爱华网五...第二步：数据的分析 完成精准的数据收集这只是“万里长征”的第一步，关键是企业如何分析数据和分析数据的流程与结构。数据的分析能力，是指在做出决策和采取行动时，对数据、统计学和定量分析技术、解释性和预测性模型以及以事实为基础的管理方法等进行广泛的战略性运用。只要稍有经验，企业一般都不会完全“盲目飞行”，也就是说处于最底层的分析力缺乏者并不多，但能够具备高层次分析能力的企业则更少。这主要是因为它们缺乏数据分析能力，不能管理大量的信息，无法为科学而透明的决策起到辅助作用。事实上，数据分析能力不只是取决于专业分析高手的多少，更重要的是为了更好地展开信息战略而采用的组织结构和流程。促进有效运用分析技术的组织类型有很多，归纳起来可以看作图7中所展示的三种模式类型。这三种模式类型，包括分散型、项目小组型和综合型，我们这里提到的商务分析体系采取的就是综合型数据分析结构，通过新成立的商务支持部门实现信息的统合分析。当然，模式是否适合，要看企业的特征及分析能力的成熟度，当然也包括企业高层如何看待信息战略分析的作用。下面我们简单介绍一下这三种模式类型： 1）、分散式——企业各职能部门设置专门的数据分析小组，从属各职能部门，这是当前最为普遍的一种模式。由于各个分析小组散布于企业的核心职能部门，很难对分析重点、项目和资源实施集中管理。这种模式，只能对职能部门内部效率发挥作用，但分散孤立的结果则不能形成合力。换句话说，这种类型是信息使用的初级阶段。 2）、项目小组型——是分散式类型的一种变体，即在每个核心职能部门建立分析小组的基础上，再建立一个企业级小组，我们可以称之为“信息组”，用明确的“联合纲领”形式协调各分析小组的工作。在这个类型中，分析小组植根于有分析需求的职能或业务部门，同时又直接受到企业级信息组工作指导。这样就形成了一个分析员集体，可以相互学习、分享知识与经验。一个强大的信息组，统揽了了这个企业的分析工作，直接为企业高层所用。这的确解决了联合问题，但同时由于分析人员往往只懂技术，不了解市场、也不了解企业的内部运作，其价值就必然会大打折扣。 3）、综合类型——在这个类型中，企业成立一个跨职能部门的商务支持部门，设立一个部门总监，并由企业一个高层直接管理。在这个部门里，从核心职能部门抽调专业人员担任财务、营销和预测计划方面的经理。这样由企业资深人员和专业的信息技术人员组成的商务支持部门，从根本上解决了分散、孤立和不专业的问题。这种综合性可以轻易地把分析人员聚焦于具有战略重点的项目上，围绕企业整体战略展开信息战略，这是信息战略运用的升级。总之，数据分析的最终目的就是提升企业的整体分析能力，即将各部门协同起来共同解决问题，令洞察力发挥最佳效果。商务支持部门的成立，让企业拥有一个庞大而整合的分析团队，从而为解决重大战略问题分析提供支持。 大量存在的数据以及处理这些数据的强大信息技术使得分析工作显得越来越重要。完全依赖技术是很多啤酒企业无法有效实施信息战略的关键。这就像变魔术一样，变魔术的是魔术师而不是帽子。数据的价值就在于分析人员透过它获得问题解决方案，为企业决策和企业活动提供辅助作用，最终取得良好的结果。我们认为有效的数据分析包括两个方面：其一是清晰的分析内容和应用，它可以确保获得宝贵的洞察力和建议，并得以有效实施；第二是契合的分析工具，它能提高洞察力，并能保证数据的统一性、质量以及可用性。 A、数据分析的内容与应用 数据分析的内容 对庞杂的数据进行分析，首先要清晰它的方向与内容。在商务智能分析体系下，数据分析的根本目标就是要提供销售和市场信息的分析结果，以帮助管理层更好地制定决策提高企业盈利能力。如今企业管理人员对数据分析越来越熟练，越来越重视，特别是在预测和优化这两个领域，数据分析能够逐渐将复杂的问题简单化。具体来说，我们将数据分析的内容归结为两个方面（见图8）：其一、市场／竞争机会分析，通过从内部和外部资源获得的数据信息分析企业内部、行业和竞争对手的情况，从而找到提升企业能力的机会，以优化战略；其二、销售计划／预测分析，通过销售预测，确定销售目标、监督销售业绩，以及提供合适的反馈／指导给销售部门和管理层。 关键数据信息和衡量标准 过去管理者之间对数据分析的结果会存在分歧，是因为他们的观点来自于各自不同部门的数据，他们会站在自身的角度来看待和评价分析结果。我们这里提到的数据分析，给企业提供了整体的、从全企业出发的数据观。其关键数据信息来源于数据收集的三个层面，不同层面的信息分析视角和结果不同——1、企业销售给经销商（STW）：市场份额的计算、行业发展趋势估计、竞争环境分析和行业分类与发展趋势的分析，这些信息分析主要用于向企业高管层把握行业趋势，制定中长期战略。2、经销商销售给终端（STR）：和预算对比的差异、和去年对比的变化趋势、按不同包装分析、按不同渠道分析变化趋势、按人群进行分析，以及渠道和充分订货预测等，这些信息分析主要用于提高和优化企业战略执行与绩效评估。3、销售给最终消费者（STC）：市场份额跟踪、消费者偏好跟踪，这些信息能够帮助企业持续跟踪市场和消费者的潜在需求，以提高战略的精准性。 数据分析的应用要求 数据分析能力是否有意义，取决于是否能够和其他运营能力相结合。如若只是一种割裂的单点化解决方案，那么这种营销能力就不能发挥最佳效用。因此，数据分析要考虑未来的应用，包括自动化的决策和战略决策两个方面。自动化的决策应用，需要把数据信息的收集与分析与企业的日常运行状况结合起来，在选择数据应用软件和工具时，要考虑将运营领域的信息分析内容实现自动化，而尽可能减少人为干预。比如，销售团队的业绩评估、经销商进销存管理建议、生产预测和绩效考评结果等。同时，我们还必须注意，数据信息分析的结果往往不能直接转化为企业的战略性决策。那些迷信数据信息的企业，常常过分依赖数据的结果，而忽略了经验和直觉。所以，在中长期战略决策上，数据分析是基础而不是结论，关键是在现象中找出核心洞察。 B、数据分析的工具与方法——时间序列分析法 管理者所依赖的数据分析工具应当简单实用，并能够直接与整个企业的软件系统结合起来，以便实施供应链优化、销售预测以及测量营销效果。时间序列分析法就是这样一个分析工具，它非常适用于稳定的市场,成熟的产品，是企业整合现有数据最主要的分析工具。运用时间序列分析，可以评估当前的销售业绩和市场活动的有效性、衡量销售计划的完成情况、确定潜在的销售趋势和预测全年销量、以及建立下一年度合理的销售预算，并分配到每一个月。 时间序列的好处与作用 具体而言，采用时间序列分析法的好处在于：它可以跟踪较长时间段内的销售业绩，消除每个月中由于不同的工作天数和季节因素的影响，从而使任何月份之间的销售业绩具有可比性；精确预测销售业绩的增长/下降的趋势和比率；尽快发现销售趋势的变化，从而找到影响变化的因素，这包括行业、公司、竞争对手；根据销售和市场状况制定决策，从而提高了决策的质量。企业在运用时间序列这个工具管理运营时，它还可以评价当前的销售业绩，评估销售和市场活动取得的效果，并将评价结果反馈给销售人员；预测潜在的销售趋势和未来的销量，作为人为预测的一个补充；建立合适的目标销量，以及每个月的销量数据。 如何生成时间序列 时间序列分析技术，是一种历史销售数据资料的延伸预测，也称历史引伸预测法。即按时间的销售量数列所反映的的发展过程和规律性，进行引伸外推，预测其发展趋势的方法。时间序列分析,正是根据客观事物发展的连续规律性,运用过去的历史数据,通过统计分析,进一步推测未来的发展趋势。事物的过去会延续到未来这个假设前提包含两层含义:一是不会发生突然的跳跃变化,是以相对小的步伐前进;二是过去和当前的现象可能表明现在和将来活动的发展变化趋向。这就决定了在一般情况下,时间序列分析法对于短、近期预测比较显著,但如延伸到更远的将来,就会出现很大的局限性,导致预测值偏离实际较大而使决策失误。最早将时间序列法运用到啤酒行业的是百威啤酒，至今它已经成为百威啤酒数据分析最主要的工具。在啤酒行业中，每个月的销售变化主要是由于以下两个原因造成：季节因子和工作天数。由这两个因素造成的变化是可以阻断连续性的数据分析，并影响着任何两个月的之间的对比，从而导致数据分析的偏差。时间序列运用统计学方法剔出这两个因素造成的影响。它可以自动计算出每个月的工作天数调整因子，并将其应用于每个月的原始销量：这样，每个月就拥有相同的工作天数，从而每个月之间的销量初具可比性 …如可以准确地比较今年六月与去年六月的销售业绩。同时，时间序列还自动计算出每个月的季节调整因子，并将其应用于经过工作天数调整的的销量：这样，任何月份之间都具可比性 … 如可以准确地比较今年六月和五月的销售业绩。消除两个因子影响后的调整销量＝原始销量X 工作天数调整因子 ÷ 季节性调整因子，这样就可以按照可比较的销量来较为准确地利用时间序列分析来进行各种分析（如图9）。如果时间序列显示了一个年复一年变化趋势相对平滑的图形，那么趋势和每年的增长将会基本一致。正如图9所示，时间序列分析的关键是通过长达数十个月的调整销量的连续性分析，找到潜在的发展趋势的“趋势线”，即根据过去和现在的销售业绩反映未来的销售的发展方向和描述了当前的销售增长率。潜在的发展趋势是所有影响销售的潜在因素的集合，包括行业、竞争环境、以及企业内部等因素的影响。偏离趋势线的点，表现出“不规则的变化”，反映了市场出现的突发性事件。总之，时间序列能够帮助我们更加精确地估计销售增长/下降的变化方向和变化率。并能够更快地显示出即将发生的事情，从而提供一个对销售状况变动的早期预警。
