业务数据分析
如何跟踪和分析业务数据
如何跟踪和分析业务数据在现代商业环境中，数据已成为企业决策的重要依据之一、跟踪和分析业务数据可以帮助企业了解市场趋势、客户行为以及业务绩效，进而优化运营和制定战略。
本文将介绍如何跟踪和分析业务数据的基本步骤和方法。
1.确定目标和指标：在开始跟踪和分析业务数据之前，首先要明确目标和指标。
目标可以是增加销售额、提高客户满意度等，指标可以是销售额、客户满意度评分等。
明确目标和指标有助于聚焦数据分析的方向和重点。
2.收集数据：跟踪和分析业务数据需要收集相关的数据。
数据可以来自内部系统（如企业资源计划系统、客户关系管理系统）或外部渠道（如市场调研、社交媒体）。
此外，还可以通过调查问卷、市场观察等方式获取数据。
确保数据的准确性和完整性非常重要。
3.清理和整理数据：在进行数据分析之前，需要对数据进行清理和整理。
清理数据是指处理异常值、缺失值等数据异常情况，以确保数据的准确性。
整理数据是指将数据转换成适合分析的形式，如整理成数据表格、统计数据等。
4.分析数据：在进行数据分析之前，需要选择合适的数据分析方法和工具，如统计分析、数据挖掘、机器学习等。
根据目标和指标选择合适的方法，并使用相应的工具进行分析。
常用的分析技术包括趋势分析、比较分析、关联分析等。
5.提取结论和洞察：通过分析数据，可以提取出结论和洞察，了解市场趋势、客户需求以及业务运营。
这些结论和洞察可以帮助企业制定战略、优化运营和改进产品和服务。
6.报告和可视化：将分析结果以报告和可视化形式展示给相关人员。
报告和可视化可以帮助人们更直观地理解数据和分析结果，方便决策和沟通。
常用的工具包括数据仪表盘、图表、图形等。
7.监控和调整：跟踪和分析业务数据是一个持续的过程。
定期监控数据，根据数据的变化和趋势进行调整。
根据需要，可以调整目标、指标和分析方法，以适应市场变化和企业需求。
除了以上的基本步骤和方法，还有一些注意事项和技巧可以帮助更好地跟踪和分析业务数据：-数据安全和隐私保护：在收集和分析数据的过程中，需要确保数据的安全和隐私保护。
业务数据的分析四大方法
业务数据的分析四大方法数据分析是根据数据的特征和规律进行推理、预测或者说明的一种方法。
而业务数据的分析是指对企业在运营过程中所产生的各种数据进行分析，以了解企业的运营状况和优化业务决策。
业务数据的分析可以通过以下四种方法进行：一、描述性分析描述性分析是通过对业务数据的描述和总结，以便更好地理解数据的特点和规律。
常用的描述性统计指标包括平均数、中位数、众数、标准差、方差等。
通过这些指标，我们可以对数据的集中趋势、离散程度、分布形态等特征进行分析，并从中发现数据的潜在规律。
例如，可以通过对销售额数据的描述性分析，了解销售额的平均水平、销售额波动的大小以及销售额的分布形态等。
二、相关性分析相关性分析是通过计算业务数据之间的相关系数，来研究数据之间的关联程度。
常用的相关系数包括皮尔逊相关系数和斯皮尔曼相关系数。
相关性分析可以帮助我们判断两个业务数据之间是否存在线性相关关系或者非线性相关关系，以及相关程度的强弱。
例如，可以通过对广告投放费用和销售额之间的相关性分析，了解广告投放费用和销售额之间的关系，并确定广告投放策略的优化方向。
三、预测性分析预测性分析是通过使用历史数据和统计模型，来预测未来的业务数据走势。
常用的预测性分析方法包括时间序列分析、回归分析、ARIMA模型等。
预测性分析可以帮助我们预测未来的销售额、用户增长趋势等重要的业务指标，从而制定合理的业务决策和策略。
例如，可以通过时间序列分析和ARIMA模型，预测未来一个月的销售额，以便进行库存管理和制定营销策略。
四、分类分析分类分析是将业务数据按照某些特征进行分类，以便对不同类别的业务数据进行比较和分析。
常用的分类分析方法包括聚类分析和决策树分析。
分类分析可以帮助我们发现不同类别之间的差异和共同点，从而为部门之间的协同工作提供参考和支持。
例如，可以通过对用户行为数据进行聚类分析，将用户分为不同的群体，了解不同群体的特点和需求，从而优化产品设计和定价策略。
公司业务数据管理与分析制度
公司业务数据管理与分析制度第一章总则第一条目的和依据为了规范公司业务数据的手记、管理和分析工作，提高决策的科学性和准确性，促进公司业务的发展，依据《公司管理条例》《企业数据管理制度》等相关法律法规，订立本制度。
第二条适用范围本制度适用于公司内涉及业务数据手记、管理和分析的各个部门和岗位。
第二章业务数据手记第三条数据手记责任各部门负责人要明确数据手记的责任，确保数据的准确性和及时性。
数据手记工作由特地的数据手记人员负责执行，必需时可委派其他相关人员参加。
第四条数据手记内容数据手记内容包含但不限于销售数据、生产数据、财务数据、人力资源数据等。
具体的手记内容由各部门依据业务需要进行确定，并依照相关要求进行记录。
第五条数据手记方式数据手记可以通过手工记录、系统录入、自动化设备手记等方式进行，具体方式由负责人依据实际情况确定。
第六条数据手记周期数据手记周期依据业务需要进行确定，一般情况下数据应当按日、按周、按月等周期进行手记，必需时可依据需要进行实时手记。
第七条数据手记记录数据手记记录应当准确完整，包含数据来源、手记时间、手记人员等信息，手记记录必需加盖公章或负责人签字。
第三章业务数据管理第八条数据分类和存储依据数据的性质和用途，将业务数据进行分类和存储。
数据存储可以采用电子化、纸质化或混合化方式，具体方式由各部门负责人依据实际情况确定。
第九条数据保密业务数据属于公司的紧要资产，各部门需要严格遵守数据保密规定，不得私自复制、外传或泄露数据。
离职或调动人员应当归还相关数据，并签署归还确认。
第十条数据备份与恢复各部门负责做好业务数据的备份工作，确保数据的安全性和可靠性。
定期进行数据备份，并进行备份测试，确保数据能够顺利恢复。
第十一条数据清理和归档业务数据的存储空间有限，为了节省资源和提高查询效率，各部门应当定期进行数据清理和归档工作。
清理和归档原则由各部门负责人依据业务需要确定。
第四章业务数据分析第十二条数据分析责任各部门负责人要明确数据分析的责任，依据业务需求开展相应的数据分析工作，并供应相应的分析报告。
业务数据分析工作总结
业务数据分析工作总结工作总结：业务数据分析近期工作中，我主要负责业务数据分析工作，通过对公司的数据进行深入挖掘和分析，为决策提供了可靠的依据。
以下是我从事业务数据分析工作的总结。
一、数据收集与整理在业务数据分析的工作中，首要任务是收集和整理数据。
我通过与不同部门的合作，获取了公司内部和外部的大量数据源。
在收集到数据后，我进行了详细的整理和分类，建立了一个完善的数据仓库，方便后续的分析工作。
二、数据清洗与处理收集到的数据往往存在各种问题，包括缺失值、异常值、重复值等。
为了确保数据的准确性和可信度，我进行了数据清洗和处理的工作。
通过使用Python和SQL等工具，我成功地去除了无效数据，填补了缺失值，并对异常值进行了处理，使得数据变得更加干净和可靠。
三、数据分析与挖掘在数据清洗和处理完成后，我开始进行数据分析和挖掘的工作。
通过使用各种数据分析工具和算法，我对数据进行了深入的挖掘和分析。
我从中发现了一些有价值的信息和规律，为公司的业务决策提供了重要的参考。
四、数据可视化与报告为了更好地向团队和管理层展示分析结果，我进行了数据可视化和报告的工作。
我使用常见的数据可视化工具，如Tableau和Power BI，将分析结果以图表和报告的形式呈现出来。
这些可视化的结果使得数据更加易于理解和识别，帮助公司的管理层更好地了解和把握业务状况。
五、模型建立与预测在数据分析的过程中，我也尝试建立了一些模型来进行业务的预测和优化。
通过使用机器学习算法和回归模型，我成功地预测了某些业务指标的趋势和变化。
这些模型为公司的运营决策提供了有力的支持，帮助公司更好地应对市场变化。
六、业务改进与优化通过对业务数据的分析和挖掘，我不仅了解了公司的业务现状，还发现了一些潜在的问题和机会。
我将这些问题和机会进行了总结和归纳，并与团队和相关部门进行了充分的讨论和沟通，提出了一些改进和优化的方案。
这些方案的实施将进一步提升公司的业务效率和竞争力。
业务场景中常用的数据分析方法
业务场景中常用的数据分析方法1 漏斗分析漏斗分析可以很好地量化产品各环节的转化率，而且适用的产品类型很多。
此方法主要是将产品的重要环节抽象出来，计算每个环节的用户量，最后做出一个形如漏斗的图形。
下图例举了一个APP投放的漏斗模型，我们可以计算出每个环节到下一个环节的转化率，直观地看到用户在各层的流失情况。
如果广告点击率差，那么就想办法优化广告文案；如果APP激活差，则需要优化APP下载流程；如果用户留存差，则需要提高产品质量。
如此一来，就可以把握优化的重点。
我们在每次迭代方案后，用同样的漏斗图进行前后对比，可以很清楚地看到改动的效果。
如果每层的转化率都非常好，但用户量还不上升，这个图仍然很有用，你可以拿着这张图，去说服金主出钱，加大广告投入。
2 留存分析如果产品留存低，再大的用户量也将是昙花一现。
这里介绍用户生命周期留存图，此数据可以很快地看到产品的粘性表现，并且能预估出后期的用户量。
下图展示两个产品的留存率样例：我们可以看到，两个产品的留存率在次日时相当，而一周后，产品1的留存率开始稳定，产品2的留存率却一直下降。
这也是为什么我们经常会看次日留存、第7日留存、第30日留存，通过留存折线图的3个采点，来抽象地描绘留存变化。
由于日活=留存X新增。
所以我们还可以根据已有的留存率和计划的新增量来预估后期的日活量。
如上图所示：有了预估的日活量，不仅能科学地设置目标，而且可以作为参考值，来监测用户量的异常变化3 拆解分析在我做过的分析中，有一个项目的数据变化非常异常，难以解释。
遇到这种问题，首先就会想到按维度拆解，我们经过各维度的变化拆解后，发现有一个省的流量出现问题，导致整体数据异常。
在分析一些数据时，按分维度拆解的方法简单且奏效。
常用的维度有地域、渠道、画像、活跃度等。
有时，复杂的问题往往需要多维度交叉去拆解分析。
4 微观分析上面介绍的都是较为抽象的宏观的分析。
在具体的产品迭代中，往往会遇到一些具象的产品细节分析。
业务数据分析与整理
扩展性
Python具有强大的扩展性，可 以轻松地与其他编程语言和工具
集成。
R
统计分析语言
R是一种专为统计分析而设计的编程语言，广泛应 用于数据挖掘、机器学习和统计建模等领域。
统计包
R拥有丰富的统计包和工具，可以方便地进行各种 统计分析、数据可视化和模型构建。
学习曲线
R的学习曲线相对较陡峭，需要一定的时间和经验 积累才能熟练掌握。
04
数据可视化
图表类型选择
柱状图
用于比较不同类别之间的数据，便于观察数 据之间的差异。
饼图
用于展示各部分在整体中所占的比例，便于 比较不同部分的大小。
折线图
用于展示数据随时间变化的趋势，适用于分 析连续数据。
散点图
用于展示两个变量之间的关系，判断是否存 在相关性。
数据可视化原则
明确目的
确保图表能够准确传达所要表达的信 息，避免信息混淆。
业务数据分析与整 理
汇报人：可编辑 2024-01-03
目 录
• 业务数据收集 • 数据分析方法 • 数据分析工具 • 数据可视化 • 数据解读与报告 • 业务数据应用
01
业务数据收集
数据来源
01
02
03
04
内部数据
来自公司内部系统、数据库、 报表等的数据。
外部数据
包括市场调查、行业报告、公 开数据等。
数据质量保证
数据清洗
去除重复、错误或不完整的数 据。
数据验证
通过多种方法验证数据的真实 性和准确性。
数据标准化
将不同来源的数据进行统一处 理，使其具有可比性。
数据存储与管理
合理规划数据存储结构，确保 数据安全与可访问性。
事业单位业务数据分析岗位职责分析
事业单位业务数据分析岗位职责分析一、岗位职责概述事业单位业务数据分析岗位负责对单位的业务数据进行深入研究和分析，为单位的业务决策提供准确的数据支持。
岗位职责涵盖业务数据收集、清洗、分析、报告撰写等方面。
以下将详细分析该岗位的具体职责。
二、数据收集与清洗1. 收集业务数据：负责从各个部门收集相关的业务数据，确保数据的完整性和及时性。
根据业务需求，制定数据收集计划，并与各部门进行沟通协调，确保数据的准确性。
2. 数据清洗与整理：对收集到的数据进行清洗与整理，包括去除重复数据、修正错误数据、填补缺失数据等。
确保数据的可靠性和完整性，为后续的数据分析工作提供准备。
三、数据分析1. 数据挖掘分析：运用数据挖掘技术，发现业务数据中的潜在信息和规律。
通过对数据的统计、分析和比较，深入挖掘潜在的业务机会和风险，为业务决策提供参考。
2. 统计分析：运用统计学方法对业务数据进行分析，包括描述统计、相关性分析、回归分析等。
通过对数据的分析，发现数据之间的关联性，为业务决策提供科学的依据。
3. 数据建模与预测：基于历史数据和业务规律，构建模型进行预测。
通过对未来趋势和发展进行预测，为单位的长远规划和决策提供参考，提供数据支持。
四、报告撰写与数据可视化1. 报告撰写：将数据分析的结果进行整理和归纳，撰写数据分析报告。
报告应包括数据的分析方法、分析结果的解释、对业务的建议等内容，以帮助决策者更好地理解和应用数据。
2. 数据可视化：使用可视化工具，将数据分析结果呈现给决策者。
通过图表、图形等方式直观地展示业务数据的趋势和规律，帮助决策者更好地理解数据分析结果。
五、数据质量控制1. 数据准确性检验：定期对业务数据进行准确性验证，确保数据的可靠性和准确性。
通过核对原始数据和数据分析结果，排查数据错误和问题，保证数据分析的准确性。
2. 数据保密与安全：负责对业务数据进行保密和安全管理，防止数据泄露和滥用。
采取相应的措施，确保数据的机密性和保密性。
自由职业者如何进行业务数据分析
自由职业者如何进行业务数据分析在当今数字化的时代，数据已经成为了驱动业务决策和发展的关键因素。
对于自由职业者来说，学会进行业务数据分析更是提升竞争力、优化工作流程和增加收入的重要手段。
那么，自由职业者应该如何有效地进行业务数据分析呢？首先，明确分析的目标至关重要。
自由职业者需要清楚地知道自己希望通过数据分析解决什么问题或获取什么信息。
是想了解客户的需求和行为模式，以便更好地提供服务？还是要评估自己不同项目的盈利能力，以优化业务组合？又或者是为了确定最有效的营销渠道，吸引更多的客户？明确目标将为后续的数据分析工作指明方向。
在确定目标后，收集相关的数据是第二步。
这可能包括客户的基本信息、交易记录、项目的时间和成本数据、社交媒体的互动数据等等。
数据的来源多种多样，可以是自己的业务记录、在线平台提供的数据、调查问卷的反馈，甚至是与客户的沟通记录。
收集到数据后，接下来就是对数据进行清理和整理。
这是一个常常被忽视但却极其重要的步骤。
数据中可能存在重复、错误或缺失的值，需要进行筛选、修正和补充。
比如，客户的姓名可能因为输入错误出现多种写法，需要统一；某些交易金额可能记录有误，需要核实更正。
只有经过清理和整理的数据，才能保证分析结果的准确性和可靠性。
然后，选择合适的分析方法和工具。
对于自由职业者来说，不一定需要掌握复杂的统计分析方法和高端的数据分析软件。
一些简单易用的工具，如 Excel 中的数据透视表、图表功能，或者在线的数据分析平台，往往就能满足大部分需求。
比如，如果想了解不同客户群体的消费习惯，可以使用数据透视表对客户的年龄、性别、消费金额等数据进行分组汇总和比较；如果要展示项目收入的趋势，用 Excel 绘制折线图就能直观地呈现。
在进行分析时，要学会从多个角度去观察数据。
比如，不仅要关注总体的数据趋势，还要分析不同时间段、不同地区、不同客户类型的数据差异。
通过对比和细分，往往能够发现一些隐藏在数据背后的规律和问题。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
各行业的项目容量分布 运营商行业大部分为不可预测，落 单可能性很小； 整个办事处力争占比达到***%， 要加紧项目的运作
402 900 0.4
办事处
1302
1437
193
362
全年 业绩预测
未来潜力：
CRM导出项目6—12月的 总项目容量
04
根据CRM项目容量，按照销售预测类 别乘以成功率来测算，预估出我办2011 年年度任务的完成率为**%，项目潜力 率严重不足！
**办事处
上半年业务数据分析
数据分析方面的应用
办事处整体业绩情况 各行业业绩完成情况 办事处业绩同期比 上半年订单业绩分析 业绩通报 费用分析 利润分析 项目容量 过程管理 上半年收入业绩分析
业绩通报
PK状况
数据分析方面的应用
办事处整体业绩情况
01
订单业绩完成率
21%
回款业绩
截止第二季度（6月底）累计任务 额为 406 W，目前任务完成率为 上半年任务
过程管理
销售日志检查情况（6月）
05
达标情况
销售
*** ***
第一周
第二周
第三周
第四周
联合拜访
***
请各位务必在拜访客户后次日更新前日的日志，每周一进行日志检查； 要求是：销售每周日志不少于*篇，副主任每周日志不少于*篇；主任每周要求最 少与1销售联合拜访1次。 本月我办均达标，但还需注意联合拜访的达标情况。
上半年承诺完成率一览
承诺金额达成率=实际订单业绩/承诺预计合同金额 承诺项目准确率=(承诺金额-承诺未落单金额)/(承诺金额+未承诺落单金额) 289%
05
95% 89% 30% 7% 一月 二月
96%
95%
87%
76% 50% 五月 39% 六月
38% 三月 承诺项目准确率 四月
承诺金额达成率
从以上表中可以看出，1、3、4月的承诺金额达成率在100%左右，完成情况较好！ 2、4、6月完成情况较差 6月承诺项目准确率突高，主要是受***项目***影响
PK状况
业绩通报 费用分析 利润分析 项目容量 过程管理 PK状况
PK 状况
***办
06
PK
订 收 回 利 单 入 款 润
*****办
111
111
111
111 111
11
111
111
11%
业绩完成率
11%
小结
1.
上半年的业绩未完成，还差*****W完成上半年订单任务； 各行业业绩分布不均，****行业所占比例较大 订单并没有完全的转化为回执，还要加紧回执的跟进和催收 平均项目利润率**于公司普通水平，应着力对特价合同的 控制，尤其是****行业，有明显的订单多利润低的特 点 项目容量中处于第一阶段的项目要尽快进行机会确认
155
01
15%
440
20% 10% 0% -10%
-31%
179 186
304
-20% -30% -40% -50%
2010年业绩 2011年业绩 同期比
-48%
97 99
-60%
-73%
27
-70%
0
-80%
李星
孟庆欣
万晓建
江西办
今年的订单业绩与去年同期相比，除了运营商行业呈正增长率，金融、政府行业业绩 明显下滑很多，导致整体业绩水平下降31个百分点！
合同金额达到**W，其中运营商行业占 **W，需加强特价的控制，提高利润！
非特价合同金额仅有**W，并且都属于金 融行业
*%
*%
办事处目前项目潜力 项目潜力按阶段分布 下半年各行业项目容量分布 业绩通报 费用分析 利润分析 全年业绩预测 项目容量 过程管理
项目容量
PK状况
办事处目前项目潜力
04
Come on !
每月固定支出费用总包 上半年支出费用占比 办事处收入投入产出比 业绩通报 费用分析 利润分析 项目容量 过程管理 PK状况
费用分析
数据分析方面的应用
每月固定支出费用总包
3 4
物业费 **/月 水电费 **/月
02
2
固话宽带 **/月
1
通讯费 **/月 费用 总包 房租 **/月
费用总包中的费用是每月都要固 定支出的费用 由费用总包中各项费用的保守估 计可以看出，每月办事处固定支 出的费用达到*****元/月 其中房租和交通占比例较重
代理商平均利润率
03
**%
165
代理商平均利润率
**%
145
**%
金融
运营商
代理商总价 最终用户总价
政府
代理商的平均利润率均控制在**%以内 我办代理商利润率情况较稳定
特价合同分布情况
03
**%
TB合同是指低于销售部副总/大区总权限
**% TB TA
T
非特价
的合同，是导致利润率低的主要因素
我办特价级别集中在TB的项目过多，TB
2.
3. 4.
5.
日志的完成情况好转，但更要注意联合拜访的达标情况
27
/ss201413
荌醒
业绩预估：
不可预测为0%，力争为 30%，预承诺为70%，承 诺为90%
销售
金融
年度任务
目前业绩
完成率
未来潜力
测算后的潜力 预估年度完成率
15%
1458
88%
运营商
政府
36%
9%
1113
723
70%
80%
办事处
304
21%
3294
892
83%
本月过程管理执行状况 销售日志检查情况 上半年承诺完成率一览 承诺项目达成状况 业绩通报 费用分析 利润分析 项目容量 过程管理 PK状况
利润分析
PK状况
利润任务完成情况
03
项目 利润
人力 费用
销售 费用
敏捷项 目开发 成本
减值损 失计提
**W
利润任务
** W
考核利润
各行业平均项目利润率
03
**%
**%
163
**%
27
江西办平均项目利润率
8.7 金融
运营商
项目利润 含税收入
6.8
政府
**%
项目利润率在**%左右为合理 我办各行业的利润率普遍较低，尤其是运营商行业， 出现收入高但利润低的现象较严重
上半年办事处订单业绩分析
11%
01
35%
54%
**
** 我办的业绩来源主要是**行业，订单达到**W
28% 20% 14% 4.80% 8%
7.70% 12% 14%
订单业绩分布
18.70%
截止到目前累计订单业绩为**W,基于红线标 准公司的销售节奏来看，除了1月，2-6月我 办销售节奏均没有达到公司要求标准，尤其 第二季度销售节奏较慢。
4%
2%
一月
4.50%
二月 三月 四月 五月 六月
单月累计完成率
公司销售节奏
数据分析方面的应用
每月累计订单完成率
上半年办事处收入业绩分析
10%
01
30%
金融
60%
运营商
我办的收入来源主要是运营商行业，收入达到163W
收入业绩分布
影响收入的主要原因是人保还差24W的金额没 有做收入、还有李星的抚州移动还未到货，没有 回执形成收入；其次还有工行的订货凭据影响。 影响收入的因素
****W
****W
项目容量是年度任务的3倍以上可支撑任务的成
项目潜力分布情况
第五阶段 第三阶段 第二阶段 第一阶段
04
276 414 1301 1302
销售
金融 运营商 政府 不可预测 力争 预承诺 承诺 目前我办处于第一阶段的项目较多 占比达到**% 请各销售加快步伐，将第一阶段的 项目尽快进行机会确认
5
交通费 **/月 办公费 **/月 邮寄费 500/月
8
6
7
上半年支出费用占比
日常费用
02
上半年我办费用投入共计
平台费用
固话 **W 团建费 **w
***W
投入的
** w
办公费 **w 通信费 **W
费用主要投入在业务招待费、 房租水电以及差旅费，占到总
房租物管水电
**%
**w
交通费 **w
业务招待费
**w
**w
物料费
差旅费
**w
数据分析方面的应用
办事处收入投入产出比
02
截止到目前我办收入业绩为**W，从全年费用投放情况看，我们认为投入产出比控 制在
**%以下较为合理
我办投入产出比在第一季度为**%，偏高！第二季度**%已有明显改善
利润任务完成情况 各行业平均项目利润率 代理商平均利润率 业绩通报 费用分析 特价合同分布 利润分析 项目容量 过程管理
188W
75%，还差 102 W 即可完成
各行业业绩完成情况
01
利润 利润 7 回款 35 收入
**完成率 83 97
订单
15%
**
**完成率
36%
利润 5.7
回款
26.5 27 27
**完成率
收入
订单
数据分析方面的应用
9%
**
办事处业绩同期比
500 450 400 350 300 250 200 150 100 50