企业经营数据分析

随着大数据技术逐步在企业端应用，越来越多的企业在利用数据技术提升管理效率和决策的科学性。企业对数据分析人才的需求也越来越旺盛，对管理者的数据分析能力也提出了新的要求。但是目前关于各种企业经营数据分析的培训不多，图书也比较少，社会上的职业教育机构与大专院校虽然开始培养该方向的人才，但远远未能满足企业的需求。

笔者撰写本书的目的是为从事企业经营数据分析工作的人员以及企业中的高层管理者提供数据分析的思路和方法。这些思路和方法是笔者在长期工作中以及在为企业提供数据化管理咨询服务项目中总结和提炼出来的，并结合企业实际应用场景进行介绍，具有实用性和适用性。

本书具有以下3个特点。

启发性

本书重点强调的是思路和方法，“授人以渔”的理念贯穿始终。举一个例子，波士顿(BCG)矩阵或者麦肯锡-GE矩阵是用来评价产品和业务以及规划业务线或者产品线的，它是一个工具，其背后就是矩阵的思维方法，即从两个维度对一类事物进行评价。通过这个分析方法，我们可以对产品、客户、区域市场、业务团队进行评价；在维度选择上，我们可以选择不同的衡量指标，例如规模指标、速度指标、效率指标、效益指标、竞争力综合指标等。本书介绍了大量类似的分析数据思路，这也是本书最大的特色之一。

实用性

本书内容来自笔者长期从业经验的总结，所有内容都是从企业的实际应用出发，并且涵盖了多个行业，其中包括生产制造业、零售服务业、电商行业等，读者可以将其中的思路和方法轻松地应用到实践工作中。

延展性

本书不是简单地演示一个案例的具体操作，也不是描述一个方法的细节，而是通过思路和方法的理论性总结，让读者学会数据分析的思路和方法，从而能够将一个场景下的分析方法延伸到更多的场景下。例如，基于人事矩阵的策略不仅能用在企业与客户纠纷处理中，还可以用在社会关系处理、家庭关系处理等场景下，这种延展性大大增加了本书的适用范围。

通过阅读本书，企业的管理者可以提升数据分析的能力，数据分析师可以开拓思路，提高解读数据的能力。另外，本书还可以作为企业内部的数据分析培训教材。

作 者

赵兴峰

北京大学、新加坡国立大学MBA双硕士，西安交通大学工学学士，北京信宜明悦咨询有限公司创始人。

具有20年跨国公司经营数据分析实战经验，曾就职于宝洁、惠氏、摩立特、LG电子等国际知名企业，从事市场研究、商业智能、战略研究等。

目前专注于大数据时代下政府和企业的数据治理、数据统筹、数据分析和数据挖掘应用推广，致力于推动企业和政府利用数据实现战略转型与升级，构建智慧企业、智慧政府、智慧城市和智慧生态。

第 1 篇概述篇 1

第 1章企业中的大数据 2

1.1 什么是数据？什么是数据技术 3

1.2 数据分类 8

1.3 数据类型 13

1.4 数据结构和数据结构化 16

1.5 数据质量及其八个指标 27

1.6 数据处理与数据清洗 33

第 2章数据分析的目的 42

2.1 数据是数字化的证据——没有记录下来的事情就没有发生过 43

2.2 追溯——追责、求根源、求真相 44

2.3 监控——监督、检查、评估、监控、检测 46

2.4 洞察——探寻规律，掌握发展的钥匙 47

2.5 商机——挖掘未被满足的需求 47

2.6 预测——指导未来实践的规律 48

第 3章数据分析的思路 50

3.1 先总后分，逐层拆解 51

3.2 抽丝剥茧，寻踪问迹 54

3.3 内涵外延，概念清晰 57

3.4 可视化作图——按照认知规律作图展示 58

3.5 识图的九个基本方法 77

3.6 管理常识是数据分析的基础 92

第 2 篇方法篇 97

第 4章对比与对标——识别事物的基本方法 98

4.1 对比是识别事物的基本方法 99

4.2 对比——横向、纵向及多维度对比 100

4.3 比值比率背后的逻辑 104

4.4 指标的逻辑与管理指标 107

4.5 对标的层次和维度 111

4.6 标杆管理与榜样的力量 122

第 5章分类——认知事物的基本方法 125

5.1 什么是分类？为什么要分类？分类的方法是什么 12

5.2 解构事物的三要素——要素、属性和行为 134

5.3 维度分类法 137

5.4 属性分类法 138

5.5 流程分类法 140

5.6 层级分类法 142

5.7 分类中的权重设定问题 143

第 6章聚类——寻找规律的第一步 147

6.1 聚类的基本逻辑 149

6.2 聚类的因子和主成分 152

6.3 聚类的步骤 154

6.4 有序聚类与时间序列聚类 161

第 7章逻辑关系——寻找事物之间的因果规律 163

7.1 相关性与相关系数分析 164

7.2 事物之间的逻辑关系与科学规律 167

7.3 果因关系与因果关系，看不见的事物发展逻辑 168

7.4 事物发展规律的复杂性与科学抽象 171

7.5 因果关系与回归分析 173

7.6 逻辑回归 179

7.7 关联与共生——现象与规律的探寻 180

第 8章预测——数据分析的终极目标 183

8.1 预测是数据分析的终极目的 184

8.2 预测的必要性和误差的必然性 188

8.3 经验预测法 190

8.4 类比预测法 192

8.5 惯性法与时间序列分析 195

8.6 逻辑关系预测法 198

第 9章结构——事物组成的“配方” 201

9.1 解构与结构 202

9.2 结构关系影响着事物的根本属性 205

9.3 结构的基准——激励中的预期管理比实际激励更加有效 208

9.4 关键要素与非关键要素 209

9.5 最佳组合——人、财、物等企业资源的最佳搭配 212

9.6 结构化效率分析 216

企业经营数据分析：

不是数据的罗列，而是管理问题的挖掘

不是泛泛的总结，而是一针见血的洞见

既需要总结历史规律，更需要预测未来走势

既需要规避经营暗礁，更需要筑建竞争壁垒