当一家公司准备开发数据分析工具时，它应从小型项目开始，并专注于前线决策。这能让更多前线人员真正参与进来，并保证项目的最终成果。我们发现，以90天为周期的小型尝试和学习型项目能迅速获得评审委员会的共识。随着项目规模慢慢递增，隐含的问题会被及时发现，并在短时间内得到解决，从而防止拖延项目的整体进度或失去关键方的认可。而当获得了足够的认可后，后续的项目拓展也将不成问题。
专注于可执行的信息
近几年，销售领域掀起了广泛使用客户细分、客户行为跟踪等数据分析工具的热潮。然而，这些工具给销售成果带来的实质影响却收效甚微。究其原因我们发现，这些做法都忽视了一个关键因素：前线销售人员每天都在制定并执行尽可能最优化的营销策略，但是他们自身的需求却常常被忽略。纵观所有的行业，无论是零售品类经理、销售代表、理财顾问还是财富管理专家的案头都摆满了各种分析报告和行业见解。这些报告能让公司高管时刻感受到企业中“客户至上”的理念，然而对于前线经理来说，这些报告却提供着完全无用甚至彼此矛盾的信息。更糟糕的是，他们发现企业的高官们正是利用这些无用的信息和不透明的“黑箱”算法，来集中制定销售决策和解决方案，从而进一步打消了前线销售人员的工作积极性。
这几年来，领先的消费类品牌已经在伦敦、巴黎或纽约等大型城市持续地吸纳数据分析人才，完善各自的数据分析团队。例如，一家位于伦敦的领先零售商率先创立了数据分析部门，并由高管层直接领导。这种大企业中的初创模式，吸引了众多顶尖的数据分析员。例如，一家伦敦零售银行创立了一个营收独立的部门，以运用客户数据分析来改进银行的核心业务，并制定未来业务发展方向。
本文首发于微信公众号：哈佛商业评论。文章内容属作者个人观点，不代表和讯网立场。投资者据此操作，风险请自担。 与用户共同开发 这与一家银行鼓励客户经理增加客户沟通的方法有异曲同工之处。为了寻找新的业务发展方向，这家银行从少数客户经理及其账户出发，研发了一套向客户经理实时推送商业信息的系统。例如当原油价格下跌时，该系统将自动提醒客户经理联络受该消息影响的前5大客户，并告知相关内容。系统将每隔90天进行更新，推送的内容将添加新的消息提醒，并删除无用的内容，参与在此项目中的客户经理数量也会随之增加。现在，几乎所有的客户经理都能收到系统的实时推送，从而与客户够沟通的时间增加了20%。 这是致命的错误。诚然，许多大型零售商发现广泛的客户细分数据有助于了解客户的生活习惯和需求，从而塑造业务优先级，然而这些数据与零售经理所真正需要的信息却相距甚远。例如，这些数据并未能帮助他们决定在某个特定的商铺中应售卖何种产品，而这才是前线零售商最为重要的决策之一。
理论上，这些从客户大数据中得到的关键信息应当让技术销售人员更具创造性，以及拥有更多的时间以新方式与消费者沟通，从而创造更多价值。然而事实却是，在数据分析的浪潮下，许多销售人员对前往商铺与客户面对面沟通已然失去了兴趣，他们转而用更多时间进行数据分析，甚至完全摈弃了原本的销售工作而专注于数据的研究。
文章来源：微信公众号哈佛商业评论 克罗格（Kroger）、乐购（Tesco）等零售领先品牌着手克服了这一障碍。他们专注于挖掘以产品为核心的正确洞见来制定重要的品类决策（assortment decision），例如衡量真正的销售增量（该指标用于测量消费者究竟是热衷每周购买同一种产品，还是在相似的产品之间随意切换）。事实上，这些客户关键绩效指标才是制定产品品类决策的真正决定性因素。零售商进行数据分析的意义不在于对客户行为进行过度深刻解读，而在于帮助前线管理人员做出最终合理决策。 借用上述零售经理的例子，如果他们仅根据数据分析就制定品类决策，那么将忽略许多其他重要信息，例如供应商对明年市场趋势的预测、计划的促销活动、新产品的策划和发布，以及对市场的整体影响。更糟糕的是，使用一个“黑箱”分析工具不仅削弱了品类经理的作用，而且使他们失去了在“黑箱”算法发生错误时主动提醒、纠正错误的动力。 为了使客户数据分析加强而不是削弱销售与客户的联系，我们发现，只有在前线人员的创造性和销售数据的科学性之间保持良好的平衡，才能让数据分析更好地为销售经理服务。 细节决定成败。企业在进行数据分析和执行分析决策时，要始终与前线员工进行及时的沟通与交流。只有当合适的前线人员获得了恰当且有洞见的信息，企业才能实现真正的华丽转变。
分享到：
