《數(shù)字化經(jīng)營分析》 ——數(shù)據(jù)分析支撐經(jīng)營決策

【課程背景】

經(jīng)營分析，即針對(duì)銷售額的數(shù)據(jù)分析。其核心思想是基于經(jīng)營目標(biāo)與實(shí)際經(jīng)營數(shù)據(jù)進(jìn)行對(duì)比，通過歸因分析，找到問題，進(jìn)而優(yōu)化相關(guān)因素，提升業(yè)績(jī)。在實(shí)際的經(jīng)營過程中，由于所牽涉到的指標(biāo)較多，分析維度復(fù)雜，也成為一家企業(yè)進(jìn)行數(shù)據(jù)分析中最重要、最難的部分。

本節(jié)課將系統(tǒng)性指導(dǎo)學(xué)員借助數(shù)據(jù)分析的方法找到業(yè)績(jī)經(jīng)營中的問題，優(yōu)化改善，最終實(shí)現(xiàn)業(yè)績(jī)?cè)鲩L。

【課程收獲】

n 了解數(shù)據(jù)分析的意義

n 了解數(shù)據(jù)分析的邏輯

n 掌握數(shù)據(jù)分析的流程、方法和工具

n 掌握經(jīng)營分析的具體方法

【課程時(shí)間】 1天（6小時(shí)）

【課程對(duì)象】運(yùn)營部、大數(shù)據(jù)部門

【課程內(nèi)容】

一、數(shù)據(jù)分析的價(jià)值和意義

1. 優(yōu)秀的企業(yè)都在在每一個(gè)關(guān)鍵節(jié)點(diǎn)做出了科學(xué)判斷

2. 科學(xué)判斷的本質(zhì)是對(duì)復(fù)雜事物（數(shù)據(jù)）的一種分析

（1）做什么？——方向

（2）怎么做？——策略

（3）怎么做才能做得更好？——方法技巧

3. 相比于傳統(tǒng)經(jīng)驗(yàn)決策，數(shù)據(jù)決策的特點(diǎn)

（1）經(jīng)驗(yàn)本質(zhì)也是數(shù)據(jù)，但卻是主觀的、片面的、歷史的數(shù)據(jù)

（2）大數(shù)據(jù)，具有客觀性、即時(shí)性、全面性

（3）相比傳統(tǒng)經(jīng)驗(yàn)的決策，更加科學(xué)

二、數(shù)據(jù)分析賦能企業(yè)業(yè)績(jī)?cè)鲩L的底層邏輯

1.定義問題——提出一個(gè)好問題

2.數(shù)據(jù)模型——對(duì)一個(gè)問題的多維度思考

3.數(shù)據(jù)采集——從各個(gè)渠道獲取相關(guān)的數(shù)據(jù)

4.數(shù)據(jù)分析——使用一定的數(shù)據(jù)分析方法得出結(jié)論

5.形成判斷——對(duì)初始的問題作出接下來的行動(dòng)決策

【案例】上海清美C2M數(shù)據(jù)分析

三、數(shù)據(jù)分析驅(qū)動(dòng)業(yè)務(wù)創(chuàng)新發(fā)展（多個(gè)部門采用此方案）

1. 業(yè)務(wù)與數(shù)據(jù)的關(guān)系

（1）業(yè)務(wù)是數(shù)據(jù)的來源

（2）數(shù)據(jù)反映業(yè)務(wù)運(yùn)行狀況，并反過來指導(dǎo)業(yè)務(wù)

2. 實(shí)體產(chǎn)業(yè)常見的業(yè)務(wù)場(chǎng)景數(shù)據(jù)分析的應(yīng)用

（1）C2M，借助需求數(shù)據(jù)，敏捷性創(chuàng)新產(chǎn)品

【案例】元?dú)馍值漠a(chǎn)品創(chuàng)新

（2）IMS，依托ERP、MES、PLM等系統(tǒng)數(shù)據(jù)展開智能化精細(xì)化排產(chǎn)

【案例】上海清美面包的定制化生產(chǎn)

（3）ILS，依托智能物聯(lián)數(shù)據(jù)和AI建模，實(shí)現(xiàn)智慧物流體系

【案例】上海洋山港碼頭智慧物流

（4）品牌與市場(chǎng)，基于目標(biāo)用戶數(shù)據(jù)展開品牌細(xì)分與精準(zhǔn)市場(chǎng)營銷

【案例】瑞幸咖啡的精準(zhǔn)市場(chǎng)投放

（5）用戶體驗(yàn)，依托消費(fèi)者數(shù)據(jù)展開個(gè)性化場(chǎng)景設(shè)計(jì)

【案例】成都大悅城基于用戶數(shù)據(jù)展開個(gè)性化場(chǎng)景搭建

（6）渠道數(shù)字化，依托渠道數(shù)據(jù)分析，展開對(duì)渠道的精細(xì)化管理賦能

【案例】美的D2C的渠道數(shù)字化與數(shù)據(jù)分析

（7）用戶運(yùn)營，基于SCRM數(shù)據(jù)，展開對(duì)用戶的精細(xì)化運(yùn)營

【案例】中國移動(dòng)的客戶數(shù)據(jù)分析在用戶運(yùn)營方面的應(yīng)用

3. 構(gòu)建數(shù)據(jù)共享中心，實(shí)現(xiàn)整個(gè)業(yè)務(wù)場(chǎng)景的協(xié)同運(yùn)營效率提升

（1）一體化大數(shù)據(jù)平臺(tái)、數(shù)據(jù)中臺(tái)的建設(shè)

（2）基于用戶需求為中心的數(shù)據(jù)調(diào)用

四、數(shù)據(jù)分析的流程、方法

1. 定義問題

2.  定義業(yè)務(wù)模型

（1）與業(yè)務(wù)專家深度溝通，構(gòu)建初步數(shù)據(jù)分析模型

（2）把業(yè)務(wù)模型融入算法

3. 數(shù)據(jù)獲取

（1）外部數(shù)據(jù)：網(wǎng)站或爬蟲

（2）內(nèi)部數(shù)據(jù)：原始錄入、互聯(lián)網(wǎng)、物聯(lián)網(wǎng)

（3）數(shù)據(jù)使用分類：建模數(shù)據(jù)、訓(xùn)練數(shù)據(jù)和分析數(shù)據(jù)

4. 數(shù)據(jù)處理

（1）數(shù)據(jù)處理的內(nèi)容

l 數(shù)據(jù)清洗

l 數(shù)據(jù)補(bǔ)充

l 定義主數(shù)據(jù)和元數(shù)據(jù)

（2）完成數(shù)據(jù)的清晰和補(bǔ)充

l 去重復(fù)

l 查補(bǔ)缺

l 檢查數(shù)據(jù)準(zhǔn)確性

（3）基礎(chǔ)數(shù)據(jù)處理

l 常用函數(shù)（加總求和、計(jì)數(shù)、平均、最值、排序、乘積、除余、取整）

l 邏輯運(yùn)算（if、iferror、and、or）

l 文本編輯（文本提取、文本查找、文本替換、文本轉(zhuǎn)換及合并）

l 引用與查找（vlookup、hlookup、lookup、indirect、index、match）

5. 做好數(shù)據(jù)分析

（1）借助工具實(shí)現(xiàn)以上分析

l 對(duì)比分析：柱形圖

l 結(jié)構(gòu)分析：餅狀圖

l 趨勢(shì)預(yù)測(cè)分析：折線圖+柱形圖

（2）數(shù)據(jù)分析內(nèi)容

l 異常分析

l 描述性分析

l 推斷性分析

l 預(yù)測(cè)性分析

l 歸因分析

l 客戶分析

6. 做出決策

（1）背景介紹和問題描述

（2）定義問題，并進(jìn)行相關(guān)性分析

（3）數(shù)據(jù)分析報(bào)告的呈現(xiàn)

（4）提出下一步行動(dòng)計(jì)劃

五、經(jīng)營分析（如果只有銷售部門，則上此部分）

1. 銷售業(yè)績(jī)模型

（1）渠道模型：S=Σs(1~n)，適用于全國網(wǎng)點(diǎn)、代理、分公司、辦事處類型

（2）流量模型（漏斗模型）：S=UV（流量）*CVR（轉(zhuǎn)化率）*P(客單價(jià)），適用于線上渠道運(yùn)營。

（3）增長黑客（AARRR）：S=N*P=S1（新客戶）+S（老客戶）+S3(老帶新）

（包括了：漏斗模型+RFM模型+裂變模型）

（4）分布模型：S=n*s(標(biāo)準(zhǔn)經(jīng)營單位），適用于自營銷售終端（含線上）的類型

2.數(shù)據(jù)指標(biāo)

（1）產(chǎn)品結(jié)構(gòu)

（2）渠道結(jié)構(gòu)

（3）終端結(jié)構(gòu)

（4）區(qū)域結(jié)構(gòu)

（5）硬件結(jié)構(gòu)

（6）用戶結(jié)構(gòu)

3.數(shù)據(jù)分析方法

（1）目標(biāo)分解

（2）指標(biāo)對(duì)比

（3）檢驗(yàn)假設(shè)：?jiǎn)我蜃幼兞亢?/span>AB對(duì)照分析

（4）MVP最小可行性分析

【案例】某企業(yè)經(jīng)營業(yè)績(jī)分析

【現(xiàn)場(chǎng)任務(wù)】根據(jù)自身經(jīng)營情況采用歸因分析，找到影響企業(yè)業(yè)績(jī)?cè)鲩L的因素