用数学做出的决策，永远胜过主观臆断得出的决定。多数公司最大的问题在于：很多本可以基于数据来决策的事情，却被交给了主观臆断。
——亚马逊客户服务负责人 杰夫·威尔克
从让内部数据主导决策开始
麻省理工学院斯隆管理学院的约翰·利特尔教授把数据分为两大类：状态数据和响应数据。
企业通常可以从自身数据库中提取的大部分信息属于状态数据。这类数据包括：收入、销售量、变动成本、价格水平、市场份额估计，以及广告预算规模。在透明度较高的市场，公司往往还能掌握竞争对手在上述方面的相当一部分信息。对状态数据进行分析，可以帮助你发现有机会实现差异化的领域，指导你重新配置销售和营销资源，并因此获得更高利润。
不过，真正最可观的利润提升往往来自利特尔所说的响应数据。响应数据包括价格弹性、广告效果和销售效果等。这类数据必然同时涉及一个自变量（原因或驱动因素）和一个因变量（反应或结果）。单纯按时间进行的对比，比如逐年市场份额的变化，并不构成响应数据，因为它们无法揭示“为什么会这样”。只有通过对状态数据进行动态比较（例如同一变量调整前后的对比），以及运用测试结果，才能获得真正意义上的响应数据。这类数据可以为你提供最精确的指引，指出你在何处、还有哪些可以追求的额外利润空间。
用状态数据识别你的利润机会
为什么我们要如此强调这些内部数据集？原因很简单：无论一家公司的整体盈利水平看上去多么可观，管理者往往都不确定，公司当前的盈利水平究竟是否已经达到了“本可以达到”或“理应达到”的高度。要得出这一结论，并把更多潜在利润切实转化为真实收益，就必须对这些内部状态数据进行系统分析。
要想真正把这些额外利润变成现实，管理层必须更清楚地判断：团队每年做出的成千上万项具体决策，到底哪些在赚钱、哪些在亏钱，哪些是明智之举、哪些是错误选择，哪些必不可少、哪些其实并非必要。
你也许会认为，那些设有信息技术部门和客户关系部门的大公司理应准备好了一套结构紧凑、内容完备的状态数据集，供管理者随时调用。在总体汇总层面，这个判断或许说得过去，但一旦你尝试按客户、区域、产品或销售人员等维度，把这些数据拆开来查看，很快就会陷入困境与挫败之中。
在现实中，真正有助于你理解客户的那部分状态数据，很少能以一种“易于获取、快速使用”的形式呈现出来。我们的大多数项目，往往都是从帮助客户把现有数据拉回到同一个分析框架开始。即便这些数据真实存在，它们也往往分散在众多不同部门之中。在一些组织里，负责管理各自部门数据的人彼此之间几乎从不沟通，甚至根本没想过要沟通——而且，这往往有“正当理由”：他们效力的对象不同，薪酬和资源来自不同的预算科目，追求的目标和所受的激励机制也完全不同。结果，我们通常会遇到以下两类典型障碍：
公司并没有自己真正需要的那种数据。好消息是：数据往往“基本上”是存在的，只是没有以适合开展有效分析的细致程度被组织起来。你能找到的，往往只是各类汇总数和平均值，却缺乏按产品、客户或销售团队等维度展开的明细数据。这样一来，那些本应由数据来填补的认知空白，只能由主观判断、个人直觉和过往经验来代替。
公司可以把数据拿出来，但需要很长时间。许多企业往往要花上数周甚至数月，才能把分散在各处的数据汇总到同一个地方。比如，我们曾要求一家日用消费品制造商向我们提供其在欧洲5个国家和美国的批发价与零售价数据，结果他们的团队花了整3个月时间，才把这些数据对齐并核对完毕。
一旦你把这些数据纳入统一框架，最好再组建一支专门团队，负责持续更新数据集，并对数据进行系统性分析。即便是那些已经全面上线ERP（企业资源计划）系统的公司，在执行这项看似再简单不过的工作时，同样常常感到吃力。这种需求催生出一个专门的软件细分市场：一些软件供应商专门帮助企业，在现有信息基础上，以更有意义、更灵活的方式整合和呈现这些数据。
生成响应数据，量化你的利润空间
产品是否成功——也就是你究竟能卖出多少产品——与两件事密不可分：定价以及营销投入。如果对定价和营销投入的影响缺乏清晰的认知，那么无论是销售目标设定、竞争威胁应对，还是营销思路调整，都将失去意义。为此，你必须掌握响应数据。
几乎没有哪家公司一开始就具备随取随用的响应数据，但这不能简单归因于算力不足。问题不在于缺乏计算能力，而在于很多公司压根儿没有建立可以显著提升决策质量的数据库。正如有篇讨论文章所指出的：“大多数制造商在产品销售数据上投入了大量资金，却仍然搞不清价格、产品特性或陈列方式的变化会对销量产生什么样的影响。”更合理的解释是，相比额外花精力去挖掘和理解这些影响机制，企业决策者更愿意依赖各种捷径、零散的逸事、传统观念、高度汇总的数据以及主观判断来做决策。多数公司都有付诸行动的能力，只是缺乏这样做的意愿。
你可以通过两种方式来生成响应数据：要么基于自身的历史数据进行估算，要么直接通过调研客户来获取。当企业选择利用自身的历史数据来“推演”响应数据时，几乎不可能仅靠简单直接或标准化的分析就把问题弄清楚。像PROS、Zilliant、Rapt这类需求规划软件提供商正是试图填补这一空白，它们提供工具，帮助企业以更系统的方式采集和分析状态数据，并在此基础上生成响应数据。
但必须说明，这类软件的关键价值在于帮助你汇总、整理并转换数据，而不是替你做决策。它绝不可能完全取代你的专业判断，更不可能做到“一键出洞见”。截至目前，我们还没有见过哪一款软件能够把决策过程完全自动化。
美国服装零售连锁企业Casual Male就曾对自身的历史数据进行分析，以确定对时尚类商品进行打折处理的最佳时点。按照业内的传统经验，零售商通常会在7月4 日假期过后，立即下调泳装价格。
Casual Male负责计划工作的高级副总裁斯特文·施瓦茨坦言，公司过去对“哪些商品打折能获得更好的毛利率”完全没有把握。后来，他引入了基于网络的定价工具，对这家连锁企业在全美范围内的销售数据进行分析，结果发现，不同地区在销售周期和需求节奏上存在显著差异。借助这一新的定价体系，该连锁企业在随后的9个月里毛利率提高了25%。
毛利率提高25%，对Casual Male来说意味着一大笔额外利润。然而，即便是这样“大规模运算”的数据分析所提供的指导，仍然是不完整的。它既没有考虑潜在的竞争反应，也不能帮助企业估计那些尚未推出的产品或服务变体可能带来的影响。
Casual Male使用的软件，可以帮助它计算价格响应和价格弹性，但无法判断竞争对手是继续沿用业内的传统做法（例如在全美范围内执行统一低价），还是会在某种程度上仿效Casual Male的做法。同样，如果Casual Male过去只销售蓝色泳装，这个模型也无法预测：一旦它在某些地区引入红色泳装，当地市场会有怎样的反应，因为关于红色泳装，它根本没有任何历史数据可供分析。
如果只依靠内部数据，想要预测竞争反应，或者评估产品或服务变体的影响，就必须借助我们所说的专家判断。做法是：把来自市场营销、销售、客户服务以及产品开发等部门最了解客户也最有经验的一批人组织到一起，采用结构化方法，系统梳理并检验关于“营销组合发生调整时客户会做何反应”的种种假设。随后，再把这些假设和判断量化出来。
■
案例研究
肯特模具公司是一家塑料注射成型服务供应商，主要客户是食品和个人护理品生产企业。它最大的客户每年为其贡献1000万美元的销售额，而对小客户的年销售额大致在100万美元。长期以来，这家公司的内部管理信息非常有限，其管理报表从未深入到“每个客户的利润贡献”这一层面，最多只统计到“每个客户的销售额”。当肯特下决心将成本精确匹配到单个客户，并计算每位客户为公司带来的利润贡献之后，它开始注意到一些异常现象。
比如，肯特的第三大客户为它贡献的毛利率只有10.5%，而第八大客户贡献的毛利率高达48.9%。这意味着，仅这一位客户每年就能为肯特贡献超过150万美元的利润。从绝对金额来看，这一数字远远超过了那家看上去“更有吸引力”的大客户所带来的收益。
造成这一巨大差异的原因，与肯特自身成本结构关系不大，根本原因在于不同客户之间存在极大的价格差异和折扣差异。围绕单个客户层面的利润数据，给了肯特此前一直缺失的那一块“拼图”，使其得以重新校准整个销售策略和客户选择策略。有了这套新信息，肯特能够识别出哪些客户所支付的价格，与他们所获得的服务和支持并不匹配；同时也能清楚地看到，对某些客户而言，如果肯特当初能适度降低价格，他们很可能会购买更多，同时肯特的整体盈利水平也会随之提高。
而对于那些边际贡献最低的客户，肯特计划提高价格，取消部分折扣，让这些客户所支付的价格向整体市场水平看齐。如果这部分客户因此流失，肯特也做好了承受损失的准备。至于其他客户，有的可以直接获得更低价格，更多情况下，名义价格不变，但是可以从客服人员和技术人员那里得到更多关注与支持。肯特刻意把服务水平打造成一个强有力的差异化抓手，用来稳住这些客户，避免他们轻易转向竞争对手，同时也为在这部分客户身上维持较高价格提供支撑。
依托基于专家判断所生成的响应数据，肯特把理论真正落到了实处。公司确实对那些边际贡献最低的客户普遍上调了价格。由于事先已经推算过客户可能做出的反应，肯特很清楚：销量会有所下降，一部分客户会转向竞争对手。后来的结果与预期一致：有一家客户的采购量明显下滑，另一家则干脆把业务交给了别的供应商。但即便如此，肯特不但变得盈利能力更强，还能将原本被这些客户大量占用的内部资源重新配置到更有价值的地方。
在完成这轮“重新校准”之后，肯特的营业收入从6700万美元增长到7000万美元，增幅为4.5%；毛利润则从2440万美元提升到2580万美元，增长了5.7%。对一家小公司来说，这绝不是一个可以忽略的数字。如果肯特试图通过削减成本来实现同等幅度的收益改善，大约需要裁掉25个岗位，占全部员工的10%。而现在，公司只用了6个月时间，就在内部阻力极小、额外资金投入几乎为零的情况下，实现了营收和毛利润的双提升。真正需要的，是管理层在思考和决策上的“心智投入”，而不是从口袋里拿出真金白银。反过来讲，如果从成本端采取同样力度的措施，公司不仅要面对裁员对员工士气造成的严重打击，其短期利润也会因为支付遣散费而受到拖累。
互动送好礼
你有过在内部数据中寻找利润机会的实操经历吗？欢迎分享你的思考和见解，我们将从中选取3位读者，送出《小而精》一本！
注：时间截至5月6日24:00，获奖用户请于收到通知后24小时内回复邮寄信息，未收到通知或未及时回复则视为“谢谢参与”。