导语：如何才能写好一篇数据分析报告，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。
我认为一份好的分析报告，有以下一些要点：
首先，要有一个好的框架
跟盖房子一样，好的分析肯定是有基础有层次，有基础坚实，并且层次明了才能让阅读者一目了然，架构清晰、主次分明才能让别人容易读懂，这样才让人有读下去的欲望；
第二，每个分析都有结论，而且结论一定要明确
如果没有明确的结论那分析就不叫分析了，也失去了他本身的意义，因为你本来就是要去寻找或者印证一个结论才会去做分析的，所以千万不要忘本舍果；
第三，分析结论不要太多要精
不要有猜测性的结论，太主观的东西会没有说服力，如果一个结论连你自己都没有肯定的把握就不要拿出来误导别人了；
第五，好的分析要有很强的可读性
这其实是第四点的补充，用图表代替大量堆砌的数字会有助于人们更形象更直观地看清楚问题和结论，当然，图表也不要太多，过多的图表一样会让人无所适从；
第七，好的分析报告一定要有逻辑性
通常要遵照：1、发现问题–2、总结问题原因–3、解决问题，这样一个流程，逻辑性强的分析报告也容易让人接受；
第八，好的分析一定是出自于了解产品的基础上的
做数据分析的产品经理本身一定要非常了解你所分析的产品的，如果你连分析的对象基本特性都不了解，分析出来的结论肯定是空中楼阁了，无根之木如何叫人信服？！
第九，好的分析一定要基于可靠的数据源
第十，好的分析报告一定要有解决方案和建议方案
你既然很努力地去了解了产品并在了解的基础上做了深入的分析，那么这个过程就决定了你可能比别人都更清楚第发现了问题及问题产生的原因，那么在这个基础之上基于你的知识和了解，做出的建议和结论想必也会更有意义，而且你的老板也肯定不希望你只是个会发现问题的人，请你的那份工资更多的是为了让你解决问题的；
十一，不要害怕或回避“不良结论”
分析就是为了发现问题，并为解决问题提供决策依据的，发现产品问题也是你的价值所在，相信你的老板请你来，不是光让你来唱赞歌的，他要的也不是一个粉饰太平的工具，发现产品问题，在产品缺陷和问题造成重大失误前解决它就是你的分析的价值所在了；
十二，不要创造太多难懂的名词
如果你的老板在看你的分析花10分钟要叫你三次过去来解释名词，那么你写出来的价值又在哪里呢，还不如你直接过去说算了，当然如果无可避免地要写一些名词，最好要有让人易懂的“名词解释”；
调查组人员通过对不同民族、年龄、学历、宗教信仰、职业、健康状况、户籍所在地的成年人员进行抽样调查，在云南省大理市共完成有效问卷456份。根据将问卷用SPSS软件分析后，我们得出大理市受访者就业与民族教育的调研数据。
一、就业情况
从大理当地农业户口的受访者工作状况来看，25.9%的人只是务农，17.3%的人以务农为主，同时也充实非农工作，16.9%的人以非农工作为主，同时也务农，只从事非农工作的人员比例为35%，退休人员的比例为0.4%，全日制学生的比例为7.7%，失业或待业人员、家务劳动者及其他不工作也不上学的成员比重为4.2%。
（一）农业户口人员
（二）城镇户口或城镇外来务工人员
在城镇户口或城镇外来务工人员群体中，从就业范围看，76.8%的人在本乡内工作，比重最大，只有0.2%的人在省外国内范围工作，其余都在省内；从职业来看，其中工作的职业比例最高的是办事人员和有关人员，占21.7%，国家机关党群组织、企事业单位负责人和农林牧副渔水利生产人员比例一样，均为14.5%，专业技术人员占11.6%，商业人员占10.1%，从事生产、运输设备操作人员及有关人员的比例为8.7%，军人的比例为1.4%；在得到第一份城镇工作的最主要渠道方面，最主要的是通过政府/社区安排介绍和直接申请（含考试），比例分别为25%和22.1%。
二、民族语言与教育
（一）语言
访谈对象中有90%的人是白族，在问及现在能用哪些话与人交谈时，81.4%的人会用普通话，95.2%以上的人会用汉语方言和本民族语言，也有3.5%的人会说其他少数民族语言；汉语方言语言程度上，能流利准确使用的比例为68.4%，听不懂也不会说的仅占1.1%；本民族语言的语言程度上，96.7%的人能流利准确的使用，但也有2%的人表示听不懂也不会说；在普通话语言程度上，35.4%的受访者能流利准确的使用，能熟练使用但有些音不准和口音较重的比例相差不大，分别为14.7%、14.9%，基本能交谈但不太熟练的比例为11.6%，只有2.2%的受访者听不懂也不会说。
（二）文字
据了解，现代白族有自己的语言，但一般使用汉字书写。根据调查数据，在问及是否会写汉字时，79.6%的人表示会，9.9%的人表示会一些，10.3%的人表示不会；在问及是否会使用本民族文字时，4.1%的人表示会，93.8%的人表示没有文字，有0.7%的人表示不知道有没有文字；其他民族的文字书写方面，有0.4%的表示会。
（三）双语教育
大数据整体市场规模1000亿，细分市场行业应用规模最大
《报告》显示，整个大数据产业分为基础平台、通用技术、行业应用等多个细分市场，2017年大数据整体市场规模1000亿。细分市场中，基础平台整体市场规模在100亿元左右，通用技术整体市场规模在200亿元左右。行业应用层，大数据在各个行业应用差异较大，应用相对成熟的金融、政府领域市场规模为200亿元。整个行业应用市场规模为700亿。
大数据在金融、政务、互联网成熟度最高
《报告》显示，大数据在各行各业的成熟度与基础设施、市场规模和应用范围关系密切。根据调研，金融、政务、互联网这三个行业的IT投入位列各行业前列，随着“互联网+政务”的普及、政务云和政务大数据的落地，政府2017年IT投入超过800亿元，占中国IT总投入的5-10%。金融一直是重IT投入的行业，以银行为例，2017年中国银行业整体IT投资为800亿元，整个金融行业的IT投资突破千亿元大关。
基础设施成熟度同样会对大数据应用落地应用产生很大影响。信息化是大数据的基础，互联网行业信息化程度最高，金融、政务行业在20世纪初已开始进行信息化建设，经历十几年发展，基础信息化已建设完毕。相比医疗、工业等领域，金融、政务和互联网行业结构化数据占比高，数据标准化程度高。
云计算、大数据、AI、IoT多项技术融合是未来趋势，提供整体解决方案的公司机会最大
云计算作为大数据的基础，大幅降低企业的IT硬件成本，将有超过50%的IT预算投入到大数据、AI等应用。AI促使大数据从辅助决策向替代决策进化，使大数据厂商突破工具软件天花板，发展空间放大10倍。在智能客服领域，AI技术的发展使得技术厂商的市场空间由原先的30-50亿提升到300-400亿。
【关键词】乳腺病变;乳腺超声;BI2RADS;实用价值
作者单位：450000郑州肿瘤医院超声科
通讯作者：王雁河南省肿瘤医院
乳腺疾病超声检查的普及和超声仪器的不断更新,使越来越多且越来越小的乳腺疾病被发现，对乳腺病变分级归类,有助于临床制订治疗方案。2003年美国放射学会（ACR）提出了适用于乳腺超声图像的影像报告与数据系统（breastimagingreportinganddatasystem,BI-RADS-US）［1］。国外学者研究认为该系统能提高不同经验水平的超声医师对乳腺病灶性质判断的一致性，有助于提高超声医师对乳腺病变的诊断。但目前国内此类报道鲜见。本研究拟通过临床分析的方法来探讨其对乳腺病变诊断的临床应用价值，现报告如下。
1资料与方法
1.1一般资料乳腺超声数据库中2008年3月至2010年11月来我院就诊并确定诊断的乳腺疾病的200例患者。年龄18～75岁，平均（45±5.7）岁，临床均表现为胀痛,自检或医生触摸到肿块;乳腺结构不良27例,纤维腺瘤99例,导管内状瘤16例,乳腺癌36例,乳腺炎8例,乳腺淋巴瘤10例,乳腺内异物4例。
1.2仪器应用GEViVid7和SiemensAntares彩色超声诊断仪，配备高频线阵探头，探头频率为5.6～14MHz。
1.3检查方法患者取仰卧位,双臂上举充分暴露,过大者取侧卧位,全面检查双侧乳腺及腋窝,了解病灶大小、形态、边缘、边界、有无包膜、内部回声、有无钙化、肿块内部及边缘有无血流、腋下有无肿大淋巴结。
1.4BI-RADS分级标准依据文献［2］,病变分为7个级别,0级:需附加影像评价,该病灶可能有恶性危险;1级:阴性,影像检查无肿块、结构扭曲或微小钙化等任何异常;2级:良性,单纯囊肿、乳腺内淋巴结、乳腺内假体,稳定的术后改变及长期随访观察可能性较大的纤维腺瘤,病变呈圆形或椭圆形,边界光滑完整,内部回声均匀;3级:可能良性,恶性风险<2%,病变形态呈圆形、椭圆形,边缘完整,纤维腺瘤可能性大,复杂囊肿和多发小囊肿同样可分于该级,建议短期间隔继续检查;4级:可疑异常,恶性风险3%～94%,考虑活检,病变形态呈圆形、椭圆形或不规则形,边缘欠规则,毛糙,无明显包膜,内部回声均匀或不均匀,出现无回声区或强回声钙化,其中4A3%～30%,4B31%～60%,4C61%～94%;5级:高度提示恶性,恶性风险>95%,需采取适当措施。病变形态大多不规则,分叶状,少数呈圆形,无包膜,大多边界不清,有的边界粗糙,回声增强,边缘不整齐,呈“蟹足状”“微小分叶征”等,大多呈低回声,内部回声不均,可见沙粒状钙化;6级:已知曾行活检的恶性病变。
2结果
200例患者中0级8例（4.0%）,1级10例（5.0%）,2级39例（19.5%）,3级57例（28.5%）,4A级37例（18.5%）,4B级16例（8.0%）,4C级11例（5.5%）,5级30例（11.0%）。恶性病例44例,其中归入5级30例中19例病理提示为恶性,3例为良性,归入4级64例中26例病理证实为恶性,归入0级8例中1例为恶性。5级肿块超声图像具备多数恶性肿块特点。归入4级64例中38例术后病理证实为良性,但超声图像不能除外恶性可能,仅恶性风险系数较低。
3讨论
乳腺疾病是影响女性健康的最常见疾患之一，超声检查的优势在于简便易行，可获得乳腺的任意断面图像，而被广泛应用于临床。但在对乳腺癌进行超声诊断时，由于操作者经验影响对声像特征的判断，导致结果可能发生误差，针对缺乏统一的对病灶的描述方法和标准这一情况，ACR协会推出的BI-RADS-US从乳腺肿块的形状、边缘、硬度等方面进行了描述，同时对相应的肿块特征进行适当的解释，生成一个包含恶性程度分级以及中肯的诊疗建议在内的总体评价，旨在为乳腺的超声影像报告和研究提供帮助。
传统二维超声诊断乳腺疾病的准确率为75%,结合多普勒诊断准确率约90%［3］。但传统超声对乳腺疾病的诊断缺乏统一标准,BI-RADS分级则克服了传统超声诊断主观性较强的特点,规范了乳腺疾病超声诊断标准,减少描述混淆,提高了诊断符合率及对病灶良恶性鉴别能力,且在不同医疗机构之间归一研究和乳腺超声检测及乳腺癌筛选等方面均起重要作用。
有研究者［4］指出“遵循BI-RADS-US的规定并不能确保能获得更准确的结果，而是使操作者在现有资料基础上因循更合理的操作程序，做出适应患者需要的最安全有效的处置，来减少不必要的活检。通过本研究发现通过规范的检查，BI-RADS-US为影像医师规范地进行图像报告提供了质量保证，有助于患者得到更加有效的治疗，便利了超声和钼靶等影像技术之间以及和临床之间的交流，具有使用与推广价值。
在规范的检查和随访监控基础之上，BI-RADS-US通过提供统一的病灶描述标准，规范了超声医师图像报告的质量，避免了不必要的活检，最大限度地防止了过度治疗和治疗不足。只有在经验积累和细致认真地回顾性分析基础上不断更新，才能够建立一个更为准确的超声图像特征描述和报告系统，为超声诊断乳腺肿瘤提供强有力的辅助。
参考文献
［1］AmericanCollegeofRadiology.BI-RADS:ultrasound.In:BreastImagingReportingandDataSystem:BI-RADSaltas（4thedn）.AmericanCollegeofRadiology:Raston,VA,2003.
［2］顾雅佳，肖勤.乳腺X线报告规范化-BI-RADS介绍.中国医学计算机成像杂志，2007，13（5）：322-326.
[关键词]数据挖掘;高校图书馆;应用
ApplicationofDataExploitationTechnologyinUniversityLibraryandInformationAnalysis
ChengJiuju
（LibraryofXinyangVocationalandTechnicalCollege，XinyangHenan464000）
Abstract：Dataexploitationisakindofrelativelyyounginformationprocessingtechnology，hasbeenwidelyusedinmanyfields，anditsimportantrolehasbecomeincreasinglyprominent.Thispapermainlyintroducestheconceptofdataexploitation，theprocessofdataexploitation，anditsimportantroleintheuniversitylibraryhasbeendominantlydiscussed.
Keywords：dataexploitation;universitylibrary;application
1数据挖掘的概念
什么是数据挖掘呢？顾名思义就是从海量的数据中挖掘出知识的过程。各行各业所产生的数据形式是不一样的，作为一种实用的技术，数据挖掘可以应用于各种类型的数据，包括事务数据、数据库数据、数据仓库数据、空间数据、多媒体数据、数据流、图或网络数据等，从这些数据中发现潜藏的规律，找到其中的有趣的模式即知识，为人们的生产、生活、科研等提供依据，推动着社会更快更好地往前发展[2]。
2数据挖掘的过程
2.1数据清理
即删除掉不正确、不一致、不完整或冗余数据，光滑噪声数据，改进数据的质量，使得最后的数据集合有利于数据挖掘的进行，能够顺利地推导出正确的模式，得到可靠的输出及结论。
2.2数据集成
即将不同数据源中的数据进行合并存放在一个具有相同结构及属性的数据存储中，有效地集成可以减少结果数据集的不一致和冗余，有利于提高后续挖掘过程的速度及准确性。
2.3数据变换
即通过聚集或汇总操作，把数据统一和变换成方便于挖掘的结构。数据变换使的挖掘过程更有效，促进了数据挖掘的成功。
2.4数据选择
2.5数据挖掘
即使用智能的方法来提取出数据的模式。
2.6模式评估
即根据某种兴趣度度量，找到代表知识的真正有趣的模式，所谓有趣的模式是指所产生的模式是新颖的，潜在能用的，易于被人理解的，而且在某种确信度上对于新的或是检验数据是有效地。
2.7知识表示
即使用知识表示和可视化的技术，使得挖掘出来的知识能够呈现到用户面前，使知识容易理解，方便人们使用。
3数据挖掘在图书馆中的应用
随着科学技术的不断进步，高校图书馆的管理也从原来的人工记录转变为了现代化的图书管理系统，方便了图书的管理及借阅，但是，随着社会的不断进步，图书馆不能仅局限于借、还书这种最基本的职能，而应该更主动地去为读者提供更高质量的服务，使的图书馆能更大程度地发挥其功效，因此，作为一门新兴的信息处理技术的数据挖掘技术也在图书馆找到了用武之地，图书馆的大量的数据资源为其挖掘提供了肥沃的土壤。
3.1为高校图书馆的领导决策及购买图书提供强有力的依据
图书馆是高校的灵魂所在，是一个学校的精髓部分，学校在进步，图书馆也必须要不断地前进，这就要求要不断地给图书馆注入新鲜的血液，但是，图书馆的经费是有限的，我们要利用有限的经费在更大程度的为读者服务，就必须能够采购到有更高利用率的图书，以往我们采购图书有三种方法：一是各院系各推荐一名老师随图书馆老师一起去采购;二是由各院系向图书馆推荐图书;三是图书馆老师根据已有经验，对馆藏的了解等自行采购。但这些采购方法都具有很强的主观意识，缺乏全面性，而数据挖掘技术的引进就能很好地解决这一问题，通过读者的借阅记录，系统中的历史采购记录等，挖掘出各类图书的利用度，能够使得更有针对性地去购买图书。利用数据挖掘技术作用于图书馆的数据库，我们可以从中了解到各学科的关联度，使得图书馆领导在进行馆藏分布时能够更正确地进行决策。
3.2使得图书馆能主动地为读者提供更为贴心的服务
3.3防止图书馆的数据库被入侵
高校图书馆的数据库是图书馆的核心，其中记录了各系学生的个人信息，学生的借阅信息，以及所有馆藏图书的信息，一旦遭到入侵，数据库被破坏，也许就会使图书馆一度回到“原始社会”，后果将不堪设想。所以，我们要保护图书馆数据库的安全，通常在图书馆的服务器上都安装的有防火墙，并且服务器也设置了密码，但是，为了做到万无一失，我们也可以使用数据挖掘技术，构建出正常访问行为的模型，或是挖掘频繁遇到的事件序列，检测到离群点，阻止或停止恶意的行为，并提供报告信息，实现入侵检测，保护图书馆的数据安全。
4结语
参考文献：
完整的数据分析主要包括了六个既相对独立又互有联系的阶段，它们依次为：明确分析目的和思路、数据准备、数据处理、数据分析、数据展现、报告撰写等六步，所以也叫数据分析六步曲。
明确分析目的和思路
做任何事都要有个目标，数据分析也不例外。经常有一些数据分析爱好者，向数据分析高手请教以下问题：
这图表真好看，怎么做的？
这数据可以做什么样的分析？
高级的分析方法在这里能用吗？
需要做多少张图表？
数据分析报告要写多少页？
为什么这些数据分析爱好者会提出这些问题呢？原因很简单，就是他们没有明确的分析目的，为了分析而分析，而且一味追求高级的分析方法，这就是数据分析新手的通病。
如果目的明确，那所有问题就自然迎刃而解了。例如，分析师是不会考虑“需要多少张图表”这样的问题的，而是思考这个图表是否有效表达了观点？如果没有，需要怎样调整？
所以在开展数据分析之前，需要想清楚为什么要开展此次数据分析？通过这次数据分析需要解决什么问题？只有明确数据分析的目的，数据分析才不会偏离方向，否则得出的数据分析结果不仅没有指导意义，甚至可能将决策者引入歧途，后果严重。
当分析目的明确后，我们就要对思路进行梳理分析，并搭建分析框架，需要把分析目的分解成若干个不同的分析要点，也就是说要达到这个目的该如何具体开展数据分析？需要从哪几个角度进行分析？采用哪些分析指标？
同时，还要确保分析框架的体系化，以便分析结果具有说服力。体系化也就是逻辑化，简单来说就是先分析什么，后分析什么，使得各个分析点之间具有逻辑关系。如何确保分析框架的体系化呢？可以以营销、管理等方法和理论为指导，结合实际业务情况，搭建分析框架，这样才能确保数据分析维度的完整性、分析框架的体系化、分析结果的有效性及正确性。
明确数据分析目的以及确定分析思路，是确保数据分析过程有效进行的先决条件，它可以为数据收集、处理以及分析提供清晰的指引方向。
数据准备
数据处理
数据处理是指对采集到的数据进行加工整理，形成适合数据分析的样式，保证数据的一致性和有效性。它是数据分析前必不可少的阶段。
数据处理的基本目的是从大量的、可能杂乱无章、难以理解的数据中抽取并推导出对解决问题有价值、有意义的数据。如果数据本身存在错误，那么即使采用最先进的数据分析方法，得到的结果也是错误的，不具备任何参考价值，甚至还会误导决策。
数据处理主要包括数据清洗、数据转化、数据抽取、数据合并、数据计算等处理方法。一般拿到手的数据都需要进行一定的处理才能用于后续的数据分析工作，即使再“干净”的原始数据也需要先进行一定的处理才能使用。
数据分析
数据分析是指用适当的分析方法及工具，对收集来的数据进行分析，提取有价值的信息，形成有效结论的过程。
在确定数据分析思路阶段，数据分析师就应当为需要分析的内容确定适合的数据分析方法。到了这个阶段，就能够驾驭数据，从容地进行分析和研究了。
由于数据分析大多是通过软件来完成的，这就要求数据分析师不仅要掌握各种数据分析方法，还要熟悉主流数据分析软件的操作。一般的数据分析我们可以通过Excel完成，而高级的数据分析就要采用专业的分析软件进行，如数据分析工具SPSS、SAS等。
数据展现
通过数据分析，隐藏在数据内部的关系和规律就会逐渐浮现出来，那么通过什么方式展现出这些关系和规律，才能让别人一目了然呢？一般情况下，数据是通过表格和图形的方式来呈现的，我们常说用图表说话就是这个意思。
常用的数据图表包括饼图、柱形图、条形图、折线图、散点图、雷达图等，当然可以对这些图表进一步整理加工，使之变为我们所需要的图形，例如金字塔图、矩阵图、瀑布图、漏斗图、帕雷托图等。
多数情况下，人们更愿意接受图形这种数据展现方式，因为它能更加有效、直观地传递出分析师所要表达的观点。一般情况下，能用图说明问题的，就不用表格，能用表格说明问题的，就不用文字。
报告撰写
数据分析报告其实是对整个数据分析过程的一个总结与呈现。通过报告，把数据分析的起因、过程、结果及建议完整地呈现出来，以供决策者参考。所以数据分析报告是通过对数据全方位的科学分析来评估企业运营质量，为决策者提供科学、严谨的决策依据，以降低企业运营风险，提高企业核心竞争力。
一份好的分析报告，首先需要有一个好的分析框架，并且层次明晰，图文并茂，能够让读者一目了然。结构清晰、主次分明可以使阅读对象正确理解报告内容；图文并茂，可以令数据更加生动活泼，提高视觉冲击力，有助于读者更形象、直观地看清楚问题和结论，从而产生思考。
另外，分析报告需要有明确的结论，没有明确结论的分析称不上分析，同时也失去了报告的意义，因为最初就是为寻找或者求证一个结论才进行分析的，所以千万不要舍本求末。
东方之星成立于2002年，从2007年起专注于教育督导信息化建设，2012年成立了基础教育评测技术的研究中心，从事研究教育督导与信息技术的融合以及督政、督学和教育质量监测信息质量环境的构建。东方之星从软件开发到以第三方的身份参与教育督导评测，其成长过程既是一个政府培育社会力量参与教育督导监测的过程，也是一个政府研究如何引导社会力量参与教育评测机制实践的过程。
1.提供多方位技术支持，服务教育督导评估
东方之星为大连市先后建设完成了教育督导评估综合应用系统、责任区挂牌督导管理系统、学生体质健康监测系统、区域教育资源配置均衡发展监测系统、学生品德发展监测系统、教育督导数据管理平台和教育督导数据中心。随着应用软件系统建设和应用的不断深入，大连市政府教育督导室提出了越来越多、越来越宽泛的要求，需要企业自己根据国际、国内教育督导发展趋势，从基本理论（发展性督导评价理论）到操作理念（ISO9000标准的PDCA循环），再到技术发展（云计算到大数据到充分互联）提供多方位技术支持，为大连市设计、规划教育督导信息生态环境，而不仅仅是按照需求开发系统。
2.提供个性化决策支持，服务教育行政治理
在县域义务教育均衡发展专项督导评估中，国务院教育督导办采用“差异系数”来监测县域义务教育校际间八项指标的综合均衡状况，用数据说话是一个具有里程碑意义的事件。
大连市政府教育督导室引导东方之星在差异系数的基础上，设计差异标准、差异贡献，给出改进工作的具体量化标准，以此为标准开发了决策支持模型，为教育决策提供科学、详实的数据依据。
至此，东方之星发展成为了一家可为教育提供决策支持服务的企业，向为教育督导评估提供第三方评估服务迈出了坚实的一步。大连市教育行政体系也逐步接受、认可并主动寻求这种第三方提供的决策支持服务，并希望东方之星能够直接介入教育监测，思想和理念发生了潜移默化的转变。
3.提供数据分析，受托参与教育督导评测
东方之星依靠自身技术优势，在决策支持模型的基础上，研制了发展程度指数、基尼系数、投入倾斜指数、效率指数等。在县域均衡、市域均衡分布监测的基础上，综合监测和分析省、市、县义务教育均衡发展八项指标的均衡情况、发展情况（相对辽宁省义务教育办学标准）、投入情况。
大连市政府教育督导室对东方之星研究成果进行了评估，认为科学、合理、可行，给予了充分的肯定，并委托东方之星以第三方的视角，独立编制《2014年大连市县域义务教育均衡发展数据分析报告》、2014年大连市各区市县《县域义务教育均衡发展数据分析报告》、2014年大连市各学校《县域义务教育均衡发展数据报告》。2015年，受辽宁省政府教育督导室委托，东方之星独立编制了《2015年辽宁省县域义务教育均衡发展数据分析报告》《2013-2015年辽宁省县域义务教育均衡发展数据分析报告》。
这是数据杂志北京部分读者对统计媒体服务企业的一次专项活动的评价。
“五一”前夕，数据杂志社组织100多家企业近200人进行了一次别开生面的专项服务活动――“2009数据统计分析报告会”。活动着眼企业读者现实所需，以企业统计分析为主题，先后请国家统计局北京调查总队副总队长邢志宏和北京市发改委经济与社会发展研究所投资消费研究部主任刘秀如，分别就北京市一季度经济形势和如何进行统计分析写作作精彩报告，并就读者关心的问题进行面对面沟通与互动，报告会引起读者的浓厚兴趣和广泛认可。
■缘起
多年以来，充分利用《数据》平台，加强与读者沟通与互动，努力为企业、为读者提供服务，是数据杂志社的一贯宗旨。2007年11月，数据杂志社以“政府统计服务与企业信息需求”为主题，举办了“2007数据论坛”，200余家企业老总、企业分管统计工作领导和企业统计工作者参加论坛。2008年12月，数据杂志社组织召开了“2008数据企业读者座谈会”，燕山石化、中粮集团等30多家企业代表围绕提升统计数据质量、加强统计信息服务、改进统计行政执法等热点问题积极建言献策。
“数据杂志是企业统计人的家园，企业统计的需求就是我们的责任。”数据杂志社副总编云霞介绍，数据杂志社自2009年年初就开始筹办“2009数据统计分析报告会”，邀请统计分析的行家里手，结合统计工作实际，就统计分析报告写作作专题讲座准备，用实实在在的行动来回报广大读者的支持和帮助。
■主讲
“统计分析写作是统计人的看家本领”。主持人数据杂志社总编张雪原一语道出了报告会的主旨和要义。在听众们的热切期待和掌声中，国家统计局北京调查总队副总队长邢志宏首先开讲。邢志宏结合一季度北京经济状况及发展走势，分别以饼图、柱状图、曲线图等专业图表作演示，从统计视角揭秘“数据背后的故事”。
邢志宏介绍，从近10年来的季度统计数据看，北京经济曾出现过两次低谷，分别在1997年的一季度和2002年的一季度，经济增长分别为7.5%和7.3%。今年一季度，北京经济增长6.1%，可以说近10年来是国际经济形势对北京经济冲击最大的一次。
邢志宏表示，从目前的情况分析，北京经济已出现企稳迹象。一季度，北京经济增长速度为6.1%，好于预期。从数据上看，虽然1至2月经济形势还非常严峻，但3月已有回暖迹象。工业方面，降幅已在放缓；服务业的14个业态中，有13个业态出现增长；财政收入3月份出现6.9%的增长。此外，从就业形势的稳定、消费者和企业家信心指数的提升以及旅游业降幅的缩小等方面都可以看出，北京经济最坏的时刻很可能已经过去。但是否就此判断北京经济已出现拐点，关键还要看第二季度数据。如果二季度启动内需的作用不足以弥补外需不足带来的影响，全市经济仍会处于低谷状态。所以，现在关键是落实内需的一揽子计划，巩固内需的基础。
刘秀如结合房地产形势指出，统计分析要本着客观、中立的态度，做一个理性的第三方；要尽可能预测客观走势，兼顾政府、开发商、消费者、公众等群体的态度；要以政府统计数据为基本依据，以建委数据、中介机构等调查数据为补充数据，从总体上考量房地产态势。
■共鸣
时钟已过10点，报告会后半场进入互动。丰台区统计局靳立华、北京现代汽车有限公司统计负责人王永梅、北京同仁堂连锁药店有限责任公司财务负责人黄丽萍等分别就统计分析报告的数据运用、出现统计口径不一致如何解决、执行新会计报表后与统计数据的衔接等问题与台上嘉宾进行了对话交流。
坚持以数据为支撑，分析为前提，在拥有详实数据和精到分析的基础上形成分析报告。北京首都开发控股（集团）有限公司战略投资部孟佳致函本刊：“我以为，一些企业统计的参谋作用没有充分发挥出来，原因在于不能运用手头现有数据写出内容详实的分析报告；有些则是统计数据分析的层面有局限性，不能及时从领导关心的角度提供急需的分析；有的是对企业所处行业的全面数据掌握不充分，因此，分析缺乏力度，说话没有底气。”孟佳强调统计分析报告要坚持数据为支撑，分析为前提。
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。
因此，很多企业都会利用Hadoop实现数据存储，再通过其他工具实现对大数据的高速捕获和实时分析。这里，我们将通过艾瑞咨询集团的一个真实案例，解读一下敏捷BI如何和Hadoop进行互补，帮助其实现互联网大数据分析的。
定制化项目效率低下
艾瑞咨询集团（iResearch）是一家专注于网络媒体、电子商务、网络游戏、无线增值等新经济领域，深入研究和了解消费者行为，并为网络行业和传统行业客户提供市场调查研究和战略咨询服务的专业市场调研机构。
目前，艾瑞咨询集团可以向企业提供线下报告和软件两种定制化咨询报告服务。但是，企业客户的定制化需求非常多变，艾瑞咨询集团生成一份线下报告交付周期需要3至4周，提供软件的交付周期则需要半年。再加上项目所需人工成本升高、迭代周期延长，艾瑞咨询集团往往不敢承接太多定制化项目。
因此，艾瑞咨询集团迫切需要一种更加敏捷、高效的大数据分析工具提升定制化业务的效率。
大数据面前：敏捷BIPK传统BI
在解决艾瑞咨询集团面临的难题时，传统BI的做法是，IT人员事先根据需求分析进行建模，建好二次表或打Cube并提前汇总好数据，业务人员才能在前端查看到分析结果的报表。虽然这种做法很成熟，但是解决不了艾瑞咨询集团的难题。
首先，业务人员查看的报表相对静态，分析的维度和度量的计算方式已在建模时预先设定好，不能更改。例如，定好了求和或求平均数，再想改成求方差必须再去修改模型。
其次，分析需求变更时，业务人员不能直接调整报表，需要IT人员重新建模或修改已有分析模型，耗时较长，响应速度较慢。
最后，有些企业的数据量很小，也需要按照此流程和架构来进行大费周折的数据分析。
造成这些问题的本质原因是，过去的技术架构针对海量数据的计算能力不足，企业用户需要通过建模、二次表、Cube提前进行数据运算汇总。
艾瑞咨询集团希望为企业客户提交这样一份分析报告，不仅能看还能动态分析。对于艾瑞咨询集团来说，数据展现应该是起点而不是终点。看到了数据，要能交互式分析、深入向下挖掘，要能发现问题并找到答案，还要能采取行动。与数据交互的过程要足够快，如果用户每次点击需要等三五分钟才出结果，就无法进行交互分析。
并且，分析报告应能让非IT部门的同事直接在分析平台上做出来。不能把所有的分析报告需求都提交到IT部门，这样会严重增加IT部门的工作负担。同时，敏捷BI的实施和操作要简单化，让业务人员可直接使用。
同时，分析报告需求经常需要牵涉到数据层的改动，需要IT部门去改进数据层和业务层，传统BI平台需要一两个月才能完成模型梳理。敏捷BI无需事先建模，可以在分析过程中灵活调整分析维度和报表展现，需求变更可以在一天之内响应，提升企业的洞察力决策力。
与传统BI的重量建模、统一视图不同，敏捷BI采取轻量建模、N个视图的方法，不建二次表和Cube，数据导入后可以直接进行分析，并且业务人员可以实时调整分析的维度和度量的计算方式，极大地增加了灵活性，真正做到和数据对话。
既然有这么便捷的方式，为何传统BI不采用这种架构呢？那是因为，传统技术架构没有引入大数据技术，面对海量数据无法在用户点击后的几秒内就展现企业客户需要的分析结果，因此必须通过建模提前把数据汇总好，才能保证分析报表展现时的速度。
因此，实现敏捷BI的前提是采用新架构处理数据，其涉及的技术包括分布式计算、内存计算、列存储、库内计算等。敏捷BI可以通过更低的成本、更短的上线周期，快速让企业洞察到数据的含义和价值。
业务效率数倍提升
深入研究艾瑞咨询集团要分析的数据，笔者发现，艾瑞咨询集团每天要分析的数据量达几千万条，且不同企业客户的分析需求各不相同。因此，复杂多变的多维度分析需求对分析工具的分析性能提出了更高的挑战，而传统的数据库和Hadoop架构已经无法满足高性能和即时分析的需求。
为此，艾瑞咨询集团考察过国外一些知名的产品，但是当他们获知产品的价格和后续的服务费用之后只能放弃。而国内大多数的分析工具大多是上一代BI，需事先建模再进行分析，难以应对灵活的多维度分析变化需求，且针对大数据量的处理能力不能满足要求。
最终，艾瑞咨询集团选择了永洪敏捷BI技术。当艾瑞咨询集团将三个月的细节数据（约50亿条）导入敏捷BI系统，直接就可以展现出定制分析报告。对比原先基于Excel和SQL编程的分析方法，艾瑞咨询集团的业务效率获得数倍的提升：线下报告交付周期从3至4周缩短至小于1周，软件交付从半年缩短至一个月。
同时，艾瑞咨询集团原来由于担心需求变化导致没有能力交付的很多项目被收入囊中。采用敏捷BI工具后，艾瑞咨询集团可以在几天内快速搭建原型向客户展示，任意的需求变更都可以一周内调整完毕。这种快速原型试错的方式，使得艾瑞咨询集团有能力承接很多此类项目。
由于业务效率的极大提升，有能力承接更多的项目，艾瑞咨询集团的收入空间也出现了数倍的增长。与此同时，艾瑞咨询集团的客户满意度也稳步提升。
不仅如此，为了提供更加直观可交互的分析报告，提升企业用户体验，艾瑞咨询集团基于敏捷BI工具，构建了一个新型SaaS平台。艾瑞咨询集团把企业客户用Hadoop架构存储的数据，通过敏捷BI提供的接口导入到数据集市内，然后通过敏捷BI快速呈现出结果。
事实上，Hadoop和敏捷BI都有各自适用的不同业务场景，两者是相互补充的关系。当前，很多企业都采用Hadoop实现数据的存储，然后把Hadoop数据导入敏捷BI基于分布式内存计算的高性能数据集市中，之后再进行数据可视化分析。鉴于现在Hadoop在企业的应用相当广泛，永洪敏捷BI产品也支持Hadoop数据源的连接。