新东方作为教育行业巨头，位列中国品牌500强，是很多人在学生时代深刻的记忆，同时也是教育行业数字化转型的领头羊。在观远数据与新东方的合作过程中，我们充分感受到数据分析要根植于每一位业务人员身上，才能够真正帮助企业实现精细化的管理和数字化升级，来应对大环境的不确定性。
10月22日，乘云驾务·2021观远数据智能决策峰会暨产品发布会在上海举行，本场峰会由国内智能分析领域的领先企业——观远数据主办。此次峰会汇集了500+来自泛零售、大消费、泛金融与新经济等各个领域的知名企业高层，阐述前沿见解与价值观点，解读自成一派的企业数字化发展体系建设方法论，分享颇具成效的实践经验，共同探索通往智能决策的路径。
观远数据有幸邀请到新东方业务高级经理何妙涵女士莅临峰会分会场「数据分析师专场」，带来《数据可视化赋能企业业务精准高效运转》的精彩主题分享。从新东方的数字化实践出发，向与会嘉宾及观众分享了新东方如何利用BI数字化升级为企业带来真实业务价值，共享以数据驱动业务增长的有效路径。
以下为新东方业务高级经理何妙涵女士的演讲实录：
大家好。
今天我要分享的主题是《数字可视化赋能企业业务精准高效运转》。在亲眼见证了新东方采用观远数据的智能数据分析与决策产品方案后，发生的一系列推进了新东方数字化进程、业务发展、商业模式变革的变化后，我希望将这些非常有意义的变化分享给大家。
在新东方建设BI的过程中，我认为体现了两点重要价值：一是让数据模式更高效；二是让业务分析更精准。
# 高效 #
我们有时说一个人高效，并不是说他每天做了非常多的事情，而是他总能把精力放在最重要的事情上并持续不断地有所产出。公司的高效运转也是同理，需要让员工将精力放在最有价值的事情上，而不是每天进行一些“重复性”的工作。
# 精准 #
可视化的数据能够增强决策的科学性与预见性，辅助企业精细化运营，“对症下药”让数据能够更精准地指导行动。
围绕这两个价值关键词展开，我首先想跟大家分享一下新东方在最近这一年中的数字化转型实践过程。在这个过程中，观远数据的产品又是如何让新东方数据的生产、制作、呈现模式更加智能、高效、精准。
新东方BI数字化转型：让数据模式更高效
在上线观远数据的BI平台之前，新东方主要采用的是传统的数据报表制作与播报形式。但这个形式其实存在很多的问题：
① 多平台数据导出操作繁琐
新东方跟很多企业一样，拥有非常多的系统平台，诸如各种新的、老的业务系统，或客户关系系统、优惠系统以及财务系统、人力系统等等。通过我们的调研发现，公司超过50%的数据人员制作报表要从10+平台导出数据，操作非常繁琐。
② 重复性工作严重消耗精力
我们原先是采用传统Excel线下做数方式，每日手工重复制作报表，员工的精力严重消耗在重复性的机械工作中，没有时间去做其他的思考与分析。
③ 呈现形式单一，维护成本高
过去我们的数据呈现形式非常单一，且因为通常都是以文件形式发在群里或发送邮件来做数据推送，都需要人工手动维护，维护成本非常高。
基于上述问题以及我们结合各项功能需求、性价比等多重因素的考量，我们在经过多方选型后最终确定了与观远数据的合作，采用他们的产品方案来进行我们的BI数字化转型。
与观远数据合作后，我们也专门在集团内部成立了一个BI推广小组，将观远数据的BI产品在企业内推广出去，能够让更多的管理者使用起来。我们跟各个学校进行了深入的沟通和交流，了解了他们当前的业务现状和需求，并达成共识，最终形成了三类合作模式：
① 托管模式
托管模式即意味着学校只需要将他们的需求给到我们，我们会全权满足他们的需求。
② 协作模式
协作模式即学校和集团双方都会承担一部分责任，去完成各自负责的需求部分在BI上进行实现。
③ 支持模式
支持模式更多的是学校自主地去实现自身需求，集团更多的是提供一些答疑培训和权限管控上的支持。
通过BI推广小组的工作，我们确实把BI工具推广到了非常多的城市，包括上海、北京、深圳、成都等等。我们最终的愿景是希望将线下报表和新增的数据需求都能够转移至“线上BI平台”来进行工作，同时希望在这个过程中能够实现数据口径的标准化统一。最终在数据看板中，不论是以数据大屏的形式、移动端页面的形式或应用邮件订阅的形式，都能够将数据及时地推送给管理者，让管理者能够随时随地及时准确的捕捉到他们想要的信息。
观远数据大咖说｜新东方何妙涵：数字可视化赋能业务精准高效运转
以上是我们将与观远数据合作的BI平台在集团上层进行推广的流程与方式。除此之外，我们也设定了在企业底层层面实现高效数据分析的路径。我们将多个系统的数据进行了集成，将所有数据统一录入到集团的数据仓库中，再将数据仓库的数据推送到观远数据的BI平台，形成集团统一的基础数据层。当然，集团下各学校也可以按照学校自己的需求上传一些Excel的数据。
我们将这些统一的数据依据权限管控机制开放给各个学校，学校拿到数据后，可以进行一些规则的梳理和加工处理，例如ETL加工。加工好之后，学校就会形成他们自己独有的数据集，放在各自专属的文件夹下。此后学校就可根据数据集成自助生成一些个性化的看板。我们将这个模式比喻成集团是提供BI数据集的“厨房”，提供各种各样的“食材”，学校可以根据“食材”去自助式地加工他们想要的“菜品”。
这个模式称为“自助式分析模式”。学校通过这种平台提供的模式，就可以充分发挥自身的想象力，去进行自助式的分析。这个模式的效率非常高，也被越来越多的学校所认可。
通过在上层的推广和底层的搭建，观远数据的BI平台逐步改变了我们传统的数据模式，这种改变主要体现在三个方面：
① 整合多数据源统一提供
新东方通过观远数据搭建的BI平台，对企业内众多的数据源进行了整合，将它们集成统一起来，再以数据中台的形式，提供给各个部门，告别了传统的要从多个平台导出的繁琐操作。
② 自动更新缩短制表时间
同时，因为BI可以自动更新，替代了传统Excel每天都要重复地不断地手工加工数据的方式，大大缩短了报表的制作周期。并且可以根据客户的需求随时进行调整，所以非常的方便，也节省了很多人力。
③ 自主订阅推送降低维护成本
观远数据搭建的BI平台提供了多样的数据呈现形式，可视化效果优秀，PC端、移动端均可呈现。并且可以自主地进行定时订阅推送，较过去人工推送的维护成本大幅降低。
新东方的BI数字化不仅仅是对数据的生产、制造、传播的效率有所提升，更逐步建成了一种在BI生态下独有的管理模式。通过BI数字化转型，我们成立了总BI管理员，对各个学校的管理员进行统一管理，各个学校的管理员又会分别管理多个用户组，多个用户组也会有自己的组管理员来分管下一层的用户。
最终以一个伞状式的管理结构，形成了一个自上而下式的层级式管理模式。在这个模式中，大家各司其职，因而效率也非常高。同时我们还会根据用户的需求或他们的一些数据能力，赋予每个用户不同的角色。例如数据集管理用户、普通用户和只读用户。
# 数据集管理用户 #
「数据集管理用户」通常会开放给数据能力较强的专业数据老师，给予他们对底层的数据进行加工的权限，并支持他们制作一些复杂的数据看板。
# 普通用户 #
「普通用户」权限一般会开放给有一定基础数据能力的老师，允许他们对已经加工好的数据进行一些简单的仪表板的制作。
# 只读用户 #
「只读用户」只有查看数据的权限，通常是开放给管理者，满足他们数据查看的需求。
这种管理模式满足了企业大部分用户对于数据分析的需求。在BI数字化转型后，通过这一模式的运转，达到了我们最初“降本增效”的目的。
观远数据大咖说｜新东方何妙涵：数字可视化赋能业务精准高效运转
而后，为了进一步扩大BI的影响力，我们在今年3月1日正式举办了首届新东方BI数据运营挑战赛。
在这次大赛中，一共有29所机构、35组队伍参赛，提交了65个专业作品，由22位专业评委老师进行打分，最终评选出10组队伍获得了奖金和荣誉证书。同时，由于大赛充分与业务接轨，具有丰富的应用意义，对整个集团BI数字化转型带来了意向不到的收益：
① 在大赛中提交的65个作品，均由各个业务条线的高管以实际业务场景而命题，非常具有实际的应用价值。
② 比赛截至3月底结束影响到50%以上的BI用户，为后续学校内部报表线上化、系统化迁移的过程打下了良好基础。
③ 参与比赛的各学校均通过ETL加工处理数据，抛弃以往Excel二次加工的老旧方式，进一步推行了BI的应用。
④ 在推动提升数据分析思路、数据处理逻辑、数据表达、数据质量、数据统一方面发挥重要作用。
截至今年4月底，从我们采购观远数据的BI平台到在集团内进行推广不到半年的时间，学校管理者BI使用率已达到60%。这也意味着已经有60%的管理者从线下转移到了线上，同时意味着我们对管理者使用习惯的培养和调整效果非常显著。
我们还对账号、数据及权限的申请流程进行了规范，并对一些子管理员或用户进行了多场培训。此后，我们的BI平台累计用户已达到10000+人，并制作了3600+张页面，110000+个卡片。
根据我们的统计，通过将线下报表转移到BI平台上，各数据团队平均可以释放1-2个人力。意味着数据团队可以将更多的精力投入到分析领域，这恰恰是BI让数据模式更为高效的最佳体现。
新东方BI数字化转型：让业务分析更精准
许多部门都会通过可视化数据进行业务分析，在高效的模式下，又是如何通过数据进行精准的业务分析，并制定决策呢？
其实新东方不同的部门，都会根据自身的业务特性，去进行看板设计与搭建，根据核心目标进行拆解与分析，最终定位问题，并改善策略。我可以给大家举一些实际的业务部门的案例：
以「学校管理办公室」为例
“学校管理办公室”作为新东方的一个战略管理部门，它针对校长和管理者们设计了宏观层面的四大看板：战略看板、招生看板、招新专题看板和留存专题看板。
# 战略看板 #
从战略角度出发，分析各个部门、各个学段的业务结构、收入占比、品类、定价等相关内容，了解宏观业务模式。
# 招生看板 #
直指业绩好坏的营收招生版块，分析当前收入规模和收入来源。
# 招新专题看板 #
分析招新业务目标完成情况。
# 留存专题看板 #
从留存角度探究用户体验与留存策略的效果。
BI看板将全局视野，通过直观的图表进行了呈现，让管理者能够一眼抓住重点。同时，可以通过趋势图、转化漏斗模型、对标学校对比、同期数据比较等，进行深入分析。
以招新专题为例。新东方的业务主要会拆分成暑、秋、寒、春四季，针对招新版块，通常根据当前季度分析新生收入、新生人次规模，了解新生的来源占比。例如是不是一个完全的纯粹的新学员，还是上季度报了语文这季度报了数学的扩科学员，再或者是否是曾经流失的通过召回动作得以唤醒的学员？
观远数据大咖说｜新东方何妙涵：数字可视化赋能业务精准高效运转
同时，我们还会根据时间序列，对招生变化的趋势进行分析。看看这个趋势与往年同期数据相比是什么情况，今年有没有进行一些动作调整；与今年的期望目标进行对比，看看累计的进量人次和目标之间还有什么差距……从而对整体招生节奏与来源进行充足的了解和把控。
除此以外，我们对客户的前置转化路径也非常感兴趣。也就是大家通常理解的，从潜客到客户的转化。这点上，新东方有一条特别经典的链条：线索——商机——客户。
# 线索 #
可以理解为我们通过地推获取到一些学员的信息，如手机号、微信号等。一旦我们有了他们的联系方式，就成为一条线索。
# 商机 #
意味着一个学员有报班的意向，一旦有了意向，我们就将其称为一个商机。
# 客户 #
学员成功报班，即下单、付款完成后，就成为了一个客户。
由于我们对转化链条非常感兴趣，所以我们经常会去关注线索转化漏斗、商机转化漏斗。
线索转化漏斗（新增线索量 → 已转化商机线索量 → 已转化商机且成单线索量）
线索转化漏斗看的是一段时间内新增的线索量，有多少转化成了商机，转化成商机的这部分又有多少转化成了客户。
商机转化漏斗（新增商机 → 已成单商机量）
商机转化漏斗是看一段时间内新增的商机量有多少，由于有一些学员是直接带着意向找到我们的，不是我们主动去收集的线索，因此是直接的新增商机量。这些商机中有多少成单了，是我们所关注的数据。
最后我们也会关注这段时间里，直接新增的客户量有多少。我们会通过分析招生链条上的转化效果，判断各转化环节的转化效率，从而定位招生端口的招新业务动作策略是否需要调整与改善。
我们还可以根据一些细分维度的拆解分析，例如对年级、科目、新老校区进行一些拆分，从而定位具体问题。例如对细分维度拆解后，我们可以了解爆款业务出现在哪个年级、科目；各个类型的校区纳新结构如何，新校区、腰部校区、老校区它们的纳新结构是否不同，为何会有差异；与往年对比是否符合规律；与对标学校招新情况对比差异在哪里，是否可借鉴对标学校策略进行调整等等。
招新专题看板仅仅通过一个页面就将丰富的内容呈现出来，供业务进行判断与分析。相对于传统报表的呈现方式更加吸引管理者。同时可以结合“联动”“钻取”功能进行关联与拆解分析，更为直观和便利。
以「教务部门」为例
除了校管部门，新东方的另一个部门——教务部门，作为新东方数据收口和管控部门，会重点把握各学校“产能”相关内容，如教师代课量、教室使用率等等能直接反映产出的指标。集团会根据这些指标进行学校相关业务的考核，保障投入产出比达到应有的水平。
通过BI看板，我们可以在“业务基本面”“达标进度”“教龄维度” 和“明细报表”之间来回自由切换。管理者可以随时关注业绩、业务结构、教师配置、教师产能等内容。
观远数据大咖说｜新东方何妙涵：数字可视化赋能业务精准高效运转
如果我们想进一步对教师产能进行分析，依然可以从整体到局部，层层拆解入手。
首先，我们可以看看整体学校的教师代课数量是什么水平，教师配置结构是怎样的，教师产能达标率是多少，从而了解到现状与目标之间的差异。
进而，我们可以渗透到多个部门，至多个群体，最终渗透到教师的明晰层面去定位课量，即教师产能不达标的原因，从而对课量不饱和的教师进行调整，或者说对于不同群体的课量目标进行调整，以此来提高教师产能。
以「客服部」为例
客服部是新东方招生链条的运营管理方。在上述提到的线索、商机到客户的转化路径，都由客服部管理。我们通过将线下零碎信息整合到线上，形成了“资源管理数据大屏”。这个大屏能够捕捉资源在各校及各类型资源池的分布情况，以及资源的意向分布和来源渠道分布。通过这些，我们能够了解到资源从哪儿来，到哪去。
根据统计，我们现在已经有30多个学校的客服部搭建了BI看板，并通过BI看板重点关注资源的转化行为路径。还有一些ToC的部门，也会根据用户行为标签，建立用户画像分析等等。
总的来说，BI已经推广渗透到了新东方的多个部门、多种业务中，发挥了非常大的作用，为业务运营带来了巨大价值。与观远数据合作的BI平台，为新东方的多个部门提供了统一的数据集成、数据呈现、数据分析的优良场所，切实地为业务分析与管理跟盯发挥了重要作用。
未来我们也会更加紧密合作，深入探索BI，探索数据智能。期望通过数据能够更好地推动业务发展，建立起更优秀的管理模式，用BI开启更多新的篇章！
以上是我这次的全部分享，谢谢大家。