導讀：【數據分析之道：抽絲剝繭，存乎一心】已經給大家清晰的講解了什麼是數據分析。那麼，本文將帶大家解讀中小微企業應該如何使用“數據分析”這個神器落地，賦能企業經營。
“數據”是企業經營的客觀反應，是貫穿企業生存和發展的“信息靈魂”。數據在企業的創始階段就已經存在，隨着企業的發展，數據的量會越來越大，數據分析的方案也會隨着發展變化。因此，我們從企業的經營角度來切入不同成長時期的數據分析方案。
企業成長會經歷四個階段：生存，發展，突破，生態。
然而，這四個階段，分別對應不同的數據方案。
▋生存期：精益方案
▋發展期：增長方案
▋突破期：全面體系
▋生態期：價值挖掘
因爲中小微企業基本在生存期和發展期。接下來，本文將帶大家拆解以及梳理一下，生存期的“精益方案”和發展期的“增長方案”。
精益數據分析方案
在生存期這個階段，公司剛剛成立，或者創立一段時間但還沒脫離生存危機。數據很多是零星、不連續，散落在各個業務環節，要建立大而全的數據指標體系，顯然是不現實的，這個時期應該把更多精力放在企業的銷售和生產上。
但是不是就完全不要做數據方案了呢?
顯然也不是，這個時候的數據方案，反而具有更大的挑戰和應用意義。
第一：簡約而不簡單
創業初期，要做的事情很多，顯然沒有更多精力坐下來閱讀和理解大量數據報表。數據分析本身是助力業務的，不能讓這個時期的數據分析複雜到成爲業務的煩惱。所以這個時期的方案，一定要“簡約而不簡單”。通過分析找出幾個，甚至只是一個最能代表當下業務目標的指標，以此爲方向，讓全員可以快速理解指標，並且朝向他全速前進。
第二：梳理流程找核心指標（類似杜邦分析）
初創企業，在工作上並沒有太多“繁文縟節”，這個時候的梳理流程，並不是去研究每一步業務應該制定什麼規矩，什麼流程最合理。由於資源有限，必須讓每一步的工作都踩在關鍵的價值點上，延長企業生命，直到進入快速發展期。所以，這個時候的梳理流程，是“價值流”和“業務流”的雙重拆分，結合公司的架構和業務管理，設計出“關鍵指標”。
時刻關注財務狀況和業務變動，是這個時期的使命，所以建議用類似杜邦分析的方法拆解追蹤“價值流”和“業務流” 。
以下是一張來自百度百科的經典杜邦分析圖：
用類似方法，拆解形成自己公司的價值流圖。拆解出公司最大盈利，是由哪些部分組成，直至拆解到無法分解的顆粒度。記得拆解的時候，務必抓大放小，只追蹤有主要影響的價值環。
以下舉例某個公司拆解後的價值圖：
然後，追蹤業務的關鍵實現環節，用類似方法拆解一張業務流圖：
梳理完價值流和業務之後，設計幾個或者一個最能說明當下公司現狀和目標的指標。
爲了方便大家理解，以下舉一個形象生動的例子：
這裏有一家餐館，經營的日常：採購原料，客戶點菜用餐，結算工資。
這家餐館剛好靠近食品原料的批發市場，採購對於他來說很簡單。並不需要擔心中途原料不夠，只需要按照日常平均標準採購，中途菜品原料用完能立即補貨。那麼結合實際業務情況，店主需要關注在業務流的“客戶點菜用餐”和“結算工資”上。
那麼，根據業務，拆分餐館的價值流如下：
用餐人數是否增多，往往是菜品好壞和餐館宣傳決定的，不屬於餐館日常業務流程中。那麼，爲了提高餐館盈利，日常可以做的是，提高人均消費，和控制人力成本。要設立一個指標，可以體現以上梳理出來的“業務流”和“價值流”結合點，同時又要讓餐館文化程度不高的服務員能馬上聽懂，理解當天餐館營業好壞。
此處，請大家停下來20秒思考下，這個“關鍵指標”應該怎麼設立？
最後，餐館老闆想出了答案，用“人工成本佔營業額的比例”。例如，當天人工成本是1000，營業額是5000，那麼這個數字就是20%。
餐館老闆經過一段時間的實踐，發現數字通常穩定在20，數字越小越好，數字越大，就會去找原因，是安排上班的人太多讓成本增加了，還是服務態度不好，讓人均消費降低了。
這樣，餐館就建立起自己的“精益數據分析方案”了。
這個時期的數據分析方案，一定要有可操作性，而且對創始人有很大考驗，需要創始人深入理解業務，才能切合實際情況找到關鍵指標。
增長數據分析方案
當企業渡過了創業生存期，就已經證明了自己商業模式有市場空間，並且經營閉環已經打造好，這個時候往往開始盈利，或者開始吸引了大批投資人的眼光，這時進入了發展期。無論是來自企業的盈利還是投資人的注資，這個時候企業進入了高速發展期。因爲創出了可行的商業模式和市場，此時競爭對手也會變多，爲了避免成爲馬太效應的淘汰方，企業此時的使命，就是快速增長，佔領市場。高速發展期，成本控制已經顯得不是那麼重要，“用戶增長”是最重要的目標。
在做增長的數據分析方案之前，企業要先結合自身的業務特點，確定增長的模式。
目前普遍把用戶增長分爲以下三種模式。
黏性增長：培養用戶忠誠度，以用戶留存爲主
病毒增長：在短週期內通過客戶社交網絡，自發地網狀傳播
付費增長：從免費到付費的轉變，持續付費增加LTV
◆黏性增長
一般很多To B 的商業模式，因爲客戶方是企業，購買相對理性，並且會根據產品給企業帶來的價值，選擇是否繼續使用。這類商業模式的企業，客戶數量未必很多，但是用戶留存卻尤爲重要，大多數屬於“黏性增長”。
◆病毒增長
這種增長模式，往往植根於社交和衝動消費，是典型的To C客戶增長模式，大部分做零售，個人服務等企業，都屬於這類。
◆付費增長
這種商業模式的企業，很典型的是前期用“免費產品”策略佔有市場。無論是屬於創業初期就資金雄厚，還是典型的互聯網工具類產品要先培養客戶使用習慣（例如互聯網產品：印象筆記），前期的特點都是免費。那麼，讓免費客戶變成付費客戶，就自然成了這類商業模式的使命。
根據業務確定完增長模式之後，增長的目標自然也隨之確定。
▋黏性增長模式下，業務目標：用戶留存率，用戶續費率
▋病毒增長模式下，業務目標：傳播週期，用戶增長速度
▋付費增長模式下，業務目標：付費率，人均消費，復購率
增長的目標，就是設立此時數據分析方案的關鍵點。要圍繞目標，從業務角度拆解出能讓目標實現的節點，拆解要細緻到可落地制定的顆粒度。此成長階段的企業，已經到了圍繞目標，建立數據指標監控和數據分析體系的時候。
這種場景下最適用的拆分方法，是MECE。
把企業對應的目標，根據上圖的邏輯，找出目標對應的支持點。先根據業務，分類拆出第一層支持節點，再每個支持節點逐級拆分。每個節點要相互獨立，又要完全窮盡，窮盡到可落地執行的顆粒度。
由於業務本身，也許錯綜複雜，所以建議大家可考慮抓大放下，影響面太小的地方，可以直接放棄。參考“二八原則”，80%的影響因素，是由20%的關鍵點決定的。
下面舉一個簡單具體的例子：付費模式下的拆分
當商業模式是“付費增長”，可以從遇到客戶第一天起，就關注客戶整個付費“生命軸”的情況。提高客戶LTV就是整體經營目標，那麼結合整個銷售和運營體系，從遇見到結束，可以根據付費情況的頻次，金額等變化。
把客戶進行階段性拆分成：潛在客戶，新客戶，復購客戶，忠誠客戶，沉默客戶，流失客戶。
在相應的階段需要關注的數據指標：線索轉化率，激活率，留存率，忠誠度，流失率，挽回率。
再根據每個階段的業務情況再拆分。
例如：潛在客戶（線索轉化率）
把潛在客戶這個階段的轉化率，拆分成三個步驟，實際上每個步驟就可以執行了，每天保證發現多少線索，就能保證到多少接觸數量，有了一定的接觸數量，就能保證成單數量。
確定每個步驟要完成的數量，就可以相應去匹配每個步驟要分配多少人力去完成。例如：要保證線索數量，需要廣泛查找調研市場，平均多長時間可以發現一個線索，一個人力可以有多少工作時間。通過精確計算，就能合理分配資源，保證公司的增長目標完成。
拆分到這個地步，就叫做可落地執行。
以此類推，再拆分完其他業務和目標步驟，整個數據指標體系方案就完成了。
有方案之後，就針對方案每個節點，在公司安排相應的數據收集。可以保證資源，目標，人力，都在有效地朝着一個方向快速行駛。
結尾
隨着大數據時代的來臨，在企業的日常活動和經營中，數據無處不在，各類數據的彙總、整合、分析、研究對企業的發展、決策有着十分重要的作用。
總之，現在市場競爭越來越激烈，各大企業都在爭相部署自己的“數據大腦”，動輒上千萬的部署計劃，讓人望而生畏。但其實，數據分析的本質依然沒有變，中小微企業只要根據自己的成長階段，抓住這些本質，也同樣能擁有一個“麻雀雖小，五臟俱全”的”數據大腦“賦能企業經營。
轉自： 木木自由 公衆號；
END
版權聲明：本號內容部分來自互聯網，轉載請註明原文鏈接和作者，如有侵權或出處有誤請和我們聯繫。
合作請加QQ：365242293
數據分析（ID : ecshujufenxi ）互聯網科技與數據圈自己的微信，也是WeMedia自媒體聯盟成員之一，WeMedia聯盟覆蓋5000萬人羣。
