思迈特Smartbi

当前经济环境下，企业如何落地「降本增效」？

当前经济环境下，竞争形势激烈，IT企业面临着不少的挑战，比如说实施项目利润低、用人成本高、盈利能力难预测、项目前期投入大等，导致企业整体盈利能力下降。 不少IT老板都逐渐意识到「降本增效」的重要性，那么如何真正落地降本增效？「本」到底在哪里？企业成本构成是什么样的？成本是多少？主要花在哪些环节？花的是否合理？该如何优化？   #01 落地「降本增效」 经营指标分解是关键 — 为了真正落地实施「降本增效」，我们需要先了解清楚IT企业的成本结构是如何构成的。众所周知，IT 企业主要的业务流程是LTC（Lead to Cash，线索到回款），环节多，每个环节都会产生各类直接和间接成本，比如说销售成本、售前、交付等直接成本，还有研发或管理等间接成本。 成本项这么多，那么怎么去衡量好坏？从哪里去降本呢？  首先构建企业经营指标，量化业务现状。比如上面提到如何衡量和对比企业交付、售前、销售等成本情况， 可以通过对比合同毛利、合同贡献毛利、销售贡献毛利等指标。  合同毛利：收入-直接成本  合同贡献毛利：合同毛利-（售前成本等直接跟项目相关的销售费用）  销售贡献毛利：合同贡献毛利-销售费用分摊 其次构建指标分析应用，辅助经营决策。比如降本可以通过企业收入成本构成分解，分解到LTC 交付、售前、销售等主要过程中，并且层层分解，分析是否合理，找出优化空间。   我们通过上图案例来看该企业是如何通过指标分析实现降本。 企业成本是多少？ 企业平均100元收入需要95元成本，还不包含研发和管理费用，说明企业明显亏损。 花在哪些环节？花的是否合理？ 交付成本40元，合同毛利率60% ，属于正常范围，但是内部人力成本为31元，其中交付空闲成本为10元占交付人力成本32%，说明交付人员冗余率太高，业界一般是15%，有很大优化空间。 同样我们看销售中心成本，销售奖金只占销售人工成本13%，销售激励不够，吃大锅饭。  如何优化？ • 交付人员冗余率太高：减少交付闲置人员，增加人力外采。 • 销售提成占比低：优化业绩指标考核与奖金分配。 除了从企业角度进行成本分析，还可以通过业务线、区域、行业等多个维度进行成本分析。 比如说，上图我们看到业务线A亏损严重，应该如何优化？ 我们先下钻到各个区域分析一下情况，发现除了总部售前成本较低，其他区域售前成本都特别高，可以加大各个区域售前培训，提高效率，同时业务线A 收入占比低，如何去开源？可以通过分析业务线行业情况，商机情况、新老客户等情况，来调整业务策略。     #02 IT经营管理驾驶舱方案 五步走落地「降本增效」 — 通过前面成本分析案例，我们看到企业要想更好的降本，需要通过指标衡量对比和指标分析下钻来辅助决策，同样要想提高企业经营效率，实现更高的经济效益，企业需要一套经营指标体系和指标分析应用平台，为此，Smartbi精心打磨了一套适合IT企业的经营管理驾驶舱方案，可以手把手帮助IT企业真正落地实施「降本增效」，具体怎么做呢？ 1、明确战略目标：包括营收增长、成本控制、市场份额增长等。 2、识别关键业务流程：识别与战略目标密切相关的关键业务流程，包括销售、采购、生产等。 3、识别关键指标：对于每个关键业务流程，识别出关键指标，比如销售流程中的订单量、成交金额等。 4、建立指标库：将识别出的所有指标进行统一管理，形成企业的指标库，指标库中的指标一般包括指标的名称、定义、计算方法等等。 5、指标应用：企业可以将指标应用到各个业务场景中，比如制定业务目标、制定业务计划、监控业务执行情况等等，以实现对业务的精细化管理。 下面我们用一个IT企业的平衡计分卡为例，观察其战略目标、到战略分解、到战略执行过程中的目标实现的策略、关键业务因素，得到关键指标的过程。   #03 四大突出优势赋能 「降本增效」不再是喊口号 — 优势一：Smartbi内置一套面向IT企业经营管理指标体系，开箱即用：涵盖LTC ,商机、合同、收入等6大类 60+ 关键指标，使用门槛低。 优势二：Smartbi内置指标分析应用和工具，指标自助分析：满足企业经营指标速览到自助分析，辅助业务决策。 优势三：Smartbi内置指标接口表，指标快速灌数：用户将业务数据灌入接口表中，指标数据自动生成。 优势四：Smartbi内置指标管理平台，指标扩展性强：满足企业个性化经营指标添加，适配企业的实际业务。   #04 方案价值 — 从原先财务数据不可用，降本增效凭表象，转变为业财数据指标化，分解下钻追根本。 从原先规划调整无依据，决策只能靠经验，转变为业务风险早预警，数据洞察助决策。 从原先业务报喜不报忧，目标执行难管控，转变为达标过程时时控，异常原因深分析。

Smartbi吴华夫：后疫情时代，BI发展趋势的观察与应对

沿着旧地图找不到新大陆，“基于指标体系的可视化分析和增强分析”成为BI发展新阶段。Smartbi V11系列新品与时俱进，以指标为核心，同时融合BI应用，赋能管理者和业务，成为引领数字化运营的新航标！ ——思迈特软件CEO吴华夫 近日，在思迈特软件举办的「指标驱动·智能决策 2023 Smartbi V11系列新品发布会」上，思迈特CEO吴华夫在开场致辞中表示，在当前背景下，数字化转型是企业高质量发展的关键支撑，BI是数字化转型不可或缺的组成部分。 目前在BI发展阶段中，以指标为核心的第四个阶段解决了数据分析不灵活、不准确、不敏捷等的部分问题，但是又因为指标平台与BI割裂又产生数据不一致、流动低效、维护成本高等问题。 为此，思迈特推出Smartbi V11系列新品，融合指标与BI，整合底层数据、统一建模、强化分析工具、安全管控，提高数据一致性与效率，通过指标驱动和智能决策，促进企业高质量发展！   以下为吴华夫演讲内容整理。    Part 1 大环境背景的危与机 BI是企业高质量发展的重要手段 目前由于全球经济形势不稳定、国内产能过剩、劳动力成本上升等因素，中国经济正面临转型的挑战，三驾马车速度变缓，我国经济已由高速增长阶段转入高质量发展阶段。 在这样的大环境下，危中有机。2022年，中国数字经济规模超45万亿元，占GDP比重达39.8%；2023年，我国又成立了国家数据管理局，这是一个标志性的体制机制改革。这些都说明中国已经步入到数字经济时代。 在数字经济的潮流中，对于企业来说，数据是非常重要的生产要素，企业若想实现高质量发展，数字化转型则是重要支撑。而BI作为数字新基建的重要组成部分，通过数据化、智能化成为数字化转型重要的手段。 越来越多的企业也意识到BI的重要性，Gartner 2023年在中国区进行的调研表示，62%的中国CIO将在2023年增加商业智能BI的投资。   Part 02  十余年匠心不变 Smartbi专注企业数智化 思迈特就是一家专注企业数智化运营的厂商。它致力于为客户提供一站式商业智能平台（PaaS）和BI解决方案（SaaS），将企业业务生产的数据，结合行业应用场景，通过数据处理、分析应用、AI三种平台实现消费，同时改进业务流程，帮助企业实现数字化转型。 目前，思迈特已有十多年的发展历史。产品广泛应用于金融、地产、制造、零售、教育、政府、医疗等60+行业，获得5000+行业头部客户认可。而且Smartbi在中国BI金融领域占有率绝对领先同行，全球财富银行500强有10家国内银行，其中9家使用Smartbi。 思迈特一直不遗余力地进行研发创新。产品从最开始满足企业的报表开发，到后面增加了数据处理和自助分析，以及到现在又增加了指标模型和AI驱动的分析应用，产品朝着自动化、智能化方向持续发展。 Smartbi还非常自豪的全程参与了火星探测任务、中国载人空间站建设任务，为航天任务参战单位提供专业、易用、高性能的实时数据查询分析监控平台，保障航天任务顺利进行！    Part 03  指标与BI的融合 是中国BI发展的必然趋势 BI通过各种技术手段帮助企业的数据价值变现。就像我们使用铲子、炸药、挖掘机等不同的手段去挖矿，BI对于数据的挖掘，从技术趋势上也经历了传统BI、自助BI、智能BI的阶段。 在这些阶段中，BI对所有数据进行整合，通过描述性分析、诊断性分析、预测性分析，赋能管理者辅助经营决策，赋能业务人员优化操作层面流程，让企业从粗放式管理进阶到精细化运营。 尤其是到了智能BI阶段，随着AI日渐成熟为有利的手段，数据洞察变得更广泛和深入，从而数据驱动业务变革，助力企业高质量发展。 从中国BI市场来看，BI的发展历经了响应式的报表服务、以Cube为核心的OLAP分析、以宽表为核心分散式的可视化分析、基于指标体系的可视化分析增强分析四个阶段。   1、响应式的报表服务阶段 业务人员提出报表、大屏等相对固定的需求场景，IT人员通过写SQL等技术手段来实现。这个阶段存在灵活性不足、数据指标无法重用、响应不够及时、沟通开发成本高等问题。 2、以Cube为核心OLAP分析阶段 IT通过多维数据库进行OLAP多维建模，业务基于模型做多维度分析。仍依赖于技术部门，技术上属于空间换时间，增加维度会导致数据量存储指数膨胀，影响性能。 虽然对固定报表进行了改进，有了一定的维度灵活性，但因为分析维度数量受限，且很难跨主题融合分析，只适用于部门级的分析应用。 3、以宽表为核心分散式的可视化分析阶段 IT人员提供基础数据源，业务人员根据需求查询出数据集，然后进行可视化分析和报告。技术上使用宽表的方式，支持更多维度，业务人员可直接参与可视化分析，解决了灵活性和敏捷性的问题。 但是随着需求越来越多，宽表持续增长，也会造成指标无法重用、重复建设、数据口径不一致和报表债等问题。 4、基于指标体系的可视化分析、增强分析阶段 IT人员提供基于统一指标体系的数据模型，业务人员基于数据模型进行各种前端应用和分析。 这个阶段企业通过指标中台、指标集市等，构建了统一指标库，不仅保留了宽表阶段的灵活性和敏捷性，而且以指标为核心的方式也能从本质上解决了企业口径不统一、不唯一导致的数据准确性和可重用性的问题。    Part 04  企业如何落地「管理」 以指标为核心是关键 我们发现不同的BI阶段解决了当时企业数字化运营面临的问题，但也有新的问题出现。那为什么我们说第四个阶段以指标为核心是企业高质量发展的关键呢？ 前面我们讲过“BI通过赋能管理者，辅助经营决策，从而助力企业高质量发展”。那么BI究竟如何做才能真正赋能管理呢？——那就要看管理的核心本质是什么。 德鲁克《管理的实践》中指出“不可度量就不可被管理”。企业经营管理的本质就是基于指标的量化管理，通过指标使得业务目标变得可描述、可度量、可拆解。指标才是企业管理的核心抓手，企业通过指标对齐目标，通过流程实现目标，通过考核来衡量目标，三者形成闭环，相辅相成，提高管理水平。 指标体系是指标有序的组织，它反映了企业的管理逻辑，它的构建并不是一蹴而就的，需要一直迭代更新。 一套完整的指标体系搭建需要通过自上而下的方式进行战略目标的拆解，通过自下而上的方式基于业务流程和现状进行搭建，两者同步梳理，既能保障全局，也能真实落地，形成一股强大的合力，让企业朝着正确的方向高质量发展。    Part 05  Smartbi V11系列新品 经营管理决策和流程优化两手抓 但是，目前的指标平台往往与BI平台分离，各自独立发展。指标平台更多面向IT，主要负责指标的定义和数据的存储；而BI平台则负责数据的分析和可视化，业务用户较难在指标系统中自助数据处理，只能在BI中做数据再加工。 这两个系统在架构上的割裂，导致了数据无法重用和不一致性问题，对数据的准确性和可信度造成了挑战；在数据从指标平台迁移到BI平台的过程中，也造成了低效的数据流动和操作效率，无法支撑数据的实时分析；多平台操作的方式也给用户带来不好的体验和较高的维护成本。 因此，为了打破这种割裂，Smartbi Insight以指标为核心的一站式ABI平台，把指标和BI分析能力打通，实现两者的融合。对于任何一个新客户，只需要把企业的指标体系灌入我们的ABI平台，通过业务可参与的指标管理功能和多样的指标应用方式，实现指标一体化的开发更新应用，整个过程通过标准化的交付服务就可以实现，非常高效。 Smartbi 改变了“业务提需求，IT做需求”的传统指标开发模式，向导式的操作方式，让业务人员很容易参与到指标建设中来，而业务人员的深入参与，也让指标实现自增长，沉淀为企业优质的数据资产。 并且，Smartbi是一站式的ABI平台，从数据处理到指标管理，再到指标的应用分析分析、分享，都在一个平台上实现，无需依赖第三方平台。 同时，Smartbi提供丰富的数据分析工具，从广度和深度上提高指标的应用能力。ChatGPT式的对话式分析功能，就是通过大模型AIGC，以自然语言的方式，不仅准确识别用户意图、自动生成图表，还能对图表含义进行智能解析，一键生成仪表盘等。 不仅如此，我们希望AIGC能解决BI需求边界的问题，结合机器学习等技术智能化处理指标的构建和应用，实现说一句话即可构建BI系统，真正做到智能决策未来。 思迈特另外一个产品Smartbi Eagle智慧数据运营平台，可以帮助企业全公司建立一种数据驱动的组织和机制，营造数据文化的氛围，赋能业务，让更多的人，更好得使用数据，从而发挥数据价值，帮助各行业大中型企业客户在数字化转型中，实现数据资产化向资产服务化阶段迈进。

如何让报表会说话？学会这一招就可以了！

martbi电子表格软件进化到全新阶段，这轮更新最能吸引人的地方是什么呢？跟随小麦一起来感受下。 1、新增语音播放特性，让报表会说话 Smartbi电子表格软件最新上线超级实用的新特性——语音播报，即让报表自己开口说话，就像这样 设想你打开一张报表，你的疑问会是什么？ 首先你想知道这张报表是谁做的，数据是来自哪里的，这些基本的背景信息是为了确定其中数据的“可信度”，然后你想知道是这个报表想说明什么问题，有什么结论，因为从数据转换信息是需要思考的。 为此，Smartbi电子表格软件新增语音播报特性，同样在“真Excel”的架构下，结合了NLA的新技术，让报表开口说话，进行自我讲解，将定义的单元格文本在外网环境下播放出来，增加报表的可理解性！应用场景尤其适合手机报表、数据看板的数据概况说明，以及下发报表的背景介绍等。 语言播报的使用方法和部署教程，可移步电子表格软件产品文档学习了解 2、无需数据库，让报表能保存数据 Smartbi电子表格软件目前可以实现让报表保存数据，这个功能叫“静态填报”，即可以让发布后的报表，数据不回写到数据库，而只是把数据保存在报表本身（只设置填报属性和编辑权限）。例如在这个示例中，只需要十几分钟就可以通过Excel配置出三个部门填报数据的Web应用，而这样的一个效果如果使用回写填报+审批流程至少要半天的时间。 “静态填报”+“前端权限”让IT人员有了新选择，可以更加敏捷高效的满足业务用户的实际需求，尤其与Excel相关的数据收集需求，填补了IT应用不够“接地气”的鸿沟，也不用受制于低代码平台（被绑架的感觉）。 3、发布电子表格软件稳定版 历经半年多的训练、测试和使用，Smartbi电子表格软件终于来到了第一个稳定版。别误会，这不是说之前的不够稳定，而是从80分到95分的更高评价，看完下面的努力过程你就清楚了！ （1）以最逼真的业务场景构建Demo Smartbi电子表格软件有几十个示例Demo覆盖PC、平板和手机，其中对产品自带的示例数据库进行了改造，修正和调整数据数千条，并将示例库控制在2MB以内。同时，我们也摸索了不同场景下，报表页面和格式设计的最佳实践，让发布后的报表更像Web报表，而不是原生的Excel表格。 （2）用自己的产品来做运营数据分析 验证从开发、导入、报表过程的易用性，包括文档访问数据的上传和分析、License申请数据的补录、营销事件时间轴看板等。 （3）官网资源完全匹配和同步更新 产品在线文档与Demo做了匹配，目录进行更扁平的优化（最多点击2次鼠标），关键字搜索更加智能。同时产品介绍页面和下面页面，也都和稳定版保持一致。 （4）解决了最近2个月发现的问题 与4月和6月两次更新不同，这次2308解决的BUG基本都是特殊场景下才会遇到的，这恰恰说明产品的稳定性有了本质的进化。 即席查询和透视分析数据集参数无法刷新到最新数据 用即席查询数据集的报表，迁移资源时显示丢失字段 填报属性设置为Excel数据序列时，移动端交互很难点选 与回写同时使用时，Excel照相机导致的显示异常 条件格式（数据条）设置固定最大值时显示异常 透视分析计算字段平均值的数据格式不能设置为浮点 Excel数据源（服务器文件）无法连接 思源黑体的字体文件打包位置调整，解决特殊情况不显示的问题 Windows服务器安装程序中，更新内置Tomcat版本为8.5.91   Smartbi电子表格软件从产品质量和产品功能达到稳定状态后，我们将调整2月更新一次的节奏，改为半年更新一次，帮助用户更简单的选择版本。虽然基础版本保持稳定，但日常安全补丁的机制将仍然有效，用户可以在线自动更新或者手动下载更新，保持报表平台的安全性。    

常用数据挖掘工具有哪些？

数据挖掘是对商业数据中的大量业务数据进行抽取、转换、分析和其他模型化处理，从中提取辅助商业决策的关键性信息的过程。数据挖掘揭示的是未知的、将来的数据关系。数据挖掘的知识领域涵盖了数据库技术、统计学知识、机器学习、可视化等多学科知识的综合应用。可以应用到营销、风控、运营各个领域中去。 那么，如何做数据挖掘 以前要做数据挖掘，需要请数据挖掘算法专家，通过代码形式接入数据、训练模型，技术门槛高，成本高，实现周期长。 Smartbi Mining是广州思迈特软件公司自主研发的一站式可视化的数据挖掘平台。无需编程技术，通过简便鼠标操作可视化完成数据挖掘。Smartbi Mining内置了丰富的、开箱即用的功能组件，包括“数据源接入”、“数据预处理”、“统计分析”、“特征工程”、“机器学习算法”、“文本分析”等。针对个性化算法需求，支持使用Python扩展算法；平台基于分布式云计算，因此支持动态扩展支撑更大数据量的数据挖掘。还可以进一步将模型结果通过Smartbi丰富多样的的可视化手段进行展现，与BI平台完美结合。 Smartbi数据挖掘产品特点 ①专业算法能力： Smartbi Mining内置50+挖掘组件，包含了分类 、回归、聚类、关联，这4大类机器学习的成熟算法。其中包含了多种可训练的模型：逻辑回归、决策树、随机森林、朴素贝叶斯、支持向量机、线性回归、K均值、高斯混合模型。支持使用Python扩展挖掘算法， 支持使用SQL扩展数据处理能力。 ②简单易用 业务人员也能高度参与的数据挖掘产品，分析全程可视化。采取直观的流式建模，极简风格的节点配置界面，支持可视化探索，轻松理解数据质量和数据并联，流程节点在线帮助，模型超参数自动调整。 ③能满足大型企业数据挖掘需求 产品采用分布式云计算，线性扩展，保证性能，一键发布挖掘模型，模型库提高知识复用，减少重复投入，支持跨库查询，统一控制数据访问权限，训练自动化、模型自学习。 ④跟BI平台无缝集成 数据挖掘结果往往不容易被理解，Smartbi Mining作为Smartbi产品家族一员，能够与Smartbi的其他可视化功能无缝集成，将挖掘结果通过Smartbi多样丰富的可视化手段进行分析展现。  

国内BI厂商有哪些？有没有人知道？

在数字化转型的当下，无论是管理决策，还是日常分析，企业管理者对组织内外的洞察都基于数据。随着企业数据量的增加，业务分析需求的增多，BI软件有了更大的用武之地。 BI（Business Intelligence），即商业智能，是由数据集市、数据抽取、数据分析、数据挖掘、数据协同等组成，旨在帮助企业盘活数据资产，指导企业高效决策以实现降本增效。 在我国，BI软件的发展主要经历了3个阶段，即传统BI、自助BI和智能BI；早期的传统BI更多是偏向于IT人员使用，例如领导想了解今年企业的销售数据情况、财务数据状况，然后IT人员就会将数据整理出来并通过报表、大屏等形式呈现出来。 随着企业的不断发展，数据积累的也越来越多，需要使用数据挖掘价值的人也越来越多，过多的数据整理需求导致IT人员应接不暇，于是自助BI应运而生。这个阶段主要以可视化数据发现为主，更多是面向业务分析师。   随着人工智能、知识图谱等技术发展，到了第三个阶段也就是智能BI阶段，智能主要体现在两个方面，一个是使用的人群是越来越广泛，一个可以做一些深度的学习。   目前，整个中国BI市场的竞争格局往多方向发展：有的专注于行业化/场景化解决方案，有的偏向于通用的平台产品；有的偏向于产品本身，有的提供交付+产品的一体化能力。为此小编盘点了几款国内头部BI软件，并从定位、服务客户情况、优势、产品等多方面进行分析，供企业选型参考。 1、永洪科技 永洪科技定位于全业务链的BI服务商，主要服务金融、制造领域的一些中大型客户，多年前拿过腾讯的投资，但后来便没有新的融资动态。其产品基于低代码设计，降低产品使用成本，操作起来比较简单。 缺点 仪表盘的布局不太好控制，配色、布局需要花时间学习一下 其产品分saas版本和非saas版本，saas版本需要一定的学习成本，体验感一般 2、Quick BI Quick BI 是阿里云旗下专为云上用户量身打造的新一代BI服务平台。Quick BI 可以提供海量数据实时在线分析服务，支持拖拽式操作和丰富的可视化效果，帮助企业自如地完成数据分析、业务数据探查、报表制作等工作，依托于阿里的生态体系，目前Quick BI主要服务的是零售电商类的客户。 缺点 费用高，高级版最多 200 人 数据源的配置有点复杂，用户的学习成本有点高。 目前貌似还不支持私有化部署 3、帆软 帆软定位于自助大数据分析的 BI 工具，其主要客户是制造、零售快消等领域的一些中小企业客户。其产品旨在通过最终业务用户自主分析企业已有的信息化数据，帮助企业发现并解决存在的问题，协助企业及时调整策略做出更好的决策，增强企业的可持续竞争性。   缺点 需下载软件，本地制作，软件占用空间较大，打卡比较慢； 需要安装许多插件才可以实现一些动态效果； 功能丰富性上不够丰富，业务场景较少，不能满足各式各样的场景需求 4、思迈特软件Smartbi 思迈特软件是国内老牌的BI服务商，主打一站式的大数据分析产品，除了能作为高效的BI开发工具，还可以在数据化运营方向提供自助、共享、社区等创新性的功能和服务。 相较于前面3款软件，Smartbi在性能、安全、易用性等方面都更胜一筹，Smartbi在1000多个大型客户项目中锤炼过，在性能方面满足大数据量抽取的流畅性能体验，在安全性方面能够提供极细颗粒度的权限管控，很适合企业使用。 2022年Smartbi提出了指标管理ABI平台解决方案，将行业指标库与指标管理流程、指标应用分析无缝结合在BI产品功能里面，解决了数据中台和数据分析割裂的架构问题，为提升企业的数据管理水平提供了更高效的解决方案。  

企业如何自定义人力资源和财务报表？

Smartbi电子表格软件，满足各种企业报表需求的报表工具。 Smartbi电子表格软件基于Excel创新地实现报表设计，可以满足各种格式的行业监管报表、内部管理报表的需求。由于本身Excel大家都非常熟悉，不像其他报表工具需要有专业的使用背景，或者专业的工程师提供支持，所以电子表格的学习成本是比较低的，技术人员可利用Excel丰富的资源、灵活的格式以及强大的公式，完成中国式报表的设计。 成熟 电子表格软件使用的核心技术——电子表格，诞生于2013年，至今已发展10年，是Smartbi取得市场口碑的最大功臣。该技术已经成功应用在数千个项目，经受了充分的市场考验，成熟稳定。 可控 源于Smartbi长期服务金融客户的基因，电子表格软件复用了“统一平台”的框架和能力，在元数据、多级管理、安全等系统管控能力上有突出的优势。 小巧 电子表格软件的报表设计器只有4MB大小，但其充分借用了Excel/WPS表格的编辑和计算能力，结合“统一平台”的服务端能力实现各种中国式报表，可谓神奇。 灵活 电子表格软件秉承灵活易用的设计思想，不仅允许灵活的选择数据源表、数据集等数据来源，也允许在Excel中灵活的对数据进行二次加工，而且在Excel中灵活的设计表样、图形、公式、函数，为报表工程师提供了一个发挥创意的全新舞台。 报表开发人员制作中国式报表和使用电子表格的主要过程为：   ●在Smartbi Excel//WPS 安装插件，按管理员分配的账号从Excel登录插件；   ● 在左侧设计静态表样，然后从右侧数据集面板拖拽字段到报表区域进行排版；   ● 调整字段的单元显示格式，如设置汇总求和、阈值告警等；   ● 将制作好的电子表格发布到报表服务器，可以在Excel或者前端浏览器预览\导出\打印报表；   相比于市场上其他的报表工具，Smartbi电子表格软件的优势十分明显。它的设计器采用准B/S架构，前端浏览Web报表无需插件，登录后即可使用，升级简单便利；还具有“手自一体”的数据准备能力，灵活满足需求，无论是技术人员还是业务人员，都能找到适合自己的数据准备工具；同时还能巧妙利用Excel和WPS自身的表格、图形、函数的能力，实现各种报表应用，并将报表一键发布到Web/App端进行浏览。

搭建指南 | 如何构建并落地指标体系，才能有效指导企业经营管理？

在企业经营管理中，如果不能对企业数据进行组织管理，数据反而会成为企业的“负担”。指标体系可以帮助企业更好地梳理、理解业务，发现业务过程中出现的问题，进而推动业务的优化迭代。 今天，小麦会从指标体系的概念讲起，同时告诉大家实现整套指标体系的搭建流程。 Part.1 什么是指标体系？ 首先，为了更好的理解文章，我们先来介绍指标的相关概念： ● 指标：用于量化业务发展程度的单位或方法，是衡量目标的标准。指标从业务划分可以分为衡量经营规模的统计指标绝对数指标（如销售收入）和衡量经营质量的相对数指标（如同比）。 ● 主题域：按业务模块对指标的分类一种方式，如人力主题域、财务主题域、营销主题域等。 ● 维度：维度就是看业务的角度。比较常见的维度有时间维、地理维、产品维等等。 ● 指标库：指标库是记录指标维度信息的载体，可以是文件、指标管理系统等，它让指标以统一的口径规范化存储。 ● 指标体系：指标体系是指从不同维度梳理业务，把指标有系统地组织应用起来评估业务。一个指标不能叫指标体系，毫不相关的指标的罗列也不能叫指标体系。简言之，指标体系=指标库+体系+使用方法。   Part.2 企业为什么需要指标体系？ 指标体系最重要的构成就是指标，我们首先要明确企业为什么需要指标。指标可以让我们获取更多的信息，并有判断的依据。 比如隔壁大妈给你介绍远方亲戚相亲，你问人咋样，她说特别好，却不告诉你对方身高、体重、相貌、职业、收入等指标数据，这时你是没法判断这个人到底该不该去见面。 对于企业来说，指标更为重要了。企业经营管理本质上就是基于指标的量化管理，指标是企业管理抓手，企业没有可衡量的指标指导业务，就如同驾驶着没有仪表板的汽车行驶，不知道是否超速，也不知道是否有足够的燃油。 那我们有了指标还需要指标体系吗？当然需要，事实上，在解决一个复杂的业务问题时，单单只有指标支撑是不够的。 指标体系不是指标的罗列，而需要相对数和绝对数指标多个关联展示再加上正确的使用方法，才能清晰地传达信息。 指标体系反应了企业管理逻辑，尤其是对于企业的决策者来说，好的指标体系让其获取全局、体系性的信息来驱动业务决策，监控企业这汽车的整体情况，带着企业朝着正确的方向适速行驶。   Part.3 如何构建指标体系？ 从上文了解到企业需要指标体系的必要性，接下来，我们详细说明一下指标体系如何梳理和落地。 构建指标体系我们要遵循的原则是以业务为核心，用自上而下、自下而上或是两者结合的方式来实现。 1.深入理解业务，梳理量化指标 自上而下：基于业务分级量化指标 基于企业决策层和管理层的顶级视角，以企业业务核心目标为起点，根据业务模式和业务流程等自上而下纵向深入理解业务，层层递进分级梳理关键业务实现指标量化。 如下图，从4个方面自上而下纵向深入理解业务，并基于4类业务事实，量化经营管理过程和结果，分级依次转化为对应的指标：   业务目标 → 核心指标（一级） 站在客户顶层视角根据公司战略确定当前业务目标，并量化为一级核心指标，比如销售毛利、毛利率、销售收入等。这个核心指标是企业现阶段最重要的指标，像北极星一样指引公司前进的方向。 业务模式 → 业务指标（二级） 我们需要了解企业业务模式，包括业务相关方、关键任务、实现方式、业务流程等，并把相关业务指标化，形成二级业务指标，如新增客户数、销售收入、平均成本等。 可控因素 → 过程指标（三级） 对不同部门承接的关键业务根据实现过程进行拆解，获得对业务目标有重要影响的、可控的内外部影响因素，并将其量化生成三级过程指标，如客户转化率、签约转化率、拜访数等。 不可控因素 → 监控指标（三级） 还需要了解对业务目标有重要影响的、可控性较差的内外部影响因素。比如市场热度、客户购买力等，同样将其量化生成四级监控指标，如客流量、客户预算、原材料价值等。 自下而上：销售切入经营分析法 对于一些数据分析者，尤其是零售、制造等行业的，因为企业的业务模式需要关注利润、收入、成本费用、市场规模、现金流、资产负债等一系列因素，如果对行业和业务不够深入，往往对指标体系梳理无从下手。 所以，我们总结了过往经验，推荐大家使用最快捷也是最容易上手的一种自下而上的手段销售切入法来实现。 销售切入法以梳理销售流程为起点，从四个角度分析关键项（卖给谁、卖什么、怎么卖、怎么服务），然后根据关键项获得关键过程，再分别对关键过程基于关注点的五大因素量化指标。 一套完整的指标体系更需要全面结合： 自上而下一般适用于企业决策层和管理层，基于自身的企业目标去识别业务目标是否清晰，业务流程是否合理，然后再做优化调整、量化指标。 自下而上适用于分析人员，他们本身是没有太多的管理决策权限在里面，但会先从企业的业务流程、信息化现状、管理现状，根据现状搭建起来指标体系。 两者是可以相结合的，不过为了不让两者差距太多，我们应该一边同步梳理，一边根据实际情况拓展信息系统、调整业务流程等，进行良性互动，形成合力，让指标体系逐步朝着正确的方向稳步迈进完善。 因此，指标体系的构建并不是一蹴而就的，需要一直迭代更新，成长变化的。 2.指标业务关联，建立使用方法 梳理量化出各级指标后，我们还需要根据之前过程把相关的指标从业务的角度串联起来，形成指标关联体系。 如下图，我们以完成一个小目标（挣一个亿）为核心指标，通过自上而下和自下而上结合的方式梳理量化指标，并把指标关联分级展示，得到了指标关联体系图。 指标关联体系反应了整个企业的管理思路，企业决策者可以清晰的了解业务整体情况，确认各个部门的关键任务是否和核心业务目标挂钩。 有了指标关联关系并不是结束，把指标落实到企业真实使用场景才能发挥指最大价值。因此，我们还需要梳理指标体系的使用指南，使用指南是通过具体场景呈现指标、指标关联关系、指标的使用路径和分析方法，指引用户正确的使用指标体系。 3.指标体系落地，交付数据资产 通过指标库、指标关联关系、指标使用指南我们构建了指标体系。但是，如果想指标体系高效高质发挥作用，让决策者可以持续监控现状、发现问题、分析原因、决策未来，我们除了需要对指标进行清洗整合、标准规范化的设计外，还必须要有好的平台来承接落地才行。这里推荐Smartbi以指标为核心的ABI平台，它有如下特点： 首先，提供指标管理功能来承接指标的落地。 ● 通过指标管理功能可一体化完成指标的定义、计算、存储、发布、管理等，并把指标以统一的标准落到系统的指标库中，为下游消费者提供统一可信的数据。 ● 功能简单易用，可视化向导式操作，业务人员也可以进行。 ● 业务和IT最佳协同的创建思路，在落地指标时可以最大程度降低沟通协调成本。 其次，拥有多样强大的分析工具承接指标体系的应用。 Smartbi提供丰富强大的前端分析展现工具实现指标体系应用落地。 Smartbi以指标体系思想设计整体分析流程：企业决策管理者通过看板监控企业关键指标，对于有问题的指标，可以通过关联定位到对应的报表/看板查看具体情况，进行状况分析，这时可能会有很多疑问，则可以使用多样的自助分析工具进行自助探索专题分析，找出根因..... 此外，Smartbi还沉淀了行业Know-How的最佳实践，形成行业指标模板（BI.APP），企业在构建指标体系的过程中也可以参考同行建设经验。 我们提供指标体系构建的方法论、提供以指标为核心的ABI平台、提供行业最佳实践等，您可以获得指标体系说明文档、系统指标库、指标模型、监控面板、报表、自助分析等企业数据资产，还可以获得可信统一的数据、高效的开发效率、敏捷的业务决策......      

有哪些简单实用的多维度数据分析软件或方法？

多维分析的意义就是通过多维（多个变量）的统计分析，用户可以从多个角度去思考问题，通过多个变量的这种变化，可以发现数据之间的关联关系，从而挖掘更深入的信息。 目前在BI区域，多维分析拥有非常重要的地位。多维分析根据数据来源可以分成两种类型： 一是基于多维数据源来进行多维分析；二基于关系数据源、更加轻量级的、并能动态及时分析数据的多维分析工具。 今天我给大家推荐的是思迈特软件自助研发的一站式BI大数据分析平台Smartbi，它既可以基于关系数据库也可以基于多维数据库来实现多维分析。 Smartbi分析工具集中的功能——透视分析，就提供基于关系数据源进行多维报表的能力。 1、基于业务主题，无需构建多维模型 透视分析基于业务主题来进行构建，无需创建多维模型。业务主题屏蔽底层物理模型的复杂性和多样性，通过虚拟语义层将复杂的数据关键转换为业务分析可认知和使用的模型。 2、类似Excel透视表，简单易用 “类Excel透视表”的设计，简单的勾选拖拽操作直接选择任何字段作为输出字段或筛选条件。 3、多种多维分析手段，轻松数据探查 通过自由组合维度、汇总计算、切片、焦点项、钻取、排序等轻松实现数据探查。 4、多种常见功能，满足分析需求 提供丰富的图形类型如柱图、饼图、双Y联合图等，实现动态图形展现，通过跳转查看明细数据，在关联报表之间传递参数实现分析流，支持预警，可根据场景设置多种告警条件和告警样式，支持多种导出类型，如：TXT、CSV、PDF、Doc、Xlsx、数据分析包等。 5、多种时间智能计算，便捷生成 在表格上或是度量区支持一键生成同期、前期、期初期末、日均、累计值、增长值等时间智能计算，无需复杂计算。 6、支持超大数据量的查询性能，秒级响应 通过抽取数据功能把透视分析数据抽取到高速缓存库中，当透视分析进行刷新等操作时，数据会从缓存库中读取，可以提高刷新报表的速度，实现亿级数据，秒级响应。 如果你拥有多维数据库，想基于多维数据库来实现多维分析，Smartbi也可以实现，它可以直接对接多维数据库（Essbase、SSAS等），通过将多维数据集中的各个维度进行有机组合，查询出相应的数据。它提供了切片、切块、钻取以及行列互换等多种可视化操作方式，使得不同角色可基于自身所关注的维度进行灵活的数据分析，从而使用户对大量复杂数据的分析变得轻松而高效，以利于迅速做出正确的判断，辅助决策。  

深度解读 ｜ 数据资产管理面临诸多挑战，做好这5个措施是关键

日前，大数据技术标准推进委员会（中国通信标准化协会下（CCSA）的专业技术委员会，简称TC601）发布《数据资产管理实践白皮书》（6.0 版）（以下简称：报告），这是大数据技术标准推进委员会自 2017 年以来发布的第六版白皮书。 该报告跟踪 2022 年政策和行业动向，阐述数据资产管理的概念、演进、难点，结合企业典型方法和实践案例，重点讨论数据资产管理的活动职能、保障措施、实践步骤等，并对其发展进行总结与展望。 今天，Smartbi将从《数据资产管理实践白皮书》出发，解读企业数据资产管理难点和解决措施，从而推进企业数字化转型。 加快释放数据价值 数据资产管理推进数字化转型 随着数据的重要性日益显著，良好的数据资产管理成为推动企业数字化转型，加速数据价值释放的关键。 《报告》中指出企业只有通过数字化转型才能优化企业资源获取和配置，快速感知市场变化、识别潜在客户需求、增强决策准确性实时性、降本增效，重塑企业发展模式和竞争优势。 数字化转型通过业务数据化，应用数据采集、传输、加工等技术，推动业务全面线上；通过数据业务化，实现数据智能决策，驱动业务创新。  数据资产管理可以提高业务数据化效率，推动数据业务化，应用数据分析技术，实现数据赋能业务发展，推动企业精细化管理变革，从而加速企业数字化转型。 思迈特软件以提升和挖掘企业客户的数据价值为使命，专注于商业智能(BI)与大数据分析软件产品与服务。核心产品一站式BI大数据分析平台Smartbi功能覆盖数据接入、数据处理、数据存储、数据可视化分析、机器学习等全部BI需求（如下图所示）。 思迈特软件凭借自主研发的产品，为金融、制造、零售、政府、医疗等行业客户量体裁衣打造优秀的数据化运营方案，赋能企业加快实现数字化转型的变革，提升企业竞争力。   数字化转型深化落地 数据资产管理面临诸多挑战 经过多年发展，我国数据资产管理逐步进入深化落地时期。政府、金融、互联网企业等机构纷纷提出数字化转型路线，发布数据资产管理框架，探索开展数据资产化工作。 但是，在实际应用中，数据资产管理仍然面临一系列的问题和挑战，阻碍了企业数据资产能力的持续提升。   道法术器综合保障 数据资产管理稳步前进 以上问题该如何解决呢？那就需要我们从数据资产管理的职能入手，通过系列保障措施和规范的实施步骤来解决这些难点，对此，我们总结了下面5个关键措施。   01. 战略推进内驱力 责任体系保障落实 解决“内驱力不足”和“业务脱节”的问题，企业可以需要通过发布数据战略、建立组织责任体系和长效机制等措施来保障。 同时通过培训宣贯、绩效考核、数据文化培养等长效机制，保障数据资产管理活动持续高效运行。   02. 合理引进技术 一体化提升敏捷能力   《报告》中提出在数据资产管理的过程中，合理引进人工智能、机器学习、知识图谱等创新技术，可以进一步提升数据资产管理的智能化、自动化、敏捷化水平，及时响应业务变化，降低人力与风险成本。 Smartbi一直专注于创新，很早就开始应用人工智能、机器学习、知识图谱等技术，在2021年和2022年，分别通过自然语言分析NLA关键技术和数据模型底层技术获多项国家发明专利授权。 Smartbi把这些技术应用于数据处理、数据建模、数据分析、数据挖掘等方面，提供了自助ETL、敏捷数据模型、智能对话式分析和数据挖掘等功能，全面提升数据资产管理的智能性和敏捷性。 此外，除了引用技术外，企业还需构建统一的数据资产管理平台，以加强数据管理各个环节之间的关系，提高效率。 而Smartbi作为一个一站式BI和大数据分析平台，可一体化完成数据连接、数据处理、数据建模、指标管理、数据分析、数据分享等全流程功能，助力企业提升数据资产应用效率。 例如，普正制药通过Smartbi建立了规范的业务分析系统，该系统以营销中心、财务、人力等多维度切入，建立起一套闭环的数据获取分析流程。不仅提高了人效，更能让集团的业务人员都建立起了数据挖掘和分析的能力，增强了集团对数据资产的运用，让普正药业获得了长远发展的驱动引擎。   03. 自增长指标体系 助力数据资产积累 《报告》还提出数据资产管理的核心目标之一是提升数据质量，并指出通过标准化的指标体系，有助于提升数据质量，形成企业可重用的数据资产。 Smartbi则可提供指标体系构建的方法论、提供以指标为核心的ABI平台承接指标落地、提供行业最佳实践等，并通过业务和IT最佳协同的理念构建自增长的指标体系，帮助企业提高数据质量，持续完善企业数据资产，提高决策的准确性。   04. 加强数据应用创新 增加数据服务广度 《报告》认为企业应加强数据应用和服务的创新，围绕降低数据使用难度、扩大数据覆盖范围等方面开展。通过数据可视化、自助数据分析、数据应用商店等实现数据“平民化”，使更多一线业务人员直接参与数据分析过程。 Smarbi提供交互仪表盘、透视分析、即席查询等多样的自助数据分析工具，满足不同业务人员的敏捷分析需求，降低数据应用门槛。 比如民生银行借助Smartbi搭建阿拉丁大数据平台，让一线业务人员变成数据专家，能够自主查询数据、辨别数据、分析数据，驱动全员数字化运营，并通过数据应用为全行带来10%的利润，同时助力民生银行每年节省1亿元成本。   05. 构建数据运营生态 实现数据文化落地 数据资产管理方与使用方之间缺少良性沟通和反馈机制，降低了数据产品的应用效果。而数据文化是企业开展数据资产管理的核心价值观和最终驱动力。因此我们要优化数据服务方式，营造数据文化，提升员工的数据认识和兴趣。  Smartbi通过应用商店沉淀数据应用成果并分享，通过数据目录导航安全开放数据资源给业务用，还提供统一的数据门户解决方案，助力企业构建数据化运营生态系统，营造数据文化。 南京银行使用Smartbi打造了一站式数据服务平台和统一的数据门户，支撑全行各领域的数据挖掘、数据分析展示、数据共享等，实现用户统一看数与用数，在全行范围内营造自主的数据应用氛围，实现了数据文化的落地，推广了数据应用的价值。 此外，Smartbi还具备多级安全管理能力，还能提供数据行/列/单元格级别的精细化权限控制，同时支持数据脱敏与水印，满足不同场景下对数据安全的应用需要。    写在最后  《报告》从管理理念、管理方式、管理手段、技术架构等方面阐述数据资产管理发展趋势。并指出，未来数据资产管理将朝着统一化、专业化、敏捷化的方向发展。 Smartbi在未来发展的构思、设定和规划上，和《报告》中上述资产管理发展趋势相关内容不谋而合。 作为一站式的BI和大数据分析产品的Smartbi，采用现代化BI架构，不仅通过敏捷的自助数据分析，还通过Data Fabric技术实现了增强的数据准备和增强的数据分析，提升数据应用的广度和深度，同时通过分享协同加强分享和反馈，构建数据文化，营造数据化生态系统。 未来，Smartbi将继续向专业、敏捷、智能的方面前进，助力数据资产能力持续提升，助力企业数字化转型，让数据为客户创造价值！