为什么是6个维度？
数据驱动运营体系就像一个生态系统，任何一个环节的缺失都会导致整个系统失效。我们将从6个关键维度进行评估：
| 维度 | 核心问题 | 失败后果 |
|---|---|---|
| 数据采集 | 数据能不能采集到？ | 巧妇难为无米之炊 |
| 数据存储 | 数据能不能存得住、找得到？ | 有米却找不到锅 |
| 数据治理 | 数据可不可信、标准统一吗？ | 米都是坏的，做不出好饭 |
| 数据分析 | 能不能从数据中提炼洞察？ | 有米有锅，但不会做饭 |
| 数据应用 | 洞察能不能转化为行动？ | 做了饭却没人吃 |
| 数据文化 | 数据决策是不是组织习惯？ | 有人吃但不习惯吃 |
维度1：数据采集能力评估
评估框架
| 评估项 | Level 1 | Level 3 | Level 5 |
|---|---|---|---|
| 数据源覆盖 | 仅有财务系统数据 | 覆盖核心业务系统（DMS、CRM、WMS） | 全触点数据采集（含IoV车联网、IoT传感器） |
| 采集时效性 | T+7天以上 | T+1天（次日可见） | 实时采集（秒级延迟） |
| 数据完整性 | 缺失率>30% | 缺失率5-10% | 缺失率<1% |
| 采集自动化 | 手工填报为主 | 50%自动化采集 | 95%以上自动化 |
真实案例：数据采集的隐形陷阱
案例背景：某自主品牌2021年投入200万建设售后数据平台，希望实现数据驱动运营。
表面成功：系统上线后，每天能生成20多份数据报表，看起来很完善。
真实困境：3个月后，区域经理发现数据完全不可用：
问题1：客户等待时长数据缺失70%
- 原因：服务顾问需要手工在系统里记录客户到店时间、开工时间、交车时间
- 现实：门店一忙起来，谁还记得填这些？即使填了，也是下班前凭记忆随便填一个
- 后果：报表显示客户平均等待时长45分钟，实际调研发现是2.5小时
问题2：配件库存数据与实际不符
- 原因：门店配件出库需要在两个系统里分别录入（ERP和DMS），技师嫌麻烦只填一个
- 后果：系统显示某配件库存50个，实际仓库里只有3个，导致客户白等一天
问题3：技师工时数据造假
- 原因：技师绩效与工时挂钩，为了多拿提成，把1小时的工作记成2小时
- 后果：系统显示门店产能利用率120%（实际只有60%），总部误判产能充足，拒绝了门店的人员增编申请
自测问卷（数据采集维度）
请对照下列问题，给你的企业打分（1-5分）：
1. 你们的售后业务系统能自动采集以下哪些数据？（每项1分）
- 客户预约时间、到店时间、离店时间
- 每个工单的接车、诊断、维修、交车各环节时间戳
- 技师的实际作业时间（非手工填报）
- 配件的入库、出库、退库实时数据
- 客户满意度评价（NPS、CSI）
2. 从业务发生到数据可见，通常需要多久？
- 实时或5分钟内（5分）
- 1小时内（4分）
- T+1天（3分）
- T+3天（2分）
- T+7天以上（1分）
3. 你们的关键数据（如产值、工单量）的缺失率是多少？
- <1%（5分）
- 1-5%（4分）
- 5-10%（3分）
- 10-30%（2分）
-
30%（1分）
4. 以下哪些系统的数据已经打通？（每项1分）
- DMS（Dealer Management System，经销商管理系统）
- CRM（Customer Relationship Management，客户关系管理）
- WMS（Warehouse Management System，仓储管理系统）
- ERP（Enterprise Resource Planning，企业资源计划）
- 车联网OTA数据
评分标准：
- 18-20分：优秀（Level 4-5）
- 13-17分：良好（Level 3）
- 8-12分：及格（Level 2）
- <8分：需改进（Level 1）
维度2：数据存储能力评估
评估框架
| 评估项 | Level 1 | Level 3 | Level 5 |
|---|---|---|---|
| 存储架构 | Excel+文件夹 | 数据库+数据仓库 | 湖仓一体架构 |
| 数据可追溯性 | 无版本管理 | 关键数据可回溯6个月 | 全量数据可回溯3年以上 |
| 查询效率 | 复杂查询需数小时 | 常规查询秒级响应 | 亿级数据秒级查询 |
| 数据安全 | 无权限管控 | 基础权限分级 | 细粒度权限+审计日志 |
真实案例：一次数据丢失的代价
案例背景：2022年8月，某合资品牌华南区售后负责人王总接到总部通知，要求提供2021年全年的门店经营数据，用于年度审计。
灾难发生：
- 去年的Excel报表找不到了（存在离职员工的电脑里）
- 业务系统只保留最近3个月的数据（为了省存储成本）
- 财务系统有年度汇总数据，但没有按门店、按月份的明细
救火过程：
- 翻遍所有人的电脑和邮箱，拼凑出60%的数据
- 剩下40%的数据，只能让门店店长"凭记忆回忆"，然后手工填表
- 团队加班2周，总算交了一份"大致靠谱"的数据
真实代价：
- 审计发现数据前后矛盾（4月说产值800万，汇总表却是900万）
- 华南区被要求重新审计，额外支付审计费用50万
- 王总被通报批评，当年绩效考核降级
自测问卷（数据存储维度）
1. 你们的售后数据主要存储在哪里？
- 统一的数据仓库（5分）
- 多个业务系统数据库（3分）
- Excel表格为主（1分）
2. 如果领导现在要看去年同期的数据，你能多快拿出来？
- 5分钟内（5分）
- 1小时内（4分）
- 1天内（3分）
- 3天以上（2分）
- 拿不出来或数据不全（1分）
3. 你们的数据可以回溯多久？
- 3年以上（5分）
- 1-3年（4分）
- 6-12个月（3分）
- 3-6个月（2分）
- <3个月（1分）
4. 数据权限管理做到什么程度？
- 细粒度权限控制+完整审计日志（5分）
- 按角色分级授权（3分）
- 简单密码保护（2分）
- 无权限管控（1分）
评分标准：
- 18-20分：优秀（Level 4-5）
- 13-17分：良好（Level 3）
- 8-12分：及格（Level 2）
- <8分：需改进（Level 1）
维度3：数据治理能力评估
评估框架
| 评估项 | Level 1 | Level 3 | Level 5 |
|---|---|---|---|
| 数据标准 | 无统一标准 | 核心指标有明确定义 | 全域数据标准+强制执行 |
| 数据质量 | 无质量监控 | 定期质量检查 | 实时质量监控+自动修复 |
| 元数据管理 | 无文档 | Excel维护数据字典 | 元数据管理平台+血缘分析 |
| 指标一致性 | 一数多源 | 核心指标唯一数据源 | One Number Policy（一个数字原则） |
真实案例：一场因"产值"定义引发的战争
案例背景：某新能源车企2023年Q2经营分析会，华东区和华南区为"谁的业绩更好"吵了起来。
导火索：
- 华东区：我们Q2产值1.2亿，同比增长45%，全国第一！
- 华南区：我们Q2产值1.3亿，同比增长50%，明明是我们第一！
- CFO（首席财务官）：财务报表显示，华东区Q2收入只有9500万，华南区是1.1亿，你们的数字哪来的？
真相揭开：
- 华东区的"产值"：工单总金额（含未收款的应收账款）
- 华南区的"产值"：工单总金额 + 延保销售额 + 精品销售额
- 财务的"收入"：实际到账金额（符合会计准则）
深层问题：
- 同一个"产值"，三个部门有三种算法
- 各区域为了"好看"，自行定义对自己有利的口径
- 数据对比完全失真，无法真实评估业绩
改善行动：
- CEO亲自拍板，成立数据治理委员会
- 用2个月时间，制定了《售后业务数据标准V1.0》
- 明确了47个核心指标的统一定义和计算口径
- 所有报表必须标注指标口径和数据来源
自测问卷（数据治理维度）
1. 你们是否有明确的数据标准文档？
- 有完整的数据字典，所有人都在用（5分）
- 有文档，但更新不及时（3分）
- 有Excel表格，但没人看（2分）
- 完全没有（1分）
2. 同一个指标（如"产值"），不同部门的算法一致吗？
- 完全一致，有唯一数据源（5分）
- 基本一致，偶有差异（3分）
- 经常不一致，需要对数（2分）
- 各算各的（1分）
3. 你们是否有数据质量监控机制？
- 实时监控+自动报警（5分）
- 每周人工检查（3分）
- 出问题了才检查（2分）
- 从不检查（1分）
4. 数据出现问题时，能否快速定位根源？
- 可以追溯完整数据链路（5分）
- 可以找到大概环节（3分）
- 只能凭经验猜测（2分）
- 完全找不到（1分）
评分标准：
- 18-20分：优秀（Level 4-5）
- 13-17分：良好（Level 3）
- 8-12分：及格（Level 2）
- <8分：需改进（Level 1）
由于内容较长，剩余三个维度（数据分析、数据应用、数据文化）将在下一页继续。