销售调度怎么做好客户管理_销售调度的岗位职责
销售业务数据应用指标体系研究
董震宇,许媛,李建伟,张鹏,马小川
(中国石油天然气股份有限公司山西销售分公司)
摘要:随着能源行业的转型和变革及销售市场竞争的日趋激烈,能源销售企业如何把握市场规律,优化销售策略,突破发展瓶颈成为实现高质量发展的重点关切。经过多年的信息化运行,销售企业积累了海量的历史数据,如何通过解析历史数据,精确地进行市场划分、营销策略制定、客户画像,为销售企业应对变化的市场环境提供有力的支撑成为急需解决的问题。针对这一问题,本文通过对销售业务数据的收集、整理和分析,构建了一套销售业务数据的应用指标体系,帮助能源销售业务了解市场需求、产品销售情况和客户需求,从而制定合理的销售策略和计划,以提高企业业务效率和销售效益,并通过实证分析检验了指标的合理性。
前言
当前,能源销售公司正处于市场竞争愈加激烈、企业制度改革不断深化的关键时期,企业基层亟需通过信息化手段释放人力资源、控降成本,并在流程优化、管理模式创新、提升管理效能方面发挥重要支撑作用。
在此背景下,山西销售公司开展了“大数据深化应用提升”专项行动,其中数字化报表作为大数据深化应用的一项重要内容,可为全业务领域、公司各层级提供大数据应用服务,从而提高管理效率,切实为员工减负,为业务赋能。
一
研究目标
此次研究主要是瞄准围绕“管理提效、科学决策、数字营销”的目标,深入开展大数据应用服务研究,全面提升大数据应用水平,推动公司数字化转型发展。
重点是搭建公司销售业务大数据管理指标应用体系。根据公司业务线,对销售大数据平台现有的数据和本地已接入的数据进行综合梳理,并按照大数据平台的标准进行整理储存,生成精确且口径统一的销售数据管理指标体系,从而实现公司统一的销售数据指标体系,涵盖指标的定义、构建、调整、更新、使用全过程。
二
销售业务数据分析
(一)销售业务数据的概念和特点
销售业务数据是指企业在销售过程中产生的各种数据,包括销售量、销售额、销售渠道、客户信息等。这些数据对于企业来说相当重要,因为通过数据分析可以帮助了解市场需求变化、掌握市场动态、优化销售策略、提高销售效率等。
销售业务数据的主要有以下几个方面的特点。
1)实时性。销售业务数据是实时变化的,企业需要随时掌握最新的数据变化,以便及时调整销售策略。
2)多元性。销售业务数据包括多个维度的数据,例如销售量、销售额、客户信息等,这些数据需要以合适的方式进行整合和分析。
3)预测性。企业通过对销售业务数据的系统分析,可以预测未来的市场需求变化,从而提前做好相应的销售策略调整。
4)针对性。销售业务数据的分析需要针对不同类型产品和销售渠道,因为不同的产品和渠道具有不同的市场表现和销售特点。
5)可比性。销售业务数据可以进行比较和分析,以便企业评估销售业绩、发现市场机遇,对销售策略进行改进。
(二)国内外销售业务数据应用研究现状
当前国内外对销售业务数据的应用研究主要集中在以下几个方面:1)数据收集方法。研究了主要包括直接采集、间接采集、外部数据采集等方法,以获取更全面、准确的销售业务数据。2)数据分析技术。探讨了包括数据挖掘、统计分析、机器学习等技术在销售业务数据中的应用,以提高数据分析的准确性和效率。3)指标体系的建立。提出了销售业务数据应用指标体系构建的原则、层次结构和评价方法,以帮助企业制定合理的销售策略和计划。
(三)存在的问题和挑战
销售业务数据的分析和应用还存在诸多问题,主要包括以下几个方面。
1)数据质量不高。销售业务数据存在不准确、不完整、不及时等问题,这可能导致数据分析的结果不可靠,从而影响企业的决策和战略制定。
2)数据整合困难。销售业务数据通常分散在不同的站点和部门中,数据格式、标准以及统计口径可能存在差异,数据的整合和分析面临挑战。
3)数据安全和隐私保护。销售业务数据往往包含客户的个人信息和敏感信息,如何保证数据的安全和隐私保护是一个重要挑战。
4)数据分析和可视化能力不足。销售业务数据的分析和可视化需要专业的技能和工具,企业可能由于缺乏相关的人才和资源,导致数据分析结果无法有效转化为决策行动。
5)数据驱动的决策文化尚未形成。在许多企业中,数据驱动的决策文化尚未形成,决策大多依赖于经验和直觉,无法确保决策的精确性和稳定性。
6)数据法规和标准不统一。在全球范围内,数据法规和标准尚未有统一的范式,企业需要面对不同的数据法规和标准,这给企业的数据应用研究和决策带来不确定性和潜在风险。
三
能源销售业务数据应用指标体系建立
销售业务数据应用指标体系的建立,主要是以企业业务线为基准,按照外部需求,兼容企业现状,覆盖全方位指标。并按照业务线对各系统已有可接入数据进行分类整理,依据中国石油集团公司各相关规范进行整合存储,形成准确且口径一致的数据指标,并编撰数据指标运用手册,提供一体化的指标管理服务销售调度怎么做好客户管理,涵盖指标管理的定义、构建、调整、更新、使用的全过程。销售业务数据应用指标体系构建的具体步骤包括形成数据资源目录、制定数据标准、建立指标体系。
(一)形成数据资源目录
在进行销售业务数据应用指标体系建设前,首先需要对现有数据资源进行清理和盘点,摸清数据资源限制,对公司统建业务系统和自建系统进行全面梳理。梳理内容包括:1)表和字段的业务含义;2)构建逻辑模型及映射关系;3)确定数据流向及关系;4)确定字段安全级别;5)确定标准规则、质量规则及逻辑模型映射关系。
对统建系统和部分以服务方式提供的第三方数据,都需采用数据接口的方式实现。由于系统外部接口必须依据原系统开发或维护方提供的接口实现。因此,系统的接口实现方式有以下几种:1)数据层接口。由原外部系统提供数据字典、数据库连接权限,本系统通过连接外部系统数据库或其提供的中间库,获取相应的数据。根据具体业务和原外部系统的数据量、数据实时性要求,采用实时读取获批量抽取的方式。2)业务层接口。由原业务系统或本系统提供WebService接口,实时调用。3)总部大数据平台。目前获取统建系统数据的主要方式是总部大数据平台的租户数。通过大数据平台租户提供了各核心统建系统的关键数据,主体数据可提供前一日的访问时效,能够满足大部分的数据分析要求。
(二)制定数据标准
“一流企业做标准、二流企业做品牌、三流企业做产品”已成为当前中国非常流行的一种企业发展理论,在企业中形成了一种共识[1],所以数据标准的制定对企业来说也是至关重要的。制定数据标准主要是构建指标体系框架、明确各项指标的特性、形成统一的标准和规范的过程。数据标准的建立可以帮助我们更好地理解和评估数据的质量、可靠性和一致性。
1.数据标准的构成
数据标准的主要构成包括:1)业务定义。主要是明确标准所属的业务主题以及标准的业务概念,包括标准名称、业务定义、扩展业务定义、业务使用规则、标准来源、相关业务信息编号等;2)管理信息。明确标准的所有者、管理人员、使用部门等内容,从而使数据标准的管理和维护工作有明确的责任主体,保障数据标准的持续更新和改进;3)技术属性。描述数据类型、数据格式、数据长度以及数据来源系统等技术属性,从而能够对信息系统的建设和使用提供指导和约束。
2. 数据标准类型
数据标准根据销售业务数据使用场景及定义不同而划分为不同标准类型,例如编码类、代码类、标志类、文本类、金额类、比例类、数值类、日期类、时间类、日期时间类等。
3. 数据标准建设规则
构建权责明晰、协同开放的标准化组织管理和技术支撑体系[2]。数据标准建设规则应该如下:
定义:确保数据分析结果能够准确反映业务实际情况,并适用于相应的业务场景。
口径:数据标准在分析类业务应用中,要确保取值范围、计算方法和编码规则等业务规则的一致性和准确性,以确保数据质量和分析结果的可靠性。
名称:分析类数据的中文和英文名称应该遵循统一的命名规范,确保名称在两种语言中都准确无误地表达了相同的业务含义。
参照:在处理分析类数据时,确保数据标准化的过程中所参照的外部标准(国际标准、国家标准和行业标准)与内部业务规定和操作规范相一致,以保证数据的准确性和一致性。
来源:每个分析类数据标准都应有一个公认的来源系统;其他系统在利用这些数据时,一般直接采用权威系统的标准,以保持数据的一致性。
4. 数据质量管理
根据数据用户的实际需求,设计一套专门的数据质量管理方案。方案需明确对数据质量的要求,并制定相应的标准和规范,确保在整个数据处理过程中保持数据的高质量。同时,需要定期进行数据质量检查、测量和报告,以便及时发现并解决出现的问题。此外,还需根据数据用户的反馈,寻找更多获取高质量数据的方式和渠道,通过改进流程和系统,以及参与相关活动,不断提升销售企业数据质量和数据分析水平。
数据质量维度包括数据的准确度、数据的全面性、数据在不同系统或数据库之间的一致性、数据呈现方式的逻辑规则、数据的及时性、数据标识唯一性、数据来源的可靠性等。
数据质量管理工具包括评估工具、探查工具、影响评估工具、规则管理模板以及价值管理工具。
(三)建立指标体系
根据能源销售企业的业务线,对各个业务关键环节进行数据化和指标化的业务量化,从指标定义、计算与存储、指标发布、指标应用4个阶段提供针对性的管理,覆盖指标管理的全流程。
1. 指标定义
指标定义是明确业务目标的具体衡量标准,首先需要明确指标体系的核心指标,这些指标应能够反映企业或组织的整体表现和运营状态。例如,对于客户管理来说,核心指标可能包括销售额、用户活跃度、流量等。然后将核心指标分解为更具体的指标,并对指标项的定义和维度进行管理,包括指标分类、指标编码、指标名称、指标类型、汇总依据、数据维度等。
通过对每项指标所涉及的每个方面进行溯源,满足指标及时性、完备性、准确性的要求,为全公司实现安全生产、优质服务提供坚实的技术基础和有力的数据支撑[3]。在定义指标时,需要遵循以下原则:1)相关性。指标应该与业务成果紧密相连,能够反映业务的核心问题;2)可度量性。指标应该是可以量化的,具有明确的衡量标准;3)实用性。指标应该具有实际意义,能够为企业决策提供有价值的参考;4)完整性。指标应该尽可能覆盖业务目标的各个方面,确保全面反映实际情况。
2. 计算与存储
指标定义后,需要对指标的计算及存储配置进行管理,包括对指标计算规则、指标执行调度管理、指标存储等。
指标计算规则:对指标的使用数据源、计算公式、聚合函数、计算规则条件、计算结果精度等进行管理,包括对指标对应的维表、事实表创建及数据实现。
指标执行调度管理:使用ETL机制执行指标数据采集、指标计算执行任务,并对执行调度进行管理,可以自动执行指标执行任务,也可手动触发指标计算,指标计算可以是实时的,也可以是定期的,例如每小时、每天或每周执行一次。
指标存储:指标计算完成后,指定指标结果存储位置,以便进行分析和展示。并可以选择存储指标数据的历史版本,以便查看指标随时间的变化情况。
3. 指标发布
指标创建后,需要对指标使用权限进行管理,并由责任部门进行审批,审批完成,则可进行指标发布,指标发布后,相关权限人员能够使用这套指标体系进行数据分析。指标发布后形成元数据管理,即将元数据、数据质量评估、数据抽取加工等操作后形成的数据指标,不同业务主题的指标整合成数据资产。
4. 指标应用
用户根据需求获取数据资产实体信息和数据资产监控指标,通过BI工具及数据可视化工具实现数据资产跨业务、跨应用集成分析,提升数据资产价值。
四
能源销售业务数据应用指标体系的应用推广
(一)专项人才培训
根据公司需求制定专项销售业务数据应用指标培训计划,指导各层级特别是基层员工开展大数据应用,组建大数据应用人才团队,通过培训、实践应用等方式,培养一批“通业务、懂技术”的复合型人才。
(二)报表数字化应用
基于销售业务数据应用指标体系,充分调研各层级常用业务操作中存在的多个系统提取数据、重复工作、手工制表的情况,并基于现有数据指标资源实现各级业务固定报表自动生成,解放传统业务报表统计工作,释放人力资源,让销售业务数据应用指标体系更多融入日常工作中。
(三)专题数据分析报告应用
基于销售业务数据应用指标体系,将“数据分析中心”在日常的经营分析、核算分析中依靠人工进行数据填写、整理、统计、汇总加工编写的汇报材料,在不改变使用习惯的前提下,将分析汇报材料中的数据元素从“静态”变成“动态”,实现智能报告形成,解放劳动力,提高工作效率,扩大销售业务数据应用指标体系的应用范围。
(四)开展大数据应用服务
员工通过培训掌握相关技能,通过自助分析工具,基于销售业务数据应用指标体系,深入挖掘数据价值,开展智能报表等大数据应用。搭建有效契合公司管理体制机制和业务流程的数字化应用场景,有效提升管理效率,助力科学决策,为公司高质量发展提供数字化支撑。
(五)分步实施
按照试点先行、由点及面的策略,分步提升大数据平台功能,按照总部大数据建设总步调、总要求、总目标,结合公司实际,逐步完善销售业务数据应用指标体系,形成与总部优势互补、适应业务需求的大数据应用格局。
(六)以考核促应用,以培训促应用
根据销售业务数据应用指标体系的应用需要制定应用考核细则,并纳入公司绩效考核体系。每年组织开展分层级、分用户的销售业务数据应用指标体系专项培训。通过常态化考核和培训,确保应用落地见效,构建大数据应用的良性氛围。
五
研究结果应用
经过前期研究与验证,结合销售业务情况,目前已完成营销与市场、调运、非油、加管、财务几个业务线指标构建(见表1)。
六
能源销售业务数据应用指标体系未来研究方向
(一)销售预测
基于销售业务数据应用指标体系,搭建销售预测模型,利用历史销售数据和其他相关指标预测未来销售趋势,有效支撑业务决策和各层级营销活动的精准分析研判。
(二)客户细分
基于销售业务数据应用指标体系,根据销售业务数据的特征和业务需求,选择合适的细分标准。常见的客户细分标准包括人口统计学特征(例如年龄、性别、地域等)、消费行为特征(例如购买频率、购买偏好、消费能力等)和客户价值(例如ARPU值、客户忠诚度等)。基于选定的细分标准,运用适当的分析方法(例如聚类分析、决策树分析等)构建细分模型。在构建模型时,需要考虑模型的易用性和实用性,以便更好地理解客户群体并制定相应的营销策略。
(三)智能推荐
基于销售业务数据应用指标体系,搭建智能推荐模型,为营销和用户提供定制化产品和服务推荐。例如,根据用户的浏览足迹、购买记录和反馈信息,智能推荐模型可以为用户推荐相关商品,提高用户的购买决策。
七
结语
在数字经济时代,数据成为新的关键生产要素,数据通过采集、清洗、加工处理后产出信息、知识和智慧,用于分析问题、洞察机会和赋能决策,实现业务的高质量发展[4],销售业务数据的应用已经成为企业决策的关键因素。本文深入探讨销售业务数据应用的指标体系,旨在为企业提供一套科学的、实用的指标体系,以更好地指导销售实践和决策。通过运用这套指标体系,企业可以更好地分析市场、客户和销售数据,从而制定出更具针对性的销售策略和营销计划。在市场不断演变和技术不断进步的过程中,企业需要不断地更新和完善这套指标体系,以适应不断变化的商业环境。此外,如何将人工智能等先进技术应用到销售业务数据分析中,进一步提升数据分析的效率和精确性,也是未来研究的重要方向。
在未来研究中,能源销售企业要适应时代发展潮流,推动内部营销模式改革,发挥管理职能[5],建议进一步探索人工智能在销售业务数据中的应用,例如利用机器学习算法进行销售预测、客户细分和智能推荐等。同时,也需要关注数据安全和隐私保护的问题,确保企业在运用数据进行销售分析的同时,维护客户和企业的正当权益。
参考文献
[1]周谧.加强企业标准化工作的有效措施探讨[J].企业改革与管, 2022(11): 9-11.
[2]刘慧君,赵峰,虎彦政,等.浅谈如何推进企业标准体系高质量运行[J].质量与市场, 2022(23): 4-6.
[3]王雪,王振宇.电网企业基于可视化数据平台的特色对标管理体系构建与应用[J].企业管理, 2022(S01): 256-257.
[4]欧阳秀平,鄂梅,许其威.中国联通数字化转型实践与数据治理[J].移动信息, 2023,45(03): 70-72.
[5]吴雨桐.大数据背景下商贸流通企业创新营销体系研究[J].北方经贸, 2021 (08): 126-129.
全文刊载于《车用能源储运销技术》2024年第3期,敬请订阅。
END