1、什么是数据化管理的概念

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法,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。

2、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

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。本章前面的两个案例就是量化管理的反例。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,这样会大大提高组织及部门间的效率:

提供正确且有效的数据给对方。
不仅提供数据,还尽可能提供数据结论。
对结论进行必要的补充说明,将你的论证逻辑告诉对方。
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。

3、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

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

简单来讲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。

业务指导管理和营运分析管理的区别是前者侧重于追踪和监控,后者侧重于分析和管理。

3 经营策略管理

经营策略管理指通过对各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

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、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。

4、数据化管理流程图

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。你的受众看到的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、市场调查、走访专家（包括行业专家、业务单位的资深人士、管理者等）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（5W2H是英文单词Who,Where,When,What,Why,How,How much的简称）、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。

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。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。

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。

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。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。

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。

数据化管理的8个步骤有别于常规的数据分析步骤,强调应用,强调模板化。

数据分析师设计模板,将自己对商业逻辑的理解植入到分析模板中去,最后变成一个一个的产品。所以从这个角度来说数据分析师不是在做数据分析,而是在制造产品,有些产品是一次性的, 这样会比较浪费,所以需要生产一些通用且实用性强的可重复利用的产品,这就是模板。

关于数据化管理