小企业需要数据分析吗？

大家常说数据驱动增长，来很多人表示数据分析师中大型企业的专属，那小企业是否就不用了？

但，数据分析与否和企业规模大小并无必要联系！

我们（ 帆软 ）服务过几千家客户，有见过营收10亿以上的企业，像样的业务系统就一套ERP，数据都躺在系统里，近两年才开始抓数据采集和数据治理。

也见过一些小微企业，在运营上有自己成套的数据分析运营规范，流量监控、产品目标转化、用户流失引导，精细到每一个步骤。

企业是不是要做数据分析，什么时候做数据分析往往来来自这样几个因素：

• 来自营收、利润、市场竞争还有企业内耗费的压力，迫使需要一种客观的能快速响应的管理辅助手段；
• 业务、运营上暴露的问题是否逼迫到要详细数据分析，来反思管理决策的正确性；
• 企业是否有相关的数据分析人才，愿意推动主导；
• 企业管理层、业务领导层是否了解、认同数据分析这一套，并愿意花时间、人力、财力去搞；
• 某些业务模块是否有成熟可应用的分析方法论，比如互联网数据分析那一套、客户管理管理那一套、门店选址那一套……
• 企业所在行业，数据分析的风气。比如零售、互联网、金融等行业早已走在前列。还有，很多情况下企业有这种竞争对手搞了，我们也要搞的心态。

......

所以数据分析与否和企业规模大小并无必要联系，取决于经营业务的需求迫切程度，以及公司管理层、业务领导层的重视程度。

但不可否认的是，企业越大，业务矛盾越突出，数据也相对较全，资金也相对足，所以也更容易做数据分析。

其实所有的企业都需要数据分析，因为业务是真是存在的，所有数据也是真是存在的。小企业也更需要有“数据分析思维”。

1、因为小企业在人力、财力方面的资源是有限的，所以必须保证把资源用于能产生成果的地方；它增加资源的能力是有限的，所以必须肯定不会超越自己的财务能力的限度，必须能很好地事先知道在什么时间和什么地方，会有追加资金的需要。

2、小企业经不起限期偿还大笔资金和突然需要大笔金钱的压力。即使企业处于繁荣状况，一般也要花费相当时间才能筹到追加的资金。小企业还必须了解环境中的重大变化，其成功依赖于它在一个小的生态领域中的优先地位。因此，它必须了解这一生态领域中任何变化的可能性。

3、通常的会计资料虽然是必需的，但还不够。小企业必须了解它的每一个关键人员在什么职位上，以及他是在为“成果”而工作，还是为“解决问题”而工作。它必须了解它的稀缺资源的生产率——它的人员、资本、原料和供应品的生产率。它必须了解它的生产如何在客户中分布：例如，它的生意是不是依赖于两、三个大主顾，其它的分散在几百个主顾那里? 因此，它易受打击的程度有多大？

4、应该特别注意小企业所需要而通常又难以得到的财务和经济情报。当然，目前的小企业一般都已掌握传统的会计数据。但是，小企业中知道自己的现金流量的却很少，而能预测未来的现金流量的就更少了。

它们全都知道或应该知道自己的应收账款，但一般并不知道它们的顾客、它们的经销商和代理商是不是把自己的产品积压在仓库里。因此，它们需要有关于自己产品的最终市场，即从代销商那里购买物品的消费者情报。

绝大多数企业的数据是很容易得到的，特别是它们很少要求精确度很高的数据。但是，小企业最需要的数据却并不是通常的会计模式所能提供的，而是一些把公司的目前状况及其关键资源的利用情况联系起来的数据。这些数据一方面要能确定未来的机会，另一方面又能防止可能的危险。

举两个真实中小型企业的栗子。

故事一：

一家是对公的文创企业，主要做钱币、邮票、贵金属产品，依附于银行渠道，礼品渠道。

早些年，由于对公市场十分繁荣，产品的研发不需要科学的考量。但后来，市场大潮退去，原来依附的渠道失效，一时间暴露出库存积压问题，整个销售陷入一个被动局面。

这时发现内部对每个销售人员掌握的客户信息缺乏管控：每个销售人员手里掌握的客户，有没有重复，有没有遗漏，有没有重复上报，都没有管控，这些都无从考证。

财务方面，对于每个客户的应收账期是多少？客户是不是已经产生了信用危险？要求是否合规？这些信息领导层都无从知晓。

所以，由于缺乏管控，导致公司整体销售业绩很好，但应收帐款却有很大缺失。以上种种问题，都在过去销售业绩低沉的时候暴露无疑。

后来，公司上下都形成一致意见，认为目前的形势，内部管理比外部拓展经营更为重要。

于是发力内部经营的数据分析。

一两年的时间，上线 FineReport 数据平台，先是打通与银行的订单来往数据。利用FineReport填报采集数据，增加强烈的校验机制，保证数据精准。

其次，建立数据平台，IT部提前将数据清洗、抽取、切片、聚类。在固定时间，按时间、地点、体系、产品等等做综合的数据维度，放在数据仓库。供各业务部门分析。

然后，发力内部数据分析文化，定期搞培训，各部门都培养1~2名会使用BI工具并分析的同事。

目前，该企业还在不断的往数据化管理的方向在努力。现在公司已能及时了解销售、库存对于行情变化的趋势。应账账款率提高35%。近几年销售部也都发力于高质的大客户。

故事二：

老K所在集团有一子公司，销售业绩和盈利能力一直都很差，2014年甚至亏损。但该子公司是集团战略的一个重要环节，那只能对这个公司进行业务改进，具体怎么做呢？

老K拉来子公司的财务数据，做了细致分析：分析哪些产品赚钱？哪些客户赚钱？哪些销售人员赚钱？还真有了大发现：49个产品中只有不到30个产品是赚钱的；给子公司带来利润的下游公司，只有不到20%；为公司创造较多利润的销售人员，也只有57%。

于是，老K把这样的结论向上级领导反映，当即就对改革有了眉头。从产品、客户、销售员这三个角度开展，为期两年。

1、产品改革

老K拿毛利率为基准做了一个贡献排名，砍掉了20%的低毛利产品，同时兼顾类似“捆绑销售”产品组合的综合毛利率。比如，客户因为A产品而选择采购，但是客户要求必须有B产品，虽然B产品毛利并不高，但是如果不提供B产品，客户采购高毛利率的A产品会遇到困难。这种情况，B产品就属于被“捆绑销售”，必须保留。

改革的结果是2015年产品个数由49个，精简为32个，2016精简至28个，高毛利的产品销售占比提高4.9 %。

2、客户改革

客户改革的策略是：对利润贡献度不同的客户采取不同的销售投入。将客户按照利润率自动排名，筛选出利润贡献率较高的30%，这部分客户重点维护；筛选出利润率较低的20%，除了部分利润较大和处于市场战略考虑，大部分客户降低销售投入。

改革的效果很显著，KA客户销量占比由2014年的43% 提升至2015年的54%，占增量利润贡献比例为11%。

客户改革、产品改革、成本控制维度优化调整后，毛利较上年同期增加865万，毛利率提升8.79%，增量利润贡献比例62%。

3、销售改革

销售改革重点是调整利润分配方式。计算规则：改“销量/回款提成制”为“损益提成与增量分享制”。所谓损益提成，也就是销售人员的成本里面要包含产品成本，销售成本和公司财务、管理、市场等分摊成本。所谓增量分享制，就是提成不是固定值，而是梯度变化的。净利润越高，综合平均的提成比例越高。

改革的效果：2016年销量增加1350万，销售费用率下降4.55%，2016年利润916万，比2015年增加457万，利润的增长来源于销量的增长，两年实现利润1,532万。

总得来说，这个项目展现很长，但成果是有的。从财务指标来看，2015年，销量增加了550万，但利润却增加了616万，也就是说，在这套数据驱动的管理方法下，销量增加，利润上升，而成本降低也带来了66万的利润。

最后

不管是大企业、小企业，做数据分析，不要只是为了顺应“数字化时代”，而是引导，引导解决现有问题、发现潜在风险、挖掘未来商机。

数据分析还是要切切实实的解决问题比较好，可以先从一个业务试点，做出成绩和门路来。在 工具 选择上，如果预算有限，也可以上轻量的BI工具甚至开源。

上面没提的是，这两家公司在数据管理过程中，都借用自助式的BI工具FineBI，去推动业务自主的做分析。借助 FineBI ，IT部门/数据部门准备好数据，业务部门直接在平台上抽取做可视化分析，生成报告。

业务人员往往是最适合去做数据分析的，但专业的数据分析门槛太高，数据库、数据挖掘、数据清洗等。但工具替他们解决了繁杂的技术问题，通过FineBI，可以凭借着对业务的理解做探索式分析，相得益彰。

转自： https://www.toutiao.com/i6600601357663601160/