调查报告数据分析

2022-06-25

报告具有汇报性、陈述性的特点，只有按照报告的格式，正确编写报告，报告才能发挥出它的作用。那么在写报告的时候，应该如何写才能突出的重要性呢？以下是小编整理的《调查报告数据分析》，仅供参考，大家一起来看看吧。

第一篇：调查报告数据分析

项目数据分析报告范本

信达永道项目数据分析师事务所

项目数据分析报告

信达永道项目数据分析事务所()

 福建省首家项目数据分析师事务所

 专业从事企业经营决策分析与项目投资咨询分析

【地址】：福建省福州市鼓楼区东街口信息广场西区12层【电话】：0591-83306800

0591-83306809 信达永道项目数据分析师事务所

某企业项目数据分析报告案例样本

信达永道项目数据分析师事务所的某企业客户例子 (1)项目数据分析报告简介：

项目数据分析报告是“项目数据分析师”以客观的态度和谨慎的作风，通过科学的市场调研，运用专业的分析方法，秉承公正的原则，对项目的可行性进行全方位的分析及评估，为投资方的决策提供科学、严谨的依据，降低项目投资的风险，主要服务对象为中小型企业、国内外银行、投融资公司、政府组织等机构。 (2)项目数据分析报告内容：

项目数据分析报告的主要内容包括：项目提出的背景、项目基本情况(建设内容、建设规模、投资总额、市场前景、经济效益、社会效益、地理位置、交通条件、气候环境、人文环境、优惠政策等)、项目存在的问题、项目的战略分析、项目的管理架构分析、项目预测分析(市场、收入、成本)、财务分析(获利能力、偿债能力、发展能力)、不确定性分析、风险分析、结论和建议等。 (3)项目数据分析报告案例：某企业项目数据分析报告案例样本目录

第一章项目概述

此章包括项目介绍、项目背景介绍、主要技术经济指标、项目存在问题及建议等。

第二章项目市场研究分析

此章包括项目外部环境分析、市场特征分析及市场竞争结构分析。

第三章项目数据的采集分析

此章包括数据采集的内容、程序等。

【地址】：福建省福州市鼓楼区东街口信息广场西区12层【电话】：0591-83306800

0591-83306809 信达永道项目数据分析师事务所

第四章项目数据分析采用的方法

此章包括定性分析方法和定量分析方法。

第五章资产结构分析

此章包括固定资产和流动资产构成的基本情况、资产增减变化及原因分析、自西汉结构的合理性评价。

第六章负债及所有者权益结构分析

此章包括项目负债及所有者权益结构的分析：短期借款的构成情况、长期负债的构成情况、负债增减变化原因、权益增减变化分析和权益变化原因。第七章利润结构预测分析

此章包括利润总额及营业利润的分析、经营业务的盈利能力分析、利润的真实判断性分析。

第八章成本费用结构预测分析

此章包括总成本的构成和变化情况、经营业务成本控制情况、营业费用、管理费用和财务费用的构成和评价分析。第九章偿债能力分析

此章包括支付能力分析、流动及速动比率分析、短期偿还能力变化和付息能力分析。第十章公司运作能力分析

此章包括存货、流动资产、总资产、固定资产、应收账款及应付账款的周转天数及变化原因分析，现金周期、营业周期分析等。第十一章盈利能力分析

此章包括净资产收益率及变化情况分析，资产报酬率、成本费用利润率等变化情况及原因分析。

【地址】：福建省福州市鼓楼区东街口信息广场西区12层【电话】：0591-83306800

0591-83306809 信达永道项目数据分析师事务所

第十二章发展能力分析

此章包括销售收入及净利润增长率分析、资本增长性分析及发展潜力情况分析。

第十三章投资数据分析

此章包括经济效益和经济评价指标分析等。

第十四章财务与敏感性分析

此章包括生产成本和销售收入估算、财务评价、财务不确定性与风险分析、社会效益和社会影响分析等。第十五章现金流量估算分析

此章包括全投资现金流量的分析和编制。

第十六章经营风险分析此章包括经营过程中可能出现的各种风险分析。第十七章项目数据分析结论与建议第十八章财务报表第十九章附件

项目数据分析报告是“项目数据分析师”以客观的态度和谨慎的作风，通过科学的市场调研，运用专业的分析方法，秉承公正的原则，对项目的可行性进行全方位的分析及评估

更多资讯：

信达永道项目数据分析师事务所

信达永道项目数据分析师事务所是福建首家项目数据分析师事务所，主要从事企业经营决策分析与项目投资咨询分析两大领域。信达永道具有多年通信行业、互联网行业分析经验及项目投资分析经验。专业从事包括用户分析、数据库管理、经营分析、产品分析、营销分析、市场调研、商业智能等领域在内的数据挖掘与数据分析工作，以及为企业提供投资项目【地址】：福建省福州市鼓楼区东街口信息广场西区12层【电话】：0591-83306800

0591-83306809 信达永道项目数据分析师事务所

规划、项目立项、投资分析、可行性研究等服务。

本事所于2012年10月成立，注册资本100万，公司员工总计32人。目前项目咨询师6人，数据分析师16人，市调专员7人，其他3人。公司网址：http://

【地址】：福建省福州市鼓楼区东街口信息广场西区12层【电话】：0591-83306800 0591-83306809

第二篇：数据分析实验报告册

《数据分析》

实验报告册

20 15 - 20 16 学年第一学期

班级：学号：姓名：授课教师：实验教师：

第 1 页共 52 页

实验一网上书店的数据库创建及其查询

实验 1-1 “响当当”网上书店的数据库创建

实验1-2 “响当当”网上书店库存、图书和会员信息查询

实验1-3 “响当当”网上书店会员分布和图书销售查询

实验二企业销售数据的分类汇总分析

实验2-1 Northwind公司客户特征分析

实验2-2 “北风”贸易公司销售业绩观测板

实验三餐饮公司经营数据时间序列预测

实验3-1 “美食佳”公司半成品年销售量预测

实验3-2 “美食佳”公司月管理费预测

实验3-3 “美食佳”华东分公司销售额趋势预测

实验3-4 “美食佳”公司会员卡发行量趋势预测

实验3-5 “美食佳”火锅连锁店原料年度采购成本预测

实验四住房建筑许可证数量的回归分析

实验4-1 “家家有房”公司建筑许可证一元线性回归分析

实验4-2 “家家有房”公司建筑许可证一元非线性回归分析

实验4-3 “家家有房”公司建筑许可证多元线性回归分析

实验4-4 “家家有房”公司建筑许可证多元非线性回归分析

实验五手机用户消费习惯聚类分析

实验六新产品价格敏感度测试模型分析

第 2 页共 52 页实验一网上书店的数据库创建及其查询

实验 1-1 “响当当”网上书店的数据库创建

实验类型：验证性

实验学时：2 实验目的：

• 理解数据库的概念;

• 理解关系(二维表)的概念以及关系数据库中数据的组织方式; • 了解数据库创建方法。

实验步骤：

这个实验我们没有直接做，只是了解了一下数据库的概念。

实验1-2 “响当当”网上书店库存、图书和会员信息查询

实验目的

• 理解odbc的概念;

• 掌握利用microsoft query进行数据查询的方法。

实验步骤：

1..建立odbc数据源：启动microsoft office query应用程序，在microsoft office query应用程序窗口中，执行“文件/新建”命令，出现 “选择数据源”对话框，单击“确定”按钮，出现“创建新数据源”对话框，按照要求做相应的操作。

选择数据源对话框

创建新数据源窗口

做图上所示的选择

odbc microsoft access安装对话框

第 3 页共 52 页

选择数据库对话框

选择数据源对话框

2.查询设计1—低库存量图书信息查询：选择“bookstore”数据源，点击“确定”，进入“添加表”窗口，添加书表后，在“查询设计”窗口的“表”窗格中，分别双击“书”表中需要查询的“书名”、“isbn”、“库存量”等字段，执行“视图/条件”命令，在“条件”窗格的“条件字段”行的第一列中选择“库存量”，并在下一行中输入“<10”后回车，即可在“查询结果”窗格中显示响当当网上书店中库存量小于10的图书信息。

选择bookstore数据源

选择好表后点击“添加”

查询设计窗口-查询的相关数据

查询设计窗口-输入条件

3.查询设计2—低库存量图书信息以及出版社信息查询：分别添加“书”和“出版社”表，双击“书”表的“书名”和“isbn”字段以及“出版社”表的“出版社名称”、“电话”和“地址”字段，再输入相应的条件即可进行查询。

添加了表后的查询设计窗口

第 4 页共 52 页实验小结：

因为我们没有尝试建立数据库，直接开始数据查询，所以实验时遇到了很多问题。比如我们在选择数据源时就遇到了麻烦，弄了半天才开始查询设计，而且不是很熟练，一直做了四五个查询设计才慢慢熟练起来。

实验思考：

1、在数据查询过程中，如果所选的某个表与其他表之间没有联系的话，会产生什么问题?

答：所选的查询数据将会全部显示在查询窗口，与其它表的数据没有直接联系。这样就不能表现出表与表数据之间的关联性，数据也就失去赋予的意义。

2、若“响当当个”网上书店的某个会员了解自己最近2年的图书订购情况，请为他设计一个查询。

答：分别添加“书”、“会员”、“订单明细”和“订单”表，双击“书”表的“书名”、“会员”表的“姓名”和“订单明细”表的“订购数量”以及“订单”表的“订购日期”字段，在向查询条件窗口中输入某一会员姓名以及相应的订购日期.

实验1-3 “响当当”网上书店会员分布和图书销售查询

实验目的

•掌握复杂的数据查询方法：多表查询、计算字段和汇总查询

实验步骤: 1.查询设计1—会员分布信息查询：添加“会员”表到查询设计窗口，在“查询设计”窗口的“表”窗格中，双击“会员”表的“城市”和“会员号”字段。然后双击“会员号”字段的列标，在“编辑列”对话框中输入列标“会员人数”，并选择汇总方式：“计数”，单击“确定”按钮后即可看到查询结果，其中显示了各城市的会员人数，再设置相应的条件，进行相应的查询。

选择汇总方式

查询结果

2.查询设计2—图书总订购量和总销售金额查询：添加“订单”、“订单明细”和“书”表。在“查询设计”窗口的“表”窗格中，双击“订单”表的“订购日期”、“订单明细”表的“订购数量”字段。另外还要构造一个计算字段“销售金额”，方法是直接在某空白列的列标中输入公式;在上面的字段中，“订购数量”和“销售金额”是汇总字段，分类字段是“订购年份”，双击“订购日期”列的列标，在编辑列对话框的字段项中输入公式“year(订购日期)”，在其中的列标项中输入“订购年份”然后分别双击“订购数量”和“订购数量*单价”字段的列标，在编辑列对话框的列标项中分别输入“总订购数量”和“总销售金额”字样，并在总计项中选择“求和”。

第 5 页共 52 页

在“条件”窗格的“条件字段”行的第一列中选择“订购日期”，并在下一行中输入“>=2005-7-1 and <=2006-6-30”后回车，即可在“查询结果”窗格中显示2005上半年和2006下半年的图书总订购量和总销售金额。此时，若想了解各月份的图书总订购量和总销售金额，只要再查询设计窗口中增加一个“订购月份”分类字段即可

增加了订购月份后的查询结果

排序对话框

3.查询设计3—会员订购图书详细信息查询：添加“会员”、“订单”、“订单明细”和“书”表，在表之间建立合适的联系。在“查询设计”窗口的“表”窗格中，双击“会员”表的“城市”、“会员号”、“姓名”字段，“订单”表的“订单号”字段、“书”表的“书名”字段和“订单明细”表的“订购数量”字段。选择“记录”菜单的“排序”命令，在随后出现的“排序”对话框中设置排序方式

查询结果共84条记录

4.查询设计4—各城市会员图书订购数量和销售金额统计：添加“会员”、“订单”、“订单明细”和“书”表，在表之间建立合适的联系。在“查询设计”窗口的“表”窗格中，双击“会员”表的“城市”、“订单明细”表的“订购数量”字段。分别双击“订购数量”和“订购数量*单价”字段的列标，在编辑列对话框的列标项中分别输入“总订购数量”和“总销售金额”字样，并在总计项中选择“求和”。按“确定”按钮后即可查看结果。

第 6 页共 52 页

5.查询设计5—被订购图书的作者和出版社信息查询：添加“会员”、“订单”、“订单明细”、“书”、“作者”和“出版社”表。在表之间建立合适的联系。在“查询设计”窗口的“表”窗格中，双击“书”表的“书名”、“作者”表的“姓名”和“出版社”表的“出版社名称”字段。在条件窗格中添加关于订购日期和会员姓名的条件。可以查看到结果为会员“刘丹”在2007年共订购了7本图书。

实验小结：

实验1-3的实验比较难，但是经过前面的练习还是比之前快一点，不过还是遇到一些困难，比如查看到结果为会员“刘丹”在2007年共订购了几本书的查询设计就在输入指令时卡住了，经过几个同学讨论还是做出来了。一直到晚上天黑了才把一共十个实验做完。

实验思考:

1、在进行汇总查询的过程中，如果被选择的字段除了分类字段以外还包含了其他字段。

第 7 页共 52 页查询结果是否正确?为什么?请举例说明。

答：不正确，如果被选择的字段除了分类字段以外还包含了其他字段,那么query将把多余的字段自动作为分类字段。

2、“响当当”网上书店的管理人员想了解最近2年中那位作者的书是最畅销，请你设计一个查询找到相关作者。

答：查询近两年的总订购量。

实验二企业销售数据的分类汇总分析

实验2-1 North wind公司客户特征分析

实验类型：验证性

实验学时：2 实验目的：

• 理解数据分类汇总在企业中的作用与意义; • 掌握数据透视表工具的基本分类汇总功能;

• 掌握建立分类汇总数据排行榜、生成时间序列、绘制praetor曲线图、计算各地区客户分布、统计各地区客户的平均销售额和大宗销售时间序列的方法和步骤。

实验步骤：

一、汇总客户销售额排行榜为了汇总客户销售额的排行榜，首先要获得客户每笔销售的销售额、所购买产品的类别以及销售发生的时间，然后再利用数据透视表工具将销售额按照客户名称、产品类别和销售时间加以汇总。

步骤1：获取各客户每笔销售的销售额、销售产品的类别和时间。

在一张空白的工作表中，选择菜单“数据”→“数据透视表和数据透视图” →“外部数据源”，单击“获取数据按钮”，随后启动了Microsoft Query，选择所建立的连接到Northwind.mdb数据库的ODBC数据源——“NW”，并选择“确定”，选择“客户”表中的的“公司名称”、“订单”表中的“订购日期”、以及“类别”表中“类别名称”，随后Query弹出窗口“„查询向导‟无法继续，因为该表格无法链接到您的查询中。您必须在Microsoft Query 中的表格之间拖动字段，人工链接。”这是因为类别表无法同订单表建立联系。单击“确定”。

要查询销售额，需要在Query中首先增加“订单明细”表，利用其中的“单价”、“数量”与“折扣”字段中的数据，才能计算销售额。在数据窗格中，在一个空白字段的名称处输入公式：“订单明细.单价*数量*(1-折扣)”。键入回车后就可以计算出销售额。见图2-7。

随后，将“产品”表也添加到查询中，虽然查询结果中并不包括任何“产品”表中的字段，但是该表的能够建立“类别”表与“订单明细”表之间的联系(“订单明细”表指明所订购产品的ID，“产品”表指明该产品属于哪一个类别)。此时，查询中的表都建立了正确的联系，并在查询结果中包括了汇总所需要的数据。如图2-7。

第 8 页共 52 页

图2-7 查询各客户每笔销售的销售额、销售产品的类别和时间

将计算销售额的字段的列标命名为“销售额”。选择Query菜单中的“文件”→“将数据返回Microsoft Office Excel” ，此时Query已经关闭，我们的操作对象回到了Excel，单击“下一步”，指定位置在“现有工作表”，单元格A3，单击完成。

步骤2：汇总客户销售额排行榜，并排序。

此时，在工作表的区域A1:G16的位置，出现了数据透视表的框架，数据透视表的浮动工具栏和数据透视表的字段列表。

为了能对销售的时间——“订购日期”进行组合以获得各年的销售额，首先将“订购日期”拖至行域，将“销售额”拖至数据域，“类别名称”拖至列域，得到如图2- 8所示的数据透视表。

图2-8 按订购日期与类别汇总销售额

为了能将销售额按照年度汇总，将光标停留在“订购日期”下方的任何单元格，右击鼠标，选择“组合及显示明细数据”→“组合”，选择组合的步长为年。

然后将单元格A4当中的字段名称“订购日期”改为“订购年”，将它推至页域，将字段列表中的“公司名称”拖到行域，让透视表按照列总计，从大到小排列，就得到了如图2-9所示的数据透视表。它能够反映了三年或者各年度，各个客户的销售额的大小，以及排列名词的先后，还能够观察到各客户订购的产品类别和该类别的销售额。

第 9 页共 52 页

图2-9 按照订购年、客户公司名称、类别名称汇总的销售额排行榜

二、汇总前三大客户各月销售额，并绘制图形

在前一部分实验的基础上，选择前三个最重要的客户，进一步观察购买情况，他们购买情况的变化将对公司整体销售业绩产生很大影响。所以，将前三大客户的销售数据加以展开，按月显示其销售的变化。

步骤1：将实验要求1所汇总的数据透视表复制到新的工作表。步骤2：利用数据透视表，汇总前三大客户的销售额时间序列。

按照实验要求1汇总的数据透视表，反映出“高上补习班、正人资源、大钰贸易”是公司的前三大客户。点开“公司名称”字段，选中这三个公司名称，并拖到列域。

将列域的字段“类别名称”拖出数据透视表。将页域的字段“订购年”旋转到行域，将其重新组合。选择组合的步长为“月”和“年”，把字段名称修改为“订购年”与“订购月”。光标停留在数据表中任何单元格，右击鼠标，选择“表格选项”，将“对于空数据项显示”设置为“0”，即当该单元格汇总出的数据值为空时，在数据透视表中将其显示为0。此时得到的前三大客户销售额时间序列见图2-10。

图2-10 Northwind公司前三大客户销售额时间序列

步骤3：绘制前三大客户销售额时间序列图。

光标停留在数据透视表中，选择菜单“插入”→“图表”，在当前工作簿自动插入一张图表。选择菜单“图表”→“位置”，将该图表调整到与数据透视表位于同一张工作表。选择菜单“图表”→“图表类型”，选择“折线图”→“数据点折线图”。随后，再对该图的大小、外观以及数据系列的格式加以调整，就能得到Northwind公司前三大客户销售额时间序列图，如图2-1所示。

第 10 页共 52 页

三、绘制按照客户汇总的客户数与销售额帕累托曲线

步骤1：查询“订购日期”、客户的“公司名称”与“销售额”等数据。

在Excel的空白工作表中，选择菜单“数据”→“数据透视表与数据透视图” →“外部数据源”→“获取数据”，利用Microsoft Query，从“订单”表、“订单明细”表与“客户”表中查询 “订购日期”、客户的“公司名称”与“销售额”(销售额=订单明细.单价*数量*(1-折扣))等字段，将所查询数据返回Excel。

步骤2：利用查询的数据，制作数据透视表。

从数据透视表的字段列表中，选择“订购日期”，拖至行域，将“销售额”拖至数据域。将“订购日期”字段按年组合，然后拖至页域，将“公司名称”拖至行域，按照销售额从大到小的顺序排列，得到按照年度和客户公司名称汇总的数据透视表，如图2-11。

图2-11 Northwind公司按照年度汇总的各客户销售额

步骤3：利用数据透视表的数据，计算客户数累计百分比与客户销售额累计百分比，绘制帕累托曲线。

在区域D4:G4依次输入说明文字，“公司名称”、“ 客户百分比”、“ 客户数累计百分比 ”、“销售额累积百分比”。按照图2-12输入公式，得到如图2-13所示的汇总数据。

第 11 页共 52 页

图2-12 Northwind公司按照年度汇总客户数累计百分比和销售额累计百分比公式

图2-13 Northwind公司按照年度汇总客户数累计百分比和销售额累计百分比

区域F5:F93汇总累计的客户数，即到该客户为止，已有客户数占到总客户数的百分比。区域G5:G93汇总了到该客户为止，已有客户实现的销售额占总销售额的百分比。

选中区域F4:G93的数据，绘制无数据点散点图，得到如图2-14所示图形。

图2-14 客户数与销售额的帕累托初步曲线

步骤4：在曲线上添加代表20%客户数的垂直参考线。在I5:I7单元格输入“20%”，在J5与J7单元格输入“0”和“120%”，在J6单元格输入公式：“=INDEX(G5:G93,MATCH(I5,F5:F93,1),1)”，即从客户数累计百分比中，查找到20%的客户数在第几行，然后用INDEX函数查找，该行对应的销售额累计百分比，计算结果如图2-15。在前面所绘制的图表上，添加一条垂直参考线。该参考线的X轴数据来自区域I5:I7，Y轴数据来自区域J5:J7，得到如图2-2所示的帕累托曲线。

该曲线反映出，Northwind公司20%的客户只实现了59%的销售额，低于20/80准则的比例。通过在数据透视表中调整页域的值，可以发现：96年、97年比例都不足58%，98年有所增长，达到了63%，还是远低于80%。因此， Northwind公司今后销售工作的重点应是更多地关注大客户，通过增加大客户的销售额来增加整个公司的销售额。

第 12 页共 52 页

图2-15 Northwind公司客户数与销售额帕累托曲线垂直参考线数据

最后公司客户销售额与客户数parato曲线呈现如图所示:

图2-2 公司客户销售额与客户数parato曲线

四、绘制按照订单汇总的销售额与销售次数帕累托曲线步骤1：查询“订购日期”、“订单ID”与“销售额”等数据。

在Excel的空白工作表中，选择菜单“数据”→“数据透视表与数据透视图” →“外部数据源”→“获取数据”，利用Microsoft Query，从“订单”表和“订单明细”表中查询 “订购日期”、“订单ID”与“销售额”(销售额=订单明细.单价*数量*(1-折扣))等字段，将查询数据返回Excel。

步骤2：利用查询的数据，制作数据透视表。

从数据透视表的字段列表中，选择“订购日期”，拖至行域，将“销售额”拖至数据域。将“订购日期”字段按年组合，拖至页域，将“订单ID”拖至行域，按照销售额从大到小的顺序排列，得到按照年度和订单ID汇总的数据透视表，如图2-16。

图2-16 Northwind公司按照年度汇总各订单销售额

步骤3：利用数据透视表的数据，计算客户数累计百分比与销售额累计百分比，绘制帕累托曲线。

在区域D4:G4依次输入说明文字，“销售次数百分比”、“ 销售次数累计百分比”、“ 销售额累计百分比 ”。按照图2-17输入公式，得到如图2-18所示的汇总数据。

第 13 页共 52 页

图2-17 Northwind公司按照年度汇总客户数累计百分比和销售额累计百分比公式

图2-18 Northwind公司按照年度汇总客户数累计百分比和销售额累计百分比

区域E5:E834计算单次销售占总销售次数(即订单数)的百分比，区域F5:F834汇总累计销售次数占总销售次数的百分比，即到该订单为止，已有订单数占到总订单数的百分比。区域G5:G834汇总到该订单为止，已有订单实现的销售额占总销售额的百分比。

选中区域F4:G834的数据，绘制无数据点散点图，得到如图2-19图形。

图2-19 销售次数与销售额的帕累托初步曲线

步骤4：在曲线上添加代表20%客户数的垂直参考线。

在I5:I7单元格输入“20%”，在J5与J7单元格输入“0”和“120%”，在J6单元格输入公式：“=INDEX(G5:G834,MATCH(I5,F5:F G834,1),1)”，即从销售次数累计百分比中，查找20%的销售次数在第几行，用INDEX函数查找，该行对应的销售额累计百分比。在前面所绘制的图表上，添加一条垂直参考线。该参考线的X轴数据来自区域I5:I7，Y轴数据来自区域J5:J7，得到如图2-3所示的帕累托曲线。

第 14 页共 52 页

图2-3 norwthwind公司销售次数与销售额parato曲线

五、汇总各地区客户分布

步骤1：查询“公司名称”与“地区”字段等数据。

将Excel一张空白工作表命名为“5.各地区客户分布”。选择菜单“数据”→“数据透视表与数据透视图” →“外部数据源”→“获取数据”，利用Microsoft Query，从“客户”表中查询 “公司名称”与“地区”字段，然后将所查询的数据返回Excel。

步骤2：利用查询的数据，制作数据透视表。

从数据透视表的字段列表中，选择“地区”，拖至行域，选择“公司名称”，拖至数据域，得到按照地区汇总的客户数的数据透视表，如图2-20。

图2-20 按照地区汇总客户数的数据透视表

步骤3：利用数据透视表的数据，制作数据透视图。光标停留在数据透视表中，选择菜单“插入”→“图表”，在新建工作表中建立数据透视图，改变该图表位置，将其调整到“5.各地区客户分布”工作表中，得到了如图2- 4所示的图形。

图2-4 公司各地区客户的分布

第 15 页共 52 页

六、绘制各地区平均销售额及销售额占总销售额百分比步骤1：查询“地区”与“销售额”等数据。

在Excel的空白工作表中，选择菜单“数据”→“数据透视表与数据透视图” →“外部数据源”→“获取数据”，利用Microsoft Query，选择数据源，从“客户”、和“订单明细”表中，查询客户的“地区”与“销售额”(销售额=订单明细.单价*数量*(1-折扣))等字段，将查询数据返回Excel。查询时应包括“订单”表，该表能建立 “客户”表和“订单明细”表之间的联系。

步骤2：利用查询的数据，制作数据透视表。

从数据透视表的字段列表中，选择“地区”，拖至行域，将“销售额”拖至数据域，得到按照地区汇总的销售额的数据透视表，如图2-21。

图2-21 Northwind公司按照地区汇总的销售额

步骤3：利用数据透视表的数据，计算各地区平均销售额与销售额占总销售额的百分比。在区域D4:G4依次输入说明文字：“地区”、“ 客户数 ”、“平均销售额”与“ 销售额占总额百分比”。按照图2-22输入公式，得到如图2-23所示的汇总数据。

图2-22 Northwind公司按照地区汇总平均销售额、销售额占总销售额百分比公式

图2-23 Northwind公司按照地区汇总平均销售额、销售额占总销售额百分比

区域E5:E10存放各地区的客户数，区域F5:F10计算各地区平均销售额，区域G5:G10计算各地区销售额占总销售额的百分比。利用区域D5：D10与区域F5：G10中的数据，绘制柱型图。由于一个数据系列是平均销售额，一个数据系列是百分比，两个系列数值相差悬殊，所以在图2-24中，只能观察到一个数据系列的柱型，另一个系列的柱型贴近“0”，无法观察到。选中代表百分比的系列(选中平均销售额的系列，移动上下箭头，直到选中代表百分比的系列)，选择菜单“格式”→“数据系列格式” →“坐标轴”→“次坐标轴”，将代表百分比的系列对应到次坐标轴。

第 16 页共 52 页

图2-24 Northwind公司按照地区汇总平均销售额、销售额占总销售额百分比图

观察该图形，可以发现 “华东”与“西南”地区，客户的平均销售额比其他地区高，说明这两个地区大客户的销售情况比较好。华北地区虽然销售额占总销售额的百分比最高，是Northwind公司最重要的市场，但该地区大客户的销售情况并不理想，平均销售额并不高。今后该地区应更注重改善大客户销售情况。

七、绘制大宗销售的销售额时间序列。

步骤1：查询“公司名称 ”、“订单ID”、“ 订购日期”与“ 销售额”等数据。

将Excel的空白工作表命名为“7.大宗销售数据”，选择菜单“数据”→“获取外部数据” →“外部数据源”→“获取数据”，利用Microsoft Query，从“客户”表、“订单”表和“订单明细”表中，查询“公司名称 ”、“订单ID”、“ 订购日期”与“ 销售额”(销售额=订单明细.单价*数量*(1-折扣))等字段，将查询数据返回Excel，存放在区域A1:D831。

步骤2：挑选出销售额超过2000元的订单。

在区域F1：F2，按照图2-25，输入筛选的条件。利用Excel高级筛选功能，挑选出满足条件的记录，存放在区域H1：K186中。

图2-25 Northwind公司2000元以上销售额的订单的销售情况

步骤3：利用挑选出的订单，制作数据透视表。利用区域H1：K186中的数据，制作数据透视表。从数据透视表的字段列表中，选择“订购日期”，拖至行域，将“销售额”拖至数据域，将“订购日期”字段按年组合，然后拖至页域，将“公司名称”拖至页域，规定行域字段必须“显示空数据项”，得到如图2-26所示的数据透视表。

第 17 页共 52 页

图2-26 Northwind公司大宗销售的时间序列数据透视表

步骤4：绘制大宗销售的时间序列图形。

为了让图形能够正确反映销售情况，去掉没有发生销售的时间点，如96年1月到96年6月，我们在数据透视表外面，另准备作图数据。按照图2-27，在区域E12:E33输入从96年7月到98年4月的时间(98年5月数据不完整，故不包括在时间序列内)，在单元格F12输入公式：“=C12”，并复制到区域F13：F33。

图2-27 Northwind公司大宗销售的时间序列作图数据

利用区域E11:F33中的数据，制作折线图，将图表X轴的类型改为分类轴。“公司名称”选择“全部”，在图形上尝试添加恰当的趋势线，显示趋势线的方程与R2，并前推两个周期，得到的时间序列图形如图2-28。从该图形上，可以大致了解大宗销售的变化趋势，对未来的情况做初步估计。

图2-28 Northwind公司大宗销售的时间序列图

第 18 页共 52 页实验小结：

数据透视表分类汇总的两种方法：

1、先将数据导入Excel成为数据清单，利用数据透视表汇总对数据清单进行汇总

2、利用数据透视表直接从数据库中查询、并汇总数据。数据透视表功能，使用最方便，可以把汇总表“旋转”，从不同的“角度”查看数据，还可以筛选数据、合并数据、展开详细数据、或者选择部分数据加以查看。

实验思考：

1、你还能从哪些方面对客户的销售数据进行分析，帮助该公司促进销售或者为客户提供更好的服务?

答:使用Northwind公司的销售数据，生成净销售额时间序列，创建可以调节的产品列表框，并绘制特定产品销售金额时间序列的图形。观测每种产品在不同年份不同月份的销售情况，对下阶段的销售做出预测。

2、帕累托曲线可以帮助分析投入与产出之间的关系，它还能帮助该公司进哪些方面的分析?

答：①带来80%利润的20%的顾客在哪里，并且留住他们。②销售量达80%的20%产品是哪些，找出来好好包装开发。③销售量达80%的20%城市在哪里，并且维护好。

实验三餐饮公司经营数据时间序列预测

实验3-1 “美食佳”公司半成品年销售量预测

实验类型：验证性

实验学时：2 实验目的: • 理解数平滑预测法的概念;

• 掌握在excel中建立指数平滑预测模型的方法; • 掌握寻找最优平滑常数的各种方法。

实验步骤:

一、运用“数据分析”工具进行指数平滑预测步骤1：确定时间序列的类型。

如图3-1所示在单元格a1:b21中布置好公司从1987-2006年的销售量数据。然后，绘制公司从1987年至2006年共20年的销售量折线图，结果如图3-2所示，既没有趋势成分也没有季节成分，呈现出的是围绕一个水平上下波动的时间序列，说明适合用指数平滑法或移动平均法进行预测。本实验的数据是年度数据，建议采用指数平滑预测法。

第 19 页共 52 页

图3-1 公司从1987-2006年的销售量数据

图3-2 公司从1987-2006年的销售量折线图

步骤2：利用“数据分析”工具中的指数平滑功能进行预测。

在“工具”菜单中选择“加载宏”，在随后弹出的“加载宏”对话框中选择“分析工具库”，然后单击“确定”按钮，将会在“工具”菜单下出现“数据分析”选项。在“工具”菜单中选择“数据分析”，在出现的“数据分析”对话框中选择“指数平滑”，出现如图3-3所示的对话框。

图3-3 指数平滑分析的参数设置

在“指数平滑”对话框中，在“输入区域”输入“b2:b21”单元格，“阻尼系数”输入“0.75”(注：阻尼系数=1-平滑常数)，在“输出区域”输入“c2”单元格，单击“确定”按钮，将会看到如图3-4中单元格c2:c21的输出结果。

将单元格c21往下复制，便得到2007年的指数平滑预测值7.96。

第 20 页共 52 页

图3-4 指数平滑预测结果

二、运用指数平滑公式进行预测步骤1：利用公式

计算指数平滑预测值。

如图3-5，在单元格f1中输入平滑常数0.25，在单元格c2中输入公式：“=b2”，作为第一年的预测值(F1)，在单元格c3中输入指数平滑模型预测公式：“=$f$1*b2+(1-$f$1)*c2”。将单元格c3往下复制，便得到2007年的指数平滑预测值7.96。

图3-5 指数平滑公式的预测结果

步骤2：绘制指数平滑预测图。

利用单元格a2:c22中的数据绘制如图3-6所示的公司销售量指数平滑预测图。

图3-6公司从1987-2006年的销售量和指数平滑预测图

第 21 页共 52 页

三、寻找最优的平滑常数步骤1：计算均方误差。

如图3-5在单元格f2中输入公式：“=average((b2:b21-c2:c21)^2)”，作为数组运算，需要同时按Ctrl+Shift+Enter三个键作为输入结束，计算均方误差MSE。步骤2：利用模拟运算表及查找引用函数功能，寻找最优平滑常数。

如图3-7在单元格e7:e24中给出不同的平滑常数(大于0小于1)，在单元格f6中输入公式：“=f2”，选定单元格e6:f24，在“数据”菜单中选择“模拟运算表”，在弹出的对话框中做如图3-8所示的参数设置，利用一维模拟运算表功能计算不同平滑常数下的mse值，见图3-7结果。

图3-7 模拟运算表辅助查找最优平滑常数

图3-8 模拟运算表对话框参数设置

在单元格f4中输入公式：“=index(e7:e24,match(min(f7:f24),f7:f24,0))”，找到最优平滑常数为0.35。然后，根据最优平滑常数0.35(将此值代入单元格f1中)，2007年的预测值为7.94。

步骤3：利用规划求解功能，寻找最优平滑常数。规划求解工具是一个从函数值所要达到的目标出发，反过来确定为达到这个目标，各自变量应取什么值的工具。

在“工具”菜单中选择“规划求解”，在弹出的对话框中做如图3-9所示的参数设置，然后单击“求解”按钮，得到如图3-10所示的规划求解结果，其中可变单元格f2中显示最优平滑常数为0.37。根据最优平滑常数0.37，2007年的预测值为7.93。

第 22 页共 52 页

图3-9 规划求解参数设置

图3-10 规划求解的结果

以上两种方法所寻找到的平滑常数都是基于实际销售量与预测销售量的均方误差极小，从理论上证明了所获得的平滑常数是最优的。

实验思考：

1. 为什么用模拟运算表加查找引用函数功能，得到的最优平滑常数(0.35)，与用规划求解功能得到的结果(0.37)不一样?

答：用模拟运算表加查找引用函数功能得到的最优平滑常数(0.35)是根据设定的间隔求解，结果不是很准确。而规划求解功能得到的结果(0.37)是精确结果。

2. 可否调整模拟运算表的输入数据间隔，再试一试，结果会如何?

答：在实验3-1中，调整模拟运算表的输入数据间隔，其结果不变。因为模拟运算表只是将数据代入变量中来求得对应的值，所得到的值与数据的间隔无关。

实验3-2 “美食佳”公司月管理费预测

实验目的：

• 理解移动平均预测法的概念;

• 掌握在excel中建立移动平均模型的方法; • 掌握寻找最优移动平均跨度的各种方法。

实验步骤：

一、运用“数据分析”工具进行移动平均预测步骤1：确定时间序列的类型。

如图3-11所示在单元格a1:c19中布置好公司从2006年1月至2007年6月的数据。

第 23 页共 52 页绘制公司从2006年1月至2007年6月共18个月的管理费用折线图，结果如图3-12所示，既没有趋势成分也没有季节成分，呈现出的是围绕一个水平上下波动的时间序列，说明适合用指数平滑法或移动平均法进行预测。本实验的数据是月度数据，建议采用移动平均预测法。

图3-11 公司从2006年1月至2007年6月的管理费数据

图3-12 公司从2006年1月至2007年6月的管理费用折线图

步骤2：利用“数据分析”工具的移动平均功能进行预测。在“工具”菜单中选择“数据分析”，在出现的“数据分析”对话框中选择“移动平均”，出现如图3-13所示的对话框。

在“移动平均”对话框中，在“输入区域”输入“c2:c19”单元格，“间隔”输入“3”(注：移动平均跨度为3)，在“输出区域”输入“d3”单元格，单击“确定”按钮，将会看到如图3-14中单元格d5:d20的输出结果。

如单元格d20所示，2007年7月公司管理费用的移动平均预测值为20.3万元。

图3-13 移动平均对话框参数设置

第 24 页共 52 页

图3-14 移动平均预测结果

二、运用移动平均公式进行预测

步骤1：利用average()函数计算移动平均预测值。

如图3-15，在单元格g1中输入移动平均跨度3，在单元格d5中输入移动平均模型预测公式：“=average(c2:c4)”。

将单元格d5往下复制，便得到2007年7月的移动平均预测值20.3。

图3-15 平均值函数的计算结果

步骤2：绘制移动平均预测图。

利用单元格c2:d20中的数据绘制如图3-16所示的公司18个月的管理费用及移动平均预测图。

第 25 页共 52 页图3-16 公司18个月的管理费用及移动平均预测图

通过以上实验能够检验，运用“数据分析”工具和移动平均公式进行移动平均预测的预测结果是一致的。“美食佳”公司2007年7月的管理费移动平均预测值为20.3，此预测结果是基于移动平均跨度为3个月所获得的。对没有先期经验的人来说，怎样选择移动平均跨度呢?又怎么判断所选的移动平均跨度是最优的呢?下面的实验步骤将指导我们掌握寻找最优移动平均跨度的不同方法。

三、寻找最优的移动平均跨度步骤1：计算均方误差。

此处用到两个函数：sumxmy2()函数和count()函数。sumxmy2()函数的功能是返回两数组中对应数值之差的平方和，它需要两个参数，一个参数是第一个数组或数值区域，另一个参数是第二个数组或数值区域。count()函数的功能是计算某一范围内包含数值的单元格的个数。如图3-15在单元格g2中输入公式：“=sumxmy2(c2:c19,d2:d19)/count(d2:d19)”，计算均方误差mse。

步骤2：利用offset()函数辅助进行不同移动平均跨度下的预测。图3-15中借助average()函数进行的移动平均计算仅对跨度3有效，若跨度改为其他值，则要修改average()函数的参数。为此引入offset()函数解决average()函数的参数范围变化问题。offset()函数的功能是以指定的范围为参照系，通过给定偏移量得到新的范围。返回(求出)的范围可以为一个单元格或单元格区域，并可以指定返回的行数或列数。它需要五个参数，第一个参数是作为参照系的基准位置;第二个参数是相对于这个基准位置向上(用负数表示)或向下(用正数表示)偏移的行数;第三个参数是相对于这个基准位置向左(用负数表示)或向右(用正数表示)偏移的列数;第四个参数是要返回数据范围的行数;第五个参数是要返回数据范围的列数。事实上前三个参数指定了要返回数据范围的起始单元格。在单元格d5中输入公式：“=if(a5<=$g$1,"",average(offset(d5,-$g$1,-1,$g$1,1)))”，拖动单元格d5的填充柄向上复制至d2，向下复制至d20，从而可在变化的移动平均跨度下计算移动平均值。

将单元格g1中的移动平均跨度改为2，不必改动d列的公式，即可如图3-17所示，得到相应的移动平均预测值。

图3-17 变化的移动平均跨度下管理费移动平均预测值

我们可以多次修改单元格g1中的移动平均跨度，并观察单元格g2中的mse值，从中可以发现：当移动平均跨度为5的时候，mse为3.91，达到最小。这就说明如果我们选择移动平均跨度为5进行管理费用的预测，所得到的预测结果20.2可能是最准确的，因为这个跨度下的预测值与实际值的均方误差达到极小。

步骤3：利用模拟运算表及查找引用函数功能，寻找最优移动平均跨度。如图3-18在单元格f7:f21给出不同的移动平均跨度，在单元格g6中给出公式：“=g2”，选定单元格f6:g21，在“数据”菜单中选择“模拟运算表”，在弹出的对话框中做如图3-19所示的参数设置，则利用一维模拟运算表功能计算出了不同移动平均跨度下的mse值，见

第 26 页共 52 页图3-18结果。

图3-18模拟运算表辅助查找最优移动平均跨度

图3-19 模拟运算表参数设置

在单元格g4中输入公式：“=index(f7:f15,match(min(g7:g15),g7:g15,0))”，找到最优移动平均跨度为5。根据最优移动平均跨度5(将此值代入单元格g1中)，2007年7月的预测值为20.2。

实验思考

1. 可否利用规划求解功能，寻找最优的移动平均跨度?

答：在实验3-2中，无法利用规划求解功能寻找最优的移动平均刻度。因为求MSE所用的公式为“=SUMXMY2(C2:C19,D2:D19)/COUNT(D2:D19)”与移动平均刻度值所在的G1单元格无直接联系。

2. excel提供的移动平均趋势线功能也可进行移动平均预测，但趋势线方法与本实验所介绍的方法有何不同?

答：Excel提供的移动平均趋势线方法与本实验所介绍的方法与本实验所介绍方法的区别在于趋势线的作用是对已知的一堆数据作回归分析，以找到一个可以直接计算的方程式并对其他任意未经测量的数值进行计算。趋势线方法考虑了大量可能的结果。

实验3-3 “美食佳”华东分公司销售额趋势预测实验类型：验证性

实验学时：2 实验目的：

• 理解趋势预测法的概念;

• 掌握在excel中建立线性趋势预测模型的方法; • 掌握寻找线性趋势模型参数的各种方法; • 掌握线性趋势值预测的不同方法。

第 27 页共 52 页实验步骤：

步骤1：确定时间序列的类型。

如图3-20所示在单元格a1:c12中布置好华东分公司从1996年至2006年的销售额数据。绘制华东分公司从1996年至2006年共11年的销售额折线图，结果如图3-21所示，具有较明显的线性趋势成分，呈上升趋势，说明适合用线性趋势法进行预测。

图3-20 华东分公司从1996年至2006年的销售额数据

图3-21 华东分公司从1996年至2006年的销售额折线图

步骤2：添加线性趋势线。

如图3-22所示，在图中选中数据系列，右键菜单中选择“添加趋势线”，出现“添加趋势线”对话框。

如图3-23所示，在“添加趋势线”对话框的“类型”中选择“线性”。

如图3-24所示，在“添加趋势线”对话框的“选项”中选择“显示公式”和“显示r平方值”，得到如图3-25的结果。

图3-22 选用添加趋势线功能

第 28 页共 52 页

图3-23 添加趋势线对话框

图3-24 添加趋势线的选项对话框

图3-25 华东分公司销售额与和线性趋势线

步骤3：用趋势线前推法大致预测线性趋势值。

选定线性趋势线，右键菜单中选择“趋势线格式”，出现如图3-26的“趋势线格式”对话框。

如图3-26所示，在“趋势线格式”对话框中选定“选项”，将趋势预测前推1周期，得到如图3-27所示的大致预测结果。

由图3-27中的趋势线可见，公司2007年的销售额预测值约为1000万元。

第 29 页共 52 页

图3-26 趋势预测前推1周期设置

图3-27 趋势预测前推1周期的大致预测结果

步骤4：用方程或函数准确预测线性趋势值。

根据得到的线性趋势方程公式y=11.473x+861.98，如图3-28所示，在单元格c13中输入公式：“=11.473*a13+861.98”，即将x=12(2007年为第12个时间序列点)代入公式，计算得到2007年的预测值为999.66。

利用forecast()函数，在单元格c14中输入公式：“=forecast(a13,c2:c12,a2:a12)”，计算得到2007年的预测值为999.65。

利用trend()函数，在单元格c15中输入公式：“=trend(c2:c12,a2:a12,a13)”，计算得到2007年的预测值为999.65。

用函数计算与用公式计算相比精度上略有一点差异。

图3-28 三种方法预测华东分公司销售额

步骤5：将预测结果在图中表示。

同时选中单元格b13和c13，并作为新数据点复制到图形的数据线上，如图3-29所示。趋势线前推只能在图中看到大致预测结果1000左右，而图3-29中看到准确的预测值999.66，且预测值一定在趋势线的延伸线上。

第 30 页共 52 页

图3-29 带预测点的销售额线性趋势预测图

实验思考

1.本实验的几张图中，x轴是“分类”还是“自动”? 答：本实验(实验3-3)中，X轴是自动。

2.预测点数据如果作为新数据系列添加到图形中，结果与图3-29有何不同?

答：实验3-3中，预测点数据如果作为新数据系列添加到图形中，结果与图3-29相比，预测部分的值将是一条直线。

3.为什么预测值一定在趋势线的延伸线上?

答：预测值一定在趋势线上的原因是预测值是依据趋势线作出来的。 4.若要预测公司2008年的全国销售额，可以怎么做?若要预测公司2009年、2010年、甚至更远年份的销售额，会有什么问题?

答：若要预测2008年的全国销售额，可依据2007年的预测值来作。但若要预测更远年份的销售额，则不能以之为基础由趋势线函数进行预测，因为彼时销售额呈线性增长，与客观事实不符。

5.除了本实验中介绍的添加趋势线方法可以找到线性趋势预测模型的参数外，还可以用哪些方法找到线性趋势预测模型y=a+bx中的参数 a和b。

答：还可用回归方法找到Y=a+bX中参数a,b的值。

实验3-4 “美食佳”公司会员卡发行量趋势预测

实验类型：验证性

实验学时：2 实验目的：

• 理解非线性趋势预测法的概念;

• 掌握在excel中建立非线性趋势预测模型的方法; • 掌握非线性趋势值预测的方法。

•

预测公司2007年7月会员卡的发行量。

实验步骤：

步骤1：确定时间序列的类型。

如图3-30所示在单元格a1:c15中布置好公司从2006年5月至2007年6月的会员卡发行数据。

第 31 页共 52 页绘制公司从2006年5月至2007年6月共14个月的会员卡发行量的折线图，结果如图3-31所示，具有较明显的非线性趋势成分，说明适合用非线性趋势法进行预测。从曲线的形状看，它先上升较快后上升较慢，符合对数曲线的特征，因此我们可以选用对数趋势模型进行预测。

图3-30 2006年5月至2007年6月会员卡发行量数据

图3-31 2006年5月至2007年6月会员卡发行量的折线图

步骤2：添加非线性趋势线。

如图3-32所示，在图中选中数据系列，右键菜单中选择“添加趋势线”，出现“添加趋势线”对话框。

如图3-33所示，在“添加趋势线”对话框的“类型”中选择“对数”。

如图3-34所示，在“添加趋势线”对话框的“选项”中选中“显示公式”和“显示r平方值”，得到如图3-35的结果。

图3-32 选择添加趋势线功能

第 32 页共 52 页

图3-33 添加趋势线对话框

图3-34 添加趋势线选项对话框

图3-35 2006年5月至2007年6月会员卡发行量和对数趋势线

步骤3：趋势线前推法大致预测非线性趋势值。

选定对数趋势线，右键菜单中选择“趋势线格式”，出现如图3-36的“趋势线格式”对话框。

如图3-36所示，在“趋势线格式”对话框中选定“选项”，将趋势预测前推1周期，得到如图3-37所示的大致预测结果。

由图3-37中的趋势线可见，公司2007年7月的会员卡发行量预测值约为25万张。

图3-36 趋势预测前推1周期设置

第 33 页共 52 页

图3-37 趋势预测前推1周期的大致预测结果

步骤4：用方程或函数准确预测非线性趋势值。根据得到的方程公式y=7.7785ln(x)+3.7651，如图3-38所示，在单元格c16中输入公式：“=7.7785*ln(a16)+3.7651”，即将x=15(2007年7月为第15个时间序列点)代入公式，计算得到2007年7月的会员卡发行预测值为24.83万张。

图3-38 会员卡发行量对数趋势预测结果

步骤5：将预测结果在图中表示。

趋势线前推只能在图中看到大致预测结果，而如图3-39所示，可在图中看到准确的预测值，且预测值一定在趋势线的延伸线上。

图3-39带预测点的会员卡发行量对数趋势预测图

实验思考

1.请试一下，图3-39可否考虑用xy散点图做? 这时用什么数据作为x轴合适?

答：可以，用序号的对数值ln(x)代替x，作为x轴合适，y与x是一次线性函数关系。2.为什么预测值一定在趋势线的延伸线上?

答：预测值一定在趋势线上的原因是预测值是依据趋势线作出来的。

3.除了本实验中介绍的添加趋势线方法可以找到对数趋势预测模型的参数外，是否可以用

第 34 页共 52 页规划求解法找到对数趋势预测模型y=a+bln(x)中的参数a和b?

答：还可用回归方法找到Y=a+bX中参数a,b的值。

实验3-5 “美食佳”火锅连锁店原料年度采购成本预测实验目的：

• 理解季节指数的概念; • 掌握季节指数预测方法。

实验步骤：

步骤1：确定时间序列的类型。

如图3-40所示在单元格a1:c17中布置好公司从2003年第1季度至2006年第4季度的原材料采购成本数据。

绘制公司从2003年第1季度至2006年第4季度共16个季度的原材料采购成本折线图，结果如图3-41所示，既呈现阶段性的规律变化，又有整体的上升趋势。

以每年为一个系列的数据，重新绘制公司从2003年第1季度至2006年第4季度共16个季度的4个系列的原材料采购成本折线图，结果如图3-42所示，呈现明显的季节变化规律，说明适合用季节指数法进行预测。

图3-40 2003年第1季度至2006年第4季度的原材料采购成本数据

图3-41 2003年第1季度至2006年第4季度原材料采购成本折线图

第 35 页共 52 页

图3-42 4年同期的原材料采购成本折线图

步骤2：计算季节指数。

一年有4个季度，所以以4为移动平均跨度，计算移动平均数，其结果应该对应放在每4个季度的中间位置。但当移动平均跨度为4时，没有中间季度位置可放，因此只能放在第3个季度对应的位置处。所以从第一年开始，4个季度的移动平均数放在单元格d4中，即在单元格d4中输入公式：“=average(c2:c5)”。

拖动单元格d4的填充柄复制到单元格d5:d16中，如图3-43所示，完成季度移动平均数的计算。

图3-43 季节指数的计算

移动平均的目的是消除不规则成分，而计算出来的移动平均数不能直接对应在时间序列的季度上，因此用它们的中间值来解决这个困难，即用第一和第二个移动平均数的均值作为第1年第3季度的移动平均数，第二和第三个移动平均数的均值作为第1年第4季度的移动平均数，以此类推。这个过程被称为中心化，所得到的结果称为中心化的移动平均数。所以，在单元格e4中输入公式：“=(d4+d5)/2”，并将它复制到单元格e5:e15内。由此完成中心化移动平均数的计算。

把中心化后的移动平均数单元格e2:e17添加到图3-41所示的折线图中，得到如图3-44的结果。可见中心化的移动平均数体现了原材料采购成本的稳定水平，即在一定程度上消除了原材料采购成本时间序列的不规则成分。

在单元格f4中输入公式：“=c4/e4”，并将它复制到单元格f5:f15中，由此完成季节不规则值的计算。

分别计算每一年对应季度的不规则值的平均值，就可得到各个季度的季节指数。如在单元格i2中输入公式：“=average(f2,f6,f10,f14)”，可计算得到第1季度的季节指数，以此类推，结果如图3-43所示。

第 36 页共 52 页

图3-44 中心化后的原材料采购成本移动平均数

平均季节指数应等于1，因此4个季度的季节指数总和必须等于4。如果不满足这一点，则应对季节指数进行调整。方法是用每一个季节指数除以未调整的季节指数之

和再乘以季度指数总和4。如图3-43中单元格i6所示，未调整前的季节指数之和为3.9852，所以需要调整。在单元格j2中输入公式：“=i2/$i$6*4”，往下复制到j3:j5，得到调整后的季节指数。

步骤3：消除季节影响。

如图3-45所示，将调整后的季节指数复制到E列，分别对应2003-2007年的4个季度。

图3-45 消除季节影响后的原材料采购成本

在单元格F2中输入公式：“=D2/E2”，将公式复制到单元格F3:F17中，得到消除季节影响后的结果。

利用单元格F2:F17中的数据绘制公司从2003年第1季度到2006年第4季度共16个季度的原材料采购成本折线图，并添加线性趋势线，结果如图3-46所示。可以看到，消除了季节影响的时间序列具有非常明显的线性增长趋势。

第 37 页共 52 页图3-46 消除季节影响后的原材料采购成本及趋势线

步骤4：计算预测值。

如图3-47中G列所示，利用FORECAST()函数计算线性趋势预测值。

图3-47 趋势预测值和季节预测值的计算

在单元格H2中输入公式：“=G2*E2”，将公式复制到单元格H3:H21中，即在线性趋势预测值的基础上乘以调整后的季节指数得到最终的季节预测值。公司2007年1至4季度的采购成本预测值分别为73.0、20.9、13.

8、154.9。

根据D列的原始采购成本数据和H列的季度预测值数据，作折线图，结果如图3-48所示。

图3-48 2003-2004年原材料采购成本及2007年4个季度的原材料采购成本预测值

实验思考

1.图3-47中的“序号”一列有什么用?

答：图3-47中“序号”一列的作用是为趋势线公式的获得提供依据(作为自变量X)。 2.计算趋势预测值时，若不用forcast()函数，还可以有什么方法?请至少用两种方法试试看。

答：计算趋势预测值还可用移动平均预测法、指数平滑预测法、一元线性回归分析模型等。

3.季节指数模型是否只能用于季节数据的预测?若是年度、月度、甚至周数据，可以用季节指数模型吗?

答：季节指数模型不是只能用于季节数据的预测，年度、月度、周数据等在某些情况下均能用季节指数模型。

第 38 页共 52 页

实验总结: 此次实验中学习了指数平滑预测法、移动平均预测法、趋势预测法、非线性趋势预测法、季节指数的概念，计算趋势预测值还可用移动平均预测法、指数平滑预测法、一元线性回归分析模型等。实验不难，关键要会分析和辨别使用何种分析方法。

实验四住房建筑许可证数量的回归分析

实验4-1 “家家有房”公司建筑许可证一元线性回归分析

实验目的

• 理解一元线性回归分析的概念;

• 针对不同的问题，能够建立适当的一元线性回归模型; • 掌握内建函数slope()、intercept()与linest()的用法;

• 掌握用规划求解法、添加线性趋势线法、回归分析报告法确定线性回归方程的系数; • 给定自变量的情况下，根据线性回归模型预测因变量的值。

实验步骤：

步骤1：确定因变量与自变量并输入观测值。

根据实验要求，我们确定因变量为建筑许可证的颁发数量，自变量为人口密度，并将数据合理的布置在excel工作表的单元格a1:b19中，以备建模使用。

步骤2：绘制因变量与自变量关系散点图。

利用工作表的数据，以每平方公里的人口密度为x值，建筑许可证的颁发数量为y值，绘制xy散点图，如图4-1所示。从这个散点图可以看出每平方公里的人口密度与建筑许可证的颁发数量之间存在着大体上的线性依赖关系。

图4-1建筑许可证的颁发数量与每平方公里的人口密度散点图

步骤3：求出回归系数a、b的取值，计算判定系数R2，并进行预测。

excel提供了几种不同的工具，包括规划求解工具，intercept()、slope()与linest()等内建函数，在散点图中添加趋势线和趋势线方程以及生成回归分析报告等方法来确定回归系数a和b。我们这里介绍利用规划求解的方法来求解回归系数。

步骤4：假定回归系数的值，建立线性回归模型。

假定回归系数的值为a=1，b=1并将之放在单元格f2:f3中。用回归直线方程y=a+bx以及每平方公里的人口密度来计算建筑许可证的颁发数量预测值，放在单元格c2中，即在单元c2中输入公式“=$f$2+$f$3*a2”，并将此公式复制到c3:c19中，得到建筑许可证的颁发

第 39 页共 52 页数量预测值。在单元格f5中计算建筑许可证的颁发数量观测值与预测值的均方误差mse，即在单元格f5中输入公式“{=average((c2:c19-b2:b19)^2)}”(注：其中的花括号不是直接输入，是将所有内容输入完后按住ctrl+shift键后再按回车键生成的)。如图4-2所示：

图4-2 回归参数求解前的模型

步骤5：启动规划求解工具，确定模型最优参数。

在如图4-3的“规划求解参数”对话框中将目标单元格设为$f$5，使其等于最小值，将可变单元格设为$f$2:$f$3，无须设置任何约束条件即可直接求解，保存规划求解结果。注意规划求解受到迭代次数和精度的限制，本例需启用8次规划求解工具进行重复运算才能得到满意的精度，即第8次的运行结果与第7次的运行结果相同。

图4-3 规划求解参数的设置

对于一个线性规划求解问题，如果我们启用一次规划求解工具不能得到满意解，那我们需多次启用规划求解工具，当第n+1次的结果与第n次的结果相同时，则该结果即为我们最终得到的结果，此外，我们也可以在规划求解的选项中设定“迭代次数”。

规划求解完成后，如图4-4中所示，就可得到使f5中均方误差达到极小的两个回归系数的值，即回归直线方程的截距a和斜率b的值分别为a=-23645.19，b=5.4714971，即回归方程为：

y=-23645.19+5.4714971x

第 40 页共 52 页

图4-4 回归参数求解后的模型

根据上述回归方程，如果任意给定人口密度(7000)，即可预测出建筑许可证的颁发数量(14655.287)，如图4-5所示。

实验思考

1. 除了用规划求解的方法外，还可以哪些其它方法求出建筑许可证数量与每平方里人口密度之间关系的回归方程y=a+bx的系数，请用其它方法求得系数，并检验与实验4-1所获得的系数是否一致。

答：除用规划求解额方法外，还可以利用添加趋势线的方法获得回归方程Y=a+bX的系数。用规划求解方法获得的回归方程Y=a+bX的系数中a的值为-23900.10788，b的值为5.500026742;而用添加趋势线的方法获得的a的值为-23901,，b的值为5.5001，在误差允许的范围内，可认为他们的系数一致。

2. 如果每平方公里的人口密度与建筑许可证数量之间是非线性关系，该如何选择非线性模型，并针对任意给定每平方公里的人口密度，预测建筑许可证的颁发数量。

答：若每平方公里的人口密度与建筑许可证数量之间是非线性关系，可利用添加趋势线的方法来进行检验，找出每一种可能的非线性模型的均方误差MSE，选择其中最小的一项作为最佳的非线性模型。然后根据非线性模型的公式，带入相应参数后即可预测建筑许可证的颁发数量。

3. 根据拟合优度，进一步分析是否有其他非线性回归模型，更适合人口密度与建筑许可证数量的相关关系。

答：根据拟合优度对其他非线性回归模型进行分析，暂未找到更适合人口密度与建筑许可证数量的相关关系。

实验4-2 “家家有房”公司建筑许可证一元非线性回归分析

实验目的

• 理解一元非线性回归分析的概念;

• 针对不同的问题，能够建立适当的一元非线性回归模型;

• 掌握用规划求解法、添加非线性趋势线法、变换法确定非线性回归方程的系数; • 在给定自变量的情况下，根据非线性回归模型预测因变量的值。

实验步骤：

步骤1：确定因变量与自变量。

第 41 页共 52 页根据实验要求，我们确定因变量为建筑许可证的颁发数量，自变量为自由房屋的均值。并将数据合理的布置在excel工作表的单元格a1:b19中，以备建模使用。

步骤2：选择合适的回归方程。

利用步骤1中准备的数据画出散点图，如图4-5所示，通过散点图选择合适的拟合函数，建立含未知参数的方程。

图4-5 建筑许可证的颁发数量与自由房屋的均值散点图

仔细观察散点图，发现建筑许可证的颁发数量随着自由房屋的均值增大而增大，且随着自由房屋均值的增加建筑许可证的颁发数量增加的速度而放缓，这是对数曲线的特征，因此可以采用对数函数来进行拟合。即将建筑许可证的颁发数量(y)与自由房屋的均值(x)之间的关系表述为：

y= a + blnx 其中的参数a与b的值待定。

步骤3：假定回归系数的值，建立非线性回归模型。

假定回归系数的值为a=1，b=1并将之放在单元格f2:f3中。用回归对数方程y=a+blnx以及自由房屋均值来计算建筑许可证的颁发数量预测值，放在单元格c2中，即在单元c2中输入公式“=$f$2+$f$3*ln(a2)”，并将此公式复制到c3:c19中，得到建筑许可证的颁发数量预测值。在单元格f5中计算建筑许可证的颁发数量观测值与预测值的均方误差mse，即在单元格f5中输入公式“{=average((c2:c19-b2:b19)^2)}”(用ctrl+shift+enter组合键添加花括号)。如图4-6所示：

图4-6 回归参数求解前的模型步骤4：确定参数a与b的值。

对于本例的问题，我们采用规划求解的方法来确定参数a与b的值，利用规划求解工具计算出使mse极小的参数a与b，规划求解对话框的设置如图4-7所示。

第 42 页共 52 页

图4-7 规划求解对话框

然后点击“求解”按钮，可得如图4-8所示的结果。

图4-8 规划求解后的模型结果

步骤5：添加趋势线，显示R2值。

在图4-7的散点图中通过添加对数趋势线，并在添加趋势线对话框中的“选项”中选择“显示R2”与“显示公式”，如图4-9所示。我们发现R2达到0.9441，表明选择对数回归模型预测是可行的。同时我们也检验了趋势线方法与规划求解法所得到的回归方程系数是一样的。

图4-9 添加了对数趋势线

步骤6：进行预测。

根据对数回归方程，如果任意给定自由房屋的均值，即可预测出建筑许可证的颁发数量。将x=300，预测出颁发的建筑许可证数量为-78874.08+16877.319*ln(300)=17390.4708 ，如图 4-8所示。

实验思考：

1、请将此问题转换为线性回归模型，求解模型的参数和R2值，并与规划求解法的结果进行比较。

答：若将此模型转换为线性回归模型，得到的模型为y=16877.34701Ln(X)-

第 43 页共 52 页 79003.9859, MSE=2023817.464，与原模型中y=16878Ln(X)-78877,R²=0.9441，MSE=2006982.816相比，基本无差别。

实验4-3 “家家有房”公司建筑许可证多元线性回归分析实验目的

• 理解多元线性回归分析的概念;

• 针对不同的问题，能够建立适当的多元线性回归模型; • 掌握运用向前增选法确定回归自变量;

• 在给定自变量的情况下，根据多元线性回归模型预测因变量的值。

实验步骤：

步骤1：输入原始数据。

首先分析案例中的自变量和因变量，并将数据合理的布置在excel工作表的a1:d19中，如图4-10所示，以备建模使用。

根据实验要求，我们确定因变量为建筑许可证的颁发数量(y)，自变量为每平方公里的人口密度(x1)、自由房屋的均值(x2)与平均家庭收入(x3)，假设多元线性模型为：y=a+b1*x1+b2*x2+b3*x3。

图4-10 人口密度、自由房屋均值、平均家庭收入与建筑许可证数量数据步骤2：分别绘制三个候选自变量与因变量之间的关系图。

第 44 页共 52 页图4-11 建筑许可证数量与每平方公里人口密度的散点图

这个问题涉及到三个候选自变量，每平方公里的人口密度(x1)、自由房屋的均值(x2)与平均家庭收入(x3)。首先分别对每个候选自变量绘制与因变量建筑许可证的颁发数量关系的散点图，见图4-11—图4-13。

图4-12 建筑许可证数量与自由房屋的均值的散点图

图4-13建筑许可证数量与平均家庭收入的散点图

步骤3：针对每一个候选变量生成回归分析报告。

分别对这三个候选变量做回归分析报告，根据值，找出最优的变量。这里我们采用向前增选法，先给出建筑许可证的颁发数量与三个候选变量之间的回归分析报告，分别见图4-14和4-16。

图4-14 许可证数量与人口密度的回归分析报告

第 45 页共 52 页

图4-15 许可证数量与自由房屋均值的回归分析报告

图4-16 许可证数量与平均家庭收入的回归分析报告

图4-17 建筑许可证数量与人口密度及平均家庭收入的回归分析报告

第 46 页共 52 页图4-18 建筑许可证数量与自由房屋均值及平均家庭收入回归分析报告

实验思考

1. 在用回归分析报告求解参数时，自变量与因变量之间应该满足什么关系? 答：在用回归分析报告求解参数时，自变量与因变量之间应满足一个或多个自变量值对应一个应变量。

2. 为什么实验结果只选用两元线性回归模型而不用三元线性回归模型进行建筑许可证数量的预测?

答：实验结果只选用两元线性回归模型二不用三元线性回归模型既高兴建筑许可证数量预测的原因是三元回归分析报告中自有房屋的均值X2的调整后的R²的值并未超过一元回归分析报告中对自有房屋的均值X2的调整后的R²的值，说明自有房屋的均值X2与建筑许可证数量的线性相关性不强，若它参与回归预测，将会影响预测结果。

3. 在用多元线性回归时，如何确定候选变量，确定的依据是什么?

答：用多元线性回归时，可依据对某一自变量在组合前得到的调整后的R²的值与组合后得到的调整后的R²的值之间的大大小进行候选变量的确定。若组合后得到的调整后的R²的值超过组合前得到的调整后的R²的值，则确定其为候选变量

4. 从实验4-2我们了解自有房屋的均值(x2)与建筑许可证数量是对数相关，如果我们用回归方程y=a+b1*x1+b2*lnx2+b3*x3来进行预测是否更精确?那么我们又怎样确定此方程的各项系数呢?

答：若用回归方程Y=a+b1*X1+b2*lnX2+b3*X3来进行预测，结果不一定会更精确。因为Y是受3个自变量的共同影响。可用多元非线性回归确定次方程的各项系数，因为线性回归是特殊的非线性回归。

实验4-4 “家家有房”公司建筑许可证多元非线性回归分析

实验目的

• 理解多元非线性回归分析的概念;

• 针对不同的问题，能够建立适当的多元非线性回归模型;

• 掌握用规划求解法、变换技术加回归分析报告法确定多元非线性回归方程的系数; • 在给定自变量的情况下，根据多元非线性回归模型预测因变量的值。

实验步骤：

步骤1：确定因变量与自变量。

根据实验要求，我们确定因变量为建筑许可证的颁发数量(y)，因变量为平均家庭收入(x1)与人均交纳税收(x2)，并将数据合理的布置在excel工作表中。

步骤2：确定模型并对模型初始化。

因为是非线性模型，而且是多元的，所以我们这里假设模型为y=a+b1*x1^2+b2*x2^2。在单元格h2:h4中分别放入参数a，b1，b2初值1，并在单元格d2中输入公式“=$h$2+ $h$3 *a2^2+$h$4*b2^2”，并将其复制到公式d3:d19中，在单元格h5中输入公式“=sumxmy2(d2:d19,c2:c19)/count(d2:d19)”。

步骤3：启用规划求解工具。

在“工具”菜单中选择“规划求解”，打开“规划求解”对话框，并在该对话框中做如

第 47 页共 52 页图4-19中设置，然后点击“求解”按钮，并将结果保存在图4-20中。

图4-19规划求解参数的设置

图4-20 规划求解后的模型结果

步骤4：根据获得的参数进行预测。

利用规划求解的结果，将参数a，b1，b2的值及平均家庭收入为80千元，人均交纳的税收为7千元代入模型y=a+b1*x1^2+b2*x2^2，可得建筑许可证的颁发数量预测值为11464.4。

步骤5：将非线性模型与线性模型结果比较。

将模型假设为线性模型y=a+b1*x1+b2*x2，并将参数放置在单元格h8:h11中，重复步骤2与步骤3，可以看到在线性模型求得的mse为1500179.183，比在非线性模型下求得的mse的值1158258.3大，因此在该实验中，用二元非线性模型要比用线性模型求解的结果要好些。

实验思考

1. 如果要用回归分析报告求解多元非线性模型的参数，首先要做的工作是什么?怎么做?

答：若要用回归分析报告求解多元非线性模型的参数，首先要做的是确定因变量与自变量。并将数据合理地布置在Excel表中。

2. 现王经理经过深入调查研究发现：建筑许可证的颁发数量既与每平方公里的人口密度有着密切的关系，也与自由房屋的均值有着密切的关系，此外还与平均家庭收入、人口增长百分比、失业率、人均交纳的税收等有着相关关系，并给出相关数据如表4-5，根据表4-5中所给的数据，想想用什么方法能够较快的找出合适的自变量建立多元回归分析模型，并以此预测建筑许可证的颁发数量。

答：可分别求出每一因素调整前的R²的值与调整后的R²作比较，再确定其是否影响显著，以此进行选择细分。

第 48 页共 52 页

实验总结:

本次实验主要目的是理解数平滑预测法、移动平均预测法、趋势预测法、非线性趋势预测法、季节指数的概念;掌握在excel中建立指数平滑预测模型、移动平均模型、线性趋势预测模型、非线性趋势预测模型、季节指数预测的方法，掌握寻找最优平滑常数、最优移动平均跨度、线性趋势模型参数、线性趋势值预测的各种方法。

实验五手机用户消费习惯聚类分析

实验目的

• 理解聚类分析的概念; • 理解聚类分析的原理;

• 掌握在SPSS中进行聚类分析的方法。

实验步骤: 为研究移动用户的手机消费习惯，现收集了反映移动用户手机使用情况的数据，该数据中包含7个变量：客户编号(Customer_ID)、工作日上班时期电话时长(Peak_mins)、工作日下班时期电话时长(OffPeak_mins)、周末电话时长(Weekend_mins)、国际电话时长(International_mins)、总通话时长(Total_mins)和平均每次通话时长(average_mins)。请用SPSS软件按除客户编号外的6个变量维度对移动用户进行细分。部分数据如图所示。

移动电话用户手机使用情况部分数据

本次实验采用迭代聚类方法进行数据分析。

1.数据的初步分析

选择菜单打开SPSS文件 telco.sav→分析(Analyze)→描述统计(Descriptive Statistics)→描述(Descriptives…) 选入变量将除“Customer_ID”外的其余6个变量选入变量框(Variables)中

设置选项打开Options按钮，勾选均值(Mean)、标准差(Std. deviation)、最小值(Minimum)、最大值(Maximum)四项

结果输出见下图。

第 49 页共 52 页

上图显示6个变量数值差异较大，其中均值最大值为1064.3，最小值为4.1267，标准差的取值也从最小的3.804变化到最大的560.801。这种差异会影响聚类分析的结果。而要消除这种影响，需在聚类前对数据进行标准化处理。

2.标准化处理

在上一步弹出的“Descriptive”对话框中选择“Save standardized values as variables”，即将标准化值另存为变量，输出如下图。

标准化的目的是消除量纲和变异的影响。消除量纲影响，要扣减平均值;消除变异影响，要除以标准差。因此标准化数据等于某变量的观察值减去该变量的平均数，然后除以该变量的标准差。标准化后各变量的平均数为0，标准差为1，消除了量纲和变异的影响。如ID为K1000050的用户工作日上班时间通话时长(Peak_mins)标准化后的值，Peak_mins标准化=(观察值-均值)/标准差=(40.61-708.347)/515.258=-1.296。

3.聚类分析

选择菜单打开SPSS文件 telco.sav→分析(Analyze)→分类(Classify)→K均值聚类(K-Means Cluster…) 选择变量选入上图中红框内的6个标准化数据变量

设置选项主窗口设置选项如下图中的第一个图，其中Label Cases by设置为客户编号表示个案标记依据为客户编号，Number of Clusters设置为5表示聚类后生成5类不同特征的数据。“Iterate…”、“Save…”、“Options…”3个按钮的设置依次按照下面3个图进行设置。Maximum Iterations设置为100表示最大迭代数为100，Convergence Criterion=0表示收敛标准为0。勾选Cluster membership表示在原始数据中生成每个记录对应的类别号1-5，Initial Cluster centers表示生成初始聚类中心，ANOVA tables表示生成方差分析表。

结果输出见下表。初始聚类中心表可以看成是以6个变量为维度的5个散点，每个散点对应一个类别。生成散点的原则是使得这些散点尽可能广泛地分布在6维空间中，散点之间

第 50 页共 52 页

第三篇：分析报告--全年能耗分析报告

等级急前政办明电〔2010〕31号

抄送:县委各部门,县人大办,县政协办,县纪检委办,县法院、检察院,前郭灌区农垦管理局,前郭尔罗斯查干湖旅游经济开发区,县人武部,各人民团体。

各乡(镇)人民政府,各农、林、牧、渔场,县直各部门:

为进一步规范全县公共机构能耗统计台账和分析报告内容、格式,强化能耗统计基础工作,全面掌握全县公共机构能源资源消耗的实际状况,根据《吉林省公共机构节能办法》和《吉林省公共机构节电、节水、节油、节气、节约办公用品管理制度》,特制定全县统一的公共机构用电、用水、用油、用气、办公用品能耗统计台账和能耗统计分析报告格式,现将有关要求通知如下:

一、公共机构能耗统计台账、分析报告的范围和内容

(一)能源资源消耗统计和分析报告的范围为全县全部或者部分使用财政性资金的国家机关、事业单位和团体组织。

(二)能耗统计分析报告的内容为上述单位的电、水、油、气、办公用品等能源资源消耗情况。

(三)公共机构能源资源消耗统计分析报告的频率为季度和,即每季度末的次月10日前和下一3月1日前上报。

二、能耗统计台账数据采集

(一)全县各公共机构要按照规定的能耗统计制度,准确及时填写相关数据,建立健全本地、本部门(单位)能耗统计台账和分析报告制度。

(二)电、水消耗。以自来水公司、供电公司出具的水、电费发票记载数据为依据,实行按月登记,按季按年统计。其中多个单位共用一个电、水表的办公楼,以办公楼产权单位分摊的电、水消耗数据填报,一个单位有多个电、水表的以电、水表数据之和为依据。

(三)燃油、燃气消耗。燃油以实际发生的购买发票并经财务报销的油耗数据为依据;燃气以燃气公司出具的燃气发票数据为依据。

(四)办公费用以实际发生的采购或购买发票并经财务报销的费用为依据。

三、全面建立统计台账和分析报告制度

(一)建立健全规范的统计台账制度。全县各公共机构要按照省直机关事务管理管局统一制发的统计台账,及时登记能耗数据并存档以备查验,有条件的单位必须同时建立电子台账,并进行数据备份。统计台账的登记要准确、及时、连续、指标齐全,统计台账的数据要与相应的原始凭证相符。

(二)严格落实统计分析报告制度。各单位能耗统计分析报告应以能耗统计台账为依据,计算汇总相关统计数据,然后按《公共机构能源资源消耗统计制度》的统计目录、统计口径、范围和计算方法的要求填写,在规定时限内以纸质和电子两种方式同时上报。纸质报表要认真审核,并经填报人、统计负责人、单位负责人和单位盖章后方可上报,电子表格内容要与纸质表格一致。

(三)附件1是以用电消耗为例子的模板,如统计其他能耗数据,模板格式不变,只需将具体能耗名称换掉,填写上其他能耗名称(如水、煤、天然气、液化石油气、人工煤气、汽油、柴油、煤油、热力、办公用品等)即可,计量单位同时加以更换。计量单位要按国际计量单位和我国法定计量单位进行填写。

四、有关要求

(一)健全能耗统计分析报告工作的组织领导。要充分认识能耗统计分析报告工作的重要意义,切实增强主动性和自觉性,明确分管领导,落实专人负责,并保持工作人员相对稳定,确保能源资源消耗统计分析报告的真实性和可靠性。

(二)充分利用统计数据,切实做好节能工作。各公共机构要加强对本地、本部门(单位)、本系统能耗统计台账数据的分析研究,查找管理漏洞和薄弱环节,有针对性地提出节能降耗的措施,确保节能指标如期完成。同时,要以统计数据为基础,全面落实电、水、油、气、办公用品消耗以及车辆单车油耗费用的公示制度,并定期张榜公布。

(三)政府公共机构节能工作管理机构每年要结合节能监督检查和绩效考核对公共机构能耗统计台账、分析报告的落实执行情况进行监督检查。分析报告要以台账为依据,检查时各公共机构要提供本台账和原始票据内容。对未建立、不认真填写统计台账或瞒报、虚报统计数据的,要依据有关规定,责令其限期改正,逾期不改的予以通报,并进行行政问责。

(四)自2010年1月1日起,全县各公共机构要以此能耗统计台账和分析报告为原始范本,统一填报本单位、本部门能耗数据,能耗统计台账和分析报告格式可从电子公文传输平台或县节能办公用邮箱(qgjnb2009@126.com)中下载,邮箱密码:2009126(登录后点击“其他文件夹-县节能办发文”)。

附件:1.公构机构(用能单位)能耗统计台账

2.公共机构单车管理统计台账

3.用能单位季度、半年、全年能耗分析报告(模板) 二○一○年六月二十七日

第四篇：传染病报告数据分析

第一季度传染病报告数据分析

我院第一季度网络报告各类传染病共

例，其中一月份

例，二月

例，三月份

例。

本季报告的传染病其中流行性腮腺炎例，其它感染性腹泻病例，急性出血性结膜炎例(写本月具体报告病种)，其它传染病本季无病例报告。

地区分布本季报告的传染病现住址都为本乡，职业分布本季报告传染幼托儿童例，散居儿童例，学生例，农民例，其它职业无病例报告。

本季报告主要传染病(有报告数量较多的病种就写，如：本季报告传染病流行性腮腺炎较多，且多发与幼托儿童和学生，应加强对学校和幼托机构腮腺炎的防控指导，防止该病的暴发。)

本季报告的传染病无暴发流行趋势和无聚集性症候群等异常情况。传染病报告自查中存在的问题和改正的措施;

第五篇：销售数据分析报告

(一)

一、备案情况概述

11月份武汉市商品房销售备案套数为12945套，销售备案面积为145.66万㎡，成交均价3847元/㎡，总成交金额56.0354亿元。本月日均备案套数431套，日均备案面积4.86万㎡。

与上月相比，本月销售备案套数增长幅度很大，涨幅达到122%!比今年销售状况最好的5月也多出18.7%。综合多方面因素分析，主要有以下两个方面的原因：一方面是自今年国家对房地产行业实施了空前严格的宏观调控以来，市场供求双方都对房地产市场保持观望态度。经过几个月的市场反应，被短暂压抑的市场需求开始释放，由此导致了销售量的剧增;另一方面，也是受国家调控影响，导致往年惯常的“金九银十”局面风光不再，而是出现向十一月转移的趋势，这也促进了本月销售量的增长。此外，在十月末有数个楼盘集中开盘，其销售合同备案的延迟到十一月，这也在一定程度上也促进了本月商品房销售备案量的增长。

房地产新政实施后的几个月内，除8月份处于市场销售淡季最低谷之外，其他几个月的销售量都稳定在相对较低的水平，即使往年市场反应良好的“金九银十”的这两个月的销售量也并没有与其他月份拉开差距。

单就本月销售套数激增这一指标来看，说明市场上仍然存在旺盛的需求。但也并不能就此说明楼市今后走势，究竟是强劲反弹还是昙花一现，需要今后的市场反应来印证。

虽然商品房销售备案套数前几个月基本保持平稳，但商品房成交备案价格却一直呈现微幅上涨趋势，本月成交价格涨幅不足1%。成交价格的持续微幅上涨从另一方面也反映出本地市场的健康和旺盛的需求。

二、销售备案数据分析

1.各区域备案数据

本月销售备案套数最多的区域为江岸区。该区在十一月并没有新项目推出，销售基本都是靠以前的项目的销售的拉动，这显示出该区域众多的供应体量和市场需求。武昌区本月销售备案套数位居第二，近几个月该区域推出新盘较多，且市场反应尚可，此外还有市场反映较好的项目合同延迟到本月备案的因素在内。由于江汉区本月推出新盘相对较多，且多集中在月末，因此虽然本月销售备案套数并不多，但在下月的销售备案情况中将会有体现。

2.各建筑类型备案数据

从销售备案套数方面来说，小高层和高层建筑类型的销售情况要好于其他建筑类型。特别是高层建筑类型，连续几个月的销售数据以及月度新盘状况都表明高层建筑已经成为现在房地产市场上销售和供应的主流。随着高层建筑的不断增多，多层和小高层比重将越来越小。而随着国家全面否决别墅用地，别墅在市场上的出现也将会是越来越少。

3.不同面积段备案数据

从备案套数数据分析，本月120㎡以下的房型占总体销售量的61.7%，比上月有小量的下降，但依然占据主要地位。而随着房价的持续上涨，120㎡以上的房型总价偏高，相对而言销售存在难度，因此目前这部分房型主要存在于高端住宅和新政实施以前动工的住宅项目中，在新建的项目中也存在部分。随着国家政策的落实到位和地方细则的出台，120㎡以下所占比重将会继续增加。

4.不同户型备案数据

本月销售备案情况显示占主要销售部分的房型是一室、两室两厅、三室两厅和四室两厅，其中三室两厅和两室两厅依然占绝大部分比重，这说明目前市场上的购房需求还属于合理正常化的阶段。而四室三厅、复式住宅和别墅等属于高端客户的户型的销售量比较一般，而这也与高端产品的销售特点是一致的。

5.不同档次备案数据

根据市场信息网统计数据，按不同的价格区间本文将交易价格在2500元/㎡以下的商品房列为普通住房，将交易价格在2500—5499元/㎡的商品房列为中高档住房，交易价格在5500元/㎡以上的(包含别墅)列为高档住房。

本月高档项目销售备案状况比上月有多好转，本月有金都汉宫等高端项目正式销售，且取得不俗的销售业绩，加上以往其他高端项目的销售拉动，备案也比较及时，因此数据有所上升。

占主要部分的还是中档项目即价格在2500-5499元/㎡区间内的项目，2500元/㎡以下的项目一般都在江夏、吴家山等远城区。而实际上，随着房价的上涨，市区内3500元/㎡以下的项目也是比较少了，主要集中在东西湖、后湖等板块，可以说3500-5499元/㎡这个价格区间的销量显示了大多数购房者的真实承受能力，这个价格范围内的项目一般处于中心城区或者近城区，生活便利，离原来的居住地点也不远，相对而言总价也还在可接受的范围内。

6.区域成交价格分析

本月成交备案价格最高的区域是武昌区，由于区域内集中了众多高档项目，而且具有良好的景观资源，因此武昌区的价格近来上涨较快，超过了江汉区。而汉阳区在几个代表性楼盘的拉动和新区建设的利好消息之下，区域成交价格也是持续上涨。

三、增量备案数据分析

1.各建筑类型增量分析

本月新增量中，高层建筑面积新增95.94万㎡，而小高层建筑由于增量较少，反而抵不上销量，两者权衡因此出现存量下跌的状况，也即小高层建筑本月新增量为零，且小高层存量消化了15.84万㎡。根据多方面数据综合分析，高层建筑本月销量和增量都有如此大的量可能有集中备案和报批因素。别墅出现增量则是新政以前的项目的后续工程。

2.不同面积段新增量分析

从上图可以看出本月各个面积段的增量中，140㎡以上的占50%以上，而综合市场因素分析，本月新增项目中并没有如此大的体量，因此本月新增数据依然存在集中备案因素，导致各面积段新增量数据较高。而91-120㎡面积段销售量大于新增量，使得该面积段的存量下跌。

从本月各面积段的增量数据来看，前一段时间趋于稳定的供应结构将会有一定调整，主要体现在大面积房型的供应量将会有一定上升。由于国家规定“90㎡以下户型占总量70%”的硬性指标，因此今后的结构调整仍将是个不得不重视的问题。

3.各区域新增量分析

本月各区域的新增量呈现出参差不齐的现象，武昌区和东西湖区由于几个大盘的推出导致新增量大，而汉阳、洪山等区域也有新项目推出，但新增量依然小于销售量，这反映出目前市场上仍然存在较大需求。

四、总结

本月备案情况无论是销售套数还是销售面积都出现了“井喷”现象，备案套数更是跃居全年最高水平，以往房地产业内的“金九银十”的黄金销售期也似乎转移到十一月。而事实上，从本月新增备案项目、开盘项目、销售状况等方面来看，也确实印证了这一点。但是由于今年的特殊情况，市场对于地产新政的效果需要一段时间才能反映出来，在此期间内因此各项指标都出现了一定量的下跌。而本月备案套数、备案面积的剧增可以理解为前一段时间被压抑的市场供应和需求得到了集中释放的结果。

本月各区域市场体现出一定的不平衡性，主要体现为区域市场上的供求关系不同，从各区域新增量情况来看，有的区域持续大体量供应，而有的区域则增量不抵销量，使得本月消化了部分存量。

同时，根据本月不同面积段的新增量数据显示，140㎡以上的大面积房型在市场上比重增加，一方面带来销售压力的同时，另一方面也使得市场供应结构发生变化，对市场的良性发展产生一定影响。

由于全市高端项目多集中在武昌的临江、临湖区域，因此近来武昌区的成交价格被拉升，导致本月武昌区域成交备案价格高于其他区域。随着金都汉宫的正式销售，全市的高端住宅基本都已经开始销售且在近期内也不会有新的高端项目推出，高端市场竞争越发激烈，而这些高端项目今后走势如何将值得关注。

销售数据分析报告

(二)

随着社会经济发展水平越来越高，人们从原先的一味追求物质生活，到开始慢慢地重视精神生活。人们对书的需求也越来越大，读书也成为人们日常生活中的一部分，我公司图书销售逐年呈快速增长趋势。但是随着电子设备的不断发展，电子书占去了一部分纸质图书的销量，而且纸质图书盗版横行，加之消费结构的变化，使得部分品种的销售出现下滑。

一、原因分析

从客观上说，既有人们需求内容的丰富、结构的变化，也有图书形式的增加、市场竞争加剧;从主观上分析，既有销售渠道、销售方式的因素，也有图书品种、服务质量的原因。下面主要从消费者的需求上分析一下我公司图书增、减变化的原因。

㈠销售增长品种及原因：

1、文艺、科幻、侦探县疑：有利于缓解人们的工作、生活和学习的压力。

2、中国古典小说：与古典电视剧的热播有关。

3、漫画技法：社会需要全面发展的人才，家庭、学校对学生艺体重视的结果。

4、社科、婚姻家庭、女性读物：人们生活压力大、社会关注度高。

5、公务员考试、经济考试：公务员成为热们职业，社会上公务员考试的人数逐渐增多。

5、地图、地理旅游：由于经济发展、人们生活水平提高，越来越多的人有条件去旅游。

㈡销售降低品种及原因：

1、股票：近年股市低迷所致。

2、保险：人们收入水平有限、保险意识不强。