《数据化管理》：洞悉零售及电子商务运营

小飞象·读书会

当自己的价值没有提升时，去研究情商、为人处世，一点用都没有。

读书交流│5期

数据化管理

洞悉零售及电子商务运营

 data analysis

●●●●

分享人：红星

大家好，这里是小飞象数据社群·读书会第5期完结直播总结分享，本次直播的目的有两个，一是我们第5期读书会的总结，给大家梳理一下《数据化管理》这本书的精华内容，二是为我们，参加这次读书会，并完成全部任务打卡的小伙伴们，进行结业颁奖。分享时间大概在一小时左右，大家要坚持听到最后哦。（可以在公众号留言交流，读书会往期回顾）

做一个对世界充满好奇的人！ 大数据时代的到来，大家开始将数据当成资产，数据化管理的意义也越来越大，但很多企业越来越重视数据化管理工作，那么，什么是数据化？即将公司中的各种业务领域一切活动进行计量，实现对数据进行收集、整理、记录、分析的一体化。而数据化管理，就是利用标准数据化流程，将企业业务转化为客观、真实的数据，并对此进行科学分析，再将分析结果运用到生产、销售等各个环节。

然而，从数据化管理的流程来看，显然应用才是数据化管理的核心，这一点也是数据化管理和数据分析最大的不同，不能应用到业务层面的数据分析是没有意义的。比如，我们数据化管理店铺：

▶这个店铺每天为企业带来了多少收入？

▶这个店铺的人工成本多少？

▶这个店铺的运营 成本多少？

·······

对店铺的管理也要精准，到底哪些事情做了，使销售额上升，哪些事情做了，销售额没有提升。搞清楚了这个过后，我们就可以加大优化使销售额上升的运营策略。而不是盲目的乱投入。对店铺的数据精准管理，清楚每一个店铺的产出与支出，还可以很容易的挖掘到新的利润增长点，规范运营流程以及策略，知道哪些是低投入高产出的组合策略，可以给企业的发展方向提供一个参考。

所以本期，小飞象读书会的直播总结，就来跟大家一起来品读《用数据化管理：洞悉零售及电子商务运营》这本书，还用一句话来总结这本书的精髓：通过大量案例，将各种数据分析方法融入到具体的业务场景中，深入浅出地讲解了数据意识和零售思维。这本书，作者另辟蹊径，通过故事贯穿全书，引人入胜，如同看小说般的体验把知识学到手。可以帮助自己训练全局观和局部聚焦能力。

在这过程中，建议全程认真听，带着思考来听（去看），有任何问题都可以随时交流哦！

—▼—

作者虚构了一个大型公司，讲述了两个年轻人在公司销售、商品、电商、数据等部门工作的故事，而且书中涉及了太多的指标，这个是不能死记硬背的。有很多Excel的玩法是需要动⼿实践的，所以咱们短短⼏天的阅读，也只能吸收到极少的知识点，需要我们去在实际工作中不断的实践。大家可以认识到作者⽴⾜点是零售⾏业，并从“⼈-场-货”这个零售行业最核⼼的概念切入，抛出三个问题：

▶ 如何管理⼈？导购，客户, 会员，竞争对⼿····

▶ 如何管理场？门店，货架，购物篮，电商渠道·····

▶ 如何管理货? 促销，库存，利润·····

建⽴这个核⼼后，扩展到其他相关知识点，从各个维度进行更细致的讲解。然而，关于人货场的概念没有绝对的边界，只是我们基于目标场景等，侧重点不同。

第⼀章分享了一些销售相关的技巧，引出什么是数据化管理的概念以及相关应用，其实主要侧重于“⼈”的管理相关的等内容；

第⼆章围绕周权重指数展开，也是关于“⼈场货”三者的管理等内容；

第三章主要梳理⼴义的⼈-场-货等内容；

第四章讲商品分析，包括购物篮系数指标、进销存管理等内容；

第五章讲电商分析， 主要有电商渠道相关特征等内容；

第六章主要讲零售策略，主要是会员，⼈的管理等内容；

第七、⼋章主要介绍了分析⽅法和模型相关内容。

这本书没有⾼⼤上的挖掘算法，也没有复杂的分析软件，将复杂的问题简化，没有堆砌公式，轻松地为读者剖析商业逻辑，并且创造性地用Excel工具来搭建了通用的数据化管理系统，通过聚焦数据分析帮助各种策略落地它更大的价值在于：帮助企业建立起新的管理视角参与国际市场的竞争，从而给商业文明带来更多积极的推动。

尤其在电商这个领域，数据是核心，数据不一定量级要有多庞大，但数据维度要尽可能系统化，从你有第一个数据产生开始。通过市场、品牌、营销、流量、用户、库存等多维度的数据模型，客观真实反映企业的运营能力，从而为管理者提供正确的决策支持。数据分析只是手段，它最终的目的是为管理提供数据支撑，帮助企业进行决策。

那么，接下来，分为专业知识篇（1-3章）、分析框架篇（4-6章）、第七，八章的分析方法以及模型，我们来一起回顾一下：

—▼—

▼

1.作者先用第一章普及基本概念，引入数据化管理的重要性和关键步骤。

1.1 数据化管理的概念

数据化管理是指运用分析工具对客观、真实的数据进行科学分析，并将分析结果运用到生产、 营运、销售等各个环节中去的一种管理方法。

根据管理层次可分为业务指导管理、营运分析管理、 经营策略管理、战略规划管理四个由低到高的层次。

根据业务逻辑还可以分为销售中的数据化管理、商品中的数据化管理、财务中的数据化管理、人事中的数据化管理、生产中的数据化管理、物 流中的数据化管理等。

1.2 数据化管理的作用

·是一部CCTV(Closed Circuit Television ,闭路电视)，起监控作用，可以通过数据及对应 的分析指标监控到业务的各个层面。

·是一台预警机，提前预测销售、客流、访问量、盈亏等数据，业务层面可提前做出反应，从而制定对应的策略。

·是一架播种机，为新产品、新策略、新政策的制定提供数据支持。

·是一台CPU(Central Processing Unit，中央处理器)，即一个企业管理的核心。

1.3 数据化管理的意义

从数据化管理的流程来看，应用是数据化管理的核心。

·量化管理

·最大化销售业绩、最大化生产效率

·有效地节约企业各项成本和费用

·组织管理、部门协调的工具

·提高企业管理者决策的速度和正确性

1.4 数据化管理的四个层次

·业务指导管理

·营运分析管理

·经营策略管理

·战略规划管理

1.5 数据化管理流程

2、然后用第二章向读者来建立起了一个参考系——周权重指数。

周权重指数的定义：周权重指数是以某段销售周期内的历史日销售额数据为基础，以周为单位，进行权重分析处理的一种管理工具。周权重指数是一个相对的概念，一般介于7.0~14.0之间，值越大表示该店铺或企业的日销售额波动幅度越大。

关于它的计算步骤如下：1、按周一到周日的表格形式来收集统计某段时间的日销售数据；2、剔除异常数据（包括节假日的）；3、得出周一到周日的平均日销售；4、假设平均日销售最小为1.0（就是他的日权重指数为1.0）；5、其他周几的日销售权重指数依次等比得出。

如图示意：

周权重指数的意义：通过权重指数值的高低来安排店铺员工排班、安排店铺的陈列调整时间、部署送货时间窗口等。

3、黄氏曲线——单位权重（销售）值曲线

黄氏曲线值的计算步骤：每一天的销售额分别除以当日的权重指数

黄氏曲线值的意义：

（1）追踪销售过程中的“踩刹车”现象

（2）促销活动的分析评估：促销活动期间对比促销活动期间前后的销售额百分比，来判断促销活动是否有效

（3）新产品上市的分析及评估

4、第三章主要讲的是销售中的数据化管理

人的天性应该就是这样，没有人去监督、检查的事情，我们就会不重视，拖一拖。所以，制定好目标只是第一步，做好追踪才是最重要的。即时跟踪才可以即时发现问题，即时改变。销售不追踪，到头一场空。参考：目标管理-SMART原则

而且一般公司都会有一个指标库，可能有几百、上千个指标，我们在不同的场景中需要挑选重要的指标来使用，那怎样确定该选择哪些指标？哪些指标的重要性更大呢？有两种常用的方法：矩阵图法和专家意见法。

—▼—

▼

用整体思维代替散点思维，形成一种类似于打分的思维框架体系，这是我看完本书最大的收获点。

1、传统零售行业中最基本的思维框架——人、货、场的分析

自己动手案例应用：分析影响网站转化率的因素

影响网站的转化率因素分为三大板块：人、场、货。

·与人有关的因素有：销售人员、客服、顾客。

·与场（网站本身）有关的因素：浏览速度、搜索排名、咨询渠道、支付方式、催付方式、退款流程。

·与货（商品）有关的因素：店面的展示图、产品的介绍、购买后的评价、商品价格、运费、还有可能的商品之间的关联系等等。

2、第四章主要从商品的角度展开分析

商品就是人货场中的“货”，和商品相关的主要有商品的生产、采购、物流（供应链）、销售、售后等几个环节，生产主要和制造商相关，以便利店为例，主要就是商品的采购、物流、仓储、销售、售后。

零售行业分析指标：生产环节——采购环节——供应环节——销售环节——售后环节

3、零售行业商品分析的方法

从商品的分类——商品的价格——商品的关联销售分析——商品的库存管理——商品的利润管理

4、竞争对手分析十大路径

收集可能的竞争对手资料——找出竞争对手——收集数据——产品策略分析——渠道策略分析——价格策略分析——营销策略分析——客户服务能力分析——综合竞争分析——竞争分析报告

值得一提的是如果我们分析的是行业类比较大的竞争对手，基本等于分析整个行业情况了，分析的角度很多，一个字全。

—▼—

在第七章，主要是总结了很多常用的分析方法，数据分析的立体化的概念。

▶点-线-面

我们平时分析数据，会从指标出发，而单纯的指标只是一个点，比如：昨天的GMV是1000，上周的用户数是200，一个点只能反映出指标的大小，只看点无法知道这个点的值是好是坏，无法评价出来。

所以我们就要拓展到线，像趋势图就可以知道指标近期的表现如何，是在增长、持平还是下降；有了线还不够，这只是该指标自己的表现，所以还可以拓展到面，就是对比，可以是同比、环比或者竞对的对比等。

▶时间-对象-指标

时间维度是我们最常用的维度，大部分指标都和时间维度有关，所以日常分析都会看不同时间粒度下的表现。

关于时间维度可以参考：说说数仓(5)-最重要的维度之日期维度

这里更多的是指标+维度的交叉思考，类似于即席查询，可以对该指标涉及到的所有维度进行快速分析，只要梳理好维度就行了。

我们看到一个指标的时候，需要了解这个指标的统计周期，比如：A公司的用户流失率是15.8%，B公司的用户流失率是20%，直接对比是没有意义的，时间周期可能是不一样的，指标定义也有可能不一样。

▶人-货-场

人：来自销售、顾客的因素

销售：人员是否足够、技能是否满意、执行是否到位？

顾客：是否有足够顾客到来、是否复购率高、成交消费力如何？

货：来自商品因素

商品质量：种类是否丰富、款式是否够吸引、有没有爆款产品？

商品数量：商品备货是否充足、畅销品是否短缺、滞销品有多少？

场：来自卖场/门店/销售渠道因素

卖场数量：线下门店数量/地理位置、线上引流渠道数量/类型？

卖场质量：线下门店装修、面积、陈列，线上引流渠道的转化路径，页面设计？

▶三度：广度-宽度-深度

前面很多内容都说过广度、宽度、深度，和人货场一样，也是一种思考方向

总之，立体化分析，主要是维度的交叉分析，多个维度交叉后可以对指标进行细分，会有不一样的发现。

—▼—

小结

以上就是本次分享的全部内容！最后，这本书有一下四点非常突出：

第一、本书以两个职场新人对话的形式徐徐开展，如入职培训、销售技巧、成长等实际场景，将各种专业知识一一呈现出来。这种方式来讲知识有趣，并有带入刚。

第二、数据分析方法实用，简单易懂。以前对于日销售数据进行对比就是简单粗暴的同比，如果有活动影响的话很难具体量化。这本书中的单位权重值曲线很好得处理了日销售数据，克服了营销活动、节假日落位、突发事件对数据的影响。还有，营销活动效果评估分析方法、竞争店分析法直接可以运用到工作中。

第三、零售以及电子商务相关知识的补充和整理。传统零售业分析指标主要：人、货、场，这本书将人货场下面的指标进行细化说明，不论是新入职员工培训、还是老员工提升学习都是非常有用的。很多人工作了多年，甚至都不知道通过人货场下面的指标来进行分析。

第四、能与实际工作完美结合。零售业有其自身的特点，数据是复杂凌乱的，如何从数据中提炼出有用的信息是数据分析人员必须具备的才能。《数据化管理》这本书从业务指导、营运分析、经营策略、战略规划四个层次告诉我们在零售业分析中需要关注的方面。

总之，分析并不是简单的数据处理，如何从不规则的数据中找出规律看出问题才是分析人员要做的事情。这本书适合在零售业或电子商务行业、初入数据领域工作等相关的职场人员。如果把这本书研究透彻、熟练、结合自身工作去不断实践，对于数据分析以及数据化将有深刻的认知。

其实，零售⾏业已经延续了⼏千年，新兴的电子商务也趋于成熟，其中的知识窍门，不是⼀本书能覆盖全，讲解透的。但是书中用最直接、最简单的话术描述数据化管理的真谛，里面的逻辑方法永不过时。并且分析⽅法，思路是可以借鉴的。当然，还是那句话，有些东西你用了才知道它有用，不用它永远没用，所以学习知识是比较容易，但是把知识应用到实际的工作和生活中是比较难的事，需要我们去实践，去思考、去练习。

最后，祝愿大家都能在自己所在的领域内，保持着好奇心、求知欲、观察生活，在实际场景中，要有数据驱动产品闭环的思维，熟悉业务，时刻关注数据、保持敏感，成就更好的自己，在可预见的未来，遇到更好的自己。

后期内容我们还有继续为大家分享很多的关于数据分析案例以及的数据书籍内容：数据分析项目分享、商业案例分享、高阶书籍分享···

本次分享到此结束，感谢大家的收听，我们下期再会！

······

敬请期待小飞象内部读书会第六期

·······

本次分享到此结束，再次感谢大家的收听，我们下期再会！

（本文由木兮整理，可能与演讲时略有遗漏，但整体思路精华都在）

✓ ……

图片来源于网络

若好的建议和想法，欢迎在下方留言

我们将尽其所能打造数据分析交流的理想之地