電商數據運營部組織架構和職能商業案例

電子商務中的數據分析幾乎是中大型電商公司的標配（以作者全國走下來的經驗來看，幾乎沒有例外）；有的公司單獨成立數據部，有的數據業務放在信息部或者IT部門，有的放在運營部或者與市場部結合如數據推廣部，電商數據不論以何種形態存在，其重要性和作用力不容忽視。本文擬講解“數據運營部”存在的形態以及崗位職能，這個部門通常也是老板的“智囊團”。

一般數據運營部由數據分析師丶DBA丶供應鏈下單補貨（供應鏈管理）丶頁面優化等等方面構成。電商行業剛起步的時候，由于數據量級小和電商規模較小，數據難以發揮重要作用，隨著時間的沉淀，數據與業務之間的結合點根本都不需要努力尋找，已經有現成的應用模式。下面逐一介紹下數據運營每一個版塊的職能和例子：

PS：繪制上面圖形的軟件叫visio，專門用來畫流程圖的，這種軟件入門很簡單，5分鐘差不多，大家都可以學習下，還是有些用處的，尤其做管理的。

DBA：DBA的意思就是DataBase Administrator（數據庫管理員），專門負責數據庫角色和權限的分配與管理，廣告數據丶訂單數據丶客戶數據丶商品數據等日常導入和維護，并進行一些ETL的動作，同時負責數據庫的安全例如備份防止硬盤災變的發生。該項工作通常只需要1名人力即可（大型平臺公司除外），所需要的技能是至少精通一門主流數據庫如Oracle丶SQL server丶DB2或者MY SQL等等。數據庫優化是一門很有技術含量的工作，直接關系到數據庫的運行速度和效率。當然，如果電商企業的規模較小則沒有必要配備數據庫，用EXCEL搞搞就好了。

頁面優化：頁面優化乍一聽是美工們的事情，還有數據部門什么事情。哎，事情可多了呢！隨便舉幾個例子。例如通過查看頁面熱力圖，知道哪些模塊點擊率高，哪些點擊率低，從而進行增刪優化；再比如，應該把符合哪些指標的商品放在首頁重要位置，銷售額高的？銷售量高的？都不是，應該把UV價值高的商品放在重要位置以便價值最大化和更多的曝光機會；再比如，頁面長度多少合適？這實際上直接關系到轉化率，而此項優化我們根據頁面瀏覽的衰減性進行科學測算；再比如，頁面一些商品銷量驟然下滑是因為什么原因。如此種種，都可以通過數據分析來進行優化。一般地，此項模塊工作，1名人力最多負責兩家店鋪或者網站，否則工作難以做到細致。

CRM：也就是客戶關系管理。之前，有一個年銷售額在10億左右的電商公司IT部門總監跟我說:我感覺CRM用處不大，沒什么效果。老實說，我很驚愕，這種規模的電商企業都找不到CRM方向，那么年銷售額只有幾千萬或者幾億的電商企業是不是也會存在這種問題。

CRM方向是“以客戶需求為主，以客戶人口信息（如地域丶年齡等）為輔”，這是CRM的生死穴，關鍵點在于客戶分群。很多CRM工具包括電商企業操作CRM的第一層是發發短信丶發發郵件丶加加微信等等；更高級一層的第二層是按照所謂的RFM模型把客戶分成睡眠客戶丶活躍客戶丶新客戶等等，這種源自線下零售的老掉牙理論存在很多缺陷的地方，根本問題不是以客戶為中心。

雪鷹曾經在各種俱樂部或者商學院授課的時候（當然，現在基本不授課，主要是本身水平有限時間有限，而且惶恐誤人子弟），就會說到一個案例。比如羽絨服通常在10月底上架，但是實際上8月份就可以把羽絨服上架，商品框定在去年相對熱銷一點的款型，然后給予一定的折扣，這時候可以用廣告定向投放至黑吉遼等北方地區，并且從歷史訂單中找出北方區域&潛在需求的客戶進行短信和EDM營銷，效果會不錯的。案例雖然極其簡單，但是我們做好CRM必須建立在充分理解客戶訴求的基礎之上。切記??！

廣告優化：這個問題不打算耗費很多時間講解?？梢赃@樣說，沒有數據支持的廣告投放等于在燒錢。數據分析作用于廣告方面，用武之地太多了。比如雪鷹老師隨便問兩個問題：第一，同一個位置投放廣告是不是很好？ 第二，ROI越高是不是表明廣告投放越成功？對于第一個問題，要分不同情況區別對待，對于大部分賣家，固定一個位置展現廣告是比較好的，因為網絡群體的忠誠度極低，同一個位置有利于強化客戶品牌認同感，這在廣告學上叫做“品牌強傳播”。

對于第二個問題，看ROI數據，ROI越高通常暗示廣告帶來的老客戶比例也越高，因此從廣告的角度來說可能沒有產生增量市場。所以，對于成熟電商企業來說，廣告ROI保持高位的同時，若廣告老客戶比例也過分高位（例如60%），那這樣的廣告策略是需要進行結構性調整的，而對于新品牌只需要看廣告ROI一項指標即可。

其實，廣告投放是一項很有技術含量的活兒，稍不留神，明明一個億廣告費就能完成年度目標的事情，卻花費一億兩千萬完成年度GMV。記住，廣告投放都是真金白銀，即使是老板的錢，即使是投資人的錢也要用心把廣告投放策略優化好！大型廣告投放需要用到一種叫做“廣告投放線性組合優化”的技術，這在雪鷹老師的新書中《電商大數據——用數據驅動電商和商業案例解析》有具體的案例剖析，此處不再贅述（這本書也是雪鷹老師的思想和靈魂的真誠之作，京東發貨最快）。這項應用蠻復雜的，后面單獨開貼舉例說明。

供應鏈管理：供應鏈管理是電商企業的命脈所在，過多的呆滯庫存對于公司來說是致命的。庫存管理最難的是完全草根式從批發市場拿貨然后在網店上銷售，這種方式利潤稀薄且SKU數量過多，目前已經漸漸退出歷史舞臺，不在我們討論的范圍之內。我們討論的供應鏈是面向規模的電商企業。

供應鏈管理總體原則是柔性化生產，少量多批次，在生命周期內預測追單的時間節點以及大概數量（當然還要考慮起訂量）。做好供應鏈管理需要注意幾點：①信息共享，準確，供應商與銷售端數據都是打通的；②供應商的特征值以及供應鏈中經常出現的規則要一點一點加入到供應鏈系統中去；③相對準確丶有效的數學模型；④庫存盡量及時處置，不要等到庫存容量過多再去處理，很傷品牌。同時庫存處置注意隱蔽性；⑤對庫存進行分級，比如按照年限分級，按照品類分級（例如服裝類目毛衣要優先處理因為不便于長期存儲，鞋子要盡快處理因為占用庫房空間大），按照銷售量分級（例如銷量忒差的要單獨拎出來）等等。

在有些情況下，商品銷售表現良好且庫存不足，但是其生命周期快到了，這時候通常不會再去追單，可以通過提升價格來改變供求關系，不過這種做法的合規性以及用戶體驗等方面要充分預計到。簡而言之，供應鏈管理是信息化管理，是過程管理，更是數據化管理。電商供應鏈就是電商數據??！稍微上規模的電商企業，供應鏈管理需要的數據運營人員至少兩名（一般都是團隊作業）。

數據分析師：做好數據分析師其實不容易，首先要有一顆公平公正的心，態度認真。對于數據分析師來說，數據的準確性是第一位的，“錯誤的數據結論對于指導決策來說后患無窮”（某一電商風云大佬的語錄）。那么，如何保證數據的準確性：①抽查數據，尤其是最大和最小的數據一定不能放過驗證；②交叉檢驗數據；③ 檢查數據來源和出處。

需要說明的是，不是所有人都懂數據，都理解數據。比如業務部門需要一份商品排名的數據報告，但是業務人員看了報告之后反饋說，數據完全是錯誤的。這時候你去反復檢查數據，發現沒錯啊。問題出在哪里？于是你發起會議找出問題點，這時候追溯發現對于數據的標準不一樣。比如業務部門要求是按照最近一周統計銷量，你卻按照最近一周統計銷售額，自然商品的排名不一樣。因此，數據統計分析的前提丶環境和標準一定要約定好。這個非常丶非常的重要！

數據分析師的業務要固化下來，與業務部門的做事流程要明確。比如是業務部門自己發現問題去找數據分析師幫忙診斷，還是數據分析師挖掘出可以優化的業務結構提交給業務部門呢？ 這是個重要問題，關鍵點在于梳理流程。數據分析的人力根據開拓的業務量來決定。