多年来，“数据帮助业务”一直在大喊大叫，但说到数据分析，人们仍然习惯性地说：excel，python，sql，它仍然是数据清理、数据计算和可视化。很少有人认真讨论业务部门需要什么样的数据分析。今天，让我们以销售为例，看看什么样的数据分析是有用的。
1
使数据有用的秘诀
问一个简单的问题：当你使用手机时，你会知道如何操作内存，cpu怎么处理？不！你只关心怎么开机，怎么尽快打开游戏，玩得开心。所有科技产品都是这样的:用户关心自己的价值，而不是这个东西本身的科学原理。
企业中的数据分析也是如此。虽然数据分析背后有复杂的原理，如数学、统计学、运筹学、计算科学、机器学习等，但业务部门既不理解也不在乎。你只是告诉我：“你能做什么”。
尤其是销售部门。销售部门每天面对客户，承受着巨大的压力。我不想听真相。因此，如果你想让数据对销售部门有效，首先要做的就是深入了解销售部门的流程，仔细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。只要企业有一定的规模，销售团队的规模就很大，不同的业务线(电话销售、城市销售团队、网上销售等)有不同的区别。)，并且有不同的城市/团队管理机制。不同位置的人关注不同的内容。所以要认真了解公司的销售组织，才能区分高层、中层、基层的需求。
2
如何使数据对基层有用？
一线销售是最辛苦、最累、压力最大的人。想象一下，我每天无情地挂断我的销售电话（也许我骂了两句），我在商场里看不见我的柜姐。是的，一线销售是每天用客户的白眼努力销售。此时，他们最不需要的是销售、购买者数量和客户单价。他们需要的是明确的行动指南：我们应该做什么！
因此，如果你想让数据对他们有效，你必须认真对待它们拆卸操作流程，看看哪些链接可以帮助你。例如，以电话销售为例，操作过程和潜在问题可能是这样的（如下图所示）
所谓业务张嘴，数据断腿。拆解流程，了解痛点后，你会发现没有高大全的销售分析模型，所有的问题都可以一口吃掉。比如最简单的:“我先打哪个电话，再打哪个电话？”可能涉及:
● 哪些客户价值高？
● 哪些客户可能会做出反应？
● 响应率较高的时间段是什么？
● 哪些适合二次跟进？
一个简单的问题可能需要分析几点来支持到位，并且需要通过数据计算给出一个响应率比随机拨打更高的方案。这就要求数据分析在工作中特别有耐心，逐一解决问题。
有趣的是：虽然数据分析做了很多工作，但在面对一线输出时，要非常克制：不要谈论与一线无关的事情。例如：“我想先打哪个电话，然后再打哪个电话？”最后，直接输出到服务员的拨号列表中，并将优先级排名放在前面。隐藏复杂的过程，提高一线操作的便利性，使一线真正使用（如下图所示）。
同样，仔细梳理每个环节的问题，可以找到很多机会点，比如:
1.提高拨打成功率
2.选择更有效的词语
3.减少搜索数据库的难度
4.关联促销信息
每一点可能有2-3个数据分析要做。虽然很难做到，但提高一线成功率比讲科学道理更有效(如下图所示)
3
如何使数据对中层有用？
面对中层管理，如呼叫组长、城市经理和销售团队经理，我们必须改变主意。作为中层管理者，刺刀级的一线操作只是他们关心的一个环节。更多的工作将集中在如何制定计划、如何组织工作、如何激励/约束下属（如下图所示）上。
注：与忙碌的前线不同，中层管理者有时间坐下来，仔细思考计划，查看数据。但在不同的时间节点上，他们给数据留下了不同的时间。
● 具体到一天，晨会前可能只有20分钟看数据。
● 具体到每周总结的时候，可能会有1、2个小时看数据。
● 具体到每月总结报告时，可能会认真做半天ppt
因此，输出的数据结果应该是符合对方的工作习惯。即使有很多结果出来，也要在不同的场合适度输出，避免信息爆炸。时间短，少看东西；时间多了，多看点东西(如下图所示)
有了明确的输出场景，输出内容也应该集中在场景上。
● 每天的晨会就是看进度，简单激励下属，输出几个关键信息
● 每周的会议，需要库存资源，检查执行情况，解决问题，需要多分析几个维度
● 每月会议，需要复盘当月工作，复盘更深入，需要更多的数据支持
层层递进可以很好地帮助管理工作(如下图所示):
4
如何让数据对高层有用？
管理一整条业务线，或管理多个团队、多个地区的区域经理、部门总监级领导。他们的任务不仅是训练、打鸡血、喊口号，还要负责承担更高决策层给出的任务，协调与品牌/推广、供应链、客服、售后等支持部门的关系。否则，没有产品，没有促销，没有宣传，没有供应，供应质量没有保证，就无法实现目标（如下图所示）。
这些经理每天都有很多时间坐在办公室里，所以他们有时间阅读更多的分析报告，并思考更深层次的问题。因此，简单地输出结果报告并不能满足需求。
从思考的角度来看，核心纠结在于我能否独立完成任务。作为一名高级管理人员，协调资源、保障支持和消除潜在问题（把锅扔给别人）比直接开始更重要。因此，专题分析的逻辑可以从如何区分销售/其他部门协调问题的角度出发，拆除多个主题进行深入解读（如下图所示）
5
为什么平时做的没用？
在阅读了以上内容后，学生们可能已经发现：为什么通常的销售分析是无用的：大多数公司的数据与销售密切相关。作为一名数据分析师，一个不了解销售过程，两个不了解组织结构，三个不了解技能，每天都知道销售=客户数*转化率*客户单价公式翻来覆去，拆成各个城市的写作。这种东西肯定没什么用。
相当一部分公司的销售也不重视分析，每天都知道看到业绩达到总数，然后开始喊口号：“只要不死，就死”。即使有一个客户关系管理平台，也不容易使用，每天私下开发各种黑色技术骚操作。因此，有越来越多的野生方式，严肃的表现并不多。
简而言之，为了使数据发挥作用，双方团队的投资都是必要的。作为深入业务的数据，从业务的角度思考问题，解决真正的痛点。只有尊重数据，严格执行流程，接受新方法，才能取得良好的效果。
但有趣的是，如果销售往往不重视数据，那么操作就是过度使用数字根据模型。经常运营部门会大喊:给我一张大宽表！我自己分析一下！面对这种情况我该怎么办？如果你感兴趣，关注微信官方账号接地气学校。让我们分享下一篇文章。请期待！
接地气的陈先生，数学科学、企业管理硕士、数据科学管理专家，在数据总监和高级顾问方面有11年的丰富经验。
曾服务于平安银行、广发银行、腾讯等大型企业，为维达纸业、华侨城、广汽本田、世联地产等传统企业打造线上线下融合数字化转型方案。
微信官方账号【接地气学校】创作者自主推出了2万多名学生的数据分析系列课程，深受好评。
声明：易商讯尊重创作版权。本文信息搜集、整理自互联网，若有来源标记错误或侵犯您的合法权益，请联系我们。我们将及时纠正并删除相关讯息，非常感谢！
