cda

全国校区

您的位置:首页 > 大数据时代 > 数据管理型企业——2018实体零售行业发展的五大趋势所向

数据管理型企业——2018实体零售行业发展的五大趋势所向

2018-01-26


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。


02.jpg


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。


00.jpg


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。


01.jpg


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?


完 谢谢观看

分享
收藏

OK