没有数据的企业如何用数据驱动？

其实这些数据都存在于每一个员工的脑子里，很难想象人事会不知道公司的员工数量，财务会不了解公司资产，出纳会不知道每笔支出的金额，库管会不知道仓库的库存，销售会不知道每次的拜访。其实最大的问题并不是没有这些数据，而是因为这些数据以不同的口径散落在各个人员的脑子里，本子上或者excel里，导致无法采集或者统一管理罢了。

所以对于一家公司而言，要想实现企业的数据转型，一定需要经历五个必要的阶段：数据发现，数据识别，数据收集，数据分析和结果使用。

数据发现：

一般而言，企业至少会存在有以下五类数据：财务类数据、销售类数据、人力类数据、采购类数据、资产类数据。基于不同公司的类型和组织结构，这些数据会分散在不同的部门，团队和人员手中。对于一个企业而言，先尽量发现所拥有的数据，了解这些数据的分部和粒度，是进行数据分析的基础和前提。

数据识别：

任何一项企业的经营活动都是有成本的，而每一项成本的付出我们都希望能够达到企业的某种目标。所以，我们需要基于企业的目标，从已经发现的数据中识别出为了达到目的所需的数据以及数据颗粒度（精度）。尽量明确目标过程中所需的数据是非常重要的。一方面，可以减少后期数据采集和分析过程中投入的资源和成本；另一方面，能够避免和减少无关数据产生的"噪音"，让数据分析更加精准。

数据采集：

数据采集是整个数据转型过程的"苦力活"，但却决定了整个转型的成败。一方面，数据采集的成本往往是比较高的，不管是通过系统研发还是通过人工收集，都会涉及企业现有流程的重新梳理和调整，短期内会对业务产生一些影响；另一方面，数据采集的准确度和精度会直接影响到后续的分析结果，甚至可能产生南辕北辙的效果。

这里还要特别指出一个误区：很多人认为数据采集就一定需要做系统。其实并不是这样的。比如，如果我们仅仅是为了采集员工下班的时间，那么在一个人数几十人的企业中，纸质打卡机就是不错的选择；而如果我们需要统计每时每刻在外销售人员的位置，那么一个基于GPS定位的软件就非常必要了。对于数据分析而言，基于excel表格统计而来的数据和从系统中统计而来的数据没有区别。

一切的数据采集手段都是为了减少数据采集的成本而做出的决定，取决于数据识别阶段的数据类型和精度要求。这点是是否开发系统的关键决定因素。

数据分析：

数据分析就是通过数据给企业"把脉"的过程，因此需要能够把数据转化为对非专业人士而言清楚有意义的见解。从分析步骤而言，数据分析一般分为四种个步骤：描述分析、诊断分析、预测分析和指导分析。每种分析的侧重点和层次不一样，彼此之间又相辅相成。

描述分析的核心是告诉企业，目前的现状是什么样子的。比如：目前企业有多少销售人员，每个人的工资多少，每个人的产能如何。

诊断分析的核心是对于某个问题进行抽丝剥茧的分析，最终找到核心的问题。比如：为什么企业盈利持续下降？核心到底是市场萎缩，产品竞争力不足，销售能力太弱，客户感知度不足等等。

预测分析的核心是预测某事件在将来发生的可能性，预测一个可量化的值，或者是估计事情可能发生的某个时间点，这些都可以通过预测模型完成。比如：下个季度的销售额预计有多少？下个季节的爆款产品是什么等等。

指导分析的核心是告诉用户该怎么做，应从哪些方面入手来做，每一步应该做什么。它不是一个单独的行为，实际上它是其他很多行为的主导。

基于企业的问题的数据分析都应该经过以上四步进行分析，首先通过描述分析弄清楚企业现状，再通过诊断分析识别出当前企业现状背后的核心问题点，最后通过指导分析识别出后续的改进策略。而预测分析可以帮助我们验证以上几种分析类型的结果，从而帮助我们确认分析结果的正确性。它们是一个完整的整体，当然对于一些比较独立和简单的问题，我们可以灵活的使用其中一个或几个分析类型。

结果使用：

当我们通过数据得出了分析结果后，很多人感觉数据分析的工作就结束了。其实某种程度上来说，这才是数据分析工作的真正开始。当我们将分析结果投入真实的线下环境后，我们需要不断的采集和分析业务变化后的结果和影响，并检验真正落地结果和预期之间的差异。周而复始，不断通过数据对业务进行修正和调整，最终推动业务的不断发展。

很多人说数据分析有魔力，通过数据能够帮助企业不断成长。但在我看来，数据并不是仙丹灵药，一颗吃下就能让企业脱胎换骨。通过数据的持续运营和分析，企业的问题可以被识别和量化，并能给出有针对性的改造方案，同时又可以对改造方案结果进行量化。数据分析彻底改变了传统企业依赖老板经验的管理模式，让企业管理更加精准和理性。我想这才是数据分析对于企业的最核心价值所在。

End

作者：空白

来源：知乎