欢迎来到天天文库
浏览记录
ID:38741211
大小:16.91 KB
页数:5页
时间:2019-06-18
《数据化管理的意义和用途》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、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
2、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,
3、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
4、(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
5、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
6、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
7、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
8、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
此文档下载收益归作者所有