数据分析与企业经营决策-量化经营I

数据分析与企业经营

很多数据金矿其实隐藏在公司的基础经营当中，如果您能把它们挖掘出来，就将在竞争中略胜一筹。

毋庸置疑，数据（情报）对于战争的重要性，几千年来早有体现。在《罗马人的故事》作者盐野七生与新日本钢铁集团总裁三村明夫的对谈中，盐野提出，从凯撒到拿破仑，出色的总司令总是能选贤任能，帮助自己完成收集情报工作，领袖们再依据这些情报窥见大局。同时，关于商业竞争，盐野认为，企业之间的对抗，最重要的是站在对手的立场上了解战局。为了实现这个目的所进行的情报搜集等都是战胜对手的重要条件。

企业决策由“经验决策”不断向“数据决策”的规范转变，不经分析就拍板的“拍脑门”决策所带来的危害已经被人们所广泛认识。在经历了一次次的失败与摸索中，一种新型的“数据决策”重新进入了人们的视野。

90年代初期，被称为百货商店之父的美国人约翰•沃纳梅克曾经这样说“我的广告费有一半浪费掉了，可我不知道是哪一半”。一个世纪前没有足够的数据去为约翰•沃纳梅克解决哪一半广告费被浪费掉的问题，因为那时搜集数据太困难，需要大量的时间和金钱等成本；而今随着技术的日益革新，跟踪和搜集数据成本大大减少，所以我们更有必要也有条件把握数据分析之道。

麦肯锡的研究分析表明，在私营部门，充分利用海量数据的零售商有可能将其经营利润提高60%以上。在欧洲发达经济体中，仅通过利用海量数据实现的运作效率提高，政府行政管理方面可以节省1000亿欧元（1400亿美元）以上的开支。

在全球500强企业中，90%以上的重要投资与经营决策都取决于充分的数据分析支持。在欧盟、美国、日本等发达地区，数据分析普遍被作为经营决策的前提要素，为社会经济的高速发展发挥了巨大贡献。

数据成为公司新的资产已逐渐成为现实，将大大促进劳动生产率的提高和资产收益率的增加。

也因此，市场已涌现出大量数据分析在商业中的运用例子，无不说明合理经营数据的重要性。

●英国皇家莎士比亚公司（Royal Shakespeare Company，RSC）为了稳定原有客户、

寻找新的顾客群体，该公司对过去7年的售票数据进行全面分析。公司运用分析法

对顾客的姓名、住址、观看戏剧的类型、购票价位等数据进行研究后，制定出具体

的销售计划，从而将其斯特拉特福剧院的上座率提高了70%以上。

●Facebook广告与微博、SNS等网络社区的用户相联系，通过先进的数据挖掘与分析

技术，为广告商提供更为精准定位的服务，该精准广告模式受到广大广告商的热捧，从市场调研机构eMarketer的数据看出，Facebook年营收额超过20亿美元，成为

美国最大的在线显示广告提供商。

●Hitwise发布会上，亚太区负责人John举例说明，亚马逊30%的销售是来自其系统自

动的产品推荐，即通过客户分类，测试统计，行为建模，投放优化四步，运用客户

的行为数据带来竞争优势。

●百思买正在更新其门店模式，具体做法是，将顾客调查、销售点数据和人口分析数

据结合起来，以确定在特定的区域中，哪些顾客群的需求已过多地满足，哪些尚未

满足，并据此相应地改变其门店模式。例如，在富裕男性白领集中的居住区附近，

商店会提供更高端的家庭影院设备、特别付款方式和即日送货到家服务。而在“足

球妈妈”（即经常接送孩子参加体育活动的妈妈）较集中的居住区附近的商店中，

其突出特点是较温和的色调，人性化的导购，以及面向孩子的科技活动区。调查显

示，在这些商店改为有针对性的模式后，销售额上升了7％，毛利提升了50个基点。

在过去的十年间，还有很多行业的企业走得更远。像Netflix、Capital One、乐购、Progressive意外保险公司等，都是运用分析法的高手：他们懂得如何让数据和复杂精妙的模型成为创造卓越绩效的战略工具。

可以看出，数据分析在营销、金融、互联网方面正蓬勃发展，同时数据分析在企业经营决策中的重要地位中日趋明显，正踏上规范化、专业化之路。

案例：跨职能分析——零售商追回流失的客户

多数企业经营问题都涉及企业的多个部门，因此如果一个解决方案要发挥作用，就必须使每个相关部门都参与其中——成立跨职能小组并展开工作。

为说明这一点，这里提供一个大型零售连锁企业的案例。该零售企业在美国有很高的市场份额，但发展缓慢，因为有超过三分之一的客户流失了。

通过客户调查，揭示了导致这一情形的原因，体现在以下几方面：

●货架上的产品不全

●销售人员经常不到位，没有为顾客提供帮助

●产品的分类、包装或定价不当

●员工间的经验分享和交流少

随后，基于调查结果，该零售商围绕以上问题展开分析工作。

（1）货架上的产品问题。如果深入研究，会发现一个较动态的画面——滞销产品往往很容易获得，而顺利找到销售良好的产品只有30%的可能性。经过进一步对产品配送、销售地域以及销售渠道的分析，公司在计划流程方面作了相应的调整。首先根据各个地区的市场现状对销售情况良好的产品作了分析，并运用网络分析评估顾客每周所需要购买的产品，从而提高对需求预测的准确度。

（2）员工配置问题。分析专家根据客户群、店面以及每天的工作时间对销售情况进行了分析。分析发现了一些销售特征，例如富裕的男性客户喜欢在周二、周三或周四晚上6点到9点购物。据此，公司在这些时间段将更多的人手安排到了店中的某些位置。

（3）产品的定价和分类问题。公司运用分类与空间分析相结合的方法，研究了货物摆放和整体购物篮的效果。运用购买路径分析，研究了每个客户群下一次可能的采购内容以及时间间隔。该团队还对利润率流失进行了分析。比如说，通过对收银员价格错误的统计分析，可以发现那些超出平均合理容忍的问题。这些问题可能源于欺骗行为或缺乏培训。

（4）员工间经验分享与交流问题。员工流动过快造成员工参与不够，降低了公司整体的客户经验交流。当然，让一个拥有10万名员工的大企业避免人员流动并非易事。鉴于此，研究小组分析了各个主要岗位及其相关因素，如雇佣成本、培训成本、销售生产力、聘用时限、隶属关系等等。此外，他们还根据各岗位蕴含的成本、员工的销售量以及投入的资本成本进行了“收支平衡时间”分析。分析发现，有两个技术岗位的员工流动速度过快，这两个岗位所造成的经济影响在总影响中占到了60%。

多重职能分析为该零售企业提供了基于事实的、解决客户流失问题的切实可行方案。在此过程中，首先明确了工作重点，然后经过分析找到了问题所在，最后形成解决方案。从而使管理人员能更有效地利用有限的资源，实现高额投资回报。

数据分析在企业经营决策中的应用

1.2.1企业经营决策有哪些？