企业经营数据分析(一文看懂：如何搭建经营分析体系)

一文看懂：如何搭建经营分析体系

大家好，我是爱学习的小xiong熊妹。

今天为大家分享的，是数据分析的经典分枝——经营分析。经营分析非常有历史了，早在“数据分析”这个名词火起来之前就已经存在了。今天一起来看看。

顾名思义，“经营分析”，指的是对公司经营情况进行的分析。公司经营的好坏，是管理层最关心的事，因此经营分析的服务对象，经常是老板/部门总监/经理层。在很多大公司，每个月会有定期的经营分析会议，与会者大部分是各部门领导，会议上也会讨论下一步经营计划。

听起来是不是很高大上呢！因此在整个数据分析体系中，经营分析地位相当的高，仅次于行业分析（如下图）。

通俗来说，企业经营，就是：拿钱办事。定好了负责部门，准备好了投入，然后产出结果。因此想要分析清楚经营状态，就得把这些经营过程的信息，转化为可以用数据度量的内容。

具体的，包括五个基本部分：

负责部门；谁对经营指标负责？经营目标：用什么指标考核结果？任务时间：在多长时间内完成目标？资源投入：有多少资源可以使用？经营现状：已完成多少目标？还差多少完成？

有了这五个部分，就能清晰地展示出当前经营的好坏，从而推动下一步的决策。

注意：经营分析中：目标是核心。目标包括要考核什么指标，要做到多少，这二者缺一不可。目标清晰了，该如何梳理现状，该怎么拆解过程指标，都一并清晰。这一点切不可少。

看个简单的题目：某互联网大厂的销售部门，主要职责是销售广告服务，让客户充值，之后选择广告产品投放（消耗充值金额）。旗下有5个小组负责不同行业客户销售。如果客户是新开发客户，需要签署一系列服务合约。如果是老客户，直接充值消耗即可。

假定：

该部门考核两个KPI指标：新签约客户数，客户消耗广告费金额该部门年度需开发12w个新签约客户该部门年度需促成客户消耗6000w以上该部门主要为人力投入，有100个销售编制

问：如何搭建经营分析体系

第一步：把KPI指标，分解到月份，为过程中跟踪目标完成情况，提供判断依据（如下图）。

第二步：把KPI指标，分解到部门，明确每个部门的责任（如下图）。

第三步：监控整体目标完成情况，预计完成结果，从而提示问题（如下图）。

第四步：用结构分析法+趋势分析法，找到5个子部门中，哪个部门问题更大（如下图）。

这里有一些常见场景：

全体都差（意味着可能大环境不好）VS 局部很差（意味着只是部分有问题）排头兵很差（意味着增长潜力耗尽）VS 小兄弟很差（意味着弱势小组动力不足）持续差（意味着存在深层次问题）VS 偶尔差（意味着存在短期内重要影响因素）

这些场景，能通过结构分析+趋势分析解读出来，从而引发更多深层次分析

第五步：梳理KPI指标的产生过程，设定过程指标。利用过程指标，简单诊断：问题由何而来，该做哪个方向的改进。

在这个题目里，两个KPI指标的产生过程不太一样，因此需要分开梳理。比如新签约客户，需要销售们做陌生拜访，从海量线索里，一个个谈。但是老客户已经走完了之前的流程，因此关注其充值、投放行为即可（如下图）。

梳理过后， 可将目标拆解为过程指标：

新签约用户=线索数量*联系成功率*签约转化率

用户消耗金额=有充值用户数*有投放行为比例*平均每单投放金额

利用这些指标，可进一步诊断：哪个环节导致目标不能达成。

有了以上五步，就建立起一个简单的经营分析体系了。不过，这些经营数据，领导们天天看，经常产生更多的问题，因此经常提出更复杂的要求。

注意，上边介绍的是经营分析的五个基本部分。实际上，领导们总是对经营分析报告不满意，总觉得应该能分析出更深层的东西。包括但不限于：

外部环境有什么影响内部政策有什么影响用户需求有什么影响多因素叠加有啥影响

……

总之，一有风吹草动，大家就想看看：是不是对经营有影响。这些分析，经常把小伙伴们搞得晕头转向，哀叹：到底经营分析该怎么做呀！

实际上，这些问题不是不能做，而是：解答细节问题，并非仅靠几个宏观经营数字。解答这些细节问题、交叉影响，需要对外部环境、促销活动、用户行为、用户需求、员工状态等，拆分主题，做细化分析。不然只拿着GMV=UV*转化率*客单价，四个指标，可解答不了这么复杂的问题。

建议：经营分析报告，聚焦讲清楚五件事

目标实际完成多少，谁做得好，谁做得差？做得差的，是偶尔没完成，还是一贯没完成？做得好的，是偶尔做得好，还是趋势一直向好？好坏相抵，是否能整体达成目标？如不能达成，是否还有额外资源可以投足？

这样，领导们可以基于经营分析结果排兵布阵，合理安排资源投入，该换人就换人，该加码就加码，该申请外援就申请外援。如果遇到细节问题，可以从整体经营分析报告中，拆分出分析专题，比如：

《外部环境变化专题》

《用户特征分析专题》

《销售素质分析专题》

这样一事一议，解决问题

作者：小熊妹。公众号：码工小熊。数据界新人，喜欢数据分析、数据挖掘。