零售大數(shù)據(jù)分析應(yīng)用的四個(gè)階段

要建立數(shù)學(xué)模型要解決三個(gè)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(shí)是用什么樣的算法，如用時(shí)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(chǎng)景，建立什么樣的模型及參數(shù)。

中國(guó)零售業(yè)所面臨的最具挑戰(zhàn)的競(jìng)爭(zhēng)，就是顧客和市場(chǎng)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(duì)行動(dòng)，這就要求管理者要能夠順應(yīng)市場(chǎng)的變化、快速發(fā)現(xiàn)并處理問題，并且及時(shí)的制定解決方案和抓住市場(chǎng)機(jī)會(huì)。因此，基于數(shù)據(jù)和事實(shí)，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(guó)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，也積攢了大量的寶貴數(shù)據(jù)，但面對(duì)大數(shù)據(jù)這個(gè)“金礦”，各家企業(yè)由于經(jīng)營(yíng)模式、管理風(fēng)格、重視程度、資金投入等不同，對(duì)于這個(gè)“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(gè)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(guó)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(gè)企業(yè)的數(shù)據(jù)，形成一個(gè)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(gè)倉(cāng)庫(kù)中來，使各個(gè)職能在自己需要的時(shí)間和地點(diǎn)通過圖表看板、計(jì)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(yùn)營(yíng)要素—關(guān)鍵績(jī)效指標(biāo)如銷售額、坪效、利潤(rùn)率、客單價(jià)、進(jìn)店率、轉(zhuǎn)化率、目標(biāo)完成率、同比增長(zhǎng)率等等，這些都可以以“商業(yè)報(bào)告”的形式出現(xiàn)，該報(bào)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(tái)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(gè)零售企業(yè)都有數(shù)十個(gè)大大小小的部門系統(tǒng)，而這些系統(tǒng)都是一個(gè)獨(dú)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(duì)這些來源不同數(shù)據(jù)進(jìn)行合并、清理、轉(zhuǎn)換和簡(jiǎn)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(diǎn)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(bào)表、商業(yè)報(bào)告的背后的含義，以及這些過往行為發(fā)生的動(dòng)機(jī)和原因，這就需要對(duì)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(duì)于零售業(yè)務(wù)邏輯的理解之上，一般會(huì)采用簡(jiǎn)單有效的分析方法和簡(jiǎn)便的分析工具對(duì)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(shí)際業(yè)務(wù)操作的背景，能夠用業(yè)務(wù)的語(yǔ)言和邏輯把運(yùn)營(yíng)異常解釋的通順，此階段不要求對(duì)算法、模型和工具的應(yīng)用非常高深，而對(duì)于快速將數(shù)據(jù)分析結(jié)果進(jìn)行落地，贏取各個(gè)業(yè)務(wù)部門的信任的要求非常高。

例如一個(gè)服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(chǎng)”三個(gè)核心來找原因分析判斷火爆原因：

是否有什么買贈(zèng)、打折、捆綁、支付等促銷活動(dòng)，店員對(duì)該商品是否有特殊的推薦等；

該商品的陳列、包裝、設(shè)計(jì)、款式等是否有特色、是否是限量銷售、限時(shí)特價(jià)等等；

以及顧客購(gòu)買此商品的動(dòng)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(jìng)爭(zhēng)對(duì)手是否有斷貨問題、大型企業(yè)客戶是否有團(tuán)購(gòu)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(shí)熱播電視劇中某個(gè)明星穿的比較相似，因電視劇熱播而帶動(dòng)了該款裙子的熱銷，雖然在該款衣服上所投入過多的市場(chǎng)資源其實(shí)并不多。

第三階段丨預(yù)測(cè)未來

企業(yè)在有了前兩個(gè)階段的基礎(chǔ)之后，關(guān)注點(diǎn)會(huì)進(jìn)一步超越當(dāng)前，開始思考更貼近經(jīng)營(yíng)上的問題：“將來會(huì)發(fā)生什么”。

從本質(zhì)上說預(yù)測(cè)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(shí)時(shí)的影響因素，對(duì)于銷售額、利潤(rùn)率、成本等未來的取值做出自動(dòng)化和智能化的估計(jì)。簡(jiǎn)單的分析對(duì)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(cè)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(jià)優(yōu)化模型來還原價(jià)格與銷量之間的關(guān)系并找到最科學(xué)的價(jià)格以實(shí)現(xiàn)經(jīng)營(yíng)目標(biāo)。而建立模型的目的就是將之前各個(gè)角落里的經(jīng)驗(yàn)用數(shù)學(xué)的形式表現(xiàn)出來，雖然并不是十全十美，但會(huì)無限逼近真實(shí)情況。

要建立數(shù)學(xué)模型要解決三個(gè)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(shí)是用什么樣的算法，如用時(shí)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(chǎng)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(gè)重要檢索詞條作為特征，訓(xùn)練了一個(gè)線性回歸模型來預(yù)測(cè)2007年和2008年流感傳播的趨勢(shì)、時(shí)間和地點(diǎn)，該模型預(yù)測(cè)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(yíng)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(shí)間、地點(diǎn)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(huì)提前訂購(gòu)比平常銷量多30%的礦泉水。

第四階段丨指導(dǎo)決策

這一階段側(cè)重于對(duì)業(yè)務(wù)、營(yíng)運(yùn)、經(jīng)營(yíng)、戰(zhàn)略的決策的指導(dǎo)，回答的問題其實(shí)就是：“我應(yīng)該做什么”才能達(dá)到最佳的狀態(tài)。前三個(gè)階段都不是終極目的，例如銷售預(yù)測(cè)不是為了預(yù)測(cè)而預(yù)測(cè)，預(yù)測(cè)準(zhǔn)確率達(dá)到100%又如何，關(guān)鍵是做了預(yù)測(cè)以后能給企業(yè)的決策行為帶來什么樣的幫助，對(duì)于零售企業(yè)而言，銷售預(yù)測(cè)以后緊接著的行為就是補(bǔ)貨，補(bǔ)貨過程中就會(huì)涉及到多級(jí)庫(kù)存管理。

而補(bǔ)貨行為又驅(qū)動(dòng)了后續(xù)的采購(gòu)、生產(chǎn)、物流、倉(cāng)儲(chǔ)等行為，同時(shí)企業(yè)的決策層可以根據(jù)未來的預(yù)測(cè)來做出是否要開設(shè)渠道、建立工廠、購(gòu)買倉(cāng)庫(kù)等重要戰(zhàn)略決策，這些行為的決策都是建立在前三個(gè)階段之上的。同時(shí)決策模擬也是這個(gè)階段的重要應(yīng)用，針對(duì)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(gè)相互關(guān)聯(lián)的場(chǎng)景模型來全真模擬真實(shí)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(shí)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(guó)零售企業(yè)對(duì)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(diǎn)讓我看到了希望：很多企業(yè)的數(shù)據(jù)基礎(chǔ)都很不錯(cuò)，積攢了大量的數(shù)據(jù)，同時(shí)很多零售企業(yè)對(duì)于大數(shù)據(jù)應(yīng)用的意愿和興趣都非常強(qiáng)烈和熱切。

這些企業(yè)對(duì)于自身的業(yè)務(wù)也非常的精通，只是受制于算法、人才、技術(shù)等對(duì)于如何把業(yè)務(wù)和數(shù)據(jù)結(jié)合在一起產(chǎn)生價(jià)值還不甚清楚，但是這些未來都不會(huì)成為中國(guó)零售企業(yè)對(duì)于大數(shù)據(jù)孜孜追求的障礙，因?yàn)槲磥硪欢〞?huì)出現(xiàn)大量的第三方公司來提供專業(yè)的數(shù)據(jù)分析、建模和優(yōu)化服務(wù)，幫助企業(yè)早日邁入數(shù)據(jù)驅(qū)動(dòng)決策階段。