数据分析工作总结 第一篇

职业规划的目的绝不仅是帮助个人按照自己的资历条件找到一份合适的工作，达到与实现个人目标，更重要的是帮助个人真正了解自己，为自己定下事业大计，筹划未来，拟定一生的发展方向，根据主客观条件设计出合理且可行的职业生涯发展方向。

一、为什么要做数据分析师?

而数据分析也越来越受到领导层的重视，借助报表告诉用户什么已经发生了，借助OLAP和可视化工具等分析工具 告诉用户为什么发生了，通过dashboard监控告诉用户现在在发生什么，通过预报告诉用户什么可能会发生。数据分析会从海量数据中提取、挖掘对业务发 展有价值的、潜在的知识，找出趋势，为决策层的提供有力依据，为产品或服务发展方向起到积极作用，有力推动企业内部的科学化、信息化管理。

我们举两个通过数据分析获得成功的例子：

(2) Hitwise发布会上，亚太区负责人John举例说明: 亚马逊30%的销售是来自其系统自动的产品推荐，通过客户分类，测试统计，行为建模，投放优化四步，运营客户的行为数据带来竞争优势。

然而，现实却是另一种情况。我们来看一个来自微博上的信息：在美国目前面临14万~19万具有数据分析和管理 能力的专业人员，以及150万具有理解和决策能力(基于对海量数据的研究)的管理人员和分析人员的人才短缺。而在中国，受过专业训练并有经验的数据分析人 才，未来三年，分析能力人才供需缺口将逐渐放大，高级分析人才难寻。也就是说，数据分析的需求在不断增长，然而合格的为企业做分析决策的数据分析师却寥寥 无几。好多人想做数据分析却不知道如何入手，要么不懂得如何清洗数据，直接把数据拿来就用;要么乱套模型，分析的头头是道，其实完全不是那么回事。按俗话 说就是：见过猪跑，没吃过猪肉。

二、数据分析师的职业规划：

对于数据分析，有一句话说的非 常好：spss/sql之类的软件、决策树、时间序列之类的方法，这些仅仅就都是个工具而已，最重要的是对业务的把握。没有正确的业务理解，再牛的理论， 再牛的工具，都是白搭。做一名合格的数据分析师，除了对数据需要有良好的敏感性之外，对相关业务的背景的深入了解，对客户或业务部门的需求的清晰认识。根 据实际的业务发展情况识别哪些数据可用，哪些不适用，而不是孤立地在“真空环境”下进行分析。

为此，我对自己的规划如下：

第 一步：掌握基本的数据分析知识(比如统计，概率，数据挖掘基础理论，运筹学等)，掌握基本的数据分析软件(比如，VBA，Matlab，Spss，Sql 等等)，掌握基本的商业经济常识(比如宏微观经济学，营销理论，投资基础知识，战略与风险管理等等)。这些基础知识，在学校里尽量的学习，而且我来到了和 君商学院，这样我可以在商业分析、经济分析上面领悟到一些东西，增强我的数据分析能力。

第二步：参与各种实习。研一开始我当时虽然有课，不 过很幸运的找到一份一周只需去一两天的兼职，内容是为三星做竞争对手分析，当然分析框架是leader给定了，我只是做整合资料和往ppt里填充的内容的 工作，不过通过兼职，我接触到了咨询行业，也向正式员工学习了很多商业分析、思考逻辑之类的东西。之后去西门子，做和VBA的事情，虽然做的事情与数据分 析无关，不过在公司经常用VBA做一些自动化处理工作，为自己的数据分析工具打好了基础。再之后去了易车，在那里兼职了一个多月，参与了大众汽车销量数据 短期预测的项目，一个小项目下来，数据分析的方法流程掌握了不少，也了解了企业是如何用一些时间序列模型去参与预测的，如何选取某个拟合曲线作为预测值。 现在，我来到新的地方实习，也非常幸运的参加了一个央企的码头堆场优化系统设计，其实也算数据分析的一种吧，通过码头的数据实施调度，通过码头的数据进行 决策，最后写成一个可操作的自动化系统。而这个项目，最重要的就是业务流程的把握，我也参与项目最初的需求调研，和制定工作任务说明书SOW，体会颇多。

第三步：第一份工作，预计3-5年。我估计会选择咨询公司或者IT公司吧，主要是做数据分析这块比较强的公司，比如Fico，埃森哲，高沃，瑞尼 尔，IBM，AC等等。通过第一份工作去把自己的知识打得扎实些，学会在实际中应用所学，学会数据分析的流程方法，让自己成长起来。

数据分析工作总结 第二篇

数据分析师，简单切词为“数据”，“分析”，“师”。因此，获取必要的数据，分析这些数据，然后从数据中发现一些问题提出自己的想法，这就是一个数据分析师的基本工作内容。

自己做了两年数据分析师，真的觉得古语说的对，“功夫在诗外”。一名好的数据分析师，接到一个需求时，会更多考虑这个需求本身，包括要做的东西是什么，为什么这么做，还可以怎么做，怎么去做，关键点是什么。都想清楚了，才去动手做。建议任何一名数据分析人员，都能在做以前把问题想清楚，确认清楚，不要等到做完才发现自己做错了，那样会很浪费时间。自己这方面曾犯过N多错误。

下面简单谈下做一名数据分析师要经历的几个步骤：

(1)获取数据

获取相关的数据，是数据分析的前提。每个企业，都有自己的一套存储机制。比如淘宝，所有的数据都在HADOOP上，很多数据都要经过HADOOP，hive来获取。因此，基础的SQL语言是必须的。具备基本SQL基础，再学习下HIVE的细节的语法，基本就可以通过HIVE拿到很多数据了。每个需求明确以后，都要根据需要，把相关的数据获取到，做基础数据。

(2)数据处理

获取数据，把数据处理成自己想要的东西，是一个关键点。很多时候，有了数据不是完成，而是分析的开始。数据分析师最重要的工作就是把数据根据需求处理好，只有数据跟需求结合起来，才能发挥数据的价值，看到需求的问题和本质所在。如果连数据都没处理好，何谈从数据中发现问题呢?

对于数据的处理，有两种形式：

a>如果初步提取的数据是在LINUX上，建议学一门脚本语言，比如AWK，或者PYTHON。如果掌握一门脚本语言，不仅可以在LINUX系统上写很多自动脚本来运行，会大大节省自己的时间，而且可以通过脚本语言把基础数据处理成自己想要的任何形式，直接可以使用。

b>如果数据没有在LINUX上，那可以download，然后通过其他统计软件来处理。个人推荐SAS或者R语言。SAS的强大，不必多说。没有SAS解决不了的问题，而且SAS也有SQL，处理起来也方便。R语言最近也很火，而且免费，packages越来越多，画图也简单，类似Matlab。如果前期数据处理的好，后续只需要通过R或者SAS画一些图就可以了。在数据分析师的世界，按照价值排序，图>表>文字。

(3)分析数据

这里的数据，包括图，表，数字几种。分析数据是整个分析的关键，也考验分析师的水平。好的分析师，可以根据趋势图，对比数据，敏锐的观察到很多问题。可是这需要对业务，对数据有很深的了解，才会把数据和业务结合起来，发挥两者的价值，完成需求。所以，一名数据分析师，要把更多的时间放在了解业务上。只有业务了解，细节清楚，才会明白业务变动可能引起的数据指标的变动，也会在后续的需求分析中，更快更全面的解决其他人提出的问题。可能很多人都很困惑，怎么才能“敏锐”的观察到数据的变动呢，我为什么怎么也发现不了问题呢?个人感觉可以通过以下方法，来慢慢锻炼：

a>多问几个为什么。比如，看到一些指标，就想想这些指标代表什么，用自己的话可以怎么理解;看到一条趋势线有波动，就想想为啥子某个点异常波动呢?多问问问题，自己就会加深对业务和指标关联的敏感性。

b>借鉴统计方法。统计学中，都会有一些横纵对比，趋势分析等等。对比，在分析师数据时候，是一个很重要的东西。任何东西，也因为了对比，才会有高有低，有长有短。另外，分布，也是一个很好的东西。分布的变化，就意味着变动，变动的发展结果，就能知道业务发展的好坏。再次，占比啊等等，都是很简单但是实用的方法。

c>向师兄请教。有的时候，一个问题，自己沉迷其中不能自拔，旁观者一句话，就能点清自己的思路。当自己分析数据不得要领的时候，就多请教师兄。

(4)展示成果

分析数据以后，解决需求的问题，就需要汇总分析的成果，给到其他人。可能分析的过程，拿到的数据有很多，需要全部给其他人么?怎么去罗列这些数据呢?可能很多人都犯难。有一次，一个同学来问我，她有很多数据，但是就是不知道该怎么组织，才能证明自己的结论是对的。其实，作为一名数据分析师，就是根据数据，把问题解决，提出一两条参考建议给到需求方就OK了。因此，回复的结果简单明了就好。如果是回复一封邮件，可以这样来做：

a>邮件正文，先写主要结论，即根据数据和需求，有什么结论。这样大家第一眼就能抓到最关键的东西，可能不需要看那些详细的数据;

b>如果觉得有必要，就在下面再把分析过程写进去;

c>如果图和图表不多，可以添加到邮件第三部分。毕竟放上数据，任何同学有疑问，可以随时去看数据。如果图和图表实在太多，就放到附件!

其实，做一名数据分析师，真的不容易，不仅要懂业务，还要会技术，更要敏锐发现问题，总结，还要提出建议。自己干了N多工作，最后还不一定能得到一个好的结果。做了两年数据分析师，自己的重心也在慢慢的转移。从刚开始技术学习，到后面技术+业务的结合，到现在自己又钻到业务，研究业务，慢慢发现：一名好的数据分析师，是一个好的产品的规划者和行业的领跑者。

[数据分析师都干啥？]

数据分析工作总结 第三篇

这个题目就是开放的问一个销售问题，看分析师如何给出相关的意见或者建议。当然这不是分析范畴，但是我觉得分析师既然是做运营支撑、甚至决策，那么一些基础的销售理念是应该有的。

题目：100斤苹果怎么卖，可以卖的钱又多，卖的又快?

开题：此题目意在说如何从商品的角度去考虑如何销售的问题，传统的销售方式就是经典的4p理论。渠道，商品，价格，促销。而此问题意在从商品，价格，促销的角度去问面试者问题。

题注：

1. 如果回答者答的问题说的过多，比如说渠道如何做，如果做售后，如何二次营销，范围就扩大了。

2. 如果回答者的回答过于泛，或者理论的东西比较多，或者听着非常正确而不给出解决方案，那不适合一线分析师。

上面两项是减分项。

刀刀的解答：

1、渠道是重要

用户考虑暂且放在渠道里，因为用户必须依赖渠道实现链接。但就此问题来说，有点跑题，问的是卖苹果，用户考虑一般先考虑需求和消费场景，所以不分享渠道的做法。

2、商品自己分堆

最简单，一堆贵，一堆便宜。苹果不分拣。卖个差不多再重分，46开分。

解读：利用价格做出价格歧视的感念，同时告诉消费者4的商品比较好卖，这样一个明确的指向。

3、商品拆分

按好坏分堆，好苹果贵30%。其余的分两堆，一般的常规卖，最差的贵50%，并贴上标签如涩苹果之类。

解读：劣质商品只是品质不好，不是不能卖高价，关键是你要告诉别人这是稀缺的。真实说明商品特征，不要做多，好的商品还是要高价的，稀缺商品要更贵。一般的商品就这样买。但是注意结合第四条。

4、时间因素

一般早上要比晚上贵，水果尽量当天卖完，所以在晚上8点后开始半价卖。

解读：快和多都是必须的，水果隔夜很多都会坏。晚上8点是大家出来遛弯的时候，可以做清仓了。不留呆滞库存是关键，高周转是关键。手里最好留的是钞票，而不是货物。

5、地点

这个本来不想说，还是说一下，火车站和汽车站绝对卖不出去，摊位没有。最重要的是你见过这种地方卖水果的销售有好的么?好地方在地铁口，菜市口，学校门口。

解读：人流多并不代表需求好，菜市场门口绝对比火车站好。为什么，火车站贵这是大家都知道的，再者，谁没事到火车站去买水果啊。菜市场还是做长久生意的地方，学校门口，地铁口大家多观察就知道了。

商品这个东西可以玩的很多。留几句话：

不要卖货源不稳定的某类商品。

坚决下架无法销售占位置的商品。

主推非标准品。

流行品一定是打折卖的。

数据分析工作总结 第四篇

1.什么是数据分析?

基于现有的业务知识和统计学基础知识及基本思想的理解与掌握，通过数据库及统计分析工具对数据的调取与处理、分析，达到对现有问题or主题的探索与剖析，最终实现业务问题的解决or优化。

2.数据分析需要的知识、技能及工具?

业务知识：最重要

业务分析能力：业务问题的拆解、探索与定位，也包括一些思维导图工具的使用(VISIO,MIND,MINDMANAGER)

数据分析能力：基本的统计学及数学知识及较强的逻辑思维能力及分析工具的掌握SPSS,R,PYTHON等。

数据提取能力：在数据库中能完成较为复杂的数据查询及预处理的能力(SQL使用能力)。

数据处理及展现能力：主要指ecel及ppt的使用，也有信息图制作能力的要求。

较强的沟通能力：能无障碍的理解业务人员(包括产品经理)及技术人员的想法并与之进行沟通交流

3.长期只处理数据的诟病【for分析人员】?

对于分析人员来说，若无实际分析经验，但经常提取数据，作为一个数据库工程师的角色开展工作时，容易形成一种惯性思维：从数据角度出发去看问题。这是很危险的，因为一条连贯、清晰的业务逻辑中间会产生各种数据，同时由于业务人员操作的相对灵活以及数据录入和ETL处理的问题会导致某一业务节点产生不同值的数据，若不清楚业务流程，业务知识，很难确认异常值的合理性及异常值产生的关键原因。长此以往，这种数据角度出发的惯性思维就很难改变了，进而任何分析，出发点都是错的，分析过程和结果可想而知。

4.对于“数据敏感”的理解?

数据敏感主要包括三方面：对异常or极值数据识别的敏感;对特定数值背后代表的业务含义的敏感;对业务数据重要、机密程度的敏感;

5.如何体现一个数据分析人员的工作能力强弱?

相关学历背景及工作年限;

对数据预处理的重视程度;

对细小业务问题解决方案及流程的抽取固化能力;

算法知识的应用能力;

业务知识的深度和广度;

任务的整体把控和分配能力;

沟通及表述的逻辑清晰程度;

6.数据分析人员、应用型数据挖掘人员、算法型数据挖掘人员的区别?

数据分析人员算法应用比较少;

应用型数据挖掘人员在数据预处理及模型调参上下的功夫最多;

算法型数据挖掘人员在数据预处理上下的功夫叫少，模型理解及实现能力较强，偏开发;

7.数据分析人员的角色定位——企业贤内助

工作内容上：精准营销时的用户群筛选及营销数据方案的确定;业务现状的拆解与分析;业务问题及业务发展瓶颈的监控、探索与分析;数据产品的数据逻辑及模型的方案确定;

数据分析工作总结 第五篇

二、踏实工作，努力完成领导交办的各项工作任务

三个月来，在领导和同事们的支持和配合下，自己主要做了一下几方面的工作：

1。汇总公司的产品信息日报表，并完成信息日报表的每日更新，为产品追单提供可靠依据。

2。协同仓库工作人员盘点库存，汇总库存报表，每天不定时清查入库货品，为各部门的同事提供最可靠的库存数据。

3。完成店铺经营月报表、店铺经营日报表。

4。完成每日客服接待顾客量的统计、客服工作效果及工作转化率的查询。

5。每日两次对店铺里出售的宝贝进行逐个排查，保证每款宝贝的架上数的及时更新，防止出售中的宝贝无故下架。

6。配合领导和其他岗位的同事做好各种数据的查询、统计、分析、汇总等工作。做好数据的核实和上报工作，并确保数据的准确性和及时性。

7。完成领导交代的其它各项工作，认真对待、及时办理、不拖延、不误事、不敷衍，尽量做到让领导放心和满意。

三、存在的不足及今后努力的方向

三个月来，在公司领导和同事们的指导和配合下，自己虽然做了一些力所能

及的工作，但还存在很多的不足，主要是阅历浅，经验少，有时遇到相对棘手的问题考虑欠周密，视角不够灵活，缺乏应变能力；理论和专业知识不够丰富，导致工作有时处于被动等等。另外，由于语言不通的问题，在与周围的同事沟通时，存在一定的障碍。

数据分析工作总结 第六篇

数据说明：

本数据取自14363份样本，最新更新时间：-05-03

该职位平均税前月薪

招聘需求量地区排名TOP10

1、北京

9396个职位

2、上海

3150个职位

3、深圳

1302个职位

4、广州

863个职位

5、杭州

633个职位

6、成都

340个职位

7、合肥

296个职位

8、南京

259个职位

9、武汉

199个职位

10、郑州

176个职位

招聘薪酬地区排名TOP10

1、北京

￥9862

2、杭州

￥9857

3、上海

￥9354

4、广州

￥9034

5、深圳

￥8219

6、南京

￥8054

7、成都

￥7348

8、合肥

￥5369

[关于数据分析师就业前景]

数据分析工作总结 第七篇

职责：

4. 对平台的用户行为路径做统计分析，设置转化目标和布局跟踪代码，实时监控转化漏斗的各个环节，并且提出相对应的优化意见;

5. 对平台用户的地域分布、年龄比例，性别比例，职业构成等进行统计和分析，给出相应的建议;

6. 对已经形成订单的客户和订单管理系统中收集来的数据做整理，按照相应的逻辑进行分类，并配合其他市场人员进行营销和推广;

7. 对各个推广平台的数据进行整理，统一优化整个系统的数据资源配合进行全渠道营销。

任职要求：

3. 熟练使用各种办公软件，如PPT、EXCEL等，能独立撰写数据分析报告;

数据分析工作总结 第八篇

近期主要完成了某产品用户画像分析，从9月底拿到数据，到上周输出第三稿，中间历时一个半月，如果从收到需求，到三稿输出，那就超过两个月，在这次整个分析过程中，遇到了不少问题，尝试了使用不同方法，现在是时候做一个复盘、总结、反思。

在开始阶段，遇到的主要问题是客户的要求是分析产品用户画像报告，因为没有直接跟客户沟通，而需求只有简单的一句话，我只能根据经验列出要分析的要点，确定需要的数据维度。在我确定分析框架后，我发现如果按照我方的想法最后输出的结果却不是客户想到的，那就白做了，所以确定分析框架后还需要客户确认，思路是否可行，分析方向有无异议。这个问题还算比较好解决，客户同意了分析思路即可。

经过与客户沟通后，到了第二阶段，发起提数需求。这个过程总体算比较顺利，客户方数据库工程师首先反馈了一份样本数据，让我方确认数据是否正确，如正确，则提供全量样本。数据验证的过程，主要是由我来完成，对样本数据，我提出了一些疑问，对方也一一解答。当然还有个别字段逻辑问题，我没有发现，对后续的分析带来了一些影响，造成最后能使用的维度减少，是一个遗憾。

拿到全量数据后，对数据进行清洗。在这个过程中发现数据质量非常不理想，很多字段的缺失值占比很大，个别字段也有异常值，总体样本中能使用的记录锐减。一开始我的处理方法比较简单，对缺失值占比达的字段直接不使用，带来的后果就是输出的第一版分析报告过于简单。

重新回到数据，再次对数据进行摸底，而且也调整分析方法，尝试使用聚类分析方法，按用户活跃渠道，对用进行分群，分群后，再结合其他维度，对用户进行描述。这一次输出的报告还是存在一些问题，最大问题就是用户群之间区别不明显，只能继续修改。中间因为要做另一个分析，用户画像分析就暂时先放一边。

完成另一个分析后，继续回到产品用户画像分析，这次同事提出了一些建议，在没有更好的思路前，我按照同事的建议第三次修改分析报告。当然还是要先处理数据，这次我对异常值、缺失值就行了处理，异常值使用的是盖帽法，对缺失值，在一些字段中用0填补，这样增加了可使用的维度。数据清洗完后，对连续变量进行分箱处理，这一次还是先使用聚类分析，对几个字段进行聚类，这样增加了两个大的维度，接着基于两个大的维度，使用对应分析方法，结合其他维度观察变量间的关系，最后的结果显示有部分变量之间是存在明显的关系，有些几乎没有区别。数据处理完后，再次输出分析报告。

完成第三次分析后，我回过头来看看分析中存在的问题，尤其是使用对应分析，查阅了一些资料，发现在对应分析中，应该先进行预分析。聚类分析，两次我都是使用k—means聚类，其实还可以使用二阶聚类，二阶聚类适用于分类变量，这是快速聚类不适用的，我尝试在清洗后的数据中使用二阶聚类，效果尚可。

最近恰好又在看丁亚军老师的讲课视频，讲到聚类分析，再结合我在工作中的应用，对聚类分析方法有了新的认识。聚类方法在刚兴起的时候，是不被传统的统计学家们接受，因为这个方法太简单，没有使用到过多的统计学知识。在实际的工作中，聚类使用的频率还是很高的，尤其是在用户分群方面，用户特征的描述。对应分析是第一次用到，为什么会想到使用对应分析，主要是根据变量类型，几个分类型变量，探究变量间的关系，除了相关分析外，对应分析也使用，而且它的结果更直观。

最后能完成第三稿也要感谢同事的建议，一个人的力量是有限的，群策群力、集思广益才能做得更好。

数据分析工作总结 第九篇

号角相闻，告别xx业界风云；战鼓催发，迎来更富挑战的xx。站在新一年的起点，xx证券继往开来，正确把握券业发展大势，振奋精神、周密运筹，以必胜的信心和有效的准备积极应对挑战，拉开了抢占券业新的战略制高点、以资源深度整合为突破口、以发展缔造新希望的序幕。回首20xx年，xx证券面对券业严峻的市场形势，面对重大政策变化和券商大规模分化、重组、兼并等因素带来的历史性发展机遇，审时度势，认定“非固实之基无以铸广厦千尺，非坚韧之躯无以搏沧海巨澜”的道理，按照“规范发展，做精做强”工作指导思想和年初股东会、董事会提出的工作任务目标积极推进各项工作，以增收节支、业务转型、强化风险控制等管理工作、加强人力资源建设为侧重点，公司全体干部员工同舟共济、坚定信心、迎难而上、一些业务和工作取得了较大进展。

过去的一年，xx证券投行在严峻的证券市场环境下克服重重困难，勇于探索与创新，摸索出一条“以重点行业形成特色经营、做优质项目打造公司品牌”的经营思路。经过不懈的努力，xx证券投行实现了股票承销、债券承销、收购兼并三大业务的协同发展，并逐步培育了在基础行业特色与品牌。20xx年xx投行业务又上一新台阶，1—12月主承销家数排名第三，ipo主承销家数排名第二，总承销金额在行业排名第十二，取得了历史最优成绩。其中，我们承销的开滦精煤项目筹资金额达到亿元，这标志着我司在承揽大型投行项目上实现历史性跨越。

经纪业务扭亏为盈，市场份额逐步上升，从交易所公布的20xx年1至11月股票基金交易量同业排名统计数据看，我公司股票基金总交易量的排名为21位，比20xx年提高了3位。同时，业务转型取得一定进展，仅今年前11各月，基金销售就比去年同期增长近倍，8月份基金代销资格的取得，使我司基金业务的竞争力得到进一步提升；作为拓展市场、抢占客户资源、实现经纪业务转型的另一项工作，经纪业务今年大力推广了以银证通为主的非现场业务，并初见成效，20xx年在银证通客户开户量、交易量上都有大幅增长，银证通交易在营业部交易中的比例比20xx年提高了一倍。

告别20xx年，回首载浮载沉、激荡变换的业界风云，我们可以毫无愧色地说，xx证券广大干部员工风雨与共、顷尽全力奋斗过，众志成城、满怀喜悦收获过。尽管有些工作还不尽如人意，尽管前程还颇多艰险，但路是一步步走出来的，过去留下的缺憾正是我们今后攻坚的着力点。

展望xx，xx证券必定会开创更具希望、更富前景的明天。为什么如此断言？这是由外围环境和内在因素综合决定的——券业市场、资本市场乃至宏观经济形势给我们以挑战的同时，也为我们提供了大好的机遇；而xx证券初步具备了抓住机遇的素质，充分具备抓住机会的智慧和魄力。

从券业发展外部环境看，20xx年，随着宏观调控政策效应进一步释放，经济运行中不稳定、不健康因素得到遏制，宏观经济发展的国内外环境总体继续趋好，面临一些长期结构性矛盾和一些短期问题已引起高层足够重视，并开始着手解决，这为资本市场持续发展提供了良好的条件。我国资本市场是一个新型市场，一方面市场证券化比率和世界平均水平相比明显偏低，有进一步提升的要求和潜力；另一方面，经济增长需要资本市场支持并与之相适应，加之我国企业直接融资比例一直比较低，不仅加大了银行风险，也限制了企业的'融资渠道，扩大直接融资已成为当前经济和金融改革的一项重要任务。综合各种外部因素，未来几年，我国证券市场必然呈快速发展态势，新型+转轨的市场，必然会造就一批业界英雄。

从券业发展走势看，经过十多年发展，证券市场集聚起来的问题集中爆发，倒逼机制已经在促使制约券业发展的深层次问题逐步得到解决。尽管这一过程对某些券商来说是相当痛苦乃至是灭顶之灾，但从券业发展的整体角度看，经过分化、兼并、重组等券业资源整合，一个健康、富有生命力的市场将脱胎而出，低水平、白热化、死不了也活不痛快的竞争将成为过眼烟云。

面对券业资源整合，自然“有人笑来，有人哭”，濒临外忧内患，xx证券完全有笑到最后的潜质。我们有股东单位给公司的有力支持及其为公司提供的巨大的发展空间，这是一般券商难以企及的先天优势；我们有“笑到最后”的基本基础，多年来，公司始终坚持的稳健经营、规范发展的理念，在券商违规事件频发、以身犯险者纷纷落马、监管政策很可能马上成为判定券商生死大限的背景下，又为我们增添了一份优胜劣汰后分享券业盛宴的把握；我们具有良好的企业品牌和社会形象，在舆论界普遍认为券商信誉与公信力已降到了历史最低点的时候，xx债x的顺利申报和成功发行，就是监管部门和广大客户对我们的最有力的认可；我们具有逐鹿券业市场的经营基础和良好业绩，在经营管理能力不断提高的前提下，公司各项经营和财务指标基本良好，而且，经过20xx年的努力，我们的投行业务、经纪业务实力又有较大提高，在某些方面，xx证券已经成为业内的一支劲旅。

在券业资源整合的关键时刻，公司又显示出抢抓机遇的智慧和魄力。20xx年末，公司组织力量编制了xx证券未来十年发展战略的实施意见；在不同部门、不同层次召开座谈会，针对券业发展趋势深入探讨解决公司资源整合、业务转型等事关未来生存发展的深层次问题，为20xx年的发展绘就了攻坚图。可以预见，新的一年，公司将实施一系列在xx证券发展史上具有深远影响的变革和创新，新一年的新希望，在年初便已现出曙光。

新起点、新希望。站在20xx年的起点，让我们满怀信心，以更清醒的头脑、更旺盛的斗志、更奋发的姿态、更勤奋敬业的精神和更充沛的干劲，向我们的既定目标进发！