吕娜：《数据驱动业绩增长》

【课程背景】当前时代，数据已经成为构建现代社会的重要元素，渗透到人们生活的方方面面。在商业世界中，各行各业的企业开始围绕数据进行信息化、数字化转型，把数据当作企业重要的战略资产，寻求数据的价值。企业想要充分利用将数据转化为信息和知识的过程，就需要通过完善的数据指标体系，系统化看待数据，分门别类的使用数据，让数据发挥出更大作用。数据指标体系的构建在很大程度上，将企业整体的发展情况，完整的展现在管理人员的面前，只有掌握核心数据指标的变化与原因，才能全面分析企业发展，进行更加准确的决策。

本课程梳理提炼了构建数据指标体系的通用法则，通过三个步骤+四大模型，确保学员掌握实施落地的系统方法，解决学员在构建业务指标体系过程中面临的“无理论、无框架、无方法”的三大难题，使学员学之能用，助力企业构建科学业务数据指标体系。

【课程收益】

• 理解企业数据的战略资产价值，推动企业充分发挥数据能力驱动业务增长
• 掌握构建数据指标体系的三个步骤&四大模型，确保实施落地的系统方法
• 系统学习业务异动分析方法，推动相关人员快速定位业务问题，优化业务方向
• 学会将数据应用于实战的方法，推动企业核心人员的数据化能力进阶

【课程对象】企业基层管理者、运营人员，营销&销售体系的业务骨干

【课程时间】 3小时（0.5天）

【课程大纲】

一、缺少科学的数指标体系将给企业带来哪些困境？

1、数据指标和数据指标体系

2、为什么需要指标体系

• 形成标准化的衡量指标，监控业务发展状况
• 通过指标分级治理，快速定位业务问题，优化业务方向
• 形成标准化体系，减少重复工作，提高分析效率

二、如何用三个步骤、四个模型科学构建数据指标体系？

1、用四个模型梳理数据指标体系

• OSM模型：明确业务目标，数据赋能业务
• AARRR模型和UJM模型：理清用户生命周期及行为路径
• MECE模型：指标体系分级治理

1. 以产品营收为例搭建数据指标体系
2. 多部门配合搭建指标体系的流程
3. 常见的数据指标体系有哪些？

• 互联网产品数据指标体系
• 电商平台数据指标体系

三、数据指标体系应用实战：定位异动因素

1、数据波动多少才算成为数据异动

2、数据波动分析思路与方法

• 数据波动分析的四个排除

排除数据周期性波动

排除内部因素的影响

排除外部因素的影响

排除数据传输问题

• 通过逻辑树确定数据波动影响因素