商业智能（BI）强大源自全面的业务监测和估评
-------从忙于应付需求说起-------
总是常听说各公司BI团队忙于应付各业务部门突然冒出来的各种需求，导致数据集市的梳理没空做，数据分析和挖掘也被动，分析了之后还是有一大堆问题冒出来，成了救火队，而且经常加班还难有成就感。
另一方面，各行业，包括电商在BI系统应用上形成2个极端，一个极端是BI在默默地做着报表，而且是业务来什么需求就开发什么，能把指标定义搞清楚，数据质量搞好就不错了。另外一个极端是企业一上来连基础报表和分析都没弄清楚就要数据挖掘，例如商品关联、个性化推荐、客户聚类分析/客户细分等做最流行的事情。
前者BI用的好不好，全靠业务部门的需求是否思考的全面，需求是否经常变（否则BI忙于需求变化，就没办法做更多产出），救火式数据抽取者，几乎没什么挖掘；后者基础不牢，就算BI做出挖掘结果，可能业务部门也没搞清楚挖掘怎么回事，怎么用到业务上，如何进行评估。导致数据盲区过多，挖掘可能在做实验，一段时间内都成为无用功。
所以BI的强大首先源自全面的业务监测和评估，如果很多问题在业务提需求之前，已经发现，并找业务部门及时沟通，这才可能反客为主，BI由业务附属机构变为重要的智囊团。
--------先流程再业务模块-------
BI在熟悉业务过程中，都会首先熟悉业务流程，当然对业务熟悉深度往往止步于流程，首先做好流程监测和评估，对后面深入有很大帮助。
例如电商的订单流程转换过程的监测和评估，这是电商的基础，我们往往发现引导页到商品，到购物车，到下单，到付款，到物流快递，还有退换货，都会有转换率，每一步转换率在业界都有一定标准和平均值，所以是否有问题，哪些是优势，哪些是需要提高的，就会一目了然。例如某一段时间下单到付款的转换率不足70%甚至60%，这就需要警惕，随之而来的就是分析到底为什么，如何提高转换率。我曾经分析过某次转换率过低，因为90%以上不付款的都是新客户，而这段时间正是猛引流的时候，新客户增长迅猛。之后就和业务部门想了很多办法，例如对新客户根据资料、来源等信息进行细分，对他们分别进行提醒、抽样回访等方法挽回。
业务流程监测和分析是电商的基础，不过我以前也碰到过实施商只会这个评估和分析，没有更深入的流量、客户等分析，这显然是远不够的，下面就看具体的业务模块评估和多模块的综合评估。
---------业务模块评估---------
所谓业务模块的评估，就是各业务部门需关心的业务现状、过去业绩的评价和将来优化的方案。这需要充分了解各业务部门的工作内容，他们的业务目标和绩效方法，才能有效为他们服务。
例如商品管理部门，他们的任务是对商品进行有效管理，及时上架新品、对某些滞销、过季商品下架、对商品销售进行评估和预测、对商品价格调整以符合财务对商品的要求、商品活动的方案建议等。
当你理解业务部门的全部重点工作后，就不再迷茫他们的需求为啥要统计这统计那，那么BI部门根据商品管理部门的当前的和潜在的需求，就可以进行综合评估。例如上下架，如果SKU过万，人工判断就会非常困难，但上下架的规则，需要与商品管理部门确认，例如某款报款商品快卖完了，是否需要预警，预警值按动销计算，还是按库存数量计算？滞销商品下架依据是什么，是点击和销售都少的，还是有一定点击但没销量的？这些都要确认。
-----业务链影响性评估与梳理-----
业务链的影响性评估与梳理，需要BI人通过之前积累的每个部门独立的业务知识经验的基础上，自己梳理为主。
业务链影响性关联主要有这么几个角度：
1。客户与网站功能产品的角度；
2。客户与商品管理的角度；
3。商品管理与供应链管理角度；
4。营销推广与商品管理的角度；
5。财务管理与各种业务因素的角度；
这里进行其中一项的说明：如客户与商品，如何监测、评估，然后到自动执行呢？最常见的是商品生命周期与客户生命周期的碰撞，首先每类商品都设商品生命周期，在BI系统进行梳理，如服装的夏装，4月为初始期，5月为热卖期，6月为活动期，7月为甩货期间；用户任何一个阶段都可能进场购买，以客户生命周期来看，如果4、5月进入购买，可在6月再次推荐，4月进入还可以7月推荐秋装，6、7月才进入，可以当月连续推荐。以上推荐方法不多解释，源于相关经验和营销理论。
当然所谓的推荐应用，一定是已经构建了强大的监测和评估之后，发现对业务工作非常有帮助，才能进行个性化会员营销、营销策划等业务操作，甚至自动化操作，否则基础不牢，执行过程容易被误导或做无用功。
在BI检测和评估中，可以对上述角度进行一个建模，可以进行统计分析，也可以作为数据平台，让业务部门抽取数据，成熟的时候，进行自动化匹配、发送推荐信息。
再如最近电商频繁出现的大型活动或促销，这个可能也是大家比较感兴趣的话题，因为它可以让某一天或几天的销售是平常的几倍到几十倍。但分析监测和评估，一定要和运营的战略战术相匹配才行，而且它的业务监测点与日常运营有很多不同的重点。
业务监测评估点：
1。财务评估，活动投入成本、收益（收益对比平时的销售额、毛利）
2。商品供应链预测和评估，我原来提到过，大促主推商品的库存准备一定要与营销推广关联，假设预估本次大促翻10倍销售，那么主推商品总体需要10倍的库存准备，其余商品库存需要增加多少，则根据历史活动的关联性和上升比例准备。当然有的低毛利和负毛利，企业想造势而库存不足，这是另外一回事。
3。老客户激活度评估，呆滞用户是电商避免不了的，但每次大促都是激活呆滞用户的好时机，同时不同品类轮番促销，可以让用户提高重复购买率。
4。新客户评估，新客户转换率往往都是比老客户低的，他们对网站不熟悉，客户体验陌生，新客户来源、访问评估、退换货评估、成交新客户后续评估，以帮助新客户的生命周期构建。
5。流量评估，流量基本KPI之外，还有不同流量来源的质量、他们关注什么（评估仅看中网站促销，还是想多了解其他商品）、转换率差异等等。
6。订单流程评估，由于大促订单量大，订单流处理率高低不仅仅是客户体验问题，还是能达成客户承诺问题，例如7日内发货，就的7日全部货都要发出去。
7。客服评估，客服服务质量，以及通过客服的数据，可以抽样判断多少是目标客户，多少是凑热闹的，多少是潜在忠实客户。
8。IT评估，这个运维客户搞定。
----------总结建议---------
在我们多数电商中，团队很难同时具备互联网、零售双重行业经验，固在BI运作中常常处于被动阶段。假若BI部门能综合全部业务经验，同时能充分跟进业务部门的运营节奏，那么就可以进行全方位的检测、评估，BI则可以进入主动服务阶段，并逐步在企业中有发言权，成为企业智囊团也成为可能。
有了全面的监测、评估，不但是一个监测评估体系，关键是数据模型在这个过程中会得到提升和抽象，数据挖掘也有方向和方法的确认。有了BI强大的基础，后面的深入分析和数据挖掘的进行并不十分难。
本文为FineBI商业智能官网原创，转载请注明出处：www.finebi.com
总是常听说各公司BI团队忙于应付各业务部门突然冒出来的各种需求，导致数据集市的梳理没空做，数据分析和挖掘也被动，分析了之后还是有一大堆问题冒出来，成了救火队，而且经常加班还难有成就感。
另一方面，各行业，包括电商在BI系统应用上形成2个极端，一个极端是BI在默默地做着报表，而且是业务来什么需求就开发什么，能把指标定义搞清楚，数据质量搞好就不错了。另外一个极端是企业一上来连基础报表和分析都没弄清楚就要数据挖掘，例如商品关联、个性化推荐、客户聚类分析/客户细分等做最流行的事情。
前者BI用的好不好，全靠业务部门的需求是否思考的全面，需求是否经常变（否则BI忙于需求变化，就没办法做更多产出），救火式数据抽取者，几乎没什么挖掘；后者基础不牢，就算BI做出挖掘结果，可能业务部门也没搞清楚挖掘怎么回事，怎么用到业务上，如何进行评估。导致数据盲区过多，挖掘可能在做实验，一段时间内都成为无用功。
所以BI的强大首先源自全面的业务监测和评估，如果很多问题在业务提需求之前，已经发现，并找业务部门及时沟通，这才可能反客为主，BI由业务附属机构变为重要的智囊团。
--------先流程再业务模块-------
BI在熟悉业务过程中，都会首先熟悉业务流程，当然对业务熟悉深度往往止步于流程，首先做好流程监测和评估，对后面深入有很大帮助。
例如电商的订单流程转换过程的监测和评估，这是电商的基础，我们往往发现引导页到商品，到购物车，到下单，到付款，到物流快递，还有退换货，都会有转换率，每一步转换率在业界都有一定标准和平均值，所以是否有问题，哪些是优势，哪些是需要提高的，就会一目了然。例如某一段时间下单到付款的转换率不足70%甚至60%，这就需要警惕，随之而来的就是分析到底为什么，如何提高转换率。我曾经分析过某次转换率过低，因为90%以上不付款的都是新客户，而这段时间正是猛引流的时候，新客户增长迅猛。之后就和业务部门想了很多办法，例如对新客户根据资料、来源等信息进行细分，对他们分别进行提醒、抽样回访等方法挽回。
业务流程监测和分析是电商的基础，不过我以前也碰到过实施商只会这个评估和分析，没有更深入的流量、客户等分析，这显然是远不够的，下面就看具体的业务模块评估和多模块的综合评估。
---------业务模块评估---------
所谓业务模块的评估，就是各业务部门需关心的业务现状、过去业绩的评价和将来优化的方案。这需要充分了解各业务部门的工作内容，他们的业务目标和绩效方法，才能有效为他们服务。
例如商品管理部门，他们的任务是对商品进行有效管理，及时上架新品、对某些滞销、过季商品下架、对商品销售进行评估和预测、对商品价格调整以符合财务对商品的要求、商品活动的方案建议等。
当你理解业务部门的全部重点工作后，就不再迷茫他们的需求为啥要统计这统计那，那么BI部门根据商品管理部门的当前的和潜在的需求，就可以进行综合评估。例如上下架，如果SKU过万，人工判断就会非常困难，但上下架的规则，需要与商品管理部门确认，例如某款报款商品快卖完了，是否需要预警，预警值按动销计算，还是按库存数量计算？滞销商品下架依据是什么，是点击和销售都少的，还是有一定点击但没销量的？这些都要确认。
-----业务链影响性评估与梳理-----
业务链的影响性评估与梳理，需要BI人通过之前积累的每个部门独立的业务知识经验的基础上，自己梳理为主。
业务链影响性关联主要有这么几个角度：
1。客户与网站功能产品的角度；
2。客户与商品管理的角度；
3。商品管理与供应链管理角度；
4。营销推广与商品管理的角度；
5。财务管理与各种业务因素的角度；
这里进行其中一项的说明：如客户与商品，如何监测、评估，然后到自动执行呢？最常见的是商品生命周期与客户生命周期的碰撞，首先每类商品都设商品生命周期，在BI系统进行梳理，如服装的夏装，4月为初始期，5月为热卖期，6月为活动期，7月为甩货期间；用户任何一个阶段都可能进场购买，以客户生命周期来看，如果4、5月进入购买，可在6月再次推荐，4月进入还可以7月推荐秋装，6、7月才进入，可以当月连续推荐。以上推荐方法不多解释，源于相关经验和营销理论。
当然所谓的推荐应用，一定是已经构建了强大的监测和评估之后，发现对业务工作非常有帮助，才能进行个性化会员营销、营销策划等业务操作，甚至自动化操作，否则基础不牢，执行过程容易被误导或做无用功。
在BI检测和评估中，可以对上述角度进行一个建模，可以进行统计分析，也可以作为数据平台，让业务部门抽取数据，成熟的时候，进行自动化匹配、发送推荐信息。
再如最近电商频繁出现的大型活动或促销，这个可能也是大家比较感兴趣的话题，因为它可以让某一天或几天的销售是平常的几倍到几十倍。但分析监测和评估，一定要和运营的战略战术相匹配才行，而且它的业务监测点与日常运营有很多不同的重点。
业务监测评估点：
1。财务评估，活动投入成本、收益（收益对比平时的销售额、毛利）
2。商品供应链预测和评估，我原来提到过，大促主推商品的库存准备一定要与营销推广关联，假设预估本次大促翻10倍销售，那么主推商品总体需要10倍的库存准备，其余商品库存需要增加多少，则根据历史活动的关联性和上升比例准备。当然有的低毛利和负毛利，企业想造势而库存不足，这是另外一回事。
3。老客户激活度评估，呆滞用户是电商避免不了的，但每次大促都是激活呆滞用户的好时机，同时不同品类轮番促销，可以让用户提高重复购买率。
4。新客户评估，新客户转换率往往都是比老客户低的，他们对网站不熟悉，客户体验陌生，新客户来源、访问评估、退换货评估、成交新客户后续评估，以帮助新客户的生命周期构建。
5。流量评估，流量基本KPI之外，还有不同流量来源的质量、他们关注什么（评估仅看中网站促销，还是想多了解其他商品）、转换率差异等等。
6。订单流程评估，由于大促订单量大，订单流处理率高低不仅仅是客户体验问题，还是能达成客户承诺问题，例如7日内发货，就的7日全部货都要发出去。
7。客服评估，客服服务质量，以及通过客服的数据，可以抽样判断多少是目标客户，多少是凑热闹的，多少是潜在忠实客户。
8。IT评估，这个运维客户搞定。
----------总结建议---------
在我们多数电商中，团队很难同时具备互联网、零售双重行业经验，固在BI运作中常常处于被动阶段。假若BI部门能综合全部业务经验，同时能充分跟进业务部门的运营节奏，那么就可以进行全方位的检测、评估，BI则可以进入主动服务阶段，并逐步在企业中有发言权，成为企业智囊团也成为可能。
有了全面的监测、评估，不但是一个监测评估体系，关键是数据模型在这个过程中会得到提升和抽象，数据挖掘也有方向和方法的确认。有了BI强大的基础，后面的深入分析和数据挖掘的进行并不十分难。
本文为FineBI商业智能官网原创，转载请注明出处：www.finebi.com