數(shù)據(jù)參量化是一個將定性數(shù)據(jù)轉(zhuǎn)換為定量數(shù)據(jù)的過程，以便能夠?qū)ζ?a href="http://www.lmxpnzry.com/article/98026c40edb1062f2be6.html" target="_blank">進行量化分析和可視化。它對于提高數(shù)據(jù)可視化的溝通和洞察至關(guān)重要。2. 更深的洞察

數(shù)據(jù)參量化使我們能夠量化和分析定性數(shù)據(jù)，從中提取有價值的洞察。通過應(yīng)用統(tǒng)計技術(shù)、機器學(xué)習(xí)和自然語言處理，我們可以識別模式、趨勢和關(guān)系，這些關(guān)系在定性數(shù)據(jù)中可能無法明顯看出。

3. 更好的決策

更好的溝通和更深的洞察力可以直接影響決策。通過有效地可視化定性數(shù)據(jù)，決策者可以獲得對復(fù)雜問題的全面理解，并做出更明智的決策。

4. 增強用戶體驗

數(shù)據(jù)參量化可以通過使數(shù)據(jù)更易于理解和使用來改善用戶體驗。通過提供可視化儀表板和其他交互式工具，用戶可以輕松探索和分析定性數(shù)據(jù)，從而獲得個性化的洞察。

數(shù)據(jù)參量化的應(yīng)用

數(shù)據(jù)參量化在各種行業(yè)和應(yīng)用中都有廣泛的應(yīng)用：

• 市場營銷：分析客戶評論和社交媒體帖子，以理解客戶情緒和偏好。
• 產(chǎn)品開發(fā)：收集用戶反饋，以識別產(chǎn)品的痛點和改善領(lǐng)域。
• 消費者洞察：分析行為數(shù)據(jù)和感官數(shù)據(jù)，以了解消費者行為和偏好。
• 醫(yī)療保健：分析患者反饋和醫(yī)療記錄，以改善患者體驗和結(jié)果。
• 教育：分析學(xué)生的參與度和反饋，以改進教學(xué)方法。

結(jié)論

數(shù)據(jù)參量化是提高數(shù)據(jù)可視化的溝通和洞察力的強大工具。通過將定性數(shù)據(jù)轉(zhuǎn)換為定量數(shù)據(jù)，我們可以更有效地可視化和分析信息，從而做出更明智的決策并改善用戶體驗。

---

d6改善對策實施及效果確認的關(guān)鍵點有哪些

d6改善對策實施及效果確認的關(guān)鍵點有明確改善目標、制定實施計劃、執(zhí)行改善措施、監(jiān)控和調(diào)整、收集和分析數(shù)據(jù)、效果驗證、標準化和固化和反饋和持續(xù)改進等。

1、明確改善目標：

首先需要明確改善的目標，包括希望通過改善達到什么效果，以及改善的優(yōu)先級。

2、制定實施計劃：

根據(jù)改善目標，制定詳細的實施計劃，包括具體的步驟、時間表和責(zé)任人。

3、執(zhí)行改善措施：

按照實施計劃，逐步執(zhí)行改善措施。 在執(zhí)行過程中，需要密切關(guān)注是否按計劃進行，以及是否出現(xiàn)了預(yù)期之外的問題。

4、監(jiān)控和調(diào)整：

在實施過程中，需要持續(xù)監(jiān)控改善的效果，對于沒有達到預(yù)期效果的措施進行調(diào)整。

5、收集和分析數(shù)據(jù)：

通過收集和分析相關(guān)數(shù)據(jù)，對改善效果進行量化和可視化，從而更好地了解改善措施的有效性。

6、效果驗證：

在實施一段時間后，對改善效果進行驗證。 如果改善效果符合預(yù)期，則可以進入下一階段；如果不符合預(yù)期，則需要重新審視實施計劃和改善措施。

7、標準化和固化：

當改善效果得到驗證后，需要將改善措施標準化并固化下來，以確保改善成果能夠持續(xù)下去。

8、反饋和持續(xù)改進：

即使改善措施已經(jīng)實施并取得了良好的效果，也需要持續(xù)關(guān)注反饋，對于存在的問題進行持續(xù)改進。

D6改善的特點：

1、以數(shù)據(jù)為依據(jù)：

D6改善強調(diào)以數(shù)據(jù)為依據(jù)，通過數(shù)據(jù)分析和可視化來了解問題，制定相應(yīng)的改善措施，并跟蹤改善效果。

2、跨部門協(xié)作：

D6改善需要跨部門協(xié)作，不同部門之間的溝通協(xié)調(diào)至關(guān)重要。 通過跨部門協(xié)作，可以更好地整合資源，實現(xiàn)整體優(yōu)化。

3、結(jié)構(gòu)化和非結(jié)構(gòu)化相結(jié)合：

D6改善既有結(jié)構(gòu)化的改善步驟和方法，也有非結(jié)構(gòu)化的創(chuàng)新和優(yōu)化。 通過結(jié)構(gòu)化和非結(jié)構(gòu)化相結(jié)合的方式，可以實現(xiàn)更全面的改善效果。

4、持續(xù)改進：

D6改善強調(diào)持續(xù)改進的理念，不斷尋找問題并進行改善，實現(xiàn)企業(yè)運營的持續(xù)優(yōu)化和提升。

5、領(lǐng)導(dǎo)層支持：

D6改善需要領(lǐng)導(dǎo)層的支持和參與，只有得到高層管理者的支持和推動，才能確保各項改善活動的順利推進和取得成功。

基于模板配置的數(shù)據(jù)可視化平臺

導(dǎo)讀：在大數(shù)據(jù)智能時代，數(shù)據(jù)分析的價值越來越重要，而數(shù)據(jù)分析可視化平臺的能力要求也越來越高。 本文從網(wǎng)絡(luò)數(shù)據(jù)中心的數(shù)據(jù)可視化平臺出發(fā)，介紹了配置化的數(shù)據(jù)可視化平臺的應(yīng)用價值，并對數(shù)據(jù)可視化平臺的整體處理架構(gòu)進行了拆解。 基于可配置的數(shù)據(jù)可視化平臺，可以高效支持復(fù)雜的數(shù)據(jù)分析場景，提升分析效率，強化數(shù)據(jù)的價值。

全文6999字，預(yù)計閱讀時間13分鐘。

一、背景與目標1.1 背景分析

在數(shù)據(jù)智能時代，BI（Business Intelligence，商業(yè)智能）已經(jīng)是現(xiàn)代數(shù)據(jù)運營的基礎(chǔ)能力。 以數(shù)據(jù)支撐業(yè)務(wù)，一方面需要我們基于數(shù)據(jù)倉庫建設(shè)業(yè)務(wù)相關(guān)的全面、權(quán)威、穩(wěn)定的基礎(chǔ)數(shù)據(jù)，另一方面也需要我們建立數(shù)據(jù)分析的能力，通過圖表對數(shù)據(jù)進行展示，從而提高數(shù)據(jù)展示的信息密度，然后輔以各種對比方式，讓數(shù)據(jù)業(yè)務(wù)化、升華數(shù)據(jù)意義，賦能業(yè)務(wù)增長。 因此一個數(shù)據(jù)可視化平臺的搭建就變得尤為重要，但由于復(fù)雜業(yè)務(wù)之間的差異使得平臺的設(shè)計及開發(fā)過程難度大且復(fù)雜。 考慮到人群、業(yè)務(wù)的分析習(xí)慣與業(yè)務(wù)各異的分析方法，數(shù)據(jù)可視化平臺在報表的呈現(xiàn)、數(shù)據(jù)的計算、數(shù)據(jù)的發(fā)布效率等方面都面臨著重大的挑戰(zhàn)。

1.2 問題與目標

以一個典型的廣告商業(yè)化案例舉例，客戶基于投放目的選擇不同的廣告商業(yè)產(chǎn)品形式（如微博熱搜榜單，網(wǎng)絡(luò)的搜索置頂，各類視頻網(wǎng)站的興趣推薦等等），哪些形式能促進客戶更好的觸達用戶；客戶提供的樣式（如視頻、圖片、內(nèi)容等物料特性）讓瀏覽內(nèi)容的用戶產(chǎn)生什么樣的偏差等問題，都需要數(shù)據(jù)做支撐進行分析。結(jié)合分析師、看板用戶的習(xí)慣和眾多分析場景構(gòu)建數(shù)據(jù)可視化平臺生成數(shù)據(jù)報表時會出現(xiàn)以下問題：

1. 長期報表獨立開發(fā)導(dǎo)致部分能力重復(fù)建設(shè)、重復(fù)開發(fā)； 2. 每個報表獨立開發(fā)使得用戶需要習(xí)慣多種樣式、風(fēng)格導(dǎo)致的體驗差異； 3. 業(yè)務(wù)出現(xiàn)變動時調(diào)整、匹配成本較大，導(dǎo)致一段時間內(nèi)無法有效賦能業(yè)務(wù)； 4. 平臺計算能力不足導(dǎo)致的構(gòu)建數(shù)據(jù)報表的時間、人力成本較大； 5. 平臺穩(wěn)定性保障難度高，需測試、排查層出不窮的異常。

為了能夠滿足用戶的報表需求，即使投入大量的人力也僅能解決上述開發(fā)成本帶來的問題。 系統(tǒng)化的打造BI與數(shù)據(jù)之間的橋梁，需要深入到數(shù)據(jù)表達的各個環(huán)節(jié)，結(jié)合業(yè)務(wù)的特性，模塊化、組件化各項能力，這樣既能減少重復(fù)開發(fā)的成本，同時也能提高代碼復(fù)用、可擴展性、報表管理以及容錯等各方面的能力，保障用戶的使用體驗及業(yè)務(wù)適配性。 因此，一個優(yōu)秀的數(shù)據(jù)可視化平臺應(yīng)滿足以下幾點：

1. 敏捷：能夠快速響應(yīng)需求；

2. 準確：能夠保證平臺數(shù)據(jù)的準確性，做到「所見即所得，所得皆所用」；

3. 多元：面向不同的業(yè)務(wù)屬性、用戶特性，例如對比計算、查詢等方式能夠通過模塊組合、展現(xiàn)類型調(diào)整等方式滿足需求； 4. 靈活：對于業(yè)務(wù)拓展或者變更，平臺能夠靈活變化以貼近業(yè)務(wù)的結(jié)構(gòu)； 5. 簡單易用：用戶無論是在讀、寫數(shù)據(jù)，均能快速滿足；支持業(yè)務(wù)過程以「配置」取代「開發(fā)」； 6. 易拓展：覆蓋大部分業(yè)務(wù)分析場景，同時支持基于配置的二次開發(fā)前后端代碼，易于擴展。

1.3 名詞解釋

1. 衍生指標： 基于基礎(chǔ)指標，利用公式二次計算出來的指標，常見的例如以最近10天用戶數(shù)計算出來的平均用戶數(shù)，或利用當天用戶數(shù)量對比昨日用戶數(shù)量計算出來的日環(huán)比等。 2. 下鉆： 一般指業(yè)務(wù)需要通過拆分、細化來挖掘或定位業(yè)務(wù)痛點，業(yè)務(wù)之間存在一定的關(guān)聯(lián)性，透過關(guān)聯(lián)逐層的拆解在分析時稱之為下鉆。 在可視化場景中常用樹狀結(jié)構(gòu)表達類似的層級關(guān)系。 3. 上卷： 在可視化場景中指多個業(yè)務(wù)數(shù)據(jù)構(gòu)成一個總數(shù)時，通過系統(tǒng)利用業(yè)務(wù)間的關(guān)聯(lián)性進行合計計算。 4. 維度分析： 常見的基線對比方式，以一項或多項業(yè)務(wù)為基準，通過數(shù)值對比分析當前業(yè)務(wù)狀況。 5. 時間對比分析： 將時間進行分段處理后，對比當前時間段與歷史（或基線）時間段之間的數(shù)值變化，從而判斷業(yè)務(wù)狀況。

二、整體設(shè)計與思路2.1 需求分析與構(gòu)思

2.1.1 場景分析

一個完整的數(shù)據(jù)分析閉環(huán)從分析需求開始，包含了數(shù)據(jù)采集、數(shù)據(jù)清洗、數(shù)據(jù)建模、數(shù)據(jù)呈現(xiàn)、數(shù)據(jù)應(yīng)用、結(jié)論輸出，利用產(chǎn)出的結(jié)論落地或提升業(yè)務(wù)。整個環(huán)節(jié)我們可以看到兩種角色：

1.建設(shè)者：

進行分析一個命題或業(yè)務(wù)場景時，首先基于業(yè)務(wù)尋找數(shù)據(jù)支撐，在此過程中需要采集數(shù)據(jù)、將數(shù)據(jù)整理成具有業(yè)務(wù)含義的表達方式、提取出具有業(yè)務(wù)關(guān)聯(lián)性的內(nèi)容形成具有分析意義的集合，用更直觀、形象的方式將數(shù)據(jù)進行展示等幾部分工作。 其次為了能更充分的表達業(yè)務(wù)，過程中需要將一些數(shù)據(jù)進行組合構(gòu)建成衍生指標或者建立維度之間的聯(lián)系。 這些工作完成后，一個完整的業(yè)務(wù)場景會通過數(shù)字化、圖像化的方式展示出來。

2.分析者：

針對業(yè)務(wù)的情況，透過數(shù)據(jù)開始剝離問題，以一個APP某商業(yè)化場景收入下降為例，分析師需要從APP的用戶數(shù)開始逐層漏斗查看哪些環(huán)節(jié)導(dǎo)致的影響較大，也需要從各個維度進行下鉆分析定位業(yè)務(wù)根結(jié)，還有可能利用類比分析、基線對比的方式橫向比較相似場景下影響的差異。

面對相同的業(yè)務(wù)問題，不同方向的數(shù)據(jù)使用者可能也會有不同的行為，對業(yè)務(wù)理解的動向，分析的數(shù)據(jù)層級等也會有所不同。 當然，用戶也可以同時承擔(dān)這兩種角色，本質(zhì)上簡單易用的平臺更便于分析型用戶獨立完成數(shù)據(jù)建設(shè)到分析的閉環(huán)，從而減少并釋放人力，更快的解決業(yè)務(wù)問題。 在當前數(shù)據(jù)無法滿足業(yè)務(wù)分析時，分析者又會進入到建設(shè)型場景，繼續(xù)尋找量化支撐所需的數(shù)據(jù)論據(jù)。

2.1.2 業(yè)務(wù)抽象與思考

完成多種業(yè)務(wù)場景的數(shù)據(jù)支持，需要技術(shù)為之創(chuàng)造條件，如果說建設(shè)者最終服務(wù)于分析者，以報表結(jié)果為導(dǎo)向，建設(shè)者是否可以在建設(shè)過程中充分表達分析者的數(shù)據(jù)需求呢？這些報表建設(shè)能力轉(zhuǎn)嫁或拆解成程序化、模塊化語言究竟是什么？平臺配合建設(shè)者本身需要完成哪些工作、實現(xiàn)什么樣的功能呢？同時，平臺該如何保證為分析者提供準確、高效、全面的數(shù)據(jù)呢？接下來我們通過對數(shù)據(jù)的可視化過程拆解、抽象對上述問題一一解答。

2.2 架構(gòu)設(shè)計

2.2.1 過程抽象

我們將分析者使用數(shù)據(jù)的全過程進行拆解，然后進行抽象化、組件化。 分析者通過平臺輸入查詢條件、指標、維度等等，服務(wù)端根據(jù)平臺輸入進行數(shù)據(jù)sql的組裝并查詢數(shù)據(jù)庫，然后計算相關(guān)衍生指標整合計算結(jié)果，最終按照相應(yīng)的樣式呈現(xiàn)結(jié)果。 整個邏輯過程拆解如圖1所示。

△圖1 過程抽象邏輯

2.2.2 整體架構(gòu)

根據(jù)數(shù)據(jù)可視化的過程抽象可知，一個完整的可視化平臺需要包括數(shù)據(jù)獲取、數(shù)據(jù)計算、數(shù)據(jù)呈現(xiàn)等幾部分。 數(shù)據(jù)如何獲取、如何展示則需要進行統(tǒng)一配置管理，數(shù)據(jù)如何快速、準確的計算則由通用計算服務(wù)負責(zé)。 同時可視化平臺還需要保證數(shù)據(jù)的質(zhì)量問題，在數(shù)據(jù)存在問題或者延遲時能夠及時通知建設(shè)者去處理數(shù)據(jù)問題，這些則由運維看板負責(zé)。 我們通過對數(shù)據(jù)可視化過程抽象和對此類平臺的經(jīng)驗總結(jié)，將數(shù)據(jù)可視化平臺架構(gòu)拆解成如圖2所示。

△圖2?整體架構(gòu)圖

三、核心模塊介紹3.1 配置工具與報表呈現(xiàn)

在未進行配置化以前，建設(shè)一個報表需要后端開發(fā)人員基于數(shù)據(jù)庫開發(fā)計算邏輯、分析、下載等功能，前端開發(fā)人員則基于數(shù)據(jù)以圖表的形式進行渲染，代碼冗余、開發(fā)成本高、周期長。 統(tǒng)一配置工具是在數(shù)據(jù)庫與報表呈現(xiàn)之間搭建起來的一座橋梁，數(shù)據(jù)建設(shè)者在熟悉數(shù)據(jù)邏輯的基礎(chǔ)上通過配置工具的配置界面進行數(shù)據(jù)源、計算邏輯、呈現(xiàn)內(nèi)容、樣式等相關(guān)信息的配置，然后將其發(fā)布上線,各數(shù)據(jù)可視化平臺的報表呈現(xiàn)模塊根據(jù)配置的樣式和內(nèi)容渲染相應(yīng)的組件，用戶即可在對應(yīng)的平臺查看報表、分析或者下載數(shù)據(jù)。

△圖3?配置流程示意圖

3.1.1 統(tǒng)一配置工具

為了減少配置工具使用的復(fù)雜程度、降低用戶學(xué)習(xí)成本，提高配置效率，針對業(yè)務(wù)以及數(shù)據(jù)需求相對穩(wěn)定的分析場景設(shè)計固定的呈現(xiàn)模板，用戶選擇合適的模板配置相應(yīng)的內(nèi)容，且配置模板具備可擴展性，可靈活增刪功能模塊。

△圖4?統(tǒng)一配置工具組成

配置工具頁面根據(jù)用戶選擇的模板展示相應(yīng)的配置內(nèi)容，除了配置數(shù)據(jù)源、指標、維度等數(shù)據(jù)相關(guān)信息，還需要配置篩選控件、分析組件等內(nèi)容。 同時配置工具還支持通過擴展配置增加當前模板不支持的功能，從而基于模板進行二次開發(fā)。 一個完整的配置工具除了基本的配置，還增加了指標管理、維度管理、配置校驗等功能提高配置效率和用戶體驗的基礎(chǔ)支持。 1. 指標管理：將指標、衍生指標的信息進行統(tǒng)一的管理，根據(jù)指標的屬性特征提供各參數(shù)的默認值，配置人員在配置頁面時可以直接使用指標管理模塊的默認配置信息，實現(xiàn)了指標的一次配置多次使用。 這不僅提高了配置人員的配置效率，提供指標參數(shù)默認值也有利于規(guī)范統(tǒng)一平臺風(fēng)格； 2. 維度管理：根據(jù)數(shù)據(jù)源配置信息，生成維度模板信息，配置人員只需要簡單調(diào)整維度顯示名稱和順序即可，方便高效； 3. 配置校驗：校驗用戶配置的sql是否正確，快速定位錯誤配置。

3.1.2 報表呈現(xiàn)

△圖5?報表呈現(xiàn)的架構(gòu)

報表呈現(xiàn)這部分的主要工作是將格式化后的數(shù)據(jù)以圖表的形式渲染在瀏覽器中，供用戶查詢、分析數(shù)據(jù)。 報表呈現(xiàn)的基礎(chǔ)組件單元分為兩類： 1. 控制組件：配置工具里配置的組件，比如篩選條件、日期類型等，這類組件在渲染組件時同時渲染組件內(nèi)容； 2. 數(shù)據(jù)組件：需要渲染的具體數(shù)據(jù)，比如表格、折線圖中的數(shù)據(jù)，這部分的數(shù)據(jù)是由通用計算模塊來提供的。 這類組件在渲染組件后，重新獲取具體數(shù)據(jù)信息（數(shù)據(jù)來源不同）進行內(nèi)容渲染。

為了滿足復(fù)雜的分析場景，在報表呈現(xiàn)時往往是多個樣式組合在一起使用。 在進行設(shè)計時綜合考慮代碼的可復(fù)用性、通用性以及可擴展性將圖表拆解成可以重復(fù)使用的最小單元，封裝成組件。 各組件最終如何組合排列呈現(xiàn)則由建設(shè)者根據(jù)需要的分析場景在配置工具里進行配置管理。

△圖6?報表呈現(xiàn)的組成

針對業(yè)務(wù)以及數(shù)據(jù)需求相對穩(wěn)定的分析場景報表呈現(xiàn)共設(shè)計實現(xiàn)了14種呈現(xiàn)模板，支持交互式查詢、TOP排序、實時數(shù)據(jù)等業(yè)務(wù)場景的配置。 對于更復(fù)雜的業(yè)務(wù)場景能夠復(fù)用基礎(chǔ)組件、開發(fā)上線。

△圖7?配置模板

3.2 通用計算服務(wù)

前面部分介紹了配置工具服務(wù)于計算和報表呈現(xiàn)，報表呈現(xiàn)圖表的數(shù)據(jù)來源于計算服務(wù)。 計算服務(wù)是整個數(shù)據(jù)可視化平臺的大腦，主要負責(zé)將數(shù)據(jù)庫中的原始數(shù)據(jù)根據(jù)不同的計算規(guī)則處理并生成用戶需要的數(shù)據(jù)形式進行展示。 不同的用戶分析數(shù)據(jù)的維度、視角、場景存在差異，例如：在Top場景下，分析重點維度（如客戶、產(chǎn)品等）數(shù)據(jù)的變化趨勢；有的需要監(jiān)控固定指標的波動，根據(jù)不同的篩選條件，交叉分析引起變化的原因、預(yù)測未來發(fā)展的方向；有的需要長時間范圍的數(shù)據(jù)來分析指標隨時間的變化規(guī)律；對于重點業(yè)務(wù)需要實時查看數(shù)據(jù)變化等等。 計算服務(wù)除了要覆蓋已知且復(fù)雜的業(yè)務(wù)場景，還需要考慮業(yè)務(wù)的不斷擴展和對數(shù)據(jù)的深挖，快速跟進業(yè)務(wù)的發(fā)展，所以計算服務(wù)架構(gòu)在設(shè)計時要充分考慮通用性和可擴展性。

3.2.1 架構(gòu)實現(xiàn)

綜合業(yè)務(wù)場景復(fù)雜性、代碼復(fù)用性、服務(wù)通用性和可擴展性各方面的考量，我們對通用計算服務(wù)架構(gòu)做了分層設(shè)計，每層各司其職，規(guī)范整體代碼結(jié)構(gòu)、邏輯清晰易讀且能夠快速支持新指標計算的擴展。

△圖8?計算整體服務(wù)架構(gòu)

1. 參數(shù)校驗層 對于不同業(yè)務(wù)場景的數(shù)據(jù)請求，計算服務(wù)所要求的參數(shù)不盡相同，我們將參數(shù)校驗部分獨立出來，抽象出共同的參數(shù)校驗邏輯，對于各模板獨有的參數(shù)進行獨立校驗。 2. 模板服務(wù)分發(fā)層 為了滿足不同的業(yè)務(wù)場景和數(shù)據(jù)展示需求，我們設(shè)置了模板服務(wù)分發(fā)層，按照業(yè)務(wù)場景進行分類，抽象出多個服務(wù)類服務(wù)于不同的數(shù)據(jù)場景。 分發(fā)層根據(jù)用戶在配置工具配置的信息為后續(xù)計算準備數(shù)據(jù)源、指標、維度等信息然后同計算請求一起分發(fā)到具體的服務(wù)類。 3. 多維分解層 為了支持數(shù)據(jù)上卷、下鉆的數(shù)據(jù)分析維度之間的關(guān)系，我們設(shè)計了多維分解層，根據(jù)數(shù)據(jù)的層級分解出多個并行計算過程。 多線程并行計算使得不同層級計算互不干擾、高效計算。 4. 數(shù)據(jù)獲取層 為了能夠支持多種類型的數(shù)據(jù)庫且易于后續(xù)新增其他類型數(shù)據(jù)庫，我們抽象了數(shù)據(jù)獲取層，屏蔽上層數(shù)據(jù)獲取邏輯、提供統(tǒng)一接口???。 底層數(shù)據(jù)庫可以支持mysql、palo、xdb等，也能方便、快速的擴展支持新的數(shù)據(jù)庫類型。 5. 分層計算層 由多維分解層拆解出來的多個計算過程，每個計算過程是獨立的模塊，在數(shù)據(jù)獲取層提供的原始數(shù)據(jù)基礎(chǔ)上并行計算周同、日環(huán)、七天均值等衍生指標，滿足分析者多角度分析場景。 衍生指標單獨計算、互不影響，易擴展且不影響計算效率。 最后根據(jù)延遲看板（該部分后邊詳細介紹）提供的數(shù)據(jù)延遲、屏蔽信息，將計算結(jié)果進行屏蔽處理，防止平臺呈現(xiàn)異常數(shù)據(jù)。

△圖9?分層運算層

6.格式化層

格式化層主要負責(zé)根據(jù)不同呈現(xiàn)組件進行格式化，將數(shù)據(jù)處理操作放在服務(wù)端進行，前端拿來即用減少前端性能消耗，提高前端數(shù)據(jù)呈現(xiàn)和渲染效率。 同時，格式化層屏蔽了底層計算邏輯，使得通用計算服務(wù)能夠快速接入新的報表呈現(xiàn)平臺，為其提供計算能力。

3.3 運維看板

數(shù)據(jù)可視化平臺的核心是數(shù)據(jù)，平臺底層維護了大量的數(shù)據(jù)流，這些數(shù)據(jù)來源于不同的上游，原始數(shù)據(jù)經(jīng)過多層的數(shù)據(jù)抽取、加工、匯總，生成最終的前端表。 在整個過程中可能出現(xiàn)各種問題，比如多數(shù)據(jù)源先后到位導(dǎo)致頁面數(shù)據(jù)展示不全，上游數(shù)據(jù)異常、數(shù)據(jù)清洗過程中發(fā)生異常等。 為了保證數(shù)據(jù)的準確性，在通用計算服務(wù)部分提到了需要對異常數(shù)據(jù)進行屏蔽處理，其屏蔽信息來源于運維看板。

△圖10?運維看板組成

運維看板監(jiān)控數(shù)據(jù)到位情況、檢驗數(shù)據(jù)準確性，保障數(shù)據(jù)的正常產(chǎn)出，為整個平臺數(shù)據(jù)的準確性和權(quán)威性保駕護航。 其核心功能是數(shù)據(jù)延遲監(jiān)控、數(shù)據(jù)質(zhì)量校驗、平臺公告管理。 整體的工作流程如下：

1. 調(diào)度系統(tǒng)負責(zé)所有ETL任務(wù)的調(diào)起和狀態(tài)流轉(zhuǎn)，在ETL任務(wù)運行完成后，通過消息隊列通知到看板數(shù)據(jù)產(chǎn)出； 2. 看板調(diào)起數(shù)據(jù)校驗服務(wù)執(zhí)行校驗任務(wù)，并將結(jié)果回傳到看板； 3. 看板更新報表數(shù)據(jù)產(chǎn)出狀態(tài)，根據(jù)校驗規(guī)則校驗數(shù)據(jù)波動是否超閾值，然后將數(shù)據(jù)到位情況、校驗結(jié)果通過消息隊列分發(fā)到對應(yīng)的報表平臺； 4. 各報表平臺根據(jù)接收到的消息，重新計算數(shù)據(jù)更新數(shù)據(jù)緩存。

△圖11?基于消息中心的運維看板工作流程

3.3.1 數(shù)據(jù)延遲監(jiān)控

為了保證例行化的數(shù)據(jù)任務(wù)在SLA時間內(nèi)產(chǎn)出，延遲監(jiān)控模塊根據(jù)報表的ETL任務(wù)、SLA時間信息對數(shù)據(jù)到位情況進行監(jiān)控、報警。 數(shù)據(jù)到位時延遲監(jiān)控模塊第一時間將消息分發(fā)到各平臺，保證數(shù)據(jù)緩存及時更新。 對于多數(shù)據(jù)源的報表，延遲監(jiān)控支持配置數(shù)據(jù)全部到位或部分到位呈現(xiàn)規(guī)則，看板基于配置規(guī)則進行數(shù)據(jù)屏蔽管理同時生成相應(yīng)公告提示報表平臺用戶數(shù)據(jù)到位情況。 如果數(shù)據(jù)在SLA時間內(nèi)未產(chǎn)出則會通知報表負責(zé)人及時跟進數(shù)據(jù)運行狀況。 為了方便監(jiān)控報表產(chǎn)出情況，看板同時提供了界面化的數(shù)據(jù)產(chǎn)出監(jiān)控界面，報表負責(zé)人通過界面查看、統(tǒng)計數(shù)據(jù)產(chǎn)出情況、ETL任務(wù)狀態(tài)等。

△圖12?數(shù)據(jù)產(chǎn)出監(jiān)控界面

3.3.2 數(shù)據(jù)質(zhì)量校驗

為保證數(shù)據(jù)的準確性和權(quán)威性，數(shù)據(jù)到位后運維看板會在平臺數(shù)據(jù)呈現(xiàn)之前對數(shù)據(jù)進行質(zhì)量校驗，根據(jù)校驗規(guī)則生成屏蔽信息，通過消息隊列分發(fā)到各報表平臺。 當校驗的數(shù)據(jù)異常時通過短信、電話、郵件等多種報警方式告知報表負責(zé)人，提醒跟進數(shù)據(jù)異常狀況。 數(shù)據(jù)校驗規(guī)則目前設(shè)計實現(xiàn)了三種類型： 1. 前端表校驗：支持同環(huán)比、大小閾值等校驗規(guī)則，在前端表數(shù)據(jù)到位后進行校驗。 2. 數(shù)據(jù)源校驗：支持同環(huán)比、大小閾值等校驗規(guī)則，從上游拉取到數(shù)據(jù)后執(zhí)行校驗規(guī)則。 3. 自定義腳本擴展，支持用戶自定義校驗規(guī)則，提供openapi接口屏蔽數(shù)據(jù)。

3.3.3 屏蔽和公告管理

除了數(shù)據(jù)延遲監(jiān)控和數(shù)據(jù)質(zhì)量校驗?zāi)軌蚱帘螖?shù)據(jù)，運維看板還提供直接屏蔽數(shù)據(jù)功能，避免因為其他問題造成的異常數(shù)據(jù)呈現(xiàn)給用戶。 當數(shù)據(jù)異?；蛱厥馐录斐蓴?shù)據(jù)波動較大時，公告管理模塊上線公告告知用戶數(shù)據(jù)波動原因。

四、總結(jié)

基于模板配置的數(shù)據(jù)可視化平臺由統(tǒng)一配置工具、通用計算服務(wù)、報表呈現(xiàn)、運維看板等幾部分組成。 統(tǒng)一配置工具負責(zé)管理報表如何獲取數(shù)據(jù)、以哪些圖表樣式呈現(xiàn)報表；通用機算服務(wù)提供衍生指標（日環(huán)、周同、七天均值、QTD、MTD等等），對比分析，數(shù)據(jù)上卷、下鉆等計算能力；運維看板提供延遲監(jiān)控、質(zhì)量校驗、屏蔽管理等功能保證數(shù)據(jù)的準確性、時效性；報表呈現(xiàn)提供豐富的圖表組件（表格、趨勢圖、餅圖、地圖等等）和過濾條件（單選、多選、日期、輸入框等等）滿足復(fù)雜的可視化需求。 多種配置模板貼合業(yè)務(wù)需求，以配置取代開發(fā)快速響應(yīng)需求，同時易于擴展的架構(gòu)能夠靈活跟進業(yè)務(wù)變更或拓展。 簡單來說我們的平臺：1. 相比自助BI，輔助功能更強大、數(shù)據(jù)質(zhì)量有保證 借助組件化強大的能力，我們在保持頁面高自由度、靈活支持業(yè)務(wù)的同時，也構(gòu)建了多種輔助對比的能力幫助分析者完成分析。 通過一個完整的報表頁面，能有系統(tǒng)的分析思路，也能獲得多元的自助能力，強化了對業(yè)務(wù)的認知。 其次減少了用戶對數(shù)據(jù)的置信問題，將異常數(shù)據(jù)前置管理，通過數(shù)據(jù)延遲監(jiān)控、數(shù)據(jù)質(zhì)量校驗、屏蔽、公告等一系列手段保證數(shù)據(jù)的準確性，避免分析者對數(shù)據(jù)質(zhì)量的質(zhì)疑，做到「所見即所得，所得皆所用」。 2. 相比傳統(tǒng)BI，更快速、高效 前文講到，定制化的開發(fā)最大的缺點是開發(fā)效率時間長、成本高，影響數(shù)據(jù)輸出和分析。 我們將計算能力、展示能力組件化、配置化，豐富的衍生指標計算能力、呈現(xiàn)組件使其盡量貼近定制化平臺能力。 即便是平臺不支持的新業(yè)務(wù)場景這些高可用的開發(fā)組件也能參與到其分析場景的搭建過程中。 基于模板配置的數(shù)據(jù)可視化平臺能夠快速響應(yīng)業(yè)務(wù)需求、支撐分析業(yè)務(wù)能力、為業(yè)務(wù)賦能。

推薦閱讀

如何正確的評測視頻畫質(zhì)

小程序啟動性能優(yōu)化實踐

我們是如何穿過低代碼 “??區(qū)”的：amis與愛速搭中的關(guān)鍵設(shè)計

移動端異構(gòu)運算技術(shù)-GPU OpenCL 編程（基礎(chǔ)篇） ?

云原生賦能開發(fā)測試

基于Saga的分布式事務(wù)調(diào)度落地

原文：

數(shù)據(jù)的維度和度量

在接下來的內(nèi)容中，我們將深入探討數(shù)據(jù)可視化的核心元素——維度和度量。 它們在構(gòu)建可視化報告中扮演著關(guān)鍵角色。 維度，如地區(qū)、名稱和日期，是分類的標識，而度量，如訂單量、用戶量，是未經(jīng)修飾的數(shù)值。 兩者結(jié)合，產(chǎn)生了派生指標，使復(fù)雜的信息得以量化和可視化。 例如，一個圖表中，X軸表示地區(qū)，如中部、東部等，Y軸則是銷售額，這樣的結(jié)構(gòu)形成了一幅直觀的數(shù)據(jù)報告。 數(shù)據(jù)可視化不僅是一種理解數(shù)據(jù)的方式，它涵蓋了科學(xué)可視化、信息可視化和可視分析等多個領(lǐng)域，旨在揭示數(shù)據(jù)背后的規(guī)律和洞察。 數(shù)據(jù)可視化的應(yīng)用廣泛，例如在數(shù)據(jù)看板上，它作為后臺系統(tǒng)首頁，提供實時業(yè)務(wù)和運營管理數(shù)據(jù)，支持即時決策。 在移動端，簡潔的可視化設(shè)計讓用戶可以隨時隨地獲取信息，提升工作效率。 此外，數(shù)據(jù)信息圖則通過各種圖形類型，如關(guān)系流程圖、敘事插圖等，以直觀、藝術(shù)化的方式傳達信息。 盡管以上場景可能顯得抽象，但別擔(dān)心，從下一篇文章起，我將通過實例展示各類數(shù)據(jù)可視化的圖形及其在實際場景中的最佳使用，讓大家更直觀地理解和體驗數(shù)據(jù)可視化的魅力，敬請期待！

區(qū)塊鏈財務(wù)革命是什么？

區(qū)塊鏈對未來財務(wù)會造成什么影響

1.區(qū)塊鏈在支付領(lǐng)域：金融機構(gòu)特別是跨境金融機構(gòu)之間的對賬清算、結(jié)算等成本較高，也涉及了很多手工流程；區(qū)塊鏈技術(shù)應(yīng)用可以降低金融機構(gòu)間的對賬成本及爭議解決成本，顯著提高支付領(lǐng)域的效率，同時金融機構(gòu)更容易處理小額跨境支付業(yè)務(wù)，有助于普惠金融業(yè)務(wù)的實現(xiàn)。

2.在清算結(jié)算領(lǐng)域：不同金融機構(gòu)間基礎(chǔ)設(shè)施架構(gòu)、業(yè)務(wù)流程各有不同，涉及很多人工處理的環(huán)節(jié)，極大增加業(yè)務(wù)成本，容易出錯。 應(yīng)用區(qū)塊鏈技術(shù)，結(jié)合第二點說的鏈上資產(chǎn)，即可完成點對點實時清算與結(jié)算，從而降低價值轉(zhuǎn)移成本，縮短時間，提高效率，并且交易雙方可以獲得良好的隱私保護。

3.資產(chǎn)管理領(lǐng)域：股權(quán)、債券、票據(jù)等資產(chǎn)由不同中介機構(gòu)托管，提高了資產(chǎn)的交易成本，帶來憑證偽造的問題。 應(yīng)用區(qū)塊鏈技術(shù)，將此類資產(chǎn)數(shù)字化，成為鏈上數(shù)字資產(chǎn)，以區(qū)塊鏈不可逆、不可篡改、公開等特性，提高資產(chǎn)交易效率，降低資產(chǎn)管理成本。

由于區(qū)塊鏈的特性是不可逆、不可篡改，使得信息保密安全，點對點交易傳輸，去中心化，使信息可靠追溯；從而降低中間成本、提高效率，它不僅僅用于會計審計當中，同時還可以應(yīng)用于各行各業(yè)，現(xiàn)在我們也能從各行各業(yè)的運轉(zhuǎn)背后都可以看到區(qū)塊鏈協(xié)作運轉(zhuǎn)的模式，因此區(qū)塊鏈必將廣泛而深刻的改變?nèi)祟惖纳罘绞?，因此整個生活服務(wù)將進入?yún)^(qū)塊鏈時代。 在這個互聯(lián)網(wǎng)發(fā)展過程當中，區(qū)塊鏈+實體行業(yè)、區(qū)塊鏈電商、區(qū)塊鏈社群運營都可以運用到區(qū)塊鏈技術(shù)。

大數(shù)據(jù)和區(qū)塊鏈技術(shù)對會計行業(yè)的變革

大數(shù)據(jù)和區(qū)塊鏈作為當下最熱門的技術(shù)，對會計行業(yè)的變革有著非常重要的影響。 大數(shù)據(jù)技術(shù)提高了可數(shù)據(jù)化會計信息的數(shù)量，使得原有的財務(wù)信息和非財務(wù)信息得以數(shù)據(jù)化，擴大了財務(wù)人員特別是高級財務(wù)人員的管理范疇。 會計在信息化的變革之中，面臨著會計信息的可靠性無法得到保障，虛假的會計信息數(shù)據(jù)化反而會影響營銷管理決策，而區(qū)塊鏈技術(shù)的誕生很好的解決了會計數(shù)據(jù)的可靠性問題。 會計行業(yè)要抓住機遇，積極利用大數(shù)據(jù)和區(qū)塊鏈技術(shù)，促進行業(yè)的變革，同時，會計從業(yè)人員也要通過提升自身的職業(yè)素養(yǎng)來適應(yīng)行業(yè)變革。

大數(shù)據(jù)對會計數(shù)據(jù)信息方面，因大數(shù)據(jù)本身特點，當企業(yè)涉及到大數(shù)據(jù)分析方面，更多的是需要總體的數(shù)據(jù)而不是抽樣的數(shù)據(jù)樣本，需要是數(shù)據(jù)的整體關(guān)系而不是的單個的數(shù)據(jù)，以使增強會計數(shù)據(jù)信息的相關(guān)性。 會計數(shù)據(jù)信息可以通過大數(shù)據(jù)平臺，得知不同企業(yè)對同類型項目所采取的會計處理方式以及核算方式，企業(yè)之間可以更容易進行比較。 同時，在大數(shù)據(jù)背景之下，企業(yè)通過互聯(lián)網(wǎng)，可以及時處理和傳遞會計數(shù)據(jù)信息，保證會計數(shù)據(jù)信息的及時性。

區(qū)塊鏈因其“去中心化”的思想，應(yīng)用于處理會計數(shù)據(jù)信息之中，可以有效保障數(shù)據(jù)之間的相關(guān)性，同時因區(qū)塊鏈的去信任性、去中心化，也加強了信息傳輸之中的安全性，可以最大程度上防止盜取、篡改信息，從而使得信息安全問題得以解決，保證了會計數(shù)據(jù)信息的可靠性和真實性。 同時在區(qū)塊鏈技術(shù)之下，當信息有新的更新的時候，所有的節(jié)點上信息都會進行更新并且不可修改，使得信息的及時性更強。 區(qū)塊鏈在對信息記錄之時，需要鏈網(wǎng)之中的用戶進行確認記賬行為的真?zhèn)?，通過記錄則不可修改，每一方因為實現(xiàn)數(shù)據(jù)利益最大化，從而使得一些不良現(xiàn)象徹底消失。

會計從傳統(tǒng)簡單的記賬到如今的合理納稅，以后將會通過對財務(wù)數(shù)據(jù)的管理，進行更多方面的管理。 在大數(shù)據(jù)和區(qū)塊鏈的促進之下，會計之前的財務(wù)會計和管理會計分支將會融合。 大數(shù)據(jù)技術(shù)和區(qū)塊鏈技術(shù)的引入，所帶來的新平臺，將會使得會計人員不僅成為會計專家，也有可能成為大數(shù)據(jù)方面進行專業(yè)管理的編程人員，即有多類輔助技能的會計人才，成為新時代下有突出價值的新型會計人才，將會促進管理類會計與財務(wù)類會計的加速融合。

大數(shù)據(jù)以及區(qū)塊鏈技術(shù)，融合會計數(shù)據(jù)信息，提高了會計信息的數(shù)量也保證了會計信息的質(zhì)量，使得財務(wù)管理能力成為會計人員的必備能力，高級會計人員的管理能力將獲得強力突出。 從事基礎(chǔ)會計工作的會計人員也面臨會計行業(yè)的變革考驗，需要更多掌握管理會計、信息決策方面出發(fā)。

面對會計數(shù)據(jù)信息海量的數(shù)據(jù)，會計從業(yè)人員需要通過大數(shù)據(jù)技術(shù)、掌握多種高效的數(shù)據(jù)分析方式，綜合分析判斷數(shù)據(jù)信息，從而幫助企業(yè)做出正確的預(yù)案，同時提出問題的解決策略。 會計人員將計算機技術(shù)與會計知識的有機結(jié)合，利用大數(shù)據(jù)、區(qū)塊鏈技術(shù)，逐步將傳統(tǒng)賬簿修改成以大數(shù)據(jù)、區(qū)塊鏈技術(shù)為基礎(chǔ)的新型平臺。

數(shù)字經(jīng)濟時代，財務(wù)管理新變化

作者：王勇謝晨穎

【導(dǎo)讀】

數(shù)字經(jīng)濟時代，“大智移云物區(qū)”等數(shù)字技術(shù)已經(jīng)成為重塑各行各業(yè)的重要力量。 財務(wù)管理作為企業(yè)管理的重要內(nèi)容，也受到了巨大的影響和沖擊。 傳統(tǒng)財務(wù)的工作流程、管理模式、管理理念、組織架構(gòu)等各方面都發(fā)生了不同程度的變化。 企業(yè)的財務(wù)管理正在從電算化、信息化，逐漸走向數(shù)字化、智能化。

數(shù)字技術(shù)的進步會給財務(wù)管理帶來怎樣的改變？本文將從財務(wù)決策、資金管理、成本管理、財務(wù)職能、財務(wù)報告和財務(wù)風(fēng)險六個方面闡述數(shù)字經(jīng)濟時代財務(wù)管理發(fā)生的變革。

1.財務(wù)決策：從依賴經(jīng)驗的直覺決策到數(shù)據(jù)算法驅(qū)動的科學(xué)決策

長期以來，管理者通常憑借經(jīng)驗、直覺、判斷力來進行決策，雖然也會通過獲取數(shù)據(jù)進行模型的計算得出結(jié)果，但在過去，受限于技術(shù)能力，數(shù)據(jù)獲取不全面，導(dǎo)致很多決策模型無法使用，財務(wù)決策僅僅建立在企業(yè)內(nèi)部“財務(wù)小數(shù)據(jù)”的基礎(chǔ)上，包括收入、成本、利潤、資產(chǎn)、負債等，難以做出合理的決策。

數(shù)字經(jīng)濟時代，大數(shù)據(jù)的大量性（Volume）和多樣性（Variety）給管理者使用決策模型提供便利，可以得出更加科學(xué)合理的結(jié)果。 大數(shù)據(jù)不僅能收集到財務(wù)信息，也能收集到非財務(wù)信息；不僅能收集結(jié)構(gòu)化數(shù)據(jù)，也能收集到非結(jié)構(gòu)化、半結(jié)構(gòu)化數(shù)據(jù)；除了企業(yè)內(nèi)部業(yè)務(wù)數(shù)據(jù)，更延伸到企業(yè)外部，包括所屬行業(yè)、供應(yīng)鏈、競爭對手、監(jiān)管機構(gòu)、政府部門等所有利益相關(guān)者的數(shù)據(jù)。 數(shù)據(jù)和算法通過機器學(xué)習(xí)的方式不斷自我優(yōu)化，進而用“數(shù)據(jù)決策”替代“憑直覺經(jīng)驗和拍腦袋式?jīng)Q策”。

以投資決策為例，在進行投資決策時，過去的決策者在決策時無法掌握所有信息，且容易受到個人風(fēng)險偏好、認知偏差的影響，造成決策的主觀性。 基于大數(shù)據(jù)的投資決策模型糾正了決策中的非理性問題，得出的結(jié)論更加的科學(xué)，提高投資決策的合理性和準確性。 同時，通過建立量化投資模型幫助決策者處理海量數(shù)據(jù)，決策者能夠在短時間內(nèi)對影響投資結(jié)果的因素進行多角度分析，如經(jīng)濟周期、未來預(yù)期、盈利能力、心理因素、市場等，根據(jù)模型分析結(jié)果做出投資決策，極大提高了投資效率。 有實證研究表明，企業(yè)的投資規(guī)模、投資回報率與大數(shù)據(jù)發(fā)展指數(shù)之間呈正相關(guān)關(guān)系，即大數(shù)據(jù)的發(fā)展有利于企業(yè)做出更好的投資決策；同時，大數(shù)據(jù)發(fā)展指數(shù)與企業(yè)融資效率、內(nèi)源融資率及債務(wù)清償率均呈正相關(guān)關(guān)系。 大數(shù)據(jù)能夠提升企業(yè)融資決策的質(zhì)量。 [1]

谷歌采用“TheMachine”算法，通過或否決新的投資和后續(xù)投資。 通過收集某特定公司的市場數(shù)據(jù)、融資金額、聯(lián)合投資合作伙伴、以前的投資者、行業(yè)領(lǐng)域以及以前估值與目前估值的差額等方面的數(shù)據(jù)進行分析，用紅綠燈系統(tǒng)來考核某項投資指標體系，綠燈表示投資機會良好，紅燈表示不投資，黃燈表示需謹慎行事。 在使用初期只是作為投資盡調(diào)的輔助配角，現(xiàn)在其AI算法已經(jīng)進入投資委員會，可以對投資進行評估，且評估結(jié)果的準確率很高。

2.資金管理：從內(nèi)部資金管理到全產(chǎn)業(yè)鏈資金管理

傳統(tǒng)財資管理系統(tǒng)中更多是平面化財資管理，將財資管理的重點放在賬戶管理、資金結(jié)算、資金劃撥、資金對賬等交易性處理流程上，主要是對企業(yè)內(nèi)部資金的管理。

數(shù)字經(jīng)濟時代，隨著數(shù)字技術(shù)的不斷發(fā)展，可以支撐更加復(fù)雜多樣的資金管理模式，財資管理將從平面走向立體。 企業(yè)的資金管理不再局限于內(nèi)部資金的集中管控和調(diào)配，而是向供應(yīng)鏈金融模式轉(zhuǎn)變。 利用大數(shù)據(jù)、AI、云計算等技術(shù)，可以對產(chǎn)業(yè)鏈資金流動進行靜態(tài)和動態(tài)監(jiān)測管理。 上至供應(yīng)商，可以開展供應(yīng)鏈金融，做應(yīng)收賬款保理；下到消費者，可以做消費信貸，盤活全產(chǎn)業(yè)鏈資金。 [2]

蒙牛集團在企業(yè)內(nèi)部搭建了資金共享平臺，實現(xiàn)對資金的集中管控。 由集團總部統(tǒng)一調(diào)度、管理和運用所有的資金。 大量實時匯總的資金大數(shù)據(jù)，使現(xiàn)金流預(yù)測模型更加精確，讓集團對內(nèi)部資金的管理更精細、更高效、更主動。 除了內(nèi)部資金管理，在企業(yè)外部，蒙牛還建立了服務(wù)于上下游的供應(yīng)鏈融資平臺。 通過“互聯(lián)網(wǎng)+大數(shù)據(jù)”，從蒙牛上下游、奶源等第一層直聯(lián)的約上萬數(shù)量合作伙伴群，逐步延伸到第二層的上百萬數(shù)量的蒙牛生態(tài)圈伙伴，實現(xiàn)高效、低成本融資。 目前，蒙牛已與多家金融機構(gòu)合作開展供應(yīng)鏈金融業(yè)務(wù)。 通過EAS系統(tǒng)和銀行在數(shù)據(jù)渠道上打通，上下游企業(yè)可以直接登錄蒙牛供應(yīng)鏈融資平臺，高效融資，使得以蒙牛為核心企業(yè)的生態(tài)圈更加健康。

3.成本管理：實現(xiàn)精細化核算、前置化管控，優(yōu)化成本控制

在成本核算方面，作業(yè)成本法是現(xiàn)在較為精細化的管理方式，但基于技術(shù)條件的限制，很多作業(yè)層面的數(shù)據(jù)難以收集，導(dǎo)致實施起來較為復(fù)雜和困難。

數(shù)字經(jīng)濟時代，隨著大數(shù)據(jù)、物聯(lián)網(wǎng)等技術(shù)的興起，生產(chǎn)或服務(wù)中的每一步驟甚至每一個細節(jié)都能夠被各種智能儀器收集到，并傳遞到數(shù)據(jù)處理中心進行處理。 企業(yè)能夠方便快捷地獲取、篩選與成本相關(guān)的各種數(shù)據(jù)，避免了繁瑣的人工篩選數(shù)據(jù)的過程，使得作業(yè)成本法得以便捷的實現(xiàn)。 同時，成本數(shù)據(jù)的收集更為精確和全面，便于確定成本動因、識別增值作業(yè)，精細化成本管理，優(yōu)化成本控制過程。 實際上，由于智能設(shè)備和物聯(lián)網(wǎng)的應(yīng)用，一些傳統(tǒng)的間接費用變?yōu)橹苯映杀?，即使需要分配間接費用，也能找到較為精確的分配因子。

Amani等(2017)對數(shù)據(jù)挖掘技術(shù)在成本管理應(yīng)用中的幾個層面進行了綜述，分別是設(shè)備層面、流程層面、施工層面、產(chǎn)品層面和項目層面。 其中，在設(shè)備層可以用數(shù)據(jù)挖掘來評估設(shè)備制造成本，從而提高設(shè)備檢查和維修的精確度，追蹤設(shè)備更新成本；在流程層數(shù)據(jù)挖掘技術(shù)用來在成本核算中確定成本驅(qū)動因素,并幫助制定轉(zhuǎn)移定價的決策；在施工層通過創(chuàng)建神經(jīng)網(wǎng)絡(luò)系統(tǒng)，實現(xiàn)快速且精確的成本評估；在產(chǎn)品層數(shù)據(jù)挖掘可以用以預(yù)測產(chǎn)品單元的成本、評估產(chǎn)品生命周期成本；在項目層數(shù)據(jù)挖掘可以協(xié)助建立成本評估體系，包括有形產(chǎn)品和無形產(chǎn)品,如軟件和應(yīng)用等。 基于全過程、多層次的原則，財務(wù)可以在數(shù)據(jù)挖掘技術(shù)下實現(xiàn)對成本的精益管理，這是大數(shù)據(jù)技術(shù)在成本管理領(lǐng)域的重要應(yīng)用場景。

此外，傳統(tǒng)的成本控制是在成本發(fā)生后進行事后追蹤。 隨著數(shù)字技術(shù)的應(yīng)用，成本、費用被細分成不同的子類，針對不同子類都可以進一步向前延伸，建立專業(yè)的前端業(yè)務(wù)管理系統(tǒng)，如商旅管理系統(tǒng)、品牌宣傳管理系統(tǒng)、通信費用管理系統(tǒng)等等。 [3]這些前置業(yè)務(wù)系統(tǒng)和財務(wù)系統(tǒng)之間實現(xiàn)無縫銜接，將成本費用的管理前置到業(yè)務(wù)過程中去，實現(xiàn)前置化、過程化的成本控制和監(jiān)督。

4.財務(wù)職能：從交易記錄、核算監(jiān)督到?jīng)Q策支持、價值創(chuàng)造，實現(xiàn)業(yè)財深度融合

傳統(tǒng)財務(wù)的主要工作是承擔(dān)企業(yè)的財務(wù)核算和監(jiān)督職能，進行報表的編制、資金結(jié)算、報送財務(wù)信息等基礎(chǔ)性工作。 財務(wù)角色定位局限于賬務(wù)處理、薄記經(jīng)營活動，財務(wù)部門只是職能部門，不能產(chǎn)生附加價值，是“后臺”角色。

數(shù)字經(jīng)濟時代，財務(wù)的職能將發(fā)生重大變革。 以“憑證”為起點的傳統(tǒng)財務(wù)會計將逐漸被自動化和智能化，很多重復(fù)性、規(guī)則性的財務(wù)工作會被財務(wù)機器人所替代，更多財會人員被釋放出來，新的財務(wù)管理模式將實現(xiàn)“無人會計”。

麥肯錫《自動化和人工智能如何重塑財務(wù)職能》中顯示，大多數(shù)財務(wù)活動都存在自動化計劃，其中以交易型活動最易于自動化，對于一般的會計活動而言，77%的活動是可以全自動化的，12%的活動可以高度自動化。 牛津大學(xué)研究者也曾預(yù)測，未來20年，在英國會計行業(yè)中，財務(wù)行政人員和注冊會計師可能被機器完全替代的概率分別為96.8%和95.3%。

財務(wù)人員正在從以交易處理為主的財務(wù)會計向決策支持為主的管理會計轉(zhuǎn)型，轉(zhuǎn)變?yōu)橘x能者和創(chuàng)新引領(lǐng)者。 借助大數(shù)據(jù)挖掘技術(shù)，發(fā)現(xiàn)業(yè)務(wù)經(jīng)營中存在的問題、企業(yè)潛在的發(fā)展機會，參與經(jīng)營決策，并更多承擔(dān)資金管理、預(yù)算管理、風(fēng)險管控等高價值工作，全面參與到企業(yè)的經(jīng)營管理和價值創(chuàng)造活動中去。

同時，傳統(tǒng)財務(wù)工作相對獨立、封閉，很難與各項業(yè)務(wù)工作有效的融合,“會計和業(yè)務(wù)兩張皮”現(xiàn)象較為常見。 數(shù)字化時代，一切業(yè)務(wù)數(shù)據(jù)化，一切數(shù)據(jù)業(yè)務(wù)化，財務(wù)工作將與業(yè)務(wù)工作高度融合。 業(yè)務(wù)信息系統(tǒng)和財務(wù)信息系統(tǒng)在輸入、處理、存儲和輸出等各個環(huán)節(jié)共享，業(yè)務(wù)和財務(wù)人員之間的組織和職能劃分將會逐漸消失。 在數(shù)字技術(shù)、智能技術(shù)的加持下，會計人員的部分職責(zé)會轉(zhuǎn)移到業(yè)務(wù)人員身上，“人人財務(wù)”的趨勢逐漸凸顯。 （“人人財務(wù)”表現(xiàn)為財務(wù)即業(yè)務(wù)，業(yè)務(wù)即財務(wù)；人人皆財務(wù)，財務(wù)皆人人。 ）

新奧集團是一家業(yè)務(wù)版塊廣泛、子公司眾多的大型集團公司，其財務(wù)共享中心日常業(yè)務(wù)種類繁多，且有相當一部分業(yè)務(wù)流程需依靠人工完成，員工工作強度大、耗時久。 在財務(wù)數(shù)字化轉(zhuǎn)型中，新奧集團利用IBMRPA（機器人流程自動化）、規(guī)則引擎等技術(shù)，打造自動化財務(wù)機器人，引入虛擬員工，在財務(wù)共享中心上崗。 自動化機器人代替人工完成業(yè)務(wù)流程中重復(fù)度高、規(guī)則精確和吞吐量大的任務(wù)，以及跨崗位的多人操作、跨數(shù)據(jù)源的數(shù)據(jù)核對等；只有異常處理、需要創(chuàng)意和決策的任務(wù)才交給人工操作。 借助RPA技術(shù)，新奧集團財務(wù)共享中心不僅更快速、更高效地完成工作，而且最大限度釋放員工價值，讓員工做對企業(yè)有更高附加值的工作。

美的集團在財務(wù)數(shù)字化轉(zhuǎn)型中，構(gòu)建了財務(wù)共享平臺，重新架構(gòu)了管理體系，真正實現(xiàn)了“業(yè)財融合”。 轉(zhuǎn)型后財務(wù)人員從重復(fù)投入和效率低的境況中解放出來，將更多資源和精力投入到輔助經(jīng)營中。 財務(wù)職能由“辦公室”型財務(wù)轉(zhuǎn)變成“業(yè)務(wù)型和經(jīng)營管理型財務(wù)”，通過深入了解業(yè)務(wù)，深度分析各業(yè)務(wù)領(lǐng)域的經(jīng)營數(shù)據(jù)，為業(yè)務(wù)部門提供有力的數(shù)據(jù)支撐，支持企業(yè)經(jīng)營管理決策，提升經(jīng)營價值。 另外，集團重新設(shè)置了財經(jīng)各模塊職能崗位，比如財經(jīng)管理部的“預(yù)算管理專員、成本管理專員、會計管理專員、研發(fā)成本管理專員、資金管理專員”等崗位設(shè)計，所有財務(wù)工作側(cè)重于參與企業(yè)經(jīng)營管理，而不是會計核算。 財務(wù)人員從傳統(tǒng)的日常記賬中解脫出來，走進前線，參與到業(yè)務(wù)中，為業(yè)務(wù)提供決策支持。

5.財務(wù)報告：從定期、標準化報表到實時、多樣化、全面化報表

傳統(tǒng)財務(wù)報告通過對經(jīng)濟業(yè)務(wù)的確認、計量和報告，定期提供標準化的財報，有三個特點：一是主要提供財務(wù)數(shù)據(jù)，非財務(wù)數(shù)據(jù)很少呈現(xiàn)。 財報很難全面展現(xiàn)企業(yè)的財務(wù)狀況、經(jīng)營業(yè)績與發(fā)展前景。 二是標準化，即對所有使用者提供相同的格式和信息，不考慮信息使用者的個性化需求。 三是滯后性，傳統(tǒng)的“三表一注”面向過去，按季度或年度定期編制，對企業(yè)經(jīng)營狀況的反饋是滯后的。

隨著大數(shù)據(jù)、云計算、人工智能、圖像識別、機器學(xué)習(xí)等各種技術(shù)的出現(xiàn)，正在不斷改變會計信息加工的規(guī)則和方法，一些機構(gòu)已經(jīng)開始借助于人工智能算法，實現(xiàn)憑證的智能編制和報表的智能生成。 可以根據(jù)不同用戶的需求，提供多樣化的財務(wù)報告，滿足不同層級用戶的多樣化需求。 這些報告不再局限于財務(wù)信息，還包括大量非財務(wù)信息，財務(wù)報告走向精細和全面。 也不再局限于定期報告，而是可以做到實時化、可視化。 財務(wù)數(shù)據(jù)實時采集、實時核算與分析、實時傳輸與報告，為企業(yè)經(jīng)營決策提供支持。

其中，區(qū)塊鏈技術(shù)給財務(wù)報告帶來的影響是革命性的。 企業(yè)外部信息使用者及其內(nèi)部信息需求都能夠通過共識機制快速確定。 每一個企業(yè)參與者都可以提出多樣化的信息需求，通過區(qū)塊鏈技術(shù)能夠生成并發(fā)布各種樣式、內(nèi)容、結(jié)構(gòu)、目的的財務(wù)報告，如以經(jīng)濟事項為基礎(chǔ)的報告、全面收益報告、相互式按需報告、實時智能財務(wù)報告以及智能分析報告等，極大地克服了現(xiàn)行財務(wù)報告的諸多局限性。

德邦快遞的客戶量大、單量大，流轉(zhuǎn)數(shù)據(jù)大，對報表的時效要求非常高。 通過構(gòu)建業(yè)財一體化系統(tǒng)平臺，梳理業(yè)務(wù)單據(jù)與財務(wù)憑證之間的數(shù)據(jù)關(guān)聯(lián)，德邦快遞實現(xiàn)了90%憑證的自動生成、審核，每月自動處理200萬份業(yè)務(wù)單據(jù)；設(shè)置的各項報表架構(gòu)和業(yè)務(wù)規(guī)則，自動歸集、計算、輸出報表，每次報表編制時間由4小時縮短至60s，實現(xiàn)報表智能編制、實時查詢，滿足管理者對報表時效的高要求。

6.財務(wù)風(fēng)險：從依靠人進行風(fēng)險管控到機器自動識別風(fēng)險、提前預(yù)警

財務(wù)風(fēng)險包括籌資風(fēng)險、投資風(fēng)險、現(xiàn)金流風(fēng)險等。 傳統(tǒng)財務(wù)風(fēng)險管控主要依靠財務(wù)人員搜集信息，進行風(fēng)險識別時需要搜集的數(shù)據(jù)量龐大，財務(wù)人員難以整合多種渠道的數(shù)據(jù)，難以進行關(guān)聯(lián)信息查詢和擴展，效率低下，風(fēng)險控制的成本較大。

隨著大數(shù)據(jù)、人工智能等技術(shù)的廣泛應(yīng)用，財務(wù)風(fēng)險管控有了更先進的算法、模型和工具。 借助監(jiān)督式學(xué)習(xí)算法、知識圖譜等技術(shù)，把人類具有的直覺推理加以形式化或機器模擬，可以大量處理會計信息、供應(yīng)商管理審查信息、應(yīng)收賬款賬齡信息等，對財務(wù)風(fēng)險形成預(yù)判能力。 通過建立數(shù)學(xué)模型對不同風(fēng)險因素進行組合分析，使企業(yè)能夠在較短時間內(nèi)迅速識別潛在風(fēng)險并進行精確的量化分析，進而實現(xiàn)對財務(wù)風(fēng)險的及時控制。 此外，根據(jù)大數(shù)據(jù)的分析結(jié)果設(shè)立預(yù)警指標與臨界指標，還可提醒管理者在財務(wù)風(fēng)險發(fā)生前就做出應(yīng)對措施。

德勤認為機器學(xué)習(xí)可以解讀財務(wù)人員對于風(fēng)險的反應(yīng)方式，從而在沒有回饋或干預(yù)的情況下自主采取行動，根據(jù)持續(xù)的信息流快速反應(yīng)，進而降低財務(wù)風(fēng)險，使財務(wù)不需要在人的干預(yù)下就可以自主驅(qū)動智能工具，實現(xiàn)無人化的風(fēng)險管控。

阿里巴巴為了保持現(xiàn)金流的穩(wěn)定性和充足性，防止現(xiàn)金流風(fēng)險，建立了大數(shù)據(jù)財務(wù)風(fēng)險預(yù)警體系，將產(chǎn)生財務(wù)風(fēng)險的內(nèi)外部經(jīng)營環(huán)境等抽象因素數(shù)據(jù)化，利用大數(shù)據(jù)處理技術(shù)對各種風(fēng)險因子異常變化情況進行識別，任何涉及到現(xiàn)金流的風(fēng)險因子出現(xiàn)異常，預(yù)警體系都能夠基于大數(shù)據(jù)分析處理進行主動識別，并預(yù)警潛在的現(xiàn)金流風(fēng)險，通知管理人員及時進行風(fēng)險的管控。 與傳統(tǒng)財務(wù)風(fēng)險預(yù)警體系不同，大數(shù)據(jù)財務(wù)風(fēng)險預(yù)警體系在云技術(shù)的支持下能夠?qū)崿F(xiàn)事前預(yù)測、事中處理、事后管控的實時動態(tài)監(jiān)控。

【小結(jié)】

數(shù)字經(jīng)濟時代，在大數(shù)據(jù)、云計算、區(qū)塊鏈等數(shù)字技術(shù)的沖擊下，傳統(tǒng)的財務(wù)管理模式發(fā)生了深刻變革。 財務(wù)決策從經(jīng)驗驅(qū)動變?yōu)閿?shù)據(jù)驅(qū)動，資金管理從內(nèi)部管理延伸到全產(chǎn)業(yè)鏈、生態(tài)圈的管理，成本核算精細化、成本控制前置化，財務(wù)職能從核算監(jiān)督到?jīng)Q策支持、價值創(chuàng)造，財務(wù)報表從定期、標準到實時、多樣，財務(wù)風(fēng)險管控從依靠人到機器自動識別、提前預(yù)警。 企業(yè)要抓住數(shù)字經(jīng)濟的時代機遇，加快財務(wù)管理的數(shù)字化轉(zhuǎn)型，充分發(fā)揮財務(wù)在數(shù)據(jù)方面具有的先決性優(yōu)勢。

參考文獻：

數(shù)據(jù)分析能力體現(xiàn)在哪些方面

數(shù)據(jù)分析能力體現(xiàn)在以下方面：

1.數(shù)據(jù)收集與整理能力

數(shù)據(jù)分析的第一步是數(shù)據(jù)的收集與整理。 數(shù)據(jù)分析者需要具備收集各種類型的數(shù)據(jù)的能力，包括從數(shù)據(jù)庫、API、網(wǎng)絡(luò)等渠道獲取數(shù)據(jù)。 此外，還需要對數(shù)據(jù)進行清洗、去重、處理缺失值等，以確保數(shù)據(jù)的質(zhì)量和完整性。

2.數(shù)據(jù)探索與可視化能力

數(shù)據(jù)分析者需要通過數(shù)據(jù)探索來理解數(shù)據(jù)的特征和規(guī)律。 他們需要運用各種統(tǒng)計方法和可視化工具，對數(shù)據(jù)進行探索性分析，發(fā)現(xiàn)其中的模式、趨勢和異常值。 通過可視化手段，可以更直觀地呈現(xiàn)數(shù)據(jù)的結(jié)構(gòu)和關(guān)系，幫助決策者快速理解數(shù)據(jù)背后的信息。

3.統(tǒng)計分析與模型建立能力

數(shù)據(jù)分析離不開統(tǒng)計分析的方法和技術(shù)。 數(shù)據(jù)分析者需要掌握各種統(tǒng)計分析方法，如描述統(tǒng)計、推斷統(tǒng)計、回歸分析、聚類分析等，以從數(shù)據(jù)中提取有意義的信息和模式。 此外，他們還需要具備建立預(yù)測模型、機器學(xué)習(xí)模型等的能力，以解決實際問題和做出準確的預(yù)測。

4.數(shù)據(jù)解釋與故事講述能力

數(shù)據(jù)分析的最終目的是為決策者提供具有洞察力的建議和決策支持。 數(shù)據(jù)分析者需要將復(fù)雜的分析結(jié)果轉(zhuǎn)化為簡潔明了的語言和圖表，能夠清晰且有邏輯地向非專業(yè)人士解釋分析結(jié)論。 他們需要具備良好的溝通能力和故事講述能力，將數(shù)據(jù)背后的故事傳達給相關(guān)人員。

5.業(yè)務(wù)理解與問題解決能力

數(shù)據(jù)分析的核心是圍繞實際業(yè)務(wù)問題展開的。 數(shù)據(jù)分析者需要了解所從事的行業(yè)或領(lǐng)域的業(yè)務(wù)特點和相關(guān)知識，才能更好地理解問題背景和目標。 他們需要能夠準確把握業(yè)務(wù)需求，將問題轉(zhuǎn)化為可量化和可分析的形式，并提供相應(yīng)的數(shù)據(jù)支持和解決方案。

6.持續(xù)學(xué)習(xí)和自我提升能力

數(shù)據(jù)分析領(lǐng)域發(fā)展迅速，涉及到多個學(xué)科和技術(shù)。 數(shù)據(jù)分析者需要具備持續(xù)學(xué)習(xí)和自我提升的能力，跟上最新的數(shù)據(jù)分析方法、工具和技術(shù)。 他們需要參加培訓(xùn)、閱讀相關(guān)文獻、參與社區(qū)和行業(yè)討論，不斷提升自己的專業(yè)水平。

數(shù)據(jù)分析能力體現(xiàn)在數(shù)據(jù)收集與整理、數(shù)據(jù)探索與可視化、統(tǒng)計分析與模型建立、數(shù)據(jù)解釋與故事講述以及業(yè)務(wù)理解與問題解決等方面。 除了專業(yè)知識和技能，數(shù)據(jù)分析者還需要具備良好的溝通能力、學(xué)習(xí)能力和問題解決能力，以全面地應(yīng)對各種數(shù)據(jù)分析任務(wù)。

---

---

相關(guān)標簽： 提升溝通和洞察、 數(shù)據(jù)參量化對象有哪些、 數(shù)據(jù)參量化對數(shù)據(jù)可視化的影響、

上一篇：面向數(shù)據(jù)科學(xué)家和分析師的數(shù)據(jù)參量化入門指

下一篇：AI和機器學(xué)習(xí)中的數(shù)據(jù)參量化增強模型性能和