味著企業要主動出擊，積極地吸引消費者群體的關注和重視。如果一個企業發展自身新媒體營銷的方法，僅僅是通過水軍或者是買來的粉絲，或者是通過轉發抽獎等，那么這個企業只會在短時間內取得一定的爆發式關注，無法取得長遠的市場利益，也沒有辦法真正的給消費者留下深刻的印象，自然也不能根據消費者的喜好和興趣制訂出針對性的市場營銷方案。這就需要企業通過數據分析的方法來明確自身的受眾群體。［1］首先，企業要用數據分析的方法，對自身已有的市場發展基礎進行系統的分析和總結，整理出自身的市場定位和發展特點，包括品牌形象、競爭優勢、產品性質等。在此基礎上，大致地規劃消費者的群體范圍，制訂相應的宣傳方案和宣傳規劃，同時也要注意把握時間的限制，要盡可能地尋求時間和效益之間的平衡。在這一過程中，企業要按照消費者的點擊喜好和頻率，來制定有針對性的宣傳模式，這樣可以更為有效地吸引消費者的關注。其次，企業要重視用戶之間的傳播和轉發，企業要在吸引一批粉絲的基礎上適當地進行轉發和抽獎活動，擴大自身的市場影響力。最后，企業也要在這一過程中精確自身的市場定位，要動態地觀察宣傳的成果和績效，要尋找大眾的認同感。這便要求企業要借助數據分析和檢索的平臺，搜索與自身宣傳相關的信息確立關鍵詞和重點語句，并分析大眾對于自身的評價和看法，更好地改進營銷中存在的缺陷和不足。同時要在此基礎上，讓自身的宣傳內容更加量化和準確，更好地提升在用戶之間的口碑。
3分析數據，確立市場營銷載體
根據上文所述，企業在新媒體營銷中所進行的宣傳是離不開固定的平臺和載體的，移動平臺是企業信息和展現自身形象的基礎與保障。因此，企業要十分重視自身新媒體營銷工具的選擇，要運用數據分析的方法精準地統籌和管理市場營銷的信息，推動網絡營銷能夠適應自身發展的特點和規律。同時，數據分析方法還可以把企業自身經營的特點與不同的新媒體平臺進行融合，對比其結合后的實際效益和成果，同時也可以與事先的市場規劃設計相比較，在此基礎上選擇最為合適的企業新媒體營銷載體。［2］之所以運用數據分析的方法來選擇企業新媒體營銷載體，是因為現階段網絡企業的發展形式多種多樣，不同的企業也有自身不同的市場定位和產品特點，彼此之間相互獨立，但是也緊密聯系。這也就意味著，各類企業在共同運用新媒體網絡平臺這一方法進行市場營銷的同時，也要根據自身的發展特點來選擇適合自己的宣傳載體和工具，只有這樣才可以促進宣傳內容的有效傳播。當下企業利用新媒體進行宣傳的主要形式包括紀錄片、文字和圖像等，也可以是多種表現形式的結合。盡管在宣傳方式上具有多樣性，但是否能真正的起到吸引用戶的作用還需要依靠用戶的主觀能動性。這就要求企業在選擇好自身營銷載體的基礎上，利用后臺運行接收數據信息的方法，分析用戶點擊頻率最多的板塊和內容，總結出現階段自身市場發展應當跟隨的主流趨勢，以及分析當下營銷平臺運行的成果。例如當下的微博小程序，就是企業依靠文字推送或者視頻的方式，與用戶建立線上的交流和溝通，在此基礎上根據用戶的點擊頻率來制訂出更有針對性的市場營銷方案。
4分析數據，確立信息展示模式
現階段，有許多企業建立了自身運營的自媒體平臺，有相當一部分是需要用戶下載相應的軟件，并注冊賬號才可以獲得相關的信息。用戶在注冊之后，便可以通過在移動端登錄的方法來完成后續操作。［3］但也正是因為這種登錄方法的存在，用戶會獲得比其他平臺更多的市場信息。這就在一定程度上激發了用戶的厭煩心理，有相當一部分用戶會由于時間的限制，直接略過企業所的信息。同時，也有一部分企業將自身的信息運用網頁鏈接或者是二維碼的方式展現出來，用戶必須要在登錄網站的基礎上再一次點開網頁鏈接，這就會讓用戶覺得瀏覽信息是一件非常煩瑣的事情。因此，企業要重視自身信息展現形式的轉變，企業要盡可能地選擇簡潔明了的形式突出自身信息的重點，要讓用戶可以看到自身營銷的優勢和特點。企業可以用數據分析的方法，統計出用戶容易接受的信息展現形式，并按照類別進行劃分。當下，用戶容易接納的是企業圖文并茂的信息展現形式，可以是圖片和文字鏈接的結合，也可以是視頻和文字鏈接的結合，或者是將鏈接安置在圖片上。企業就可以根據用戶的喜好，將自身內容展現的形式進行改革和優化，例如企業可以將市場經營的方向和產品的性能，利用形象化的圖片展示出來。讓用戶可以一眼就看到自身的品牌特色，提高自身的吸引力。在這一過程中企業要意識到信息真實準確表達的重要性，企業可以在原有的基礎上進行適當地渲染和潤色，但是不能虛假信息，不能夸大其詞，不能讓用戶接受錯誤且夸張的市場營銷數據。
5分析數據，確定市場發展價值
企業運用數據分析的重點不僅是要打造更為針對性的市場營銷方案，更是要在數據信息的分析過程中審視自身的市場經營價值，分析自身的發展建設前景，評估現階段自身方案的質量和效益，并以此來為未來的長遠發展打下堅定的基礎。因此企業要用數據分析的方法，對自身新媒體運營平臺進行階段性和周期性的監督，分析現階段自身在市場競爭中的地位。［4］監督的內容主要包括平臺粉絲的瀏覽量和點擊率、粉絲的轉發量、粉絲總量的增減、除粉絲之外的市場其他用戶點擊率，以及現階段市場營銷的經濟利潤和收益等。這樣就可以在很大程度上幫助企業確定自身營銷平臺選擇的正確性，分析自身市場發展定位的準確性。
關鍵詞：數據分析應用率；分析應用點；四個層次；數據中心；儀表盤
中圖分類號：N37 文獻標識碼：B 文章編號：1009-9166（2009）02（c）-0063-02
現代企業的決策往往是在整合大量信息資料的基礎上制定出來的，對數據的理解和應用將是企業決策的基石。與傳統的操作型應用相比，數據利用的應用建設難度更大，它是隨著管理水平而發展，同時又取決于業務人員的主觀意識，這就決定了以數據利用為核心的應用建設不可能一蹴而就，而是一個長期迭展的建設過程。從2003年起工廠開始全面推進數據分析應用工作，經歷過曲折，同時也有收獲。經過多年的努力，工廠的數據分析應用工作開始進入良性發展階段，筆者認為有必要對工廠目前數據分析應用工作作一總結和思考。
一、工廠數據分析應用工作開展現狀
工廠數據分析應用工作推進至今已有四五年的時間，從最初全面調研工廠數據量和數據分析應用狀況，將數據分析應用率指標作為方針目標定量指標來考核，到后來將數據分析應用工作的推進重心從量向質轉移，采用以項目為載體進行管理，著重體現數據分析應用的實效性，再到目前以分析應用的需求為導向，以分析應用點為載體，分層次進行策劃。經過上述三個階段，工廠數據分析應用工作推進機制得到了逐步的完善，形成了廣度深度協同發展的信息資源利用管理框架。截止到目前，工廠數據分析應用率達到96%，四個層次的分析應用點共計100多個，數據分析應用工作在生產、質量、成本、物耗、能源等條線得到廣泛開展，有效推動了工廠管理數字化和精細化。2007年，工廠開始探索細化四個應用層次的推進脈絡，進一步豐富工廠信息資源利用框架，形成層次清晰、脈絡鮮明、職責分明的信息資源利用立體化的推進思路。
1、第一層次現場監控層。第一層次現場監控層，應用主體是一線工人和三班管理干部，應用對象是生產過程實時數據，應用目標是通過加強生產過程控制，輔助一線及時發現生產過程中的異常情況，提高生產穩定性。例如制絲車間摻配工段的生產報警，通過對生產過程中葉絲配比、膨絲配比、梗絲配比、薄片配比、加香配比等信息進行判異操作，對異常情況通過語音報警方式提醒擋車工進行異常處理；例如卷包車間通過在機臺電腦上對各生產機組的工藝、設備參數、實時產量、質量、損耗數據的監控，提高對產品質量的過程控制能力。第一層次應用以上位機和機臺電腦上固化的監控模型為主，制絲車間每個工序、卷包車間每種機型的應用點都有所不同，為此我們建立了制絲車間以工序為脈絡，卷包車間以機種為脈絡的應用點列表，圍繞脈絡對第一層次應用點進行梳理，形成第一層次應用的規范化模板。制絲車間第一層次應用點模板包括工序名稱、應用點名稱、應用模型描述、應用對象、應用平臺、異常處置路徑等基本要素。卷包車間應用點模板橫向根據機種分，縱向按上班及交接班、上班生產過程中、下班及交接班三個時間段分，通過調研分別列出擋車工針對每個機種在三個時間段分別要查看的數據和進行的操作。隨著模板的擴充和完善，一線職工的知識、經驗不斷充實其中，第一層次應用點模板將成為一線工人和三班管理干部日常應用監控的標準，同時可以規避人員退休或調動帶來的經驗、知識流失的風險。2、第二層次日常管理分析層。第二層次日常管理分析層，應用主體是一般管理干部，應用對象是產質損、設備、動能等指標，應用目標是通過加強對各類考核指標的監控和分析，提高工廠整體的關鍵績效指標水平。例如制絲車間的劣質成本數據匯總和分析，通過對車間內各類廢物料、劣質成本的數據進行匯總、對比和分析，尋找其中規律及薄弱環節，并尋根溯源，采取措施，降低劣質成本。例如卷包車間的產量分析，通過對產量數據、工作日安排、計劃產量進行統計和匯總，結合車間定額計劃、作業計劃和實際產量進行分析，尋找實際生產情況與計劃間的差異，并分析原因。第二層次應用以管理人員個性化的分析為主，呈現出分析方法多樣化、應用工具多樣化的特點。但是萬變不離其中的是每個管理崗位的管理目標以及圍繞管理目標開展的分析應用是相對固定的，至少在短期內不會有太大的變化。為此我們建立了一份以重點崗位為脈絡的應用點列表，圍繞脈絡對第二層次應用點進行梳理，形成第二層次應用的規范化模板。模板包括崗位名稱、管理目標、應用點名稱、應用描述、涉及主要考核指標、應用平臺、應用頻次、分析去向等基本要素。通過構建第二層次應用點模板，明確了每個管理崗位應用信息資源支撐管理目標的內容和職責。隨著新的管理目標的不斷提出以及應用的逐步深入，模板每年都會有更新和擴充。3、第三層次針對性分析應用層。第三層次針對性分析應用層，應用主體是項目實施者，應用對象是各類項目的實施過程，例如QC項目、六西格瑪項目、質量改進項目，或針對生產中的特定事件進行的分析和研究。應用目標是通過應用數據資源和統計方法開展現狀調查、因果分析、效果驗證等工作，提高各類項目實施的嚴密性和科學性。第三層次的應用工具在使用初級統計方法的基礎上會大量應用包括方差分析、回歸分析、正交試驗、假設檢驗、流程圖等在內的中級統計方法。以QC活動為例，我們可以看出其實施過程無一不與數據應用之間有密切的聯系[1]。近年來，在質量改進項目和QC項目的評審工作中已逐步將“應用數據說話、運用用正確合理的統計方法，提高解決問題的科學性”作為項目質量考核標準之一。而六西格瑪項目實施的核心思想更是強調“以數據和事實驅動管理”，其五個階段[2]D（定義）、M（測量）、A（分析）、I（改善）、C（控制），每個階段都要求結合如FMEA（失效模式后果分析），SPC（統計流程控制），MSA（測量系統分析），ANOVE（方差分析），DOE（實驗設計）等統計方法和統計工具的應用。4、第四層次主題性應用層。第四層次主題性應用層，應用主體是中層管理者，應用對象是專業性或綜合性的分析主題，應用目標是通過專業科室設計的專題性分析模型或綜合性分析模型，為中層管理層提供決策依據。工廠在實施了業務流程“自動化”之后，產生了大量的數據和報表。如何將工廠的業務信息及時、精煉、明確地陳述給中層管理層，以此來正確地判斷工廠的生產經營狀況，是擺在我們眼前的一個突出問題。大家都有開車的經驗，司機在駕駛車輛的時候，他所掌握的車況基本上是來自汽車的儀表盤，在車輛行使的過程中，儀表盤指針的變化，告知汽車的車速、油料、水溫等的狀況，駕駛員只要有效地控制這些指標在安全范圍之內，車子就能正常地運行。我們不妨將儀表盤的理念移植于工廠，建立工廠關鍵指標及運行管理儀表盤，將工廠的關鍵信息直觀地列在上面，及時提醒各級管理人員工廠生產運營是否正常。
⑴關鍵績效指標監控系統。對分布在各處的當前及歷史數據進行統一展示，以工廠關鍵績效指標為中心，支持統計分析和挖掘，可為中層管理者提供工廠關鍵績效指標一門式的查詢服務，使各業務部門尋找、闡釋問題產生的原因，以有效監控各類關鍵績效指標，及時采取改進措施，提高生產經營目標完成質量。⑵系統運行狀態監控系統。通過數據采集、手工錄入等各種渠道收集各類系統的運行狀態，及時掌握故障情況，采取措施加以閉環，將因系統故障造成對用戶的影響減至最小，確保各類系統的穩定運行和有效應用。通過建立系統運行狀態監控系統，中層管理人員上班一打開電腦進入系統，就能了解到當天及上一天各類系統的運轉情況，發生了什么異常，哪些故障已經得到解決，哪些故障還未解決。⑶第四層次主題性分析應用。在展示關鍵績效指標和系統運行狀態的基礎上，由各專業科室思考專業條線上的分析主題，采用先進科學的理念和方法對數據進行分析和挖掘。近兩年來，工廠充分發揮專業科室的優勢和力量，相繼設計和開發了工藝質量條線的六西格瑪測評系統，設備條線的設備效能分析系統，還有質量成本核算與分析系統。通過這些分析主題的支持，工廠管理人員可以更方便快捷地了解質量、設備、成本等條線上的關鍵信息，及時采取相應措施，從而提升管理效率。
二、數據分析應用工作存在的不足及思考
工廠數據分析應用工作的推進方法從最初的采用數據分析應用率單個指標進行推進發展到目前按上文所述的四個層次進行推進，每個層次的推進脈絡已經逐步清晰和明朗，但事物發展到一定的階段總會達到一個瓶頸口，目前工廠數據分析應用工作存在的問題及措施思考如下：
1、從推進手段上要突破信息條線，充分發揮專業條線的力量。信息條線作為推進工廠數據分析應用的主管條線，其作用往往局限在技術層面上的支撐。雖然信息條線每年都會規劃形成工廠數據分析應用整體的工作思路和具體的實施計劃，但是無論從工廠層面還是從車間層面來講，單純依靠信息條線從側面加以引導和推進，使得數據分析應用工作始終在業務條線的邊緣徘徊，與產量、質量、設備、消耗、成本、動能等各個條線本身工作的結合度有一定的距離。所以工廠要進一步推進數據分析應用工作，調動起業務人員的積極性和主動性，突破現有的瓶頸，應該考慮如何調動起專業條線的力量。一是可以在年初策劃應用點的時候要加強專業條線對車間業務自上而下的指導，引導管理人員加強對缺少數據分析支撐的工序、崗位/管理目標的思考；二是建立平臺加強各車間同性質崗位之間的溝通與交流，均衡各個車間的數據分析應用水平和能力；三是對車間提交的分析報告給出專業性的指導意見。2、要加強對數據中心的應用。數據中心的建立可以使業務系統從報表制作、數據導出等功能中解放出來，專注于事務處理，將數據應用方面的功能完全交給數據中心來解決。目前，數據中心已建立了涉及產量、質量、消耗等各個條線的Universe模型，并對全廠管理干部進行了普及性的培訓。但是從目前應用情況來看，還比較局限于個別管理人員，追尋原因如下：一是業務系統開發根據用戶需求定制開發報表，業務人員通常習慣于從現成的報表中獲取信息。如果要求業務人員使用數據中心工具自行制作報表模板，甚至可能需要將其導出再作二次處理，那么業務人員一定更傾向于選擇第一種方式。二是近幾年來人員更替較多，新進管理人員不熟悉數據中心應用，導致數據中心應用面受到限制。隨著今后MES的建設，業務系統中的數據、報表、臺帳和分析功能將有可能由業務用戶自行通過集成在MES中的數據中心前端開發工具來訪問和靈活定制。因此，要盡快培養工廠業務人員數據中心的應用能力，包括數據獲取以及報表定制方面的技能。筆者認為應對方法如下：一是對于崗位人員變更做好新老人員之間一傳一的交接和培訓；二是適時針對新進管理人員開展集中培訓；三是通過采用一定的考核方法。3、提高新增應用點的質量。工廠每年都會組織各部門審視第一、第二層次應用點列表，圍繞重點工序和重點管理崗位調研有哪些應用上的空白點是需要重點思考的，以新增分析應用點的方式進行申報和實施。同時針對第三層次針對性分析應用，工廠也會要求部門以新增分析應用點的方式將需要數據支撐的項目進行申報。作為一項常規性工作，工廠每年都會組織部門進行應用點的申報，并按項目管理的思想和方法實施，事先確立各個應用點的應用層次、數據獲取方式、實現平臺，并對其實施計劃進行事先的思考和分解，確定每一個階段的活動目標、時間節點以及負責人員，每個季度對實施情況予以總結，并動態更新下一階段的實施計劃。該項工作從2005年起已經連續開展了三年，部門可供挖掘的應用點越來越少，如何調動部門的積極性，保持并提高應用點的實效性，我們有必要對新增分析應用點的質量和實施情況進行考評，考評標準為：一是新增分析應用點是否能體現數據應用開展的進取性、開拓性和創新性；二是新增分析應用點是否能切實提高管理的精細化和科學化水平；三是新增分析應用點是否能采用項目管理的思想和方法實施，按時間節點完成各項預定計劃。
三、結束語。隨著近幾年來技術平臺的相繼成熟以及管理手段的逐步推進，工廠業務人員用數據說話的意識已經越來越強，但是要真正使工廠管理達到“三分技術、七分管理、十二分數據”的水平，還有很長的路要走，這既需要我們的業務人員從自身出發提高應用數據的水平和能力，同時也需要工廠從管理手段和管理方法上不斷拓寬思路、創新手段，真正實現數據分析應用成為工廠管理的重要支撐手段。
作者單位：上海卷煙廠
參考文獻：
