业务分析技巧：利用您的数据来改进决策

已发表: 2022-03-11

许多认为他们是数据驱动的组织仍然处于第一档。您如何从简单地收集大量数据转变为设置业务分析功能，该功能实际上告诉您如何调整模型以提高盈利能力？

我们采访了 Toptal 的业务分析总监 Travis Anderson，以了解他关于在公司内建立中心职能、消除报告偏见、使用数据的重要性和潜在陷阱的见解和业务分析技巧。作为 Toptal 的业务分析总监，Anderson 领导的团队通过将业务战略与数据活动（即数据分析、报告、诊断分析和数据科学）联系起来，实现数据驱动的决策。

业务分析支持业务的所有职能领域，包括销售、营销、财务、产品、运营和人力资源。安德森带来了十多年建立和领导分析和工程团队的经验，以推动显着的业务增长，包括在 Vivint Smart Home、赛门铁克、杨百翰大学和他的初创公司 Mapline。他拥有杨百翰大学机械工程学士学位和硕士学位以及工商管理硕士学位。

业务分析的用途是什么？

根据 MicroStrategy 的 2020 年全球企业分析状况报告，业务分析使管理人员能够做出更好、更明智的决策，并可以通过帮助管理人员更有效地利用资源并最终优化底线来提高运营效率。

在 Toptal 的案例中，Anderson 确定了推动我们的业务和客户终身价值的四个核心原则：

获客：利用数据改善获客流程
扩大足迹：了解如何在地理上和现有客户群内推动扩张
留住客户：在客户旅程中找到消耗点
优化获取、保留和业务运营的成本

这四个原则也是企业衡量数据和业务分析投资回报率的一种方式。

Toptal 面临的主要挑战是什么？

孤立的分析

根据 Anderson 的说法，他加入 Toptal 时面临的第一个挑战是内部分析方法的转变。当时，大多数内部职能团队都在进行分析。大多数团队都有数据分析师，他们每个人都在做他们的数据工作，主要集中在报告、分析和趋势分析上。尽管存在数据文化并且直线经理在决策中使用数据，但设置效率低下。

每个团队都有不同的方法，这反过来意味着信息混乱。由于每个组都有内部数据功能，因此定义和 KPI 没有一致性。管理层讨论通常集中在和解上，这可能会分散注意力。由于定义不同，从数据中学到的知识有时会丢失。

报告偏差

分散的数据收集和报告产生的第二个问题是每个团队在呈现其数据时都有偏见。每个功能都在选择数据以最好地描绘自己。这种做法造成了注意力不集中和潜在的失控。

Anderson 着手对公司的方法和业务分析框架进行全面改革。 首要任务是创建一个中心功能：一个存在于业务线之外并用作控制点的卓越分析中心。一个中心功能确保数据的收集和分析是同质的，并且消除了报告偏差。

一旦该中心成立，就必须确保其配备适当的人员。首要任务是确定技能差距。要建立一个有效且具有影响力的团队，您需要具有扎实的技术技能、强大的解决问题能力以及商业头脑的人。

业务分析中心如何增加价值？

根据 Anderson 的说法，创建中央数据和业务分析功能的主要附加值是提高性能和降低成本。在企业随着时间的推移一致地衡量绩效之前，管理层很难显着提高绩效。

第一步是建立指标的一致性，并根据这些商定的指标量化目标。这具有激励员工的基本行为效应——正如安德森指出的那样，如果没有目标，你如何让员工受到激励？此外，任何量化指标都比没有好。在安德森看来，“如果你只开始衡量一件事，你就能看到真正的好处——要么因为你可以影响它，要么你可以看到它不相关。”

Anderson 的团队支持所有业务职能，并每周和每两周进行一次签到。工作的第一部分是确保收集正确的数据。这个集合服务于一个行为目标，以激励人们完成他们的工作并为他们的表现分配一个“分数”。

选择正确的 KPI

一旦收集到一致且高质量的数据，最大的挑战就出现了：评估每个业务部门的正确 KPI 是什么。评估从上到下开始。业务分析团队在数据中制定公司战略，以便选定的业务分析 KPI 在提供洞察力方面非常有用，并且在自上而下和业务层面都具有重要意义。

导致建立适当 KPI 的一些问题是：

关键指标是什么？
他们是财务吗？
它们是基于操作的吗？
团队衡量的框架是什么？
个人是否需要对实现特定目标负责？
他们将如何评价？

业务分析团队彻底了解业务及其战略至关重要。 在 Toptal，公司内部对组织的使命给予了大力支持。

利用完善的统计建模和预测对数据进行处理和研究。然而，重要的是要注意分析的输出不是决策，而是有助于做出更好选择的定量输入。归根结底，所有业务决策都是业务领导者的责任。通过迭代过程，利益相关者与数据和业务分析团队之间建立了伙伴关系。一旦做出决定，就需要数据来支持它。不仅如此，还会定期重新评估 KPI，以确保它们始终与公司的战略重点保持一致。

这个过程并不总是无痛的。有时，利益相关者之间可能存在摩擦，因为数据中有很多反馈。并非所有经理都同样接受这种反馈。安德森认为他的责任是提供易于理解的建议并教育高管如何解释从数据中提取的见解。

读取数据错误

安德森谈到了公司在数据收集和分析方面缺乏内部纪律时可能遇到的潜在不利结果。在之前的工作中，他遇到了一家企业，该企业拥有一个庞大的业务部门，该部门负责该公司的大部分收入。这个业务部门有几个销售代表，他们共同负责超过 2 亿美元的收入。然而，这个团队衡量其收入的方式与公司其他部门不同，并在单独的系统中报告。

在管理层变更期间，一位新高管未能意识到数据不一致并解雇了所有团队成员——他们从数据中获得了错误的洞察力，并认为团队表现不佳。该决定是根据 ERP 系统中的错误和不一致的数字做出的。它最终是一个 5000 万美元的错误。这个轶事清楚地说明了为什么主数据管理纪律至关重要，特别是对于正在进行并购整合的公司。

入门中的常见陷阱以及如何避免它们

Anderson 在开始探索数据分析的公司中遇到了两个典型问题。这些问题属于频谱的两端。首先，公司有时会采取大型举措来收集最终未被使用的完美数据。第二个问题是当公司由于数据质量差而甚至没有开始任何分析时。安德森在这里提供的关键建议是，即使数据不可靠，测量一些关键 KPI 也能提供有用的见解。这样做将使公司学习如何使输入更可靠。

更多数据总是更好吗？

虽然衡量正确的 KPI 至关重要，但值得注意的是，过多的数据（或不相关的数据）不一定更好。不集中的测量会混淆决策，并且可能会分散注意力。从一致且正确地测量几个但至关重要的数据点开始会更有效。

安德森团队的有效性是根据上述四个原则来衡量的：客户获取、足迹扩展、客户保留和成本优化。对于其中的每一个，影响都会被衡量和量化，从而为团队的工作提供投资回报率。如果团队做了很多分析但没有激发变革，那么它的工作就没有效率。归根结底，团队的成功意味着具有可衡量的影响力。

安德森的商业分析指导原则

安德森的许多见解可以在一些成功实施数据分析的商业分析技巧中得到提炼。

首先，这样一个团队的使命是通过量化的措施来改变高管的想法，并每天影响他们。这些将是通过持续迭代和改进产生影响的微小增量更改。

其次，业务分析团队提供的不是决策，而是可以指导高管的信息。企业领导者始终对公司的战略负责。

第三，业务分析功能的影响应该是可衡量的并具有投资回报率。

最后，从一组有限的业务分析 KPI 开始总比不测量数据要好。不仅如此，这个过程还在组织中创造了一种卓越的数据文化。正确执行此操作的公司将始终表现出色，即使最初在技术上很棘手，成本很高，并且需要改变文化。坚持并成功驾驭这一过程的公司往往会留住人才，表现更好，并促进问责制的企业文化。