下面有请永洪科技高级副总裁王桐，给我们带来《数据驱动业务增长实践案例分享》，有请王总！

    王桐：谢谢大家，上午其实有一个话题我们还没有说完，所以我们留了一个影子，下午的时候利用今天大概半个小时左右的时间，我们可以把它再详细的讲一下。

    下午的议题是数据驱动业务增长实践案例分享，就像上午所说的，实际上可能我们在这个环节也不只是想给大家分享一些案例，重要的是这些案例是怎么做出来的以及他们为什么这么做，这个也很重要，因为我们想把这个案例的核心和精髓能够在自己的企业当中有一个落地，有一个为他能力的学习和参考，以及如何做的以及背后的思考、方法、体系是怎么样的，这个对我们也是非常重要的，今天下午我们就这个话题会做比较多的展开。

    这个话题的源起应该是这么讲，有一个比较重量级的企业，当时他们企业的二把手在跟我们聊的时候，他提到了一个问题，他觉得他下面的团队，觉得他们的工作是比较零散的，我们就问什么是工作比较零散？他回答说他们今天的团队今天找一个数据部门看一下上次活动的转化率怎么样，明天又找数据部门上次金融产品的销售大概是什么样的情况，后天可能又去问一下之前用户的留存下来大概是什么样的水平，这个让他感觉到很恐慌，我们就问为什么会觉得恐慌？因为他说他觉得自己团队的工作是非常零散的，是不成体系的，这样他没有信心完成今年公司给他定的考核任务，公司每年给这些领导们定的考核任务往往也不是那么容易去完成的。在这个过程当中需要有非常多问题的克服和挑战的解决，才能够最终做到比较好KPI结果的实现。但是这位领导，应该还算是一位在金融科技行业数一数二的企业，他的高级领导高层管理人员他会觉得很恐慌，因为他觉得他没有把握今天想一出，明天可能又想起另外一个关心的话题，明天又去做其他工作了，每一天看起来都很忙，但是就这样的工作下去最后能保证自己的KPI超额完成或者是达标，其实他没有信心，所以他觉得这是一个非常大的问题。

    正是这样的一个问题，催生了今天下午咱们这个话题的展开，今天下午这个话题是上面A的部分，下午我们在P讲的比较多一些，所以是两者要有一个相互结合和补充。所以我们告诉这位领导，其实他的问题是很常见的也是可以解决的，解决的灵丹妙药实际上就是数据应用，什么是数据应用怎么做以及它的形态是什么，它带来的价值是什么，为什么它能够解决问题这个是咱们今天下午要去探讨的一点。

    首先我们来看一下数据应用为什么可以解决刚才所说的企业高管他现在的困惑和恐慌？

    我们在跟这位高管，其实他只是众多的企业经营决策者的代表人物，在我们看来99%的企业全部都是一样的，对于刚才说的那位高管而言，实际上他们公司内部做大数据也做了不少的年头，要说做出来的成果，比如说数仓的数据量，对接业务的数据量，以及最终做出来分析报告的数量也是非常庞大的，光分析报告就有几百页，光目录分级就成了好多级。实际上这个就是咱们上午提出来的问题，已经做出来几百个报表或者是做出来有分析内容的分析报告的页面了，他对数据的使用已经非常广泛了，也不能说没有深度，但是为什么他的工作还是零散的？似乎他在工作上还有很多的问题并没有得到很好的解决，当我们跟这样企业的管理者们聊多了以后，我们就把他们遇到的问题背后原因的共性我们抽取了出来，就形成了这样的一个总结——无论他是在做传统的报表还是在做分析的页面，实际上他是有局限，是有问题的。这个问题的表现就如刚才那位领导所说他们的工作是非常零散的，零散体现在几个方面，一个是数据报告内容是非常零散的，结构是非常分割的，虽然看起来这几百个分析报告的页面被他们有机的串起来，串起来的是一套目录并不是真正企业的业务逻辑，报表跟报表之间的关系并不是靠业务逻辑串起来的，数据跟数据之间的关系也是有所缺失的，留存可能是一个报告，金融产品的销售是一个报告，金融产品的风控是一个报告，营销产品可能是另外一个报告，效果可能又是另外一个报告，这种报告有几百页。所以他的内容很丰富，但是之间的关系实际上并没有通过业务逻辑串接起来，整个是非常零散的，更何况下面的数据结构，因此也是十分零散的，这是零散问题的表现。

    此外，如果说他用的不是敏捷性的立案，还走的是传统立案的架构，包括展现的内容也是非常固定的，更重要的是在过去的分析体系交付之下是存在着很多的缺失，缺失分析功能，也就是我们看到很多的数据报告他里面是统计数据偏多，但是分析内容是比较少的，这些报告之间是比较独立的，逻辑关系是比较少的，整个体系是缺少了分析过程的必要交互功能，这些问题的表现最终传递到业务的工作当中来就会遇到刚才那位高管说到的问题，对于业务部门来讲缺乏成体系的工作方法和业务指导，这样会极大的影响他年度业务目标的达成。因为他不知道他今天做的工作，明天做的工作，后天做的工作，每一件零散的工作到底对我今年的业务目标，也就是我的KPI到底有什么样的关系和帮助，我应该把精力放在什么问题的解决，是不是我最近做的事情就算做的再好，对KPI的影响是不是只有5%，这个不知道，对于业务高管领导来说对于这样的事情是有恐慌的。

   对于IT部门来讲，即便用了这种立案，没有规矩可循，实际上他们也会疲于应对，不会开展高价值的工作，今天我们看到99%的企业，包括大企业他会面临普遍的问题，这个问题我们总结成一句话：如果你的数据、指标分析这些不成体系，他们就不能直接指导业务增长，所以这个是他关键问题的核心所在。

    我们要展开去谈一下什么叫做“体系”？这个是我们自己公司在做销售管理的时候，我们自己的分析体系大概是怎么样去构成的，这个体系主要也是为我提供服务的，我最关心的是什么？第一个我今年的销售任务能不能完成；第二个我的业务解决方案落地的程度是不是足够好；第三个我的业务是不是足够健康，所谓健康就是我的大客户增速是不是足够好，利润率、现金流流入和支出的比例是不是足够良好，这些实际上是我最关心的事情。

    首要关心的是比如说每一年的销售任务是不是能够很好的完成，我会以它为圆点去展开我的数据分析体系，比如说销售任务完不成，哪些原因造成的？可能是我的合同任务没有完成，也可能是我收款任务没有完成，也有可能是每个季度完成率不够，比如说今天已经是11月18日了，然后四季度已经过了一半，但是我四季度的任务才完成了10不能，明显我四季度的销售完成率是不够的，有可能我的问题是未来的商机储备不够，可能今年完成的比较不错，但是今年看明年一季度、二季度的销售储备机会是非常匮乏的，明年的增长就比较有问题。跟我的销售任务有关可能会有这样业务的问题，当我发现我的任务完成有挑战的时候我会先去看到底是哪个方向上的问题有挑战，我接下来再去展开我们公司之前可能在前年的时候就写过大道至简系列的文章，其中就有关于数据分析方法的文章，用数据很重要的作用之一是找出问题的原因，那么我们有一个口诀叫找原因做细分。如果我发现这个有问题，我知道问题是哪个方向，接下来我就要做细分，通过不断的细分才能让我找到问题的关键所在。

    细分一般来讲是保持指标不变，先在维度上做细分，如果是我今年合同额销售任务完成的不够，我要先细分到是哪个团队、哪些销售完成的不够，可能有些人完成的是超额，有些人是没有完成，我把那些没完成的找出来，因为是他们影响了我整体目标的达成。

    对于其他的问题也是一样的，我都要在维度上做细分，对于不同的企业可能他不只在团队和销售之间做细分，可能也要在区域上面做细分，视不同企业为定。我们以合同额没完成做例子，细分出来，比如说是两个团队八个销售他们没有任务，导致我整个公司合同额的任务没有完成，接下来维度细分完了以后我在指标上细分，我把合同额指标相关的前置指标全部都列出来做一个细分，然后我来看进一步的原因是什么，比如说这两个团队的八个销售，是因为他们的商机不够多，导致他的合同额没有完成，还是因为他的盈单率不够，还是因为他的客单价不够，还是因为这个团队每个销售其实都已经完成的很好，是这个团队人手不够导致没有办法完成他的销售任务，可能是这四个不同的指标造成的，我通过这四个指标就能够进一步的定位这个问题的原因是什么，如果是商机不够多，我要看是哪个来源的，是市场贡献的商机出了问题，销售自产出了问题，还是渠道贡献出了问题。销售自产是来自于新客户拓展出了问题，还是老客户做二次销售出了问题。最终细分到什么地步就足够了？细分到我的字段就可以了，从我的KTI出发延展到我的业务问题，再延展业务指标，再延展到数据字段，把这些通过系统化的思维方法把它们串成体系，这个就是用来做我的业务指导成体系的数据应用，这个就是一个体系。

    最终我会看到，我的合同额的任务没有完成，我的销售任务没有完成是因为我的合同额的任务没有完成，是因为八个销售出了问题，这八个销售其中有三个是商机不够，商机不够是发现他的老客户储存相比于其他的不够。另外五个销售是客单价不够，再进一步展开分析他的情况，通过指标和字段的分析来发现是客户级别不够，导致他们的客单价不够，最后才影响了我整体的KPI，接下来我就可以采取具体的行动，第一个先把这三个销售召集起来开一个会，把他们所有老客户的名单在一周内去拜访，拜访之后形成会议纪要，你对老客户拜访调研了哪些信息，提供了哪些解决方案，发现了其中哪些机会，下周我们要继续开会研用。这五个销售把他们手头在跟的所有小客户全部叫停，给他们去分配一些大客户拜访的任务，让他们把客户拜访的客户级别去做一个调整，去改变他们的问题，同样也是形成每周周会计划。

    随着我们业务采取上的措施，效果的展现，这三个销售的老客户也许产生了二次销售的问题。而这些他们的客户级别有所提升，之前两个最细节的问题就已经不再是问题了，量变到质变，他们不再是问题就进一步影响到这些销售的任务完成了，最终就是我的KPI完成。整个的逻辑是这样去体现出来的，这个是数据为什么能够驱动业务增长非常强有力的体现。

    除了营销以外，一般企业最常见的就是财务了，财务上边我们把一个体系的应用也举一个例子，不同企业、不同行业他们对财务的关注点不一样，现在要求财务公司关注现金流，要把现金流做最大化，现金流最大化就是他财务公司他当前的问题和KPI，要想最大化现金流，需要关注相关的问题和指标，包括DSO、DPO一系列，对于DSO这一块，实际上就是我们要进一步再往下去看，看他的预期欠费是上升还是下降，如果预期欠费是上升的，上升的时间多长，把平均周期长度的记录全部拿出来，看他们的客户是谁，对应业务源是谁，形成一个表单，形成一个几何去采取集中的催款行动，把这些应收给拿回来，这些DSO的问题就解决了，就为KPI添砖加瓦起到了添加和促进的作用，这是财务成体系数据应用的一个典型的事例。

    所以真正真正成体系的数据应用不是靠目录扁平化串接起来，实际上一定是要通过业务逻辑串起来，刚才的例子，最大化现金流，首先肯定要看当前的现金流情况，第二个要看DSO的情况，我把红点欠费趋势上升把这个再抓出来，接下来欠费的时间有多长，然后再看对应的客户比较长的这些，已经非常严重的这些他的客户和联系人、销售分别是谁，最后形成一个表单集中采取行动，这是从上到下，从目标到字段是非常有逻辑的体现。

    如果我们把应用做成这样一个成体系的形态，对于刚才说的业务高管来讲，他部门的工作也会变得更有章法，会有一个业务指导实践，对于企业的高管来讲，他就不用去看那几百张报表了，他也不可能去看，他只需要把这个体系根据自己当前的关注点给它很好的执行下去就可以了，他看首页，看他的KPI，如果KPI出了问题再看哪个方向出了问题，沿着方向一步一步的去穿透下去，最后找出来这个问题的答案，然后他快速的采取改进行动就可以了，这是财务成体系数据应用的实际使用场景，最终也是做到数据驱动财务KPI的达成。

    这件事情其实已经解释的比较清楚了，但是真正要做出来起来的时候，实际上还是非常有挑战和难度的，为什么说构建一个成体系的数据应用很难？我们也跟很多企业去沟通过，发现大部分是这样的，绝大部分的企业他的用户是经常会陷入到繁杂的事务性工作中去的，是缺少梳理业务和梳理体系时间的现状，还有更重要的一个原因要想把成体系的数据应用给它做好，构建出来，其实这里面要求的一个能力是从业务梳理到数据梳理，到指标设计，到应用场景设计、数据治理方案设计、IT架构规划、开发实施落地，这是一个完整的跨业务数据的IT三个大的知识领域链条的能力，在一个企业里边我们也比较难找这样的一个人出来去牵头，很懂的去做这个事情，这也是一个非常大的挑战。

    第三个挑战，就算他把这个设计出来，真正要落地执行的时候，涉及的链条很长，也缺少一站式大数据平台系统来去支撑，这就是我们今天上午说的P，今天下午就不再过多阐述了。

    我们来看构建成体系的数据应用价值非常巨大，可以让数据直接针对的驱动业务增长，而不是让数据的价值只是停留在可视化，但是这个事情也是很难的事情。

    我们在这个方面也是走了一些弯路，也是做了很多的探索和尝试不断试错，最终在海量的这些项目经验当中，我们把他的共性和方法做了抽象和总结，到了今天，我们就有能力为客户提供平台咨询到一个平台系统一站式的数据应用的建设服务了。

    数据应用的价值一方面可以自动化实现企业的数据分析的流程，做到降本增效机。再一方面可以让企业的一线业务人员和管理者们可以有一个系统化业务洞察指导的方针，更重要的是，真正的以业务目标和业务问题为原点来去展开分析，来去精准的定位问题和原因采取行动，最终达到数据驱动增长。

    所以可以看到我上面举的营销数据体系和财务的数据体系，其实它里面讲的全部都是业务，全部都不是技术，这个就是把数据应用做到位以后我们能够做到的效果。

    我们把数据应用的价值，它给企业解决的是什么样的问题以及它的挑战说清楚了，接下来我们就看一下这个事情我们该怎样做，就是数据应用的建设方法，把我们数据咨询的顾问和专家们他们的工作方法今天我们也跟大家做一个分享，我们是如何为企业提供数据应用和数据咨询这些相关的服务。

    这种项目，首先我们要把它最终的目标有一个很好的明确，要知道我们这个项目最终要达到的目的是什么，这个目的主要可以分成两大类，一大类就是要建立一个数据分析的体系，让业务部门的工作变得有章法，有规可循，有一个完成他们业务目标标准化的业务最佳时间去指导他们每一天的工作，这个是最重要的也是刚才提到的。再一个这个项目做完，我们形成的交互物，最终也要给客户的业务人员们做相应的培训，比如说刚才看到的图也要给客户业务人员们去培训，发现问题，采取行动，让数据使用真正嵌入到自身的业务工作当中去。

    整个的工作思路建设原则必须要贴合业务人员的日常工作场景，以业务场景作为分析体系划分的原则，为不同角色，他业务上的问题该用什么样的数据场景去解决，这些也全部要进行一个考虑，这个就是我们的工作思路和建设原则。真正展开的时候，大致我们可以把这样的项目阶段做四个阶段的划分，首先第一阶段就是做客户的调研和业务上的梳理。第二个阶段做分析体系的信息设计，刚才举了两个例子。第三个就是做数据应用的详细设计。第四个就是使用数据的培训，不光是说培训他怎么操作数据分析的产品，更多要培训给他的是你怎么用这套方法来反过来指导你每天的业务工作，怎么让数据驱动业务增长，这件事情落地，这个是我们要培训的重点。

    这四个阶段我们也可以分别展开来看一下，第一个阶段，我们在做客户的调研和梳理。这里面我们要调研很多的内容，一部分我们要调研客户他的业务流程、业务模式是什么样的，当然在今天可能很多的行业和领域我们已经非常熟悉了，这部分对于我们来讲调研工作的周期可能并不会很长，只要看一下企业个性化的东西就可以了。如果是一个比较偏门的陌生环境，我们有一套方法调研好这个行业的业务模式、工作方法。同时这个企业的组织分工这个也很重要，这也是调研的一部分，我们要看将来数据应用的服务对象有哪些。对于数据使用的场景是用来做决策支持还是用来做工作汇报，还是用来做诊断还是用来做业务监控，每个企业的需求都不一样。

    另外就是把数据源的情况，数据架构的情况，还有当前的分析系统做到一个程度，包括数据结构等等，这个可能我们也需要做一个调研，这是第一个阶段。

    第二个阶段，因为我们已经调研好了客户的业务、IT、数据，之后我们就应该围绕着他的业务出发来把数据做一个体系化的梳理，去做分析体系的详细设计，根据在第一阶段的调研内容，不管是对业务的调研还是对数据的调研，可能我们都拿到了大量的、零散的分析主题或者是分析指标，或者是字段，他们在企业库里边可能都是比较零散的，这个可能是在99%的企业都是这样的。我们要做的事情以业务逻辑为出发，把它串成一个有逻辑的体系，无论这个体系是用一棵树来表示还是用图来表示这个不重要，在这个体系当中把每一个指标它的说明、它的含义、计算公式、计量单位把这些全部描述清楚，这样对每一个指标的定义就比较清晰了，也就不再存在IT部门做一套报表，业务部门做了一套报表，跟业务部门做了一套报表，最后发现这两个部门数对不上。说到底不就是两边的统计口径不一样，如果我们把统计口径给它标准化下来，以后的这类问题也可以减少发生，这个就是我们的分析体系详细设计会做的事情。

    第三个阶段就是数据应用的详细设计，毕竟我们不能给客户交付，不是说把这个脑图上的东西配上说明这个事情就结束了，光看方法框架还是不知道今天的业务到底问题在哪儿，这个事情肯定要进一步的落到系统里面，让知道当前的问题是在哪些方面，数据是什么，这个一方面要结合刚才指标的体系来去做分析页面原型的设计，在页面原型的设计，哪个指标跟哪个维度做整合，用什么样的图表类型展示是比较好的，以及一级页面我们应该展示核心指标，二级页面应该展示哪些二级指标，三级页面应该展示哪些明晰的指标，页面跟页面之间的逻辑，点击，条转的关系，页面流的过程要把这个部分设计好，这个要在这个部分去给它设计好，这个部分可能不用太多的考虑美观的问题，因为这是在实施的阶段去考虑的，以及同步的为了保证这个事情在落地的时候，不会发现前面留了一些坑导致它落不了地，在这里面还有很重要的工作要做，这是另外一个交付的举例，就是指标取数的说明，也就是说说在脑图上也好，页面上也好，展示的指标在数据库里面，计算公式是什么这个指标的计算公式假如是A+B除C，那么ABC分别在我哪个库里面的哪张表里面，是哪个字段，叫什么名字，这个地方要全部梳理清楚，来保证好我设计好的数据分析体系它的数据在我的库里面，无论是内部数据还是外部数据，它一定是能取到的，不会让这个事情最终发现没有这个数，导致这个指标算不出来，这个事情就变得不能落地了，在第三个阶段我们要做的事情。

    第四个阶段，我们的数据应用可能已经做好了，接下来就是要对它的使用做一些相关的培训，我把BI实施的部分我就略过了，那个大家比较熟悉。实施完成以后，咨询和实施的工作完成以后，接下来就要跟业务人员、数据人员做相应的培训，一方面要做这个平台该如何操作，该怎么做一个分析报告操作层面的培训，更重要的要做业务分析体系的使用方法的培训，你怎么用新的这一套页面来补充你原来的那几百个比较扁平化、零散、割裂的报表，怎么用一套新的数据应用指导你的工作。你每天先看哪一个页面，当发现出了问题，应该点哪儿，根据情况该怎么样进一步跳转，这是我们培训更重要的。

    这个就是我们整个的项目要做下来，它的方法是什么，做好的结果是一个一个的数据应用，去形成数据应用的过程，那么我们在内部就把它称之为数据咨询的过程，通过数据咨询的方式，我们来去对客户的业务、数据、IT做足够的理解、梳理、系统化一系列的工作，最终帮客户打造属于它的数据应用。然后在这个过程当中，我们过去做过的数据应用一大部分，也许对应行业和对应领域也许可以拿过来有很多可用的地方，每个企业还是有个性化的部分，哪怕同样是汽车生产的企业，每个企业的管理模式、业务形态还有当前业务上的关注点、问题肯定也是不一样的，每个企业我们还是要做个性化的工作。

    接下来我们举两个案例来进一步的说明。

    第一个案例是金融科技公司，（英文）现在应该也是跟AI一样比较火的细分领域了，这个我在最开始提到的高管他所在的公司，在国内也是数一数二的规模，这个金融公司，他的背景和需求是，其实他去年已经买了我们数据分析的产品，运营部、产品部已经把他用起来了，就像刚才说的已经做了几百个分析页面。但是虽然做这个页面，系统本身是非常敏捷的，但是如果他不把业务体系给它梳理好，反而会带来另外一个极端的发展，就是因为太敏捷了，所以他做分析报告太容易了，他在一年之内可以做几百个分析报告，如果缺乏一个成体系的规划设计，报告越多，对他的工作越复杂，业务部门对数据的使用是非常零散的，他觉得很方便，他就会很频繁的去提出他的需求，是缺乏一个系统化的工作方法来达成业务目标的，数据部门也是一样，疲于应付巨大数据量，对各个部门的数据支撑也是不足的，导致后来业务也说这个工具应用也是比较简单的，学学就会了，以后他们就自己下载数据自己去进行分析，也引发了很多的不满，各个数据报表独立，没有联系，我们知道越大的企业，位置管理越高的管理者，他的管理水平也是越高的，这样的人对自己团队工作的要求也是很高的，这样决策者他的思维也是非常强的，很快就能够理解我们的数据咨询带给他的价值，当他提了这个方法以后，我们把这个方法一展开，我们双方在非常快的时间之内就达成了商务的合作，开始去推进现在基本上已经结束了。

    我们的数据咨询的顾问们就去他的项目入驻了，去进行现场的访谈调研，去梳理出来属于他的数据分析的体系和数据应用，最终经过一些大量的工作，最终能够做到的成果就是帮他真正梳理出了属于他的一套数据分析体系，这个深层次的作用是因为他的业务人员的工作更成体系了，更以最终的公司目标为导向了，他工作时间的分配，精力分配也更加的合理，所以他最终业务的KPI比以前要强了，业务增速马上提升了30%多，业务留存率也做了提升，金融产品的留存转换也有了20%的提升。

    比较浅的价值在这么做完了以后，业务人员终于不再做临时取数和临时做报表的需求，终于也释放他们大数据部门的工作压力，这就是这个案例最终我们做到的成果，这个案例我们稍微展开来看一下，在第一阶段做客户调研的时候，我们刚才提到了我们需要调研数据、IT、业务这三大领域，在具体实践调研的时候，从公司的董事长，他是一个公司级的项目，如果是一个部门级的数据应用可能调研这个部门的一把手就可以了，但是这是全公司级的项目，从董事长到各个副总，到一线的业务人员到各个部门的人员都要做一个详细的调研。在这样的项目当中，我们有差不多20位左右访谈的人员，访谈纪要，对我们的顾问来讲白天做访谈，晚上整理录音出访谈纪要，在很快速的一两周之内就把访谈工作全部结束了，中间还会穿插着对数据结构的调研和信息化的调研。因为把整个公司的业务全部梳理清楚了，就会梳理清楚他整个的公司业务上的整体框架的梳理，这个公司一端对于C端的用户来讲做了一个APP，为什么要做APP？对于一个线上的模式，做一个APP，比起原先用业务源的方式来讲效率要比高的多，所以再了一个APP，工具类的APP吸引大量C端的用户，在用户里面可以使用功能产生用户黏性，同时对这些用户提供他自己金融产品销售的引导，让这些C端线上的用户可以转化成他金融产品的购买者和使用者，这样就对原来传统线下的金融渠道做一个很好的补充。

    同时，在整个的过程当中使用APP是需要流量的，也产生了一块做流量的业务，用户可以直接在这儿买流量套餐，这就是他整个的业务整体的框架。这里面需要做大量的分析，一方面对APP可能我们要有互联网APP一套的分析体系，在APP的组织结构里面涉及到了产品研发部门，涉及到运营部门，涉及到市场部门他们全部做APP的开发和运营，他们要关注的是用户行为的分析，还有就是产品相关的分析，用户对于功能使用相关的情况，同时还要对他的市场活动促销的效果，市场活动的转换率也要做分析，要涵盖跟APP相关的这三个部门他们的业务场景和诉求。对于金融产品，一方面是风控；一方面是销售转换，主要是两个方面的分析。

    对于APP，要做产品功能的分析，要做市场的分析，客户的分析，客户的分析进一步展开，那个脑图太大了，可能是刚才展示的20倍的脑图，客户的分析要转换成客户来源的分析，客户行为的分析和客户偏好的分析，再往下这已经是三级指标了，客户行为的分析里面再看用户的完整转化过程，整个的用户使用的完整链条当中每个链条当中的累积数和流失率、转化率分别是多少，也分析活跃页面的占比情况，用户上网功能使用的分析和用户对于这个APP里面服务功能使用的分析，最终来形成他的脑图，这只是用户行为三级指标展开的脑图的其中一部分。

    对于这些指标体系，指标体系属于哪个页面，计算公式是什么，计量单位是元还是人，还是百分号，这个要有相应指标的指导手册来去说明刚才的指标体系。

    接下来就是要做数据应用的详细设计，对于金融部门，对于APP互联网部门，包括对于他的流量经营部门，对于不同的部门里面不同的角色要给设计他的一级页面、二级页面、三级页面，分别要做什么样的展示内容，什么图表类型，哪个指标跟哪个指标结合，用什么样的分析方法来去进行展示。比如说这个漏斗就是把用户转化的链条，刚才咱们在用户行为里脑图的分支，他的分析指标做一个展示，配套的就像刚才说的，为了让这个事情保证落地的，这上面的每一个指标，他是用什么样的公式计算出来的，这个公式涉及到的字段，在哪个库里面，表里面，叫什么名，把这个逻辑给理清楚。

    如果我们是做数据分析工作的嘉宾，我们马上可以想到数据分析的结果就是我的系统实施的需求，因为页面优越性，逻辑有了，取数的方式也有了，计算公式也有了，各种说明全有了，接下来按照这个当成我的需求往下开展我的实施工作就可以了，这里面的衔接，从咨询、产品、实施这也是三位一体，可以形成一个完整的数据应用的构建项目的三大要素，中间是非常有机的整合起来。

    刚才是一个金融科技公司，是第一个例子。

    第二个案例是大型连锁零售的例子，这一家客户他的门店自营跟加盟合起来已经上千家了，这个在国内来讲体量已经不小了，而且信息化做的比较完善，大部分的系统都是自己开发的，也有大量的会员、交易、销售过程这样的一些相关数据。客户的数据部门，实际上是能力比较强的，他已经设计了非常多的深入的指标，也做了大量的数据报告，我们再跟他们聊的时候，他有很多自己的指标在跟他们聊，比如说二店率，我们就问二店率是什么？一个加盟商在我这里开了第二家加盟店，这个比例叫二店率，他们对于类似的指标还有很多，对于指标的深入设计做了很多很多的工作。但是即便如此，他们自己的数据部门跟CEO还是觉得不太满意，还是觉得业务指导的价值不是很明显，在跟他一聊，把我们的理念跟他一讲他也是非常认可的，他也认为他缺乏一个成体系数据支撑，现在他是一千家店，要想接下来再继续保持高速健康的增长，他的业务发展、管理水平已经遇到了很大的瓶颈，急需要进行向上的突破，我们还是用刚才的方式，这个就不再重复说了，首先单店销售收入可以上升10%左右，二店率，也就是更加关注加盟商的工作以后，这些渠道人员的工作也有了很少的改进，二店率提升了12%，这个就意味着我开发一个加盟商，这个加盟商给我开店的数量可以比以前要多，我开发新的加盟商的压力就小了，老客户资源重复使用就更好，次年新开店增速也有一个比较好的实现，最终都是让数据真正对他的业务产生实际的价值，这就是客户认为最落地的场景。

    这个是给他的分析体系，比如说给CEO的分析体系包括，现在他不太关注利润主要关注是销售，销售是等于门店数乘以单店的销售收入，门店数再一展开就是我新开店的速度包括流失店的速度，包括二店率的指标全部装在这个脑图的部分，单店的销售收入它可能跟很多事情相关，比如说跟店所处的位置里边的人流相关，接下来就是进店率，有进店率以后，就是看有多少潜在的线索，潜在的线索就是有潜在意向的客户，有多少转化成了储值的会员，储值的会员最后消费频率、消费周期都是怎么样的，这里边还可以把销售的能力的数据给它贯穿进去，这里边可以形成一大串的指标体系。

    对于市场部来讲，主要就是通过市场行为获取很多的线索它主要对线索的各个渠道，贡献线索的L、Y做一些分析，以及对线索分配给销售以后转换率做一些分析，这个就是指导他的一方面增加线索。一方面做好线索进一步的转换，这就是市场核心的工作。

    对于他的财务部门，从收入、支出和利润有很多相关财务的指标，包括人均单效成本，这个就跟刚才的那个差不多，这个就不再说了。

    对于运营部门来讲，他不是互联网的运营，是做线下连锁零售门店的运营，对于门店经营的建议和门店评价的建议，一方面他去评价他这一千家门店，有很多是加盟商，要对他有一个评价体系。再一个要给加盟商以更好的指导，一方面提高二店率，一方面减少流失率，让这些加盟商每年都跟我有持续性的合作，要想提建议，应该排查哪些问题，这些问题用什么指标来去体现出来，这就是上面这一套的分析体系。

    下面就是门店的评价，门店的评价显然是从利润展开，利润一展开，接下来就是一个评价体系的应用，他可以知道你门店里会员的消费频率不够高，在你整个利润当中，这个问题占的比例是有多严重以及他是在哪一条脉络上面，我现在应该解决这个问题还是解决另外一个更严重的问题，这个就需要业务指导，包括门店数量再拆开就是门店增速了，他也是全国布局的。

    对于市场部来讲，要看你新增的线索量跟一些维度做交叉，可以有最终展示的分析视角，还有线索接下来的使用，我点今天的线索量点进去就可以看到第一个这个线索是什么来源。第二个线索我分给了谁，分给了哪个城市的一部、二部下面的哪个销售，转化怎么样，接下来要看不同渠道给我贡献线索的数量跟给我这个市场投放的分量LY的比例要看，虽然有些渠道投放下去给我的贡献的线索多，但是转化不一定好，我要看他的销售怎么样，销售也分一级、二级、三级，如果销售都是二级、三级是比较资深的销售，过去的业绩也很好，说明这些销售没有问题，说明他转的线索跟我这儿的匹配度和质量是不太高的，反过来还会影响我对这个渠道的投放。

    这个就是我们第二个例子，今天我这个话题基本上差不多告一段落，我稍微总结一下我们今天的话题核心的内容，很多企业虽然做了大量数据分析工作，数仓也好，BI也好，做了很多的工作，但是在今天他们依然有很多的问题和局限，可以进一步向上突破，可以进一步升级去优化他整个的数据分析的价值，这是今天想传达的第一个理念。

    第二个理念，这中间他需要的是什么？他需要的是不要再继续做零散的数据分析报告，也不要在各个人员、各自部门各自为政，需要有业务人员从他的KPI为原点，把业务指标串起来，变成一个有机的数据分析体系，构建一个真正数据的应用，通过这个应用能够真正的驱动他的业务增长。

    第三个，我们来看怎么样通过这四个阶段把这个数据应用一步一步的从调研、梳理、设计、实现、培训给它完整的构建起来。

    最后就是拿两个行业内的案例给大家做一个分享，本质印证两句话，第一个是评判数据项目有没有价值的唯一标准就是看这个数据对你业务的增长和KPI的完成有没有产生促进作用，这是唯一标准。否则这个数据项目做的再好，体量再大，投入再大，如果它跟我的业务没有直接挂钩这个项目依然是失败的，无论这个集群有多大，数据量有多大，这是第一句话。

    第二句话，经过了这么多年的方法实践更重要的是我们不断的提炼、总结，在今天我认为永洪科技应该可以算是国内的企业想做数据技术最佳的战略合作伙伴，我们会在接下来的工作当中不断的去印证我们的能力和成果，这就是我今天的分享。谢谢。