洗涤剂工程项目数据分析与挖掘（完整版）

1、泓域咨询/洗涤剂工程项目数据分析与挖掘洗涤剂工程项目数据分析与挖掘xx有限责任公司一、 项目背景分析洗涤剂是通过洗净过程用于清洗而专门配制的产品。主要组分通常由表面活性剂、助洗剂和添加剂等组成。洗涤剂的种类很多，按照去除污垢的类型，可分为重垢型洗涤剂和轻垢型洗涤剂；按照产品的外形可分为粉状、块状、膏状、浆状和液体等多种形态。作为人们日常生活的一种消费品，洗涤用品无疑已有巨大的市场，众多品牌逐鹿其间，展开激烈的市场竞争。在2020年一季度中国洗涤用品上市公司利润规模排行榜中，健帆生物排名第一，寿仙谷排名第二，广州浪奇排名第三，两面针排名第四。健帆生物科技集团股份有限公司成为2020年洗涤用品利润

2、规模最大的中国公司，利润高达21614.32万元，浙江寿仙谷医药股份有限公司紧随其后，利润达到3265.92万元。随着生活水平的提高，消费者对生活品质追求的日益增加，环保意识日益增强，人们更注重洗涤产品安全和健康、绿色环保以及方便快捷，未来合成洗涤剂将向绿色环保化、浓缩化、液体化、安全健康与时尚化发展。洗涤行业“绿色”环保化，不仅限于所采用表面活性剂的绿色环保，而且包含从产品生产到流通等各个环节的环保，这是新时期可持续发展战略对合成洗涤剂发展的要求。就表面活性剂而言，世界范围内的表面活性剂生产已经达到相当可观的规模，其产量和品种逐年增加。国际上，是朝着生态安全、无环境污染、生物降解性好、功能性

3、强、化学和热稳定性好、成本低的方向发展。在产品的生产流通方面，优先采用能耗低的工艺进行生产，在原料易得或便于销售流通的地区建厂，以尽量减少运输能耗。洗涤剂已经成为人们日常生活的必需品。近年来，消费者对生活品质追求的日益增加，使得洗涤剂种类繁多，添加剂及原料含量也各不相同。安全和健康已经成为洗涤产品研发的主旋律。同时，人们更注重洗涤产品的柔护、清新和减少衣物上的残留物等。二、 逻辑框架法的概念及模式（一）lfa的基本概念lfa是一种概念化论述项目的方法，即用一张简单的框图来清晰地分析一个复杂项目的内涵和各种逻辑关系，以便给人们一个整体的框架概念。lfa是将几个内容相关、必须同步考虑的动态因素组合

4、在一起，通过分析各种要素之间的逻辑关系，从设计策划到目标实现等方面来评价一项活动或工作。lfa为项目策划者和评价者提供一种分析框架，用以确定工作的范围和任务，并对项目目标和达到目标所需的手段进行逻辑关系分析。lfa的核心是项目的各种要素之间的因果关系，即“如果”提供了某种条件，“那么”就会产生某种结果。这些条件包括事物内在的因素及其所需要的各种外部条件。（二）lfa的基本模式逻辑框架分析方法的结果是要形成一个逻辑框架表。由于该表能够充分体现表内包含的各项内容之间的逻辑关系，而且这种逻辑关系构成了一个矩阵式框架结构，因此，逻辑框架表又称为逻辑框架矩阵表。lfa的模式是一张4x4的矩阵。1目标层次

5、逻辑框架表汇总了项目实施活动的全部要素，并按宏观目标、具体目标、产出成果和投入的层次归纳了投资项目的目标及其因果关系。（1）宏观目标。项目的宏观目标即宏观计划、规划、政策和方针等所指向的目标，该目标可通过几个方面的因素来实现。宏观目标一般超越了项目的范畴，是指国家、地区、部门或投资组织的整体目标。这个层次目标的确定和指标的选择一般由国家或行业部门选定，一般要与国家发展目标相联系，并符合国家产业政策、行业规划等的要求。（2）具体目标。具体目标也叫直接目标，是指项目的直接效果，是项目立项的重要依据。一般应考虑项目为受益目标群体带来的效果，主要是社会和经济方面的成果和作用。这个层次的目标由项目实施机

6、构和独立的评价机构来确定，目标的实现由项目本身的因素来确定。（3）产出。这里的“产出”是指项目“干了些什么”，即项目的建设内容或投人的产出物。一般要提供可计量的直接结果，要直截了当地指出项目所完成的实际工程（如港口、铁路、输变电设施、气井、城市服务设施等），或改善机构制度、政策法规等。在分析中应注意，在产出中，项目可能会提供的一些服务和就业机会，往往不是产出而是项目的目的或目标。（4）投入和活动。该层次是指项目的实施过程及内容，主要包括资源和时间等的投入。2客观验证指标逻辑框架垂直各层次目标，应有相对应的客观且可度量的验证指标，包括数量、质量、时间及人员等，来说明层次目标的结果，验证每一个目标

7、的实现程度，这种指标的确立应该是客观的，不能凭主观臆断，同时又是可以被验证的。3客观验证方法在逻辑框架水平逻辑层次上，对应验证指标的是验证方法。验证方法就是主要资料来源和验证所采用的方法。主要资料来源（监测和监督）和验证方法可按照数据收集的类型、信息的来源渠道和收集方法进行划分。4重要的假定条件在逻辑框架的4个目标层次之间有一些重要的限制条件，称为假定条件，即必要的外部条件或风险。重要的假定条件主要是指可能对项目的进展或成果产生影响，而项目管理者又无法控制的外部条件，即不可控风险或限制条件。三、 项目名称及投资人（一）项目名称洗涤剂工程项目（二）项目投资人xx有限责任公司（三）建设地点本期项目

8、选址位于xx。四、 结论分析（一）项目选址本期项目选址位于xx，占地面积约34.00亩。（二）项目实施进度本期项目建设期限规划24个月。（三）投资估算本期项目总投资包括建设投资、建设期利息和流动资金。根据谨慎财务估算，项目总投资14871.58万元，其中：建设投资12223.03万元，占项目总投资的82.19%；建设期利息336.49万元，占项目总投资的2.26%；流动资金2312.06万元，占项目总投资的15.55%。（四）资金筹措项目总投资14871.58万元，根据资金筹措方案，xx有限责任公司计划自筹资金（资本金）8004.38万元。根据谨慎财务测算，本期工程项目申请银行借款总额6867

9、.20万元。（五）经济评价1、项目达产年预期营业收入（sp）：27500.00万元。2、年综合总成本费用（tc）：23055.10万元。3、项目达产年净利润（np）：3242.90万元。4、财务内部收益率（firr）：15.55%。5、全部投资回收期（pt）：6.56年（含建设期24个月）。6、达产年盈亏平衡点（bep）：12059.18万元（产值）。（六）主要经济技术指标主要经济指标一览表序号项目单位指标备注1占地面积22667.00约34.00亩1.1总建筑面积41570.98容积率1.831.2基底面积13826.87建筑系数61.00%1.3投资强度万元/亩339.652总投资万元14

10、871.582.1建设投资万元12223.032.1.1工程费用万元10工程建设其他费用万元1661.032.1.3预备费万元381.822.2建设期利息万元336.492.3流动资金万元2312.063资金筹措万元14871.583.1自筹资金万元8004.383.2银行贷款万元6867.204营业收入万元27500.00正常运营年份5总成本费用万元23055.106利润总额万元4323.867净利润万元3242.908所得税万元1080.969增值税万元1008.6910税金及附加万元121.0411纳税总额万元2210.6912工业增加值万元7870.9813盈亏平

11、衡点万元12059.18产值14回收期年6.56含建设期24个月15财务内部收益率15.55%所得税后16财务净现值万元830.50所得税后五、 数据统计分析数据分析重要的一类是对具有随机性质的数据进行分析，在多数情况下是用于预测。本段仅介绍统计分析。统计分析不仅是计算样本的数字特征（期望值、方差、相关系数、协方差、离散度、概率分布等），还应当建立适当的模型，进而做出预测。统计分析一般有如下工作或阶段。1选择数字特征。统计分析，就是利用若干数字特征全面认识数据的统计规律。选择数字特征是统计分析研究问题的准备阶段，是统计过程的重要环节。数字特征应当：（1）能够客观地反映研究分析对象的性质、特点、

12、内在联系和运动过程；（2）尽可能突出重点，反映分析对象的全貌；（3）应能反映分析对象的变化；（4）便于资料获取。2收集并整理数据。确定了需用的数字特征之后，就要收集并整理所需的数据。样本的容量与质量对统计结果影响极大。3计算数字特征。利用整理后的样本计算必要的数字特征。这项工作可以同下面的建模合在一起，利用适当的软件进行。4建立模型。计算出样本数字特征后，应选择适合样本模式的模型。统计分析可用的模型很多，都有各自的特点及适用条件。选择模型时，应全面考虑研究对象与目的、到手的数据与资料、统计方法等各自的特点，以及咨询人员对方法的熟悉程度等。5检验模型误差。建模之后，可利用样本检验模型的误差，误差

13、大小由样本与所选模型与方法所决定。根据经济学理论和研究对象的具体特点，分析和评价模型误差，以及模型和方法本身；若误差未达到要求，应改进模型与方法。6利用模型预测。预测是咨询结论和建议的基本依据之一，应成为咨询及决策人员的高质量信息。7评价统计与预测结果。对统计与预测结果进行评价的任务是对初步统计结果（如离散程度、影响、走势等）进行概括，并寻找它们之间的联系。评价过程一般有：形成初步概念；对现象定性；提出主要观点；阐述所提观点的理由；提出论据；得出结论。咨询工程师在进行评价时，要在大局高度上全面、长远地看问题，多方面观察，不偏废任何一方；注意数据的衔接，当来源不同的数据矛盾时应弄清情况后再做取舍

14、。六、 大数据系统和数据挖掘技术（一）数据挖掘概述1大数据大数据是指超过既往数据库系统规模、传输速度和处理能力，或者既往数据库系统结构无法容纳的数据。大数据常以万亿或eb衡量，且种类多、实时性强，蕴藏的商业价值大。很多现有的新或旧的信息基础设施、工具和技术可用来开发和利用大数据中蕴藏的价值。大数据有各种各样的来源：传感器、气候信息、公开的信息、如杂志、报纸、文章、买卖记录、网络日志、病历、事监控、视频和图像档案，及大型电子商务。大数据是数据挖掘产生与生存发展的土壤。如今数据每五年翻一番，面对前所未有的海量数据，为了从中发现有用的信息必须进行数据挖掘。此外，计算机存储、处理大量数据，以及运算的能

15、力大为增强，为数据挖掘创造了条件，使其成为一门独特的学科和技术。2数据挖掘与数据分析的区别数据挖掘与数据分析的主要区别在于：（1）处理工作量。数据分析的数据量可能并不大，而数据挖掘的数据量极大。（2）制约条件。数据分析是从某些假设出发，建立方程或模型，而数据挖掘不作假设，可以自动建立方程。（3）处理对象。数据分析往往是针对数字型数据，而数据挖掘对象类型繁多，例如图像、声音、文本等。（4）处理结果。数据分析可以解释结果的含义；数据挖掘的结果不易解释，着眼于预测未来，并提出决策建议。想要从数据中发现规律（即认知），往往需将数据分析和数据挖掘结合起来。（二）数据挖掘步骤按挖掘对象，数据挖掘分为数据库

16、与数据仓库挖掘和网络挖掘两种，各自步骤分述如下。1数据库与数据仓库挖掘数据挖掘一般有信息收集、数据集成、数据规约、数据清理、数据变换、数据挖掘、模式评估和知识表示8个步骤。（1）信息收集。从确定的挖掘对象中提取特征，然后选择合适的收集方法，将收集到的信息存入数据库。对于海量数据，必须选择合适的数据仓库。（2）数据集成。把来源、格式、特点、性质不同的数据按逻辑或物理属性加以编排，以便以后使用。（3）数据规约。多数数据挖掘算法耗时很长，商业数据往往较多，数据挖掘更耗时间。数据规约就是简化已有可用数据集的表示，规约后数量大减，但仍能保持原数据的完整性，对规约数据的挖掘结果，与对规约前数据的挖掘结果相

17、同或几乎相同。（4）数据清理。有些数据不完整（属性缺少属性值）、含噪声（属性值错误），不一致（同一信息有多种表示），需要清理，使其完整、正确、一致后存入数据仓库。（5）数据变换。将数据变换成适合数据挖掘的形式。实数型数据，可将其分层和离散化。（6）数据挖掘。根据数据格式、属性与特点，选择合适的处理工具，例如统计方法、事例推理、决策树、规则推理、模糊集，甚至神经网络，取得有用的信息。（7）模式评估。由行业专家核实数据挖掘结果是否合理、是否可用。（8）知识表示。将数据挖掘得到的信息以可视方式交给用户，或作为新的知识存人知识库，供其他应用程序使用。并非所有的数据挖掘都要走上述的每一步。若只有一个数据源，则可以省略数据集成。数据规约、数据清理、数据变换合称数据预处理。数据挖掘至少60%的费用要花在信息收集阶段，而至少60%以上的精力和时间要花在数据预处理上。数据挖掘是一个反复多次的过程，若一次未满足要求或未得到有用结果，则需回到前面，经过调整后重新开始。2，网络挖掘网络挖掘可分为网络用户行为挖掘与网络信息挖掘。前者基本不在工程咨询人员关心之列。后者可理解为“从www中发现和分析有用的信息”。网络信息挖掘是在已知数据样本的基础上，通过归纳学习、机器学习、统计分析等发现挖掘对象间的内在关系与特性，进而在网络中提取用户感兴趣的信息，获得更高层次的知识和规律。网络信息挖掘沿用了rob