数据产品可研报告

大数据整体市场规模达1000亿，其中行业应用市场规模为700亿，是最大细分领域。大数据在互联网、政府、金融成熟度最高。爱分析认为，提供整体解决方案的大数据公司机会最大。近日，爱分析在京举办了2018·中国大数据高峰论坛。TalkingData创始人崔晓波、邦盛科技创始人王新宇、九章云极创始人方磊等7位明星CEO分享了未来几年大数据行业的深度观察，爱分析在会上发布了《中国大数据行业报告》（以下简称报告）。《报告》称，2017年大数据行业整体市场规模1000亿，其中行业应用细分市场规模为700亿，是大数据行业最大细分领域，大数据在金融、政务、互联网成熟度最高。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《报告》指出，与国外不同，中国市场云计算、大数据、AI、IoT等技术几乎是同时间爆发，企业客户同一时间采购云计算、大数据、AI等产品，企业客户最终目的是通过新技术来实现开源节流，实现这一目标需要多项技术融合，技术边界正逐步模糊。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。IoT技术的发展补全线下数据和机器数据，给大数据应用带来更加多元的数据，产生更加丰富的应用场景。在营销领域，通过WIFI、蓝牙、摄像头等途径，实现线上、线下数据的打通，形成整个营销闭环，从而实现跟踪用户的全生命周期，提升用户转化率。多项技术融合促使客户的需求更加多元化、复杂化，提供整体解决方案的大数据公司更加符合未来趋势，在整个产业链占据更重要地位，提供更加深度的场景化应用。以下为爱分析高级分析师李喆在会上发布报告的演讲实录。演讲实录李喆：在看待大数据行业未来趋势时，首先需要关注中美技术路径发展的差异，不仅仅是大数据，还包括云计算和AI等。从这张图，我们可以得出有几个结论：第一， 我们看到美国的市场是技术驱动，先从底层基础平台成熟，逐步延伸到上层应用。2006年AWS对外进行提供服务，2009-2010年大数据基础平台公司Cloudera、Hortonworks成立，2015年Google开源TensorFlow平台，这些事件促使云计算、大数据、AI进入快速发展阶段。中国市场更多以应用、政策为主导，云计算行业快速发展的原因是2012-2013年游戏等移动互联网的爆发，2014-2015年，政府出台一系列利好大数据的政策，促使整个行业快速发展。因此，中国市场应用型的公司发展速度更快。国外已经上市的大数据公司Splunk、Tableau、Cloudera、MongoDB都是基础平台和通用技术层的公司。国内市场发展速度快的TalkingData、同盾科技等公司，都是属于应用型的公司。第二， 不同于美国市场每一项技术中间会有一个很大的时间间隔，中国市场云计算、大数据、人工智能这些技术时间间隔很短，几乎是同时爆发。因此，数据在各个行业的发展是不均衡的，不同行业的渗透率差异很大。同时，大数据行业不能只看大数据，需要重点关注云计算、AI对大数据行业的影响。首先，我们看云计算对大数据的影响。云计算对大数据行业最大的影响是降低了整个基础设施的成本，未来会有50%以上的IT预算会投入到应用层，也就是大数据和AI。IT预算的结构将由左边的正三角形，转变成右边的倒三角形。以银行为例，不考虑上层应用，美国的银行在IT建设上会领先于中国的银行。根据我们的调研，中国的银行IT投入的70%都是在硬件投入，剩下30%投入是软件和服务。而美国的银行只有15-20%的IT预算投向硬件，更多预算投入到软件和服务。第二个影响是容器技术的成熟，降低了大数据业务的交付成本，从原来几个月的交付时间缩短到几周。第三个影响是，随着SaaS渗透率不断提升，更多的数据汇聚到云端，更加便捷的实现数据互通互联。其次，我们看AI对于大数据的影响，AI技术可以帮助大数据突破工具软件的天花板，将市场空间放大10倍，同时还可以降低大数据公司对人力的依赖，提高人均产能。以智能客服为例，客服软件市场规模是很小的，大概是30至50亿的市场规模，但整个客服市场规模很大。中国的客服人员有300-500万人，按照平均5-6万的人力成本计算，整个客服市场规模超过2000亿。如果其中有15-20%被智能客服替代，整个市场空间就有300-400亿。但如果厂商只做客服软件，即使加上数据分析等技术，能够提升人员效率，但依然很难触及到人力这部分市场，但通过AI技术，能够实现替代人力，厂商就能切入到这300-400亿的市场。公安领域，明略数据这样的公司通过深度服务公安客户，形成这个行业的知识图谱，也就是“公安大脑”。形成“公安大脑”后，明略数据在服务其他省市公安局的时候，会大大缩短服务周期，降低公司对人力的依赖，提升业务可复制性。因为各种技术几乎同时爆发，所以我们判断，多项技术融合是未来的趋势，会大幅提升各个行业的效率。下面这张图是大数据的业务链条，包含数据源、数据的采集、数据标准化、数据分析和数据应用。可以看出，各项技术其实都会对整个链条产生影响。IoT技术，补全了原本缺失的线下数据和机器数据。比如营销领域，之前可以拿到大部分是线上数据，用户点击的广告、网页的浏览行为。IoT的发展，通过WIFI、蓝牙、摄像头等方式，可以监测到用户的线下行为，打通了整个闭环。用户在线上看广告，官网浏览商品，再到实体店体验、购买，实现线上和线下的融合，有更多方式去提升转化效率。云计算使数据更容易汇聚，降低数据收集的难度，AI技术增强了数据分析能力。智能财税领域，针对小微企业的代账市场，传统软件不具备自动化和智能化，代账SaaS软件的普及，使越来越多的中小数据汇聚到云端，而依靠机器学习等AI技术，实现自动做账、自动报税。过去每名会计最多服务20到30家企业，但是依靠SaaS、大数据、AI技术等研发的代账软件，可以服务100到200家，未来还会进一步提升。这会使得传统代账公司的重心会放在获客和增值服务，而非基础做账业务，代账公司的服务半径扩大。多项技术融合后，客户的需求会更加多样化、复杂化，因此，我们判断做整体解决方案的公司机会最大。从产业链的角度看，做整体解决方案的公司更贴近客户，更容易获取标杆客户。提供单点能力的大数据公司，更多是技术提供方的角色，无法解决客户全部需求，在客户预算中只能占到很小的份额，集成商会占据更大的份额。整体解决方案的公司提供的是自下而上的服务，因此有机会从原来的技术提供商，成为过去集成商的角色。这样会带来几个方面的好处：首先，大数据公司能够触及的预算会更大。其次，可以延伸到其他需求。美国有一家做虚拟化的公司叫VMware，最早通过虚拟化产品拿下了很多500强的客户，但现在支撑他高速增长的是SDS和SDN业务。SDN业务是VMware收购了一家初创公司Nicira发展起来的。Nicira被收购的时候没什么收入，但VMware的SDN业务，只花了三年时间就做到10亿美金的收入。抛开技术原因，另一个原因是VMware有很强的客户资源，更有机会把他的新产品推向客户。第三，降低获取其他客户的门槛。企业服务市场，获客具备非常高的门槛，尤其对于初创公司获取客户信任的周期很长。金融大数据公司进入银行市场的时候，可能前期做POC就需要一年的时间。如果你有一个标杆客户，再去向同类公司进行推广的时候，难度会大大降低。标杆客户具备灯塔效应，不论是服务同体量的客户，还是下沉到腰部客户。从场景的角度，整体解决方案的公司更有机会把场景做深，提高价值。零售领域，很多公司从营销做起，但很难切入到库存管理、供应链管理。因为这些公司多数是提供营销工具，不是一个完整的解决方案。整体解决方案公司会从帮助客户建立大数据平台做起，更有机会从前端营销切入到后端业务，通过数据去打通各个环节。这也是因为当前中国的客户能力还相对不足，直接使用工具的成本和难度都很高。大数据公司需要将业务做重，单纯一个很轻的产品，价值度较低，很难形成壁垒。接下来，我们将分享大整个大数据的产业图谱，包括我们对每个细分领域的判断。这张图是我们对整个大数据的划分，从底层基础平台到上层行业应用，分为四大细分领域。基础平台分为交易型数据库、分析型数据库和围绕这两类数据库的计算引擎。基础平台往上有两个方向，一个是数据的方向，一个是技术的方向。数据方向有两类厂商，按照是否具备数据源分为第一方和第三方。技术方向是指大数据平台之上，具备通用性的数据处理的技术，包括 BI与可视化、日志分析等。行业应用更多的是直接面向一个个场景，用大数据技术去解决各个行业的场景去落地的公司。这是我们总结的大数据市场规模。市场规模最大的是行业应用，基础平台是市场规模最小的细分领域。根据我们的调研，2017年整个中国大数据的市场规模是1000亿，我们测算的逻辑主要分成两类：一类方法是Top Down。比如，我们测算中国BI领域市场规模，我们首先看全球市场BI的市场规模，全球BI的市场规模大概是180亿美金，考虑到BI在IT投入的比例，中国和全球应该大体一致，中国的比例会略低于全球的市场。全球的IT投入大概是3.6万亿美金，中国的IT投入大概是2.3万亿人民币，因此，我们测算中国的BI市场规模大概是135亿人民币。再比如，行业应用中的工业大数据，通过我们测算大概是100亿人民币市场规模。我们的方法是通过行业成熟企业的投入比例，去推断大数据在整个工业产值的比例。国家电网2017年营收在2万亿，每年在大数据的总投入是5亿。金风科技2017年营收260亿，在大数据的投入在500-1000万之间，由此可以判断规模以上的企业投入比例大概为1-2%。另一类是Bottom Up。重点看头部公司它的收入和市场份额。基础平台这个市场，我们主要看Oracle，因为它是市占率最高的公司。2017年亚太地区的收入是45-50亿美金的数据，其中数据库的比例大概会占到30%左右，所以是十几亿美金规模，中国市场收入会比这个数据要低，Oracle的占有率是在40%至50%之间。因此我们判断国内的基础平台的市场规模在100亿左右。再比如AI平台，我们判断AI平台（数据科学平台）这个领域是20多亿的规模，主要是考虑国内市场，这个领域最大的公司是SAS，每年收入30亿美金，在亚太地区的市场份额大概占到10%左右，而他的市占率会在50-60%，因此整个市场规模会在25亿上下。从各个细分领域来看，我们还是会去重点关注大数据的行业应用，大数据的最大价值肯定是体现在行业应用。从政府的大数据发展规划来看，2020年整个大数据市场规模将达到1万亿。但从IT投入来看，2017年IT软件与服务的投入只有1500亿。因此，未来大数据厂商切的主要预算不会来自IT，而是业务预算。只有做行业应用的公司才更有机会拿到业务预算。因此，我们判断，行业应用会是未来最大的细分领域。我们重点关注的是金融、政务这两个领域，主要去通过大数据在各行各业的成熟度判断。根据爱分析大数据成熟度模型，我们主要从市场规模、基础设施和应用范围去判断各行业的成熟度，大数据在各行业的渗透情况。首先，通过我们的分析，现在最成熟的是互联网、金融、政务。金融的IT投入肯定是非常大的，银行每年的IT投入就有800亿，加上证券、保险，整个金融IT投入是超过1000亿。政务每年的IT投入大概是800亿。这两个行业在整个中国IT投入占比非常高。中国2.3万亿IT投入中，有大概1万亿左右是运营商资源。去除掉这部分，金融和政务加起来会占到总投入的20%以上，现阶段大数据投入主要还是来自IT预算。其次，互联网、金融和政务，信息化建设是最完善的，这里的信息化建设不光是基础业务系统搭建，还包括数据的标准化、结构化程度。医疗的基础设施相对完善，IT投入也很高，但我们不认为它会优先爆发的原因，就是数据标准化的问题。数据业务链条上，现在能走通的就是金融和互联网，医疗领域的数据标准化还在建立当中。数据标准化程度高，才更容易产生深度的应用。第三，金融和政务两个领域的公司，发展最快、体量最大。根据我们的调研，2017年，像TalkingData、同盾科技、百融金服等公司，他们的确认收入都已经超过了1亿人民币，而1亿人民币收入是企业服务公司一个很大的门槛。通用技术领域，我们会去关注那些有机会切入到行业应用的公司。BI与可视化、用户行为分析、AI平台等领域，直接面向客户的应用问题，更有机会切入到行业应用。比如用户行为分析里面的神策数据、GrowingIO等公司，第一个直接的方向是营销大数据，这样以来会从原本工具软件这个比较小的细分市场，跳入到营销市场，而我们知道，整个营销市场是万亿级的市场，占GDP的2-3%。数据服务市场，我们也会看它和行业应用的结合，我们判断纯粹的数据交易公司机会有限，第一方平台将逐步崛起，这背后有几个原因：第一， 政策方面，2017年安全法的发布，对数据隐私、数据合规性的要求大大提升，这会对第一方数据公司是个利好，但第三方数据公司的业务受到很多限制。行业标杆客户也更愿意与有品牌、合规的公司合作。第二， 数据既然要和应用去结合，那么就需要热数据，能够持续不断更新的数据，第一方数据公司更容易实现这一点，因此数据本身就是他们业务不断产生的。对第三方公司来说，汇聚多方数据，持续更新的成本较高。基础平台市场，我们认为新需求带来的增量市场更值得关注。基于行业应用、数据分析产生的需求，也就是分析型数据库的市场。交易型数据库市场进入门槛太高，替代银行等头部客户生产环境下的数据库非常困难，这里面存在着数据丢失等风险，这是大企业很难接受的。而分析型数据库基本都是搭建在离线场景，不存在这方面的风险。这个市场目前是100亿，我们判断2020年会到150-200亿，主要的增量来自分析型数据库。全球基础平台市场规模是460亿美金，这里面50-60%是交易型数据库，40-50%是分析型数据库，但国内的分析型数据库只有10%的份额，未来渗透率还有很大的提升空间。扫码关注“大数据栋察”回复“大数据报告”即可获得完整版报告。【阅读推荐】四倍农业｜猪联网 ｜数字富平军民融合｜数人计划｜数字中国数字生态论 | 数字经济要素的重构 | 联盟使命

2015年开始，全球电影产业进入高速发展阶段，3D电影逐渐普及并吸引用户踏入影院，以获得更好的视觉体验。2018年，全球数字银幕数量达到18.2万块，同年电影票房达到411亿美元。艾媒咨询分析师认为，全球电影产业的高速发展，也得益于技术推动和中国市场贡献。2009-2017年中国电影票房保持快速增长态势，复合增长率为27.2%，这一方面得益于国家队电影及相关文化产业的扶持和资本入驻，另一方面电影购票等APP应用普及功不可没。特别是移动互联网应用的普及，令中国电影产业链体系完善并未来朝向数字化的方向发展。(《2019全球及中国电影市场运行大数据与产业布局策略研究报告》完整高清PDF版共101页，可点击文章底部下载按钮进行报告下载)Beginning in2015,the global film instry has entered a stage of rapid development,and3D movies have become popular and attracted users to enter the theater for a better visual experience.In2018,the number of global digital screens reached182,000,and the box office of the same year reached$41.1billion.Ai Media Consulting analysts believe that the rapid development of the global film instry has also benefited from technology promotion and contribution from the Chinese market.In2009-2017,the box office of Chinese movies maintained a rapid growth trend with a compound growth rate of27.2%.This is e to the support of the national team film and related cultural instries and the capitalization of the capital.On the other hand,the application of APP for ticket purchases is not available.No.In particular,the popularity of mobile Internet applications has made the Chinese film instry chain system perfect and the future toward digitalization.("2019Global and China Film Instry Development and Instrial Layout Strategy Research Report based on Big Data"full version has101pages,please click the download button at the bottom of the article to download the report)核心观点iiMedia Research(艾媒咨询)监测数据发现，全球电影产业发展势好，北美依旧主导全球电影产业。2018年全球电影票房达到411.0亿美元，美国常年保持占据全球超两成的市场份额。美国电影产业中心好莱坞，由六大电影公司领导，其中迪士尼独得美国电影市场的半壁江山。iiMedia Research(艾媒咨询)研究发现，中国电影产业发展为全球第二，国产影片越来越受到青睐，并且春节贺岁档票房受益明显。2009-2017年中国电影产业年均增长为27.2%，票房截至2018年达到609.8亿元，在全球电影产业中保持第二位。其中，国产电影票房占据中国电影票房六成多，2018年产出如《红海行动》《我不是药神》等高口碑高票房影片，2019上半年的《流浪地球》引起国际关注，成为中国现象级影片。iiMedia Research(艾媒咨询)研究发现，中国电影产业链体系完善并未来朝向数字化的方向发展。从上游投资制片、中游出品宣发、再到下游院线应用，同时延伸到互联网票务平台、电影周边产品等，各环节都竞争激烈。中影股份凭借其最为完善的体系占领40.0%的市场份额，成为中国电影产业的龙头企业。以下为报告节选内容：2014-2018年全球电影产业发展数据解读2015年开始，全球电影产业进入高速发展阶段。2018年，全球数字银幕数量达到18.2万块，同年电影票房达到411亿美元。艾媒咨询分析师认为，全球电影产业的高速发展，得益于技术推动和中国市场贡献。2015年开始，3D电影逐渐普及并吸引用户踏入影院，以获得更好的视觉体验。2018年好莱坞六大影业公司票房分析2018年，票房收入TOP20影片中，迪士尼影业公司的票房收入为26.0亿美元，占据北美电影票房的45.5%，成为北美电影产业的领跑者。2009-2017中国电影票房增长数据分析中国电影票房保持快速增长态势，2009-2017年的复合增长率为27.2%。艾媒咨询分析师认为，目前中国电影市场蓬勃发展，这一方面得益于国家队电影及相关文化产业的扶持和资本入驻，另一方面电影购票等APP应用普及功不可没。2018-2023年中国电影票房及预测数据2018年，中国电影票房收获609.8亿元，占全球票房21.9%，并且预测2023年将突破1000亿元人民币，在全球范围内的电影行业处于领先地位。中国电影观影人员大数据监测分析(一)根据国家电影专资办数据，2019年上半年，中国电影市场有所下滑。2018年上半年票房为320.4亿元，而2019年上半年票房为311.7亿元，同期下降了2.7%。观影人次为8.1亿人，同比下降10.3%。中国电影票房档期因素数据分析(三)2018年中国电影亿级以上影片票房与上映周期总体呈正比关系。其中，《唐人街探案2》上映时间相对较短，取得了34.0亿元的电影票房。艾媒咨询分析师认为，这是受益于该电影第一部累计的良好口碑，因此，《唐人街探案2》首日入座率达到76.1%，位居同期首位;其次，该部电影为贺岁档，这一时期的电影票房相对集中。2013-2018年中国TOP10电影票房贡献度数据分析中国TOP10影片票房大幅增长，2016-2018年的复合增长率为8.2%。艾媒咨询分析师认为，近几年中国电影票房爆款，除了电影本身的IP效应(如续集、主角)，观影用户的口碑和“自来水”效应也是票房逆袭的重要因素，所以，精品影片是保障票房的主要因素。2019中国热点电影分析一：流浪地球(二)2019中国热点电影分析二：哪吒之魔童降世(一)中国电影行业产业链分析2013-2018年中国影片备案、上映数量情况2013-2016年，中国影片备案数不断增加，至2016年增长至3811.0部，到2017年有轻微减少，到2018年，大幅下降至3138.0部。影片上映数呈现小幅增长。2019H1中国影视上市公司业绩分析(一)截至2019年，中国传媒文化上市公司共有143家，其中有25家为影视公司，占据传媒文化公司的17.5%。从市值情况看，中国影视上市公司中有六家总市值超百亿元，万达电影总市值达到300.0亿元以上。传统院线：2011-2018中国影院数量统计iiMedia Research(艾媒咨询)数据显示，中国影院数量不断增加，截至2018年达到10461.0家，增长了12.0%。网络渠道：2019H1中国网络视频平台大数据监测中国电影两大互联网票务平台对比：淘票票VS猫眼2016-2018年中国电影线上转化率数据显示，2016-2018年中国电影线上转化率不断提升，截至2018年达到84.5%，但增速放缓。互联网逐渐转化了电影消费者的购票习惯，大多数人越来越倾向于在线上平台购买电影票。2019中国电影产业数字化结构剖析(一)来源: 艾媒网

营销网络数字化升级项目1、项目基本情况营销网络数字化升级项目计划筛选公司全国范围内 357 家优质直营门店进行新零售智慧门店建设和形象升级改造。项目总投资为 13,004.27 万元，其中硬件设备购置及安装费 6,102.00 万元，场地升级改造费用 6,302.27 万元，软件购置及开发费用 600.00 万元。项目通过引进门店智能化信息采集系统、智能化设备及体验设备，从产品和消费者偏好两个方向着手，开展精准营销，为消费者提供更为贴心、舒适、便捷的消费体验，进一步夯实公司线下渠道优势。2、项目建设背景（1）童装行业竞争加剧，门店获客及服务能力的重要性日益突出中金普华产业研究院分析近年来，随着我国童装市场规模的扩大，大量国内外成人休闲服装、运动服装品牌加快在童装领域布局，童装行业市场竞争愈发激烈。受益于发达的轻工业、服务业和互联网体系，童装行业线上线下运营高度市场化，市场潮流资讯等信息公开透明，行业内企业在信息获取能力、成本、供应链等各项竞争水平趋近的情况下，童装企业需采取差异化竞争策略，以提升企业竞争力。在购物中心、百货商场等童装主要线下销售渠道的运营方向不断向体验化、科技化发展的背景下，消费场景化、体验化成为“儿童经济”发展的主流趋势。因此，如何打造对消费者更有吸引力的消费场景，提高线下门店的获客能力和服务能力，从而实现门店销售业绩的提升，成为我国品牌童装企业发展面临的重要问题。（2）智慧零售技术不断发展，成为引领行业发展的重要方向在智能手机普及率不断提升、网络基础设施持续完善和数字化服务商技术水平不断提高等因素的推动下，我国零售行业数字化程度不断提高，智慧零售成为零售行业发展的重要方向。相较于传统的门店管理系统，基于人工智能技术应用的智慧门店管理系统可获取更多维度的信息，并通过后台数据实时对获取的数据进行分析和应用。如传统门店客流统计系统主要依托于红外计数设备，难以区分店员与消费者身份，也无法区分同一个消费者多次进出的情况，而智能客流统计系统不仅能够进行客流识别，还可完成精准的客群分析，形成丰富的消费者画像，协助店员进行精细化营销。人工智能、大数据等技术的应用加速了行业转型，智能化将成为服装企业零售门店的重点建设方向。（3）童装行业线下渠道从规模推动型向单店业绩推动型转变2016 年后，我国服装零售行业从快速发展阶段进入调整期，在此背景下，以线下渠道销售为主的企业开店策略普遍由快速扩张转向结构优化转变。为实现营销渠道业绩的提升，服装企业针对不同类型门店进行差异化运营，近几年品牌旗舰店、奥莱店等业态发展迅速。经过不断调整，线下门店逐步向综合型、精品型、体验型等差异化方向发展。作为服装行业重要的细分领域，童装行业的销售模式也逐渐从粗放式经营向精细化经营转型，业务发展策略也逐渐由扩充门店数量向提高门店整体运营能力的方向转变。3、项目实施的必要性（1）赋能零售门店，提高线下渠道运营效率随着智能零售技术的不断发展，服装行业智能终端设备及新零售信息化系统的应用愈加广泛。公司作为国内童装行业领先企业，一直积极探索智慧门店运营及管理方案。通过本项目建设，公司将筛选部分优质门店进行智能化升级，在现有硬件设备的基础上加入客流监测、热区监测等智能终端。项目实施后，客流及热区监测设备可实现客流统计、热区分布统计，实时回传客流数据，协助后台进行精准的客群分析，优化商品陈列。在智能设备的协助下，项目通过分析客流进店的转化率，可协助门店管理者挖掘货架区域、商品与顾客的关联价值，有助于门店开展精准营销，多维度提升运营效率，进而促进营销网络整体销售水平的提高。此外，通过本项目建设，公司线下门店一方面可运用轻定制设备为顾客提供个性化、定制化的服装产品；另一方面借助游戏、娱乐设施，增强与消费者之间的互动，延长儿童在店内的逗留时间，提高线下门店的引流能力、服务能力和销售转化率，进而在提高门店销售业绩的同时，实现公司品牌影响力的提升。（2）远程巡店提升门店管理水平过去数十年中，传统巡店模式在打造服装门店标准化、强化店铺营运管理以及提升门店业绩等方面发挥了至关重要的作用。随着大型品牌服装企业营销网络快速拓展至全国市场，门店数量大幅提升，加之分布区域分散，传统督导巡店模式下巡店频率较低、成本较高、管理时效性低等不足开始逐步显现。如何在提高巡店效果的同时，降低巡店成本成为摆在品牌服装企业面前的难题。近年来，随着技术的进步，各种基于互联网技术的软硬件解决方案日趋成熟，远程巡店已成为可能。项目实施后，公司将通过在现有信息化系统基础上嫁接远程巡店系统，并在零售终端布置视频采集系统的方式，实现门店运营过程可视化、工作流程标准化、闭环跟踪及工作痕迹留档可追溯等功能。通过本项目的实施，公司可实现巡店成本的降低以及巡店效果的提高，进而在整体上提升线下门店运营管理水平。（3）推动业务数据化，增强公司核心竞争力作为童装行业领先企业，多年来公司一直积极探索适合自身经营特点的智能化管理解决方案，并已初步搭建起了用于智能化运营的业务中台系统，但目前系统的数据基础主要依赖于线上电商业务的客户信息收集，由于目前多数门店的尚未配套相关智能终端设备，公司线下渠道客户数据收集能力较弱，且只能进行简单的数据分析，尚无法充分利用销售数据辅助线下产品的销售。营销网络数字化升级项目建成后，公司将通过优化官方小程序 Annil+及引进智能终端设备两方面，实现对门店的商品信息、经营数据和客户数据进行收集，并结合后台客户关系管理系统、商业决策系统等对多维度的门店数据进行深度整理、挖掘、分析，此举不但有助于加强线上线下全渠道建设，促进全场景成交，而且有利于实现对门店销售、运营、管理流程的改造，建立起及时、高效的消费需求反馈机制，对提升公司内部管理效率及外部市场响应速度具有十分重要的意义。4、项目可行性分析（1）项目符合我国推动实体零售创新转型的政策导向近年来，我国实体零售规模持续扩大，业态不断创新，对国民经济的贡献不断增强。为进一步推动实体零售创新转型，释放发展活力，增强发展动力，国务院于 2016 年 11 月印发了《关于推动实体零售创新转型的意见》，意见明确指出：引导企业顺应个性化、多样化、品质化消费趋势；支持企业运用大数据技术分析顾客消费行为，开展精准服务和定制服务；引导实体零售企业逐步提高信息化水平，将线下物流、服务、体验等优势与线上商流、资金流、信息流融合，拓展智能化、网络化的全渠道布局。在国家政策的支持下，良好产业发展环境有助于促进本项目顺利实施。（2）项目实施拥有成熟的技术方案本项目所需要的智能硬件设备和软件系统，均已经过了大量服装企业智能化改造案例的验证，技术解决方案较为成熟。其中，智能摄像头、虚拟试衣、轻定制等设备已被广泛应用于零售及服装领域。此外，公司依托过往软硬件设备采购及信息化系统建设经验，可对供应商及所用设备进行最优化的选择。在此基础上，公司将充分借鉴行业先进经验，保障本项目的高质量运行。（3）完善的门店分级体系为项目实施提供可靠依据自成立以来，公司高度重视营销网络建设，为提高店铺运营效率，公司执行分级管理制度——根据门店所在城市层级、所在商圈层级、门店销售面积、门店历史销售业绩等因素，将门店进行分级，并对不同类型店铺的目标客户群体、新款产品占比、装修标准等在内的指标做出了详细规划和区分。不同等级的门店承担不同的战略定位，公司可根据不同门店分级进行差异化的资源投入和业绩管理，实现公司内部管理资源的最优化。清晰、高效的门店分级制度为本项目评估和甄选潜在的智能化升级改造门店提供了依据。5、项目概况（1）项目建设内容营销网络数字化升级项目计划筛选公司全国范围内 357 家优质直营门店进行新零售数字化升级改造。项目通过引进门店智能化信息采集系统、智能化设备及体验设备，从产品和消费者偏好两个方向着手，开展精准营销，为消费者提供更为贴心、舒适、便捷的消费体验，进一步提升公司线下直营渠道优势。（2）项目投资情况营销网络数字化升级项目总投资为 13,004.27 万元，其中硬件设备购置及安装费6,102.00万元，场地升级改造费用6,302.27万元，软件购置及开发费用600.00万元。（3）项目实施主体营销网络数字化升级项目由深圳市安奈儿股份有限公司及其全资子公司负责实施。（4）项目建设周期营销网络数字化升级项目计划实施周期为 36 个月。（5）政府审批情况截至本报告公告日，营销网络数字化升级项目涉及的相关备案、环评事项等手续正在推进办理中。

大数据时代，政府数据开放已然成为社会发展的必然趋势，目前我国政府公开数据的渠道和方式尚未完善，政府的很多数据还没有被很好地充分开发利用，导致企业和个人无法通过正规渠道获取所需的数据资源，同时政府内部，跨部门的数据共享也存在诸多问题。政务开放平台旨在推进政府部门的数据共享，方便政府部门将自己的数据进行共享和管理。我们选取了广东、贵州、山东、浙江四个较完善的省级政务大数据平台，对比其数据量及政务关注主题等，希望能够为后续数字政府建设和完善过程中的业务数据梳理提供参考依据；并推动各地政府数据资源对社会的开放，提升政府与公众、企业的交互水平，进一步为公众服务。平台一览以上是四个平台首页界面，在当前新冠肺炎疫情防控的关键阶段，各平台还增设了疫情防控消息推送专栏，方便公众多渠道获取疫情防控相关信息。四个省份数据获取均大致有三种方式，以广东省科技厅为例：第一种方式是直接在搜索框输入省科技厅就可直接找到对应科技厅的所有开放数据；第二种是从首页主题中找到教育科技进行访问；第三种是通过数据目录找到省级部门下的省科技厅，便可找到对应数据。数据格式包括表格数据、数据库数据、数据接口等形式，都是可供下载和查看的，同时还可以查看关联信息，对数据进行可视化分析。数据目录我们对比了四个省份基本数据，得到如下表格：上线时间来看，浙江2015年9月就上线了，是国家《促进大数据发展行动纲要》发布后，全国各省份中第一个推出的政府数据统一开放平台。山东上线时间，为四个省份中最晚。开放部门来看，贵州省开放平台是“一云一网一平台”体系建设展示的前沿窗口之一，开放了贵州省地方金融监督管理局、贵州省人民政府办公厅、贵州省高级人民法院、贵州省发展改革委、贵州省教育厅等68个部门，四个省份中最多。数据集开放数量方面，山东省最多，现已开放40548个数据集(含83836个API接口)，40451个目录，全省开放数据8.55亿条。广东省平台共开放了4490个数据集，1.468亿政府数据，284个API接口。贵州省平台汇聚了1523个可机读、可下载、可二次开发的数据集，开放文件数量达1339个，其中1318个数据集可通过API接口直接调用。浙江目前已开放1192个数据集(含602个API接口)，6101项数据项，全省开放数据187577597条。主题领域方面，贵州和山东分类最多，涵盖了20个主题。四个省份均包括了资源环境、财税金融、工业农业、机构团体、公共安全、交通运输、生活服务等基本领域。应用方面广东省的数量遥遥领先，包括移动APP、微信小程序、网站以及研究报告，便于推广应用。形成了包括广东省测绘地理信息市场服务与监管平台、广东省农产品价格信息网、广东交通APP在内80个应用。贵州智慧应用包括智慧旅游(快行漫游)、智慧交通(车来了)、智慧医疗(贵健康)、智慧金融(贵州通)、智慧物流(货车帮)等8个智慧应用。浙江现形成6个成果应用：数读浙江省旅游资源、浙江省水利市场信息、安全生产企业查询、琅琊阁、食放心药安心、药点点。山东将数据分为疫情防控、最新数据、热门数据和推荐数据四个板块，方便决策者及民众快速获取信息，同时依据目录下载排名、优质数据和特色数据等维度进行展示顺序的排列。平台特色方面，浙江还提供了根据不同主题对定位地点进行分类的地图服务，为当地民众提供办理各项政务事务提供了便利。广东还提供了数说广东的特色服务。数据统计我们对比了四个省份平台访问次数等数据(截止2020.03.11)，对比情况如下：平台访问次数可以体现其开放程度及数据实用性。浙江省最高，超过470万。我们认为浙江作为阿里公司根据地，互联网重视程度较高，网络基础较好，因此政务大数据开放程度较高。其平台注册用户数为21760个，开放数据集数量590个，开放接口量602个，开放文件数量2360个。广东平台访问次数有75万多，其数据下载次数为600559。贵州相比次数最少，另外其注册用户数为5713，开放数据数量1521，文件资源数量1260，接口资源数量1023。山东未统计到访问量，但其数据目录数量为40535，开放超过8.55亿数据，开放程度也较高。开放指数排名可以看出该省更重视哪些领域，哪些领域数据更完善、需求更多，以及哪些部门的数据需求最高。主题方面，展现形式有柱状图有饼状图，如下图，由上至下分别为广东、贵州、山东、浙江。广东排名第一的是社会资源类，其次的是经济建设和机构团体；贵州第一类为机构团体，其次是生活服务和财税金融；山东第一为社会保障，其次是统计类、信用类；浙江最高的是生态环境，其次是教育文化和城建住房。部门层面，各省展现形式均为柱状图，如下图，由上至下分别为广东、贵州、山东、浙江。广东市场监管局和省自然资源厅资源总数最多，均为40，省交通运输厅紧随其后(35)。贵州省生态环境厅最高，资源总量189；贵阳市大数据和省林业局以资源总量162、153成为第二、第三名。山东最高是省市场监管局，指数为1；省教育厅(0.8)，省海洋局第三(0.64)。浙江省级部门中省建设厅的开放指数最高，数据集和API都为84。省农业农村厅和省自然资源厅分别位列第二和第三。综合来看，国内目前沿海城市政务大数据发展程度较高。各省份在建立政务大数据平台方面，都重视了省级部门开放数量及主体覆盖领域，有利于企业、个人获取更值得信赖的多方面数据。（文章来源：移动Labs）

1、项目基本情况本项目在公司现有 YWDW 数据平台、微小盟 SAAS 服务平台和广告数字营销平台等平台的基础上，结合公司互联网广告业务的发展情况，建设一套完善的集底层基础设施、中台 海量数据处理 、前台应用（ IAAS、PAAS 、SAAS）于一体的整体架构型数字营销云平台。本项目建成后将大幅提升公司数据计算和处理能力，提高互联网营销精准度，降低公司流量采购成本。2、项目的必要性（1）互联网广告行业的快速发展对于公司数据计算和处理能力提出更高要求随着互联网生态环境的逐渐完善、互联网广告的精准化程度提高、互联网新技术的不断兴起以及媒体质量较高等优势的逐渐凸显，广告主对互联网广告的认可程度逐渐增强，互联网广告行业迅速崛起。公司依托丰富的营销经验、高效的流量整合能力、优秀的广告方案策划及效果优化能力，为客户提供多样化的互联网营销服务。近年来，随着公司互联网营销业务的不断扩张，公司积累了丰富的客户资源和流量资源，并在营销业务过程中收集和产生了庞大且多维的数据资源，公司对于提升数据计算和处理能力的需求日益增强。公司现有数据计算和处理能力与快速持续增长的业务需求之间匹配不平衡，无法满足日益增长的数据计算和处理需求。因此，本项目的建设和实施有助于提升公司的数据计算和处理能力，为公司业务的快速发展提供有力支撑。（2）有助于提升互联网营销精准度，不断满足互联网广告主日益多样化的营销需求与传统的营销行业不同，互联网营销行业对于数据的获取和分析技术、广告定向投放技术、广告管理优化技术、创意内容制作等技术依赖性较强。互联网营销企业通过对各类网站、APP 的用户数据进行分析，进行人物画像，并将广告主投放需求与目标受众匹配，从而在成本合理的条件下实现理想的投放效果。此外，互联网营销企业还可以实时监测营销效果动态调整营销策略，具备更高的灵活性。基于数据分析的营销方式使得互联网营销行业相比传统营销行业具有更强的精确性及更完善的监测、反馈机制，同时也对业内公司的媒体及客户资源挖掘、资源运营、营销策略制定及优化、媒体资源定价及客户定制方案设计等能力提出了更高的要求。从未来发展趋势来看，技术仍然是互联网营销行业快速发展的驱动力量，通过智能算法、数据挖掘实现精准推送，将使互联网营销成为广告主常规、主流、高效的投放渠道。通过本项目的实施，公司将建设一套完善的集底层基础设施、中台海量数据处理、前台应用（IAAS、PAAS、SAAS）于一体的整体架构型数字营销云平台，大幅提升互联网营销的效率和精准度。此外，随着互联网营销行业的快速发展，运用数据挖掘技术、智能分析技术、用户路径分析技术、用户行为预测技术、快速任务处理技术等，通过大数据平台形成用户分类画像、用户活跃度和社交影响力等级等相关的数据分析结果，有助于公司提供兼顾品牌与中小企业广告主的智能解决方案，为客户持续提供具有创新意义、引领时尚的广告策划、制作、投放及数据监测等服务，满足客户日趋多样化和复杂的数据管理及定制化需求，增强客户粘性，进一步巩固和提高公司行业地位。因此，公司通过本项目的实施可以满足互联网广告主日益多样化的营销需求。（3）有助于降低公司流量采购成本随着互联网营销行业的快速发展，优质流量资源的议价话语权有所提升，公司面临流量资源采购成本不断上升的压力。在“头部流量”采购成本较高的背景下，公司运用大数据分析和处理技术对用户分类画像、用户活跃度和社交影响力等级等进行多维度评估和量化，有助于发掘优质中长尾流量；通过用户行为预测及大数据分析预判，提前布局，选择具有发展潜质的流量资源，有助于实现更为精准的匹配、更有性价比的流量采购，从而降低公司流量采购成本。3、项目的可行性（1）互联网广告行业发展前景广阔受益于互联网网民增加、用户消费习惯改变及互联网营销的高效性，中国互联网营销行业发展迅速。根据 CNNIC 发布的第 44 次《中国互联网络发展状况统计报告》统计数据，截至 2019 年 6 月，我国网民规模为 8.54 亿，较 2018 年底增长 2,598 万，互联网普及率达 61.2%，较 2018 年底提升 1.6%；网络视频用户规模达 7.59 亿，占网民整体的 88.8%，其中，短视频用户规模为 6.48 亿，占网民整体的 75.8%。根据艾瑞咨询数据显示，2018 年中国互联网广告市场规模达到 4,844 亿元，同比增长 29.2%，预计在 2021 年市场规模将达到近万亿元，互联网广告行业未来发展前景广阔。（2）项目建设符合国家产业政策发展方向近年来国家相继出台多项政策文件，鼓励支持互联网营销行业发展。2016 年 7 月，国家工商总局印发了《广告产业发展“十三五”规划》，提出加快广告业技术创新，鼓励广告企业加强科技研发，提高运用广告新设备、新技术、新材料的水平，促进人工智能、虚拟现实、全息投影等以数字、网络为支撑的各种新技术在广告服务领域的应用，研发用于广告业的硬件和软件。支持广告业与互联网产业融合发展，规范数字广告程序化交易管理，建立新的数字广告生态。鼓励广告业以“互联网+广告”为核心，实现跨媒介、跨平台、跨终端整合服务。2016 年 11 月，国务院印发了《“十三五”国家战略性新兴产业发展规划》，提出推进“互联网+”行动。促进新一代信息技术与经济社会各领域融合发展，培育“互联网+”生态体系。促进“互联网+”新业态创新。鼓励运用信息网络技术推动生产、管理和营销模式变革，重塑产业链、供应链、价值链，加快形成新的生产和流通交换模式。2020 年 3 月 4 日，中共中央政治局常务委员会指出，“要加快 5G 网络、数据中心等新型基础设施建设进度”。政策的大力支持为互联网营销行业的发展提供了良好的环境，本项目的建设符合国家产业政策发展方向。（3）公司综合优势凸显，为项目的建设实施提供了有力保障①人才优势公司拥有一支高素质、经验丰富的互联网营销人才队伍，熟悉互联网营销行业的产品特点、广告主的营销目标、流量资源的变现诉求和广告受众的行为特征，在客户开拓、营销方案策划、流量资源整合及营销效果优化等方面拥有丰富的经验。公司对互联网营销行业的发展趋势有较深入的洞察，能够积极跟踪互联网行业的流量变化趋势，及时布局互联网行业的主要流量入口，不断优化公司互联网营销业务结构，有利于公司互联网营销业务的可持续发展。②技术优势公司重视互联网营销关键领域的技术研发与应用，在数据分析、用户精准定位、广告投放监控、投放效果优化等重要领域具有较深厚的技术积累。公司现有的互联网营销平台可根据广告主的营销需求对目标人群、场景、区域等进行精准化定位，实时筛选与广告主营销需求最匹配的用户群，提高广告投放的针对性和投放效率。③客户资源优势公司在深入理解客户及其所在行业发展的基础上，依托丰富的营销经验、高效的流量整合能力、优秀的广告方案策划及效果优化能力，为客户提供多样化的互联网营销服务，积累了丰富的客户资源。经过多年的发展，公司已经与腾讯、百度、网易、三六零等优质客户建立了稳定的合作关系。一方面，优质客户对服务能力和品质的需求较高，与其良好的合作关系体现了公司出色的业务能力；另一方面，优质客户的营销预算较多且稳定，为公司的可持续发展提供了良好的基础。④流量资源整合能力公司较早进入互联网流量整合领域，储备了包括导航及门户网站、综合新闻网站等优质流量资源及个人网站、论坛、各类 APP 等中长尾流量资源。此外，公司还积极跟踪互联网行业的流量变化趋势，及时布局互联网行业的主要流量入口，主动寻求与腾讯生态圈流量、微博流量、今日头条流量的供应商建立合作关系，构建流量矩阵，满足广告主日益多样化的营销需求。公司依靠聚合丰富的下游媒体资源，持续吸引优质的流量资源和互联网广告客户，增强对流量供应商的议价能力，保证了公司的持续盈利能力。综上所述，公司在人才、技术、客户资源、流量资源整合能力等领域积累的优势，为本项目的建设实施提供了有力保障。4、项目投资计划本项目总投资金额为106,297.70万元，拟使用募集资金金额90,594.20万元

给你一份数据，你能完美的出一份数据报告吗？本文结合一个小故事，来告诉大家如何写好一份数据分析报告，enjoy~本故事纯属虚构。故事发生在花果山，主人公是一只初入职场的小猴子，名叫“嗨皮君”，他刚刚被水帘洞科技有限公司录用为数据分析专员。他的老板就是大名鼎鼎的数据分析师“猴子”，公司里的人都尊称他为“齐天大圣”。花果山最近出现了一些状况，某些猴子感染了不明病毒，导致花果山发生了严重的疫情。现在水帘洞科技有限公司的员工都只能在家办公。这天，老板齐天大圣通过“猴信”（花果山全民都在用的IM软件）找到嗨皮君，他说：“嗨皮君，你刚进公司不久，需要尽快熟悉公司的业务。现在还不能上班，但也不能把这些时间浪费了。这样，我给你一份数据，你好好研究分析一下，下周给我一份数据分析报告。”接到任务，嗨皮君心里十分紧张：这可是进入公司的第一个任务啊，一定要好好表现！于是他认认真真地观看了老板齐天大圣以前做过的数据分析教学视频，还在网上查阅了很多相关资料。以下便是嗨皮君的思考和写作过程：一、分析背景及目的数据源：Baby Goods Info Data-数据集-阿里云天池这是一份母婴产品的销售数据，数据集各字段的含义如下：我们需要从这些数据中发现某些规律或者异常，进而给运营团队提出建议。二、分析思路从“产品”和“用户”两个角度来分析：1. 产品角度分析销量随时间变化有什么规律分析哪些是热销产品，哪些是滞销产品，它们有什么特征2. 用户角度分析婴儿年龄和销量之间有什么关系分析婴儿生日和销量之间有什么关系三、分析过程1. 数据清洗（1）确定分析表把列名替换成中文，调整列宽和列与列的顺序：（2）多删少补① 处理重复项由上述结果可见，并未发现重复项。② 处理空值项处理结果发现，产品信息表中的空值项均出现在商品属性字段下，由于商品属性是特定值，不可预估，在缺乏其他数据源的情况下没有办法进行填补，因此暂时忽略这些空值项。婴儿信息表中未发现有空值项。（3）一致化处理把“购买时间”和“婴儿生日”用分列功能转换为日期格式，把“婴儿性别”转换成其真实含义。（4）异常值处理① 删除性别异常值婴儿出生时的性别只有男和女两种可能，经过上面的清洗步骤，发现婴儿性别出现了异常值，删除掉。② 删除日期异常值经排序后观察发现，购买时间的区间范围是[2012/7/2,2015/2/5]，没有极端异常值。婴儿生日的区间范围是[1984/6/16,2015/8/15]，产品销售时间在2012年~2015年，却出现了生日是1984年的婴儿，显然这个1984/6/16的项是异常项，故需删除。③ 判断数据集是否还有可能存在异常值对购买数量进行描述统计分析得：变异系数=标准差/平均值*100%=2515%，说明数据集离散程度很高，可能存在部分极端值。有时候某些异常值我们在数据清洗阶段无法发现，所以在结合图表分析的时候我们还会进行异常值的判断。2. 结合图表分析（1）分析销量随时间变化有什么规律① 观察整体销售趋势从图中发现，2014年11月出现了一个显著的销量高峰。看到11月份销量暴涨我们通常会想到是由于双十一活动造成的，是否真的这样呢？我们先假设是由于双十一活动造成的，那么销量暴涨背后必定是由于购买人数暴涨，下面便要收集数据证明购买人数也暴涨。② 分析2014年11月出现销量暴增的原因进一步，查看11月的销售情况：从上图中可以看出，2014年11月销售暴增主要是因为11月13日这天的销量出现了暴增。③ 分析2014年11月13日这天出现销量暴增的原因再进一步，观察各个类别11月的销售情况：从图中可以明显看到，主要销量来源于类别50014815，查询具体数据发现，11月13日总销量10138，类别50014815就占了10030（99.7%）。④ 分析类别50014815在11月13日销量暴增的原因把类别50014815历史所有的数据调出来看：从类别50014815的历史销售数据可以发现，之前销售一直维持在一个比较平稳的水平，只是在2014年11月13日这天出现了暴增。回到分析表，筛选出2014年11月13日类别50014815的销售明细查看。从销售明细可以看出，该类别的商品由用户2288344467单次购买了10000件，占了99.7%（当天共10030），由此可得出以下结论：不是双十一活动活动导致的。因为如果是双十一活动，必然很多用户购买导致销售量暴增，而不是只有一个用户购买大量商品；需要找工程师确认数据源是否记录有误；如果数据无误，则要将情况反馈给运营人员，跟踪该用户是否存在可疑行为（刷单，或者利用网站漏洞薅羊毛）。⑤ 排除异常值，重新再观察销售趋势经过上述分析，用户2288344467购买的这条记录属于异常值，记录为“异常数据1”，应该删除，再重新分析销量随时间变化的规律。把删除“异常数据1”后新的数据表再用折线图展示：从图中可以看出类别38、类别50014815、类别50022520、类别122650008的销售情况都趋于平稳，类别28的销量起伏较大，类别50008168出现一个极端高峰点。⑥ 分析类别50008168的销售出现极端高峰点的原因通过同样的方法可以分析出类别50008168在2014年9月20日由用户173701616购入2748件，将此数据记录为“异常数据2”，处理方法参照异常数据1。⑦ 分析类别28销量波动大的原因同样地把“异常数据2”删除后，得到折线图：观察发现类别28的波动比较大，查找到类别28的销售明细，按照销量倒序排序：从表中发现类别28并没有明显的异常数据，不过前三项较其他项差距较大，应该标记为“关注数据”，结合更多的其他数据来分析原因。⑧ 小结类别50014815、类别50008168均出现异常值，分别标记为“异常数据1”、“异常数据2”，排除是营销活动导致的。因为如果是营销活动，必然很多用户购买导致销售量暴增，而不是只有一个用户购买大量商品；类别50014815、类别50008168这两项异常数据需要找工程师确认数据源是否记录有误；如果数据无误，则要将情况反馈给运营人员，跟踪该用户是否存在刷单情况（网站可能会存在漏洞，被黑客利用进行刷单薅羊毛），后续分析排除这两项数据；类别28标记出三项“关注数据”，目前没有其他数据结合分析，暂时保留。（2）分析哪些是热销产品，哪些是滞销产品，它们有什么特征“热销”和“滞销”应该根据购买人数来判断。① 找出热销和滞销商品可以看出类别50008168商品最热销，而类别38商品的购买人数最少，结合之前的购买数量图可以看出类别38的销量也相对较少，因此类别38商品是滞销商品。② 分析热销商品和滞销商品的购买人数变化a. 先按【年份】来看2015年只取到2月6日，数据不全，整体上可以看出所有类别的购买人数都是逐年增加。b. 再按【季度】来看整体上表现为第一季度下滑，第二季度上升，第三季度下滑，第四季度上升。c. 最后按【月份】来看从图中可以看出，滞销商品类别38的人数表现平稳，一直维持在较低的水平，由此可判断该类商品基本是靠自然流量，或者是冷门类别。除类别38外，其他五类商品都有一些共同特征（第一季度下滑，第二季度上升，第三季度下滑，第四季度上升），而热销商品类别50008168的波动较大。③ 分析热销商品类别50008168购买人数波动的原因观察类别50008168折线图发现，每年的2月和7月会出现波谷，而5月和11月会出现波峰（2013年是12月出现波峰），因此把这些月份单独拿出来观察。从图中可以发现，每年的11月和12月会出现明显的“凸起”，其他月份均是有起有伏，因此再把11月和12月份单独拿出来看：至此，已经很明显可以看出，每年的11月11日和12月12日都会出现购买人数突增，可以判断这是商家们进行“双十一促销”和“双十二促销”活动导致的。④ 小结热销商品是类别50008168，每年“双十一”和“双十二”商家会进行促销活动，而且活动效果明显；滞销商品是类别38，购买人数和销量一直平稳在较低水平。（3）分析婴儿性别和销量之间有什么关系① 计算男女人数比例得出男女人数比例大概是1：1.1。② 计算男女各自购买的商品数得出男女购买商品数的比例大概是1：1.7。由此可见女性婴儿产品的销量要高于男性。③ 比较各类别购买数量-男女差异从图表中可以看出，只有类别50022520是男性略高于女性的，其他类别都是女性高于男性，主要差别在于类别50014815，女性购买量是男性的3倍。④ 小结女性婴儿产品的销量明显高于男性；只有类别50022520是男性略高于女性的，其他类别都是女性高于男性，主要差别在于类别50014815，其女性购买量是男性的3倍。（4）分析婴儿年龄和销量之间有什么关系① 分析婴儿年龄和销量的关系从图表中发现，产品的整体销量随着婴儿年龄的增长而下降，到了6岁之后就基本没有需求了。② 分析各个类别的销量走势从图中可以看出虽然整体销量都是随着婴儿年龄增长而下滑，但是各类别的侧重点不同：类别50014815、类别50008168、类别28主打未满1周岁的母婴产品（0岁达到峰值）；类别38、类别122650008主打1岁的母婴产品（1岁达到峰值）；类别50022520主打未出生前的母婴产品（“未出生”达到峰值），应该主要面向孕妇和哺乳期妈妈。③ 小结整体销量随着婴儿年龄的增长而下降，到了6岁之后就基本没有需求了；类别50014815、类别50008168、类别28主打未满1周岁的母婴产品；类别38、类别122650008主打1岁的母婴产品；类别50022520主打未出生前的母婴产品，应该主要面向孕妇和哺乳期妈妈。四、结论和建议最后把上面整个分析思路、分析过程以及分析过程中的小结整理出来，得到分析结论，并综合所有结论得出建议：后记：嗨皮君花了整整两天把这份分析报告写完，然后发给老板齐天大圣。老板看完之后，眯着眼笑了笑，回复道：“你的报告行文逻辑思路很清晰，结论和建议都比较到位，不错不错。你能告诉我你在写作过程中感触最深的是什么吗？”嗨皮君想了想，回复道：首先要理清楚分析思路，通过多维度分析思考，罗列分析点；正式进行分析前要先对数据分析表进行清洗：确定分析表——多删少补——一致化处理——异常值处理；根据罗列的分析点逐个分析，过程中需要结合对比分析、逻辑树分析、假设验证分析等分析方法进行分析；很多问题不是一开始就能发现的，而是要经历“构建图表——发现异常——往下深究（不断地深入）——逐层分析逼近真相——找到合理解释”的过程，因此需要有“抽丝剥茧”的精神；当数据关系到整体也关系到部分时，要警惕“辛普森悖论”，研究完整体得出结论后，还要研究整体中的部分，看是否也能得出相同的结论；每个分析点得出小结，最后把小结综合起来再总结，往往能够把结论表达得更全面；最后的建议根据综合结论得出来会更有意义。本故事完，感谢观看本文由@Haby 原创发布于人人都是产品经理。未经许可，禁止转载题图来自Unsplash，基于CC0协议

来源：金融界网站作者：产业中国研习社课题组数据几乎无处不在。 随着信息技术与生产生活深度融合，数据呈现爆发增长、海量聚集的特点。经历了消费互联网对人类生活和互动方式的变革，我们看到，全球经济亦加速产业数字化的转型。云计算、大数据、物联网、人工智能、区块链等新技术和新商业模式，正在推动全社会的万物互联，也推动着产业链内部、产业之间、产业与政府之间的高度互联和跨界融合，经济的去中心化和生态化已经十分明显了。 产业互联网生态下，基于企业、行业、政府数据的深度挖掘和应用成为提供区域与产业咨询、规划与政策供给、招商引资与产业运营服务的必需品，在技术、商业、社会治理等领域，产业大数据带给人们的惊讶才刚刚开始，尤其对于活跃在市场中的不同政府、企业、机构而言，增量信息汹涌而来，带来的是近乎颠覆性的变革。 也正是如此，产业大数据平台应运而生。它服务于城市和产业的发展，帮助人们更便捷地找到新的商业机会以及更快速地获取行业知识，也引领着我国对于新经济增长点的探寻和经济治理模式的革新。 那么，产业大数据在我国究竟发展得如何，谁又是弄潮儿，未来，又将何去何从？ 谁在玩产业大数据从公开资料梳理，目前，我国已经形成了业务有交叉但又各具特色的几大产业大数据平台。 代表性产品包括：华夏幸福产业大数据平台、赛迪产业大脑、中科点击慧数行业大数据平台、今日云商、阿里云区域经济大脑、软通动力产城大数据。各平台的基本情况如下： 华夏幸福产业大数据平台：基于17年产业招商经验、结合人工智能与大数据技术研发的专业化平台，聚焦10大产业，拥有3500余万家企业11.5亿条动态数据，提供产业可视化地图、产业智囊APP、产业在线研究、产业数据服务端四大产品。 赛迪产业大脑：以产业链和多维度产业大数据为核心，进行产业现状监测、研究分析以及趋势预测等，以数据具化产业画像，从产业、企业、技术、资源等多角度、多层次剖析产业优势及症结，为政府、园区、企业、投资机构等用户提供产业洞察、辅助决策及资源对接等服务。 中科点击慧数行业大数据平台：以政策库、行业库、展会库、人才库为基础，多维度分析各产业链间的关联企业，对目标企业信息自动筛选，形成一个围绕企业的综合数据集群，从而全面掌握行业发展情况、预判产业发展趋势，预测市场风险。 今日云商：为产业招商人员提供涉及27大产业、超500个产业项目和超4500万家企业的有效数据，轻量化的终端使产业招商人员便捷地获取招商信息。 阿里云区域经济大脑：汇集与产业经济发展及企业发展相关的数据，基于算法模型的智能分析以及自上而下整体贯通的产品架构，协助政府推动改革创新。 软通动力产城大数据：以“城市云+产城大数据”的业务模式为定位，为中国重点区域及城市提供政务、产业和民生等城市云运营服务及产城大数据服务。 尽管架构和功能各有异同，但从本质上讲，产业大数据平台的功能包括“产业-区域-企业-服务”四个维度，根据平台业务逻辑不同形成了面向产业、区域、企业、服务的不同系统组织和架构模式，各具特色。 　如果进一步拆分，六大平台功能设置如下:　面向产业的元数据项：在面向产业的功能维度上，华夏幸福产业大数据平台和赛迪产业大脑是覆盖最为完整的。 华夏幸福与赛迪研究院都在产业服务领域深耕多年，面向各自不同的核心业务场景，两者具备不同的功能。 华夏幸福产业大数据平台已上线的产业领域包括生物医药、汽车与零部件、新一代信息技术产业，其产业维度元数据的设置面向细分化的产业招商服务展开，实现了对于招商服务中所必须的产业价值-产业链条-产品与产线-落地项目-招商赛道-招商意向预判-产业动态等所有环节所需信息的全覆盖，并以长期的招商服务经验为基础，对数据进行重组和再加工。 以新型显示产业为例，平台依托专业的产业研究团队，将组件材料、生产设备、面板模组、激光显示四大产业链重点领域细分为72个赛道，进行面向招商的产业全景监控。 在华夏幸福产业大数据平台3.0版本中，“产业大数据”移动版——“产业智囊APP”全新上线，以服务招商为核心，集企业查询、榜单检索、资讯速递、报告阅览于一体，移动端的布局使得业务适用场景更为多样。 而赛迪产业大脑则更具有信息服务属性。现已上线的产业领域包括无人机、大数据、数控机床、人工智能、集成电路、机器人、智能制造、生物医药、虚拟现实、网络安全、节能环保等，其产品逻辑围绕面向区域和行业的产业信息服务展开，以自身行业研究和分析资源为基础，主要功能包括监测产业规模与增长、产业发展重点区域、产业布局情况、TOP企业信息、更新产业实时资讯等以完成全球产业动态观察，通过对产业链各环节规模、发展及发展阶段评价实现产业全景洞察。 面向区域的元数据项：阿里区域经济大脑和软通动力产城大数据平台是面向区域的产业大数据的代表。 其中，阿里区域经济大脑以产业运营和精准化企业服务供给为核心场景，软通动力产城大数据以全方位智慧城市数据中心为核心场景。区域经济大脑连接了政府与企业。在政府端，具备全景洞察、企业画像、招商雷达、风控雷达和企业服务等功能，全面帮助区域政府有效管理企业。在企业端则搭建企业与政府间的信息通道，采用全景档案、成长通道、专享权益、金融扶持、商机扩展等产品模块，让政府有效下达企业扶持政策和服务，企业亦能积极同步提供研产销过程中最新的数据和信息。利用区域经济大脑，政府能够对发展中的敏感点、企业的痛点更清晰地透视，加大市场化手段调节力度，倒逼企业加快转型。 软通动力则通过获取整个城市运行状况的综合信息，据此进行城市顶层设计、科学规划、宏观决策、舆情分析、精准扶贫、应急指挥、劳动就业、行业分析、产业洞察、交通出行、节能环保、文化旅游、医疗养老、智慧社区等服务需求，借助大数据来优化城市的管理和运营，是面向区域来组织的产业大数据平台，具有管理和服务属性。 面向企业的元数据项：企业数据是产业大数据平台分析的基础，但与产业维度和区域维度的功能设置相比，面向企业服务的功能在产业大数据平台中的功能相对薄弱。 阿里云区域经济大脑为企业提供了相对丰富的企业发展服务和金融扶持、权益服务和企业商机服务。华夏幸福产业大数据平台产业智囊APP不仅为招商人员集成了企业信息服务，使企业信息元数据项在基本的工商注册信息，还集成了华夏幸福基于17年产业发展实践形成的必备元数据项目，并提供企业名称、行业分类和专题三种检索和浏览模式，方便招商人员基于不同的业务需求对企业信息进行查询。 面向服务的功能设置：服务是平台的最终产品，赛迪产业大脑和华夏幸福产业大数据平台形成了偏向“产业”的服务内容，其中华夏幸福依靠强大的产业研究经验及专家力量，线上线下服务相结合，提供大量的产业研究、产业招商服务、区域经济形势分析、落地项目评估等服务，而阿里云区域经济大脑和软通产城大数据形成了偏向“区域”的服务内容，以政府为切入点，提供经济发展诊断、政务云平台、企业服务发展和规划决策服务。 产业大数据三大应用场景无场景，不数据。 尽管各个产业大数据平台的服务对象不尽相同，但总体而言，其赋能产业发展有三个关键要素，即数据、行业知识和应用场景。 随着数字经济的快速发展，数据越来越成为重要的生产要素之一，高容量、多样性、存取快的数据是大数据服务体系中的战略资源。 但是，数据本身并不具有价值，只有与行业知识相融合，并被进一步有效利用，才能成为驱动产业发展与经济变革的引擎，而其中的结合点就是应用场景。 就产业发展而言，大数据赋能的核心场景有三个方面： 　一是基于大数据的产业信息服务和战略咨询。信息是决策的基础，传统的产业信息服务和战略咨询以个人经验和抽样样本为决策基础，随着数据采集和分析运算能力的提升，基于全样本的企业信息和行业数据成为可供分析的对象，信息的日益完全成为了经济决策效率提升的关键，具体的应用体现在基于区域多维度、多领域的经济和产业发展报告、监控和分析，以全样本企业数据为基础的产业画像以及针对企业的全景式情报观察。 在这种场景下，能够掌握的数据量的丰富性和独特性成为影响服务能力的关键。 二是基于大数据的产业集群导入和招商引资服务。招商引资是产业发展中最复杂、最多变，也是最重要的环节。传统产业招商模式高度依赖招商队伍，招商人员的工作经验、人脉资源、信息视野、知识结构等直接影响招商工作的效率、质量和水平。随着新兴产业的不断涌现和产业链条的日益复杂，传统的招商模式给招商人员带来极大的学习成本，招商过程中靠个人积累经验也难以实现快速有效的复制和推广，与此同时，易受地域空间限制，有效信息的获取难度很大。招商需要的海量信息已难以进行人工处理，招商信息和投资信息的传递和匹配也需要更高的计算效率，这给了大数据用武之地。 以智慧招商为核心功能的产业大数据平台可以通过对产业的动态监控和产业链深度分析，进而为招商引资服务提供信息支撑和专家指导，由于招商服务的场景多样性和逻辑复杂性，行业知识和招商实践积累是影响服务能力的关键。 三是基于大数据的产业运营和精准化企业服务。随着智慧城市建设的加速，城市的方方面面都产生着可供利用的数据。从企业发展的需求的精准对接、政策供给的精准传导，大数据作为决策依据的属性，能够精准分析供给与需求，减少产业发展服务中的盲目性，进而创新服务模式，实现精准化智能服务。 在以产业运营和智能服务为核心功能的平台中，对以特定区域为核心的应用场景的深度分析和捕捉是服务能力的关键。 　谁将引领产业大数据那么，基于现有代表性的产业大数据平台，谁更具有引领性呢？ ·产业信息服务和战略咨询服务能力比较对于产业信息服务和战略咨询服务能力，我们从数据信息的丰裕度、数据信息独特性、数据信息的颗粒度、数据可复用性、数据的再加工程度、数据信息的应用价值等维度建立评价体系，对六大平台进行对比，其后发现赛迪产业大脑具有更强的信息服务能力。 赛迪产业大脑的信息服务能力来源其面向行业和区域建立的信息资源优势。首先，产业大脑以产业链和多维度产业大数据为核心，进行产业现状监测、研究分析以及趋势预测等，以数据具化产业画像，从产业、企业、技术、资源等多角度、多层次剖析产业优势及症结所在，为政府、园区、企业、投资机构等用户提供产业洞察、辅助决策及资源对接等创新服务。 其次，以满天星知识分享平台和赛迪研究院资源为核心，整合1000多名行业分析人员资源，面向100多个行业，紧密跟踪行业动态、时事政策和产业发展产业研究成果，并根据用户需求不断推出创新产品，不断追求最大限度高效利用产业数据，使产业大数据绽放其产业价值，凭借资源优势和长期的产业咨询服务经验，赛迪产业大脑成为产业大数据平台中以信息服务为核心竞争力的代表性平台。基于信息服务和战略咨询能力的评价·产业集群导入和招商引资服务能力比较对于产业集群和招商引资服务能力的比较，我们从招商信息丰裕度、招商数据颗粒度、招商逻辑表示度、招商服务落地性、招商服务效果来衡量，华夏幸福产业大数据平台凭借其长期积累的招商经验和产业集群导入服务业务需求成为产业集群导入和招商引资服务能力最强的平台。 基于产业集群导入和招商引资服务能力的比较招商是华夏幸福产业大数据平台选择的核心应用场景，其发展基础来自于三个方面。 首先，基于17年的招商经验，华夏幸福形成了海量有效的产业数据积累。早在业内招商人员靠陌生拜访、参展参会等方式积累企业信息的阶段，华夏幸福已经建立首个产业招商领域的CRM系统。依托庞大的产业发展团队和行业圈层资源，积累了19万条有效企业信息数据，形成了华夏幸福原创的产业发展数据库雏形。 在长期的产业发展实践中，华夏幸福进一步聚焦新一代信息技术、高端装备、汽车等十大重点产业，细分37个二级与109个三级产业领域，深谙不同产业、不同产业领域的数据来源、数据维度、数据结构，可以有针对性地搜集整合全产业链动态数据。 与此同时，在平台建立过程中，整合了上亿的企业和多个场景数据，针对性留存源自企业、媒体平台、会议论坛、行业公众号等渠道的多维、立体化数据。 其次，华夏幸福针对不同行业、不同应用场景，开发了精准算法模型。针对不同行业，通过分析企业生命周期、资本活跃度、产品生命周期、生产线能力等影响因子，前置研判企业的投资选址需求，支持团队实现按图索骥，智慧招商。 例如，在生物医药与器械“智慧招商”产品设计之初，技术开发团队组织了30余场、100多人次的内外部专家访谈，总结出3大类、16种企业投资扩产或搬迁场景，确定决定投资选址的影响因子及权重，建立Xgboost、NLP等算法模型，大数据平台通过算法模型输出包含300多家企业的“长短名单”，经团队走访验证，30％以上的企业有明确的投资选址或搬迁意向，较传统招商模式提升5倍。 此外，平台拥有基于线下反馈的深度学习和优化迭代。华夏幸福凭借4600人的产业发展团队，从事以招商引资服务为核心的产业发展服务，在服务各个区域和不同产业的实践中，持续对大数据产品的成果进行反复验证，形成有效反馈，推动了平台深度学习，同时不断校正优化算法模型。 ·产业运营和精准化企业服务供给比较对于产业运营和精准化企业服务供给能力的评价，我们从业务场景的独特性、服务有效性、产业运营效果、平台普及率等角度对产业运营和精准化服务能力进行评价，比较而言，阿里云区域经济大脑具有更强的服务供给能力。 基于产业运营和精准化企业服务供给能力的比较阿里云区域经济大脑重在对区域经济建设发挥作用，例如在企业评估中，平台能依据企业的排污量、税收、用电量、人力等综合数据分析，对将入驻企业进行评估，为政府招商引资提供判断依据。 区域经济大脑解决了政府管理中的多处困局，包括如何能从宏观到微观对经济和企业发展状况和趋势有深入的认识；如何能全面，综合和公正地对企业进行评估；如何综合分析企业上下游和供应链关系；如何能让政府和企业的信息更透明对称；如何能融合社会力量解决企业在发展中的困难。 政府端与企业端的双向链接与沟通为平台提供了丰富的介于政府和企业互动的应用场景，应用场景是其维持竞争力的根源。 产业大数据的未来中共中央十九届四中全会的公报中，首次明确提出数据可作为生产要素按贡献参与分配，这成为推进十八届五中全会提出的实施国家大数据战略的重要一环。 随着大数据战略上升为国家战略，全面推进大数据发展和应用，加快建设数据强国，释放技术红利、制度红利和创新红利，促进经济转型升级，产业大数据平台发挥的价值将越来越大。未来发展趋势表现在三个层面： 一是“机器+人工”的平台运行流程仍将长期被使用。当前效果较好的产业大数据平台中，人工的辅助是平台搭建和运行的重要保障，由于产业发展业务的复杂性和专业性，产业大数据平台的数据标注等基础性工作也产生了更高的知识密集型人才需求。 在以数据库系统为主流的数据存储形态下，计算机可接受的用于描述产业发展逻辑的数据结构和处理能力受限，未来，基于本体的知识表示和语义推理等人工智能技术的发展将是产业大数据平台进一步智能化的可能路径。 二是行业知识仍将是搭建产业大数据平台效果的关键要素。消费大数据平台的搭建是单点突破模式，在某一点形成商业模式的创新孵化新的产品。 而产业大数据都需要不同程度的集成区域、产业、企业信息，其产品形态必然是基于业务场景的模块化形态，在与产业发展相关的领域，行业知识对产品逻辑和产品架构影响极大，不论是招商还是规划，都需要“数据驱动+模型驱动”的双重赋能，数据与机理的深度融合才能真正解决问题，以行业知识为基础的基于行业内生数据和场景化建模的业务决策辅助是产业大数据平台发展的方向。 三是政府将成为产业大数据生态的关键一环。从数据供给来看，政府数据是产业大数据平台的底层数据之一。当前，各地政府也在积极因地制宜，与时俱进探索运用大数据搭建智慧城市和智慧政务服务。 政府数据开放性和数据资源管理机制是影响政府数据供给的重要因素。同时，从服务应用来看，政府将成为产业大数据的终端客户。 大数据对人类生活的更新率先兴起于消费和社交领域，随着产业大数据平台的兴起和发展，大数据对区域治理、经济发展方面的应用价值将越来越大，基于政府业务场景，依托线上的信息共享和数据分析，立足区域特点，科学运用大数据从事经济发展服务的时代已经到来。 百花争艳才是春天，产业大数据虽在上路伊始，却已初露峥嵘，我们期待着产业大数据的春天的来临。

对于数据分析，产品、运营需要懂多少才算懂？数据分析能力对于产品和运营人员都是重要的，有多重要？我们直接上数据。我们用Python爬取了前程无忧网上500条关于活动运营、内容运营、用户运营的职位要求，把他们进行词频分析，得出了以下的图表。我们得出以下结论：用人需求方普遍认为，数据分析能力对于运营人是非常重要的（当然，更加重要的核运营核心竞争力是产品思维和营销策划能力）。然而有趣的是，很多的运营人员过分地专注于自己的营销能力上（如文案能力、活动策划能力）却忽略了数据分析能力的提升，我所带的团队也有这个弊病，故写下这篇文章，供大家参考。数据分析在运营中的作用运营人是与业务最贴近的人群。拥有高效的数据分析能力，有助于我们快速制定与业务增长高度相关的运营决策。优秀的运营人做出来的数据分析，对业务更加有实际的指导意义，不会流于形式，不会沦为单纯的 “取数”、“做表”、“写报告”。对于互联网时代的销售——运营而言，数据分析主要有三个作用。具体化地描述当前产品的状态、用户的状态，发现问题，帮助作出运营决策；验证所做的运营策略，是否有效；探索与预测未来的可能性，实现产品与运营的优化；这三个作用也是逐级递进的，从现有行为挖掘数据，通过数据反推行为，再通过数据预测未来。数据分析不可能脱离产品，所有分析的数据源自产品与用户行为，分析的结论又服务于产品和激活用户行为。应有的分析思维增长公式思维要改变物体的运动状态，必须要有力或场的存在，产品规模增长和用户增长，必然有其增长引擎。企业的增长=系数1*因素1+系数2*因素2+….+系数n*因素n通过对业务的理解，找到驱动业务的因素，这是经验之谈，基于我们对业务的熟悉，用户之敏感，对营销的理解来确定，通过快速迭代与实验来验证我们所选定的各种因素是否合理。先谈谈因素，举个极度简单的例子：收入-费用=利润企业利润下降了，是什么原因？核心驱动力就是收入减少了或者费用提升了。可不要忘记了在因素前，还有一个系数，因为影响核心业务的因素实在是太多了，我们应该找到关键因素，这个系数就是描述因素对于核心业务的影响程度的。再举一个极度简单的例子：商场营业额=商场负1楼收入+商场1楼收入+商场2楼收入,负一层是商场停车场、一楼是男女时尚服装、二楼是美食广场。我们按照个人经验，加上了系数，商场营业额=1*商场负1楼收入+30*商场1楼收入+5*商场2楼收入。具体理由是服装商场毛利高，人们过来也是冲着商场的核心业务的。所以，商场1楼收入就成为了最关键的因素，当我们要考虑的因素太多的时候，系数大的因素就成为了我们需要首先考虑的关键因素了。这里说的并不是数学公式，增长公式里面的加号是指增长因素的有机叠加，而不是数学上的简单相加。金字塔思维金字塔原理有一个核心法则：相互独立，完全穷尽。它是优秀的思维方式与表达方式。相互独立，说的是每个分论点彼此应该没有冲突和耦合，都属于独立的模块。完全穷尽，则是所有的分论点都被提出，不会有遗漏。在初期，我们很难做到完全穷尽，但是我们必须带着这个思维去思考。有一天，我的下属找我汇报，跟我说：豪哥，这次活动参与用户只有30000多人，报名转化率只有30%。最近产品转化也不佳，服务器经常宕机，渠道引导注册乏力，貌似用户的需求也下降了，竞争对手的动作也让一些用户跑到了他们那里了。听完之后，我是一脸萌逼的，孩子你在说啥？我们的大脑很难同时记住多个独立的论点，如果我们把它们用一定的逻辑串联起来，听你说话的人才会理解你的观点。按照相互独立，完全穷尽的思想，我们可以把他汇报的点先列出来：活动参与人数30000人（这到底是多还是少？需要对比过往数据进行分析）报名转化率30%（这到底是多还是少？需要对比过往数据进行分析）产品转化不佳服务器宕机渠道乏力用户需求下降竞争对手行为我们在用金字塔方法整理之，其实汇报人的核心思想应该是最近产品的销售额下降了，其它都是支持这个销售额下降结论的表象可一些可能的原因，我们运营销售额=新客销售额+老客销售额 和 新客销售额=新客流量*新客转化*新客客单价两条增长公式，找出增长关键因素为流量、流量转化、老客复购整理出以下金字塔。分类思维用户分群、市场细分、产品细分，在进行运营决策时，我们处处用到分类思维。事物之间均存在共性与差异性，分类思维的基本思路是，核心指标差距甚远的事物，我们可以把他们分开。如上文提到的企业增长因素，我们就可以把相关的关键因素加以分类。通过销售增长率与市场占有率两个相互制约的因素，波士顿矩阵把企业产品分类成明星、现金牛产品、问题产品、瘦狗产品，进而分析和规划企业产品组合，以达到企业的盈利目的。漏斗思维漏斗模型是产品运营分析的万金油，用户从进入到最终转化，每个环节都会有流失，每个环节都会有转化率，每个环节的人数都在依次递减，用户的每一条路径就形成了一个漏斗。漏斗思维有两个要点，第一，要关注漏斗的每一步的流失情况，分析每一步流失背后的原因，逐步减少用户流失。第二，不仅要考虑流失原因，我们还需要考虑上下层的关系。举个例子，某产品为了拉新，进行有诱导性文案“注册送iPhone”，勾引用户进入，虽然在第一阶段，可以带来大流量，但是用户进来后若发现货不对板，则很有可能导致后续转化率很低，并且让用户感受很差，对产品产生负面评价。应该懂得分析工具始终要记住，我们是运营或者产品，我们不是数据分析师，在精力有限的情况下，你需要精通两个工具，一个是Excel，一个是PPT。Excel主要是进行数据处理、数据清洗、数据可视化的，而PPT则主要是用来展现数据分结果、撰写报告以指导运营的。对于产品和运营而言，数据分析的最终目的就是解决问题。不要一味追求图表的好看与高级的数据分析方法，掌握20%的数据分析方法和工具就能够解决80%的数据分析的问题。数据分析的流程对于数据分析，我们可以定义为：用适当的统计方法，对收集回来的大量数据，加以汇总和开发，以达到提取信息、形成结论、指导工作等目的。我认为，数据分析应该有以下流程：1.明确目的与思路：这次数据分析是为了解决什么问题这是数据分析的第一步，我们必须带着问题去找答案，数据的量是巨大的，而且数据之间又相互关联，不带着问题上路就会迷失在数据的海洋中。不仅要带着问题，我们还需要带着正确的问题去上路，下面举一个例子。不好的问题：为什么新用户下单量一直没提升？怎么样才能提升新客转化？合理的问题：最近下线了用户注册后自动送新手大礼包，是否导致了新客转化下降？明确目的之后，要确定自己的分析思路，分析思路主要是各种商业分析模型和营销分析模型，这些商业模型是我们运营的核心竞争力，相比起数据分析师，我们更加了解营销，更加了解产品，这里不展开叙述。《谁说菜鸟不会数据分析》里面提到了一下常用的营销管理方法论。PEST分析法：用于对宏观环境的分析，包括政治（political）、经济（economic）、社会（social）和技术（technological）四方面。5W2H分析法：何因（Why）、何事（What）、何人（Who）、何时（When）、何地（Where）、如何就（How）、何价（How much）。4P营销理论：分析公司的整体营运情况，包括产品（proct）、价格（price）、渠道（place）、促销（promotion）四大要素。用户行为理论：主要用于网站流量分析，如回访者、新访者、流失率等，在众多指标中选择一些适用的。2.收集收据：从站内数据库或外部找到与问题相关的数据人类每一天的行为，产生了海量的数据，当你睁开双眼，你的体重、身高、心率、血压，统统都是数据，外面的温度、湿度、PM2.5也是数据。那么，我们去哪里寻找我们需要的数据呢？按照从宏观到微观，我们把数据来源分成了一下五个阶段：宏观数据、对应行业用户数据、互联网用户数据、同类产品数据、自有产品数据。其中，产品和运营的同志，需要着重关注关注对应互联网行业数据、同类产品数据、自身产品数据。3.数据处理与清洗数据清洗是指发现并纠正数据文件中可识别的错误的最后一道程序，包括检查数据一致性，处理无效值和缺失值等。这里用几个例子来说明，首先是数据一致性：根据每个变量的合理取值范围和相互关系，检查数据是否合乎要求，发现超出正常范围、逻辑上不合理或者相互矛盾的数据。例如，性别为男却有妇科的治疗记录。对于这类型数据，我们可以拿出数据源重新核实，有时需要直接删除掉。无效值：用户的身高为负数，两条完全重复的数据，这些都可以视为无效值。而缺失值就如字面意思，缺失的值，对于无效值或缺失值，我们可以对其进行估算或删除。使用删除重复项来清洗数据4.建立数据模型，数据分析终于开始真正的数据分析了。是的，我并没有坑你，数据分析师每天要花80%以上的时间在收集和清洗出符合数据分析，数据分析过程主要是这样的。观察数据，看看当前产品状态是怎么样的？为什么会这样子？大环境发生了什么变化？我们做了什么动作？判断接下来可能发生什么？数据分析有以一些基础的分析方法，熟练使用这些数据分析方法，我们就能够通过研究数据，回答上面的问题了。对比分析法将两个或两个以上的数据进行比较，分析出他们的差异，从人揭示了这些数据所代表的事物发展规律。我们经常会听说横向对比和纵向对比，在同一挑时间条件下不同指标的比较，就是横向对比，如对比中美俄日各国的GDP。纵向比较则是对比同一条件下不同时期的数值，如我国每年的GDP对比。在进行数据分析的时候，选择恰当的对比系尤为重要。与目标对比、不同时间对比（环比、同比）不同主体对比（如对比不同引流渠道的转化率）业内对比（对比统一渠道不同产品的引流转化率）运营动作前后对比（发放优惠券用户与未发放优惠券用户对比）与平均水平或中位数进行对比（小学生最喜欢拿自己成绩和班里平均分比较了）通过对比，我们才能判断指标背后反映的情况，判定产品当前的状态。增长公式与加权分析法前文我们提到，核心指标会有其对应的增长公式，而每一个对应的增长驱动力所占的权重又是不同的。此处介绍一下，如何确定权重的简单方法——目标矩阵法。目标优化矩阵的工作原理是把人脑的模糊思维，简化为计算机的0/1思维，最后得出量化结果。目标矩阵主要是把决策因素放在一个矩阵内，让团队内经验较为丰富的同事来判定各因素的重要性。接下来，我们举个例子，假设你的择偶标准有如下因素：有房有车、帅、高学历、人品好、时间长。我们建立以下矩阵：用有房有车跟帅对比，有房有车更重要，输入1用有房有车跟人品好对比，有房有车更重要，输入1用有房有车跟人品好对比，有房有车没那么重要，输入0有房有车对比完成后，依次对比其他项，填入合计:对0分项进项修正，如给它加个0.5分 。并计算权重：最后，计算合计/所有指标的总计*100%，计算出来的就是该项权重值。矩阵分析法矩阵关联分析法是一个形象生动又好用的分析方法，矩阵分析法把两个重要或以上的指标进行关联。矩阵分析法主要能够解决如何分配资源的决策问题，有针对性地确定公司在管理方面需要提升的重点。矩阵分析法主要通过建立平面直角坐标系，两条坐标轴分别对应事物的两个属性的表现。举个例子，我们运营经常使用到的几个与用户沟通的渠道为：短信、APPpush推送、电子邮件EDM、站内信、首页弹窗。假如目前由于开发资源有限，我们只能够先选择两个渠道进行对接，我们该怎么选呢？消息沟通有两个关键的要素，分别是成本和信息的触达率，用这两个参数建立坐标系。得到如下图坐标系，四个象限分别对应如下属性：根据我们的分析，按照几个渠道的表现将它们放在上述象限表里面。对上图的各个点，我们进行综合分析，可以看到短信的信息触达率遥遥领先，但是成本很高，所以，短信应该适用于挽回流失客户，因为他们可能已经卸载了APP，其它低触达率的渠道可能无法触达这批用户，我们不得不利用更高的成本来接触他们。APP推送和站内信成本较低，但是对于非活跃用户的触达效果较差，所以我们可以利用这两个渠道对活跃用户进行沟通。而首页弹窗，则数据较为优质的渠道，适合在全量用户推广时使用。5.下结论、定决策在我国，决策时一个特别的过程，一般是集体决策，但决策权主要集中在上层少数管理者手中，基层管理人员很少有制定决策的权力，一旦决策制定后，下级就必须严格执行。而阅读本文的产品或运营朋友，则多数都是中下层管理人员，甚至只是执行者。所以，我们下结论时，必须是上级能够快速看懂和理解的结论，在汇报时，把冗长的数据分析过程归纳为数个相互独立的、具有实质性意义的结论。6.报告撰写当你完成了以上各个阶段的数据分析，恭喜你来到了最后一步，报告撰写。报告撰写是展现你数据分析思路和结论的唯一手段。有点像高考语文三段式作文，报告应该有以下几个部分：这里还有几个分析报告的要点分享给大家：结论先行。不写多余的数据，每一个呈现的图标必须要给出相应的结论。一眼就看得出的结论无须写出来，如柱状图的两条柱子明显差异，不需要另外加文字解释增长明显。必须要有落地点：对于数据所呈现出来的产品问题或不足，必须要有响应的解决措施。永远记住，我们是产品、运营，我们不是数据分析师，我们要着眼在结论、行动与措施上。运营需要关注与了解的业务指标基础流量指标流量指标是互联网运营当中的基础指标，流量包含了好几个指标，以下为最基础的业务指标：PV（page view）访问页面产生的数据。 一个用户访问了5个页面，那么就产生了5个 PV。UV（user view）某个特定页面的访客数。一个页面一个账号无论点进去几次，UV都是1，因为只有一个访客。IP：针对于全站的网络IP数。你在家用电脑登录了这个网站，之后你表哥也用同一台电脑登陆了他的账号，访问了同一个网站，但这个时候IP还是只有1，因为你和表哥用的同一台电脑，网络的IP地址也是一个。页面停留时间：停留时间指用户在网站或页面的停留时间的长短。跳出率：跳出指用户在到达落地页之后没有点击第二个页面即离开网站的情况，跳出率指将落地页作为第一个进入页面的访问中直接跳出的访问比例。计算公式为：跳出率 = 跳出的访问 / 落地页访问各流程转化率：如注册转化率、产品详情页转化率、购物车转化率、支付转化率等等一些列商业指标订单量、订单金额每订单金额=订单金额/订单量件单价=商品销售总金额/商品销售量客单价=时间段内商品销售总金额/时间段内下单用户数GMV：平台类电商业务都会关注GMV（Gross Merchandise Volume）即成交总额。用户运营关注之指标用户运营的主要套路是用户生命周期分析，就是用户从流入、注册、留存、转化、活跃、流失的整个生命周期过程中的数据分析。用户注册时，需要考虑的主要数据是各引流渠道的成效与用户注册单价，以及用户在注册各流程当中的跳出率和页面停留时间。主要是为了分析各渠道的好坏、注册流程的顺畅程度以及可能存在的各种问题。注册后要关注用户的留存，关注留存率、用户回访频率、核心功能使用时间等。不转化的用户不是好用户，付费用户人数、付费用户人数占比、增长速度和注册到付费转化率都是我们可能需要关注的，付费的金额、复购的频率、客单价等我们都需要关注，同时还需要关注一直活跃却不转化的用户行为。活动运营关注之指标对于每一次活动，我们都可以把他当成一个新产品来运营。活动是短期内促进产品各项指标的突然增加的运营手段，判断活动是否成功，就要看目标指标的提升量，以电商活动为例这个目标指标的提升量，可能是新用户下单转化，新用户客单价、老用户客单价等。我们还需要通过分析各渠道投放成本、各渠道引流数、各渠道转化数，最后计算出各渠道的ROi，从而判断哪个渠道对于活动引流和转化有较好的效果。内容运营关注之指标内容运营需要考虑的是内容能够带来的流量以及流量的变现能力。内容本身是能够吸引一定流量的，而随着用户对于内容的传播，流量就会呈现裂变式递增，最后，我们还要把流量转化变现。我认为，内容运营需要关注内容的点击次数、内容页面的页面停留时间、内容页面的蹦失率、点赞次数。上述四个指标能够有效地评判一片文章的标题是否吸引，内容对于用户是否有价值，内容是不是属于标题党内容。有价值的内容未必是用户乐于传播的内容，我们还需要去关注内容转发量。当我们积累了足够多的流量后，我们还要考虑内容的转化变现数据，内容的转化数据因产品形式而异，可以体现为付费链接的点击次数、页面广告的点击次数、所推广之产品或品牌在推广期内的销售额提升等。不同的产品会有不同的指标体系，此处不能尽列，核心思路是关注用户在产品的转化路径，从核心转化路径去拓宽所需考虑的数据指标。协助建立BI系统BI系统主要是给运营与产品看的。不是所有运营都拥有查看数据库的能力，分工明细的大公司更加不会让运营同学获得数据库权限，运营同学花过多的时间在查找和清洗数据也是不应该的。于是，我们需要建立数据看板和数据分析系统。数据分析系统是一个内部产品，用户主要是产品和运营，主要由数据产品经理主导，由数据开发工程师开发完成。目的主要是让运营同学可以简单方便地看到自己最关心的核心数据，及时做出运营决策。BI系统可以由公司团队内部开发，也可以使用第三方工具，如神策、Tableau等等。如何提高数据分析能力多看数据：每天提早到办公室，看看数据报表，思考数据波动背后的原因，久而久之就会成为数据大师。曾经在知乎上看到，数据分析师提高数据分析能力的办法竟然是背数据，虽然有点偏激，也是很有道理。熟悉业务：数据分析是基于业务的数据分析，运营与产品要非常熟悉业务才能通数据中找到存在的问题。这也是我们在数据分析过程中，比起数据分析师占据优势的地方。既精钻Excel，又要懂其它工具。除了Excel常用函数，还需要精通各种图标和数据可视化工具、数据透视表等。数据库语言SQL也要了解，懂Python就更好了，与数据分析师沟通起来更加迅速，自己也可以对一些简单的数据库进行查找和数据挖掘。写在最后运营是一门管理学问，管理能力的提升主要在于实践，本文只能够给大家的是一些实践的思路与方法论，里面的例子也较为简单。大家要把思路与方法论，结合自己的互联网产品加以落实，对框架进行拓展，才能够更有效地掌握数据分析。千里之行始于足下，各位运营人、产品人，共勉。本文由 @梁彦豪 原创发布于人人都是产品经理。未经许可，禁止转载。题图来自unsplash，基于CC0协议

1月7日，游戏茶馆第七届CEO年会在广州召开。大会邀请到包括Apple专家、腾讯、星辉游戏、河马游戏在内的数十位行业专家，超过150+手游企业、500+手游发行、1000+手游从业者，共同把脉“新十年”游戏行业发展风向。七麦科技联合创始人&VP吴瑕受邀出席大会iOS技术开发分论坛，与Apple专家同台，就手游领域最热门的AR技术进行深度分享，并于现场首度发布《2019年AR产品数据报告》。吴瑕先后任职于腾讯、创新工场，是中国最早的一批移动增长人，曾打造过数款千万级产品。现任七麦联创VP的她希望利用多年积累的用户、产品经验，在移动互联网红利消退的困局中帮助更多开发者逆势增长。并多次担任讲师出席包括BAT、新浪、游族等知名企业在内的企业内训分享。技术赋能，AR产品进入爆发时代科技巨头苹果早在2017年便推出ARkit，随即谷歌为安卓生态发布ARCore，点燃了全球市场对AR技术的热情，AR行业迎来爆发年。2019年，5G的来临为AR产品在商业化市场上深入创造了有利条件，AR软硬件产品迎来爆发增长。七麦联合创始人&VP 吴瑕本次出席游戏茶馆CEO年会，在iOS技术开发沙龙板块，重磅发布由七麦研究院出品的《2019年AR产品数据报告》。2019年 ，七麦研究院曾在ChinaJoy期间发布《中国手游行业白皮书》，“AR游戏”作为年度七大关键词之一就已经备受关注。本次《2019年AR产品数据报告》基于Qimai.cn大数据，纵览2009至2019十年间中美区苹果市场大数据，从AR产品上线数量、推荐情况、搜索情况、开发商与App表现等多角度进行数据解读，揭秘App Store上的AR世界。吴瑕表示，市场的火爆、巨头的入局都证明着AR时代已经来临。以相机和手游为典型产品类型的App日渐受到用户的关注与App Store的重视。近3年，苹果对于新AR手游的推荐率高达23.8%。AR技术已经成为游戏开发者不得不重视的热门风口。七麦数据，移动游戏商业智能服务商2016年，七麦科技企业服务事业部重磅成立游戏事业中心，协同七麦研究院深入研究与服务手游领域。七麦曾与新浪游戏、手游那点事等知名厂商进行过深入合作，并为数百家手游企业提供过专业海内外增长服务。近年来，iOS游戏市场依旧火爆。以《多多自走棋》为代表的中国原创手游获得谷歌全球17个国家的“最佳创新游戏”称号；网易旗下《光遇》荣获2019 App Store年度游戏推荐。技术创新、玩法创新的手游产品，不仅在国内，甚至在全球都收获了用户增长与商业价值的突破。七麦作为手游领域的观察者与服务商，三年来持续推出数据榜单、白皮书，受到媒体、从业者的高度认可；多次以线下形式走进广深、成都等地举办「游戏专场」公开课；ChinaJoy期间，与手游那点事联合举办的“中国移动游戏影响力峰会”，吸引了超过2000位海内外游戏从业者参会，广东省游戏产业协会、腾讯、网易、中手游、乐元素、西山居等知名厂商均参与出席，受到业内广泛关注。吴瑕表示，随着七麦数据在手游行业影响力的进一步扩大，七麦未来将进一步深化在游戏领域的专业服务，通过联运、出海、精细化投放等多种形式，发现并解决手游开发者需求内核。立足多维精准大数据，实现对游戏行业的赋能价值。