数据分析实例:基于电力大数据的中小型企业运营发展分析

前不久,帆软发起了【2023BI数据分析大赛】的活动,老李我也是这个大赛的评委。

今天跟大家分享的是基于电力大数据的中小型企业运营发展分析。
在这里插入图片描述
当我们去解读一份数据分析报告时,首先要了解这份报告的主要目的是什么,作者通过分析中小企业电力使用情况和企业经营情况,帮助政府进一步了解企业经营状况,为宏观决策、落实助企惠企政策提供数据支撑。

一、分析背景

作者首先介绍了中小企业在国民经济和社会发展中的重要作用,但近年来受到了多种经济压力的影响,如原材料价格上涨、订单不足、用工难、回款慢、物流成本高等。为了支持中小企业,政府出台了一系列政策措施。然而,政府需要更好地了解企业的经营状况,以制定更有效的政策。

作者依托互联网采集与自建仿生数据,利用电力生产、电力服务、电力消费环节数据,融合经济运行、产业政策等,在充分解读山东省中小企业促进条例的政策基础上,从总体概述、产业发展、地区发展、企业预警等4个方面开展监测分析,构建电力看中小企业发展分析算法模型,搭建能源大数据看民生发展典型场景,预测中小企业发展趋势,为城市管理者制定助企惠企政策提供数据支撑及决策依据。

数据分析工具:Fine BI

二、分析原则

作者主要遵从以下原则:

  1. 数据价值:将数据视为资源,最大限度地挖掘和发掘数据的价值,以支持业务决策。
  2. 数据综合利用:整合内外数据资源,构建数据融合,实现数据的综合利用和共享。
  3. 数据安全:保障数据的可靠性、完整性和安全性。
  4. 创新技术:采用先进的技术手段,提高数据处理、分析和应用的能力,推动数据分析领域的创新和发展。

三、分析思路

作者的分析思路是首先对电力数据和经济活动进行初步探索性分析,再依次进行分地区、分产业的精细化分析,利用分析成果设计算法并开展预警预测,具体从以下三个方面构建:

研究电力大数据和经济活动之间的特点

通过皮尔逊(Pearson)相关系数对电力大数据和经济的分析研究,使电力大数据能够准确、及时、直观地体现中小企业经营运行的实际情况。

开展中小企业用能分析

一是通过构建景气指数、用电增长指数、规模增长指数,分析各地市、各行业样本企业生产用能变化趋势。二是开展企业用能预测,分析外部形势发展对不同地市、行业的影响。

预警中小企业运营风险

基于上述中小企业用能分析分析的基础上,根据企业用电规律,构建企业画像,在企业存在运行异常时发出电量预警、减容预警和停产预警。

在这里插入图片描述

四、数据处理

作者对数据进行了梳理、溯源、获取、清洗、转换、脱敏、导入、加工和计算等过程。这些步骤涉及多个数据源,包括电力使用数据、经济GDP数据等。数据处理的目的是为了建立分析模型提供准确的数据支持。

分析模型

作者基于中小企业用电数据构建中小企业运营景气指数(以下简称景气指数),用于评估中小企业正常生产用能水平,通过用电水平研判生产经营状况。

(1)指数规则

作者在指数构建时既考虑了通过用电变化反映当下企业发展情况,也考虑了通过容量变化反映企业自身对未来经营的信心。

(2)相关算法

皮尔逊相关系数( Pearson correlation coefficient),是用于度量两个变量X和Y之间的相关(线性相关),其值介于-1与1之间。
在这里插入图片描述

(3)预测模型

一元线性回归是分析只有一个自变量(自变量 x 和因变量 y)线性相关关系的方法。
在这里插入图片描述

五、分析场景

作者将分析场景分为了四个板块,分别是电力看宏观经济、电力看中小企业、企业经营预警、企业发展预测。

(1)电力看宏观经济

作者通过该板块对电力数据和经济活动进行探索性分析,研究两者之间的相关性。电力看宏观经济板块整体上侧分4块显示监测指标。下侧为相关性分析、数据走势、各产业的相关系数。

  • 监测指标模块:分季度用电监测、GDP数据、经济增速、企业增速。
  • 相关性分析模块:电量与经济整体相关相关性分析,从数据图形可以看出,电量与经济整体上成正相关关系。
  • 数据走势模块:显示电量与GDP数据走势,移动光标可以查看各季度详情。
  • 各产业的相关系数模块:显示整体与各产业的相关系数。从数据图形可以看出第一产业电量数据与经济数据呈现弱相关。
    在这里插入图片描述

(2)电力看中小企业

作者在对电力与经济活动进行初步分析之后,再次进行分地区、分产业的精细化分析。电力看中小企业板块含 [企业发展分析] 、[地区发展分析]、 [行业发展分析] 三个子模块,形成横轴与纵轴的分析经纬网络。通过对上述三个方向变化情况监测,点面结合综合研判监测中小企业生产经营情况。

  • 企业发展分析:含企业运营指数分析、用电增长指数分析、规模指数增长分析、地区总览分析,产业、行业总览分析等
  • 地区发展分析:16地市当前指数情况(含运营指数、用电指数、规模指数等)、地市样本企业统计、地区最高、最低近12个月的发展变化情况
  • 行业发展分析:产业、行业当前指数情况,样本数量、产业最高指数分析,行业最高、最低指数分析。
    在这里插入图片描述

(3)企业经营预警

作者利用分析成果设计算法并开展预警预测,该模块主要对存在生产运营风险的企业及时发出电量预警、容量预警和停产预警。预警规则如下:

  • 电量预警(绿色):月度用电增长指数低于50以及电量环比降幅高于80%。
  • 减产预警(红色):月度发生减容。
  • 停产预警(蓝色):近3个月电量为零。

1.预警分布模块:预警类型占比饼状图
2.预警企业名单模块:显示预警企业名单含企业名称、所属产业、所属行业、所属地区、预警类型和预警描述。
3.地区预警分布模块:按16地市显示预警企业情况。
4.产业预警分布模块:按行业显示预警企业情况。

在这里插入图片描述

(4)企业发展预测

作者基于电力大数据的监测分析,通过对中小企业用电情况、地区发展、行业发展等数据的考量,结合统计的企业发展与经济指标,设置基于电力大数据的景气度预测模型,输出产业发展大数据分析结果,为政府促进中小企业发展提供数据支撑。

在这里插入图片描述
总的来说,该报告旨在为山东省政府提供有关中小企业电力使用情况和经济发展趋势的详细数据和分析,以支持政府的决策制定和政策实施。报告首先对电力数据和经济活动进行初步探索性分析,再依次进行分地区、分产业的精细化分析,利用分析成果设计算法并开展预警预测,分析由浅入深,使用了多种数据分析技术,包括相关性分析和预测模型,以便更好地理解并预测中小企业的运营状况。

在这里插入图片描述
这份报告对我们还是很有启发意义的,比如我们需要具备整合不同数据源和清洗数据的能力,需要注重数据安全;比如分析师需要具有将数据视为资源的潜意识;比如我们需要理解业务需求,将分析与业务相结合,实现有意义的结果……

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/231601.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

mapbox使用v3版本,v2的样式切换不同时间段

创建DayAndNight.js /*** 使用方式* const dayNight new DayAndNight({ map: map // map 地图对象}) * 修改类型* dayNight.setConfigProperty(value)*/ class DayAndNight {constructor (sdMap) {this.map sdMap.mapthis.initStyle()}// 初始化时添加必要样式initStyle () {…

vue中设置滚动条的样式

在vue项目中,想要设置如下图中所示滚动条的样式,可以采用如下方式: ​// 直接写在vue.app文件中 ::-webkit-scrollbar {width: 3px;height: 3px; } ::-webkit-scrollbar-thumb { //滑块部分// border-radius: 5px;background-color: #1890ff;…

excel数据重复率怎么计算【保姆教程】

大家好,今天来聊聊excel数据重复率怎么计算,希望能给大家提供一点参考。 以下是针对论文重复率高的情况,提供一些修改建议和技巧: excel数据重复率怎么计算 在Excel中计算数据重复率可以通过以下步骤实现: 1. 确定重复…

Java并发编程-synchronized、volatile、AQS解析

Java并发编程 synchronized 如何保证线程安全 JDK1.6 之前,synchronized 是一个重量级锁相比于JUC的锁显得非常笨重,存在性能问题 JDK1.6 及之后,Java 对 synchronized 进行的了一系列优化,性能与 JUC 的锁不相上下 synchroni…

python源码,在线读取传奇列表,并解析为需要的JSON格式

python源码,在线读取传奇列表,并解析为需要的JSON格式 [Server] ; 使用“/”字符分开颜色,也可以不使用颜色,支持以前的旧格式,只有标题和服务器标题支持颜色 ; 标题/颜色代码(0-255)|服务器标题/颜色代码(0-255)|服务…

WPF使用WebBrowser页面白屏,不显示渲染页面问题排查

前言 WPF使用WebBrowser页面白屏&#xff0c;不显示渲染页面问题排查 代码 <Window x:Class"WpfApp1.Window5"xmlns"http://schemas.microsoft.com/winfx/2006/xaml/presentation"xmlns:x"http://schemas.microsoft.com/winfx/2006/xaml"x…

Kubernetes入门笔记 ——(3)理解pod对象

为什么需要pod 最为熟知的一句话&#xff1a;pod是k8s的最小调度单位。刚开始听到这句话时会想&#xff0c;已经有容器了&#xff0c;k8s为什么还要搞个pod出来&#xff1f;容器和pod是什么关系&#xff1f;容器的本质是进程&#xff0c;而k8s本质上类似操作系统。 熟悉Linux的…

在git使用SSH密钥进行github身份认证学习笔记

1.生成ssh密钥对 官网文档&#xff1a;Https://docs.github.com/zh/authentication&#xff08;本节内容对应的官方文档&#xff0c;不清晰的地方可参考此内容&#xff09; 首先&#xff0c;启动我们的git bush&#xff08;在桌面右键&#xff0c;点击 Git Bush Here &#xf…

SystemVerilog学习(0)——目录与传送门

一、验证导论 SystemVerilog学习&#xff08;1&#xff09;——验证导论-CSDN博客文章浏览阅读403次。SystemVerilog自学&#xff0c;验证系统概述&#xff0c;什么是SVhttps://blog.csdn.net/apple_53311083/article/details/133953016 二、数据类型 SystemVerilog学习&…

非标设计之气缸的选型三

一、气缸正确安装方式&#xff0c;气缸调试注意事项 气缸安装方式&#xff1a; 气缸正确安装方式&#xff1a; NB(无支架) FB(脚座支架) FR(法兰) FA(前法兰) FB(后法兰) SC(单耳支架) DC(双耳支架) CT(耳轴支架) 气缸的安装形式决定方法&#xff1a;根据负荷运动方向决定气缸…

二百一十二、Flume——Flume实时采集Linux中的目录文件写入到HDFS中(亲测、附截图)

一、目的 在实现Flume实时采集Linux中的Hive日志写入到HDFS后&#xff0c;再做一个测试&#xff0c;用Flume实时采集Linux中的目录文件&#xff0c;即使用 Flume 监听Linux整个目录的文件&#xff0c;并上传至 HDFS中 二、前期准备 &#xff08;一&#xff09;安装好Hadoop、…

微信个人号机器人开发

简要描述&#xff1a; 取消消息接收 请求URL&#xff1a; http://域名地址/cancelHttpCallbackUrl 请求方式&#xff1a; POST 请求头Headers&#xff1a; Authorization&#xff1a;login接口返回Content-Type&#xff1a;application/json 无参数 返回数据&#xff…

PADS9.5封装库转换为AD库

1、打开PADS Layout&#xff0c;File – Library&#xff0c;选中usr&#xff0c;如下图&#xff1a; 2、封装– 导入&#xff0c;选中你的 .d后缀文件(也就是PADS的封装文件)&#xff0c;打开。 3、元件 – 新建 – PCB封装 - 分配 - 确定。 4、&#xff0c;选择“斜线”…

vue3路由跳转页面到顶部,Stable Diffusion使用ControlNet

打开新页面时&#xff0c;页面自动回到顶部 在router.js页面添加 router.beforeEach((to, from, next) > {// 在每次导航之前滚动到页面顶部window.scrollTo({top: 0,behavior: smooth // 可选的&#xff0c;使滚动平滑进行});next(); }); Controlnet ControlNet 是用来…

RocketMQ-源码架构

源码环境搭建 1、主要功能模块 RocketMQ官方Git仓库地址&#xff1a;GitHub - apache/rocketmq: Apache RocketMQ is a cloud native messaging and streaming platform, making it simple to build event-driven applications. RocketMQ的官方网站下载&#xff1a;下载 | R…

001 LLM大模型之Transformer 模型

参考《大规模语言模型--从理论到实践》 目录 一、综述 二、Transformer 模型 三、 嵌入表示层&#xff08;位置编码代码&#xff09; 一、综述 语言模型目标是建模自然语言的概率分布&#xff0c;在自然语言处理研究中具有重要的作用&#xff0c;是自然 语言处理基础任务之一…

【软考中级——软件设计师】备战经验 笔记总结分享

考试成绩 我第一次备考是在2022 然后那时候取消了这次是第二次 靠前我一个月复习的看了以前的笔记 然后刷了七八道历年题目学习资料推荐 &#xff1a;zst——2021 b站链接自荐一下我的笔记 &#xff1a; 软考笔记专栏 视频确实很长 &#xff0c; 我的建议就是先看笔记 然后不会…

深度学习之全面了解网络架构

在这篇文章中&#xff0c;我们将和大家探讨“深度学习中的网络架构”这个主题&#xff0c;解释相关背景知识&#xff0c;并就一些问题进行解答。 我选择的问题反映的是常见用法&#xff0c;而不是学术用例。我将概括介绍该主题&#xff0c;然后探讨以下四个问题&#xff1a; …

泽攸科技二维材料转移台的应用场景及优势

随着二维材料的广泛研究和各种潜在应用的开发&#xff0c;对于二维材料样品的精密操控与转移的需求日益增加。特别是一些新型二维材料的制备和器件集成制备中&#xff0c;需要在显微镜下对样品进行观察与定位&#xff0c;并能够在微米甚至纳米量级上精确移動和转移样品。 传统…

做数据分析为何要学统计学(6)——什么问题适合使用方差分析?

方差分析&#xff08;ANOVA&#xff0c;也称变异数分析&#xff09;是英国统计学家Fisher&#xff08;1890.2.17&#xff0d;1962.7.29&#xff09;提出的对两个或以上样本总体均值进行差异显著性检验的方法。 它的基本思想是将测量数据的总变异&#xff08;即总方差&#xff…