如何推動傳統企業的數據分析工作？

一、為什麼傳統企業的數據分析工作很難推動？

某數據大拿説過，數據分析實現價值的最好狀態是“不僅僅得到有創造力的數據分析結果，還要能夠運用策略和各業務部門合作”，但是現狀是，大部分企業第一步都沒做好，又怎麼去做第二步。

如果説互聯網的數據分析“短平快”，那傳統企業的數據分析工作更需要一步一步來。

傳統行業的數據應用並不是十分先進：

• 一方面信息化程度並不是很高，底層基礎還不紮實，業務系統沒上全或沒用起來，數據倉庫還在建設中；
• 另一方面，傳統企業的業況很龐雜，大量的上下游，業務交叉，往往流程上還是混亂的狀態。而IT部門或者數據中心並不是核心部門，大多是服務性質，有些改革一旦涉及戰略，還會觸動上層的利益。

這都決定了企業數據分析是一個被動而長線的工作。

二、如何去推動數據分析工作並得到老闆重視？1. 注意關注企業的痛點，對於那些高品、剛需的痛點，首先要去滿足

從以往的實踐來看，為什麼有的領導會逐漸覺得數據重要，實際上很大原因是做了運算管理以後，領導能對比分析中下層的管理情況，能看到關心的結果，逐漸看到數據的價值。

那麼，如果要讓數據分析產生成噸的效果，併為領導認可記住。那我們就在一些癥結問題，棘手的問題上用數據分析去解決，優先滿足眼下，高品剛需的痛點。

日常，我們就把關鍵指標、關鍵績效通過儀表盤展示出來。領導往往更關注實在的指標，例如銷售額、核心客户數、虧損量，圍繞這些指標去做分析，去幫助做KPI管理，有時更能帶來實效。

2. 嘗試用數據分析的過程去優化管理決策

決策過程是為分析提供場景。決策可以分為這樣幾個層面：最高的層面是戰略決策，然後是戰術決策，還有經營決策。它們的頻度和影響是不一樣的，戰略層面上的影響非常大，一般企業每過5年、10年或者更大的一個週期，才會去做一個戰略上的變化，戰術的決策次之。

數據分析先要服務好經營層面的決策，服務好每個業務部門的核心目標。

操作上，在前期建立數據平台時，可以不斷定一些目標，定一些主題，做成果展示，經常讓業務人員以及領導分享，讓其參與評價和建議，不斷優化和改善，當相關人員都有參與感時，數據平台才會持久發展。

3. 學會告訴老闆數據分析帶給企業的效益

用一個有表現力的圖表或報告讓領導眼前一亮，也許背後開發的心血可能領導看不到，但是一個非常亮麗的報表尤其是在超越了領導期望的情況下才是IT的最高境界。數據分析要在領導下一個需求位置等而不是永遠跟在他的需求後面跑，力求創新。

4. 細節着手，潛移默化地培養領導和老闆的數據化意識

• 首先，讓數據快速地展現，創造方便，儘量少用郵件Excel以及紙質報表，可以用移動端把領導關心的指標展示出來，每天定時定點推送，培養這樣的習慣。
• 還有，有的企業尤其是大型國有集團，會常常使用數據大屏（雖然有點泡沫但對於外行來講是十分震撼的），一旦有政府領導或者合作方來參觀的時候，領導會覺得倍兒有面子。其次，樓上説的競品也是一回事，數據分析和大數據已經成為很多的共識，外界各行各業都有關於數據的大會，有特定的CIO圈，老闆圈，比如地產界的明源。其實老闆比任何人都重視效益和效率，可以説服他們經常參加這樣的會議，看行業領先者如何做的，看競品如何做的。
• 最後，彙報時強調這是數據分析帶來的結果balabala，現在很多彙報都可以用電子的形式，總監可以直接用數據發報的功能跟領導彙報。

FineReport做的可視化駕駛艙

三、傳統企業推動數據分析的案例

每個企業都不一樣，老闆不一樣、管理方式不一樣、信息化程度不一樣。因此推動企業的數據分析進程需要根據各個公司的情況進行具體分析。以下列舉幾個行業的例子，案例都是帆軟公司真實的客户，希望可以給大家一些啓發，案例的具體細節這裏就做隱匿處理了。

案例一：某醫藥行業——數據決策應用於業務管理

醫藥商業作為供應鏈的中間環節，在發揮物流配送功能的同時，承擔着資金週轉的重要職能，因此對於醫藥企業利潤最大化的關鍵因素是毛利水平的提升和費用成本結構的優化。公司運用全成本核算的方法，創新了CVP價值分析模型，精確測算客户、品種、供應商的淨利潤水平，並進行因素影響分析，通過挖掘利潤增長點，提供營銷決策參考。

那麼這個對於整個醫藥運營來講一個算輸入一個算輸出，圍繞着輸入輸出我們開展了幾個維度的分析，客户層面的和業態層面的，第二個是供應商層面的，第三個是品種層面，然後是業務人員層面。在這個模型中，有很多指標，很多關鍵項因素，我們要讓大家知道每個指標之間的關係是什麼，每一項指標的語意的定義是什麼並且統一。

於是，我們建立了上下一致的對數據理解的過程，除此之外利用這樣一個架構去完成幾個場景的決策。

• 第一個是業務結構的優化。通過平台上的數據去分析什麼樣的品種可做什麼樣的品種不可做，哪些品種帶來的利潤收益最大，哪些不掙錢。目的是指導大家做業務的結構調整。
• 第二個就是談判就是貿易。我們要去引進一個新的品種，這個品種能帶來多少收益？我們通過數據平台的這些參數的關係，在每一次談判之前由我們的財務部門做分析和策劃。
• 第三個是經濟化的預算。
• 第四個是對人員的考核，考核的指標來自之前提到的各個維度，比如説利潤。
• 第五個是項目決策。每一次做項目投入，都通過數據平台來做支持。

案例二：某製造業——數據分析提高生產線的效率，實現生產可視化

製造業比較注重生產效率的提升，而生產效率受企業管理、製造、流程、創新等多因素的影響。比如在生產效率核算方面，通過記錄考勤數據和生產線產量數據，導出各條生產線的實際消耗工時值，並通過實際與計劃消耗工時的比值，計算各生產線的效率值。該效率值可用於合理安排各工段不同階段的班次需求和人員配置方案。

案例三：某餐飲——數據分析幫助市場部門店選址

一家新餐廳的開設，前廳和後廚的面積應該是怎樣一個比例？二人桌、四人桌、八人桌以及包間該怎麼搭配擺設？

這些信息在過去都是憑藉經驗去決定，通過對以往餐廳數據的統計和分析，可以得到一個準確的數據參考，降低開設的風險。

以往公司的領導比較熱衷於大店的模式，但是到底適不適用，並沒有一個準確的結論。後來針對這些門店做了一個評測方面的數據分析，分析每平方米可獲得多少營收。最終發現小型門店所獲得的效益要比大型門店高。因此針對這種情況，公司在戰略上做出了相應的調整，降低部分大型門店的數量，增加小型門店。

案例四：某航空公司——數據分析與業務合作的操作思路

操作上，在前期建立數據平台時，可以不斷定一些目標，定一些主題，做成果展示，經常讓業務人員以及領導分享，讓其參與評價和建議，不斷優化和改善，當相關人員都有參與感時，數據平台才會持久發展。

• 確定數據平台技術架構與確定分析主題並行。
• 快速迭代，緩解業務部門手動分析壓力。
• 先出報表，積累業務經驗建立模型進行分析並不斷改進。
• 注意技術準與業務知識準備，以備滯後的大數據分析平台和業務建模。

作者：李啓方，專注數據分析和企業數據化管理；公眾號：數據分析不是個事兒；系統學習數據分析，代表作《十週入門數據分析》系列

本文由 @李啓方 原創發佈於人人都是產品經理。未經許可，禁止轉載

題圖來自Unsplash，基於CC0協議