数据化管理泛读

作者：黄成明 @数据化管理
读者：锅巴GG

阅读本书的目的，是因为最近在学习如何进行深入的业务学习、思考和寻找数据支撑，B2B领域的相关书籍比较少，所以先从现有的资料看起，这本书的部分内容有启发意义，故选择精度本书，只摘取和记录需要的部分 —— 锅巴GG

什么是数据化管理

• 数据化管理的概念

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、运营、销售等各个环节中去的一种管理方法，根据管理层次可分为如下四个层次↓由低到高：

1. 业务指导管理
2. 运营分析管理
3. 经营策略管理
4. 战略规划管理

• 数据化管理的意义

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
2. 最大化销售业绩，最大化生产效率
3. 有效地节约企业各项成本和费用
4. 组织管理、部门协调的工具
5. 提高企业管理者决策的速度和正确性

• 数据化管理的四个层次
  • 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。

  • 运营分析管理

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。

• 经营策略管理

通过对各个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。

• 战略规划管理

通过企业内部和外部的数据，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、经营环境分析、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。

数据化管理流程

数据化管理流程图

1. 分析需求包括三个部分

• 收集需求
  • 主要方法：和使用对象进行访谈、市场调查、走访专家
• 分析需求
  • 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
• 明确需求

2. 收集数据根据使用者的需求，通过各种方法来获取相关数据的过程

• 途径：公司数据库、公开出版物、市场调查、互联网、专业公司数据
• 数据来源是否可靠？
• 收集数据的方法是否有瑕疵？
• 数据是否有缺失？

3. 整理数据对收集到的数据进行预处理，变成可供进一步分析的标准格式的过程

• 非标准格式(多源)
• 不符合业务逻辑的数据（不真实、虚假）
• 方法：分类、排序、做表、预分析
• 逻辑：理口径、看异数、查大数、观趋势

4. 分析数据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过程

• 基础：业务逻辑的掌握
• 方法：工具简单有效、实用
• 具体方法见原书第7章

5. 数据可视化

• 以业务逻辑为主线，传递正确真实的信息

6. 应用模板开发

• 针对：标准化程度高的数据、使用频率高的分析文件
• 模板： 固定的模板格式
• 好处：标准化、程序化、自动化（节约时间）
• 具体方法见原书第8章

7. 分析报告数据分析师的产品

• 数据分析报告三要素：明确的论点、严谨的论证过程、令人信服的论据
• 报告中不一定同时呈现所有细节
• 不要面面俱到、重点突出
• 议论文：论点、论据、论证
• 既要关注点，也要照顾线和面
  • 简单说：线是趋势、面是扩大对比范围(同类，竞品）
• 逻辑性——各部分之间的，本部分内容内的
• 可读性、图表化
• 不要回避“不良结论”，良心工程
• 注明：数据来源、数据单位、特殊指标的计算方法
• 避免：专业性强的术语

8. 模板应用

• 数据分析报告是数据化管理流程的新起点
• 数据化管理的目的是为了应用
• 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

商品中的数据化管理

• 人、货、场逻辑思维是零售分析的基本思维模式
• 商品分析的基本模式是：进销存
  • 进——采购
  • 销——销售
  • 存——仓储和物流供应链管理

“人货场”是一个平行关系，而“进销存”是有先后顺序的三角关系，前者基于业务的分析管理，后者基于商品的流程管理。

常用的商品分析指标

必知必会的数据分析方法

数据分析必须立体化

• 数据分析立体化思路4种
  1. 点—线—面
  2. 时间—对象—指标
  3. 人—货—场
  4. 广度—宽度—深度

  三度分析本身没有任何意义，必须要和具体的对象结合才有现实分析意义，如：｛进、销、存｝、{渠道、价格、促销｝
  * 三度和进销存
  * 三度和4P(商品、渠道、价格、促销)的组合分析
  * 商品其实就是“进销存”三个部分

数据没有可对比性就没有数据分析

  数据分析的六字箴言："对比、细分、溯源"

• 可对比性的四个一致原则

  1. 对象一致
  2. 时间属性一致
  3. 定义和计算方法一致
  4. 数据源一致

• 环比和同比

→ 都是统计方法
→ "同比"是本期和去年同期的对比，"环比"是本期和上一期的对比。

• 各种“率”是非常好的判断数据相对值的方法

常用的数据分析方法

• 如何设定指标的权重

  1. 主观意见法
  2. 历史数据法
  3. 矩阵对比法
  4. 专家打分法
  5. 层次分析法
     不准用权重这个武器来耍流氓！

• 经典的二八法则应用注意不要使用成为二八比例

  • 20%是对象，80%是效果，前后不是一个范畴
  • 用途：找到对象中的重点因素，区分对象的重点部分

• ABC分析法

  • 二八法则的升级，共同点都是将对象分清主次
  • 二八法则将对象分成两类，ABC分析法可以分成三类
  • 通过数据分析找到管理的核心区域

• 排行榜分析方法

  • 单维度排行榜
  • 多维度排行榜
    1. 直接求和法
    2. 加权求和法
    3. 两次排名法

• 平均值

  • 避免使用平均值的情况
    1. 数据量太小，平均值无意义
    2. 数据间差异较大，平均值会被极值影响
    3. 对象间没有可比性，非同类比较
    4. 求平均值的对象不稳定
       想清楚平均值对业务层面的意义，有时候我们可以使用中位数或者众位数，两者都可以避免受到极端数据的影响
  • 平均值的分类
    1. 算术平均值
    2. 几何平均值
    3. 加权平均值
    4. 滚动平均值

就这样吧，太多的工具其实都服务于我们对业务的思考，以及需要的数据化分析和管理手段。

---

想加入更多乐读创业社的活动，请访问网站→ http://ledu.club
或关注微信公众号选取：

乐读微信公众号