数字化转型-数据分析平台这么做，老板100%满意
在您的企业中是否存在如下情况，让您逐渐对数据部门失去信息，对数字化转型产生怀疑？
一、数据部门做了数据报表平台，报表也很多，可是当业务部门需要拿数据做决策支持时却找不到自己想要的数据；或者相关的报表虽然有，但却是零散的不成体系。于是业务部门不得不提新的报表需求，或者申请导出数据到excel自己来分析。
二、报表平台有几千张报表，可是老板和业务部门却看不懂；还需要设计报表的数据产品经理来培训。
三、报表平台的报表很多重复的报表，只是界面不一样。
四、数据部门只会业务部门提一个需求做一个，报表没有体系，最后堆得和屎山一样。
五、报表只是展示了结果数据，想要探索结果背后的过程、缘由却没有办法。
总之您的数据部门做得东西大家并不满意，或者没有发挥出数据应有的价值。
造成这个结果的原因主要有以下几点：
1.企业没有专业的数据团队，由IT部门的产品经理负责设计报表，技术负责开发实现。因为不是专业的数据产品经理不熟悉数据分析体系，所以只能接用户需求、实现需求；最后做得零散没有体系。
2.数据团队人数太少，只够应付业务部门每天提出各种数据导出、报表需求；根本没有精力来做体系化的事。
3.老板和业务部门太着急，没有给数据团队时间去做体系化的事。
4.数据团队负责人不够专业，没有把控好方向。
5.数据团队在企业的定位比较低，只是一个二级或三级部门。
以上种种原因造成我们做的数据分析平台缺少体系，只是一个报表需求累积的杂货市场。这个杂货市场上什么都有，业务部门想要的都可以找到，但是这些报表却是零散分布的；当业务部门需要分析某一个问题时需要大海捞针似的捞出自己的数据，然后下载到excel去分析透视。
下面老高根据自己踩坑的经验和大家分享一下体系化的数据分析平台是如何做的。
在做数据分析报表之前我们先来理一下企业的通用管理流程，定目标、追过程、拿结果：
step1: 确定企业发展战略
step2: 根据战略制定企业年度目标
step3: 目标分解到各个一级部门/子公司
step4: 目标分解到二级、三级
step5: 目标分解到人
以上是从团队的维度拆解目标，另外还会从如产品、市场行业、地区、xxx各种维度来对目标进行拆解，不同的企业会根据自身所处的行业有不同的拆法。
除了拆解目标之外还会有为帮助实现目标的策略、打法、战法、财务预算、人力预算等种维度的拆解。
目标和策略拆解完后，就是追过程；然后拿结果，在追过程中企业需要根据目标的进度，实时对目标和策略进行调整。当目标进度不佳时，或者目标完成了但是最终结果不好时企业管理者就及时增加新的目标、删除设计不合理的目标，目标的权重也会相应的调整；以保证最终结果的达成。
企业管理者在追过程中追的就是各种各样的管理指标、业务指标。如：毛利率，销售额，转化率，线索数，复购率，流失率，xxx等等各种各样的指标。
数据平台建设第一步：梳理清楚企业的运营管理指标体系
在传统企业中管理者对数据不敏感，没有指标概念，或者定的目标没办法量化。例如：公司今年的销售额要比去年好，客户的渗透率要增加，要加强新客的获取，要提升用户的体验。这样的指标没办法具体的量化，数据分析也就没办法落地。
所以要想把数据分析报表平台做好，数据产品经理第一步的工作是梳理清楚公司的指标体系，和老板、业务部门负责人达成共识，确定好每个管理者、员工需要关注的指标；确定好指标的取数口径，以及指标和目标之间的关系。
指标体系的作用就是确定好企业中每个人需要关注的数据，这些数据直接或间接影响目标的达成。直接影响的权重最高，间接影响的次之。
合理的指体系是一个树状图：
一级指标：企业一把手需要关注的指标
二级指标：一级指标分解后的指标，与一级指标的关系是，二级指标直接或间接影响一级指标的达成。如：新增用户数，用户流失率，用户复购率，订单数都会直接销售额，那么它们就是可以作为销售额的二级指标。
三级指标：与二级指标相同，是直接影响二级指标达成的指标。
四级：同上
致于指标总共要多少级，并没有明确的标准，根据企业自身的情况而定，老高建议的分解到最小单位，直接分解不下去为止。
指标上下级的关系并一定要有血缘关系，只要他对上级指标的达成有直接影响就可以作为下级指标。
指标体系中的指标并一定能从当前的业务系统中拿到数据，这一部分的工作可能是在线下完成的；但是我们也要规划进来，这部分指标将是IT部门后续要完成信息化、数字化的目标。
为什么要梳理指标体系？
1. 让企业每个管人都有自己的管理重心，在没有指标的传统企业老板是四处灭火，看见哪里有问题就去追哪里；拣了芝麻丢了西瓜。管理者们也是有样学样，工作没有重心，看到哪有问题就抓哪里。 例如：传统企业中某天老板到某个部门检查，发现卫生没搞好，回去大乏雷霆，轰轰烈烈搞卫生政治活动。员工们把大把精力浪费这种没有价值的事情上，一到月底发现业绩不好。
数据部门不单单是在做数据分析，同时也是在帮企业搭管理体系。
2. 让数据平台有体系，有成果。沿着指标体系做出来的数据平台，业务部门分析数据时只要一条一条的线追下去，就能从结果，看到过程，从过程倒推结果。
想想为什么业务部门会有这么多的临时需求，就是因为我们的数据平台没有体系，报表之间没有关系；业务部门总是拿不到自己想要的数据。指标体系可以让我们的业务部门关注自己的重要指标数据和过程即可，不要再今天想看这个，明天想看那个，其实他们看的很多数据和他的目标达成没有关系，或者关系不大。浪费自己的精力也浪费数据部门的人力。
数据平台建设第二步：梳理数据域和主题
数据域和主题的作用是帮我们沥青数据之间的边界，当我们沿着指体系做报表时，会发现 A部门的一级指标A1下的三级指标C1，它是B部门的一级指标B1。B部门的二级指标可能C部门的一级指标或者三级指标。
这些个关系就有乱了，数据研发人员都不知道怎么建模了，产品经理也不知道要怎么设计关联这些看板了，不知道从哪开始下手。
所以我们需要有一个东西来框定数据之间的边界，这个东西就是数据域->主题。
数据域是从大方向上划定数据之间的边界，如：销售域名，运营域，供应链域，人效域，财务域。每个域只作自己范围内的数据报表和分析挖掘。
这样我们的数据在数据仓库中也有分门别类，条理清晰；开发人员分配也可以按照域来划分，专作自己擅长的那一块。
主题是在数据域的基础上再进一步划分数据，把我们的指标通过主题关联起来落到数据仓库的宽表中。
如果主题的范围过大，也可以继续划分子主题。围绕主题建的数据仓库各个层的宽表，算法，指标口径，报表看板就是一个主题模型。
数据域、主题的主要是为数据部门服务的；如：复购主题、渗透主题，它们的取数来源基本差不多，但是指标不一样，数据计算方式不一样。
数据平台建设第三步：根据指标权重进行数据治理、建模开发，报表设计实现
前两步是重心，第三步是具体的数据部门的开发执行工作；这里老高就不作过多的讨论了。
开发只要围绕我们的前两步的规划走即可，另外在开发时要和业务部门确定好指标的和数据域、主题的权重；然后根据权重先做哪个后做哪个。如果您企业的数据团队足够大，也可以多线同时开工。
数据平台建设三步曲：
前两讨论的是方法论，但是事情有轻重，做事有先后。
我们在确定指标、主题权重时也是有一些方法论可以参考的。下面是老高在公司确定的一个确认权重的办法，大家可借鉴参考。
数据平台第一阶段：根据企业业务流实现从最前端到后端(如：推广运营->销售->采购->生产->仓储物流->售后)所有正向业务流中所有指标的数据分析报表。做到能从目标看结果，从结果推过程。让大家知道目标的完成进度，明白过程中发生了什么。
数据平台第二阶段：根据企业业务流实现结果外的数据各项指标分析，如：没有成交的数据，流失的用户，未达成的利润，业绩下滑的人或产品，xxx等等。找出企业运营过程当中出现了哪些意外情况，都是什么原因产生的。另外再找出企业运营过程当中那些优秀的人或事，分析他们之所以优秀的原因，然后复制推广。
数据平台建设第三阶段：利用算法，机器学习实现对未来发展的预测。
以上是老高在数据分析平台建设上一些小道经验，未有自己数据分析体系的企业可以参考借鉴。有更好体系的大拿也可以分享自己的经验给老高，让老高学习精进。