从0开始,构建数据化管理体系

从0开始,构建数据化管理体系

企业IT人员常常会受到来自业务的各种各样的需求,“能不能帮忙查一下这周的销售数据?”“能不能分析一下为什么这个数据下滑得那么厉害,是不是统计错误”“能不能……”

还会有来自领导BOSS的各种要求,“小王,周一要做本季度的营销情况分析,帮我把相关的销售,财务数据调出来做个报告”

…………

几次之后,大家便觉得这样的效率太低了:研发人员需要在繁忙的开发任务中抽时间来做数据查询、统计,而业务、领导则需要等很久才能拿到数据。重复的工作太多,一旦数据、需求都上涨,将承受更大的压力。

有问题就有对策,为了提高效率可以收集常用的业务需求,做成固定的数据模板,直接导入excel数据,邮件发送。但是,由于邮件发送不稳定也不安全交流也不方便,数据导入常出错,于是就有了报表工具的开发使用,后期流程固化之后,分析人员增多时,又有了BI这一类可与数据分析挖掘技术结合的工具的应用。

转观这一类现象,其实在企业经营的过程中比比皆是,诸如财务、销售、市场等业务自身就带有强烈的数据分析需求,领导也厌倦了查看一沓沓报表,更希望看到结论化的数据。如果说运用到个人或是某一个问题的叫数据分析,那么投入到企业的业务层面用于辅助管理产生效益的则可称为数据化管理。其实,数据化管理的苗头早已出现,与KPI结合投入量化管理就是一个很好的例子。

数据化管理的业务层次

数据分析本身不能带来最大化的业绩和效率,只有将正确的分析结果以最实际的方式应用到业务层面才能产生效益,只有不断地产生效益才能称之为数据化管理。

按照业务逻辑,数据化管理可以分为以下几个层次。

1、 业务指导管理

通过对数据的收集、统计、追踪和监控搭建业务的管理模型来指导业务。业务是最直接接触数据的层次,一些未经分析加工的数据能直接应用到常规的业务管理。例如,销售业务中日销售额、月销售额、年销售额的完成情况;电商营销业务过程中的流量,新增用户数,每日的成交量。

2、 运营分析管理

运营分析更多注重对收集来的数据进行分析和管理,可归纳为人、货、场、才的分析管理。例如客户关系管理(CRM),财务分析管理,供应链分析管理等等

3、 经营策略管理

经营策略管理拥有一手的管理决断,对各经营环节进行对应的数据分析来修改和制定策略,比如消费者购买行为的分析,会员顾客策略,是采用积分制还是打折制;商品定价策略、低价走销还是高价定品牌;营销策略,广告投放的配置,产品的促销组合等等。

4、 战略规划管理

战略规划需要通过企业内部和外部的市场外部数据制定长远的规划过程,如企业竞争力分析,行业环境分析,战略目标规划等等。

数据化管理流程

数据化管理站在技术上来讲,实现的流程可分为以下8个步骤:需求分析、数据收集、数据整理、数据分析、数据可视化、模板开发、分析报告、模板应用。

更加强调流程、分工和沟通、应用模板化,分析智能化,一个成熟的结果应该是信息部门管理数据,业务部门提交数据需求,信息或业务部制作模板,分析数据生成报告,领导查看数据做汇总和策略调整,管理层可实时查看企业运营状况,企业重大战略调整可以直接调用汇总报告。

数据化管理产品

这里所讲的数据化管理产品并不是市面上成型的各类数据产品。而是能将企业数据管理过程中的一些重复性操作封装模块化,形成某一个通用模板或功能。诸如银行、互联网、零售行业的用户画像,通过已有数据,性别、地域、年龄、消费频次、喜好等标签,结合机器算法提炼与业务产品吻合的标签,进行精确推送。

1、数据分析模板

模板数据分析人员设计模板,将自己的对业务和商业逻辑的理解植入到分析的模板中去,最后成为指标模块、业务模块、全局模块。这样的模板通用性强,可以是一个文件,可以是应用程序,也可以是OA、ERP系统的一个组成部分。企业可以选择开发成一套数据管理的系统,并往平台化的方向发展,或者作为一个数据管理分析模块,部署在已有的管理系统。

2、 移动端&大屏可视化分析

模板应用成熟后,考虑更好的为管理层和领导层服务,可以结合目前当下的HTML5技术,APP应用去做更好的应用。

总结

数据化管理的层次:依照业务,业务指导层、营运分析层、经营策略层、战略规划层。

数据化管理的流程:需求分析、数据收集、数据整理、数据分析、数据可视化、模板开发、分析报告、模板应用。

数据化管理的成果:应用模板、数据管理平台,便捷的移动端/大屏应用

公众号:数据分析不是个事儿

常年分享数据分析干货,不定期分享好用的职场技能工具。

近期,将在我的公众号里写一个“数据分析入门系列”,感兴趣的可以关注。

编辑于 2018-12-13

文章被以下专栏收录

    分享数据化管理之道。 关键词:大数据、数据管理、数据挖掘、数据产品、行业研究