睿治

智能数据治理平台

睿治作为国内功能最全的数据治理产品之一,入选IDC企业数据治理实施部署指南。同时,在IDC发布的《中国数据治理市场份额,2022》报告中,蝉联数据治理解决方案市场份额第一。

4步走,搭建好用的数据指标体系

时间:2022-05-27来源:半夏浏览数:138

数据记录是保障。业务流程数字化程度不高,没有数据记录,一切免谈。比如销售运营指标体系;如果想解读销售业绩,就得掌握销售过程,得先知道销售干了啥,没干啥;如果想诊断销售能力,就得掌握销售个人画像,得先知道销售有啥经验、啥背景;如果想分析运营动作有效性,就得记录每个动作上线时间,作用在哪些人身上。

一提起指标体系,很多同学像说相声一样,脱口而出“AARRR”“OSM”“UJM”……讲得好开心,可面试官多反驳一句:“我这是销售运营的指标体系!”“说清楚到底O是什么O,U是怎么U的!”就会让很多同学没了办法。今天系统讲解下,该如何处理此类问题。

和很多数据分析问题一样,OSM等理论本身没有问题。问题是不能把理论当教条,不深入业务流程之中,不考了具体场景,是没法搭建出好用的指标体系的。

第一步:清晰业务场景

所谓的业务场景,即:数据指标要反映的业务是啥。

它包含了四个方面:

1、业务方目标是什么?

2、业务的流程是什么?

3、业务方做哪些动作影响结果?

4、业务流程/业务流程,有啥数据记录?

很多同学面对具体业务,不知道该怎么梳理指标,本质上是对业务不熟悉。即使不问“销售运营指标体系”,而是问:

“销售卖的是啥呀?”

“销售目标客户是谁呀?”

“销售人员咋卖的呀?”

“销售运营又运营啥呀?”

一个都答不上来,那还咋梳理指标。懂业务是第一位要求,了解业务场景后,可以一步步开始梳理。

第二步:清晰业务目标

业务目标是业务最关心的东西,也决定了指标体系的主指标是啥。数据采集,得优先保证主指标有采集;指标体系的展开,也优先展示主指标的产生过程。

在业务方的心中,业务目标是很清晰的。因此可以直接沟通。

比如销售运营工作,常见的主指标有:

1、销售目标达成→指标:销售收入(金额)

2、销售业绩增量→指标:销售收入增长率

3、销售队伍稳定性→指标:整体离职率/A级离职率

4、特定客户开发数量→指标:整体离职率/A级离职率

……

梳理清楚这些,定下主指标,就能结合具体业务流程,看主指标是怎么实现的。

第三步:梳理业务流程

业务流程是主要数据来源,指标体系首要任务是反馈业务流程情况。有了主指标以后,要结合业务流程,梳理出过程指标。有了过程指标,才能解释主指标为什么低,为什么高。

还拿销售运营举例。销售运营的工作,是叠加在销售正常的工作之上的,因此有两个业务流程要梳理:

1、销售的操作流程

2、销售运营做了哪些优化

不同销售流程的操作不一样,想让指标体系具体、能落地,就得深入业务细节之中,看具体是怎么操作的。有的流程可能很简单,比如销售自带客户资源,那就自己联系客户→签约,结束。但有的流程可能很长,比如卖软件的,从接收客户线索到成交,有N多步骤,这里是不能偷懒的,要一步步认真梳理,最好画出流程图。(如下图)

销售运营的动作,大体上可以分成三部分:

1、培训:培训销售们产品知识、话术、技巧

2、激励:物质激励、精神激励

3、组织:SOP制定、流程管理

这里也不能偷懒,需要了解到细节。比如培训,什么时间、什么话题、多少人参与,要了解到位。比如激励措施,物质奖励的奖励规则,要了解到细节(如下图)这些细节才是直接驱动销售干事情的动力。

这里有个常见的误区,就是很多同学在梳理指标体系的时候,只关注用户行为,不关注业务动作。比如梳理销售指标,就简单地:销售额=业务员人数*有成交比例*人均成交金额,就拉倒完事。

至于有啥奖惩措施,有啥规范制度,一概不知。这样会导致指标体系只能展示结果,不能解释原因,也没法对比分析。最后对着人数、比例、人均金额三个指标狂抓脑袋:为啥它就涨了呢?为啥它就跌了呢?(如下图)

第四步:确认数据采集

数据记录是保障。业务流程数字化程度不高,没有数据记录,一切免谈。比如销售运营指标体系;如果想解读销售业绩,就得掌握销售过程,得先知道销售干了啥,没干啥;如果想诊断销售能力,就得掌握销售个人画像,得先知道销售有啥经验、啥背景;如果想分析运营动作有效性,就得记录每个动作上线时间,作用在哪些人身上。

如果以上统统没有,只有一张成交订单和订单上的销售个人编号。那就真的没啥好分析的了。最后的数据就只有:销售额=业务员人数*有成交比例*人均成交金额。基于这么点可怜的数据,可以做一些简单的、粗线条的分析,比如:

1、对业绩排名,分析业务员业绩稳定性、找出标干

2、对团队排名,分析团队管理水平高低

3、对比活动/政策上线前后差异,粗略观察效果

当然,因为缺少细节,所以这些分析很容易被人质疑。没有数据,分析个屁!这一点一定要牢牢记在心里。在各种场合,努力推动数字化进程,努力提高业务部门对采集数据的重视(而不是提高业务部门对数据分析成果的期望),才是数据分析师们自救法宝。至于那种大吹特吹:“我有神威无敌大将军算法,代码一跑上知天下知地中间知空气”的主,你就跟他划清界限,让他独自面对销售的质疑,死几次他就知道改了。

更多的场景

不止销售运营,但凡数据想落地到具体业务中,都得经历这个过程。

比如商品管理场景,得先知道:

1、是啥类型商品、保质期、储藏要求、物流要求如何

2、商品选品、定价、入仓、出货、上架流程是啥

3、商品管理部门改价格、做促销、做陈列的方案是哈

比如内容运营场景,得先知道:

1、是啥类型内容、视频、文字、海报?

2、内容创作从目标、选题、素材、发布流程是啥

3、内容运营团队对不同内容主题的运作计划是啥




(部分内容来源网络,如有侵权请联系删除)
立即申请数据分析/数据治理产品免费试用 我要试用
customer

在线咨询