数据分析的“势”——企业数据分析方向

所谓数据分析的势、道、术，就是指数据分析的方向、方法和工具，也是提出问题、分析问题、解决问题的思维逻辑。本文从一个物流公司的角度来看数据分析。

本文主要剖析数据分析的"势"

数据分析的方向，此处不是指数据分析行业的发展方向，而说的是数据分析的分析方向，抑或说一个物流公司的角度如何做数据分分析。对于一个物流公司，数据分析应当从三个方面进行。

首先，市场端的数据分析。这类的数据分析主要是针对零售业、电商等2C类企业。市场端的数据分析主要是两个方面，一个是外部的：客户数据；一个是内部的：产品数据。

所谓客户数据便是客户的体量、客户的数量分布、货量分布等等。若是2C的企业（如快递、零担类），可以研究人口的分布，网购人群的情况。阿里有阿里指数、百度有百度指数，目前其数据开放的越来越少了，但是还是可以看出主要的人群，以及相关产业的区域分布，因而哪些区域的集中货物便可以探知。通过探知货物类型，加之以现场调研，便可以得出大致的货品类型，而进行有针对性的物流服务；若是2B的企业（如大零担、三方、专线等），可以通过分析目标企业的市场分布，有针对性的在工业园区进行地推、宣传。如今工商企业对企业信用数据的公开，就有像天眼查、企查查等这类查询工商企业信息的网站，通过地址信息确定坐标，进而分析企业的集中地区，找出地推区域，进而有针对性的进行2B的业务拓展工作。如图则是四川成都市的食品制造业企业热力图。

通过地图，我们可以清晰的看到成都市食品制造型企业的集中区域，虽然企业名录可能不够全，但是整体的分布结构是一定的，因而最终的市场分析结果是可用的。而这也是大数据的概念中的更注重数据结构，而一定程度的忽略数据质量。

其次，是经营数据，此部分数据多是财务数据，是直接反映企业经营情况的数据，适用于供应链上各种类型企业。

经营数据主要是财务报表中的收入、成本、毛利等等，一般小企业多看的是利润表，大企业会看资产负债表和现金流量表。所谓利润表可以直接反映企业的经营情况，也就是企业是赚了、还是赔了。此部分主要是财务数据的分析，做经营数据分析的部门一般是公司的财务部。经营数据主要是收入、成本（直接成本、间接成本）、费用。其中成本和费用有着一定的关系，因为间接成本中的人力成本增加便会在一定程度上造成费用的增加。

当然，经营数据的分析有着很多方法，也有很多的管理会计方面的书籍可以参考。如图便是著名的杜邦分析法：

最后，便是运营数据，目前对于运营数据，不同行业的运营数据分析能力参差不齐，这类数据主要是集中在成本控制，多属于物流企业、制造型企业的数据分析。

对于物流行业来说，大部分企业其实还停留在KPI的搜集和整理上，没能做到通过数据进行事前预测。除非像京东、苏宁等其销售段就是自身的物流，可以通过销售情况进行预测。第三方物流的货量过多依赖于其客户的计划，而客户往往只会给相对的淡季旺季，而缺少明确的货量预测。大部分企业运营分析相对匮乏，需要建立一个可视化仪表盘对数据进行实时监控和钻取。

而仪表盘的好坏，最需要注意的便是其内在的逻辑和数据对业务的帮助，而其实现技术则在其二。目前，仪表盘的实现技术包括Power BI、D3.JS、highcharts甚至Excel等等，有的是客户端软件，有的是基于javascript，其各有利弊本文此处不详细赘述。

总之，目前企业中的数据方向无外乎市场端、运营端、经营端三个方向，各个方向有着其适合的分析方法。