數據化管理的意義和用途數據化管理的意義和用途/NUMPAGES10數據化管理的意義和用途數據化管理的意義和用途數據化管理的意義和用途數據化管理的定義：運用分析工具對客觀、真實的數據進行科學分析，并將分析結果運用到生產、銷售等各個環節中去的一種管理方法。從這個定義來看數據化管理它是一門管理工具。那它的意義也就是為我們日常工作的方方面面提供服務的！只不過這種管理工具和一般的管理方法不一樣，它是用數字說話，并且盡量做到絕對量化。大致來講數據化管理有如下五方面的作用：

一、量化管理

管理的量化是一門非常大的學問，做好了它能夠提升管理質量，公正而公平的評估人和事。對企業的管理者來說既做到了一碗水端平，又能夠心甘情愿的付出（報酬）。當然如果量化的不好或不夠專業，也可能流于形式或片面化。講一個真實的事例，這是我在一家企業做數據化管理顧問時發生的：

該公司有一家自營的專賣店，月均銷售在100萬左右，有20名銷售人員。該店有一名員工Alice，每月銷售額都排在前兩位。當然Alice每月拿到的獎金也是最多的。于是公司上到區域總經理，下到銷售主任都認為Alice非常有能力，是下一個店長的候選人。當然公司也朝著這個方向對Alice進行培養的。后來有一些變化，該店的店長離職。考慮到該店是一個年銷售千萬的大店，公司人事經理沒有貿然讓Alice接手，而是從別的店鋪調來了一個新的店長。可是這之后的兩個月Alice的月銷售額都大幅度的下滑，排名中等。出現這種現象，大家第一感覺是她在鬧情緒，和新店長有矛盾。于是城市經理、人事經理輪番做Alice的思想工作，并且把她調離了這個店鋪。Alice滿懷信心的到新店鋪上班去了，可是在新的店鋪她的表現仍然不突出。為什么呢？人事經理不得要領！

當我聽到這個故事后，我讓他們的銷售經理拿來了該店鋪一年的銷售數據、工作記錄（排班表）。確實，Alice在這一年中的銷售數據非常突出（店長離職前）。那問題在哪呢？我在他們的排班表中發現了答案：每個月她的班次質量都是最好的！于是我做了一些加權處理（考慮了每天的銷售權重和早中晚班的權重）發現她的月平均權重是20.1，而該店所有員工的平均權重是17.7，高出平均水平13.6%。也就是說在工作能力相同的情況下，Alice每月可以多銷售13.6%。為什么她的班次權重會是最高的呢，事后了解到她和前任店長有親屬關系。

由此可見，正確的量化方法是多么重要，否則會造成人為的不公平，影響工作效果。

量化管理主要運用在：考核人，評估事。考核人也就是大家常說的KPI，其實KPI一定是要求量化的，并且要相關聯，不能簡單化。目前很多公司對銷售人員的考核只有一個KPI指標--銷售額。其實這是非常片面的，他會引導銷售人員進入一個誤區：沖量。大家每個月忙于沖貨，忽略了基礎的銷售動作：鋪貨、陳列、補貨、促銷。在這方面強生公司對銷售人員的考核就非常量化和科學，它有五項考核指標：包括銷售額，回款，客戶數，不重復客戶購買比率，不重復SKU數。對事的評估主要體現在促銷活動的評估和突發狀況的評估上。比如對2008年奧運會影響零售的量化評估。

二、最大化銷售業績

既然數據化管理是一門管理工具，我們當然希望他能提升我們的銷售業績。凡是做過銷售的人（特別是零售行業），都知道一個術語：踩剎車。何時踩？如何踩？踩到什么程度？這些都是非常有學問的。站在管理者的立場來看，當然是不希望下屬主動踩剎車。對零售行業來說，踩剎車意味著銷售的徹底損失，而損失的這部分銷售的利潤是非常大的（因為成本是相對固定的），對有些企業來說有可能踩掉的全部是利潤。我對某個零售企業專門做個計算，因為月末幾天大家踩剎車，影響了當月3％的銷售額。3％！這已經不小了！于是我為這個企業設計了一個銷售追蹤預測模型，有效的防止了踩剎車現象的泛濫。當然也提升了銷售業績！

最大化銷售業績主要還是靠數據分析，通過分析找出銷售中的問題和機會，采取對應的措施從而提升業績。

假如你是一個飯店的老板，你的飯店生意非常好，翻臺率很高。如果有兩桌客人同時點菜，你先上那桌的菜呢？上好了能有更高的翻臺率（也就意味最大化銷售業績），否則會反之。我的答案是先上吃得最快那桌。那桌是可能吃的最快的呢？答案在你的數據庫里！按照這個思路去想，你會發現好像先上那個菜也是有講究的喲！

三、提高企業管理者決策的速度和正確性

目前很多企業的總經理（特別是私企）是非常自負的，他們有非常豐富的經驗，所以他們的決策大部分時間是在拍腦袋。拍腦袋決策的風險是非常大的！我不反對而是欣賞經驗豐富的人。但是經驗再多的人，他也只是在某個領域或地區比較突出。就拿服裝行業來說，哈爾濱已經是白雪皚皚了，廣州可能還是短裙滿天飛的天氣！

之前看過一本書（書名暫時忘掉了，以后補上，好像是《魔鬼經濟學》的作者寫的），他有個觀點專家是靠不住的，他們可能還不如普通大眾的智慧。他講了一個例子，在美國醫院，專家的誤診率還是比較高的（特別是對一些不太常規的疾病更是如此），反而是在有些疾病診斷網站的正確性會遠遠高于專家。因為網站是通過數據分析（這些數據是從若干個相同癥狀的患者那里得來的），統計的是概率。而專家憑的是經驗。

法國葡萄酒享譽世界，價格也不菲。如果有一種數據分析方法，讓你在葡萄還沒有成熟，更沒有釀成酒之前就知道她的品質（葡萄酒的品質會影響她的價格，不是年份越久就一定越值錢），甚至10年后的價格。你會怎么樣？我告訴你，這是可以做到的!并且目前已經有人做到了！他靠的就是數據分析模型。

對于零售企業來說，如果能在每月10號前就能預測到當月的銷售額，或每年五一前，就能預測到全年的銷售量。這該有多好！他一定能很好的幫助到這個企業的決策。這個，我已經做到了！

四、有效的節約企業的生產、運營、人力成本

一個專賣店到底需要多少個店員？一個城市到底需要多少個銷售代表？很多職業經理人給我的回答是參照公司的人員配置標準。可是我知道大部分公司這個標準是某個部門拍腦袋出來的。我看到他們的標準是30萬/月：標準配置5人，50萬7人，80萬10人等等。于是各區域一定會非常嚴格的按照上限來用人，甚至還有可能說不夠。因為大部分銷售經理使用的是最大化的用人原則（因為他們不背人員成本），他們根本就不去考慮店鋪的實際情況，更不會差異化管理。試想如果肯德基、麥當勞也是最大化的用人原則，會怎么樣？最高興的當然是顧客，而受傷害最大的一定是投資方。我研究過星巴克的店員配置，他們是最經濟的！

一個零售店合理的人員配置需要考慮如下一些因素：

1、銷售額：決定了店員的工作量

2、店鋪面積：決定了可能的顧客飽和度。順便說一下：即便同樣的面積、同樣的月銷售額，正確的店員人數也有可能是不一樣的，因為客單價不一樣，意味接待的顧客數量是有區別的

3、店鋪業種：指特賣場、shoppingmall、傳統商場等

4、店鋪所在區域：商業區、寫字樓、社區等

5、季節因素：這是最會被大家遺忘的因素。很多產品的銷售是有淡旺季的。同樣的店鋪，淡季和旺季能一樣多的店員嗎？當然應該不是。大家可能會覺得我的這個觀點道理很簡單，可是，看看在你的周圍店鋪，店員數量很少有變化的，因為他們的原則都是標準配置，換句話說都是最大化的用人原則。這樣做會非常浪費！我建議店鋪在淡季和旺季的人員配置一定要有所區別，當然可能會產生一些人員的安排問題！其實這不是個問題，學學麥當勞的小時工制度吧，或者就是零售業的人員正常流動就能滿足你的旺季轉淡季的用人原則。

其實以上幾個因素是可以綜合成一個數據化管理模型的！

五：部門協調、管理的工具

部門之間的溝通有的時候是非常困難的，不論你出于何種