業務分析技巧：利用您的數據來改進決策

許多認為他們是數據驅動的組織仍然處於第一檔。 您如何從簡單地收集大量數據轉變為設置業務分析功能，該功能實際上告訴您如何調整模型以提高盈利能力？

我們採訪了 Toptal 的業務分析總監 Travis Anderson，以了解他關於在公司內建立中心職能、消除報告偏見、使用數據的重要性和潛在陷阱的見解和業務分析技巧。 作為 Toptal 的業務分析總監，Anderson 領導的團隊通過將業務戰略與數據活動（即數據分析、報告、診斷分析和數據科學）聯繫起來，實現數據驅動的決策。

業務分析支持業務的所有職能領域，包括銷售、營銷、財務、產品、運營和人力資源。 安德森帶來了十多年建立和領導分析和工程團隊的經驗，以推動顯著的業務增長，包括在 Vivint Smart Home、賽門鐵克、楊百翰大學和他的初創公司 Mapline。 他擁有楊百翰大學機械工程學士學位和碩士學位以及工商管理碩士學位。

業務分析的用途是什麼？

根據 MicroStrategy 的 2020 年全球企業分析狀況報告，業務分析使管理人員能夠做出更好、更明智的決策，並可以通過幫助管理人員更有效地利用資源並最終優化底線來提高運營效率。

在 Toptal 的案例中，Anderson 確定了推動我們的業務和客戶終身價值的四個核心原則：

1. 獲客：利用數據改善獲客流程
2. 擴大足跡：了解如何在地理上和現有客戶群內推動擴張
3. 留住客戶：在客戶旅程中找到消耗點
4. 優化獲取、保留和業務運營的成本

這四個原則也是企業衡量數據和業務分析投資回報率的一種方式。

Toptal 面臨的主要挑戰是什麼？

孤立的分析

根據 Anderson 的說法，他加入 Toptal 時面臨的第一個挑戰是內部分析方法的轉變。 當時，大多數內部職能團隊都在進行分析。 大多數團隊都有數據分析師，他們每個人都在做他們的數據工作，主要集中在報告、分析和趨勢分析上。 儘管存在數據文化並且直線經理在決策中使用數據，但設置效率低下。

每個團隊都有不同的方法，這反過來意味著信息混亂。 由於每個組都有內部數據功能，因此定義和 KPI 沒有一致性。 管理層討論通常集中在和解上，這可能會分散注意力。 由於定義不同，從數據中學到的知識有時會丟失。

報告偏差

分散的數據收集和報告產生的第二個問題是每個團隊在呈現其數據時都有偏見。 每個功能都在選擇數據以最好地描繪自己。 這種做法造成了注意力不集中和潛在的失控。

Anderson 著手對公司的方法和業務分析框架進行全面改革。 首要任務是創建一個中心功能：一個存在於業務線之外並用作控制點的卓越分析中心。 一個中心功能確保數據的收集和分析是同質的，並且消除了報告偏差。

一旦該中心成立，就必須確保其配備適當的人員。 首要任務是確定技能差距。 要建立一個有效且具有影響力的團隊，您需要具有紮實的技術技能、強大的解決問題能力以及商業頭腦的人。

業務分析中心如何增加價值？

根據 Anderson 的說法，創建中央數據和業務分析功能的主要附加值是提高性能和降低成本。 在企業隨著時間的推移一致地衡量績效之前，管理層很難顯著提高績效。

第一步是建立指標的一致性，並根據這些商定的指標量化目標。 這具有激勵員工的基本行為效應——正如安德森指出的那樣，如果沒有目標，你如何讓員工受到激勵？ 此外，任何量化指標都比沒有好。 在安德森看來，“如果你只開始衡量一件事，你就能看到真正的好處——要么因為你可以影響它，要么你可以看到它不相關。”

Anderson 的團隊支持所有業務職能，並每周和每兩週進行一次簽到。 工作的第一部分是確保收集正確的數據。 這個集合服務於一個行為目標，以激勵人們完成他們的工作並為他們的表現分配一個“分數”。

選擇正確的 KPI

一旦收集到一致且高質量的數據，最大的挑戰就出現了：評估每個業務部門的正確 KPI 是什麼。 評估從上到下開始。 業務分析團隊在數據中製定公司戰略，以便選定的業務分析 KPI 在提供洞察力方面非常有用，並且在自上而下和業務層面都具有重要意義。

導致建立適當 KPI 的一些問題是：

• 關鍵指標是什麼？
• 他們是財務嗎？
• 它們是基於操作的嗎？
• 團隊衡量的框架是什麼？
• 個人是否需要對實現特定目標負責？
• 他們將如何評價？

業務分析團隊徹底了解業務及其戰略至關重要。 在 Toptal，公司內部對組織的使命給予了大力支持。

利用完善的統計建模和預測對數據進行處理和研究。 然而，重要的是要注意分析的輸出不是決策，而是有助於做出更好選擇的定量輸入。 歸根結底，所有業務決策都是業務領導者的責任。 通過迭代過程，利益相關者與數據和業務分析團隊之間建立了夥伴關係。 一旦做出決定，就需要數據來支持它。 不僅如此，還會定期重新評估 KPI，以確保它們始終與公司的戰略重點保持一致。

這個過程並不總是無痛的。 有時，利益相關者之間可能存在摩擦，因為數據中有很多反饋。 並非所有經理都同樣接受這種反饋。 安德森認為他的責任是提供易於理解的建議並教育高管如何解釋從數據中提取的見解。

讀取數據錯誤

安德森談到了公司在數據收集和分析方面缺乏內部紀律時可能遇到的潛在不利結果。 在之前的工作中，他遇到了一家企業，該企業擁有一個龐大的業務部門，該部門負責該公司的大部分收入。 這個業務部門有幾個銷售代表，他們共同負責超過 2 億美元的收入。 然而，這個團隊衡量其收入的方式與公司其他部門不同，並在單獨的系統中報告。

在管理層變更期間，一位新高管未能意識到數據不一致並解雇了所有團隊成員——他們從數據中獲得了錯誤的洞察力，並認為團隊表現不佳。 該決定是根據 ERP 系統中的錯誤和不一致的數字做出的。 它最終是一個 5000 萬美元的錯誤。 這個軼事清楚地說明了為什麼主數據管理紀律至關重要，特別是對於正在進行併購整合的公司。

入門中的常見陷阱以及如何避免它們

Anderson 在開始探索數據分析的公司中遇到了兩個典型問題。 這些問題屬於頻譜的兩端。 首先，公司有時會採取大型舉措來收集最終未被使用的完美數據。 第二個問題是當公司由於數據質量差而甚至沒有開始任何分析時。 安德森在這裡提供的關鍵建議是，即使數據不可靠，測量一些關鍵 KPI 也能提供有用的見解。 這樣做將使公司學習如何使輸入更可靠。

更多數據總是更好嗎？

雖然衡量正確的 KPI 至關重要，但值得注意的是，過多的數據（或不相關的數據）不一定更好。 不集中的測量會混淆決策，並且可能會分散注意力。 從一致且正確地測量幾個但至關重要的數據點開始會更有效。

安德森團隊的效率是根據上述四個原則來衡量的：客戶獲取、足跡擴展、客戶保留和成本優化。 對於其中的每一個，影響都會被衡量和量化，從而為團隊的工作提供投資回報率。 如果團隊做了很多分析但沒有激髮變革，那麼它的工作就沒有效率。 歸根結底，團隊的成功意味著具有可衡量的影響力。

安德森的商業分析指導原則

安德森的許多見解可以在一些成功實施數據分析的商業分析技巧中得到提煉。

首先，這樣一個團隊的使命是通過量化的措施來改變高管的想法，並每天影響他們。 這些將是通過持續迭代和改進產生影響的微小增量更改。

其次，業務分析團隊提供的不是決策，而是可以指導高管的信息。 企業領導者始終對公司的戰略負責。

第三，業務分析功能的影響應該是可衡量的並具有投資回報率。

最後，從一組有限的業務分析 KPI 開始總比不測量數據要好。 不僅如此，這個過程還在組織中創造了一種卓越的數據文化。 正確執行此操作的公司將始終表現出色，即使最初在技術上很棘手，成本很高，並且需要改變文化。 堅持並成功駕馭這一過程的公司往往會留住人才，表現更好，並促進問責制的企業文化。