中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

怎樣才可以成為一個合格的數據管理者？這篇文章里，作者總結了4張演進表，包括原始數據表、數據源表、計算分析表、結果報告表，一起來看看吧，或許可以幫助你更好地做好數據過程管理。

題記：大部分時候，當老板要求我們提供【一份數據分析報告】的時候，我們是一臉懵逼的：“老板，What are you 弄啥嘞？你講清楚，你這數據分析報告是要啥??？”

其實老板的真實需求是：

1. 整個過程的總結：①起因；②過程；③結果；④建議；
2. 以報告的形式完整的呈現：①框架結構清晰，內容主次分明；②圖文并茂；③明確的結論；④提供可行性建議或者解決方案。

正文：

小明是一個忙碌的助理，在自己電腦上存了很多份收錄各個業務經理匯報上來的報表，當老板要數據結果報告表時，他就是最忙碌的，每次都要忙到深夜。他會吐槽：“1、老板，為啥每次要的數據都不一樣。上次要銷售額同環比，這次要毛利額增長率。2、這幫業務經理，匯報個表都不會，各種數據亂七八糟，各種合并單元格?！?/p>

在這里，我們會發現小明把業務經理匯報上來的數據表直接當原始數據表用，且每次都是根據老板分析要求臨時編制數據表，這樣結果就是忙碌且低效。為了解決這個問題，我們就要從源頭管理開始將數據分析過程按照一張一張數據表去進行管理：

針對數據類管理需求，首先我們要明確數據結果呈現不是一蹴而就的，它是一個經過嚴謹的過程管理，方能呈現管理結果的數據運營工作。在這個過程管理中，會涉及4張演進表（只有充分理解并嚴謹的管理好這4張表，數據運營的結果才會是準確并有指導意義的）：

1. 原始數據表
2. 數據源表
3. 計算分析表
4. 結果報告表

一、原始數據表

原始數據表是作為所有過程的開端，所以數據表統計的內容一定要齊全、規范。齊全代表數據準確性，規范代表后期數據的可應用性。針對原始數據表的管理分為以下幾條：

1. 表格規范

表-1

表-1是其中一個經理上傳的數據表，小明能否將這份表直接作為原始數據表？

答案是否定的，基于以上的表及管理邏輯，小明做出以下的調整：

1）補齊字段

表-2

對比表1，我們在表2中增加了成本價、利潤額兩個字段，后期老板除了要算銷售額，關于成本總額，利潤額、利潤率相應數據也是可以計算出來的。

當然這也不是說加了兩個字段就所有數據都齊全了，只是表明，如果【原始數據表】統計的字段有缺，那么今后再想補齊就會涉及多次的返工問題。

2）規范字段

表-3

對比表2，我們在表3中，將銷售方式3個字段的打鉤方式代表字段值：是否的邏輯改為1個字段3類字段值的方式。

有的人會說，這種方式不好看，沒有打勾的方式展示直觀。但我們要思考，這份表的地位是什么？如果是原始數據表，它最后會作為數據源表參與到數據分析當中，最簡單來講會有vlookup、sumif、countif等計算邏輯參與其中，這個時候是不是這種規范的數據格式類型更能有后續的被使用的延展性？

3）除去多余表格名稱、使用單層表頭

表-4

對比表3，我們在表4中將冗余的表格名稱、多層的表頭進行刪除。因為多行表頭并不能帶來理解上的便捷，每列表格一個表頭就能充分表達該列所代表的含義，多行表頭也不利于后期針對表格進行數據整理。

4）禁用合并單元格

表-5

對比表4，我們在表5中將分類的合并項進行了拆分。為什么【原始數據表】禁止使用合并單元格，因為合并單元格除了第一行是有【值】的，其他行其實都是空值，如果針對這份數據要進行【數據透視】或者【數據篩選】，這個時候就會發現這份數據又要重新把分類字段進行修改，對后期的利用延展性是很不好的。

5）刪除多余的合計行

表-6

對比表5，我們在表6中將【合計行】進行了刪除，如果我們提供的表格會作為別人的【原始數據表】，那么【合計行】不但不能起到作用，后期還有可能影響數據準確性。

6）取消空行空列

空行空列，在做后期做數據分析操作時，會影響數據及操作。故而，【原始數據表】內不應存在空行空列的行為。

7）一格一屬性

表-7

在表7中，有些數據管理者喜歡在一項字段中增加其他運營屬性，例如運營屬性中的ABC分類。這個數據如果作為【數據源】導入系統、進行數據分析，后期都會影響業務往來。

表-8

在表8中，數量這一列，如果把單位也放在里面，我們會發現這列數據就變成了文字格式，不是數字格式。我們再想針對它做數據運算時，就做不了了。這個時候再想拆分列就比較麻煩。

8）使用正確的數值格式

表-9

在表9中，類似日期這種格式，一定要錄入正確的日期格式，后面才能做對應的數據分析。

2. 管理規范

表格規范后，這個是萬里長征第一步。數據運營，需要的是數據的嚴謹與準確。在這里，就需要做好管理規范。

1）定義數據【必填項】

在實際管理過程中，會發現有些數據是不同階段產生的；有些字段不一定會有具體字段值（尤其B端業務）；有些字段不明確的話，由人填報的情況下，填報人就一定有很大可能不填報完全。

那么針對以上情況，定義數據【必填項】就很有必要。如果【某項數據】是數據分析、后期數據匯報必須項，那么這項數據就為【必填項】。

例如：

1. 領導需要知曉【某年某月】的數據情況，那么年月就為必填項；
2. 領導需要知道【應收】、【實收】、【差異】、【壞賬】等數據，那么【應收】、【實收】、【收入狀態】就為必填項，【收入狀態】可以是一個值，也可以用【實收】為0來代表。主要看管理手段。

通過以上說明，咱們知道如果想達到老板的要求，數據管理者就一定要嚴格要求數據【填報人】進行嚴格填寫。

2）明確數據填報人、數據審核人

① 如果不定義數據填報人，那么【數據原始表】很大概率是沒有人填寫，或者填寫不及時的，每次要求匯報數據，也是一個很累很辛苦的過程；

② 如果一個部門的數據，是由多人填報，甚至出現跨部門填報，那么數據重復、數據出錯的可能性就加大。每多一個人填寫數據，那么出錯的概率是成倍增加的；

③ 在數據填報人之上增加一個【數據審核人】，每個【數據分析人員】不一定是【數據填報人】的直屬領導，那么數據準確性是要由【數據分析人員】去針對【數據填報人】做業務管理么？這肯定是不現實的，那么為了數據準確性，就一定針對業務數據設置【數據審核人】，【數據審核人】可以是【數據填報人】的上級領導，也可以是下一步業務數據傳遞的協同部門協同人員。

3）制定數據管理規則

① 數據錄入規則

針對數據錄入時效、錄入字段值定義等，需要制定錄入規則。無規則，只要有數據是填寫的，非選擇的，那么錄入人都有可能錄成各種內容。

② 數據審核規則

針對數據審核，需制定審核規則。尤其是審核的時效性問題，這牽涉到數據是否可以進行下一步流轉，數據是否可以可以放心的作為【數據源】進行【數據分析】

③ 數據傳遞規則

針對數據，如果存在數據處理、數據應用，那么一定要定義好數據傳遞規則。例如時間傳遞時效性，數據傳遞過程可修改范圍、修改人。

例如第一步數據填報人填寫后，第二步數據處理人看到數據出錯了，管理上是A、第二步數據處理人可直接修改；B、數據退回，由第一步數據填報人進行修改。

有很多管理者為了效率，會選擇A。那么恭喜你，你這份原始數據表有很多概率是會出錯的。因為數據的差錯判斷過程也應該是嚴謹的。如果由第二個人可以有權限隨意修改第一個人的數據，那么首先他們兩之前的傳遞交互就保證不了；其次第一個人的數據準確性變成了由第三個人來保證。如果該數據只有兩個人傳遞，那么第二個人改后的數據由誰來保證數據準確性？

故而，數據咱們一定不能嫌麻煩，出差錯了就是退回，重新填寫。這也是財務管理為什么嚴謹且招人煩的原因。

④ 數據差錯率獎懲規則

一個好的規則要落實下去，一定要有差錯率獎懲規則。例如倉庫發貨的差錯率，門店銷售數據的差錯率，只要沒有獎懲規則，想要把差錯率降下去，那么管理者付出的辛苦肯定是成倍增加的。

其次，差錯率，我們重點懲罰的對象是【數據審核人】？還是【數據錄入人】？這個答案，咱們在第三篇【數據運營模型篇】給大家進行說明。

4）做好數據準確性監督

是人就會犯錯，哪怕是系統也是由人代碼敲出來的，里面的記錄規則、算法規則也有可能是錯誤的。那么針對一份數據，一定要有定時的準確性監督。當然如果前面3點做的好，這一項工作的耗時耗人力成本就沒有那么高。

二、數據源表

在管理好【原始數據表】后，我們是不是可以立馬就做數據分析了？為啥還有一張【數據源表】？

我們肯定聽過很多高大上的名詞：【數據處理】、【數據挖掘】。其實把它們轉成通俗語言就是，如果你不想數據分析的時效性長，那么原始數據表就得經過【數據處理】；如果你不想數據分析的結論被人懟，那么原始數據表就得進行【數據挖掘】。

1. 數據處理

數據處理的邏輯是讓【原始數據表】更方便我們進行數據處理及后續分析；

例如：

① 錄入的數據格式是【年月日】，我們后期想針對月份進行數據分析；那么我們可以在【數據源表】上加上月份字段（當然不是讓錄入人在【原始數據表】上填重復的數據，如果年月日拆成3個字段，錄入者又有反抗情緒，這要看管理上怎么做。）

② 錄入者錄入了采購價、銷售價，為了效率毛利額是應該錄入，還是【數據源表】進行處理？當然這個也可以留到【數據分析表】進行處理，但是如果【數據源表】有的話，后期分析期間可以直接重復引用，可以省掉很多計算邏輯及計算環節。

…………

針對這個還可以舉很多例子，我們了解了。數據處理是一個承上啟下的過程，即不讓【原始數據表】有過多冗余字段，又可以讓【數據分析表】處理邏輯減少。

2. 數據挖掘

數據挖掘是要發現幾份數據背后的關聯：

1）例如在財務定義【應收】、【實收】的數據中，發現還有幾種狀態類型數據：【業務待收收】、【業務已收未開票】、【業務壞賬】。

在很多時候，直接將【應收】-【實收】定義未【差異】未收數據，業務就會針對數據管理者發起挑戰。

2）例如在業務定義【毛利】的時候，根據一些匯報對象和場景需要，是會選擇性將供應鏈過程的返點加進一起進行運算。所以數據管理者如果就簡單的將【銷售額】-【采購進價】=【毛利額】，那么在有些場合，就等著業務部門和你臉紅脖子粗的掰扯吧。

3）例如，針對銷售數據，大部分人會分析銷售數據的毛利額、毛利率、客單價、同環比等情況。有部分人就會算一單一品率，會員回購率、坪效等等。更高階者，甚至能發掘出更多的數據背后的管理邏輯。

…………

針對以上我們還可以舉很多例子。會發現，數據管理者一定是要十分懂業務，才能做好【數據挖掘】的工作，真正成為數據管理專家。

三、數據分析表

很多表哥、表姐或者研發人員，會沉醉于Excel數據函數的應用或者算法邏輯當中。當然這些很考驗一個人的邏輯能力與某項工具應用的技術能力，但如果太花時間在【數據分析表】上，其他的三個表所花費時間要么偏低，最后的【數據結果報告表】不能達到老板滿意的要求；要么耗費數據管理人員很多時間，最后要各種熬夜加班。

所以在做【數據分析表】時，我們要理解，它首先是為【數據結果報告表】服務的，如果【數據結果報告表】的結論方向很明確且單一，數據工作者就無需花太多時間在【數據分析表】上進行炫技。針對此項內容，作者會在數據分析第二篇-Excel數據分析中進行闡述，告訴大家如何利用好函數、數據透視表解放自己的工作時間。

1. 明確分析方向

在進行數據分析時，我們要時時刻刻提醒自己，這個是要做【數據結果報告表】做數據支撐用的。如果對方是公司老板，那么他關注的數據是哪些層面的？如果對方是公司高管，那么他關注的數據是哪些層面的？如果對方是部門Leader，那么他關注的數據是哪些層面的？如果對方是某項業務的項目經理，那么他關注的數據是哪些層面的？

圖-1

例如圖-1，某項業務中，需要給部門Leader做收入數據匯報。這個時候，就一定要理清對方想要什么？通過數據分析，他想要達到什么目的？

此時我們可以從以下3方面入手：

1）數據現狀分析

告訴leader，目前數據收入現狀是什么？

2）數據管理提升

告訴leader，目前業務管理出了哪些重要問題，從哪幾項著手可以有效進行改善，并利用好leader資源在會上進行改善舉措推動。

3）業務預測建議

告訴leader，目前業務形態是怎么樣的？持續下去的預測是怎么樣的？從哪些方面進行優化？優化的預測又是怎么樣的？

2. 調整分析維度

同時在做數據分析的過程中，發現數據的分析維度是可以多樣的。同時有些數據分析的維度不一定具有規律性，此時就要調整【數據分析表】的分析方向，最終達到【數據結果報告表】的要求。

1）增加數據維度

例如圖-1中，數據現狀分析中，還可以引入客戶維度數據分析等。

2）調整數據維度

例如圖-1中，業務預測建議，在做數據分析的過程中，發現省區收入走勢不具備規律性（即時間維度不具備分析性），此時可以調整為省區收入各類型占比。各類型占比可以看到不同業務形態在不同省區的不同發展情況。針對省區進行業務特定調整。

四、數據結果報告表

回歸開篇，【數據結果報告表】需要：

1. 整個過程的總結：①起因；②過程；③結果；④建議；
2. 以報告的形式完整的呈現：①框架結構清晰，內容主次分明；②圖文并茂；③明確的結論；④提供可行性建議或者解決方案。

這個時候發現做PPT或者一份比較好的圖文結合的Excel可以達到上述要求。千萬別長篇大論的用word文檔去做【數據結果報告表】。

同時也不只是簡單的把數據結果粘貼上去，讓老板自己根據數據去得出結論，給到管理優化建議。那么你就不是一個合格的數據管理者。

想做好一個數據管理者，理解好作者寫的四份表，然后不停的去進行循環優化，提升自己的數據過程管理吧！