零售业如何进行数据分析与策略调整（制度范本、doc格式） 本文关键词：零售业，范本，策略，调整，格式
零售业如何进行数据分析与策略调整（制度范本、doc格式） 本文简介：天马行空官方博客：http://t.qq.com/tmxk_docin；QQ:1318241189；QQ群：175569632零售业如何进行数据分析与策略调整许多企业的生产活动都会产生大量的数据，而对这些数据的深层次挖掘所产生的数据分析报告，对企业的运营及策略调整至关重要。本文对数据的产生、归类、分
零售业如何进行数据分析与策略调整（制度范本、doc格式） 本文内容：
天马行空官方博客：http://t.qq.com/tmxk_docin
；QQ:1318241189；QQ群：175569632
零售业如何进行数据分析与策略调整
许多企业的生产活动都会产生大量的数据，而对这些数据的深层次挖掘所产生的数据分析报告，对企业的运营及策略调整至关重要。本文对数据的产生、归类、分析方法与关联的策略调整进行了有益的探讨。
在零售业中，连锁公司竞争的实质是管理的竞争。其管理的一个核心目标就是有目的、高效率的收集、处理、使用各种信息。而信息是建立在数据的基础上的，也就是说，对管理的对象进行量化处理。数据是对生产的直接记录，而信息则是在数据的基础上人为的反馈及判断，企业策略决策的依据。
对某一个行为的分析需要某一群数据组合，对另一个行为的分析又需要另一群数据组合，每一个不同行为分析所需要的数据组合都是不一样的。为了方便抽取数据，我们要对所有的数据进行分类。通常，我们把一些能直接反映商业行为表象的数据，如进货、销售、库存等数据作为直接数据;
把一些能影响商业行为的数据，如客流量、商品项数、费用成本等作为间接数据。我们不仅要分析进销存这些直接数据，更重要的是要分析间接数据，因为间接数据是改变直接数据质量的基础。
直接数据的分析
对直接数据进行分析，在现阶段的零售业已经非常普遍了，从中很容易找出数据分析的结果进而调整策略。下面我们来看几个表格和案例:
1．
销售额及各分类商品销售比例
案例1:
某商场2004年可口可乐销售记录（见表1)
从这个表格可以看出在6、7、8月份可乐的销售呈大幅度上升的趋势，分析原因我们知道是因为夏季到来的缘故，根据这个直接数据模型我们对门店的指导策略是:
增大备货量，调整店面陈列，做好敏感商品的价格策略。
●
案例2:
销售日报表（见表2)
在进行商品的品类管理时，我们都有一个初始的各类销售占比模型，根据这个表格我们就直接知道占比的差异，得到我们需要调整的类别
2．
促销商品的销售额和销售比例
案例3:
销售日报表（见表3)
通过对促销商品的占比分析，我们可以判断一次促销策略的成功与否，有没有达到们我们预期的效果（零售促销策略认为促销品的销售占比应该在20%左右）。
3．
进货量与库存量
案例4:
销售日报表（见表4)
通过对进货量和库存量的对比我们可以得出进货的合理性，对不合理进货需进行更正处理，以减少库存的积压。
4．
库存周转率（表格与案例）
案例5:
销售日报表(见表5)
如何来分析周转天数，也就是说，周转天数高和低哪个好？最合理的周转天数是多少？从商品库存周转率(次数)和周转天数两个效率指标中,可显示商品的“新鲜”程度。
商品周转率高(周转日数短)的好处是:每件商品的固定费用（成本）降低;
相对降低由损坏和失窃引起的亏损;
能提供新鲜的商品;
能顺应流行商品的潮流;
能有弹性地进货，应变自如;
能以少量的投资得到丰富的回报;
减少存货中不良货品的机会。
而周转率过高（天数太短）带来的危机是:
容易出现“断货”;
陈列不够丰满;
不容易获得大量进货的折扣优势;
进货次数增加使得进货程序和费用相应增加;
进货次数增加也使运送费用相应增加。
5．
毛利率与毛利额（表格与案例）
●
案例6:
销售状况表
以上的几个案例应用的是对直接数据的分析，在分析中大量地使用了比例分析法，通过对零售业的比例模型及竞争对手的比例模型，我们会很方便地得到需要进行调整和改进的策略。但对随之需要进行的精细调整、定位于调整哪一类中的哪一些商品、为什么要这么调整、应该如何调整等问题我们就显得有些茫然了。对于这些问题现在往往依靠业务人员的经验来处理，但解决这些问题的最有效方式是数字化运营分析。数字化运营分析也就是对间接数据的组合分析，建立数据钻取模型，在数据仓库中进行钻取，逐渐找到我们的问题点。
间接数据的组合分析
间接数据的组合分析就是将直接数据分析中得到的分析结果进行有效的组合和数据关联，并且在统一的数据模型下进行钻取以及进行关联交叉分析，逐渐发现并缩小分析的范围。
我们在间接数据的分析中常用到的是销售综合分析、库存分布分析、商品结构分析、ABC商品分布分析、商品毛利带分布分析、商品价格带分布分析、商品滞销与进货量分析、供应商盈利能力分析等，在这些分析中可以互相交叉和分析条件的传递。下面将通过销售综合分析及交叉分析的案例来展现间接数据组合分析的魅力。
1．
销售综合分析
销售综合分析的分析指标是销售额、毛利额、毛利率、交叉比率、库存（日均）;
分析条件是时间段（任意时间段、自然时间段）、经营方式;
分析层次是总部→门店→大类→中类→小类→单品。表6为开始分析时的报表入口。
这个报表的第一行是全公司的综合分析比率，可以作为对比数据分析的基点，在这里用到的是毛利率、交叉比率、日均库存。通过对毛利率的对比，发现门店2的毛利率偏低，偏离了制定的毛利率目标。要找出偏离的原因，需要对数据进行关联的钻取分析。将报表条件进行传递，得到钻取到门店2的大类报表。通过对表7分析可以看出大类2的毛利偏低，我们可以一直钻取到中类、小类、单品，还可以进一步地将报表条件传递给销售—毛利带的交叉分析。
2．
交叉分析（销售—毛利带）
在对整个低毛利的中类作毛利带分析的基础上，我们可以调整毛利带的分布结构，把毛利带进行偏移，来调整我们的价格策略。
3．
关联分析（同比/环比分析）
将上一级分析的报表条件传递给同比分析，用同比分析的结果来检验我们对毛利调整策略的结果，看一下数据变化趋势，以便进行下一阶段的商品调整。
通过上面的对销售的综合分析报表，层层数据钻取后，对毛利的偏差已经可以精确的定位问题的所在，并通过数据分析来制定策略的调整。同时还可以将更多的报表进行传递展现，一层一层地深入，建立企业的经营数据模型，用比较分析法找出差异，做到数字化的运营管理，提升企业的竞争力。
链接
数据化管理
数字化管理，要求用数据“说话”，实施数据化管理，必须尊重数据，每一个人都必须对数据负责。数据化管理的实质是用数据来反映实际发生情况与原定预算指标的差异。当预算汇总表所反映的情况与实际发生的情况有差异，也就是说明企业在总体上已偏离了所要实现的目标，这时，预算汇总表又成为采取纠正措施的指导。
实际完成情况与原指标（Budget）有了偏差，就需要我们对原指标进行调整，进行新的一轮预测（Forecast）。数据分析是现代信息技术与现代管理技术结合的产物。
篇2：HR数据分析及报告
HR数据分析及报告 本文关键词：报告，分析，数据，HR
HR数据分析及报告 本文简介：上海汽车人力资源数据分析报告小组成员：曲舒谭理欣阿妮尔肖欣竺刘钰婷一、行业和公司背景介绍（一）行业背景自2002年之后，中国汽车行业开始进入爆发式增长阶段，特别是随着私人消费的兴起，轿车需求量开始迅速攀升，并成为推动中国汽车发展的一股重要力量。与此同时，中国在全球汽车产业中的地位也逐渐上升。到200
HR数据分析及报告 本文内容：
上海汽车人力资源数据分析报告
小组成员：曲舒
谭理欣
阿妮尔
肖欣竺
刘钰婷
一、行业和公司背景介绍
（一）行业背景
自2002年之后，中国汽车行业开始进入爆发式增长阶段，特别是随着私人消费的兴起，轿车需求量开始迅速攀升，并成为推动中国汽车发展的一股重要力量。与此同时，中国在全球汽车产业中的地位也逐渐上升。
到2009年，中国取代美国成为世界上最大的汽车销售市场，结束了由福特公司开始的美国长达一个多世纪的汽车统治地位。不仅如此，2009年，中国的汽车产量超过了日本和美国的总和，自2006年以来，由日本汽车工业保持的世界第一的位置，在2009年也被中国取代。2009年中国汽车工业产销总量分别达到1379.1万辆和1364.48万辆，同比增长48.30%和46.15%。
2010年，在国家扩内需、调结构、促转变等一系列政策措施的积极作用下，我国汽车工业延续2009年发展态势，保持平稳较快发展。汽车产销快速增长，自主品牌市场份额提升，汽车出口逐步恢复，大企业集团产销规模整体提升，市场需求结构进一步优化，汽车工业产业结构调整加快。2010年，汽车产销分别为1826.47万辆和1806.19万辆，同比增长32.44%和32.37%，保持了世界第一的地位。
2011年以来，我国汽车业步伐放缓，汽车市场整体趋势向淡，但同时也是理性回归。2011年1-5月，汽车产销分别为777.97万辆和791.62万辆，同比增长3.19%和4.06%，增幅较2010年同期分别回落52.4和49.19个百分点。中国汽车产业作为世界汽车产业重要的组成部分，未来十年是中国汽车产业的黄金期，汽车产业已经完成了从小到大的过程，正在逐步实现由弱到强的巨大跨越，全球汽车工业将向中国和一些新兴经济体进一步转移，这对中国汽车工业来说，仍是非常难得的历史机遇。
（二）公司背景和现状
上海汽车集团股份有限公司（简称“上汽集团”，股票代码为600104）是国内A股市场最大的整车上市公司。2011年，通过向上海汽车工业（集团）总公司及上海汽车工业有限公司发行股份，购买独立零部件、服务贸易和新能源汽车业务的相关股权和资产，上汽集团实现资产重组整体上市，总股本达到110亿股。上汽集团主要业务涵盖整车(包括乘用车、商用车)、零部件(包括发动机、变速箱、动力传动、底盘、内外饰、电子电器等)的研发、生产、销售，以及汽车服务贸易业务（包括汽车金融）。上汽集团所属主要整车企业包括乘用车公司、商用车公司、上海大众、上海通用、上汽通用五菱、南京依维柯、上汽依维柯红岩、上海申沃等。1997年8月正式成立上海汽车集团股份有限公司，同年11月7日公司在上海证券交易所上市2006年公司通过向控股股东发行股份并购买资产，成为中国A股市场最大的整车上市公司2007年，上汽总公司以合并报表180亿美元的销售收入在世界500强中排名第402位
2010年度公司整车销量达到358.3万辆，成为国内首家年销量突破300万辆的整车大集团，在全球汽车行业销量排名第8位。
秉着以真挚的情感留住人、以精彩的事业吸引人、以艰巨的工作锻炼人、以有效的学习培养人、以合理的制度激励人的企业文化，公司在人员的学历结构上进行了优化。从上图可以看出：公司的本科及以上人数都是呈上升趋势，说明公司越来越重视员工质量发展。
从人员的部门结构可以看出：技术和生产部门的员工是员工的主力军，说明公司的品牌是由坚硬的质量作为后盾保障。
从员工福利图可以看出，近几年员工的福利在不断上升，尤其是福利费和工资补贴奖金等，这说明公司越来越注重员工福利。加深了以人为本的管理理念。
二、与同行业公司对比性分析
对比分析十六项指标
指标类别
指标名称
指标类别
指标名称
核心经营指标
营业利润率
数量结构指标
大专及以上人员比例
净资产收益率
行政及管理人员比例
高管激励指标
最高高管薪酬
技术人员比例
最低高管薪酬
销售人员比例
最高高管薪酬是人均薪酬福利的倍数
生产人员比例
高管薪酬总额占员工薪酬比例
费用成本指标
员工人均薪酬
人力资本效率指标
人均营业收入
人力资本投资回报率
人均净利润
人力资本增值修正指数
（一）核心经营指标
营业利润率(Operating
Profit
Ratio)
指企业的营业利润与营业收入的比率。它是衡量企业经营效率的指标，反映了在不考虑非营业成本的情况下，企业管理者通过经营获取利润的能力。营业利润率越高，说明企业商品销售额提供的营业利润越多，企业的盈利能力越强；反之，此比率越低，说明企业盈利能力越弱。其计算公式为：
营业利润率=营业利润/全部业务收入×100%
。其中营业利润取自利润表，全部业务收入包括主营业务收入（营业收入）和其他业务收入（营业外收入）
。
（单位：%）
通过分析上海汽车、一汽轿车、宇通客车、东风汽车的营业利润率，可以看出一汽轿车通过销售额提供的利润领先于其他公司。而主要的分析的上海汽车高于行业平均水平，但是落后于一汽轿车和宇通客车；纵向来看，上海汽车的营业利润率在2008年和2009年经历下滑之后已于2010年有了明显的上升。
营业利润率的指标说明：
1.
上海汽车经营水平（包括销售商品和提供劳务等活动）高于行业平均，但与行业领先水平有一定差距，有待提高。
2.
上海汽车创造的高利润很大部分来自于非经营活动（如投资活动等）带来的利润。
净资产收益率（Rate
of
Return
on
Common
Stockholders
Equity）是净利润与平均股东权益的百分比，是公司税后利润除以净资产得到的百分比率。该指标反映股东权益的收益水平，用以衡量公司运用自有资本的效率。指标值越高，说明衡量的是投资产出效率越高。根据《中国证券报》2011年12月22日的文章《巴菲特最关注的业绩指标：净资产收益率》指出，“分析巴菲特收购的68家公司以及投资股票的35家公司，其业务差别较大，规模差别也很大。但它们有一个共同的特点，就是净资产收益率相当高”而巴菲特对所投资公司的净资产收益率的要求是：净资产收益率要高，而且要稳。分析中国股市2000年前上市的860家公司，2000年到2009年的10年间，净资产收益率全部高于15%的公司只有格力电器一家，其股价涨幅为15倍。2003年前上市的1142家公司中，2003年到2009年的7年间，净资产收益率全部高于15%的公司有15家
刘建位.巴菲特最关注的业绩指标：净资产收益率[N]．中国证券报,2011.12.22
http://stock.eastmoney.com/news/1406,20111222183863258.html
（单位：%）
由上图可以看出，宇通客车的净资产收益率明显领先其他公司。而主要的分析的上海汽车净资产收益率在经历2007年和2008年的低迷后，2009年开始崛起，在2010年更达到了27.78%。因此，净资产收益率的指标说明，
1.
上海汽车的投资产出效率正在朝积极的方向发展，从2009年开始态势好转。
2.
上海汽车的投资产出效率稳定性不强，收到外部环境的影响较大，从而可能影响投资者的信心。
（二）高管激励指标
从上图可看出：
上海汽车公司高管最高和最低薪酬的差值逐年减少，2007年度高管最高与最低薪酬差值最大达120万，2010年度差值为18.1万元。
该指标说明：
1、
与同行业相比，上海汽车公司高管薪酬分配较均匀，高管内部矛盾较少。
2、
高管薪酬整体水平较低，激励不足。
从上图可看出：
上海汽车公司该指标逐年降低，2008年度同比减少68.17%，2010年达到最低值1.69倍。
1、
同行业比较，高管薪酬与员工人均薪酬差距较小，企业内部薪酬分配较均匀。
2、
高管薪酬水平同类企业相比较低，对高管激励不足。
结论：适当增加高管薪酬。
（单位：%）
从上图可看出：
上海汽车公司高管薪酬占员工薪酬比例逐年减小，2007年度为0.79%，2010年度仅为0.24%。同比其他公司，宇通客车高管薪酬总额占员工薪酬比例较大，东风汽车高管薪酬水平较低，但呈现上升趋势。上海汽车公司高管薪酬水平整体偏低，并持续降低。
结论：对高管激励不足，适当增加高管薪酬。
（三）数量结构指标
1.部门人员结构
2007年至2010年，十家公司中的生产人员比例逐步下降，其中最明显的是上海汽车，其生产人员比例在09年骤减近30%，相比之下，其行政管理人员比例大幅增加至40%的水平，这从侧面反映出本公司有雇佣劳务派遣工的可能。在宇通客车和东风汽车中生产人员的比例呈缓慢减少的趋向。而在一汽轿车中生产人员的比例却一直微微高于平均水平，一直在60%之上。上海汽车的技术人员比例，不管是和平均水平相比，还是和营业利润率最高的三家公司相比，在四年中皆高出2~3倍左右；宇通客车的销售人员比例一直保持在20%左右，在高于平均水平的10%；东风汽车的行政管理人员比例从2007年的20%不断增加到2010年的25%。
2.员工学历
在十家公司中，大专以上学历的员工比例平均在45%上下浮动，而在营业利润率处于前三的一汽轿车、宇通客车和上海汽车中，大专以上学历员工比例皆在平均数以上并有上升趋势。东风汽车的大专以上学历的员工比例在08年大幅下降，同年营业利润率低于十家公司平均数5%左右，随着之后大专以上学历员工比例的缓慢上升，其营业利润率也慢慢爬到十家公司的平均水平。与之相比，一汽轿车大专以上学历的员工比例略高于十家公司平均数，而其营业利润率却一直居于首位。
（单位：%）
（四）费用成本指标
员工人均薪酬=薪酬总额/员工总数
（单位：元/年）
从总体上看，员工人均薪酬呈上升趋势，最突出的是上海汽车，其员工人均薪酬远远高出另外三家公司且稳健上涨。究其原因，上海汽车的员工总数在2007年只是一汽轿车的77%，而其薪酬总额是一汽轿车的两倍有余，这种形势保持至今，据推断，上海汽车可能雇佣了很多劳务派遣工，压低了员工人数，却拔高了薪酬总额，导致员工人均薪酬鹤立鸡群的情况。
（五）人力资本效率指标
1.人均营业收入
（单位：元）
从上图可看出：
(1)上海汽车公司人均营业收入四年度均明显高于行业平均数，在行业中处于领先地位。至2010年末上海公司营业收入达5466万人民币。
(2)人均营业收入持续处于快速上升态势，前景良好。
2.人均净利润
从上图可看出：
(1)上海汽车公司人均净利润4年均显著高于行业平均水平，保持行业领先。
(2)2008年人均净利润出现重大滑坡，一方面受金融危机的影响，另一方面收购子公司公司造成了利润的负面效应。2008年之后，该指标快速速增长，至2010年末，人均净利润达247.9万人民币，未来发展前景较好。
(3)该指标波动较大，表现不稳定，增强稳定性仍是重要任务。
（单位：%）
3.人力资本投资回报率,即企业在人力资本上每投入1元所获得的回报，是一项衡量人力资本有效性的核心指标，其计算公式为：企业利润/员工薪酬福利总和。人力资本投资回报率衡量企业对员工的每一份投入所获得的税前利润。该指标受到收入、非工资成本、员工数量及平均薪酬福利四个要素的影响，旨在建立起企业盈亏、基础业绩水平提升和人力资本投资管理之间的动态联系。企业的目标之一便是将人力资本投资回报率最大化。
从上图可以看出，除了2008年，上海汽车的人力资本回报远远领先于行业其他三家公司，究其原因，可能有以下几个方面：
(1)公司利润的快速增长，净利润2009年与2008年同比增长904.61%，2010年与2009年同比增长108.26%。利润的快速增长是人力资本投资回报率提升的直接原因。
(2)上海汽车重视人力资本的投资的理念和战略，人力资本投资回报率摇摇领先的重要原因。
(3)外部环境因素的重要影响，2008年的低迷主要受到金融危机的波及和收购的子公司业绩亏损的影响，而金融危机过后投资者和消费者逐步恢复对市场的信心，是企业发展的一个机遇。上海汽车正是在这样的背景中实现了利润的超过九倍的增长。
4.人力资本效率分析：人均工会与教育费用和人均净利润的比较
（一汽轿车2010年数据缺失）
上海汽车的工会与教育支出远远高出其他三家公司，但呈现减少的趋势，值得注意的是在2008年人均净利润暴跌时，工会与教育支出达到峰值。
三、人力资本投入对公司产出影响的多元回归分析
（一）模型设定
在经济学假设中，利润由劳动力和资本共同创造，其中资本分为技术设备和资金两部分。为分析企业人力资本投入和技术设备等资本投入对产出的贡献所占的比例，我们选取了应付职工薪酬总额作为劳动力投入的代理变量，用固定资产累计折旧和短期借款作为资本的代理变量，用营业收入作为产出的代理变量，为降低异方差的影响以及建立直观的弹性模型，我们选取了营业收入和应付薪酬的对数形式。
因此多元回归的模型为：
ln(income)
=
β0
+
β1ln(salary)
+
β2
depreciation
+β3loan
+
u
其中，income代表营业收入，salary代表应付职工薪酬，depreciation代表固定资产折旧，loan代表短期借款，u代表误差项。
（二）回归过程
净利润（收益）是指在利润总额中按规定交纳了所得税后公司的利润留成，一般也称为税后利润或净收入。净利润是一个企业经营的最终成果，净利润多，企业的经营效益就好；净利润少，企业的经营效益就差，它是衡量一个企业经营效益的主要指标。同时，净利润也是评价企业盈利能力、管理绩效以至偿债能力的一个基本工具，是一个反映和分析企业多方面情况的综合指标。我们选取了行业净利润较高的三家公司和主公司进行对比。
根据公布的2010年企业年报财务数据，中国重汽净利润为38246万元，东风汽车净利润为31155万元，金龙汽车净利润为15425万元，选取此三家作为净利润较高的三家公司【与东安动力（净利润178万元）、中通客车（净利润3803万元）、一汽夏利（净利润10870万元）对比】。
将净利润较高的三家公司2006—2010年的数据代入回归方程，使用SPSS统计软件进行回归，得到结果如下：
表一：
输入／移去的变量b
模型
输入的变量
移去的变量
方法
1
固定资产累计折旧,短期借款,lnsalarya
.
输入
a.
已输入所有请求的变量。
b.
因变量:
lninc
模型汇总
模型
R
R
方
调整
R
方
标准
估计的误差
1
.896a
.803
.743
.15117
a.
预测变量:
(常量),固定资产累计折旧,短期借款,lnsalary。
Anovab
模型
平方和
df
均方
F
Sig.
1
回归
.929
3
.310
13.550
.001a
残差
.229
10
.023
总计
1.158
13
a.
预测变量:
(常量),固定资产累计折旧,短期借款,lnsalary。
b.
因变量:
lninc
系数a
模型
非标准化系数
标准系数
t
Sig.
B
标准
误差
试用版
1
(常量)
18.841
1.289
14.613
.000
lnsalary
.204
.063
.683
3.259
.009
短期借款
2.132E-10
.000
1.234
6.083
.000
固定资产累计折旧
4.984E-10
.000
.713
3.971
.003
a.
因变量:
lninc
得到的回归方程为：
ln(income)
=
18.841
+
0.204ln(salary)
+
2.132E-10loan
+
4.984E-10depreciation
（系数在5%的程度上通过了显著性检验）
将净利润较高的三家公司连同主公司上海汽车2006—2010年的数据代入回归方程，使用SPSS统计软件进行回归，得到结果如下：
表二：
输入／移去的变量b
模型
输入的变量
移去的变量
方法
1
短期借款,lnsalary,固定资产累计折旧a
.
输入
a.
已输入所有请求的变量。
b.
因变量:
lninc
模型汇总
模型
R
R
方
调整
R
方
标准
估计的误差
1
.857a
.734
.680
.58165
a.
预测变量:
(常量),短期借款,lnsalary,固定资产累计折旧。
Anovab
模型
平方和
df
均方
F
Sig.
1
回归
13.979
3
4.660
13.773
.000a
残差
5.075
15
.338
总计
19.054
18
a.
预测变量:
(常量),短期借款,lnsalary,固定资产累计折旧。
b.
因变量:
lninc
系数a
模型
非标准化系数
标准系数
t
Sig.
B
标准
误差
试用版
1
(常量)
17.311
3.076
5.627
.000
lnsalary
.303
.160
.363
1.894
.078
固定资产累计折旧
4.697E-11
.000
.320
1.540
.144
短期借款
2.772E-10
.000
.478
3.072
.008
a.
因变量:
lninc
得到的回归方程为：
ln(income)
=
17.311
+
0.303ln(salary)
+
2.772E-10loan
+
4.697E-11depreciation
（系数在10%的程度上通过了显著性检验）
【注：由于每个公司只有五个年份的数据，样本数过小，因此我们没有直接将上海公司作为单独主体代入回归方程。】
（三）系数分析及结论
从表一中可知，行业中净利润较高的三家公司人力资本投入对产出的贡献为0.204，即人力资本投入每增加一个百分点，产出就增加0.204个百分点。从表二中可知，当此三家公司连同主公司上海公司一起进入回归方程时，人力资本投入对产出的贡献增加至0.303，即人力资本投入每增加一个百分点，产出就增加0.303个百分点。由此可知，上海公司的人力资本投入回报率高于行业若干领军公司的平均水平。上海汽车作为汽车行业的龙头，其迅速发展与高人力资本投入回报率有着密切的关系。
四、报告结论及建议
（一）高管
u
上海公司对高管激励不足，应适当增加高管薪酬。
u
高管之间的薪酬差距较小，有利于保持公平的管理团队，应继续维持。
u
完善引进外籍人才的考核和筛选制度，避免外籍高管理念与公司文化的冲突。
（二）收购
u
在收购期间保持人才的稳定性，留住核心人才，吸引优秀人才。
u
通过在职培训和工会活动加快子公司融入母公司的进度。
（三）文化
u
公司应继续保持崇尚人本管理的价值观，保持领跑中国汽车行业的龙头地位。
（四）薪酬福利
u
完善职工薪酬福利体系，加大职业发展、绩效评估与管理、薪酬管理发展力度。
（五）员工结构
u
为了减少培训和招聘成本，增强非正式员工的稳定性和忠诚度，建议适当增加雇佣工转正的比率。
篇3：营销数据分析学习心得
营销数据分析学习心得 本文关键词：学习心得，营销，分析，数据
营销数据分析学习心得 本文简介：如何让数字说话——营销数据分析学习心得引言：当前社会，市场变化纷繁芜杂，竞争无处不在，需要处理的信息以海量计，公司发展受市场制约，任何决策都如履薄冰，因此科学决策必须打破原有的定性感觉而依赖于信息支持，这些信息相当程度上，又必须以一种狭义的数据形式，给决策者一种量化的直观体现。关于数据处理的技术性的
营销数据分析学习心得 本文内容：
如何让数字说话
——营销数据分析学习心得
引言：
当前社会，市场变化纷繁芜杂，竞争无处不在，需要处理的信息以海量计，公司发展受市场制约，任何决策都如履薄冰，因此科学决策必须打破原有的定性感觉而依赖于信息支持，这些信息相当程度上，又必须以一种狭义的数据形式，给决策者一种量化的直观体现。
关于数据处理的技术性的问题，不在此讨论，通过学习，本文主要从思路和视角的角度对公司现存的数据采集、管理和分析进行探讨。主要着眼点在于营销版块，对于公司其它版块所需要的数据分析的普遍原理也会略有涉及，权作抛砖引玉。
一、数据分析思路缺乏创新，数据管理责权混乱
在获得海量的数据之初，我们首先要解决的是认知问题，即在现有市场条件下，销售面对的主要问题是什么，知道我们需要解决的目标是什么？我的对策是哪些？我们关注的要点在哪里？我们决策需要的依据是什么？而这些都是传统的销售收入、回款、毛利率以及应收账款等关键KPI（关键绩效指标法）指标所无法解释的。我们不应该仅仅满足于传统指标的比大小，我们更需要基于我们的业务理解去分解分析我们的微指标，让大而全的冰冷的数字细化的活跃起来。
比如说我们的客户成长率、产品的实际使用周期和客户采购率的关系、整体的市场占有率和分区域分行业的市场占有率、价格水平以及定价与销售量的关系……
扩展到其他部门或者管理版块，KPI指标分解同样适用。只有知道我们要什么才能够知道我们应该收集什么。
一方面，销售管理部基于自身流程性业务的操作层面，对于企业本身的诸如订货、发货、开票、回款等业务数据能够第一手掌握，对于企业营销的描述现阶段大致能够做到迅速、直观、正确、全面。另一方面，这种流程性业务也限制了部门对于行业数据的获取，在寻找参照系上，只能与自身比较而缺乏对行业、对竞争对手的比较。而这样的的比较在某种程度上是没有任何意义的。
二、业务版块理解不够，精确营销有待加强
营销分析到底应该分析什么？各种流派的各种学说侧重不一，但有一种说法得到大家的普遍认同的就是：销售不等于市场！
虽然我们公司设立了水泥销售部和市场开发部，实际上仅仅是行业的划分和名称的区别，极端的说，我们公司并没有真正意义上的市场分析。一方面，销售人员直接接触市场，掌握第一手数据和市场的直观感受，在各个区域经理和部门经理心里，对市场有一种自我的经验判断和分析，比如说投标报价是高是低，市场容量是大是小，行业发展是好是坏……另一方面这种判断分析仅仅只是个人的感性判断，对于业务人员个体的业务水平和素质依赖极大，业务的纠偏能力较弱。
这样的一种定性判断，实际就是我们对业务的理解还不够深刻，没有把握到这种市场变化的内在联系。
例如上面所说的，投标报价，涉及到行业的平均价格、我们主要竞争对手的价格预测、客户的关系把握、客户本身的预算、客户销量展望和预估、我们的成本及利润空间、上下游产业链的影响、我方采购与竞争对手采购的差异等等。
比如我们所做的大客户营销。现阶段我们实际更关注真实的销售事件，换一个思路，其实此类大客户的预算在上一年度已经基本分配完毕了。那么扩大我们的销售额完全可以而且应该从客户的年度预算里面挖掘。再比如除了同产品竞争，完全可以进行同质化竞争。电厂检修用可塑料替代定型砖，水泥窑的喉部预制件，用不定形材料抢占定型制品市场就是一个同质化竞争的案例。
……
应该说，在营销分析上，我们的理解还没跟上时代发展，很多的诸如竞争分析、市场分析、客户细分和精确营销、数据规划和数据收集等等很多工作要不就是相当初级，要不就是完全空白。
建议应该组织业务部门和市场人员就现存的市场探讨，以头脑风暴的方式，提炼出我们最关心、最影响我们决策的信息概念，去芜存菁。一方面我们要知道销售人员需要我们提供的支撑信息是什么，另一方面销售人员要知道为了后期信息支撑他们需要收集的信息有哪些。只有通过互动才能加深各自环节对整个流程的理解，从而为我们在恶劣市场条件下得发展保驾护航。
同时，公司的人资考核、技术创新、库存管理、CD降成本等等也完全可以采用此方法提出自己管理的KPI指标。
三、数据采集架构不明，采集执行考核无力
数据分析是基于营销原始数据的技术处理。因此营销原始数据的全面、准确和维度也就决定了分析结果的准度和深度。我们无法想象只有销售总额和回款总额就能分析出我们那块销售区域出了问题；同样我们也无法仅仅凭借自身的发货、发票数据等业务数据就能做全行业的大客户分析。因此营销分析最为基础的就是数据的科学采集。
现在公司协同管理软件，原料库存管理软件，财务的用友软件，再加上曾经使用现已淘汰的客易通软件从本质上讲都属于业务流程采集的数据库管理软件，但由于架构缺乏统一性，造成各业务流程数据的脱节，使得几个系统同时运行，加大了运行成本，也加大了相关操作人员的工作量，自然降低了对软件的认同度。而且由于依附于业务流程，几个系统更加关注的是业务流程的合理性，对于基础“数据字典”的管理几乎为零。
首先就是对于客户的管理尺度无序：由于没有专人管理，在协同系统、财务系统以及原来的客易通里面同一个客户由于不同的原因，其客户名称和编码并非唯一，有简称有全称还有错误名称。换而言之，我们对客户的管理，实际上还掌握在具体的业务经理手里而不是真正的转为公司资源。随着业务的转手或者客户本身的收购、名称变更等行为，我们对客户的管控必然失序。当然由于业务的复杂性、业务经理的责任心以及普遍的人性，对于客户信息的管理在什么级别管理到什么层次，在现阶段如何来要求和考核业务经理的客户信息的填报率，这属于管理范畴，就不在此探讨。由此还可以引申到技术部门，尤其是开发部门的新产品的实验数据的管理是否做到了公司化。
其次，像发货、开票、回款等业务数据的管理是表格和系统共存，甚至是有表格无系统，且各流程岗位和部门各自为战，只关心各自业务口的合理性，在公司层面缺乏整体关注，对于实际发生业务的是否与系统或者表格匹配没有校核机制，更谈不上管理考核了。
对于我们自身的数据尚且管理不到位，营销分析中所涉及的竞争分析，供应链分析、市场分析所需要的数据要求就更是形同虚设或者是一片空白。例如我们要求在投标报销中要填写竞争对手信息，又例如我们要求业务经理在差旅费报销中填写相关客户完整信息。但是，这样的填报信息是否有人去检验校核，同时按照预设目标进行提炼分析，还是只是单纯的作为业务应付了事。
结语：
以上只是结合公司现存问题单纯的探讨了营销数据的分析目标和前景，但是任何的美好展望落实到实际，更多的是管理上的执行问题，同时数据分析工作的开展与企业资源的投入和大力支持有着必然联系。
最后，我们要依赖数据但不迷信数据，数据的规划预测和目标的制定没有必然的因果联系，它只体现在在指导我们具体业务的实际操作中。在种种数字游戏中，不管我们选用多么正确的数学模型推导出的多么无限于接近事实真相的数据推论，与真正的事实都是有差异的。