讓數據分析先知先覺

黃偉強

快消品行業是一個涵蓋食品飲料、農副產品、家居衛生、日化用品、時裝乃至奢侈品等的廣泛市場，雖然面臨著價格競爭、消費者忠誠度低、產品市場碎片化、運營效率提升慢、系統老化和員工管理滯后等復雜挑戰，但身處這個行業中的企業能夠在日常運營中收集到海量消費者數據——這是一筆巨大的財富。越來越多的快消品企業已經意識到，在擁有大數據的基礎上，強大的數據分析能力是令自身脫穎而出的關鍵差異化因素，未來優勝者往往就是那些利用行業天然優勢，善于用數據車輪驅動競爭策略的企業。我們觀察到，一些領先的快消品企業在運營總部設有“作戰室”，實時監測銷售等經營數據，就像寶潔公司（P&G）著名的“業務水晶球”（Business Sphere）電視墻那樣，通過大屏幕上關鍵績效指標的圖形化呈現，隨時為新的市場決策提供依據。

然而，埃森哲在最近開展的一項針對快消品行業的研究中發現，盡管很多企業紛紛投資于跟數據挖掘和分析相關的人才、工具、數據和系統，它們卻很難從這些時髦的投資中獲得最大價值，其中的重要原因在于，企業尚未采取上下協調一致的策略，同時缺乏清晰的運營模式為數據分析提供支持，這體現在以下三個方面：

第一，雖然快消品行業對數據分析的使用率正在迅速提高，但多數企業目前仍處于應用數據分析的初期階段。也就是說，大多數快消品企業在將數據分析納入決策和運營核心領域方面進展緩慢，這大大限制了它們通過數據分析獲得商業優勢。

第二，很多時候企業有關數據分析的投資項目過于零散，相互間沒有得到很好的協調，同時也缺乏全局視角和運營模式為數據分析提供有力支持。這樣的狀況往往導致數據分析能力彼此孤立、重復、收效甚微，同時數據分析人才也無法充分施展才干，最終結果必然是投資回報非常有限。

第三，很多快消品企業的數據分析能力還僅僅停留在描述問題、說明問題的層面，尚未具備預測能力。也就是說，目前企業只能對已發生事件進行“事后諸葛亮”式的描述，而無法獲得前瞻性的洞見，當然也就無法據此做出完善、可操作的管理和戰略性決策。

快消品企業如何真正發揮數據分析的作用并從中受益？我們認為，關鍵在于企業要在內部明確協調一致的數據分析戰略，建立相應的運營模式為數據分析提供支持。同時，企業必須樹立結果導向的理念，重點關注如何把數據分析與企業決策、行動以及提高經營業績緊密聯系在一起。為了實現這一目標，企業在建立支持數據分析的運營模式時，必須具備以下三個關鍵要素。

“價值優先”法則

所謂“價值優先”，就是著眼于整個企業在競爭中最急需解決的問題，投入資源開發最能帶來回報的解決方案。

過去，快消品企業通常在單獨的職能部門內發展數據分析能力，各自為政。因此，數據分析的工作重心和投資都圍繞特定的職能需求進行，而非涵蓋整個企業的廣泛需求。這一做法往往導致大量重復工作，并最終將分散各處的預算耗費一空，而得到的回報卻非常有限。

相比之下，能通過數據分析創造業務價值的企業，通常會從確定數據分析愿景和企業全局戰略著手，對機遇優先排序，首先抓住高價值、備受關注、能快速收效的數據分析機遇，創造可測量的收益。這類項目不僅可以產生強勁的推動力，還能在企業層面將各種需求匯聚在一起，從而幫助企業為隨后開展的數據分析項目提供資金支持。

例如，白酒行業中就存在通過數據分析創造業務價值的企業。洋河股份（蘇酒集團）通過自主研發的“洋河1號”App及“洋河1號”微商城平臺展開數據分析，消費者在App、微商城上或者通過服務熱線95019下單，體驗30分鐘貨到付款的類即時購物體驗。通過收集到的數據，企業可以更精準地對消費者進行定位，從而更易于找到目標消費者。同時，通過互聯網實行“預售”模式，在生產商品之前，企業先接受消費者的個性化定制，再下單生產，把有個性化需求的顧客集聚起來，從而創造了一個覆蓋全國超8億人口的半小時白酒銷售配送生態網。洋河正是抓住了“洋河1號”App和“洋河1號”微商城這些能快速收效的數據分析機遇，搭建起從賣家到消費者的直接溝通渠道，從而創造出更完美的消費體驗，為整個白酒行業轉型升級提供了前進動力。

此外，成功的企業還會將數據分析與業務成果直接聯系起來。例如，知名調味品企業味好美借助Enterra Solution公司的“認知推理平臺”，建立了一個名為“口味指紋”的顧客交流網站，請消費者對一系列調味品口味打分，從而了解他們的口味偏好，并據此形成獨特的口味偏好檔案。如果消費者提供了烹飪偏好、烹飪設備或餐具等更多信息，還可以獲得關于烹飪菜單和個人產品的建議。對消費者來說，他們只是據實相告，可是將這些數據匯集在一起，就創造了大量有關個性化口味的數據價值——這幾乎是所有人都能強烈感覺得到卻很難量化或具體化的數據?？墒菍ζ髽I來說，了解消費者的口味偏好有助于形成準確的市場洞察和產品決策，最終提升服務能力。

組織架構綱舉目張

企業一旦確立了數據分析愿景，并顯現了數據分析的價值，接下來要做的就是建立相應的組織和治理架構，在整個企業范圍內支持數據分析的規?；瘧?。合適的架構能幫助企業建立數據分析創新文化，并將資源和戰略目標對應起來，從而制定出有效的流程和標準。

此外，建立合適的組織架構還有助于企業將數據分析融入決策過程，這也是目前多數快消品企業所欠缺的。我們的研究顯示，盡管62%的受訪企業認為數據分析有利于更快、更有效地做出決策，但只有25%的企業能夠依靠基于數據分析獲得的結果進行決策。企業架構如果設計得當，數據分析就能幫助企業在行動點上做出實時決策，而不是依賴于老套陳舊的業務報表進行匯報和分析。

設計這一組織架構的關鍵在于，能夠支撐高效且全面的數據分析型運營模式。我們的調查發現，只有54%的受訪快消品企業管理者表示，公司已擁有非常明確的數據分析型運營模式，40%的受訪者表示只部分定義了自身的數據分析型運營模式，還有14%表示尚未部署這種模式。

澳大利亞一家大型銀行起先成立了數據分析團隊，以期為業務發展提供數據分析服務。然而，由于沒有建立起合適的組織架構，此舉非但沒能有效發揮數據分析的作用，還增加了額外的人力成本。這家銀行隨后調整了組織架構，逐步演進到運用集中化數據分析團隊和跨職能的卓越中心相結合的方式，從而能夠根據業務需求來調整數據分析服務的規模。該銀行的組織結構演進分為三個階段。第一階段長達一年。該銀行建立了集中化的數據分析部門提供基本的分析服務，如建模、數據解說以及提供基本的建議和見解。第二階段，該銀行成立了跨職能的卓越中心，花了半年時間為數據分析專家提供業務和行業相關的知識基礎，使得他們能就企業如何更好地識別消費者或行業的發展趨勢，提供深刻見解并參與業務預測的優化。第三階段，該銀行把精力放在了內部培訓和流程調整上，確保數據分析得出的洞察能有效應用在銀行日常的業務決策中，并建立了一個全新的流程來鼓勵和獎勵數據分析在整個組織中的應用。

繪制人才藍圖

落實并維持企業范圍的數據分析，離不開優秀的數據分析人才。在這方面，目前企業面臨著兩大艱巨挑戰。一是如何找到足夠的數據分析人才。埃森哲卓越績效研究院的研究發現，10名合格大學畢業生里，只有1名接受具體行業分析的職位，而在這些人里，多數投奔了投資銀行、咨詢公司或軟件企業。二是企業并不知道如何讓數據分析專家充分施展才能。我們的調查發現，只有5%的快消品企業所雇用的數據分析專家，從事了開發和應用先進數據分析理念的工作，而62%的企業中的數據分析專家只是在制作報告和圖表，或者尋找和解釋數據來源。

快消品行業所需的數據分析專家，不僅要具備高超的數據分析能力、扎實的數據挖掘技能，以及深刻的洞察力，還要能夠為管理層提供有價值的見解。也就是說，這些數據分析專家必須能夠深刻理解消費品行業的動態和發展趨勢、客戶的需求與行為以及內部業務流程；他們還必須掌握所有形式的數據，并不斷地利用這些資源推動業務發展。最優秀的數據分析專家還需具備企業家的心態以及充滿創造力的好奇心。

在招募和培育數據分析人才方面，谷歌的經驗值得借鑒和推廣。谷歌采用“70-20-10”法則：員工在日常職能上花費70%的工作時間；同時每周投入一天時間參與其他項目，以拓展有益于公司工作的其他技能；再有每周半天時間用于探索產品和業務創新的點子。這種做法不僅幫助谷歌從公司內部培養出數據分析人才，而且吸引了這一領域的大量優秀人才。

同時，對許多企業來說，在缺乏數據分析人才的情況下，外部采購“數據分析服務”也是不錯的選擇。企業可以通過本地采購或離岸采購的方式，讓外部的數據分析專家為其貼身服務。這種戰略有助于企業根據需求選配各類人才，幫助他們快速將資源需求和業務重點對接起來，同時還可以節省可觀的成本。

盡管快消品企業已經將數據分析提上了管理者的議事日程，但多數企業在數據分析上獲得的投資回報少得可憐。通過采取以業務成果為導向的、基于價值的方法，企業可以實現快速收益，從而推動數據分析的發展。借助這一勢頭，快消品企業可以進而制定和實施整個企業范圍內的數據分析架構和人才管理戰略，充分發揮數據分析的能力，甚至為全面的數據分析發展提供強有力的資金支持，轉型為分析驅動型的高增長企業。