指标

在疫情期间，餐饮和旅游业受到了重创，目前随着复工的到来，餐饮已经开启外卖模式，减少损失，而对于旅游业的冲击，时间更长，力度更大，携程在面对疫情期间，提出高层管理自愿降薪，最低半薪，其他员工停止涨薪，一线员工可正常调涨薪资。 疫情期间，很多企业很着急，但是没有办法，期间对于企业来说，既是挑战也是机遇，我们时间来思考，我们的企业应该怎么做？我们的员工怎么去管理？ 我在疫情期间收到很多的老板的咨询电话，在疫情期间他们有了更多的时间来思考企业应该怎么，管理又该怎么做，疫情是让很多老板停下来思考，想要什么，又该往哪里走？ 其中一位销售经理跟我吐槽说，公司这些的收入一直上不去，不是因为没有订单，而是订单多了，收入反而一直无法突破，详细了解之后得知，这家公司就是典型的“好公司”这个好并不是真正的好，而是会导致员工混日子的好。 为什么这样说呢？因为这家公司底薪很高，公司对业务员工没有考核要求，公司给业务资源，业务员高底薪+高提成，员工积极性不高，人力成本过高导致公司的收入一直不能突破。 我们来分析这家公司员工为什么积极不高？ 旱涝保收，做销售旱涝保收是非常恐怖的一件事情，员工没有斗志，高底薪+高提成，给员工创造了旱涝保收的条件，员工积极才是一件奇怪的事情，想要提高员工工作的积极性，必须要打破现在的薪酬制度。 如何打破也是企业的一个难点，之前我们服务的一家工厂也遇到这样的问题，这家工厂之前是计时积分法则，但是计时就会出现很多员工在混时间，导致效率不高，于是公司决定按照计件，员工一听计件，肯定是不干，一旦采用计件，员工就不能偷懒，员工很反对这种做法，导致工厂一直无法执行下去，问我怎么办？ 解决的方案是循环渐进，全面推进。 循环渐进：员工为什么不愿意新的制度，原因是新的制度有可能会伤害到员工的利益，所以员工极力反对，所以我们在推行的时候，让一部分人先干，并且收入比之前的要高，在利益的驱动下，员工也会愿意选择工资更高。 全面推进：当大部分人认同这个新的制度之后，其他人员就会开始心动，管理者可进行沟通，让员工做出选择，结果这家公司不到半年就已经全面推进了。 企业该如何调动员工工作积极性，解决员工混日子的问题？ 在这里我跟大家分享用积分是如何来调动员工工作积极性，员工混日子是因为员工有空闲的时间，这个时间原本管理者应该知道员工的工作量如何，有没有其他空闲的时间，管理者是知道的，但是管理者没有去做这件事情，导致员工看上去是做事了，但是没有结果。 怎么样判断员工有没有混日子？用两招，一招是量化员工工作，一招是分配的不对等。 如何用积分来量化员工的工作？找关键指标，这个找关键指标是指员工本月的关键事件是哪些，管理者可根据本月的目标对员工关键指标设定积分，根据员工的积分变动来观察员工的工作情况，从员工完成率，积分的变动中了解员工工作是否饱和。 分配的不对等：我们在使用积分制管理的时候，一直在强调的是奖金是向奋斗者倾斜，只有倾斜了才能留住人才，但是再倾斜的过程中要做到公平公正是比较困难的，但是积分制管理能够解决这个问题积分法则，积分制管理是通过奖分和扣分，对员工进行全面的考核，积分越高，说明员工对公司的贡献就越大，那么奖金自然是向积分高的倾斜。 对于积分如何使用在在薪酬上，又如何用在分配上，详细的案例和方案可直接点击“免费领取资料”即可拿来参考借鉴。 ———END———限 时 特 惠：本站每日持续更新海量各大内部创业教程，一年会员只需88元，整站资源免费下载点击查看详情站 长 微 信：chuangyedemao

莱州是烟台地级市范围内最西端的一个县市。在1988年以前，莱州叫作掖县。当年，掖县撤县建市，改掖县为莱州。莱州这个名字，是因掖县为古莱州府驻地而得。莱州府这一称谓，虽然在1913年就已经成为历史，距今已经过去100多年的时间，但在掖县人心中始终留有深刻的记忆。本篇故事就主要介绍一下莱州府消失的具体过程。 从表面上看，莱州府与登州府以及清代其他的府一样，都是在清朝灭亡之后，随着行政区划改革而消失的。（1913年，北洋政府发布命令，调整全国行政区划，主要内容是废府存县。）但实际上，从第二次鸦片战争之后，莱州府在胶东的实际地位就不断下降，1913年的撤销，只不过半个多世纪以来，其影响力逐渐衰退的一个收尾。 （明代的莱州府和登州府） 要说莱州府，首先要弄清莱州府的概念。在古代，州和府是两个级别不同的行政区划。虽然莱州这个称呼，早在隋唐时期就已经出现；但莱州真正成为府级单位，是在明朝初年。明洪武九年，莱州由州升为府，管辖两州五县，分别是掖县（府驻地）、平度州（辖潍县、昌邑）、胶州（辖高密、即墨）；莱州府以东的地区，则都隶属登州府。此后约500年的时间内，胶东半岛大致维持了这种西莱东登的地域结构。而胶东地区，大体也就指的是登莱两州（广义上有时也把青州算在内）。 虽然都是府，但大部分时间内，莱州府的地位总体比登州府略高，其标志之一就是清代的登莱青道台衙门常驻于莱州（明末登莱巡抚曾驻于登州，但时间很短）。这是因为，古代评价一个行政区域地位高低的两大指标是耕地和人口。莱州府较之登州府，更靠近山东内地，地形相对更平坦，人口也更多，因此地位更高。 （烟台市区的道恕街小学，道恕原为道署，登莱青道台衙门从莱州迁到烟台后，就在这条街上） 不过，从第二次鸦片战争之后，形势开始发生变化。烟台开埠成为通商口岸，登莱青道台兼有料理洋务之责，因此在1862年莱州属于哪个市，道台衙门迁到烟台，莱州府失去了实际上的胶东半岛行政中心的地位。 如果说1862年道署迁移，只是让莱州重新成为一个普通的府级单位；那么，1904年胶州的分立，则让莱州府彻底改变了模样。 1904年，清廷下诏，升胶州为“直隶州”，从莱州府中分出，直属于山东布政使司，仍辖高密和即墨两县。胶州的“升级”，起因是青岛的开埠。按照原来的层级，胶州向山东汇报事务，需先经莱州府再转省里。1898年，德国强租胶州湾，胶州因为位置原因莱州属于哪个市，与洋人打交道的机会大大增多，这对于晚清政府来说，兹事体大，耽搁不起，于是将胶州升了一级。 胶州分立之后，原来的莱州府除了掖县外，仅管辖平度、潍县和昌邑三个地方，面积几乎缩小一半，并且从南北临海变为只靠莱州湾。按照人口和面积衡量，在清末山东的府当中，已经是很小的一个了。并且东面的登州和那面的胶州都已经对外通商，唯独莱州例外。可以说，莱州府的最后十年（1904-1913），就是在这样一种“被边缘化”的状况中度过的，直到消失。 ———END———限 时 特 惠：本站每日持续更新海量各大内部创业教程，一年会员只需88元，全站资源免费下载点击查看详情站 长 微 信：chuangyedemao

搭一个时间序列预测模型需要避开哪些坑？ 简介 如果说哪类机器学习问题坑最多，那我一定投时间序列预测一票。 时间序列预测问题中数据形式的特殊性，导致了搭建模型过程中会遇到各种各样的坑。从头到尾搭建一个时间序列预测模型需要避开哪些坑？今天给大家总结一下我在实际工作中遇到的问题，包括数据、模型、指标、应用等四个方面的坑。 数据中的坑 任何机器学习模型的第一步都需要进行数据处理，而这一步在时间序列预测问题上坑非！常！多！我们常见的任务，比如图像分类或者文本匹配，输入数据都是结构化的，文本分成的token一共就那么几个，图像的rgb也都是0到255之间的一个数。但是时间序列的输入数据是离散值，而且取值理论上没有固定的范围。这就造成了时间序列处理中有很多需要注意的点。下面跟大家说几个我在做时间序列预测时遇到的典型坑供大家参考。 第一个坑：数据预处理。时间序列预测的数据集千差万别，数据的取值范围差异也很大，可能最小值是0时间序列模型有哪些，最大值是1000000。这种数据直接输入模型很难训练，因此一般需要做一些例如归一化等数据预处理。但是选哪种预处理方法最好呢？数据预处理方法选的不好，相当于地基没打好，后面做的各种实验全白费，因此一定要先选一个适合自己数据集的处理方法。如果数值差异很大，一般通常是先取对数缩小scale，再在此基础上做归一化。此外一定要注意数据泄露的问题！归一化求均值时，只能用Encoder的数据计算，不要把Deccoder的数据也加进去。数据预处理细节很多，一个不小心就会导致后面的实验全白做了，一定要小心。 第二个坑：窗口选择问题。使用深度学习进行预测，一般都会选择历史N天作为Encoder输入，预测未来M天的。那么这个N天和M天怎么选呢？M是问题定义好的，比如需要预测未来30天的预测结果，M就是30。至于N的选择，就要注意了。一方面，N的选择一定要比M长，一般为M的1.5倍以上。另一方面时间序列模型有哪些，要看数据的周期性。如果数据呈现明显的以365天为周期的年周期性，那么N至少要涵盖一年，才能让模型预测出来接下来要发生的事。N的选择也不能太长，会导致模型训练慢，或者收敛困难的问题。N如果选的长度不够，模型知道的信息不足，后面模型设计的再怎么花哨，也不会取得好的效果。一定要结合数据特点进行窗口选择，把你想让模型知道的信息都输入给模型。 模型中的坑 时间序列模型千千万，如何选择最适合自己场景的呢？我曾经在之前的文章中详细汇总了各类深度学习时间序列预测模型，Transformer、LSTM、CNN等基础结构都有针对时间序列预测的模型，也有Nbeats、LSTNet等专门针对时间序列预测设计的网络。 在模型的选择上，一个比较重要的原则是根据预测序列的长短来定。如果是单点预测，LSTM就能取得非常好的效果。如果是长周期预测，那就必须加一些Attention才能更好的进行对齐，这个时候可以考虑LSTM+Attention，或者直接上Transformer模型。另一个考虑因素是你的数据噪声大不大，一个经验是，噪声越大的数据集，用越简单的模型往往能取得更好的效果，而用了复杂模型反而会因为过拟合导致效果较差。 指标中的坑 在时间序列预测评价指标上，一定要结合实际需求来选择。时间序列预测的评价指标可以分为两类，一类是scale无关的（如smape、rmsle、mape等），一类是scale相关的（如mse、rmse、mae、nd等）。Scale无关的，即不管每个样本点的取值多大，对最终loss的贡献都是差不多的，因为这些指标计算的都是预测值相对于真实值的偏差百分比。而scale相关的指标，数值越大对loss的贡献就越大，因为它们直接计算预测值和真实值的差值。 在选择指标时，如果更关注大值样本的效果，可以用scale相关的指标；如果更关注全局所有样本的效果，可以用scale无关的指标。对于scale无关的指标还要注意一点，在一些场景中，小值样本比大值样本多得多，数据呈现长尾部分。这种情况下使用scale无关指标，则更偏向于看小值样本效果。同时，小值样本可能存在更大的误差，比如真实值是1，预测值是2，这偏差就是100%了，小样本本来就噪声大。如果用scale无关指标在这类数据上评估，很可能反映的是拟合噪声的效果。因此更合适的做法是对测试集做一个采样，小值样本、大值样本保留差不多的数量，才能更科学的评价模型效果。 应用中的坑 时间序列预测的结果不能只看指标，一定要看预测结果的折线图！有的时候看着指标不错，但实际预测出来的曲线可能是下面某些图那样的： 在应用之前，一定要做一些可视化分析，看模型预测的曲线和真实曲线差异在哪，把历史的真实序列也要画出来，这样才能看出哪些地方你认为模型本该预测出来，但实际没预测出来，针对性的优化模型。 总结 实际应用中搭建时间序列预测模型时，和学术界的差异还是很大的。学术界用的数据大多数都很干净，规律性很强。但是实际应用中的数据集，噪声大、取值范围大、规律性不明显等都是很大概率要面对的问题。你在时间序列预测中踩过坑吗？欢迎评论区交流~ ———END———限 时 特 惠：本站每日持续更新海量各大内部创业教程，一年会员只需88元，全站资源免费下载点击查看详情站 长 微 信：chuangyedemao

在具备了基本的数据分析意识之后，接下来该怎么办呢？ 我认为是：读懂数据。 什么才叫懂？清楚每一个数据指标的口径，这不算懂；了解每一天的数据变化，这也不算懂。 真正的懂，是能够知道：为什么每天要看这些数据？ 知其然也知其所以然！从读懂业务数据指标开始，深入了解业务指标间的内在联系，是数据分析实战的第一步。 我们先来看本次的内容大纲： 1）如何读懂业务指标？ 2）如果我来制定指标，我该怎么办？ 3）案例分享：以从0到1搭建的积分体系为例。 如果我们想定义它，就应该先读懂它；因此，我们先来看第一模块，理解业务指标。 一、如何读懂业务指标？ 公司就像是一台复杂精密的机器，每一块零部件各司其职，每一块都完成各自的指标，才能实现公司最终业绩目标的达成。 那么不同岗位的业务指标制定背后的考虑是什么？各业务指标的差异和内在联系又是如何？我们该如何从指标中找准方向，贡献自己的聪明才智？ 对于这三个问题，我给出的建议是：组装——分类——解读，读懂指标三步法。 1. 指标组装，找到业务公司的位置 指标组装，并非什么高深的方法。实际做法就是，“指标拆解”的逆向过程。 具体怎么理解？我们以电商业务为例。 指标拆解，促进目标落地 假设今年的目标是要将商城的销售额提升100亿元，根据公式（GMV=UV*CR*客单价）拆解。 运营同学找更多渠道/更自动化等方式将提升流量（UV）到日均xx w常见积分公式，产品同学缩短页面路径/减少用户操作等方式将转化率（CR）提升到xx%，商务同学引进更多高客单价商品等方式提升客单价到xx元。 指标组装，逆向过程理解公司业务 同样是电商业务，公司组建了一个虚拟团队常见积分公式，专门针对老年群体销售商品；我负责产品策划，隔壁小陈负责营销活动，对面的张哥负责商家引进。 会议结束后，我知道了小陈的指标是让更多人（UV）进到商城参与活动，张哥的指标是引进头部top5的优质商家（客单价）；而我则是让用户在商城上能够更快地找到合适他的产品（CR）。 反向推倒得出公式： UV*CR*客单价=GMV。 当然，公司实际的业务，远非如此简单，而且各部门的指标并没有那么容易获得。 但，逆向思考的意义在于：以老板们的视角，找准业务的位置。 2. 指标分类，了解指标间的内在联系 当我们清楚了所负责业务在公司的位置之后，接下来就要思考：我所负责的指标与其他岗位或其他业务部门指标的联系是啥？差异点在哪？ 为搞懂这些问题，我们先来重温下两条数学公式： 利润=收入-成本、销售收入=产品销售数量×产品单价 你可能会问，这不是小学就知道的公式么？有什么值得重温的？先别着急，我今天不是来讲解这个公式是怎么来的，来讲点不一样的。 在公式中，不难发现：运算中“-”的背后代表着需要减少、控制，而“*”说明要相互依赖；同时这些指标最终都是为了“利润”服务。 那么，我们可以根据下述的分类方法，去理解公司各业务的指标。 从指标变化上看： 从指标状态上看： 如果你负责的业务指标既是结果指标，又是增益型指标，那么恭喜你，你的岗位非常重要，做好了升职加薪自然不在话下。 补充说明下，上述举例的指标仅是围绕列举的公式展开讲解。 实际的指标有非常多，比如说：结果指标，不同的团队内，结果指标会有不同；运营团队会以用户数作为结果指标，产品团队会以转化率作为结果指标，等等。 3. 指标解读，定好工作的基调 当我们了解业务在公司中的定位以及业务指标的分类之后，最后一步就是解读指标，确定我们日常工作的基调。 这也是为什么职场里，有些人总喜欢唱“黑脸”干“坏事”，而有些人则是唱“红脸”整天一副热心肠。...

杜邦分析作为财务分析里面非常常用的一种分析方法杜邦分析法公式，是典型的利用财务指标之间的关系对企业财务进行综合分析的方法。杜邦分析体系，源自20世纪20年代，美国杜邦公司的一名销售人员，向公司阐述运营效率的问题时，其中提到了关于权益净利率的分解问题，最后因美国杜邦公司成功应用而得名。 作为财务分析届的全能选手，虽然杜邦分析的公式最后落在了净资产收益率（ROE）上，但是通过杜邦分析体系演变出的各项财务指标，对财务人员深入了解企业经营状况，提高企业赚钱的能力至关重要。 但是在实际的财务工作中，财务人员只是把杜邦分析当成了一个分析工具，僵硬的套用分析模板，得出数据。但其实，杜邦分析不仅仅是一个分析工具，更是一个沟通和决策工具。 杜邦分析的公式，大家应该都不陌生了。净资产收益率(ROE) = 资产净利率(净利润/总资产) × 权益乘数(总资产/总权益资本) 那杜邦分析为什么要把ROE这么分解呢？这三个财务指标各自又有什么特点？不同行业，这三个指标对企业的销售、采购决策，又会带来什么影响？ 想明白这些问题，其实你就能利用杜邦分析，为管理层计算各种方案对于股东投资回报率的影响，从而参与到企业决策里。 想不明白也没关系杜邦分析法公式，陈冰老师《解读公司“钱”途，一个案例会用杜邦分析》，通过详细的案例， 解读杜邦分析的三个财务指标对股东投资回报率的影响，帮你在企业里面，建立既看利润又关注资产周转的财务思维。（免费领取，速度拉到文末！） 企业实际经营中，财务人员利用杜邦分析得出的财务指标，不能仅停留在财务数据层面，而是需要让数据落地，将财务指标转化为可执行的业务指标。 那为什么要将财务指标落地，转化为业务指标？ 将财务指标转化为业务指标，我们就能将企业的整体指标（主要是以财务指标为代表的整体指标）和业务部门的日常工作结合在一起。这个业务指标，不仅能用来设置业务团队的绩效KPI，还能改善整个业务团队的日常工作，最终使得企业的整体财务指标得到改善。 陈冰老师《解读公司“钱”途，一个案例会用杜邦分析》，通过案例， 带你将公司的整体目标层层分解，制定业务KPI。 免费领取 课程介绍 理论知识 + 案例分析，教你玩转杜邦分析。学会解读公司各项经营活动，提升公司赚钱能力。 师资介绍 陈冰老师 陈老师是国内资深的财务培训与咨询专家，在业财融合、经营分析、内部控制、成本管控等方面有着坚实的理论基础与丰富的实战经验，还曾承接某上市公司及大型民营企业的咨询项目，帮助其优化财务管理、提升盈利能力，取得斐然成果；在担任安越讲师的同时，还被某上市企业特聘为财务顾问。 如何获取 《解读公司“钱”途，一个案例会用杜邦分析》视频课，原价值999元，限时免费福利。 活动时间：2021.04.01 – 2021.04.30 限时免费获取！ 获取方式： 发现“点赞”、“在看”了吗？ 随手戳一戳吖~ ———END———限 时 特 惠：本站每日持续更新海量各大内部创业教程，一年会员只需88元，全站资源免费下载点击查看详情站 长 微 信：chuangyedemao