做好公司各部門數據報表支撐的幾個簡單思維

越來越多的數據,越來越多的需求,越來越多的不滿意

現如今,大數據的概念已經相當普及,從管理層到基層,都知曉「數據輔助決策」的重要性。越發重視,也越多需求。導致數據部門常常會陷入一種「夾縫」的狀態:

  • 數據月累越多,需求越來越多,部門內部疲於應付
  • 提供了數據,但仍然無法各方需求,內部怨言層出

如何做好面向全公司的數據支撐,哪怕只是簡單的報表提供,其實也是一件複雜且考驗思維邏輯的事。

作為曾經一度深受其害的分析人,本著吐槽加總結加吹牛的原則,匯總下我在梳理並重新規劃公司數據支撐體系時的一些思路。紀念下曾經看指標看瞎的某年5月。

管理思維:數據支撐體系不僅僅是指標體系,應該是更開闊的管理邏輯

你以為你只是在整理數據嗎?NO,NO,NO,數據的提供和展現都是圍繞經營的,你展現的應該是整個公司的經營結果和經營方法。

一旦想清楚這個問題,你就知道你的數據體系必須要和公司目前的經營狀況和當前工作方向緊密聯繫,所以你的數據方向也就呼之欲出了:

數據方向一:公司目前的基本情況是怎樣?——營收、利潤、活躍用戶規模、行業份額,……。

數據方向二:公司目前發展競爭形勢是怎樣的?—— 新增份額、凈增份額,用戶保有率、……。

數據方向三:應該目前形勢,公司需要抓住的用戶群來源在哪裡?——各渠道新增用戶價值轉換率、各渠道用戶價值分層、各渠道投入產出比、會員滲透率、存量用戶重複購買率、……。

數據方向四:應該目前形勢,公司退出的主要產品是哪些?—— 主要產品銷售達成率、主要產品渠道滲透率、主要產品重複購買率、……。

數據方向五:應該目前形勢,公司採取了哪些管理方法和管理工具?—— KPI體系、渠道經理管理指標體系、客戶經理管理指標體系、各渠道酬金體系、OA系統、EPR系統、……。

…………

在梳理過程中,你會發現你需提供的已經遠不只是經營結果那麼簡單,已經包括各種管理和執行數據。

簡化思維:數據不是越全越好,主次突出,重點聚焦是王道

確定好數據的大方向後,接下來便是細化分析每個數據方向的具體指標體系,以及確定往下衍生的程度。

這個時候,最容易犯的錯誤便是開始把所有用到的、想到的全部羅列並設計進去。

其實事實上,一味強調廣而全,不僅會讓執行者無法聚焦工作重點,而且會讓數據部門自身工作量大增,吃力不討好。

所以,在明確數據需求的大方向基礎上制定詳細的數據體系時,一定要時刻提醒自己,重點是什麼?

一是不同的指標,要有重點。

比如,在用戶發展指標體系中,如果行業份額較小,以拓展為主,那除了新增份額、凈增份額常見指標外,新增搶奪指標方面需往下衍生新增用戶存活率、瀏覽用戶轉換率、新增用戶價值分層等細化體系,保有指標設計則相對簡單。

而如果行業份額已經較大,以保有為主,那新增相關指標則相對可以簡單,而保有指標除用戶保有率、會員活躍率等常見指標外,還需往下衍生合約捆綁率,會員忠誠度、積分計劃活躍度等指標。

二是相同的指標,要有側重。

同樣以用戶保有指標為例,用戶保有率和用戶流失率其實是同樣作用的指標,一方面是選擇其一即可。另一方面是,選擇哪個,其實放到實際使用中,會有微妙的差別。

如果採用用戶保有率指標,往下衍生是業務層面的合約捆綁率、用戶活躍率、會員滲透率等積極導向指標,注重營銷執行。如果現在用戶流失率,往下衍生是用戶觸店但無消費率、用戶沉默率、用戶直流流失率、流失用戶畫像特徵等,導向為預警關懷。

三是指標往下衍生的程度,不需要過於複雜。

一般而言,過程三級,執行三級,就已經足夠定位問題及全面展現情況。

邏輯思維:不僅僅是分類,更是呈現數據內部的關聯

一、數據選擇邏輯:

為什麼提供給部門一項數據之後,部門往往會馬上提出另一個數據需求?其實這就是數據部門正在試圖尋找某個數據背後的原因及可能。

在設計報表支撐體系過程中,不僅僅只是分類,而應該考慮到指標間的聯繫,在設計過程中就想到數據使用者看到這個數據會想要其他哪些數據來探究原因?

我常用的是「結果指標——過程指標——執行指標」三層邏輯結構。結果指標由過程指標決定,而過程指標由結果指標決定。

這種邏輯不僅在經營數據上適用,在管理指標上同樣適用,比如KPI體系是結果,渠道任務目標管理系統是過程,渠道經理/客戶經理監督體系是執行。

二、數據呈現邏輯:

確定好指標內容和指標邏輯後,就是數據呈現了。這個方面,我覺得「jiago 王佳東fr」在他的專欄「撩撩數據吧」總結的已經比較詳細了,其實總結就是利用「分析報表—管理報表——基礎查詢報表」三種層級展示,實現從宏觀到微觀,從上而下定位問題的呈現邏輯。

對於我而言,我常設計的方式是在「分析報表—管理報表」維度上,以主題為維度設計全報表。這樣可以直接從分析報表找到該主題發展短板,從管理報表上找到導致該短板的主要原因,最後才去看清單報表。

總結完畢,以上!


推薦閱讀:

Python進行電影數據分析及可視化
揭秘BDP的五大隱藏但超實用的功能,99%的人都會用到!
mysql查詢初級 50道練習題(語句親測無錯)
數據分析、數據挖掘和機器學習共享

TAG:報表分析 | 數據分析 |