數據，企業經營分析的藏金閣

張育花

數據對企業經營分析的影響很重要，企業需要加大對數據的收集、統計、分析和有效利用，還應當結合企業實際需要，堅持以數據為核心、以數據為動力，來提升產品對用戶的引力、強化企業競爭力，創造一些新的商業機遇。

關鍵詞：企業經營分析 數據

阿里巴巴馬云成功預測了2008年的經濟危機，是利用數據對環境趨勢判斷的一個典型案例。他通過阿里巴巴平臺發現整個買家的詢盤數在急劇下滑，歐美對中國的采購也在下滑。海關是出售貨物以后才能獲得數據，而阿里巴巴則提前半年時間從詢盤上就可以推斷出來。

2011年日本大地震發生后僅9分鐘，美國國家海洋和大氣管理局NOAA就發布了詳細的海嘯預警，通過對海洋傳感器獲得的實時數據進行計算機模擬，制作的海嘯影響模型隨即出現在YouTube等網站上。

2012年11月，奧巴馬在總統選舉中以332票對206票擊敗共和黨候選人羅姆尼，獲得連任，競選團隊幕后的數據分析團隊在此次奧巴馬連任的過程中發揮了至關重要的作用，其重要性甚至遠遠超越了人們的想象……

沃爾瑪是最早利用數據進行企業經營分析而受益的企業之一，一度擁有世界上最大的數據倉庫系統，通過對消費者的購物行為等非結構化數據進行分析，沃爾瑪成為了最了解消費者購物習慣的零售商，并創造了“啤酒與尿布”的經典商業案例，在2010年《經濟學人》的一篇報道中，沃爾瑪的數據量已經是美國國會圖書館的 167倍。

數據對企業經營分析的重要性

我們知道，企業每天都會面臨著許多問題，如資金問題、人才問題、質量問題等，這都需要企業依靠管理來解決，而管理的本質除了對人的管理就是對事的管理，在對事管理的層面中重點是數據管理，如何提高銷量（數量），如何節省成本（數值）等都是對數據的管理。企業內外任何事情都離不開數據，企業經營本身就是數據的輸入與輸出，企業規模越大，對數據的要求就越高。

數據的重要性從古至今一直處于首要地位，在戰爭時期準確的情報才能保證將軍的運籌帷幄決勝于千里之外，如今的“情報”也是如此，只不過現在的“情報”是由大量的數據組成，這種數據的采集取決于企業的戰略和管理者的需要，在這個數據充斥的時代，你需要用數據了解市場，需要用數據了解對手，需要用數據了解客戶的實際需求，需要用數據提高企業業績，在這個先進的云技術互聯網的企業環境下，如何運用數據有效地為企業經營分析所用，不僅僅是互聯網行業企業的“專利”，同樣是傳統企業面臨和思考的問題。

對于企業來講，經營分析主要是對內部經營信息和外部相關信息進行分析。其中企業的內部經營分析主要是財務類信息（如資產負債表、現金流量表、利潤表等財務報告）、業務運營類信息（如采購信息、生產信息、營銷信息）等。而對于外部數據的分析，主要來源于國家宏觀經濟數據、行業內外相關數據資料等。企業內外部數據共同構成企業競爭的基礎信息，這些數據信息的質量和有效性從某種程度上構成了企業敏捷市場反應的競爭能力。

那么數據是什么呢？數據是信息的載體，對其的研究主要是對數據進行采集、分類、錄入、存儲、統計分析、統計檢驗等一系列活動的研究。數據可以是口頭的、紙面的，也可以是信息系統里的，在系統里對數據的存儲單位從以前的MB、GB，到TB，再到PB、EB、ZB、YB。舉個形象化的例子，紅樓夢含標點87萬字，每個漢字占兩個字節：1漢字=16bit=2*8位=2bytes，IGB約等于671部紅樓夢。淘寶每天的活躍數據量超過50TB，共有4億條產品訊息和2億多名注冊用戶在上面活動，每天超過4000萬人次的訪問，這些都構成了當今社會這個龐大的數據池。

社交媒體、物聯網、云計算、大數據和電子商務等的興起，正在促使眾多的傳統、新型企業經營戰略的重新審視與修訂，伴隨著傳統的商業智能系統向縱深應用的拓展，商業決策已經越來越依賴于數據，利用各種先進的技術手段和方式以挖掘更多數據創造更多的商業價值成為必然，對數據業務的戰略意義和高度關注也成為一種趨勢。

數據對企業經營分析的影響主要分為幾個方面：1.實現企業過程控制管理。企業通過數據的自下而上的收集，滿足了基礎層、管理層和決策層對數據的需求，由數據形成各種表格、報表、文檔等，對企業的日常管理進行規范化、標準化的過程控制和干預，并通過商業智能系統，改變企業決策方式，提高決策質量。2.幫助企業預防經營風險。企業經營風險有授權風險、領導風險、籌資風險、現金風險、持續經營風險等，通過數據提供量化的、客觀的依據，助力企業建立順暢的授權機制，規避因個人拍腦袋產生的決策風險，可實時盤點企業現金流，實現企業持續經營的經營管理數據支撐，幫助企業預防各種經營風險。3.通過IT創新促進管理創新。以科技、互聯網等企業應用新型技術帶動當代眾多企業的IT創新之路，如面向用戶的企業長期利用數據來細分和定位用戶，通過互聯網點擊流跟蹤個體用戶的行為，跟蹤其偏好，使得企業實時的、個性化的、貼身的客戶服務管理創新成為可能，從粗放到精細再到精準，從產品到服務再到顧客體驗。通過移動CRM的引用，增加客戶的粘性。4.改變公司舊有的生態系統。數據經濟是建立在數字化網絡基礎上，個性化的價值服務。個性化的意義是通過數據得以挖掘和表現，通過數據分析，對價值的社會化有效程度和功能的有效程度進行一對一的調節。企業對數據的挖掘和價值再造，從某種意義上需要打破原有的價值網絡，實現內外部數據的聯動反應和信息捕捉，企業的價值鏈活動將會更加緊密地觸及合作伙伴與客戶，從而通過數據改變企業已有的生態系統。

企業利用數據進行經營分析，主要分為以下幾個步驟：

1.識別信息的需求。對于企業來講，面對浩瀚的內外部數據，收集哪些數據是先決條件，識別信息需求是企業管理者的職責，應根據決策和過程控制的需要，通過識別需求來管理利用那些基礎數據信息為企業經營分析所用。

2.數據收集歸類。企業數據除一些紙質的數據信息外，主要通過信息技術的方式（如移動終端、信息系統等）進行收集。采用表格、表單等的方式，對企業業務信息、財務信息、人力信息等數據資源進行收集整理，如互聯網企業通過SNS、微博、視頻網站、電子商務網站等收集回來的數據信息，數據收集歸類是數據對企業經營分析的基礎。

3.數據統計分析。是指企業在收集內外部的數據基礎上，通過加工、整理和分析，使其轉化為信息，通常采用矩陣圖、關聯圖、直方圖、控制圖等工具對信息進行歸類處理處理。通過對數據的統計分析，形成企業的經營分析報告，包含關鍵指標的總結與標準的對照，經營狀態的匯報及其歷史狀態的對照，存在問題的描述及其造成的原因、結果和下一步的計劃。如財務經營分析指標可以從收益性指標、運營能力指標、成長型指標、預算完成指標等幾類。

4.評價與改進數據分析的有效性。企業應對提供決策的信息的充分性、可信性進行評估，對數據分析方法的合理性進行評估等，并通過對企業未來新的目標及計劃的設定，執行并進行過程監控、總結執行計劃的結果并找出問題，對總結的結果進行處理并予以標準化，要做好相關記錄，數據統計與分析及其結果的運營應是個不停止的循環。

企業如何利用數據

隨著數據對企業的影響越來越重要，而一些先進的企業如沃爾瑪等已率先在數據方面獲得相關的收益，這種示范的作用有助于企業加強對數據的重視程度。企業應著重關注和加強以下幾方面的工作：

1.無論是傳統企業還是新型互聯網企業，都應加大對數據的重視程度，加大利用信息技術手段對企業經營數據的收集力度。ITValue社區的調研結果顯示，57%的中國CIO開始加大數據的關注程度。數據伴隨著企業商業智能的普及也越來越被企業的管理者重視。

2.應加大對企業內部經營歷史數據的有效分析，并形成自下而上的數據統計分析報表。眾多企業通過信息系統來獲取企業內部經營數據，在結構化數據、非結構化數據的篩選下，企業根據自身戰略與管理需要，對內部數據進行篩選、分析，形成符合企業自身特色管理需要的各種經營分析報告，提高經營信息的準確性和有效性。

3.應加大對企業外部相關數據的收集與分析，利用競爭情報等相關系統實現對行業趨勢的精準理解。企業處于數據經濟的年代，企業與企業之間的邊界日漸模糊，行業內外的相關外部數據對企業的日常運營產生緊密的聯系，企業愈發不能單憑內部閉門造車完成企業的價值增值，越來越需要企業利用競爭情報等外部數據抓取技術，實現企業對市場的敏捷反應。

4.應著重加大對云計算、大數據、物聯網等前沿技術的研究與本企業創新應用，實現價值增值。社交媒體、電子商務、物聯網等新應用已經勢不可擋，這樣新型的應用打破了企業原有價值鏈的圍墻，企業僅對原有企業價值鏈各個環節的數據進行分析，已經不能完全滿足需求，需要借助于大數據戰略、云計算手段等打破數據的邊界，擴展數據的應用，了解更為全面和持續運維的生態系統全景數據圖，實現企業價值生態系統的創新應用。如EMC公司作為IT科技公司，率先提出大數據作為公司發展戰略，IBM則利用其硬件與軟件方面的優勢，希望在為企業服務時能夠提供端到端、整體的數據解決方案。因數據產生的企業核心能力將幫助企業在新型技術環境條件下尋找最優的模式支持商業決策，并且確保做出接近最優的商業決策進行市場反應。

總之，數據對企業經營分析的影響很重要，企業需要加大對數據的收集、統計、分析和有效利用，還應當結合企業實際需要，在數據經濟的這次浪潮趨勢中，企業應率先進行一些數據戰略、IT創新的企業應用，堅持以數據為核心、以數據為動力，來提升產品對用戶的引力、強化企業競爭力，創造一些新的商業機遇，才能不被“數據鴻溝”所延宕，在不斷風起云涌的數據大潮中乘風破浪。

企業案例介紹

本文以一家電子商務網站為例，來介紹數據對企業經營風險分析的影響。樂林公司是一家電子商務成熟網站，模式為B2C，年銷售在1.5億元左右，員工近百人。其運營的主力就是網站的運營。企業網站運營數據分析可從日常性數據、每周數據分析、用戶分析、流量來源分析、內容分析等指標內容展開。

企業日常性的數據是基礎，包括流量相關數據（IP、PV、在線時間、跳出率、新用戶比例等）、訂單相關數據（總訂單、有效訂單、訂單有效率、總銷售額、客單價等）、轉化率相關數據（下單轉化率、付款轉化率等）。

每周數據分析是指把每周的主要數據指標作為比對，對產品和網站運營提出改進：

1.網站使用率中有跳出率、回訪者比率、訪問深度比率等指標，其中回訪者比率為一周內2次回訪者/總來訪者，意味著網站吸引力，以及會員忠誠度，如果在流量穩定的情況下，此數據相對高一些會比較好。太高則說明新用戶開發的太少，太低則說明用戶的忠誠度太差，復購率也不會高。

2.運營數據。是指將每日數據匯總，每周的數據是穩定的，與上周數據進行比較，來指點運營內部的工作，如產品引導、定價策略、促銷策略、包郵策略等。

用戶分析包括會員狀態分析、會員的復購率、轉換率。復購率體現企業整體競爭力，包括知名度、口碑、客戶服務、包裝、發貨單等每個細節，好的B2C復購率能達到90%左右，沒有復購率的B2C企業是不能實現持續經營的。

流量來源分析采用的是谷歌的Google Analytics，各種統計數據信息較為全面，對網站企業經營也最有意義。包括監控各渠道轉化率和挖掘有效媒體。挖掘有效媒體是指通過網站數據，我們了解什么樣的渠道效果轉化比較好，以此類推，復制成功的營銷渠道模式。

內容分析主要有兩項指標，退出率和熱點內容。退出率是網站企業的好醫生，哪里的退出率高，基本能說明一些問題；熱點內容是用來指導運營工作的，通過關注什么產品、分類、品牌點擊最高的數據信息，進一步在推薦中提供重點指導。商品銷售分析是網站企業內部數據，根據每日的數據信息、每周的數據比較，形成銷售分析的各種報表，幫助網站企業經營分析決策。