一键复制
时间过得真快，总在不经意间流逝，我们又将续写新的诗篇，展开新的旅程，该为自己下阶段的学习制定一个计划了。怎样写计划才更能起到其作用呢？计划应该怎么制定呢？下面是小编带来的优秀计划范文，希望大家能够喜欢!
数据专员岗位工作计划数据专员工作内容篇一
1、经常深入生产现场，了解生产任务完成和各项消耗指标的实际情况。
2、按时实施统计、核算工作，建立各种费用和消耗台帐，编制成本核算报表。
3、定期进行成本分析，整理归纳详实的生产数据，为单位领导及其他专业技术人员提供管理参考依据，提出相关改进措施。
4、及时做好各类统计、核算资料的整理归档工作。
5、根据所在单位的生产特点和上级要求，建立健全各类统计、核算台帐及报表。
6、认真学习统计法等经济法规，不弄虚作假，实事求是地做好数据统计、成本核算工作。
7、参与编制单位经济责任制考核办法，参与所在单位经济责任制的考核工作。
8、按照公平公正、按劳分配、按贡献分配的原则做好单位员工工资考核发放工作，强化工资（含奖金）分配考核激励，促进经济效益发展。
9、负责领导交办的其它工作。
二、任期目标
1、加强学习，努力提高自己文化素质，不断提升自身专业技术水平。
2、建立健全各类统计、核算台帐及报表，实事求是地做好数据统计、成本核算工作。
3、 加强统计基础工作规范化管理。组织、指导、督促各生产班段协作搞好核算统计基础工作，确保核算数据及核算日报、月报、年报按时按质完成，促进本单位核算工作上台阶。
4、建立、健全各项原始记录。
5、每月5日前将上一月生产基础数据以两种方式（电子和纸质）的汇总与整理，并向公司上报。
6、与相关部门保持联系，并建立和推行新的部门核算报表联系制度，逐步规范部门报表方式，确保资料渠道畅通。
7、及时整理出设置全面的台帐，并做到数据详实准确，符合实际，年、季报数据保持衔接。月后、季后20日内整理出当月、当季全部台帐。
门和专业资料整理及时，按年度装订成册，并妥善保存；对存档资料进行科学分类，方便相关人员查询。
9、坚持深入生产现场，抓住生产经济指标的重点、热点问题进行有针对性的透彻分析，做到月月有分析，季季有报告。积极开展对公司整体经营形势预测评估，扩大核算工作的影响。
10、积极参加公司组织的各类政治和业务学习。
11、在做好核算工作的同时，积极、主动、保质保量完成车间及上级部门临时交办的各项工作。
数据专员岗位工作计划数据专员工作内容篇二
1、确定存货量以求库存的数量与帐面数相符。
2、确实掌握存货进出使用状况及合理性。
二、盘点日期：
20xx年 3月 29 日至20xx年 3月 31日
三、盘点范围 仓库
四、盘点前准备工作
1、向各相关职能部门主管说明盘点计划并向实际参与盘点人员说明盘点事项。
2、在盘点日前所盘门店的货品往来必须全部验收处理好。
3、盘点日当天所有参与盘点的人员都不允许休假或请假。
4、分区与标号：对仓库以及卖场分区标号，先清点大类数量并写在标号上，以确定每个货架都能查到而无遗漏。
5、 盘点表的抄写：盘点表一式两联，不允许涂改，*数字书写要工整，货架要同时在盘点表上填写清楚并将盘点表进行页数的编号，抄写盘点表时要使用中性笔或油笔，不允许使用铅笔进行盘点表的抄写。
6、 商品的整理原则
（1）同一规格、同种物品集中摆放
（2）盘点表抄写和物品的摆放顺序、规格和物品的位置要一一对应；
（3）见物盘物；
7、盘点人员培训与安排
（1）部门管理人员对参加盘点的人员按照盘点手册的内容进行培训和实际的操作培训。
（2）各仓库按照自己的人员编制情况进行初盘、复盘的安排工作。
五、盘点中事项
（1）以组为单位进行统一的盘点；
(2)盘点表的抄写：盘点表一式两联，不允许涂改，*数字书写要工整，货架要同时在盘点表上填写清楚并将盘点表进行页数的编号，抄写盘点表时要使用中性笔或油笔，不允许使用铅笔进行盘点表的抄写。
（3）初盘人员按照主管安排的区域，按照初盘表的顺序将物品从上到下，从左到右进行逐个的清点，将清点后的正确数字写在盘点表的初盘联一栏上，整张盘点表填写完毕后在盘点人一栏上填写自己的姓名并标上盘点单页码。
（4）初盘联清点完毕后将初盘单交于主管人员手中，主管人员对初盘单进行复盘，复盘确认无误后签名并对进行盘点表的整理。
六、盘点后事项
（1）盘点数据应尽快录入，盘点差异报表应于隔天早上一上班打印完毕；
（3）复盘结束后，在确认数字无误后盘点生效；
七、盘点期间应注意的事项：
1、漏盘、重盘；
2、盘点数量与实际数量不一致；
3、遗失盘点表；
4、盘点时应以吊牌款号为准；
5、盘点期间销售的货品要注意是否已经盘点了；
6、确保员工制服、退仓残次品是否有盘点进去；
数据专员岗位工作计划数据专员工作内容篇三
一、数据量过大，数据中什么情况都可能存在。
如果说有10条数据，那么大不了每条去逐一检查，人为处理，如果有上百条数据，也可以考虑，如果数据上到千万级别，甚至过亿，那不是手工能解决的了，必须通过工具或者程序进行处理，尤其海量的数据中，什么情况都可能存在，例如，数据中某处格式出了问题，尤其在程序处理时，前面还能正常处理，突然到了某个地方问题出现了，程序终止了。
二、软硬件要求高，系统资源占用率高。
对海量的数据进行处理，除了好的方法，最重要的就是合理使用工具，合理分配系统资源。一般情况，如果处理的数据过tb级，小型机是要考虑的，普通的机子如果有好的方法可以考虑，不过也必须加大cpu和内存，就象面对着千军万马，光有勇气没有一兵一卒是很难取胜的。
三、要求很高的处理方法和技巧。
这也是本文的写作目的所在，好的处理方法是一位工程师长期工作经验的积累，也是个人的经验的总结。没有通用的处理方法，但有通用的原理和规则。
下面我们来详细介绍一下处理海量数据的经验和技巧：
一、选用优秀的数据库工具
现在的数据库工具厂家比较多，对海量数据的处理对所使用的数据库工具要求比较高，一般使用oracle或者db2，微软公司最近发布的sqlserver2005性能也不错。另外在bi领域：数据库，数据仓库，多维数据库，数据挖掘等相关工具也要进行选择，象好的etl工具和好的olap工具都十分必要，例如informatic，eassbase等。笔者在实际数据分析项目中，对每天6000万条的日志数据进行处理，使用sqlserver2000需要花费6小时，而使用sqlserver2005则只需要花费3小时。
二、编写优良的程序代码
处理数据离不开优秀的程序代码，尤其在进行复杂数据处理时，必须使用程序。好的程序代码对数据的处理至关重要，这不仅仅是数据处理准确度的问题，更是数据处理效率的问题。良好的程序代码应该包含好的算法，包含好的处理流程，包含好的效率，包含好的异常处理机制等。
三、对海量数据进行分区操作
对海量数据进行分区操作十分必要，例如针对按年份存取的数据，我们可以按年进行分区，不同的数据库有不同的分区方式，不过处理机制大体相同。例如sqlserver的数据库分区是将不同的数据存于不同的文件组下，而不同的文件组存于不同的磁盘分区下，这样将数据分散开，减小磁盘i/o，减小了系统负荷，而且还可以将日志，索引等放于不同的分区下。
四、建立广泛的索引
对海量的数据处理，对大表建立索引是必行的，建立索引要考虑到具体情况，例如针对大表的分组、排序等字段，都要建立相应索引，一般还可以建立复合索引，对经常插入的表则建立索引时要小心，笔者在处理数据时，曾经在一个etl流程中，当插入表时，首先删除索引，然后插入完毕，建立索引，并实施聚合操作，聚合完成后，再次插入前还是删除索引，所以索引要用到好的时机，索引的填充因子和聚集、非聚集索引都要考虑。
五、建立缓存机制
当数据量增加时，一般的处理工具都要考虑到缓存问题。缓存大小设置的好差也关系到数据处理的成败，例如，笔者在处理2亿条数据聚合操作时，缓存设置为100000条/buffer，这对于这个级别的数据量是可行的。
六、加大虚拟内存
如果系统资源有限，内存提示不足，则可以靠增加虚拟内存来解决。笔者在实际项目中曾经遇到针对18亿条的数据进行处理，内存为1gb，1个的cpu，对这么大的数据量进行聚合操作是有问题的，提示内存不足，那么采用了加大虚拟内存的方法来解决，在6块磁盘分区上分别建立了6个4096m的磁盘分区，用于虚拟内存，这样虚拟的内存则增加为4096*6+1024=25600m，解决了数据处理中的内存不足问题。
七、分批处理
海量数据处理难因为数据量大，那么解决海量数据处理难的问题其中一个技巧是减少数据量。可以对海量数据分批处理，然后处理后的数据再进行合并操作，这样逐个击破，有利于小数据量的处理，不至于面对大数据量带来的问题，不过这种方法也要因时因势进行，如果不允许拆分数据，还需要另想办法。不过一般的数据按天、按月、按年等存储的，都可以采用先分后合的方法，对数据进行分开处理。
八、使用临时表和中间表
数据量增加时，处理中要考虑提前汇总。这样做的目的是化整为零，大表变小表，分块处理完成后，再利用一定的规则进行合并，处理过程中的临时表的使用和中间结果的保存都非常重要，如果对于超海量的数据，大表处理不了，只能拆分为多个小表。如果处理过程中需要多步汇总操作，可按汇总步骤一步步来，不要一条语句完成，一口气吃掉一个胖子。
九、优化查询sql语句
在对海量数据进行查询处理过程中，查询的sql语句的性能对查询效率的影响是非常大的，编写高效优良的sql脚本和存储过程是数据库工作人员的职责，也是检验数据库工作人员水平的一个标准，在对sql语句的编写过程中，例如减少关联，少用或不用游标，设计好高效的数据库表结构等都十分必要。笔者在工作中试着对1亿行的数据使用游标，运行3个小时没有出结果，这是一定要改用程序处理了。
十、使用文本格式进行处理
数据专员岗位工作计划数据专员工作内容篇四
[摘 要] erp系统经过几年的运行在后台数据库中积累了大量的数据信息，同时因为系统具有严格的管控手段，所有的业务操作都可追溯，但erp本身是面向事务处理型的系统，传统的数据分析也无法快速有效的挖掘这些数据的价值。因此，亟待利用大数据分析技术进行erp数据价值挖掘，以实现业务流程监控、薄弱环节管理、预测企业未来，从而进一步提升管理水平。
[关键词] erp系统；大数据；数据挖掘
0 引 言
erp系统是公司主要的经营管理系统，目前财务、物资、设备、销售等业务全部纳入系统运行，实现了业务与财务的无缝集成，是公司智慧管理的重要组成部分。系统上线运行以来，结合公司自身的业务管理需要不断进行深化应用，目前正着手开展erp系统数据价值挖掘的相关工作。
1 erp系统应用概况
建设成效
erp的实施规范了业务流程，统一了数据标准，强化了业务管控，推动油田管理理念的提升，给精细管理注入新鲜血液，进一步提高了勘探开发整体效率和整体效益。实现各部门在同一平台上协同工作；实现成本控制与计划执行的实时监控；实现物流、资金流和信息流“三流合一” ；实现全油田各经营管理流程规范统一；实现公司基础数据规范、唯一，经营管理数据来源统一。
2 大数据与erp的契合
存在问题
erp系统经过几年的运行，在后台数据库中积累了大量的数据信息，同时因为系统具有严格的管控手段，所有的业务操作都可追溯。但erp本身是面向事务处理型的系统，满足不了企业对数据挖掘分析的需求。传统的数据分析也无法快速有效的挖掘这些数据的价值。因此，亟待利用大数据分析技术进行erp数据价值挖掘，以实现业务流程监控、薄弱环节管理、预测企业未来，从而进一步提升管理水平。
erp数据挖掘流程
erp数据通过ftp接口推送到本地服务器，针对推送过来的数据进行解析，并存储到本地数据资源池中。利用etl技术对数据资源池中的数据进行抽取、转换、加载，清洗过的数据放置数据仓库，再通过大数据分析平台对其进行分析建模，最终以图文形式展现分析结果。
erp数据分析
erp系统中即累积了大量的业务数据，也记录了用户操作行为的日志数据，对erp数据的分析，主要从两个方面入手，即用户行为分析和相关业务分析。
erp用户分析的取数方案
用户行为分析，是指对获得的用户数据进行统计、分析，从中发现用户的活动规律。用户行为分析涉及的数据包括用户登录日志、操作日志和权限配置等相关数据，通过对这些数据的组合分析，让管理者能够直观地了解本单位用户的工作状态，找出工作中的薄弱环节，掌握工作链条中各岗位的工作情况，有针对性地开展岗位培训和管理，合理安排工作计划。
优质用户分析
erp系统涉及业务多，用户量大，挖掘优质用户将会带动系统整体应用水平的提高。本次分析选取用户量大、业务处理相对集中的供应处为例进行。从erp服务器中抽取供应处80多名业务人员2014年系统中处理的采购申请、采供订单等10万多条凭证，从业务处理量、准确性两个指标综合考虑进行优质用户的选取。
用户登录习惯分析
抽取系统中2012-2014年三年的100余万条，对所有业务凭证的处理时间进行提取汇总，以此来反映出用户登录系统处理业务的时间，可以直观的反映出在每年的四季度尤其是年底，及每月的15-25日为业务处理集中的时段，给系统的运行带来很大压力。
针对这种集中做业务导致的系统负载均衡高、速度慢的情况，提出了业务处理的理想化状态曲线，为达成这种状态，建议从管理层面和系统层面控制两方面进行优化。 在管理层面：分批次提报计划，加强考核管理，以此实现合理调峰；在系统层面：对系统做增强控制，分流管控业务操作时段，需求计划的提报放在每月的中上旬进行处理。
3 erp数据深度挖掘
在前期erp数据分析的基础上，根据业务管理的需要，配合集团公司应用集成项目及决策支持平台、用户访问平台的开展，并与公司管理一体化平台以及其他经营管理系统相结合，充分挖掘数据新价值，对数据进行主题分析、绩效分析、战略分析。
主题分析
主题分析是指对历史数据进行价值挖掘，分析出改善的空间和手段，付诸到业务管理中，以提高管理效益，可以从投资管理分析、项目效益评价、设备维修成本分析、物资计划分析、质量检验分析等方面入手进行。这些需要与业务部门进行充分的沟通，根据业务部门的真正需求开展。
绩效分析
绩效分析指对执行时间长、时效性要求高的业务流程进行监控，分析出影响执行效率的短板岗位或流程节点，进而优化流程，提升业务运行效率。
战略分析
战略分析是根据用户需求的不同，将其最关注的业务指标，以图文并茂的方式呈现出来，使决策者实时掌握经营管理全貌，并根据指标预警信息来判断是否需要干预业务。
4 结 语
数据专员岗位工作计划数据专员工作内容篇五
基于数据分析的对标、关联等应用越来越多用在企业人才管理，未来chro的工作方式会越来越像采用社交和大数据分析做精准营销的cmo。
前几年在某大型跨国公司管理团队时，我意识到“大数据”在hr管理中的作用。在管理团队薪酬时，it系统不仅处理薪酬流程，还提供对标数据支持决策：调薪周期开始时，公司把调薪预算从上到下分解到各级经理，经理会具体分析每个下属员工应该分配多少预算。一般会考虑：一、员工当期绩效表现，二、目前在公司内同类工作岗位中所处薪酬水平？三、与同行和竞争对手的同类岗位相比处于什么水平？经理根据业务需要确定是否要努力保留一位员工，通过预算分配使员工处于合理的薪酬水平。这个系统不仅提供了公司内按职位角色细分的薪酬分布曲线，同时提供了行业薪酬分布曲线，使管理人员能直观看到员工调薪前后在公司内及市场上的薪酬“分位值”。
公司如果有规范的职位职务体系基础容易统计内部薪酬分布，行业的数据一般来自大型hr咨询公司的薪酬数据库。做跨公司的职位职务对应匹配却是件有挑战性的事情――你怎么知道a公司的八级软件工程师相当于b公司的十级咨询顾问呢？传统上，我服务的那家公司是定向的对标指定，即人工对应到具体同类型公司的同类型岗位。随着技术的发展，现在时髦的基于文本分析的“大数据分析”能够解决更广泛的职位匹配问题，再结合薪酬数据库，能够提供更准确做薪酬对标。可以预计，这种对标方法会成为一种更加普及的应用。
hr部门的价值从后台服务职能，发展到帮助业务部门挖掘、培养、发展人才，成为企业业务的驱动者，人才相关数据的分析为这样的工作方式转型提供了可能性。不仅是薪酬数据分析，从下图所示的hr相关数据可以产生很多分析机会。
例如某些专业岗位招聘如何选择候选细分人群，需要在用人成本、人才质量、使用风险以及细分人群供应量等不同因素中平衡，可以通过数据挖掘方法，根据不同人才寻源策略确定相应的候选人细分对象；又如雇主品牌建设，通常员工敬业度调研结果中薪酬是一个抱怨因素，可是，实际薪酬水平以及期望薪酬水平与员工的敬业度、员工绩效之间有多深的关联？不同的薪酬或者奖金结构方式会对敬业度产生什么影响？再例如提高招聘质量，国外某保险公司对数百例初级销售人员聘用后的实际业绩分析发现，应聘人资质与业绩相关度较高的因素有：简历文本质量（语法准确、表述清楚）、教育经历完整性、高端产品销售的经验、过去类似工作的成功、不确定环境下工作的能力等，并有意思地发现大学档次、大学成绩、推荐人资质等因素与业绩相关度不高。除此之外，在员工保留因素、销售人员绩效、出勤率预测、继任计划、人才管道计划、高潜力人才挖掘等人力资源管理领域，数据分析都有广泛的应用。
hr总监向管理层解释工作计划是件比较麻烦的事情，如果他在预算会上拿出一份人员自然减员率分析、招聘预测、人员管道与业务增长相关性、不同绩效水平的薪酬增长比率和市场对标水平等数据的分析报告，可以设想这会多么有说服力。
在移动、社交和互联的今天，与消费者开展“倾听、理解、使能”循环，加上精准效果评估，是新一代首席营销官（cmo）的工作模式。如果把人才和员工看做hr的营销对象，首席人力资源官（chro）的工作方式会越来越像cmo，通过社交媒体的多向信息沟通特点，建立内外部人才协作、目标设定和绩效跟踪、职业生涯管理、人才寻源等，并准确评价hr投入产出效果。
