2017年山东省快递行业数据分析
2017年，国内邮政行业业务收入（不包括邮政储蓄银行直接营业收入）累计完成6622.6亿元，同比增长23.1%；业务总量累计完成9763.7亿元，同比增长32%。12月份，全行业业务收入完成653.9亿元，同比增长20.6%；业务总量完成1014.1亿元，同比增长29.7%。
快递行业运行方面，2017年全年全国快递服务企业业务量累计完成400.6亿件，同比增长28%；业务收入累计完成4957.1亿元，同比增长24.7%。其中，同城业务量累计完成92.7亿件，同比增长25%；异地业务量累计完成299.6亿件，同比增长28.9%；国际/港澳台业务量累计完成8.3亿件，同比增长33.8%。
山东省2017邮政运行情况
数据显示：2017年山东省快递业务量为15.15亿件，同比增长25.67%。纵观2012-2017年山东省快递业务发展情况，六年来山东省快递业务量持续保持增长趋势，从2012年的2.47亿件增至2017年的15.15亿件，年均复合增长率为43.69%，增长十分迅速。
数据来源：中商产业研究院整理
利用大数据玩转新零售良品铺子实践之路
“流量红利期已过，新零售的窗口又将打开无限想像的空间。消费升级趋势正在成为全新的市场导向，日常消费领域孕育着巨大的商业变革机会。” 关于零售未来的发展趋势，概念名词之争如火如荼。从良品铺子作为实践者的感知来说，无论是“新零售”“无界零售”还是“智慧零售”，都代表着第五次零售革命（前四次分别为百货、超市、连锁经营和线上电商）的大势所趋。对于零售企业而言，我们需要思考的不是概念和方向的正确与否，而是面对未来你要做什么样的变革，才能实现零售效率的提高，从而可以在潮头搏击。 对于为什么需要零售创新？其实国家层面已经给予了答案：党的十九大报告指出：“我国社会主要矛盾已经转化为人民日益增长的美好生活需要和不平衡不充分的发展之间的矛盾。”中央财经领导小组办公室主任刘鹤也在2018冬季达沃斯论坛上指出，“中国经济已由高速增长阶段转向高质量发展阶段，就是从总量扩张向结构优化转变，就是从‘有没有’向‘好不好’转变”。这意味着消费升级的需求，用新零售的语言描绘就是：一是回归“人”为核心，读懂和满足消费者更高需求；二是由量到质的转化保持效率提高。 以电商业务为例，2013年左右，电商平台还处在流量红利期，只要把握好流量的来源，销售增长速度就很快。2012年，良品铺子线上电商刚起步，当年营收是1200万元，而在2017年已实现五年近300倍高速增长，接近于良品铺子线下门店花了十年才实现的年销售规模，这是传统零售方式不可能达到的增速。2012年良品铺子全力以赴决定投入线上电商发展时，
许多同类零售企业还在观望或研讨该不该做业务转型变革，而今天，差距已经明显拉开，就算今天你花十亿，也无法再造良品铺子电商的奇迹。 时至今日，“当上帝为你关上门，必然打开新的一扇窗”，流量红利期已过，新零售的窗口又将打开无限想像的空间。消费升级趋势正在成为全新的市场导向，日常消费领域孕育着巨大的商业变革机会。 从人群来看，在本轮消费升级中，80、90后数字新生代是主体，对比传统世代，这个群体有更强的消费信心、更开阔的视野和更成熟的消费理念；从机会品类来看，未来十年消费升级的机会将集中出现在食品、服装、文化娱乐等能够提升幸福感的领域。而我们如何应用零售创新的思维和工具呢？我受公司委托，给中欧新零售新锐成长营的同学们分享良品铺子走过的路，也许可以给大家一些启发。 12年来，良品铺子专注的四件事 创立12年来，良品铺子一直在做四件事情。 1. 消费者洞察 兵马未动，粮草先行。早在良品铺子创立之初，消费者洞察就是赋予我们决胜力量的一座“粮仓”，直至今日从未更改。
技术向：如何设计企业级大数据分析平台？ 传统企业的OLAP几乎都是基于关系型数据库，在面临“大数据”分析瓶颈，甚至实时数据分析的挑战时，在架构上如何应对？本文试拟出几个大数据OLAP平台的设计要点，意在抛砖引玉。 突破设计原则 建设企业的大数据管理平台（Big Data Management Platform），第一个面临的挑战来自历史数据结构，以及企业现有的数据库设计人员的观念、原则。数据关系、ACID 在关系数据库几十年的统治时期是久得人心，不少开发人员都有过为文档、图片设计数据表，或将文档、图片序列化为二进制文件存入关系数据库的经历。在BDMP之上，我们需要对多种不同的格式的数据进行混合存储，这就必须意识到曾经的原则已经不再适用——One size dosen’t fit all，新的原则——One size fits a bunch. 以下是我列出的一些NoSQL数据库在设计上的模式： 文档数据库：数据结构是类JSON，可以使用嵌入（Embed）或文档引用（Reference）的方式来为两个不同的文档对象建立关系；
列簇数据库：基于查询进行设计，有宽行（Wild Rows）和窄行（Skinny Rows）的设计决策； 索引数据库：基于搜索进行设计，在设计时需要考虑对对每个字段内容的处理（Analysis）。 搜索和查询的区别在于，对返回内容的排序，搜索引擎侧重于文本分析和关键字权重的处理上，而查询通常只是对数据进行单列或多列排序返回即可。 数据存储的二八原则 不少企业在解决海量数据存储的问题上，要么是把关系数据库全部往Hadoop上一导入，要么是把以前的非结构化数据如日志、点击流往NoSQL数据库中写入，但最后往往发现前者还是无法解决大数据分析的性能瓶颈，后者也无法回答数据如何发挥业务价值的问题。 在数据的价值和使用上，其实也存在着二八原则： 20%的数据发挥着80%的业务价值； 80%的数据请求只针对20%的数据。 目前来看，不管是数据存储处理、分析还是挖掘，最完整和成熟的生态圈还是基于关系型数据库，比如报表、联机分析等工具；另外就是数据分析人员更偏重于查询分析语言如SQL、R、Python数据分析包而不是编程语言。 企业大数据平台建设的二八原则是，将20%最有价值的数据——以结构化的形式存储在关系型数据库中供业务人员进行查询和分析；而将80%的数据——以非结构化、原始形式存储在相对廉价的Hadoop等平台上，供有一定数据挖掘技术的数据分析师或数据工
电商网站数据分析常用指标 分类：数据分析2011-08-16 23:44 101人阅读评论(0) 收藏举报一、网站分析的内容指标 转换率TakeRates （ConversionsRates） 计算公式：转换率＝进行了相应的动作的访问量／总访问量 指标意义：衡量网站内容对访问者的吸引程度以及网站的宣传效果 指标用法：当你在不同的地方测试新闻订阅、下载链接或注册会员，你可以使用不同的链接的名称、订阅的方式、广告的放置、付费搜索链接、付费广告（PPC）等等，看看那种方式是能够保持转换率在上升？如何增强来访者和网站内容的相关性？如果这个值上升，说明相关性增强了，反之，则是减弱。 回访者比率RepeatVisitor Share 计算公式：回访者比率＝回访者数／独立访问者数 指标意义：衡量网站内容对访问者的吸引程度和网站的实用性，你的网站是否有令人感兴趣的内容使访问者再次回到你的网站。 指标用法：基于访问时长的设定和产生报告的时间段，这个指标可能会有很大的不同。绝大多数的网站都希望访问者回访，因此都希望这个值在不断提高，如果这个值在下降，说明网站的内容或产品的质量没有加强。需要注意的是，一旦你选定了一个时长和时间段，就要使用相同的参数来产生你的报告，否则就失去比较的意义。 积极访问者比率HeavyUser Share 计算公式：积极用户比率＝访问超过１１页的用户／总的访问数 指标意义：衡量有多少访问者是对网站的内容高度的兴趣
指标用法：如果你的网站针对正确的目标受众并且网站使用方便，你可以看到这个指标应该是不断的上升。如果你的网站是内容型的，你可以针对不同类别的内容来区分不同的积极访问者，当然你也可以定义２０页以上的才算是积极的访问者。 忠实访问者比率CommittedVisitor Share 计算公式：访问时间在１９分钟以上的用户数／总用户数 指标意义：和上一个指标的意义相同，只是使用停留的时间取代浏览页数，取决于网站的目标，你可以使用两个中的一个或结合使用。 指标用法：访问者时长这个指标有很大的争议，这个指标应结合其它的指标一起使用，例如转换率，但总体来说，较长的访问时长意味着用户喜欢呆在你的网站，高的忠实访问率当然是较好的。同样的，访问时长也可以根据不同的需要自行设定。 忠实访问者指数CommittedVisitor Index 计算公式：忠实访问者指数＝大于１９分钟的访问页数／大于１９分钟的访问者数 指标意义：指的是每个长时间访问者的平均访问页数，这是一个重要的指标，它结合了页数和时间。 指标用法：如果这个指数较低，那意味着有较长的访问时间但是较低的访问页面（也许访问者正好离开吃饭去了）。通常都希望看到这个指数有较高的值，如果你修改了网站，增加了网站的功能和资料，吸引更多的忠实访问者留在网站并浏览内容，这个指数就会上升。 忠实访问者量CommittedVisitor Volume 计算公式：忠实访问者量＝大于１９分钟的访问页数／总的访问页数 指标意义：长时间的访问者所访问的页面占所有访问页面数的量 指标用法：对于一个靠广告驱动的网站，这个指标尤其值得注意，因为它代表了总体的页面访问质量。如果你有１００００的访问页数却仅有１％的忠实访问者率，这意味着你可能吸
金融大数据服务平台项目规划书 北京XXXX技术有限公司 研发中心 2014年11月
一. 项目介绍 1.1项目背景 银行业一直是一个数据驱动的行业，数据也一直是银行信息化的主题词。银行的信息化进程先后经历过业务电子化、数据集中化、管理模型化等阶段，如今随着大数据技术的飞速发展，银行信息化也进入了新的阶段：大数据时代。 目前，国内银行都积累了海量的金融数据，包括各类结构化、半结构化、非结构化数据，数据量巨大，存储方式多样。但是这些海量数据还没得到充分利用，显得价值含量较低。只有经过合适的预处理、模型设计、分析挖掘后，才能发现隐藏在其中的潜在规律。而应用大数据分析技术，可以从海量的、不完全一致的、有噪声的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识。银行可以利用这些信息和知识来提升金融业务的服务效率和管理水平，银行的关键业务也能从中获得巨大收益。 银行在大数据技术应用方面具有天然优势：一方面，银行在业务开展过程中积累了大量有价值数据，这些数据在运用大数据技术挖掘和分析之后，将产生巨大的商业价值；另一方面，银行在资金、设备、人才、技术上都具有极大的便利条件，有能力采用大数据的最新技术。建立“金融大数据服务平台”，可以通过对金融数据的挖掘、分析，创造数据增值价值，提供针对银行的精准营销、统一广告发布、业务体验优化、客户综合管理、风险控制等多种金融服务。 1.2业务需求 目前，银行客户对数据的利用仍是以各类统计报表为主，存在以下重大弊端： 1.对数据的分析仅按照固定项目，对业务情况进行事后统计分析和监控。实际上没有 找到隐藏在数据背后的原因，数据深度分析和数据挖掘能力不足。 2.对数据的分析仅作为专项的统计分析结果输出，对于数据间的因果影响、相关性分 组或关联规则、聚类、描述和可视化等工作尚未开展，数据关联分析能力不足。 3.统计分析侧重在事后的数据汇总，难以从数据汇总中得到客户服务事件发生的规 律，以及前瞻性判断，数据的预测性分析能力不足。
全球十大大数据企业有哪些
全球十大大数据企业有哪些？ 大数据是目前最火热的名词之一，从事大数据分析的朋友都很清楚全世界主要以两大阵营为主：一是以IBM、惠普为代表的数据仓储业务的十大大数据老牌厂商；另一个是以大数据技术、创新力为核心的新兴企业。今天，大圣众包平台带大家了解到底有哪十大大数据企业呢？ 十大大数据企业 1.IBM 根据Wikibon发布的报告，作为大数据业务营收成绩最好的公司IBM，过去一年从大数据相关产品及服务中获得了13亿美元收益。其具体产品包括服务器与存储硬件、数据库软件、分析应用程序以及相关服务等。 2、惠普 惠普早在2012年获得的大数据营收名列第二，总值为6.64亿美元。这家供应商最为知名的方案当数Vertica分析平台。 3、Teradata Teradata凭借自家硬件平台、数据库以及分析软件而声名远播。它同时针对零售及运输行业推出了专门的分析工具。 4、甲骨文 尽管在大家眼中，甲骨文一直以其冠绝群雄的数据库产品闻名，但事实上他们也是大数据领域的主要竞逐者之一。其甲骨文大数据设备将英特尔服务器、ClouderaHadoop发行版以及甲骨文的NoSQL数据库结合到了一起。
5、SAP SAP推出了一系列分析工具，但其中知名度最高的当数其HANA内存内数据库。 6、EMC EMC一方面帮助客户保存并分析大数据，另外也充当着大数据分析智囊营销科学实验室的所在地这家实验室专门分析营销类数据。EMC推出的最新爆炸性消息是与VMware及通用电气一道支持Pivotal公司。 7、Amazon Amazon向来以企业云平台闻名于世，但同时也推出过一系列大数据产品，其中包括基于Hadoop的ElasticMapReduce、DynamoDB大数据数据库以及能够与AmazonWebservices顺利协作的Redshift规模化并行数据仓储方案。 8、微软 微软的大数据发展战略可谓雄心勃勃，包括与Hortonworks建立合作关系、建立一家大数据新兴企业以及推出基于Hortonworks数据平台的HDInsights工
一、描述统计 描述性统计是指运用制表和分类，图形以及计筠概括性数据来描述数据的集中趋势、离散趋势、偏度、峰度。 1、缺失值填充：常用方法：剔除法、均值法、最小邻居法、比率回归法、决策树法。 2、正态性检验：很多统计方法都要求数值服从或近似服从正态分布，所以之前需要进行正态性检验。常用方法：非参数检验的K-量检验、P-P图、Q-Q图、W检验、动差法。 二、假设检验 1、参数检验 参数检验是在已知总体分布的条件下（一股要求总体服从正态分布）对一些主要的参数(如均值、百分数、方差、相关系数等）进行的检验。 1）U验使用条件：当样本含量n较大时，样本值符合正态分布 2）T检验使用条件：当样本含量n较小时，样本值符合正态分布 A 单样本t检验：推断该样本来自的总体均数μ与已知的某一总体均数μ0 (常为理论值或标准值)有无差别； B 配对样本t检验：当总体均数未知时，且两个样本可以配对，同对中的两者在可能会影响处理效果的各种条件方面扱为相似；
C 两独立样本t检验：无法找到在各方面极为相似的两样本作配对比较时使用。 2、非参数检验 非参数检验则不考虑总体分布是否已知，常常也不是针对总体参数，而是针对总体的某些一股性假设（如总体分布的位罝是否相同，总体分布是否正态）进行检验。适用情况：顺序类型的数据资料，这类数据的分布形态一般是未知的。 A 虽然是连续数据，但总体分布形态未知或者非正态； B 体分布虽然正态，数据也是连续类型，但样本容量极小，如10以下； 主要方法包括：卡方检验、秩和检验、二项检验、游程检验、K-量检验等。 三、信度分析 检査测量的可信度，例如调查问卷的真实性。 分类： 1、外在信度：不同时间测量时量表的一致性程度，常用方法重测信度 2、内在信度；每个量表是否测量到单一的概念，同时组成两表的内在体项一致性如何，常用方法分半信度。 四、列联表分析 用于分析离散变量或定型变量之间是否存在相关。
大数据与现代物流新零售模式分析 摘要：随着现代互联网技术、大数据和云计算的广泛应用，“互联网+零售”的新零售模式不断得到发展和扩展，成为了零售业的主流发展方向。物流配送环节是零售业发展的重中之重，是联系供应方、零售商和消费者之间的纽带。本文在分析零售业主要发展模式的基础上，探索零售业在大数据与物流相融合的发展阶段所具有的主要特点，梳理了依托互联网发展的新零售模式，并提出了升级路径。 关键词：大数据;现代物流;新零售模式;深度融合 零售业的主要发展模式 （一）传统单店零售模式。我国早期零售模式的发展是通过实体店在数量和规模上的扩张来完成的，传统模式更强调区位对于门店的重要性，零售商通过门店的方式和消费者建立紧密的联系，因此好的位置对于店铺未来的发展非常重要。这种模式的零售商先通过广告宣传等形式扩大自身的知名度和影响力，吸引更多的消费者进入门店，然后通过门店、商场和导购等直面顾客，完成从介绍、试用到最后出售的过程。传统零售模式具有一些独有的特点：一是体验感强。这种模式一般都在门店或者是商场中摆放真实的产品以供消费者体验试用，可以让消费者感受到真实的产品和服务。尤其是对使用方法较为复杂的产品或者对产品要求较高的消费者而言，真实的产品更易于让人接受，更易于让消费者全面地了解产品。二是提供面对面的服务。由于消费者接触的是真实的物品，获得的是面对面讲解，所以传统零售商提供的服务是其他形式的零售方式无法取代的，消费者和导购之间的交流和情感也在交谈过程中不断加深。但是随着网络的普及，传统零售模式不断受到冲击，店面租金居高不下和人工成本持续走高，都使得传统零售业发展面临困境。图1反应的是我国近年来社会消费品的零售总额。从图1可以看出，我国社会消费品零售总额在2013年之后增长趋势放缓，增长比例逐年下滑，电商平台对于传统零售模式的冲击已经显而易见了。（二）零售企业的连锁化和集团化过程。随着零售企业规模的不断扩大，越来越多的零售企业选择在不同地方建立实体店，在这样的背景下，零售业连锁化和集团化逐渐发展起来。这里的连锁化是一种基于统一规划和经营管理模式下的零售业发展形势。具体而言，连锁化零售企业围绕一个核心企业进行发展，在这个企业的管理下，多个地
基于大数据的物流营运智能分析SaaS平台 Customer iQ 建设方案 2014 年 12 月 一、前言 大数据和云计算的时代，物流行业智能分析已经突破了传统商业
智能分析系统（ BI ）对关系型结构化数据的依赖。利用大数据技术， 对大容量和非结构的Web、GPS和 RFID等数据进行实时收集、存储和处理，结合各种数学模型，我们可以实现针对物流行业营运状况的精 准智能分析，为物流行业管理者提供实时的物流营运状况监控信息， 辅助其进行管理决策。 同时，云计算 SaaS服务的按需付费、大数据计算性能水平扩展、移动便携性等正好解决了商业智能在物流行业推广应用中的“落地 难”问题，基于大数据的物流营运智能分析，将提升中国物流行业的 精细化管理水平，促进物流行业的快速发展。 二、建设目标 建设目标包括： 1、提供物流行业营运分析洞察报告，全面反映物流行业营运 过程状况； 2、建立物流营运健康指数模型，准确反映物流营运健康水平，分析物流营运中存在的问题； 3、提供物流营运风险预警和问题改善追踪功能，评估问题改 善有效性，持续改进物流营运过程。 三、业务需求分析 1、物流营运业务分析 经过分析，物流营运业务主要分为运输业务、仓储业务、业务收
入和业务费用几个部分，以下是物流营运业务分析示意图： 2、物流营运业务指标 业务分类运输业务 仓储业务业务收入业务费用 指标名称指标含义单位数据来源 货运量各种运输工具实际运送到目吨订单管理系统 的地并卸完的货物数量 周转量货运周转量＝∑每批物品的吨* 公里订单管理系统 计费重量×该批物品的运输 里程 周转里程订单运输距离累计公里GPS 周转时间订单运输时间累计小时/分钟GPS 订单完成率当期订单完成运输量/ 订单订单管理系统 运输量总计 运单准确率当期符合规定接收时间或送订单管理系统 达时间的运单 / 当期所有运 单 车辆工况∑车辆运行时间/ 当期总时GPS 间 入库量当期所有入库货物重量吨仓储管理系统 出库量当期所有出库货物重量吨仓储管理系统 期末库存量当期仓库库存货物重量吨仓储管理系统 周转次数（入库量 +出库量） = 吞次仓储管理系统 吐量 / 仓库最大库存量 运输收入当期所有运单运输收入累计万元财务系统 仓储收入当期所有货物仓储收入累计万元财务系统 装卸搬运收入当期所有货物装卸搬运收入万元财务系统 累计 车辆 - 人工成本当期每台车人工支出万元财务系统 车辆 - 燃油费当期每台车燃油费用支出万元财务系统 车辆 - 轮胎费当期每台车轮胎更换费用支万元财务系统 出 车辆 - 路桥费当期每台车路桥费用支出万元财务系统 车辆 - 维修费当期每台车维修费用支出万元财务系统 仓储 - 人工成本当期每个仓库仓储人员工资万元财务系统 支出 仓储- 租费 / 折旧当期每个仓库仓储租赁费用万元财务系统 或折旧支出 仓储 - 装卸费当期每个仓库仓储装卸搬运万元财务系统 费用支出
便利店新零售大数据分析平台方案
目录 1、技术方案概述 (5) 1.1、建立系统的原则 (5) 1.2、系统总体目标 (7) 2、连锁零售系统整体解决方案 (19) 2.1、构建系统的原则 (19) 2.2、系统逻辑结构 (21) 2.3、网络拓扑结构 (24) 3、总部系统 (30) 3.1、总部系统的业务范围 (30) 3.2、系统的基础数据管理 (31) 3.2.1、公司管理架构的定义 (31) 3.2.2、供应商分类 (31) 3.2.3、供应商档案 (32) 3.2.4、供应商合同 (32) 3.2.5、客户档案 (33) 3.2.6、商品分类 (34) 3.2.7、商品档案 (35) 3.3、总部系统业务流程 (37) 3.4、总部系统的报表体系 (37) 3.4.1、日常管理报表 (37) 4.3.2、分析性管理报表 (38) 4.3.3、数据挖掘 (38) 3.5、总部系统的权限机制 (38) 4、配送中心系统 (38) 4.1、配送中心系统的业务范围 (38) 4.2、配送中心系统的基础数据管理 (39) 4.3、主要业务流和处理方法 (39) 4.3.1、采购管理 (39)
4.3.3、配送中心的仓库管理 (41) 4.3.4、进货验收流程和管理 (42) 4.3.5、配送分拣出库确认流程 (43) 4.3.6、盘点作业流程 (44) 4.3.7、越库配送流程 (45) 4.4、配送中心的结算处理 (46) 4.4.1、对供应商进货的结算 (46) 4.4.2、利润的结算 (46) 4.4.3、库存结算 (46) 4.4.5、配送价格体系 (46) 4.5、配送中心的查询报表体系 (47) 5、加工中心系统 (47) 5.1、加工中心的业务范围 (47) 5.2、加工中心的业务流程 (48) 5.3、加工中心的成本核算方式 (48) 6、门店POS/SC系统 (49) 6.1、门店系统的业务范围 (49) 6.2、门店主要业务流程和处理方法 (49) 6.2.1、门店和总部的数据交换流程 (49) 6.2.2、门店申请变价流程 (50) 6.2.3、门店补货流程 (50) 6.2.4、门店进货流程 (50) 6.2.5、门店盘点流程 (51) 6.3、门店POS系统 (51) 6.4、门店系统的报表体系 (52) 7、财务系统接口 (52) 8、系统集成 (52) 8.1、系统基础支撑设备 (52)
大数据在物流行业的现状及应用 随着大数据时代的到来，大数据技术可以通过构建数据中心，挖掘出隐藏在数据背后的信息价值，从而为企业提供有益的帮助，为企业带来利润。面对海量数据，物流企业在不断增加大数据方面投入的同时，不该仅仅把大数据看作是一种数据挖掘、数据分析的信息技术，而应该把大数据看作是一项战略资源，充分发挥大数据给物流企业带来的发展优势，在战略规划、商业模式和人力资本等方面做出全方位的部署。 所谓物流的大数据，即运输、仓储、搬运装卸、包装及流通加工等物流环节中涉及的数据、信息等。通过大数据分析可以提高运输与配送效率、减少物流成本、更有效地满足客户服务要求。将所有货物流通的数据、物流快递公司、供求双方有效结合，形成一个巨大的即时信息平台，从而实现快速、高效、经济的物流。信息平台不是简单地为企业客户的物流活动提供管理服务，而是通过对企业客户所处供应链的整个系统或行业物流的整个系统进行详细分析后，提出具有中观指导意义的解决方案。许多专业从事物流数据信息平台的企业形成了物流大数据行业。 自2012年，国家已陆续出台相关的产业规划和政策，从不同侧面推动大数据产业的发展。然而，专门针对大数据发展尤其是物流大数
据的政策规划还没有。目前，国家出台的与大数据相关的物流行业规划和政策，主要包括《第三方物流信息服务平台建设案例指引》、《商贸物流标准化专项行动计划》、《物流业发展中长期规划(2014-2020年)》、《关于推进物流信息化工作的指导意见》等一系列政策，将大数据、信息化处理方法作为物流行业转型升级的重要指导思想。 2011年11月推出的《物联网”十二五”发展规划》将“信息处理技术”列为四项关键技术创新工程之一，包括海量数据存储、数据挖掘、图像视频智能分析。另外三项关键技术创新工程，包括信息感知技术、信息传输技术、信息安全技术，也是大数据产业的重要组成部分，与大数据产业发展密切相关。2013年6月发布的《交通运输业推进物流业健康发展的指导意见》指出，加快推进交通运输物流公共信息平台建设，完善平台基础交换网络，加快推进跨区域、跨行业平台之间的有效对接，实现铁路、公路、水路、民航信息的互联互通。加快完善铁路、公路、水路、民航、邮政等行业信息系统，推进互联互通，增强一体化服务能力。鼓励企业加快推进信息化建设。2014年2月发布的《第三方物流信息服务平台建设案例指引》指出，对第三方物流信息服务平台建设的指导思想、基本原则、建设类型、建设标准、保障措施与考核要求等进行了具体说明，并收录了目前国内经营模式较为先进、取得较好经济社会效益的第三方物流信息平台建设案例。 此外，交通运输部正在编制的物流发展“十三五”规划，其中统筹谋划现代物流发展，指出要发展智慧物流，适时研究制定“互联网”
人力资源常用数据分析 —、招聘分析常用计算公式 1、 招聘入职率：应聘成功入职的人数 2、 月平均人数：（月初人数+月底人数） 3、 月员工离职率：整月员工离职总人数 4、 月员工新进率：整月员工新进总人数 5、 月员工留存率：月底留存的员工人数 6、 月员工损失率：整月员工离职总人数 7、 月员工进出比率：整月入职员工总人数 8、 骨干员工留存率：中高层员工人数 二、考勤常用的统计分析公式 1、 个人出勤率：出勤天数 三规定的月工作日X 10% 2、 加班强度比率：当月加班时数 m 当月总工作时数x 10% 3、 人员出勤率：当天出勤员工人数 ?当天企业总人数X 10% 4、 人员缺勤率：当天缺勤员工人数 三当天企业总人数X 10% 三、常用工资计算、人力成本分析公式 1、 月薪工资：月工资额 三21.75天X 当月考勤天数 2、 月计件工资：计件单价 X 当月所做件数 3、 平时加班费:月工资额 三24.75天三8小时X 1.5倍X 平时加班时数 4、 假曰加班费：月工资额 三24.75天三8小时X 2倍X 假曰加班时数 5、 法定假曰加班费：月工资额 三21.75天m 8小时x 3倍x 法定假曰加班时数 6、 直接生产人员工资比率：直接生产人员工资总额 三企业工资总额X 10% 应聘的所有人数X 10%, 三2 三月平均人数X 10% ?月平均人数X 10% 三月初员工人数X 10% 三月初员工人数X 10% 三整月离职员工总人数X 100% 月初员工人数*100%
7、非生产人员工资比率：非生产人员工资总额三企业工资总额X 100% 8、人力资源费用率:—定时期内人工成本总额三同期销售收入总额X 10% 9、人力成本占企业总成本的比重：一定时期内人工成本总额三同期成本费用 总额X 100% 10、人均人工成本：一定时期内人工成本总额m同期同口径职工人数 四、培训统计分析公式 HR常用公式分析 1?新晋员工比率二已转正员工数 /在职总人数 2补充员工比率二为离职缺口补充的人数/在职总人数 3?离职率（主动离职率/淘汰率）二离职人数/在职总人数 4?异动率二异动人数/在职总人数 5?人事费用率二（人均人工成本裏总人数）/同期销售收入总数 6?招聘达成率=（报到人数+待报到人数）/ （计划增补人数+临时增补人数） 7?人员编制管控率二每月编制人数/在职人数 8?人员流动率=（员工进入率+离职率）/2 9?离职率二离职人数/ （（期初人数+期末人数）/2） 10?员工进入率二报到人数/期初人数 11. 离职率二离职人数/（期初人数+ 录用人数）X 10% 12. 员工当月应得薪资的计算方程式为：
行业大数据平台可行性研究报告 项目承担单位：XX 项目编制单位：XX 项目负责人： 编制日期：
目录 第1章项目概述 (1) 1.1项目名称 (1) 1.2项目承担单位 (1) 1.3编制依据 (1) 1.4项目建设内容 (1) 1.5项目建设原则 (2) 1.6投资估算 (3) 1.6.1 主要依据 (3) 1.6.2 投资估算 (3) 1.7效益目标 (4) 1.7.1 绩效目标 (4) 1.7.2 效果目标 (4) 第2章建设背景及可行性 (5) 2.1建设背景 (5) 2.1.1 时代背景 (5) 2.1.2 政策背景 (5) 2.1.3 业务背景 (6) 2.2项目可行性 (7) 2.2.1 政策环境可行性 (7) 2.2.2 技术可行性 (8)
第3章需求分析 (9) 3.1非功能性需求 (9) 3.1.1 灵活性需求 (9) 3.1.2 安全性需求 (10) 3.1.2.1 数据安全 (10) 3.1.2.2 应用安全 (10) 3.1.2.3 系统存取权限控制 (10) 3.1.2.4 数据保密需求 (11) 3.1.2.5 灾难恢复需求 (11) 3.1.3 系统集成需求 (12) 3.1.3.1 基础设施类集成 (12) 3.1.3.2 业务应用类集成 (13) 3.1.3.3 安全体系集成 (13) 3.2功能性需求 (13) 3.2.1 整体用例图 (13) 3.2.2 建设内容 (13) 第4章方案设计 (14) 4.1建设目标 (14) 4.2设计理念 (14) 4.3设计原则 (16) 4.4总体架构设计 (17)
大数据平台建设项目建议书
目录 第一章、项目背景..................... 错误!未定义书签。第二章、项目思路..................... 错误!未定义书签。第三章、建设内容与方案............... 错误!未定义书签。第四章、时间进度..................... 错误!未定义书签。第五章、项目预算..................... 错误!未定义书签。第六章、企业效益及社会效益........... 错误!未定义书签。第七章、结论......................... 错误!未定义书签。
第一章、项目背景 企业对信息化工作历来较为重视，也是省内较早开始实施信息化的大型企业。目前已经建成财务系统、生产调度系统、农务系统、供应链系统等:调度系统，2015年公司共投资了175万元，按集团分步建设、逐步投入的规划，完成了系统基本硬件与亚控平台软件的结合，构建了一个以明阳糖厂生产调度指挥中心为核心，生产信息能够上至集团，下至车间的生产调度网络系统。 农务系统，2005年开始实施，经过多次升级，现涵盖了计划、报蔗、派车、质检、过磅、结算、短信管理、移动应用等一系列模块，覆盖公司4家直属糖厂和大桥制糖公司，实现了农务统一的信息化管理。 供应链系统，利用用友NC供应链系统，以公司存货管理为核心的采、供、销、存供应链管理平台，实现物资、仓储、供应、销售、物流一体化业务协同处理平台，建立了公司对各直属厂工作的监督平台，总部可以实时对下属各公司的工作进行监督，实时对各公司的具体业务执行情况进行查看，及时的对下属公司进行指导和监督。 尽管在两化融合及企业信息化方面已取得了相当的成效，但在实际应用过程中仍然存在一些较为显著的问题。 （一）总部与下属糖厂未实现完全的集约管理 a)企业在原先六家糖厂的基础上，又收购了三博公司五家糖厂。三博五厂 由上海迁回南宁，在宜州设立管理下属五厂的二级管理总部。 b)从系统部署上分析，企业总部与原先六厂为一套架构，而三博总部与下 属五厂为一套架构，各自独立，暂未整合为一体。 c)为了保证各糖厂生产的稳定，企业总部与下属六厂之间仅在NC供应链、 OA、财务、人力等系统方面实现了集约管理，农务管理系统、生产调度 系统以及化验系统均由各厂自建，因此出现各厂建设系统的厂家不同， 使用的系统版本不同等现象。三博总部与下属五厂的关系亦如此。（二）总部及各厂之间的数据共享有限 a)由于大多数生产相关的系统均为各厂自建，因此不管是企业总部，或者
网站数据分析指标体系 转《商业数据分析》郑来轶 【编者注】网站流量统计，是指对网站访问的相关指标进行统计。本文整理自网友分享的一份Word文档，主要介绍了网站分析的KPI指标、数据分析方法、网站分析工具介绍和对比等。 一、总论 1. 概念 网站流量统计，是指对网站访问的相关指标进行统计。网站访问分析（有时也使用“网站流量分析”、“网站流量统计分析”、“网站访问统计分析”等相近的概念），是指在获得网站流量统计基本数据的前提下，对有关数据进行统计、分析，从中发现用户访问网站的规律，并将这些规律与网络营销策略等相结合，从而发现目前网络营销活动中可能存在的问题，并为进一步修正或重新制定网络营销策略提供依据。 2. 意义 ? 了解网站的目标人群特征，为产品设计提供重要依据 ? 了解网站关注行业用户量的潜在规模 ? 对比行业平均指标，作为评估自身网站发展的指标 ? 分析网站与竞争对手之间的用户重合度 ? 分析自身网站内部各栏目间的用户重合度 3. 分析报告 网站统计分析通常按日、周、月、季度、年或围绕营销活动的周期为采集数据的周期。当然单纯的网站访问统计分析是不够的，我们在分析报告中需根据网站流量的基本统计和可采集的第三方数据的基础上，对网站运营状况、网络营销策略的有效性及其存在的问题等进行相关分析并提出有效可行的改善建议才是网站访问统计分析报告的核心内容。应该包括以下几方面的内容： ?网站访问量信息统计的基本分析?网站访问量趋势分析
? 在可以获得数据的情况下，与竞争者进行对比分析 ? 用户访问行为分析 ? 网站流量与网络营销策略关联分析 ? 网站访问信息反映出的网站和网站营销策略的问题诊断 ? 对网络营销策略的相关建议 二、关键绩效指标（KPI） 1.常用指标 红色标记的指标是最为必要的KPI，对网站的统计分析有很大的意义和作用。 1.1. 网站流量KPI 网站流量统计KPI常用来对网站效果进行评价，主要的统计指标包括： 访问量（Page View）：即页面浏览量或者点击量，用户每次对网站的访问均被记录1次。用 户对同一页面的多次访问，访问量值累计。 衍生出的指标： 日均访问量：指对应时间范围内，网站每日的平均访问量。 最高日访问量：指对应时间范围内，网站在某天获得最高访问量。 PV%：指选择时间范围内，某个类别的PV占总PV的比例。 独立IP：指在一天之内（00:00-24:00），访问网站的独立IP数。相同IP地址只被计算1次。 独立访客（Unique Visitor）：将每台独立上网电脑（以cookie为依据）视为一位访客，指一 天之内（00:00-24:00）访问您网站的访客数量。一天之内相同cookie的访问只被计算1次。 衍生出的指标： UV%：指选择时间范围内，某个类别的UV占总UV的比例。 重复访客（Repeat Visitor）：某个cookie的再次访问计为一个重复访客，它的数目即为重复 访客数量。 衍生出的指标：
经济论坛大数据时代下新零售产业分析与研究 万一琛 一一摘要:新零售产业是通过加入大数据二人工智能等技术实现线上服务二线下体验和物流融合的新的零售方式?其中大数据技术是主要应用的技术手段?基于对大数据技术对零售产业产生影响的分析?结合对大数据时代下新零售产业发展前景与发展方向的预测?本文提出了提升大数据技术在新零售产业功能性的措施?让大数据技术能够更好协助新零售产业的发展? 关键词:大数据技术?新零售产业?发展前景 １ 引言 随着互联网技术的发展?当前及未来的大数据技术会获得长足发展?而大数据技术的核心理念与新零售产业的概念有很高的契合度?故而在新零售产业的发展过程中?会充分用到大数据技术引领产业发展?而要让大数据技术充分发挥指引功能?需要对大数据技术和新零售产业的发展模式及发展前景有深入了解?并采取相应措施提升行业发展效率?２ 大数据技术对零售产业产生的影响 大数据技术能够弱化不同行业间的隔阂?并将一些行业进行有机融合?而对于零售产业?需要通过大数据技术提升其与其他行业的关联程度?从而让自身获得更好发展[１]?大数据技术对零售产业的影响主要体现在以下方面:(１)提升店铺知名度?对于零售行业的店铺来说?知名度能够对其经济收益产生重要影响?由于大数据技术能够对用户相关信息进行收集?从而对用户的需求有更深入的了解?零售行业可以充分利用这一优势对用户的需求进行了解和探究?从而按照顾客要求进行行业改造?其中店铺运行以及销售流程的合理改造能够充分吸引顾客的浏览兴趣?让店铺能够通过提升知名度的方式获取更高的经济收益?(２)加强各行业间的联系?大数据技术能够将各行业进行联系?故而零售产业发展中?可以使用大数据技术加强相关产业间的融合?从而提升各类商品的销售量?加快行业的发展速度?(３)提升购物效率?大数据技术能够对顾客的需求进行一定程度上的采集?对于电子商务来说?这种信息采集的方式能够让平台推荐相似的商品?充分提升人们的购物效率?从而更好地促进零售行业的发展? ３ 大数据时代下新零售产业的发展方向与发展前景 新零售产业将线上服务二线下体验以及物流过程进行有机结合?为顾客提供更加优秀的购物体验?而大数据技术能够在该过程中发挥重要作用?所以大数据技术会极大影响新零售产业的发展方向与发展前景?大数据时代下新零售产业的发展方向与发展前景包括以下方面: ３ １行业联系深度化 当前的大数据技术让零售行业与其他领域进行联系主要通过网页广告投放的方式?这种联系方式效率一般?并会在很大程度上引起用户的反感?另外零售行业中也包含各种产业的商品?而由于大数据技术的不完善?在相似商品推荐时常会与顾客的需求产生很大差别?降低顾客的购物体验?由于在今后的发展中?大数据技术将会越来越成熟?降低各种错误推荐的发生几率?所以将会摒弃现有的联系模式?通过采用新的联系方式逐渐提升行业间的联系深度和联系效果? ３ ２购物过程便捷化 新零售产业涉及线上服务与线下体验?顾客通过网络寻找自己需要的商品?在实体店中对各类商品进行深入了解?这种方式能够极大提升了购物效率?大数据技术在商品搜索过程中能够进行相关商品的展示?为顾客提供更大的选择范围?并且平台能够为顾客提供线下店铺的具体位置?让顾客更好地进行线下体验?但是需要注意的是?大数据技术在今后的发展过程中需要提升技术的智能化?主要体现在顾客进行购物后停止推荐类似的商品?防止顾客产生抵触情绪?从而对产业发展造成不利影响[２]? ３ ３物流过程短时化 当前的电商平台虽然能够简化人们的购物流程?但是物流成为了限制电商平台发展的主要因素之一?尤其是当人们的购物量大幅上升时?各物流企业会发生货物大量堆积现象?进一步降低了物流效率?而新零售产业中融入了物流?并对物流过程进行重新设计?极大提升了不同地点间的物流效率?在很大程度上降低商品积压现象?缩短物流时间以及降低了商品保管成本?另外由于新零售产业会大量建设线下体验店?顾客可以在线下体验店中进行直接交易?这种方式不需要经过物流过程?故而在新零售产业未来的发展中?物流时间会获得极大缩短?从而实现产业中各行业的共同发展? ３ ４交易数据安全化 当前大数据技术饱受诟病的一个方面为数据的安全性?这导致大数据技术成为了新零售产业发展的一个重要限制因素?而在今后的发展中?通过相关法律法规的建设以及大数据技术的自身发展?大数据技术的安全性将会获得充分提升?从而对顾客的交易数据和顾客隐私进行保护[３]?另外当前的电商平台成为顾客信息泄露的重灾区?在今后的发展中?可以通过大数据技术保证顾客各类信息的安全?降低信息泄露的发生几率?同时由于新零售产业支持线下交易?这 ３４
石油行业大数据分析 平 台 方 案
目录 一数据管理的现状 (1) 二石油行业大数据分析的概述 (2) （一）石油行业大数据分析概念 (2) （二）石油行业大数据分析目标 (3) 三石油行业大数据分析体系 (3) 四石油行业大数据分析核心领域 (4) （一）数据模型 (4) （二）数据生命周期 (5) （三）数据标准 (6) （四）主数据 (8) （五）数据质量 (9) （六）数据服务............................................................................................ 1 1 （七）数据安全............................................................................................ 1 2 五石油行业大数据分析保障机制 (13) （一）制度章程............................................................................................ 1 3 (1) 规章制度............................................................................................ 1 3 (2) 管控办法............................................................................................ 1 3 (3) 考核机制............................................................................................ 1 3 （二）石油行业大数据分析组织....................................................................... 1 5
人力资源分析常用指标指引 通用指标 1.员工增长率（月度） 【定义】是指新增员工人数与原有企业员工人数的比例 【公式】员工增长率＝本月新增员工人数/上月期末员工人数*100％ 【说明】员工增长率反映了企业人力资源的增长速度。同时也可以反映出人力资本的增长速度。将员工增长率与企业的销售额增长率、利润增长率等结合起来，可以反映出企业在一定时期内的人均生产效率。 2.人力资源离职率（月度-企业间比较） 【定义】是指报告期内离职总人数与统计期平均人数的比例。其中离职人员包括辞职、公司辞退、合同到期不再续签（即终止合同）的所有人员。不包括内退和退休人员。 【公式】离职率＝离职总人数÷统计期平均人数×100％＝（辞职人数＋辞退人数＋合同到期不再续签人数）÷统计期平均人数（月初+月末）/2×100% 【说明】离职率可用来测量人力资源的稳定程度。离职率常以月、季度为单位，如果以年度为单位，就要考虑季节与周期变动等影响因素。一般情况下，合理的离职率应低于8％。 3.人均人力成本（月度-月度环比） 【定义】是指报告期内企业（部门）平均每位员工的人力成本。 【公式】人均工资＝报告期内人力成本总额÷报告期内员工平均人数 【说明】人均工资的统计，一般可以结合员工分类统计数据，也可以结合不同的时间跨度统计，这样就可以通过二维角度来分析实际问题。 4.人均销售收入（月度-月度环比） 【定义】是指根据报告期内的销售收入计算的平均每一个员工的销售收入。
【公式】人均销售收入＝报告期内销售收入总额÷报告期内员工平均人数 【说明】人均销售收入是考核企业效率的指标，尤其用在同行业之间相比较最有可比性，人均销售收入越高，企业效率越高。普遍适用于企业处于成熟期进行同业间的比较。 5.人均净利润（月度-企业间比较） 【定义】是指根据报告期内的净利润计算的平均每一个员工的净利润。 【公式】人均净利润＝报告期内净利润总额÷报告期内员工平均人数 【说明】人均净利润是考核企业效益的指标。普遍适用于企业处于成熟期进行同业间的比较。 6.万元工资销售收入（月度-月度环比） 【定义】是指根据报告期内的销售收入计算的平均每万元工资所能产生的销售收入。 【公式】万元工资销售收入＝报告期内销售收入总额÷报告期内工资总额 【说明】一般而言，万元工资销售收入越高，企业效率越高。 7.万元工资净利润（月度-企业间比较） 【定义】是指根据报告期内的净利润计算的平均每万元工资所能产生的净利润。 【公式】万元工资净利润＝报告期内净利润总额÷报告期内工资总额 【说明】一般而言，万元工资净利润越高，企业效益越高 8.人员流动率（季度） 【定义】是指报告期内企业流动人数（包括流入人数和流出人数）占总人数的比例。是考察企业组织与员工队伍是否稳定的重要指标，报告期一般为一年 【公式】流动率=（周期内流入人数＋流出人数）÷报告期内员工平均人 【说明】流入人数指调入和新进人数，流出人数指退休、内退、调出、辞职、辞退和合同到期不再续签人数。由于人力资源流动直接影响到组织的稳定和员工的工作情绪，必须加以严格控制。若流动率过大，一般表明人事不稳定，劳资关系存在较严重的问题，而且导致企业