精华内容
下载资源
问答
  • 结合公司的搭建的CRM系统及报表体系,列了个分析师分析维度,搭建公司自己的BI系统 个人经验:分析师的分析思维可以多看看艾瑞,虎嗅上的帖子 分析师必须懂运营   很多时候可以借鉴第三方平台提供的分析维度,...

    个人在咨询公司做过分析师(分析师必须懂运营),该咨询公司主要针对电商,零售

    结合公司的搭建的CRM系统及报表体系,列了个分析师分析维度,搭建公司自己的BI系统

    个人经验:分析师的分析思维可以多看看艾瑞,虎嗅上的帖子

    分析师必须懂运营

     

    很多时候可以借鉴第三方平台提供的分析维度,例如

    百度统计

    谷歌分析(需要VPN,而且经常断)

    taliingdata(个人认为最好的移动端分析平台)

    growingio(目前很火的一个分析平台,里面的魔法数字功能非常好使,该微信公众号经常分享干货)

     

    公司的CRM报表指标

    根据顾客生命周期(Customer Lifetime Value)将顾客分为以下几类

    KPI的维度和方向购买

    a)Transaction–交易次数:顾客成交笔数

    b)MemberValue–客户花费:顾客平均花费

    c)AUS–客单价:指店铺每个顾客平均每一单购买商品的金额,即平均交易金额(计算公式:销售金额/成交笔数)

    d)IPT/AUP–客单件:指店铺每个顾客的平均交易件数(计算公式:交易总件数÷成交笔数)

    e)API–件单价:指店铺每个顾客的平均交易每件产品的单价(计算公式:销售金额÷交易件数)

    f)Frequency–购买频次:指顾客在一段时间内的平均购买次数/频率(计算公式:成交笔数÷顾客总数)

     

     

    a)RecruitmentRate–招新率:新客数量占总体活跃客数量的比例

    b)RepeatPurchase Rate–复购率:某一段时间内有复购行为的顾客占活跃顾客总人数的比例

    c)RepeatPurchase Rate in 3M–新客3个月复购率:某一段时间内的新客三个月有复购的人数占新客总人数的比例

    d)RetentionRate–留存率:本年度留存老客(去年以及今年都有购买记录)数量占去年有购买历史的顾客的比例

     

    3.产品

    a)RecruitingAbility–招新率/新客渗透率:特定产品/产品线招募新客数量占品牌新客总数的比例

    b)RetainingAbility–留存率/老客渗透率:购买特定产品/产品线的留存老客占老客总数的比例

     

    4.时间

    a)FiscalYear-会计财年(e.g. 7月至次年2月)

    b)Rolling 12 Months-时间向前推12个月(e.g.2015-07-01至2016-07-01)

    c)YTD-年初到今日(e.g. 2016-01-01至2016-07-28/当天日期)

    d)MTD-月初到今日(e.g. 2016-07-01至2016-07-28/当天日期)

    e)YoY-Yearon Year同比(e.g. 2015-07 VS 2016-07)

    f)MoM–Month on Month环比(e.g. 2016-06 VS 2016-07)

     

    这些KPI的排列组合,会形成各式各样看待数据的报表(report)。从这些report中我们的业务顾问会去发现客户总体业务收入与这些KPI之间的影响关系,同时也会将未来的业务目标进行分解,根据不同业务阶段的战略目标去设定各个KPI的提升计划,这样逐渐地就能定义和设计出企业CRM在不同阶段的策略和行动计划,为后续的市场营销、CRM业务运营和优化提供足够的建议、商业洞见和数据支持。

     

     

     

     

     

     

    个人整理的思维导图

     

    针对上面的CRM体系及个人总结,个人的报表设计

     

     

    展开全文
  • 文章目录1.1 需求分析1.2 创建ads层数据表 准备日期数据 drop table if exists `itcast_dw`.`dim_date`; CREATE TABLE `itcast_dw`.`dim_date`( `date_key` string, `date_value` string, `day_in_year` ...

    1、数仓项目 - 订单分析时间维度分析业务开发

    准备日期数据

     drop table if exists `itcast_dw`.`dim_date`;
     
     CREATE TABLE `itcast_dw`.`dim_date`(
      `date_key` string, 
      `date_value` string, 
      `day_in_year` string, 
      `day_in_month` string, 
      `is_first_day_in_month` string, 
      `is_last_day_in_month` string, 
      `weekday` string, 
      `week_in_month` string, 
      `is_first_day_in_week` string, 
      `is_dayoff` string, 
      `is_workday` string, 
      `is_holiday` string, 
      `date_type` string, 
      `month_number` string, 
      `year` string, 
      `year_month_number` string, 
      `quarter_name` string, 
      `quarter_number` string, 
      `year_quarter` string)
     STORED AS PARQUET;
    

    1.1 需求分析

    • 统计2019年期间每个季度的销售订单笔数、订单总额
    • 统计2019年期间每个月的销售订单笔数、订单总额
    • 统计2019年期间每周一到周日的销售订单笔数、订单总额
    • 统计2019年期间国家法定节假日、休息日、工作日的订单笔数、订单总额

    1.2 创建ads层数据表

    drop table if exists `itcast_ads`.`ads_order_date`;
    
    create table `itcast_ads`.`ads_order_date`(
      date_type string,   -- 时间维度类型
      date_val string,    -- 时间维度值
      order_count bigint, -- 订单笔数
      order_money double  -- 订单交易额
    )
    partitioned by (dt string)
    STORED AS PARQUET;
    

    1.3 创建dw层数据表

    DROP TABLE IF EXISTS `itcast_dw`.`fact_order_goods`;
    
    CREATE TABLE `itcast_dw`.`fact_order_goods`(
    `ogid` bigint, 
    `orderid` bigint, 
    `goodsid` bigint, 
    `goodsnum` bigint, 
    `goodsprice` double, 
    `goodsspecid` bigint, 
    `goodsspecnames` string, 
    `goodsname` string, 
    `goodsimg` string, 
    `extrajson` string, 
    `goodstype` bigint, 
    `commissionrate` double, 
    `goodscode` string,
    `createtime` string)
    partitioned by (dt string)
    STORED AS PARQUET;
    

    1.4 数据装载

    1 、加载订单明细数据到dw层

    • 加载从1月1号,到9月9日的所有数据到dw层
    insert overwrite table `itcast_dw`.`fact_order_goods` partition(dt='20190909')
    select
      `ogid`,
      `orderid`,
      `goodsid`,
      `goodsnum`,
      `goodsprice`,
      `goodsspecid`,
      `goodsspecnames`,
      `goodsname`,
      `goodsimg`,
      `extrajson`,
      `goodstype`,
      `commissionrate`,
      `goodscode`,
      `createtime`
    from
      `itcast_ods`.`itcast_order_goods`
    where dt='20190909';
    ​
    -- 测试代码
    select * from `itcast_dw`.`fact_order_goods` where dt = '20190909' limit 10;
    

    2、 统计半年期间每个季度的销售订单笔数、订单总额

    时间维度类型:

    • 1 → 季度
    • 2 → 月度
    • 3 → 星期
    • 4 → 日期类型(节假日、休息日、工作日)
      统计2019年期间每个季度的销售订单笔数、订单总额
    insert overwrite table `itcast_ads`.`ads_order_date` partition(dt='20190909')
    select
       '1' as date_type,                     -- 时间维度类型,1表示季度
      t1.year_quarter as date_val,  		 -- 季度名称
       count(distinct t2.orderid),           -- 订单总数
      sum(t2.goodsprice*t2.goodsnum)         -- 订单总额
    from 
      `itcast_dw`.`dim_date` t1
      left join
      (select * from `itcast_dw`.`fact_order_goods` where dt='20190909') t2
       on t1.date_value = substr(createtime, 1, 10)
    group by t1. year_quarter
    order by t1.year_quarter;
    ​
    -- 测试
    select * from `itcast_ads`.`ads_order_date` where dt='20190909' and date_type = '1';
    

    在这里插入图片描述

    3、 统计2019年期间每个月的销售订单笔数、订单总额

    insert into table `itcast_ads`.`ads_order_date` partition(dt='20190909')
    select
       '2' as date_type, --2表示月类型
      t1.year_month_number as date_val,
       count(distinct t2.orderid),                  -- 订单总数
      sum(t2.goodsprice*t2.goodsnum)                -- 订单总额
    from
      `itcast_dw`.`dim_date` t1
      left join
        (select * from `itcast_dw`.`fact_order_goods` where dt <='20190909' and dt >= '20190101') t2
        on t1.date_value = substr(createtime, 1, 10)
    group by 
      t1.year_month_number
    order by t1.year_month_number;
    ​
    -- 测试
    select * from `itcast_ads`.`ads_order_date` where dt='20190909' and date_type = '2';
    

    在这里插入图片描述

    4 、统计2019年期间每周一到周日的销售订单笔数、订单总额

    insert into table `itcast_ads`.`ads_order_date` partition(dt='20190909')
    select
       '3' as date_type,
      t1.weekday as date_val,
       count(distinct t2.orderid),                  -- 订单总数
      sum(t2.goodsprice*t2.goodsnum)                -- 订单总额
    from 
      `itcast_dw`.`dim_date` t1
      left join
        (select * from `itcast_dw`.`fact_order_goods` where dt ='20190909') t2
        on t1.date_value = substr(createtime, 1, 10)
    group by
      t1.weekday
    order by t1.weekday;
    ​
    -- 测试
    select * from `itcast_ads`.`ads_order_date` where dt='20190909' and date_type = '3';
    

    在这里插入图片描述

    5、 统计2019年期间国家法定节假日、休息日、工作日的订单笔数、订单总额

    insert into table `itcast_ads`.`ads_order_date` partition(dt='20190909')
    select
       '4' as date_type,
      t1.date_type as date_val,
       count(distinct t2.orderid) as order_count,                  -- 订单总数
      sum(t2.goodsprice*t2.goodsnum) as order_money                -- 订单总额
    from 
      `itcast_dw`.`dim_date` t1
      left join
        (select * from `itcast_dw`.`fact_order_goods` where dt <='20190908' and dt >= '20190101') t2
        on t1.date_value = substr(createtime, 1, 10)
    group by
      t1.date_type
    order by t1.date_type;
    ​
    -- 测试
    select * from `itcast_ads`.`ads_order_date` where dt='20190909' and date_type = '4';
    

    在这里插入图片描述

    展开全文
  • 但是由于系统间数据的组合众多,对于数据的分析维度也有太多选择,由于人力和系统的支持度问题,对于这些可能性的维度都进行数据分析显然并不现实,那么一个销售行业如何针对行业特点、选定维度分析数据呢就成了一个...

    场景描述

    当前的企业信息化建设主要包括ERP系统、OA系统等。企业希望实现信息系统数据的整合,对企业资源进行分析汇总,方便对企业相关数据的掌控从而便于对业务流程进行及时调整监控。

    但是由于系统间数据的组合众多,对于数据的分析维度也有太多选择,由于人力和系统的支持度问题,对于这些可能性的维度都进行数据分析显然并不现实,那么一个销售行业如何针对行业特点、选定维度分析数据呢就成了一个需要思考的问题。

    本文将结合目前收集到的销售行业的相关成功案例进行分析,找出销售行业的一些关键性维度供数据分析规则制定者参考,以进行有价值的数据维度展示,从而使得这些信息数据更好地为企业决策服务。

    相关说明

    示例行业:汽车销售

    示例数据分析工具:FineReport

    维度展示

    4S店展示      

     首页图表直观展示各4S店产值情况。4S店作为汽车销售业务主要部分,对整个集团业务影响重大,放在系统首页,方便用户查看数据。

     

    每日资源动态分析

    既然是对企业资源进行统计分析,那及时掌控企业每日的资源动态肯定是必不可少的了,这个维度的报表可以迅速呈现主要资源的变化情况。

     

    车辆库存分析

    车辆库存现状帮助用户及时掌控库存资源、库存成本、预计利润等数据,便于领导层把控资源元转移、车辆采购。

           

    资金回报率经营指标分析

    作为汽车销售,最关心的自然是所卖车辆的利润请款,而对经营的各种车型进行资金回报率分析可以更好的展现各种车型的利润价值,结合库存分析表便可以对预计利润进行预估,同时辅助决策各种车型的采购。

     

     

    4S店经营指标分析

    经营指标是指各业务组成以及影响业务的各个组要因素,比如资金回报率、车辆库存深度、零配给库存深度、工资支出等。从各个方面考虑可能带来的影响,同时可以分析出资金流入及流出情况及组成情况,这样便可以方便的从各个因素把控。

     

     

    展开全文
  • 财务报表开发实例分析:几个通用维度介绍与关键点

    财务报表分析

    财务分析是以会计核算和报表资料及其他相关资料为依据,采用一系列专门的分析技术和方法,对企业等经济组织过去和现在有关筹资活动、投资活动、经营活动、分配活动的盈利能力、营运能力、偿债能力和增长能力状况等进行分析与评价的经济管理活动。它是为企业的投资者、债权人、经营者及其他关心企业的组织或个人了解企业过去、评价企业现状、预测企业未来做出正确决策提供准确的信息或依据的经济应用学科。

    财务分析的方法与分析工具众多,具体应用应根据分析者的目的而定。最经常用到的还是围绕财务指标进行单指标、多指标综合分析、再加上借用一些参照值(如预算、目标等),运用一些分析方法(比率、趋势、结构、因素等)进行分析,然后通过直观、人性化的格式(报表、图文报告等)展现给用户。

    财务报表开发

    一般而言,报表开发主要是指开发财务方面的报表,例如资产负债表、利润表、现金流量表、利润分配表、库存明细表等。
    报表开发一般有两种方式:

    一:相当于程序开发,建立数据库,设置Reporting Service工具,通过该工具建立报表。然后在VS程序里调用。组织SQL语句,把用户习惯的方式把数据呈现在表里边。提供一个更直观,更简单的数据库查询窗口。

    二:直接借用成熟的报表工具开发报表,工作量少,有比较完善的报表开发方案,但对于习惯编程的程序员而言,可能会不够灵活。

    报表开发维度参考

    以下维度借用FineReport开发出的报表来展示

    每日资金计划

    每日资金计划维度报表开发需要注意几个关键点:

    1、日期锁定

    2、列头固定:防止列名称太多,展示时找不到项目名字,另外,表头也需要固定,防止项目名称过多,报表往下拉的时候找不到表头。

    资金计划汇总

    注意事项参考上面

    每日店铺业绩小结

    选择部门的时候,日期需要锁定

    每日店铺业绩小结

    日期锁定

     

     

     

     

    展开全文
  • 实际业务场景中,你可能会遇到类似的分析需求:多组织架构、多业务线的数据分析,希望能在同一个视图中,通过切换图表,可以快速查看不同层级数据的分析结果。 例如下图,我们将企业总部设置为“板块”,通过板块的...
  • 随着互联网的飞速发展,各种网络产品应运而生,如电商网站,移动应用,...该从哪些维度来总结和评估本次推广的得失呢?网舟科技在本节重点讲解此问题。 一、渠道分析 渠道是指广告投放的媒介平台。例如百度搜索,广...
  • 其中2900亿用于一次性的支票发放,2600亿用于失业金补助,5100亿用于给中小企业贷款。 截止2020年2月的失业率为3.5%,远低于过去50年历史平均的6.2%。但是这个数字肯定要大幅跳升了。。。 全球新冠肺炎的数据,我们...
  • 做数据分析的同学们都遇到过这个问题:从多维度分析问题,提出对业务有意义的建议。这个题目看起来很简单,可很多同学辛辛苦苦跑了一堆报表,结果只落得业务一堆抱怨:“你这一堆说明了啥!”“你的重...
  • 企业流程运行现状评估的5个维度

    万次阅读 2018-05-11 13:32:13
    下面总结了流程评估的16字目的和流程评估的五大维度。非常实用!一、流程评估的目的导致企业经营不佳、竞争力差、管理失控等多种问题的原因是非常综合的,主要源自于战略(执行)、流程设计,也有流程执行等诸多原因。...
  • 维度建模之维度

    2020-10-11 23:26:40
    它是进入事实表的入口,丰富的维度属性给出了对事实表的分析切割能力,它一般是行少列多。如果属性值是离散的,用于过滤和标记的,就放到维度表里,如果是属性值是连续取值,用于计算的,就放到事实表中。 2.维度...
  • 维度设计

    2019-03-29 10:51:32
    维度建模中,将度量称为“事实”,将环境描述称为“维度”,维度是用于分析事实所需要的多样环境。 维度使用主键标识其唯一性,主键也是确保与之相连的任何事实表之间存在引用完整性的基础。主键有代理键和自然键...
  • 流程分析的4个维度

    2010-01-01 09:19:02
    企业流程再造(BPR)的视角,重新审视流程的分解与信息化,可以从组织视图、功能视图、控制视图、数据视图 四个方面来拆解作业流程,这个也可与常所说的物流、钱流、资讯流联系. 组织视图可以只针对某...
  • 应收款数据模块主要从区域、账龄、部门这几个维度对比分析应收账款情况,便于实时了解未回笼资金,提醒相关人员催缴款项。此次项目主要是针对传化化学品的需求,对应收款进行综合统计分析,目的是通过对历史数据的...
  • 销售模块主要作用就是通过对各个维度、指标的分析,找优势、发现劣势,不断提升完善,从而提升销售业绩,提升企业利润,提高竞争力。对于公司领导和销售员而言,他们的关注点并不一样,所以不同角色的用户登陆系统后...
  • 前端如何基于table中的数据一键生成多维度数据可视化分析报表 如何实现会员管理系统下的权限路由和权限菜单 希望通过这3篇文章的复盘和实战, 可以让大家开发企业应用的时候更加游刃有余. 本文主要涉及的技术点如下: ...
  • 同时,用户的查询需求也越来越复杂,涉及的已不仅是查询或操纵一张关系表中的一条或几条记录,而且要对多张表中千万条记录的数据进行数据分析和信息综合,关系数据库系统已不能全部满足这一要求。 SOLAP产品是...
  • 在此时同样的,用户的查询需求也越来越复杂,涉及的已不仅是查询或操纵一张关系表中的一条或几条记录,而且要对多张表中千万条记录的数据进行数据分析和信息综合,关系数据库系统已不能全部满足这一要求。...
  • 本博文主要包括以下内容: 1、技术分析 ... * Kafka中在线Pull到论坛或者网站的用户在线行为信息,进而进行多维度的在线分析 * data: 日期,格式为yyyy-MM-dd * timestamp:时间戳 * userID:用户I
  • 当下中国的整体经济发展已经由高速车道进入到中速车道,过去靠廉价资源、人工成本红利驱动的粗放式、投机性发展模式已经走到了尽头,以管理升级驱动的内生式增长模式将是未来中国企业长期持续性发展的一个必然选择。...
  • 分类目录:商业智能《维度建模》总目录 数据仓库和商业智能(Data Warehousing and Business Intelligence,DW/BI)行业渐趋成熟。尽管初期仅有部分大型公司采用,但从那时起,DW/BI逐渐为各种规模的公司所青睐。...
  • 数据仓库(二)之维度建模篇

    万次阅读 多人点赞 2018-09-12 22:29:28
    概述 维度建模是一种将数据结构化的逻辑设计方法,它将客观世界划分为度量和上下文。...维度建模是面向分析,为了提高查询性能可以增加数据冗余,反规范化的设计技术。 维度建模优点 ...
  • 技术管理的维度

    千次阅读 2019-08-02 10:47:03
    技术管理无疑是一项综合性工作,包含业务、技术和管理这三大维度。如何把这三大维度通过一定的方式展示给开发人员,从而让开发人员能够快速和准确的理解进而完成转型是我们首先需要明确的一个核心问题。针对该问题,...
  • 维度和度量

    千次阅读 2019-02-06 17:32:48
    比如员工数据,可以从性别角度来分析,也可以更加细化,从入职时间或者地区的维度来观察.维度是一组离散的值,比如说性别中的男和女,或者时间维度上的每一个独立的日期.因此在统计时可以将维度值相同的记录聚合在一起,...
  • 维度建模工具

    2020-09-03 18:00:18
    幵始维度建模工作前,项目组需要理解业务需求,以及作为基础的源数据的实际情况。 通过与、 Ik务代表交流来发现需求,用于理解他们的基于关键性能指标、竞争性商业问题、 决策制定过程、支持分析需求的目标。同时,...
  • (一)维度模型基础  既然维度模型是数据仓库建设中的一种数据建模方法,那不妨先看一下几种主流的数据仓库架构。... Inmon企业信息工厂架构 图(一)- 2  3. 混合型架构 图(一)- 3  从图中可以看出,每
  • 数据仓库维度模型设计

    千次阅读 2020-05-05 16:36:32
    维度建模以分析决策的需求出发构建模型,构建的数据模型为分析需求服务,因此它重点解决用户如何更快速完成分析需求,同时还有较好的大规模复杂查询的响应性能。 维度建模是专门应用于分析型数据库、数据仓库、...
  • 财务核算在企业日常管理中起着不可代替的作用,为了促进企业内部管理水平的提高,需要及时、准确、全面的财务数据分析作为参考与支撑。鉴于制药企业目前的财务报表层面现状。需要一个能够集中体现企业财务核算状况的...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 61,446
精华内容 24,578
关键字:

企业分析维度