本文轉自知乎

作者：空白白白白

—————————————————————————————————————————————————————

A: Gaphie，我們是河南一家連鎖早教中心，想要用資料驅動業務增長，怎麼做？
G：你們的資料來源是？A: 沒有？
G：那你們的財務系統有嗎？A: 沒有？
G：手工記錄excel的表有嗎？A: 沒有？
G：你怎麼收錢的？？A: 每個月跑到前臺收錢。
G：那你覺得你這樣的管理模式有什麼痛點？
A: 很多很多，不知道錢花哪了，也不知道每天的收入多少，像個瞎子，
我是不是要先買個生產資料的系統，再建資料庫、再建BI系統、然後做資料驅動業務發展啊？
G：你想太多了，你年營業額才一千多萬，為什麼要搞那麼多系統。
A: 那我怎麼資料驅動業務發展啊，

自從小數點諮詢創辦以來，有很多傳統企業的老闆找到我，希望能夠通過資料分析來提升自己公司的競爭力。在溝通過程中，我發現傳統中小微企業之間存在有很多共性問題，而其中最明顯、最一致的特點便是老闆們普遍認為自己的企業資料不足或者完全沒有資料。

其實在一家企業之中資料無處不在：大到企業的資產、員工的數量、支付的工資、簽訂的合同；小到每一筆訂單、每一次差旅、每一次拜訪、每一個庫存。其實這些資料都存在於每一個員工的腦子裡，很難想象人事會不知道公司的員工數量，財務會不瞭解公司資產，出納會不知道每筆支出的金額，庫管會不知道倉庫的庫存，銷售會不知道每次的拜訪。其實最大的問題並不是沒有這些資料，而是因為這些資料以不同的口徑散落在各個人員的腦子裡，本子上或者excel裡，導致無法採集或者統一管理罷了。

所以對於一家公司而言，要想實現企業的資料轉型，一定需要經歷五個必要的階段：資料發現，資料識別，資料收集，資料分析和結果使用。

資料發現：

一般而言，企業至少會存在有以下五類資料：財務類資料、銷售類資料、人力類資料、採購類資料、資產類資料。基於不同公司的型別和組織結構，這些資料會分散在不同的部門，團隊和人員手中。對於一個企業而言，先儘量發現所擁有的資料，瞭解這些資料的分部和粒度，是進行資料分析的基礎和前提。

資料識別：

任何一項企業的經營活動都是有成本的，而每一項成本的付出我們都希望能夠達到企業的某種目標。所以，我們需要基於企業的目標，從已經發現的資料中識別出為了達到目的所需的資料以及資料顆粒度（精度）。儘量明確目標過程中所需的資料是非常重要的。一方面，可以減少後期資料採集和分析過程中投入的資源和成本；另一方面，能夠避免和減少無關資料產生的“噪音”，讓資料分析更加精準。

資料採集：

資料採集是整個資料轉型過程的“苦力活”，但卻決定了整個轉型的成敗。一方面，資料採集的成本往往是比較高的，不管是通過系統研發還是通過人工收集，都會涉及企業現有流程的重新梳理和調整，短期內會對業務產生一些影響；另一方面，資料採集的準確度和精度會直接影響到後續的分析結果，甚至可能產生南轅北轍的效果。

這裡還要特別指出一個誤區：很多人認為資料採集就一定需要做系統。其實並不是這樣的。比如，如果我們僅僅是為了採集員工下班的時間，那麼在一個人數幾十人的企業中，紙質打卡機就是不錯的選擇；而如果我們需要統計每時每刻在外銷售人員的位置，那麼一個基於GPS定位的軟體就非常必要了。對於資料分析而言，基於excel表格統計而來的資料和從系統中統計而來的資料沒有區別。

一切的資料採集手段都是為了減少資料採集的成本而做出的決定，取決於資料識別階段的資料型別和精度要求。這點是是否開發系統的關鍵決定因素。

資料分析：

資料分析就是通過資料給企業“把脈”的過程，因此需要能夠把資料轉化為對非專業人士而言清楚有意義的見解。從分析步驟而言，資料分析一般分為四種個步驟：描述分析、診斷分析、預測分析和指導分析。每種分析的側重點和層次不一樣，彼此之間又相輔相成。

描述分析的核心是告訴企業，目前的現狀是什麼樣子的。比如：目前企業有多少銷售人員，每個人的工資多少，每個人的產能如何。

診斷分析的核心是對於某個問題進行抽絲剝繭的分析，最終找到核心的問題。比如：為什麼企業盈利持續下降？核心到底是市場萎縮，產品競爭力不足，銷售能力太弱，客戶感知度不足等等。

預測分析的核心是預測某事件在將來發生的可能性，預測一個可量化的值，或者是估計事情可能發生的某個時間點，這些都可以通過預測模型完成。比如：下個季度的銷售額預計有多少？下個季節的爆款產品是什麼等等。

指導分析的核心是告訴使用者該怎麼做，應從哪些方面入手來做，每一步應該做什麼。它不是一個單獨的行為，實際上它是其他很多行為的主導。

基於企業的問題的資料分析都應該經過以上四步進行分析，首先通過描述分析弄清楚企業現狀，再通過診斷分析識別出當前企業現狀背後的核心問題點，最後通過指導分析識別出後續的改進策略。而預測分析可以幫助我們驗證以上幾種分析型別的結果，從而幫助我們確認分析結果的正確性。它們是一個完整的整體，當然對於一些比較獨立和簡單的問題，我們可以靈活的使用其中一個或幾個分析型別。

結果使用：

當我們通過資料得出了分析結果後，很多人感覺資料分析的工作就結束了。其實某種程度上來說，這才是資料分析工作的真正開始。當我們將分析結果投入真實的線下環境後，我們需要不斷的採集和分析業務變化後的結果和影響，並檢驗真正落地結果和預期之間的差異。周而復始，不斷通過資料對業務進行修正和調整，最終推動業務的不斷髮展。

很多人說資料分析有魔力，通過資料能夠幫助企業不斷成長。但在我看來，資料並不是仙丹靈藥，一顆吃下就能讓企業脫胎換骨。通過資料的持續運營和分析，企業的問題可以被識別和量化，並能給出有針對性的改造方案，同時又可以對改造方案結果進行量化。資料分析徹底改變了傳統企業依賴老闆經驗的管理模式，讓企業管理更加精準和理性。我想這才是資料分析對於企業的最核心價值所在。