導讀：“要想做好資料化運營，最佳實踐就是業務和技術並重，這也是永洪不斷努力踐行和最佳化的方面，我們不只是給客戶提供產品，還包括完善的後期的服務——實施、培訓，甚至資料諮詢等，我們都有相關的配套服務，這樣可以讓客戶真正地把資料價值落地，在業務場景中將資料價值變現。”——永洪科技高階副總裁王桐
以下內容整理自王桐先生在7月23號永洪上海大資料峰會上的演講原文。
作為一家以產品見長，不管在技術還是在易用性等方方面面，都希望把產品打磨到極致，並以它為生存之根本的一家公司，為了體現對產品的信心，我這個環節演示的時間會大於PPT的時間。我們結合實際分析的業務場景來看一下資料化運營的最佳實踐是什麼樣的。
今天涉及到的場景包括四個方面：1.使用者畫像的場景，它的資料化分析是怎麼做的;2.銷售型的企業，它的銷售分析可以怎樣做;3.對於一些有流通環節的物流企業，物流分析怎麼做;4.還有任何一家企業的老闆和財務都會非常關心的，企業財務指標的分析可以用怎樣的方式去做。從這四個角度看怎樣做資料化運營這件事情。
場景一，使用者畫像的場景
這也是現在在資料分析領域裡面非常熱門、非常經典的資料分析的用處。上午黃總也講了美的集團怎樣在全球做自己的使用者畫像，然後指導業務。首先我們要回答一個問題，做使用者畫像的目的到底是什麼?其實做使用者畫像有兩個大的目的是最典型的。
1.服務於產品研發設計人員，對於一個電商平臺，可能有選品人員、買手和研發設計人員，使用者畫像可以作為他們的業務指導依據。
以前傳統企業上新品的時候往往是閉門造車，根據自己的想象覺得消費者和使用者喜歡什麼，然後就做一個什麼樣的產品。這樣就會導致市面上新品存活率很低，即使是寶潔這樣的巨頭公司，其實它的新品存活率也不超過百分之十幾。所以大量的研發、資源和資金都浪費在這裡面。 那麼透過使用者畫像可以改變什麼?當選品和研發設計人員想設計或者挑選一個新的產品提供給使用者的時候，可以先針對目標使用者群體做資料分析和需求調研，看看這部分使用者的喜好和特點是什麼，然後再有的放矢地設計新品，這樣可以提高新品的存活率。
舉一個傳統家電業的例子。假設現在想要針對年輕女性設計一款新的電視，那麼研發設計人員就可以勾選“電視、女性，年齡段”等等多維的條件，這樣縮小了範圍，就會發現使用者訴求、功能訴求、購買渠道排名，然後就能夠實時聚焦到這部分使用者群體和電視產品相應的分析結果。
我們來看功能訴求這一塊，功能訴求透過一個“詞雲”來展示，使用者在功能訴求上面最突出的幾個詞，我們可以看到3D電視、智慧電視，這是年輕女士非常青睞的電視功能。然而有客戶曾經遇到過一個非常反直覺的真實案例，4K電視是這兩年比較火的新的概念，但對於年輕女性來講，她們對4K電視並不感興趣。所以如果不做使用者需求的調研，就貿然地趕新技術的潮流，針對年輕女性設計一款4K電視，那麼新品的存活率一定不容樂觀。
其實在實際的業務應用場景中，除了功能訴求以外，還可以在儀表盤上面放N個不同功能訴求維度的詞雲圖。另外，像顏色訴求、價位訴求、尺寸訴求和型別訴求，這些都可以做一個聚焦的細分。
對於企劃人員來說，其實只透過幾個簡單的操作就可以在一分鐘內，快速得到一個既具體、又精準的結論。如果想針對一部分使用者設計一款3D、智慧、白色、52寸以下、4500元以下、壁掛的一個電視，可以想象一下，如果拿到這樣具體的指導，其實後面要做的事情就是把工業設計、美觀的部分做好就可以了。首先新品的調研和研發的週期就會得到一定程度的縮短，可以提高效率。再者，消費者在做購買決策的時候，會發現他心裡所有的硬性條件這個產品都能滿足，他只需要看一下品牌和樣式，就能做出消費決策。比起傳統的方式，這樣非常簡單的方式更容易被人接受。企業透過非常簡單的方式，就可以幾倍地提高新品存活率，這樣在市場中想要透過新品擴大市場佔有率，就是非常可行的事情了。
2.針對業務需求。透過我們的產品做出這樣一個儀表盤，其實是幾分鐘就可以做到。但是選哪些分析指標和維度把它們組合到一起，放到同一個頁面上面，便是業務需要考慮的事情了。因為每一個圖表都是資料不同的角度，既然業務人員把這些圖表放到一個頁面上面，說明他們之間肯定存在關聯關係和業務邏輯，那怎樣的一個業務邏輯，包括篩選器怎樣擺放、佈局、整合思考邏輯，這就是需要業務功底的地方。
所以業務的功底和IT技術相結合，就能做出一個簡單易用又實用，並且效果非常好的資料分析的儀表盤。我們動輒言稱大資料，其實真正做好的結果，並不一定是多難懂、多複雜的東西，因為實用的東西一定是簡單的，這樣才容易被理解、被掌握，然後才容易在企業內部做大範圍的推廣，才能做到人人都是資料分析師，但凡它有點複雜、有些門檻，都會讓事情變得不那麼可控。
我們知道，只要涉及到做BI或者做資料分析，一定是IT和業務並重的事情。IT資料處理的部分，比如說某個詞雲的詞的資料來源是怎麼來的，它的演算法可能是比較綜合的，可能這部分的資料有0.8的權重來自於過去ERP裡面已成交的購買記錄，另外0.2的權重可以分配給從網路上面抓回來的輿情資料，把分詞提取出來。這樣既看了過去的實時分析結果，又看了未來的熱點和可能的趨勢，綜合起來得出這麼一個功能訴求的標籤。
3.另外一個典型的目的是精準營銷。對什麼人、賣什麼產品、什麼渠道賣、用什麼樣的方式賣?這需要結合使用者的喜好和特點，因地制宜地制定營銷策略和內容。
比如說還是同樣的新品，這個新品已經做出來了，那在什麼渠道首發呢?首發的促銷應該在哪一個線下活動的渠道上面做?哪個效果是最好的、能夠一炮走紅?
假設現在整體的電視渠道是蘇寧、精品、國美、社群店這樣的排名，假設透過資料分析，最終做的是一款3D的電視，它的渠道排名和整個電視銷量的渠道排名可能會不一樣。我們放大一下圖表，就會發現其他所有的圖表都是一起聯動的。這個資料就能告訴我們答案，如果做智慧電視首發渠道應該是蘇寧，而不應該是精品店或者社群店，因為在智慧電視裡面，蘇寧的排名是第一的，首發促銷的活動在這個渠道上面做，可能得到的效果是最好的。
場景二，銷售收入分析的場景
如果對使用者基本的屬性做一個調研，我們可以基於過去使用者購買的客單價，還有透過調研手段得到他的年收入，也綜合地得到一些標籤，包括區域分佈、性別、職業、年齡、教育水平等等，這樣就能快速地掌握某個使用者群體整體的特徵。
上午我們CEO講了很重要的一點，過去資料分析的瓶頸是靜態報告，剛才我們有一個動態的例子，這個動態其實可以應用在每一個圖表當中，因為每一個圖表都是我們看資料的一個角度，應該從任意一個角度進去，從其他任意一個角度出來，這樣完成一個無窮無盡組合的交叉對比分析的過程。
比如想看一下三十幾歲的這部分中年人或者中青年人的教育水平、區域分佈、性別比例、職業比例到底是什麼樣，應該怎麼做呢?很簡單，選中這部分人群年齡的柱子，跟剛才一樣，再放大一下，這時候就看到教育水平、性別比例，這樣區域性使用者的特點馬上就知道了，然後就可以針對這部分使用者的特點去制定營銷的策略和內容。如果下一次企業想針對二十多歲年輕人設計產品的時候，也是同樣的道理，同一個頁面可以反覆應用，不斷支撐未來無窮無盡的業務上的需求。
分析的頁面之間是有層次的，這是偏宏觀的分析。假設要了解“時尚新貴”這個標籤的使用者群體購買力是怎樣的，把報表都放在同一個頁面上會顯得特別的擁擠，而且會干擾決策者看資料和思考。那麼做成不同的頁面，用符合業務邏輯的方式把它們串接起來，點一下“時尚新貴”這個氣泡，我們就可以到家庭購買力的分析頁面上，“時尚新貴”這部分人群的家庭收入水平、住房情況。我們可以看到“時尚新貴”過去總消費是三千多萬，60%的人都是屬於中購買力，29%是屬於高購買力，只有4%的人是屬於低購買力，這樣就對這部分的使用者有一個更深刻的瞭解。
如果換一部分人群，“保守謹慎”。可以點選一下“保守謹慎”的氣泡，然後我們就會看到“保守謹慎”這部分人的購買力的情況。可以看到總消費五百多萬，75%的人屬於低購買力，年收入的情況也會相對比較少。所以把頁面做出不同的層次，每個頁面儘量的簡潔、簡約，這是非常重要的。
再看一個我們銷售的例子。經常有客戶在前期接觸的時候會問我們：你們能做什麼樣的資料分析?到底是做銷售的?還是市場的?還是財務的?我們會告訴客戶，不管你有什麼樣的資料，只要你有資料，我們就可以幫助你做分析。也就是說只要你有了資料，你想對它做任何的價值變現和落地實現，中間整個通道上面需要的所有環節，都可以用我們的一站式的大資料分析平臺進行打造和實現。
這是銷售彙總的報告，我們可以看一些宏觀的指標，包括總銷售額、總利潤額、產品和區域的交叉對比。跟剛才一樣，點一下總銷售額，可以到銷售明細的報告的情況。這時候動態報告和業務具體是怎樣結合的?我再舉一個例子，比如說在產品利潤趨勢的這個曲線，我們發現從7月份開始連續三四個月都是下滑的，發現問題肯定是不夠的，怎麼去找到問題的答案呢?永洪資料科學研究院在講課時也會講，對於發現問題、找到答案的過程，我們用到資料分析的思想就是細分的思想，要對它做不同維度、不斷地細分，看到底是哪一個區域利潤下降了，哪個產品在哪個時間段利潤下降了。直到定位到具體的某一個責任人的時候，這個時候才停止。
怎樣做這個細分呢?跟剛才的操作其實一樣，把這四個月的資料圈選住，再聯動一下，這個時候所有的圖表都會淡化掉，只高亮顯示選中的四個月的資料。哪些產品在這四個月的庫存相對比較高，說明有可能是造成利潤細化的原因;哪些產品的收入在這四個月相對比較少，這就有可能是造成下滑的原因。造成任何一個問題的原因往往不是單一的，這樣可以在一個頁面上把這些原因一目瞭然的看清楚，這樣有一個全域性的掌控。
有人可能會問，為什麼不像剛才一樣放大?放大以後，這個圖表不會有淡化和高亮對比的效果，而且如果用放大的方式，我們看到的就是這些產品四個月來的收入和毛利的資料。為什麼這一次用高亮的聯動方式呢?因為如果只用那種放大的聚焦，最後篩選出來這些產品，可能我們看到一些產品收入高或者低，其實這不能說明問題。因為一些產品本來可能在公司收入佔比就比較低，所以它一直是銷售收入佔比最低的產品，這說明收入低是很正常的，不是造成利潤下滑的原因，所以必須把區域性的資料跟整體的資料做對比才能知道哪些產品這四個月相對的表現不好，然後去發現造成利潤下滑的原因。
假設高亮的對比，初步判斷是1.5匹的空調造成利潤下滑，我們應該怎樣去驗證?也很簡單。雙擊一下1.5匹的空調的柱子，以它為中心，做一個全域性聯動，這時候產品利潤趨勢這張圖就淡化掉了，然後新出來一根高亮的線，這根線是1.5匹的空調在這張圖上面的利潤走勢，我們發現從7月份開始連續三四個月確實是下滑的，說明之前的判斷是沒有錯的。假設我們換一個產品，2.0匹的空調，會發現它在這三四個月的表現比較平穩，說明它不是造成利潤下滑的原因，這樣透過相對比才能真正地找到原因。
場景三，跟流通環節相關的，物流的場景
很多企業生產的都是有形的產品，不管是自建物流還是跟第三方物流合作，我們總要對它有感知才能知道這部分到底做得好不好，這樣才能改進和最佳化它。
這是我們做的一個物流整體分析的儀表板，對於物流這部分，我們最關心的是每個環節類似於漏斗的情況。比如說在流程圖裡我們看到總髮貨多少件，每一步的比例是怎樣的，這樣全球累積發貨總的比例都可以在這邊看。
對於物流來講時長越短越好，顏色越深說明時間用得越長，說明有改進空間。在全球區域上面會看到，美國和加拿大顏色比較淺，說明用的總時長比較短、做得比較好。聚焦以後，我們會發現它們幾乎所有的環節都是低於7天良好的目標線的，離14天的警戒線還很遠。它的平均在途週期、平均在建週期是怎樣的，我們都可以用這個方式做相應的處理。
中間發現每一步都有衰減，說明肯定有很多未完成的訂單，這些訂單可以直接穿透到未完成的貨物列表，去看哪些屬於未完成的，並做一些排名。發現超過12天未收的都會有紅色顯示，超過7天有黃色警告的顯示，我們可以看哪些屬於延時比較嚴重的，並且這部分的貨在哪些國家，屬於什麼合同型別，然後就知道是不是合同型別或者這個區域有一些問題了，然後再深入的看一看。
場景四，我們看一下財務的場景
財務是不管我們做什麼行業，最終都要歸口的分析。財務分析是一個博大精深的領域，怎樣用資料去做好指標體系和分析體系，來指導業務運營的最佳化?
一個比較大的集團性企業的集團領導和職能的領導一般看財務的時候都是怎樣做的分析?對於集團的領導來講，他關心肯定的是比較宏觀的一些指標，比如說五大財務能力，包括營業收入、總利潤等等。我們可以用這種紅綠燈和紅綠箭頭，讓大領導們快速地知道現在哪一點是好的，哪一點是比較湊合的，哪一點有點問題了，我們要快速地找到這些問題的原因。
同時，我們做資料分析的時候不能把思想設得特別侷限和狹隘，有時候一些跟資料分析相關的圖表，可能並不是一個資料分析的圖表或者報表，但是會幫助使用者和領導來更好地做分析，這些資訊可能並不是結構化的資料，其實也有必要放在同樣的頁面上，幫助我們進行分析。比如說我想知道EVA(稅後淨營運利潤減去投入資本的機會成本後的所得)下降對於股票的走勢會是什麼情況?我們可以把股票的走勢直接放到這裡面，這樣兩者一對比可以看出更多的結論，包括最近公司涉及到的一些重大事項是怎麼樣，哪些因素影響了EVA的下降，包括後面一些財務的排名等等。
我們可以進一步看營業收入的詳細指標的分析。比如說看EVA詳細的分析。我們可以做模擬資料，因為上午浙大的陳教授已經講了，資料視覺化不僅僅是結果的展現，還有模擬的模擬。對於EVA來講，利益支出少一點、研發多投一點會怎麼影響利潤，都可以在這裡面調整，這樣可以快速地給領導做出一個模擬的資料分析，後面的決策怎樣做，即便有十種想法都能夠在五分鐘之內快速地驗證。
一個公司的大老闆看財務的時候，就不是狹隘的三張報表了，比如說市場競爭的分析、經營業績指標，還有重點任務的指標和達成，都可以在這裡面，由公司的領導去看，當然也可以篩選時間去看。
對於一個職能的領導，比如說CFO或者財務總監，也可以看自己的指標，像總策劃專案有多少風險項以及後續具體的任務執行情況都可以在裡面看。
以上我從使用者畫像、銷售收入，從物流還有從財務四個應用場景進行分析，並舉了幾個在座的朋友們會接觸到的一些場景，然後給大家做一個直觀的分享，重點強調一個點，要想做好資料化運營，最佳實踐就是業務和技術並重，這也是永洪不斷努力踐行和最佳化的方面，我們不只是給客戶提供產品，還包括完善的後期的服務——實施、培訓，甚至資料諮詢等，我們都有相關的配套服務，這樣可以讓客戶真正地把資料價值落地，在業務場景中將資料價值變現。
王桐，永洪科技高階副總裁。北京航空航天大學工學碩士，擁有8年商業智慧領域的產品銷售、市場營銷經驗，此前效力於甲骨文和IBM，均在諮詢、銷售崗位擔任重要職位，曾成功推進多個大型專案的實施，在電商、政府、金融、網際網路等行業積累了豐富經驗。