下载掌阅APP，畅读海量书库
立即打开
第1章
柔美的乐曲在空中缭绕，在诱人的花香中、亲人的见证下，王贤挽着贾健的臂弯，步入了庄严而神圣的婚姻殿堂。当手中的蜡烛燃起时，面对摇曳的烛光，王贤的思绪开始跳跃。
硕士毕业后，王贤先是在北京一家数据分析公司工作了6年，担任专项研究部研究主管，之后又在互联网公司工作了4年，担任数据管理部的研究总监。
很多人向王贤投来敬羡的眼光，王贤却无限感慨：我从事的是光鲜背景下的苦逼行业啊！为舒缓工作压力，她还在自己的博客上编了一首词《江城子·数据人》。
十年生死两茫茫
数据人，忙忙忙
良辰美景，平添我凄凉
一天早晚闲不住
调研急
报告狂
夜来思路忽闪现
寻笔记
怕遗忘
需求多变
改改又何妨
料得午夜加班时
听家人
鼾声响
本来是写着玩的，却给王贤带来了一段意想不到的恋情。
新荣集团董事长贾健想做博客营销，误打误撞打开了王贤的博客，看到了这首词觉得有趣，就给王贤发了私信。出于礼貌，王贤回了私信。然后贾健又发，王贤又回，来来往往，感情就在指尖上萌芽了。接着线上聊天就发展到线下见面、约会、见双方父母、订婚。两年后，王贤博客上的标签由“忙碌的剩女”变成了“待嫁的新娘”。
请新郎、新娘用手中的蜡烛共同点燃这根同心烛！
牧师的声音将王贤从回忆中拉回来，她和贾健把同心烛点燃。
牧师接着说：你们手中的蜡烛代表各自的生活轨迹，而同心烛则代表两人新生活的开始，现在，你们熄灭手中代表自己的蜡烛，从熄灭时刻起，你们要为彼此着想，而不能只顾自己，要有共同的理想，共同面对欢乐与悲伤。
王贤想起了婚前的一幕。贾健拉着王贤的手说：小贤，不要再为工作而奔劳啦，结婚后我负责挣钱养家，你负责貌美如花！
王贤吹灭了手中的蜡烛，望着贾健，默默地想：老公，你这么心疼我，我会好好地持家，做你的好媳妇。
婚后的生活并没有想象中那么简单，虽然王贤把家打理得井井有条，却难见贾健的笑容。贾健每天早出晚归，回到家就把自己关在书房里，愁眉不展。
王贤决定和贾健好好谈一谈。
这天，王贤走进贾健的书房，递给他一杯热牛奶：老公，看你每天这么辛苦，我好心疼。最近你总是闷闷不乐的，能跟我聊聊吗？或许我能帮上什么忙。
贾健放下工作，拉起王贤的手：小贤，本来不想跟你说，怕你担心……
王贤用食指轻轻地点了一下贾健的脑袋，嗔怪道：老公，你忘了，我们说好的，有问题要一起分担的。到底发生了什么事？
贾健长叹了一口气：是工作上的事。这段时间市场不景气，我听到我们好几个同行转型失败，赔了老本，宣告破产了。我现在越来越觉得做决策就是在走钢丝，稍不留神，就可能跌入万丈深渊。小贤，我是不是老了，我发现最近在一些关键问题上我总是优柔寡断的！
王贤摇摇头：老公，你不是优柔寡断，是更谨慎了。以前你的船小，需要的是对机会的敏锐嗅觉和迅速挺进，即便决策有失误，也容易调整。现在你的船越做越大，这时候若决策失误，船大难掉头。所以谨慎决策是对的。你刚才提到关键问题，能告诉我具体是什么吗？
贾健：最头疼的是做战略决策。你知道，新荣集团的核心业务是彩电，但现在彩电市场竞争越来越强，利润越来越薄。我们不想在低利润下拼成本了，拼得太辛苦，又没多少钱赚。我们打算做战略转型，但往哪个方向转，还定不下来。现在有这样几种方向：
第一，开发新市场。现在彩电在城市的渗透率已经超过140%，所以我想开发农村市场。
第二，开发新产品。现在显像管电视没啥市场了，液晶电视和等离子电视也逐渐普及，而在3D融合背景下，网络电视将会成为彩电产业中的潮流和新贵。所以我想做网络电视。
第三，建立面板生产线。我们做彩电的总受制于上游面板提供商。面板基本被日韩等国垄断，买面板，我们没任何议价能力，只能乖乖就擒，赶上面板荒的时候，有钱也买不到。所以我想，如果继续做彩电，就需要自己建条面板生产线。
第四，开发小家电产品。彩电、冰箱、空调这些大家电的利润不及电饭煲、电磁炉、空气加湿器这样的小家电，而小家电技术上也更容易实现，同时小家电与我们现在做的彩电具有一定的关联，毕竟都是家电这一块，可能对现有的顾客会有一定的诉求力，所以我想，还可以考虑开发小家电产品。
第五，投资房地产。现在很多企业都在积极开发房地产项目，获利颇丰，我们也在盘算，是否要进入这个领域。
王贤一边听，一边在本子上涂来抹去。
贾健话音一落，王贤就抬起头：老公，我画了几张图，可以帮你梳理梳理思路。
贾健把脸凑过来看，惊叹道：哟，画了这么多图！没看出来，我家小贤还有艺术细菌呢？
王贤扬起眉毛：我不仅有艺术细菌，还有分析细菌呢！我来帮你分析分析。你现在面对的是企业成长战略选择的问题。企业成长战略有四种，可以用你看到的第一张图（图1-1）表示，这张图叫做产品-市场扩展矩阵，它可以概括你刚才所说的战略决策的五种备选方案。
图1-1 产品-市场扩展矩阵
贾健一边看图，一边琢磨：
· 开拓彩电农村市场——市场开发
市场从城镇转移到农村，市场变了，但产品不变，所以是市场开发。这个没错！
· 做网络电视——产品开发
这是增加彩电上网的新功能，市场不变，但产品变了，所以是产品开发。这个也没错！
· 建面板生产线——垂直多元化
向彩电价值链上游发展，产品和市场都变了，垂直多元化。这个没错！
· 生产小家电——水平多元化
小家电是与彩电相关的业务，虽然产品不同，但现有市场对小家电来说仍具有一定诉求力，同时又不完全重合，所以是水平多元化。这个也没错！
· 房地产开发——综合多元化
房地产和现有彩电业务没有任何关系，需要另起炉灶，是综合多元化。这个也没错！
贾健点头称赞：小贤，概括得真不错！
王贤歪着脑袋：当然啦！如果进一步概括，这四种成长战略又可分为两类，多元化单独归为一类，其余三种为另一类。相对于多元化而言，其余三种都是密集成长战略。
贾健摸着下巴问：类别分的倒是清晰，可它对我有什么用呢？
王贤嘟起嘴说：当然有用啦！要做战略决策，就是要选择方向。而选择方向，就要知道不同方向的区别。我的分类就是在帮你找区别。区别知道了，结合自身特点就可以选择了。
比如，你在现有的彩电市场中份额尚低，可考虑密集成长战略；如果已占有很大的市场份额，则应寻求多角成长战略，因为此时再增加份额，边际效益递减，得不偿失。
再比如，彩电行业是一个高速成长的产业，应寻求密集成长战略；相反，如果已发展到成熟期，则应采取多元化成长战略。
此外，如果彩电市场很依赖供应商或渠道商，则应采取向上下游链条延伸的多元化战略。
贾健若有所思：你刚才提到了很多点，包括市场份额、增长潜力、产业链，这些点对于战略选择都很重要，但似乎不太全，也不够系统，有没有系统一些的选择思路呢？
王贤指着第二张图（图1-2）说：老公，你看这张图是不是更系统些呢？这张图的思路是，做战略决策要看两点——方案吸引力和企业匹配度。方案吸引力回答备选方案好不好，值不值得去做的问题。企业匹配度回答企业实力强不强，能不能做得了的问题。只有方案与实力相匹配，才是有效的战略决策。
图1-2 战略决策分析思路
如何判断方案的吸引力呢？每一个方案都不可能是尽善尽美的，但是只要机会高于威胁就值得试一试。机会和威胁来自于哪里呢？很多。比如宏观环境、市场特征、用户行为等，这些因素具有双重性，可能是机会，也可能是威胁，需要具体分析。例如，对于显像管电视来说，生命周期就是威胁，因为显像管电视已经步入衰退期。而对于网络电视来说，生命周期就是机会。因为网络电视正处于成长期，有很大的市场潜力和成长空间。
如何判断企业的匹配度呢？需要分析企业优势和劣势。优劣势是相对于竞争对手而言的，因此要做竞争对手分析；同时企业优劣势也要适应用户需求，因此要做用户偏好的分析。
贾健边听边点：嗯，到位！那按照这个思路具体是如何分析的？又能得出什么结果呢？
王贤指着第三张图（图1-3）：老公，这是具体的分析过程。针对你提到的五种方案，从方案吸引力和企业匹配度两方面衡量。这两方面又分出细化的指标。指标确定后，就可以基于目前所掌握的数据资料，结合定性和定量方法，得到各个指标的权重，然后……
图1-3 战略决策分析过程
等等！——贾健示意暂停，然后拿起第三张图，又看了看第二张图，满脸疑惑地问道：为什么这两张图的选择依据不一样呢？第二张图的选择依据貌似更多些。
王贤：第二张图是穷举法，我能想到的都列出来了。而第三张图是模拟企业实际情况。在实际工作中，到底选择哪些指标作为依据，各指标的权重该如何确定，需要根据企业自身的特点确定，最好把管理人员和骨干的营销人员聚在一起，用头脑风暴的方式找到适合企业的指标并确定这些指标的权重。例如，你是大企业，规模经济是你的优势，那市场规模就是你选择方案的重要依据；如果你是中小企业，你就会更关注竞争，因为竞争太激烈了，你可能无法存活，所以竞争强度就是你选择方案的重要依据；如果你打算做风险投资，你可能会更看重方案的成长前景。因此，企业不同，发展水平不同，关注点不同，所选择的指标就不同。要确定符合你自己的指标体系，需要内部充分讨论，最终达成一致。
贾健茅塞顿开，连连称赞，伸出右手，示意继续。
王贤：确定了指标和相应的权重，然后就要对方案在各个指标上的表现打分。
打分采取百分制，比如小家电方案的市场销售额为500万元，市场规模得分为60分。
接着以指标的权重为权数，对方案的表现加权平均，算出各方案在吸引力与企业匹配力两个方面的综合得分。例如，小家电的方案吸引力的综合得分为44分，企业匹配度的综合得分为49分。根据方案的综合得分，就可以做出选择了。
王贤边说边翻到第四张图（图1-4）：老公，你看按照第三张图（图1-3）的虚拟数据，你前面提到的5个方案就都落到了GE矩阵里了。
图1-4 GE矩阵
贾健把王贤搂在怀里：亲爱的，你思路怎么这么清晰呢？太令我刮目相看了。
王贤从贾健怀里挣脱出来，羞红了脸：人家做数据分析也有10年了，思路当然清晰啦。
贾健：思路的确很重要，刚才听妻一席话，胜读十年书。可是我是不太清楚，这个分析在技术上是如何实现的，比如，你是怎么对各个方案的表现打分的呢？
王贤：老公，你说得对。分析工作具有很强的专业性。比如，你要想对面板生产线方案合理打分，就需要准确估算面板生产线的市场规模，为此需要跟踪它的以往规模、类比相关产业、分析关键影响因素、预测未来发展前景。而要做这些事情，需要有专门的分析部门对你们现有的数据资源进行整合，根据你们的决策需求提出分析思路，开展市场调研，对各类数据进行处理、加工、分析、挖掘。只有这样，思路才更清晰、数据才更可靠、分析才更严谨，才能真正为你的决策提供落地的帮助。
贾健：有点道理。但要建立专门的分析部门，就会产生开支，如果只是支持战略决策，似乎不值当，因为我们不常做战略调整，这次战略调整一旦确定，基本就不太会变了。所以，自建分析部门，成本是不是太高了？倒不如把分析外包给第三方。
王贤：外包是个办法，如果需要，我还可以帮你联系一下我以前工作过的数据分析公司。但我觉得，到底是外包还是自建，取决于你们公司对数据分析的需求程度到底有多大。咱俩谈到战略，就发现战略需要数据分析。事实上，除了战略，投资和营销也需要数据分析。
贾健瞪大眼睛：数据分析还能支持投资和营销吗？
王贤：对呀，不信你再说说你在投资和营销方面遇到的问题。
贾健：那我就说说我一个朋友在投资上的困境吧。现在他在一个房地产项目上举棋不定。他已经在北京顺义的一个镇拿下一块地，打算做高端住宅。但是，他现在有两个困惑：
第一，不知道这个房产项目该如何定位。价格定多少？目标用户是谁？销量能否消化？项目怎么设计？第二，不知道如何评估这个项目的投资价值，做下来到底是赚了还是亏了？
王贤想了一会，突然一拍大腿说：有了！我之前看过一个叫‘数据小宇军’的新浪博客，其中有一篇博文好像就在讲这个事儿，等一下，我找找看。
说时迟那时快，王贤拿起手机神速滑动屏幕，5秒钟就把一篇名为《市场定位案例分析》的博文呈现在了贾健的眼前。博文主要内容如下。
1. 市场定位的思路
回答两个问题（图1-5）：市场定位解决哪些问题？为解决这些问题要研究哪些内容？
图1-5 市场定位的思路
2. 市场定位的案例
（1）案例背景
塘下镇是温州瑞安的一个强镇，紧邻规划中的新城中心。瑞鸿置业现拿到塘下镇12万平方米的地块，欲建住宅房，面临住宅房定位问题（图1-6）。
图1-6 房产项目的地理位置
（2）案例分析
问题一：价格定为多少（图1-7）？
图1-7 价格定为多少
问题二：目标用户是谁（图1-8）？
图1-8 目标用户是谁
问题三：销量可做多大（图1-9）？
图1-9 销量可做多大
问题四：产品如何设计（图1-10）？
图1-10 产品如何设计
贾健把博文中的每张图都仔细地品了一遍，然后感慨道：这个案例太给力了，它至少有三个方面值得我借鉴。
第一，系统切入。它提出了市场定位的4个关键性问题，这些问题与我不谋而合，可谓英雄所见略同。但它还胜了我一筹，我只停留在提问阶段，它已找到答案，而且给出了寻找答案的原则——企业战略目标与所生存的环境条件要匹配。后面的分析都贯彻了这个原则。
第二，充分调研。充分的调研是它明确市场定位的有效路径。从它对定位问题的解答中不难看出，它在当前的房价水平与趋势变化、楼市的供求关系与政府导向、居民的消费偏好与置业能力等方面均有调研，真正做到言之有据。
第三，深入分析。深入分析应是不仅能指出发生了什么事，还能分析出为什么会发生，会产生什么影响，应该怎么办。这个案例做到了深入分析。比如分析价格时，它指出居民的心理价位为15000～23000元/平方米。这是指出发生了什么事。然后它分析心理价位的表现和原因，得出支撑高价位的两大要素——旺盛的购买欲望和强劲的购买力。这是分析为什么。接下来它指出居民的攀比心理对于这个项目是一把双刃剑，既让居民愿意出高价，又让居民因为塘下是乡下而不愿选择这个项目，这是分析会产生什么影响？最后它借鉴其他楼盘营销的经验和教训，建议把这个项目打造成国际化样板生活社区的形象。这是指出了该怎么办。
王贤连连拍手叫好：外行看热闹，内行看门道。老公，你看出不少门道，可以出徒啦！
贾健谦虚起来：我是眼高手低呀，真让我去做，我还真难做得来。怎么搭建思路，怎么设计调研，还真是门学问。市场定位也离不开数据分析，这点我认同了。
王贤趁热打铁：投资也离不开数据分析！当你投资某个项目时，肯定是期望收益越高越好，风险越低越好，所以你需要分析项目的收益和风险（图1-11）。
图1-11 投资项目评估
如何分析收益呢？需要基于现金流量表计算出NPV、IRR、PI等经济评价指标，只有当这些指标满足图1-11所示的条件时，项目才可行。
如何分析风险呢？需要回答3个问题：风险是什么？风险对项目影响程度有多大？风险发生的概率有多大？对应的分析方法分别是盈亏平衡分析、敏感性分析和概率分析。
贾健听得云山雾罩：你说了一堆专业词汇，我没听懂。我只关心，投资数据分析是不是真的能帮我找到机会和风险。有没有成功的案例呢？
王贤：那我举个复印机的案例吧，复印机最早是施乐发明的，但当时复印机未被普及，面对这种情况，施乐自认为是市场没有需求，没有做分析。但佳能却做了分析。佳能走访了复印机的现有用户，问他们使用了之后有什么不满意的地方；又走访了复印机的潜在用户，问他们为什么不愿购买。基于对所采集数据的分析，佳能总结出用户对施乐复印机不满意的地方有三个——太大、太贵、太难。针对这3个问题，佳能对复印机进行改进，推出了傻瓜式操作的小型复印机；由于这个小型复印机解决了消费者尚未被满足的需求，迅速在市场上普及，佳能由此取代施乐赢得了复印机市场。佳能之所以能获胜，是因为它重视数据分析，通过用户调查，挖掘到复印机市场的潜在机会，并将其转化为现实的收益。
贾健举起拇指：这个例子好，那有没有规避风险的例子呢？
王贤扬起眼眉：有啊！比如壳牌。
壳牌是荷兰的一家石油公司。20世纪80年代，荷兰的石油价格是每桶30美元，成本是每桶11美元，对于石油的未来，业内普遍看好，认为到90年代石油的价格将上涨到每桶50美元。但是壳牌没有人云亦云，而是根据自身所掌握的信息，使用脚本法判断价格走向。
什么是脚本法？是指列举出一系列使未来发生悲观变化的事件，并分析这些事件对行业的影响程度以及发生的概率，从而找出行业的关键风险。通过脚本法，壳牌发现有一个事件将影响石油价格走向。是什么呢？当时正在进行OPEC石油供应协议配额谈判，如果谈判破裂，那么北海和阿拉斯加对于石油的需求量就会大幅下降，需求减少，价格会下降，而在成本一定的情况下，就会挤压什么？利润空间。为了保利润，需要做什么？降低成本。为此壳牌公司实施了一系列降低成本的变革，采取先进的开采技术，取消低利润的服务站等。而此时，其他石油公司则仍粗放式经营。1996年，OPEC石油供应配额协议谈判果真破裂。由于壳牌公司及早预测到了协议破裂导致石油价格下跌的风险，并采取了相应的行动，使得壳牌公司相对于竞争对手避免了一场危机。这个结论可以通过一组数据体现出来。1998年，壳牌公司的资产净收益率为8.4%，而该产业主要公司的平均收益率仅为3.8%。而之所以能避免这场危机，是正确预测外部环境变化的结果。
贾健痴痴地说：媳妇，我开始崇拜你了。案例很给力！投资也要做数据分析，我赞成！
王贤乘胜追击：还有营销呢，营销也会大量用到数据分析！你继续说说你的营销难题，我再帮你分析分析。
贾健：我想想啊。嗯……对了，就说说市场份额吧。市场份额是检验营销的重要指标，所以难题来了，如何防范市场份额下降？如果市场份额下降了，如何快速找到问题出在哪？
王贤：我先回答第一个问题。
要防范就要有报警器。数据分析就是你的报警器。通过数据监测和分析，你就能实时掌握诸多影响因素的发展变化。一旦发现哪儿有异常值，就可以未雨绸缪。很多企业常常有4类数据报警器——渠道建设分析、用户满意度分析、品牌形象分析、广告效果分析。如果意大利高级服饰品牌华伦天奴一开始就重视品牌形象分析，它就很容易发现有人以低廉价格冒充自己的品牌，它就会在假冒品牌还没形成气候之前，加强对自身品牌的维护、规划和监管，也许就能提高它的市场份额，甚至挽救它的中国市场。
贾健边听边记：渠道、用户、品牌、广告四类分析，具有报警作用。
王贤继续说：关于第二个问题，我举一个亲身经历的例子。你听过监测数据吗？
见贾健摇头，王贤解释说：比如你去国美买台电磁炉，付账的时候，售货员会刷那个条形码。为什么刷条形码呢？结账用的，对吧。那还有一个作用，就是通过刷条形码，这台电磁炉的销售数据就会自动进入后台的一个庞大的数据库中去了。因此，很多卖场都会有系统的监测数据——哪个城市的哪个门店？在什么时候？卖了什么产品？型号是多少？价格是多少？销量是多少？而我所在的那家数据分析公司的数据就是从卖场购买的，通过对这些监测数据的分析，为企业提供相应的支持。具体有哪些支持呢？比如，可以估算和预测市场规模，为企业的生产计划提供支持；可以分析市场竞争，为企业的竞争策略提供支持；可以分析用户偏好、畅销机型、核心价位，为企业客户管理提供支持。这些支持都是常规的，一般会根据企业的需求提供周报、月报、季报、年报等。更多的是全景式的描述分析，而如果进一步对这些监测数据深入挖掘，就可以对企业进行问题诊断了。
贾健点点头说：嗯，我明白！
王贤接着说：我在数据公司做分析师时，曾从监测数据里发现A品牌的市场份额比上一年的同期下降了4.2个百分点。A品牌是一贯注重销量规模的，所以市场份额下降这么多，是一个奇怪的现象。于是，我就对监测数据做进一步分析，希望从数据里找到引起这个现象的原因。通过多次多角度的数据挖掘，我发现原来A品牌在1000～1200元价格段的产品线工作没做好，老产品退市后，新产品在数量和上市时间等方面都没有跟上。后来与A品牌的产品经理沟通才知道，这个价格段之所以出现问题是由于他们正在转型。A品牌以前一直是定位为低端品牌的，当年想扩展高端品牌市场，因此主要精力都花在高端产品上了，而这个价位段属于中端价位，被忽视，造成新老产品接替时出现断档。但这个中端价位却是支撑高销量的核心价位，这个价位出现问题，给他们带来了不少损失，后来A品牌根据这个信息，在这个价位段上又推出了两款新产品，从而增强了整体的竞争力（图1-12）。
图1-12 问题诊断示例
贾健把牛奶递给王贤：老婆大人辛苦了，快喝上一口吧！你说服我了，数据分析很重要！
王贤松了一口气：我这真是搜肠刮肚啊！老公，数据分析真的很重要，我觉得你有必要设置一个专门的部门来做数据分析，给你的决策做指导。数据分析外包给第三方倒也可以，但成本相对较高，如果公司的数据分析需求很多，我还是建议设置一个专门的数据分析部门。
贾健点点头：你说的对。我赞成！回头我和董事会商量一下，设置新部门不是件小事，需要综合考虑需求、成本、收益、组织结构、合适人选等多方面的因素。
三天一晃过去了，今天是周五，贾健下班后把王贤约出来吃泰国菜，告诉王贤一个消息——董事会对成立数据分析部门很感兴趣，想下周一邀请王贤到集团讲讲自己的看法。
贾健：前几天，我提出成立数据分析部门的想法，得到了很多人的支持。但现在面临的一个关键问题是数据分析部门的研究总监谁来担？现在董事会邀请你去讲演，很可能是想让你参选。小贤，我想知道你的想法，因为一旦竞选成功，就意味着你又要变回职业经理人。我不想让你太辛苦，如果你不愿意，我就谢绝他们。
王贤：老公，说实话，在家呆得久了，真的挺闷的，我正想和你商量想出去找点事做。现在好了，如果能去你们那儿做研究总监，既能做回我老本行，轻车熟路；又能帮你统统盘子，出出主意，何乐而不为呢？就是咱们夫妻俩在一个单位，这样合适吗？
贾健：这没啥，举贤不避亲嘛。再说你能不能选上是靠你的实力说话。
王贤高兴地说：好啊，好啊，那我周末好好准备准备。
周一王贤早早起来，化上妆、穿上职业装、拿上电脑，神采奕奕地随贾健来到新荣集团。会议室里坐着5名董事。王贤安好了投影仪就开始了她的讲演：
各位朋友，大家好！我叫王贤，之前在北京一家数据分析公司做研究主管，后来在一家互联网公司做研究总监。今天围绕数据分析的话题和大家做个交流。交流内容可分三项。
· 数据分析的成功案例有哪些？
· 数据分析在国内外的发展水平如何？
· 如何加强新荣集团的数据化建设？
大家对数据分析都有自己的理解。而我所理解的数据分析是从海量的数据中提取和挖掘出对企业有价值的规律和趋势，为企业的决策提供支持。
这种支持作用就像哆啦A梦百宝箱里的4件宝贝（图1-13）：
图1-13 数据分析的作用
行为预见镜——帮助企业识别机会、规避风险；
问题药丸——帮助企业诊断问题、亡羊补牢；
跟踪摄像机——帮助企业评估效果、改进营销；
引力动力器——帮助企业提高效率、加强管理。
2. 世纪90年代初期，被称为百货商店之父的美国人约翰·沃纳梅克曾说过这样一句话：我的广告费有一半浪费掉了，可我不知道是哪一半。
当时无从了解被浪费掉的广告是哪一半，因为那时搜集数据相当困难，需要大量投入。
而今随着大数据加之软硬件技术的飞快发展，使我们追踪和搜集数据的成本大大减少，分析和挖掘海量数据成为可能。于是有效运营数据的成功企业如雨后春笋，层出不穷。
Facebook广告与微博、SNS等网络社区相联系，通过先进的数据挖掘技术，为广告商提供更为精准的服务，该模式收到广大广告商的热捧，根据市场调研机构eMarketer统计，Facebook年营收额超过20亿美元，成为美国最大的在线显示广告提供商。
百思买将顾客调查、销售数据和人口数据结合起来，以确定在特定的区域中，哪些顾客群的需求已过多地满足，哪些尚未满足，并据此改变其门店模式。例如，在富裕男性白领集中的居住区附近，百思买会提供更高端的家庭影院设备、特别付款方式和即日送货到家。而在经常接送孩子参加体育活动的妈妈较集中的居住区附近，百思买则突出温和的色调、人性化的导购以及面向孩子的科技活动区。调查显示，改为有针对性的门店模式后，百思买的销售额上升了7%，毛利提升了50个基点。
这样的例子不胜枚举，数据分析成功运用到企业决策的方方面面，比如在营销方面，有数据库营销、精准营销、RFM分析、客户分群、销量预测等；在电子商务上面，有百度的精准广告、淘宝的数据魔方等。通过数据分析的辅助，企业的绩效得到了很大的提升，据麦肯锡的研究分析表明，在私营部门，充分利用海量数据的零售商有可能将其经营利润提高60%以上。而我们熟知的宝洁、惠普等很多优秀的企业都是运用数据分析的高手：他们懂得如何将复杂的数据和精妙的模型变为创造卓越绩效的有效工具。
正是诸多成功的案例，使企业看到了数据分析的价值，带动了数据分析行业的快速发展。在全球500强企业中，90%都是基于数据分析来制定重要决策的。在欧盟、美国等发达国家，数据分析普遍被作为运营决策的前提要素：借助数据报表，知道市场上发生了什么事；借助联机分析处理（On-Line Analysis Processing）钻取和多维分析，知道这些事情为什么会发生；借助预测模型，知道未来是什么趋势，有可能发生什么。数据成为企业决策的前提条件。
在国外，数据分析行业发展已经非常成熟，并呈现出三大景象。
景象一：数据分析人才愈发短缺。Gartner预测，从现在至2015年，企业大数据将在全球创建440万个工作岗位，其中有190万个工作岗位将在美国。但是，目前拥有大数据技能的专业人员严重短缺，只有三分之一的新工作岗位将招聘到人员。
景象二：数据公司融资捷报频传。2011年年底，美国Mu Sigma数据分析公司从红杉资本和泛大西洋资本集团融得1.08亿美元投资，创下数据分析行业单轮融资规模之最；2012年，美国社交数据挖掘公司Datasift获得2220万美元风险投资；荷兰大数据实时搜索和分析服务公司Elasticsearch获得1000万美元投资，触屏数据分析服务创业企业Heatma.ps获40万美元投资。数据公司融资步伐的加快表明数据分析行业广阔的前景被国际投资公司广泛看好。
景象三：伴随着企业数据分析需求的增长，发展出很多具有规模的专业性服务机构。
根据中国商业联合会数据分析专业委员会发布的《2010年度中国数据分析行业年度发展报告》显示，数据分析的专业服务机构可概括为4类，它们各自的特点见表1-1。
而在我国，数据分析行业的发展与国外发达国家具有一定的差距，但随着企业量化决策意识的逐渐提高，也呈现了三大景象。
景象一：数据分析人才培养如火如荼地开展。自2003年起，由工信部教育与考试中心与中国商业联合会数据分析专业委员会共同培养和认证的项目数据分析师，辐射全国各省市地区，培训规模达到上万人之多。另外，在人大经济论坛上也有很多具有数据分析实战经验的专家所推出的优质课程，这些培训推动了数据分析行业的人才储备。
景象二：数据分析专业服务机构如雨后春笋般涌现，有用友、金蝶等软件公司；有淘宝、百度等互联网公司；有新华信、零点等市场研究公司；还有中颢润等项目数据分析事务所。
景象三：形成了企业数据分析需求外包和内置两种实现模式。需求外包是通过专业服务机构来满足企业数据分析的需求。比如，新浪和尼尔森合作；长虹和奥维合作。需求内置是通过设置专门的数据分析岗满足企业数据分析的需求。比如，中国移动、京东、三星、联想等很多企业都会有专门的数据分析岗。
在这样的背景下，新荣集团需要审视和思考自己的数据化程度和数据化建设。如何衡量数据化程度呢？可以从建设水平和应用水平两个角度考虑。在建设水平方面，可以用经费投入，部门建制，数据的全面性、系统性和安全性等指标衡量。在应用水平方面，可以用业务覆盖面和业务应用深度两个指标衡量。从而将数据化程度分为9个阶段（图1-14）。
图1-14 企业的数据化建设轨迹
如何开展数据化建设呢？基于数据化程度，需要建设先行，具体分四步（图1-15）。
图1-15 数据化建设四步走
第一步：初级建设，初级应用——中级建设，初级应用。
第二步：中级建设，初级应用——中级建设，中级应用。
第三步：中级建设，中级应用——高级建设，中级应用。
第四步：高级建设，中级应用——高级建设，高级应用。
目前新荣集团数据化程度较低，不论是建设水平还是应用水平都处于初级阶段。因此，新荣集团需要走出第一步：加强数据建设方面的经费投入，建立数据分析部门，整合数据资源、加强数据的安全性，同时提高数据分析对业务的支持面和支持度。
王贤讲完向五位董事深深地鞠了一躬，会议进入互动环节。
马董事：Ms王，您好！您讲了很多数据分析的成功案例，但是，事实上也有很多企业没做数据分析，靠经验，照样发展得很好。比如我们新荣集团，之前也没做什么数据分析，但在业内排行却是非常靠前的。对此，您怎样解释？
王贤：用手指着的月亮，并不是真正的月亮，经验只是对现实的想法而远非真正的现实。企业的经验与真实的市场往往存在较大的差异，这种差异是客观存在的。
美国西北航空公司的总裁曾经形象地说过，对于航空公司来说，飞行中最重要的问题是飞机的引擎，引擎是飞机的动力，不能出现任何问题，出了就是灾难性后果。但对于旅客来说，影响他选择航空公司的，也许就是座位前的小桌板是否干净。如果一个旅客上了飞机，打开小桌板，发现油渍斑斑，他什么也不说，下次再也不会乘坐这架飞机了。你说引擎再好，但消费者是并不知情的，他能比较的往往就是细节的问题。很多时候，企业和消费者看待问题的角度不同，评价好坏的标准存在差异。正是由于这种差异的存在，企业根据自己的经验和直觉做决策，可能会面临很大的风险和成本。
例如，黄家齐曾凭借很多经典的广告把奥妮塑造为知名品牌，最辉煌的时候奥妮洗发水全国排名第三，仅次于飘柔和海飞丝。但是，也正是由于广告的神奇功效，使黄家齐忽视了零售渠道的深刻变革，造成终端构建缺乏计划、反应滞后，导致奥妮1998年遭遇滑铁卢，从此风光不再，最后被收归到广州立白集团旗下。
正是企业经验与市场需求存在差异，所以经验决策不能保证企业任何时候都能准确把握市场的脉动，会存在一定的风险。而数据分析的作用就在于，使企业倾听到市场的声音，指导企业按照市场的特点和规律运营，这样的决策才更客观，这样的企业才更稳健。
孟董事：Ms王，做数据分析要有投入。建立部门、招聘人才、购置系统、数据整合这都需要钱，数据分析会大大提高决策的成本。所以我们很多人认为，只有财大气粗的大企业才做得起数据分析，关于这一点，你怎么看？
王贤：直观上做数据分析的确提高决策成本。但是通过数据分析，使决策更客观，不仅降低了决策失误所造成的损失，还能减少企业不必要的管理成本。
与决策失误造成的损失相比，数据分析的费用是微乎其微的。实际上，让企业蒙受重大损失的，往往不是因数据分析所产生的费用，而是企业的决策失误。很多企业缺少数据分析的意识，造成了重大的决策失误，甚至走上不归途。我刚才讲的奥妮就是一例。数据分析的价值就像体检一样，定期检查企业的肌体是否正常，有没有风寒。
除了降低决策失误造成的损失，数据分析还能减少企业不必要的管理成本。
例如，一些企业常常会把所有的新品同时推向市场，卖得好的，继续推；卖得不好的，再撤下来。可是大家算一算，那些卖得不好的，会占用多少渠道资源，占用多少人工，占用多少生产线，占有多少时间成本。如果前期做数据分析，判断出市场对新品的评价，再推出新品时就会有所选择，由此会省去很多不必要的管理成本。
因此，企业到底做不做数据分析，要算两笔账：数据分析的费用有多少？数据分析所带来的收益有多大？然后两者权衡，取其重。
举一个直观的例子。A公司想投资开发一个新产品，但是该产品的市场表现是不确定的，有4种可能的状态。该公司的营销人员估计出这4种状态发生的概率及相应的利润（表1-2）。
B公司是一家数据分析公司，可以为A公司的新品决策提供支持。B公司的分析结果如果显示新品呈现三种状态（1、2、3）中的任意一种，则建议A公司开发该新品；如果呈现状态4，则建议A公司放弃。B公司这项数据分析的服务费用是14万元。现在的问题是，如果你是A公司的决策者，在这项新品开发上，你是否与B公司合作？
就像我前面说的，是否与B公司合作要比较不合作的利润与合作的利润孰高孰低。
如果不合作，新品的利润P等于以四种状态下的概率为权数的加权平均利润：
P=20%×770+50%×490+20%×35+10%×（-175）=388.5（万元）
如果合作，合作的价值是什么？是当新品呈现状态4时，B公司会建议A公司放弃，此时的利润便由亏损（-175万元）变为不赚不亏（0元），这会使新品在四种状态下的平均利润增加。合作的成本是什么？是要支付给B公司14万元的数据分析费用。因此，与B公司合作的最终利润：
P=20%×770+50%×490+20%×35+10%×0-14=392（万元）
因为392＞388.5，所以应该与B公司合作。
孙董事：我现在只相信我们集团内部的数据，因为都是真实发生的，靠谱！我们也曾和一些研究公司合作过，但他们的数据，我实在不敢恭维。就拿我们的市场份额来说吧，一家一个样，有的说是30%，有的说40%，搞得我无所适从。所以我觉得调研来的数据不足信。我想问的是，如果我们做数据化建设，是不是整合我们内部自有数据就好了？
王贤：内部数据质量高但不全面。内部有自己的销售和财务数据，有竞争对手的数据吗？没有！内部有自己员工的KPI数据，有客户使用习惯与态度的数据吗？也没有！但是竞争对手和客户偏好的数据对我们的决策却至关重要。怎么办？往往要靠市场调研。
市场调研的确存在着不足信的问题，但我们不能因噎废食，而是要找到问题出现的环节和原因，然后加以规避。我认为问题可能出在设计环节，也可能出在执行环节。
例如，您刚才说的对于一家公司的市场份额，不同机构提供的数据不一样，问题有可能就出在设计环节上，这些机构可能没向您提供支撑结论的数据来源和概念界定。
在数据来源上，如果一家的采集网点为6000个，一、二、三线城市都有分布；而另一家的采集网点只有2000个，只分布在一线城市，那么结论肯定不一样。到底哪家数据更可靠，要看哪家的采集网点分布更能代表总体特征；看哪家的抽样误差是自己可接受的。
再比如概念界定上，假设是对高端微波炉做调研，如果一家界定的是价格在800元以上的微波炉，而另一家界定的是1000元以上的电脑烧烤型微波炉，结论肯定也是不一样的。在调研前，需要把相关概念界定清楚。
此外在执行环节，调研时间、受访者、调查地点、质量控制等方面是否合理有效，也会影响调研的质量。应该说，调研是一个专业性很强的行业，任何一个环节上的疏漏都有可能影响调查结果的准确性和客观性，不管是自己调研，还是外包给调研公司，你都要对调研有一定的了解，这样才能辨别好坏，把控调研数据的可信度（图1-16）。
图1-16 影响数据可信度的主要因素
张董事：Ms王，您好！我想向您请教两个问题。
第一，有乙方（第三方）可以满足我们分析的需求，我们是否有必要配自己的分析师呢？
第二，若有必要，那么分析师该进入现有的业务部，还是成立独立的数据分析部呢？
王贤：这是两个非常好的问题。
1. 企业是否要有自己的分析师
先说说第一个问题。我的观点是，即便有乙方，我们仍需要自己的分析师。
公司在运营过程中会面临大量的决策问题，比如如何设置安全库存？如何选择合适的供应商？如何实现最优的生产安排？如何提高新产品成功率？如何定价？如何评估促销活动效果？有决策就要有分析需求，如果把这些需求都外包给乙方，成本是比较高的。
因此，如果是中小企业，配自己的分析师可以降低成本；如果是大企业，外包给第三方需要有人与第三方接洽，如果这个人对数据分析一窍不通，很难找到合适的第三方，所以，最好也要培养自己的分析师，以提高与第三方合作的质量与效率。
2. 分析师设置在哪个部门
这实际是组织架构的问题。组织架构有两种，一种是分析师散落在现有业务部门，叫做分散式结构；另一种是分析师集中在一个独立的数据部门，叫做综合式结构（图1-17）。
图1-17 数据分析组织架构
应该说两种结构各有利弊。分散式结构的优点在于离各部门的数据源很近，提数方便，分析自主性强；另外，数据分散在各业务部门中，很少出现数据的系统泄密问题。但是分散式结构的问题也很明显。根源是部门利益与全面分析的矛盾造成三方的尴尬。
· 分析师的尴尬。假设我是分析师，我要做投资项目评估，需要基于环境、市场、竞争、产品、量本利等数据做综合评价。但是，环境数据在战略部，市场和竞争数据在营销部，产品数据在产品部，量本利数据在财务部，而我只属于其中的某一个部门，在部门的条块分割下，得到其他部门的数据非常困难，所以我就只能有什么米做什么饭，营养价值自然不会太高。
· 业务部门的尴尬。各部门的信息资源不能共享，会造成了解市场的不懂产品，懂产品的不了解市场的局面，从而影响业务部门的有效运营。营销部、产品部等业务部门就像多条运输干线，如果缺少一个独立的部门做信息整合，就像少了一个交通枢纽，交汇处的运输易出故障。
· 高层决策者的尴尬。受到本部门利益影响，各部门会产生报喜不报忧、用数据争资源的问题。高层很难对各部门做有效的考核和资源优化配置，影响公司层面的整体把控和系统决策。
分散式结构的缺点可以通过综合式结构弥补。综合式结构指所有的分析师都集中在一个独立的数据部门，数据部门直接对总经理负责，地位高于或平于其他业务部门。可以从各业务部门自由调取数据，根据业务部门的需求，为业务部门提供相应的支持。同时数据部门站在公司层面做数据管理和分析，辅助总经理做好部门间的业务配合、资源配置、绩效考核等。
综合式结构可以解决分散式结构所带来的部门利益与全面分析间的矛盾。但综合式结构也有缺点，由于分析师与业务部门互相独立，相互的熟悉度不高，会产生业务部门对分析报告理解的偏差与数据部门对业务需求理解的偏差。针对综合式结构的缺点，我认为可以通过四大保障来解决：规范的流程、详细的文档、合理的展现和顺畅的衔接。
· 规范的流程：需求一般由业务部门提起，通过数据部门对数据的获取和计算将结果返回给业务部门，这个流程中业务部门不仅要提供数据的规则，同时要对获取数据的目的，指标的定义、用处和价值做出详细的描述；而数据部门不仅要给出最终数据，同时需要对指标获取途径、计算方法做出解释，最终的目的都是使双方在理解上达成一致。
· 详细的文档：即在流程中产生的两类文档——数据需求文档和数据解释文档，详细的文档记录方便备查。
· 合理的展现：要让每个人看到自己想看的数据，并能直观地理解这些数据。同时，无论是报表、Excel，还是其他展现方式，每个指标都要能直接查看其数据解释文档。
· 顺畅的衔接：要保证业务与数据的顺畅衔接，必须有一个衔接人。这个衔接人应该对产品的战略目标、业务流程十分熟悉，同时对数据的获取途径、计算方法也了如指掌，或许不需要涉及高技术难度的数据ETL处理、组织和优化，但必须具备自己去计算和获取数据的能力，这个衔接人往往是数据部门的负责人。
崔董事：Ms王，如果采用综合式结构，成立独立的数据分析部门，你认为相应的部门职责是什么？又如何实现这种职责？
王贤：数据分析的价值是为企业决策提供支持，这也是数据分析部门的职责。如何实现？我认为需从数据平台、数据支持、数据应用三方面下功夫，可以用下面的式子表示这三个方面的投入比例：数据分析部门的职责=20%的数据平台+30%的数据支持+50%的数据应用。
1. 数据平台
数据平台是数据支持和应用的基础，要搭建数据平台，需要与相关部门紧密合作，整合销售、客户、财务、生产、员工、管理、竞争等数据，在此基础上引入CRM、ERP等管理软件、做IT构架与系统更新。
2. 数据支持
数据支持是根据业务部门的需求提供相应的数据，如用户、竞争、市场、环境等数据。这些数据最初可线下提供，当需求基本稳定、初具规模后，可以做线上呈现并分配好权限。
3. 数据应用
数据应用是数据分析部门的关键职责和核心价值。数据应用领域包括战略、投资、营销三个方面，具体应用见图1-18。
图1-18 数据应用图解
所有的问题都回答完了，五位董事笑着给王贤鼓起了掌。一周之后，王贤正式成为新荣集团数据分析部门的研究总监，开始了她的职场新征程。
不到一周的时间，王贤就实现了从全职太太到职业女性的转变。善于总结的王贤将这段历程中的关键点记录下来，整理出如图1-19所示的数据分析价值框架图。
图1-19 数据分析价值框架图