【海狮俱乐部】数据+业务＞2
4396上周，亚马逊超级大卖数据分析部负责人Neo围绕主题“公司数据分析部门的重要性和流程”展开了分享。
本次参与的嘉宾有海贸会创始人刘智勇、海邑跨境总经理 陈妙莲、启福电商总程小龙、夏湾科技总经理 姚清予、坤正科技副总 欧阳芬、微品致远副总 陈叙、喜孚供应链总经理 李大雁、海猫跨境事业部总监 欧文华、拙乐定位总经理 孙明明，大家一起聆听并讨论了关于公司数据分析部门的重要性和流程的话题。
构建数据分析体系
我们现阶段亚马逊卖家基本上都是销售管理，运营为主，很少会主动开设研发部门，更多的是通过第三方分析软件，但是你去外部找一些力量很难跟内部数据配合并且衔接，那么如果组建数据团队，怎么在公司运营好。
构建数据分析体系基本五个方向：
1、组建数据团队意义是什么 2、组建数据团队你会遇到什么问题 3、最终数据产品或是团队到底要实现什么目标 4、数据团队怎么搭建 5、产品化流程怎么样
1、数据量化管理，不能量化就不能管理，管理感受深刻，不是很清楚怎么去量化他的数据指标的话或者量化标准太过于单一的话，你不能好好管理的。
2、最大化销售业绩、最大化生产效率，数据分析要和业务部门紧密结合，持续产生新的效益。数据分析的需求来自业务部门，业务必须要有专人负责数据，一直坚持做，这时候慢慢就推动数据库团队的建设，数据库团队的建设最终目的还是为业务服务，二者相辅相成。
3、节约公司成本，每个业务中心部门都应该有自己的数据化管理体系，建立属于自己部门的追踪及预警体系，通过数据反馈及优化各个成本项，最明显部分为广告数据，广告数据的优化可以帮助你节省支出成本，也包括ERP这块，像我们亚马逊卖家体，一般是供应链以及广告投放最为烧钱，这两部门数据优化好就能为我们节省不少成本。
4、成为组织管理、部门协调的工具，当我们的企业规模在扩大期间，逐渐就会暴露出各联动部门的一些数据问题，这时我们应该统一指标，达成共识，形成模板；通过数据部门将各数据节点汇总一个系统，协调好各部门的联动，杜绝由于不同系统的原因造成的数据问题。
5、提高企业管理决策的速度和准确性,管理层进行决策只需参考公司数据，这样的数据也能起监控作用，知道哪里出了问题，成为预警机，为销售某个环节的进行预警，提前预测销售，运营，库存，盈亏等各种数据，成为播种机，为新品、策略、政策提供数据支持，成为CPU，最终成为一个企业管理的智能核心。
首先我们需要先定位好问题，比如：当我们的数据链逐渐扩大该怎么去统计，各店铺数据存放在一起是否出现店铺关联问题，然后同这些问题点慢慢将你的解决方案引申出来。数据分散在各个业务流程里，产生业务流程就一定会产生数据，我们数据问题到底出现在哪个环节里面。
诸如此上问题，导致你的数据很难收集起来，公司线上和线下数据也没有连接起来，公司的数据与亚马逊店铺的数据怎么做连接，数据质量整体不高（不准确不稳定），数据安全无从谈起，没有办法对软件实施监控，业务不断进化，数据也得跟着进化，这是难点，数据如果不能跟业务结合，数据没跟上进度的话，数据的参考价值就变的很低。
公司组建数据的期望是什么，比如快速搭建企业商业智能（Bi），类似阿里的即时系统，老板看看投影数据信息进行工作指挥，进行大盘风险控制，比如我们亚马逊卖家，供应链环节一旦出现失控的话，现金流就断了，如果系统里的数据提前做了预警就可以很好避免这些问题，有些风险是会影响你店铺关店的，尽早把问题归类整合出来，做到预警机制里去，比如电子类，安全问题出现三次你的店铺就危险了，把这些影响安全的数据放到风险控制体系里去。
通过商业洞察发现市场机会，基于网站公开数据，深挖产品数据，获得行业或类目的先机。分析数据，即可战略情报支持，了解竞争对手在平台的一部分情况，就这样做到，数据驱动销售，让数据直接变成你增长的动力。
数据目标：确定以公司内部产生数据为主数据源，梳理公司级通用的数据需求并将其产品化。
时间目标：先从专职分析师做起，逐渐建立自己BI团队，一年内将产品做到数据可视化，仪表盘工作，两年后能够制作自定义报表，运营团队可以按照自己需求自己定义的数据报表。
搭建团队：业务+软件产品+技术 缺一不可，熟悉业务流程的人为核心来组建数据部门，这个在公司要有一定影响力，了解运营也了解业务，然后外聘电商行业内软件系统的产品经理以及技术人员，这样团队就构成了，这样的组建可以更好的量身制作自己的数据软件系统。
所有数据产品化，都是先从报表开始，将报表做成报表清单。对于我们亚马逊卖家来说，看看亚马逊后台有哪些报告，每个报告对应的问题，然后进行数据梳理，也相当于自己的需求整理，跟业务部门沟通清楚，确定最需要的数据。
如何数据获取，一般通过MWS API、爬虫、或者模拟登陆下载报告等方式。
数据清洗，一般由数据库管理员进行数据清洗。
数据整理部分：首先确定数据展示逻辑，用仪表盘设计方式，更加直观的展示关键指标。
进行研发环节：瀑布流+敏捷开发，然后反复测试：主要针对Bug进行测试，还有数据质量测试（准确，全面，稳定，及时），测试完成后准备上线，上线后一段时间后开始验证数据：方法是收集用户的反馈，确定是否符合之前测试情况，是否达到客户期望。
随着跨境电商行业的不断发展，我们的企业也逐步在壮大，数据管理对于我们也越来越重要，不管数据内外部管理，数据营销，以及数据安全性都值得我们好好去落实和深挖。
上周，亚马逊超级大卖数据分析部负责人Neo围绕主题“公司数据分析部门的重要性和流程”展开了分享。
本次参与的嘉宾有海贸会创始人刘智勇、海邑跨境总经理 陈妙莲、启福电商总程小龙、夏湾科技总经理 姚清予、坤正科技副总 欧阳芬、微品致远副总 陈叙、喜孚供应链总经理 李大雁、海猫跨境事业部总监 欧文华、拙乐定位总经理 孙明明，大家一起聆听并讨论了关于公司数据分析部门的重要性和流程的话题。
构建数据分析体系
我们现阶段亚马逊卖家基本上都是销售管理，运营为主，很少会主动开设研发部门，更多的是通过第三方分析软件，但是你去外部找一些力量很难跟内部数据配合并且衔接，那么如果组建数据团队，怎么在公司运营好。
构建数据分析体系基本五个方向：
1、组建数据团队意义是什么 2、组建数据团队你会遇到什么问题 3、最终数据产品或是团队到底要实现什么目标 4、数据团队怎么搭建 5、产品化流程怎么样
1、数据量化管理，不能量化就不能管理，管理感受深刻，不是很清楚怎么去量化他的数据指标的话或者量化标准太过于单一的话，你不能好好管理的。
2、最大化销售业绩、最大化生产效率，数据分析要和业务部门紧密结合，持续产生新的效益。数据分析的需求来自业务部门，业务必须要有专人负责数据，一直坚持做，这时候慢慢就推动数据库团队的建设，数据库团队的建设最终目的还是为业务服务，二者相辅相成。
3、节约公司成本，每个业务中心部门都应该有自己的数据化管理体系，建立属于自己部门的追踪及预警体系，通过数据反馈及优化各个成本项，最明显部分为广告数据，广告数据的优化可以帮助你节省支出成本，也包括ERP这块，像我们亚马逊卖家体，一般是供应链以及广告投放最为烧钱，这两部门数据优化好就能为我们节省不少成本。
4、成为组织管理、部门协调的工具，当我们的企业规模在扩大期间，逐渐就会暴露出各联动部门的一些数据问题，这时我们应该统一指标，达成共识，形成模板；通过数据部门将各数据节点汇总一个系统，协调好各部门的联动，杜绝由于不同系统的原因造成的数据问题。
5、提高企业管理决策的速度和准确性,管理层进行决策只需参考公司数据，这样的数据也能起监控作用，知道哪里出了问题，成为预警机，为销售某个环节的进行预警，提前预测销售，运营，库存，盈亏等各种数据，成为播种机，为新品、策略、政策提供数据支持，成为CPU，最终成为一个企业管理的智能核心。
首先我们需要先定位好问题，比如：当我们的数据链逐渐扩大该怎么去统计，各店铺数据存放在一起是否出现店铺关联问题，然后同这些问题点慢慢将你的解决方案引申出来。数据分散在各个业务流程里，产生业务流程就一定会产生数据，我们数据问题到底出现在哪个环节里面。
诸如此上问题，导致你的数据很难收集起来，公司线上和线下数据也没有连接起来，公司的数据与亚马逊店铺的数据怎么做连接，数据质量整体不高（不准确不稳定），数据安全无从谈起，没有办法对软件实施监控，业务不断进化，数据也得跟着进化，这是难点，数据如果不能跟业务结合，数据没跟上进度的话，数据的参考价值就变的很低。
公司组建数据的期望是什么，比如快速搭建企业商业智能（Bi），类似阿里的即时系统，老板看看投影数据信息进行工作指挥，进行大盘风险控制，比如我们亚马逊卖家，供应链环节一旦出现失控的话，现金流就断了，如果系统里的数据提前做了预警就可以很好避免这些问题，有些风险是会影响你店铺关店的，尽早把问题归类整合出来，做到预警机制里去，比如电子类，安全问题出现三次你的店铺就危险了，把这些影响安全的数据放到风险控制体系里去。
通过商业洞察发现市场机会，基于网站公开数据，深挖产品数据，获得行业或类目的先机。分析数据，即可战略情报支持，了解竞争对手在平台的一部分情况，就这样做到，数据驱动销售，让数据直接变成你增长的动力。
数据目标：确定以公司内部产生数据为主数据源，梳理公司级通用的数据需求并将其产品化。
时间目标：先从专职分析师做起，逐渐建立自己BI团队，一年内将产品做到数据可视化，仪表盘工作，两年后能够制作自定义报表，运营团队可以按照自己需求自己定义的数据报表。
搭建团队：业务+软件产品+技术 缺一不可，熟悉业务流程的人为核心来组建数据部门，这个在公司要有一定影响力，了解运营也了解业务，然后外聘电商行业内软件系统的产品经理以及技术人员，这样团队就构成了，这样的组建可以更好的量身制作自己的数据软件系统。
所有数据产品化，都是先从报表开始，将报表做成报表清单。对于我们亚马逊卖家来说，看看亚马逊后台有哪些报告，每个报告对应的问题，然后进行数据梳理，也相当于自己的需求整理，跟业务部门沟通清楚，确定最需要的数据。
如何数据获取，一般通过MWS API、爬虫、或者模拟登陆下载报告等方式。
数据清洗，一般由数据库管理员进行数据清洗。
数据整理部分：首先确定数据展示逻辑，用仪表盘设计方式，更加直观的展示关键指标。
进行研发环节：瀑布流+敏捷开发，然后反复测试：主要针对Bug进行测试，还有数据质量测试（准确，全面，稳定，及时），测试完成后准备上线，上线后一段时间后开始验证数据：方法是收集用户的反馈，确定是否符合之前测试情况，是否达到客户期望。
随着跨境电商行业的不断发展，我们的企业也逐步在壮大，数据管理对于我们也越来越重要，不管数据内外部管理，数据营销，以及数据安全性都值得我们好好去落实和深挖。
热门活动 
广东
12-26 周五
热门报告 
