零售業(yè)大數(shù)據(jù)分析的四個階段

1、 零售業(yè)大數(shù)據(jù)分析的四個階段 要建立數(shù)學(xué)模型要解決三個問題，首先是數(shù)據(jù)的量要達(dá)到一定的規(guī)模和質(zhì)量；其實是用什么樣的算法，如用時間序列還是回歸或是人工智能算法；第三是“數(shù)據(jù)+算法”可以圍繞什么業(yè)務(wù)場景，建立什么樣的模型及參數(shù)。 中國零售業(yè)所面臨的最具挑戰(zhàn)的競爭，就是顧客和市場需求的紛繁復(fù)雜及其飄忽不定的變化。而零售企業(yè)成功乃至存活的關(guān)鍵，就是如何采取靈活多變且機(jī)智的應(yīng)對行動，這就要求管理者要能夠順應(yīng)市場的變化、快速發(fā)現(xiàn)并處理問題，并且及時的制定解決方案和抓住市場機(jī)會。因此，基于數(shù)據(jù)和事實，質(zhì)量更高、速度更快、成本更低的決策顯現(xiàn)了前所未有的重要性。 中國零售企業(yè)在經(jīng)歷的十幾年的信息化高度發(fā)展的歷程

2、，也積攢了大量的寶貴數(shù)據(jù)，但面對大數(shù)據(jù)這個“金礦”，各家企業(yè)由于經(jīng)營模式、管理風(fēng)格、重視程度、資金投入等不同，對于這個“金礦”的挖掘程度有極大的不同，零售大數(shù)據(jù)的分析應(yīng)用均處在不同的階段，甚至出現(xiàn)的“兩極分化”的局面。下面就是我在日常和零售企業(yè)接觸的過程所總結(jié)出來的零售大數(shù)據(jù)分析應(yīng)用的四個階段，希望能夠給大家指明方向。第一階段丨集成展示有句話說的好“銷售額首先是追蹤出來的，其次才是分析出來的”。ERP在中國普及進(jìn)程已經(jīng)有了10多年歷史，沒有ERP的企業(yè)可謂越來越少。零售企業(yè)利用ERP可以搜集和整合整個企業(yè)的數(shù)據(jù)，形成一個完整的數(shù)據(jù)流，把企業(yè)內(nèi)不同來源的數(shù)據(jù)信息集中到單一的一個倉庫中來，使各個職

3、能在自己需要的時間和地點通過圖表看板、計分板的形式看到自己所需要的數(shù)據(jù)，并且展現(xiàn)出決策者最為關(guān)注的運營要素關(guān)鍵績效指標(biāo)如銷售額、坪效、利潤率、客單價、進(jìn)店率、轉(zhuǎn)化率、目標(biāo)完成率、同比增長率等等，這些都可以以“商業(yè)報告”的形式出現(xiàn)，該報告的主題緊緊圍繞著“過去發(fā)生了什么”以及“正在發(fā)生什么”而展開，這也是大多數(shù)BI系統(tǒng)和數(shù)據(jù)中心平臺的核心功能。這一階段的最大的困難為數(shù)據(jù)的集成和整合，每個零售企業(yè)都有數(shù)十個大大小小的部門系統(tǒng)，而這些系統(tǒng)都是一個獨立的數(shù)據(jù)源，他們都有自己的定義、標(biāo)準(zhǔn)和側(cè)重，而對這些來源不同數(shù)據(jù)進(jìn)行合并、清理、轉(zhuǎn)換和簡化，最終建立一致性的數(shù)據(jù)是非常有挑戰(zhàn)性的。第二階段丨分析判斷在第一

4、階段整合了數(shù)據(jù)來源后，零售業(yè)決策者關(guān)心的重點發(fā)生了轉(zhuǎn)移，從“發(fā)生了什么”轉(zhuǎn)向“為什么發(fā)生”。分析判斷數(shù)據(jù)的目的是了解數(shù)據(jù)報表、商業(yè)報告的背后的含義，以及這些過往行為發(fā)生的動機(jī)和原因，這就需要對更加詳細(xì)的數(shù)據(jù)進(jìn)行多維度的分析。這種分析判斷更多的是建立在對于零售業(yè)務(wù)邏輯的理解之上，一般會采用簡單有效的分析方法和簡便的分析工具對數(shù)據(jù)進(jìn)行處理。該階段數(shù)據(jù)分析師這一角色開始真正出現(xiàn)，數(shù)據(jù)分析師需要非常熟悉業(yè)務(wù)，最好有實際業(yè)務(wù)操作的背景，能夠用業(yè)務(wù)的語言和邏輯把運營異常解釋的通順，此階段不要求對算法、模型和工具的應(yīng)用非常高深，而對于快速將數(shù)據(jù)分析結(jié)果進(jìn)行落地，贏取各個業(yè)務(wù)部門的信任的要求非常高。例如一個服

5、裝品牌的一款裙裝銷售好的超出預(yù)期，那就要找從“人、貨、場”三個核心來找原因分析判斷火爆原因：是否有什么買贈、打折、捆綁、支付等促銷活動，店員對該商品是否有特殊的推薦等；該商品的陳列、包裝、設(shè)計、款式等是否有特色、是否是限量銷售、限時特價等等；以及顧客購買此商品的動機(jī)是什么，是否要釋放壓力、還是從眾心理、攀比心態(tài)等；此外，還要考慮競爭對手是否有斷貨問題、大型企業(yè)客戶是否有團(tuán)購等因素，甚至出現(xiàn)了在排除各種原因之后才知道，這款裙裝和當(dāng)時熱播電視劇中某個明星穿的比較相似，因電視劇熱播而帶動了該款裙子的熱銷，雖然在該款衣服上所投入過多的市場資源其實并不多。第三階段丨預(yù)測未來企業(yè)在有了前兩個階段的基礎(chǔ)之后

6、，關(guān)注點會進(jìn)一步超越當(dāng)前，開始思考更貼近經(jīng)營上的問題：“將來會發(fā)生什么”。從本質(zhì)上說預(yù)測就是根據(jù)零售企業(yè)所過去發(fā)生的事件以及當(dāng)前實時的影響因素，對于銷售額、利潤率、成本等未來的取值做出自動化和智能化的估計。簡單的分析對于估算暢銷概率的作用有限，在大多數(shù)復(fù)雜的應(yīng)用中，需要建立數(shù)學(xué)模型來還原零售的業(yè)務(wù)規(guī)律。例如建立銷售預(yù)測模型來量化銷量的影響因素及各因素之間的交互影響、建立定價優(yōu)化模型來還原價格與銷量之間的關(guān)系并找到最科學(xué)的價格以實現(xiàn)經(jīng)營目標(biāo)。而建立模型的目的就是將之前各個角落里的經(jīng)驗用數(shù)學(xué)的形式表現(xiàn)出來，雖然并不是十全十美，但會無限逼近真實情況。要建立數(shù)學(xué)模型要解決三個問題，首先是數(shù)據(jù)的量要達(dá)到

7、一定的規(guī)模和質(zhì)量；其實是用什么樣的算法，如用時間序列還是回歸或是人工智能算法；第三是“數(shù)據(jù)+算法”可以圍繞什么業(yè)務(wù)場景，建立什么樣的模型及參數(shù)。例如Google的工程師從眾多關(guān)于流感的關(guān)鍵詞組合中，挑出45個重要檢索詞條作為特征，訓(xùn)練了一個線性回歸模型來預(yù)測2007年和2008年流感傳播的趨勢、時間和地點，該模型預(yù)測結(jié)果的準(zhǔn)確率最后高達(dá)97%，而該模型完全可以和關(guān)于流感的商品如口罩、營養(yǎng)食品、非處方藥品等銷售建立起聯(lián)系，構(gòu)建“流感商品銷售指數(shù)”，來指導(dǎo)這些商品在特定時間、地點的具體銷售數(shù)量。再例如7-Eleven零售門店通過衛(wèi)星云圖了解到兩天后氣溫將上升兩度，會提前訂購比平常銷量多30%的礦泉

8、水。第四階段丨指導(dǎo)決策這一階段側(cè)重于對業(yè)務(wù)、營運、經(jīng)營、戰(zhàn)略的決策的指導(dǎo)，回答的問題其實就是：“我應(yīng)該做什么”才能達(dá)到最佳的狀態(tài)。前三個階段都不是終極目的，例如銷售預(yù)測不是為了預(yù)測而預(yù)測，預(yù)測準(zhǔn)確率達(dá)到100%又如何，關(guān)鍵是做了預(yù)測以后能給企業(yè)的決策行為帶來什么樣的幫助，對于零售企業(yè)而言，銷售預(yù)測以后緊接著的行為就是補(bǔ)貨，補(bǔ)貨過程中就會涉及到多級庫存管理。而補(bǔ)貨行為又驅(qū)動了后續(xù)的采購、生產(chǎn)、物流、倉儲等行為，同時企業(yè)的決策層可以根據(jù)未來的預(yù)測來做出是否要開設(shè)渠道、建立工廠、購買倉庫等重要戰(zhàn)略決策，這些行為的決策都是建立在前三個階段之上的。同時決策模擬也是這個階段的重要應(yīng)用，針對零售流程中的隨機(jī)因素，引入各種約束條件，構(gòu)建出若干個相互關(guān)聯(lián)的場景模型來全真模擬真實情景，從而事先預(yù)知各種決策可能的結(jié)果，提高決策準(zhǔn)確性。大數(shù)據(jù)時代已經(jīng)悄然來臨，不懂大數(shù)據(jù)就做不了大生意，未來甚至做不了生意。我所接觸的不少中國零售企業(yè)對于大數(shù)據(jù)的分析應(yīng)用都處在第一或者第二階段，也有少數(shù)企業(yè)如京東、華為處在第三甚至初步進(jìn)入第四階段，雖然不少企業(yè)所處的階段還比較低，但是至少有兩點讓我看到了希望：很多企業(yè)的數(shù)據(jù)基礎(chǔ)都很不錯，積攢了大量的數(shù)據(jù)，同時很多零售企業(yè)對于大數(shù)據(jù)應(yīng)用的意愿和興趣都非常強(qiáng)烈和熱切。這