传统零售行业过去是“许三多”——客户多、商品多、门店多。到今天还要加上一多——数据多。虽然互联网的发展以及电商的井喷,使得零售行业在2017年遭受了闭店潮,但从另外一个角度来说,即使在实体、电商竞争均十分激烈的服装零售领域,也有从大数据中获利的典型。2018年,实体零售如想逆势突围,必须转型,成为数据管理型企业。
2017年,零售业受到互联网与电商的冲击,遭受闭店潮。年初,商超巨头沃尔玛宣布全球闭店269家,涉及员工上万人;万达百货近四十家店关闭;天虹百货、阳光百货、玛莎百货也纷纷沦陷;年底,朋友圈疯狂流传《实体店阵亡名单》,除了前面提到的几家之外,梅西百货、家乐福、麦当劳、美特斯邦威、李宁等知名品牌也“榜上有名”。
与此同时,Inditex作为拥有Zara、Pull&Bear、Bershka等多个快时尚品牌的母公司,却在2017年交出了净利润上涨10%的成绩单,销售额达到233.1亿欧元,成为历史最高记录。这种上扬的势头更延续到了2017年——根据上周三发布的报告,Inditex集团各品牌开业1年以上的店铺,在本财年的头六周里销售额均上涨了8%。而H&M,则以下降1%的成绩惜败开场。
Zara的成功来自方方面面,最核心的一点,验证了著名经济学家郎咸平的洞察:“2000年后成功的企业,成功不是靠创新,而是靠快速反应。”Zara有一套自己的速射生产系统(rapid-fire production system),信息依靠每个门店经理手中的PDA传递给总部,以销定产、以产定购;他们在POS机、ERP、SCM、CRM与CAD中产生的数据从来都不是彼此孤立的。因此无论是库存管理、生产模式、与门店配送,都像坐了火箭一般,快到其它品牌无法简单抄袭。为什么都叫快时尚,但H&M、GAP就是快不过Zara?Inditex的首席执行官Pablo Isla在接受采访时说:“没有什么秘诀,我们只是做到了快速响应数据。”
那么,2018年,零售商如何像Zara一样,快速响应数据呢?我们根据零售行业的特点,总结了行业数据分析的五大趋势,供大家参考。
趋势一:全源数据整合
零售行业门店多、客户多、Sku多,经常面临的问题是,销售数据在一个系统中,客户数据在一个系统中,商品信息在一个系统中,各个系统之间彼此不相关联,很难从数据中发现隐藏的问题或商机,更不可能做到像Zara那样,根据每个门店的信息反馈,将存货周转率提至业内最优,比其它品牌高3~4倍。
对于有数据头脑的决策者来说,明知有大量数据可用,却难以调动,这种感觉会更加痛苦。往往决策者需要看到某个指标来指导决策,但从提出需求到IT响应,却需要一周甚至更长时间。到手的数据已然过期,只能用来复盘。
2017年,将有越来越多的零售行业从业人员受益于全源数据整合工具——它可以将零售商散落在本地文件、云端数据与第三方系统中的数据整合在一起,同时运用在线数据处理工具,抽取其中的关键指标,形成定制化的数据集。从提出需求到拿到报表,将以小时甚至分钟计。高薪聘请的数据分析师或数据科学家,将有更多的时间用来分析数据;管理者也能用第一手的数据用来进行销售布局、调整营销策略等。
趋势二:数据分析不再被专业分析师“垄断”
零售行业包罗万象,有员工上万的全球性企业,也有单兵作战的小店。以前,要进行数据分析,要经过提取数据、清洗数据、建模等过程,必须由专业人员来进行,而且通常要部署一个专业的数据分析部门,花费不菲。但在2017年,即使是便利店主也能深耕数据,这完全是因为交互性数据视觉工具的诞生——仅需鼠标点击、拖拽,就可以生成各种各样的图表,上手性极强,任何人都可以操作。而且,数据视觉融合了人脑科学、管理科学与信息科学的精华,可以激发使用者的商业智能,快速驱动决策。可以说,在这个年代,我们有能力拥抱这种本身具有高度的专业性、但却更加容易操作的数据分析工具了。而且,这种工具由于依托于云,不需要本地部署,不需要购买硬件,所以价格相对低廉。
因为这种工具的诞生,高级分析将不再被专业分析师“垄断”,中小微型的零售企业也可以利用数据驱动管理;另外,只要愿意,企业人人都可以拥有自己的管理看板,仅抽取自己最关心的指标,用精准的数据来指导自己的工作;最后,无论是自己分析、还是与它人分享,可视化图表都要比单纯数字或文字的报表更加直观,更能促进决策。
趋势三:让企业的响应速度跟得上数据的生产速度
想跟上Zara脚步的企业很多,但至今没有出现“第二个Zara”,何解?
很大一个原因是因为,企业的响应速度追不上数据的生产速度,而这是数据驱动运营的关键。拿Zara与H&M的速度战来举例,两个企业看到T台走秀(获取灵感)的时间是一样的,但H&M从打版到出货需要3个月左右的时间,Zara仅需两周。如果信息不能在第一时间被消化、利用,其时效性就无法保证,而世界千变万化,过期的信息就等于错误的信息。
如何让企业的响应速度跟得上数据的生产速度?首先,一手数据需要直达一手分析。以前的商业智能,需要做大量的重复性工作,即使是格式相同的周报、月报,每一次需求都代表着一系列的工作;但2017年,一手数据可以直达一手分析:只要用数据处理工具制作一次数据流,并基于该数据流制作一次分析看板,以后的工作量就是点击一次鼠标、选择自动更新源数据的事儿。其次,一手分析需要直达决策人。企业各层级、各职能的负责人,不再基于一份复杂的报表,拆分自己最需要关注的部分,而这部分指标可能还并不精确;他们只需要拥有一个自己的管理看板,并选择实时更新即可。最后,一手决策需要直达执行团队。无论是生产、供货、配送、还是运营,都能第一时间拿到决策、看到支持决策的数据以信任决策、最终执行决策,完成从数据到行动的全过程。只有数据-分析-决策-执行全部秒级响应,才能保证企业的响应速度跟得上数据的生产速度。
趋势四:移动分析加速零售行业发展
数据的分析与分享,只能在PC端实现吗?如果报告的接收人是常年需要辗转各地的CXO、是销售、是买手等不能朝九晚五对着电脑的角色,那么再好的工具,是否都无法实现“即时响应”了?当年,Zara为每个门店的经理定制了PDA,保证了信息的无障碍流通,堪称业界创举。我们不禁想象,如果零售产业链上的每一个关键节点,从CXO、生产部门、供应商、配送中心、到门店等,都能通过移动端来共享信息,那么很多问题,都将不再是问题。
2018年,零售实体店将与大数据全面整合,这不光是说传统零售行业都要往线上商城上转移阵地,而是说,实体店也能利用数据来优化整个业务链条。其中最关键的工具之一,就是支持移动端分析的沟通协作工具。有了它,CXO即使人在机场,也能基于数据输出决策;运营人员即使全天在外,也可基于数据调整自己的推广渠道;销售团队更能随时随地掏出手机,基于数据展示自己产品的优势。移动分析工具突破了时间和空间的限制,全方位助力企业管理数据化。
趋势五:机器学习带领零售业走向科技密集型产业
除此之外,机器学习、人工智能的发展也能为零售带来机遇。H&M“回收旧衣”,除了环保,也有节省生产资源的目的。而Zara则在生产源头就利用机器来规划每一块布料的使用,确保剪裁方式是最节省的。现在,AI、机器学习等可能对于某些传统零售企业来说还有点遥远,但也许用不了几年,AI就会进入广大企业,替代人工完成一些日常的工作,带领零售行业从“劳动密集型”产业走向“科技密集型”产业。届时,有用数据的增量会比今天更加可观——我们是否做好准备,迎接新智慧?
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14