以数赋能 | 测一测关于数据驱动，你处在第几层？

随着数智时代的到来，数据真正成为企业核心竞争力。企业争相加入数智化转型浪潮，做数据驱动型企业。那么，究竟怎么做才能称之为数据驱动？

 

给你一个场景，测一测你处于数据驱动的第几层？

 

问题场景：库存周转率过低，会影响企业的现金流。所以，公司想要提高库存周转率，应该怎么做呢？

请

思

考

1

分

钟

 

 

第一层

没有数据驱动

 

根据公司过往经营管理要求，库管部门要有精准的库存规划，综合考虑销售预测、生产计划、采购周期等多方面，及时调整库存策略，提高库存管理水平，减少损失与浪费，实现库存的精细化管理。

 

看似很合理，但是并没有落地。生产计划怎么考虑？库存策略怎么制定？公司只能靠经验驱动决策，凭感觉做判断，摸着石头过河。

 

 

第二层

初级数据驱动

 

公司CEO要求月底出具库存报表，针对ERP系统的库存数据信息进行分析、规划。

 

财务或者业务部门，每月将ERP系统数据导出并进行库存分析，如根据产品类别、产品颜色等进行库存构成分析。

 

 

通过Excel或PPT等形式形成报告，一方面快速了解哪些库存积压较多，判断月初制定的策略是否有效，另一方面根据数据结果继续调整生产和采购计划，从而避免库存积压和过度采购。

 

 

这只能达到初级数据驱动水平，虽然它在一定程度上能够验证方案、决策是否可行，但这只是一种“事后诸葛亮的分析”，是滞后分析。另外，在手工处理械下，报表与报表之间没有关联，是断层的数据分析，难以实现更深入、更具洞察力的分析结果。

 

第三层

中级数据驱动

 

CEO打开数智驾驶舱，实时查看库存情况，当库存出现异常时，如大屏所示，库存周转天数很长，说明库存周转率低、存在库存积压的情况，能及时追溯、进一步分析库存相关数据。

 

 

打开收发存月报，及时查看库存结构，确保库存种类和数量的合理性和充足性；通过定期审核库存金额Top10的产品和原材料，及时做出相应决策，例如减少对某原材料的采购数量、加强库存管理等，从而保持库存资金的充足性和合理性；同时可以洞察库存金额趋势走向。

 

 

 

当某一存货特别大或出现异常情况时，可以继续追溯查看收发存明细表，进一步了解该存货的具体明细，追根溯源。

 

 

 

持续分析库存周转情况、库龄区间分布等数据。

 

 

 

恭喜你，已经达到中级数据驱动水平了，从数智大屏到明细报表，层层递进，进行有逻辑地、多维地、综合分析，这样利用多维度综合分析，能避免盲目性和片面性。

 

第四层

高级数据驱动

 

想要降低库存周转率，仅仅依靠分析库存数据、库管部门加强库存管理是远远不够的。

 

还需要多部门协同配合，如采购部门制定合理的采购计划、避免因采购计划不合理导致过多的库存占用、生产部门把控生产节奏、提高准时开工率、销售部门提高销量、降低库存……只有这样，才能有效避免库存积压，提高库存周转率。

 

因此，除了拥有上述的数智驾驶舱和报表体系外，针对降低库存周转率这一目标，CEO总经理打开一张经营提升看板，制定这一时段库存周转率目标（从20天降到17天），构建一整套的指标体系，并向下分解：

 

 

影响库存周转天数的是装配周期，装配周期又受日计划准时开工率和日计划物料齐套率的影响，就这样，逐级分解到最基层的业务管理层关注的每一个因子指标。不同的因子指标对应到不同的部门职责，再根据公司情况制定各因子指标的目标。

 

运行到一半的时候，实时的周转天数到底是如何？各因子指标的执行情况到底如何？可以直接查看详细报表，追踪实时动态。

 

当管理者看到数据异常，或者向相关负责人下单任务、指示时，可以通过“评论留言”的形式，做到线上实时沟通，及时洞察指标走势、做到事中控制。

 

 

恭喜你，你已经到达了高级数据驱动层次了。为什么说这是高级数据驱动？

 

因为企业通过经营提升看板帮助企业找到了具体的影响因素，并及时洞察结果变化、做到了事中控制。无论是事前的目标确定、事中的及时监控，还是事后的结果洞察，都以数据为准绳，用数据作为决策的标准形成科学的决策体系，所以是高级的数据驱动。

 

 

 

以数赋能，乘智而上，企业已经进入到了数智化转型的关键时期，打造企业数据驱动力势在必行。智能化数据应用，不仅是一个大屏，几张报表，更是需要建立公司级管理指标体系，从整体目标分解到各部门指标，协同作战，动态检测过程指标，做到事中控制、驱动业务优化。在数据、模型、AI算力的支持下，助力企业走上智能之路。