10张图，数据分析如何赋能业务
“数据助力业务”大口号喊了很多年，可一提到数据分析，人们习惯性的依然讲的是：Excel，Python，SQL，依然是数据清洗、数据计算、可视化。到底业务部门需要啥样的数据分析，很少有人认真讨论。今天我们就拿销售举个例子，具体看看到底啥样的数据分析有用。
让数据有用的秘诀
问一个简单的问题：你在用手机的时候，会去了解内存怎么运作，cpu怎么处理吗？不会！你只关心怎么开机，怎么最快速度打开游戏，畅快玩起来。对所有科技产品都是如此：用户关心的是对自己的价值，而不是这个东西本身的科学原理。
数据分析在企业里也是这样。虽然数据分析背后有数学、统计学、运筹学、计算科学、机器学习等等复杂原理，但是业务部门既看不懂，也不在乎。你简单告诉我：“干啥能出业绩”就行了。
特别是销售部门。销售部门每天直面客户，承担巨大压力。更没心思听道理。因此，想让数据对销售部门管用，首先要做的就是深入理解销售部门的流程，认真观察他们的实际困难（如下图）
需要注意的是，销售部门有自己的组织。只要企业有一定规模，销售团队的规模都很大，有不同业务线的区别（、各城市销售团队，线上销售等），有分城市/分团队管理机制。位置不同的人，关注的内容不同。因此要认真了解本公司的销售组织，才好区分高层、中层、基层的需求。
如何让数据对基层有用
一线销售是最辛苦、最累、压力最大的人。想象一下，自己每天无情挂断（说不定还骂两句）的推销电话，自己在商场里看都不看一眼的柜。是滴，一线销售就是每天顶着客户的白眼在努力推销。这时候他们最不需要的就是：销量，购买人数，客单价这种听都听不明白的指标。他们需要的是明确的动作指引：到底该咋做！
因此，想让数据对他们管用，就得认真拆解操作流程，看看到底哪些环节能帮上忙。比如拿举例，操作流程与潜在问题，可能长这样（如下图）
所谓：业务一张嘴，数据跑断腿。拆解完流程，了解痛点后，你会发现：没有一个高大全的销售分析模型，能一口吃下所有问题。比如最简单的：“我要先打哪个电话，再打哪个电话？”就可能涉及到：
•哪些客户价值高？
•哪些客户可能响应？
•哪个时间段响应率更高？
•哪些适合二次跟进？
单纯一个问题，可能需要好几个点的分析才能支持到位，并且需要经过数据计算，给到一个比随机拨打更高响应率的方案。这就需要数据分析在工作的时候特别有耐心，逐个攻坚问题。
有意思的是：虽然数据分析做了很多工作，但在面向一线输出的时候，要非常地克制：和一线无关的事情不要讲。比如：“我要先打哪个电话，再打哪个电话？”最后直接输出在话务员的拨打名单上，把优先打的排序摆在前边就好了。隐藏复杂过程，提升一线操作便捷度，才能让一线真正用起来（如下图）。
类似这样，对每个环节的问题进行认真梳理，能发现很多机会点，诸如：
1、提高拨打成功率
2、选择更有效话术
3、减少搜资料库难度
4、关联促销信息
每一个点可能都有2-3项数据分析要做，虽然做的辛苦，但是真刀真的提高一线成功率，比讲啥科学道理都管用（如下图）
如何让数据对中层有用
在面对外呼组长、城市经理、销售团队经理这些中层管理时，就得换个思路。作为中层管理者，拼刺刀级别的一线操作只是他们关心的一个环节。更多的工作，会放在如何定计划、如何组织工作、如何激励/约束下属上（如下图）。
注意：和忙的晕头转向的一线不同，中层管理者有时间坐下来，认真思考方案，看看数据的。但是在不同的时间节点上，他们留给数据的时间不一样。比如：
•具体到一天，可能只有晨会以前，有20分钟时间看看数据
•
•具体到每周总结的时候，可能有1、2个小时看一眼数据
•具体到每月总结汇报的时候，可能有半天在认真做ppt
因此，输出的数据成果要符合对方的工作习惯。就算有一大堆成果丢出来，也要很有节制的分场合输出，避免信息爆炸。时间短，就少看点东西；时间多，就多看点东西（如下图）
怎么做数据分析