【課程背景】

隨著大數據時代的快速來臨，整個社會經濟發展和企業信息化水平的不斷提高，數據化管理在企業經營管理營銷工作中的地位越來越重要。數據化管理不僅僅是簡單的軟硬件的堆砌，更需要營銷管理者掌握切實可行的數據管理與分析的科學方法，以應對愈加錯綜復雜的市場環境。

本課程首先介紹企業數據化管理的困境，隨后從數據質量、數據化管理意識、分析主題系統性、數據化管理人才等視角深入剖析數據化管理的種種困難和障礙，從數據的角度看管理的類型，介紹數據化管理的概念和內涵以及數據化管理的重要性。隨后介紹數據化管理的應用現狀、流程等，以大量的案例介紹企業數據化管理的應用以及應對策略。  

【講師簡介】

紀賀元 老師

復旦大學博士，長期從事數據分析、市場調查、EXCEL、SPSS、CLEMENTINE、eviews等方面的咨詢工作，國內知名數據分析專家。曾在上海貝爾、MOTOROLA、Lucent、新加坡比技公司等跨國企業擔任多項企業信息化、數據化、數據分析和挖掘的領導工作，主持和參與過十多項政府和企業數據分析和挖掘的項目與課題。

【課程大綱】

1.     企業數據化管理的困境

目前在國內，無論是大中型企業，還是小微企業，在數據化管理方面程度不同地都面臨著困境，具體表現如下所示，這些問題導致雖然企業人員尤其是中高層管理人員自身有著數據分析的需求，但是就是做不起來，達不到自己本身管理的目標：

（1）       數據質量不高甚至低下

（2）       企業人員數據化意識不強

（3）       分析主題零散并且模糊不清

（4）       缺乏專業分析實施團隊

2.     企業中的數據質量問題

巧婦難為無米之炊！由于種種原因，即使是大中型企業，也不同程度地存在著數據質量的問題：

（1）       什么是數據質量？

（2）       為什么企業的數據質量總是不高？

（3）       為什么我們很多企業不愿意在提升數據質量上加功夫？

（4）       如何有效地進行外部數據采集？

案例：中國工商銀行進行全國數據大集中工程

案例：東北某大型汽車整車廠利用內外部數據進行汽車庫存管理優化

3.     數據化管理的意識問題

這幾乎是數據化管理中的最頭疼的問題，很多企業人員尤其是基層人員數據意識淡漠，即使管理者反復強調，也往往效果不佳：

（1）       企業人員數據管理意識淡漠的原因何在？

（2）       管理者如何有效地提升企業人員數據管理意識？

案例：上海某藥企利用商務數據分析“頭對頭”的競爭關系

4.     分析主題系統性差

“重報表輕分析”這句話喊了很多年，但是實際上也反應出企業數據化管理的難點所在，報表相對比較簡單機械，而分析主題則變化多端：

（1）       數據報表和數據分析的差異

（2）       分析主題的復雜多變

（3）       元數據化和數據互聯互通的重要性

案例：江蘇某外企采用先進的報表系統實現基于“人機料法環”的生產管理

案例：上海某央企采用數據分析來降低物流成本

案例：某公路物流企業用數據分析來監控營銷成本數據

案例：浙江某大型企業對其經銷商進行基于多維度的分類管理監控

案例：天津某外企薪資福利和員工滿意度的相關分析

5.     專業分析團隊和能力缺失

數據分析和挖掘的人才目前總體來看處于供不應求的階段，一般企業中的數據分析的人才更少：

（1）       數據分析人員的工作內容

（2）       數據分析人員的判斷（錄用）標準

（3）       一般企業如何應對數據分析人才的缺口困境？

案例：杭州某外企建立數據分析團隊的困惑-如此昂貴的數據分析人員

6.     企業管理類型

企業時刻面臨著管理與決策，包括：

（1）    生產管理

產量、質量、運維等方面的決策。

（2）    營銷管理

定價、促銷、渠道、售后等方面的決策。

（3）    財務管理

企業投資、賬目、成本等方面的分析決策

（4）    人事管理

人才選育用留等方面的決策

（5）    供應鏈管理

采購、庫存等方面的決策

（6）    其他管理決策等

7.     數據化管理的概念和必要性

在大數據、人工智能盛行的今天，仍然有很多人認為數據化管理沒有太大必要，我曾經聽過多位高管說過“原來不懂統計、不怎么看數據，不也是一樣過過來了？”，不過時代不同了：

（1）    概念

建立在企業內外部數據基礎上的的管理決策系統。

（2）    內涵

數據化管理包括企業業務流程支撐、業務優化、決策支持等多個方面。

（3）    數據化管理的必要性

主要表現在競爭環境變得更加復雜、產品的生命周期縮短、更新換代加快以及互聯網時代企業管理的復雜度和難度加大等方面。

8.     數據化管理的應用現狀

（1）    企業業務流程支撐

這是目前企業數據化管理做得最成熟最好的部分，生產流程、營銷流程、財務流程、人事管理流程等都是依托相應的數據及其他管理流信息支撐起來的。

（2）    業務優化

業務優化目前沒有專門的綜合系統來支撐，但是利用歷史數據進行業務的優化現在已經開始普及，例如生產運維部門采用數據優化維護策略、營銷部門利用數據精確鎖定用戶、提高營銷效率等。

（3）    決策支持

利用數據進行決策支持，是數據化管理的最高階段。

9.     數據化管理的流程

（1）    企業管理需求收集

（2）    數據整理和匯總

（3）    數據化管理系統建設

（4）    依據數據進行業務分析和決策

（5）    根據管理中的問題進行閉環修正

案例：上海寶鋼利用數據化管理進行產品成本核算和產品質量提升

10.企業數據化管理的應用案例介紹

雖然數據化管理在我國企業仍然處于推進期，但是已經有了一些比較成功的應用案例：

（1）    阿里巴巴推進運營數據可視化

（2）    某車企采用歷史客戶數據進行“客戶畫像”分析

（3）    南京某外企設備運維數據的分類以及故障率分析

（4）    杭州某集團公司進行廣宣品的調配分析

（5）    ……..

11.一般企業數據化管理困境的應對策略

企業數據化管理工作是一個系統工程，需要政府、行業、企業等多方面的推進。對于企業而言，做好以下工作至關重要：

（1）  做好數據規劃工作

（2）  強化企業人員數據化管理意識

（3）  做好企業各種數據的長期積累

（4）  勿以善小而不為，從小的分析主題逐步發展

（5）  ……

12.小微企業數據化管理困境的應對策略

小微企業在各方面實力無法和大中型企業相比，但是如果實施得當，也可以比較好地進行數據化管理：

（1）加強數據的積累和稽核工作

（2）適當考慮IT系統社會化

（3）強化對微軟等小型系統的應用

（4）……