最近很多搞零售的朋友都向我抱怨，以前都說零售行業(yè)最賺錢，但現(xiàn)在卻感覺越來越難做，尤其是實體零售，倍受互聯(lián)網(wǎng)、微商、電商等線上零售業(yè)的沖擊，競爭環(huán)境也越來越殘酷，零售行業(yè)似乎根本看不到出路。

在我看來，零售行業(yè)的升級是一個商業(yè)與技術(shù)不斷激蕩交錯的過程，拿實體零售企業(yè)和互聯(lián)網(wǎng)零售企業(yè)來說，傳統(tǒng)實體零售企業(yè)擁有行業(yè)視角的廣度，而大數(shù)據(jù)技術(shù)公司手握單點技術(shù)的深度，兩種不同基因的交匯融合將為行業(yè)發(fā)展提供更大的推力，雙方的邊界也將逐漸模糊。

簡單一句話，未來的實體零售與互聯(lián)網(wǎng)絕不僅僅只是單純的甲乙方關(guān)系，它們還存在著更多的可能性。

零售業(yè)的問題到底出在哪里？

1、數(shù)據(jù)的統(tǒng)一性、完整性較差

零售行業(yè)一般不會擁有完整的數(shù)據(jù)整合系統(tǒng)，比如票務(wù)、餐飲、零售這些系統(tǒng)各自獨立，各個系統(tǒng)的數(shù)據(jù)沒有辦法打通，形成一個個數(shù)據(jù)孤島，數(shù)據(jù)價值難以得到充分的發(fā)揮，因此很難得到統(tǒng)一、完整、直觀，并能從各個業(yè)務(wù)主題與維度展現(xiàn)運營活動的管理數(shù)據(jù)。

同時，在企業(yè)經(jīng)營管理、經(jīng)營決策、戰(zhàn)略決策、風(fēng)險管控上，經(jīng)常出現(xiàn)信息數(shù)據(jù)依據(jù)不足、不準(zhǔn)確，判斷困難的情況，如何有效進行數(shù)據(jù)整合以響應(yīng)企業(yè)運行效率，也是零售行業(yè)數(shù)據(jù)決策的實際需求。

2、數(shù)據(jù)響應(yīng)不及時

隨著零售業(yè)務(wù)系統(tǒng)的越來越多，收集的數(shù)據(jù)越來越細，使用系統(tǒng)的時間越來越長，數(shù)據(jù)量的增長越來越快，現(xiàn)有的系統(tǒng)已經(jīng)無法對數(shù)據(jù)量較大的數(shù)據(jù)進行快速響應(yīng)。

傳統(tǒng)的數(shù)據(jù)應(yīng)用模式中，業(yè)務(wù)部門需要將數(shù)據(jù)需求提交給IT處理，但IT的人力不能保證對分析需求的及時響應(yīng)，對一些報表的調(diào)整也十分困難。

3、缺少多維度的數(shù)據(jù)分析平臺

以顧客分析為例，零售主管不能掌握顧客消費軌跡，無法對顧客的消費進行引導(dǎo)經(jīng)營。同時，也無法掌握顧客群體屬性，導(dǎo)致缺少提升服務(wù)水平的重要參考項。

服務(wù)業(yè)市場化充分，競爭壓力相對較大，顧客對服務(wù)質(zhì)量的要求相對較高，缺少對會員的有效管理，無法掌握企業(yè)顧客群體屬性，企業(yè)難以走到消費者簽名，提供更出色的服務(wù)體驗。

零售行業(yè)需要一個完整的大數(shù)據(jù)應(yīng)用架構(gòu)

如圖所示，針對數(shù)據(jù)決策分析過程中的數(shù)據(jù)處理，整個零售行業(yè)大數(shù)據(jù)應(yīng)用架構(gòu)的建立需要經(jīng)歷四個階段：源數(shù)據(jù)庫數(shù)據(jù)抽取、ods數(shù)據(jù)庫ETL轉(zhuǎn)換、數(shù)據(jù)倉庫和數(shù)據(jù)集市、最終用戶界面。其中：

1、源數(shù)據(jù)庫

用戶需要采集的源頭數(shù)據(jù)庫或者數(shù)據(jù)倉庫，本系統(tǒng)源數(shù)據(jù)庫為crm系統(tǒng)和其他原有應(yīng)用系統(tǒng)，以及一些可能的需要EXCLE導(dǎo)入的數(shù)據(jù)源。

2、ods數(shù)據(jù)庫(預(yù)處理數(shù)據(jù)庫)

用于存儲從源數(shù)據(jù)庫中獲取的數(shù)據(jù)，中間使用ETL工具進行數(shù)據(jù)抽取、轉(zhuǎn)換、清洗、裝載，數(shù)據(jù)進入預(yù)處理數(shù)據(jù)庫對數(shù)據(jù)進行清洗和架構(gòu)，實現(xiàn)數(shù)據(jù)的可用性。

3、數(shù)據(jù)倉庫/Cube文件

對目標(biāo)數(shù)據(jù)庫中的數(shù)據(jù)進行多次整合加工，形成面向主題的、集成的、穩(wěn)定的、不同時間的數(shù)據(jù)集合，改數(shù)據(jù)庫可根據(jù)業(yè)務(wù)情況，有選擇的轉(zhuǎn)義成可識別的字段名稱，生成用戶前端用戶可直接拖拽使用的Cube文件數(shù)據(jù)。

4、前端頁面（最終用戶界面）

前端用戶根據(jù)業(yè)務(wù)包轉(zhuǎn)義名稱，直接拖拽數(shù)據(jù)進行統(tǒng)計得到dashboard進行分析結(jié)果的展示。

建立分析模型

搭建好應(yīng)用框架之后，就要進行數(shù)據(jù)分析模型的建立，為此我嘗試用過很多數(shù)據(jù)分析工具，比如Tableau，但這些國外的廠商很難形成一套適用于國內(nèi)企業(yè)的完整行業(yè)化解決方案，FineBI，如下圖所示。

我曾經(jīng)做過很多零售行業(yè)的數(shù)據(jù)分析工作，通過不斷梳理零售業(yè)務(wù)，我找到了零售行業(yè)關(guān)注的重點，分別是商品、門店、庫存、活動、會員等五個，然后我建立了每一個場景的分析模型，下面我一一介紹，供大家參考：

1、商品分析

商品分析應(yīng)該是零售行業(yè)最最關(guān)注的點，無論是領(lǐng)導(dǎo)或是業(yè)務(wù)人員，都會面對以下問題：

到底哪些商品能夠獲得消費者青睞，一路飄紅？哪些商品應(yīng)該淘汰？應(yīng)該淘汰的商品銷售額占比是多少？同一種商品的價格區(qū)間分布是怎樣的等等。

為此，我用FineBI整合了多個業(yè)務(wù)系統(tǒng)中的數(shù)據(jù)，進行數(shù)據(jù)加工、清洗后，進行下面三個分析，

ABC分析：根據(jù)商品對店面銷售的貢獻度及顧客對商品的本身的需求，按照70%，20%，10%將商品分為A，B，C分類，并進行分類數(shù)據(jù)分析，包括 SKU數(shù)量，銷售金額，庫存金額。

商品價格帶分析：商品價格帶分析是零售商在做市場研究時經(jīng)常使用的方法，通過分析同類商品不同價格帶的銷售額，銷量，掌握此類商品用戶的消費層次及數(shù)量，勾畫出超市對該商品的基本需求。從而超市采購再根據(jù)店面定位來選擇商品的采購層級及數(shù)量。

品牌效益分析：通過對各品牌對應(yīng)的銷售額，利潤，客單價，銷售成本率等指標(biāo)的月度變化趨勢，進而評估該品牌的效益。

第二步，確定了分析方法之后，梳理出這個場景下的業(yè)務(wù)模塊、業(yè)務(wù)指標(biāo)和分析維度，通過FineBI建立起指標(biāo)體系，商品分析的指標(biāo)體系如下圖所示：

最后，通過FineBI的圖表來展示上面三個分析結(jié)果，如下圖所示：

2、門店分析

這一點主要是針對實體零售企業(yè)，實體門店仰賴營業(yè)額作為績效指標(biāo)，但對于營業(yè)額不佳，卻難以有更進一層的數(shù)字觀察，例如：

各個門店中，銷售額最高的門店有哪些？分別具有哪些特征？直營店和加盟店的利潤比例相差多少？門店的整體銷售額隨時間呈怎樣的變化趨勢？每周的哪幾天銷售情況較差，是否應(yīng)該推出活動提升銷售情況？在每年的營銷活動中，哪幾次的營銷效果最好？

為了解決這個問題，我首先要進行門店的銷售分析、利潤分析等，掌握門店的營銷情況。其中我驚喜地發(fā)現(xiàn)FineBI不僅有著十分豐富的前端圖表，而且還可以支持組件間聯(lián)動、下鉆等功能，這一點對于探索銷售額、利潤率是十分重要的。

然后，我通過設(shè)置警戒線進行每月關(guān)鍵指標(biāo)走勢的監(jiān)控，以便及時發(fā)現(xiàn)并解決存在的問題。

最后，針對關(guān)鍵指標(biāo)排序，結(jié)合前面的分析組件，探索每個營銷關(guān)鍵節(jié)點，各門店的營銷表現(xiàn)如何，利潤占比等等。

同樣的，我仍然需要建立門店分析的指標(biāo)體系，如下：

最終的展示結(jié)果如下：

3、庫存分析

我們經(jīng)常聽很多管理人員抱怨庫存太多，其實高庫存大多時候是企業(yè)“自找”的。高庫存其實是“沖動的懲罰”。店鋪里明明只有月銷售80萬的能力，采購經(jīng)理非要訂120萬的貨進來，肯定會造成公司營運能力的下降，那么問題出在哪里呢？

對零售行業(yè)來說，庫存分析無外乎兩個方面，是否會缺貨？是否會庫存過大，占用資金？在以往，由于數(shù)據(jù)化管理的缺失，往往會造成以下問題：

哪些商品的庫存最多，庫存積壓的原因是什么？產(chǎn)品問題、預(yù)測不準(zhǔn)還是銷售問題？商品的周轉(zhuǎn)周期分別是多長？周轉(zhuǎn)周期長的商品，如何采取手段縮短周期，提高資金流動性？

為此，我利用FineBI的前端OLAP多維分析功能，從庫存量、庫齡、庫存金額、商品數(shù)量等多個角度對庫存情況進行分析，然后將分析得到的結(jié)論與商品分析、門店分析等分析結(jié)果進行對比，得出改進結(jié)論。

接著進行庫存分析的指標(biāo)體系建立，如下所示：

最終的展示結(jié)果如下：

4、會員分析

對于零售行業(yè)來說，有效的客戶細分是深度分析客戶需求、應(yīng)對客戶需求變化的重要手段。通過合理、系統(tǒng)的客戶分析，企業(yè)可以知道不同的客戶有著什么樣的需求，分析客戶消費特征與商務(wù)效益的關(guān)系，使運營策略得到最優(yōu)的規(guī)劃；更為重要的是可以發(fā)現(xiàn)潛在客戶，從而進一步擴大商業(yè)規(guī)模，使企業(yè)得到快速的發(fā)展。

而在以往，沒有數(shù)據(jù)的支撐，想要了解以下問題往往是比較困難的：

消費者(會員)的特征分布是怎樣的？不同特征的會員又有著怎樣的消費偏好？怎樣才能有的放矢，針對的提出營銷手段？消費者(會員)的行為又是怎樣的？喜歡在哪些時間消費？在不同的時間喜歡購買的品牌又是否一樣？

為此，我首要要使用FineBI強大的多源數(shù)據(jù)整合功能，將crm、erp等系統(tǒng)的數(shù)據(jù)打通，建立完善的用戶畫像與用戶分類，然后針對不同類型的不同用戶，結(jié)合過去歷史數(shù)據(jù)形成的消費特征，進行差異化精細化的營銷動作。

接著進行會員分析的指標(biāo)體系建立，如下所示：

最終的展示結(jié)果如下：

5、活動分析

優(yōu)質(zhì)的、有價值的活動運營方案能夠嚴(yán)格的落地執(zhí)行并且助力業(yè)績提高，活動中實時數(shù)據(jù)監(jiān)控及有效數(shù)據(jù)反饋可以對活動計劃執(zhí)行和快速解決其中問題提供重要保障。當(dāng)業(yè)務(wù)人員辛辛苦苦策劃舉辦了一場促銷活動，活動的效果如何追蹤，又該如何改進呢？

在過去，活動的效果只能通過銷售額等基礎(chǔ)指標(biāo)進行判斷，無法通過更加精細化的指標(biāo)進行分析，也無法解決以下問題：

活動效果究竟好不好，活動的轉(zhuǎn)化率為多少？對品牌知名度的提升有多大？活動對不同地區(qū)的消費者，影響是否一樣？不同類型的消費者分別偏好哪種活動？哪些區(qū)域、門店的效果較好，又有哪些較差？效果不好的原因是什么？該如何改進？

為此，我利用FineBI的直連數(shù)據(jù)模式，在活動中進行實時的活動數(shù)據(jù)監(jiān)控，時刻發(fā)現(xiàn)并調(diào)整活動策略，以便最大化活動效果；在活動結(jié)束后，還要進行活動效果、轉(zhuǎn)化率的統(tǒng)計，利用OLAP多維分析與鉆取聯(lián)動等功能，總結(jié)活動在不同維度下的效果。

接著進行會員分析的指標(biāo)體系建立，如下所示：

最終的展示結(jié)果如下：