(钟韵 / 采访报道 )
数据分析为的是向下一步决策提供帮助。在差旅系统里加入数据分析结果并进行优化，在审批过程中提升企业的精细化管理水平，是数据分析的真正目标。

从供给侧和需求侧的角度来看，各种差旅数据究竟可以为企业带来什么帮助？斯伦贝谢北亚区供应链经理刘畅就其报销数据的实际经验举例，该公司曾在几年前统计过赴北京出差的员工入住了哪些宾馆，并估计连同研发中心、中国区总部和机场周边，数量约在20家以内；然而其团队却惊讶地发现，公司全年在北京使用的宾馆数量达到70几家，而这个数字背后的原因、每趟差旅旅程是否符合公司规定，也都不清不楚。

得到數據之后，其公司團隊就公司在北京的兩個點及機場周邊的賓館，進行了整合和減量。這麼做首先帶來的影響是大幅簡化了與賓館的對接，畢竟要持續跟蹤70多家賓館的使用情況非常困難。其次，在整合之后，該公司于其中一家賓館的間夜量有了非常大幅度的上升，因此更直接的影響是，其隔年的協議價每晚降了200元。這是實實在在的成果。

他又舉例，有一件很難做，但他們仍不斷嘗試的項目是機票提前預定。他解釋，關于機票最佳預定時間的分析非常多，而在服務行業若是差旅行程牽涉到客戶，也很難提前進行預定；但其團隊仍希望加強瞭解，就商業運作來說，國內和國際機票究竟提前多長時間預定較為合理、價格較為合適，並在不影響實際差旅頻率和體驗的情況下，進一步完善差旅政策。

目前，該公司已基于相關數據分析提出了國內、國際機票提前預定區間的建議，並將這些政策融入線上預訂系統和審批流程當中；如果出差者提前預定時間符合政策要求，審批將得以簡化，若不符合，則會得到上級更多的檢視——也就是利用精細化的系統調整，在不影響服務品質的前提下有針對性地處理可控問題。

從這兩個例子，他表示，數據分析結果可以引入未來的決策和計劃，為企業差旅帶來實質性的影響。

差旅细分人群存在行为差异

企业差旅当中，不仅单位和个人因角度不同而有不同的需求，终端差旅者间也有细分人群的差异；与此同时，差旅人群总体的需求也在改变。未来企业可通过调研或数据分析，为员工提供更好的差旅服务。

爱普生中国差旅经理王婷就其个人观察举例，

1.首先，八五后差旅者勇于挑战公司规定。七零、八零后差旅者较为愿意遵守公司政策，合规意识非常强。然而到了八五后、九零后乃至零零后，差旅者就变得更勇于挑战公司规定，所认不合理处必会提出；在规定允许的范围，也会积极争取个人利益的最大化。

2.其次，预定行为越来越受个人喜好影响。差旅者对交通和住宿具体细节的关注度在提高，预定行为也越来越会反映出个人喜好和对旅行感受的注重，比如主动选择自己所习惯的航空公司和时间点的航班、选择自己常用品牌的酒店甚至客房位置（很多差旅人会在预定时提出客房须最靠近电梯或非处于走廊尽头等要求）等等。

同时，他们也注重安全：选择大型知名航空公司的航班、大品牌或全球连锁的酒店，很重要的原因便是为了让人身安全有更好地保障，或在遇到紧急情况时迅速获取解决预案。

基于这些观察，她认为，企业差旅经理应尽可能了解员工心声。比如，其公司每三个月到半年便会进行员工调研，真真实实地和员工沟通、了解他们的需求。需求汇总后，差旅经理首先会将需改善处及时向TMC传达，以进一步提高员工的差旅满意度。

其次会就政策建议进行分类、总结，若有普遍存在的实际问题，便进行规定的调整和更新；若有个别情况，便再次把公司的想法和建议向员工回馈。也就是非一味要求员工遵守规定，而是互相理解、共同完善和执行差旅政策。