“算呆子”之企业数字化的宏观与微观

《显微镜下的大明之丝绢案》比较有意思的是整部剧围绕“丝绢案”跌宕起伏，但本剧结尾却是以“缩绳隐田”问题结案，得到一个皆大欢喜的结局。

执着于算学不谙世事的帅家默是一个合格的算学专家，他执着于算学当中的对与错，但算学中的对与错真的能够影响整个案件的发展吗？

其实不然，真正影响整个案件转圜是程仁清在案件中宏观和微观的把控与判断，而企业在数字化过程中所呈现出来的微观与宏观数字是对企业当下运营和未来发展进行预判的关键。

在《“算呆子”之独立于运营体系之外的企业数字化》首先介绍了数据之间的关联性告诉我们数字化转型和数据分析的人才应该具备哪些知识体系；其次介绍了哪些性格特点的人更适合做数据分析和数字化转型；再次是数据的准确性对企业生存发展的重要性；最后得出的结论是数据分析/数字化团队应该独立于运营体系之外，完全由企业最高决策层直接领导的团队设置。

而本篇将结合《显微镜下的大明之丝绢案》翻盘的关键因素深挖企业数字化过程中宏观数据和微观数据是如何影响企业未来是成功还是失败。

《显微镜下的大明之丝绢案》翻盘的关键是程仁清避轻就重的两点：

1. 不要执着于人丁丝绢税的细账，因为官府不在意是哪个县的百姓交税，对官府来说都是一样的，只要总账对得上就好了。
2. “缩绳隐田”这个是从朝廷手里偷银钱，国家高层变法在即，这个是最敏感的死穴，为百姓请命，为国家分忧，这是无可辩驳之大义。

从这两点中能看到程仁清真正的智慧：即使引发“缩绳隐田”大案的诱因是“人丁丝绢税”，那也要咬着“缩绳隐田”案不放，因为这个迎合高层管理者，又能站在百姓和国家大义之上，就没有不赢的可能。但是在帅家默看来没什么不同的“缩绳隐田”和“人丁丝绢税”都是错的。

想必大家都会赞叹程仁清的智慧，而漠视帅家默的耿直，因为在这个案件中“人丁丝绢税”只是仁华县的事，往大了说也只是金安府8个县的事情属于微观，而“缩绳隐田”却是国家级的大事属于宏观，上升到宏观当然会引起高层的重视了。

难道微观就不重要了吗？虽然只影响到一县甚至是一府的百姓，真的就可以选择漠视和无视？大泽乡起义开启了灭秦序幕、黄巾起义开启了灭汉序幕、黄巢起义开启了灭唐序幕等等，这些席卷全国灭亡政权的起义不都是从某个县、某个府或者某个区域开始的？国家赋税相对一致，为什么就会出现某个点的爆发呢？问题是多种多样的，如果仁华县的百姓因为多缴的“人丁丝绢税”爆发起义不排除会形成一场灭国大战的可能。

可以说宏观与微观都可以决定成功与失败，同样在企业数字化转型的过程中对于微观和宏观的审视同样要引起足够的重视。

很多企业数字化转型过程中往往会形成一个非常漂亮动态变动的数据大屏，给人一种足够专业的视觉冲击力，但是这个有用？能够为企业数字化进程中保驾护航？保证企业健康稳定发展？答案是否定的。

数据大屏往往呈现的都是老板、高层管理者想看到的东西，主要是销售额、订单量、会员增长、流量增长等等这些宏观数据，但是这些宏观数据好看真的就代表企业是在健康的发展？答案也是否定的，结合曾经服务的案例给大家展开吧。

亲历的某大型企业子项目平台案例：

曾经服务于某世界500强企业当中的一个子平台项目，当然这个项目现在已经消失了，不知道是结束了还是被合并了，当然不管是结束还是被合并主要原因还是没做好。

当初是作为职业经理人空降的，主要负责整个项目平台的运营，该项目的业绩构成是线上和线下分公司共同业绩，当然线下分公司的业绩是以网络订单的形式产生的，所以整个平台的业绩数据是完全可以看到的。

作为职业经理人也有数据大屏的权限，也是一个很唬人的数据大屏，主要构成是销售额、订单量、客单价、会员增长量/率、复购率等等，而且数据是变动增长的，大家觉得这样的动态数据是不是代表这个项目就是健康的呢？

想必很多的企业管理者和我开始一样也是这么觉得的，直到细看数据合理性并发现其中存在的几个问题，才觉得数据大屏是骗人的，根本代表不了企业发展健康与否。

数据问题构成：

1. 总销售额增长不大，但是订单增长较高。
2. 复购率在60%以上。
3. 在售商品最低价格高于客单价。
4. 在售商品平均价格远高于销售订单商品平均价格。

看了这些数据问题，是否发现问题了呢？

是的，第一个和第二个是数据大屏能够看到的，而第三和第四个是数据大屏上没有的，因为后面两个是因为前面两个数据的不合理性引起的进一步调研，充分证明了数据的不合理性，职业敏感性觉得这里面存在很大的问题。

为了更进一步找到问题的所在，借助手中权利找技术将近两个月的详细订单数据在安全不泄密的情况下导出，然后通过扎实的EXCEL功底进行细致分析，为什么不用SQL或者其他分析工具？因为这些工具都是做宏观数据分析的，如果做微观数据还是EXCEL最靠谱。

平台型微观数据分析主要分析以下几个点：

1. 复购客户购买的品类有哪些，将两个月的品类进行对比，并分析品类属性：快消OR耐耗，借此分析客户复购行为。
2. 分析流量转化率、客户停留时间、点击深度、订单生成时间等
3. 分析订单量变化情况，分小时变动、周变动和月变动，看波峰和波谷是否在合理范围内。
4. 分析最高订单和最低订单比例，当然这个高和低是区间，而非简单的排序。通过最低金额订单查询其销售品类。
5. 对平台近两个月所有SKU进行分析，SKU上下架情况，SKU价格变动情况等。
6. 对平台近两个月活动进行汇总，分析活动展示情况、活动页面停留时间和转化率等，并汇总活动周期内SKU价格变动情况等等。
7. 将以上数据进行汇总分析，并拆开分析各个分公司和平台所属数据构成。

多维数据的交叉组合再拆解合并分析后，得出最后的分析结果是在非合理时间段各个分公司产生了大量小金额（远低于最低在售商品金额）的订单，而且不止一个分公司出现如此情况，这个时候该怎么办？

对于一个新人，可以说我没有勇气像帅家默那样执着，只能靠私下的关系了解情况，最终的结果指向了管理问题，具体的就不多说了，想必大家也知道最终的结果了……

这就是亲历的一个案例，现在这个平台消失了，这充分说明了作为企业的管理者不能只关注宏观数据，微观数据更能展示企业在发展的过程中人的问题、平台产品的问题、SKU问题、活动问题、广告位等等问题。

而这些问题是需要多维数据交叉组合再拆解再组合等多轮数据分析后得出的结论，简单的数据大屏能够展示这些数据吗？企业数字化的过程真的就是简单的数据大屏展示出来的宏观数据吗？而这些复杂的微观数据又该如何展示？

企业数字化转型势在必行，而简单的宏观数据无法展示企业在数字化转型过程中是否是健康的、安全的问题，而如何关注到微观数据的健康、合理和安全才是数字化转型的关键。

毕竟企业数字化转型上能节约成本，下可以促进销售甚至塑造一个新的商业模式从而实现“开源节流”的效果，让企业获得更高的利润，这样才能更好的发挥数字化转型代理的红利。

该如何在宏观数字安全的情况下也能让微观数字健康安全呢？这是一个时代课题，但并非不能解决，完全可以设置预警机制，微观数据只要不在设置的合理范围内就产生多重预警，在前面《“算呆子”之独立于运营体系之外的企业数字化》一文中完全独立、由最高决策者领导的企业数字化部门就会发挥关键作用了。

作者

北漠，微信公众号：北漠聊数字互联网。资深互联网人，专注于企业数字化转型、互联网运营、营销、数据分析和产品规划等领域。

版权声明

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！