数据化管理(1)

如何快速识别真假数值

尾数法：只看最后一位数字，尾数相互加减乘除后的结果必须满足对应的算术规律。 首位法：只看每个数值的第一位数字，相乘或相加，结果需要满足或近似满足四则运算规律。 数位法：通过数每个数值的位数来判断计算结果是否正确。 极值法：在求和运算中，最大值左右了运算结果，所以通过对比最大值和运算结果大致就能做出判断。

如何提高自己数据化思维的意识？

三个方面：对数据的敏感度、数据化思维意识以及习惯用数据说话，可以从主动和被动两方面来提高。

主动提高

1. 数独游戏 24点：随机抽取4个整数（一般1~9之间的数字，可以重复），运用加减乘除等运算法则，最后得到结果必须是24.
2. 多看财经类的新闻报道 花时间思考数据，通过搜索、查证、逻辑判断等来证明这些数据是否正确。
3. 学会质疑 不迷信不盲从专家的数据，养成独立思维的习惯。
4. 记大数、关键数、异常数等 在业务中多记一些有用的数据

被动提高

1. 培训（学习数据知识）
2. 做表（锻炼数据流程）
3. 诱惑（感觉数据思维）
4. 换岗（数据思维是不断训练提高的过程，然后放到业务环境中区思考问题。）

第一章：什么是数据化管理

错误的数据有误导作用 数据有规律

数据化排班表

自动分析排班是否符合销售规律 自动分析排班的公平性 作为数据分析员，不但需要分析数据，还需要为团队提供简单化、模板化的工具帮助他们进行管理。 一个企业仅有数据分析是不够的，还需要搭建数据化管理体系，让它能“管理”到业务的每个角落。

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。

数据化管理的作用

• 列表项起监控作用，可以通过数据及对应的分析指标监控到业务的各个层面。
• 提前预测销售、客流、访问量、盈亏等数据，业务层面可提前做出反应，从而制定对应的策略。
• 为新产品、新策略、新政策的制定提供数据支持。
• 企业管理的核心

数据化管理的意义

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 相同指标，不同部门提供的数据可能不一致，浪费资源，不利于标准化管理。

• 提供正确且有效的数据
• 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，提出论证逻辑
• 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

数据化管理的层次

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。

营运分析管理

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

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。

战略规划管理

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。

数据化管理流程图

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

分析需求

收集需求

和使用对象进行访谈、市场调查、走访专家等。

分析需求

推荐利用思维导图整理收集的信息，参考5W2H分析法、人货场等概念。 who\where\what\when\why\how\how much 行业专家、业务单位的资深人士、管理者等

明确需求

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。 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问自己，数据来源是否可靠？收集数据的方法是否有瑕疵？收集的数据是否有缺失？

整理数据

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； 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。

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。 没有业务逻辑的数据分析是不会产生任何使用价值的。 熟悉业务、有业务背景非常重要。 分析方法简单有效、实用为最高准则。

数据可视化

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。 用最简单的方式传递最准确的信息，让图表自己说话，这就是数据可视化的作用。

数据可视化过程中的注意事项

1. 数据图表主要作用是传递信息，不要炫技。
2. 不要试图在一张图中表达所有的信息，不要让图表太沉重。
3. 数据可视化是以业务逻辑为主线，不要随意堆砌图表。
4. 不要试图用图表区骗人。

应用模板开发

对于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，可以开发一种固定的模板格式，标准化、程序化，节约时间。

分析报告

要有明确的论点、严谨的论证过程、令人信服的论据。 写分析报告前，一定要弄清楚你是给谁做分析报告，对象不同，关注点不同。

分析报告的注意事项

1. 不要试图面面俱到，一定要有重点，可以聚焦在关键业务以及受众的关注重点上。
2. 不要长篇大论，有关键点。
3. 有趋势、扩大对比范围。
4. 内容有逻辑性，业务间的逻辑串联，遵照发现问题、解读问题、解决问题。
5. 有可读性，尽量图表化。
6. 不要回避“不良结论”，正确对待数据的真实性。
7. 注明数据来源、数据单位、特殊指标的计算方法等，尽量少用或不用专业性强的术语。

应用

数据管理的目的是为了应用，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。 数据化管理有别于常规的数据分析步骤，强调应用，强调模板化。