许多认为自己是数据驱动型的组织仍处于起步阶段. 你如何从简单地收集大量数据到建立一个业务分析功能，它实际上告诉你如何调整你的模型以提高盈利能力?

我们采访了特拉维斯·安德森, Toptal的业务分析主管, 获取他关于在公司内部建立核心职能的见解和商业分析技巧, 消除报告偏差, 使用数据的重要性, 以及潜在的陷阱. 作为Toptal的业务分析总监, Anderson领导的团队通过将业务战略与数据活动(例如数据管理)联系起来，实现数据驱动的决策.e.、数据分析、报告、诊断分析和数据科学).

业务分析支持业务的所有功能领域, 包括销售, 市场营销, 金融, 产品, 操作, 和人力资源. 安德森带来了超过十年的经验，建立和领导分析和工程团队，推动显著的业务增长, 包括Vivint智能家居, 赛门铁克, 杨百翰大学, 在他创业的时候, Mapline. 他拥有杨百翰大学机械工程学士和硕士学位以及工商管理硕士学位.

商业分析的用途是什么?

业务分析使管理者能够做出更好、更明智的决策，并通过帮助管理者更有效地利用资源和最终优化底线来提高运营效率, 根据MicroStrategy的《欧博体育app下载》 报告.

在Toptal的案例中, 安德森确定了推动我们的业务和客户终身价值的四个核心原则:

1. 获取客户: 利用数据改善客户获取过程
2. 扩大足迹: 了解如何在地理上和现有客户基础上推动扩张
3. 留住客户: 找到客户旅程中的摩擦点
4. 优化成本 用于收购、保留和业务运营

这四个原则也是企业在数据和业务分析中衡量投资回报率的一种方式.

Toptal的主要挑战是什么?

孤立的分析

根据安德森的说法， 他加入Toptal时面临的第一个挑战是内部分析方法的转变. 当时，大多数内部功能团队都在执行他们的分析. 大多数团队都有数据分析师, 他们每个人都在做自己的数据工作, 主要集中在报道上, 分析, 趋势分析. 尽管存在数据文化，部门经理在决策中使用数据, 这种设置效率很低.

每个团队都有不同的方法，这反过来意味着信息是混乱的. 由于每组都有一个内部数据函数，因此在定义和kpi上没有一致性. 管理层的讨论通常集中在和解上，这可能会分散注意力. 由于定义不同，从数据中吸取的教训有时会丢失.

报告的偏见

从分散的数据收集和报告中产生的第二个问题是，每个团队在展示数据时都有偏见. 每个函数都在选择数据，以最好的方式描绘自己. 这种做法造成了注意力的缺乏和潜在的控制力的缺乏.

安德森着手对公司的方法和业务分析框架进行彻底改革. 首要任务是创建一个中心功能:一个卓越的分析中心，它存在于业务线之外，并作为一个控制点. 中心功能确保数据的收集和分析一致，并消除报告偏差.

中心一旦成立，就必须确保配备适当的人员. 首要任务是确定技能差距. 要建立一个高效且有影响力的团队，你需要 人 谁有扎实的技术技能，很强的解决问题的能力，还有商业头脑.

商业分析中心如何增加价值?

根据安德森的说法， 创建中央数据和业务分析功能的主要附加价值是提高性能和降低成本. 直到一个企业在一段时间内持续地衡量绩效, 对于管理层来说，显著提高绩效是一项挑战.

第一步是建立度量标准的一致性，并根据这些商定的度量标准量化目标. 正如安德森指出的那样，这具有激励员工的基本行为效果, 如果没有目标，你如何激励人们? 此外，任何量化指标都比没有好. 在安德森看来, “如果你只开始衡量一件事, 你可以看到一个真正的好处——要么因为你可以影响它，要么你可以看到它是不相关的.”

Anderson的团队支持所有业务功能，并每周和每两周进行一次检查. 工作的第一部分是确保收集到正确的数据. 这个集合服务于一个行为目标，激励人们完成他们的工作，并为他们的表现分配一个“分数”.

选择正确的kpi

一旦收集到一致的高质量数据, 最大的挑战出现了:评估每个业务单元的正确kpi是什么. 评估是从上到下开始的. 业务分析团队在数据中绘制公司战略，以便所选的业务分析kpi在提供自顶向下和业务级别的见解方面是有用的和重要的.

一些导致建立适当kpi的问题是:

• 关键指标是什么?
• 他们是财务方面的吗??
• 它们是基于操作的吗?
• 团队测量的框架是什么?
• 个人是否需要为实现特定的目标负责?
• 他们将如何评级?

业务分析团队彻底理解业务及其策略是至关重要的. 在Toptal，公司内部对组织的使命有强有力的支持.

利用完善的统计建模和预测对数据进行处理和研究. 然而, 重要的是要注意，分析的输出并不是一个决定, 而是帮助做出更好选择的定量输入. 最终，所有的业务决策都是业务领导者的责任. 涉众与数据和业务分析团队之间通过迭代过程建立了伙伴关系. 一旦做出决定，就需要有数据支持. 不仅, 但我们会定期对kpi进行重新评估，以确保它们始终与公司的战略重点保持一致.

这个过程并不总是无痛的. 有时候，利益相关者之间可能会有摩擦，因为数据中有很多反馈. 并不是所有的管理者都能接受这样的反馈. 安德森认为，他的职责是提供易于理解的建议，并教育高管如何解释从数据中提取的见解.

错误解读数据

安德森谈到了公司在数据收集和分析方面缺乏内部纪律时可能遇到的潜在不利后果. 在之前的约会中, 他遇到过一家公司，该公司有一个很大的业务部门，负责公司收入的很大一部分. 这个业务单位有几个销售代表，他们共同负责超过2亿美元的收入. 然而, 这个团队的收入计算方式与公司其他部门不同，并在一个单独的系统中进行报告.

在管理层变动期间, 一位新任高管没有意识到数据不一致，于是解雇了所有团队成员——他们从数据中获得了错误的见解，认为团队表现不佳. 这个决定是基于ERP系统中错误和不一致的数字做出的. 这是一个价值5000万美元的错误. 这则轶事清楚地说明了原因 主数据管理原则是至关重要的，特别是对于正在经历M&一个集成.

入门中常见的陷阱以及如何避免它们

安德森在开始探索数据分析的公司中遇到了两个典型的问题. 这些问题属于两个极端. 第一个, 公司有时会采取大型举措来收集最终不会使用的完美数据. 第二个问题是，由于数据质量差，公司甚至不开始任何分析. 安德森在这里提供的关键建议是，即使数据不可靠, 测量几个关键kpi可以提供有用的见解. 这样做将使公司学习如何使输入更可靠.

数据越多越好吗?

而衡量正确的kpi是必不可少的, 值得注意的是，过多的数据(或不相关的数据)不一定更好. 没有重点的衡量会扰乱决策，还会分散注意力. 如果一开始就持续正确地测量几个关键的数据点，效果会更好.

安德森团队的有效性是参照上述四个原则来衡量的:客户获取, 足迹扩张, 客户保留, 成本优化. 对于其中的每一个，影响都被测量和量化，为团队的工作提供ROI. 如果团队已经做了大量的分析，但还没有激发变革, 它的工作是无效的. 最终，团队的成功意味着具有可衡量的影响力.

安德森的商业分析指导原则

Anderson的许多见解可以提炼成一些商业分析技巧，以成功实现数据分析.

第一个, 这样一个团队的任务是通过量化措施改变高管的想法，并每天影响他们. 这些都很小, 增量变更通过持续的迭代和改进而产生影响.

第二个, 业务分析团队不提供决策，而是提供可以指导管理人员的信息. 商业领袖仍然要对公司的战略负责.

第三，业务分析功能的影响应该是可测量的，并具有ROI.

最后, 从一组有限的业务分析kpi开始总比根本不测量数据要好. 不仅如此，这个过程还在组织中创造了一种卓越的数据文化. 做得好的公司总是会表现得更好, 即使一开始, 这在技术上很棘手, 昂贵的, 这需要一种文化的改变. 坚持并成功驾驭这一过程的公司往往会留住人才, 表现得更好, 促进企业的问责文化.