數據分析工具怎麽選？十大諫言你值得一看！

對於資料分析，我一直強調核心是業務，透過業務的分析邏輯影射到資料分析的處理邏輯，而資料分析工具則是説明我們實現結果的手段。 但是，你說工具不重要吧，他又很重要，就像什麼樣的路選擇什麼樣的交通工具，合適的工具能幫我們更快的達到終點。對應資料分析的不同環節，也要選擇不同的工具，甚至選擇更容易上手。今天這篇文章，就是來掃盲工具的。

估計網路上沒有比這個更全面的了

一、從工具屬性和分析師需求來劃分

在企業中，資料分析師往往分為業務和技術兩類，兩者能力和工作內容有較大區別，對於工具的要求也各有側重。

業務 or 技術

業務類分析師，往往在營運部，市場部，銷售部等，根據服務的業務部門的不同，可能叫資料營運，經營分析，會員分析，商業分析師等名字。因為各個業務線具體考慮的問題不同，分析思路與體系均有不同，所以會有這種區別。日常的工作更多是整理業務報表，針對特定業務做專題分析，圍繞業務增長做需要用到資料的測算、規劃、方案等。 技術類分析師，往往在IT部、資料中心。根據從事的工作環節不同，被分成資料庫工程師，ETL工程師，爬蟲工程師，演算法工程師等角色。在中小企業，往往一個技術小哥通吃這些流程。在大企業，一個標準的資料中心，一般都有數倉、專題分析、建模分析等組來完成資料開發工作，再大的公司，還有專門負責資料治理的小組。之所以有這個區分，是因為生產資料，需要一個多層次的複雜的資料系統。一個資料系統，需要資料獲取、資料内建、資料庫管理、資料演算法開發、報表設計幾個環節組合。這樣才能把分散在各處的一點一滴的資料集中起來，計算成常用的指標，展示成各種炫酷的圖表。這裡每一個環節都需要 對應的技術支援和人員工作，因此有了不同的崗位。

大家在找資料分析崗時，一定要區分是技術還是業務，和自己的職業傾向是否匹配。

分析師有技術和業務之分，那對應工具也有這樣的屬性側重。

分析類工具

對於初級資料分析師，玩轉Excel是必須的，樞紐分析表和公式使用必須熟練，VBA是加分。另外，還要學會一個統計分析工具，SPSS作為入門是比較好的。 對於高級資料分析師，使用分析工具是核心能力，VBA基本必備，SPSS/SAS/R至少要熟練使用其中之一，其他分析工具（如Matlab）視情況而定。 對於資料採擷工程師……嗯，R和Python必備，要靠寫程式碼來解決。

程式碼類工具

對於初級資料分析師，會寫SQL查詢，有需要的話寫寫Hadoop和Hive查詢，基本就OK了。 對於高級資料分析師，除了SQL以外，學習Python是很有必要的，用來獲取和處理資料都是事半功倍。當然其他程式設計語言也是可以的。 對於資料採擷工程師，Hadoop得熟悉，Python/Java/C++至少得熟悉一門，Shell得會用……總之程式設計語言絕對是資料採擷工程師的最核心能力。 一圖說明問題：

二、從企業資料應用架構來劃分

工具的使用還要看企業的需求和環境。為什麼小企業招數據分析師其實就是Excel做報表，大企業找資料分析是卻是把玩高大上的Python、R？這就要看企業的資料架構。 站在IT的角度，實際應用中可以把資料工具分為兩個維度： 第一維度：資料存儲層——資料包表層——資料分析層——資料展現層 第二維度：用戶級——部門級——企業級——BI級

1、資料存儲層

資料存儲設計到資料庫的概念和資料庫語言，這方面不一定要深鑽研，畢竟有專業的DBA。但至少要理解資料的存儲方式，資料的基本結構和資料類型。SQL查詢語言必不可少，精通最好。可從常用的selece查詢，update修改，delete刪除，insert插入的基本結構和讀取入手。 Access這是最基本的個人資料庫，經常用於個人或部分基本的資料存儲；MySQL資料庫，這個對於部門級或者互聯網的資料庫應用是必要的，這個時候關鍵掌握資料庫的庫結構和SQL語言的資料查詢能力。SQL Server2005或更高版本，對中小企業，一些大型企業也可以採用SQL Server資料庫，其實這個時候本身除了資料存儲，也包括了資料包表和資料分析了。 DB2，Oracle資料庫都是大型資料庫，主要是企業級，特別是大型企業或者對資料海量存儲需求的就是必須的了，一般大型資料庫公司都提供非常好的資料整合應用平臺。 BI級別，實際上這個不是資料庫，而是建立在前面資料庫基礎上的，企業級應用的數倉。Data Warehouse，建立在DW機上的資料存儲基本上都是商業智慧平臺，整合了各種資料分析，報表、分析和展現。

2、報表/BI層

企業存儲了資料需要讀取，需要展現，報表工具則是最普遍應用的工具，尤其是在國內。過去傳統報表大多解決的是展現問題，如今衍生了一些分析型報表工具，也會和其他應用交叉，做資料分析報表，透過介面開放功能、填報、決策報表功能，能夠做到打通資料的進出，涵蓋了早期商業智慧的功能。 像Tableau、PowerBI、FineReport、FineBI、Qlikview這類BI（商業智慧）工具，涵蓋了報表、資料分析、視覺化等多層。底層還可於數倉銜接，構建OLAP分析模型。

3、資料分析層

這個層其實有很多分析工具，當然我們最常用的就是Excel。 Excel軟體，首先版本越高越好用這是肯定的。當然對excel來講很多人只是掌握了5%Excel功能，Excel功能非常強大，甚至可以完成所有的統計分析工作！但是我也常說，有能力把Excel玩成統計工具不如專門學會統計軟體。 SPSS軟體：當前版本是18，名字也改成了PASW Statistics；我從3.0開始Dos環境下程式設計分析，到現在版本的變遷也可以看出SPSS社會科學統計套裝軟體的變化，從重視醫學、化學等開始越來越重視商業分析，現在已經成為了預測分析軟體。 SAS軟體：SAS相對SPSS其實功能更強大，SAS是平臺化的，EM挖掘模組平臺整合，相對來講，SAS比較難學些，但如果掌握了SAS會更有價值，比如離散選擇模型，抽樣問題，正交實驗設計等還是SAS比較好用，另外，SAS的學習材料比較多。 其他還有Python和R，後面還會詳細講。

4、表現層

表現層也叫資料視覺化，以上每種工具都幾乎提供了一點展現功能。但要說企業級最常應用的還是BI，做分析做報告。而我們的FineReport本身是一個通用的報表工具和資料視覺化工具。就好比Excel，小到可以存儲統計資料、製作各式各樣的資料圖表、dashboard，大到製作財務報表、開發進銷存系統。

• 它可以連結ERP、CRM、OA、MIS在內的各種業務系統資料，作為一個中間資料管理平臺。
• 它可以快速製作報表，搭建統一的資料分析和視覺化平臺。

就因為其強大的資料整合能力，再結合10多年來成熟的視覺化元件，finereport可以製作各類資料視覺化戰情室。

關於視覺化

FineReport，擁有60多種圖表樣式，基本上涵蓋是市面上所有基礎的圖表，都是自主研發的HTML5圖表，具有優秀的動態效果和強大的交互體驗。使用時能夠根據需求設定各類特性，並且在行動端，LED大屏也能自我調整展示。

關於一些視覺化特效

FineReport目前具有自動刷新、圖表切換、資料高亮顯示等特效，都是根據使用者的實際需求開發，除此之外，帆軟（finereport的母公司）背後有一批愛好的開發者，會利用視覺化開源庫，設計開發視覺化外掛程式，專門為finereport客製，目前這一生態已十分成熟。

需要說明的是，這樣的分類並不是區分軟體，只是想說明軟體的應用。有時候我們把資料庫就用來進行報表分析，有時候報表就是分析，有時候分析就是展現；當然有時候展現就是分析，分析也是報表，報表就是資料存儲了！

三、4大工具盤點

以上囉嗦了那麼多，具體講講Excel、R、Python、BI吧。

>>>>Excel

適用場景： 1.一般的辦公需求下的資料處理工作； 2.中小公司資料管理，存儲（很多國有企業都用）； 3.學校學生，老師做簡單的統計分析（如方差分析，回歸分析）； 4.結合Word，PowerPoint製作資料分析報告； 5.資料分析師的主力分析工具（部分資料分析師的輔助工具）； 6.部分商業雜誌，報刊圖表製作（資料視覺化）； 優點： 1.容易上手； 2.學習資源十分豐富； 3.可以用Excel做很多事情，建模，視覺化，報表，動態圖表； 4.幫助你在進一步學習其它工具之前（比如Python，R），理解很多操作的含義； 缺點： 1.深入學習需要掌握VBA，難度還是很高； 2.當資料量較大時，會出現卡頓的情況； 3.到Excel2016版，在不借助其它工具的情況下，Excel資料檔案本身能夠容納的資料僅有108萬行，不適合處理大規模資料集； 4.內置統計分析種類太簡單，實用價值不大； 5.不像Python，R語言等開源軟體，正版Excel需要付費，比如我用office365.每年需要支付300多塊錢（不過也值了）

>>>>R

使用場景: 透過擴展的協力廠商R包，R能夠做的事情幾乎涵蓋了任何需要資料的領域。就我們一般的資料分析或者學術資料分析工作而言，R能做的事情包括但不限於如下方面： 1.資料清洗與整理； 2.網路爬蟲； 3.數據視覺化； 4.統計假設檢驗（t檢驗，方差分析，卡方檢驗等）； 5.統計建模（線性回歸，邏輯回歸，樹模型，神經網路等）； 6.資料分析報告輸出（Rmarkdown）； R容易學嗎？ 從我個人來看，想要入門R是非常簡單的，10天的集中學習，對於掌握R的基本使用，基本資料結構，資料導入匯出，簡單的資料視覺化，是完全沒有問題的。有了這些基礎，在遇到實際的問題時，去找到需要使用的R包，通過閱讀R的説明文檔，以及網路上的資料，就能夠相對快速的解決具體問題了。

>>>>Python

R語言和Python同為需要程式設計的資料分析工具，所不同的是，R專門用於資料分析領域，而科學計算與資料分析只是Python的一個應用分支，Python還可以用來開發web頁面，開發遊戲，做系統的後端開發，以及運維工作。 現在的一個趨勢是，Python在資料分析領域正在追趕R，在某些方面已經超越了R，比如機器學習，文本挖掘等偏程式設計的領域，但R語言在偏統計的領域仍然保持優勢。Python在資料分析方面的發展，很多地方借鑒了R語言中的一些特色。所以，如果你現在還是一片空白，還沒開始學習，要做決定學習R還是Python的話，建議從Python入手。 Python和R都比較容易學習，但是如果你同時學習兩者，由於在很多地方它們非常相似，就會很容易混淆，所以建議不要同時學習它們。等其中一個掌握到一定的程度，再著手學習另外一個。 Python能做什麼？ 1.網路資料爬取，使用Python能夠很容易的編寫強大的爬蟲，抓取網路資料； 2.數據清洗； 3.數據建模； 4.根據業務場景和實際問題構造資料分析演算法； 5.資料視覺化（個人感覺不如R好用）； 6.機器學習，文本挖掘等高級資料採擷與分析領域； 應該學習R還是Python？ 如果因為時間有限，只能選擇其中的一種來學習的話，我建議使用Python。但我仍然建議兩者都瞭解一下，畢竟每個人都不一樣。可能你在某些地方聽說，Python在工作中更加常用，但是工作中，解決問題才是最重要的，如果你能夠用R高效的解決問題，那就用R。實際上，Python很多資料分析方面的特色，是模仿R來實現的，比如pandas的資料框，正在開發中的ggplot視覺化包模仿的是R語言中非常著名的ggplot2.

>>>>BI

多數分析師日常的工作就是做報表，而資料分析師更多用到的報表是BI。 BI全稱商業智慧，在傳統企業中，它是一套完整的解決方案。將企業的資料有效整合，快速報表製作以作出決策。涉及資料倉庫，ETL，OLAP，許可權控制等模組。 BI工具主要有兩種用途。一種是利用BI製作自動化報表，資料類工作每天都會接觸大量資料，並且需要整理匯總，這是一塊很大的工作量。這部分工作可以交給BI自動化完成，從資料規整、建模到下載。 另外一種是使用其視覺化功能進行分析，BI的優點在於它提供比Excel更豐富的視覺化功能，操作簡單上手，而且美觀，如果大家每天作圖需要兩小時，BI會縮短一半時間。 BI作為企業級應用，可以通過它連接公司資料庫，實現企業級報表的製作。這塊涉及資料架構，就不深入講了。 這裡我以2019年非常流行的BI工具FineReport為例。它有兩個主要用途： 一種是自動生成報告。資料分析師每天都要接觸大量的資料。資料需要整理和匯總，這是一個很大的工作量。這部分工作可以移交給FineReport。它自動地對資料進行整形、建模和下載。二是利用其視覺化功能進行分析。FineReport的優點是它提供了比Excel更豐富的視覺化功能。而且它很容易使用。如果你每天花兩個小時做報表，FineReport會把它縮短一半。就我個人而言，在學習資料分析的初始階段，BI工具無疑是最容易學習的。 如果您準備進入資料分析領域，我強烈建議您使用這個資料分析工具FineReport。你可以點擊這裡免費下載使用。它的官方網站也提供了教程來幫助你快速入門。 免費試用FineReport > 獲得帆軟最新動態：數據分析，報表實例，專業的人都在這裡！加入FineReport臉書粉絲團！ 相關文章： 零基礎快速自學SQL，1天足矣！ 30個值得推薦的資料視覺化工具，趕緊收藏！

這是我見過最夯的報表製作神器！比Excel強大20倍！

經常與報表打交道的人都知道，用Excel製作報表是一件非常麻煩的事情，不僅因為用Excel做報表步驟繁多，同時業務需求變化也會讓報表改來改去，回工成本太大。 尤其是對於財務、IT來說，用Excel做報表的效率簡直慢到脫線，幾萬條資料就能讓Excel爆卡，在資料共用和流動性上Excel也極差無比，很容易造成部門之間的資料隔閡。 這時候也許你會上網路查看各種“不得不知的Excel報表技巧”，加入“Excel報表不加班交流社團”，甚至學習VBA這種程式設計語言，但最終還是收效甚微，因為Excel這種萬能工具最致命的缺陷就是不能高度專業化。 快醒醒吧，再高超的Excel技巧也比不過一個好的專業報表工具！ 而自從遇到一款報表製作的神器——FineReport之後，Excel就在他們的電腦裡長期吃灰了，至少在報表製作上，果斷選擇放棄Excel。

Finereport採用類Excel設計，會Excel就會Finereport! 為什麼？因為FineReport簡直太好用了！製作報表的效率至少比以前提高20倍！ 同時FineReport是完全零程式碼，很多程式設計不感冒的人來說，操作與Excel一樣簡單卻比Excel還要強大的FR，無疑是最夯的報表製作神器！ 說了這麼多，FineReport究竟比Excel好在哪裡呢？別急，下麵軟妹就給你細細道來吖：

放棄Excel做報表的8大理由

1、重複勞動 VS 範本複用

Excel做報表最大的問題就是低效，重複率高；而且公司部門很多報表樣式是一樣的，但是因為採用excel各自統計和匯總資料，產生了大量的重複勞動。 而使用FineReport之後，相同報表可以簡單複用，一張報表製作範本做好後，其他部門直接用就可以了，維護起來也非常方便，只需要改這張報表就好可以實現所有報表的統一維護了，效率提高的不是一點半點。

FR範本製作非常簡單

2、萬條資料就癱瘓 VS 秒級處理巨量資料

一般而言，如果你的Excel工作表在一個月之內突破10000條記錄的話，它的查詢和計算的速度會明顯下降，遇到邏輯複雜、函數多樣的資料更是直接癱瘓。比如：一個小小的超市，10名收款櫃檯員每天接待200人每人10件商品，Excel立馬倒下，根本不能施展手腳。 而FineReport支援巨量資料，單次取幾十萬的資料量是絕對沒什麼問題的。

3、Excel丟失 VS 安全保存

因為傳統的excel資料保存在各個業務部門或者業務人員的個人電腦裡，一旦發生設備故障或者誤刪等事故，資料丟失了就很難再找回來。 使用FineReport之後，資料都可以用過填報直接提交到資料庫中，避免了資料丟失的情況。

FR資料決策平臺

4、報表重複填寫 VS 線上填報

使用excel進行資料的匯總，需要透過郵件或者其他形式的excel表格發給統一收取資料的人員，流程複雜，工作量大。 而使用FineReport的填報功能，只需要在web端進行填報即可講資料匯總到資料庫，避免了excel的傳來傳去；同時FR還支援離線緩存、多sheet填報、多級上報等功能。

FR填報功能

5、資料混亂 VS 資料統一

傳統的excel式辦公很大的一個問題就是最後收上來的資料對不上，比如同樣一張表格，不同的人操作的時候，因為對這張表裡面的資料進行了修改，或者誤操作，導致最後大家的資料不統一。 而FineReport採用線上部署的方式，資料統一存儲在資料庫中，每次修改都是統一修改，避免資料對不上的問題。

FR支持多專案部署

6、時間誤差 VS 及時展現

傳統的excel裡面的資料保存在各個業務部門或者業務人員的個人電腦裡，不管是當月匯總還是當日匯總，都會存在一定的時間差，而FineReport與資料庫直接對接，可以實現資料的即時展現。

7、安全性低 VS 許可權控制

Excel提供了有限的安全性，它只能限制用戶訪問和修改的許可權，但是無法對用戶進行角色的管理，也不能對資料進行行級的訪問限制。 finereport提供多種許可權管理功能，包括僅認證用戶名密碼，角色許可權認證和數位簽章認證，可以實現針對不同角色不同範本的訪問限制，安全係數大大增強。

FR許可權管理

FR安全管理

8、複雜的條件篩選 VS 靈活的參數過濾

業務報表經常會用到一個功能就是過濾篩選，如果用Excel的話至少需要編寫函數，複雜一點的條件過濾甚至需要程式設計來實現；而FineReport提供了多種參數過濾控制項，只需要簡單的拖拽操作，就能夠實現複雜的參數過濾。

9、難看的Excel報表 VS 驚豔的FR視覺化

報表最終是要給老闆看的，而老闆往往一看到Excel那密密麻麻的報表就會頭疼不已，想要用Excel實現漂亮的視覺化不是不能實現，前提是你是一個Excel高手；而對於業務人員來說，FineReport只需要拖拉操作，就可以輕鬆做出驚豔老闆的視覺化報表！ 這裡可參考：軟妹之前有出過一篇文章《大屏做成這樣，領導不重視你都難！》

FR支援圖表聯動等功能

FR內置豐富多樣的元件類型

FR大屏展示

10、單機操作 VS 多人同時操作

因為Excel程式是一個單機程式，所以一個Excel檔通常無法被多個用戶同時管理。而資料庫通常具備完整的管理主控台，可以方便多個使用者分別對資料庫進行同時操作。比如：還是前面提到的小小超市，10人同時操作，Excel就派不上用場了。 而FR不管是報表的展現還是資料的填報，都支援多人同時在線上，並且使用叢集功能後。併發可以隨著節點的增加而增加，理論上沒有上限。 作為一款強大的報表開發工具，FineReport的強大之處還不止於此，還包括比如支持協力廠商内建、支持手機APP等等，這些都是Excel這種辦公軟體絕對望塵莫及的。而憑藉著強大靈活、上手簡單、效率超高的FineReport，絕對稱得上是報表製作的神器！

怎麼樣？如果你還深受Excel報表的折磨，不妨嘗試一下這款報表神器，而且個人版是免費的哦，可以放心下載體驗，點擊下方瞭解更多關乎FineReport的資訊！

獲得帆軟最新動態：數據分析，報表實例，專業的人都在這裡！加入FineReport臉書粉絲團！

相關文章：

你還在用Excel? 用這工具，5步完爆Excel表格 【FineReport 報表神器】在複雜報表面前，我終於放棄了Excel！ 7個理由，給你推薦這款「秒殺Excel」的分析神器！ 這個工具能替代Excel，可惜90%的人都沒用過！ 地表最強報表工具，一張範本秒殺數百Excel !

如果你有1000萬頭豬，你打算怎麼管？

文|帆軟數據應用研究院 陳陵志

CIO问了我一个養豬的問題

「如果你要養1000萬頭豬，你打算怎麼管？」來自特驅集團的CIO張海峰提出了這樣一個有趣的問題。也許你的答案是，要建立規模龐大的現代化養豬場，招很多很多的養豬工人。如果你的答案僅有這些，那麼張海峰會告訴你，對養豬來說，这些还遠遠不够！

成立於2005年的特驅集團，憑藉約9000萬新台幣的啟動資金，從一個「5畝地工廠」起步，現已實現年銷售收入超600億新台幣，包括養殖事業部、飼料事業部及新農投事業部三個主要業務版塊，下屬企業超150家，分布於中國的東北、華北、華中、華南、西南和越南等地。作為「農業產業化國家重點龍頭企業」和「中國畜牧飼料行業最具投資價值TOP10」，特驅集團立志打造以「食品安全」為核心的「安全食品生態圈」。按計劃至2020年，特驅集團年飼料銷量將力爭突破1000萬噸，生豬養殖將突破1000萬頭，年家禽養殖將突破2.5億隻，並全面打造健康安全食品。

這麼大的規模，沒有IT建設的支撐是不可想象的，也是對IT部門的一個巨大挑戰！

數位轉型的腳步從不敢停止

1、企業數位建設進入新階段

回顧集團成立後的企業E化建設歷程，張海峰表示：「特驅集團從成立之初就很注重數位化建設，從財務管理到工作協同，集團有著清晰的數位化思路，為集團在過去10多年的時間裡實現100倍以上的增長提供了強有力的系統保障。」然而，隨著中國「十三五」期間現代農業規劃的出台，對以農牧業為主體的經營單位提出了更高的數位化要求，除了提升企業管理和經營效益之外，還需要在食品安全、農產品供給體系質量和效率方面予以關注。

集團逐漸認識到，對於規模化經營的農牧業企業來說，食品安全、農產品供給體系的管理，本質上是數據的管理。如何通過數據跟蹤農產品生產的全生命周期，並通過大數據分析及時發現生產過程中的質量和效率問題，是集團在新時期面臨的主要挑戰。

2、數據驅動，引領變革

確立了數據化管理的經營方向之後，張海峰帶領企業E化團隊迅速為集團制定了大數據應用的具體思路：
1)多層次：農業數位化，最難做到的就是執行層面的數據採集和數據應用。而特驅集團堅持從執行層面開始，支援每一位養殖工人對每一頭生豬的數據進行採集和應用。在此基礎上，為管理層、決策層提供數據化管理和數據決策支援。

2)多角度：集團將數據應用思路拆分成指標體系、分析方法和分析維度3個角度。指標體系方面，集團建立了包括分娩率、窩均健仔、窩均斷奶、上市率、死淘率、存貨周轉率等圍繞生豬育種和養殖業務的科學指標體系；數據分析平台則需要通過同比、環比、佔比、矩陣分析等不同的分析方法支援管理層從數據中快速發現問題。

3、數據化管理工具的選擇

集團原先採用了Oracle JDE、BIEE等系統軟體來進行業務端的數據應用，然而這樣的方案在「數據輸出」方面面臨巨大的挑戰，主要表現為以下三點：
1)高要求：BIEE對人員技術要求高，具備數據建模、ETL等技術能力；
2)難實現：很難實現並滿足業務線路關於EXCEL類型報表的需求；
3)全手工：業務、財務均通過ERP系統導出數據進行手工編製。
為解決這些問題，集團導入了帆軟FineReport報表BI軟體來做整合。基於帆軟數據分析平台多數據源、支援數據回填以及上手簡單的特性，特驅集團在集團非IT部門迅速展開了全員參與數據應用的嘗試，對全員進行培訓，讓業務人員參與到設計和開發之中，這樣在基層的數據採集、中層的數據分析以及高層的數據決策方面都得到了很好應用，可以說數據化管理在整個集團的應用範圍得到了很大的擴展。集團數據管理平台上線後，日均訪問量超過了5000。

生豬經營的數據化管理場景

與傳統製造業相比，生豬經營的產品以一頭豬為單位，從配種、妊娠、產仔、飼養到上市的整個生產流程更為複雜，期間導致生產效率降低的影響因素也更加多樣。因此，為保障規模化養殖的經濟效益，就必須對生豬養殖的各個環節進行數據化管理，以確保生產的各個環節的可視、可控。

我了解每一頭豬，它們都有一張身份證

種豬培育是豬場管理的一個重要環節，如何提升豬場的產仔率對於豬場的可持續化經營尤為重要。特驅集團就通過為每一頭種豬建立身份檔案，來完成對種豬全生命周期的管理。

1)管理種豬生命周期

集團為每頭種豬都建立了QR CODE，飼養員通過app工具掃描QR CODE，就能看到這頭種豬的整個生命周期，包括這頭種豬的配種記錄、妊娠記錄以及產仔記錄。一般來說，種豬從產仔、斷奶到再次進行配種各個階段都有相對固定的時長，但是因為種豬數量眾多，不確定因素被放大，單純依靠飼養員經驗管理很難保證效率。通過完整的種豬生命周期管理，則可以科學調配，提高提高整個豬場的產仔率。

除了QR CODE資料的查看，種豬生命周期管理的另外一個重要場景就是資料回填。與傳統的生產製造型企業不同，種豬的相關數據無法通過自動化生產線自動採集，需要一線飼養員手工錄入。而帆軟數據分析平台的填報體驗，為特驅集團全面採集種豬數據提供了便利。

2)更高效的種豬淘汰機制

對種豬的生命周期進行管理，還有利於通過歷史資料統計和資料分析，及時淘汰產仔率低的種豬，以提高整體的經營效率。需要淘汰的種豬數據特點包括連續多次配種無法產仔的、連續多胎產仔數低的、習慣性流產的、產仔次數多於一定次數的等等。符合淘汰數據特點的種豬，系統會自動發出預警。如果沒有數據平台支撐的種豬生命周期管理，純粹依靠手工記錄，淘汰機制的執行難度可想而知，效率則更無法得到保障。

數據分析讓我及時發現哪裡出了問題，哪裡可以優化

基於執行層全面的數據採集，管理層則需要站在不同時間、不同區域的角度來進行數據的匯總對比和分析，從而發現具體的經營隱患，優化管理流程。管理層的運營數據管理主題包括配種報表、分娩報表、產仔報表、斷奶報表、死淘報表、存欄報表、日報/月報以及成本報表等。

以死淘率分析主題為例，平台將不同片區、不同豬場的分娩舍活仔死淘率和保育轉入死淘率數據集中展示出來，管理人員可以通過該主題分析出來諸如以下這些問題：某片區的分娩舍活仔死淘率明顯高於其他片區，是否在種豬培育或配種環節存在某些問題？某片區的保育轉入死淘率明顯高於其他片區，是否在養殖保育環節管理存在問題？

由數據反饋出來的問題，會促使管理層去調研、分析和調整優化，從而及時解決各個豬場管理中存在的問題，提升整體的經營效率。

數據大屏看板讓我的決策更具智慧

作為決策層，需要站在集團的層面去考慮資產的回報率，細化到數據層面就是要全面掌握各個業務模塊和地區的業績情況，對具有業務潛力的模塊和區域追加投入，從而實現宏觀調控。數據大屏能夠將全盤的經營資料視覺化地呈現出來，是幫助決策層優化決策的最重要的工具。

畜禽養殖規模化經營是行業的發展趨勢，而畜禽養殖的IT科技集成和數據應用也逐漸成為規模化經營的必經之路。特驅集團，借力帆軟數據分析平台搭建的集團數據管理平台，極大優化了集團生豬養殖的質量和效率管理體系，為實現智慧化養殖奠定了基礎。我們期待特驅集團能夠在數據化管理的幫助下，實現又一個十年的爆髮式增長！

如何用FineReport實現行動端考勤？行動考勤如何實現？完整解決方案在這裡！

本方案來自於Finereport動態報表與BI商業智慧軟體實際應用的考勤系統，我們用它替換了釘釘！
滿足內勤打卡、外勤簽到、請假出差申請，個性化設定打卡地址等使用需求。
小手一戳，行動化考勤，你值得擁有！

方案說明：
企業內部員工需要上下班打卡，請假出差都出要進行紀錄，根據匯總的資料結算工資、報銷補貼；
企業業務員外出需要提交客戶拜訪記錄，記錄業務員的行程，確保行程的真實性以及時間的充分利用性。
如果企業沒有行動辦公平台，如何進行考勤？
內部員工上下班打卡要麼通過人工記錄，要麼通過指紋識別等設備，每個月底人事需要手動抽取資料在excel中進行匯總。如果出現漏簽情況，還需要人工核對和溝通。
業務員外出更是無法掌控，是否真正拜訪了客戶，無從得知。
如何低成本創建一個考勤平台並且與企業內部獨特的考勤標準相結合，如何將考勤流程化，資料訊息化，匯總自動化，將人事從考勤資料結算中解放出來？
帆軟大數據分析軟體行動應用為您提供個性化行動考勤解決方案，該方案實現了考勤的主體流程，在此基礎上可以自由的添加設定新的個性化功能，讓企業考勤變的更高效。

方案內容：
該方案包涵了內勤打卡、請假出差、外勤簽到、外勤行程查看等多張實際應用demo；
同時詳細描述了考勤解決方案中涉及的必要功能的實現過程；

利用手機定位，實現了內勤和外勤員工的差異化考勤：
＃ 內部考勤打卡：手指一戳就可以進行上下班打卡，但是只能在規定的地址範圍才能夠打卡成功，打卡成功後可以自動跳轉查看當天考勤訊息，確保打卡成功。
＃ 外出考勤簽到：手機定位當前地址，上傳客戶現場照片，即可簽到；簽到成功自動跳轉顯示當天的所有客戶拜訪地址。
＃ 個性化設定內部打卡地址與時間
＃ 個性化添加請假出差上報界面

方案效果圖及介紹：
方案分為兩個入口：對於內勤員工為打卡與請假出差；對於外勤員工為簽到界面與請假出差。包含超鏈子報表共7張demo以及PC端的考勤統計表，目錄如下：

1、內勤
內勤員工有固定的辦公場所，在到達指定範圍內以後打開「打卡界面」demo，經緯度會顯示為有效，同時可以點擊刷新地理位置進行重新定位，避免經緯度不準導致的無法打卡；
只有當經緯度均為有效時（這裡可以修改JS自定義經緯度範圍）才能點擊「簽」按鈕進行打卡，頁面自動跳轉至考勤訊息確認，可以對考勤訊息添加備註後上報入庫；
填報成功後，頁面會自動跳轉至原先的打卡界面，在界面上可以獲取今日的打卡訊息，包括打卡次數、每次的時間、地點。

還可以在當前頁面中點擊「當月考勤記錄」，能夠查看當月內勤員工的所有考勤訊息，包含正常打卡、出差、請假等。

2、外勤
外勤員工例如銷售員、業務員往往沒有固定的辦公場所，需要在客戶現場簽到。方案中需要員工在客戶現場獲取位置訊息，上傳現場照片，即可完成考勤。
在客戶現場打開「簽到界面」demo，可以直接獲取當前的位置訊息（點擊「重新定位」可以重新獲取位置）；填寫客戶名稱、拜訪對象等訊息，可以自動關聯出系統內的客戶地址；
同時需要上傳客戶現場的照片，點擊簽到按鈕，會將客戶訊息、位置訊息填報入庫，現場照片儲存至伺服器制定位置；
註：這裡獲取的位置訊息是GPS經緯度=>百度經緯度=>百度地址訊息，具體JS請參考文檔中實現說明。

填報成功後，頁面會自動跳轉至該業務員當天所有的拜訪訊息，用GIS地圖的方式展現：

3、請假出差（漏簽補簽）
除了正常的考勤以外，員工還會遇到請假、出差等情況。方案也提供了請假出差的上報demo。
打開「請假出差」demo，可以篩選出差或者請假的不同時間段，在指定的日期中，填寫「上/下午」、外出類型以及原因後上報入庫；
同樣在demo中，可以針對正常打卡中漏簽情況進行補簽，只需在類別中選擇補簽即可；
點擊頁面下方的外出統計，可以顯示當前該員工的所有外出訊息。
註：外出類型可以根據公司的不同類型自定義

4、考勤統計
由於對於外勤員工的考勤方式每個公司都會有所差異，因此方案中只給出了對於內勤員工考勤的統計。具體每月針對性的人事考勤以及財務核算都能在這張表的基礎上進行統計分析，方案中就不進行針對性演示了。

方案功能實現說明：
具體方案文檔里包含了以下6個難點問題詳細實現方法，您還可以直接下載完整工程包進行實際操作應用
1、打卡界面設定
2、地理位置訊息獲取
2.1 GPS獲取
2.2 GPS位置有效性判定
2.3 百度位置訊息獲取
3、考勤訊息統計
4、請假出差
4.1 上、中、下旬的區分
4.2 自定義請假出差的類別
4.3 利用複選框控制項區分上、下午
5、上傳照片到磁碟
6、gis地圖顯示當月所有客戶拜訪位置

[功能推薦]如何實現掃碼應用？完整的掃碼應用場景解決方案（發貨、配送、庫管）在這裡！！

二維碼/條碼在公司的具體業務中隨處可見，掃碼能帶來工作的便利和行動化，同時應用場景也是極為豐富！
掃碼控制項插件也是被使用最多的行動端插件之一，本方案收集了利用掃碼控制項解決實際業務的具體例子，
讓物流發貨、配送、庫存管理更簡單，提高商業智慧的應用水平！

方案說明： 
在零售、物流等公司的日常業務中，配貨、發貨、庫存管理、派送等業務場景是至關重要的模塊：
線上銷售類企業在發貨前期環節中往往需要確保發貨的準確性，減少人為誤差帶來的不必要損失；
線下物流類企業在訂單配送環節中往往需要業務員對派送訂單進行實時處理，同時公司還需要將物流訊息及時推送至客戶，提供良好的客戶感知；
在醫院藥房、企業倉庫中，行動化管理倉庫貨品訊息，可以提高在實際提貨業務中的效率。

方案內容：
該方案包涵了配貨、打包發貨、庫存查詢、配送等場景的多張實際應用demo；
同時詳細描述了掃碼業務場景方案中涉及的必要功能的實現過程；
本方案的核心思路為採用掃碼的方式簡化查詢，在發貨場景中，實時監控訂單配貨狀態，確保流程準確，通過填報在打包發貨環節錄入物流編號，實現訂單的全流程管理；
在配送場景中通過填報實時錄入訂單配送狀態訊息，並藉助推送功能將物流訊息發送至相關客戶，讓配送業務變得更加行動化、簡單化；
在醫院藥房、企業倉庫中，掃描提貨單上的條碼，可以查看到貨品的庫存詳細訊息，提高取貨效率，加強倉庫管理。

方案效果圖及介紹：
該方案包括三部分，分別為配貨與發貨、庫存與配送、提貨單管理，對應了上述的三種不同場景的業務，總計包含8張demo，目錄結構如下：

1、配貨與發貨
配貨員在對訂單進行操作前需要在工作台進行簽到，已便對配貨員進行考勤與監控，尤其適用於貴重商品的配貨，可以與工作台攝像頭進行資料關聯，提高安全性。
簽到時只需要輸入工作台編號，在簽退時會自動識別當前已簽到的工作台，只需提交簽退申請即可。

配貨整體流程可以分為：列印揀配單=>揀配發票=>揀配商品=>揀配包裝=>揀配複核=>打包發貨 6個過程，其中前5個流程可以在「配貨作業」demo中逐級操作，從而實現對整個配貨流程的管控。
通過掃描商品訂單上的二維碼，可以直接觸發配貨流程：

方案中採用條件判定隱藏行內容的方式，針對不同環節採用不同的表樣，揀配商品與揀配複核環節中會關聯訂單中商品明細資料，確保商品揀配無誤，整個流程採用提交後自動匹配後續流程的方式，無需增加太多工作量。

配貨流程完成後需要進行發貨操作，「打包發貨」demo可以錄入訂單對應的物流訊息，確保對全流程的跟蹤，完成閉環。
如果存在1個訂單多個包裹的情況，可以通過插入行的方式錄入多個物流單號：

2、庫存與配送
物流員在日常物流派送過程中可以利用「掃碼配送」demo進行數據分析的實時填報，更新物流訊息。
為簡化物流員在此環節的工作，方案通過掃描派送單二維碼、條碼的方式（本方案採用訂單ID）快速關聯本次物流的原始訊息：

在demo中可以錄入當前訂單配送情況，包含送達時間、拒收情況等訊息，同時還能自動關聯出下一個派車單ID的客戶訊息：

並能夠將下家的預計送達時間訊息推送至客戶APP中，方便客戶在合適的時間接受派送：

物流庫存管理員可以使用「庫存查詢」demo，通過派車單ID對庫存訊息進行查詢：

3、提貨單管理
在醫院藥房、企業倉庫中往往存在這樣的場景，提貨人需提出需求，提貨審批人會給你開提貨單，提貨人需要憑提貨單到倉庫提取貨品。將提貨單用條碼進行管理，倉庫管理員能直接查詢到所提貨品的位置、庫存等詳細訊息，並且能在提取後直接更新庫存訊息。
提貨審批人在PC上使用「提貨單」demo，開具提貨單訊息，並列印出來給提貨人；
註：這裡提貨單的ID為隨機數，企業可根據實際情況生成自己的唯一識別ID。

提貨人將提貨單遞交倉庫管理員，管理員通過行動端的「提貨倉庫訊息」demo掃描提貨單上的二維碼，即可獲取所提貨品的詳細訊息，包含庫存數量、需求數量、以及商品的具體位置；

貨品提取完成後需要直接提交當前頁面，可以實時更新相關貨品的庫存訊息。

方案功能實現說明：
具體方案文檔里包含了以下5個難點問題詳細實現方法，您還可以直接下載完整工程包進行實際操作應用
1、掃碼獲取派送單訊息
2、手動推送APP消息介面
3、多行填報（插入、刪除）
4、流程控制
5、條碼獲取

醫藥行業如何進行數據化運營，提高企業決策效率？

企業的E化是一個富有挑戰、具有推動性質的工作，需要不斷跟隨企業戰略的變化而改動。在轉型時期，如何優化企業E化布局，提升資料管理，這裡分享桐君閣的建設案例。

原文是桐君閣信息科科長黃永在帆軟巨量資料巡展上的演講，從企業E化建設，資料報表應用和BI的建設經驗等幾個角度展開討論。

客戶介紹
目前桐君閣涵蓋零售，中藥材經營、配送、分銷，進出口五大業態，採用精耕細作的市場定位。加盟藥房分布在重慶、四川、浙江、湖南、安徽、江西、遼寧、內蒙等地。

合作背景
目前，桐君閣採用分布式布局，每個分公司都擁有一套生產系統，由下方採集資料，傳輸到資料中心倉庫。總部信息系統存放一些主要資料，比如貨品信息，供應商客戶信息，還有人力信息。這些資料的使用都由總部下發，分公司獲取這些資料後，在各自的業務系統中完成報表分析。

由於管理策略的變化，未來桐君閣將計劃統一管理物流、業務資料並在總部實施。按照下圖的系統架構規劃，上面是基礎編碼中心，財務核算中心和客戶管理中心，業績考核中心，資料分析（data analysis)中心集中在總部，下面是進貨管理、銷售管理、培訓管理和促銷、執行，許可權都將下放到分公司。

帆軟報表的應用

解決方案
當初公司財務系統主要採用SAP的BI產品。由於是上市公司，財務報表非常複雜，而SAP的產品只能展示，不能進行填報（向資料庫提交資料），且這方面的需求十分龐大，帆軟FineReport的出現很好的解決了這個問題。FineReport從搭建到連接資料庫，製作模板，填入資料，其主要應用在這樣幾個方面。

1、財務填報
以下上市公司的合并資產負債表，一共有300個單元格，用傳統方式一個一個拖拽的話，需要幾個小時。呈交上來的報表還需要通過多級的加工，加工之後匯總成總部需要的內容報表。所以這樣一個繁瑣的工作利用FineReport的填報和資料決策平台能提高80%的效率。

2、業務考核
由於種種原因，門店有時會出現貨品、商品組織貨源不及時的情況，針對這樣一種情況，我們會對溝通採購部門進行考核，提出到貨率這樣一個指標。通過報表中的鏈接功能，可以連接到分公司的資料，一個界面即可實現多個分公司的資料查詢。

3、日報資料

4、儀錶盤駕駛艙的應用
以下是企業駕駛艙的demo圖，通過商業智慧FineBI圖表製作的鑽取、聯動、超鏈功能，使得資料形象化、動態化地展現，提高資料視覺化的水平。

BI產品實施分享
企業實施BI需要考慮幾個大的方面，企業是否真的需要實施BI？有沒有條件實施BI？如何使用BI？

是否有條件實施BI？
實施BI的前提，最重要的是基礎資料的統一。比如貨品信息，客戶信息，公司內部信息。原本考核業務員的時候，資料的管理不規範，缺少資料可以臨時補。但隨著公司業務的不斷擴展，越發需要精細化運營。資料需要精細到貨品、門店。有了這些齊全的資料，BI的實施才有保障。

其次是業務的統一。比如銷售模式，採購模式，結算方法，質量管理的統一。比如銷售模式不統一，有的分公司先結算後配送，有的公司先配送後結算，業務形式不統一，口徑不統一，就會造成資料的時間差。

最後是業務部署。業務部署分集中部署和分銷部署，桐君閣採用的是分散性部署。分散性部署回來帶很多問題，比如我們每天會對二十幾家公司進行資料抽數，ETL策略尤其多，如果遇到網路斷掉或者其他意外情況，就要重新生數。而集中部署，保持基礎資料的統一，業務口徑的統一能大量節省人力物力。

BI的部署還需要大量人員的支持，需要業務人員和信息人員的積極配合，這個效果才能夠比較良好的推動，而且還能夠持續的發展。為了讓技術和業務人員根號地貼合，要將技術和業務有效結合，最大效率的把報表和BI系統的功能發揮出來。

BI產品如何選型？
首先是價格。價格需要和領導協商，所以首要確定需要實現那些功能，大致的價格基準是多少，是否和預期一致。

其次需要考慮產品的成熟度。成熟度高，實用性強是大多數企業的需求所在。如果是SAP的產品，它需要在一個所謂的領域層裡面搭建，搭建的時候業務層上面才能夠通過我們業務人員或者信息人員進行做報表。是否符合企業的情況需要好好考慮。

產品的快速部署。比如SAP的產品，一旦伺服器當掉之後，部署就需要一天。

開發功能。開發性能是否友好會直接影響到開發人員的情緒。如果界面友好，能大大提高操作效率。

正確看待BI產品和BI的使用
BI產品的使用關鍵還是業務和管理。涉及到深度數據分析、資源調配的需要較高的業務思考能力，比如巨量資料方面的預測性分析，計算模型，線性回歸，平均演算法，移動演算法等很多知識。

洪海龍騰:「互聯網+」下的數據化運營和技術架構

資料是企業的重要投資，如何利用資料是每個企業必須面臨的課題。巨量資料的浪潮已經席捲全球，企業已經普遍地意識到，粗放式管理必死， 資料視覺化才能永恆。這在互聯網電商領域更是尤為凸顯。
對於走在巨量資料浪端的互聯網企業，關於資料化運營管理有何見解？這裡分享洪海龍騰電子商務的實踐經驗，原文是洪海龍騰電子商務CIO吳榮坤在帆軟巨量資料巡展上的演講。
客戶介紹
洪海龍騰是巨量資料驅動下的精準營銷推動者，基於淘寶、天貓、京東等電子商務平台，為客戶提供電子商務領域內的數字化精準營銷服務、全網運營服務及廣告投放管理在內的數字化廣告精準營銷服務、軟體應用產品以及營銷解決方案，幫助這些企業完成傳統企業往電商轉型的工作。目前已是新三板上市企業，是淘寶前十的金牌服務商之一。
合作背景
IT體系
作為電商服務公司，洪海龍騰採用輕量級的IT體系，在資料化方面做得十分深入。

內部系統跟其他企業比較類似，財務、HR、ERP、CRM。在這些系統基礎上，把資料抽取到最上面的資料應用層，還有一些外購資料，爬蟲爬取的資料，然後到資料倉庫里中做BI分析，利用帆軟系統構建商務報表系統——觀星台，製作各類報表分析。
資料分層
資料分層結構：

關於資料分層，左邊這些資料是原生態的一些資料，先抽取到ODS層，進行一次加工形成標準資料層並做一些資料轉換。這些資料標準化之後，再做資料統計，從小組管控到公司體系的統計，然後到展示層。最後利用帆軟報表抽取展示這些資料。
技術選型
在技術選型過程中，考慮到產品的適用性和可開發性，一直採用開源軟體開發，但是，開源工具的樣式有限，不具美觀。英文的文檔學起來費勁，一度影響開發進度，長久下來，造成開發成本的升高。

解決方案

例如針對公司的複雜業態，領導層需要了解銷售體系、服務體系、教育體系和客服體系等各體系的盈利情況，有什麼效果，以及各個產品的分析。利用Finereport動態報表與BI 商業智慧軟體製作了一個業績統計表，將各系統資料抽取到平台進行匯總處理、展示。

利用觀星台監測每天的訪問量PV/UV量，以及各項關鍵指標，通過此平台來推動企業管理中上層，了解公司的運營情況。


此外，洪海龍騰還利用Finereport動態報表與BI商業智慧工具的自主填報功能開發了一些日常資料提交的工作，包裹財物審批工作。

未來計劃

計劃1：報表嵌入
未來希望將FineReport嵌入到各個產品中，真正將數據分析的工作從源頭交付給數據分析人員。
計劃2：完善薪酬體系
重新規劃薪酬體系。把公司的服務資料、銷售資料都抽取到觀星台這邊，在觀星台里做KPI計算，算出每個人的績效和提成，將這兩項資料納入到HR系統，然後在HR系統里算出他具體實收工資，再傳回觀星台，用觀星台來展示每個人的工資狀況。這樣就省去了對HR系統的大量修改。再把工資報表放到移動端上，這樣每個員工就可以通過帆軟移動端來查看薪資。