
如何构建大数据时代下的决策分析体系
市场变化越来越快,竞争越来越激烈,客户的需求越来越个性化,这是当今市场特别是消费品市场的重要特征。要获得竞争优势,就要求企业比竞争对手要更快速响应、更深刻洞察市场变化、产业运行、技术更替,因此决策周期必须比竞争对手更短,决策信息比竞争对手更充分。这就为传统的决策分析体系提出了更高的要求。
随着大数据时代的到来,企业对各类数据的获取拥有了更广泛和便利的渠道,这些数据为企业决策质量的提升起到了重要作用。这些数据包括:
互联网实时产生了大量的电商消费品交易数据、交互数据,竞争对手的价格与市场表现,以及消费者的评价与偏好等;
上市公司定期发布着企业财务数据、证券与投行公司定期发布行业情报与数据等;
政府网站不断公开各类统计数据,包括行业运行数据、海关进出口、宏观经济运行、专利申报、企业信用等;
财经媒体不断调研发布商业情报,各类行业动态数据等;
各类专业期刊、行业期刊、电子数据库都随时产生着有价值的决策信息和情报等;
古人云“行贵速焉,慢则人先”,如何利用这些数据提炼出有价值的外部情报,从而准确决策、快速应、抢占先机,如何深刻洞察产业、客户、技术与竞争对手,是大多数企业提升竞争力的新课题。
传统的决策分析体系的管理场景
中国大多数企业都建立了自己的经营分析体系,大多数企业特别是中小型企业,他们的经营决策分析大概是这样的场景:
1.规律性的统计:企业从上到下有完善的报表与指标体系,以月为单位进行采集,以季度、年度为周期来统计分析企业的运行情况。
2. 依靠内部搜集数据:其数据来源主要依靠企业内部各部门,包括财务、生产、销售、库存、采购等部门,数据采集主要依靠ERP、CRM等信息系统,或者员工日常的手工填报,这些数据都来自企业内部,对竞争对手、消费者等情报搜集,主要也依靠内部员工。
3. 进行常规的决策分析:关注的内容主要是市场、渠道、成本、交付、质量、人事的运行表现,通过数据的历史对比,发现企业运行的问题与变化,做出应对与改善决策,同时这些分析结果,也是内部KPI指标的重要来源。
传统决策分析体系面临的挑战
这样的决策分析体系逐步被大多数企业采纳,就像一个企业健康监控体系,在企业内部构建起一个神经网络,及时对企业运行的情况把脉。对于外部环境变化快速、竞争激烈的企业,随着竞争压力不断导入,逼迫他们不仅需要构建对内的神经网络,也需要对外部的千里眼、顺风耳,及时感知外部环境的变化。因此,对于这类企业,传统的决策分析体系正面临着以下几个的挑战:
1. 传统决策分析体系内部为信息系统,而非情报系统,决策信息不足,容易造成:
(1)对外部的未知逐步扩大:在大数据时代下,随着移动互联网发展,外部数据越来越丰富、越来越易获知,他人知道的越来越多,则你的未知领域就相对在扩大。
(2)判断结果可能截然相反,内部判断受到局限:美国著名云计算商用软件厂商NetSuite的年报披露,近三年增长率分别为9%、16%、22%,营销费用每年占整个成本结构的40%、42%、45%,2012年的营收为2.6亿美金。仅从其内部数据来看,NetSuite在微弱成本调整下保持了加速增长,是不错的成绩。若我们再加入一家美国的云计算商用软件厂商Workday的数据,近三年的增长率分别为264%、170%、98%,营销费用每年仅占整个成本结构的29%、27%、29%,2011年营收1.3亿美金。加入一个新的情报,就立刻得到了相反的结论:NetSuite在投入了较高营销成本的情况下,得到了较慢的增长。
2. 传统决策分析体系只为了掌握情况,而非预知变化占先机,不利于规避风险获得资源,中小企业在这一块更为薄弱,其影响在于:
(1)对宏观环境的反应迟缓:若2011年底就能获取阿里巴巴等电商平台的询盘量,就能提前预知2012年制造业困难的信息,制造型企业就能第一时间做好应对策略:减少采购、停止招工、培育国内市场、修炼内功。投资型企业若在第一时间了解到统计局发布的2012年2-4月发电量同比增长率为20%、7.2%,0.7%,就会更真实地确定2012年经济严重减缓的事实,预判经济不景气时将会繁荣的产业,例如:影视娱乐、教育培训、信托与小额贷款等产业,找到投资机会;同时也能预判将会比较困难的产业,找到并购机会。而目前的企业家主要根据自己的渠道了解宏观经济情况,没有将外部的宏观经济情报纳入决策分析体系。
(2)对产业机会反应迟钝:目前企业家主要根据自身的知识掌握产业动态,没有将前沿的、跨界产业信息纳入日常的决策分析。例如2011年智能移动终端的出货量超过PC,这个信息对传统产业的影响是巨大的,移动互联网必将成为企业重要的客户接触界面、服务界面、沟通界面、销售界面,谁提前一天进入,就能提前一天获得用户、培育用户、提升用户粘度,获得品牌声誉与生意机会。例如一家奢侈品厂商将奔驰、宝马、奥迪等名车品牌的4S布点路线作为自己的开店地图,每月更新,奔驰宝马去的地方,就是自己的购买者聚集的地方。
(3)对政策机会把握不足:从中央各部委,到地方各种支持政策,在政府主导下的产业基金、地区开发、援外、补贴、退税,以及某些产业税收、土地、配套资金、办公楼宇、劳动人事,都蕴含着许多产业机会。例如十一五规划中深圳将电子装备纳入重点发展产业,每年推出若干重点项目让企业承担研制任务,并对其销售进行补贴。又如成都高新区2013年对移动互联网企业提供以下扶持政策:一免(免5年办公房租),二补(对川外公司管理层和技术人员给予补贴),三奖励(100万创业资金、200万企业经营者奖、市场活动经费补贴50%)。若缺乏对外部政策机会的敏锐获取,则易错失资源让与他人。目前很多企业对这类情报主要依靠企业家个人网络获取,但这种方式存在一定的偶然性、局限性。
3.传统决策分析体系是管理手段,而非竞争手段,不利于跟踪技术与市场前沿的变化,持续创新,正面临着一个重大挑战:缺乏大规模数据支撑大量创新:海尔集团张瑞敏预判到,进入互联网时代,企业和用户之间信息不对称的主动权发生扭转,过去企业生产什么用户接受什么。但现在用户可以在互联网上选择、比较所有产品、价格,主动权发生了转移,从以企业为中心变为以用户为中心,这是非常大的改变,企业必须从大规模制造改变为大规模定制,从一个型号生产几十万上百万,到几十万个型号的生产几十万上百万。大量的创新意味着企业要掌握比竞争对手多几倍的数据量和信息量,需要比竞争对手理解掌握行业的技术现状、专利现状,掌握更多客户的需求、偏好、习惯,而且需要更快速、更高频率的创新,满足客户的需求。传统的决策分析体系,对市场与消费者信息的搜集与研究严重不足,很难支撑企业大规模的创新。
如何构建企业情报的来源
并不是所有企业都要对外部情报大量掌握,对于那些市场竞争激烈、对外部环境依赖较大、机会稍纵即逝、需要通过快速响应和大量创新构建竞争力的企业,需要大量掌握外部的情报来构筑自己的经营决策体系。
众多企业对外部情报的搜集,主要依靠企业家个人或高管团队,由于企业家接触层面高、接触面广,能得到很多大家不能得到的核心情报。在大数据时代下,信息传播越来越快,情报越来越容易得到。我们不能高估企业家人际网络对情报的贡献,也不能低估大数据时代公开信息蕴藏的情报价值,以及员工头脑中的情报线索。企业可以尝试用以下方式确定情报来源:
1.通过互联网专业渠道获取。
大数据时代企业能够通过付费或免费方式,得到包括竞争情报、宏观经济、政策机会、标杆前沿的数据:
竞争情报:可通过电子商务网站获得竞争对手的产品、价格和营销策略,通过新闻活动、公开的企业专利库、企业信息库及时掌握竞争对手的情况;
客户数据:可通过电商网站、自身门户获得消费者从互联网或移动终端直接反馈的评价和建议;
政策机会:可通过国务院公报、各地方政府公布的产业政策、地方的规划细则、各地方产业园信息寻找机会线索,通过线索直接接洽获取更详实的情报。
外部环境:可通过国内外每月例行公布的经济数据、金融指数、产业运行的数据、海关数据等来预判未来的变化。
标杆企业:可通过招股书、年报、国外证券市场寻找国际标杆企业做法。
整体来说,中国企业对外部信息的和掌握程度很不充分,试错成本较高,一般都是边干边了解,随着政府数据公开度的改善,相信国内的数据公开亦会在改善。
2. 通过员工网络获取。
对于企业家已知的已知,公司每月通过报表体系进行分析汇总,得到更加量化的确认;对于企业家已知的未知,企业家过问也是能知道的;但是,对于未知的未知,企业家就没办法及时掌握了,除非触发了问题。
某信托公司一线员工,在和朋友聊天的过程中,得知一家担保公司B正在找反担保,细细追究担保原因,打听到是零售巨头M集团总部准备融资,正寻找担保机构。该员工没有能力接触到M集团,但他第一时间将这个项目情报反馈给了公司副总,该老总立刻动用自己的人脉资源,通过一银行行长约到了M集团的财务总监,面谈信托融资事宜。
企业内人人都是情报员,员工处于战斗的一线,能及时获取客户和竞争对手内部的人事变化、经营活动,比总部更了解当地的政策机会、市场特点。大量的信息都在各员工脑中,都是孤岛性质,没有公司层面的集成,很多情报已经被掌握,但是很难上升到部门层面,不利于企业更充分的决策。
企业可建立专门的激励机制和团队,集成公司内部情报信息,解决情报来源,激励机制的关键不光是奖金奖励,重点在于这些情报有合适的去处,才能产生价值形成激励,例如:
对新增销售线索的激励,集成市场情报,主要供销售部门使用;
购买各地竞争对手乃至国外同行产品进行体验和拆解,或搜集同行的专利申报情况,集成产品情报,主要供研发部门和市场部使用;
通过对各地市场和消费者的调研分析,集成市场情报,供市场、销售、研发部使用;
通过专业的职能岗位,跟踪科技前沿、同行专利创新、行业政策动态,供研发和企业家使用;
3. 通过对大量数据的分析挖掘获得情报。
企业通过自身的信息系统、门户网站、客服系统、电商平台积累了大量的历史数据,而目前企业亦可通过付费,购买电商的历史数据库。
数据本身不能反映出某些规律和信息,通过对大量数据的分析和挖掘,就可以发现意想不到的联系。
大数据时代的决策分析体系,是充分获取外部情报,充分挖掘数据提供决策依据的。在大数据时代,企业必将八仙过海、各显神通,搜集各种信息与情报,建立符合自身的决策体系。优秀的企业必将情报作为决策的重要依据,并建立常态化的机制,充分了解竞争对手情报,应对快速变化的外部环境,快速准确地做出各种经营决策
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29CDA 数据分析与量化策略分析流程:协同落地数据驱动价值 在数据驱动决策的实践中,“流程” 是确保价值落地的核心骨架 ——CDA ...
2025-08-29CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-28CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28PCU:游戏运营的 “实时晴雨表”—— 从数据监控到运营决策的落地指南 在游戏行业,DAU(日活跃用户)、MAU(月活跃用户)是衡量 ...
2025-08-28Excel 聚类分析:零代码实现数据分群,赋能中小团队业务决策 在数字化转型中,“数据分群” 是企业理解用户、优化运营的核心手段 ...
2025-08-28CDA 数据分析师:数字化时代数据思维的践行者与价值推动者 当数字经济成为全球经济增长的核心引擎,数据已从 “辅助性信息” 跃 ...
2025-08-28ALTER TABLE ADD 多个 INDEX:数据库批量索引优化的高效实践 在数据库运维与性能优化中,索引是提升查询效率的核心手段。当业务 ...
2025-08-27Power BI 去重函数:数据清洗与精准分析的核心工具 在企业数据分析流程中,数据质量直接决定分析结果的可靠性。Power BI 作为主 ...
2025-08-27CDA 数据分析师:数据探索与统计分析的实践与价值 在数字化浪潮席卷各行业的当下,数据已成为企业核心资产,而 CDA(Certif ...
2025-08-27t 检验与 Wilcoxon 检验:数据差异比较的两大统计利器 在数据分析中,“比较差异” 是核心需求之一 —— 如新药疗效是否优于旧药 ...
2025-08-26季节性分解外推法:解锁时间序列预测的规律密码 在商业决策、资源调度、政策制定等领域,准确的预测是规避风险、提升效率的关键 ...
2025-08-26CDA 数据分析师:数据治理驱动下的企业数据价值守护者 在数字经济时代,数据已成为企业核心战略资产,其价值的释放离不开高 ...
2025-08-26基于 SPSS 的 ROC 曲线平滑调整方法与实践指南 摘要 受试者工作特征曲线(ROC 曲线)是评估诊断模型或预测指标效能的核心工具, ...
2025-08-25神经网络隐藏层神经元个数的确定方法与实践 摘要 在神经网络模型设计中,隐藏层神经元个数的确定是影响模型性能、训练效率与泛 ...
2025-08-25CDA 数据分析师与数据思维:驱动企业管理升级的核心力量 在数字化浪潮席卷全球的当下,数据已成为企业继人力、物力、财力之后的 ...
2025-08-25CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22