构建数据分析报告的具体目标应可以描述为以下几个方面：进行总体分析。从项目需求出发，对被项目的财务、业务数据进行总量分析，把握全局，形成对被分析的项目财务、业务状况的总体印象。确定项目***，合理配置项目资源。在对被分析的项目总体掌握的基础上，根据被分析项目特点，通过具体的趋势分析、对比分析等手段，合理的确定分析的***，协助分析人员作出正确的项目分析决策，调整人力物力等资源达到好的状态。总结经验，建立模型。通过选取指标，针对不同的分析事项建立具体的分析模型，将主观的经验固化为客观的分析模型，从而指导以后项目实践中的数据分析。以上目标的联系是紧密的，不是孤立的，只有在进行总体分析的基础上，才能进一步的确定项目***，并在对***内容的分析中得出结果，进而实现评价的过程。如果单单实现其中一个目标，终得出的报告将是不完整的，对制订项目实施方案也没有可靠的支撑作用。目前，数据分析在各行业及领域均获得了广泛的认可，典型的数据分析应用主要体现在以下三个方面：1、探索性数据分析，当数据刚取得时，可能杂乱无章，看不出规律，通过作图、造表、用各种形式的方程拟合，计算某些特征量等手段探索规律性的可能形式，即往什么方向和用何种方式去寻找和揭示隐含在数据中的规律性。2、模型选定分析，在探索性分析的基础上提出一类或几类可能的模型，然后通过进一步的分析从中挑选一定的模型。3、推断分析，通常使用数理统计方法对所定模型或估计的可靠程度和准确程度作出推断。我们可以发现现有的数据处理技术都存在着一定的缺陷。早期应用的数据系统架构设计时，应用直接访问数据库系统，简单的存取数据就可以满足业务需求。但是，当用户访问量增加或是数据量不断增大时，从而导致数据库服务器无法及时响应用户请求，出现超时的错误。当数据访问负载持续增加时，就需要考虑读写分离技术（Master-Sl***e）架构，以及分库分表技术。但读写分离和分库分表带来了应用层面的复杂性，应用程序需要在设计开发阶段就考虑到数据的拆分。分库分表后，不制了查询的灵活性，并且随着数据量继续增长到PB级，单个数据库实例的处理能力会成为整个系统的性能瓶颈。随着我国经济体制变革的不断深入发展，中国的决策高层已经完全意识到了项目分析的真正意义，决定明确***不再承担对***项目的审核评估，实行备案制。大数据分析依赖于及时处理和查询复杂数据的能力。一个很好地例子就是：一家公司开发了一个数据仓库用来维护从能源使用计收集到的数据。在产品评估过程中，某供应商的系统有能力在15分钟内处理七百万条记录，而另一家则在相同时间内可以处理三十万条记录。能否识别正确的基础设施来支持快速的数据可用性和查询就意味着成功还是失败。早期应用的数据系统架构设计时，应用直接访问数据库系统，简单的存取数据就可以满足业务需求。)