一個案例告訴你，商業數據分析有什麼用？

06-04

一個案例告訴你，商業數據分析有什麼用？

在說商業數據分析之前，首先要知道我們為什麼要做數據分析？

任何一件事在做之前都是有目的性的，數據分析也是如此，在進行數據分析之前首先要明確數據分析為什麼要做？下面通過用戶、需求、場景三要素拆解法來明確數據分析的目的。

1、用戶

這裡提到的用戶是指數據分析內容或者結果給誰看？這裡的目標用戶主要分三類：你自己、企業內部業務部門、外部客戶。這裡主要對後兩種進行解析。

企業內部業務部門：

這類用戶通常會通過制定不同策略提升企業某些指標的提升，可以是市場部門、運營部門或者是維繫部門。他們往往指導企業內部積累了大量數據，但是不知道如何使用，如何通過數據分析形成有效的決策。

外部客戶：

這類用戶通常不具有某一領域或多個領域的行業數據，希望通過這些數據了解他的用戶或市場，而恰巧你的企業具備這樣的數據，這種情況下通過數據價值變現，形成對外的數據分析輸出，對外部用戶來說可以更好的了解市場，對於你來說也可以通過數據形成價值變現，為企業帶來收益。

2、需求

你的用戶即數據分析問題提出者為什麼要做數據分析，他們是希望通過數據分析發現問題還是希望提升某個業務指標，這些都是在做數據分析前需要了解的，只有了解了需求才能制定更合理的數據分析思路。

3、場景

場景更多體現的是數據分析的場景，如業務部門想了解用戶在註冊流程中的用戶流失原因，那麼這就是問題的場景，要根據場景去定義問題，梳理數據分析思路，選擇數據分析的方法。

商業數據分析

什麼是商業數據分析呢？商業數據分析以大數據為背景，以商務經濟管理活動中的問題為對象，綜合運用統計學、應用數學、管理科學（運籌學）、計算機軟體應用和編程、數據挖掘、機器學習等學科知識，對商務經濟管理活動中的數據進行處理，以實現數量化認知、預測分析和優化決策的目的。

數據分析對商業價值體現主要分為以下四個方面：

1.客戶群體細分，然後為每個群體量定製特別的服務。

2.模擬現實環境，發掘新的需求同時提高投資的回報率。

3.加強部門聯繫，提高整條管理鏈條和產業鏈條的效率。

4.降低服務成本，發現隱藏線索進行產品和服務的創新。

那麼企業到底如何使用商業大數據分析呢？數據分析的開展工作可分為以下三個步驟：

1、明確業務需求

按業務驅動的角度，了解業務部門需要解決什麼樣的問題，業務範圍是什麼，所要達成的效果又是怎樣，依據這些需求來實施部署商業智能工具。

2、數據結合與關聯

由於企業數據海量的特點和多元化的結構形式，需要商業分析工具具有海量的數據探索和分析能力，能夠實時有效的與已有數據結合，產生精確的行動方向。

3、培養數據分析人才

企業的數據分析，商業智能系統的部署是關鍵，但業務人員數據分析水平也同樣重要。這就要求人員在信息過程管理當中要逐漸培養科學化管理數據的意識，企業上下也要統一共識，從而形成對企業數據的綜合管理。

商業數據分析案例

PAS是一家銷售企業管理軟體的公司，雖然整個行業欣欣向榮，但是這家公司的業務卻陷入泥沼，銷售額連續八個季度出現下滑。為了扭轉此局面，PAS花重金招聘了過往銷售業績極為出色的老李擔任CSO（Chief Sales Officer），直接向CEO彙報。

上任伊始，老李為了摸清情況，召集銷售、產品、售前、人事、市場部門一起開了一個溝通會議，沒想到這個會議變成了吐槽大會。

銷售部門報怨人事部門給的候選人素質不高，經驗太少。人事反擊說是你們管理不善，有經驗的老員工頻繁離職，新入職的員工培訓不夠，不能快速成長。銷售又抱怨公司產品功能不完善，在市場上的競爭力不足。而產品則回懟，已上線項目的客戶反應良好，是你們銷售能力不行。還有銷售抱怨售前顧問不給力或者支持力度不夠，還說市場部門組織的活動效果太差，獲得的銷售線索太少等等，不一而足。

在決定接受PAS公司的Offer時，老李已經做好接受挑戰、迎接困難的準備。但是沒想到實際情況比預想的更嚴重。雖然老李在銷售方面有豐富的經驗，但是PAS公司目前的問題貌似是全方位的，各個部門的說法聽起來都有一定道理，但是哪些才是關鍵的問題？要想改變現狀，又該從何處破局呢？老李不禁限入深思。

在思路不暢、需要靈感時，老李喜歡到星巴克坐坐。在公司附近的星巴克，老李看到一個年青人正在寫商業計劃書，於是找這個年青人攀談起來。原來這個青年叫小白，畢業於斯坦福。小白學成歸來打算回國創立自己的商業數據分析公司，並且向老李介紹了數據分析在商業決策中的作用和案例，尤其是描述性分析、診斷性分析、預測性分析和處方式分析這四個層次和所用的具體方法。

聽完之後，老李覺得或許在PAS的事情上小白可以提供幫助，於是向小白介紹了自己面臨的困境，並希望接下來在改造銷售團隊和提升銷售業績的過程中，小白能通過數據分析的方法提供有力支撐。當然他也想考校下小白，看他說的數據分析方法是不是有那麼神奇。公司還沒創立就接到了第一單生意，遇到這種好事小白欣然答應。

描述性分析

在進入PAS公司後，小白先對公司的業務現狀和數據情況做了初步調研。PAS公司上線了CRM、ERP、HR等系統，針對商機、合同、付款、客戶、價格、銷售員的入職時間、接受過的培訓等信息都是有詳細記錄的，這就為後續的數據分析工作打下了堅實的基礎。

在做描述性分析時，最重要的是結構化思維，即要把分析的問題或指標進行逐層結構化分解，直到無法分解為止。

比如，總體銷售收入=銷售漏斗中所有銷售機會的數量 * 每個銷售機會的交易金額 * 勝率

而每個銷售機會的交易金額=每個銷售機會包含的產品 * 每個產品包含的模塊數量 * 每個模塊的平均單價

根據上述思路，小白首先對去年銷售員整體的業績情況做了分析：總體銷售指標為 1億2000萬，已簽單 1個億，指標達成了83%，目前有100個銷售員，平均每個銷售員的簽單金額為100萬，這樣看起來貌似還不錯。但是再看下一項數據就會發現比較大的問題，僅有20%的銷售員完成了銷售指標。

通過查看去年銷售員簽單金額分布，這個問題體現的更明顯，銷售業績主要是靠幾個明星銷售員來達成的。

再看去年整體銷售漏斗的表現，整體銷售漏斗金額高達5億，而每個銷售員平均的漏斗金額有500萬，但是平均簽單金額僅有100萬，也就是說勝率僅為20%；另外，去年已完結的交易數量為1000，而銷售員平均完成交易數量僅為10個，數量偏少；同樣，平均的交易金額僅為10萬，平均客戶價值僅為20萬，在企業管理軟體行業，這兩個數字都是偏小的。

接著分析新老客戶平均交易金額及勝率，可以看出新客戶雖然單子大，但是贏單的概率較低；反之，老客戶雖然單子小，但是勝率很高。

下面再看新老客戶對收入的貢獻，可以看到老客戶雖然平均交易金額較小，但是對整體收入的貢獻還是遠遠高於新客戶的。

再看交易金額分布及其勝率，可以看出單子金額越大，勝率越低。

以及不同產品的收入分布和勝率，A、B、C這三種產品收入貢獻較高，並且勝率也相對較高，證明在產品、價格等方面在市場上有較明顯的競爭優勢，可以重點突破。

診斷性分析

經過初步的描述性分析，對現有CRM、ERP、HR、售後、市場等5大系統或數據源中的數據做了梳理，共137個變數或KPI。如此之多的變數想通過傳統的數據分析方法分析是很困難的（如通過散點圖分析這些變數與銷售業績的相關性），只能使用機器學習的技術；通過此項技術，可計算出不同變數（機器學習稱為特徵）對結果值（即銷售業績）的影響到底有多大。具體結果如下：

去年銷售員業績達成率分布如下圖所示：

根據上圖把銷售業績分為三類：平庸，中等和優秀；

其中平庸為業績完成不到50%的；中等為業績完成50%-99%的；優秀為業績完成100%的。

下圖可以看到優秀組和平庸組在這12個關鍵KPI的差異：

可以看到：

對業績影響最大的變數為銷售員銷售的產品種類：業績優秀的銷售員，是所有產品都銷售的；而業績平庸的銷售員，則只銷售自己熟悉的產品。
其次，業績優秀的銷售員，和合作夥伴的關係很緊密，銷售線索可能來自於合作夥伴，甚至合同都是與合作夥伴聯合與客戶簽訂；而業績平庸的銷售員，只依賴於公司內部市場部提供的銷售線索。
第三重要的是平均合同金額。業績優秀的銷售員合同金額是平庸的銷售員的2倍多；而較大的合同金額通常是因為每個合同銷售的產品更多。
第四重要的是銷售漏斗金額與銷售指標的比率。業績優秀的銷售員會在全年保持穩定的銷售機會創造率，其每月創造的銷售漏斗金額是平庸銷售員的3倍。

預測性分析

再細緻分析不同銷售人員這12個變數表現：

通過上圖可以看出，尺有所短，寸有所長。比如，85號銷售員看起來大部分變數都處於平均水平或之下，但是其也有閃光點，這些人里只有他每季度創造的銷售機會超過平均水平，那其他人就可以向他學習如何提升這一點。

上圖雖然可看出不同銷售員在單個變數的表現，但是很難據此直接判斷出其未來是否能完成業績指標。如果可以做到這點，就可以把可能不達標的人提前找出來，進而給予其必要的幫助。

這裡就需要用到預測性分析，通過建立預測性模型，根據其關鍵KPI的表現情況，即可以預測其業績達標情況。小白根據歷史數據訓練出的預測模型，預測的準確率已經達到了95%。

處方式分析

預測模型完成後，即開始發揮作用。根據模型預測，剛入職一年的銷售員小王很難完成今年的業績指標，雖然其很努力，每月創造的銷售機會比均值高不少，銷售漏斗金額與銷售指標的比率也OK，但是在部分關鍵指標表現不佳：

對銷售業績影響最大的因素之一就是合同的平均金額，目前均值是180K，但是其只有25K。

另外，看起來他不怎麼和合作夥伴一起合作，公司平均60%的合同是和合作夥伴一起打單打下來的，而他的比率是0；而有合作夥伴參與的訂單金額是沒有合作夥伴參與的訂單金額的6倍，勝率也更高。

因此，小王的直屬主管找他溝通後，建議他著重提升合同的金額，並給出了以下改進措施：

首先，主管給到小王負責區域的合作夥伴名單，以及以往公司與每個夥伴簽署的平均金額，小王需要更積極地聯繫合作夥伴。
其次，建議小王要提升捆綁銷售軟體的數量，公司平均有40%的軟體都是捆綁銷售出去的。主管給了小王捆綁銷售佔比較高的產品清單，以及在與合作夥伴和捆綁銷售做的好的同事名單，要求小王找他們多溝通，看他們是如何做到的。

尾聲

經過一年的時間，PAS公司的業績得到了明顯的提升：

本篇的實例來自於由Jenny Dearborn所著的《Data Driven: How Performance Analytics Delivers Extraordinary Sales Results》，Jenny Dearborn是SAP的高級副總裁兼首席學習官（Chief Learning Officer），被認為是組織學習、人力資本管理、銷售績效管理領域的領軍人物。

作者：李應龍
微信公眾號：leeyinglong。
8年供應鏈管理相關工作經驗，現在杭州一家通過機器學習和數據分析的方法，解決企業供應鏈問題的創業公司負責產品設計的工作。