数据化管理的意义和用途.doc

数据化管理的意义和用途
　　数据化管理的定义: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、销售等各个环节中去的一种管理方法。从这个定义来看数据化管理它是一门管理工具。那它的意义也就是为我们日常工作的方方面面提供服务的!只不过这种管理工具和一般的管理方法不一样,它是用数字说话，并且尽量做到绝对量化。大致来讲数据化管理有如下五方面的作用：
　　一、量化管理
　　管理的量化是一门非常大的学问,做好了它能够提升管理质量,公正而公平的评估人和事.对企业的管理者来说既做到了一碗水端平，又能够心甘情愿的付出(报酬）。当然如果量化的不好或不够专业,也可能流于形式或片面化.讲一个真实的事例,这是我在一家企业做数据化管理顾问时发生的：
　　该公司有一家自营的专卖店,月均销售在100万左右，有20名销售人员。该店有一名员工Alice，每月销售额都排在前两位。当然Alice每月拿到的奖金也是最多的.于是公司上到区域总经理，下到销售主任都认为Alice非常有能力，是下一个店长的候选人.当然公司也朝着这个方向对Alice进行培养的.后来有一些变化，该店的店长离职。考虑到该店是一个年销售千万的大店，公司人事经理没有贸然让Alice接手,而是从别的店铺调来了一个新的店长。可是这之后的两个月Alice的月销售额都大幅度的下滑，排名中等.出现这种现象,大家第一感觉是她在闹情绪,和新店长有矛盾。于是城市经理、人事经理轮番做Alice的思想工作,并且把她调离了这个店铺。Alice满怀信心的到新店铺上班去了，可是在新的店铺她的表现仍然不突出.为什么呢？人事经理不得要领！
　　当我听到这个故事后，我让他们的销售经理拿来了该店铺一年的销售数据、工作记录(排班表)。确实，Alice在这一年中的销售数据非常突出(店长离职前）.那问题在哪呢？我在他们的排班表中发现了答案：每个月她的班次质量都是最好的！于是我做了一些加权处理（考虑了每天的销售权重和早中晚班的权重）发现她的月平均权重是20.1,而该店所有员工的平均权重是17.7，高出平均水平13。6％。也就是说在工作能力相同的情况下，Alice每月可以多销售13。6％。为什么她的班次权重会是最高的呢，事后了解到她和前任店长有亲属关系.
　　由此可见，正确的量化方法是多么重要，否则会造成人为的不公平，影响工作效果。
　　量化管理主要运用在：考核人,评估事。考核人也就是大家常说的KPI，其实KPI一定是要求量化的,并且要相关联，不能简单化.目前很多公司对销售人员的考核只有一个KPI指标—-销售额.其实这是非常片面的，他会引导销售人员进入一个误区：冲量。大家每个月忙于冲货,忽略了基础的销售动作：铺货、陈列、补货、促销。在这方面强生公司对销售人员的考核就非常量化和科学,它有五项考核指标：包括销售额,回款,客户数,不重复客户购买比率，不重复SKU数.对事的评估主要体现在促销活动的评估和突发状况的评估上。比如对2008年奥运会影响零售的量化评估.
　　二、最大化销售业绩
　　既然数据化管理是一门管理工具，我们当然希望他能提升我们的销售业绩。凡是做过销售的人（特别是零售行业），都知道一个术语：踩刹车。何时踩?如何踩？踩到什么程度？这些都是非常有学问的.站在管理者的立场来看，当然是不希望下属主动踩刹车。对零售行业来说，踩刹车意味着销售的彻底损失，而损失的这部分销售的利润是非常大的(因为成本是相对固定的）,对有些企业来说有可能踩掉的全部是利润。我对某个零售企业专门做个计算，因为月末几天大家踩刹车，影响了当月3%的销售额.3%！这已经不小了！于是我为这个企业设计了一个销售追踪预测模型，有效的防止了踩刹车现象的泛滥.当然也提升了销售业绩!
　　最大化销售业绩主要还是靠数据分析，通过分析找出销售中的问题和机会，采取对应的措施从而提升业绩.　　假如你是一个饭店的老板，你的饭店生意非常好，翻台率很高。如果有两桌客人同时点菜，你先上那桌的菜呢？上好了能有更高的翻台率（也就意味最大化销售业绩），否则会反之.我的答案是先上吃得最快那桌.那桌是可能吃的最快的呢？答案在你的数据库里！按照这个思路去想，你会发现好像先上那个菜也是有讲究的哟!
　　三、提高企业管理者决策的速度和正确性
　　目前很多企业的总经理(特别是私企)是非常自负的,他们有非常丰富的经验，所以他们的决策大部分时间是在拍脑袋。拍脑袋决策的风险是非常大的！我不反对而是欣赏经验丰富的人。但是经验再多的人,他也只是在某个领域或地区比较突出。就拿服装行业来说，哈尔滨已经是白雪皑皑了,广州可能还是短裙满天飞的天气!
　　之前看过一本书（书名暂时忘掉了，以后补上，好像是《魔鬼经济学》的作者写的），他有个观点专家是靠不住的，他们可能还不如普通大众的智慧。他讲了一个例子，在美国医院，专家的误诊率还是比较高的（特别是对一些不太常规的疾病更是如此），反而是在有些疾病诊断网站的正确性会远远高于专家.因为网站是通过数据分析（这些数据是从若干个相同症状的患者那里得来的),统计的是概率。而专家凭的是经验。
　　法国葡萄酒享誉世界，价格也不菲。如果有一种数据分析方法，让你在葡萄还没有成熟，更没有酿成酒之前就知道她的品质（葡萄酒的品质会影响她的价格，不是年份越久就一定越值钱)，甚至10年后的价格.你会怎么样?我告诉你，这是可以做到的!并且目前已经有人做到了!他靠的就是数据分析模型。
　　对于零售企业来说，如果能在每月10号前就能预测到当月的销售额，或每年五一前，就能预测到全年的销售量。这该有多好！他一定能很好的帮助到这个企业的决策。这个，我已经做到了！
　　四、有效的节约企业的生产、运营、人力成本
　　一个专卖店到底需要多少个店员？一个城市到底需要多少个销售代表？很多职业经理人给我的回答是参照公司的人员配置标准。可是我知道大部分公司这个标准是某个部门拍脑袋出来的。我看到他们的标准是30万/月：标准配置5人，50万7人，80万10人等等。于是各区域一定会非常严格的按照上限来用人，甚至还有可能说不够.因为大部分销售经理使用的是最大化的用人原则（因为他们不背人员成本),他们根本就不去考虑店铺的实际情况，更不会差异化管理。试想如果肯德基、麦当劳也是最大化的用人原则，会怎么样？最高兴的当然是顾客,而受伤害最大的一定是投资方.我研究过星巴克的店员配置，他们是最经济的！
　　一个零售店合理的人员配置需要考虑如下一些因素：
　　1、销售额:决定了店员的工作量
　　2、店铺面积:决定了可能的顾客饱和度.顺便说一下:即便同样的面积、同样的月销售额，正确的店员人数也有可能是不一样的，因为客单价不一样，意味接待的顾客数量是有区别的
　　3、店铺业种：指特卖场、shopping mall、传统商场等
　　4、店铺所在区域：商业区、写字楼、社区等
　　5、季节因素:这是最会被大家遗忘的因素.很多产品的销售是有淡旺季的。同样的店铺，淡季和旺季能一样多的店员吗？当然应该不是。大家可能会觉得我的这个观点道理很简单,可是,看看在你的周围店铺，店员数量很少有变化的,因为他们的原则都是标准配置,换句话说都是最大化的用人原则.这样做会非常浪费！我建议店铺在淡季和旺季的人员配置一定要有所区别，当然可能会产生一些人员的安排问题！其实这不是个问题，学学麦当劳的小时工制度吧，或者就是零售业的人员正常流动就能满足你的旺季转淡季的用人原则.　　其实以上几个因素是可以综合成一个数据化管理模型的！
　　五：部门协调、管理的工具
　　部门之间的沟通有的时候是非常困难的，不论你出于何种目的，都有可能被对方误解或曲解，认为你对人不对事!其实数据是很好的一个对事不对人的一个工具。因为它是最客观、最公正的。同样的道理还可以利用数据化管理这门工具有效的管理你的团队和客户。
　　总之,数据化管理是一门非常实用的管理工具。目前的问题是如何去使用这门工具，如何去发现数字背后的规律，以及分析模型如何建立。在后续的博客我会陆续谈到。