3月集团经营治理分析会上 ，李安平董事长发“火”了！课前 ，他将整个恒峰g22营销、市场、出产、研发、后盾以及各团队治理人员近2个月的“通话时长”导出表格 ，通过数据现场分析治理人员的工作状态及沟通频率 ，从而引出了今天的主题——“数据化治理”。
一、数据化治理的界说
1、什么是大数据？“大数据”是由数量巨大、结构复杂、类型多无数据组成的数据集中 ，归根结底是由数字+表格+单词组成。
2、什么是数据化治理？数据化治理是通过对业务的数据进行网络、分析 ，并将分析了局利用到企业运营的各个环节 ，进而对治理方面做出相应的打算及调整过程。网络数据→整顿数据→分析数据→数据化治理。
3、我们对数据治理的理解误区：有电脑系统 ，有各类报表 ，开会想数据�Ｄ芄晃饰首约海菏欠癜盐樟擞行Х治龅牟街�？是否对数据进行了有效分析？是否通过度析找到了问题点？是否能找出问题的解决步骤？
通过有效的数据化分析 ，我们可能：找到问题 ，解决问题 ，提高效能。
数据分析是最重要的治理工具。
二、为什么要进行数据化治理
1、表部压力——经营环境面对挑战：当今 ，决策的环境与面对的挑战对我们提出了更高要求 ，决策的复杂性和时效性问题突显 ，究其原因 ，重要体此刻四个方面。（1）信息全面复杂。蕴含：市场与销售、客户与服务、出产与造作、采购与供给、库存与运输等。（2）信息起源分散。蕴含：机构分散、企业表信息源分散、汗青信息堆集等。（3）信息传递缓慢。蕴含：企业规模变大 ，信息无法实时传递；无法进行深档次处置及量化分析等。（4）数据整合难题。蕴含：数据孤岛、主数据不一致、数据口径不一致、维度粒度不一致。
2、内部需要——治理猜疑：我们生涯在数据之中。对于企业治理来说 ，有HR、资金治理、OA、供给链、财政、物资等各类数据 ，但存在大量看不全、找不见、用不了的数据 ，形成“孤岛�；�。这容易导致以下问题：（1）指标动态数据靠问；（2）运营分析数据靠等；（3）拍板决策数据靠想；（4）分析汇报数据靠凑。
三、数据化治理的意思和主张
1、有利于量化治理。
2、有利于提高企业整体分析钻研能力。好比对于企业经营治理能力分析 ，会涉及到：（1）各层治理人员素质及能力分析；（2）企业经营效能分析；（3）内部调控机构效能分析；（4）人事治理效能评估；（5）出产调度效能分析等。
恒峰g22中药材全程追忆系统
3、有利于提高企业治理者的决策速度和正确性。
4、有利于实现精密化治理 ，提高运营效能。
5、有利于提高企业市场急剧反映能力。
6、有利于最大化提升销售、市场业绩 ，提高主题竞争力。
当今“大社会” ，三分靠技术 ，七分靠数据。得数据者懂全国 ，用数据者得全国！
四、若何成立数据库
1、企业大数据的起源：（1）企业经营有关的业务数据-这类数据来自企业信息化领域 ，蕴含企业资源打算(ERP)、产品性命周期治理(PLM)、供给链治理(SCM)、客户关系治理(CRM)和环境治理系统(EMS)等。（2）机械设备互联数据-出产过程中 ，设备、物料及产品加工过程的工况状态、环境参数等运营情况数据等。（3）企业表部数据-蕴含企业产品售出之后的使用、反馈情况的数据 ，同时还蕴含了大量客户、供给商、互联网等数据状态。
恒峰g22精准扶贫作战数据图
2、理清数据库的三个档次：（1）业务领导治理 ，聚焦于“在干什么？”（2）运营分析治理 ，聚焦于“干得怎么样？”（3）经营战术治理 ，聚焦于“还要干什么？”
3、成立五个板块的数据库：（1）“营销”数据库-指标达成率、人员配置、市场开发、品淡旺季法规、月季实现率、区域销售占比、战术品销售占比、潜品销售占比、客均销售、人均劳效等；（2）“出产”数据库-销售数据（上、本、下期）、设备利用率、单元能耗、单元折旧、单元维建、产能制品率、人均劳效等；（3）“研发”数据库-员工分层分级、专家数据库、同线同品数据、立项凭据、结题功夫、对表合作、流程节点、阶段评估、结题汇报等；（4）“物料”数据库-需要预测（量/价）、采购量/价、进品（高/科/低）、存品（高/科/低）、单价对比率、商品损失率、量价同/环比、库销比等；（5）“服务”数据库-专委赋能、学术服务、活动互换、吩旆用户量、用户周月利用率、单人使用量、连带率等。
五、若何利用数据化治理
1、打好信息化基础 ，不休堆集形成数据库。
2、通过操练 ，不休提高数据化思想意识。自动提高的人会：熟悉业务、记大数、记关键数、记异常数；被动提高的人则只会：培训、做表、换岗。
3、对数据有质怀疑灵 ，正确分辨大数据的真实性。如销售量和销售额�？赡艽嬖诘木跋笫牵杭偈莩湟缭谙鄣母鞲龌方� ，容易导致谬误判断。背后的原因在于：统计蹊径过长 ，纰漏大意 ，有意篡改数据 ，依赖性太强……
4、理清数据起源 ，对峙数据的客观性。要有挖根掘底的心灵 ，预防：以偏概全、定向取值、尺度不一。
恒峰g22动态跟踪列国保健品销售占比
5、关注持久、短期数据 ，正视数据的时效性。使用权重法 ，分析商品、物料等占用的比例、账龄、库龄等。
6、加强数据化治理培训 ，提升数据逻辑性。
7、深度钻研销售、出产、人才等各类法规。
8、数据由点带线、由线带面。
9、按月、季分化各项指标。
10、通过对比 ，分析预测年度指标。
11、逐日追踪盈亏平衡点
12、做好数据安全防护工作
六、当苦衷项
1、不要只列举数据 ，而没有结论。
2、不能没有尺度和数据起源。
3、不写记叙文 ，要写讨论文。
4、要有问题点 ，也要有解决规划。
5、没有确切数据 ，只做定性分析。
创新发展 ，循序渐进 ，深入数据 ，坚持不懈！
3月集团经营治理分析会上 ，李安平董事长发“火”了！课前 ，他将整个恒峰g22营销、市场、出产、研发、后盾以及各团队治理人员近2个月的“通话时长”导出表格 ，通过数据现场分析治理人员的工作状态及沟通频率 ，从而引出了今天的主题——“数据化治理”。
一、数据化治理的界说
1、什么是大数据？“大数据”是由数量巨大、结构复杂、类型多无数据组成的数据集中 ，归根结底是由数字+表格+单词组成。
2、什么是数据化治理？数据化治理是通过对业务的数据进行网络、分析 ，并将分析了局利用到企业运营的各个环节 ，进而对治理方面做出相应的打算及调整过程。网络数据→整顿数据→分析数据→数据化治理。
3、我们对数据治理的理解误区：有电脑系统 ，有各类报表 ，开会想数据�Ｄ芄晃饰首约海菏欠癜盐樟擞行Х治龅牟街�？是否对数据进行了有效分析？是否通过度析找到了问题点？是否能找出问题的解决步骤？
通过有效的数据化分析 ，我们可能：找到问题 ，解决问题 ，提高效能。
数据分析是最重要的治理工具。
二、为什么要进行数据化治理
1、表部压力——经营环境面对挑战：当今 ，决策的环境与面对的挑战对我们提出了更高要求 ，决策的复杂性和时效性问题突显 ，究其原因 ，重要体此刻四个方面。（1）信息全面复杂。蕴含：市场与销售、客户与服务、出产与造作、采购与供给、库存与运输等。（2）信息起源分散。蕴含：机构分散、企业表信息源分散、汗青信息堆集等。（3）信息传递缓慢。蕴含：企业规模变大 ，信息无法实时传递；无法进行深档次处置及量化分析等。（4）数据整合难题。蕴含：数据孤岛、主数据不一致、数据口径不一致、维度粒度不一致。
2、内部需要——治理猜疑：我们生涯在数据之中。对于企业治理来说 ，有HR、资金治理、OA、供给链、财政、物资等各类数据 ，但存在大量看不全、找不见、用不了的数据 ，形成“孤岛�；�。这容易导致以下问题：（1）指标动态数据靠问；（2）运营分析数据靠等；（3）拍板决策数据靠想；（4）分析汇报数据靠凑。
三、数据化治理的意思和主张
1、有利于量化治理。
2、有利于提高企业整体分析钻研能力。好比对于企业经营治理能力分析 ，会涉及到：（1）各层治理人员素质及能力分析；（2）企业经营效能分析；（3）内部调控机构效能分析；（4）人事治理效能评估；（5）出产调度效能分析等。
恒峰g22中药材全程追忆系统
3、有利于提高企业治理者的决策速度和正确性。
4、有利于实现精密化治理 ，提高运营效能。
5、有利于提高企业市场急剧反映能力。
6、有利于最大化提升销售、市场业绩 ，提高主题竞争力。
当今“大社会” ，三分靠技术 ，七分靠数据。得数据者懂全国 ，用数据者得全国！
四、若何成立数据库
1、企业大数据的起源：（1）企业经营有关的业务数据-这类数据来自企业信息化领域 ，蕴含企业资源打算(ERP)、产品性命周期治理(PLM)、供给链治理(SCM)、客户关系治理(CRM)和环境治理系统(EMS)等。（2）机械设备互联数据-出产过程中 ，设备、物料及产品加工过程的工况状态、环境参数等运营情况数据等。（3）企业表部数据-蕴含企业产品售出之后的使用、反馈情况的数据 ，同时还蕴含了大量客户、供给商、互联网等数据状态。
恒峰g22精准扶贫作战数据图
2、理清数据库的三个档次：（1）业务领导治理 ，聚焦于“在干什么？”（2）运营分析治理 ，聚焦于“干得怎么样？”（3）经营战术治理 ，聚焦于“还要干什么？”
3、成立五个板块的数据库：（1）“营销”数据库-指标达成率、人员配置、市场开发、品淡旺季法规、月季实现率、区域销售占比、战术品销售占比、潜品销售占比、客均销售、人均劳效等；（2）“出产”数据库-销售数据（上、本、下期）、设备利用率、单元能耗、单元折旧、单元维建、产能制品率、人均劳效等；（3）“研发”数据库-员工分层分级、专家数据库、同线同品数据、立项凭据、结题功夫、对表合作、流程节点、阶段评估、结题汇报等；（4）“物料”数据库-需要预测（量/价）、采购量/价、进品（高/科/低）、存品（高/科/低）、单价对比率、商品损失率、量价同/环比、库销比等；（5）“服务”数据库-专委赋能、学术服务、活动互换、吩旆用户量、用户周月利用率、单人使用量、连带率等。
五、若何利用数据化治理
1、打好信息化基础 ，不休堆集形成数据库。
2、通过操练 ，不休提高数据化思想意识。自动提高的人会：熟悉业务、记大数、记关键数、记异常数；被动提高的人则只会：培训、做表、换岗。
3、对数据有质怀疑灵 ，正确分辨大数据的真实性。如销售量和销售额�？赡艽嬖诘木跋笫牵杭偈莩湟缭谙鄣母鞲龌方� ，容易导致谬误判断。背后的原因在于：统计蹊径过长 ，纰漏大意 ，有意篡改数据 ，依赖性太强……
4、理清数据起源 ，对峙数据的客观性。要有挖根掘底的心灵 ，预防：以偏概全、定向取值、尺度不一。
恒峰g22动态跟踪列国保健品销售占比
5、关注持久、短期数据 ，正视数据的时效性。使用权重法 ，分析商品、物料等占用的比例、账龄、库龄等。
6、加强数据化治理培训 ，提升数据逻辑性。
7、深度钻研销售、出产、人才等各类法规。
8、数据由点带线、由线带面。
9、按月、季分化各项指标。
10、通过对比 ，分析预测年度指标。
11、逐日追踪盈亏平衡点
12、做好数据安全防护工作
六、当苦衷项
1、不要只列举数据 ，而没有结论。
2、不能没有尺度和数据起源。
3、不写记叙文 ，要写讨论文。
4、要有问题点 ，也要有解决规划。
5、没有确切数据 ，只做定性分析。
创新发展 ，循序渐进 ，深入数据 ，坚持不懈！