1. 数据分析与统计心得体会
我想跟你们探讨一个问题：学习统计学有什么意义？
一、统计学不研究统计
为此，你需要了解一个基础知识：统计学到底研究什么？你明白了这个问题的答案，也就自然明白了为什么要学统计学。你也许会说：“噫？统计学，不就是研究统计吗？”对这个问题的理解，关键在于如何定义“统计”。如果“统计”代指“统计学”这个领域，那当然是对的。“统计学”研究“统计学”嘛。但是，如果“统计”是指，普罗大众印象中的，表哥表姐们做的各种EXCEL描述统计（例如：数数、求和、求均值、求最大最小值），那可就太狭隘了。虽然描述统计是统计学的一部分。但是，绝大多数情况下，它们只是统计学研究问题的一个手段，而不是被研究问题本身。因此，你首先要清楚：统计学不研究统计！
那统计学到底是研究什么的？如果大家百度一下，似乎有一个来自大英百科全书的定义，被广为流传。大概意思如下：统计学是一门关于收集数据、分析数据、并根据数据进行推断的科学和艺术。这似乎是一个相对而言，比较广泛接受的，关于统计学的定义。请问：这个定义如何？我曾经也认为这是一个比较靠谱权威的定义。但是，现在的我认为这个定义：非常糟糕，非常肤浅而不准确。原因如下：
第一、统计学是关于“收集数据”的吗?确实有很多“收集数据”的场景，需要统计学智慧，其中涉及到统计学一个重要的领域：实验设计。但是，如果把实际工作中所有关于“收集数据”的场景汇总在一起的时候，你会发现，统计学智慧能够参与的比例，其实非常小。在绝大多数情况下，人们不需要，或者至少不会主动去寻求统计学的帮助。
例如：安装摄像头、安装物联网监控设备、安装网站监控代码等。这些都是非常典型且重要的数据采集场景，相关实际工作者基本上不会征求统计学家的意见。当然，这也许是因为实际工作者的无知，也许有了统计学的帮助，相关的数据采集工作可以做的更好。但是，我相信好不了太多。因为，如果统计学的智慧能够给这些工作场景带去重大改进，市场力量就会驱动决策者主动寻找统计学的帮助。而实际上，这些数据采集场景的决策，主要是业务驱动的，跟统计学没啥大的关系，或者实施统计学智慧的成本太高。
所以，“统计学是关于‘收集数据’的学问”，这个说法是牵强的。因为“收集数据”这个事情最主要的部分，跟统计学无关。当然，如果因为统计学跟“收集数据”有一定的关系，就说统计学是关于“收集数据”的学问，那么：统计学是关于everything的学问。因为统计学同everything都有一定的关系。同样的逻辑，可以应用于every其他学科。最后变成，every学科是关于everything的学科，这是一句没有营养的废话。
第二、统计学是关于“数据分析”的吗？这也不太对。这得看如何定义“数据分析”。如果定义，数据分析就是统计学，那当然统计学是关于“数据分析”的学问。如果，定义“数据分析”是关于“数据”的“分析”，那么：1+1=2是不是数据分析？这里有数据啊（1啊，2啊），这里有分析啊（1+1=2啊）。也许，你会说这样的例子太没有代表性了。那考虑一个更有代表性的场景。请问：会计是不是做“数据分析”的？显然啊！其中会涉及到大量的数据分析，但是大量是确定性的数据分析，跟统计学没有多大的关系。因此，简单说“统计学是关于‘数据分析’的学科”是有待商榷的。
第三、统计学是“科学和艺术”吗？这句话是最糟糕、最无聊、最没技术含量的一句鸡汤。为什么？这句话放之四海而皆准。你可以说：数学是“科学和艺术”，物理也是，化学也是，生物学也是，管理学更是，经济学更是。一个更好的问题是：哪个学科不是“科学和艺术”？似乎没有。在课堂上，我喜欢开玩笑说：“我的长相，就相当的科学和艺术。其科学之处在于有鼻子有眼，满足生存基本需求。其艺术之处，在于独一无二，实在不如网红帅。”你看，科学和艺术？放之四海而皆准！
二、统计学研究不确定性
那统计学研究的问题本身到底是什么？答：不确定性。对，就这么一句话：统计学研究不确定性。如果更详细一点：统计学不研究统计，统计学研究不确定性，从中寻找确定性的规律，加以利用并创造价值。如何理解这个定义？
还是以会计数据分析为例。如果会计分析的目标仅仅是盘点企业现有资产、利润、以及负债情况，这基本上是一个纯粹的会计数据分析问题，跟统计学无关。为什么？因为这里面没有不确定性。这也解释了绝大多数会计从业者并不需要统计学加持，照样能把会计工作做得很好。但是，如果会计分析的目的是辅助投资决策，故事可能就有所不同。一个可能的数据分析需求是：如何基于现有的会计数据，预测企业来年的利润，并以此知道投资决策。你看，这是一个什么问题？答：这仍然是一个会计问题，是一个关于投资的会计问题。但是，这个会计问题跟传统的会计问题有啥不同？答：这个会计问题有不确定性存在。因为，这个工作要求基于现在预测未来，而未来具有很大的不确定性。这就变成了一个非常典型的统计学问题，是在会计业务实践中产生的统计学问题。
再看一个例子。一个运营非常成功的APP，每天要汇报一下日活数目。也就是说，每天要计算一下当天活跃用户的总数。这是一个什么问题？答：统计问题，非常传统的统计问题，数数问题，跟统计学无关。当然，在实际工作中，如果该APP的装机量非常巨大，要把这个数字数清楚可能很不容易。为此，我们需要关于活跃用户科学合理的定义，可能还需要大数据分布式计算的平台（例如：Hadoop）。但是，这个问题本质上跟统计学无关，是一个传统的统计问题，统计学不研究。但是，如果经营管理者关心未来（例如：下周）的日活数目，这个问题瞬间就变成了一个统计学问题。为什么？因为站在今天预测未来，有很大的不确定性。不确定性来自于用户规模增长的不确定性，以及流失的不确定性，还有活跃程度的不确定性。这就变成了一个典型的统计学问题。
由此可见，仅仅用"统计"或者"数据分析"来定义统计学是非常不严谨的，是不足以区分统计学跟其他学科差距的。统计学最独特的基因，最区别于其他学科的特点是：它关注不确定性。如果该不确定性来自经济学，那么统计学就在经济学中有了用武之地（例如：计量经济学）。如果该不确定性来自生物医学，那么统计学就在生物医学中有了用武之地（例如：生物统计学）。如果该不确定性来自生产质量管理，那么统计学就在生产质量管理中有了用武之地（例如：质量管理、6-sigma）。简而言之，不确定性出现在哪里，统计学的智慧就会传播到哪里，统计学就会在那里生根发芽，并结出果实累累。对，这才是真正的统计学！
三、不确定性无处不在
上面回答了统计学研究什么，答：不确定性。接下来，我将为你展示一个事实：在真实的世界中，不确定性无处不在。
例如，婚姻选择就有着极大的不确定性。一对相爱的男女，是否应该接受对方，成为自己的终身伴侣，这就是一个重大选择。这个选择的后果是什么？是幸福的远航，还是痛苦的开始？这有很大的不确定性。为了极小化这种不确定性，青年男女们往往需要一场死去活来的恋爱，以便于充分暴露双方的优点和缺点，以减少未来婚姻中的不确定性。但是，无论你如何了解，这种不确定性仍然极大地存在。
职业选择有着极大的不确定性。在有限的待选岗位中，你应该选择哪一个？公务员，还是老师，或者企业？如果去企业，应该去国企，民企，还是外企？应该选择哪个行业？金融、制造，还是互联网？每一种选择的后果都有着不确定性。八十年代早期，国企工作被看作是最安全的工作，没有失业的可能。但是，九十年代的倒闭浪潮，让大量的下岗职工深刻体会到，没有任何工作是绝对稳定可靠的。同样的故事，也发生在高校。二十年前，人们普遍认为，高校老师，是一份非常稳定的工作，没有失业的风险，还有寒暑假。但是，现在的高校，尤其是一线高校，都在学习欧美的终身教职制度：非升即走。高校老师的铁饭碗一下就被打碎了，竞争非常激烈，甚至残酷。
消费者行为具有很强的不确定性。千万别指望大数据能够绝对准确地预测人的消费行为，这显然是不可能的。去沃尔玛购物之前，我信誓旦旦地说：“我要买可口可乐。”但是，等结帐出来，却发现自己提着二锅头。你看，连我自己都无法绝对准确地预测自己，凭什么你可以？凭什么所谓的大数据可以？一个人的购买决定，太复杂，充满不确定性。精准营销（或者广告）中的“精准”二字，说的其实不是绝对意义上的精准。而是，相对意义上的，是比胡蒙乱猜更加精准，仅此而已。
个人世界里充满了不确定性，企业又何尝不是？从工商注册诞生那天开始，企业便开启了一个不确定性的旅程。首先摆在企业面前的问题是：能活多久？这是一个不确定性事件。每年在工商登记注册的新企业百万计！但是，他们未来的生存状况会怎样？有哪些企业能够存活超过三年？具有高度的不确定性。
即使是健康运营的企业，也面临大量的不确定性挑战。例如，应该任命一个什么样的CEO？显然，不同的CEO能给企业带来不同的命运。杨致远之于雅虎、乔布斯之于苹果、梁建章之于携程，都说明CEO能够影响一个企业的命运。但是，在任命的那一刻，该CEO能够给企业带来什么样的命运，难以确定。
企业有了CEO，接下来应该考虑融资，这是CEO经常要面对的一个重要问题。一个好的融资方案，带给企业的不仅仅是资本，还有宝贵的资源，以及未来事业道路上相互扶持的好伙伴。而一个糟糕的投资方案，也许能够带给企业短期的资金，但是没有更长期的资源。更糟糕的是，可能从此埋下股东之间博弈、猜忌与不信任的种子，并极大可能伤害企业发展。最终的结果究竟会怎样呢？这是非常不确定的。
融资后，企业应该如何扩张？在既有的核心业务方向上深耕细作，还是拓展更多新业务方向？深耕细作的好处是能够继续巩固扩大原有业务的优势。但是，缺点是：业务增长的想象空间似乎不大。拓展新业务的好处是，能够为企业未来的增长提供更大的想象空间。但是，缺点是新业务方向风险巨大。而且，过多的新业务方向会造成资源分散，可能一事无成。应该如何选择？选择的后果到底如何？这也带有很强的不确定性。
四、不确定性创造商机
站在商业的角度，你如何看待不确定性？答：要热情拥抱它。为什么？因为：不确定性成就商业价值！例如，假设你是一个股票投资者，希望通过买卖股票来获得超额收益率。这个美好的梦想依赖什么？这依赖于你对股票未来价格的判断。股票未来价格的变化趋势是一个高度的不确定性事件。你对此如何感受？你喜欢股价的不确定性吗？
你一定会说：我不喜欢不确定性，我喜欢确定性。如果能够准确地知道第二天股价的变化趋势，那一定是赚得盆满钵满。真的会这样吗？如果你总是能够准确预测股价的变化趋势，会不会其他人也知道？也许这是你的内部消息、独门绝技，绝对不告诉其他人。但是，你可以藏着一时，能掖着一世吗？这个世界上没有不透风的墙。很快人们就会发现，有这么一个神奇的投资者，他做出的所有投资策略，都是绝对正确的，零风险！然后他们会怎样？然后他们都会效仿跟随，也会赚得盆满钵满，而且没有任何风险。再后来，你的独门秘技，会一传十，十传百。很快，全世界都知道了，不再是独门秘技。所有投资者都蜂拥而上，做出完全一样的投资策略。这时，市场的天平就开始倾斜了。最后，你获得超额收益率的投资机会将会消失得荡然无存。股价将重新回到不确定的状态。
当然，这只是一个思想实验。在真实世界里，股价的未来趋势具有很强的不确定性。没有任何人有能力，能长期、持久并且绝对准确地预测股价的走势。所以，真实的股市中，没有任何人，能够成为一个绝对聪明的，没有风险的投资者，也就不会被所有的投资者追逐。即使像巴菲特这样的风云人物，也不是每个人都认同他的投资理念。事实上，每个人都可以有自己的投资策略，形成自己的投资风格，获得一定的收益，并承受一定的风险。此时，谁能通过数据分析，降低（请注意不是消除）对股价走势预判的不确定性。他就能获得相对竞争优势，能够在承受同样投资风险的情况下，获得更好的收益率。这就是不确定性，在资本市场上带来的商机。相反，如果这个资本市场是确定的，所有人对未来的判断都是一致的，那么任何人都不会有任何投资机会。
由此可见，不确定性是可以带来巨大商机的。这就是乱世出英雄的道理：乱世就是不确定性，英雄就是商机；没有不确定性这个乱世，哪来当英雄的商机？
五、总结讨论
你看，这个大千世界就是一个关于不确定性的世界，而人生就是一场关于不确定性的旅程。不确定性本身是中性的，它不好也不坏。一方面，无论今天多么美好，不确定性会让我们迟早run into trouble。另一方面，无论今天的生活多么悲催，不确定性会让这一切都会过去。人生面临一次又一次的不确定性挑战。这些挑战可能关乎个人、关乎家庭、关乎机构、关乎行业，甚至关乎国家。而我们能否做出科学的抉择？这需要我们具备一种独特的能力，一种学习不确定性的能力，一种理解不确定性的能力，一种利用不确定性创造价值的能力。这，是人生的大智慧！而统计学是这个大智慧的基础理论框架。你说你要不要学？
2. 统计数据整理与分析心得
统计是汉语中的“统计”原有合计或汇总计算的意思。一般来说，统计包括三种含义：（1）统计资料，是反映大量现象的状态和规律性的数字资料及有关文字说明；（2）统计工作，是关于搜集、整理、分析统计资料并进行推论以探求事物本质和规律性的活动；（3）统计科学，是研究如何搜集、整理和分析研究大量现象的数量资料并推论其本质和规律性的理论和方法，如社会经济统计学、数理统计学。
具有数量性，总体性，具体性，社会性的特点。
3. 数据分析与统计心得体会总结
在《课程标准》中，将数据分析观念解释为：“了解在现实生活中有许多问题应当先做调查研究，收集数据，通过分析做出判断，体会数据中蕴涵着信息；了解对于同样的数据可以有多种分析的方法，需要根据问题的背景选择合适的方法；通过数据分析体验随机性，一方面，对于同样的事情每次收集到的数据可能不同；另一方面，只要有足够的数据就可能从中发现规律。数据分析是统计的核心。”
这段表述点明了两层意思，一是点明了统计的核心是数据分析。“数据是信息的载体，这个载体包括数，也包括言语、信号、图象，凡是能够承载事物信息的东西都构成数据，而统计学就是通过这些载体来提取信息进行分析的科学和艺术。”
二是点明了数据分析观念的三个重要方面的要求：体会数据中蕴涵着信息；根据问题的背景选择合适的方法；通过数据分析体验随机性。
4. 数据分析与统计心得体会怎么写
分析数据有两种，
1列表法
将实验数据按一定规律用列表方式表达出来是记录和处理实验数据最常用的方法。表格的设计要求对应关系清楚、简单明了、有利于发现相关量之间的物理关系；此外还要求在标题栏中注明物理量名称、符号、数量级和单位等；根据需要还可以列出除原始数据以外的计算栏目和统计栏目等。最后还要求写明表格名称、主要测量仪器的型号、量程和准确度等级、有关环境条件参数如温度、湿度等。
2作图法
作图法可以最醒目地表达物理量间的变化关系。从图线上还可以简便求出实验需要的某些结果（如直线的斜率和截距值等），读出没有进行观测的对应点（内插法），或在一定条件下从图线的延伸部分读到测量范围以外的对应点（外推法）。此外，还可以把某些复杂的函数关系，通过一定的变换用直线图表示出来。例如半导体热敏电阻的电阻与温度关系为，取对数后得到，若用半对数坐标纸，以lgR为纵轴，以1／T为横轴画图，则为一条直线。
这个要看你分析什么数据。
分析大数据，R语言和Linux系统比较有帮助，运用到的方法原理可以翻翻大学的统计学，不需要完全理解，重在应用。
分析简单数据，Excel就可以了。Excel本意就是智能，功能很强，容易上手。我没有见过有人说自己精通Excel的，最多是熟悉Excel。Excel的函数可以帮助你处理大部分数据。
一、掌握基础、更新知识。
基本技术怎么强调都不过分。这里的术更多是（计算机、统计知识），多年做数据分析、数据挖掘的经历来看、以及业界朋友的交流来看，这点大家深有感触的。
数据库查询—sql
数据分析师在计算机的层面的技能要求较低，主要是会sql，因为这里解决一个数据提取的问题。有机会可以去逛逛一些专业的数据论坛，学习一些sql技巧、新的函数，对你工作效率的提高是很有帮助的。
统计知识与数据挖掘
你要掌握基础的、成熟的数据建模方法、数据挖掘方法。例如：多元统计：回归分析、因子分析、离散等，数据挖掘中的：决策树、聚类、关联规则、神经网络等。但是还是应该关注一些博客、论坛中大家对于最新方法的介绍，或者是对老方法的新运用，不断更新自己知识，才能跟上时代，也许你工作中根本不会用到，但是未来呢？
行业知识
如果数据不结合具体的行业、业务知识，数据就是一堆数字，不代表任何东西。是冷冰冰，是不会产生任何价值的，数据驱动营销、提高科学决策一切都是空的。
一名数据分析师，一定要对所在行业知识、业务知识有深入的了解。例如：看到某个数据，你首先必须要知道，这个数据的统计口径是什么？是如何取出来的？这个数据在这个行业，在相应的业务是在哪个环节是产生的？数值的代表业务发生了什么（背景是什么）？对于a部门来说，本月新会员有10万，10万好还是不好呢？先问问上面的这个问题：
对于a部门，
1、新会员的统计口径是什么。第一次在使用a部门的产品的会员？还是在站在公司角度上说，第一次在公司发展业务接触的会员？
2、是如何统计出来的。a：时间；是通过创建时间，还是业务完成时间。b：业务场景。是只要与业务发接触，例如下了单，还是要业务完成后，到成功支付。
3、这个数据是在哪个环节统计出来。在注册环节，在下单环节，在成功支付环节。
4、这个数据代表着什么。10万高吗？与历史相同比较？是否做了营销活动？这个行业处理行业生命同期哪个阶段？
在前面二点，更多要求你能按业务逻辑，来进行数据的提取（更多是写sql代码从数据库取出数据）。后面二点，更重要是对业务了解，更行业知识了解，你才能进行相应的数据解读，才能让数据产生真正的价值，不是吗？
对于新进入数据行业或者刚进入数据行业的朋友来说：
行业知识都重要，也许你看到很多的数据行业的同仁，在微博或者写文章说，数据分析思想、行业知识、业务知识很重要。我非常同意。因为作为数据分析师，在发表任何观点的时候，都不要忘记你居于的背景是什么？
但大家一定不要忘记了一些基本的技术，不要把基础去忘记了，如果一名数据分析师不会写sql，那麻烦就大了。哈哈。。你只有把数据先取对了，才能正确的分析，否则一切都是错误了，甚至会导致致命的结论。新同学，还是好好花时间把基础技能学好。因为基础技能你可以在短期内快速提高，但是在行业、业务知识的是一点一滴的积累起来的，有时候是急不来的，这更需要花时间慢慢去沉淀下来。
不要过于追求很高级、高深的统计方法，我提倡有空还是要多去学习基本的统计学知识，从而提高工作效率，达到事半功倍。以我经验来说，我负责任告诉新进的同学，永远不要忘记基本知识、基本技能的学习。
二、要有三心。
1、细心。
2、耐心。
3、静心。
数据分析师其实是一个细活，特别是在前文提到的例子中的前面二点。而且在数据分析过程中，是一个不断循环迭代的过程，所以一定在耐心，不怕麻烦，能静下心来不断去修改自己的分析思路。
三、形成自己结构化的思维。
数据分析师一定要严谨。而严谨一定要很强的结构化思维，如何提高结构化思维，也许只需要工作队中不断的实践。但是我推荐你用mindmanagement，首先把你的整个思路整理出来，然后根据分析不断深入、得到的信息不断增加的情况下去完善你的结构，慢慢你会形成一套自己的思想。当然有空的时候去看看《麦肯锡思维》、结构化逻辑思维训练的书也不错。在我以为多看看你身边更资深同事的报告，多问问他们是怎么去考虑这个问题的，别人的思想是怎么样的？他是怎么构建整个分析体系的。
四、业务、行业、商业知识。
当你掌握好前面的基本知识和一些技巧性东西的时候，你应该在业务、行业、商业知识的学习与积累上了。
这个放在最后，不是不重要，而且非常重要，如果前面三点是决定你能否进入这个行业，那么这则是你进入这个行业后，能否成功的最根本的因素。数据与具体行业知识的关系，比作池塘中鱼与水的关系一点都不过分，数据（鱼）离开了行业、业务背景（水）是死的，是不可能是“活”。而没有“鱼”的水，更像是“死”水，你去根本不知道看什么（方向在哪）。
如何提高业务知识，特别是没有相关背景的同学。很简单，我总结了几点：
1、多向业务部门的同事请教，多沟通。多向他们请教，数据分析师与业务部门没有利益冲突，而更向是共生体，所以如果你态度好，相信业务部门的同事也很愿意把他们知道的告诉你。
2、永远不要忘记了google大神，定制一些行业的关键字，每天都先看看定制的邮件。
3、每天有空去浏览行业相关的网站。看看行业都发生了什么，主要竞争对手或者相关行业都发展什么大事，把这些大事与你公司的业务，数据结合起来。
4、有机会走向一线，多向一线的客户沟通，这才是最根本的。
标题写着告诫，其实谈不上，更多我自己的一些心得的总结。希望对新进的朋友有帮助，数据分析行业绝对是一个朝阳行业，特别是互联网的不断发展，一个不谈数据的公司根本不叫互联网公司，数据分析师已经成为一个互联网公司必备的职位了。
5. 统计的心得
三年来，学习上我严格要求自己，注意摸索适合自己状况的学习方法，用心思维，分析解决问题潜力强，学习成绩优良。遵纪守法，尊敬师长，热心助人，与同学相处融洽。
一般说来，优势学科的学习上可以少花些时间，根据自己的实际情况，在课堂上提高学习效率，课下尽量少花时间，而把挤出的时间花在劣势学科上，但要注意的一点就是，优势学科一定不要滑下来。
6. 调查数据分析心得体会
一、什么是数学核心素养？
高中数学课程标准将高中阶段的数学核心素养定义为：具有数学基本特征的、适应个人终身发展和社会发展需要的人的思维品质与关键能力。那么，设定数学核心素养的标准又是什么呢？我们可以这样认为，数学教育的终极目标是，一个人学习数学之后，即便这个人未来从事的工作和数学无关，也应当会用数学的眼光观察世界，会用数学的思维思考世界，会用数学的语言表达世界。所谓数学的眼光，本质就是抽象，抽象使得数学具有一般性；所谓数学的思维，本质就是推理，推理使得数学具有严谨性；所谓数学的语言，主要是数学模型，模型使得数学的应用具有广泛性。
数学核心素养包含数学抽象、逻辑推理、数学建模、数学运算、直观想象、数据分析等六个方面。
1.数学抽象是指舍去事物的一切物理属性，得到数学研究对象的思维过程。
2.直观想象是指借助几何直观和空间想象感知事物的形态与变化，利用图形理解和解决数学问题的过程。
（数学抽象与直观想象体现了数学的一般特性。）
3.逻辑推理是指从一些事实和命题出发，依据规则推出其他命题的思维过程。
4.数学运算是指在明晰运算对象的基础上，依据运算法则解决数学问题的过程。
（逻辑推理与数学运算体现了数学思维的严谨性。）
5.数学建模是对现实问题进行数学抽象，用数学语言表达问题、用数学知识与方法构建模型解决问题的过程。
6.数据分析是指针对研究对象获取相关数据，运用统计方法对数据进行整理、分析和推断，形成关于研究对象知识的过程。
（数学建模与数据分析体现了数学的实用性。）
张奠宙：数学核心素养包括“真、善、美”三个维度。
通俗地说，数学的核心素养有“真、善、美”三个维度：
(1)理解理性数学文明的文化价值，体会数学真理的严谨性、精确性；
(2)具备用数学思想方法分析和解决实际问题的基本能力；
(3)能够欣赏数学智慧之美，喜欢数学，热爱数学。
基于此，我们将高中阶段的数学核心素养确定为数学抽象、逻辑推理、数学模型、直观想象、数学运算、数据分析六方面。虽然义务教育阶段的数学核心素养现在还没有开始正式讨论，但也离不开义务教育数学课程标准中提到的八个核心词：数感、符号意识、推理能力、模型思想、几何直观、空间想象、运算能力、数据分析观念。我们可以这样理解，数学抽象在义务教育阶段主要表现为符号意识和数感，推理能力即逻辑推理，模型思想即数学模型，直观想象在义务教育阶段体现的就是几何直观和空间想象。还有三个超出数学范畴的一般素养，义务教育阶段强调的是应用意识和创新意识，高中阶段则增加了学会学习。
在终极目标下，我们的数学教学活动应当秉承这样的基本理念：把握数学内容的本质；创设合适的教学情境，提出合理的问题；启发学生独立思考，鼓励学生与他人交流；让学生在掌握知识技能的同时，感悟数学的本质；让学生积累数学思维的经验，形成和发展数学核心素养。
二、义务教育数学核心素养反映数学本质与数学思想
数学核心素养可以理解为学生学习数学应当达成的有特定意义的综合性能力，核心素养不是指具体的知识与技能，也不是一般意义上的数学能力。核心素养基于数学知识技能，又高于具体的数学知识技能。核心素养反映数学本质与数学思想，是在数学学习过程中形成的，具有综合性、整体性和持久性。数学核心素养与数学课程的目标和内容直接相关，对于理解数学学科本质，设计数学教学，以及开展数学评价等有着重要的意义和价值。
1. 培养学科核心素养对教师教学提出挑战
教师要在学科教学中帮助学生掌握知识、提高能力、发展素养。形成学科核心素养是终极目标，在本质上，这样的目标不是教师短时间“教”出来的，而是学生领悟出来的，是长期经验的积累，是在一个过程中慢慢形成的。
比如，人们在超市购物时常常发现这样的情境，收银台前排了长长的队等待结账，而只买一两样东西的人也同样和买一车东西的人排队等候。有位数学家马上想到，能否考虑给买东西少的人单独设一个出口，这样可以免去这些人长时间的等候，会大大提高效率。那么问题就出现了，什么叫买东西少，1件、2件、3件或4件，上限是多少？因此，会想到用统计的方法，收集不同时段买不同件数东西人的数量，用这个数据可以帮助人们做出判断。在这个过程中，具有数感的人会有意识地把一些事情与数和数量建立起联系，认识到排队结账这件事中有数学问题，人们买东西的数量（个数）与结账的速度有关系。
从这个例子中可以了解到，具备数学素养可能有助于人们在具体的情境中发现问题、提出问题和解决问题。而这个情境本身可能并非有明显的数学问题。
2.如何将学科核心素养培养贯串于教学中
（1）. 数学抽象：让学生学会“用数学的眼睛看”
义务教育数学课程标准中提到的核心词，如符号意识、数感，甚至几何直观和空间想象，都可以归到数学抽象这个素养中。所谓数学抽象，是指舍去事物的一切物理属性，得到数学研究对象的思维过程。主要包括从数量与数量关系、图形与图形关系中抽象出数学概念及概念之间的关系，从事物的具体背景中抽象出一般规律和结构，并且用数学符号或者术语予以表征。简而言之，抽象就是从现实世界进入数学内部，让学生学会用数学的眼睛看。
（2）. 逻辑推理：让学生学会“用数学的思维想”
义务教育数学课程标准的核心词还提到运算能力和推理能力，这都属于逻辑推理。数学内部的发展依赖的就是逻辑推理。逻辑推理是指从一些事实和命题出发，依据规则推出其他命题的思维过程。它主要包括两类：一类是从特殊到一般的推理，推理形式主要有归纳、类比；一类是从一般到特殊的推理，推理形式主要有演绎。
（3）. 数学模型：让学生学会“用数学的语言说”
义务教育数学课程标准的核心词还有模型思想、数据分析观念等，这都是数学模型素养。数学模型是对现实问题进行数学抽象，用数学语言表达问题，用数学知识与方法构建模型、解决问题的过程。也就是说，数学模型是用数学语言讲述现实世界的故事，是沟通数学与现实世界的桥梁。因此数学模型是一个核心素养。在现代社会，数学的真正应用是模型，模型已经成为一种语言应用于物理、化学这些学科，甚至应用于社会科学和人文学科，数学模型引发的数学特征就是数学应用的广泛性。义务教育数学课程标准中主要提到两个模型，一个是加法模型，一个是乘法模型，或者转化成现实问题，一个是总量模型，一个是路程模型。
三、数学核心素养怎么考
1.通过由具体的实例概括一般性结论，看学生能否在综合的情境中学会抽象出数学问题，并在得到数学结论的基础上形成新的命题，以此考查数学抽象素养。
2.通过提出问题和论证命题的过程，看学生能否选择合适的论证方法和途径予以证明，并能用准确、严谨的数学语言表述论证过程，以此考查逻辑推理素养。
3.通过实际应用问题的处理，看学生是否能够运用数学语言，清晰、准确地表达数学建模的过程和结果，以此考查数学建模素养。
4.通过空间图形与平面图形的观察以及图形与数量关系的分析，通过想象对复杂的数学问题进行直观表达，看学生能否运用图形和空间想象思考问题，感悟事物的本质，形成解决问题的思路，以此考查直观想象素养。
5.通过各类数学问题特别是综合性问题的处理，看学生能否做到明确运算对象，分析运算条件，选择运算法则，把握运算方向，设计运算程序，获取运算结果，以此考查数学运算素养。
6.通过对概率与统计问题中大量数据的分析和加工，看学生能否获得数据提供的信息及其所呈现的规律，进而分析随机现象的本质特征，发现随机现象的统计规律，以此考查数据分析素养。
2020中考：数学核心素养怎么练？
1.要重视基本概念的复习
从概念的定义出发，由表及里，去伪存真，掌握概念的本质属性，这是提升数学素养的必要条件。
2.要重视基本定理、公式的复习
很多学生存在重应用轻推导的现象，就是只重视定理公式的应用，而忽视公式的推导、定理的证明。事实上，重视公式的推导、定理的证明，不仅有利于理解与掌握定理和公式，理解公式之间的相互关系，而且还可以进一步挖掘公式中蕴含的数学思想，从而成为我们解决有关问题的敲门砖。
3.要重视基本技能的复习
基本技能是数学基础知识的重要组成部分，在数学建模、数学运算以及数据分析等核心素养中都有它的影子，也是历年中考考查的重点。对基本技能的复习，主要包括掌握入手点、了解隐藏点与熟悉易错点。
所谓掌握入手点，就是要掌握基本思想方法，通过分析其本质特征，熟练掌握其适应范围，掌握基本问题的基本解法。
所谓了解隐藏点，就是要了解哪些知识有隐藏的漏洞，必须与哪些知识配合使用才能避免产生错误。
所谓熟悉易错点，如忽略函数的定义域、数列中没有注意n的取值范围等问题而导致错误。这些虽然不难掌握，但是如果不注意很容易出现错误。这也体现了数学核心素养中逻辑推理的严谨性。
4.要重视数学本质
数学核心素养中的数学抽象是数学的基本思想，是形成理性思维的重要基础，反映了数学的本质特征，贯穿在数学知识的产生、发展、应用的全过程中。
5.要重视中国古代数学文化
近几年的中考试题增加对中国传统文化进行考查的内容，将中国古代文明作为试题背景材料，体现中国传统文化对人类发展和社会进步的贡献。
四、教学思考
数学核心素养是以数学课程教学为载体，基于数学学科的知识技能而形成的重要的思维品质和关键能力。数学核心素养是在数学知识技能的学习过程中形成的，有助于学生深刻理解与掌握数学知识技能数学核心素养不等同于数学知识技能，是高于数学的知识技能，指向于学生的一般发展，反映数学学科的本质与及其赖以形成与发展的重要思想，有助于学生终身和未来发展。数学核心素养与数学课程的目标和内容密切相关，对于理解数学内容的本质，设计数学教学，以及开展数学学习评价等，有着重要的意义和价值。
数学核心素养是数学素养中最重要的思维品质和关键能力，是人们通过数学的学习建立起来的认识、理解和处理周围事物时所必备的品质与能力，通常是在人们与周围环境产生相互作用时所表现出来的思考方式和解决问题的策略。
如何在数学教育中提升学生的数学核心素养，是数学教育工作者面临的新课题。一线数学教师是落实本数学课程标准修订的关键，希望广大教师注重提升自身数学素养，特别是数学核心素养，关注数学内容、数学教学理论、数学教学实践与数学核心素养的有机结合，直面问题，不断探索，为学生营造良好的数学教育环境。
7. 数据分析的心得体会
我们通常把财务分析分为两类：
第一类：狭义的财务分析 - 以财务报表为基础。
第二类：广义的财务分析 - 结合企业实际经营情况。
第一类，简单介绍一下分析的内容：财务管理建设模型。
第二类：框架、思维与要点：集团型企业的 BI 经营分析如何做？
财务管理建设模型
建立财务驾驶舱，指标：资产、负债、利润、现金流、存货等，以下 by 派可数据财务分析案例（ 数据均已脱敏 ）。
利润分析。分析企业利润总额、累计利润总额、净利润、累计净利润、营业利润率、净利润率及同环比情况。
营业利润趋势分析、年利润对比分析、月利润对比分析情况。
收入分析。营业总收入、累计营业总收入、主营业务收入、累计主营业务收入、其他业务收入、累计其他业务收入及同环比情况。
年收入分析趋势，联动月收入情况趋势分析。
主要收入类型占比情况 —— 主营业务收入、营业外收入、其他业务收入及趋势分析情况。
成本费用分析。营业成本、主营业务成本、期间费用、财务费用、管理费用、销售费用及同环比情况。
不同年份费用率对比情况 —— 期间费用率、成本费用利润率、财务费用率、管理费用率、销售费用率年及月度趋势情况。
年期间费用对比分析，联动到期间费用占比分析。
年成本对比分析，联动到月成本对比分析。
资产负债分析，资产合计、负债合计、所有者权益合计等。
资产负债率月度趋势分析。
资产负债总体情况分析，通过下钻可以看到不同月份不同资产、负债和所有者权益情况。
各项目分析钻取分析，例如通过下钻流动资产可以看到货币资金、应收账款、其他应收款、交易性金融资产、应收股利等情况。
应收账款、应付账款月度趋势分析，及同环比情况。
资产负债总体分析，可以通过下钻钻取到不同的项目。
资产总体情况、资产变化趋势等。
资产项目分析，流动资产、非流动资产分析。
不同的资产项目占比分析，例如流动资产中应收账款、应收票据、预付款项、存货、交易性金融资产等分析。
负债与所有者权益情况分析。
财务能力指标分析 – 净资产收益率、存货周转率、流动比率、总资产报酬率、应收账款周转率、速动比率分析等。
盈利能力指标分析 —— 净资产收益率、营业利润率、营业毛利率、成本费用利润率、净利润率、总资产净利率、营业净利率、主营业务毛利率、主营业务利润率、总资产报酬率、资本收益率、股本报酬率分析等。
营运能力指标分析 —— 固定资产周转率、应收账款周转率、股东权益周转率、存货周转率、总资产利润率、流动资产周转率、应收账款周转天数、存货周转天数等趋势分析。
偿债能力分析 —— 流动比率、速动比率、现金比率、资产负债率、营运比率、长期负债比率等。
发展能力分析 —— 总资产增长率、固定资产增长率、资本保值增值率分析等。
其他能力分析 —— 销售费用率、管理费用率、财务费用率、期间费用率、固定资产比率、应付账款周转率、主营业务成本率、销售利润率等趋势分析。
税负分析 —— 税金合计、应交增值税、应交所得税、应交城市维护建设税、应交教育附加、印花税等同环比分析、年度、月度趋势及占比情况。
框架、思维与要点：集团型企业的 BI 经营分析如何做？
在目前国内大部分的商业智能 BI 项目中，项目的发起与启动都是从单一的业务领域或者部门发起的，比如财务、销售、运营等部门，基本上都是由小往大、由点及面，很少一上来直接就从集团层面从顶层全面铺开整体规划。一方面有资金、人力投入成本因素的考虑，另外一方面在于项目的磨合、经验的积累。就如同打仗一样，先从小规模的作战、局部战争开始积累与培养人才与技术经验，再到最后大手笔来组织兵团级别的战役。
但也有越来越多的自身 IT 基础信息化能力沉淀比较好的集团性企业，为了更加长远的规划与考虑，需要从一开始就要有一个相对明确的建设方向和思路，因此整体性和框架性思维就很重要。
派可数据集团经营分析案例
基于我们多年在集团型企业项目建设上的经验，给大家简单总结一下。
说明：本文案例所演示的数据均已做脱敏处理，包括部分维度数据。为了突出一些比较，有些数据在实际业务中可能并不合理，请读者忽略，重点在于理解一些分析思路与框架。
一. 集团型企业成长轨迹与挑战
在讲集团化企业 BI 经营分析建设之前，先了解一下集团型企业的成长轨迹。集团型企业在早期都是通过单一业务开始的，逐步随着我国改革开放的进程以及经济宏观政策的调整，出现了很多新的经济热点。
这些企业在参与社会经济建设的过程中也成功的抓住了这些经济热点并得以壮大发展，通过兼并重组、新设、合资等逐步进入了新的事业领域，最后对外就呈现出来了一种多组织、多业务、多业态的企业集团。
当然，集团化的企业在发展过程中也会面临各种各样的挑战，例如战略协同、集团化管控、财务与风险管控、人才管理与激励等等，这就要求集团化企业需要通过 IT 技术信息化的手段来梳理企业的各类业务协同与管理流程，提升透明度和加快工作效率。
同时，集团化企业在面对这些挑战的时候就不得不对其增长模式、盈利模式、耦合模式做出更加深入的思考，而这些模式的背后一切都离不开数据的支撑，对数据分析结果的论证、判断与决策。
二. 集团型企业经营分析框架
对于集团型企业的经营分析还是一个比较复杂的、系统性的工程，对参与到经营分析的团队和个人需要具备整体性的框架分析思维，也需要具备局部细节的探究能力，更需要具备例如财务、业务、组织管理、行业知识等相关学习和总结能力，同时还要求对数据有比较高的敏感性和很强的数据逻辑能力、洞察力。
对于不同规模、不同行业、不同形态、不同管理方式的集团型企业分析的深度和广度无法完全囊括，但对于很多分析思路而言还是有很多共通性的。比如财务报表分析，基本对每一家企业而言都是相对标准和统一的，可以从比较宏观的角度了解一家企业的财务与经营业绩。
但单纯的财务报表分析是无法全面衡量企业具体职能领域和具体业务活动的业绩表现，所以更多的时候是需要结合财务与实际的业务一起形成联动，对企业的经营做全盘的了解。
专业的财务分析不在本篇文章展开，对于专业的财务分析可以看一些上市公司的年报，这里只从集团型企业经营分析的视角结合一定的财务视角来展开。
集团收入、利润、资金与预算情况
从集团层面首先重点应关注的就是集团收入、利润、资金以及预算执行情况。从营业收入了解到集团目前的收入规模，离预算指标差额、完成率情况；从利润了解到集团目前的利润、预算指标及完成率执行情况；包括目前的资金（主要是流动资金）情况和营业收入、利润近今年的同比情况。
集团经营分析总体指标
如果单纯的从集团层面看以上这些指标分析不出来什么问题，所以就要从构成集团的重要结构，即业务板块来分析。
集团板块收入与预算执行情况
从上面的三张图中基本上对集团的重点业务一目了然，可以清晰的看出在这家集团型企业中房地产的收入以 130亿的收入规模贡献达到了 80%，其次新能源的达到了 17%，家具制造业 1.4%，其它的基本上就可以忽略不计，都在1%以下。所以对于这家集团，房地产板块的业务就是它的主营业务，新能源次之。
实际上，每一家集团对自己的重点的主营业务太熟悉太了解了，基本上不用分析就能知道，在这里重点实际上要关注的有几个方面的点：
第一，集团有无需要战略转型的业务要开拓与发展，当前这个业务发展的如何。尽管这个新开展的业务可能暂时收入规模还不大，但总体趋势可能是比较不错的，所以重点分析的实际上反而是新领域、新业务的拓展情况。
第二，在战略转型的过程中，目标是既要保持集团总体收入规模的增长，同时也要下降主营业务的比重。这一点意思就很明确，主营业务也要增长，其它重点新开拓的业务也要增长，但是其它重点业务增长的速度要远远高于主营业务。
集团板块利润与预算执行情况
单纯的看集团的利润分析感觉不到太大的问题，但是结合收入来看，对比就会很强烈。房地产行业的收入贡献在集团达到了 80%，但是利润贡献却只有 30%左右，0.32 亿元。反而，新能源的收入贡献只有 17%，但对集团的利润贡献却达到了41%，0.43亿元。同时，有一个在收入规模上完全被忽略掉的家具制造业以 2.36亿，1.4%的收入占比贡献了 28% 的利润贡献。
因为数据做了一些处理，我们暂且忽略行业和数据真实性，来思考以下几个问题：
1. 在一家集团型企业中是否存在收入规模大，但是盈利不足的业务板块比如 A 板块。但同时也存在着收入贡献占比不多，但是盈利能力却很强的业务板块，例如 B 板块 ？
2. A 板块是朝阳产业、还是夕阳产业，在未来的 5-10 年中是否能够维持这种规模收入增长，在以往的几年时间收入增长率怎么样 ？
3. B 板块是朝阳产业、还是夕阳产业，在未来的 5-10 年中是否有足够的市场增长空间和天花板，目前的增长速度能够保持多长时间 ？
这种思考都是战略层面的深度思考，进攻的产业有哪些？ 防守的产业有哪些？防守到什么时候就可以抛弃？ 进攻到什么阶段会遇到阻力，这种阻力能够承受到什么时候？
最后又看了下资金情况，可以按照主产业与次要产业看看货币资金、应收票据、应收账款、存货的情况。有多少现金在手上，有多少是别人欠我的，主要是哪些板块欠的比较多，还有多少压在手上、仓库里没有卖出去。
以上的几个点基本上要重点体现出来的就是：收入决定发展规模，利润决定发展质量。还有，整个过程完成的好不好，有没有达到预算执行目标，每个数据的表现都是需要仔细考虑和反馈的。为什么完成的比较好，为什么没有完成，都需要认真思考。
毛利、毛利率的分析定位
在分析上面的收入和利润过程中，大家可能会感觉总少了一点什么，比如毛利、毛利率。确实如此，毛利、毛利率的分析非常重要，但之所以没有放到集团层面去考虑主要有这么几个重点因素：
第一，毛利比较高的业务板块不一定是企业集团的重点收入板块，单纯比较毛利是比较局限的。比如上面有些业态即使毛利再高，但是由于收入规模很小，最终利润贡献也会小到忽略不计，达不到集团重点的经营分析层面。
第二，集团层面的毛利分析一定是放在重点收入业务板块和重点、新关注的业务板块。重点收入业务板块在很大程度上决定了企业集团的收入规模大小，它的毛利对最终利润水平非常重要。重点、新关注的业务板块代表了集团未来的重点业务、新领域、新市场的开拓，在未来收入达到一定的增速、水平和规模的时候，毛利的高低直接影响最终利润的规模大小。
所以对于集团型企业而言，对于毛利水平的分析一定是围绕收入规模占比大的业务板块或是决定未来集团战略转型的新业务板块，或者是老业务板块中的新产品线。因此，关于毛利和毛利率的分析是需要从集团层面下沉到具体的业务板块、业务板块的重点企业、重点企业的重点产品线或新产品线这样的一种分析和比较。
简单总结，毛利、毛利率的分析结构：
1. 集团 -> 重点业务板块 -> 重点企业 -> 重点产品线。
2. 集团 -> 重点业务板块 -> 重点企业 -> 新产品线。
3. 集团 -> 新业务板块。
财务报表视角下的企业
在上面提到的经营分析中，实际上也会涉及到大量的财务分析指标，可以结合集团企业的实际情况从宏观的例如盈利能力、风险控制能力、成长能力三个层面、六个关键点来评价企业整体财务表现。
1. 盈利能力主要体现在获利性和资产使用效率两个方面：
获利性 —— 在同等业务量和营业收入水平下，降低成本以产生更多利润的能力，即如何最大化利润表的 最终行 Bottom Line （净利润）。
资产使用效率 —— 在同等资源占用和生产能力（资产规模）下，取得更高业务量、营业收入或现金流入的能力，即如何最大化利润表的第一行 Top Line （营业收入）或最大化经营利润的变现速度。
2. 财务风险控制能力主要体现在流动性、偿付性和财务结构三个方面：
流动性 —— 现金是否足够支撑日常运营的支出，以及流动负债是否可由足够的流动资产来偿还，即评价企业的短期偿债能力。
偿付性 —— 企业是否可以偿还长期负债，企业的长期偿债能力如何。
财务结构 —— 资本中不同股权与债权的比例，不同比例下财务杠杆作用以及对利润的影响。
3. 成长能力主要体现在经营增长方面：
经营增长 —— 企业在长期发展中业务量规模的扩张程度，资源投入的增加速度，以及所带来的收入和盈利的增长速度。
反映以上三个层次六大关注点的财务指标有很多，集团型企业也需要根据自身运营特点，围绕这个基本的财务分析框架来选择合适的财务指标进行科学评价。
行业影响、市场影响因素
任何数据的解读都离不开行业性，尤其是集团型的在收入规模达到一定水平下的企业，行业与市场因素对收入、毛利、利润的影响都会非常大，以下面几个行业为例：
光伏发电行业 - 资金密集性行业，主要以自有资金、银行借款、融资性租赁来筹措资金，整体负债较高。如未来宏观经济形势发生不利变化或信贷收缩，公司业务的持续发展可能会受到不利影响。同时，光伏电站项目投产到进入补贴名录时间较长，可再生能源基金收缴结算周期较长等因素，导致国家财政部发放可再生能源补贴存在一定的滞后，对标的公司现金流压力比较大。
医药行业 - 第一，容易受市场政策影响，例如：2019年国家卫健委发布的《关于印发第一批国家重点监控合理用药药品目录（化药及生物制品） 的通知》，对西医开具中药处方加强了管理，可能会导致中药品种在部分医院的处方和推广面临困难。第二，医保和基药目录产品进入医院需要通过药品招标采购流程，受医保支付压力影响，近年的招标采购中降价成为普遍的趋势。 第三，国家对通过一致性评价的产品实施带量采购，药品价格降幅明显。包括受环保等政策影响，近年来化学原料药价格大幅上涨，未来几年仍可能继续小幅上涨。
化工行业 - 化工行业主要上游行业为石化行业，市场波动受国际原油价格直接影响，下游行业多为民生行业，受宏观经济影响很大。包括主要原材料价格波动引发的成本增加无法直接向市场客户进行转移，利润空间缩小。同时，因安全生产监管、环保监管等各个方面的原因，企业的生产经营也会受到比较大的影响。
通过行业分析，了解所在行业整体发展收入规模、行业收入增速、整体毛利、利润情况对比集团各业务板块实际发展情况，以及在行业中处于一个什么样的市场位置基本上就可以大概判断出集团主要业务板块在市场的竞争力表现。行业收入增速快，但业务板块收入水平明显低于行业平均水平，是市场品牌宣传力度不够、市场没有打开还是产品竞争力不够，到底是哪些因素的影响 ？ 行业细分领域毛利率整体水平高，但在该行业业态下的企业毛利率水平低下，又是哪些因素导致的 ？只有将数据置身于行业水平来对比了解，这样才更容易找到与行业内头部企业的差距，以及不断思考怎样做才能做得更好。
业态 - 企业 - 产品线，企业重点调整与决策影响的考虑
对于重点业态下的重点企业，重点业态下的重点产品线以及涉及到集团产业升级、战略调整目标下的新业态、新业务领域、新产品线均应该纳入到集团经营层面进行深入分析，重点仍然分析的是收入、成本、毛利、费用与利润。
重点业态追求效率。对重点业态的关注除了对收入规模的关注外，重点关注的是利润水平，因为重点业态的发展跟随行业发展水平可能增速已经达到一定的瓶颈，在发展增速能够保持在一定水平的前提下，通过对成本、费用的控制来提升利润率水平，本质上追求的是效率的提升。
新业态追求规模和占有率。对新业态的关注重点放在收入增长规模的变化，代表了集团型企业未来变革、升级转型的趋势和方向，寻找增长第二级，以市场占有率为目标，本质上这个阶段追求的是市场规模。
同时，也应该注意到集团型企业在未来一到两年重点决策的改变对各个业态下在收入、成本、毛利、费用和利润以及资金运作等方面的影响。例如在北京地区，因为产业调整、环保政策、安全等各个方面的原因，对很多企业特别是传统生产制造、化工行业就有很大的影响，特定环境下的停工停产、人力成本的上升、上下游产业链的重塑、物流成本的增加等都促使集团型企业需要从整体来考虑如何应对。
三. 总结
基本上到这里，围绕集团型企业的重点经营分析的介绍就可以告一个段落，大家也可以从中看到其复杂性，实际上是综合了财务、业务、经营管理、行业因素等各个方面的考虑，最终要形成一个对集团高层管理决策有价值的一种可视化分析，让他们能够从各种不同的视角对集团经营有一个相对比较全面的了解。
在这个过程中，我始终认为业务永远是第一位的，商业智能 BI 的作用和目的是用以一种更加便捷和简单的方式来解读业务，从总到分、自上而下的回答在业务解读过程中的各种问题。这就要求在项目建设过程中，商业智能 BI 实施交付的方法论要紧扣业务本身，呈现重点目标数据、体现集团经营管理思路、定位问题和发现问题。最终，商业智能 BI 仍然要回归到业务、回归到管理本身，帮助企业提升决策的效率与质量。