很多数据金矿其实隐藏在公司的基础运营当中，如果您能把它们挖掘出来，进行分析并决策，就将显著提高劳动生产率和资产收益率，并形成新的竞争优势。
一、数据分析与企业运营决策
无容置疑，数据（情报）对于战争的重要性，几千年来早有体现。在《罗马人的故事》作者盐野七生与新日本钢铁集团总裁三村明夫的对谈中，盐野提出，从凯撒到拿破仑，出色的总司令总是能选贤任能，帮助自己完成收集情报工作，领袖们再依据这些情报窥见大局。同时，关于商业竞争，盐野认为，企业之间的对抗，最重要的是站在对手的立场上了解战局。为了实现这个目的所进行的情报搜集等都是战胜对手的重要条件。
数据成为公司新的资产已逐渐成为现实，将大大促进劳动生产率的提高（10%）和资产收益率的增加。
90年代初期，被称为百货商店之父的美国人约翰•沃纳梅克曾经这样说“我的广告费有一半浪费掉了，可我不知道是哪一半”。 一个世纪前没有足够的数据去为约翰•沃纳梅克解决哪一半广告费被浪费掉的问题，因为那时搜集数据太困难，需要大量的时间和金钱等成本；而今随着技术的日益革新，跟踪和搜集数据成本大大减少，所以我们更有必要也有条件把握数据分析之道。
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
1 / 8
商有可能将其经营利润提高60%以上。在欧洲发达经济体中，仅通过利用海量数据实现的运作效率提高，政府行政管理方面可以节省1000亿欧元（1400亿美元）以上的开支。
也因此，市场已涌现出大量数据分析在商业中的运用例子，无不说明合理运营数据的重要性。比如，Facebook广告与微博、SNS等网络社区的用户相联系，通过先进的数据挖掘与分析技术，为广告商提供更为精准定位的服务，该精准广告模式收到广大广告商的热捧，根据市场调研机构eMarketer的数据，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。Hitwise发布会上，亚太区负责人John举例说明，亚马逊30%的销售是来自其系统自动的产品推荐，通过客户分类，测试统计，行为建模，投放优化四步，运用客户的行为数据带来竞争优势。
可以看出，数据分析在营销、金融、互联网方面正蓬勃发展，同时数据分析在企业运营决策中的重要地位中日趋明显，正踏上规范化、专业化之路。
二、决策领域与数据分析方法（模型）
我们发现，各个成功企业都通过数据分析聚焦于一两个核心领域，通过这些领域的数据分析展开竞争，比如： 哈拉斯公司：客户忠诚度和服务
新英格兰爱国者队：球员的选择和球迷的经历 UPS(联合包裹公司)：运营和客户数据
2 / 8
沃尔玛公司：供应链和市场营销 前进保险公司：定价和新型数据分析服务
那么，数据分析在运营决策中的应用具体体现在哪些方面呢？下面通过企业运营的三大模块，分别列举这些领域内典型的决策内容、数据分析方法/模型等。
一、数据分析与营销决策 决策领域 决策内容 新产品价格制定 数据分析方法/模型 品牌价格抵补测试(BPTO) GG价格测试法 价格敏感度测试(PSM) 联合分析(Conjoint Analysis, DCM/ACA) TURF分析 频数分布表 交叉表 因子分析 对应分析 相关分析 杜邦模型(DuPont Analysis) 线性规划 1.价格研究 2.促销决策 促销评估 广告投放决策 广告效果测评 广告预算 渠道选择 渠道设计 渠道评估 3.渠道决策
二、数据分析与生产决策
决策领域 1.新产品开发 2.产品组合决策 3.零部件自制外购决策 4.产能决策 决策内容 不追加专属成本时的决策分析 追加专属成本时的决策分析 品种决策 多产品 多目标 基于企业战略下的选择 成本分析 风险分析 生产能力充分利用判断 资源限制下的分析 线性规划 因子分析 Trade-off EPQ EOQ 动态批量模型（Dynamic-Lot Size） 数据分析方法/模型 Kanno模型 聚类分析 杜邦模型(DuPont Analysis) 3 / 8
5.设备购建或租赁决策 成本分析 风险分析 量本利法 NPV法
三、数据分析与采购决策 决策领域 1.需求分析 2.供应商选择 3.订货优化 MRP 采购战略分析 选择标准 库存优化 交货时间优化 生命周期成本控制 决策内容 预测方法 数据分析方法/模型 典型预测方法 贝叶斯推论 层次分析法 聚类分析 ABC方法 ABC-XYZ方法 学习曲线 VMI 成本回归分析 啤酒游戏
三、企业运营中的数据分析面临的三大挑战
1.过度依赖技术，视其为解决方案
各企业往往都建立了自己的大型数据仓库或企业资源规划系统，并认为这样即可以提高决策水平。他们没有将这些技术工具交给专门的分析人员。事实上，只有专门的数据分析人员才能依照正确的业务流程加以运用，从而取得既定成果。
3.淹没在浩瀚的数据海洋中
今天，我们面对的信息不但数量日益庞大，而且种类繁多，包括音频、视频和网络数据，这些在5年前都不太容易获得。根据国际数据公司（IDC）估算，2008年全世界产生了4,870亿G字节的信息，比2007年增长了73%，而且这个数码世界的容量每18个月就要翻一番。
4 / 8
管理者感觉像掉进了信息海洋，不知道该如何涉水前进。如果没有一个筛选正确数据的行之有效程序，那么企业就很难发现能支持明智商业决策的重要模式。
3.优秀的专业数据分析人员严重缺乏
企业运营中的数据分析不同于投资数据分析，除了需要分析者掌握一些基本的数据分析工具，比如数据分析知识（比如统计，概率，数据挖掘基础理论，运筹学等）、数据分析软件（比如，EXCEL,VBA，Matlab，Spss，Sql）等等，还需要对企业运营的内容有充分的了解，包括营销管理、生产管理、采购与供应链管理。否则，分析者难以把握数据分析的目的和方向，其可操作性会大大降低。因此，对这些分析人员进行专业的系统的训练，显得十分必要。
四、案例
为了说明数据分析在运营决策中的应用，这里提供一个完整的案例——服装品牌Y运营数据分析。
Y公司的基本数据是：
（1）Product——提供的主要产品是：衬衫、西服、西裤、茄克、领带和T恤六个中国名牌产品。尤其注重产品领先策略。
（2）Place——渠道情况是：
100多家分公司 400多家自营专卖店
5 / 8
2000多个商业网点
（3）Price——定价策略是：
新产品与具有特色的产品采取追求最大利润的定价目标。
常规产品采取取得预期的投资报酬率与扩大或维持市场占有率相结合的定价目标。
（4）Promotion——促销策略是:广告、人员推销、营业推广。 在此案例中，将Y品牌与其竞争对手报喜鸟、七匹男、伟志对比后，我们发现作为领先行业的Y公司，2009年净资产收益率（作为资本市场的核心指标）15.73%并没有脱引而出，而是远低于伟志的25.37%。通过杜邦模型（DuPont Analysis）,我们发现Y公司在销售净利率、资产周转率方面并不理想。
进一步分析，我们得出：Y公司销售净利润低，成本控制并非主因，而是在推出新产品方面的定价和管理不科学所致；资产周转率低的主因是，Y公司的渠道和信息结构下产生的程度较深的牛鞭效应；当然，还有资本结构（权益乘数）的选择问题，但这不是我们这个Topic的内容，这里不展开分析。
基于这些绩效数据的现象是，在Y公司渠道中分公司、专卖店、商业网点之间产品积压与缺货现象并存，市场响应速度慢；部分产品利润持续下降，新产品利润不容乐观。
因此，问题将集中于以下几个方面：
ⓐ销售净利率低←产品生命周期管理与推出新产品问题
6 / 8
ⓑ资产周转率低←牛鞭效应 ⓒ权益乘数←资本结构的选择问题
这里将主要讨论（1）牛鞭效应的分析、判断、措施；（2）新产品价格研究。这两方面，涉及到几个关键的数据分析，以及通过数据分析产生的一系列洞见（insight）。
第一，关于牛鞭效应问题。所谓牛鞭效应，即信息在传递过程中的失真现象，随着往供应链上游前进需求变动程度逐渐增大。牛鞭效应会使供应链中持有大量库存，而消耗大量资金。Y公司遍布全国的分公司、专卖店、商业网点各节点存有大量的库存，但奇怪的现象是，缺货现象也十分普遍。这种情况直接导致了其328天的周转期，促使资产收益率下降。同时，由于各门店普遍的缺货现象，客户流失现象严重。
因此，在这一部分，我们提及了以下三个方面：（1）牛鞭效应形成原因；（2）Negative Effect量化；（3）Solution。
关于Solution,我们进行了三个数据分析，分别是： (1) 数据分析一：服务水平与销量的关系？——服务部门是成本中心还是利润中心的决策！
（2）数据分析二：合理设置安全库存——信息集中化决策！ （3）数据分析三：区域配送中心（RDC）选择——物流网络重构决策！
第二，关于新产品价格研究。分析发现，部分产品利润持续下降，新产品利润不容乐观。对于部分产品利润持续下降，源于正常的生命周期反应；但对于新产品利润问题，是重点分析领域。这里采用了：
7 / 8
（4）数据分析四：价格研究中的数据分析！通过价格敏感度测试（PSM模型），制定合理的价格，并修改新品上市的一些规则。
我们通过数据分析进行了渠道与库存决策、新产品价格测试（PSM）等，当然还包括以下方面的数据分析：
生产组合决策 采购中供应商选择决策 供应商管理库存（VMI)决策
通过以上系列数据分析，无疑为Y公司带来了优良的绩效，这些绩效是：
资产收益率提高25%
对订单的反应能力及生产周期缩短了50%
库存周转率提高了一倍以上，节省2.5亿元的库存成本
缺货损失减少了30%以上 工厂的准时交货率达到了99%以上
8 / 8
因篇幅问题不能全部显示，请点此查看更多更全内容