|
访销工作分析
问题定位
股份公司旗下各分公司的访销人员实行松散式管理，访销工作的执行与监督依托访销系统完成，但仅仅只是实现了数据的采集，缺乏对访销信息的综合分析与应用，造成客户拜访工作没有有效且合理的指标考核，所收集的数据未能产生应有的数据价值。
通过梳理各分公司的销售管理链条，我发现分公司领导关注的是如何通过“数据分析模型+制度”促进销售部门与销售人员不断提升市场掌控水平，提高客户拜访覆盖率、拜访交易率、市场占有率等指标水平，实现所辖区域市场的清晰画像，针对市场变化做出及时准确的反应，为高质量达成股份公司下达的经营指标提供系统支撑。通过梳理各分公司的销售管理链条，我发现分公司领导关注的是如何通过“数据分析模型+制度”促进销售部门与销售人员不断提升市场掌控水平，提高客户拜访覆盖率、拜访交易率、市场占有率等指标水平，实现所辖区域市场的清晰画像，针对市场变化做出及时准确的反应，为高质量达成股份公司下达的经营指标提供系统支撑。
如何帮助分公司领导实现管理目标——通过“数据分析模型+制度”促进销售部门与销售人员不断提升市场掌控水平？结合数据运营官的方法论，我展开了探索。
需求分析
首先利用鱼骨图对于影响访销工作的因素进行了剖析。（通过对关键因素分解（罗列）、战略目标对应（衡量）以及比重+细化（筛选+权重与否+确认）三步，利用图示的方法详细的确认、发现问题的所有可能原因。）
再使用管理需求文档对所领导及各个相关业务部门展开了需求调研，并总结形成了蓝图设计文档，提炼了最终用户需求，明确了业务目标：通过“数据分析模型+制度”提升部门与人员的市场掌控水平。
指标梳理
指标项梳理
将领导关心的客户拜访覆盖情况、社会库存情况、竞品渗透情况等数据信息进行呈现，将压力下放至各级销售部门以及各级销售人员，形成相关指标项。
异常预警业务规则
根据社会库存单品、数量、效期预警
根据竞品渗透客户数、单品、效期预警
可视化为数据赋能
拜访覆盖率报表
拜访覆盖率报表提供按部门统计与按员工统计两种维度的统计报表，管理者通过两个维度总览客户拜访覆盖情况，如果发现数据有异常，可以下钻与切换，查看对应数据，责任到人，发现问题并处理问题。
数据钻取：
部门统计界面可以点击部门名称钻取查看下级部门的情况，点击客户数量钻取查看客户详情数据
员工统计界面可以点击对应客户数量钻取查看客户详情数据
指标说明：
拜访覆盖率=拜访客户数/客户总数*100%
举例说明：在部门统计中发现某一个公司的数据低于总体平均水平，钻取查看具体问题出现在下属哪个部门，具体还有哪些客户属于失访状态。发现问题跟踪责任人处理。
社会库存统计报表
社会库存报表提供按部门、客户、效期三个维度的统计报表，管理者通过报表总览辖区内社会库存存量情况，如果发现数据有异常，可以下钻与切换，查看对应数据，发现问题并处理问题。
数据钻取：
部门统计界面可以点击部门名称钻取查看下级部门的情况，点击社会库存数量钻取查看存量库存的单品、数量等详情数据
客户统计主要反映重点客户的库存情况，可以点击对应商品名称钻取查看历次上报记录。
效期统计可以点击对应效期区间内商品库存数量钻取查看此区间商品库存的客户分布，精准定位，及时处理效期问题，降低经营风险，提供优质服务。
竞品库存统计报表
竞品库存报表提供按部门、客户、效期三个维度的统计报表，管理者通过报表总览辖区内竞品渗透客户、品牌、单品、存量情况，如果发现数据有异常，可以下钻与切换，查看对应数据，发现问题并处理问题。
数据钻取：
部门统计界面可以点击部门名称钻取查看下级部门竞品渗透情况，点击竞品库存数量钻取查看存量库存的品牌、单品、数量等详情数据
客户统计反应以客户为单位的被渗透程度，可以点击对应竞品名称钻取查看历次上报记录以及详情。
效期统计可以点击对应效期区间内竞品库存数量钻取查看此区间竞品库存的客户分布，精准定位，对客户进行重点跟踪，抢占市场份额。
用户认可，价值凸显
“这个报表很好，让我能够全面的了解市场各项情况，知己知彼，为目前市场的敌我分析提供了简单直接的分析依据”——这是来自分公司领导的评价。
“我知道我部门人员每天每周每月的客户拜访情况，也知道我部门服务的客户库存与竞品情况，为建立考核指标提供了全面、合理、准确的依据。也让我能够针对薄弱环节有的放矢，提升管理能力“——这是来自业务部门负责人的声音。
”拜访客户有了准确实时的统计，让我对拜访工作从以前的无序随机到现在每周计划，我有了自己的目标并为之而努力奋斗。“——这是来自基层访销员的反馈。
在访销工作BI报表平台投入运行前，销售部门没有成型的或者综合的市场分析类报表，现在纯手工模式也转变为只要打开数据平台即时查看。这大大减少了工作量，同时也提高了数据的准确性。
通过统计报表平台上线以来用户的访问数据，可以发现分公司各级人员都会打开报表，看看公司、部门、个人的访销情况。
下一步计划
目前只是从CRM系统内取得相关数据，只能反应比较浅层的情况，对于数据驱动决策，方向与趋势的预判还不能给出比较好的建议方案，下一步将整合访销行为、社会库存、销售订单、竞品数据、费用投入等营销关键信息，进行数据挖掘，实现拜访促成率、费效比、客户分级等等更多销售分析指标。
经验总结，心得分享
2021年11月，有幸学习数据运营官的课程，通过学习数据运营官的方法论，我明白为什么之前苦思冥想做的报表没人使用，使用者的报表需求到底是什么，了解好的数据分析应该具有哪些特征。同时也对一个报表数据平台的搭建有了一个较为清晰的了解，从基础知识的学习到业务流程的建立、需求文档的整理、项目规划、蓝图设计、系统建设、统计分析工具的应用，指标库梳理，我建立起了完整的知识体系，为以后的数据管理工作打好基础，做好铺垫。
| 
