做好公司各部门数据报表支撑的几个简单思维

越来越多的数据，越来越多的需求，越来越多的不满意。

现如今，大数据的概念已经相当普及，从管理层到基层，都知晓“数据辅助决策”的重要性。越发重视，也越多需求。导致数据部门常常会陷入一种“夹缝”的状态：

• 数据月累越多，需求越来越多，部门内部疲于应付
• 提供了数据，但仍然无法各方需求，内部怨言层出

如何做好面向全公司的数据支撑，哪怕只是简单的报表提供，其实也是一件复杂且考验思维逻辑的事。

作为曾经一度深受其害的分析人，本着吐槽加总结加吹牛的原则，汇总下我在梳理并重新规划公司数据支撑体系时的一些思路，纪念下曾经看指标看瞎的某年5月。

1、管理思维：数据支撑体系不仅仅是指标体系，应该是更开阔的管理逻辑

你以为你只是在整理数据吗？NO,NO,NO,数据的提供和展现都是围绕经营的，你展现的应该是整个公司的经营结果和经营方法。

一旦想清楚这个问题，你就知道你的数据体系必须要和公司目前的经营状况和当前工作方向紧密联系，所以你的数据方向也就呼之欲出了：

数据方向一：公司目前的基本情况是怎样？——营收、利润、活跃用户规模、行业份额……

数据方向二：公司目前发展竞争形势是怎样的？—— 新增份额、净增份额，用户保有率……

数据方向三：应该目前形势，公司需要抓住的用户群来源在哪里？——各渠道新增用户价值转换率、各渠道用户价值分层、各渠道投入产出比、会员渗透率、存量用户重复购买率……

数据方向四：应该目前形势，公司推出的主要产品是哪些？—— 主要产品销售达成率、主要产品渠道渗透率、主要产品重复购买率……

数据方向五：应该目前形势，公司采取了哪些管理方法和管理工具？—— KPI体系、渠道经理管理指标体系、客户经理管理指标体系、各渠道酬金体系、OA系统、EPR系统……

在梳理过程中，你会发现你需提供的已经远不只是经营结果那么简单，已经包括各种管理和执行数据。

2、简化思维：数据不是越全越好，主次突出，重点聚焦是王道

确定好数据的大方向后，接下来便是细化分析每个数据方向的具体指标体系，以及确定往下衍生的程度。

这个时候，最容易犯的错误便是开始把所有用到的、想到的全部罗列并设计进去。

其实事实上，一味强调广而全，不仅会让执行者无法聚焦工作重点，而且会让数据部门自身工作量大增，吃力不讨好。

所以，在明确数据需求的大方向基础上制定详细的数据体系时，一定要时刻提醒自己，重点是什么？

一是不同的指标，要有重点

比如，在用户发展指标体系中，如果行业份额较小，以拓展为主，那除了新增份额、净增份额常见指标外，新增抢夺指标方面需往下衍生新增用户存活率、浏览用户转换率、新增用户价值分层等细化体系，保有指标设计则相对简单。

而如果行业份额已经较大，以保有为主，那新增相关指标则相对可以简单，而保有指标除用户保有率、会员活跃率等常见指标外，还需往下衍生合约捆绑率，会员忠诚度、积分计划活跃度等指标。

二是相同的指标，要有侧重

同样以用户保有指标为例，用户保有率和用户流失率其实是同样作用的指标，一方面是选择其一即可。另一方面是，选择哪个，其实放到实际使用中，会有微妙的差别。

如果采用用户保有率指标，往下衍生是业务层面的合约捆绑率、用户活跃率、会员渗透率等积极导向指标，注重营销执行。如果现在用户流失率，往下衍生是用户触店但无消费率、用户沉默率、用户直流流失率、流失用户画像特征等，导向为预警关怀。

三是指标往下衍生的程度，不需要过于复杂

一般而言，过程三级，执行三级，就已经足够定位问题及全面展现情况。

3、逻辑思维：不仅仅是分类，更是呈现数据内部的关联

1、数据选择逻辑

为什么提供给部门一项数据之后，部门往往会马上提出另一个数据需求？其实这就是数据部门正在试图寻找某个数据背后的原因及可能。

在设计报表支撑体系过程中，不仅仅只是分类，而应该考虑到指标间的联系，在设计过程中就想到数据使用者看到这个数据会想要其他哪些数据来探究原因？

我常用的是“结果指标——过程指标——执行指标”三层逻辑结构。结果指标由过程指标决定，而过程指标由结果指标决定。

这种逻辑不仅在经营数据上适用，在管理指标上同样适用，比如KPI体系是结果，渠道任务目标管理系统是过程，渠道经理/客户经理监督体系是执行。

2、数据呈现逻辑

确定好指标内容和指标逻辑后，就是数据呈现了。这个方面，我觉得“jiago 王佳东fr”在他的专栏“撩撩数据吧”总结的已经比较详细了，其实总结就是利用“分析报表—管理报表——基础查询报表”三种层级展示，实现从宏观到微观，从上而下定位问题的呈现逻辑。

对于我而言，我常设计的方式是在“分析报表—管理报表”维度上，以主题为维度设计全报表。这样可以直接从分析报表找到该主题发展短板，从管理报表上找到导致该短板的主要原因，最后才去看清单报表。