产品
解决方案
产品说明
关于我们

Data Analytics

这是一款用于企业数据可视化分析的自助式敏捷BI产品,可以针对企业业务数据进行自由维度的探索式分析,释放IT压力,真正将数据分析工作交还给最懂业务的人,提高企业决策效率。

典型客户:小米、克丽缇娜、雀巢、联合利华.....

Data Analytics 点击试用

Data MAX

这是一款用于企业数据可视化展示呈现的标准+自由定制化产品,将业务数据经过处理后以实时的炫酷的可视化形式展示出来,广泛应用于领导驾驶舱、指挥中心、展览展会等场景。

典型客户:人民日报、富力集团、OPPO、民生银行.....

Data Max 点击试用

咨询电话

400-1024-262

关注DH小助手

可随时微信沟通

首页 > 关于我们 > 行业信息 > 文章详情
一套指导业务的数据化管理秘籍
2018-12-20

  在商业形式飞速变化的今天,不少传统企业感受到自己的身材肥胖是极度不稳定、充满隐患的,很多企业纷纷进行轻资产转型,试图借助互联网引发自己业绩增长的第二曲线。转型的基础就是数据。

  数据化管理可以为公司业绩目标、用人战略、战略方向等提供科学参考,今天我们就来聊聊数据化管理都有哪些好处。

  *本文内容来源:《数据化管理》,文末有福利。

  一、 数据化管理是什么?

  数据化管理是指运用分析工具对客观、真实的数据进行科学分析,并将分析结果运用到生产、营运、销售等各个环节中去的一种管理方式。根据管理层次可分为业务指导管理、营运分析管理、经营策略管理、战略规划管理四个由低到高的层次。根据业务逻辑还可以分为销售中的数据化管理、商品中的数据化管理、财务中的数据化管理、人事中的数据化管理、生产中的数据化管理、物流中的数据化管理等。

  数据分析工具主要有Excel、SAS、SPSS、Matlab、Data Analytics(点击“阅读原文”即可使用)等。

  二、为什么要做数据化管理

  从数据化管理的流程来看,应用是数据化管理的核心。这也是数据化管理和数据分析最大的不同,不能应用到业务层面的数据分析是没有意义的。

  (1)量化管理:无论是传统零售还是电子商务,大部分管理工作都是可以量化的。绩效KPI(Key Performance Indicator,关键绩效考核指标)就是对日常业务的一种量化管理。

  (2)最大化销售业绩、最大化生产效率:数据分析本身不能带来最大化的业绩或效率,只有将正确的分析结果用最实际的方式应用到业务层面才能产生效益,只有持续不断地产生效益才能称之为数据化管理。

  (3)有效地节约企业各项成本和费用:每个业务中心都可以建立独立的数据化管理体系,建立自己部门的追踪及预警机制,从而达到节约成本和费用的目的。

  (4)组织管理、部门协调的工具:同样一个指标,不同的部门提供的数据可能不一致,这既浪费资源,又不利于标准化管理。日常和数据有关的信息传递尽量按如下的原则来做,这样会大大提供组织及部门间的效率:

  ①提供正确且有效的数据给对方;

  ②不仅提供数据,还尽可能提供数据结论;

  ③对结论进行必要的补充说明,将你的论证逻辑告诉对方;

  ④建立业务管理模板共享机制。

  (5)提高企业管理者决策的速度和正确性:我们习惯给管理层扣一顶“拍脑袋”的帽子,其实“拍脑袋”并不是一件容易的事情,它是基于经验、深思熟虑之后的一种结论。不是每个人都有资格“拍”的。当然如果管理层在“拍脑袋”决策的过程中能够参考必要数据的话,这将是极好的。

  三、数据化管理的四个层次

  根据业务逻辑,数据化管理分为四个层次。

数据化管理

  (1)业务指导管理:通过数据收集、数据监控、数据追踪等手段透视业务,通过数据分析、数据挖掘等方式搭建业务管理模型来提升业务。业务指导管理的范畴包括销售、人力资源、生产、财务、客服等业务单元。主要管理模块有目标及预测管理、利润及费用管理等。

  (2)营运分析管理:是对人、货、场、财的分析管理。包括绩效考核管理、库存分析管理、供应链分析管理、客流分析管理、资金分析管理、客户关系管理(CRM)等。

  (3)经营策略管理:是指通过对经营环节进行对应的数据分析来达到制定或修改策略的目的,数据化的策略管理是企业策略合理化的一个保证。包括消费者购买行为分析、会员顾客策略、商品定价策略、品牌定位策略、竞争对手策略管理、资源分配策略等。

  (4)战略规划管理:是通过企业内部和外部数据,制定企业的长远规划的过程。包括宏观经济分析、行业环境分析、内部资源分析、企业竞争力分析、战略目标规划管理、战略可操作性评估等。

  四、数据化管理流程图

数据化管理

  数据化管理流程分为8个步骤,它和常规数据分析最大的不同就是强化应用,要求应用模板化、模板智能化。实施数据化管理之后,每个层面看到的不再是枯燥的数据,干巴巴的表格。你的受众看到将是简洁的可视化图表,傻瓜式的业务诊断,智能化的应用提醒,高互动性的使用界面。

  1.分析需求

  分析需求又包括收集需求、分析需求、明确需求三个部分。收集需求的方法主要有:和使用对象进行访谈、市场调研、走访专家等。分析需求推荐利用思维导图来整理收集的信息,思维导图的逻辑可以参考使用5W2H分析法、人货场等概念。

  2.收集数据

  收集数据是根据使用者的需求,通过各种方法来获取相关数据的一个过程。数据收集途径包括公司数据库、公开出版物、市场调查、互联网、购买专业公司数据等方法。数据收集是数据分析的基础环节,在收集过程中需要不断地问自己,数据来源是否可靠?我收集数据的方法是否有瑕疵?我收集的数据是否有缺失?

  3.整理数据

  整理数据是对收集到的数据进行预处理,使之变成可供进一步分析的标准格式的过程。需要整理的数据包括非标准格式的数据、不符合业务逻辑的数据两大类。非标准格式数据例如文本格式的日期、文本格式的数字、字段中多余的空格符号、重复数据等。在零售行业中不符合业务逻辑的数据非常多,比如为了冲销售额可能会有不真实的销售数据进系统,大量虚假的会员购买记录,电子商务中的虚假点击,等等。

  数据整理的好与坏直接决定了分析的结果。整理数据的方法主要有:分类、排序、做表、预分析等;逻辑有理口径、看异常、查大数、观趋势等。工具可以利用Excel中的分列、删除重复项、透视表、图表、函数等功能来辅助整理。感兴趣的朋友可以阅读文章《精选43个Excel表格的操作技巧| 推荐收藏》

  4.分析数据

  分析数据是指在业务逻辑的基础上,运用最简单有效的分析方法和最合理的分析工具对数据进行处理的一个过程。没有业务逻辑的数据分析是不会产生任何使用价值的,对分析师来说,熟悉业务、有业务背景是非常重要的。分析方法简单有效就可以,实用为最高准则。

  对工具熟练掌握的深度决定了你分析的高度。对分析师来说,工具不在多而在精。当然片面强调对工具的掌握或对业务的理解度都是不对的,我们可以用一个四象限图来展示二者的关系,只有均衡发展才是真正的数据分析师。懂数据分析的人很多,懂业务的人更多,但是既懂业务又懂数据分析的人却非常少。

数据化管理

  5.数据可视化

  数据可视化是将分析结果用简单且视觉效果好的方式展示出来,一般运用文字、表格、图表和信息图等方式进行展示。Word、Excel、PPT、Data Analytics、Tableau、Power BI等都可以作为数据可视化的展示工具。现代社会已经进入一个速读时代,好的可视化图表可以自己说话,大大节约了人们思考的时间。用最简单的方式传递最准确的信息,让图表自己说话,这就是数据可视化的作用。

  在数据可视化过程中需要注意的事项:

  ①数据图表主要作用是传递信息,不要用它们来炫技,不要舍本逐末般过分追求图表的漂亮程度;

  ②不要试图在一张图中表达所有的信息,不要让图表太沉重;

  ③数据可视化是以业务逻辑为主线串起来的,不要随意地堆砌图表;

  ④不要试图用图表去骗人,否则你的结果会很惨。

  6.应用模板开发

  对于那些标准化程度比较高的数据以及使用频率比较高的分析文件,可以开发成一种固定的模板格式,这样的好处是标准化、程序化,并且会大大节约时间。

  7.分析报告

  分析报告是数据分析师的产品,可以用Word、Excel、PPT作为报告的载体。写数据分析报告就犹如写议论文。议论文有三要素:论点、论据、论证,数据分析报告也必须要有明确的论点,有严谨的论证过程和令人信服的论据。虽然在报告中不一定都要将三者呈现,但是论点是一定要有的。其次在写分析报告之前,一定要弄清楚你是在给谁做分析报告,对象不同,关注点自然不一样。想了解更详细的如何写分析报告,可以阅读《数据分析报告这么写就对了!》

  8、应用

  数据分析报告并不是数据化管理流程的终点,它反而是数据化管理流程的另一个起点,数据化管理的目的是为了应用,没有应用的流程是不完整的。应用就是将数据分析过程中发现的问题、机会等分解到各业务单元,并通过数据监控、关键指标预警、对趋势进行合理判断等手段来指导各部门的业务提高。

  五、销售中的数据化管理

  1.没有目标管理就没有销售的最大化

  销售追踪普遍存在的误区是只追踪销售不好或销售权重大的组织或个人,其实销售追踪的目的是让落后的组织或个人改变直到好一些,让销售一般的好起来,让销售不错的变得更加卓越!销售追踪和目标管理是一对亲兄弟,目标通过追踪得以完成得更好,追踪又必须以目标为依据。销售目标有销售额(量)目标、销售费用目标、利润额(率)目标、新增客户目标等,对于电商还有流量和转化率的目标。

  2.没有标准就没有追踪的依据

  销售追踪必须有理有据,必须用数据说话。要有一个数据化的标准,标准既可以是人为确定的,也可以是客观存在的。而数据间的对比就是销售追踪的标准,追过对比分析、找到差异,从而找到追踪的依据。对比分析的标准有4项:时间标准、空间标准、特定标准、计划标准。

数据化管理

  (1)时间对比

  同比就是与去年的同一个时间段进行对比分析,可以是季、月、周、天;环比就是和上一个时间段来对比(也有和下一个时间段对比的,也叫后比),例如本月和上月,本周和上周对比;定基比是和某个指定的时期进行对比分析,比如2013年每个月都和2013年1月的销售额进行对比取值。

  (2)空间对比

  就是不同空间数据的对比,比如华北区和华南区对比,北京和上海,上海古北店和成都春熙路店进行对比。相似空间的对比对象必须是形态上比较接近,先进空间则是和同一种形态中的优秀空间进行对比,与扩大空间的对比,比如北京和全国的数据对比,北京王府井店和全北京的数据对比,和竞争对手的对比也在此列。

  (3)计划标准

  是一种认为标准,和计划标准的对比是销售追踪中非常重要的一环,所有的绩效考核都是计划标准,例如实际销售额和销售目标的对比等。

  (4)特定标准

  其中的经验标准是在大量的实践过程中总结出来的值,而理论标准则是根据理论推断出来的值,平均值则是某一空间或时间的平均值。

  销售对比往往不是单一标准的对比,有时候既要看同比又要看环比,既要看销售完成率还要看利润完成率。对比的目的是找到被追踪对象的差距,也就是找到一个追踪它的借口。

  3.如何用数据化追踪销售

  销售追踪不只是打电话,发邮件这么简单,它也是一门技术工作,销售追踪是建立在大量数据分析的基础上的。利用数据追踪主要有如下几种形式:

  (1)数据对比

  对比产生差距,对比产生压力,对比产生问题。对比分析的形式有绝对值对比和相对值对比两种。我们常用的城市销售额排行榜就是绝对值对比,而销售贡献度排行榜则是相对值对比。

  (2)有效地利用极值来追踪销售

  销售中有很多极值(包括极大值和极小值)可以用来追踪销售,比如店铺日/月销售额最高纪录,黄金周销售高峰值,店庆销售最大值,历史最低销售额,等等。

  (3)利用单位权重曲线来追踪销售

  单位权重这种概念是属于零售业中比较精细化的管理概念,是日销售额与日权重指数的比值,它有效解决了时间标准有时没有可对比性的原则。权重曲线犹如一个监视器,随时监控销售额、人流量、网站点击量等的异动。

  (4)用预测值来追踪销售

  我们常常习惯于用销售完成率来追踪销售,但是完成率的缺陷是同一个时间节点在不同的区域的完成率很可能没有可对比性(因为销售节奏可能不一样)。完成率是历史数据的对比,预测是对未来的预估。

  月销售额预测,可以利用周权重指数法来预测月销售;年销售额预测:零售业常用的是月销售占比法,利用利用数据中每个月占年度总量的百分对比来做预测,这个百分比就是一种销售规律。为了预测的准确性,历史数据通常用3年。

  4.销售追踪注意事项

  销售追踪是一个很苦很累但却很重要的工作,只靠人是绝对不行的。这是一个系统工程,最好是让它“程序化”。销售追踪的注意事项如下:

  (1)追踪表格化,系统化。一定要用一套表同一套逻辑,否则就会陷入无谓的争论之中,同时“双规”很重要,在规定的时间内,上传规定格式的追踪数据;

  (2)充分发挥人,特别是直线汇报经理的追踪作用,层层追踪;

  (3)利用销售会议来追踪,晨会、周会都是很好的追踪时机。每次会议务必预留一定的时间来回顾前一段时间项目的执行状况;

  (4)利用科技手段来追踪销售。将部分商业逻辑植入公司系统软件中,当数据异常时,被追踪的相关人员都可以收到一封邮件、短信或者微信等;

  (5)将结果过程化更有利于追踪,例如不直接追踪销售额,而是把销售额分解成进店人数、成交率、客单价、连带率等分别追踪,这样更有效果;

  (6)追踪必须要有结果,只“追”不“终”没有意义。

  六、1分钟复习全文

  1.数据化管理是指运用分析工具对客观、真实的数据进行科学分析,并将分析结果运用到生产、营运、销售等各个环节中去的一种管理方式;

  2.从数据化管理的流程来看,应用是数据化管理的核心,可以应用以下业务层面:量化管理、最大化销售业绩、最大化生产效率、有效地节约企业各项成本和费用、组织管理、部门协调的工具、提高企业管理者决策的速度和正确性;

  3.根据业务逻辑,数据化管理分为四个层次:业务指导管理、营运分析管理、经营策略管理、战略规划管理;

  4.数据化管理流程分为8个步骤,它和常规数据分析最大的不同就是强化应用,要求应用模板化、模板智能化;

  5.销售都是追踪出来的,没有目标管理就没有销售的最大化,销售对比往往不是单一标准的对比,有时候既要看同比又要看环比,既要看销售完成率还要看利润完成率。对比的目的是找到被追踪对象的差距,也就是找到一个追踪它的借口。

热门文章
免费试用DataHunter产品
Data Analytics
业务驱动型BI工具
免费试用
Data MAX
极致性价比的大屏可视化产品
免费试用
Data Formula
敏捷型数据中台
免费试用
Copyright © 2018 北京数猎天下科技有限公司 | 京ICP备16063904号-1