ETL
文章平均质量分 85
派可数据
总部位于北京,在上海、山东、山西、湖南、广东等地
产品解决方案已经在能源、交通运输、教育、进出口贸易、电商、房地产、汽车、商贸流通、生产制造等多个行业得到广泛应用
团队积累了深厚的技术和业务知识经验,产品和服务赢得了全国各地客户和合作伙伴的高度认可
展开
-
BI财务分析,定位企业业务问题
涉及到很多部门或者维度,比如事业部层面、生产基地层面、销售组织区域层面、产品层面、客户层面等等各个维度的角度去进行各种收入、成本、毛利、费用的分析,通过各种各样的数据分析、逐级汇总形成分析成果,由下而上的支撑到各个级别的管理决策。但是经营分析一定不是的,因为市场环境是动态的、业务是动态的、问题也是动态的,所以经营分析的重点在不同的阶段也一定是不一样的。所以,从狭义的财务分析到广义的财务分析,本身就是一种从财务到业务的深入,从财务分析到经营分析的深入,也是一种从宏观指标到专项业务分析、建议与行动的过程。原创 2023-03-30 15:17:18 · 320 阅读 · 0 评论 -
企业数字化中,BI 有何价值
在近些年的时间里,相关的数字化技术、理念、应用扩散到各行各业,让整个社会开始进行深层次的改变,也让城市建设这种传统的基础建设开始融合数字化,并利用数据结合数据中心、城市大脑等构建新型基础建设模式。数据在这些年的时间中,也逐渐成长为了个人、机构、企业乃至国家的战略资源,被很多人放到“新时代的石油”这一位置上。虽然这个说法也引起了一些争议,但更多只是讨论数据和石油的差异性,却并没有多少人否认数据的价值,这也足以说明数据伴随着数字化的成长,已经发展到了一个新的程度。一、什么是商业智能BI?商业智能BI - 派可数原创 2023-03-29 16:59:38 · 335 阅读 · 0 评论 -
如何优化BI分析报表速度?
第二个点就是商业智能BI分析报表的SQL查询可能返回了大量的数据,比如几十万、上百万、上千万、上亿的数据,这个数据最后打包通过HTTP协议Response响应返回,需要通过网络返回到Browser 浏览器端,几十万的数据可能有上百兆MB,上百万、上千万的数据可能是几百兆(MB)甚至一个GB的数据。所以,商业智能BI分析报表的优化首先要解决的就是在数据库服务器上的查询效率,SQL 的结构要合理、底层数据模型的结构要合理,这是SQL层面的优化,更是数据模型的优化。这样整个从查询到返回到展现的时间都会大大缩短。原创 2023-03-29 16:00:20 · 329 阅读 · 0 评论 -
BI 思维分析,铅酸蓄电池行业的经营框架
在这个领域通常情况下经销商模式主要针对的都是存量电池市场,因为铅酸蓄电池是由生命周期的,有损坏、掉电的情况,就存在着电池回收再利用、换电池的情况,这些就相当于是售后服务,就是各种卖电动车、修电动车的地方,这种通过渠道经销商模式就可以了。如果是直营的,一般就是作为新车配套的产品,将电池销售给整车厂商。这里面就涉及到原材料价格波动带给电池生产成本的影响,要不要提前采购一定的铅,因为产品是存在生产周期的,要设定一些安全库存以免原材料成本的波动涨价带来成本的上升,所以采购看上去是花公司的钱,实际上是为公司赚钱的。原创 2023-03-28 16:24:26 · 227 阅读 · 0 评论 -
用 BI 思维分析,把控现金流量风险
同时,这个影响是一系列的,因为你营运资金减少了,就会更加要求现金寻转周期要缩短,怎么来缩短,压应付,催应收,缩短存货周期。同时,企业出现了大量的赊销,规模性的赊销,这类占比有多大,按不同客户的信用等级在这些赊销里面的占比有多大,会不会有什么风险呢?因为现金流量主要是跟财务相关,所以基本上也是以财务分析指标为主,但是对指标的解读上是完全会从业务的角度、经营管理的角度去思考,思考现金流的风险点在哪里,对于企业的成长和发展有什么样的影响,提前防范,未雨绸缪。比如投资活动的现金流得不到回报,增加偿债的风险。原创 2023-03-27 14:13:29 · 885 阅读 · 0 评论 -
汽车行业,从制造到4S集团的BI可视化
因为新车用户在提车之后在第一次的保养都不选择原店,就意味着这个客户在后续的保养可能也不再回来,一年、两年、三年,这位用户可能就会永远的流失掉,也就意味着以后的保养、延保、事故车维修可能也不会回来。总装如果因某工位而停线,则会造成冲压、焊装、涂装三大线完成的组件无处存放,因此后面的工序一旦停线,则前面的工序也必须一起停线。从分析角度:重点对收入、毛利、费用和效益利润的达成,各项指标的构成,结构比例,进行同比、环比、平均、品牌、地区等进行多维度分析,按月考核运营评价,合理执行运营决策,并明确决策依据。原创 2023-03-27 11:40:34 · 516 阅读 · 0 评论 -
由本溯源,带你探索BI实时性的本质
但这里面就有这么个问题,某些指标想做准实时就不能按照上面的BI数据仓库ETL架构来设计,就需要把这几个指标单独拎出来,把这几个指标的上下游依赖的ODS层、维度层、事实层的指标单独打包来处理,然后在JOB里面单独做定时调度。以往是串行的从下往上执行每个包,一个包的调度等到之前的包的调度执行完毕再执行。但在BI项目里面也有一些例外,比如像实时预警类的、监控类的一些数据指标,对这种数据的实时性要求就会比较高一些,数据延迟时间不能太长,要求达到秒级、分钟级以内,这类数据就需要进行BI实时处理。原创 2023-03-24 12:04:01 · 328 阅读 · 0 评论 -
数字时代,你还不了解数据仓库吗?
数据仓库还有着分层结构,每个分层结构都有各自的作用,比如经常看到的ODS 层、Trans 层、Dimension 层、Data Mart 层等,都是为了将数据从大海中进行筛选,从分散到集中进行高度汇总,形成一个个的主题,为后续的前端数据可视化分析提供数据的支撑。而准确的数据是强大的商业决策的基础。用通俗的话来说就是数据仓库就像一个终端的大仓库,其他小仓库的各种货品会通过各种方式统一存储到这里,然后通过仓库位置的划分、货品的摆放进行归纳分类,实现规范、标准的从存放,到分类,再到使用的完整过程。原创 2022-12-12 15:25:42 · 350 阅读 · 0 评论 -
数字时代,企业应该如何看待商业智能BI
在大数据的数据仓库架构基础之上,往左边更加拓展了数据的采集能力,在中间除了原有大数据架构的数据仓库建模之外,更加加入了数据资产的概念、数据资产盘点、数据资产管理,靠右扩展了数据服务的能力,将数据中台中按照一定规则处理好的数据打包对外提供服务。这种独立的、单独的面向前端的商业智能BI分析工具,他们更多的定位是部门级和个人级的商业智能BI 分析工具,对于深层次的需要复杂数据处理、集成、建模等很多场景是无法解决的。企业的高层、业务部门的管理人员为什么要通过商业智能BI去看报表,他们看的是什么,重点关注的是什么?原创 2022-12-12 14:48:51 · 437 阅读 · 0 评论 -
餐饮行业的成本率与毛利率
在预测营业额与成本管理时,ABC分析法是必要的,在一段时间内可以确定消费者欢迎的菜点,对原材料的购进与存货进行调整,首先根据周、月销售量表将各类商品从销售额最大的依次排下,依序除心总销售额,得出每种商品的销售额比例,将此比例从最大比例开始加总累计至75%时,即A类产品,接着累计到95%时称为B类产品,剩下的5%为C类产品。当然成本率的降低并不是无条件,无约束的,成本率是考察成本变动和企业经营能力的重要指标,将成本率控制合理的范围是经营成功的关键。威望常用的指标是成品销售价格和成品的耗料成本。原创 2022-12-09 19:33:12 · 1312 阅读 · 0 评论 -
企业数字化时代,浅谈数据分析报告
在专题分析中,数据分析师更多是针对某个部门,亦或是一整条业务线进行分析,这样就可以得到更加精准的结论,剖析出企业业务发展中遇到的问题,并通过多维度的分析得到一定的解决方案。所以数据分析师在进行业务分析时,会采用非常多的分析方法,通过对某个业务线环节及上下游的微观数据,发现数据指标之间的规律和联系,分析出业务发展情况,如何进行优化。在大数据的背景下,海量的的数据伴随着我们的生活和工作,那些堆砌的数据,罗列的信息,并不能为我们带来任何价值和意义,此时,就需要对这些数据进行专业的分析。原创 2022-11-08 17:22:14 · 486 阅读 · 0 评论 -
数据可视化在企业应用越来越广,为什么企业需要数据可视化?
数据可视化通过各种统计分析方法,丰富的业务数据以及柱形图、折线图、饼图、面积图等,制作出各种能够清晰有效传达数据信息的可视化报表,让企业能够切实有效的利用数据,而不是看着传统数据分析中大量的文本和数据一脸懵,甚至还需要通过大量学习才能认真了解数据分析的表达。在持续的业务流程中,企业通过业务系统在后台数据库中沉淀了丰富的业务数据,这些数据都是潜在的资源,通过数据可视化企业能够将这些数据资产价值化,提供各种数据可视化报表来满足企业不同人群的需求,促进业务的发展,提高决策的有效性。原创 2022-10-09 14:11:10 · 530 阅读 · 0 评论 -
如何提升数据敏感度、数据分析思维、数据分析能力?
为了提升这种效率,就会学习和掌握一定的数据知识,与数据分析相关的技术或者工具,比如数据库的SQL操作能力,EXCEL、BI自助分析工具等等,通过这些技术或者工具可以大幅提升自己的工作效率,借助可视化分析更高效率的去设计分析场景,假设一些分析结论,再通过数据去验证分析场景,总结形成规律、举一反三。这个问题比较难回答,是一个很系统性的问题。所以,我的这个逻辑就是培养数据分析思维的前提是培养分析思维的能力,培养分析思维的能力实际上就是培养思考力的过程,而培养思考力没有什么捷径,单纯就是就是勤思考、好奇心、专注。原创 2022-10-09 14:07:42 · 1017 阅读 · 0 评论 -
数据指标是什么?简单聊聊企业的数据指标体系
举个简单的例子,销售部门的业务快报、区域销售分析、产品销售情况,市场部门的地区市场分析、市场趋势变化、市场竞品情况以及高层管理人员的管理驾驶舱、核心KPI指标监控、集团看板等都是依靠数据指标体系构建的数据可视化报表系统,满足了企业对于数据展现的需求。顾名思义,数据指标体系就是将企业的业务过程指标化,然后将零散的数据指标整合成为容纳企业所有指标的体系,并通过技术手段,从不同的维度梳理业务过程,将零散的、有关联性的指标按照业务模型对指标不同的属性分类及分层。数据可视化 - 派可数据商业智能BI可视化分析平台。原创 2022-09-20 13:20:42 · 538 阅读 · 0 评论 -
多维分析,为什么企业开始大规模应用商业智能(BI)
这种独立的、单独的面向前端的商业智能BI分析工具,他们更多的定位是部门级和个人级的商业智能BI 分析工具,对于深层次的需要复杂数据处理、集成、建模等很多场景是无法解决的。从市场宣传和销售的角度来说,简化产品的复杂度和上手难度的宣传是没有问题的,有问题的是以一种错误的讲解、不专业的讲解最终误导企业接受了这些不正确的概念,并以这些不正确的概念来评估与规划 商业智能BI 项目的建设,没有充分预计到 商业智能BI 项目建设过程中可能会遇到的挑战与风险,最后导致项目的不成功与失败、反复建设。原创 2022-09-19 14:27:32 · 475 阅读 · 0 评论 -
企业纷纷选择数字化转型,数字化转型给企业带来了哪些提升?
意味着企业能够通过数字化技术,例如云计算、大数据、人工智能等,对企业从技术上进行变革,发挥出新技术的能力,为企业赋能:也意味着企业能够把沉淀的大量数据变成数据资产,并通过数据分析、数据可视化等将数据资产价值化,利用得到的信息和知识,洞察和决策企业的未来发展。这些都是当前环境下,数字化转型带来的新机遇。只要企业能够持续坚持数字化转型的路径,就能通过新一代的数字化技术为企业发展赋能,不仅可以提高企业的运转效率,提高洞察决策的精准度,还能很大基础上降低原有的成本,发挥数据价值,为企业带来更多收益。原创 2022-09-16 11:54:55 · 1241 阅读 · 0 评论 -
企业数据治理,并不止于数据
就比如常说的数据治理,这个话题其实之前也有聊过,一直在说数据治理对企业的重要性,以及没有数据治理时,企业的数据质量可能很低、数据也会存在很多错漏,这样数据是形成不了高价值资产的。数据文化是企业利用好数据的前提,不然即使你完成了数据治理任务,得到了优秀的数据资产。数字化时代,数据的重要性已经上升为国家安全战略,人们已经离不开数据,并把数据当成一种身体的延伸,开始淡化情感等主观因素的影响,用用事实和数据来思考问题、解决问题,这既是建立数据思维、形成数据文化的过程,也是数据文化的优势所在。原创 2022-09-15 11:23:08 · 437 阅读 · 0 评论 -
从实体经济和数字经济融合展开,思考商业模式的变化
这些融合虽然对企业原有的模式造成了一定影响,但是却从庞大的8.42亿网络用户购物中开辟了新的道路,得到了新的巨大的发展空间,这就是融合给商业世界带来的新的模式。在互联网赛道发展的企业毫无疑问得到了21世纪最大的风口红利,并且因为相关理念、技术、文化等的传播,各行各业的企业开始推进与互联网的融合,也就是火爆的“互联网+”时代。此外因为娱乐行业的规范活动,很多传统意义上的艺人没有了太多的前路,已经开始打造以及的虚拟艺人以及虚拟偶像团体等,虽然还都只是人类的演绎,但呈现在屏幕上的都是虚拟的形象。原创 2022-09-08 13:08:06 · 324 阅读 · 0 评论 -
深度分享:OLAP CUBE、空间换时间、MDX(上)
所以数据人员就在想,如果我们能够提前把所有可能分析的维度和维度属性Dimension and Attribute 和所有可能分析的度量Measure 全都组合好,全部算出来把结果提前存储起来,这样后面不管什么样的用户用什么样的维度和度量(指标)组合分析,都不需要临时计算,直接去结果,这样性能是不是就可以实现百倍、千倍甚至万倍的提升了?比如之前发过去的SQL查询返回的就是一张事实表,里面的度量是固定的,分析的维度属性也是固定的。一个是代表BI的分析型系统,主要是处理分析的,典型的代表就是数据仓库。原创 2022-09-08 12:12:56 · 585 阅读 · 0 评论 -
把握好数据要素,才能抓住数字化时代的浪潮
严格来说,数据要素市场是一个充满潜力的未来市场,其中包含数据采集、数据存储、数据加工、数据流通、数据分析、数据应用、生态保障七大模块,基本囊括了数据的全生命周期。有人可能想到了之前发过的数据资产管理的重要性,可能还会有些疑问,数据要素是什么?到现在为止,关于发展数据要素的各种政策以及规划在不断公布,各地方也都在实际行动上进行了支持,前些天通过的《关于构建数据基础制度更好发挥数据要素作用的意见》也证明了数据要素依旧是当下发展的重要目标,而强调的数据要素市场化更是发挥数据要素价值的重要举措。原创 2022-09-07 12:09:30 · 191 阅读 · 0 评论 -
OLTP vs OLAP 区别和联系
但是OLAP本身就不是面向业务交易信息的,不对业务过程负责,并且数据也不会频繁修改,所以是没有完整性约束这一说的。OLAP系统主要是面向分析型应用准备的,因此在底层数据库即数据仓库的设计上通常会采用反三范式的方式,比如Kimball 的维度建模方式,刻意的保留数据冗余,很适合分析查询操作。当然,在OLAP系统底层数据仓库的架构中也有采用3NF建模的,主要目的是为了统一业务数据标准,但真正面向分析服务的时候还是会在3NF的基础上再构建一套反三范式的Kimball星型模型或者雪花型模型的数据架构。原创 2022-09-07 11:44:06 · 7622 阅读 · 0 评论 -
数字化时代,企业为什么需要进行数据资产管理?
这些服务于企业的业务系统,在运转中沉淀了大量的业务数据,但因为这些数据分散在不同的业务系统中,没有统一全面的统筹规划,也没有能够统一存储的数据仓库,就导致这些数据质量参差不齐,标准也无法统一。而对于本身就非常重视数据的企业来说,对数据的利用越来越常见,相应的关于数据资产管理的需求也就不断增多。数据资产管理不是什么一次性的工程,而是一套完整的包括数据标准管理、元数据管理、数据质量管理、数据安全管理、数据价值管理等在内的体系化的解决方案,涉及企业原有的一切,需要企业全体员工的共同参与。原创 2022-09-06 14:46:38 · 512 阅读 · 0 评论 -
企业数字化建设(一):典型的长期小事型大事
后来到了一家新的企业,带着同样的思维和惯性来要求新的团队,还是按照之前的经验只抓大事,对长期小事型大事不重视、不感冒,把任务往下一扔,团队能不能接得住没有去提前去判断。从数字化建设的时间分配上来看,就是5%的时间定战略和规划,5%的时间做技术路线和选型,剩下90%的时间就是简单重复性工作,不断的重复各种各样很不起眼的事务性工作。但实际上不同的行业、企业,成长阶段的不同、业务模式的不同、管理模式的差异、信息化基础的投入不同、人才的差异等等决定了经验是很难通过复制落地的。基础数据的维系、优化、规范控制等等。原创 2022-09-06 14:09:32 · 143 阅读 · 0 评论 -
商业智能BI的前景如何?看完这篇文章你就明白了
在大数据的数据仓库架构基础之上,往左边更加拓展了数据的采集能力,在中间除了原有大数据架构的数据仓库建模之外,更加加入了数据资产的概念、数据资产盘点、数据资产管理,靠右扩展了数据服务的能力,将数据中台中按照一定规则处理好的数据打包对外提供服务。商业智能BI是目前大多数企业突破数据孤岛封锁的重要方案,商业智能BI可以利用数据仓库统一储存各业务系统数据库中的数据,并通过ETL和数据模型对数据进行分类分级,以指标的形式规范的储存在一个大的数据库中,将数据孤岛的风险解决,以全面视角展现企业整体的发展状况。原创 2022-09-05 12:26:06 · 380 阅读 · 0 评论 -
经营分析会上,销售和财务老打架,老板很抓狂,该如何解决?
大家在企业里面做商业智能BI经营分析需求沟通、调研的时候有没有听到过这样的吐槽:比如财务部门会吐槽销售部门,有些明显跟财务相关的业务指标,这些数据你们是怎么统计出来的,这些数据是从哪里取的,怎么算的,有没有跟财务部门确认过?因为这里面很多的、大量的数据都是从系统导出来的、人工处理计算的,时效性有延迟、周期拉得很长不说,人工统计的数据还是会存在错误的可能,并且有时为了一个更加合理的解释,对数据进行了手工的调整,这样的数据说服力就不足了。但是从财务的角度来说,对收入的最终确认就是要扣除掉增值税的。原创 2022-09-05 11:48:03 · 221 阅读 · 0 评论 -
数据成为重要资产,企业应该如何保护数据安全
因为数字化的发展已经扩展到社会的方方面面,所以对于企业来说用户数据、市场数据、产品数据、品牌数据、销售数据、运营数据等等都是能够接触到的数据,其中大多数也是企业能够获取并存储为资产的数据,那这些数据都需要经过严密的安全防护吗,答案是不必的。事实上企业的很多数据都是没有太大价值的,并且很多数据价值也比较有限,如果都进行安全防护,那员工在使用的时候就会面临权限问题,可能会导致流程异常繁杂,降低运转效率,徒增了人力、时间等的成本,这也就是为什么企业会通过数据分类分级来进行安全防护。原创 2022-09-02 14:38:03 · 2048 阅读 · 0 评论 -
“两利四率” 、“两增一控三提高” 央企考核指标解读
一控指的是要把资产负债率控制65%以内;营业收入利润率衡量企业的获利能力,该指标不仅考虑利润额绝对数的多少,还要与其经营成本进行对比,所以它是一个相对数。研发投入强度是衡量一个企业在研发和创新上的投入力度,这个指标越高,对于企业的长远发展就越有利,而且科研具有一定的外溢性,有利于整个国民经济的发展。其中的劳动生产总值是指在各种生产中创造的信的总值,是企业产出与投资资金的全部差值。有一点需要注意的是不同行业、不同业态的企业之间不能直接互相进行比较,因为不同行业之间营业收入结构的构成差异性还是非常大的。原创 2022-09-02 12:16:00 · 724 阅读 · 0 评论 -
不要再把数据可视化搞成表面工程,论数据可视化的正确逻辑
通过商业智能BI制作的数据可视化还具有多终端的功能,可以在PC、移动、大屏等不同平台展现相应的可视化报表,实现多场景的使用。也可以换一种说法,数据可视化其实就是数据分析的延伸,是指在数据分析基础上,通过图表分析以及图表展现,并利用动效、布局、联动、钻取等功能,制作企业日常经营中经常能用到的可视化报表、可视化大屏等。优秀的数据可视化体现的是企业的业务和管理思路,需要通过自上而下、层层推进的基本逻辑把业务数据体现在可视化图表中,提炼分析出真正能够对企业发展提供结论的信息,促进企业的健康持续发展。...原创 2022-09-01 13:08:54 · 237 阅读 · 0 评论 -
财务分析就是财务报表分析吗?
基于财务报表的狭义的财务分析更多的是一种外部的视角,比如外部投资者、债权人、监管机构、企业高层管理人员看的是企业的整体价值。在之前的文章中提到过广义的财务分析和狭义的财务分析,简单再来总结说明下,可以简单理解为比如基于ERP数据为基础的财务分析就是广义的财务分析,基于财务报表的财务分析就是狭义的财务分析。所以广义的财务分析需要更多的、深入的、多元的业务运营信息来解剖财务、业务维度之间的数据关系,各种预算、差异、原因探察分析,面对各种责任中心对经营业绩进行详细的分析。...原创 2022-09-01 12:35:21 · 460 阅读 · 0 评论 -
数字化时代,低代码是企业的未来共识吗?
一方面进入互联网时代后,人类社会就已经进入了高速发展的阶段,各种想都没想过的场景出现在人们的面前,移动互联网更是直接把手机变为了人类身体的延伸,并通过在线社交、远程视频、网络娱乐、网络购物等等应用加快了社会的资源配置能力,从整体上提高了人类社会的效率,也加快了整个社会的节奏。商业智能BI作为打破数据孤岛,统一储存、处理企业数据,制作可视化报表的重要数据类技术解决方案,不仅拥有各种重要的功能模块,还通过低代码节省了大量人力、时间、精力等成本,极大增强了企业数据的利用效率,促进了业务的健康发展。...原创 2022-08-31 12:07:11 · 179 阅读 · 0 评论 -
CEO问CIO:数字化运营到底要解决什么问题?
数字化运营比一般的业务运营更加加入和利用了数据、数字化技术手段,为企业的业务战略和决策提供了更加精细化的、可量化的、科学的数据支撑,从而有效的提升业务效率和管理效率,更好、更快、更优的达到企业经营和运营目标。从企业高层管理的角度可以非常方便的通过数据一看到底,不同的业务板块、业务条线的业务,不同的组织、部门的业务效率,一线的业务实际情况等等,想看就看,一看到底。更加深入的数据驱动、更加高效的协同配合、更加精细化的一看到底来支撑更加准确的科学决策,这就是数字化运营在传统的业务运营基础上加入的数字化的元素。..原创 2022-08-31 11:36:15 · 319 阅读 · 0 评论 -
数据中台不是万能钥匙,企业需求才是数据中台建设的根本
首先数据中台的建设需要企业投入大量资源,并且建设还需要花费企业本身的人力、物力、时间、精力等,如果企业的规模比较小,亦或是没有留出数据中台建设的专用资源,那么到最后可能数据中台就不会达到想要的效果,甚至可能影响企业本身的业务的经营。数据中台是从一线业务中诞生的,自阿里确定概念之后,数据中台就基本确立了建设规范。此外,根据上边的描述大家应该都明白数据是数据中台的核心,如果企业还没有进行过信息化建设,没有为各部门安装业务信息系统,那么企业就没有沉淀的大量业务数据,也就没有建设数据中台的前提条件。...原创 2022-08-30 14:11:44 · 550 阅读 · 0 评论 -
BI业务分析思维:生产制造供应链订单交付优化分析三种方式
所以面对系统性的问题,要有能力去解决系统性问题的前提就是能够系统性的以这种多维的视角去看到这些问题、分析这些问题,这就需要信息化的支撑、需要依靠数据指标的定义、数据计算规则的梳理、数据分析手段把一个系统性的、实际的业务表现给呈现出来,之后时候我们才能细致的分析、思考每一个环节到底怎么来优化,什么地方的优化可能还会导致其它的什么问题,这些都是我们企业需要去思考的。并且增加库存和产能,运营成本也是在持续增加的,订单的响应能力不见得变强反而可能会变得更弱,持续下去,企业的盈利能力是在下滑的。...原创 2022-08-30 13:05:33 · 764 阅读 · 0 评论 -
一文详解!你真的了解商业智能BI吗?
这种独立的、单独的面向前端的商业智能BI分析工具,他们更多的定位是部门级和个人级的商业智能BI 分析工具,对于深层次的需要复杂数据处理、集成、建模等很多场景是无法解决的。从市场宣传和销售的角度来说,简化产品的复杂度和上手难度的宣传是没有问题的,有问题的是以一种错误的讲解、不专业的讲解最终误导企业接受了这些不正确的概念,并以这些不正确的概念来评估与规划 商业智能BI 项目的建设,没有充分预计到 商业智能BI 项目建设过程中可能会遇到的挑战与风险,最后导致项目的不成功与失败、反复建设。......原创 2022-08-29 13:01:49 · 299 阅读 · 0 评论 -
BI行业分析思维框架 - 环保行业分析(三)三层经营分析框架
也就是说业务扩张的越厉害,成本的控制、内控、经营管理的复杂度是急速上升的,管理效率的提升、业务协同的加强在很多企业内部成为了一个瓶颈,制约了环保企业再进一步的发展。但真正要注意到的是内部的问题,比如应收账款、技术创新、管理风险、应对政策风险的变化,这里可以大概讲几个点,后面所有的分析框架都是基于这几个点来延申的。在前面的两篇文章中主要从业务的角度讲解了一下环保的分类:大气、水、固废处理三大方向,以及从产业链角度讲解了一下有关环保设备、环保工程、环保运营三大业务领域以及它们的商业模式、核心竞争力、业务特点。.原创 2022-08-29 11:55:24 · 344 阅读 · 0 评论 -
为什么说,企业数字化转型归根到底是人的转型?
与数字化转型不同,我国的数字化广度以及深度其实并不低,从中国互联网络信息中心发布的《中国互联网络发展状况统计报告》就能看出来,9.04亿的网络支付用户、8.42亿的网络购物用户、5.44亿的外卖用户、4.69亿的在线办公用户等都证明了数字化的市场以及潜力,所以如何发展数字化转型已然成为当前企业发展的重要挑战。企业想要实现数字化转型,必须从高层管理人员开始,招聘或培养数字化转型人才,组建一支强有力的管理团队,达成关于数字化转型规划、设计、执行等相关的共识,转变企业的传统思维,改变现有商业模式。...原创 2022-08-27 15:02:30 · 234 阅读 · 0 评论 -
浅谈关于数据仓库的理解,聊聊数据仓库到底是什么?
也正是这些,所以数据仓库的讨论的开始逐步增加。数据仓库还有着分层结构,每个分层结构都有各自的作用,比如经常看到的ODS 层、Trans 层、Dimension 层、Data Mart 层等,都是为了将数据从大海中进行筛选,从分散到集中进行高度汇总,形成一个个的主题,为后续的前端数据可视化分析提供数据的支撑。用通俗的话来说就是数据仓库就像一个终端的大仓库,其他小仓库的各种货品会通过各种方式统一存储到这里,然后通过仓库位置的划分、货品的摆放进行归纳分类,实现规范、标准的从存放,到分类,再到使用的完整过程。...原创 2022-08-26 12:09:52 · 510 阅读 · 0 评论 -
BI行业分析思维框架 - 环保行业分析(二)
像首创环保、中国天楹200多亿;所以,环保行业的上游主要是像钢铁、电子、化工、电力、有色金属这些企业,这些企业本身也是环保企业的客户。前面的文章大概给大家介绍了下环保行业的细分领域:大气污染处理、水污染处理、固废处理,其中水污染处理和固废处理是环保行业的两大核心,固废处理是核心的核心、规模占比和增速最大的一个市场,蓝海市场。最后是环保服务的,稍微有些区别就是他们可以只做环保工程的托管、环保项目的运营、环保服务,或者直接就是环保项目的第三方投资,通过这种托管运营、或者投资来为第三方提供服务来实现盈利。....原创 2022-08-26 12:03:45 · 208 阅读 · 0 评论 -
数据分析的基本要求:学习数据分析需要掌握哪些能力
有了数据敏感度之后就能总结出特定的方法,形成完整的数据分析方法论,后续再进行重复的分析时就能根据数据快速掌握分析流程乃至大概结果,所以业务逻辑越了解,对数据之间的逻辑关系理解越透彻,数据敏感度也就越高,相应的数据分析能力也会得到提升。在2020年数据成为继土地、劳动力、资本和技术之后的第五大生产要素之后,数字化的进程依旧没有停歇,以飞快的速度将数字化技术、理念和应用向社会的方方面面进行传播,在这个过程中,数据逐渐成为了构建现代社会的重要标志,也是在这时,数据就是“石油”这种口号开始在各大领域扩散。原创 2022-08-25 12:05:28 · 781 阅读 · 0 评论 -
BI行业分析思维框架 - 环保行业分析(一)
所以,像生活垃圾、工业废物、危险废物处理率、发展空间还是有很大的提升空间的,这几年市场的增速也是非常快的。最后,简单总结下环保行业,水污染处理和固废污染处理是环保行业的两大核心,其中固废是环保行业规模占比最大的市场,近几年市场增速明显。这里面的业务就包含了像脱硫、脱硝、除尘等烟气处理的设备、装置销售,主要是一些从事大气治理设备的公司在开展这个方面的业务。还有一点大家可能没有太知道,我们国家的水质排放标准还是严重偏低的,大概是劣五类,所以现存污水处理厂还是存在很大的提标改造空间,未来还是有比较大的发展前景。原创 2022-08-25 12:02:46 · 233 阅读 · 0 评论