就数据分析来说,个人觉得对于每一个行业来说都是非常重要的,也确实能带来实际效果: 比如说利用数据分析做会员的细分以进行精准化营销;利用CRM系统来管理会员的生命周期,提高会员的忠诚度,避免会员流失;利用会员的购买数据,挖掘会员的潜在需求等等。 但是公司一开始也是没有数据系统的,数据模型建立起来步履维艰,下面分享一点我的经验: 一、行业的大数据架构最开始进公司的时候是在运营部,主要是负责运营报表的数据,当时的系统还很差,提取数据很困难,做报表也很难,都是东拼西凑一些数据,然后做成PPT,记得当时主要的数据就是销售额、订单量、毛利额、客单价、每单价、库存等一些特别基础的数据,然后用这些数据作出一些图表来。 后来公司上了FineBI,采用一站式大数据分析产品及解决方案,这才建立了数据分析平台,提取数据非常方便了,而且维度也多,可以按照自己的想法随意的组合分析,那个阶段主要就是针对会员购物行为的分析,开始接触数据建模。 从源数据对接、数据抽取转化、数据仓库、数据集市、整合分析、自助分析,依靠FineBI建立了完整的行业大数据技术应用架构: 源数据方面,整合业务系统、web数据、手工录入、系统日志相关的数据,打破各个生产系统的数据孤岛局面。 然后进行数据抽取、数据转换、数据加载的质量管理,之后将相关数据写入数据仓库,并且输出到数据集市中进行数据建模,按照财务分析、质量分析、生产分析、库存分析、销售分析等主题进行整合,通过FineBI实现基础科目的数据可视化展示,以及各类灵活场景的数据探索式自助分析。 二、模型的建立1、总裁驾驶舱 以前的时候,各经营业务关键指标分散在各业务系统,管理者想查看了解比较麻烦,而且传统数据统计采用人工核算、汇报的方式,反馈滞后,没有时效性。 因此,我通过FineBI设计好的管理驾驶舱,将一些关键指标展示出来放到系统主页或者显眼的位置,提供给总裁、高层领导或者综合业务管理者进行核心指标总览,比如:
通过综合数据的展示,整体把握公司运营状况:
2、生产质量分析 没有体系化的生产质量分析方案,以上问题会给企业增加很多不必要的成本,比如: 各分公司采购金额不统一、不透明财务管理混乱,生产随机性比较大,没有参考数据对比分析和计划;合格率不准确、无监督,工厂不合格品数量不断增多;不合格品项目和原因不明确,无法提出针对性的调整方案。 这个时候可以通过图表的形式将生产和质量管理相关的指标数据直观的展示出来,把各分公司采购额排名透明,对于投入多产量少的企业给予提醒;展示对比各个生产项目的合格率,定位问题突出的点,针对制定提升合格率的方案措施。 通过对生产过程管控分析,为企业节约大量采购、产品返修、报废等大块的成本。 3、产品销售分析&&销售预警分析 有时候,公司会遇到区域销售情况、客户产品结构、门店销售状态不清晰,企业战略制定和资源配置不合理,各产品单品销售情况不清晰的问题。 此时,我们会通过区域地图展示产品各区域销售情况,同时对各单品在门店的销售表现通过颜色、警戒线等进行预警分析。 具体的销售预警分析: 销售数据的综合分析展示,为企业战略制定、资源分配、产品生产营销计划制定等项目提供数据参考和支撑。 关键场景:
4、库存与账款分析 之前的时候,库存结构不合理,滞销、脱销等问题频发;库存周转率持续降低,企业应对风险的能力变弱,经营风险增大;应收账款账龄不断延长,大大增加呆账、坏账的风险。 没有体系化的库存与账款分析方案,以上问题都会增加企业运营的风险。 我们就会使用图表或者预警推送等手段监控库存、账款方面的关键要素。 实时或者定期对库存、账款数据监控分析,对于异常指标及时提醒,并提出针对性的解决办法,规避不必要的风险。 关键场景:
总结写到这里基本上写的差不多,通过总结才发觉自己原来很是知道的很少,还有很多需要学习的地方,比如说数学建模方面的知识不够,统计学软件使用不够好,业务了解的不够深入,对整个电子商务行业的发展把握不清晰,这些都是需要以后加强的地方。 |
|