|
*本文转载自微信公众号-数据化管理
企业的部门间数据打架是一个常态问题，有因为数据统计口径不一致的，有指标定义不一样的、还有计算方法乱七八糟的......总之一句话，有问题，有大大的问题，这个问题不解决犹如盖一座摩天大楼却发现没有打好地基。
怎么办？本文用用5个方面来讲如何让数据在企业产生更好的价值。
/ 01 同一个数据、同一个标准 /
很多企业的ERP、E-POS系统、财务系统等都是在某个阶段，基于某些业务需求逐步地建立起来的，而且不同系统的设计公司也不一样，所以目前很多传统企业存在数据标准不统一、统计口径不统一的情况。
例如客户编码，可能在财务系统是5位数，而在销售管理系统中是8位数；某个产品在商品系统中所属的大类是T恤，在E-POS系统中是棉T恤……各种数据字段的标准不统一，统计口径不一样，会给后续的数据分析带来很多困扰，影响数据的共享使用。
数据缺乏标准造成的问题还非常多，这些可能都会影响企业的运转效率（例如不同部门间会经常为了某指标的计算而吵架……），所以企业要重视数据标准的建立，以规范数据。
当然建立了数据标准后，也不代表这个标准是一成不变的。数据标准是可以随着企业的业务变化而不断进行修订的，比如企业要调整产品的品类类目，品类可能会有新增也有减少，那么我们的数据标准也要持续地更新，跟上业务发展的节奏。
提示：企业应该有一本数据使用规范的手册供员工使用，这就是数据的企业大纲，它应该和其它企业规章制度一样重要，甚至更重要。
企业还应该建立一个数据规范小组，各部门老大都应该位列其中，下设一个专职助理即可。定位和工作内容如下图：
/ 02 狠抓数据入口，提高数据质量 /
什么是数据入口？还记得7-11便利店的收银键盘吧～再上图一次，加深大家的印象：
便利店的店员，她们每天把每一单的收银、客户年龄等信息数据录入到公司的系统中，试想如果你明明是一个28岁的【青男】，而店员却把你录入成【壮男36-55】，这就产生了假数据，会影响数据分析的结论，甚至影响企业的决策！
但是因为一线员工活跃于业务的最前端，所以对于很多企业来说：一线员工是企业非常重要的数据入口。所以企业建立好数据标准后，在落地的环节，建立起监督、检查、奖惩等制度，一定要狠抓数据入口，提升数据的质量。
除了一线员工的数据入口外，现在常用的还有一些设备类的数据入口，如视频识别、WIFI客流统计、车流量统计系统……对于这些数据入口，我们重点是提升它的效率，包括识别和记录的速度与准确度等。
尽量收集更多的数据，提升数据收集的广度，有些数据可能目前没看出来有什么价值，有可能在企业不断发展过程才慢慢显现它的价值，养数据要做规划就是这样的原因了。
提示：数据的入口不光是要规范入口，还必须要有监督检查机制，否则数据规则形同虚设。
/ 03 优化数据工具 /
从养数据到使用数据，从传统BI（过去）到工具化BI（目前），在布局未来的业务化BI。企业养数据，目的当然是为了使用数据，要使用企业数据就必须通过数据工具来处理（有了米，还要有锅……）。现在数据处理、分析的工具非常丰富，有Excel，Power BI，SPSS、Python、R、Tableau，或者是找软件公司定制的BI系统……无论你是用什么工具，我们都要不断地优化，提升分析效率以及业务化程度。
以前最传统的BI系统，讲究报表一体化，每个部门每天每周看什么表格都规范的井井有条。决了报告标准化的问题但是不够灵活。而现在这个阶段，工具化的BI让更多的企业受益，而且还出现了一些自助化的BI工具（POWER BI等，连Excel 2016也逐步地BI化），企业要结合自身情况，选择合适的数据工具，提高员工使用数据工具的效率。目前市面的BI工具基本上都能实现秒级响应和高度自定义化，还是不错的
目前很多软件厂商生产的BI系统，业务化程度还是比较薄弱的，但业务化的BI恰恰又是对公司最有价值的，因为它能更高效率地分析业务，辅助决策！这个矛盾目前还是越来越突出，因为很多人懂业务但不懂技术，很多懂技术的但又不熟悉业务……就是那么尴尬的现状！但企业应该要先认识到这个问题，可以先提前布局。
提示：有能力的企业可以自己打造有业务化的BI系统，不一定要多大，适用就行。
/ 04、建立支业务化的数据化管理团队 /
养了数据，有了工具，最终还是要靠人去落地执行！很多企业目前的管理方式，由逐渐由粗放式管理转向精细化管理，但精细化管理并不是说说而已～除了有数据支持的基础之外，企业还要提升员工的数据分析能力，因为精细化管理是可以渗透到每一个部门，每一项业务，每一个员工中去。
例如你是HR，通过在职员工的绩效数据，怎么去判断他们的工作能力表现？通过员工的异动（调薪＼调岗等）轨迹，能否发现一些员工离职的规律？……
你是做店铺管理的，通过销售数据，能否发现不同商圈的店铺，销售的商品分别有什么特点？能否发现哪些店铺存在月初放松或月末踩刹车的嫌疑？
或者你是做业务销售岗位的，你管理的客户当中，他们目前的商品库存＼销售情况分别是怎么样？哪些客户，在哪些时间，有可能让他再多拿些货？………
哪些供应商该加大合作比例？哪些供应商该砍掉？如果问采购员的话，他的回答更多是基于人情世故的官话。所以需要数据自己会说话。
持续进行数据分析，从数据中发现事实，分析出结论，再应用到实际业务中去，这是企业推行精细化管理很重要的部分。企业如果要让数据发挥更大的价值，对于企业的数据，我们不仅要分析，更要应用！所以并不仅仅是设置一个数据分析部门＼数据分析师就算了，更要提高各部门业务团队的数据思维，推动他们把数据思维和业务思维结合起来，最终打造成一个业务化的数据化管理团队。
提示：关于数据部门建议，方向1是将数据部门独立出来，好处是规范且更高效，适合策略化。缺点是不够业务化；方向2是每个部门独立配数据分析师，好处是数据更适合推动营运，缺点是部门间数据不系统，这种方法适合业务为重的企业。
/ 05、建设数据生态系统，适度开放 /
企业并不是孤立存在的，它会有供应商＼客户等关联的上下游企业，适度开放本企业的数据，可以让合作的企业对你了解更多，可以提升双方合作的紧密度。
很多企业特别是传统企业把自己的数据看的比贞操还宝贵，捂在手中从不给其它企业看，甚至是合作伙伴。俗话说孤立只能走向死亡，开放才有未来。每个企业都不是独立于世界的个体，它通过贸易、股权、战略合作等方式和其它企业发生关系，每个企业除了构筑贸易的生态系统外，还应该打造数据生态系统，并且适度开放自己的数据。有些数据可以互相交换，资源共享。
例如一个服装企业可以把自己的销售数据共享给加盟商，以提升加盟商的营运效率。同样零售商可以向经销商开放部分数据。不方便提供绝对值就提供相对值或指数化。这方面阿里的生意参谋是个很好的榜样。
提示：可能现在你的企业数据还是封闭的，但是可以开始规划，慢慢开放。
一个企业如果能做到上面五个方面，必定在目前的商业环境中领先一步，数据驱动不是有数据就会驱动，不谋数据何以谋天下？
最后再提醒一下：整个过程中务必注意提升所有员工的数据意识，这是企业数据化管理的基石。
| 
好文，有干货