引言

在之前的研究院文章中我們從信息化層面上論述了電力資料決策平台構建的必要性，以及依託人力資源管理為基礎的起步方式。隨著電改的推動，發電側市場的競爭日趨激烈，基於業務管理的經營分析愈加重要。那麼針對發電公司，為加強經營管控能力，如何進一步搭建線上經營管理的資料決策平台呢？
構建以線上經營管理為核心的資料決策平台，能夠幫助發電公司在激烈的同質化競爭中獲得更好的發展。帆軟行業顧問團隊經過20餘家發電公司的交流調研，整理出發電公司經營管理資料決策平台的總體框架以及構建思路，為正在以及將要構建企業自己的資料決策平台的公司提供參考。

一、發電公司的經營現狀

集團性發電公司的業務一般涉及電力、熱力、港口、煤礦等相關產業的開發和經營管理。電力板塊一般包含火力發電廠、風電場、光伏電站、水電站等，發電公司在歷經廠網分離、通過多次資產整合重組後，產生很多不利因素，這些因素在發電公司的經營發展中形成管理離散化、增產增收不增效、同質化競爭嚴重三大痛點。

資料分析少不了商業分析思維，以及對業務的理解。很多時候覺得思維不夠健全，或者分析沒有思路，其實都可以藉助思維模型的學習來不足，來加速分析的成功。
之前分享了大V空白女俠的35個經典模型中的15個《資料分析師需要掌握的35個商業模型（一）》。
沿著她的思路，筆者又整理了10個人認為很常見很實用的模型，和大家一起分享！

一、波特五種競爭力模型

波特五力模型是企業制定競爭戰略時常用的戰略分析工具，任何產業的競爭規律會體現在波特五力模型的五種競爭作用力上。戰略的分析和制定聽起來離我們的生活很遙遠，但實際上企業新開一家門店，開發一個新產品，都可以用到這個模型。
波特五力模型是將大量不同的因素彙集在一個簡便的模型中，以此分析一個行業的基本競爭態勢。五種力量模型確定了競爭的五種主要來源，即供應商的討價還價能力、購買者的討價還價能力、潛在進入者的威脅、替代品的威脅、來自同行的競爭。

在職場中，當我們面對不同場景的時候，都需要建立自己對特定場景的認知。有些人比較聰明，具有高效建立認知的方法建立認知的方法；有些人較為普通，建立認知的時候多少會走點彎路。

這種情況套用到商業分析師頭上也是一樣的。很多人問我，資料分析師應該如何成長，學習哪些技能。我的回答是，你除了資料分析技能的學習之外，你要比業務更懂業務，比產品經理更懂產品，你甚至還需要對整個行業有一些思考。如果你做到了，那麼你就是一個非常炙手可熱的資料分析師或者說資料專家了。又有人問我，我沒有資料思維，或者說我沒有思考模型怎麼辦？於是我想到了，不如做一些思維模型的分享給到大家。思維模型會給你提供一種視角或思維框架，從而幫助你建立起觀察事物和看待世界的視角。通過對思維模型的學習，能提高你成功的可能性，並幫你避免失敗。

活動時間：2018-10-16 19:00
活動地點：http://live.vhall.com/653416352 
報名人數：243 人

大數據爆髮式增長的這10年，大數據人才始終是這股浪潮中的焦點，很多企業求賢若渴，40、50萬年薪的招聘廣告屢見不鮮，但還是一將難求。
我是技術小白，能力不夠、沒經驗不敢上怎麼辦？
我是IT人，但是總被當成取數機，乾的活不少但是領導看不到價值怎麼辦？
渴望高薪的你，如何才能成為優秀的資料分析師從而走上人生巔峰？
正是由於我們在大數據BI這個行業服務了眾多客戶，越來越認識到客戶面臨的困境，於是我們基於帆軟豐富的行業經驗，將實踐場景、資料知識和資料技能有機結合，推出了《決策菁英》課程，從行業背景、個人定位、工具技術學習、業務需求配合、職業發展、在企業放大數據分析的影響力等等，都進行了詳細的‘解答，力求讓學員可以最大化的將知識和技能投入到實踐中去，實實在在地為企業創造顯性價值，擺脫 「取數機」，進階成為首席資料運營官。

今天我想來diss市面上各種花里胡哨、出其不意的視覺化。


以上的視覺化大屏，乍一眼看上去，毫無重點，眼睛不知道往哪放。指標羅列太多，指標與指標之間沒有支撐性，也缺乏分析的內涵。即使是實時的資料，也沒有監控的動力。一句話評價：雖酷炫而然並卵。

尤其是對那些特別重視實用價值的公司/領導來說，空有好看的效果而沒有實際的內涵，可能會被領導評價為「花架子」，不務實，不好好工作，欲哭無淚有木有？！

工作中我們常常會遇到各種各樣的資料，為了分析這些資料，往往會將其視覺化。資料視覺化的第一步就是選擇合適的圖表。

怎麼做圖表？從Excel時代起，大家固有的思維就是按：有幾個「分類」，分幾個「系列」去填充資料。選擇能直觀展現結果的圖表來展現。這個過程其實是先有大致的資料分析結果，後用圖表來表達，我們稱之為視覺化1.0。而且，對於這種傳統圖表的展示形式，資料分析統計的人員來說往往會存在這樣一些問題：

筆者走訪過數十家帆軟建築行業內的合作客戶，經常會聽到這樣的一個疑問，「目前做的資料視覺化專案總感覺只是資料展現而已，而不達不到資料分析的高度，資料分析要怎麼做呢？」能提出這樣的問題，已經表明有些建築企業已經在探求深層次的資料價值了。

本篇文章，筆者將為大家解讀一下有關建築企業進行資料分析的三個問題，明確在行業快速變化的大環境下，我們對於資料應該有什麼追求，才能支撐企業生存下去並且能有足夠的盈利能力。

近日，全球知名調研機構 IDC 公布了 2018 中國數位化轉型大獎名單。南京醫藥股份有限公司（以下簡稱南京醫藥或公司）憑藉其供應鏈視覺化系統獲得全方位體驗創新領軍者獎。同時獲獎的還有中國科學技術大學附屬第一醫院（安徽省立醫院）、杭州萬事利斯綢文化股份有限公司等知名企業。

文|帆軟數據應用研究院 汪建輝

引言：

股份制改革對我國銀行業來說只是一個開始，企業在風險管理、創造價值等方面還有很長的路要走。風險管理要求提供精準的數據模型、創造價值要求充分銀行數據資產，這是數據治理的外部推動因素。此外，隨著第三次工業革命的到來，銀行業也需要進入定製化時代，以更低的成本，生產多樣化的金融產品，從而滿足不同顧客的不同需求。對數據本身而言，業務發展加快了數據膨脹的速度，也帶來了數據不一致等問題，業務部門的頻繁增加和剝離同樣會對數據治理提出挑戰。這些日益複雜的內外因決定了我國銀行業對數據治理的超高標準要求，而目前對應的經驗能力卻稍顯薄弱。

數據治理不僅需要完善的保障機制，還需要理解具體的治理內容，比如我們的數據該怎麼進行規範，元數據又該怎麼來管理，每個過程需要哪些系統或者工具來進行配合呢？這些問題都是數據治理過程中最實際的問題，也是最複雜的問題，今天我們將從數據治理的各個核心領域來解答這些問題。

日常工作中，涉及到資料的表格、計算、圖表和分析，大家首選的一定是Excel。

但我也看到不少朋友困惑於Excel的深入學習難度，機車的大數據處理效率。

日常工作中，涉及到資料的表格、計算、圖表和分析，大家首選的一定是Excel。

但我也看到不少朋友困惑於Excel的深入學習難度，機車的大數據處理效率。

日常工作中，涉及到資料的表格、計算、圖表和分析，大家首選的一定是Excel。

但我也看到不少朋友困惑於Excel的深入學習難度，機車的大數據處理效率。

近日，著名諮詢機構IDC發布了《2017年中國商業智能（BI）市場跟蹤報告》，本次報告取2017年度各BI廠商的軟體授權部分的銷售額（不包含項目實施及諮詢），從資料看，該領域TOP10中有9席為國外廠商，僅有一家國內廠商帆軟軟體入圍前十，且以13.76%的優勢佔比獲得第一名。

近日，著名諮詢機構IDC發布了《2017年中國商業智能（BI）市場跟蹤報告》，本次報告取2017年度各BI廠商的軟體授權部分的銷售額（不包含項目實施及諮詢），從資料看，該領域TOP10中有9席為國外廠商，僅有一家國內廠商帆軟軟體入圍前十，且以13.76%的優勢佔比獲得第一名。

最近，在網路上看到一個問題：「數據分析師需要注重哪方面的電腦技能培養？」

問題的背景是這樣的：

都說服務的溫度，是台灣餐飲業的軟實力，但硬實力的影響更不容忽視。

餐飲消費市場的擴大、數位科技的興起和普及、連鎖餐飲集團的規模化效應以及餐飲業在資本市場的活躍，都讓當前的餐飲企業面臨著巨大的機遇和挑戰。如何把握消費者的特點、圍繞消費者做好餐飲店管理是每個餐飲企業努力的目標。今天和大家分享一個曾經做過的餐飲數位化管理的經驗——眉州東坡餐飲集團。

隨著「工業4.0」、物聯網IOT、AI人工智慧時代的到來，粗放式的製造生產模式的弊端被越來越多的暴露出來，往日炙手可熱的世界工廠已被「夕陽產業」這個詞所替代，管理無疑是最大的問題，其中數字化管理也是最容易被人忽視的，本文基於精實生產理論，給大家介紹下如何構建統一的數據決策分析體系。

一、何為精實生產？

「如果TPS的信息量是100，那麼最早的LP的信息量大約是30，這是信息抽象帶來的損失」，從這句話里我們可以發現精實生產LP（Lean Production）理論最早起源於豐田生產方式TPS（Toyota Production System），TPS最早由大野耐一提出並推廣應用，LP的概念最早是在《改變世界的機器》書中提出，後來通過不斷實踐完善，LP已趨於成熟，現在被廣泛應用於多品種、小批量型生產企業，這與其中準時生產JIT（Just in time）理論是密不可分的。