点击右上方红色按钮，关注“IT骆驼”，每天学习一点企业信息化常识。
作者：毕承志
日期：2020年2月25日
* * *
2012年，一个朋友邀请我给他的企业做信息化建设指导，参加了企业的月会。会上，五大职能部门负责人和11家直营店店长分别汇报了上月情况和当月工作目标及计划。我们通过ppt展示了上个月的详细业务数据，在分析了。会议的问题后，他一直向我抱怨，透露了他对。.的怀疑和困难
对于每一类管理人员和普通员工，需要明确在系统中详细的数据读取项
以上表格是确定不同角色人员，在系统操作中对数据分析的读写权限。
* 作为普通员工 ，可对自己所经手工作的数据进行自动化统计分析，如：每月服务客户总次数；美业销售业绩总额，个人业绩提成总金额，……等等；
* 作为初级管理 ，除了包含个人相关数据的统计分析之外，还可对自己所负责的小组（Team）或团队的情况进行综合统计；
* 中级管理 。一般是部门经理或负责区域性机构的管理人员，需要对自己所负责部门或区域相关事务数据的查询、统计和分析权限。
* 高级管理 。高级管理团队，包括企业家在内，对公司全局性经营数据除了具有统计分析和实时查询的权限之外，还应该具有对历史相关数据的同比和环比读取权限，以便更加直观的对数据进行比较分析，找出最佳发展机会。
# 第三步 明确方法
* * *
系统建设时，还需要明确系统实现时不同数据的分析方法，数据分析方法是虽然是通用的数学方法，但不同的场景，不同的数据对象，需要用不同的方法来分析和展现。
1、公式法
比较适用于对产品销售、市场策划以及公司成本核算等数据分析。公式最大的特点是数据处理具有明确的计算公式，如：利润=收入-支出；产品销售额=销售量 *
单价等，通过公式法可以对公司经营活动进行分析，如某产品销售情况不乐观，可通过几组公式进行分析：
> 产品销售额 = 销售量 * 销售单价
> 销售量 = 渠道销售量 + 零售量
> 渠道销售量 = 渠道用户量 * 下单率
> 渠道用户量 = 线下用户量 + 线上用户量
> 线上用户量 = 曝光量 * 点击率
（1）找到产品销售额的影响因素，是销售量过低还是价格设置不合理？
（2）找到销售量的影响因素。分析各渠道销售量，对比以往，是哪些过低了还是零售量的影？
（3）分析渠道销售量的影响因素，是渠道用户量偏低？还是价格太高导致下单率低？
（4）如果是渠道用户量低，要分析是线下用户量低，还是线上用户量低？
（5）如果是线上用户量低，再分析是曝光率过低？还是点击率过低？
如此一层一层的根据数据分析，找到问题的本质。
2、漏斗法
适用于客户分析或成交行为分析。漏斗法形象的说就是数据展现出来像个漏斗，或倒三角形。常用的由用户漏斗和营销漏斗
典型的用户漏斗
整体漏斗模型的核心思想其实可以归为分解和量化。比如分析电商的转化，我们要做的就是监控每个层级上的用户转化，寻找每个层级的可优化点。对于没有按照流程操作的用户，专门绘制他们的转化模型，缩短路径提升用户体验。
还有经典的黑客增长模型，AARRR模型，指Acquisition、Activation、Retention、Revenue、Referral，即用户获取、用户激活、用户留存、用户收益以及用户传播。这是产品运营中比较常见的一个模型，结合产品本身的特点以及产品的生命周期位置，来关注不同的数据指标，最终制定不同的运营策略。
不过，需要注意的是： 单一的漏斗分析是没有用的，不能得出什么结果，要与其它相结合，如与历史数据的对比等 （如下面介绍的对比法） 。
3、二八法则
二八法也可以叫帕累托法则，源于经典的二八法则。比如在个人财富上可以说世界上20%的人掌握着80%的财富。而在数据分析中，则可以理解为20%的数据产生了80%的效果需要围绕这20%的数据进行挖掘。往往在使用二八法则的时候和排名有关系，排在前20%的才算是有效数据。二八法是抓重点分析，适用于任何行业。找到重点，发现其特征，然后可以思考如何让其余的80%向这20%转化，提高效果。
二八法则经常用在产品分类上，去测量并构建ABC模型。比如某零售企业有500个SKU以及这些SKU对应的销售额，那么哪些SKU是重要的呢，这就是在业务运营中分清主次的问题。
4、象限法
象限法主要用户产品在线营销分析等需要通过两个维度及其综合的分析方法。典型的SWOT分析方法就是象限法的典型代表。
SWOT分析方法，是企业在经营活动中经常使用的分析方法
比如做产品在线销售分析，最重要的两个指标就是点击率（CTR）和转化率（CVR），第一象限表示点击率和转化都比较高，说明消费者对产品购买意愿强，因此要努力做到产品分布在第一象限；第二象限表示点击率低，但转化率高，说明产品品牌不错，在访问人数不多的情况下，也能创造不错的销售额；第三象限则和第一象限完全相反，点击率和转化率都很低，说明产品品牌知名度不够或者投放人群不精准，同时消费者对产品满意度不高，所以转化率低；第四象限则说明点击率高，产品营销效果不错，但转化率低，消费者对产品满意度不高。
5、对比法
对比法是数据分析中最常用的方法，但也是最实用的方法，俗话说不怕不识货，就怕货比货，在不能确定数据代表准确含义的情况下，通过数据横向（同一时间段，不同统计对象）对比和纵向（统一对象，不同统计时间段）对比，找到公司经营的最佳途径。
对比法往往采用柱状图或曲线图的方式
# 第四步 明确时间
* * *
数据分析由于涉及到很多历史数据，尤其对数据跨年度统计时，对数据访问量和处理过程比较复杂，此时对服务器处理压力会瞬间增加。在系统设计时，需要明确数据分析的时间。比如：在企业经营和管理层面，需要做企业战略决策的数据分析，频次比较低，但需要对比的数据量和数据维度比较多；而员工个人工作的数据分析则处理数据量较小，且可能员工会每天、每周都去查看，因此，由此数据分析适合做离线或独立处理，而部分数据分析则只需要在线处理即可。
在信息化需求分析师，通过明确数据对象，采用明确的计算方法后，对数据分析时间确定下来，就可以在设计时确定数据访问方式、存储方式等。以下是一些经验数据分析时间点，仅供参考：
数据访问时间和访问频次决定了系统设计时采用的实现方法
* 员工个人进行的数据分析
实时、在线、只读，提供跨时间段、跨业务的条件选择或自定义条件统计分析，通常采用表格和对比法的方式计算。
* 中层以下管理人员进行的数据分析
实时、在线、只读，提供跨时间段、跨业务的条件选择或自定义条件统计分析，根据分析数据对象，漏斗法、公式法、对比法等计算方法都可能会用到。
* 高级管理人员进行的数据分析
频次低、离线、只读，提前定义好需要的数据并在日常业务中进行数据叠加整理，常用的物种数据计算方法都可能会被用到。如果企业高管临时聚焦低维度数据，则可通过中层权限做实时查询。
# 第五步 明确效果
* * *
数据展示是数据分析时的临门一脚。
良好的数据分析结果展示，有助于用户对数据更加深刻的认知或洞悉数据变化背后隐藏的市场机会与风险。
一个良好的数据分析展示交互界面需要具备以下几个特点：
简洁大方的数据分析柱状图
* 重点数据突出。 数据分析时展示的数据会比较多，此时需要围绕核心数据，通过字体、颜色、大小等方式，将主要的数据在界面的重点位置突出出来，以便用户能第一时间就感知到。
* 数据维度全面。 针对不同的据对象，在分析时尽量做到围绕对象的主要属性和扩展属性统计，同时做好同比分析和环比分析。
* 数据完整度高。 数据完整度和系统应用情况息息相关，系统在使用过程中，每个环节都如实使用系统，并及时录入数据，则数据统计的完整度、可靠性就高，反之就低。
* 良好的交互引导。 良好的交互引导是系统开发中比较难的问题。很多系统功能开发完毕，系统使用也正常，但用户使用起来别扭，很多操作不符合人性。数据统计尤其需要对分析数据做好交互引导，在需求分析师就和对应的用户做好交互效果预期展示，从原型、初稿设计到高精度出图，每个环节都需要用户参与体验和讨论，最后才能得到符合用户操作系统和业务需求的分析结果展示。
关于如何根据数据分析，逆向工程的方法指导企业信息化建设，请参考文章后的查看更多链接。
#数据分析#
#企业管理#
#企业战略#
