文：谷朝峰

第76张图：数据精准化管理6原则

图1：数据精准化管理6原则模型

我们已经知道，组织信息管理的关键是基于数据，尤其是经销商大数据的管理，也了解了运用大数据管理的途径。而接下来经销商管理者就要所面临另一个重要的管理议题，那就是掌握数据精准化管理的原则。

结合对常见数据化管理失效案例的分析，笔者在此给出数据精准化管理6原则模型（图76a）。所谓数据精准化管理6原则，分别为原始数据全面、数据准确无误、数据定义一致性、数据汇总结构化、分析过程逻辑化与分析结果落地化。这6个原则，可理解为进行数据精准化管理的意识范畴，它是经销商数据化管理效能实现的前提与保障。也就是说，经销商的管理者首先要树立管理意识，才有可能得到理想的数据化应用产出。

图76a 数据精准化管理6原则模型

图76b 售后月度经营效益数据模板示例

在模型中，细心的读者可能会发现6个原则标识的差异性。事实上，灰色与红色标识的差异分别代表着数据准备与数据处理管理过程两个阶段。在数据准备阶段，所遵循的原则是原始数据全面与数据定义一致性。也就是说，管理者所面临的任务是：一方面通过界定数据源的地址与采集方法来确保原始数据全面性，而另一方面，还要通过对关键信息字段的统一定义来确保数据定义的一致性。

而在数据进程管理阶段，所遵循的原则是数据准确无误、数据汇总结构化、分析过程逻辑化与分析结果落地化。为此，管理者的任务则转换为下列4个具体的工作目标。

1.数据录入

数据录入是指要求数据录入者（通常是业务执行岗位）对数据录入的正确性负责，确保数据实时有效性。建议经销商实现“定人、定责、定标式管理”，针对所界定出的关键业务数据单据梳理出数据标准化录入模板（由经销商自行制定并公示），并以此作为相关数据有效性对标问责的基准。

2.数据汇总

这是指要求数据汇总者（通常是信息员或业务主管岗位）采用规范化的模板工具进行数据的汇总，便于管理者更方便地发现问题与进行关联系统分析。建议经销商从效益、客户、质量和运营协同4个维度分别梳理出用于运营管理的各类数据监控模板（图76b），并且使这些模板在日、月、季、年报中进行管理应用，以体现管理的标准化程度。

3.数据分析

这是指数据分析者（通常是部门经理与业务主管岗位）采用合适的数据分析工具，对汇总后的数据（这里可称之为模块化的运营数据）进行运营质量的总体分析与评价。建议经销商结合当前的发展阶段，界定出各环节数据分析常用工具的应用基准（如鱼骨图、SWOT分析模型等），并要求用于公司日常例会或专项业务分析会议的信息输入或输出。

4.结果应用

是指数据应用决策者（通常是公司高层管理和人力绩效评估岗位）针对数据分析的结论，及时地制定运营管理的相关业绩提升或人力绩效调整举措。建议经销商每周开展一次数据分析与应用评估的专项会议，并在推行新的管理举措上的同时，特别重视检核并落实相关举措的闭环执行情况。

第77张图：数据化精准管理流程

经常有经销商的职业经理人会问到笔者，如何进行数据化的精准管理。每每这时，笔者就会让他们去回忆最近一次进行数据分析管理的案例，同时反问他们这样几个问题：要分析什么？如何分析？解决了什么问题？答案在意料之中，大部分管理者普遍存在对数据分析关键环节执行要点与技巧缺失的问题。因此笔者认为，重新认知数据化精准管理流程的价值就显得尤为重要了。

图77a所示为数据化精准管理流程模型，该模型共分为5个阶段，分别为确定分析方向、数据收集、数据汇总、数据诊断与数据运用。因为这5个阶段中任何一个阶段，其数据运用的产出都可以作为下一阶段分析的信息输入，这也意味着数据化精准管理是一个闭环提升的过程。

1.确定分析方向

图77a 数据化精准管理流程模型

图77b 金字塔决策思维

确定分析方向是数据化精准管理流程的起点，指的是我们进行数据分析前，首先要明确数据分析的目的。也就是说，管理的方向是为了监控哪一部分的运营信息。从经销商实战运营的角度，经销商经理人所关心的监控切入点可无非是效益、客户、业务质量和运营协同中的任一层面。但是为了确保分析的系统性，笔者建议管理者应尝试采用金字塔式决策思维去框定管理方向，即把效益、客户、业务质量和运营协同从上到下看作一个金字塔（图77b）。如果选择其中一个层面，其下层的相应层面也应作为数据分析的对象，如此可以在很大程度上避免管理效用短期化的现象。

在明确数据分析的层级之后，管理者就可以根据当前的需求，从时间、空间与程度3个纬度去自由组合出数据分析的管理行动方向了。如时间纬度可细化为日、周、月、年范畴；空间纬度可细化为公司、部门、项目或岗位范畴；程度纬度可理解为数据对标的级别范畴，如当期设定目标，行业/区域平均目标对标、理想目标对标或是风险防范目标。细化的广度与深度也影响着数据分析的系统全面性，如果仅局限在一个纬度做分析，对于当前问题分析可靠性的精确度就要打一个问号了。

2.数据收集

数据收集是管理流程的第二个阶段，是指基于分析方向（如服务部本月度销售/售后经营效益数据设定目标达标情况、当前维修质量状态、当前客服部门运营支持以及客户的消费需求等），采取多种收集方式，充分利用大数据的线上线下渠道（参照大数据库管理模型），去收集相关定量（如KPI类数据）或定性数据（通常是行为规范类数据），从而为数据汇总建立充分的信息基础。尽管数据化模板是数据汇总阶段应用的重要工具，但笔者还是建议从收集数据开始，经销商的管理者就应以规范化的模板为数据定向收集的导向，这样可大大地提高数据汇总分析的效率。

3.数据汇总与数据诊断分别

这是管理流程的第三和四阶段。对于管理者而言，数据汇总的核心技巧是应用规范化的模板工具进行数据的分类。为了管理者解读的便利，分类后的数据还需要采用合适的逻辑图形去进行表达。而数据诊断的核心技巧在于基于数据分析表达的输出，具体讲就是运用相关分析工具进行问题的原因分析与解决方案制定。因为这2个阶段需要借助于较多的管理模型与分析工具进行辅助管理，对于管理者的技能要求相对较高，因此这也成为经销商普遍存在的实操管理痛点所在。对于这些技巧，我们将在后续的模型中作进一步的展开讲解，这里就不在作过多详述。

4.数据运用

这是管理流程的最后一个阶段，是指通过数据分析产生的问题解决方案，是否真正用于了针对性的运营管理提升，这是数据管理流程在一个管理事件范畴内的最终产出。因此，这一阶段应被管理者看作是数据分析管理的重中之重。

通常来说，每一个业务问题的管理举措都可体现在运营策略升级、运营标准优化、岗位绩效促进和管理方法匹配4个纬度。从组织信息识别的角度来看，运营策略升级和运营标准优化往往会落实到公司部门层面标准或分析报告进行体现，而岗位绩效促进和管理方法匹配则往往会通过岗位层面标准或分析报告来具体体现。

第78张图：数据收集方法

日常工作中，经销商管理者每天需要处理大量的信息和数据，以发现与解决运营中所遇到的管理问题。但如果盲目地收集信息，就有可能会把时间浪费在没有价值的事情上，从而严重影响工作效率。为此笔者给经销商的管理者界定了5种数据收集的方法（图78），以作为数据化精准管理的参考。

1.系统查询法

图78 数据收集方法模型

系统查询法是指通过查询的方式，直接利用经销商的内外部信息数据库进行运营需求信息的获取。这类数据库涵盖了来源于外部信息数据库、品牌信息数据库与经销商IT数据库的绝大部分信息。因为系统查询法具有信息量大、范围分布广而且易于查询的特点（见前文品牌/经销商大数据库管理模型），系统查询通常也成为经销商管理者最为常用的数据收集方法。

但同时我们也应意识到系统查询法的一些限制性，如渠道的数据准确度质量参差不齐，甚至有的外部渠道数据的可信性不高。为此，就有必要借助于其他一些数据收集的方法，作为经销商数据收集方法的有效补充。

2.观察法

观察法主要是为了获得只有在现场才能获得的信息，弥补现场信息量采集的不足缺憾。工作人员在不影响被观察人员正常工作的条件下，通过观察将有关的工作流程内容、方法技巧、辅助工具和工作环境等信息记录下来，最后将获得的信息归纳整理为适合使用的结果。例如，服务总监需要了解服务顾问执行流程时的情况，判断关键业务流程是否存在优化空间，包括使用远程监控设备抽检客户对当期营销的行为表现等，都可以使用观察法来获取相关运营的一手信息。

采用观察法进行岗位分析时，应力求结构化，根据岗位分析的目的和组织现有的条件，事先确定观察内容、观察时间、观察位置和观察所需的记录单，做到省时高效。观察法的优点是取得的信息比较客观和正确。但它对观察者的专业认知经验与判断决策水平有较高的要求（最好是观察者具有足够的实际操作经验）。此外，观察法的应用还要注意其适应范围，它主要用于标准化、周期短且以体力活动为主的工作，不适用于工作循环周期长、以智力活动为主的工作。

（待续）