谷維：快手如何提升數據化管理效率｜DataFunTalk

隨著大數據時代的到來，數據對于每個企業(yè)，每個人來說都是極其重要的，淘寶通過數據可以給每個客戶精準推薦商品，抖音通過數據可以記錄每個用戶的使用習慣。但同時，數據時代的到來，也讓眾多企業(yè)領導者開始思考，面對數以億計的數據，如何才能通過數據化管理提升工作效率？這成為了困擾企業(yè)管理者的一大難題。

今天的分享會圍繞下面四點展開：

• 一個用戶的困擾
• 為什么管理需要數據
• 如何提升數據化管理效率
• 應用案例

01
一個用戶的困擾

如果你是一位數據分析師，想必你一定遇到過這種情況，當你把分析報告交給領導時，領導會說：“你怎么這個時候才給我，不就是取個數嘛？”“這個數據應該不對吧，這是你取錯了吧？”辛辛苦苦做出來的數據，最終換來的卻是領導各種的抱怨。作為一個數據人，你可能會跟領導解釋說：“老板，這個指標是通過數據倉庫加工處理完后匯總統(tǒng)計的，提出異常數據，更加科學有效。其次，報告中月度指標統(tǒng)計周期是近30日，用于趨勢分析。與OKR考核的自然月指標統(tǒng)計周期不同，因此會有差異?！蹦銜ㄙM大量時間溝通，以此打消領導的疑慮。當領導了解后，可能會說：“嗯，這個報告很用心，但不是我想要的?？赐陥蟾妫也恢澜酉聛硪趺醋?。”于是你便去了解業(yè)務，最終發(fā)現，大多數業(yè)務同學看到數據后不會結合業(yè)務動作解讀數據，也不太熟悉產品的功能應該如何去使用。

諸如此類現象，是做為數據小弟、小妹們在工作中不得不面對和解決的問題。很多時候，我們心中都會發(fā)起疑問“管理真的需要數據嗎？我們的價值是什么？”

02
為什么管理需要數據

管理的意義在于有效開展企業(yè)或業(yè)務活動、滿足客戶需求，提高效率。數據就是通過量化管理的方式為管理的效果和效率提供一個科學判斷的依據。也就是說數據是一個量化的標準。通過這種量化的標準，給更多的人去使用，讓更多的人通過這種方式和方法，提升他們的工作效率。所以管理需要數據作為工具。

03
如何提升數據化管理效率

數據分析和數據產品是提升管理效率的兩個重要的能力。接下來，從數據分析和數據產品兩個角度介紹一下，如何提升數據化管理效率？

數據分析：要從業(yè)務中來，到業(yè)務中去

首先，剛才提到的數據分析師的例子中，其實反饋出一個問題，就是最終得到的結果并不是用戶所需要的，對于這個問題的原因，其實并不是用了什么樣的分析方法，是業(yè)務用戶不能接受的，而是說沒有真正的站在業(yè)務的角度去理解業(yè)務的目標是什么，為了這個業(yè)務目標，業(yè)務用戶是怎么去做的，分幾個步驟，每個步驟具體要怎么去執(zhí)行，以及業(yè)務做完后的效果是怎樣的。只有將業(yè)務目標進行拆解，數據量化才會更貼近業(yè)務，分析結論對業(yè)務也會更具指導性。量化管理的過程，就是業(yè)務理解、業(yè)務拆解，最終判斷業(yè)務的結果是好還是壞的過程。

好壞評估的標準就是根據業(yè)務的動作核心，拆解出來的指標，通過不同的維度交叉分析，找到業(yè)務做的好與不好的原因，并最終為了更好的開展接下來的工作，提供可以落地的解決方案。最終，通過數據實現“計劃-執(zhí)行-行動-驗證”的閉環(huán)。

數據分析擅長對快速及時業(yè)務問答進行反饋，這種小閉環(huán)自循環(huán)的流程做得是非常好的，在某些層面上，我們其實可以認為它是一個定制化的服務，但這種小閉環(huán)跑得很通暢的服務也是會有它解決不了的問題。

數據產品：要抽象功能模塊

當數據分析師面對多個角色解決非常復雜的業(yè)務場景時，數據分析的解題方法、解題思路，甚至是得出的結論，都是多樣化的，短期的效率非常高，但長期來看，對于服務更多規(guī)模型的用戶來講，效率并沒有有效地提升。而這正需要數據產品來解決。數據產品通過了解不同業(yè)務的訴求，將數據分析的各種各樣的方式和方法進行系統(tǒng)化和抽象化，針對不同的用戶提供一套系統(tǒng)性的解決方案。

這種解決方案，可以通過內容數據產品建設畫布解決，共有十個步驟，其中前四個步驟其實是基于數據分析的核心思想：從業(yè)務中來，到業(yè)務中去。

接下來從整體看一下，面向不同的用戶，不同場景的角色，我們的組合是什么樣的方式。

自上而下來看，最頂層是決策者，最底層是一線人員，要解決的是價值轉化的問題，也就是效率問題。

針對決策者，我們要提供定制化的服務。與數據分析回答領導“天問”的專題分析不同，數據產品需滿足決策者隨時隨地發(fā)現行業(yè)趨勢、監(jiān)控核心指標的訴求。因此，我們會為決策者提供移動端和大屏等產品。

針對中間層的各級管理者，承接了領導的問題，需求更多元化，也更量化，對效率要求也非常高。所以我們采取了集裝箱式的服務模式，根據不同場景用戶的訴求，將不同產品的一些工具進行組合，最終以數據門戶的方式做統(tǒng)一的呈現。

決策者-1d和核心的數據分析的人員會去關注問題發(fā)生的原因，以及未來將有可能是什么樣的表現，關注的是歸因和預測。數據產品的歸因功能可快速提高定位原因效率。

部門的管理者和分析師主要將問題進行更細的拆解，分析原因、調整策略。數據產品將細化業(yè)務場景，快速尋找匹配的產品功能，提供產品組合服務。

一線人員承接具體執(zhí)行的工作。他們最關注的是拆解給“我”的目標是什么？我是否能完成這個目標？如果無法完成，我接下來該怎么做？他們希望快速看到數據結果、自助分析查找原因，甚至有的時候都不知道自己要看什么樣的數據。所以針對一線人員，需要提供批量復制的產品能力，比如提供多維分析功能，讓他們去做數據的探查；提供自主取數功能，便于快速的做一個小的決策。

所以無論是數據分析還是數據產品，包括產品服務的組合，其實幫助業(yè)務解決的是業(yè)務發(fā)生了什么，為什么發(fā)生和怎么樣去解決問題。從分析的角度上來講，自上而下是一個大決策和小監(jiān)控的過程；而從數據產品的角度來講，自上而下是大監(jiān)控和小決策的過程。

04
應用案例

接下來分享一個某二手車2C業(yè)務數據產品化的案例。

做為互聯網垂直領域的二手車交易平臺，其主要特點是為買家和賣家提供撮合交易平臺。其商業(yè)模式在某種程度上是一個互聯網+汽車+金融+新零售的交叉行業(yè)。業(yè)務流程涉及多角色、多環(huán)節(jié)，僅平臺交易流程就涉及12個核心部門。領域交叉性、交易鏈條長、系統(tǒng)復雜性等問題，為數據化管理帶來很大難度。

我們首先需要去看二手車企業(yè)在當時的環(huán)境下，目標是什么？目標就是要實現盈虧平衡。圍繞著盈虧平衡，數據分析有五大核心模塊：

第一塊宏觀策略：面向決策者，提供宏觀的一些判斷，比如競爭對手發(fā)生了什么，市場行業(yè)是什么樣的表現，新的業(yè)務模式值不值得去做等等。

第二塊目標管理：就是根據整體的目標去做一個階段性的拆解，未來一年的目標是什么，每個季度、每個月的目標是什么，每個月怎么做目標拆解，每個大區(qū)和每個城市是什么樣的表現，效果如何？接下來應該如何去調整目標、優(yōu)化策略，讓業(yè)務增長變得更健康。

第三塊經營分析：商家、車型、品類、供給者、消費者、銷售、線索等精細化運營的數據挖掘與分析。比如：錢從哪兒來，各個類型的車是怎樣表現的，花費有哪些，銷售人員的花費是什么，給用戶的折價怎樣管控等等；車的庫存周轉如何，單店經營的如何，收售之間的聯動轉化如何？以及公司級重大專項的營收表現。

第四塊人效管理：人員效率怎樣，人員是不是飽和了，什么時候該招人，什么時候該縮編，KPI考核標準是什么，人員成長體系和激勵政策是什么，都需要通過數據分析和商業(yè)分析來提供有效的支持。

最后一塊是產品。如何提升效率，我們要去找在數據中最懂業(yè)務的人，也就是數據產品，來將經營分析核心的思路沉淀成數據產品；將目標管理、收售聯動、供應鏈轉化、商品品類、門店經營系統(tǒng)化、產品化。

數據分析和產品人員溝通的重要依據就是指標體系。

業(yè)務分析人員要給產品講解業(yè)務的目標，也就是“降低運營成本、提升運營效率、提高利潤水平”。圍繞著核心戰(zhàn)略，我們要進行人、貨、場的拆解；從收售聯動的角度去建立指標體系，將業(yè)務過程、結果、效率通過指標的形式，量化拆解到每一個子部門，以及每一個業(yè)務人員上。通過這些指標表現，判斷策略落地執(zhí)行的效果，從而起到量化管理的作用，最終實現業(yè)務的精細化運營。

05
總結

最后做一個總結，不管是數據分析還是數據產品，都應深入業(yè)務、面向業(yè)務去解決業(yè)務痛點。業(yè)務人員幫助我們去沉淀策略打法、豐富業(yè)務場景。同時，數據分析和數據產品之間也是相輔相成的關系。分析可以幫助產品去系統(tǒng)地理解業(yè)務和沉淀分析的方法，而產品可以幫助分析去抽象通用的能力。他們都有共同的目標，那就是解決業(yè)務痛點、快速賦能業(yè)務、提高整體效率。

今天的分享就到這里，謝謝大家。