(完整版)做好公司各部门数据报表支撑的几个简单思维.doc

做好公司各部门数据报表支撑的几个简单思维 越来越多的数据，越来越多的需求，越来越多的不满意 如今，大数据和 数据分析 的概念相当普及 ，从基层到管理层 ，从 IT 到业务 ，都深知 “数据化管理 ”、 “数据决策 ”的重要性。 越多重视，压 力也就越多，导致信息中心和数据部门往往处于进退两难的状态 ： 数据变多，需求变多 ，工作价值得不到体现，内部疲于应付 。 提供了数据， 但需求多样变更极快，无法满足各方需求 ，内部怨言层出 。 如何做好面向全公司的数据支撑，哪怕只是简单的报表提供，其实也是一件复杂且 考验思维逻辑 的事。 作为曾经一度经历过的表哥，本着吐槽加总结加吹牛的原则， 汇总下我在梳理并重新规划公司数据支撑体系时的一些思路， 纪念下曾经 看指标看瞎的某年 5 月。 管理思维：数据支撑体系不仅仅是 指标体系 ，还有更开阔的 管理逻辑 数据报表 的工作只是在整理数据吗？当然不是， 数据的整合和展现最终都是为了经营决策的 ，报表体系的背后逻辑应反映整个公司的经 营结果和经营方法 。 做报表的，虽然事务工作多，但还是要抬起头来， 系统思考一下 ，报表的路该怎么走 ？ 阿里提出了 “小前台，大中台 ”的概念，实际道理 是相通的。报表中台对于 报表人员的综合素质要求很高 ，既要有宽广的业务视野 ，也要有深厚的数据沉淀 ，辅以沟通协调能力 ，造诣甚 至远超一般的业务人员 。 一旦想清楚这个问题，你就知道你的数据体系必须要和 公司目前的经营状况 和当前工作方向紧密联系 ，所以你的数据工作的方向也就呼 之欲出了 ： 方向一：公司目前是什么样的基本状态？ —— 销售额、利润、行业份额，用户规模 方向二：公司目前的市场竞争形势是怎样的？ —— 新增份额、净增份额，净收益 方向三：就目前形势，公司需要抓住的用户群来源在哪里？ —— 各渠道新增用户价值转换率、各渠道用户价值分层、各渠道投入产出 比、会员渗透率、存量用户重复购买率 方向四：就目前形势，公司推出的核心产品有哪些？ —— 核心产品销售达成率、核心要产品渠道渗透率、核心产品重复购买率 方向五：就目前形势，公司采用什么样的管理方法和工具？ —— OKR 目标、 KPI 体系、销售经理管理指标体系、客户经理管理指标体 系、 CRM 系统、 OA 系统、 EPR系统 在梳理过程中，会发现对应到任何一个整体业务的分析，需要提供的已经远不只是业务结果那么简单， 还包括各种管理和执行数据 。 简化思维： 数据不是越全越好 ，主次突出，重点聚焦是王道 确定好数据的大方向后，接下来便是细化分析每个数据方向的具体指标体系， 以及确定细分的程度 。 这个时候，最容易犯的错误便是开始把所有用到的、想到的全部罗列并设计进去，建立一个所谓大而全的内容。 我始终认为，真正的报 表是为企业开发的，业务人员只是报表的需求提出者 ，因此， 还需要去理解报表提出的背景，哪些是这张报表的用户 ，你需要尊重提出 报表需求的人员，但对于报表开发要有自己的想法和主导权。一味强调广而全， 不仅会让执行者无法聚焦工作重点 ，而且会让数据部门 自身工作量大增，吃力不讨好。 所以，在明确数据需求的大方向基础上制定详细的数据体系时， 一定要时刻提醒自己，重点是什么？ 一、不同的指标要有重点 比如在产品运营指标体系中，如果已开始投放（电商）， 需要积累数据 ，重点关注流量指标 ，例如 UV、PV、渠道来源、用户线索、浏览 量、产品浏览量排行、页面跳失率、顾客评价指数、转化率等等。 而如果运营了一段时间，市场已经成熟，首要的任务是通过数据分析提高销售额。此阶段需要重点监测追踪流量和销售指标，例如访客 数、浏览量、转化率，以及新增会员数、会员的流失率、客单价、 ROI、动销率、 库存天数 、销售额 等。 若行业份额较小，以拓展为主，那除了新增份额、净增份额常见指标外，新增抢夺指标方面需往下衍生新增用户存活率、浏览用户转换率、新增用户价值分层等细化体系，保有指标设计则相对简单。 而如果行业份额已经较大，以保有为主，那新增相关指标则相对可以简单，而保有指标除用户保有率、会员活跃率等常见指标外，还需往下衍生合约捆绑率，会员忠诚度、积分计划活跃度等指标。 二、相同的指标要有侧重 同样以用户保有指标为例，用户保有率和用户流失率其实是同样作用的指标，一方面是选择其一即可。另一方面是，选择哪个，其实放到实际使用中，会有微妙的差别。 如果采用用户保有率指标，往下衍生是业务层面的合约捆绑率、用户活跃率、会员渗透率等积极导向指标，注重营销执行。如果现在用户流失率，往下衍生是用户触店但无消费率、用户沉默率、用户直流流失率、流失用户画像特征等，导向为预警关怀。 三、指标的细分，不需要过于庞杂 一般而言，过程三级，执行三级，就已经足够定位