调研数据分析报告范文

调研数据分析报告范文第1篇

两年以上工作经验 | 女 | 24岁（1987年6月29日）

居住地：上海

电　话：139********（手机）

E-mail：

最近工作 [1年4个月]

公　司：XX人力资源中心

行　业：专业服务(咨询、人力资源、财会)

职　位：数据分析专员

最高学历

学　历：本科

专　业：统计学

学　校：河北经贸大学

自我评价

善于数据建模、数据挖掘、数据库优化等，掌握多种统计方法，能够把控统计过程，具有撰写分析报告总结报告的经验。对数字敏感，善于观察，逻辑思维能力强，能够协调部门内的工作，管理和指导下属员工完成工作。具有耐心和责任感，执行能力、控制能力俱佳，对于数据统计、数据分析具有热忱和兴趣，请给予我一次机会，我定会出色完成工作。

求职意向

到岗时间： 一周以内

工作性质： 全职

希望行业： 公关/市场推广/会展

目标地点： 上海

期望月薪： 面议/月

目标职能： 数据分析专员

工作经验

2010/8—至今：XX人力资源中心 [1年4个月]

所属行业： 专业服务(咨询、人力资源、财会)

运营部 数据分析专员

1、负责市场分析与研究工作，对数据进行整理汇总和挖掘；

2、负责市场调研、方案研发、报告撰写、数据整理等；

3、负责搜集竞争情报和资讯，及时监测竞争者发展动向，建立竞争者动态的研究报告；

4、负责行业资料的整理和分析，为公司发展和方针制定提供合理建议；

5、负责不同区域的专项调研。

---------------------------------------------------------------------

2009 /7—2010 /7：XX贸易有限公司 [ 1年]

所属行业： 公关/市场推广/会展

研究部 定量研究、数据分析

1、负责撰写公司大项目的研究报告与方案；

2、负责制作公司内部报表以及对外报表；

3、负责对会展市场进行调研，并对调研结果进行统计和分析，为推广工作提供数据支持和建议；

4、负责公司月度、季度、年度分析报告的撰写和整理，为接下来的工作提供数据支持；

5、负责培训新员工了解数据分析方面的工作。

教育经历

2005/9--2009 /6 河北经贸大学 统计学 本科

证书

2007/6 大学英语六级

2006/12 大学英语四级

语言能力

调研数据分析报告范文第2篇

· 为什么要做数据分析？

· 数据分析的目的是什么？

· 数据分析的一般过程是怎样的？

· 有哪些数据分析方法？

· 在服务性行业里，数据分析方法有哪些需要特别注意的地方？

· 在国内最容易犯哪些数据分析的错误？

因笔者能力和精力有限，文章中存在错误或没有详尽之处，还望各位读者见谅并恳请及时指正，大家相互学习。

(一)数据分析的核心作用

根据国际标准的定义，“数据分析是有组织、有目的地收集并分析数据，通过将数据信息化、可视化，使之成为信息的过程，其目的在于把隐藏在看似杂乱无章的数据背后的信息集中和提炼出来，从而总结研究对象的内在规律。”在实际工作中，数据分析能够帮助管理者进行判断和决策，以便采取适当策略与行动。

这里需引起关注的是任何没有目的或结果的分析报告都是“忽悠”，都仅仅是没有灵魂的躯壳！我们经常看到国内的同事们忙于各种所谓的“数据分析报告”，堆砌了大量的图表和文字，显得“专业”、“美观”，但认真研读后却发现缺乏最关键的“分析”过程，更别说什么分析结果了。显然大家只是把对事实的原始描述当成了数据分析，而实际上描述原始事实只是数据分析过程的一项内容而非全部。数据分析不能仅有报表没有分析，因为“有报表不等于有分析，有分析不代表有效执行”，报表只是数据的展现形式；数据分析也不能仅有分析没有结论，没有结论的分析无疑“差了一口气”，对实际业务工作无法产生价值，唯有通过分析得出结论并提出解决方案才能体现数据分析协助管理者辅助决策的核心作用。因此数据分析来源于业务，也必须反馈到业务中去，没有前者就不存在数据分析的基础，没有后者也就没有数据分析的价值了。

(二)数据分析的分类

最常见也是最标准的数据分析可分为三大类：描述性数据分析、探索性数据分析以及验证性数据分析。

所谓描述性分析是对一组数据的各种特征进行分析，以便于描述测量样本的各种特征及其所代表的总体特征。这种分析要对调查总体所有变量的有关数据做统计性描述，主要包括数据的频数分析、数据的集中趋势分析、数据离散程度分析、数据的分布以及一些基本的统计图形，比如上个月的平均通话时长是多少，员工离职率是多少等等。

探索性数据分析是指对已有数据（特别是调查或观察得来的原始数据）在尽量少的先验假定下进行探索，通过作图、制表、方程拟合、计算特征量等手段探索数据的结构和规律的一种数据分析方法，侧重于在数据之中发现新的特征，比如呼叫中心的一次解决率和哪些因素相关？他们背后的驱动因素又有哪些？哪些因素是“因”、哪些又是“果”等等。

而验证性分析是依据一定的理论对潜在变量与观察变量间关系做出合理的假设，并对这种假设进行统计检验的现代统计方法，侧重于验证已有假设的真伪性。验证性分析是在对研究问题有所了解的基础上进行的，这种了解可建立在理论研究、实验研究或两者结合的基础上，比如从调研的结果来看本月的客户满意度比上个月高出2%，是否真是如此；男性客户的满意度是否高于女性客户等等。

(三)数据分析的一般过程

通常来讲完整的数据分析过程可分为以下几步：明确数据分析的目的、采集并处理数据、分析及展现数据、撰写分析报告。

现实情况中人们往往在做数据分析时陷入一大堆杂乱无章的数据中而忘记了分析数据的目的，数据分析第一步就是要明确数据分析的目的，然后根据目的选择需要分析的数据，明确数据分析的产出物，做到有的放矢、一击即中！

其次，在做数据分析时要根据特定需求采集数据，有目的地采集数据是确保数据分析过程有效的基础，采集后的数据（包括数值的和非数值的）要对其进行整理、分析、计算、编辑等一系列的加工和处理，即数据处理，数据处理的目的是从大量的、可能是难以理解的数据中抽取并推导出对于某些特定人群来说是有价值、有意义的数据。

接着是对处理完毕的数据进行分析和展现，分析数据是将收集的数据通过加工、整理和分析、使其转化为信息，数据展现的方式有两类：列表方式、图形方式。

最后，整个数据分析过程要以“分析报告”的形式呈现出来，分析报告应充分展现数据分析的起因、过程、结果及相关建议，需要有分析框架、明确的结论以及解决方案。数据分析报告一定要有明确的结论，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，因为整个数据分析过程就是为寻找或者求证一个结论才进行的。最后，分析报告要有建议或解决方案，以供管理者在决策时作参考。

(四)客户中心常用的数据分析工具及简介1 Excel

Excel是微软办公套装软件的一个重要组成部分，它可以进行各种数据的处理、统计分析和辅助决策操作，广泛地应用于管理、统计财经、金融等众多领域。Excel提供了强大的数据分析处理功能，利用它们可以实现对数据的排序、分类汇总、筛选及数据透视等操作。

2 SPC

SPC（Statistical Process Control）即统计过程控制，是一种借助数理统计方法的过程控制工具。实施SPC的过程一般分为两大步骤：首先用SPC工具对过程进行分析，如绘制分析用控制图等；根据分析结果采取必要措施：可能需要消除过程中的系统性因素，也可能需要管理层的介入来减小过程的随机波动以满足过程能力的需求。第二步则是用控制图对过程进行监控。

3 SAS

SAS是用于决策支持的大型集成信息系统，但该软件系统最早的功能限于统计分析，时至今日，统计分析功能仍是它的重要组成部分和核心功能。在数据处理和统计分析领域，SAS系统被誉为国际上的标准软件系统，SAS提供多个统计过程，用户可以通过对数据集的一连串加工实现更为复杂的统计分析，此外 SAS还提供了各类概率分析函数、分位数函数、样本统计函数和随机数生成函数，使用户能方便地实现特殊统计要求。

4 JMP

JMP是SAS（全球最大的统计学软件公司）推出的一种交互式可视化统计发现软件系列，包括JMP，JMP Pro，JMP Clinical，JMP Genomics，SAS Simulation Studio for JMP等强大的产品线，主要用于实现统计分析。其算法源于SAS，特别强调以统计方法的实际应用为导向，交互性、可视化能力强，使用方便。JMP的应用非常广泛，业务领域包括探索性数据分析、六西格玛及持续改善（可视化六西格玛、质量管理、流程优化）、试验设计、统计分析与建模、交互式数据挖掘、分析程序开发等。 SPSS（Statistical Product and Service Solutions）“统计产品与服务解决方案”软件，是世界上最早的统计分析软件，基本功能包括数据管理、统计分析、图表分析、输出管理等等。SPSS统计分析过程包括描述性统计、均值比较、一般线性模型、相关分析、回归分析、对数线性模型、聚类分析、数据简化、生存分析、时间序列分析、多重响应等几大类，每类中又分好几个统计过程，比如回归分析中又分线性回归分析、曲线估计、Logistic回归、Probit回归、加权估计、两阶段最小二乘法、非线性回归等多个统计过程，而且每个过程中又允许用户选择不同的方法及参数，SPSS也有专门的绘图系统，可以根据数据绘制各种图形。

6 Minitab

Minitab软件是为质量改善、教育和研究应用领域提供统计软件和服务的先导，是全球领先的质量管理和六西格玛实施软件工具，具有无可比拟的强大功能和简易的可视化操作，对一般的数据分析和图形处理都可以应付自如。

7 MATLAB

调研数据分析报告范文第3篇

二年以上工作经验|男|24岁（1990年8月28日）

居住地：北京

电　话：133********（手机）

E-mail：

最近工作 [ 1年5月]

公　司：XXX咨询公司

行　业：商务咨询

职　位：咨询员

最高学历

学　历：本科

专　业：计算机软件

学 校：蓝翔技校

自我评价

本人性格开朗，思想正直，诚信，稳重。工作认真踏实，责任心强，善于独立思考，分析问题，解决问题。具有扎实的统计学专业基础知识，掌握常见的统计方法；熟练掌握常用的数据挖掘方法，算法和相关工具、熟练使用SAS软件；有良好的逻辑思维能力，注重细节、对数字敏感，能挖掘数据背后的意义，能够独立完成、撰写业务数据分析报告。

求职意向

到岗时间：一个月之内

工作性质：全职

希望行业：商务咨询

目标地点：北京

期望月薪：面议/月

目标职能：咨询员

工作经验

2013 /7—至今：XXX咨询公司[1年5个月]

所属行业： 商务咨询

咨询部咨询员

1. 与客户进行电话沟通，详细介绍调研项目和调研流程并回答客户疑问，曾一天接打客户电话100余个;

2. 筛选分析调研数据，使用Excel处理超过2万个样本数据，具有丰富的数据处理经验;

3. 翻译2007年翰威特全面薪酬评估研究对85个部门超过1000个职位的工作描述，中文译文达10万字;

4. 参与相干公司北京分公司、天宇客货运输服务有限公司(日本通运株式会社在中国的合资公司)的人力资源咨询项目，与客户公司20余名高级管理人员面对面进行访谈。

2012 /7—2013 /7：XXX网络有限公司[1年]

所属行业： 数据分析

数据部数据分析师

1、根据业务需求，制定用户使用行为数据的采集策略，设计、建立、测试相关的数据模型，从而实现从数据中提取决策价值，撰写分析报告；

2、跟踪并分析客户业务数据，为客户的发展进行决策支持；

3、完成对海量信息进行深度挖掘和有效利用，充分实现数据的商业价值；

4、支持微博事业部等产品部门下的运营，产品，研发，市场销售等各方面的数据分析，处理和研究的工作需求。

教育经历

2007/9—2011 /6 蓝翔技校 计算机软件 本科

证 书

2009/6 大学英语六级

2008/6 大学英语四级

语言能力

调研数据分析报告范文第4篇

关键词 分析化验；业务域；POSC Epicentre逻辑模型；业务活动

中图分类号：TP311 文献标识码：A 文章编号：1671-7597（2014）04-0017-02

1 业务对象分析

库房中储存的样品主要是岩石样和流体样，根据取样方式的不同可以把岩石样分为岩心样、壁心样、岩屑样和露头样，把流体样分为常温常压流体样和高温高压（统称PVT）样，根据流体相态又可以把流体样分为油样、气样和水样。

分析化验所使用的样品是小样，也叫做实验用样，是大块岩石样或大桶流体样中的一部分。根据实验的目的和要求，可以把小样分为水平样和垂直样。

2 分析化验项目分析

根据样品的类型可以把分析化验分为流体样实验、岩石样实验和岩石样-流体相共存实验3种。

2.1 流体样实验

流体样实验是对从井筒或地面上取得的流体样进行分析的，研究井筒中流体的特性，为油气田开发前期设计提供参考依据，为生产井提能分配或井下作业提供基本数据支持。

根据流体取样方式的不同，把流体样实验分为常温常压流体实验和PVT实验，由于流体相可以分为油相、气相和水相，所以流体实验又细分为常温常压油样实验、常温常压气样实验、常温常压水样实验、原油PVT实验、易挥发油PVT实验和凝析气PVT实验。

2.2 岩石样实验

岩石样实验是对钻井过程中取到的岩石所进行的分析或鉴定，是地层岩石特性最直接、最准确的表现。

根据实验的目的不同，把岩石实验分为常规岩心分析、特殊岩心分析、岩石地化分析等。

2.3 岩石样-流体相共存实验

岩石样-流体相共存实验是分析岩石在以不同的流体相作用下，所呈现出来的岩石的润湿性和联通性等，主要有毛管压力实验和相对渗透率实验等。

根据流体相作用方式的不同可以分为压汞法和驱替法，驱替实验分为油驱替水、水驱替油和气驱替水等。

3 业务分析

业务分析是数据库设计的基石，只有业务分析好，才能设计出满足需要的业务模型。根据工作内容可以把业务分析分为业务调研、业务划分、业务活动分析和数据分析。

3.1 业务调研

确定分析化验业务域的业务调研范围和调研内容，形成业务调研清单，并制定业务调研模板。业务调研模板是业务调研的依据，必须要包含业务名称、业务流程和数据应用情况等。在执行调研时，按照业务调研模板内容，详细了解分析化验业务现状、数据库现状、应用现状和数据管理机制等，并收集相关资料（报表、数据、业务规范等）。

3.2 业务划分

根据业务调研情况对分析化验业务域进行业务划分，划分为一级业务和业务活动，一级业务主要有常规岩心分析、特殊岩心分析、岩石地化分析、油气地化分析、岩矿分析、同位素分析、岩石力学分析、古生物分析、油气水分析和流体PVT分析等。

业务活动是对一级业务进行细分，直至划分到不能再分为止。如一级业务常规岩心分析包含有岩石物性分析、岩心伽玛测定和岩心CT扫描等。

3.3 业务活动分析

根据业务划分得到一个个业务活动，每一个业务活动都有自己的业务含义和业务范围。业务活动分析就是要详细分析每一个业务活动流程，如业务活动的时间、地点、参与人员、业务规则、输入数据、输出数据、相关的标准规范等。如岩石物性分析是实验员（who）收到分析化验任务后（when），在实验室（where）根据样品基本信息和检测任务单的要求对岩心样品（which）进行岩石孔隙度、渗透率、含油饱和度、密度、碳酸盐岩含量的分析化验，形成岩石物性分析成果数据表和业务分析报告（what），为表征岩石孔隙的发育程度、储集流体的通过能力和岩石渗流特征提供重要参数，为储量计算、采收率确定等提供参数依据（why）。

3.4 数据分析

数据分析是对业务活动数据集和现有专业数据库物理表进行详细分析，业务活动数据集分析是对业务活动的输入数据和输出数据进行分析，规范业务活动输入数据集和输出数据集，形成业务活动数据集；现有专业数据库物理表分析是对现有在用专业数据库物理数据表进行分析，分析出专业数据库物理数据表的实际业务含义，具体是哪个业务活动产生的，对应于业务活动的哪个数据集，形成专业数据库物理数据表对业务活动数据集的映射关系。

数据分析表如下：

业务活动 输入数据 输出数据 业务活动数据集 专业数据库

岩石物性分析 检测任务单 岩石物性

分析报告 岩石物性分析报告 文档数据库

实验样品信息 岩石物性分析

成果数据 分析化验数据库

4 数据模型设计

数据模型设计是实现业务分析到物理模型设计的所有过程，主要分为业务模型设计、采集模型设计、逻辑模型设计和物理模型设计。

4.1 业务模型设计

根据业务调研和分析成果，对业务模型进行标准化梳理，对数据流进行详细分析，完成从业务分析到业务模型的转换，形成业务模型。

4.2 采集模型设计

制定业务模型中数据集合并原则，根据这些原则分析业务模型中需要合并的数据集，通过专业工具完成业务模型数据集的合并工作，实现从业务模型到采集模型的转换。业务模型数据集合并原则：首先是业务活动场景相同；其次是业务活动产生的数据项相似。

4.3 逻辑模型设计

通过对POSC Epicentre逻辑模型和PPDM模型的研究，结合石油企业业务实际，采用面向对象的设计方法设计分析化验逻辑模型。逻辑模型主要分为对象模型、活动模型和属性模型。对象模型是对分析化验业务域中所涉及到的业务进行抽象，提取出一个个业务对象，用前缀OOE_表示，如岩心的对象模型是OOE_Core等；活动模型是对分析化验业务域中所有业务场景进行抽象，形成业务活动编目，存储在OOE_Activity实体里，具体的业务分析活动只是业务活动编目的具体实例。如岩石物性分析是业务活动，***井岩心常规分析报告是业务活动实例；属性模型是业务活动数据集中的相同数据项的抽象，提取出一个个属性对象，使用前缀OOP_表示，如孔隙度的属性模型是OOP_Porosity。

4.4 物理模型设计

设计从逻辑模型到物理模型的投影规则，依据投影规则实现逻辑模型到物理模型的转换，投影出不同版本的数据库，以支持不同的数据存储和管理需求。常用的投影规则有直接投影、复制投影和合并投影，不同的实体具有不同的投影规则。在投影时，为了保证物理模型的最优化设计和数据存储的最少冗余，要求分析所有实体对应的最优投影规则，根据最优投影规则一次投影出物理模型。

5 总结

分析化验对象数据库的设计是依据国际先进的POSC Epicentre模型，根据对象设计方法设计的，具有对象的特征，能很好的满足业务人员的使用习惯，为今后的勘探开发设计提供强有力的支持。

参考文献

调研数据分析报告范文第5篇

会上推出了国内首份《2014“两会”全媒体传播大数据分析报告》。报告显示（3月5日至21日数据）：参加十二届全国人大二次会议的全国人大代表的全媒体平均关注指数为1.4206，参加全国政协十二届二次会议的全国政协委员的全媒体平均关注指数为3.2953。这表明，全国政协委员在全国省级卫视电视平台上更受国人关注。在参与2014“两会”全媒体报道的全国33家省级卫视频道中，江苏卫视、湖南卫视、北京卫视、浙江卫视、东方卫视依次分列全媒体传播指数前五名。

泽传媒对“泽传媒全媒体收视大数据管理系统”内的33家卫视全媒体传播数据研究发现，电视平台上的传播和报道仍主导着“两会”的全媒体传播，搜索平台紧随其后，而社交、网视、微博平台等则对全媒体传播的影响较小。

原国家广电总局于2012年就曾《建立广播电视节目综合评价体系的指导意见》。金文雄在发言时强调，全媒体时代，更应与时俱进，全面、完整、真实、科学地考虑收视情况。梁刚建、李宗达认为全媒体时代广播电视的发展应将全媒体统计纳入综合评估体系当中。三位领导均指出，现阶段在广电领域进行全媒体调研的可行性和必要性。

全媒体收视率调查建立在大数据统计基础之上，由泽传媒独立开发，并拥有自主知识产权。杜泽壮指出，“泽传媒智能网络爬虫大数据抓取系统”通过对网络上数以亿计的页面进行实时抓取，将海量数据汇总到“泽传媒全媒体收视大数据管理系统”的统计平台上。泽传媒的数据分析师们都对系统内的海量数据进行科学的、多维度的统计分析，形成旨在依托大数据预测，全面促进全媒体时代电视台的话语权与影响力，提升电视频道及栏目的收视与商业价值，吸引观众与网民关注的报告。

2013年7月15日，泽传媒了国内首份结合电视、网络、新媒体数据样本的动态电视排行榜——《中国全媒体卫视收视率排行榜》。同年8月，泽传媒国内首份《卫视综艺百强全媒体收视率排行榜》。今年1月，泽传媒国内首份《中国全媒体卫视春晚收视率排行榜》。3月，泽传媒国内首份单一重大新闻事件的《“马航失联”全国省级卫视全媒体传播指数排行榜》。3月24日，泽传媒国内电视行业首份大数据研究报告——《2014全国卫视马年春晚全媒体收视大数据分析报告》。

2014年下半年，泽传媒将推出基于大数据分析的《中国综艺栏目发展趋势预测报告》，它将为各地电视台和节目公司的新栏目立项、投资及在播栏目的改进、停播等决策提供重要的数据参考。

调研数据分析报告范文第6篇

一、加强市场主体数据综合分析利用的重要性

周伯华局长曾作出批示：“企业登记管理信息是市场经济发展的晴雨表，切实做好综合运用服务工作，为政府决策当好参谋。促进经济科学发展意义重大。希望同志们尽职尽责做好这一工作，迈上新的台阶。”市场主体信息的动态变化，是行业发展趋势和经济走势的基本体现。工商行政管理机关通过完善登记管理信息的收集和制度，开展市场主体登记信息综合分析利用工作，形成分析报告，全面反映企业数量、经济规模、经济结构、产业优势等综合情况，不仅为党中央国务院及时调控政策的方向、把握政策措施调控的力度提供决策依据，符合国家宏观调控政策的需要，也为总局党组及时制定服务市场主体健康发展的政策措施提供了重要参考，符合工商行政管理机关服务经济社会发展大局的需要。

2010年是新世纪我国经济社会发展最为复杂的一年，工商行政管理机关必须增强服务意识，确定服务发展的目的，把服务科学发展的效能和水平作为检验工作成效的重要标准，着力提高运用市场主体登记注册基础信息为经济社会发展服务的能力，切实把工商职能和数据综合分析紧密结合，应用于数据管理和数据监测的各个环节，对市场主体的情况变化进行预测，实现数据化的精细化管理，进而有效的实现市场监管功能，在“鼓励先进，淘汰落后”方面发挥更加积极的作用，为促进经济发展方式加快转变作出贡献。

二、市场主体数据综合分析利用的现状

伴随着电子计算机技术与网络技术的悄然兴起和普及，我国政府信息化建设业已达到一个新的阶段，工商行政管理机关也已经就企业、个体登记、经纪人登记、商标管理、广告管理、市场管理、合同管理和“12315”申诉举报电子系统等业务实现了基本的信息化，数据积累也越来越多，基本形成了工商行政管理机关市场主体的信息资源库。

近年来，工商行政管理机关已经充分认识到所掌握的市场主体基本信息这个资源优势，大力开展市场主体信息综合分析利用工作。特别是2008年总局把加强市场主体登记管理信息综合分析作为深入贯彻落实科学发展观、促进经济增长、突出实践特色的一项重要举措，各级工商机关综合运用企业登记管理信息资源，服务经济社会又好又快发展。取得了显著成绩。各地积极运用企业登记管理信息，结合开展国际金融危机背景下市场主体运行情况调研，市场主体分析报告，主动及时反映市场主体变化，积极为服务经济发展建言献策，跟踪反映总局帮扶措施落实情况，成为工商行政管理部门应对国际金融危机、服务经济发展的一大亮点。与此同时。工商部门进一步扩大企业登记管理信息服务范围，为各地调整产业结构、科学发展服务；定期向地方党委、政府报送分析报告，为政府决策服务；将市场主体信息纳入政府信息公开范畴，为社会公众服务。

综合起来看，工商行政管理机关主要着手从两个层面对这些信息化数据进行综合处理和分析利用：一是通过信息系统软件采集市场主体原始的、基本的登记事项信息数据，并进行简单计算处理加以利用，以支撑整个工商行政管理业务及各个软件系统的运转；二是通过信息管理系统对一些市场主体信息数据进行初步处理、分析和加工，产生出符合一定条件和格式的报表，并进行一些初步的数据查询与统计。但这样传统的分析方法很难发现数据中存在的关系和规则，无法得到更准确、及时的动态信息；无法根据现有的数据预测未来的发展趋势，缺乏挖掘数据背后隐藏的知识的手段。

目前，工商行政管理机关对市场主体数据综合分析利用还是初步的，如何有效利用工商自身无可比拟的数据资源优势，做到“只有全力服务科学发展，工商行政管理才有充分发挥职能作用的地位”的要求，是工商行政管理机关服务科学发展面，临的新机遇，需要加强研究，切实体现工商行政管理机关深层次的服务职能。

三、进一步加强市场主体数据综合分析利用的建议

加强市场主体数据综合分析利用要充分体现“增加总量、扩大规模、鼓励先进、淘汰落后”所反映出的市场主体信息的动态变化情况，增强市场秩序的规范性和预见性、执法的及时性和有效性，确保促进市场主体稳定健康发展，努力成为工商行政管理机关促进经济发展方式转变的有效工具。

(一)强化基础信息数据利用

要开发市场主体信息资源综合管理系统，建立数据综合分析利用平台，进行数据深层次的再分析处理和应用。要及时编制有关“增加总量、扩大规模、鼓励先进、淘汰落后”方面的信息，全面动态反映市场主体的变化情况，特别是属于先进行业产业企业的情况以及工商机关按照(关于深入贯彻落实科学发展观积极促进经济发展方式加快转变的若干意见)(工商办字(2010)45号)淘汰落后产能企业等市场主体的有关数据信息，增强“调结构、促转变”的职能作用。

(二)加强区域经济综合研究

要依托工商信息数据资源，为政府、企业提供经济信息服务，促进国家或区域经济发展。实现对所有业务数据进行综合深入分析，在生成各类经济主体的数量、发展趋势、行业分布状况、注册资金情况等经济信息报表的基础上，进一步挖掘数据背后的可用价值或规律，形成有价值的区域市场主体发展情况分析报告，反映区域经济发展趋势，从而为政府经济决策、市场监管、市场主体调研和企业生产经营等提供有力支持。

(三)加强重点行业数据综合分析研究和利用

注重条线数据分析工作，要在宏观层面上重点加强按行业、按经济类型、按规模等分类的数据信息综合分析，研究制定各类分类管理办法，把信息数据处理细化、深化到各项管理工作中，从而作为各项业务管理的得力助手，提升相应的工作效率。当前应重点加强战略性新兴产业、现代服务业等行业市场主体的数据分析，及时形成有效的行业市场主体发展分析报告，为国家经济发展战略服务。

(四)增强数据综合分析在行政执法中的应用

要加强一段期限内查办案件的数据分析，对查办案件进行分类，掌握市场主体一定时间内违法违章行为的主要表现形式，发现隐藏的内在规律性，编制数据分析报告。根据违法违章案件动态数据的变化趋势，方便、实时地为领导层制定战略决策提供预测性的科学依据和有力支持，并及时预先制定相应的监管防控措施。

(五)逐步建立全国联网的市场主体信息数据平台

要统一工商系统市场主体数据统计的标准，逐步解决总局到地方局数据结构不统一的问题，从而有效地为下一步信息系统建设中的数据来源提供有效的保证，根据《中华人民共和国政府信息公开条例》为社会各界提供准确、有效的各类经济主体信息服务，满足不同层次和领域的需求。

调研数据分析报告范文第7篇

关键词 客户满意度；数据挖掘；客户满意度数据分析系统

中图分类号TP392 文献标识码A 文章编号 1674-6708（2012）65-0198-02

1 客户满意度及数据挖掘

1.1客户满意度

客户满意度是使客户在购买或使用了某种产品并接受某项服务之后，形成的满不满意的态度，是对客户满意程度的度量。

1.2数据挖掘

数据挖掘是从大量不完全的随机的应用数据中提炼有指导意义的数据，这些数据是潜在有用的信息。通过对数据的研究分析，提取知识和信息的过程。

2 数据挖掘技术在客户满意度提升中的应用

当今全球经济正飞速地向企业管理数字化的方向发展，数据挖掘技术是一个获取保持并增加可获利顾客的过程，数据挖掘技术提升客户满意度体现在如下几个方面：

1）在汽车行业竞争激烈的今天，汽车行业正处在向“以客户为中心”转移的变革阶段，通过建设统一的客户信息管理平台，优化现行的汽车营销模式，同时通过数据挖掘技术对客户信息进行全面管理，提高客户满意度和忠诚度，对汽车行业来说变得尤为重要；

2）运用多种数据分析方法对数据细节进行综合和分析，达到以下目的：

（1）针对数据分析主题可灵活建立相应的分析指标体系；

（2）分析计算客户满意度各项指标的度量值；

（3）根据不同的指标体系进行客户特征分析；

（4）根据多个角度归纳客户细分因素并进行客户细分；

（5）按所需的时间和空间粒度，分析不同客户群体及其各项满意度指标的关联和变化；

（6）按所需的时间和空间粒度，分析各关键因子影响满意度的权重，提示服务改进方案。

3）更有效的识别客户的价值，提供优质的个性化服务。根据“二八定律”在企业的满意度战略中的应用，即20%的忠诚客户能创造出企业80%的收益，这20%的忠诚客户是企业生存和发展的支柱。可见，客户价值有很大的区别。三、客户满意度数据查询分析系统设计

M公司已经进行了多年的客户满意度调研，以后每年还将继续开展这个工作。因此，需要建立客户满意度数据库，对数据进行深入挖掘和分析，加强客户关系管理。根据满意度数据，建立统一的满意度数据库。

根据满意度数据库，建立相应的分析指标体系，可以随时对满意度信息、生活形态、购买行为、人口统计信息、心理特征等数据进行对比分析。实现对总体、区域、省份、城市、单店的分析。

建立的统一的满意度数据库，其结构适用于存储和管理同类质不同渠道的市场调研工作获取的信息（满意度信息、生活形态、购买行为、人口统计信息、心理特征、客户特征信息），包括：委托第三方进行的满意度调查结果、M公司本部进行的满意度调查结果、战败客户调研结果等。

不同渠道来源的满意度调查数据统一在一个平台上进行管理，并可根据用户需要分别提供前端分析和查询，不同渠道的调研结果得以相互对比和印证，使用户得以从不同视角更全面地了解信息。

通过以下几个角度对满意度数据进行应用提升：

1）满意度的季度趋势预测和异常检查

对未来一季度的满意度变化进行预测，并通过事后检查发现工作上的异常。利用最近历史数据，通过数学上的曲线拟合方法来获得满意度分值在自然状态下的变化趋势（自然状态是指对服务工作没有进行特别干涉的情况）。系统可根据这种趋势对未来某个季度的满意度分值水平进行预测。当两者的误差超过合理范围时即做出发现异常变化的提醒。提醒管理者及时从某些区域和工作环节中寻找满意度出现异常变化的原因，及时对工作进行总结，发现和发扬好的工作方法，检讨和改正不良的工作方法。预测首先是整体，然后从区域和工作两个维度进行单独的趋势分析，使出现的异常可以定位在具位的区域或工作环节上。

通过数学方法，可以利用一定的历史数据对数据变化作出曲线拟合，通过特定计算很好地逼近数据变化的趋势，也是一种常用的预测方法。对于客户满意度，可以认为过去最近一年的市场和工作影响因素与今年最为接近，各季度的满意度变动趋势也相似，因此以去年各季度的满意度分值开始建立趋势线；同时，新季度的自然变化应符合最近已发生的趋势，因此，本年度已过去的各季度的满意度分值也入来修正趋势线。曲线时间轴上最右边的点为新季度的预测点，并给出该点的误差有效区间。每个季度实际分值落在误差区间以内为正常，落在误差区间以外则为异常。

在新年度开始时，系统首先从满意度数据库中提取过去一年各季度满意度分值,依据这些数据产生初始的拟合曲线。

系统通过对上年四季度历史数据进行运算，获得对历史时间点误差最小的拟合模型。其拟合曲线最好地表现了去年各季度的满意度变化趋势，并可逼近新时间点的值。系统根据模型自动计算出新年第一季度的预测分值。

由于满意度的客观影响因素比起上年总会有变化，因此随着时间的变化，初始的趋势线可能与现状误差较大，需要不断进行修正。修正的办法是每个季度过去后即在模型中插入刚刚过去季度的数据重新进行曲线拟合。

2）年度计划建议和考核

对改善未来一年的满意度水平提出期望值，建议新年度工作改进计划策略，在计划目标基础上考核实际工作成效。

满意度分值是企业服务工作成绩的量化表现。企业对将来一年的工作都有一个以计划预算来描述的期望值，在总的期望值下分解各项工作指标和资源配置。我们也可以通过对满意度提出期望值，从另一个角度为企业作出工作计划建议。

基于满意度变化与工作资源投入相关（在后页阐述）的理论，我们可以从每年对工作资源投入的计划预算这个角度，为满意度的改进方法作出建议。系统的建议原则是要找到能以最小的工作资源投入来达到预定满意度水平的策略。

当年度调研数据更新后，系统可根据前面所做的年度计划建议与实际的年度调研结果进行对比，从区域和工作环节两个维度考核服务工作成效。

系统从近两年及未来几年调研都采用的稳定的满意度指标结构中选取全部或部份需要关注的指标组成一套新的指标结构，作为预测计划的指标结构。其中，在新的指标结构中起始权重直接采用调研结果权重，经过标准化后（Rj/∑Ri，Rj为第j项权重，∑Ri为权重之和）成为新的权重结构。

系统认为企业所采用的指标体系是可信的，依据“满意度分值与资源投入成正比”和“权重与对资源的需求量成正比”的原理，根据本年度客户满意度调研结果中各区域、各省市的各分项指标的分值，在人为给定下年度整体满意度的一个提升期望值后，以追加资源投入最少为原则，计算输出最优化的工作改进建议。输出结果以区域省市为空间维度，以分项指标代表工作项目，详细列出下年度各项工作的预测分值和追加资源投入比例。

计划建议模型输出的结果是站在分析满意度变化的角度，帮助企业观察在每个区域、每项工作环节上应投放的工作侧重，以及采用不同的工作侧重会对满意度产生什么样的影响。

3）增强主题分析功能

增加满意度短板探测功能。

提供满意度短板探测功能，可以按分项指标分值范围等参数预设多种探测条件，系统可自动根据这些预设参数，在历年的数据中检索并输出符合条件的样本数据，并提供对筛选出来的数据进行再分析的功能。

增加数据分析报告的输出功能。

提供某些报告输出功能，可按照M公司提供的某些暨定的模板格式，可以按页、按册、按批量自动输出Excel、PDF等格式的数据分析报告，其中，批量输出方式可以自动按经销商和按区域批量输出数据分析报告，节省人工处理报告的工作量。

增加分析区域预设功能。

提供分析区域的预设功能，使操作人员可根据需要从当年的调研数据中抽选出与JD Power调研范围相同的城市作为满意度分析的区域，并按照这种区域结构对客户满意度数据进行观察和对比分析。

3 结论

建立并改进满意度数据库查询分析系统，对客户信息数据进行收集及处理。收集客户信息及反馈，对于高客户满意度来说是尤为重要的。只有理解了客户的观点，并从客户视角来研究产品及服务，才能从更深的层面来提升产品及服务。对客户信息数据要进行处理，发现其中有关客户满意度的模式，再调整相应的有效策略及形成决策支持。本文期望通过对M公司满意度数据查询分析系统的研究，能给汽车行业客户满意度的提升，提供一些帮助并做出一定的贡献。

数据挖掘作为在海量客户信息中发现客户行为模式并挖掘影响客户满意度关键指标的一种现代技术，为企业制定和调整经营决策起到了有效的指导性作用。随着数据挖掘技术的不断成熟，“以客户为导向”的经营决策也必将体现出其更大的价值。

参考文献

[1]刘菲.基于数据挖掘技术的客户满意度的提升.华章，2011(31).

[2]陈京民.数据仓库与数据挖掘技术[M].北京：电子工业出版社，2006.

[3]朱爱群.客户关系管理与数据挖掘[M].中国财政经济出版社，2001.

调研数据分析报告范文第8篇

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。

通过调研，笔者发现了艾瑞咨询集团的真正需求：根据时间维度和网站汇总对用户的来源地区、来路域名、页面访问次数、停留时间、有效访问次数、跳出率、回访者、新访问者、回访次数和回访相隔天数等相关数据进行统计分析，并且还能够在动态添加条件之后，通过对监测用户行为获得的数据进行分析，以最终得出更加详细、清楚的用户行为习惯。

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BI PK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。

艾瑞咨询集团合理利用了自己以前花费人力和资金搭建起来的Hadoop架构，使得他们之前的投入没有浪费。但是，对于以前没有Hadoop架构的企业来说，永洪敏捷BI也可以很好地集成。

调研数据分析报告范文第9篇

[关键词]大数据 医学出版 选题策划

[中图分类号]G23 [文献标识码]A

随着数据的爆炸式增长，“大数据”一词受到了越来越多的关注，很多领域已经开始应用大数据。大数据技术不仅能应用于数字出版中，在传统的纸质出版中也有应用前景。本文拟以医学出版为例，探讨大数据时代下，医学出版选题策划的思路转变，以及面临的问题与挑战。

一、大数据时代素描

“大数据”是人们给信息爆炸所产生的巨量数据起的一个简单的名字。一方面，这些数据蕴藏着巨大的潜在价值，人们迫切需要更先进的技术，对其进行实时处理；另一方面，技术的进步，包括云计算、分布式计算等方法的应用，极大地提升了信息处理能力，提供了广阔的研究空间，使大数据分析成为可能。

很多人认为“大数据”就是指数据量大，这是一个误区。大数据的本质是发现和理解了信息与信息之间的关系，是思维的变革，而这种变革主要表现在以下三方面。首先，大数据强调的不是随机样本，而是全体数据。为了实现“全体数据”，需要我们尽可能多地搜集、保存与行业相关的各类数据和信息。其次，大数据时代，人们不再一味追求精确，而是承认混杂性。因此，人们需要对于非结构化数据给予更多的关注。也就是说，我们不仅要关注图书销量、读者群构成、直接反馈；也要关注鼠标点击、驻留在一本书的时间，后续购买、关联购买情况，购买地点等。这些看似杂乱的信息，可能蕴藏着巨大的商机和价值。再次，大数据不再追求因果关系，而是关注事物之间的相关性。例如，沃尔玛通过数据分析发现，在飓风来临的季节，不仅手电筒的销量增加了，某一种牌子的蛋挞的销量也增加了，因此，沃尔玛在飓风季节来临时，将库存的蛋挞摆放在靠近手电的位置，以增加销量。在医学出版中，我们也可以通过数据分析，找出与读者的购买行为或阅读需求相关的要素。

二、大数据在医学出版选题策划中的应用前景

1. 教材出版

各个出版社都很重视教材出版。不管是新编教材还是修订教材，调研都是启动编写的基础。教材调研，需要先搜集开设本专业学校的名单，逐个寄出调研函。学校的名单主要来源于相关学会、教职委、行职委提供的资料，但需结合前一版教材或相关书籍发货的省市分布数据，有些时候这两者有较大出入。例如，提供的名单中，河南省没有学校招生，但出版社前三年的发货资料中，河南省每年的教材发货数很大。另外调研函发出后，回收也存在一定困难，通常只能做到部分回收。正因为学校的名单很难搜集齐全，调研函也不能全部回收，这种传统方式上的调研，虽然力求全面，但仍是一种抽样调查，很难涵盖整个行业的样本量和全部信息。

在大数据时代，一切都可以被数据化，大数据强调的不是抽样样本，而是全体数据，因此将数据分析引入教材调研，可以对互联网上有关专业的开设省份、招生学校、招生人数等信息进行分析，得出更全面的数据分析报告。在教材修订、搜集反馈意见时，也可以通过搜集论坛、网购机构的销售记录、读者评论等，分析需要增加、删减及修改的内容。在遴选主编、副主编及编者时，编辑同样可以通过分析网站上的会议情况、会议日程、发言频率和题目、各领域专家的专业特长，确定其学术影响，以及在教材中适合担任的角色，并将这些信息形成分析报告，供决策者参考。

2. 学术专著

在传统出版模式下，学术专著的选题方式属于经验型，由策划编辑提出选题，报出版社选题会讨论。选题委员会由社领导、经验丰富的老编审、生产及销售部门负责人等组成。选题会上讨论的依据主要是以往选题的销售情况及市场反馈，当前市场同类书的情况，以及其他出版社类似图书的销售情况。这种选题论证方式所参考的数据，只是整个出版市场数据的一部分。而利用大数据，人们可以获得整个医学图书市场的书目信息、销售情况，并进行分析。通过数据分析得出的报告，可以形象地理解成一批有无限经验的策划编辑、生产人员和销售人员讨论后得出的结论。理论上，这种论证模式更客观、更有说服力。

现有的医学相关网络社区、数据库的资源已经十分丰富，通过对诸如丁香园医学论坛、中国期刊网（CNKI）、PubMed等的搜索记录、浏览记录、用户留言，以及对亚马逊、当当网的专业图书购买记录的分析，可以筛选出各个专业领域的热点，并对相关用户的地理位置、年龄、职称等信息进行分析，准确定位读者人群，并预测市场容量，为图书选题提供参考。

3. 应急出版

应急出版对于医学出版社来说是一个很重要的部分，在遇到较大的公共卫生事件或异常天气时，公众很需要专业出版社出版的相关预防书籍普及防范知识，医师也需要专业书籍补充相关知识，专业出版社有义务为他们提供高质量的出版物。例如人民卫生出版社在2003年“非典”暴发时紧急出版的SARS诊治、防范等方面的图书，以及在2013年出版的《实面“霾”伏――“雾霾”中的生活与健康》。如果等到公共事件或异常天气已经暴发再组织编写，出版时间容易滞后。

大数据分析在应急出版方面将会有明显的优势。例如，谷歌公司通过对检索词条的分析，提前几周时间预测甲型H1N1流感爆发。这个案例对于应急出版是一个很好的启示。编辑可以通过类似的数据预测方式，如在流感暴发前，即组织编写流感预防及治疗相关的书籍。再如，如果能够通过网络的搜索词条，或者同诸如中央气象台等单位合作，共享数据库，提前预测会有严重雾霾天气出现，就能提前组织专家编写，为书籍出版赢得宝贵的时间。同时，可以通过搜索频率预测印刷册数，避免过多的库存。

一是立足自身，做好医学编辑出版的大数据基础工程建设。例如进一步实现网络化、电子化和标准化，为实现大数据的应用打好基础。只有将出版物网络化、电子化，才能使与出版相关的信息和数据成为可以搜集的资源；大数据技术可以分析杂乱的数据，数据的标准化可以为数据分析提供更多便利。

二是学习借鉴，建立基于云计算等先进信息技术的新型工作模式。例如民生银行开发的小微金融数字地图平台，通过这种地图将数据可视化，由此提供相应的信息分析、营销实务等服务。出版社如果建立类似的平台，将销售数据可视化，就能为选题策划工作提供更多的服务。

三是寻求协作，引接信息产业界力量。例如一些新兴的提供数据分析技术服务的公司，同它们积极合作开展大数据分析研究工作，推动研发基于大数据的智能选题策划系统。

2. 整合全行业数据

只有数字化的资源和数据分析技术还不足以实现大数据。对相关的出版数据进行分析，还需要一个尽可能涵盖全行业信息的平台。例如沃尔玛公司的数据分析平台涵盖本公司所有的数据，因此能对本公司的销售情况进行分析；谷歌公司的搜索引擎几乎涵盖了全球的搜索信息，因此能对搜索记录进行大数据分析。同样，要实现出版行业的大数据，需要整合全行业的资源，尽可能将国内医学行业的所有专家资源、数字图书、销售渠道等资源集中在一个平台上，这样才能实现前文所述的针对教材、学术专著以及应急出版的大数据分析。

参考文献：

[1] 维克托・迈尔-施恩伯格，肯尼思・库克耶.大数据时代：生活、工作与思维的大变革.盛杨燕，周涛，译.杭州：浙江人民出版社，2012.

[2] 刘鲲翔，杜丽娟，丁雪.大数据技术在数字出版中的应用前景展望. 出版发行研究，2013（4）.

调研数据分析报告范文第10篇

摘要：探讨如何构建医院经济管理大数据平台，并更好地应用于医院精细化管理，服务于各项分析报告，高效发挥数据信息集成化、专业化、智能化的作用。最后，提出了大数据平台建设的建议。

关键词：医院经济管理；大数据平台；数据分析；公立医院构建

公立医院经济管理大数据平台，对经济管理大数据进行充分挖掘、分析与应用，解决医院各系统数据信息孤岛、决策滞后等问题，实现公立医院经济管理信息资源共享与利用，对政府监管以及医院运行管理都极具现实意义。

一、构建经济管理大数据平台的步骤

1.全面梳理医院业务流程

全面梳理医院运营管理、业务活动，根据财经管理数据产生、传输、效验等过程及真实性、准确性、完整性、及时性要求，制定标准化技术规范及数据编码，统一系统架构、数据库类型、数据结构，制定业务及财经相关数据系列编码规范，实现各业务系统内部之间、财务管理系统与各业务系统之间的衔接，为大数据平台数据采集及后续分析奠定技术基础。

2.建立经济管理政策机制

梳理汇总主管部门颁布的财经法规、规章制度，形成外部政策管理规范；而医院内部则规范科室设置、经费支出管理办法、财务权限等，形成内部控制政策规范，形成经济管理大数据平台政策管控机制。

3.整合现有经济管理系统，建立大数据平台数据仓

对医院现有经济管理系统进行整合，打破系统数据孤岛，构建规范的数据集成模式。依靠事件（业务）采集器对各类管理系统的数据进行采集、实时传递、校验，将符合规范的数据导入数据仓，形成规范、融合的大数据平台数据仓。

4.构建关键指标分析体系，设计多样化平台展示方式

遴选用于分析的主要指标，构建指标体系，形成分析模型，为展示和分析奠定基础。利用信息手段，把大数据平台的成果通过表格、图形、支持web和手机APP等形式，多维度、多样化地进行展示和访问。

二、公立医院经济管理大数据分析与应用

1.应用于医院内部精细化管理

经济管理大数据能直观、简明地展现医院经济运行总体情况，为医院精细化管理提供决策支撑。

（1）强化医院经营风险管控。通过对经济管理平台涉及医院运营情况大数据的汇总分析，实现对现有和潜在医院经营风险的识别、分析、评价,采取必要的干预措施，将风险控制在安全区间，保护医院资产的安全与完整。

（2）加强医院成本精细化管理。通过经济管理大数据平台，对科室成本、项目成本等进行归集、分配与测算，反映医院成本控制效果，使医院管理者了解医疗成本状况，提高医院管理水平。

（3）系统考核评价绩效。利用经济管理大数据平台产出的绩效结果，对医院进行系统绩效考核，达到短期和长期目标之间、财务和非财务的度量之间、外界和内部绩效之间的平衡，全方位反映医院的整体绩效。

（4）落实全面预算要求。公立医院作为财政预算单位，所有收支应全部纳入部门预算统一管理，经济管理大数据平台的预算管理系统是大数据分析研究应用的战略起点与质控关口。公立医院作为预算编制、执行、决算编制的责任主体，需要将建立健全预算编制、审批、执行、监控、调整、决算、分析和考核等制度，有机地融入经济管理大数据平台的预算管理系统中，使预算战略管理贯穿大数据分析研究应用的始终。

（5）全面推进医院物价管理。通过对经济管理平台大数据与物价数据的关联分析，进行不同病种收费情况纵向比较、不同疾病用药诊断横向比较，从多角度评价物价收费合理性、合规性。同时，通过整合价格信息、成本信息、收入支出信息等，实现对医疗服务项目价格改革的实时监控。

（6）实时监测患者费用变化。利用经济合理大数据平台实现对医疗明细收费数据的采集、分析等，形成患者费用监测体系，实时监控患者医疗费用。如果发现医疗机构患者费用异常增长，提示行业主管部门对医院进行必要的提示和适当干预。

2.服务于经济管理数据分析报告

医院端积累的大量数据，实时传送到相关主管部门，卫生、财政、统计等上级主管部门可以按相应的管理权限，形成管理分析报告，监督医院运营，支撑政府改革决策。

（1）经济管理数据分析的模式。主要包括：全面分析，也叫综合分析，对医院预算、成本、绩效、医疗价格等专项问题进行综合、全面、系统的分析，一般适用于对季度、年度报表的分析；局部分析，对主要问题或主要指标进行扼要剖析，一般适用于单个科室或医院的分析；专题分析，对某些重大的管理措施进行分析,分析范围单一，研究透彻深入。

（2）经济管理数据分析的主要方法。主要有比较分析法、趋势分析法、比率分析法、因素分析法、本量利分析等。

（3）分析报告制度的基本框架。主要包括：分析报告总则，编制依据和基本原则，主要指标体系，分析应用报告的具体报表及其主要内容，定期分析的时间要求及上报的形式要求、报告结果的利用及考核。

三、经济管理大数据平台建设的建议

1.以政府主导模式构建医院经济管理大数据平台

调研显示，当前59.86%的医院尚未构建经济管理大数据平台；即使已建立的也是处于初步阶段，应用水平不高。因此，构建经济管理大数据平台迫在眉睫。在目前经济发展及医改形势下，医院信息化建设应采取政府主导、统一建设的模式，或采取政府主导与单位自建相结合的模式，政府统一程序设计、统一实施推广、统一管理方法。同时，迫切需要打破医院壁垒，促进互联互通、信息共享和业务协同，以数据流引领技术流、物资流、资金流、人才流，打造跨部门、跨区域、跨层级、跨系统的数据交换与共享大数据平台。

2.坚持顶层设计优先

经济管理大数据平台的构建具有涉及范围广、数据规模大、工作难度高等特点，建设任务十分艰巨。为此，应充分认识在构建经济管理大数据平台过程中顶层设计的作用，紧紧围绕核心理念和顶层目标，形成数据之间的关联、匹配和有机衔接。同时，也要注重顶层设计的实际可操作性，表述要简洁明确，具备可实施、可操作性。

3.规范数据管理

医院经济管理大数据平台收集并积累了形式多样的数据，可以应用于医院战略管理、职能管理、科室运营管理等方面，因此，统一、规范的数据标准，是后期数据分析和信息整合的关键。政府主管部门在平台构建之初，就要根据技术特点及数据构架，综合考虑平台后续发展的趋势，提出数据管理的技术性规范要求。同时，根据医药卫生体制改革的需要以及财经管理的要求，对数据进行分类管理，如财务核算类、成本管理类、绩效评价类、医疗价格类、收入明细类等；面向不同类型数据形成有针对性的分析方法及管理模式，例如会计核算以管理核算科目为主，成本核算以规范核算口径和数据接口为主，医疗价格管理以政府定价标准管理为主，突出不同类型数据管控的要点。

4.强化基础环境

构建经济管理大数据平台需要一定的基础保障，包括机房设备、连接链路等硬件环境，以及软件系统的技术构架、数据库类型、开发工具等。

5.同步推进配套管理制度建设

经济管理大数据平台建设对大部分医院来说是一项新课题，在建设过程中要解决不同系统之间的数据整合、数据标准化、分析指标体系、评价模型建立、报告分析应用等诸多问题。因此，要尽快实现医院经济管理职能的转变，从“账房先生”转变为“运营战略家”；并同步推进各项配套管理制度，明确有关责任，使大数据平台的构建及管理在制度框架的保障下有序、健康发展。

6.发扬首创精神，鼓励先行先试

公立医院经济管理大数据平台建设是一项探索性、前瞻性的工作，应鼓励不同医院发挥首创精神，以政府为主导进行试点探索，行业主管部门给予政策、资金、组织方面的保障，不断积累试点经验，为在全国范围内建立统一、规范的经济管理大数据平台奠定基础。

参考文献：

[4]王舰.智能化立体动态会计信息平台研究[D].中国海洋大学,2013.

[5]王舰,杨振东.基于云计算的中小企业财务信息化应用模式探讨[J].会计之友,2009，（9）：53-54.

[6]解文明.建设基于IPv6的下一代数字化医院探析[J].医疗设备信息,2006，21（6）：32-36.

[7]许金叶,李歌今.构建会计大数据分析平台:企业会计云计算建设的核心[J].财务与会计，2013，（4）：40-43.

[8]许金叶,徐琳.构建会计大数据分析型企业[J].会计之友,2013，（8）：97-100.

[9]张振,周毅,杜守洪.论医疗大数据及其面临的机遇与挑战[C].2013年中华医院网络信息大会,2013.

[10]赵婧.基于云计算的企业会计信息化分层数据安全问题与防范[J].中国注册会计师,2013,（4）:119-123.

[11]中国电子学会云计算专家委员会.云计算技术发展报告[M].北京：科学出版社,2011.17-39