在商業形式飛速變化的今天，不少傳統企業感受到自己的身材肥胖是極度不穩定、充滿隱患的，很多企業紛紛進行輕資產轉型，試圖借助互聯網引發自己業績增長的第二曲線。轉型的基礎就是數據。
數據化管理可以為公司業績目標、用人戰略、戰略方向等提供科學參考，今天我們就來聊聊數據化管理都有哪些好處。
一、 數據化管理是什么？
數據化管理是指運用分析工具對客觀、真實的數據進行科學分析，并將分析結果運用到生產、營運、銷售等各個環節中去的一種管理方式。根據管理層次可分為業務指導管理、營運分析管理、經營策略管理、戰略規劃管理四個由低到高的層次。根據業務邏輯還可以分為銷售中的數據化管理、商品中的數據化管理、財務中的數據化管理、人事中的數據化管理、生產中的數據化管理、物流中的數據化管理等。
數據分析工具主要有Excel、SAS、SPSS、Matlab、Data Analytics（點擊“閱讀原文”即可使用）等。
二、為什么要做數據化管理
從數據化管理的流程來看，應用是數據化管理的核心。這也是數據化管理和數據分析最大的不同，不能應用到業務層面的數據分析是沒有意義的。
（1）量化管理：無論是傳統零售還是電子商務，大部分管理工作都是可以量化的。績效KPI（Key Performance Indicator，關鍵績效考核指標）就是對日常業務的一種量化管理。
（2）最大化銷售業績、最大化生產效率：數據分析本身不能帶來最大化的業績或效率，只有將正確的分析結果用最實際的方式應用到業務層面才能產生效益，只有持續不斷地產生效益才能稱之為數據化管理。
（3）有效地節約企業各項成本和費用：每個業務中心都可以建立獨立的數據化管理體系，建立自己部門的追蹤及預警機制，從而達到節約成本和費用的目的。
（4）組織管理、部門協調的工具：同樣一個指標，不同的部門提供的數據可能不一致，這既浪費資源，又不利于標準化管理。日常和數據有關的信息傳遞盡量按如下的原則來做，這樣會大大提供組織及部門間的效率：
①提供正確且有效的數據給對方；
②不僅提供數據，還盡可能提供數據結論；
③對結論進行必要的補充說明，將你的論證邏輯告訴對方；
④建立業務管理模板共享機制。
（5）提高企業管理者決策的速度和正確性：我們習慣給管理層扣一頂“拍腦袋”的帽子，其實“拍腦袋”并不是一件容易的事情，它是基于經驗、深思熟慮之后的一種結論。不是每個人都有資格“拍”的。當然如果管理層在“拍腦袋”決策的過程中能夠參考必要數據的話，這將是極好的。
三、數據化管理的四個層次
根據業務邏輯，數據化管理分為四個層次。
（1）業務指導管理：通過數據收集、數據監控、數據追蹤等手段透視業務，通過數據分析、數據挖掘等方式搭建業務管理模型來提升業務。業務指導管理的范疇包括銷售、人力資源、生產、財務、客服等業務單元。主要管理模塊有目標及預測管理、利潤及費用管理等。
（2）營運分析管理：是對人、貨、場、財的分析管理。包括績效考核管理、庫存分析管理、供應鏈分析管理、客流分析管理、資金分析管理、客戶關系管理（CRM）等。
（3）經營策略管理：是指通過對經營環節進行對應的數據分析來達到制定或修改策略的目的，數據化的策略管理是企業策略合理化的一個保證。包括消費者購買行為分析、會員顧客策略、商品定價策略、品牌定位策略、競爭對手策略管理、資源分配策略等。
（4）戰略規劃管理：是通過企業內部和外部數據，制定企業的長遠規劃的過程。包括宏觀經濟分析、行業環境分析、內部資源分析、企業競爭力分析、戰略目標規劃管理、戰略可操作性評估等。
四、數據化管理流程圖
數據化管理流程分為8個步驟，它和常規數據分析最大的不同就是強化應用，要求應用模板化、模板智能化。實施數據化管理之后，每個層面看到的不再是枯燥的數據，干巴巴的表格。你的受眾看到將是簡潔的可視化圖表，傻瓜式的業務診斷，智能化的應用提醒，高互動性的使用界面。
1.分析需求
分析需求又包括收集需求、分析需求、明確需求三個部分。收集需求的方法主要有：和使用對象進行訪談、市場調研、走訪專家等。分析需求推薦利用思維導圖來整理收集的信息，思維導圖的邏輯可以參考使用5W2H分析法、人貨場等概念。
2.收集數據
收集數據是根據使用者的需求，通過各種方法來獲取相關數據的一個過程。數據收集途徑包括公司數據庫、公開出版物、市場調查、互聯網、購買專業公司數據等方法。數據收集是數據分析的基礎環節，在收集過程中需要不斷地問自己，數據來源是否可靠？我收集數據的方法是否有瑕疵？我收集的數據是否有缺失？
3.整理數據
整理數據是對收集到的數據進行預處理，使之變成可供進一步分析的標準格式的過程。需要整理的數據包括非標準格式的數據、不符合業務邏輯的數據兩大類。非標準格式數據例如文本格式的日期、文本格式的數字、字段中多余的空格符號、重復數據等。在零售行業中不符合業務邏輯的數據非常多，比如為了沖銷售額可能會有不真實的銷售數據進系統，大量虛假的會員購買記錄，電子商務中的虛假點擊，等等。
數據整理的好與壞直接決定了分析的結果。整理數據的方法主要有：分類、排序、做表、預分析等；邏輯有理口徑、看異常、查大數、觀趨勢等。工具可以利用Excel中的分列、刪除重復項、透視表、圖表、函數等功能來輔助整理。感興趣的朋友可以閱讀文章《精選43個Excel表格的操作技巧| 推薦收藏》
4.分析數據
分析數據是指在業務邏輯的基礎上，運用最簡單有效的分析方法和最合理的分析工具對數據進行處理的一個過程。沒有業務邏輯的數據分析是不會產生任何使用價值的，對分析師來說，熟悉業務、有業務背景是非常重要的。分析方法簡單有效就可以，實用為最高準則。
對工具熟練掌握的深度決定了你分析的高度。對分析師來說，工具不在多而在精。當然片面強調對工具的掌握或對業務的理解度都是不對的，我們可以用一個四象限圖來展示二者的關系，只有均衡發展才是真正的數據分析師。懂數據分析的人很多，懂業務的人更多，但是既懂業務又懂數據分析的人卻非常少。
5.數據可視化
數據可視化是將分析結果用簡單且視覺效果好的方式展示出來，一般運用文字、表格、圖表和信息圖等方式進行展示。Word、Excel、PPT、Data Analytics、Tableau、Power BI等都可以作為數據可視化的展示工具。現代社會已經進入一個速讀時代，好的可視化圖表可以自己說話，大大節約了人們思考的時間。用最簡單的方式傳遞最準確的信息，讓圖表自己說話，這就是數據可視化的作用。
在數據可視化過程中需要注意的事項：
①數據圖表主要作用是傳遞信息，不要用它們來炫技，不要舍本逐末般過分追求圖表的漂亮程度；
②不要試圖在一張圖中表達所有的信息，不要讓圖表太沉重；
③數據可視化是以業務邏輯為主線串起來的，不要隨意地堆砌圖表；
④不要試圖用圖表去騙人，否則你的結果會很慘。
6.應用模板開發
對于那些標準化程度比較高的數據以及使用頻率比較高的分析文件，可以開發成一種固定的模板格式，這樣的好處是標準化、程序化，并且會大大節約時間。
7.分析報告
分析報告是數據分析師的產品，可以用Word、Excel、PPT作為報告的載體。寫數據分析報告就猶如寫議論文。議論文有三要素：論點、論據、論證，數據分析報告也必須要有明確的論點，有嚴謹的論證過程和令人信服的論據。雖然在報告中不一定都要將三者呈現，但是論點是一定要有的。其次在寫分析報告之前，一定要弄清楚你是在給誰做分析報告，對象不同，關注點自然不一樣。想了解更詳細的如何寫分析報告，可以閱讀《數據分析報告這么寫就對了！》
8、應用
數據分析報告并不是數據化管理流程的終點，它反而是數據化管理流程的另一個起點，數據化管理的目的是為了應用，沒有應用的流程是不完整的。應用就是將數據分析過程中發現的問題、機會等分解到各業務單元，并通過數據監控、關鍵指標預警、對趨勢進行合理判斷等手段來指導各部門的業務提高。
五、銷售中的數據化管理
1.沒有目標管理就沒有銷售的最大化
銷售追蹤普遍存在的誤區是只追蹤銷售不好或銷售權重大的組織或個人，其實銷售追蹤的目的是讓落后的組織或個人改變直到好一些，讓銷售一般的好起來，讓銷售不錯的變得更加卓越！銷售追蹤和目標管理是一對親兄弟，目標通過追蹤得以完成得更好，追蹤又必須以目標為依據。銷售目標有銷售額（量）目標、銷售費用目標、利潤額（率）目標、新增客戶目標等，對于電商還有流量和轉化率的目標。
2.沒有標準就沒有追蹤的依據
銷售追蹤必須有理有據，必須用數據說話。要有一個數據化的標準，標準既可以是人為確定的，也可以是客觀存在的。而數據間的對比就是銷售追蹤的標準，追過對比分析、找到差異，從而找到追蹤的依據。對比分析的標準有4項：時間標準、空間標準、特定標準、計劃標準。
（1）時間對比
同比就是與去年的同一個時間段進行對比分析，可以是季、月、周、天；環比就是和上一個時間段來對比（也有和下一個時間段對比的，也叫后比），例如本月和上月，本周和上周對比；定基比是和某個指定的時期進行對比分析，比如2013年每個月都和2013年1月的銷售額進行對比取值。
（2）空間對比
就是不同空間數據的對比，比如華北區和華南區對比，北京和上海，上海古北店和成都春熙路店進行對比。相似空間的對比對象必須是形態上比較接近，先進空間則是和同一種形態中的優秀空間進行對比，與擴大空間的對比，比如北京和全國的數據對比，北京王府井店和全北京的數據對比，和競爭對手的對比也在此列。
（3）計劃標準
是一種認為標準，和計劃標準的對比是銷售追蹤中非常重要的一環，所有的績效考核都是計劃標準，例如實際銷售額和銷售目標的對比等。
（4）特定標準
其中的經驗標準是在大量的實踐過程中總結出來的值，而理論標準則是根據理論推斷出來的值，平均值則是某一空間或時間的平均值。
銷售對比往往不是單一標準的對比，有時候既要看同比又要看環比，既要看銷售完成率還要看利潤完成率。對比的目的是找到被追蹤對象的差距，也就是找到一個追蹤它的借口。
3.如何用數據化追蹤銷售
銷售追蹤不只是打電話，發郵件這么簡單，它也是一門技術工作，銷售追蹤是建立在大量數據分析的基礎上的。利用數據追蹤主要有如下幾種形式：
（1）數據對比
對比產生差距，對比產生壓力，對比產生問題。對比分析的形式有絕對值對比和相對值對比兩種。我們常用的城市銷售額排行榜就是絕對值對比，而銷售貢獻度排行榜則是相對值對比。
（2）有效地利用極值來追蹤銷售
銷售中有很多極值（包括極大值和極小值）可以用來追蹤銷售，比如店鋪日/月銷售額最高紀錄，黃金周銷售高峰值，店慶銷售最大值，歷史最低銷售額，等等。
（3）利用單位權重曲線來追蹤銷售
單位權重這種概念是屬于零售業中比較精細化的管理概念，是日銷售額與日權重指數的比值，它有效解決了時間標準有時沒有可對比性的原則。權重曲線猶如一個監視器，隨時監控銷售額、人流量、網站點擊量等的異動。
（4）用預測值來追蹤銷售
我們常常習慣于用銷售完成率來追蹤銷售，但是完成率的缺陷是同一個時間節點在不同的區域的完成率很可能沒有可對比性（因為銷售節奏可能不一樣）。完成率是歷史數據的對比，預測是對未來的預估。
月銷售額預測，可以利用周權重指數法來預測月銷售；年銷售額預測：零售業常用的是月銷售占比法，利用利用數據中每個月占年度總量的百分對比來做預測，這個百分比就是一種銷售規律。為了預測的準確性，歷史數據通常用3年。
4.銷售追蹤注意事項
銷售追蹤是一個很苦很累但卻很重要的工作，只靠人是絕對不行的。這是一個系統工程，最好是讓它“程序化”。銷售追蹤的注意事項如下：
（1）追蹤表格化，系統化。一定要用一套表同一套邏輯，否則就會陷入無謂的爭論之中，同時“雙規”很重要，在規定的時間內，上傳規定格式的追蹤數據；
（2）充分發揮人，特別是直線匯報經理的追蹤作用，層層追蹤；
（3）利用銷售會議來追蹤，晨會、周會都是很好的追蹤時機。每次會議務必預留一定的時間來回顧前一段時間項目的執行狀況；
（4）利用科技手段來追蹤銷售。將部分商業邏輯植入公司系統軟件中，當數據異常時，被追蹤的相關人員都可以收到一封郵件、短信或者微信等；
（5）將結果過程化更有利于追蹤，例如不直接追蹤銷售額，而是把銷售額分解成進店人數、成交率、客單價、連帶率等分別追蹤，這樣更有效果；
（6）追蹤必須要有結果，只“追”不“終”沒有意義。
六、1分鐘復習全文
1.數據化管理是指運用分析工具對客觀、真實的數據進行科學分析，并將分析結果運用到生產、營運、銷售等各個環節中去的一種管理方式；
2.從數據化管理的流程來看，應用是數據化管理的核心，可以應用以下業務層面：量化管理、最大化銷售業績、最大化生產效率、有效地節約企業各項成本和費用、組織管理、部門協調的工具、提高企業管理者決策的速度和正確性；
3.根據業務邏輯，數據化管理分為四個層次：業務指導管理、營運分析管理、經營策略管理、戰略規劃管理；
4.數據化管理流程分為8個步驟，它和常規數據分析最大的不同就是強化應用，要求應用模板化、模板智能化；
5.銷售都是追蹤出來的，沒有目標管理就沒有銷售的最大化，銷售對比往往不是單一標準的對比，有時候既要看同比又要看環比，既要看銷售完成率還要看利潤完成率。對比的目的是找到被追蹤對象的差距，也就是找到一個追蹤它的借口。
－DataHunter,讓你愛（AI）上看數據－
