数据分析的五个基本步骤在金融分析中的应用

以下全部为解读内容

华为数据流程，属于二级流程，位于一级流程MBT&IT流程下，目前包括三个子流程：数据架构，数据质量和数据分析。

流程中的相关关键角色，包括信息架构师，数据治理工程师（数据质量工程师），数据平台工程师，数据分析师，数据科学家。

流程中的活动点，华为数据之道，没有列出，各个企业可以结合自身建设来定制。

整个这一部分，都写得比较简单。笔者根据在其它企业工作经验，给出一个通用数据建设流程与相关角色。

数据分析建模完成后,可以设置

通过BPM系统，可以实现这样的功能：

第一、可视化建模：支持可视化流程原型开发，可实现流程梳理与梳理过程描述，即时流程建模，并可在建模后落地运行，而不需要在系统中进行二次重新建模。

第二、摸拟运行：可视化建模后的流程可直接进行摸拟运行（仿真），发现问题可随时修改，修改后可在系统中以新的版本发布运行。修改后发布时允许选择发布新版本或是更新旧版本。

第三、落地运行：支持在建模工作完成后，分岗位进行 *** 作培训、开通流程试运行直至正式上线运行。其间允许反复修改并发布该流程的新版本或是更新该流程的旧版本。

第四、监控跟踪：流程管理人员可随时监控全部流程的运行状况、流程负责人可随时监控所负责流程的运行状况，通过系统报警及时发现超时、停滞流程，及时跟踪并解决问题。流程负责人可转变为流程的督导人，进行全流程监控及跟踪。支持多纬度、分时段的统计分析、提供报表。包括：全部流程、每条流程及流程各节点占用时间、完成率、虚拟成本分析等。

第五、表单数据分析：在流程运行中，应尽可能通过表单形式传递数据及报表，并可对此进行统计分析、查询等 *** 作，可为流程决策提供依据。并支持通过附件形式挂发文件，以满足非表单流程运行的需要。

第六、IT数据集成：指有与其它应用软件（如ERP、DRP、财务、销售数据分析报表等）系统相互连接方面的设计，包含有标准数据接口或其它工具，以便为必要的节点提供决策数据支持。

第七、流程服务考核：支持流程节点间的打分考核，如按5、4、3、2、1进行打分，并对分值进行统计分析，给出不同时段的统计图表。能对所有流程执行数量、分数、占用时间查询统计，出具报表。

第八、流程绩效考核：方便对整个流程的绩效KPI指标进行设置，方便对流程负责人的绩效进行考核，方便结合岗位绩效进行考核。可通过建立绩效考核流程方式完成。

1、确定目标

在进行数据分析之前，我们需要结合自己的业务确定数据分析的目标是什么，可衡量的指标是什么，对指标进行拆分，找出可收集数据的最小单元，这样做能够针对性的进行数据分析，提高数据运营效率，避免数据采集过多，造成无用数据被浪费。

2、搜集数据

当我们确定好目标后，就需要进行针对性的搜集数据，这里所说的搜集数据既包括通过埋点采集的用户全生命周期数据，也包括自己网上收集的数据，如行业数据报告，还包括通过访问或者电话等得到的人工整理数据。至于采用哪些具体的数据，还需要根据数据分析的目标而定。

3、整理数据

我们搜集好数据之后，需要对数据进行整理，尤其是搜集的数据来源很多的情况下，比如埋点采集的数据，网上收集的数据，人工整理数据，有时候会出现重复、错乱等情况，就需要整理数据，尽最大可能提高数据的准确性。

4、分析数据

分析数据诸葛君为大家分享过多次，国庆期间的八大数据分析模型就是用来分析数据的，需要注意的是，在分析数据的过程中，我们要结合自己的产品，选择合适的数据分析模型，有必要的情况下，需要自己去定义自己的分析模型，总之思路是：方法在这里，怎么用在于你。

5、可视化呈现

身为数据运营者，数据分析的结果往往是需要给领导和整个团队汇报的，这个时候我们就需要对数据分析结果做可视化的呈现，一般情况下用图表的形式呈现即可。通过数据分析找出业务问题所在，同时提出自己的解决方案，不光要知道为什么，还需要知道怎么办。

总结：以上五大步骤构成一个完整的数据分析过程，从开始思考目标到最后可视化呈现，从发现问题到提出解决方案，身为数据运营者，我们既需要有整体思维，能够从全流程去把握数据分析方法，也需要对细节极致追求，优化每一个步骤，比如：搜集数据时如何才能更加快速准确，就可以作为优化的目标。当我们能够从整体和细节都游刃有余得进行数据分析的时候，你就是一个合格甚至优秀的数据运营者。

数据分析有：分类分析，矩阵分析，漏斗分析，相关分析，逻辑树分析，趋势分析，行为轨迹分析，等等。 我用HR的工作来举例，说明上面这些分析要怎么做，才能得出洞见。

01） 分类分析

比如分成不同部门、不同岗位层级、不同年龄段，来分析人才流失率。比如发现某个部门流失率特别高，那么就可以去分析。

02） 矩阵分析

比如公司有价值观和能力的考核，那么可以把考核结果做出矩阵图，能力强价值匹配的员工、能力强价值不匹配的员工、能力弱价值匹配的员工、能力弱价值不匹配的员工各占多少比例，从而发现公司的人才健康度。

03） 漏斗分析

比如记录招聘数据，投递简历、通过初筛、通过一面、通过二面、通过终面、接下Offer、成功入职、通过试用期，这就是一个完整的招聘漏斗，从数据中，可以看到哪个环节还可以优化。

04） 相关分析

比如公司各个分店的人才流失率差异较大，那么可以把各个分店的员工流失率，跟分店的一些特性（地理位置、薪酬水平、福利水平、员工年龄、管理人员年龄等）要素进行相关性分析，找到最能够挽留员工的关键因素。

05） 逻辑树分析

比如近期发现员工的满意度有所降低，那么就进行拆解，满意度跟薪酬、福利、职业发展、工作氛围有关，然后薪酬分为基本薪资和奖金，这样层层拆解，找出满意度各个影响因素里面的变化因素，从而得出洞见。

06） 趋势分析

比如人才流失率过去12个月的变化趋势。

07）行为轨迹分析

比如跟踪一个销售人员的行为轨迹，从入职、到开始产生业绩、到业绩快速增长、到疲惫期、到逐渐稳定。

通过面向企业业务场景提供一站式大数据分析解决方案，能够为企业在增收益、降成本、提效率、控成本等四个角度带来价值贡献。

1、增收益

最直观的应用，即利用数据分析实现数字化精准营销。通过深度分析用户购买行为、消费习惯等，刻画用户画像，将数据分析结果转化为可 *** 作执行的客户管理策略，以最佳的方式触及更多的客户，以实现销售收入的增长。

下图为推广收支测算分析，为广告投放提供决策依据。

下图为渠道销量分析，为渠道支持提供数据支撑。

2、降成本

例如通过数据分析实现对财务和人力的管理，从而控制各项成本、费用的支出，实现降低成本的作用。

下图为生产成本分析，了解成本构成情况。

下图为期间费用预实对比分析，把控费用情况。

3、提效率

每个企业都会出具相关报表，利用数据分析工具，不懂技术的业务人员也能够通过简单的拖拉拽实现敏捷自助分析，无需业务人员提需求、IT人员做报表，大大提高报表的及时性，提高了报表的使用效率。

通过数据分析工具，能够在PC端展示，也支持移动看板，随时随地透视经营，提高决策效率。

4、控风险

预算是否超支？债务是否逾期？是否缺货了、断货了？客户的回款率怎么样？设备的运行是否正常？哪种产品是否需要加速生产以实现产销平衡？其实，几乎每个企业都会遇到各种各样的风险问题。通过数据分析，能够帮助企业进行实时监测，对偏离了预算的部分、对偏离了正常范围的数值能够进行主动预警，降低企业风险。

下图为税负率指标，当综合税负率过高，可以实现提示和预警。

下图为重要指标预警，重点监控项目的毛利率。

处理大数据的四个环节：

收集：原始数据种类多样，格式、位置、存储、时效性等迥异。数据收集从异构数据源中收集数据并转换成相应的格式方便处理。

存储：收集好的数据需要根据成本、格式、查询、业务逻辑等需求，存放在合适的存储中，方便进一步的分析。

变形：原始数据需要变形与增强之后才适合分析，比如网页日志中把IP地址替换成省市、传感器数据的纠错、用户行为统计等。

分析：通过整理好的数据分析what happened、why it happened、what is happening和what will happen，帮助企业决策。

以上就是关于华为数据之道"数据谷解读"之四数据流程与角色全部的内容，包括:华为数据之道"数据谷解读"之四数据流程与角色、数据分析建模完成后,可以设置、数据分析的五个基本步骤在金融分析中的应用等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！