
采访老师:大家好,今天我们邀请到了孙尚亮来参加我们的CDA持证人专访。可以和大家介绍一下您的工作内容吗?嘉宾:大家好!我叫孙尚亮,哈尔滨工业大学研究生毕业,曾就职于新产业投资集团有限公司,从事经济管理工作,主要负责企业集团经营数据分析,生产计划准备,采购管理,项目管理等工作。问题1:一份好的生产计划,我们在做之前必须做好哪些准备?嘉宾:准备一份合格的生产计划,首先要求作业人员对将要生产的产品有足够的了解,这里面包括产品本身的需求周期,制造周期,技术工艺,制造环节,制造难度等等,具体又细分为技术准备阶段,这一阶段主要是绘制图纸和编写技术规范,原材料采购入库阶段,生产领用加工制造阶段以及组装测试阶段,发货验收阶段等等,当然了,理论上总结就是一方面为满足客户要求的三要素“交期、品质、成本”做好计划,另一方面是使企业本身获得适当利益,并对生产的三要素“材料、人员、机器设备”做合适准备,从而形成的资源分配使用计划。合格的生产计划需要清晰,明确,可执行性强,从企业的高级管理人员到具体的工作负责人,执行人都能很好的理解生产计划的意图。编制合格的生产计划,需要我们快速识别出产品制造的主要瓶颈或者说是关键影响要素,这里面可能包括重要的原材料采购,关键部件的加工制造,关键部套的装配等等,我们需要围绕着主要瓶颈,多层次多角度进行分析,和制造部门一起,围绕人、机、料、法、环各个环节,寻找成本、效率和周期的一个最优解。问题2:在物资管理采购过程中,数据分析能解决什么问题呢? 嘉宾:众所周知,物资采购管理是产品生产制造的重要环节之一,受限于企业本身的技术能力和生产制造水平,很多关键的原材料或者加工流程我们是选择外购或者外委的,在这里我们通常会考虑几个关键要素,分别是采购成本、采购效率、产品或工序质量以及重大风险的预防,在采购过程中,数据分析具有极其重要的战略意义,是优化供应链和采购决策的核心大脑,因此做好数据分析,是采购过程中最重要的环节之一。在这里我可以举个简单的例子,比如我们要从国外进口一批重要的原材料,这批原材料本身制造周期与采购成本高度相关,同时原材料的后续加工制造难度大,废品率高,这时候我们通常会怎么做呢,一般会确定一个具体的分析目标,明确要达到的最终效果,同时采集数据分析所需要的数据,进行进一步的整理和分析,并且以十分直观的方式体现出来。在前面提到的这个例子中,主要是考虑我们的库存材料准备与采购周期的一个最优关系,确保在保证生产制造正常进行的情况下,库存积压少,采购成本低,在整个上午谈判过程中占据比较有利的优势。问题3:采购是企业进销存中重要环节,提供数据依据,可以从那几方面入手呢? 嘉宾:采购流程的数据分析和业务处理,环节上其实相对简单,但是维度还是比较多,当然了我们首先还是要确定一个缘由,就是我们为什么要分析,分析的目的是什么,通常情况下会从采购价格,采购周期,库存情况,质量保证期,原厂检验周期,进厂复验周期,供应商供货质量的稳定性,实际履约情况,付款情况,供应商的产能情况、技术工艺升级情况,制造装备更新换代情况等多角度进行入手,比如本次分析的薄弱环节供应商,全部集中采购或者单一来源采购,都不符合利益最大化原则,我们就需要通过分析,找到真正的问题根源,从而解决突出的问题和麻烦。问题4:企业经营数据分析有一些好的框架可以推荐吗?嘉宾:我曾经任职的这家公司是1户多元化的集团企业,下属板块包括电力、投资、房地产、生产制造等多个业务集群,当然分析每个业务板块所欲要考虑的数据和视角都是不同的,有些可能关注于本身的一个生产经营的稳定性,比如一些比较成熟的企业和行业,还有一些比较关注它未来的成长性,可能更关注这个行业这个企业未来的市场渗透率,技术领先程度,产品的市场认可度等等。同时我们还会关注并进入一些新的行业一些新的项目,总体来看呢,从集团公司的层面,比较基本的一些数据指标包括正常的财务指标,例如营收情况,利润情况,资产情况、负债情况以及所有者权益情况。个性化一点的比如说电力板块,我们会分析它的一个全年发电量,它的大修技改周期,它的补贴享受情况,它的设备运转情况,它的整体的一个降成本情况,再比如房地产企业,我们会分析它的一个销售情况,这里面包括分季节分时段分地点的销售情况,消费者的消费意愿,消费者的年龄组成,家庭资产负债情况等等。问题5:中国互联网企业100强榜单主要参考互联网企您在工作中遇到过哪些有趣或有意义的经历?您从中学到了什么?您认为这些经历对您的专业发展有何影响?嘉宾:每年的年终呢,我们会召开全年的经营情况分析大会,这时候会分部门分版块的阐述全年的一个基本情况,也会对未来一年的情况提出目标要求,甚至对未来几年的一个市场情况做出些合理性的建议,之前没有接触过数据分析的时候,我们这个介绍往往是比较单调的,除了文字和数字的描述就是一些数据的对比,可以算的上乏善可陈。自从接触到数据分析以后,我们的分析工作变得生动了许多,在图、表、文字展示的基础上,还进行了动态数据的展示以及演练,原来比较枯燥的会议突然就被这样一种新的直观的气氛感染了,很多同事和领导都会情不自禁的融入进来,共同的探讨和思考,会议不再是原来的单方面的汇报,变成了交互式的讨论问题,尤其在未来推荐进入一些新的领域的时候,数据分析的模型和思维方式很好很快速的将大家的思路吸引进来,我想这就是学习数据分析的乐趣,也是从中获取的最大的收获。
了解更多采访老师:大家好,今天我们邀请到了在世界四大会计师事务所之一工作的周婧博来参加我们的CDA持证人专访。作为一名数据分析师,您能给大家介绍一下您的工作内容吗?嘉宾:我叫周婧博,圣彼得堡国立大学毕业,目前就职于德勤中国,任数据分析师。我的工作主要是研究公司的时间段经营发展趋势和异常情况,并提出建议。采访老师:做公司数据分析时,您一般会从哪些方面入手?嘉宾:我通常会从宏观思维分类的角度出发。例如,对于一家公司的经营现状,我会从财务、销售、运营、人力资源、产品等方面进行调研,以便更好地了解公司的整体情况。采访老师:对公司经营现状做调研,一般从哪几个方面入手呢?嘉宾:在做公司经营现状调研时,我们一般会从以下几个方面入手:财务指标:我们会收集公司的财务数据,包括营业收入、利润、现金流等,并对这些指标进行分析,了解公司的财务状况。市场指标:我们会收集公司的市场数据,包括市场份额、客户结构、竞争对手等,并对这些指标进行分析,了解公司的市场地位。产品指标:我们会收集公司的产品数据,包括产品销售额、质量问题、客户满意度等,并对这些指标进行分析,了解公司的产品状况。通过以上方面的分析,我们可以全面了解公司的经营现状,并制定合理的改进建议。采访老师:不同行业的调研方法是相同的吗?会计行业有没有额外的研究方向?嘉宾:不同行业的调研方法并不完全相同,但基本的分析流程是相似的。例如,我们都要收集和整理数据,进行分析和模型建立,并最终得出结论。对于会计行业来说,我们需要特别关注会计核算和财务报表分析等方面的研究。我们要结合会计准则和公司实际情况,对财务数据进行深入的分析,以便为公司的决策提供可靠的信息和建议。我们也会关注会计行业的新兴研究领域,例如人工智能在会计领域的应用、财务报表大数据分析等。通过探索这些领域,我们可以为公司提供更为先进和高效的财务分析方法。在我们的研究工作中,我们会使用各种工具和方法,例如统计学分析、机器学习模型建立等。通过这些工具和方法,我们可以对数据进行更为精细的分析,从而为公司的决策提供更有价值的信息和建议。我们也会通过与业界同行的交流,不断提升自己的技能和经验,为公司的发展做出更大的贡献。采访老师:假如本月成交额总体下降,数据异常归因,该如何分析呢?嘉宾:首先,我们要从宏观和微观两个层面来考虑这个问题。宏观层面,我们要考虑市场因素、政策因素、不可抗力因素等宏观因素对公司成交额的影响。微观层面,我们要考虑公司内部因素,可以将成交额拆开看,例如成交额=客单价*产品数,然后分成两部分进行深入分析,可以从销售团队的绩效、产品分层结构、客户满意度等角度分析。采访老师:为公司做建议时,您会参考哪些指标?嘉宾:在提出建议时,我会结合公司所在行业找到北极星指标,然后再参考人、货、场等其他多维度的指标。例如,如果是SaaS行业,我会考虑公司的整体经营状况,先看每年的重要经营指标,比如:销售额、订单量、续费率等,找到下降异常的部分进行深入分析,具体是公司的哪一类产品销售额下降或异常,是否与当年的市场行情、客户需求等客观因素有关,是否存在周期性,也可以研究下竞争对手等。我会对这些指标进行详细分析,并基于分析结果提出建议。采访老师:您在工作中常常遇到什么难点?又是怎样去克服的呢?嘉宾:在工作中,我常常会遇到数据量庞大、数据不规整、信息杂乱、模型复杂等问题。为了克服这些难点,我会使用工具,例如Python、SQL、SPSS、R等,更好地处理数据。我也会加强自己的思维能力,通过不断学习、思考和实践,提高自己的分析能力。同时,我也会借鉴经验,从前人的经验中吸取教训,避免重复错误。初次接触分析的小伙伴们可以去读一读《金字塔原理》,结构化看待和拆解问题是数据经营分析的关键。 主持人:您在会计行业的数据分析工作中,遇到了哪些困难和挑战?您是如何克服这些困难的?嘉宾:我们作为乙方,比较难的是理解客户公司的数据是如何产生和加工的,因此前期需要大量的时间针对数据问题与客户进行沟通访谈,我们需要尽可能的理解数据字段含义、表与表之间的勾稽关系等。客户的数据庞大而杂,需要通过大量的数据清洗才能得到我们想要的分析数据。小TIPS,在做分析之前,一定一定要搞清楚公司数据逻辑、字段含义、经营模式、作业方式。主持人:您认为会计行业的研究方向有哪些发展趋势?您认为未来会计行业的研究将会发生哪些变化?嘉宾:随着信息化程度的提升,作为乙方能为甲方公司做的工作也逐渐增多,比如数据分析、数据质量检查、IT审计等围绕信息系统展开工作。未来可能会出现自主数据处理平台,就是把数据导进去我们直接选择如何处理数据,并对数据进行模块组合型分析并呈现可视化图表,我们会减少数据处理的时间,争取把更多的时间放在分析上。主持人:您在工作中最常用的工具和方法是什么?您认为这些工具和方法在会计行业的研究中有何作用?嘉宾:我在工作中最常用的工具是Python、SQL、R、excel。这些工具可以用在大部分行业的数据分析中。当遇到量级较大的数据时,这些工具能够帮助我们节省数据处理的时间。数据分析常用到的方法以终为始、趋势法、对比法、异常点分析法、聚类分析等。主持人:您在工作中遇到过哪些有趣或有意义的经历?您从中学到了什么?您认为这些经历对您的专业发展有何影响?嘉宾:我在数据分析工作中遇到特别有趣的事是实地考察公司,了解公司生产经营的各个环节,跟着公司的一线销售人员拜访客户,这样才能做到真正理解公司的数据,也更容易找到公司在经营上的问题并给出分析建议。在这个过程中,我能看到不同的行业作业方式和经营模式,对于我来说是知识的沉淀。
了解更多采访老师:大家好,今天我们邀请到了赖尧老师来参加我们的CDA持证人专访!赖尧可以和大家打个招呼!嘉宾:大家好,我是赖尧,上海立信会计学院毕业,曾在京东担任物流数据分析师,华莱士在总裁办下承当数据分析工作,直接对总裁办负责,目前在Rexel负责物流供应链相关工作。日常负责物流供应链的数据分析,通过数据分析,优化供应链全链路环节,降低采购、物流成本。很荣幸接受CDA持证人专访。 问题1:我看到您工作经历中,物流行业数据分析的经验非常丰富,那这个岗位具体是做什么呢?可以举一个实际案例吗?嘉宾:可以呀,我拿之前工作的京东经历,举个简单例子吧。按照目前大数据积累程度,一个城市,一个地区,具体到每个写字楼居民楼的商品销量、品类都是可以预测的。因此,我们可以预测下一个月的物流需求,进而提前招募司机,优化物流线路,提前在城市前置仓备货。很多人会感觉,京东物流非常快,北上广深这样的一线城市,上午下单,下午下班就能送到。这是通过无数数据分析建模,商品购买预测,物流前置仓提前备货实现的。我就是根据历史购买数据,分析城市购买潜力,常购商品品牌、种类,将购买概率大的商品提前备货在前置仓。同时和京东商城广告推送相关同事合作,根据广告推送预测购买情况,提前备货,实现上午下单,下午送达的尊贵服务。另一方面,仓库容量有限,怎么样高效率利用库存,滞销商品及时退回大库,都是我们要分析考虑的问题。 问题2:物流供应链管理如何做好数据分析呢?例如需求不准确,库存管理难度大这些问题该如何解决呢?嘉宾:首先要承认人的管理能力是有限的,只有依靠数据分析,才能突破人本身的局限。人不可能记住所有库存,不可能记住每一笔出入库。所以数据分析的价值应运而生。做好数据分析首先要理解数据和业务,了解数据是怎么产生的,每个数据背后的价值是什么,代表现实中什么状态。数据的变化对应现实中的变化。比如库存减少有可能是卖出,也有可能是滞销退货回厂商。理解数据的意义和业务以后,需求不准确的问题就好解决了。比如老板觉得库存偏高,理解数据前,对库存没有概念,只会分品类分字段看不同类型库存。理解数据后,就可以反问老板,什么样是库存高,为什么觉得库存高,哪些品类库存可以调整,代价多大,为什么要调整?是接下来有大量促销,要空出库位,还是目前仓库滞销商品要先退货回去?这个时候脑中就有方案,就很容易解决了。同样的,只要对业务有足够理解,库存管理难度大也非常容易解决。库存管理有教科书标准解决方案,加上强大数据分析能力,就可以将各种库存管理方案直接落地。 问题3:比较流行的供应链数据分析技术有哪些?嘉宾:目前我们在研究将认知技术(如人工智能(AI))应用于供应链流程。认知技术可以像人类一样理解、推理、学习和互动,同时具备强大的能力和高速度。这种高级的供应链分析形式正在引领供应链优化的新时代。它可以自动筛选大量数据,帮助企业改进预测,识别效率低下,更好地满足需求,推动创新并追求突破性的构想。 问题4:您考取CDA证书后,对工作有帮助吗?嘉宾:当然有的。虽然日常工作中用了大量数据分析的知识和技术,但是工作使用很零散。考取证书的过程帮助我梳理了一遍统计学和神经网络的知识,总体知识能力更加系统化,相当于梳理了一遍知识。另一方面,能力到位了,但是企业未必了解你的能力。证书本身可以让企业重新了解你的能力定位,对每年薪资议价还是有很大的帮助的。 问题5:您目前从事的(Rexel)蓝格赛集团是全球最大的低压电器经销商,那想要收到您这个部门(岗位)的offer,应该具备哪些能力或技能呢?嘉宾:能力主要2方面,一个是快速理解业务逻辑,一个是产出自己数据分析报告的能力。核心技能是统计学,能够处理大量数据,同时用图表展现数据,这些都是CDA中必学必考的技能。其次是编程,比如python等数据处理语言。毕竟数据量是真的大,纯粹excel处理,本身容易碰到excel的性能瓶颈。最后是数据呈现,就是各种BI报表使用,比如powerBI,帆软BI这些数据呈现和分析软件。要做好一个物流信息化管理系统,最重要的一点是需求必须明确。而在需求中,数据又起关键性作用。比如:收货量、发货量、库存量等等,通过与大数据的深度结合提升供应链实力。对用户需求信息的收集及分析,重视用户体验,实现全方位数据价值挖掘,感谢赖尧的分享,我们下期再见!
了解更多书中自有黄金屋,书中自有颜如玉,写给专业数据分析师的丛书。
了解更多连接数据时代的企业和人,让优质教育人人可得,学数据科学,就上CDA.CN。
了解更多海量试题全新升级,数据分析求职、备考、笔试免费刷题神器!
了解更多聚焦行业前沿,探寻未来,大数据与大思维的亲密接触,从业者的饕餮盛宴。
了解更多在人工智能和大数据的趋势下,建立全社会普遍认可的人工智能和大数据的人才标准!
了解更多面向高校、教育机构,以Hadoop集群为核心,打造大数据产学研协同育人模式。
了解更多