一個企業數據平台的建設,包含技術方案、平台架構和成效

週三, 七月 26. 2017

洪海龍騰電子商務股份有限公司是一家集電商運營服務、電商自營業務、軟體研發與銷售、電商培訓服務於一體的互聯網行銷服務公司。公司總部在青島,全公司500多名員工。2016年淘寶「雙十一」活動,銷量前二十的商家,有7家是其客戶,其現已成為淘寶體系服務商家數最多的運營服務商。

[b]數據平台建設[/b]

電子商務,主要分三種:賣家自營、電商平台和服務商。作為服務商,數據平台的建設要做好相當長期的規劃,除了考慮系統的可擴展性,還要預測業務範圍的拓展。整個數據平台,主要分四層建設。ODS數據操作層、標準數據層、統計數據層、展示數據層,帆軟[url=http://http://www.finereport.com/tw/]數據分析[/url]平台主要是針對展示層數據作量化分析。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017071903.png[/img]

數據平台的建設,是個前瞻性工程,需要更多的思考和方法論支撐。洪海龍騰主要是從高層、資金、人才三個方面作重點考量。首先,這種前瞻性投入,必然需要高層領導甚至是老闆的支援。需要多和老闆溝通、彙報,所謂「教育」老闆,要「跟得上時代」。領導的支援之外,必然要有資金保證,除了採購軟體本身需要資金,也是要關注運維需要的人員投入。有了支援和資金兩個基本條件,剩下的關鍵就是靠人才。企業一般都有擅長IT技術的人才,但不一定儲備了有數據思維的人才,洪海龍騰專門從阿里引進了這方面的人才。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017071904.png[/img]

技術方案如下圖:整體上採用的是開源+免費的策略。比如ETL用的是kettle、資料庫和數據倉庫都用的Mysql,爬蟲選的Java PG。從效果來看,短期內確實節約了採購成本,但長期來看,需要相當多的開發和運維成本。當面臨數據分析需求時,發現洪海龍騰的數據分析需求需要6個前端開發+6個資料庫技術,所以果斷放棄了開源方案,最後從價格、性能、功能、樣式、服務等幾個維度選擇了帆軟數據分析平台。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017071905.png[/img]

[b]數據分析應用[/b]

數據分析,關鍵的一塊工作是規劃。洪海龍騰規划了「N+1」個模塊[url=http://http://www.finereport.com/tw/]報表製作[/url]。所謂「N+1」,就是N個業務模塊,1個系統訪問監控模塊。業務模塊不做單獨拆分,就難以對應負責人;系統訪問不做單獨監控,就難以推行數據分析系統,並且無法及時取得系統使用反饋,無法改善提升。這裡重點分享下核心業績分析、實時考核分析、投訴分析這三個業務模塊和系統訪問分析監控分析。

[b]核心業績分析[/b]

公司的業務,主要分行銷、服務、教育、行動、客服五大體系。高層最迫切想要知道的,就是這些業務模塊進展如何。在數據分析工作上,首先,分體系呈現當下業績,這也就有了各業務全年業績達成率。要有全年匯總數據,這是第一步,顯示了結果。那過程如何?通過將業務數據分解為按月分析和按日分析,業績完成歷史軌跡分析,展現業務發展的過程。除了這些正常業務經營數據,還要關注異常,比如各體系的退款情況。把各體系退款數據做一個趨勢分析,發掘趨勢變化,及時干預處理。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017071906.jpg[/img]

[b]實時考核分析[/b]

不同的企業有不同的管理風格,也有不同的管理方式。洪海龍騰的管理既抓大略,也關注細節。高層希望能夠實時掌握業務動態,把握企業運轉的脈搏。這邊有了如下的實時考核分析。將關注的回款指標做成直播大屏,讓領導坐在辦公室即可隨時查看。這個實時的回款分析上線以後,公司也發生了微妙的變化。很多業務部門反饋,有了這個頁面,總感覺自己的一點一滴的業績,都能被領導看到,所以大家的積極性有了不小的提升。這個引起了數據分析團隊的注意,所以下一步規劃在系統內開放部分實時數據,做業績排名,給大家提供更大的動力和督促。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017071907.jpg[/img]

作為服務商,核心競爭力就在於提供優質的服務。那麼怎麼評判服務的質量呢?以前,更多的是通過直觀感受和個人經驗。現在,用帆軟數據分析平台搭建了投訴分析模塊,對每個部門制定了投訴指標。通過這個分析模塊,可以實時查看到當前各部門、各人員的被投訴數據和排名。有了這個量化,下一步就是如何做改善。再分析了被投訴原因和採取處理措施後,經過2016年到2017年將近1年的努力,從月均投訴33次下降到了月均7次的水平,降幅達79%,而且還在持續下降中。投訴次數的下降就是洪海龍騰服務水平提升的繁星一點,正是有了數據分析,才進一步推動了服務的改善,不然,如何有說服力地判斷服務更好了呢?

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017071908.jpg[/img]

[i][u]數據分析,報表實例,專業的人都在這裡!加入[url=https://www.facebook.com/twfinereport/]FineReport臉書粉絲團[/url]![/u][/i]

[b]訪問監控[/b]

平時IT部門做系統監控分析,更多的是關注IT設備的運行狀況,或者關注系統平台的安全狀況。都是在保證系統的可用性,為業務運營做好系統支撐。但實際有多大效果,是否有空間可以改善呢?這個難以回答。用帆軟軟體搭建的數據分析平台,同樣面臨著如何驗證效果和改善提升的難題。解決辦法是提供平台使用狀況的實時分析頁面。分析哪些部門,哪些人,哪些頁面的訪問量比較高,然後前去溝通交流,積累成功經驗;同時,分析哪些部門,哪些人,哪些頁面的訪問量比較低,然後針對性的採取措施。這裡重點是為什麼有些部門有些人訪問量低,做重點溝通,是個人抵觸數據平台,還是數據平台未能滿足需求?在逐個問題解決之後,公司整體系統訪問明顯趨於穩定。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017071909.jpg[/img]

數據分析方法(一):對比與對標

週一, 七月 24. 2017

對比是[url=http://www.finereport.com/tw/]數據分析[/url]最基本的方法,通過對比識別數據差異。但是對比有得失。在分析過程中,對比得當可獲得精準結論,但對比分析也存在陷阱,比如某產品近期銷售數據在下滑,想當然得會得出結論此產品受歡迎度在下降,但是查看銷售比(銷售數/DAU)卻在上升,所以只是因為DAU下降了。

[b]所以如何去有效對比?[/b]

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017070701.jpg[/img]

[b]1、 橫向、縱向多維度對比[/b]

對比的前提是兩個事物或統一個事物的兩個狀態,其次必須要有一個對比的指標或標準(這裡可稱為對比的度量)。對比的兩事物一個是主體,另一個是客體。也就是明確對比的三要素:主體、客體和度量。比如小明比小王高5cm,就是一個最簡單的對比,這裡小明是主體,小王是客體,度量身高,且人們對於身高這個度量存有共識。但如果去大排檔吃一碗炒飯50元,可能覺得很貴。那如果是取希爾頓吃一碗炒飯128元可能就不覺得貴,這裡我們選擇了常識作為比較的基準,客體也沒有問題,問題在於我們所謂的「常識」並非所有人的「共識」,如果不是共識,就要非常謹慎地得出結論,否則就容易從自我出發做出判斷,影響結論的中肯性。

[b]2、建立標準化的對比客體和度量[/b]

就是因為標準可以是認為確定的,所以存在質疑和不確定性。

建立標準化的對比可以是時間標準、空間標準、特定標準、計劃標準。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017070702.png[/img]

[i][u]數據分析,報表實例,專業的人都在這裡!加入[url=https://www.facebook.com/twfinereport/]FineReport臉書粉絲團[/url]![/u][/i]

[b]3、 比率的對比[/b]

常見的對比是大小的對比、數量的對比,比如銷售額的對比,人數的對比,使用不同的對比指標會得到不同的結論,我們把對比標準的選擇叫做視角,視角不同,結論不同。比如上述對比小明小王倆同學,身高是視角事宜,除此之外還有年齡、學習成績、顏值等等。在對比各種變化的原因時,我們也有各種模型,我們所要做的就是找到合適的對比視角。

直接描述事物的變數:長度、數量、高度、寬度等

加工後可得到:增速、效率、效益等指標,這才是數據分析時常用的。

如下圖的AB公司銷售額對比,雖然A公司銷售額總體上漲且高於B公司,但是B公司的增速迅猛,高於A公司,即使後期增速下降了,最後的銷售額還是趕超。(數據都是筆者瞎編的,工具用的是FineBI)

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017070703.jpg[/img]

[b]3、 指標的邏輯與管理指標[/b]

數據分析師有一個關鍵的職能就是要設計「指標」來對比,設計指標和應用指標有著天壤之別。比如某保健品公司,他們的產品是各類補品及奶粉,他們的業務與市場中人口的出生率、老齡化速度、市場整體購買力、對保健品的消費觀念有著直接關係,還與政府對這個市場的管控力度有關。分析這麼多之後,有沒有一個指標來反映這些綜合的因素,它的正反代表著好壞。

考慮到以上因素需要構建一個綜合性的指標,這需要各種數據的加權計算。在不考慮市場規模的情況才,可以先構建一個指標指數模型:

Y=aX1 + bX2 + cX3 + dX4+……

Y 可定為市場吸引力指標值
X1 可定為老齡化程度
X2 可定為市場整體購買力
X3 可定為市場對保健品的品牌的看法
X4 可定為政府對這個市場的管控力度
abcd是係數,分別代表影響力程度

當然以上只是簡單的羅列,實際情況比如X2還能分解出多個影響指標,甚至整體可以換成乘法模型,指數模型。。。

[b]4、 對標的層次和維度[/b]

設定了各項管理指標後,剩下的就是比較工作了。從變化到追蹤事物變化的詭計,找到問題的根源,從而找到書屋發展規律,這個過程叫對標。對標可以和自己比,也要和別人和競品比。

對標的維度有規模指標、速度指標、效率指標、效益指標。

規模指標比如營業額、銷售額,電商平台的UV、日活,醫院的一天接診數量,年營業收入額;

速度指標往往代表著活力,也是看未來趨勢和潛能的重要指標類,包括各種運營管理指標的速度指標。

效率指標即投入和產出比,如果投入的是時間,月度產值、季度產值;如果投入的是凈資產、則凈資產周轉率;如果投入的是人,人均產值,人均銷售額。

揭曉「智慧醫院」的4大秘訣——佛山中醫院數據分析案例

週三, 七月 19. 2017

佛山市中醫院,創建於1956年,是一所集醫、教、研及康復為一體的三級甲等中醫醫院。其骨傷科、腦病科、糖尿病科、腫瘤科被評為「國家中醫藥管理局十二五重點專科和建設單位」,10個專科被評為「廣東省中醫藥局重點專科」和「廣東省中醫藥局重點建設單位」,另有3個市級特色專科。其中骨傷科是國內嶺南代表性流派,相傳至今已有五代傳人,在國內、港澳台地區及東南亞久負盛名。

[b]發展帶來新問題隨著醫院業務發展和智慧手機的普及,臨床和管理部門對於報表的多維度展示、數據鑽取及行動端支援的需求越發明顯,而計算機中心也一直缺乏有效手段來滿足需求。經過2周的調研,四大問題尤為突出。[/b]

1、業務經營數據決策,都是明細表格,缺乏豐富的可視化圖表支撐;

2、業務報表不支援微信公眾號,但行動端看報表、做分析的需求強烈;

3、數據斷層,無法進行關聯和鑽取;

4、缺乏動態的可視化大屏,通知靠廣播,交互靠電話,效率太低。

醫院高層規劃數字醫院、智慧醫院的長遠目標,需要利用數據中心資源開展[url=http://www.finereport.com/tw/]BI[/url]、科研、運維工作,但缺乏現代化的[url=http://www.finereport.com/tw/]大數據分析軟體[/url]展示工具成為了目標實現瓶頸。

[b]解決問題思路[/b]

為了解決上面四大問題,中醫院的計算機中心做了多方考察。在一次醫藥行業全國CIO交流會上,了解到同行使用帆軟[url=http://www.finereport.com/tw/]數據分析[/url]平台的經驗,給中醫院帶來了啟發。原來,現在市場上已有成熟的數據分析平台來滿足需求。之前一直局限於接觸集成商,尋求合適的系統代碼開發方案。在平台選型考察時,佛山中醫院主要考慮了這樣四個指標:

[b]1、易用:[/b]產品平台要方便開發,這樣才能滿足快速交付。現在醫院的業務變化快,患者和醫務人員的新需求多,只有易用的產品才能滿足高效開發的需求;

[b]2、展現能力強大:[/b]需要豐富的[url=http://www.finereport.com/tw/]圖表製作[/url]和交互效果。中醫院高層明確提出要放棄現有的簡陋表格化的系統,採用更多圖表和交互效果的系統。同時,要能滿足現在和未來五年的業務需求,展現能力必須要強大;

[b]3、100%支援行動端:[/b]要支援原生APP、APP集成和微信公眾號集成。醫院現有微信企業號「佛中醫之家」,日常醫療辦公已經完成微信化,所以新的數據分析平台必須要集成到微信端。同時,醫院內部還有自己的APP,APP集成也必不可少。

[b]4、合理的價格:[/b]產品和服務最終價格在年度預算範圍,並且整體方案能帶來最大的潛在收益。比如行動端展現支援,這裡面如果和微信集成效果不足100%,那麼將來就有可能限制數據分析平台的應用。如果不能做到流暢、炫美的大屏交互,那麼也是性價比不足。合理的價格,排在首位的是功能和性能。

[b]探索實踐[/b]

佛山中醫院的選型流程比較長,項目開發特別注重規劃。由於前期和帆軟醫藥行業顧問做了深入交流,項目前期規劃很完善。完善的規劃是項目成功的一半,豐富的實施經驗是規劃落地的保證。所以,在中醫院正式取得帆軟授權後,兩個人不到三周,就完成了了挂號大屏、骨科門診大屏、檢驗大屏、行動端微信應用等四大重點模塊。

[b]挂號大屏[/b]

佛山中醫院是全國重要的中醫醫院之一,其中骨傷科是遠近聞名。每年,都有大量全國各地的患者慕名而來,及時疏導患者,給患者提供專業的醫療服務和人性化的服務體驗是中醫院一直追求的目標。計算機中心,就從最常見的也是最容易讓患者傷神的挂號服務開始突破。以前的顯示屏,是一塊黑底白字的表格顯示器,直勾勾的顯示哪些醫師還未約滿。現在將顯示器更換為全新的LED電子顯示屏,在原有醫師出診信息報表的基礎上做了設計美化,增添了全國就診分布(一個動態的航線圖效果)。同時,將實時挂號總數顯示在大屏上(可以看到骨傷科門診人數高出一倍多),患者和家屬也能看到當天挂號趨勢,合理安排挂號時段。從對患者家屬的調研來看,這個挂號大屏,患者家屬第一眼看到就覺得中醫院專業,在這裡就醫踏實。當然,後續醫師的專業治療才是硬功夫。但重要的是,這個挂號大屏是得到了院方高層領導和患者家屬的一致認可。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017070501.jpg[/img]

[b]骨科門診大屏[/b]

挂號大屏是門面。雖然有幫到了患者,但多少有一些形象工程的味道。而內部骨科門診大屏,才是真的幫到醫護人員的。中醫院骨科是王牌科室,每天都有很多各地慕名而來的患者,患者眾多導致對醫護人員的需求特比大,怎樣合理安排不同科室的醫護人員成了大難題。以前,中醫院靠的是電話系統,哪個骨科門診室人數多了,來個電話,然後護士長找各個門診室,協調醫生和護士去救急。這導致每天醫護人員的工作就像是在激烈戰鬥,而且每次都是門診室人滿為患了才能亡羊補牢。沒有辦法預先做出安排,平穩協調。現在基於帆軟的自定義地圖模塊,現在開發了骨科門診大屏,護士長在電腦前掃一眼,就能看到各門診室的患者排隊人數和各科室的醫護人員數。其中顏色越深、越紅的門診室為當前患者最多的,需要及時協調資源處理。通過及時處理,可能患者還沒排起長隊,但是醫護資源已經提前安排到位,提高了骨科門診的整體效率。從2周的問卷統計來看,骨科門診患者的滿意度提高了30%。同時,接待患者的數量平均每天上升約23%。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017070502.jpg[/img]

[b]檢驗大屏[/b]

檢驗科室,要針對全院送檢的樣本進行醫療設備檢驗。通過現場觀察溝通發下,檢驗科每天都要統計臨床處理的工作量、處理的及時率、樣本分布、報告分部。同時,對於檢查報告,還需要重點標註危急指標項。以前,這些都是以做日報和口頭經驗的方式來交接傳遞。現在,流程和業務經驗知識都通過下面這個大屏固化下來。比如說當天危急值,通過大屏,跳動提示檢驗人員,對相應的報告作關注和重點批註。雖然這個監控大屏才上線不到3周,但檢驗科的同事們親自發來的感謝信,確實提高了工作的準確度。同時也降低了工作強度,大大提高了報告批註的效率。臨床處理及時率從80%直接上升到100%,並且樣本超時現象也在明顯減少。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017070503.jpg[/img]

[i][u]數據分析,報表實例,專業的人都在這裡!加入[url=https://www.facebook.com/twfinereport/]FineReport臉書粉絲團[/url]!
[/u][/i]
[b]行動端微信應用[/b]

2014年7月,患者行動服務與支付系統成功上線,並接入微信服務號,成為佛山市第一家可線上完成預約挂號、支付、查詢報告等功能的微醫院。然而,這裡上線的微醫院其實只是類似流程審批和結果查詢的功能。而且更多的是面向患者的,解決的也是患者家屬辦理就醫耗時、繁瑣的問題。對於院方的中高層,並沒有享受到微信公眾號應用等帶來的便利。中高層迫切需要的經營報表和管理報表仍需要計算中心來手動製作,並且在內容和時效上,還遠未達到中高層的100%滿意。也是在和帆軟醫藥行業數據分析顧問梅總的溝通中,中醫院這邊了解到帆軟有整體的微信集成技術方案和微信端如何給不同領導採用不同頻率的業務方案。同時,中醫院還根據現有的信息系統,做了分期建設的規劃。(有興趣對醫藥行業如何做數據分析規劃作更多了解的可以留言)首期3周,優先規劃的就是費用類查詢和對比分析報表。從各類處方查詢、藥品查詢到醫師查詢。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017070504.jpg[/img]

這裡最常用的兩個[url=http://www.finereport.com/tw/]報表製作[/url]是骨傷科門診室醫療收入總構成報表和年度科室總收入TOP10 報表。高層領導每年會給各科室分配年度收入任務,通過年度科室總收入TOP10 報表,高層可以發現積極優秀的科室,及時進行表彰,或者進行經驗交流分享,幫助其他科室提高進步。中層根據自身科室的收入構成,來進一步分析需要提高哪部分的收入,或者如果發現部分收入異常,如何調整。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017070505.jpg[/img]

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017070506.jpg[/img]

[b]未來一年規劃[/b]

佛山中醫院的目標,是把所有數據分析工作都搬移到大屏和行動端。所以,對下一步的分析規劃,做了四步走策略。

第一步:報表梳理,刪除冗餘、整合零散;
第二步:查詢優化,隔離業務、建立維度;
第三步:報表遷移,從舊報表系統遷移到帆軟報表;
第四步:監控大屏,完善各類監控大屏。

其中,監控大屏預期規劃是要做日常運作監控、檢查科室監控、安全事件監控、質控監控、藥方配藥監控、投訴處理監控等模塊。未來,佛山中醫院預期通過帆軟平台,建成如下圖的[url=http://www.finereport.com/tw/]商業智慧[/url]運營系統,讓醫院數據分析完全自動化。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017070507.jpg[/img]

文 |帆軟數據應用研究院 船長

日本NO.1食品超市經營管理的數據方案

週二, 七月 18. 2017

丸悅公司作為日本首都圈NO.1的食品超市連鎖店,以東京為中心開設有270家店鋪。在中國,丸悅與中國零售業巨頭蘇寧雲商組建合資公司,將丸悅在日本積累了約70年的專業知識和經驗與蘇寧雲商急速成長擴大的經驗相融合,面向中國華東地區,積極展開超市連鎖事業。2013 ~ 2015年,公司年平均虧損3000萬元。2015年開始進行基於[url=http://www.finereport.com/tw/]數據分析[/url]的管理模式,一舉扭虧為盈,實現了連續兩年銷售額增長40%,費用同比每年下降10%左右。

[b]背景[/b]

丸悅是一家日資企業,經營管理方式有著很強的日本文化風格:講流程、重細節。丸悅2013年進入中國,沿襲固有經營管理方式,並且只選擇日本供應商合作,日常經營出現諸多摩擦,最終多方原因導致年虧損3000萬的解決。作為中方代表,中方100人的團隊和日方團隊激烈交鋒後達成共識:丸悅中國的決策要依據中國市場現狀,基於數據的分析得出,由雙方中高層的管理者共同表決通過後實施。在這個共識之下,丸悅在開業準備、營業支援和會員管理三方面取得了顯著突破。

[b]解決方案[/b]

解決方案分三部分,分別是開業準備、營業支援和會員管理。整個數據分析基於帆軟平台,整合數據,建立從查詢報表、管理[url=http://www.finereport.com/tw/]報表製作[/url]以及主題分析的一整套經營分析體系。

[b]開業準備[/b]

日本丸悅做事比較注重數據化,新開一家店基本上要求由上海或者北京的調查公司對店進行全面調查,內容涉及競爭對手、人口消費習慣等各方面,還要定期回訪。開業準備一般有特定的流程:市場調研、選址、購買者分析。但是目前來說,尚未在國內找到專業的調查公司來完成這三項準備工作。日本丸悅在日本經營70年,它有很多自己的方法,但在國內很不適應。但丸悅中國在國內市場探索了兩年,卻做出了自己的成績。

針對市場調研,丸悅採用了常用的SWOT分析模型。通過數據分析平台發現,無錫蘇寧廣場開店的SWOT如下圖。從內部來看,優勢在於丸悅中國水果品質齊全、工作人員素質高,劣勢在於周邊商圈消費低迷;從外部來看,周邊居住的多是25~39歲的群體,而且周邊工作者有大量午餐需求,但同時威脅也不小,周邊存在不少超市和菜市場。針對丸悅中國高端精品超市的定位,團隊認為蘇寧廣場有巨大的潛在機會,在這個角度,值得選擇。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017070401.png[/img]

針對選址,團隊採用3C模型(Company商鋪,Customer顧客,Competitor 競爭者)對開店的選址分析,發現蘇寧廣場的1小時經濟圈、2小時經濟圈、3小時經濟圈覆蓋範圍,至多3小時暢達長三角,顧客交通十分便利。但同時也發現,周邊商圈消費份額低,並且大潤發、八佰伴、三陽百盛等吸引了大部分客流,存在明顯的競爭格局。開店選址在此,就必須和這些超市百貨競爭,精品超市的定位有利於和普通商超差異化競爭。經過這三年的角逐,在無錫當地的精品超市中,丸悅中國的銷售額是大潤發超市的2倍左右。像紅豆或者其他的精品超市,基本上也被甩在身後一大截。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017070402.png[/img]

針對購買者特徵分析,要開新店,肯定要對客戶群分析,要了解周邊客戶都有哪些消費特徵。團隊重點分析了節假日女性顧客年齡分布、工作日女性年齡構成分布和顧客來店頻率以及來店顧客的家庭年收入。通過分析發現,節假日高價值顧客(20~39歲的女性)佔比達66%,而工作日高達72%,來店顧客的家庭年收入和來店頻率也比較高,十分滿足丸悅本身品牌的定位。當然,丸悅中國還正在建立模型,期望後期開店可以直接把調研的數據和模型進行比對,來做綜合的評分作為指導,同時降低開店調研費用。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017070403.png[/img]

[i][u]數據分析,報表實例,專業的人都在這裡!加入[url=https://www.facebook.com/twfinereport/]FineReport臉書粉絲團[/url]![/u][/i]

[b]營業支援[/b]

精品超市的銷售分析,是精確到時點的,分時點來制定不同的銷售策略。如何能掌握實時銷售數據,並做好精準的實時數據分析,尤為重要。下圖是無錫兩家店面的24小時分時段的銷售數據。可以看到,整體的消費趨勢是相似的,但略有不同。這裡主要做兩個對比:不同店鋪的分時段銷售曲線,不同日期的分時段銷售曲線。把綜合的分時段曲線做對比分析,找出不同日期、不同店面的銷售差異,制定個性化的銷售策略。店鋪做的每一個時點的銷售情況分析,數據及時傳輸給到各個店的店長,店長可以能夠實時掌握銷售情況。同時,和視頻系統進行連接,店長能夠親眼看到店裡的情況。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017070404.png[/img]

針對商品分析,這個工作比較細緻。因為精品超市做得深、做得專,秘訣就在商品和會員這裡。精品超市的商品品質是比一般超市要求高得多的,同時還得經常推陳出新。針對不同年齡層次的會員,做專門的喜好商品分析。後來團隊發現,特色水果比起一般水果更能吸引顧客。那麼如何制定銷售策略?丸悅採用差異化毛利率的行銷策略。其中特色水果和生鮮因為品質競爭力很強,所以在這塊毛利率定的比較高,約30%。而其他商品毛利率在10%~20%之間分布。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017070405.png[/img]

不同的商品,設定不同的毛利率。丸悅中國每個店面有200個SKU,那麼怎麼保持店鋪平均20%的毛利率呢?辦法就是對不同商品提供不同面積的牌面。像生鮮、熟食、肉魚,因為是丸悅主打的商品,整個銷售比例幾乎達到50%。丸悅定位的是精品超市,而這部分商品一般都是高端會員大量消費。相比價格來說,會員對品質更為敏感。所以這部分的商品,可以保持高品質,高毛利,同時在店鋪中提供優質的牌面。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017070406.png[/img]

既然店鋪50%都是一些生鮮、熟食、肉魚等保質期比較短,同時價格比較高的商品。那麼必然吸引的是消費目的性極強性顧客,會員粘性會較低。如何吸引更多的新會員,同時吸引更多的老會員能常來逛逛呢?丸悅的策略是母嬰用品高品質但是價格很有吸引力。比如天然足貼,118元一盒,這個價格比電商平台、周邊超市都要低,甚至比上海的精品超市低150元左右。尿不濕,整體毛利率控制在4%,價格是很有吸引力的。嬰兒用品是日常消耗品,經常需要採購。丸悅的店面一般都距離小區或者寫字樓很近,方便白領女性隨時購物。所以有吸引力的價格促使新老會員常來店鋪,既帶動了人氣,又能增加不少新會員,同時推出的高端新品還能有不錯的成交量。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017070407.png[/img]

[b]會員管理[/b]

作為這個精品超市,會員是持續經營的根本。2017年一季度,丸悅會員的消費佔比大約達到了60%。那麼在會員費用投入上也是逐步和其他超市做了一個差異化,更傾向於互動性。同時,通過帆軟平台對會員消費數據的分析,掌握會員消費習慣和消費屬性,舉辦雙倍積分、節日活動、農場見學、VIP茶話會等會員活動,提高店鋪吸引力。會員活動主要是針對3月以內有消費的會員,通過豐富多彩的會員活動,會員的活躍度維持在50%以上,會員活動也能吸引會員的重複購買,復購率維持在60%以上,極大的提高了店鋪的客單價和銷售額。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017070408.png[/img]

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017070409.png[/img]

國內企業經營,最難得的是準確的外部數據。為了清楚了解顧客的需求和偏好,通過不定期會員線上調查,獲取會員對超市的不滿和期望,持續改進運營方式。例如通過調查發現,會員更喜歡通過微信和樓宇電視獲知超市的促銷信息。當然,這種調查並不新鮮,但是傳統紙質調查工作量極大,效率低,同時數據準確度很差。現在丸悅正在試行微信問卷測試,可以實現微信掃一下QR CODE,自動獲取會員信息,然後完全無紙化填寫問卷,還能採集照片和附件,十分便捷高效。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017070410.png[/img]

文 | 帆軟數據應用研究院 船長

中小企業如何進行高效數據管理?

週三, 七月 12. 2017

對於很多中小企業而言,在數據方面一般存在著:[b]數據不完整、數據指標不完善、統計口徑不一、數據更新不及時[/b]等問題;在數據利用方面一般存在著:[b]因數據分散而難以整合,因技術門檻而難以實現數據價值呈現。[/b]

現大多企業已經意識到數據管理對決策帶來的指導性價值,都紛紛重視數據治理工作,重新部署[url=http://www.finereport.com/tw/]BI[/url]、針對核心業務上線[url=http://www.finereport.com/tw/]大數據分析軟體[/url]平台。都希望搶佔這一刻先機,實現數據最大程度的轉換為業務價值。

而對於佔據國內比重最大的中小企業,在數據管理方面,有不足也有機遇。不足在於由於預算技術等方面的原因,信息化建設相對落後。那又談何機遇呢?大多數中小企業的數據量不是很大,管理建設也在發展和完善中,數據的治理、整合以及[url=http://www.finereport.com/tw/]報表製作[/url]體系,分析指標體系搭建的工作還大有可為,推翻的東西較少。除此之外,數據化的意識融入到管理中,未來有很長一段的時間完善,被大家所接受。

[b]當前流行的輕量化的數據產品是滿足企業輕量化信息化建設需求的最便捷途徑。
[/b]
對於數據的使用,帆軟接觸到的最直接的就是通過業務報表體系的建設,來整合數據、完善流程、可視化業務分析,讓數據驅動企業。

一般而言,對於大多數企業,數據的高價值主要體現在幫助企業「了解過去發生了什麼事,了解當前正在發生什麼事,明確各個事件/問題發生的原因,預測未來可能發生什麼事,進行全局優化這一「從數據到全局優化」的轉化過程中。

[i][u]數據分析,報表實例,專業的人都在這裡!加入[url=https://www.facebook.com/twfinereport/]FineReport臉書粉絲團[/url]![/u][/i]

換種方式來描述這一價值顯現過程,即為「數據查看,數據監控,[url=http://www.finereport.com/tw/]數據分析[/url],分析結果應用」。對應的數據分析/報表體系建設,就是數據查詢、管理分析和主題分析。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017063002.png[/img]

基礎查詢報表滿足的是「[b]數據查看[/b]」的需求,主要給業務人員或一線管理人員看的,偏執行層面,用以每天了解自己所負責工作的具體情況,比如我想了解我負責的業務昨天做的怎麼樣了,最近一周或一個月的進展如何等。

[b]關鍵指標[/b]是基礎看板的主要組成元素。不同公司、不同部門、不同業務的基礎看板必定是不一樣的,比如對於電商來說,運營部門的KPI是用戶復購、用戶流失率、用戶轉化率等,銷售部門的KPI是銷售額、用戶數、銷售量、利潤額等,市場部的KPI則是流量、新用戶等。基礎看板質量的高低,取決於該看板的設計者對其業務理解程度的深淺。在設計時,基礎看板在最好能夠選擇時間段,這樣如果昨天的數據出現了問題,就可以選取過去一段時間的數據,看看是否是趨勢上出了問題。選取的指標越豐富越好,指標越豐富,對於業務的把握就能越全面越詳盡。數據粒度一般都會很細,數據粒度主要針對數據的計算範圍,比如統計用戶增長情況,選擇按周統計,其粒度就不如按日進行統計細緻。

如下圖用finereport搭建的數據查詢表,稍有偏數據監控:

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017063003.jpg[/img]

[b]管理分析[/b]滿足的是數據監控、業務分析的需求,主要使用者是管理層,用以揭露業務運轉上的不暢或問題。例如店長業績管理看板、庫存管理、異常店鋪管理等。這類報表基於日常管理工作,通過查看這類報表來監控所負責業務的當前狀態,發現問題,這類報表就屬於決策輔助了。

管理類報表需要對業務有一個全面基本的了解。在規劃時,先建立一個初步規劃的模型,與業務與領導進行深入的溝通,溝通的目的是挖掘他們關注的點,即需求,然後再完善。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017063004.jpg[/img]

[b]主題分析[/b]滿足的是特定業務場景分析的需求,主要用於明確各個事件/問題發生的原因,以及預測未來可能發生什麼事。主要對象是數據分析師傅、經營分析師、商業分析師(不同公司叫法各有不同)。

分析報表是數據由低價值轉換為高價值過程中的重要一環,因為它是全局優化的基礎,直接影響著優化方案的可實現性和有效性。分析類報表相比於管理類報表跟具主動性,往往是帶有一定目的去查看和分析,並非基於日常工作,所以分析類報表除了基於基礎的數據外,還要根據目的結合多種分析方法或分析工具來實現。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017063005.jpg[/img]
商品分析

中小企業的數據管理往往並不難,業務相對簡單,需求相對明確。但是重要的前提是,數據規範、以及指標數據口徑的的統一,底層基礎建設好了,往後的路就好走多了。

一張報表改寫的零售企業經營史——興隆大家庭商業集團案例

週一, 七月 10. 2017

遼寧興隆,2016年,中國零售企業,排名第19位,中國連鎖百強,排名第37位。

1993年,在遼寧盤錦,李維龍先生創建了興隆(即遼寧興隆大家庭商業集團)。如今,興隆已發展到22個城市,涵蓋商場36家、生活超市8家、酒店4家,籌建企業6家,經營面積超過220萬平方米。2016年,銷售額超過150億。

兩個人,兩年,100張[url=http://www.finereport.com/tw/]報表製作[/url],取得興隆[url=http://www.finereport.com/tw/]數據分析[/url]團隊獲得組長、合同員、品類經理、總部的信任,讓IT部門從一個財務結算輔助崗,成長為直面總部的數據分析戰略部門。

[b]項目背景[/b]

興隆的誕生,有著深深的歷史印記。20年前,興隆以特色行銷起家,擅長講故事,做文化。信息部門位置較低,扮演的是協助財務結款的角色。公司信息化建設十分滯後。系統編碼完全獨立,沒有真正意義的營運報表;後台數據都是單機版、每家門店獨立;業務資料庫是骨灰級資料庫,極難操作維護;主營業務依賴三套系統,系統之間封閉,數據不可交互;全集團查詢可樂單日銷量,需要層層上報,甚至需查詢36遍;總部數據,幾乎全靠人工上報。

正如有時候自嘲:興隆數據分析,似乎是一個無法完成的任務,一個永遠無法達成的目標。簡直是噩夢,一團亂麻……

2010年興隆開始規劃信息化和數據分析工作。IT部門耗時兩年六個月,將二十年積累的六百萬以上編碼,進行統一,為後續數據分析工作奠定了堅實的數據基礎。

編碼統一後,能做什麼?IT團隊大膽突破,基於帆軟平台,開始第一個試驗性報表,有野心的報表。這張報表,事後證明,是改變興隆未來營運規則的第一張報表,它的名字叫「S201」。

[b]業務數據分析解決方案[/b]

企業管理,責任到人。興隆的IT部門,2014~2016年,先後實施了100張數據分析報表,一對一覆蓋到組長、合同員、品類經理、總部等人員。主要完成了「S201」「門店部組運營」「門店合同管理」「品類運營」「集團統籌」等五大重點模塊。同時,也在信息部、監察部、人力資源部等部門做了推廣應用。

「S201」

「S201」是興隆數據分析夢想的種子。其實,本質上,「S201」屬於門店部組運營模塊,是用來找新品的。興隆IT團隊,先將產品按集團統一分類。然後,將同類商品按照銷售集團降序,查看多少家門店有售,本店是否有售,對應的供應商是誰,單品進價/售價是多少,每批次進價是多少。門店組長們每天查看這張報表,來看看自家門店是否有在經營集團熱銷的產品。如果本店沒有銷售(就是「本店有售」一欄顯示為「NO」),門店組長就要判斷是否要引進該商品。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017062901.jpg[/img]

具體如何判斷呢?組長可以點擊「S201」的編號,直接鑽取到暢銷產品的詳細信息。包括在暢銷產品的企業名稱、供應商、聯繫人、銷量、進價、售價、毛利等等信息,組長可以根據本店運營狀況,直接選擇合適供應商推廣新品。如果組長需要更多信息,可以和對應聯繫人溝通,進一步判斷。這兩張報表,一舉解決了門店找新品難的挑戰。也正是「S201」,讓IT部門第一次到集團總部給高層領導彙報,集團正式成立「數據分析團隊」,IT部門實現「鯉魚躍龍門」。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017062902.jpg[/img]

[b]門店部組運營[/b]

經過S201的歷練,興隆明確了平台工具—帆軟的定位:用於數據分析可視化。數據分析團隊要利用帆軟平台,將興隆的業務運營數據分析工作,不斷地固化成一張張運營報表。門店運營,很常規卻很重要的工作之一,就是盤點商品的進價和售價。數據分析團隊,針對這個需求,用帆軟平台,專門開發了組長手機掃碼盤點系統。組長只需打開APP,將手機對準商品QR CODE,就可以查看到條碼商品物價、售價、供貨商信息、銷量信息、庫存信息等等,這些信息的背後是全集團300多家門店的實時數據支撐。同時,除了這個盤點查詢,還有異常周轉、異常庫存、滯銷庫存等等,都可以在手機上完成操作,便捷又高效。根據對部分門店的統計,S201平均可以為門店節約5%的採購成本,有些商品,採購成本甚至節約30%以上。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017062903.png[/img]

[b]門店合同管理[/b]

現在的零售企業,一般規模都比較大。相對來說,興隆計算是個地道的大企業了。企業龐大了,尤其是有子公司的情況下,合同管理異常複雜。興隆所有合同都分散在各個子公司裡面。如果我們想查看和管理某類/某個合同,就需要親自到子公司檔案室去手動查電腦,要一個公司一個公司的找,一個一個電腦的查。數據分析團隊針對這個問題,搭建了一個資料庫,將分散在36家企業的合同數據整合到一起。然後,通過帆軟平台,開發了查詢和管理頁面。現在合同員不必再到處打電話,到處查系統,只需要坐自己的辦公室里就可以3分鐘完成以往7天才能完成的工作。既提高了工作效率,又大大減輕了合同員的工作量。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017062904.png[/img]

[i][u]數據分析,報表實例,專業的人都在這裡!加入[url=https://www.facebook.com/twfinereport/]FineReport臉書粉絲團[/url]![/u][/i]

[b]品類運營[/b]

品類運營報表主要是品類單品的銷售日報、品類品牌的銷售報表、商品進價/售價報表、商品結構優化報表、商品/品牌門店到店率報表。數據分析團隊將商品按照毛利率降序排列,然後對所有的單品進行分析。比如說毛利佔比是多少,銷售的總量是多少,銷售總額佔比前80%的商品都有哪些等等。除了對品類單品做毛利分析,對品類品牌也做毛利分析。通過毛利分析,找出利潤率高的品類和品牌,然後品類經理找出異常品類,找出對應的供應商,進行優化商品結構,解決品牌、單品異常問題,提高集團整體的利潤率。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017062905.png[/img]

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017062906.png[/img]

[b]集團統籌[/b]

集團層面,興隆進行了人財分離。針對庫存指標和採購指標做了重點監測分析。針對旗下子公司,對缺貨率進行排名監控,定期會議通報甚至業務調整。缺貨率等指標已經被集團層面公認為客觀數據,經常被內部引用。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017062907.png[/img]

總部領導更為關心的採購銷售情況,通過數據分析團隊開發了採購採購銷售日報,領導可以隨時在PC和手機上查看。銷售日報裡面,興隆重點分析的不同企業,不同品類的銷售額、同期值和增長比。增長比是核心,坦白來說,增長比是直接關聯著大區領導個人的錢袋子。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017062908.png[/img]

[b]其他應用[/b]

除了以上五個模塊的應用,針對信息部、監察部、財務部、人力資源部等,還單獨開發了部門個性化查詢報表,將原來無法統計的數據或者保存在紙張、Excel中的數據全部實現入庫,並且開發了查詢、維護界面,成倍地提升了各部門的工作效率。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017062909.png[/img]

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017062910.png[/img]

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017062911.png[/img]

[b]項目總結[/b]

兩個人兩年做了100張門店、公司、集團各級報表,讓IT部門從一個財務結算輔助崗,成長為直面總部的數據分析戰略部門。如今,公司培訓、內部部門會議、企業報告、集團會議都在依託數據分析平台進行,越來越多的用戶頻繁訪問基於帆軟開發的數據分析平台,越來越多的報表作為官方數據被使用。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017062912.png[/img]

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017062914.png[/img]

文|帆軟數據應用研究院 船長

做好公司各部門數據報表支撐的幾個簡單思維

週四, 七月 6. 2017

[b]越來越多的數據,越來越多的需求,越來越多的不滿意[/b]

如今,[url=http://www.finereport.com/tw/]大數據分析軟體[/url]和[url=http://www.finereport.com/tw/]數據分析[/url]的概念相當普及,從基層到管理層,從IT到業務,都深知「數據化管理」、「數據決策」的重要性。越多重視,壓力也就越多,導致信息中心和數據部門往往處於進退兩難的狀態:

數據變多,需求變多,工作價值得不到體現,內部疲於應付。

提供了數據,但需求多樣變更極快,無法滿足各方需求,內部怨言層出。

如何做好面向全公司的數據支撐,哪怕只是簡單的報表提供,其實也是一件複雜且考驗思維邏輯的事。

作為曾經一度經歷過的表哥,本著吐槽加總結加吹牛的原則,[b]匯總下我在梳理並重新規劃公司數據支撐體系時的一些思路,紀念下曾經看指標看瞎的某年5月。[/b]

[b]管理思維:數據支撐體系不僅僅是指標體系,還有更開闊的管理邏輯[/b]

數據報表的工作只是在整理數據嗎?當然不是,數據的整合和展現最終都是為了經營決策的,報表體系的背後邏輯應反映整個公司的經營結果和經營方法。

做報表的,雖然事務工作多,但還是要抬起頭來,系統思考一下,報表的路該怎麼走? 阿里提出了「小前台,大中台」的概念,實際道理是相通的。報表中台對於報表人員的綜合素質要求很高,既要有寬廣的業務視野,也要有深厚的數據沉澱,輔以溝通協調能力,造詣甚至遠超一般的業務人員。

一旦想清楚這個問題,你就知道你的數據體系必須要和公司目前的經營狀況和當前工作方向緊密聯繫,所以你的數據工作的方向也就呼之欲出了:

方向一:公司目前是什麼樣的基本狀態?——銷售額、利潤、行業份額,用戶規模……

方向二:公司目前的市場競爭形勢是怎樣的?—— 新增份額、凈增份額,凈收益……

方向三:就目前形勢,公司需要抓住的用戶群來源在哪裡?——各渠道新增用戶價值轉換率、各渠道用戶價值分層、各渠道投入產出比、會員滲透率、存量用戶重複購買率……

方向四:就目前形勢,公司推出的核心產品有哪些?——核心產品銷售達成率、核心要產品渠道滲透率、核心產品重複購買率……

方向五:就目前形勢,公司採用什麼樣的管理方法和工具?—— OKR目標、KPI體系、銷售經理管理指標體系、客戶經理管理指標體系、CRM系統、OA系統、EPR系統……

在梳理過程中,會發現對應到任何一個整體業務的分析,需要提供的已經遠不只是業務結果那麼簡單,還包括各種管理和執行數據。

[b]簡化思維:數據不是越全越好,主次突出,重點聚焦是王道[/b]

確定好數據的大方向後,接下來便是細化分析每個數據方向的具體指標體系,以及確定細分的程度。

這個時候,最容易犯的錯誤便是開始把所有用到的、想到的全部羅列並設計進去,建立一個所謂大而全的內容。我始終認為,真正的[url=http://www.finereport.com/tw/]報表製作[/url]是為企業開發的,業務人員只是報表的需求提出者,因此,還需要去理解報表提出的背景,哪些是這張報表的用戶,你需要尊重提出報表需求的人員,但對於報表開發要有自己的想法和主導權。一味強調廣而全,不僅會讓執行者無法聚焦工作重點,而且會讓數據部門自身工作量大增,吃力不討好。

所以,在明確數據需求的大方向基礎上制定詳細的數據體系時,一定要時刻提醒自己,重點是什麼?

[b]一、不同的指標要有重點[/b]

比如在產品運營指標體系中,如果已開始投放(電商),需要積累數據,重點關注流量指標,例如UV、PV、渠道來源、用戶線索、瀏覽量、產品瀏覽量排行、頁面跳失率、顧客評價指數、轉化率等等。

而如果運營了一段時間,市場已經成熟,首要的任務是通過數據分析提高銷售額。此階段需要重點監測追蹤流量和銷售指標,例如訪客數、瀏覽量、轉化率,以及新增會員數、會員的流失率、客單價、ROI、動銷率、庫存天數、銷售額等。

若行業份額較小,以拓展為主,那除了新增份額、凈增份額常見指標外,新增搶奪指標方面需往下衍生新增用戶存活率、瀏覽用戶轉換率、新增用戶價值分層等細化體系,保有指標設計則相對簡單。

而如果行業份額已經較大,以保有為主,那新增相關指標則相對可以簡單,而保有指標除用戶保有率、會員活躍率等常見指標外,還需往下衍生合約捆綁率,會員忠誠度、積分計劃活躍度等指標。

[i][u]數據分析,報表實例,專業的人都在這裡!加入[url=https://www.facebook.com/twfinereport/]FineReport臉書粉絲團[/url]![/u][/i]

[b]二、相同的指標要有側重[/b]

同樣以用戶保有指標為例,用戶保有率和用戶流失率其實是同樣作用的指標,一方面是選擇其一即可。另一方面是,選擇哪個,其實放到實際使用中,會有微妙的差別。

如果採用用戶保有率指標,往下衍生是業務層面的合約捆綁率、用戶活躍率、會員滲透率等積極導向指標,注重行銷執行。如果現在用戶流失率,往下衍生是用戶觸店但無消費率、用戶沉默率、用戶直流流失率、流失用戶畫像特徵等,導向為預警關懷。

[b]三、指標的細分,不需要過於龐雜[/b]

一般而言,過程三級,執行三級,就已經足夠定位問題及全面展現情況。

[b]邏輯關係:不僅僅是分類,更是反映業務之間的關聯

一、數據選擇邏輯:[/b]

為什麼業務部門提出一項數據的要求後,往往會接二連三的提出其他數據需求?其實他們也是在試圖嘗試尋找某個數據背後的原因及可能。

在設計報表體系過程中,不僅僅只是分類,而應該考慮到指標間的關聯,在設計過程中就應該加入業務分析的思維,比如分析者看到這個數據會聯想到其他哪些數據來探究原因?

我在當初利用帆軟報表(FineReport)設計整個報表體系的時候,常用的就是「結果指標——過程指標——執行指標」三層邏輯結構。結果指標由過程指標決定,而過程指標由結果指標決定。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017062601.png[/img]

這種邏輯不僅在運營數據上適用,在管理指標上也同樣適用。比如KPI體系是結果,渠道任務目標管理系統是過程,渠道經理/客戶經理監督體系是執行。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017062602.png[/img]

[b]二、數據呈現邏輯:[/b]

確定好指標內容和指標邏輯後,就是數據呈現了。這方面,之前在如何設計企業內部的數據平台?中就已經總結了,其實就是利用「分析報表—管理報表——基礎類查詢報表」三種層級展示,實現從宏觀到微觀,從上而下定位問題的呈現邏輯。

對於筆者而言,我設計的方式是站在「分析報表—管理報表」維度上,以主題為維度切入,設計全報表。這樣就可以直接從分析報表找到該主題發展的短板,從管理報表上找到導致該短板的主要原因,最後才去分析單報表。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017062603.png[/img]

以上是我對於整個報表體系建設的 一點思考感悟,但是實際操作過程中也並沒有這麼理想,仍然需要根據具體情況具體分類具體設計。

電力+大數據項目中的架構研究與思考

週一, 七月 3. 2017

[b]閱讀目錄:[/b]

1、前言
2、業務架構
3、數據架構
4、技術架構
5、實施架構
6、示範架構
7、小結

[b]前言[/b]

智慧電網(Smart Grid)是以物理電網為基礎,將現代先進的感測測量技術、通信技術、信息技術、計算機技術和控制技術與物理電網高度集成而形成的新型電網。

電力大數據(Power Big Data)是實現智慧電網的關鍵技術之一,它通過挖掘數據之間的關係與規律,提高電網企業在生產、經營、管理等方面的質量與效率。如開展電網設備狀態監測的大數據應用,實現電網設備狀態的智慧監測,實時分析電網線損、配電負載等等。

本文旨在跟讀者分享某電網公司在配用電大數據項目中所採用的多維架構(包含數據架構、業務架構、技術架構等),為本系列的後續文章打下鋪墊。

[b]業務架構[/b]

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017062109.png[/img]

配用電大數據項目的業務架構,是指從業務角度說明配用電大數據項目要做什麼事。此架構不會過多牽涉技術細節,它的重要性要高於其他幾類架構。一般來說,這類架構要在項目啟動前,通過多次的調研、分析、專家研討後方可決定。

上圖的業務架構主要將業務劃分為了五大層次,其中最為關鍵的是數據源層和應用層:

1. 數據源層:規定配用電大數據項目能從哪些地方獲得數據資源。這是非常重要的一環,尤其是在電網領域。因為當前電力信息系統中的「網路孤島」現象比較嚴重,要梳理清楚哪些數據能采、哪些數據采上來有意義,是非常不容易的。

2. 應用層:明確配用電大數據能為電力系統實現哪些業務。規劃該層次時,行業化大數據從業人員需要和電力專業的人員進行多次深入地溝通交流。從筆者親身經歷來看,這一層切不可假大空,一定要確保落地。通俗點來說,若這層寫得太虛,可能會把後續開發人員,甚至是自己給坑了…

至於其他幾個層,則是從一個較為宏觀的角度去設計系統組件。一般來說在業務架構的側重點在系統的功能性方面,對於技術細節不過多糾結。

[i][u]數據分析,報表實例,專業的人都在這裡!加入[url=https://www.facebook.com/twfinereport/]FineReport臉書粉絲團[/url]![/u][/i]

[b]數據架構[/b]

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017062110.png[/img]

電網企業的數據主要包括三類:

1. 電力設備數據:主要包括電網設備監測數據、設備地理位置數據、設備狀態數據等;

2. 企業管理數據:主要包括跨單位、跨部門的電網企業職工數據、財務數據等;

3. 企業運營數據:主要包括客戶信息、客戶用電數據、電費數據等。

但是上述只是一個特粗略的分類。筆者在項目實施過程中發現,數據的分類在每一個環節都需要按照不同標準重新做一次。

為何要這麼麻煩?這是因為,[數據類型]+[業務需求]將決定你選用何種[url=http://www.finereport.com/tw/]大數據分析軟體[/url]組件去處理它。

這裡先以電網的拓撲結構數據為例:這類數據大都存在電力系統的RDBMS里,那麼我們顯然可以考慮使用Sqoop來做同步;而其後為高效實現電網拓撲分析業務,顯然應將其放至HIVE這類數據倉庫工具里合適。

再以電網設備檢測數據為例:這類數據由於具有事實性,用Storm或者Spark Streaming來同步就顯然更加合適了;而這類數據有部分業務環境是不需要做太多[url=http://www.finereport.com/tw/]數據分析[/url]的,因此可考慮將其導入到HBase這類NoSql數據里,實現高效存取。

讀者看到這裡,應該明白了需要時刻思考數據分類的原因了吧?上述兩個例子都屬於電力設備數據,然而它們被處理的方式顯然是不同的。在實際中,我們往往根據當前架構所在層次的屬性來決定使用何種組件來處理數據。個人真心建議針對將來數據特別複雜的情況,可以考慮引入「數據畫像」這個概念,根據不同的處理方式為各類數據打上標籤,以便於管理。

[b]技術架構[/b]

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017062111.png[/img]

總的來說,針對配用電大數據的技術研究可以分為三個層面來展開:

1. 數據集成層面:研究電力系統中多源數據的分類方式、集成與融合方法,並設計出面向雲環境的多源異構數據集成模型。

2. 基礎架構層面:結合線上流處理與離線批處理的應用需求,研究可拓撲分解的流處理計算技術、分布式並行批處理計算技術,並提供應用編程介面。

3. 支援系統層面:研究電力大數據項目的建設規範,大數據集群系統的綜合管理工具、大數據可視化組件,並提供多種形式的集成介面,以便支援不同上層應用對大數據以及分析結構的調用需求。

需要特別說明的是,在這三個層面之上是真正的「電力應用層」。

[b]實施架構[/b]

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017062112.png[/img]

對於配用電大數據項目的具體實施,需要明確的主要是將計算機集群具體分成哪些區,每個區又具體採用哪些組件。

這部分內容比較繁雜,以下僅針對其中某類實時數據的處理做個大致的介紹:

1. 各業務系統和數據採集系統的秒級數據通過專線網路,經過加密壓縮傳輸到總部的負載均衡器;
2.負載均衡器將數據分發給Kafka集群落地;
3.Storm集群從Kalfa集群接收所訂閱的數據,負責對數據進行清洗、按照設定的告警條件實時監測數據並發出告警;
4.Storm清洗和標註後的數據,直接存入HDFS落地;
5.HDFS中的數據同步到數據存儲和查詢模塊(時序數據管理平台),方便在其中進行線上查詢;
6.數據分析平台上根據預訂的作業隊列,調度數據分析程序在Hadoop集群中運行,結果存入HDFS或者按用戶程序定義寫入相應存儲位置;
7.數據分析平台將秒級數據匯總成十分鐘級數據、根據定義的數據種類、數據格式和存儲方式將數據分發給計算存儲群組及HBase資料庫;統計報表程序通過Hive集群執行各種類SQL完成統計查詢和[url=http://www.finereport.com/tw/]報表製作[/url]生成。

(上述介紹僅是針對其中某類實時數據的處理,而不同類型數據的處理方式是不同的)

[b]示範架構[/b]

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017062113.png[/img]

在項目後期,需要將配用電大數據平台部署到部分地市局來進行試點,因而需要明確網 – 省兩地,或者網 – 省 – 市三地的綜合示範架構。

在本文給出的參考架構中,我們首先利用高速4G專網和GPRS /230M無線專網實現低壓居民用戶和專變/公變終端的採集;採集的數據通過智慧一體化終端進行簡單轉換後,上傳至區域分布式大數據中心;區域大數據中心將對電量和非電量數據,結構化與非結構化數據進行大數據集成與融合。

在區域大數據中心,可基於大數據聚類與分析技術,實現用電用戶類型的精細化劃分、分析用戶的用電行為、評估非介入式用戶的能效水平,形成一系列面向配用電網的通用知識模型與關鍵技術,為省級大數據中心提供數據與關鍵演算法支撐。

[b]小結[/b]

作為該系列博文的開篇,本文從各類架構的角度出發讓讀者對配用電大數據的項目有了全方位的整體認識。

後續的文章將涉及到真正的電力+大數據研究,這也是電力專業與計算機專業的綜合領域,讀者或許需要具備一定的電力系統知識才能消化。

簡單回顧下電力系統相關的知識,然後一起開始智慧電網之旅吧^_^。

作者 | 穆晨
原文 | 配用電大數據項目中的架構研究與思考

如何用精細化數據管理打造競爭優勢?——實例分析

週三, 六月 28. 2017

永輝超市是中國大陸首批將生鮮農產品引進現代超市的流通企業之一,被國家七部委譽為中國「農改超」推廣的典範,被百姓譽為「民生超市、百姓永輝」。生鮮經營是其最大的特色,各門店的生鮮經營面積都達到40%以上;在集團總銷售額中,生鮮農副產品的銷售額佔到總銷售額50%以上。2016年,以[url=http://www.finereport.com/tw/]數據分析[/url]技術為依託,通過賽馬制和供應鏈資源整合,集團毛利率已高達20.19%,在中國連鎖百強企業中,暫居第10位,並以高於10%增長率向更強邁進。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017062301.png[/img]

[b]如何實現精細化管理[/b]

永輝超市大數據團隊的吳江淮介紹,永輝超市主營零售、服務亮大行業,主營生鮮&加工、食品用品和服裝等產品,旗下有大賣場、賣場、社區店、BRAVO精緻超市等主要業態,全國合計300多加門店,170多萬會員。其中生鮮&加工營業收入增長了約19%,食品用品增長了月20%。這兩塊是永輝重點做精細化管理的產品線。除了針對產品線做精細化管理,對不同業態的門店也做重點管理。從效果來看,大賣場和社區店效果顯著,分別增長2.5%和1.2%。

零售行業裡面的增長空間靠規模取勝是沒有希望了,用投資擴大資本取得社會增長的這個時代也已經過去了。企業增長方式要從圈地逐漸轉化為精細化運營。企業運營效率也是決定企業核心競爭力的關鍵指標。做精細化運營,首選的技術是AI。永輝在上海成立了專門的大數據公司,為超市做數據支撐、雲計算支撐。永輝就是要走零售轉數據科技的發展方向方向,依託[url=http://www.finereport.com/tw/]大數據分析軟體[/url]公司的數據處理能力和數據分析能力,來支撐自身精細化運營。同時,廣泛和社會上的像帆軟這類的專註於產品的大數據、數據分析公司合作。永輝的專長是零售業務運營,走科技創新、數據科技之路,依然是重點深耕業務,依託多年業務積累經驗,轉型做[url=http://www.finereport.com/tw/]商業智慧[/url]零售解決方案提供商。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017062302.png[/img]


[b]生鮮精細化管理[/b]

為提升數據的及時性,準確性,便利性及實用性。2016年上線了永輝生意人、永輝到家、永輝管家等APP,幫助各部門提升的工作效率,優化了工作流程。這其中,重要的一塊便是帆軟數據分析的集成與應用。永輝將生鮮毛利分析模塊集成到現有業務APP中,讓業務部門直接隨手可查經營數據,及時提供經營異常預警。如下圖的生鮮毛利率日分析,店長通過手機APP,可是實時看到當前門店(下圖中的門店一)的毛利率情況,包括月累計銷售同比、月累計毛利同比、區域毛利率、本店毛利率、毛利率排名。還有毛利率排行榜。那這個怎麼用起來呢?根據自身店面的毛利和區域的毛利率以及其他毛利率對比,一旦數據異常,系統自動彈出消息提示經理。門店經理根據分析頁面提供的數據,初步判定毛利是否在可接受範圍。然後根據查看排名靠前的門店的經銷實時情況對比分析,看是自己的有效SKU不足導致的,還是斷銷導致的,或者是客流不足導致的等等,系統會自動對比這些維度的數據,幫助門店經理分析自己店面的不足,及時改正。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017062303.jpg[/img]

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017062304.jpg[/img]

[i][u]數據分析,報表實例,專業的人都在這裡!加入[url=https://www.facebook.com/twfinereport/]FineReport臉書粉絲團[/url]![/u][/i]

[b]門店賽馬精細化管理[/b]

數據驅動運營,不管是數據分析還是信息系統,都是輔助業務經營和管理。真正改變業務的,還是要靠一線業務人員的執行。如何在強化管理的同時又調動業務部門的積極性和創造性呢?我們採用KPI體系和賽馬體系兩者結合運營管理。KPI體系就是「大棒」,就是上級給下級定任務,施加壓力,完不成就扣績效獎金。賽馬體系是「胡蘿蔔」,就是同級之前相互競爭,完成的好有獎勵,除了物質獎金獎勵,還有榮譽獎勵。另外,大家都是勤勤懇懇的員工,多年共事,相互之間還是想比一比的,自己落後了肯定面子掛不住。所以,賽馬體系激發業務部門的活力和創造力。

如下圖的賽馬成績單,賽馬成績單的核心就是不同門店、課組的業績獨立核算。永輝在這裡形成了一套完整體系,相對公平的模型來自動評分,每月公布一次。同時,門店看門店相互競爭,門店還看自己的課組,要對下級監督;課組看課組相互競爭,課組還看門店,對上級監督。為什麼既能相互競爭,又能相互監督呢?哪裡來的動力和權力呢?因為永輝做了績效考評,有個人績效獎懲和團隊績效獎懲,這樣大家就團結成一股繩。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017062305.png[/img]

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017062306.png[/img]

[b]供應鏈精細化管理[/b]

2016年,永輝超市從品牌商合作轉向工業化採購、向市場化貿易商機制轉變,全面提升採購服務和效率。規模化採購與區域靈活性兼顧,優化商品結構,聚焦核心商品。食品用品集中化採購佔比提升0.8個百分點,梳理淘汰近2萬 SKU,淘汰了15%供應商;服裝淘汰近25%的供應商。

永輝超市的物流預警管理,主要依託的是微信公眾號,將帆軟報表集成到微信裡面。之前永輝用的是SAP的報表製作,想要個性化定製,功能不十分滿足,技術難度很大,而且這個費用確實不太合適。現在這個微信集成方案,永輝申請好企業號,然後要求需要推送消息的用戶關注永輝企業號。帆軟和微信後台可以對接集成,實現人員許可權、數據許可權的匹配。

我們看物流庫存預警報表,預警缺貨。這個物流庫存預警永輝針對不同崗位受眾,有不同的版本。我們看下圖,對東北大區不同課組的商品做缺貨預警,其中預警信息是通過微信自動實時發到課組長手上。預警消息含詳細的商品描述、含稅進價、總庫存天數、物流信息和門店的庫存詳情。可以看到,不同課組的缺貨狀態時,門店庫存天數並不相同。這實際上是由我們一線的業務人員綜合物流運輸管理、庫存管理等綜合設定的,是每個門店在總部提供的建議值的基礎上,做了量體裁衣的精細化調整。如此根據業務需求自動調整定製,這才是永輝物流庫存預警靈活高效的秘訣之一。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017062307.jpg[/img]

[b]精細化管理成效[/b]

永輝數據中心APP,是公司高層大行數據驅動決策的成果,是永輝紮實做數據分析的良好實踐。從一年多的統計數據來看,數據中心APP用戶活躍率正在逐步上升,這正說明數據中心APP真正在業務中得到了認可,並在被廣泛推廣。尤其是,永輝數據中心APP曾創下當日線上人數6300+人,日查詢次數10w+次的記錄。正是這樣的廣泛關注和認可,讓永輝的數據創新工作蒸蒸日上。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017062308.png[/img]

千言萬語,不如我們店長一段實時在在的感慨。他郵件給數據中心部門寫到:

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017062309.png[/img]

文 | 帆軟數據應用研究院 船長

企業如何以客戶為中心進行數據化運營?-看這個實例

週一, 六月 26. 2017

當下互聯網的餘震未醒,「新零售」又提出。成本上升、人口紅利消失、電商滲透率飽和都在倒逼零售的整體升級。

不管業內業外,政府公司,都在談轉型。但關鍵如何轉型,基點在哪?這都需要探索。

有人說,消費變革的起點一定是在里消費者最近的地方,其中最關鍵的一環,就是要提升自身的數據能力,真正實現以用戶體驗為中心的經營模式。

就在上月,步步高集團電商事業部產品技術總監王衛東在帆軟零售大會上發表了一場「頗具格局」的演講。從數字化創新驅動業務發展、「人貨場」的[url=http://www.finereport.com/tw/]數據分析[/url]、再談到實際的數據化管理案例。

全程乾貨滿滿,總計4700餘字,建議閱讀時間10分鐘。

步步高商業連鎖股份有限公司(下文簡稱步步高),是涉及零售業、電子商務、商業地產、互聯網金融、大型物流等多業態的大型商業集團。目前擁有步步高超市、步步高百貨(廣場)、步步高雲猴網、步步高置業(步步高新天地)、步步高電器城、太楚餐飲、匯米巴便利店等業態。2016年銷售收入超過320億元人民幣,位列中國民營企業500強第158位。

[b]一、數字化創新驅動業務變革[/b]

2017年是步步高數字化轉型的一年,總體數字化創新戰略方針是線上節約顧客時間,線下「浪費」顧客時間,創造更好的購物體驗。步步高擁有百貨和超市兩大事業群,兩個事業群的客戶群體是不同的。步步高超市業務以快捷為主,百貨業務以客戶體驗為主。如何通過數字技術來提高客戶滿意度呢?總體是增強智慧體驗、優化線上渠道、客戶畫像精準行銷三個路徑來實現技術驅動業務創新。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017061601.png[/img]

[b]客戶獲取與經營的閉環[/b]

運營的關鍵是兩條線:獲客和經營。我們的數字運營體系,圍繞著用戶的運營這個重心,以顧客為中心,融合數字技術形成客戶獲取與客戶經營閉環。抓好這兩條線,讓客戶群不斷壯大,提高客戶成長轉化率,以此來保證毛利的提高。零售行業是個薄利行業,提高企業毛利,就是要在這個閉環裡面多下功夫。具體怎麼下功夫呢?可以針對性活動設計(目的)、分析人群相關性(精準)、交易簡便個性化、提供更多價值(權益/服務)、了解顧客喜好(消費偏好)、贏得顧客信任和主動傳播。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017061602.png[/img]

[b]客流數據分析建模[/b]

傳統零售的數據是基於交易客流,基本等同於俗稱的會員。商超裡面的客流其實分為交易客流、飯店客流、進店客流、到達客流、潛在客流。這裡最容易獲取的就是交易客流,因為企業現有的CRM系統或者收銀系統基本都能涵蓋這部分客流。而現行的基於CRM客流管理和收銀系統客流管理模式有兩個管理上的缺陷。一是普遍重視客戶的消費能力,而忽視傳播與分享能力,也無法量化客戶的傳播與分享能力;二是高度重視新用戶的數量積累,而忽視後期的長期服務和維護,靠利益刺激,吸引促銷客戶而非忠誠客戶。我們應該有新的認知:到店即是會員,得顧客數據者得天下。怎麼得顧客數據?這就要建立一整套的全顧客全消費行為管理的客流分析系統。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017061603.png[/img]

[b]身份識別[/b]

顧客到店,不同級別的會員消費不同,給企業帶來的效益也有較大差別。如何提前區分會員等級?而不是在收銀的時候強制出示會員卡來事後統計會員。首先,是對不同渠道、方式獲取的顧客機那裡統一的ID和ID映射圖譜方案,能夠在具體的場景中識別顧客。比如步步高用WIFI探針、手機號、微信號、支付寶ID、人臉識別等等。只要有了顧客ID,那麼客戶就成為了廣義的會員,把這些有身份信息的會員管理起來,在不同的場景中預判用戶行為,在顧客離店之前便進行適當的會員關懷和消費引導。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017061604.png[/img]

[b]客流分析系統[/b]

客流分析系統的升級,戰略目標就是要獲取全顧客全消費行為數據。傳統的客流分析系統,主要是人工統計、紅外感應、視頻檢測,採集到的主要就是進店客流、POS等銷售數據,能做的工作優先,主要是就是強化管理,努力提高顧客轉化率。然而,一方面是競爭加劇,另一方面是經營成本增加,這些都要求步步高必須要做變革,以保持較強的競爭力。升級的客流分析系統,重點是對到達客流、車流數據、顧客運動軌跡、WIFI探針等做挖掘建設。通過識別和數據採集技術以及數據分析技術,步步高得以豐富會員畫像做精準的會員成長關懷和管理,提高客單附加值,提高會員活躍度,甚至從周邊商圈吸引到潛在客流並最終轉化為忠誠會員。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017061605.png[/img]

[b]二、數據分析綱要

數據分析的核心三要點[/b]

我們鋪設整體的信息化,是有明確的綱要的。這個綱要就像是做項目的章程,是我們的指導文件。數據分析的核心三要素是什麼,是數據一致、實用當先、以人為先。保持數據的一致性,是要解決數據分散在各個系統,不同部分重複開發報表,不同[url=http://www.finereport.com/tw/]報表製作[/url]計算口徑不一的問題。步步高通過建立統一的數據倉庫,集中解決數據不一致的問題,並保持嚴格的定期維護。杜絕華而不實,實用當先,不做表面文章,重在先能用,再好用。步步高數據分析項目一期,明確暫緩大屏項目,優先從查詢報表、監控報表、數據分析報表三步逐次實現。這就是堅持先能用再好用。以人為先,工具次之。帆軟工具確實數據分析領域的成熟的平台,但工具再好用,做再多的分析,業務人員不會用,也是捨本逐末,功虧一簣。步步高通過成立專業的大數據學院,在企業內部培養[url=http://www.finereport.com/tw/]大數據分析軟體[/url]專業人才,精通業務,熟練掌握數據分析工具,然後由他們結合企業特點,向集團各單位推廣數據分析平台。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017061606.png[/img]

[b]人貨場財指標梳理[/b]

傳統零售運營,分四個維度:人、貨、場、財。雖然大體維度相似,但具體到指標,還是各有不同。我們針對自身,做了專門的維度和指標的梳理。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017061607.png[/img]

人員,主要分為員工和顧客,前者是對內管理,後者是管理客戶運營。如何用這些數據,如果做對內管理,我們要規劃好目標,規劃好對內管理的定位。要想對內管理好用到位,必須基於每一個[url=http://www.finereport.com/tw/]商業智慧[/url]單位設置各自的KPI考核。千萬不要給自己挖坑,做個高大上的分析或者報表。不用高大上,只需要幾個關鍵指標值。作為業務人員,他更多關注的是老闆對他設定的考核指標,如何改善公司層面的業績。業務人員關注的,是KPI。顧客分析,重點考核3個指標:客單價、毛利率、會員數。客單價的變化,毛利率的變化,會員的整理流失、有效、貢獻、年齡層次變化直接在日報中體現,每天都要抓。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017061608.png[/img]

貨。我們從採購環節、供應鏈環節、銷售環節、售後環節進行指標管理和控制,穿透整個經營環節。我們只把關鍵指標篩選出來,作為監控項和管理項。具體的監控和管理指標,可以看上圖。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017061609.png[/img]

場。我們在場這個維度上重點管理績效。包括銷售指標、競爭情況指標、促銷指標、渠道指標。每次促銷活動,不僅會監測會員和銷量指標,還會重點監測場指標,貨源是零售長期穩定經營的基石。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017061610.png[/img]

財。財務重點關注的一點就是毛利和回款。步步高的百貨,重點還關註銷售利潤率。

[i][u]數據分析,報表實例,專業的人都在這裡!加入[url=https://www.facebook.com/twfinereport/]FineReport臉書粉絲團[/url]![/u][/i]

[b]三、數據分析案例[/b]

我們的數據分析項目2017年還在重點就建設中。很多的數據分析的實踐剛有起色,並未得到長期的經營驗證。所以部分經驗和案例效果圖還不便公開,我們也本著開放的心態,歡迎更多同行能前來交流。這裡就部分內容做個分享。

[b]巡店預警[/b]

我們的會員管理部分只關注門店會員數據,其他周邊數據業務部門並不想要。所以不需要定製太多的報表,也不需要提供太多的維度和指標數據。曾經,兩個月的時間完成的初版巡店預警控制報表,一線人員反饋說沒用。他們只關注商品調撥,需要實時查詢相關數據。這個預警報表能不能告訴業務人員當前門店哪個品類、哪個商品有問題,告訴業務人員這些,就是他們最需要的。我們對初版報表稍作改動,出來了下圖的最終版。現在一線業務人員,可以通過一張報表直接告訴他們那些商品有異常,哪些銷量有異常,哪些會員有異常。旗下的梅西新天地有1萬多款SKU,這一張報表就可以完成監測和分析。當然,針對會員也提供了關鍵指標畫像,只提供業務人員最為關注的幾個指標。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017061611.png[/img]

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017061612.png[/img]

[b]對標比價[/b]

我們引入京東、天貓、一號店以及其他同行的一些外部數據,監測零售同行商品的價格走勢和當前活動。根據外部數據,步步高一整套數據分析報表會自動給門店經理手機提示異常,會直接告訴他哪些價格有異常,同行的當前價格和歷史價格多少,以及預測近期價格走勢,並給店長提供建議價格做參考。

除了銷售對標比價,另一個就是採購。如果發現採購價格高於隔壁同行,商超裡面採購經理會說別人家在做促銷活動,或者有其他原因。但是顧客偏偏就是漸漸到隔壁家消費去了。現在專門開發了對標比價系統,店長拿著手機,對著商品QR code一掃,就能立馬顯示天貓、京東、一號店甚至是一些隔壁同行的價格。步步高在每個超市門店,都實現了對標比價的應用對接。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017061613.png[/img]

[b]異常監測分析[/b]

目前我們已經建立了銷售、毛利、庫存、會員和積分的五大異常模塊。原來傳統的方式監測是依靠專家經驗(甚至很多企業現在也是這麼做的)。那麼我們分析一下,對於出差,第一周1次,第二周2次,第三周2次,第四周0次,第五周4次,第五周是否異常?如果專家判斷3次以上算異常,那就是異常,如果專家判斷4次以上是異常,那就4次剛好達標,不算異常。這裡面就有人為制定固定標準的局限。同理,我們看訂單數變化,連續多日統計後,某一天訂單量為85,這是否異常?同樣類似的會員消費,消費頻率達到多少算是活躍會員?業務專家給的指標建議,都是固定的,很難自動調節。我們也很難針對每個SKU、每個訂單都單獨去做人工測試。那怎麼辦?步步高採用的是建立分析模型,系統自動算一個標準差為基礎的UCL、LCL和CL。因為這個是固定一個標準差,所以分析模型是專業的。而整個三個指標的計算,是系統動態的根據近期數據或者整個歷史數據自動計算的,所以這三個指標也是隨著業務發展自動變化的。這樣就節約了指標維護的工作量。再對訂單數通過該模型分析,模型給出UCL=81,那麼顯然訂單數85屬於銷售異常。異常檢測分析,其實核心就是建立動態的異常指標。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017061614.png[/img]
[b]
到店客流監測[/b]

到店顧客,其實是需要我們重點經營轉化的。那麼要思考幾個問題:這些客戶從哪裡來,客戶量有沒有變化,這些客戶要消費什麼,這些客戶哪些是常客,這些客戶都對哪些店面感興趣等等。能用數據回答清楚這幾個問題,就方便進行顧客的數據運營和管理了。

首先,如何回答這些客戶數量的變化。因為一天接待的顧客眾多,很難用人員觀察統計,即使採用定時定點安排人統計人數,也是不科學抽樣,可信度不高。步步高升級了客流分析系統,得以通過停車場數據系統、WIFI探針數據、人臉識別等技術自動識別客流變化,然後,定製出客流量檢測看板。步步高主要關注近一小時累計客流量、近一小時新增客流量、今日累計客流量、今日平均停留時間這四個主要指標。當然,還針對歷史數據做對比分析,會對比昨日數據,看指標變化數值和變化幅度。這些指標變化也是納入異常檢測分析範圍的,只要超出動態的CCL和UCL,系統自動給店長預警,提示相關人員採取措施,並關聯KPI績效。督促一線人員及時有效的解決問題。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017061615.png[/img]

那麼客流總數異常,從哪些維度查找原因呢?或者客流總數正常,客流質量是否也正常呢?步步高重點關注兩個對比類指標。一個是新老客戶佔比,一個是今日客戶到店分布對比。客流數異常,首先要看的就是新老客戶佔比和數量的變化,新客戶減少可能是宣傳或者促銷的問題了;老客戶減少,多半是會員政策或者商品經營出了問題。這樣,步步高就幫助業務人員快速分析業務問題,及時幫助解決業務問題。當然,及時客流總數正常,也要關注新老客戶佔比變化。比如開展促銷活動,新客戶佔比增加顯然是促銷的一個關鍵指標。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017061616.png[/img]

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017061617.png[/img]

到店客戶,他們來了,我們想知道他們都停留在哪裡,去了哪裡,好做針對性的店面布局和行銷管理。步步高採用電子圍欄技術、WIFI探針、人臉識別等技術,實時採集人流分布數據和運動軌跡。那做這個是什麼目的呢?其實說白了就是為了百貨經營時增加客戶的整體駐留時間,提高消費的可能性。步步高在梅西新天地做了客流實時分布分析和客流軌跡分析。通過這些分析,步步高可以判斷客流都是從哪些區域過來的,甚至是從哪個周邊小區過來的。然後從不同區域進店的客戶,消費目的有和不同,消費習慣有何不同,是否有更多的消費需求可以挖掘。負責管理的樓層長經理要思考:為什麼一些區域熱度很高,另一些區域熱度卻很低,為什麼有些熱度高的區域最終毛利卻不高,現在的店面布局是不是有更合理的方案。

通過對客流的監測和分析,步步高將一些經營決策所需要的數據和信息下放到基層管理崗,讓熟悉業務個店長樓層長來提出決策建議,供高層選擇,用數據來支撐決策,用可視化分析提高決策效率和科學性。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017061618.png[/img]

文 | 帆軟數據應用研究院 船長

企業數據分析部門組織架構形式探討

週二, 六月 20. 2017

數據時代的到來使企業越來越意識到數據的價值,企業紛紛建立自己的[url=http://www.finereport.com/tw/]數據分析[/url]團隊.花重金招攬的數據人才怎麼融入到本企業組織中才能發揮他們的才能呢?本文試圖分析數據分析部門組織架構形式的優劣及影響。

從數據分析部門與傳統IT部門的關係來看,分析部門有兩種形式:[b]設立獨立的分析部門或設在IT部門下,由一個CIO管轄。[/b]

從數據分析人員是否集中來看也分兩種情況:數據分析人員集中在[url=http://www.finereport.com/tw/]大數據分析軟體[/url]中心或者數據分析人員分散在各個業務部門。或者混合情況:兩者都有數據分析人員,但職能分工不同。

下面具體分析三種典型組合情況:

[b]第一種形式為傳統式,[/b]

如下圖:大數據中心設立在IT部門下,數據分析師集中在大數據中心。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017061505.png[/img]

這是一種大信息中心的形式。這種形式的特點是大數據中心與IT合并在一起,貼近數據源,業務部門向大數據中心提需求,大數據中心根據需求統一排期開發、分析。這時一般傳統的報表、臨時需求分析等也可能會與業務系統分開,由大數據中心管理。大數據中心對接各業務系統數據源在部門內部即可解決。各業務部門只需要跟大信息中心一次提需求即可。業務部門沒有自己的分析挖掘團隊,但一般會有傳統的報告分析。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017061506.jpg[/img]

這種形式大多由傳統[url=http://www.finereport.com/tw/]BI系統[/url]部門演變而來。傳統的經營分析中心或[url=http://www.finereport.com/tw/]商業智慧[/url]部演變為大數據中心,在數據倉庫基礎上增建大數據平台,增加大數據及數據挖掘人才,在原來的[url=http://www.finereport.com/tw/]報表製作[/url]的基礎上建設更深入的數據分析應用。

[b]優點:[/b]數據中心與IT在一個部門,離數據近,數據整合便利,保障數據質量高。集中的需求管理也使內部溝通有效,避免重複開發,也可以使分析師內部總結提高。

[b]缺點:[/b]離業務較遠,尤其是分析團隊與業務部門的工作地點不同時,容易與業務部門溝通不暢,閉門造車。如果業務變化快,無法跟上業務的步伐,對數據的思考不夠深入,與業務部門溝通成本加大。

針對分析師集中後離業務較遠的弊端有一種方法為:分析師仍然集中在大數據中心,但分析資源的使用、請求在各個業務部門,企業各業務部門自己根據項目需求請求所需的分析師。這種情況下分析師需要同時向本部門和業務部門彙報工作。

[b]第二種形式為集中式。[/b]

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017061507.png[/img]

這種形式與第一種的主要區別在於大數據中心是否獨立。

這種形式的特點是公司所有與數據相關的平台建設、數據應用、數據分析挖掘都歸屬到一個部門,此部門是數據管理的唯一出口,業務部門不設立自己的分析團隊,IT部門也不負責相應平台開發維護。

[b]優點:[/b]部門職責明確單一。指標由一個部門計算,口徑統一,且與業務部門獨立,所以立場獨立,分析結果更中立。

[b]缺點:[/b]同時具有第一種形式的缺點,並且離業務部門及業務系統都較遠,無論是數據理解還是業務理解都可能不夠深入,同時如果大數據平台開發維護能力不強,會有技術困難難以推進。

[i][u]數據分析,報表實例,專業的人都在這裡!加入[url=https://www.facebook.com/twfinereport/]FineReport臉書粉絲團[/url]![/u][/i]

[b]第三種形式為混合式[/b]

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017061508.png[/img]

此圖與之前的主要區別在於業務部門是否有分析師。這裡不再分析大數據中心是否獨立的問題。主要分析大數據中心下分析師與業務部門分析師的職能及定位。

大數據中心分析團隊職責主要集中在整個企業級的數據產品、數據應用、數據分析。服務的對象也主要是公司級的部門和領導。他們技術能力和業務能力更強,能利用最新技術解決業務問題,同時必要時對業務部門分析團隊給予指導。

而各業務部門自己的分析團隊主要服務於自己部門內部,技術能力不等,以前主要根據報表做統計或分析報告,但他們本身在業務部門對業務理解深入,主要是利用數據解決業務問題。有些強勢部門可直連倉庫自己寫SQL提數,定製開發簡易報表,技術強的業務部門甚至要求建設自己的數據集市,搭建自己的挖掘團隊。

這種形式下的主要缺點是兩者職責有時劃分不清,造成部門利益為重、爭搶項目、職責推諉、重複開發、口徑不一致等問題。各業務部門的分析團隊之間交流不暢,技能提升有限。有一種變通的方法為打破各部門利益障礙,建立橫向的虛擬分析團隊,加強虛擬團隊內部溝通交流,甚至團隊內部成員作為共享資源可根據項目周期流動。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017061509.png[/img]

通過以上分析可以發現為發揮分析優勢,是在集中分析部門便於內部交流與靠近業務便於理解業務的矛盾的平衡。

每個形式都有各自的優點與缺點,沒有對錯之分。沒有最好的只有最合適的,每個企業都要根據自己的實際情況進行調整。

文 | 岳瑞
文章源自:數據陽光

從DAMA出發,一個指標庫到底是如何煉成的?

週一, 六月 19. 2017

在數據管理領域,我們通常將數據分為:主數據、交易數據、參考數據、元數據和統計[url=http://www.finereport.com/tw/]數據分析[/url](指標), 指標是[url=http://www.finereport.com/tw/]BI系統[/url]裡面核心的概念,是一個企業數據運營關注的核心數據,一般以KPI和報表的形式體現。

從實踐來看,一個企業要進行數據治理,涉及了架構、安全等諸多層面,但最迫切的是提升數據質量,其中指標質量則是重中之重,一般業務上90%以上關於數據的疑問都從指標的質疑開始,只要你從事數據相關工作,就應該深有體會。

「這個指標好像跟業務發展實際不符,快去查查」,估計這是報表取數人員聽到的最多的一句話了。

下文就來談談如何從根本上去提升指標的數據質量,即實現指標的標準化,作為一個數據管理人員,不管你有多少能力,曾經解決了多少問題,當過多少回救火英雄,都應該從更為長遠的角度來思考這個問題。

指標標準化的核心價值在於實現「書同文,車同軌」,即通過針對指標的一系列管理過程,去提升指標準確性、一致性、敏捷性及開放性。

DAMA將數據治理放到核心地位,指標的標準化就是個典型的數據治理問題,治標是容易的,治本的代價則太高,但如果要實現進階,還是要站的高一點,多思考一下,想想是否有更好的方法,就從筆者多年前做過的指標標準化項目開始吧,分為[b]組織保障、報表梳理、指標整合、實現方式、功能架構、可視化引擎及管理流程[/b]等七個方面。

[b]1、組織保障[/b]

指標庫這類數據管理項目,或稱BI項目,一般業務部門參與的力度是不大的,這是大多BI項目實施效果不佳的一個深層次原因。

DAMA提到要實施數據治理活動,跨部門的數據治理委員會等是關鍵的組織,的確是這樣,指標跟全公司每個單位都相關,對於其進行規範化改造當然應該獲得大家的一致同意。

可惜的是,大多企業沒有這個理想條件,也不會有數據治理委員會,在數據還未成為真正的實質性資產前,比如納入財務部的資產目錄,很少有企業會設立這個數據組織,因為效益不明顯,因此,哪個企業都不大可能為指標出一個規範並且通令全公司貫徹執行,對於數據管理人員,指標庫這個事情也許意義不小,但對於全公司意義則小了,這是現狀。

在沒有公司層面的組織保障前,數據管理人員或BI部門大多得靠自己,通過自己來推動事情往前走, 這是應有的態度,你不提,公司也沒有任何人會提,畢竟你是最大受益者,實施指標庫這個事情非常複雜,誰都沒有成功的把握,秉持小步快跑,試點探索的原則是不錯的。

筆者的這個指標庫項目獲得了分管領導的強力支持,這是項目能進行的現實組織保障,其實這類管理項目設立之初,很難讓業務部門和一線人員馬上認識到其價值並充分參與進來,這個溝通管理成本太高了,但無論如何,一個數據治理項目能否成功,公司的支持是第一要務,不僅僅是IT部門的事情,DAMA的很早就在《DAMA數據管理知識體系指南》明確了數據治理的組織要點,以下是DAMA的數據治理組織架構圖,非常超前:

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017061516.png[/img]

當然我覺得現實的組織演進也許如下圖更合適,但道理是一樣的,相關利益方需要對這個事情達成共識:

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017061517.png[/img]

[b]2、報表梳理[/b]

指標的主要表現形式是報表,因此第一要務就是報表梳理,公司的報表浩如煙海,因此這個項目設立之初就限制了範圍,主要針對一線市場部經理、終端管理、流量管理三類核心角色,共梳理了相關的39個彩信、48份郵件通報及數據集市上的733張報表。(筆者所在公司為某運營商)

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017061518.jpg[/img]

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017061519.jpg[/img]

[b]3、指標整合[/b]

各類報表及相關指標表達各不相同,梳理前應該給出一個描述指標的標準框架,包括指標大類、子類、維度、周期、歸屬、命名規範等等,曾經由於框架漏了一些要素導致返工現象,這個頂層設計一定要做好,以下是示例:

命名規範:業務限定詞+業務名稱+量值限定詞+量值描述(量、收、用)

舉例1:兩網有效用戶到達數

舉例2:自建有線寬頻出賬用戶數

下圖列出了大致的梳理步驟,主要以省公司報表和彩信KPI為基礎確定基準指標,各地市指標剔除個性指標後,合并到省公司的基準指標中,形成本次的最終指標範圍。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017061520.png[/img]

全省指標共計6841個(未剔重),經過歸併整合,得到基礎共性指標2306個,如下圖所示:

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017061521.jpg[/img]

此項工作耗時巨大,以下是成果的示意:

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017061522.jpg[/img]

[i][u]數據分析,報表實例,專業的人都在這裡!加入[url=https://www.facebook.com/twfinereport/]FineReport臉書粉絲團[/url]![/u][/i]

[b]4、實現方式[/b]

根據指標性質不同可以分為3類,即基礎指標1046個、計算指標652個和通用行銷類指標303個。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017061523.png[/img]

[b]5、功能架構[/b]

為了支撐指標快速,標準化實現,通過增強數據管理平台來實現指標的快速開發、部署和管理,主要包括指標信息維護、指標開發、運維管理、指標質量管理等功能。

比如指標庫每月需要新增超過9. 5億行的數據,存儲周期按12+1,即123億行,以傳統關係型資料庫的查詢能力無法支撐,這裡就採用Hbase架構支撐海量指標的快速查詢。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017061524.png[/img]

[b]6、可視化引擎[/b]

為了支撐指標組裝報表與配置報表的快速開發,使用數據可視化引擎產品,主要包括指標組裝、報表開發、報表展現功能,現在的這類產品很多了,但定製化給予一個創新性項目更大的自由度。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017061525.png[/img]

指標組裝報表製作工具是區別傳統基於SQL配置報表的靈活度更高的報表配置方式,主要提供基於指標選擇組裝生成報表。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017061526.png[/img]

[b]7、管理流程[/b]

指標的建設只是走完了數據治理的第一步,為了確保指標庫長期可用,必須要有一套針對的指標管理機制和流程,否則建設的結束就是混亂的開始,理想的做法當然是發布一套公司級別的指標管理規範,但這個時候時機往往並不成熟,比如系統可用性到底如何,因此,我們當時就確立了一個簡單原則,一條開發鐵律:不重複開發,能用指標實現的不允許單獨開發報表,當然這非常考驗數據管理的藝術,極大依賴於團隊的業務和數據能力,但有主見的數據管理團隊一定要懂得如何與業務人員進行博弈,記得你才是全公司數據的管理者,而不僅僅是個開發者。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017061527.png[/img]

筆者在關於指標庫的實現簡要談完了,但我對於大多企業搞指標庫卻是持悲觀態度的,傳統BI部門面對浩海的數據需求時,往往是沒有管理原則的,因為公司對你的數據管理授權是不明確的,我們不得不以犧牲長遠來滿足當前,其實BI每接收一個不規範(比如胡亂的指標命名和定義)的報表需求就要承擔由此帶來的管理成本,而不僅僅是開發成本,這為後續數據管理的混亂埋下了禍根。

但存在的又是合理的,因為搞個指標庫在開始的時候,無論是管理及運維成本都不低,關鍵是短期來看效益還不明顯,這也許是成功案例不多的一個原因。

因此,當我們在抱怨業務指標口徑一塌糊塗的時候,要記得是企業沒有數據管理的原則導致了這個現象,也是你的不作為導致了這個現象,這跟公司的文化、機制及流程是息息相關的,頂層設計沒解決,也許只能將就了,或者,你就要付出百倍的努力去改變或優化這個設計吧,這需要巨大的決心和毅力。

DAMA談數據治理首當其衝談組織設置,顯然是非常睿智的,奇怪的是在知乎上關於DAMA數據治理的討論幾乎沒有,這倒是值得思考的問題。

文 | 傅一平
原文自:微信公眾號 與數據同行

數據分析報告的框架——既要懂分析,也要會講故事

週四, 六月 15. 2017

[url=http://www.finereport.com/tw/]數據分析[/url]項目到收尾關頭,總要出一份數據報告。

按照項目類型,可能是產品投放市場的效果評估;日常[url=http://www.finereport.com/tw/]報表製作[/url]數據匯總;活動數據分析。而報告也分多種情況,有的需要給項目組一個交代,有的需要和業務組一同評估分析,有的則是郵件抄送領導向上級彙報。

數據報告無論是文本、PPT還是數據[url=http://www.finereport.com/tw/]圖表製作[/url],都得展示分析的核心思路和結果,本質都是相同的。

[b]1.好的分析師要會講故事[/b]

一個數據報告的核心不是面面俱到的內容,而是讓讀者讀懂「問題——假設——原因——驗證過程——結論——背後現象——可推行的決策」這樣一個脈絡的故事。類同於諮詢和投資機構,在做BP之前會先花時間理清楚storyline。其實各種報告都應該這樣,先理清楚思路,就有了故事。

[b]2.數據分析報告的框架[/b]

這裡列出一個我慣用的報告框架(針對不同業務場景可能會有所調整,增刪或再細分):

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017060606.png[/img]

[b]項目背景 &項目進度[/b]

項目背景,需要簡述項目相關背景,項目需求、分析目的、市場情況、為什麼做,目的是什麼,以讓讀者了解項目的前因後果。項目進度,需要綜述項目的整體進程,以及目前的情況。

[b]指標定義&數據獲取[/b]

核心指標如何定義?公式是什麼,為什麼這麼定義,這點是很重要也是很容易被忽略的,很多時候的誤解都是沒有對指標進行統一定義。舉個例子,比如服裝「斷碼」。從領導層來講,公司倉儲的服裝全部尺碼如果不完整就是斷碼;從倉庫的倉管員角度來講,倉庫內的服裝尺碼不全就是斷碼;從門店的業務員角度來講,客戶需要的尺碼當前門店無貨就是斷碼。定義不同,在會員系統、庫存系統、訂單系統中這個斷碼的數據就不對應。主數據管理可能並沒有覆蓋到所有指標,所以分析指標時要考慮這一點。

[i][u]數據分析,報表實例,專業的人都在這裡!加入[url=https://www.facebook.com/twfinereport/]FineReport臉書粉絲團[/url]![/u][/i]

[b]數據概覽 &數據探維[/b]

數據概覽是對指標的發展趨勢和變化情況,例如最高最低點做成因解釋。而數據探維是對某指標按照不同的維度做分析,做細節補充。這也是數據分析時常的方法,多維度分析。這一點常常用FineBI等BI系統工具來操作,製作好模板,以後就可以按照特定的維度來分析了。這裡需要注意的是,核心指標要少而關鍵,拆分指標要有意義並有清晰地邏輯來說明。如果涉及的維度較多,不建議用PPT來一個一個描述。一些BI工具可直接在web上展示,切換維度,動態的展示更加生動,容易說明。

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017060607.gif[/img]

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017060608.gif[/img]

[b]結論匯總[/b]

結論匯總,基本是對之前數據分析階段的數據進行匯總,形成完整的結論。後續改進,需要在數據分析的結論和問題的基礎上,對後續的迭代和改進措施作出方向性的說明。這部分其實很多時候也是分析的根本目的。

最後附上詳細的數據,尤其是那些沒有必要在數據報告中體現但是仍然有價值的數據。一個項目/業務,如果你不能衡量它就不能了解他,也就無法改進它,說的就是數據。

我們都不可能提前知道數據的結果,也不能報紙中立的態度去判斷。任何從事數據工作的人,尊重數據結果,並分析形成結論,遠比相信一些所謂的方法論的條條框框好得多。

大數據下的銀行業信用風險監控體系什麼樣?看工商銀行的案例

週二, 六月 13. 2017

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017060201.jpg[/img]

信息不對稱,尤其是信息不真實甚至不同程度存在的信息欺詐問題,是信用風險形成的重要因素之一。為此,亟需依託互聯網和[url=http://www.finereport.com/tw/]大數據分析軟體[/url]技術,建立新型的信用風險監控體系,強化對風險的全景分析和前瞻預警。近年來,工商銀行在構建外部欺詐風險信息系統的基礎上,進一步收集全行風險大數據並挖掘處理,通過關聯業務分析和數據可視化建設,基於風險大數據重構了銀行風控體系,亦實現了銀行安全保衛工作內涵的創新突破。

當前,外部欺詐風險態勢日益嚴峻。在互聯網和大數據背景下,圍繞風險大數據重構銀行風控體系已經成為業界共識。按照這一理念,工商銀行2013年研發投產了外部欺詐風險信息系統,並陸續在工商銀行全集團(境內外所有機構)、全渠道(線上和線下渠道)、全業務(接入16大業務系統)投產應用,風險防控成效顯著,有效保障了銀行與客戶的資產安全:一是累計預警業務風險129萬筆,涉及資金435億元。二是累計防堵電信詐騙事件11.27萬起,避免客戶損失超16.88億元。

與此同時,工商銀行積極探索並實踐大[url=http://www.finereport.com/tw/]數據分析[/url]方法,通過外部欺詐風險信息系統,對海量客戶信息開展多維度數據挖掘,排查業務風險,並根據風險排查過程的經驗總結,於2016年研發投產了風險客戶「三維立體」全景視圖,一站式、可視化呈現出風險客戶「基本信息、風險信息(外欺系統風險資料庫信息)、銀行業務與往期風險處置信息」三大類信息,提升了外部欺詐風險信息挖掘處理和關聯業務分析能力,為客戶風險分析與處置提供了技術保障,為銀行業務穩健安全發展提供了有力支援。

本文特選取幾個典型案例,簡要介紹工商銀行對風險客戶開展關聯業務分析的主要做法,進而與業界分享工商銀行風險客戶「三維立體」全景視圖的設計思路和主要功能。

[b]一、剖析企業關聯風險 強化系統監測 指導風險處置[/b]

工商銀行安保部從外部欺詐風險信息系統中篩選出30萬戶風險企業,進一步挖掘分析其存量關聯業務。以信貸業務為例,在分析樣本中發現存在高風險公司有貸戶上千戶,涉及貸款金額逾千億元、不良餘額數百億元,不良率均值14.73%,遠高於全行平均水平。對該類企業註冊、投資等信息進一步挖掘,發現集團關聯企業內部成員之間互相投資、交叉投資關係錯綜複雜,在信息不對稱的情況下,極易造成銀行業務風險。

例如,客戶某集團有限責任公司存在高法未結案風險信息,雖然2015年初信用等級AA,貸款餘額3.8億元,貸款形態正常,但通過數據挖掘分析,發現該客戶存在較為突出的潛在風險。比如,集團內投資關係多達6層,關聯企業130餘家,涉及金融投資、貿易、房地產、建材、酒店、擔保、小額貸款、旅遊等多個行業,集團法人代表梁某共在其他10個企業內任職,其中有3家為法院認定的被執行人;集團對外投資企業共計38家,涉及多個行業,其中有10家企業被吊銷營業執照,4家為高法被執行人,1家為高法失信執行人。根據分析結論,工商銀行信貸管理部已對涉事企業及其法定代表人加強監測,開展風險處置,從而有效地規避了資產損失。

[b]二、多維評估客戶風險 凈化客戶群體 提升資產質量[/b]

工商銀行從外部欺詐風險信息系統中篩選出60萬戶風險人員,在信貸、信用卡、私人銀行等業務領域進一步開展關聯分析,發現部分人員作為工商銀行信貸、信用卡或私人銀行客戶,其整體資產情況呈現出「負債高、資產少」的特徵。

例如,外部欺詐風險信息系統顯示,李某存在高法失信等風險記錄,故對其進行深度數據挖掘,由此發現了李某的多項風險點:一是其在工商銀行貸款餘額267萬元,信用卡透支餘額高達48.6萬元,負債總計315.6萬元,資產負債率僅為0.32%,遠低於同類客戶資產負債率;二是其投資企業某貿易公司為海關失信企業,某房地產公司為法院被執行人,涉及未結案金額448萬元;三是李某貸款形態及信用卡使用情況雖然正常,但所持信用卡月均額度使用率高達91.8%,透支利息月均6797元,存在一定業務風險。

根據外部欺詐風險信息系統的評估意見,工商銀行個人金融、信貸、信用卡、私人銀行等業務部門對風險客戶加強業務風險監測,並相應開展了貢獻星級降級、貸款提前清收、綜合授信降額、私人銀行資格清退等風險處置措施,提升了全行客戶群體品質及客戶整體的資產質量。

[i][u]數據分析,報表實例,專業的人都在這裡!加入[url=https://www.facebook.com/twfinereport/]FineReport臉書粉絲團[/url]![/u][/i]

[b]三、透視賬銷案存客戶 辨析清償能力 指導資產清收[/b]

賬銷案存資產是指工商銀行已批准核銷,但尚未依法終結債權債務關係或仍具有追索可能,要按規定轉入表外核算並繼續追索的債權性資產。由於納入表外管理,銀行有關業務部門對賬銷案存資產的持續管理和重視力度容易欠缺。通過外部欺詐風險信息系統,對賬銷案存客戶的資產、負債、結算業務情況、外部風險情況多維度進行分析,可洞悉其關聯風險特徵並確認清償能力,提出完善賬銷案存業務資產管理的意見和建議,優化全行風險信息共享機制。

為深入挖掘分析賬銷案存風險客戶特徵及其清償能力,工商銀行通過外部欺詐風險信息系統隨機抽取了5000個名下有企業的賬銷案存個人風險客戶,並根據其工商註冊信息進行分析,發現這5000個客戶共涉及4937家企業,其中部分客戶在多數企業擔任法定代表人、主要股東或高管。通過對上述客戶的關聯企業進行查詢,發現部分企業為正常客戶,且具有一定資產規模。此外,通過關聯分析客戶社會信息(如乘機記錄、社保繳納信息、手機實名認證信息、工商註冊信息、戶籍信息、稅務登記信息、出入境記錄等),發現部分客戶有穩定社保繳納記錄,或存在商務出行和旅遊記錄,進一步證實了其償債能力。工商銀行有關業務部門根據上述分析結論,專門建立了不良資產處置系統,通過與外部欺詐風險信息系統深化合作,加強對此類風險客戶的監測與處置。

[b]四、融合信息可視化 聚焦外部風險 保障業務發展[/b]

為響應和支援行動互聯網金融環境下工商銀行「以客戶為中心」的客戶統一畫像智慧管理體系,持續提升外部欺詐風險信息挖掘處理和關聯業務分析能力,工商銀行安保部基於數據分析經驗積累,按照「以外部風險為中心」和「One Bank」的原則,融合風險信息可視化技術,研發投產風險客戶「三維立體」全景視圖。

該視圖可有效支援風險關聯分析和業務運營保障:一是能夠從客戶基本信息(開戶三要素、地址、聯繫方式等)、客戶風險信息(外欺系統風險資料庫信息)、客戶銀行業務與往期處置信息(資產負債信息和資產質量信息)三個維度,立體、全面、直觀、準確展現客戶全方位風險要素,實現客戶風險畫像的動態可視化,助力欺詐偵測的「一站式、一頁式、共享式」高效管理;二是可對風險客戶的資產情況、社會關係、行為軌跡等信息橫向關聯,縱向發掘,支援風險信息的交叉分析驗證和多維風險評估,提升風險客戶評價的可靠性和準確率;三是能夠根據外部欺詐風險信息系統的用戶角色分級授權機制,按照「知所必需」原則,支援工商銀行全集團各業務條線自動調用與實時展現,豐富了業務風險防控的預警模式與參考要素。全景視圖的應用,有效促進了風險大數據與業務經營的高度融合,為工商銀行信息化銀行建設的深化發展,提供了基礎信息、應用架構與成熟案例。

本文原載於《中國銀行業》雜誌2017年第1期。

文/靳曉鵬

如何成為一家真正發揮大數據作用的「數據驅動型公司」?

週一, 六月 5. 2017

[img]http://www.finereport.com/tw/wp-content/themes/BusinessNews/images/2017060101.png[/img]

概述:作者是業界資深的數據分析師,人工智慧投資人,他在文章里給我們介紹了什麼是大數據的來源,目前在數據領域的初創公司與現有巨頭的競爭現狀,各自在數據領域所採取的不同做法,[url=http://www.finereport.com/tw/]數據分析[/url]工作的外包,為什麼有關[url=http://www.finereport.com/tw/]大數據分析軟體[/url]的項目總是會失敗?
在本章節中,我想試著描述、分享一下大數據在公司商業運營情境當中所扮演的角色。

[b]大數據的能力是從何處而來?[/b]

首先,我想先花一點時間來談談有關數據的價值,數據所發揮的作用,它是從何處而來的。

我認為「企業專家中心「(Centre Of Excellence) 這個部門非常之重要,它作為最前沿的公司職能部門,負責將數據的角色引入到公司,並將其功能放大化。它的主要職能就是對跨部門的工作進行協調,具體包括了下面這幾項內容:

1. 對企業的技術架構進行維護和升級

2. 決定應該收集什麼樣的數據,從哪個部門來收集這些數據

3. 推動人才招募計劃

4. 制定「關於從數據中獲取真相」的流程環節以及戰略,並制定有關隱私、合法合規性、以及行業道德規範標準的政策制度。

但是,除此之外還存在其他的管理架構和形式。也許對你現有的商業模式來說,還存在匹配程度更高的管理架構和形式,數據分析、組織結構模式。

其實,在商業模式和數據分析基礎的結合上,存在著好多種組合方式。商業單元(BU)各自獨立,各自為戰是一種法子,相互獨立的 BU 為了某些具體的項目相互協作也是一種法子,企業內部治理(公司治理的金字塔頂端)是一種途徑,外部中心(企業專家中心)也是一種途徑。

[b]數據初創公司與數據壟斷型公司的對決[/b]

到底是數據初創公司勝出?還是數據壟斷型公司勝出?這個答案不可能清楚地給出,裡面有太多需要考慮到的變數,尤其跟公司本身所處的行業,還有所持有的競爭優勢有關。最重要的一點是,商業策略的制定,跟公司處於哪個成長階段有著莫大的關係。

儘管從歷史經驗上我們可以看出:很多小公司在結構上比大公司要有著明顯的優勢(就比如說一些初創公司在管理數據上面比大型藥品公司要做的出色的多),但是這並不能說:公司越是初期,在數據處理和應用上的成熟度更高。

更準確的說法是:因為小公司本身的靈活性,它們在這方面行動會非常迅速,而且因為本身基數小,所以很容易在增長比例上大幅超越大公司。

在這裡,我想要強調的重點是:初創公司和大公司,在面對數據問題,儘管目標一樣,但是採取的路徑和方式方法是截然不同的。這裡將這兩種方法分別稱之為:回溯型方式和前瞻型方式。

[b]前瞻型方式:[/b]一般適用於小型初創公司,更準確的說,是那些剛剛進入行業不久,短期內還無法產出大量的數據,但是很快就會實現。正因為這一點,決定了它們從一開始就要制定一個高效實用數據的戰略。

[b]回溯型方式:[/b]更適合於已經在行業里紮根多年的大公司,它手上握有海量數據,但是它們不知道怎麼使用,比如如何將數據向某個中心樞紐集中。

[b]前瞻型方式[/b]

採取這種方式的初創公司不拘泥於過去既定的任何組織架構,而且從一開始,為了某種長期的願景,它就制定出非常嚴格的數據政策,以避免未來在數據領域出現任何的突髮狀況。而且,它一開始就投入大量的資源和時間,如果做對了的話,那麼它會繞開接下來運營發展中的種種不便。

一開始就制定好一個完善的數據政策,能夠很好地滿足初創公司在接下來發展中,處於各個不同發展階段時的需要。更重要的是,年輕的公司所受的約束較少,這種約束不僅體現在內部,比如官僚層級還沒有形成;更體現在外部,比如政策法規上面扶持鼓勵遠遠多過約束限制。而且它們往往對風險的接受度較高,使得它們願意去測試和應用很多前沿科技,它們更願意關注高質量的數據,而不是追求數據量的積累以便獲得研發的基礎。

[b]回溯型方式(已有的大公司)[/b]

大公司往往會遇到下面的兩個問題:

1. 它擁有的數據量確實非常大,但是它們不知道該如何是好。

2. 它們手裡有數據,而且頭腦中已經存在著明確的目的,但是因為數據質量達不到標準,數據整合方式上面並不完善,以及配套技能上不過關,連啟動這個項目都做不到。

先說第一種情況。這樣的公司往往是剛試著轉型到數據驅動領域,它是有數據,但是不知道如何從中提取出有價值的東西出來。鑒於很多大公司的工作崗位要求都很明確,工作任務都被塞的很滿,要求也比較高,所以某些時候它是無法做到公司內部進行創新的,也就是說,它們太忙了,根本抽不出時間。有些行業,比如銀行業、金融科技行業,這個問題體現的尤其明顯。

關於這個問題,我認為一開始就要聘請一名專門在[url=http://www.finereport.com/tw/]商業智慧[/url]想法、戰略上做創新的人進來。這個人富有經驗,能夠成為「數據驅動」理念的傳道者,哪怕他不具備非常強大的計算機技術背景,他也能夠為整個公司帶來非常寶貴的建議和想法。

有了這樣一個角色的存在之後,再去考慮找一名合格的數據分析師。

再來看第二種情況。他們手上有數據,也有明確的目的,但是不知道如何利用它們。我認為這存在著兩種解決方案:

1. 公司從「一張白紙」出發,建立某種全新的數據平台,團隊,以及以數據為核心的文化;

2. 公司直接將數據分析工作以及與數據有關的問題外包出去。

第一種方式如果一切進展如預期一樣,肯定會帶來更加穩健強勁的發展,但是成本也比較高。所以這個時候決策者是需要權衡成本收益誰大誰小的。

第二種方式是數據分析工作的外包。大公司一般傾向於選擇某些大學作為數據分析工作的外包方。理由很簡單:大學一般來說都比較缺錢,也需要數據來進行一些研究,從而方便最終形成論文報告。一般它們的報價也比專註於做數據分析的初創公司要低很多,更何況大學機構中不缺人才,不缺時間,不缺意願,有足夠多的理想條件來收拾整理一堆亂七八糟的數據。

相比之下,初創公司以盈利為目標,選擇它就意味著較高的成本,但是它也是有優勢的。往往這樣的公司里聚集著世界最頂尖的數據分析人才,而它本身就掌握著很多非常有價值的應用研究案例和資料庫,這些東西都是大學機構所比擬不了的。

但無論你是選擇大學機構還是初創公司,都存在著一個繞不開的問題:數據的隱私安全性。你需要問下面的這些問題:公司外包出去的數據都是什麼?第三方機構是如何保證這些數據的安全性的?它們是怎麼存儲數據,決策機制又是怎樣的?

除了這兩種辦法之外,其實還有一些「旁門左道」,能夠讓你近乎於免費的得到數據分析結構。這就是科技圈裡日趨流行起來的黑客馬拉松和某些行業內聚會。你在這其中可以看到很多人有數據分析的才能,也能通過公開自己的數據,免費地拿到數據分析結果。

[b]為什麼大數據項目很容易失敗?[/b]

[b]原因來自各個方面:[/b]

1、缺少商業目標和規劃;
2、無法正確的找出需要解決的問題,缺少解決方案規模化的路徑;
3、缺少 C 級管理人員或者高管的認可及支援;
4、過度投入大量時間和金錢,尤其是隊伍中人才組成不合理,這一點尤其常見;
5、不合理的預期;
6、公司內部的屏障:比如存在很多數據走不出來的 「深坑」,團隊內部糟糕的溝通機制,基礎設施問題等等;
7、將這項工作看作是一時的項目,而不是持續性的學習過程;
8、數據管理、保護、隱私方面做的不到位。