时间：2023-03-13 11:24:17
序论：速发表网结合其深厚的文秘经验，特别为您筛选了11篇企业数据分析报告范文。如果您需要更多原创资料，欢迎随时与我们的客服老师联系，希望您能从中汲取灵感和知识！
在审计项目中，审计人员通常需要结合被审计单位的经济业务类别来创建审计中间表，并且需要准确地表达出所代表的经济业务类别的信息，因此审计中间表体现了很强的业务特征，其设计和区分的标准就是经济业务类别。在建立审计中间表前，应首先确定被审计单位的各种业务类别，并根据每一业务类别，从基础数据中选择出与该业务类别相关的数据表。
通过掌握被审计单位提供的数据字典，了解基础数据中各表中存储数据的内容、各字段的含义以及各表之间的关联关系，然后从与某业务类别相关的基础数据表中选择反映该业务类别主要信息的字段，组织这些字段，设计出所属该业务类别的主表；根据主表中各字段的内容，如果某一字段所包含的内容需要有一些附加信息对其加以说明，则从与该业务类别相关的基础数据表中选择反映这些附加信息的字段，组织这些字段，设计出所属该业务类别的附表，对主表加以补充说明；根据该业务类别的主表和附表中各字段的内容，如果某一字段所包含的内容是代码，则根据代码的含义及其层次结构，设计出代码表。此外，在基础数据当中可能一些表和某项具体业务的联系不是十分紧密，通常筛选有关字段，设计出补充表。应注意的是，设计审计中间表的结构时，一定要经过审计组的充分讨论，特别是要听取一些业务精通、审计经验丰富的审计人员的建议，并对结果进行书面记录，使建立的审计中间表能够充分体现业务特征、体现审计目标，并且方便审计人员使用。
根据设计的审计中间表的结构，以及通过被审计单位提供的数据字典，了解建立审计中间表所需的基础数据表之间的关系，然后通过编写SQL语句将所需要的基础数据表进行关联、选取所需字段并设置有关筛选条件，生成符合审计需要的审计中间表。审计人员编写的SQL语言主要通过使用SELECT语句，通过选取字段、联接有关基础数据表，并利用INTO子句保存查询结果，最终生成审计中间表。另外，由于在建立审计中间表的过程中，可能因为操作失误，将应选择的字段而没有被选择，或者将应去除的字段而没有被去除；还有可能因联接、筛选条件或有关逻辑表达式设置的不正确，造成审计中间表的结果偏差。为避免上述情况或其它原因造成审计中间表的结果不正确，需对结果进行验证。
我们认为，计算机人员和业务人员共同配合，发挥计算机人员操作熟练、业务人员明白钩稽关系的特长，结合会计报表数据、财务数据凭证库、财务数据余额库等，生成高质量的基础中间表。
二、审前调查做好数据分析报告
数据分析报告，指记录审计组分析被审计单位电子数据过程和结果的文书。数据分析报告的撰写是审计工作的一部分，数据分析大量使用复算、分析性复合等审计方法；数据分析和数据分析报告的撰写过程也是一个审计项目组织和管理的过程，贯穿整个审计过程。在计算机审计的今天，能否利用好被审计单位的电子数据进行分析，撰写出高质量的数据分析报告，是关系审计工作质量和成果的重要因素。
（一）撰写数据分析报告前的准备工作
数据分析报告的系统分析和类别分析一般应在审前调查阶段完成。审计人员通过数据分析来把握被审计单位的总体情况，从而把握和锁定需重点审计的内容和范围。在进行数据分析之前，必须做好充分的准备工作：
第一，整理好规范的审计中间表。
审计中间表是面向审计分析的数据存储模式，它是将转换、清理、验证后的源数据按照提高审计分析效率、实现审计目的的要求进一步选择、整合而形成的数据集合。审计中间表是数据分析的基础。在系统分析和类别分析过程中需要的审计中间表主要包括：
1、按被审计单位的会计报表数据整理而成的会计报表中间表；
2、按被审计单位财务数据整理而成的凭证中间表；
3、按被审计单位财务数据整理而成的余额中间表；
4、按被审计单位财务数据整理而成的明细科目中间表；
5、按被审计单位业务数据整理而成的与被审计单位收入或成本的主要项目相关联的业务中间表；
6、利用其他与被审计单位有关的数据整理而成的审计中间表。
第二，数据分析报告的分配与审计分工紧密结合。
网上审计中数据分析以及数据分析报告的撰写过程也是审计项目组织和管理的过程，因此数据分析工作的分配应紧密地与审计分工相结合。系统分析主要是基于会计报表层次的分析，一般由审计项目主审完成，便于主审系统、完整地了解被审计单位，把握全局；类别分析主要是基于业务类别或者会计科目层次的分析，一般按照审前调查分工（或者审计分工），将类别分析分解，与审前调查（或者审计）任务一并分配给每一位审计人员，使计算机审计中的数据分析和审计实施紧密结合，避免脱节现象，更好的发挥数据分析的作用。
第三，准备好分析工具。
工欲善其事，必先利其器。要想做好数据分析，写出高质量的数据分析报告，功能强大的分析工具必不可少。现在审计过程中使用的最多的分析工具主要有：EXCEL、SQL Server分析服务器或其他审计软件等。
1、SQL Server分析服务器
随着被审计单位信息化程度越来越高，ERP在被审计单位广泛采用，因此被审计单位财务和业务电子数据将存储于大型数据库中，数据量极其庞大。在计算机审计环境下，审计人员所取得的主要审计资料就是被审计单位的电子数据，因此强大的数据库工具SQL Server分析服务器成了审计人员实施计算机审计的有力工具。
2、EXCEL电子表格
在进行系统分析时，一般以被审计单位会计报表为分析对象，大部分会计报表软件均可以将报表转换成EXCEL电子表格，因此EXCEL这种为审计人员所熟悉的、操作灵活的工具在系统分析中广泛采用。
3、其他审计软件
（二）系统分析的对象、方法和内容
系统分析主要用于把握总体，一般应由审计项目主审完成，这样便于主审把握被审计单位财务状况、经营成果和现金流量等方面的总体情况，为审计和审计调点的确定以及审计分工提供依据。
系统分析的对象主要是被审计单位的会计报表。
系统分析的方法主要有：结构分析、趋势分析和指标分析等。
结构分析主要是通过计算各个组成部分占总体的比重来揭示总体的结构关系和各个构成项目的相对重要程度，从而确定重点构成项目，提示进一步分析的方向；趋势分析法是指将被审计单位若干期相关数据进行比较和分析，从中找出规律或发现异常变动的方法；而指标分析则是通过各项指标的计算，全面系统的了解被审计单位的财务状况、经营成果和现金流量等。
系统分析的内容主要有：被审计单位的资产结构分析、资产趋势分析、负债结构分析、负债趋势分析、所有者权益结构分析、所有者权益趋势分析、企业盈利能力指标分析、企业偿债能力指标分析、企业流动性指标分析等。
（三）类别分析的对象、方法和内容
类别分析主要用于锁定重点，应按照审计分工，将类别分析分配给每一位审计人员，使数据分析与审计实施紧密结合。
类别分析的对象主要是根据被审计单位的凭证中间表和余额中间表建立起来的多维数据集以及主要业务系统数据。
类别分析的主要方法有：结构分析、趋势分析、配比分析等。
配比分析是指审计人员将相互关联的会计科目或事项的相应数据放在一起进行趋势分析，从中找出趋势不一致的情况。
1.数据分析在企业经营管理中的意义
1.1支持营销运营管理
基于数据分析、数据挖掘方法的支持，在过去传统数据社会，一部分较为先进的企业便已经能够一定程度地达到洞察力促进科学规范营销运营管理的目的。在现如今大数据时代，企业用户的数据变得进一步多元、丰富，在对用户需求洞察满足方面企业变得愈加充分、精确，值得注意的是，在当前数据分析水平不断提升的情况下，企业作用于用户的洞察、满足能力基于数据、资料存储以及数据、资料研究分析方面将变得更为高效，鉴于此，支持企业营销运营管理全面步骤决策的数据、资料流能够同步于企业营销运营管理工作流，企业可通过统计归纳用户的以往消费行为数据以及用户实时的消费行为数据，第一时间针对相对应的用户制定出具备显著个性的营销手段，从而有效识别把握转瞬即逝的营销机会，积极促进企业营销命中概率的提升，最大程度地提升企业营销运营管理效率[1]。
1.2推动智能管道运营
就企业经营管理而言，企业智能管道的核心能力为，结合用户的活动行为，动态为用户提供推荐并配备互联网设备资源。在过去传统数据社会中，受技术条件有限难以满足及相关问题与用户体验动态测量相同等影响，企业通常无法有效的就智能管道运营需求予以满足；在现如今大数据时代，在数据分析水平不断提升的情况下，作用于半结构化设备数据动态收集、分析以及处理等相关技术的日趋成熟，将很大程度上推动企业智能管道运营管理运行的计划。企业智能管道运营管理达到机理与用户体验管理存在极大的相似之处，最主要的区别仅仅是，企业职能管道作用于用户产品消费行为活动测算的数据、资料相对应于提供推荐并配备互联网设备资源，于确保用户体验满足标准的情况下，全面配备、划分及归总企业互联网设备资源，经资源利用最大程度地实现，积极促进资源的尽可能优化[2]。
2.数据分析在企业经营管理中的作用
2.1完整客观的反映企业情况
企业常规的数据报表、调查资料，通常仅能够显现企业某一方面或者某一部分的情况，就算是获取的企业数据报表、调查资料十分全面，如果这些企业数据报表、调查资料未能够得到相应的研究、分析，也往往很难了解从中了解到企业的真实情况。为了完整客观的反映企业情况，务必要遵循“实事求是”原则，在收集企业全面数据报表、调查资料的同时，还应当开展严格加工制作及研究分析工作，以提供给企业管理者科学规范的数据分析报告，为其在就企业发展做决策时提供有利依据。经严格加工制作及研究分析所得到的数据分析报告，相较于常规的数据报表，能够更加全面、系统及集中地反映企业客观实际。
2.2实行监督管理工作
监督属于数据分析在企业经营管理中的一项十分重要的作用。数据分析部门在对企业数据、资料进行收集过程中，能够相对较为全面、如实地知晓行业经济动态及本企业运行发展状况，了解相关数据、资料的来龙去脉及口径范围，因此数据分析部门可有效的担负起对企业的多方面监督管理工作，包括企业运营发展部门相关政策方针有效落实与否、企业发展生产经营规划有效完成与否以及企业一系列经济指标有效实行与否等。在数据分析的作用下，可促进企业有效实行监督管理工作，以客观、完整地向企业管理者、相关部门做决策及制定企业发展计划时提供有利参考依据。
2.3参与科学化决策
对于任何一项经济行为发展，想要获取其客观规律性的见解并未易事，通常是要通过不断的分析、探索及实践，方可一步步构成认识。在现如今市场经济大环境下，还存在着诸多的市场经济比例进程、实现企业经济效益利润最大化以及实现集群产业结构优化等客观规律，均有待我们去逐步挖掘。鉴于此，就市场经济背景下客观经济规律展开研究分析，属于一项有着广阔发展前景的领域。数据分析部门可充分发挥详细数据、资料持有优势，进行针对的研究、分析，对数据、资料表层显现内容展开更深层次的剖析，挖掘出数据、资料中的潜在实质涵义，由理性认识代替感性发展认识，实现客观经济规律认识质的升华，达到显现企业发展现状以及企业内部关联和发展的目的，一方面促使企业管理者及相关部门能够更为完整客观地了解企业经济行为里程、企业发展现状以及企业发展方向，提升企业管理水平，一方面促使企业管理者及相关部门能够更有针对性地进行企业决策、计划制定，从而全面起到数据分析在企业经营管理中的参与科学化决策作用。
2.4有利于数据深度利用
数据分析部门为了获取全面详细的数据、资料，需要对定期统计报表制度进行全面贯彻落实，或者需要采取一系列包括调查、普查以及抽查等各式各样形式的统计调查工作，这必然是一项十分复杂的系统工作，倘若仅仅将这些详细的数据、资料简单地汇总上报给国家和相关部门，以完成国家和相关部门制定的数据、资料收集任务，低下的数据、资料利用率，显然有愧于需要消耗长复杂的系统数据、资料收集工作[3]。由此可见，唯有早收集详细数据报表、调查资料的同时，还应当开展严格加工制作及研究分析工作，展开各个层次、各个方面的综合深度利用，以使这些数据、资料转变为内容更加丰富化、形式更加多样化的重要深度信息。
2.5有助于提升员工素质
在数据、资料收集的基础上展开数据分析，采用一系列分析方法，根据数据、资料实情展开针对的研究分析，经数据分析工作的开展，不仅要找出数据、资料中潜在的问题，发觉数据、资料中的不和谐之处，还要分析问题出现的缘由，并制定出问题的解决对策。为了完成这一系列的高要求、复杂艰巨的工作，要求数据分析部门员工一方面需要具备完善的数据分析基础常规知识，具备相应的政策分析能力、经济理论知识，一方面需要掌握数据分析的开展方法，明确数据分析的前后关键步骤，此外还应当熟悉相应的经济技术要点，具备相应的数据、资料归纳分析水平，具备相应的写作技巧水平等。由此可见，数据分析部门在进行数据分析工作期间，势必会激发数据分析部门员工学习主观能动性，有效提升员工各方面综合素质，并逐步成为不仅能够进行数据分析编写分析报告还能够自经济层面进行数据编织统计的社会发展需求的综合型人才[4]。如此一来，不但可以更充分的发挥数据分析在企业经营管理中的作用，还能够提升数据分析工作的重要性地位，促进数据分析工作条件的有机改善。
3.完善企业数据分析工作的策略
3.1统一认识，加强领导
基于对数据分析在企业经营管理中意义与作用重要性统一的认识，企业相关数据分析部门应当严格对待数据分析工作，不仅要做好数据、资料调差收集工作，还要做好数据统计报表、做好数据分析工作，以为企业、企业管理人员提供科学有效的决策管理服务[5]。同时，企业管理人员同样要提升对数据分析工作的重视程度，面对企业数据分析既应当要求数据分析部门提供统计报表，严格要求数据分析工作环节、质量，有利领导数据分析工作的有序开展。
3.2实现计算机网络数据支撑
伴随着现如今市场经济体制改革的不断深入发展，企业管理人员一方面要明确认识到企业发展的实际处境，一方面要为企业日后发展制定“未雨绸缪”的策略。这就一定程度上要求了企业数据分析部门，应当采取一系列不同的数据分析方法，包括数据结构分析法、数据对比分析法、数据实时分析法以及数据预测分析法等方法，就企业数据、专利展开有效的研究分析，形成科学结论，提供给企业管理人员具备实质意义的意见建议。在企业数据分析方法的实践运用方面，既要结合分析内容需求及分析方法自身特点，采取以往有成功经验的方法手段，自各个角度就客观市场经济法律展开研究分析，同时基于对先进分析方法的运用，实现计算机网络数据支撑，促进数据分析预见性、研究分析深度升级，积极促进企业数据分析工作的有序开展[6]。
3.3提升数据分析人员素质
1. 目前领导的关注点是什么？
任何分析都是应该建立在企业整体战略之上的，了解领导目前的工作重心，自然就可以判断我们应该朝着哪个方向进行分析，这样才能够帮助领导全面深入地了解目前状况，从而决定要采取哪些措施。所以，要根据数据分析的受众对象来进行分析，把握好分析的整体方向与深度及广度。
2. 分析的主要目的是什么？
分析之前要考虑为什么要做分析，在这里我们举例来说明。例如在考虑上一问题时我们假定目前领导主抓服务水平（20秒接通率），那么我们在这里就应该清晰分析的目的就是分析目前整体服务水平在历史中处于什么水平？问题出现在哪里？我们应该在哪些方面上采取措施来提高服务水平？
3. 需要哪些数据来支撑分析？
在明确了分析目的之后，我们就要准备数据。在这里我们要先根据客服中心运营的经验对可能影响到服务水平的因素进行提前判断，以确定我们需要哪些数据来支持我们做分析。像对服务水平产生影响的因素可以有人员方面、系统方面、流程制度方面等，所以我们可以分析话务量、排班人员情况、人员出勤状况、在线人数、示忙人数、离席人数、平均通话时长、平均事后处理时长等数据。
4. 数据应该从哪里收集？
现在我们已经明确需要的数据有哪些了，下面就是开始收集数据，最主要的数据来源就是目前客服中心内部现有的报表系统。在这里我们假定报表系统是完善的，可以根据我们的分析需求来随意提取任何数据，当然有些数据是很难在系统中提出的，这时我们就需要手工进行数据收集。
5. 应从什么角度进行分析？
这个问题其实在第三个问题中就已经区分出来了。举例来说，我们可以分析不同时段的话务情况以及各时段对应的排班人数，以此来判断是否是人员不足或者是话务突增造成的服务水平低。最终，通过不同角度进行定性与定量的综合分析，找出问题到底是人的原因、系统的原因、还是流程制度的原因。
6. 应该用什么分析方法？
我们只需要掌握一些简单的分析方法即可满足目前客服中心的日常分析需求。选择分析方法的原则就是只选最合适的不选最高深的。一般我们可以用到的分析方法有：
对比分析：在同一分析维度下对不同数据集合进行比较，找出其中存在的差异，并进一步深入挖掘差异原因；
趋势分析：观察数据序列随时间的变化趋势，找出其一般规律，如移动平均、同比、环比等；
排名分析：将大量数据按某种分类方法进行频次统计，观察其中的Top N数据，反映其对整体的影响程度如何；
结构分析：在统计分组的基础上计算各组成部分所占比重，进而分析某一总体现象的内部结构特征、总体的性质、总体内部结构变化规律；
相关性分析：测量某两个变量之间的相关程度，即当一个变量发生变化，另外一个变量也会随之发生的变化趋势。
7. 如何展示分析结论？
1） 根据不同的报告选择不同的展示工具
我们一般是以分析报告的形式来展示分析结论的，根据不同的报告类型选取不同的工具进行展示。报告大致区分为三种：日常运营状况分析报告、专项问题解决报告、历史数据（问题）研究报告。
用PPT撰写分析报告可以加入丰富的元素、动画效果等，图文并茂，适合现场演示汇报，大大增强展示效果；但是不适合大篇幅的文字，对于汇报人员的演讲技能要求较高；专题分析报告与历史研究报告均可以使用PPT来制作。
用Word撰写分析报告易于排版，显得相对正式；但是缺乏交互性，不适合演讲汇报；适合撰写各类型的分析报告。
用Excel则适合日常报告的撰写，还可以有动态的图表，方便实时更新、交互性较强，但不适合演讲汇报。
2） 根据不同内容选择不同的展示图表
数据展示的原则就是简单直观、清晰易懂， 在选择图表来展示数据时需要考虑清楚我们想要展示给领导什么，要说明什么问题。用来展示数据的图表大致有用饼图、条形图、柱状图、折线图、散点图、雷达图、面积图。
以下给出几个图例供大家参考（说明一下，图表的标题已经去掉，只展示图表大致形式）。
8. 产生问题的原因有哪些？
经过以上的综合分析我们可以判断是以下原因：
人员问题：人员招聘不足、排班不够合理、人员出勤差、人员接续效率低、人员培训效果不明显等问题；
系统问题：话务系统故障、知识库系统故障等问题，具体是什么问题需要查看系统故障的历史记录；
流程制度问题：管理流程和服务流程不合理、过于复杂，职责界定不清晰、制度不完善等问题
9. 可以采取的措施有哪些？
在经过全面的分析后，将造成服务水平低的所有因素按照重要性进行排序，根据80/20法则首先解决重要的影响因素，针对各影响因素的不同采取不同的措施进行改善。制定改善计划需要明确改善的事项是什么、负责的人员（或部门）是谁、预计的周期是多长等要素。
战略是企业发展的长期性、全局性指导思想，策略则是战略的具体化。从决策逻辑上来说，企业必须先确定营销战略，然后再根据战略制定策略。具体在营销模拟实验中，学生先要进行SWOT分析，明确企业的优势、劣势、机会和威胁;然后进行STP分析，把握各细分市场之间的差异性，明确公司的目标市场，确定产品的市场定位;之后再制定公司的具体发展目标，如市场占有率目标、销售额目标、利润目标，这些内容基本都属于公司战略决策的范畴，对企业后阶段的策略制定起着方向性的指导作用。但在实验操作实际中，很多学生对战略分析不够重视，把大部分时间和精力都放在了策略制定与执行上，热衷于进行新产品的开发、新品牌的推出、价格的制定与调整、渠道的选择、广告促销等，至于为何要这样去制定和执行，以后要怎样去制定和执行，则缺少全盘考虑。实际上，由于学生前期的战略分析不全面，战略目标不明确，很多策略的针对性和实用性不强，甚至有些策略就凭主观感觉或估计来确定。
2．决策过程不严谨，数据分析能力弱
由于市场环境越来越复杂，决策风险越来越大，企业的决策日趋客观严谨，决策中越来越重视数据的支撑作用。数据是市场的真实反映，揭示了事物发展的客观规律，本身就是决策的重要参考，培养学生的数据分析能力和严谨思维也是营销模拟实验教学的一个重要目标。市场模拟营销实验中包含大量的数据，比如销售量、销售额、增长率、利润额、利润率、生产成本、投资收益率、知名度、股价等等，另外还有许多图表，如折线图、饼形图、柱状图及矩阵图等，每一次营销计划执行后，这些数据或图表就会发生相应的变化。这些数据中蕴含着丰富的市场信息，非常值得我们去挖掘，但这些数据或图表并没有被学生很好地利用，学生对数据的敏感度不够，不擅长去分析其中包含的信息，对它们的认识有些表面化，往往是在进行简单的了解后便很快制定出营销策略，决策过程欠严谨。
二、市场营销模拟实验教学的优化对策
1．科学分组，确保竞争公平
为使每一位同学都能始终保持实验兴趣，也为了保证小组竞争的公平，教师在实验开始前必须对全班进行科学分组。分组时要考虑以下几点:首先要确定每组的人数，每组人数不宜过多，太多了影响决策效率，还可能导致人浮于事，一般三人一组比较好，团队比较精干，也便于协商或讨论;然后要确定小组成员选择标准，每一小组至少要有一位专业能力相对突出的同学，以保证决策过程的专业性和合理性，并带动其他同学积极参与。确定组队标准后，学生可以先行组合，然后把组队名单交给老师，老师根据实际情况对各组成员进行适当调整，尽量使各组的实力保持相对平衡。
2．突出战略决策，做好市场分析与战略定位
企业的决策需要有战略思维，要预先做好市场及产品的规划，在此基础上再制定出不同阶段的营销策略。为此企业需要对营销环境做出全面细致的分析，了解企业的优势、劣势、机会和威胁，并在市场细分的基础上做出目标市场的选择，确定产品在目标市场的定位，最终形成成熟的营销方案。这种战略分析能力体现出了学生的宏观视野和逻辑思维，但往往也是很多学生的弱项，需要教师在实验环节中予以特别重视，通过一系列强化训练来培养。比如要求学生在每次实验中必须提交两份战略分析报告，一份是SWOT分析报告，一份是STP报告，报告中必须对营销环境、战略定位、营销目标做出详细分析和具体明确，并阐述原因和依据，在分析报告没有提交之前，不能进入下一个实验环节。在每一年度的营销实验结束后，教师还要对全班所有同学的分析报告进行评比，将评比结果作为期末成绩的参考。通过这种硬性规定，让学生重视战略分析，逐步提高从全局把握问题的能力。
3．强化数据分析，做到严谨决策
数据分析能反映一个人看待问题的深度以及思维的严谨性，但对于很多学生来说，由于营销分析工具掌握不牢固，对数据分析的方法比较生疏，难以从多个数据中发现事物之间的内在联系或规律，更多是根据主观感觉或个人经验，再结合一些表面的数据来制定营销对策，决策过程存在某种随意性。为改变这一不良决策习惯，教师在实验中必须强调一点，就是所有的决策必须有数据支撑，必须有数据分析，用数字说话。这并非提倡决策的“数据主义”，只是强调严谨决策的重要，这种训练对学生以后的行为习惯和逻辑思维将产生积极影响，让学生更理性地看待问题和解决问题。以营销模拟实验中的广告投放决策为例，就要求学生先了解企业本年度的营销预算、广告的目标、媒体的成本、媒体的传播效应、企业目前的知名度等数据，然后对这些数据进行科学计算，得出广告投放的时间、次数和费用，而不能凭估计随意给定一个数字。
2．决策过程不严谨，数据分析能力弱由于市场环境越来越复杂，决策风险越来越大，企业的决策日趋客观严谨，决策中越来越重视数据的支撑作用。数据是市场的真实反映，揭示了事物发展的客观规律，本身就是决策的重要参考，培养学生的数据分析能力和严谨思维也是营销模拟实验教学的一个重要目标。市场模拟营销实验中包含大量的数据，比如销售量、销售额、增长率、利润额、利润率、生产成本、投资收益率、知名度、股价等等，另外还有许多图表，如折线图、饼形图、柱状图及矩阵图等，每一次营销计划执行后，这些数据或图表就会发生相应的变化。这些数据中蕴含着丰富的市场信息，非常值得我们去挖掘，但这些数据或图表并没有被学生很好地利用，学生对数据的敏感度不够，不擅长去分析其中包含的信息，对它们的认识有些表面化，往往是在进行简单的了解后便很快制定出营销策略，决策过程欠严谨。
二、市场营销模拟实验教学的优化对策
1．科学分组，确保竞争公平为使每一位同学都能始终保持实验兴趣，也为了保证小组竞争的公平，教师在实验开始前必须对全班进行科学分组。分组时要考虑以下几点:首先要确定每组的人数，每组人数不宜过多，太多了影响决策效率，还可能导致人浮于事，一般三人一组比较好，团队比较精干，也便于协商或讨论;然后要确定小组成员选择标准，每一小组至少要有一位专业能力相对突出的同学，以保证决策过程的专业性和合理性，并带动其他同学积极参与。确定组队标准后，学生可以先行组合，然后把组队名单交给老师，老师根据实际情况对各组成员进行适当调整，尽量使各组的实力保持相对平衡。
2．突出战略决策，做好市场分析与战略定位企业的决策需要有战略思维，要预先做好市场及产品的规划，在此基础上再制定出不同阶段的营销策略。为此企业需要对营销环境做出全面细致的分析，了解企业的优势、劣势、机会和威胁，并在市场细分的基础上做出目标市场的选择，确定产品在目标市场的定位，最终形成成熟的营销方案。这种战略分析能力体现出了学生的宏观视野和逻辑思维，但往往也是很多学生的弱项，需要教师在实验环节中予以特别重视，通过一系列强化训练来培养。比如要求学生在每次实验中必须提交两份战略分析报告，一份是SWOT分析报告，一份是STP报告，报告中必须对营销环境、战略定位、营销目标做出详细分析和具体明确，并阐述原因和依据，在分析报告没有提交之前，不能进入下一个实验环节。在每一年度的营销实验结束后，教师还要对全班所有同学的分析报告进行评比，将评比结果作为期末成绩的参考。通过这种硬性规定，让学生重视战略分析，逐步提高从全局把握问题的能力。
实验教学是培养经管类专业学生实践能力的重要手段。经济管理类专业学生不仅要熟练地掌握理论知识，更要具备较强的实践能力，特别是大数据时代的到来，强调以数据为基础进行研究，并快速做出决策[1]，不仅对掌握大数据思维和技术的人才需求量扩大，而且对经管类专业人才培养提出了新的要求[2]，因此在大数据背景下应充分认识实验教学对经管类专业学生实践技能的重要性，科学全面地构建面向数据分析和管理的实验教学体系，以适应大数据背景下经管类专业人才的培养需求。
大数据扩宽了信息的来源，提高了信息获得的速度，分析对象从传统的结构化数据过渡到非结构化数据，因此对经管人才需要更全面地掌握大数据思维方式和分析流程。对工商管理、企业管理专业而言，需要其更注重利用多种类型的企业运作的数据，通过对其进行整理分析，帮助企业进行业务流程改革，提升企业运营效率，提高经济效益[3]。对于电子商务、市场营销专业而言，应学会利用大数据技术探索新商业模型，分析营销网络，评估投资风险及创新服务模式[4]。而对于和大数据技术紧密相关的信息管理专业来说，需要更全面地从数据采集、分析到数据挖掘多个方面转变传统的数据分析思维，以适应大数据环境下知识管理与智能决策的需要[5]。
1.实验目的不合理，实验设计不当。
目前，对于经管理类专业的大数据实验教学体系还处于基本概念阶段，与科研前沿脱节，实验目标大多只要学生掌握数据采集、统计分析等基本概念和方法，就学会对给定的数据进行分析。但是在大数据环境下，数据分析和挖掘需要针对结构化数据、非结构化数据等用创新性的思维方式解释分析结果，并用于智能辅助决策及知识发现。因此，大数据实验课程应与时俱进地适应大数据的要求，开展多样化、启发式的实验项目，不仅让学生掌握如何收集信息和整理信息，还要解释隐藏在数据背后的潜在规律。
2.实验教学方法和手段陈旧。
传统实验课是学生按照老师的要求和给定的数据，学习各种数据分析方法。实验内容设计单一，没有针对不同知识结构的学生开展有针对性的实验训练项目，学生学习积极性不高。因此，在大数据实验教学中，要以培养学生创新实践能力为主要目标，在教师的帮助下，通过团队协作、自主设计完成。同时，分层次制定针对不同知识结构背景的实验项目，便于学生根据自身的特长和能力自主选择实验项目。
由此可以看出，传统的实验教学已不能满足大数据背景下的经管类专业人才对数据分析和处理的新需求，在实验教学方式、实验教学内容等多方进行创新和改革，才能培养出顺应时代背景的优秀经管类人才。
在大数据背景下，经管类人才应该具备：发现问题的能力，收集整理数据和信息的能力及理解分析数据的能力。对此，我们从教学方式、课程体系、技能与经验三方面入手，开展实验教学改革，以适应大数据时代对于经管人才培养的要求。
3.创新实验教学方式。
大数据时代，书本和课堂不是获取信息的唯一选择，网络资源、各种移动端应用程序等方式都扩展了学生获取信息的方式，在这种情况下，实验教学不仅需要让学生掌握如何搜集、整理数据的技术，还要培养学生观察、分析问题的能力，从而真正调动学生的学习积极性。例如可以提供多种获取大样本数据的渠道，学生组队进行数据分析和挖掘，设计算法，进行相关分析直到最后撰写出分析报告，整个流程全部由学生独立完成。
4.完善大数据实验课程体系的构建。
对于经管类专业的学生而言，实验目的主要是让他们掌握数据分析的主要流程、主要算法的基本原理，具备大数据应用的初步能力。另外，考虑到不同专业的学生知识结构不同，我们构建多层次的经管类大数据实验课程、基础实验，以验证和演示实验为主，强调掌握数据分析工具和分析算法，理解数据分析基本流程。专业实验，以简单设计性实验为主，强调利用现有的数据分析工具，较完整地体验从数据采集、数据整理、数据分析到数据挖掘的全过程，并编写简单的数据分析代码。综合性实验，采用自助式、合作式模式，让学生自己动手收集数据，团队合作分析问题，在实验教师的指导下，综合运用各种数据分析工具，自主设计算法，进行相关分析，直到最后分析报告，初步具备大数据的应用能力。
5.培养专业技能和增加实践活动。
积极开展大数据应用相关的实践活动，提供多种形式让学生参与大数据的实践环节，在提高专业水平的同时，提高实践操作能力。合理利用现有慕课、微课等在在线课程作为实体课堂的有益补充，引导学生深入学数据技术。另外，积极联系软件企业提供各种实习途径和岗位，让学生真正参与与大数据的各种项目开发，强化课堂的理论知识，丰富实践经验，提高专业级技能，有效地提高学生的数据分析能力和数据挖掘能力。
大数据作为近年来的热点研究问题，已经广泛应用于经管类学科当中。经管类专业学生只有更好地掌握并懂得如何利用大数据，才能在大数据时代拥有更多的优势。因此，本文从教学方式、课程体系、技能与经验进行创新，提出切实可行的改革措施，以更好地培养经管类学生的数据分析的专业能力，适应大数据环境下知识管理与智能决策的需要。
参考文献：
[1]祝智庭，沈德梅.基于大数据的教育技术研究新范式[J].电化教育研究，2013（10）：5-13.
[2]朱怀庆.大数据时代对本科经管类统计学教学的影响及对策[J].高等教育研究，2014（9）：35-37.
[3]李永，刘玉红.大数据时代大学生学习模式转变研究[J].长春工业大学学报（高教研究版），2014，35（4）：38-41，100.
中图分类号：TP311 文献标识码：A 文章编号：1671-7597（2014）04-0017-02
1 业务对象分析
库房中储存的样品主要是岩石样和流体样，根据取样方式的不同可以把岩石样分为岩心样、壁心样、岩屑样和露头样，把流体样分为常温常压流体样和高温高压（统称PVT）样，根据流体相态又可以把流体样分为油样、气样和水样。
分析化验所使用的样品是小样，也叫做实验用样，是大块岩石样或大桶流体样中的一部分。根据实验的目的和要求，可以把小样分为水平样和垂直样。
2 分析化验项目分析
根据样品的类型可以把分析化验分为流体样实验、岩石样实验和岩石样-流体相共存实验3种。
2.1 流体样实验
流体样实验是对从井筒或地面上取得的流体样进行分析的，研究井筒中流体的特性，为油气田开发前期设计提供参考依据，为生产井提能分配或井下作业提供基本数据支持。
根据流体取样方式的不同，把流体样实验分为常温常压流体实验和PVT实验，由于流体相可以分为油相、气相和水相，所以流体实验又细分为常温常压油样实验、常温常压气样实验、常温常压水样实验、原油PVT实验、易挥发油PVT实验和凝析气PVT实验。
2.2 岩石样实验
岩石样实验是对钻井过程中取到的岩石所进行的分析或鉴定，是地层岩石特性最直接、最准确的表现。
根据实验的目的不同，把岩石实验分为常规岩心分析、特殊岩心分析、岩石地化分析等。
2.3 岩石样-流体相共存实验
岩石样-流体相共存实验是分析岩石在以不同的流体相作用下，所呈现出来的岩石的润湿性和联通性等，主要有毛管压力实验和相对渗透率实验等。
根据流体相作用方式的不同可以分为压汞法和驱替法，驱替实验分为油驱替水、水驱替油和气驱替水等。
3 业务分析
业务分析是数据库设计的基石，只有业务分析好，才能设计出满足需要的业务模型。根据工作内容可以把业务分析分为业务调研、业务划分、业务活动分析和数据分析。
3.1 业务调研
确定分析化验业务域的业务调研范围和调研内容，形成业务调研清单，并制定业务调研模板。业务调研模板是业务调研的依据，必须要包含业务名称、业务流程和数据应用情况等。在执行调研时，按照业务调研模板内容，详细了解分析化验业务现状、数据库现状、应用现状和数据管理机制等，并收集相关资料（报表、数据、业务规范等）。
3.2 业务划分
根据业务调研情况对分析化验业务域进行业务划分，划分为一级业务和业务活动，一级业务主要有常规岩心分析、特殊岩心分析、岩石地化分析、油气地化分析、岩矿分析、同位素分析、岩石力学分析、古生物分析、油气水分析和流体PVT分析等。
业务活动是对一级业务进行细分，直至划分到不能再分为止。如一级业务常规岩心分析包含有岩石物性分析、岩心伽玛测定和岩心CT扫描等。
3.3 业务活动分析
根据业务划分得到一个个业务活动，每一个业务活动都有自己的业务含义和业务范围。业务活动分析就是要详细分析每一个业务活动流程，如业务活动的时间、地点、参与人员、业务规则、输入数据、输出数据、相关的标准规范等。如岩石物性分析是实验员（who）收到分析化验任务后（when），在实验室（where）根据样品基本信息和检测任务单的要求对岩心样品（which）进行岩石孔隙度、渗透率、含油饱和度、密度、碳酸盐岩含量的分析化验，形成岩石物性分析成果数据表和业务分析报告（what），为表征岩石孔隙的发育程度、储集流体的通过能力和岩石渗流特征提供重要参数，为储量计算、采收率确定等提供参数依据（why）。
3.4 数据分析
数据分析是对业务活动数据集和现有专业数据库物理表进行详细分析，业务活动数据集分析是对业务活动的输入数据和输出数据进行分析，规范业务活动输入数据集和输出数据集，形成业务活动数据集；现有专业数据库物理表分析是对现有在用专业数据库物理数据表进行分析，分析出专业数据库物理数据表的实际业务含义，具体是哪个业务活动产生的，对应于业务活动的哪个数据集，形成专业数据库物理数据表对业务活动数据集的映射关系。
数据分析表如下：
业务活动 输入数据 输出数据 业务活动数据集 专业数据库
岩石物性分析 检测任务单 岩石物性
分析报告 岩石物性分析报告 文档数据库
实验样品信息 岩石物性分析
成果数据 分析化验数据库
4 数据模型设计
数据模型设计是实现业务分析到物理模型设计的所有过程，主要分为业务模型设计、采集模型设计、逻辑模型设计和物理模型设计。
4.1 业务模型设计
根据业务调研和分析成果，对业务模型进行标准化梳理，对数据流进行详细分析，完成从业务分析到业务模型的转换，形成业务模型。
4.2 采集模型设计
制定业务模型中数据集合并原则，根据这些原则分析业务模型中需要合并的数据集，通过专业工具完成业务模型数据集的合并工作，实现从业务模型到采集模型的转换。业务模型数据集合并原则：首先是业务活动场景相同；其次是业务活动产生的数据项相似。
4.3 逻辑模型设计
通过对POSC Epicentre逻辑模型和PPDM模型的研究，结合石油企业业务实际，采用面向对象的设计方法设计分析化验逻辑模型。逻辑模型主要分为对象模型、活动模型和属性模型。对象模型是对分析化验业务域中所涉及到的业务进行抽象，提取出一个个业务对象，用前缀OOE_表示，如岩心的对象模型是OOE_Core等；活动模型是对分析化验业务域中所有业务场景进行抽象，形成业务活动编目，存储在OOE_Activity实体里，具体的业务分析活动只是业务活动编目的具体实例。如岩石物性分析是业务活动，***井岩心常规分析报告是业务活动实例；属性模型是业务活动数据集中的相同数据项的抽象，提取出一个个属性对象，使用前缀OOP_表示，如孔隙度的属性模型是OOP_Porosity。
4.4 物理模型设计
设计从逻辑模型到物理模型的投影规则，依据投影规则实现逻辑模型到物理模型的转换，投影出不同版本的数据库，以支持不同的数据存储和管理需求。常用的投影规则有直接投影、复制投影和合并投影，不同的实体具有不同的投影规则。在投影时，为了保证物理模型的最优化设计和数据存储的最少冗余，要求分析所有实体对应的最优投影规则，根据最优投影规则一次投影出物理模型。
5 总结
2012年由社会科学文献出版社、中国人事科学研究院的《中国人力资源发展报告（2011-2012）》提出，我国高等教育已进入生源危机时代。在这样一个危机时代下，江苏高职院校生源危机重重。建立良好的招生宣传工作机制，使全校参与，形成招生、教育教学、学生发展教育等可持续发展是每个高职院校需要解决的问题。
一、招生宣传工作背景（江苏省高考报名人数及录取情况）
江苏省高考报名人数由2010年52.7万下降至2015年的39.3万，减少13.4万。这是全国高考生源的缩影。生源减少促使各学校尤其是高职院校进一步提高招生服务工作，促使学校进一步深化内涵建设。
二、招生宣传工作机制
招生宣传工作是各个学校的招生工作重点之一，是教育教学、学生发展教育的开端，三个部分的可持续发展需要良好的工作机制作为保障。笔者从南京科技职业学院招生宣传工作出发，阐述招生宣传工作机制，为兄弟院校招生宣传提供参考。
南京科技职业学院建立招生领导小组主管、监督，招生就业部门与各教学系部共同完成招生宣传的工作机制。招生工作领导小组统筹规划学校的招生宣传工作，协调招生宣传涉及的各个部门的工作。
招生就业部门首先从招生业务理解、招生数据理解、招生数据准备、招生数据挖掘模型建立、招生数据挖掘结果分析、招生决策制定等环节[1]分析招生、就业数据，为招生领导小组决策提供各类数据分析评价，为教育教学系部招生提供数据支持。招生就业处每年十月份向学校招生领导小组递交近三年各省高考人数、录取报到情况分析报告，近三年江苏省各地级市、各中学生源情况分析报告，近三年自主单独招生、江苏省高考各专业填报、就业情况分析报告，兄弟院校招生宣传新举措分析报告，当年新生调查数据招生环节数据分析报告等。
另外，招生就业处配合教育教学部门，从上级主管部门、行业企业、中学、学生角度出发，引入市场观念，做好行业企业推广，中学来校参观、中学科技活动开展，学生诉求解决，新生调查，校友回访等工作。
教育教学部门应根据招生领导小组决策，做好专业设置更新、招生宣传队伍建设、招生宣传内容起草、学生数据收集等工作，为招生宣传提供智力、人力支撑。
招生领导小组决策层应根据相应数据，发现问题，解决问题，协调招生宣传各部门，用良好的约束、激励机制使其各司其职，相互支持，促成招生宣传工作的良性循环，进一步促进学校内涵建设。建立招生宣传长效机制可以从根本上提高高职院校的服务意识，改善服务质量，为家长和学生全方位展示学校的办学质量与办学成果，从而进一步提高学校的美誉度[2]。
三、招生宣传方案部分执行分析
1.招生宣传队伍选拔、组建。招生宣传是一个系统性工作，不管宣传本身多复杂，着力点都在于人，即通过学校教师与考生、社会进行沟通工作。招生宣传教师是学校形象的代表，责任重大。南京科技职业学院教育教学部门参考近三年江苏省各地级市、各中学生源情况分析报告等，根据各自负责地区具体情况，组建由专业教师（负责中学来访讲解工作、中学科技活动工作、开展专业讲座等）、招生教师（负责中学联系工作、招生政策宣讲工作）、优秀校友及在校生（负责学习、就业工作体会宣讲）组成的招生宣传队伍。招生宣传人员每年参加学校组织的多次招生培训，熟悉招生政策，遵循实事求是、阳光服务的原则，帮助考生、家长、社会了解学校的招生政策、专业建设情况、校园文化和行业企业。
2.招生宣传媒介选择。现在的招生宣传媒介多种多样，如何用最少的资金使社会了解学校需要通过各种数据分析，合理选择并运用好招生宣传媒介。
南京科技职业学院每年根据新生调查数据报告，不断更新招生宣传内容、媒介。往年新生调查数据显示，各省主管部门的招生计划专刊、学校招生宣传册、学校招生信息网排在考生获取招生信息的前三位。因此，2015年学校重点做好各省招生计划专刊的信息。另外，从视觉传达角度，考生要了解的信息（就业去向、工作场景、升学、学校教学场景、毕业生去向）重新制定学校招生宣传册。处在互联网的时代，学校启用新的招生信息网、微信平台，专人负责信息，做到及时、周到，使考生及家长快速、直观、愉悦地了解各类招生信息。
3.招生宣传工作连续性。社会大众对一个学校建立良好印象、给予客观的评价，是一个循序渐进、逐步强化的过程，不可能一蹴而就[3]。招生宣传工作时间不能局限于填报志愿前后。南京科技职业学院从2011年开始启动生源基地建设工作，与中学领导沟通合作的途径，除了填报志愿前后，学校每年派教师与中学共同完成一些科技活动，让专业教师在中学开展相应专业讲座，将生涯、就业规划等课程提前送进中学。
另外，每年与地方政府合办地区的大型招聘会时，学校会邀请家长、中学领导一起参观了解学校。学校在试点各地区企业与当地中学的结合方式，一方面让中学老师、家长直观地了解学校专业，另一方面让企业文化在当地扩大影响力。
招生宣传工作的连续性要考虑中学、学生、家长的时间，使各方都能有所获。
总之，招生宣传工作是招生工作的重点，不仅关系到学校的生存、发展，更关系到高职教育改革与社会经济转型发展，各招生宣传涉及部门需通力合作，实现招生、教育教学、学生发展教育等的可持续发展。
参考文献：
记者了解到，目前广东省在ETC扩展应用、如何最大化ETC的数据价值及数据分析方面面临着不小的难题。
扩展应用4个场景
基于车辆管理的ETC扩展应用，在广东大致有4个应用环境：高校、高档小区和商业区、海关港口、政府机构等。
据庞志雄介绍，已经有华南理工大学、华南师范大学、华南农业大学、中山大学、广东外语外贸大学等十几所广东省内高校上线了ETC系统，用于学校门口的车辆通行，ETC在高校的推广顺利而且迅速。这一方面是由于高校进出车辆确实很多，对于不停车收费所带来的快速通行有刚性需求；另一方面，虽然ETC的成本远高于一半的停车刷卡装置，但考虑到投资回报率，高校中舍得花钱投入这笔资金。
在高档小区和商业区，开发商希望利用ETC提供更好的居住体验，因此把ETC当做一种为业主提供的增值服务。庞志雄说：“现在，我们已经与富力地产等开发商展开合作，目前来看，开发商对数据的需求并不强烈，我们也没有提供这方面的数据分析服务。”
高校、高档小区使用ETC是为了提升用户体验，而海关港口、政府机构则更强调数据管理功能，可使用BI对数据进行分析，从而辅助监管、决策。
通过ETC系统，可以获取车主个人信息、卡内金额以及通行车速、时间、路径等。在数据获取方面，ETC要远胜于摄像头监控、牌照识别、地感线圈等传统的车辆信息采集手段，采集到的信息也更加全面、准确。
在海关和重要港口，使用ETC的车辆出了高速可以直接驶入码头，无需停车，ETC在提高通行速度、减少拥堵、节能减排的同时，也为管理部门提供了出入车辆的基本数据。
政府、事业单位等机构，出于安全需求，也上线了ETC系统，例如用于对数据准确度和质量要求较高的监狱出入管理，通过分析每日车辆的进出记录，来核查是否存在非正常通行车辆。
为政府提供分析报告
高速公路中的ETC系统可以记录下车主信息及收费金额，而城市中的ETC系统则能找出车主的日常出入时间等。如何充分利用这些数据，使ETC的价值最大化？
目前，高速公路ETC联网数据分析和城市中单个ETC数据分析都已经成熟应用。
平日的ETC收费数据都被存储到基础数据库中，交通部门可以随时调取、查询。除此之外，联合电子也会配合政府需要，利用BI软件分析ETC数据，不定期地提供一些分析报告。
庞志雄举例介绍：“去年，国家开始推行高速公路节假日免费通行，在免费期间，入口和出口车辆都不缴费刷卡，根据ETC获取的车辆通行数据，我们可以估算、统计出在国庆7天中，实际上免了多少车辆的通行费用。这个数据提供给政府后，政府再去评估免费政策真正为出行车减免的金额。这是我们最常做的一个数据分析工作。”
利用ETC数据的不仅限于交通部门，为了配合公安部门打击犯罪分子，联合电子会做一些车辆去向追踪的分析。庞志雄告诉记者：“只要有关政府部门对于ETC及其他收费数据有需要，联合电子作为大型国企就有责任进行分析、给出报告。”
数据分析的结果同样有利于提高管理透明度，打消公众的疑虑。例如可以评估高速公路投资回报率，回答公众对于高速公路暴利的质疑。
现在很多外资企业、民营企业投资建设高速公路，利用收费数据，高速公路每一条路的投资回报率都可以计算出来，这些数据展示了一条高速公路从投资到现在，成本回收了没有、是否真的存在暴利。以前高速公路费是谁建设谁收钱，而现在全省公路的收费系统都纳入到全国联网系统里面去，收费数据一目了然。正因如此，联合电子也承担着收费清分中心的职能。
总体而言，政府对于数据的需求相对简单，使用的BI技术也并不复杂；有些甚至都不用BI做数据分析，简单的报表就可以完成。
目前，广东省高速公路系统的研究重点是如何主要利用BI工具，为高速公路的投资方做用户行为分析。这些投资方最关心的当属打击偷、逃、漏费问题。
2012年，广东省高速公路系统开始提出开展这项工作，目前收到的成果非常明显。
一般情况下，联合电子会在系统中为车辆从高速公路的A入口到B出口设定正常行驶时间，例如两个多小时，最多不超过三个小时，如果一辆车五六个小时还没有出来，系统就要把这种反常数据提取出来，分析是什么原因导致的，是否存在逃费现象。
利用车牌的对比也可以识别偷费现象。假设一辆车从入口进来时车牌是A，但到了出口的时候车牌变成了B，那很可能是司机中间偷换了ETC卡，“跑长买短”。这些比较常见的逃费行为都可以通过分析识别出来。
从BI到大数据
尽管高速公路ETC联网数据分析和城市中单个ETC数据分析都已经出现应用，但这两部分数据尚未得到有效整合，城市中的全部ETC数据也没有得到整体利用。
相比起来，新加坡的ETC系统更为先进，使用了第二代ETC系统（他们称之为ERP——城市道路拥堵收费系统），除了常规不停车收费应用，这套系统还用于管理城市拥堵、调节车流量。例如在高峰期，车流量接近饱和的时候，通行费就会随之猛增，进程或者经过市中心的车辆可能需要交纳10新加坡币的通行费；而在低谷时，则免费通行。
“一带一路”官网相关负责人向《财经界》记者表示，官网上线一个月来运行平稳，社会反响良好。目前，网站累计访问量已近140万，多数新闻媒体开始转载官网稿件，具备较好媒体传播能力。我们将密切配合“一带一路”国际合作高峰论坛，全力做好报道工作。
事实上，这种底气还来自于官网背后的强大支撑。2015年，国家信息中心先后组建了国家发展改革委互联网大数据分析中心和国家信息中心“一带一路”大数据中心，前者侧重于国家宏观经济监测预测、政策评价等大数据分析，后者侧重于“一带一路”及海外大数据分析，共同为官网提供全方位的数据支撑。
该负责人进一步表示，高峰论坛之后，官网还将着力开展三项工作：一是加快完善网站各项管理制度，加强团队业务培训，保障官网内容生产高标准、高质量；二是马上启动网站二期建设，计划在2017年年底实现俄文版、法文版、阿拉伯文版、西班牙文版上线运行，届时将覆盖全球大部分地区；三是探索开放合作机制，拓展官网信息传播渠道，加强品牌化建设，提升网站综合信息服务能力。
Q ：《财经界》
A ： “一带一路”官网相关负责人
两个“中心”的强大支撑
Q：“一带一路”官网今年3月上线，为什么要成立这个网站？国家信息中心做了哪些筹备工作？
A：深入推进“一带一路”建设，是“十三五”以及更长一段时期我国实行开放发展的重大战略任务，国际国内政府部门和社会各界都十分关注和高度重视。有效打造能够及时在线“一带一路”权威信息和开展交流互动的官方网络平台十分必要。第一，可以全方位、精准化、集成化地和展示我国推进“一带一路”建设的倡议构想、重大规划、重要政策、重要建设需求和成果、重大活动等专项信息，以及各类基础性数据和基本信息，有利于引导海内外广大受众全面、客观、深入、准确地了解当前现状以及发展趋势，增强战略互信；第二，可以借力官网这一开放平台，强化与“一带一路”沿线国家和地区的信息互联互通和交流，以及与广大海内外受众的互动答疑解惑，及r回应国内外关切，积极传播正能量；第三，可以为深化拓展国际合作空间特别是企业合作和人文交流提供可信赖的信息服务，同时未来通过采取与不同国家、地区合作共建的形式，调动更多资源和社会力量参与“一带一路”投资建设和经贸合作。
在这样的背景下，国家信息中心按照推进“一带一路”建设工作领导小组办公室关于建设“一带一路”官网的部署和要求，基于信息中心在网站建设运维、“一带一路”大数据等方面的经验和基础，积极整合各方资源，创新建设模式，自2016年4月启动官网建设工作。一年来，在亿赞普集团的大力支持下，我们建立了专业的网站建设队伍，完成了从栏目体系设计、页面设计、功能设计、前后台搭建、内容采集和编辑上传、配套制度和标准制定等工作，并在上线前对网站安全做了重点加固。3月21日，官网正式上线运行。网站上线引起社会各界广泛关注，目前运行状态良好，用户访问量逐周增加，实现了良好开局。
Q：2015年，国家信息中心组建了两个“中心”―― 国家发展改革委互联网大数据分析中心和国家信息中心“一带一路”大数据中心，能否为我们介绍一下这两个中心的相关情况？它们与“一带一路”官网之间又是什么关系，工作上是如何互相配合的？
A：为贯彻落实国家大数据发展战略，提升以大数据支撑国家发展改革委核心业务的服务水平，2015年4月，国家信息中心组建国家发展改革委互联网大数据分析中心，主要面向国务院、国家发展改革委、各级发改部门和相关政府部门提供互联网大数据分析与决策支持。
同时，为更好服务国家“一带一路”建设，2015年12月，国家信息中心联合亿赞普集团共同发起成立了国家信息中心“一带一路”大数据中心，该中心以“一带一路”大数据开发应用为重点，以支撑政府决策和服务企业及社会需求为导向，以广泛深度归集全球“一带一路”相关信息并建设综合数据库为基础，以打造若干专业化、开放性、机制化大数据合作平台为抓手，以中国一带一路网和一带一路大数据综合服务门户为载体，打造基于大数据的“一带一路”特色智库，为有关政府部门和社会提供多元化、个性化、可视化的大数据产品和服务，提升“一带一路”大数据决策支持能力和综合服务水平。
国家发展改革委互联网大数据分析中心主要侧重于国家宏观经济监测预测、政策评价等大数据分析，国家信息中心“一带一路”大数据中心主要侧重于“一带一路”及海外大数据分析。这两个中心为官网提供主要的数据支撑。
Q：大数据在一带一路战略实施中有何重要意义？
A：“国之交在于民相亲，民相亲在于心相通”。信息是中国与“一带一路”沿线国家加强沟通、扩大共识、深化合作的重要基础，是政府和企业决策的重要依据。“一带一路”横跨亚、欧、非大陆，涉及国家众多，各国经济发展水平、资源禀赋、基础设施、政治制度、投资环境、人文风俗千差万别。如何消除建设过程中的信息不畅通、不对称，构筑快捷、通畅的信息“高速路”，不仅是促进民心相通的基础工程，更是推进“一带一路”建设、促进区域内国家均衡发展的必然要求。正所谓“兵马未动，粮草先行”，当前我们正处在大数据时代，信息不仅是核心资源，还是关键的生产要素。对信息资源掌握的多寡成为国家软实力和竞争力的重要标志，很大程度上决定企业竞争力的强弱，也影响着合作共赢的实现效果。构建“一带一路”大数据决策支持体系，加强对“一带一路”相关信息和数据的采集存储与分析挖掘，对于支撑“一带一路”战略决策和服务企业“走出去”都具有十分重要的意义。从2015年开始，我们探索创新从大数据应用角度开展“一带一路”常态化信息归集和大数据专项分析，每半个月向“一带一路”领导小组办公室和国家发展改革委提交大数据专题分析报告，领导批示率很高。2016年10月，我们基于前期工作基础，结集出版了《“一带一路”大数据报告（2016）》，获得了社会各界高度关注和一致好评。
Q：“一带一路”大数据中心要打造成为基于大数据的“一带一路”特色智库，目前来看，成效如何，可以提供哪些大数据产品和服务？对这个特色智库的功能我们可以有哪些期待？
A：目前“一带一路”大数据中心主要进展包括：一是形成了包括国际互联网、国内互联网、国内统计、国外统计、核心业务、共享交换等六大类数据源的“一带一路”数据资源归集体系，于2016年2月26日建成“一带一路”综合数据库（一期）工程；二是基于数据库及大数据分析技术，形成了多样化大数据分析产品，建立了常态化“一带一路”大数据决策支持机制，已陆续向国家推进“一带一路”建设工作领导小组办公室报送了50余份大数据分析报告；三是开通了一带一路大数据综合服务门户，积极承建国家“一带一路”官网，初步形成“一库两网”的集成融合体系；四是积极推进分中心建设和行业合作。先后与海南、大连、重庆等地签署战略合作协议，共建地方分中心。推进与中央电视台、北京大学等有关机构合作取得积极成效；五是研发了基于大数据的“一带一路”系列指数，出版了《“一带一路”大数据报告（2016）》，了《“一带一路”贸易合作大数据报告2017》，国家信息中心“一带一路”大数据品牌影响力进一步提升。
下一步，我们将继续围绕打造“一带一路”大数据特色品牌的目标，努力橛泄鼐霾卟棵藕蜕缁崽峁多、更好的大数据产品和服务。
将进一步助力国际合作
Q：做好宣传、讲好故事是“一带一路”倡议推进中的重要工作，官网的重点栏目设置都有什么考虑？除了单纯的信息收集，还有哪些宣传路径？
A：官网的重点栏目主要围绕传递信息、沟通文明、合作共赢的基本宗旨设置，目前设置了海外要闻、国内要闻、政策环境、五通发展、基础数据、企业风采等主要信息类栏目，同时开设“一带一路”基础数据库、政策库、项目库、企业库与人才库等服务类栏目，以及共话丝路、留言板等互动类栏目。上述栏目设计配合新媒体和新技术传播方式，旨在建立起国内外关于“一带一路”的权威信息体系，全面生动反映“一带一路”方方面面的进展，科学准确阐释“一带一路”核心理念。
中图分类号TP392 文献标识码A 文章编号 1674-6708（2012）65-0198-02
1 客户满意度及数据挖掘
1.1客户满意度
客户满意度是使客户在购买或使用了某种产品并接受某项服务之后，形成的满不满意的态度，是对客户满意程度的度量。
1.2数据挖掘
数据挖掘是从大量不完全的随机的应用数据中提炼有指导意义的数据，这些数据是潜在有用的信息。通过对数据的研究分析，提取知识和信息的过程。
2 数据挖掘技术在客户满意度提升中的应用
当今全球经济正飞速地向企业管理数字化的方向发展，数据挖掘技术是一个获取保持并增加可获利顾客的过程，数据挖掘技术提升客户满意度体现在如下几个方面：
1）在汽车行业竞争激烈的今天，汽车行业正处在向“以客户为中心”转移的变革阶段，通过建设统一的客户信息管理平台，优化现行的汽车营销模式，同时通过数据挖掘技术对客户信息进行全面管理，提高客户满意度和忠诚度，对汽车行业来说变得尤为重要；
2）运用多种数据分析方法对数据细节进行综合和分析，达到以下目的：
（1）针对数据分析主题可灵活建立相应的分析指标体系；
（2）分析计算客户满意度各项指标的度量值；
（3）根据不同的指标体系进行客户特征分析；
（4）根据多个角度归纳客户细分因素并进行客户细分；
（5）按所需的时间和空间粒度，分析不同客户群体及其各项满意度指标的关联和变化；
（6）按所需的时间和空间粒度，分析各关键因子影响满意度的权重，提示服务改进方案。
3）更有效的识别客户的价值，提供优质的个性化服务。根据“二八定律”在企业的满意度战略中的应用，即20%的忠诚客户能创造出企业80%的收益，这20%的忠诚客户是企业生存和发展的支柱。可见，客户价值有很大的区别。三、客户满意度数据查询分析系统设计
M公司已经进行了多年的客户满意度调研，以后每年还将继续开展这个工作。因此，需要建立客户满意度数据库，对数据进行深入挖掘和分析，加强客户关系管理。根据满意度数据，建立统一的满意度数据库。
根据满意度数据库，建立相应的分析指标体系，可以随时对满意度信息、生活形态、购买行为、人口统计信息、心理特征等数据进行对比分析。实现对总体、区域、省份、城市、单店的分析。
建立的统一的满意度数据库，其结构适用于存储和管理同类质不同渠道的市场调研工作获取的信息（满意度信息、生活形态、购买行为、人口统计信息、心理特征、客户特征信息），包括：委托第三方进行的满意度调查结果、M公司本部进行的满意度调查结果、战败客户调研结果等。
不同渠道来源的满意度调查数据统一在一个平台上进行管理，并可根据用户需要分别提供前端分析和查询，不同渠道的调研结果得以相互对比和印证，使用户得以从不同视角更全面地了解信息。
通过以下几个角度对满意度数据进行应用提升：
1）满意度的季度趋势预测和异常检查
对未来一季度的满意度变化进行预测，并通过事后检查发现工作上的异常。利用最近历史数据，通过数学上的曲线拟合方法来获得满意度分值在自然状态下的变化趋势（自然状态是指对服务工作没有进行特别干涉的情况）。系统可根据这种趋势对未来某个季度的满意度分值水平进行预测。当两者的误差超过合理范围时即做出发现异常变化的提醒。提醒管理者及时从某些区域和工作环节中寻找满意度出现异常变化的原因，及时对工作进行总结，发现和发扬好的工作方法，检讨和改正不良的工作方法。预测首先是整体，然后从区域和工作两个维度进行单独的趋势分析，使出现的异常可以定位在具位的区域或工作环节上。
通过数学方法，可以利用一定的历史数据对数据变化作出曲线拟合，通过特定计算很好地逼近数据变化的趋势，也是一种常用的预测方法。对于客户满意度，可以认为过去最近一年的市场和工作影响因素与今年最为接近，各季度的满意度变动趋势也相似，因此以去年各季度的满意度分值开始建立趋势线；同时，新季度的自然变化应符合最近已发生的趋势，因此，本年度已过去的各季度的满意度分值也入来修正趋势线。曲线时间轴上最右边的点为新季度的预测点，并给出该点的误差有效区间。每个季度实际分值落在误差区间以内为正常，落在误差区间以外则为异常。
在新年度开始时，系统首先从满意度数据库中提取过去一年各季度满意度分值,依据这些数据产生初始的拟合曲线。
系统通过对上年四季度历史数据进行运算，获得对历史时间点误差最小的拟合模型。其拟合曲线最好地表现了去年各季度的满意度变化趋势，并可逼近新时间点的值。系统根据模型自动计算出新年第一季度的预测分值。
由于满意度的客观影响因素比起上年总会有变化，因此随着时间的变化，初始的趋势线可能与现状误差较大，需要不断进行修正。修正的办法是每个季度过去后即在模型中插入刚刚过去季度的数据重新进行曲线拟合。
2）年度计划建议和考核
对改善未来一年的满意度水平提出期望值，建议新年度工作改进计划策略，在计划目标基础上考核实际工作成效。
满意度分值是企业服务工作成绩的量化表现。企业对将来一年的工作都有一个以计划预算来描述的期望值，在总的期望值下分解各项工作指标和资源配置。我们也可以通过对满意度提出期望值，从另一个角度为企业作出工作计划建议。
基于满意度变化与工作资源投入相关（在后页阐述）的理论，我们可以从每年对工作资源投入的计划预算这个角度，为满意度的改进方法作出建议。系统的建议原则是要找到能以最小的工作资源投入来达到预定满意度水平的策略。
当年度调研数据更新后，系统可根据前面所做的年度计划建议与实际的年度调研结果进行对比，从区域和工作环节两个维度考核服务工作成效。
系统从近两年及未来几年调研都采用的稳定的满意度指标结构中选取全部或部份需要关注的指标组成一套新的指标结构，作为预测计划的指标结构。其中，在新的指标结构中起始权重直接采用调研结果权重，经过标准化后（Rj/∑Ri，Rj为第j项权重，∑Ri为权重之和）成为新的权重结构。
系统认为企业所采用的指标体系是可信的，依据“满意度分值与资源投入成正比”和“权重与对资源的需求量成正比”的原理，根据本年度客户满意度调研结果中各区域、各省市的各分项指标的分值，在人为给定下年度整体满意度的一个提升期望值后，以追加资源投入最少为原则，计算输出最优化的工作改进建议。输出结果以区域省市为空间维度，以分项指标代表工作项目，详细列出下年度各项工作的预测分值和追加资源投入比例。
计划建议模型输出的结果是站在分析满意度变化的角度，帮助企业观察在每个区域、每项工作环节上应投放的工作侧重，以及采用不同的工作侧重会对满意度产生什么样的影响。
3）增强主题分析功能
增加满意度短板探测功能。
提供满意度短板探测功能，可以按分项指标分值范围等参数预设多种探测条件，系统可自动根据这些预设参数，在历年的数据中检索并输出符合条件的样本数据，并提供对筛选出来的数据进行再分析的功能。
增加数据分析报告的输出功能。
提供某些报告输出功能，可按照M公司提供的某些暨定的模板格式，可以按页、按册、按批量自动输出Excel、PDF等格式的数据分析报告，其中，批量输出方式可以自动按经销商和按区域批量输出数据分析报告，节省人工处理报告的工作量。
增加分析区域预设功能。
提供分析区域的预设功能，使操作人员可根据需要从当年的调研数据中抽选出与JD Power调研范围相同的城市作为满意度分析的区域，并按照这种区域结构对客户满意度数据进行观察和对比分析。
3 结论
建立并改进满意度数据库查询分析系统，对客户信息数据进行收集及处理。收集客户信息及反馈，对于高客户满意度来说是尤为重要的。只有理解了客户的观点，并从客户视角来研究产品及服务，才能从更深的层面来提升产品及服务。对客户信息数据要进行处理，发现其中有关客户满意度的模式，再调整相应的有效策略及形成决策支持。本文期望通过对M公司满意度数据查询分析系统的研究，能给汽车行业客户满意度的提升，提供一些帮助并做出一定的贡献。
数据挖掘作为在海量客户信息中发现客户行为模式并挖掘影响客户满意度关键指标的一种现代技术，为企业制定和调整经营决策起到了有效的指导性作用。随着数据挖掘技术的不断成熟，“以客户为导向”的经营决策也必将体现出其更大的价值。
参考文献
[1]刘菲.基于数据挖掘技术的客户满意度的提升.华章，2011(31).
