前不久，帆軟發起了【2023BI數據分析大賽】的活動，老李我也是這個大賽的評委。
?
今天跟大家分享的是基于電力大數據的中小型企業運營發展分析。
當我們去解讀一份數據分析報告時，首先要了解這份報告的主要目的是什么，作者通過分析中小企業電力使用情況和企業經營情況，幫助政府進一步了解企業經營狀況，為宏觀決策、落實助企惠企政策提供數據支撐。
一、分析背景
作者首先介紹了中小企業在國民經濟和社會發展中的重要作用，但近年來受到了多種經濟壓力的影響，如原材料價格上漲、訂單不足、用工難、回款慢、物流成本高等。為了支持中小企業，政府出臺了一系列政策措施。然而，政府需要更好地了解企業的經營狀況，以制定更有效的政策。
?
作者依托互聯網采集與自建仿生數據，利用電力生產、電力服務、電力消費環節數據，融合經濟運行、產業政策等，在充分解讀山東省中小企業促進條例的政策基礎上，從總體概述、產業發展、地區發展、企業預警等4個方面開展監測分析，構建電力看中小企業發展分析算法模型，搭建能源大數據看民生發展典型場景，預測中小企業發展趨勢，為城市管理者制定助企惠企政策提供數據支撐及決策依據。
?
數據分析工具：Fine BI
二、分析原則
作者主要遵從以下原則：
- 數據價值：將數據視為資源，最大限度地挖掘和發掘數據的價值，以支持業務決策。
- 數據綜合利用：整合內外數據資源，構建數據融合，實現數據的綜合利用和共享。
- 數據安全：保障數據的可靠性、完整性和安全性。
- 創新技術：采用先進的技術手段，提高數據處理、分析和應用的能力，推動數據分析領域的創新和發展。
三、分析思路
作者的分析思路是首先對電力數據和經濟活動進行初步探索性分析，再依次進行分地區、分產業的精細化分析，利用分析成果設計算法并開展預警預測，具體從以下三個方面構建：
研究電力大數據和經濟活動之間的特點
通過皮爾遜（Pearson）相關系數對電力大數據和經濟的分析研究，使電力大數據能夠準確、及時、直觀地體現中小企業經營運行的實際情況。
開展中小企業用能分析
一是通過構建景氣指數、用電增長指數、規模增長指數，分析各地市、各行業樣本企業生產用能變化趨勢。二是開展企業用能預測，分析外部形勢發展對不同地市、行業的影響。
預警中小企業運營風險
基于上述中小企業用能分析分析的基礎上，根據企業用電規律，構建企業畫像，在企業存在運行異常時發出電量預警、減容預警和停產預警。
?
四、數據處理
作者對數據進行了梳理、溯源、獲取、清洗、轉換、脫敏、導入、加工和計算等過程。這些步驟涉及多個數據源，包括電力使用數據、經濟GDP數據等。數據處理的目的是為了建立分析模型提供準確的數據支持。
分析模型
作者基于中小企業用電數據構建中小企業運營景氣指數（以下簡稱景氣指數），用于評估中小企業正常生產用能水平，通過用電水平研判生產經營狀況。
（1）指數規則
作者在指數構建時既考慮了通過用電變化反映當下企業發展情況，也考慮了通過容量變化反映企業自身對未來經營的信心。
（2）相關算法
皮爾遜相關系數( Pearson correlation coefficient），是用于度量兩個變量X和Y之間的相關（線性相關），其值介于-1與1之間。
（3）預測模型
一元線性回歸是分析只有一個自變量（自變量 x 和因變量 y）線性相關關系的方法。
五、分析場景
作者將分析場景分為了四個板塊，分別是電力看宏觀經濟、電力看中小企業、企業經營預警、企業發展預測。
（1）電力看宏觀經濟
作者通過該板塊對電力數據和經濟活動進行探索性分析，研究兩者之間的相關性。電力看宏觀經濟板塊整體上側分4塊顯示監測指標。下側為相關性分析、數據走勢、各產業的相關系數。
- 監測指標模塊：分季度用電監測、GDP數據、經濟增速、企業增速。
- 相關性分析模塊：電量與經濟整體相關相關性分析，從數據圖形可以看出，電量與經濟整體上成正相關關系。
- 數據走勢模塊：顯示電量與GDP數據走勢，移動光標可以查看各季度詳情。
- 各產業的相關系數模塊:顯示整體與各產業的相關系數。從數據圖形可以看出第一產業電量數據與經濟數據呈現弱相關。
（2）電力看中小企業
作者在對電力與經濟活動進行初步分析之后，再次進行分地區、分產業的精細化分析。電力看中小企業板塊含 [企業發展分析] 、[地區發展分析]、 [行業發展分析] 三個子模塊，形成橫軸與縱軸的分析經緯網絡。通過對上述三個方向變化情況監測，點面結合綜合研判監測中小企業生產經營情況。
- 企業發展分析：含企業運營指數分析、用電增長指數分析、規模指數增長分析、地區總覽分析，產業、行業總覽分析等
- 地區發展分析：16地市當前指數情況（含運營指數、用電指數、規模指數等）、地市樣本企業統計、地區最高、最低近12個月的發展變化情況
- 行業發展分析：產業、行業當前指數情況，樣本數量、產業最高指數分析，行業最高、最低指數分析。
（3）企業經營預警
作者利用分析成果設計算法并開展預警預測，該模塊主要對存在生產運營風險的企業及時發出電量預警、容量預警和停產預警。預警規則如下：
- 電量預警（綠色）：月度用電增長指數低于50以及電量環比降幅高于80%。
- 減產預警（紅色）：月度發生減容。
- 停產預警（藍色）：近3個月電量為零。
1.預警分布模塊：預警類型占比餅狀圖
2.預警企業名單模塊：顯示預警企業名單含企業名稱、所屬產業、所屬行業、所屬地區、預警類型和預警描述。
3.地區預警分布模塊：按16地市顯示預警企業情況。
4.產業預警分布模塊：按行業顯示預警企業情況。
?
（4）企業發展預測
作者基于電力大數據的監測分析，通過對中小企業用電情況、地區發展、行業發展等數據的考量，結合統計的企業發展與經濟指標，設置基于電力大數據的景氣度預測模型，輸出產業發展大數據分析結果，為政府促進中小企業發展提供數據支撐。
?
總的來說，該報告旨在為山東省政府提供有關中小企業電力使用情況和經濟發展趨勢的詳細數據和分析，以支持政府的決策制定和政策實施。報告首先對電力數據和經濟活動進行初步探索性分析，再依次進行分地區、分產業的精細化分析，利用分析成果設計算法并開展預警預測，分析由淺入深，使用了多種數據分析技術，包括相關性分析和預測模型，以便更好地理解并預測中小企業的運營狀況。
?
這份報告對我們還是很有啟發意義的，比如我們需要具備整合不同數據源和清洗數據的能力，需要注重數據安全；比如分析師需要具有將數據視為資源的潛意識；比如我們需要理解業務需求，將分析與業務相結合，實現有意義的結果……
