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。