A02 营业厅经理的数据分析综合能力提升实战

第一篇：A02 营业厅经理的数据分析综合能力提升实战

营业厅经理的数据分析综合能力提升培训

【课程目标】

本课程为基础课程，面向电信运营商的营业厅的数据分析综合能力提升，适合于对数据分析有基本要求的业务部门人员。

营业厅，作为电信运营商的线下服务窗口，承担着业务办理与咨询、客户服务、品牌传播、终端销售等功能。对营业厅的数据进行分析，可以对整个运营商的业务运营情况、客户发展情况、流量运营发展情况等进行全面诊断与体检。

本课程从营业厅的实际业务出发，对数据分析进行了全面的介绍，帮助学员掌握数据分析的方法、思路、工具；通过大量的操作演练，对大量的数据进行分析，帮助学员深入理解业务运作，以达到提升学员的数据综合分析能力，支撑运营决策的目的。

本课程覆盖了如下内容：

 数据分析基础，数据分析过程。 数据分析方法，数据分析思路。 数据可视化与数据解读，数据报告撰写。通过本课程的学习，达到如下目的：

1、了解数据分析基础知识，掌握数据分析的基本过程。

2、学会数据分析的框架和思路，掌握常用数据分析方法来分析问题。

3、掌握Excel工具使用，及高级数据分析库操作。

4、熟练使用图表制作工具，掌握图表美化原则，正确使用图表来表达观点。

5、掌握数据分析报告的写作技巧及要点，全面正确地呈现分析结果。

【授课时间】

2天时间

【授课对象】

营业厅、呼叫中心、业务支撑部、经营分析部、市场营销部等对业务数据分析有基本要求的相关人员。

【学员要求】

1、每个学员自备一台便携机(必须)。

2、便携机中事先安装好Excel 2013版软件。

3、便携机中事先安装好SPSS v19版软件。注：讲师可以提供试用版本软件及分析数据源。【授课方式】

数据分析基础+方法探讨 + 实际业务问题分析+Excel实践操作

本课程突出数据分析的实际应用，结合行业的典型应用特点，围绕营业厅实际的业务问题，进行数据的收集与处理、数据分析与挖掘，以及数据呈现与报告撰写，全过程演练操作，以达到提升学员的数据综合分析能力，支撑运营决策的目的。

【课程大纲】

第一部分：认识数据分析

问题：数据分析是神马?数据分析基本过程？

1、数据分析面临的常见问题

 不知道分析什么（分析目的不明确） 不知道怎样分析（缺少分析方法） 不知道收集什么样的数据（业务理解不足） 分析完了然后呢（不了解分析过程） 看不懂数据表达的意思（数据解读能力差） 担心分析不够全面（分析思路不系统）

2、认识数据分析

 什么是数据分析  数据分析的三大作用  数据分析的三大层次

3、数据分析需要什么样的能力

 懂业务、懂分析、懂工具、懂呈现

4、大数据应用的四层结构

 数据基础层、数据模型层、业务模型层、业务应用层

5、数据分析与挖掘在企业中的应用

第二部分：数据分析基本过程

1、数据分析的六步曲

2、步骤1：明确目的--理清思路

 先有数据还是先有问题？  确定分析目的  确定分析思路

3、步骤2：数据收集—理清思路

 明确收集数据范围  确定收集来源  确定收集方法

演练：Excel数据导入练习

4、步骤3：数据预处理—寻找答案

 数据清洗、转化、提取、计算  数据质量评估

演练：Excel数据预处理练习

5、步骤4：数据分析--寻找答案

 选择合适的分析方法  构建合适的分析模型  选择易用的分析工具

6、步骤5：数据展示--观点表达

 选择合适的可视化工具  选择恰当的图表

7、步骤6：报表撰写--观点表达

 选择报告种类  完整的报告结构

8、数据分析的三大误区

演练：终端营销项目过程讨论

第三部分：数据分析方法篇

问题：数据分析有什么方法可依?不同的方法适用解决什么样的问题？

1、数据分析的三层次

 统计分析（对比/分组/结构/趋势/„） 数据分析（相关/方差/验证/回归/时序/„） 数据挖掘（聚类/分类/关联/RFM模型/„）

2、统计分析常用指标

 计数、求和、百分比（增跌幅） 集中程度：均值、中位数、众数  离散程度：极差、方差/标准差  分布形态：偏度、峰度

3、学会使用透视表（数据统计的利器）

 分类汇总

 交叉表（二维、多维）演练：数据统计利器（透视表）

4、典型统计分析方法及其适用场景

 对比分析 演练：分类统计  分组分析

演练：科学排班与客流时间分布分析（呼叫中心） 结构分析  趋势分析

 交叉分析（两维分析）演练：用户性别与地域分布分析

5、综合数据分析方法

 多维数据分析（综合评价法）演练：人才选拔评价分析（HR）案例：南京丈母娘选女婿分析表格  财务数据分析（杜邦分析法）演练：服务水平提升分析（呼叫中心） 流失率与转化率分析（漏斗分析法）演练：终端销售流程分析（营业厅） 产品策略分析（象限图分析法）演练：工作安排、波士顿产品矩阵

6、最合适的分析方法才是硬道理。

第四部分：解读数据分析结果

问题：数据多，看不明白，不知道从何处看出业务问题？

1、数据分析的目的

 发现业务规律  发现业务异常  寻找业务策略

2、对比分析及业务策略

 看差距，补短板  看极值，评优劣  看异常，找原因

3、结构分析及业务策略  看占比，聚焦重点  看失衡，优化结构

4、趋势分析及业务策略

 看变化，说趋势  看峰谷，找规律  看异常，找原因

5、解读要符合业务逻辑

第五部分：营业厅的数据分析篇

问题：营业厅有哪些关键数据，如何开展分析？

1、营业厅的关键数据

 营业厅有哪些关键数据  营业厅关注什么样的数据分析

2、营业厅的工单分析

 整体工单分析（你的工作量饱和吗） 工单结构分析（让你聚焦重点工作）

3、营业厅的客流分析

 每日客流趋势分析、峰谷分析（让你的排班更科学） 客流与平均处理时间分析（让你的人员配置更合理）

4、营业厅的终端分析

 终端销量趋势分析（发现销量变化的秘密） 终端价格区间走势分析（让你了解客户层次） 终端畅销机型分析（让你更明白客户的终端偏好） 终端客户匹配分析（让你的推荐更精准）

5、营业厅的客户分析（让你更了解你的客户）

 哪些客户喜欢来营业厅，哪些客户从来不来？  客户分类分析（客户特征分析） 客户喜欢使用哪些套餐（套餐使用分析） 客户喜欢使用什么话费类型（消费特征分析） 客户的流量使用分析（流量套餐分析）案例讨论：客户满意度分析

6、营业厅数据分析小结

第六部分：数据分析思路篇

问题：数据分析思路是怎样的？如何才能全面/系统地分析而不遗漏？

1、数据分析的思想

 从KPI指标开始  从营销/管理模型开始

案例：呼叫中心如何提升服务水平

2、常用分析思路模型

3、企业外部环境分析（PEST分析法）

案例：电信行业情况分析

4、用户消费行为分析（5W2H分析法）

案例：用户消费行为分析（5W2H）

5、公司整体经营情况分析（4P营销理论）

6、业务问题专题分析（逻辑树分析法）

7、用户使用行为研究（用户使用行为分析法）

案例：终端销售流程分析

第七部分：图表呈现篇

问题：如何让你的分析结果更直观易懂？如何让数据“慧”说话？

1、图表类型与作用

2、常用图形及适用场景

3、常用图形

 柱状图（对比分析） 条形图（对比分析） 折线图（数据趋势分析） 饼图（产品组成分析） 雷达图（多重数据比较）演练：图形绘制

4、复杂图形

平均线图（对比分析） 双坐标图（不同量纲呈现） 对称条形图（对比）

 瀑布图（成本、收益构成分析） 漏斗图（用户转化率分析）

 散点图/气泡图（用户、产品分类分析） 帕累托图/柏拉图(主要根因分析）演练：图形绘制

5、动态图表画法技巧

6、图表美化原则

 简约  整洁  对比/突出

7、表格呈现

8、优秀图表示例解析

9、常见的可视化工具

第八部分：分析报告撰写

问题：如何让你的分析报告显得更专业？

1、分析报告的种类与作用

2、报告的结构

3、报告命名的要求

4、报告的目录结构

5、前言

6、正文

7、结论与建议

8、优秀报告展现与解析 案例：营业时间调整专题报告

第九部分：数据分析实战篇（中级）

1、常用数据分析工具

 常用数据分析EXCEL  专业数据分析SPSS

2、EXCEL数据分析功能介绍

 模拟分析  规划求解  数据分析工具库

3、描述统计（对数据的简单描述）

问题：如何更好地描述数据？如何衡量集中程度、离散程度？  描述统计内容

案例：均值、范围/方差计算？如何理解？  直方图/柏拉图

问题：如何评估销量数据的分布情况？ 案例：客服中心如何排班更合理？

4、相关分析（衡量变量间的的相关性）

问题：营销费用会影响销售额吗？影响程度大吗？  什么是相关关系

 相关系数：衡量相关程度的指标  相关分析的过程  相关分析应用场景 演练：体重与腰围的关系 演练：营销费用与销售额的关系 案例：香港酒楼与报考厅的相关关系

5、方差分析

问题：哪些才是影响销量的关键因素？  方差分析解决什么问题

 方差分析种类：单因素/双因素可重复/双因素无重复  方差分析的应用场景  如何解决方差分析结果

演练：终端摆放位置与终端销量有关吗？（单因素方差分析）演练：时间、区域是否是影响终端销量的关键因素（双因素无重复方差分析）

演练：广告和价格是影响终端销量的关键因素吗（双因素可重复）案例：2015年大学生工资与父母职业的关系 案例：洗手与婴儿存活率的关系

6、回归分析（预测）

问题：如何预测未来的销售量（定量分析）？  回归分析的基本原理  回归分析的作用

 回归分析的种类（一元/多元、线性/曲线） 回归分析的方法及分析结果解读

演练：推广费用、办公费用与销售额的关系  回归分析（带分类变量）

演练：工龄、性别与终端销量的关系（人员结构分析）演练：产品销量的季节性变化

7、时序分析（预测）

问题：随着时间变化，未来的销量变化趋势如何？  时序分析的应用场景（基于时间的变化规律） 移动平均的预测原理  指数平滑的预测原理

案例：终端销量数据分析与预测

结束：课程总结与问题答疑。

第二篇：商业银行大堂经理综合能力提升

商业银行大堂经理综合能力提升

培训背景：

营业厅大堂经理是营业厅的重要形象代表，是银行与客户沟通的桥梁，是银行服务文化的传导者，是银行“赢”在大堂策略的重要执行人。一个优秀的大堂经理每天都能有效提升客户的满意度和忠诚度，有效留住客户和实现现场销售，为银行创造价值；一个表现不佳的大堂经理，每天都会赶走客户，因此，提升大堂经理的职业素质至关重要。但我们发现大堂经理在营业厅的管理中，还存在一些迫切需要改善的问题：

1、每天都在忙，但不知道在忙什么，工作缺乏重点、缺乏岗位职责认知，缺乏时间管理能力

2、营业厅办理业务秩序混乱，工作效率低下，客户等候时间长，客户抱怨大，缺乏客户分流技巧

3、当客户有抱怨时，不善于沟通平息，问题得不到处理和解决，缺乏客户抱怨和投诉处理技巧

4、总在现场巡视，但发现不了什么问题，缺乏现场管理的知识与技能

5、客户在营业厅与柜员发生冲突，影响正常营业秩序，大堂经理不知如何协调，缺乏客户服务的技巧及突发事件应变能力

培训目的：

1、了解大堂经理的工作职责和工作范围，树立职业的服务营销与服务意识

2、提高大堂经理的工作技能，提高其现场管理能力

3、利用真实案例的不同体验引导大堂经理树立银行以“客户为中心”理念

4、培养大堂经理掌握客户关系管理的系统知识，了解和分析客户心理需求

5、提升客户经理营销技能，拓展客户开发能力

6、学习处理客户的投诉与抱怨技巧，增强危机事件的处理能力

培训对象：大堂经理及骨干员工

培训课时：精品版2天、浓缩版1天(均可根据客户需求调整)

课程概要：

第一章：商业银行转型时期的营业现场

一、网点转型，迎接客户体验时代——从结算型向服务营销型转变

二、第三者眼中的营业现场 1>几十张硬件配置问题图片案例分析 2>几十张软件管理失误图片案例分析 3>几十张氛围营造不佳图片案例分析

三、客户体验时代的银行形象大使，如何拥有良好职业心态 视频案例：他为何为难大堂经理

第二章：大堂经理现场服务规范标准

一、精神要饱满

二、表情要情切

三、手势要标准

四、坐姿要端庄

五、站姿要挺拔

六、行姿要从容

七、蹲姿要文雅

八、行礼要大方

九、言语要和谐

十、违规形式呈现展示

第三章：营业厅的一天

一、营业前 1>职业形象塑造 2>工作事项梳理 3>服务设施检查 4>视觉营销呈现

二、营业中

1>维持网点的正常经营秩序，视觉监督、监管 2>现场的客户识别与分流服务

3>业务咨询、教育客户、产品推介、业务办理 4>甄别客户、收集信息、调解争议

三、营业后

1>记录客户信息并反馈意见 2>检查各类服务设施设备 3>总结，自我评估

第四章：营业厅现场八大服务流程、步骤和标准

一、为什么要建立标准服务流程？ 案例1：外资企业 案例2：国内企业

二、开门迎客流程、步骤、标准、流程图说明、案例分析、实景训练

三、业务接待流程、步骤、标准、流程图说明、案例分析、实景训练

四、业务咨询流程、步骤、标准、流程图说明、案例分析、实景训练

五、客户分流流程、步骤、标准、流程图说明、案例分析、实景训练

六、客户教育流程、步骤、标准、流程图说明、案例分析、实景训练

七、产品营销流程、步骤、标准、流程图说明、案例分析、实景训练

八、投诉处理流程、步骤、标准、流程图说明、案例分析、实景训练

九、挽留客户流程、步骤、标准、流程图说明、案例分析、实景训练

第五章：大堂经理客户营销活动 一、四种典型客户类型

二、顾客购买决策过程

三、客户需求和介绍信息

三、了解客户需求的方法

四、金融服务营销发展趋势

五、“MAN”：客户识别技巧

六、“SPIN”：顾问式销售技巧

七、“FABE”：产品推介技巧

八、交叉营销、联动营销、二次营销

第六章：银行真实案例情景模拟演练实训（准备、演练、点评、每个团队大约需要20—30分钟）

第三篇：A31 大数据分析与数据挖掘能力提升实战(5天)

大数据分析与数据挖掘能力提升实战

【课程目标】

本课程为综合课程，包含基本的数据分析，到高级的数据挖掘，数据建模，以及大数据在市场营销方面的应用，帮助企业的相关人员提升数据分析的综合能力，解决业务问题和企业决策问题。

本课程从实际的业务需求出发（特别是市场营销领域的业务），结合行业的典型应用特点，围绕实际的商业问题，对数据分析及数据挖掘技术进行了全面的介绍（从数据收集与处理，到数据分析与挖掘，再到数据可视化和报告撰写），通过大量的操作演练，帮助学员掌握数据分析和数据挖掘的思路、方法、表达、工具，从大量的企业经营数据中进行分析，挖掘客户行为特点，帮助运营团队深入理解业务运作，以达到提升学员的数据综合分析能力，支撑运营决策的目的。

通过本课程的学习，达到如下目的：

1、了解大数据的核心理念，以及大数据思维。

2、掌握数据分析的基础知识，掌握数据分析的基本过程。

3、学会数据分析的框架和思路，掌握常用数据分析方法来分析问题。

4、掌握数据挖掘，数据建模，以及模型优化，能够解决商业问题。

5、掌握常用分析和挖掘工具，学习使用Excel、SPSS、Modeler工具来做数据分析、数据挖掘，以及数据预处理和建模。

【授课时间】

5天时间

【授课对象】

市场营销部、业务支撑、经营分析部、网管/网优中心、数据分析部等对业务数据分析有要求的相关人员。

【学员要求】

1、每个学员自备一台便携机(必须)。

2、便携机中事先安装好Excel 2010版本及以上（常规分析）。

3、便携机中事先安装好IBM SPSS Statistics v19版本及以上（数据挖掘）。

4、便携机中事先安装好IBM SPSS Modeler v19版本及以上（数据预处理和建模）。注：讲师可以提供试用版本软件及分析数据源。

【授课方式】

数据分析/挖掘基础 + 思路分解 + 方法讲解 + 实际业务问题分析 + 工具操作 采用互动式教学，围绕业务问题，展开数据分析过程，全过程演练操作，让学员在分析、分享、讲授、总结、自我实践过程中获得能力提升。

不空谈理论，不空谈方法，以业务分析为核心，以解决问题为目的。

一切不以解决业务问题的数据分析/挖掘都是耍流氓！

【课程大纲】

第一部分：解构大数据

1、大数据时代已经来临

2、大数据的三层理解

 理论层：以数据为基础  技术层：以平台为手段  应用层：以应用为导向

3、大数据的4V特征

4、大数据的核心价值

 发现业务运行规律  预测事物未来

5、大数据在各行业是如何应用的

 医疗卫生  政治军事  行政执法  金融银行  ……

6、数据分析的核心理念

 数据变化意味着业务变化  数据间关系意味着因素间的关系

7、大数据战略  大数据成为企业的核心资产  大数据成为业务创新的核心引擎  从数据化运营到运营数据

8、大数据的思维变革

 定量思维  相关思维  实验思维  ……

9、大数据的商业模式分析

10、大数据的人才培养

第二部分：数据分析篇

问题：数据分析是神马?数据分析基本过程？

1、数据分析面临的常见问题

2、认识数据分析

 什么是数据分析  数据分析的三大作用  数据分析的三大类别 案例：喜欢赚“差价”的营业员

3、数据分析的六步曲

 明确目的  收集数据

 处理数据（预处理） 分析数据

 呈现数据（可视化） 撰写报告

案例：终端精准营销项目过程讨论

4、数据分析师需要什么样的能力  懂业务、懂管理、懂分析、懂工具、懂呈现

5、大数据应用系统的四层结构

 数据基础层、数据模型层、业务模型层、业务应用层

6、数据分析方法的层次

 基本分析法（对比/分组/结构/趋势/…） 综合分析法（交叉/综合评价/杜邦/漏斗/…） 高级分析法（相关/方差/验证/回归/时序/…） 数据挖掘法（聚类/分类/关联/RFM模型/…）

7、基本分析方法及其适用场景

 对比分析（查看数据差距）

演练：按性别、省份、产品进行分类统计  分组分析（查看数据分布）演练：银行信用卡月消费分析（银行）演练：呼叫中心接听电话效率分析（呼叫中心）演练：客服中心科学排班人数需求分析（客服中心）演练：客户年龄分布分析 案例：排班后面隐藏的猫腻  结构分析（评估事物构成）案例：用户市场占比结构分析

案例：物流费用占比结构分析（物流） 趋势分析（发现变化规律）案例：破解零售店销售规律

8、综合分析方法及其适用场景

 交叉分析（两维分析）演练：用户性别+地域分布分析  综合评价法（多维指标归一）演练：人才选拔评价分析（HR）案例：南京丈母娘选女婿分析表格

 杜邦分析法（关键因素分析-财务数据分析）案例：电信市场占有率分析

演练：服务水平提升分析（呼叫中心）案例：销售额的影响因素分析（零售店/电商）

 漏斗分析法（关键流程环节分析-流失率与转化率分析）演练：终端销售流程分析（电信营业厅）案例：业务办理流程优化分析（银行营业厅）案例：物流配送效率分析（物流）

 矩阵分析法（产品策略分析-象限图分析法）案例：工作安排评估 案例：HR人员考核与管理 案例：波士顿产品策略分析

9、最合适的分析方法才是硬道理。

10、数据分析思路（如何细化业务问题）

案例：利用5W2H来分析产品销售情况

第三部分：概率与数理统计篇

1、数据统计指标

 集中程度：平均数/中位数/众数

 离散程度：全距/四分位距/标准差/四分位  分布形态：偏度/峰度  正确理解各指标的含义 案例：如何用Excel计算统计指标 案例：如何用Excel画直方图

2、概率论基本知识

 随机事件与概率  古典概率与条件概率  全概率公式与贝叶斯公司  概率分布函数  数学期望与方差  大数定律与中心极限定理

3、参数检验分析

 假设检验概述  假设检验步骤

 样本T检验（单样本、两独立样本、两配对样本）及适用场景 案例：电信运营商ARPU值评估分析（单样本）案例：营销活动前后分析（两配对样本）案例：吸烟与胆固醇升高的分析（两独立样本）

4、非参数检验分析

 非参数检验概述

 样本检验（单样本、两独立样本、两相关样本）案例：产品合格率检验（单样本-二项分布）

案例：训练新方法有效性检验（两配对样本-符号/秩检验）案例：促销方式效果检验(多相关样本-Friedman检验)案例：客户满意度差异检验(多相关样本-Cochran Q检验)

第四部分：高级数据分析

本篇包含三大内容：影响因素分析，数值预测模型。

1、相关分析（衡量变量间的的相关性）

问题：营销费用会影响销售额吗？影响程度大吗？  什么是相关关系

 相关系数：衡量相关程度的指标  相关分析的步骤与计算公式  相关分析应用场景 演练：体重与腰围的关系 演练：营销费用与销售额的关系

2、方差分析 问题：哪些才是影响销量的关键因素？  方差分析解决什么问题

 方差分析种类：单因素/双因素可重复/双因素无重复  方差分析的应用场景  如何解决方差分析结果

演练：产品摆放位置与销量有关吗？（单因素方差分析）案例：2015年大学生工资与父母职业的关系

3、回归分析（预测）

问题：如何预测未来的销售量（定量分析）？  回归分析的基本原理和应用场景

 回归分析的种类（一元/多元、线性/曲线） 回归分析的几种常用方法  回归分析的五个步骤与结果解读

 回归预测结果评估（如何评估预测质量，如何选择最佳回归模型）演练：散点图找推广费用与销售额的关系（一元线性回归）演练：推广费用、办公费用与销售额的关系（多元线性回归）演练：最佳选择的预测销售额的回归模型（一元曲线回归） 回归分析（带分类变量）案例：汽车销量的季度预测

演练：工龄、性别与终端销量的关系 讨论：终端销售预测分析（营业厅）

4、时序分析（预测）

问题：随着时间变化，未来的销量变化趋势如何？  时序分析的应用场景（基于时间的变化规律） 移动平均的预测原理  指数平滑的预测原理

案例：销售额的时序预测及评估 演练：产品销量预测及评估 第五部分：建立预测模型与模型优化（Excel工具）

本篇包含内容：数值预测建模、模型优化，季节性预测模型、S曲线预测模型。

1、常见预测模型类别

 数值预测  分类预测

2、回归分析建模

 寻找最佳回归拟合线来判断和预测

 模型优化七步法（因素、异常值、相互作用、非线性关系…）案例：汽车销量预测分析

案例：工龄、性别与销量的回归分析

3、季节性预测模型

 季节性预测模型的参数

 常用季节性预测模型（相加模型、相乘模型）案例：美国航空旅客里程的季节性趋势分析 案例：产品销售季节性趋势预测分析

4、新产品销量预测与S曲线

 如何评估销量增长的拐点

 常用模型（珀尔曲线、龚铂兹曲线）

案例：预测IPad产品的销售增长拐点，以及销量上限

5、规划求解与自定义模型 案例：大数据下的产品定价方法

案例：如何对客流量进行建模及模型优化

第五部分：数据挖掘篇（SPSS工具使用）

1、数据挖掘概述

2、数据挖掘的标准流程

 商业理解  数据准备  数据理解  模型建立  模型评估  模型应用

案例：通信客户流失分析及预警模型

3、聚类分析（市场细分与客户细分）

问题：如何实现客户细分，开发符合细分市场的新产品？  聚类分析及其作用  聚类分析的种类  层次聚类：发现多个类别  R型聚类与Q型聚类的区别

演练：中国省市经济发展情况分析（Q型聚类）演练：裁判评分的标准衡量（R型聚类） K均值聚类

演练：宝洁公司如何选择新产品试销区域？ 演练：如何评选优秀员工？

4、分类分析

案例：美国零售商（Target）如何预测少女怀孕

问题：如何提取客户流失者、拖欠货款者的特征？如何预测其流失的概率？

 分类与聚类  决策树分类的原理  如何评估分类性能

演练：识别银行欠货风险，提取欠货者的特征

5、关联分析

案例：啤酒与尿布、飓风与蛋挞

问题：购买面包的人是否也会购买牛奶？他们同时购买哪些产品？  关联分析解决什么样的问题  如何提取关联规则  关联规则的应用场景

案例：超市商品交叉销售与布局优化（关联分析）

6、RFM模型

问题：如何评估客户的价值？如何针对不同客户采取不同的营销策略？  RFM模型介绍

 RFM的客户细分框架理解 演练：淘宝客户选择促销客户的方式

演练：结合响应模型，宜家IKE实现最大化营销利润

第六部分：数据挖掘实战篇（Modeler工具实操）

1、数据挖掘处理的一般过程

 数据源数据理解数据准备探索分析数据建模模型评估

2、数据读入

3、数据集成

 变量合并（增加变量） 数据追加（添加记录）

4、数据理解

 取值范围限定  重复数据处理  缺失值处理  无效值处理

 离群点和极端值的修正  数据质量评估

5、数据准备：数据处理

 数据筛选：数据抽样/选择（减少样本数量） 数据精简：数据分段/离散化（减少变量的取值） 数据平衡：正反样本比例均衡  其它：排序、分类汇总

6、数据准备：变量处理

 变量变换：原变量值更新  变量派生：生成新的变量  变量精简：降维，减少变量个数

7、基本分析

 单变量：数据基本描述分析

 双变量：相关分析、方差分析、卡方检验（列联检验） 变量精简：特征选择、因子分析 案例：通信基本费用与开通月数的相关分析 案例：开通月数对客户流失的影响分析 案例：套餐类型对对客户流失的影响分析

8、特征选择

 特征选择方法：选择重要变量，剔除不重要的变量  从变量本身考虑

 从输入变量与目标变量的相关性考虑

9、因子分析（主成分分析）

 因子分析的原理  因子个数如何选择  如何解读因子含义

案例：提取影响电信客户流失的主成分分析

10、常见分类预测模型  分类预测基本过程

 如何评估分类模型的性能（查准率、查全率）

11、决策树分类  决策树分类原理

 决策树构建的三个关键问题  决策树算法

案例：识别银行欠货风险，提取欠货者的特征 案例：客户流失预警与客户挽留模型

12、神经网络  神经网络概述  神经元工作原理  BP反向传播网络（MLP） 径向基函数网络（RBF）13、14、实战：电信客户流失分析与预警模型 支持向量机 贝叶斯分类

结束：课程总结与问题答疑。

第四篇：公务员面试：如何提升综合分析能力

给人改变未来的力量

现今各大公职类考试中一般都分为笔试和面试两个环节，熟悉公职类考试的人都知道笔试是注重测查考生的智商，而面试的重点则是测查考生的情商，也就是看我们的考生究竟会不会说话、会不会办事、会不会做人。这其中面试重点考查综合分析能力、计划组织协调能力、应变能力、人际交往的意识与技巧、求职动机与拟人职位匹配性、言语表达能力。其中综合分析能力是各大考试中考官考查的重点，也是我们考生考试的难点问题。一般出现在面试中的第一题，也是对正常考试起决定作用的一大能力，那如何提升我们的综合分析能力，以赢得考官对我们的良好印象呢，下面给大家介绍几个技巧：

第一，广泛知识的获取。面试中考官会考查我们各种生活中长出现的小事件，通过这种贴近生活的题目考查我们对社会事件是否有深刻的见解，如小悦悦事件，老人讹诈事件、电梯超重事件，让我们站在准公务员的角度透过现象看到本质。要想对这类问题有深刻的把握，就需要我们时常关注这类问题，只有广泛的涉猎，才能看到其背后深刻的问题。所以我们在生活中可以多关注这类网站，如人民时评、新华时评、中国观察网等相关网站，我们各类公务员考试也是基于此来测查我们的。

第二，在获取知识的同时我们要掌握这类能力的作答思路。也就是我们常说的：是什么、为什么、怎么办。只有掌握了这最基本的作答思路才能在面试中凸显出自己的逻辑性和条理性。而这种思路在生活中也是常用到，如我们探讨吃火锅的问题，我们首先要有自己的观点：吃火锅。其次要有自己的理由：有气氛、附近有家店、吃完暖和。最终落实观点：大家一起去。这种作答思路在我们面试中也经常用到。如我们看待啃老族问题，我们的思路可以分为已经成为一种社会问题;产生该问题的原因可以分为：年轻人本身的就业观念、父母对孩子的溺爱、社会大环境的影响、政府对待年轻人的扶持政策等;落实可谈：年轻人转变自身观念、社会加大对年轻人的关爱、政府加大投入等。

第三，要想对这类题目有更加深刻的认识，需要勤练勤看。俗话说台上一分钟，台下十年功，这正是对面试综合分析能力的一大真实写照，所以需要我们各位考生勤加练习。在做多了这种题目自然会把我题目的主线，都是紧紧围绕社会民生问题进行展开的。

综上，综合分析能力重要也很难掌握，但是我相信各位考省在掌握这一答题技巧之后一定能够对综合分析能力有不一样的看法，面试一定会取得成功。

第五篇：营销经理数据分析模型

营销总经理的业绩数据分析模型－－营销总经理的工作模型

（一）前言

营销总经理这个职位压力大而且没有安全感——天气变化、竞品动态、本品产品质量、公司的战略方向、费用投入、经销商的突然变化、行业动荡、上游采购成本等等诸多因素影响业绩。营销行业没有常胜将军，但是这个行业以成败论英雄。

营销总经理这个职位事情多而且杂乱琐碎：营销总经理要遥控管理庞大的营销团队，服务于全国几千万家经销商和终端。工作千头万绪，哪怕每天干25个小时，工作还是俄罗斯方块一样堆积。

压力和杂务干扰之下，就容易迷失，做营销总经理需要热情、能力、经验、更需要固化的可复制的工作模型，帮助自己脱身庶务，联系市场实际，提升管理绩效。

营销总经理工作模型一：数据分析模型

一、营销总经理数据分析流程概述

数据分析好像“业绩体检报告”，告诉营销总经理哪里有问题。营销总经理要每天按照固定的数据分析模型对当日发货量、累计业绩进度、发货客户数、发货品项数、产品结构、区域结构等关键指标进行全方位多维次的实时监控。随时关注整体业绩达成的数量和质量。

如果公司整体业绩分析没问题就下延看区域业绩有没问题，没问题就结束分析。如果公司整体业绩有问题；就要思考有没有特殊原因——比如：天气下雨造成三天发货量下滑，天晴后业绩会恢复。公司上半月集中力量乡镇市场压货，所以低价产品业绩上升高价产品业绩下滑是计划内正常现象。如果没有特殊原因，确实属于业绩异常，就要立刻从这个指标着手深度分析：通常是从产品、区域、客户三条主线来研究。发现问题产品（哪个产品需要重点管理）、发现问题区域（哪个区域需要重点巡查）、发现问题客户（哪个重点零售ka系统重点经销商的业绩不正常）。除非问题非常严重，一般营销总经理的数据分析下延到直接下级（大区或者省区层面）即可，然后要求问题区域的大区经理做出解释，拿出整改方案。大区省区经理再做区域内数据分析，寻找问题产品、问题片区和问题经销商。

数据分析得出结论就找到了管理重点，接下来营销总经理要采取针对性有的放失的管理动作——比如立刻去巡检重点问题区域、要求问题区域限期改善、更改当月的促销投入或者产品价格、设立新的工作任务（比如乡镇铺货）等等，整个分析流程图示如下：

二、营销总经理数据分析的关键指标

具体分析报表各企业各行业有所不同，但关键指标和分析方法大同小异。

指标一：监控当日整体业绩，闻风而动

说明：营销总经理要从每月第一天开始到最后一天结束每天进行当天数据分析业绩管理，其一可以避免大家月初松懈，月底业绩好就踩刹车——销售团队月初松懈月底刹车是通病，带来的销量损失后面是补不上的，失去的销量永远不会再来，同时会伤害市场，给竞品制造机会。其二可以避免即时市场隐患：比如上半月业绩进度很好，下半月竞品攻击，本品业绩放缓，但是报表反映累计进度还不错（实际上市场已经出了问题）。

方法：

1、每天关注看昨日发货回款业绩是否达到当日业绩目标——用当月未完成的任务目标除以当月的剩余天数，就是公司当天应该达成的发货回款目标。前期业绩达成进度越差，后面每天要求完成的日发货回款量就越高。

2、分析每日业绩达成，无正常理由连续2天发货业绩不理想，就要立刻深挖原因（可能是下去走市场，或者进一步的数字分析，或者大区经理会议讨论业绩滞涨的原因等等）进行实时管理。避免贻误管理时机

作用：使总经理及时掌握每天各区域及整个公司的当日分品项/合计销售状况。

实际操作意义示例：

（1）跟进弱势区域

如：A区达成率落后于市场平均水平，但今天出货量还是极少？（A区当日出货15件）

（2）跟进弱势品项

如：品项3是这个月的推广重点，今天只有B出货，区域A、C的品项3今天为什么无销量？

（3）实时掌握销量

如：虽然这个月整体达成率超前，但最近连续两天出货率很低，出了什么问题？

指标二：监控截止昨日的当月“累计业绩达成”和“档期任务达成”。

说明：“月累计业绩达成”进度要和时间进度作对比。“档期任务达成”是指每个月的业绩管理不应该是平均分配业绩进度，而应该是“赶前不赶后”。

方法：

1、分析截至昨天全公司累计发货回款进度对比时间进度是否跟上或超前。

2、档期任务达成：

※周任务档期：事中管理是管过程，找问题及时补救。事后管理是管结果，死后验尸——等到月底再追进度已经来不及了。通常每月任务要分四周进行档期追踪，鼓励全公司各区域业绩往前赶，比如要求第一周达成当月任务量35%（而不是25%），第二周达成当月任务量60%（而不是50%），第三周达成当月任务量85%（而不是75%），第四周达成100%，对全月能达成任务，但是周任务档期不能达成的区域进行奖罚正负激励。

※特殊时段任务档期管理：这个方法尤其在销售拐点时运用（比如春节前后压货、旺季前压货、农村市场两收前压货等时段），“逼”大家把进度往前赶。比如：2月5号过年，元月份要鼓励大家提前压货，要求元月15号前必须完成当月任务70%，否则进行正负激励。

指标三：监控销售“大盘”有没有动摇

说明：什么是销售“大盘”？包括两个关键指标：“发货客户数”、“客户经营品项数”这两个指标很重要，但是很容易被忽略。业绩总量达成了，但是很多经销商没有发货——危险，这说明经销商活跃度下降，可能是业务人员没有对所有经销商进行拜访、可能是我们的市场区域在萎缩，也可能是冲货砸价造成大户吃小户。或者业绩总量达成了，经销商也很活跃都在进货，但是经销商合计进货品项数减少了——有问题，这说明经销商经营本公司的品项数在下滑，可能会出现单品销售现象（除非是公司策略性压缩品项）、价格秩序和通路利润可能即将混乱。

方法：

1、每天监控发货客户数和发货品项数：累计前n天看客户发货回款是否活跃？零发货客户零发货区域是否存在？累计前n天看累计客户发货品项数是否活跃？同期对比是否正常？

2、尤其是当月前十五天，如果“发货客户数”或“累计客户发货品项数”严重下滑，就说明“大盘”出问题了，要赶紧寻找原因进行管理（比如给经销商当月首次提货激励、给销售人员进行区域内零发货客户数处罚、零发货区域处罚、经销商活跃率奖励等等），后半月也许还能抢回来。

例表：可在企业原有销售报表基础上加一栏：“累计发货客户数”、“累计客户发货品项数”、并于去年同期数字作对比。（具体报表略）

指标四：监控销售质量

说明：销售质量通常看几个指标：产品结构有没有出现单品销售现象？渠道结构有没有问题？重点零售客户发货是否正常？区域结构有没有问题，谁在拖整个公司业绩的后腿？对利润中心考核制的企业，还要分析费用使用进度和销量达成进度的对比。

方法：

1.看产品结构：

※品类（或价格带）占比分析：通过分析各价格带产品或者各品类产品占整体销量的占比份额（比如每天监控高中低三个价格带产品的销售占比），看整个公司和各个大区的产品结构。哪个区域产品结构需要重点管理。

注：品类或价格带占比权重变化会导致公司产品平均售价的变化，所以有些公司还导入“平均价”指标来分析“价格结构”，实际上是“产品结构”的另一种反映形式。需要提示的是对“价格结构”、“高价产品占比”的片面追求往往牺牲销量，造成“量跌价升”，所以必须“量价配套分析”。对“量价齐跌”的区域重点管理；对“平均价”或“高价产品”占比低于公司水平的区域要鼓励他改善产品和价格结构；而对“平均价”、“高价产品占比”已达标或高于公司均值的区域，不必在这个指标上持续加压力，避免误导。

※重点产品产品别分析：重点产品和占比相对大的几个主导产品，分每个产品看当日发货回款进度、累计发货回款进度、增长率（对比上月）、成长率（对比去年同期），尤其当月前十五天看重点产品发货回款客户数是否活跃？重点产品零发货客户零发货区域是否存在？重点产品业绩滞涨的问题区域和问题客户是哪里？

2、看区域结构：看大区别（对直辖管理的重点市场要单独分析）当日和累计业绩进度、累计发货客户数和总发货品项数、分析各区域增长率、成长率、分析区域销量占总体销量的占比，从而寻找到问题区域。

3、看重点客户和渠道结构：重点客户（比如全国前十大经销商、重点市场主力经销商、重点KA系统）要每天监控发货量、累计进度、成长率、增长率、产品结构。

作用：掌握当月各区域（及整个公司）累计销量达成情况、当月各区域（及整个公司）分品项的累计销量及品项占比

实际操作意义示例：

（1）跟进弱势区域如：区域A、C达成率低于整体水平也低于时间进度，整个公司达成率不容乐观，需采取应对措施！（7月10日整体达成40%，A区达成30%，C区达成25%）

（2）跟进弱势品项如：区域B止今日达成率超前，但品项2的出货比例太小，出了什么问题？（7月10日B区达成66%，但品项2出货占比仅16.7%，相对其他区域品项2的占比太低）

（3）品项3本月正值旺季前销售启动之际，但本月整个公司品项3的出货比例小，及时跟进品项3的销量、促成各区在品项3的推广上加大力度当是本月销量增长的机会点！（品项3仅占总销量的21.3%）。

三、数据分析结论的使用

1、“三维”数据分析法：数据分析的目的是为了找到问题，要逐层深挖“罪魁祸首”。首先看整个公司的达成率、成长率、增长率、产品结构，发货客户数是否健康，发现任何一个指标异常，立刻要从“区域、客户、产品”三条线往下深挖：①、业绩滞长是哪个产品造成的——这个产品业绩差是哪个区域造成的哪些客户造成的，最终锁定问题产品的产生原因——问题产品的问题区域和问题客户。②、业绩滞长是哪些区域造成的——这个区域的问题产品和问题客户是谁，最终锁定问题区域产生的原因——问题区域的问题客户和问题产品。③、哪些经销商业绩问题最严重——这个问题经销商业绩差是哪个问题产品造成的，层层抽丝剥茧找到最终原因，管理才会有的放失。2、6个月纵向分析法：对锁定的问题产品问题区域问题客户可以纵向深度分析6个月数据，该区域6个月内的总销量及主要品项的达成/增长/成长率是否稳定？发货客户数和发货品项数有无异常趋势？从6个月的纵向趋势分析更容易剔除当月偶然因素，做出完整结论。比如：

问题区域纵向分析示例：“该区域6个月以来连续4个月达成率小于100%，达长率近5个月低于公司水平，已经有三名经销商停止进货。高价产品A每月销量在减少（说明这个产品回转很差快死了），需要立刻去走访，尤其注意观察停止进货的经销商是什么原因？还有高价产品A的市场表现有什么异常？”

问题产品纵向分析示例：“整个公司的低价产品B，6个月以来全国发货客户已减少42个，产品成长率近3个月为负数，业绩累计比去年下滑两万多箱，是造成公司近几个月整体业绩下滑的主要原因，尤其山东、河南两省下滑最严重，需要立刻推出该产品的销售激励政策，重点走访乡镇市场，走访山东、河南，寻找原因，布署B产品的乡镇提升方案”。

3、区域分类分析法

把全国市场分为三类：管理类市场（如：市场波动大，成长率小于5%甚至负成长）；成长类市场（如：市场稳定成长率小于50%）；攻击类市场（如：市场空白较多，成长率大于50%甚至更多）。对不同类型的市场进行归类分析，除了所有市场都要求任务达成率之外，不同类型市场要关注不同指标：对管理类市场，由于市场不稳定，有负成长趋势，所以要重点关注“零发货客户”指标，小心市场萎缩。对攻击类市场，由于可开发空白较多（这类市场不应该有淡季，应该逐月增长，因为有很多空白网点待开发），所以要持续关注逐月增长率，同时成长率低于20%说明进攻速度放缓，应予关注。对成长类市场，重点关注成长率，保证市场稳定。

提示：①一个成长类市场可能由于每月数据波动当月数值变的好像是攻击类，所以要看该市场3~6个月走势，而非一个月。一旦该市场3~6个月走势确定已经进入另一个类型（如成长类变成攻击类）就要改变该区域的投入策略和数据分析方法。②总经理对各类型市场甚至各重点区域要给出明确并且连贯的目标和方向。如：“任何区域首先看达成率，其二价格低于公司水平的要持续提升价格和高价产品占比。攻击类市场的成长率必须高于50%，而且每月要环比增长等”，避免出现区域面对一堆指标，这个指标好，那个指标差，总是被批评，失去方向和积极性。

4、颜色管理

在分类分析的基础上做颜色管理，让销售内勤在制作报表时对优劣数字用不同颜色予以标注，方便总经理一眼发现问题。

1）颜色定义：红色代表达标和好消息，绿色代表不达标和坏消息。

2）明确标准，如：

任务达成率：超过时间进度且超过公司进度标红，反之标绿。

成长率和增长率：超过同类市场（成长类、管理类、进攻类）平均值，同时大于零，标红，反之标绿。

注：不同类型市场成长率增长率差异非常大，所以要和同类市场比较。

5、使用销售数据分析快报。每周出一期，把同类市场从多个关键指标对比指明优劣区域。这个方法的原理和档期任务考核相似，都是缩短考核周期，不同之处在于多维次综合分析。

例表：

说明：

①、把不同类型的市场放在一张报表分类比较才客观，所以是“分类分析快报”。

②、正常情况，该快报一周一次，业绩出问题时可以应实际需要机动截取时间段来分析。同时这张表要每次把前几次的报表套起来看，如：第一二周快报出现的问题区域，后面要持续关注第三周第四周有没有改善，有没有持续上“黑榜”。

③、不同指标在差值栏显示的内容不一样——达成率和重点产品达成率差值栏表示的是和时间进度的差值，成长率增长率显示的是与同类市场平均值的差值。

④、异常说明综合评价栏，表达的是这个区域的其他指标内容以及本表的综合评价，如：“广西区域成长率增长率达成率本期均上倒数三名黑榜，高价产品本月截止目前较去年下滑60%，平均价低于公司平均值又下滑0.03元，发货客户减少两名，请大区经理见报后立刻走访广西市场，一周内拿出诊断报告，整改方案，并看到日发货量的改善。

回顾：

营销总经理要运筹帷幄决胜千里之外，靠什么？首先靠数据分析模型和敏感度。

※每天监控“当日业绩数据”，让你闻风而动，不放过一丝危机，团队不敢有一天松懈。

※每天监控“累计进度”和“档期任务达成”，再使用“销售数据分类分析快报”让你做到管理业绩进度而不是被业绩进度管理。

※随时关注“进货客户数”、“客户经营品项数”、“产品结构”、“区域结构”、“客户结构”，让你可以敏感的发掘销售质量的异常动向，并做事前管理。

※“颜色管理”、“三维分析法”、“6个月纵向分析法”、“区域分类分析法”，让你能够对不同类型的市场针对性分析，而且最终找到罪魁祸首，有的放失进行管理。

营销总经理分析数据，仅仅靠经验肯定会丢三落四，要使用固定的数据分析模型。这是营销总经理的基本功，必修课。刚开始会很难，难度会随着对模型的习惯和熟练而降低，你会从中找到“稳坐军中，而知天下大事”的乐趣。

企业薪酬结构的选择方法

2011-10-27 09:34 来源：中国医药营销联盟 作者：舒化鲁 点击： 196637 核心提示：在企业内部，薪酬结构的设计和确立不能笼统地套用一种统一模式，必须根据各个职类的劳动过程特征，对应设计相应的薪酬结构。因为只有对应各个职类的劳动过程特征的薪酬结构，才能充分反映不同职类的劳动贡献的差距。在企业内部，薪酬结构的设计和确立不能笼统地套用一种统一模式，必须根据各个职类的劳动过程特征，对应设计相应的薪酬结构。因为只有对应各个职类的劳动过程特征的薪酬结构，才能充分反映不同职类的劳动贡献的差距。否则，必然造成一部分职类岗位角色的特定要求和特别贡献被轻视或埋没。有差别不能体现，也就是大锅饭，因而必然会影响其积极性和能动性的发挥，进而使企业花了钱买不来效益，使劳动投入效益降低，甚至无效，并因此而制约企业的市场竞争能力。

企业内部的各个岗位角色，因为其对能力要求和工作过程的特点的不同，可以分为六大职类：经营管理类、专业技术类、销售业务类、办公文员类、现场操作类和辅助服务类。每一个职类都必须对应其能力条件要求和工作过程特点，设计其薪酬结构。其思路如下：

第一职类：经营管理类薪酬结构的选择确立方法

这一职类又可以分为四小类，即高层直线主管、中层直线主管、职能主管、现场主管。

高层直线主管。

高层直线主管的心理能力要求高，所承担的责任也最大，但对知识的要求只是一般，也没有特殊的技能要求。不过身体必须健康，工作环境变化比较大。这是高层直线主管岗位的能力条件要求和岗位工作的基本特征。在工作过程上，因为不可能整天坐在办公室上班，其工作地点相对不固定，所以，对他们的工作过程是不可能进行全面控制的。因为在办公室之外的什么地方去完成与他职责相关的工作是很不确定的。

对他们的薪酬结构可以选择相对较低的基础工资，以岗位等级工资的形式核定，其比例以不高于薪酬总额的25％为宜；奖励工资可采取目标锁定法核定，其比例可以超过薪酬总额的65％；附加工资和福利保险两者可保持相对的稳定，但两者的比例总和以不超过薪酬总额的10％为宜。

在年薪制工资中，月发工资的比例最高就不能高于全年薪酬总额的30%为宜，即25%÷(65%＋25%)＝27.82%。否则与业绩目标挂钩的年终结算工资就会降低激励作用。中层直线主管。相比高层直线主管，中层直线主管的心理能力的要求降低了，承担的责任也降低了，在工作过程上，其工作地点的流动性也降低了。其它特点要求与高层直线主管大体相同。

所以，他们的基础工资可选择薪点工资形式，其比例以不高于薪酬总额的45％为宜；奖励工资的核定仍可采取目标锁定法核定，其比例可以控制在薪酬总额的30％左右；附加工资和福利保险两者要保持相对的稳定，两者的比例总和以不超过薪酬总额的25％为宜。职能主管。

对职能主管的心理能力要求比直线主管低，因为他们所面对的工作主要是常规性的职责，不确定性因素比较小。他们的责任要求也比直线主管较低，因为他们所承担的责任都是专业性的。但其知识要求却比直线主管高，他们必须是这个专业的行家里手。对他们的技能要求也比较高，对他们而言，单有一套美妙的理论是不够的，必须能自己动手实践。对这类岗位，在体能和环境上都没有过多的限制，因为上班主要是呆在办公室，工作环境肯定比较好，因而对身体能力的要求也不高。他们的工作过程是可以控制的，因为他们的工作场所相对比较固定，主要是在办公室。

对他们的薪酬结构，可以考虑用岗位薪点工资来核定其基础工资，其比例相对可以高一些，占薪酬总额的60％以上都可以。其奖励工资可相对低一些，其比例可控制在15％以内，并可通过综合绩效考核来确定，因为职能主管承担的职责相对比较多。其附加工资和福利保险不能太高，其比例总额可控制在薪酬总额的25％左右。现场主管。

现场主管的工作主要是在一线负责现场作业的管理和协调，工作目标比较单一。所以，对他们的心理要求和责任要求都相对较低。相比前三类，对知识要求也不高，但对技能要求比较高，他们必须能够做现场操作人员的师傅，以便能随时提供指导。其体能要求比较高，因为现场管理对劳动强度的要求比较高，其工作环境也可能不太好，因为生产现场的环境总赶不上办公室，甚至还可能有噪音和空气的污染存在。他们的工作过程是可控的，他的工作场地就是现场，不能随便离开。

现场主管的薪酬结构和职能主管的薪酬结构可以大体相当。其基础工资可通过岗位薪点工资核定，其比例可占薪酬总额的50％左右；奖励工资可相对高一些，占薪酬总额的25％左右，其核定方法可选择目标锁定法或问题清算法、问题查寻统计法；附加工资和福利保险两项加总可占薪酬总额的25％，其中附加工资的比例可以高一些。

第二职类：专业技术类薪酬结构的选择确立方法 这类岗位的心理要求和责任要求相对较低，因为其工作内容比较单一，面对的现实也比较稳定。但对知识要求高，他必须是这个行业的专家。在技能要求上也比较高，必须能够动手操作和实验。对体能要求不高，但必须能够按照其专业技术特点进行实验。环境状况尽管不比在办公室，但也是比较好的。其工作过程不容易控制，因为他们的工作主要是一种脑力的投入，并且其工作方式、工作内容变化性都很大，不能仅仅依据他们是否在工作现场来判断是否在工作。他们即使坐在工作现场也可以完全不工作。

他们的薪酬结构在基础工资这个部分，其核定方式可采用岗位等级制，其比例可相对较小一些，以控制在30％左右为宜；奖励工资的比重可以高一些，以控制在40%左右为宜，也可根据其专业贡献的大小来获取奖励工资，其核定办法可考虑贡献提成法。附加工资和福利保险可以相对稳定性，使之免除后顾之忧，这两项的比例加总以控制在30％左右为宜。第三职类：销售业务类薪酬结构的选择确立方法

这类岗位的心理要求比较高，不仅要求具有随机应变的能力，而且要求能经得往失败的考验。其责任要求相对较低，但对知识要求却不能太低，他们必须懂得与所销售的产品相关的所有知识。技能要求是能将所销售的产品进行简单的拆装。其体能要求比较高，必须经受得往长期的旅途劳顿。工作环境是多变的，远没有坐在办公室上班舒服。其工作过程是不可控的，因为其工作地点转移大，并且工作业绩与意志努力的程度关系紧密。

他们的薪酬结构可考虑以奖励工资为主，其比例可控制在60％左右，其核定方法可选择佣金提成法；其基础工资比例可以较小，在25％左右即可，其核定办法可采用最低生活费用限制的平均基础工资。为了保持其相对的人员稳定，给予一定的附加工资和福利保险是必要，两者加总，其比例以控制在薪酬总额的15％左右为宜。

第四职类：办公文员类薪酬结构的选择确立方法

办公文员的工作是协助各类主管承担相应职责，其心理要求和责任要求都不高，有什么变故和不测事件，都有相应主管面对和负责任。但他们必须具备相应的理论知识，以便为相应主管提供一些参考性建议。对他们的技能要求一般比较少，体能要求也不高，工作环境应该说都比较好，其工作过程也容易控制，除了常规性的职责外，就是他的主管交付的一个一个的独立的事。

他们的薪酬结构可考虑较选择高比例的基础工资，其比重可占薪酬总额的70％左右，其核定办法可选择岗位薪点计算法。奖励工资比重可相对较小，占10％左右即可，其核定方法可选择问题清算法，或者综合绩效考核法。附加工资可以没有，福利保险的比重可控制在20％左右。因为这类员工在劳动市场上的供求状况大多处于供大于求，这种人员一般都比较好招聘。第五职类：现场操作类薪酬结构的选择确立方法 这类岗位员工都是从事具体的业务工作，并且工作内容相对单一。所以，在心理要求、责任要求、知识要求三个方面都不高。但对技能要求比较高，必须对自己所承担的业务工作能够熟练地操作。对体能要最高，一般都有相当的劳动强度。工作环境也比较差，他们只能整天呆在操作现场，现场任何形式的噪音污染和空气污染都无法逃避。他们的工作过程是完全可以控制的，不仅工作场地稳定，而且工作业绩与他们的身体行为也密切相关。

他们的薪酬结构可考虑选择中等比例的基础工资，即让基础工资所占比重与奖励工资所占比重相当，都可控制在40％左右。基础工资可通过岗位薪点法来确定，奖励工资可通过目标锁定法来确定。另外再适当地给予附加工资和福利保险，但其比重加总不能太高，以20％为宜。

第六职类；辅助服务类薪酬结构的选择确立方法

这类岗位是为其它相应岗位工作提供辅助服务，没有特别的心理要求，责任要求、知识要求、技能要求三者都很低。体能要求一般，工作环境也是一般状态。其工作过程是可以控制的，是否在履行其工作职责，通过简单地观察，是否在工作场所执行他的工作职责一目了然。

其薪酬结构可参照办公文员类设计。因为这两类岗位工作的差别只存在于知识、体能和工作环境上，而这种差别又可直接通过岗位薪点工资所核定的岗位基础工资来体现。

以上对企业的六个职类所做的分析，仅仅是提供了一个分析的思路和框架。不同企业各个职类的特征也许与上述所列特征存在差别，这就要求联系自己企业的实际进行详细分析。在这里的分析是粗线条的，不同行业、不同规模的企业，可能要求做出不同的细分，包括同一职类的层次细分，比如专业技术和销售业务两个职类，在大型企业中其层次差别就很大。高层专业技术人员和业务人员其工作条件要求与低层相比也可能存在较大的差距。要明确这些差距，都只能是一个企业，一个企业地分析来完成。