数据化管理的意义和用途

《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