觀遠(yuǎn)數(shù)據(jù)作為新一代智能數(shù)據(jù)分析與決策服務(wù)商受邀參展，并在高峰論壇上分享了《數(shù)據(jù)驅(qū)動(dòng)智慧零售精細(xì)運(yùn)營(yíng)方法與實(shí)踐》。

（觀遠(yuǎn)數(shù)據(jù)零售顧問(wèn) 周道明）

零售企業(yè)數(shù)據(jù)智能可以分五步走

數(shù)字化轉(zhuǎn)型是零售行業(yè)發(fā)展過(guò)程中的必經(jīng)之路，而現(xiàn)階段，很多企業(yè)在數(shù)據(jù)驅(qū)動(dòng)決策的過(guò)程中依然面臨著“數(shù)據(jù)、工具、組織、方法”各個(gè)層面的困境。

• 數(shù)據(jù)層面主要體現(xiàn)在數(shù)據(jù)口徑不統(tǒng)一，數(shù)據(jù)定義不清晰，數(shù)據(jù)業(yè)務(wù)價(jià)值低下；
• 工具層面主要體現(xiàn)在當(dāng)前很多零售企業(yè)數(shù)據(jù)分析還都依賴于ERP報(bào)表和Excel，屬于站樁式看數(shù)據(jù)，無(wú)法深入挖掘數(shù)據(jù)業(yè)務(wù)價(jià)值；
• 組織層面主要體現(xiàn)在人的方面，每個(gè)業(yè)務(wù)部門都想做到數(shù)據(jù)賦能，但又缺失真正能看懂?dāng)?shù)據(jù)的人，數(shù)據(jù)決策的意識(shí)不夠；
• 方法層面主要體現(xiàn)在搭建的數(shù)據(jù)分析模型無(wú)法深入結(jié)合業(yè)務(wù)痛點(diǎn)和需求，更多的都是一些報(bào)表的可視化展現(xiàn)，無(wú)法體現(xiàn)業(yè)務(wù)分析的管理邏輯。

零售企業(yè)在數(shù)據(jù)智能轉(zhuǎn)型過(guò)程中需要逐一攻克這些難點(diǎn)，而第一步，就是要先確定零售行業(yè)數(shù)據(jù)驅(qū)動(dòng)運(yùn)營(yíng)的目標(biāo)：提升店效，坪效，品效，客效和人效。

憑借成熟的落地服務(wù)經(jīng)驗(yàn)，觀遠(yuǎn)數(shù)據(jù)提煉了五步法可以幫助企業(yè)快速搭建數(shù)據(jù)驅(qū)動(dòng)決策的閉環(huán)。

1. 拉通底層數(shù)據(jù)，統(tǒng)一數(shù)據(jù)口徑；
2. 以終為始，通過(guò)戰(zhàn)略目標(biāo)，管理邏輯拆解，來(lái)構(gòu)建企業(yè)數(shù)據(jù)分析體系；
3. 根據(jù)指標(biāo)拆解過(guò)程中涉及的業(yè)務(wù)痛點(diǎn)和訴求構(gòu)建數(shù)據(jù)分析模型和場(chǎng)景；
4. 在沉淀出的業(yè)務(wù)數(shù)據(jù)模型基礎(chǔ)上配合AI算法引擎，構(gòu)建AI智能決策應(yīng)用；
5. 將BI和AI的數(shù)據(jù)分析模型打造成數(shù)據(jù)分析應(yīng)用產(chǎn)品，在移動(dòng)端、PC端、大屏端賦能給終端用戶。

從方法論到案例

如何構(gòu)建數(shù)據(jù)指標(biāo)體系

零售企業(yè)的戰(zhàn)略目標(biāo)首先體現(xiàn)在財(cái)務(wù)層面，如企業(yè)盈利的持續(xù)增長(zhǎng)；而要想企業(yè)利潤(rùn)持續(xù)增長(zhǎng)，首先要考慮在終端能否給顧客帶來(lái)價(jià)值；而要想給顧客帶來(lái)價(jià)值，需要企業(yè)在內(nèi)部流程層面做好商品運(yùn)營(yíng)，門店運(yùn)營(yíng)，會(huì)員運(yùn)營(yíng)等關(guān)鍵業(yè)務(wù)流程；而要提高這些場(chǎng)景的精細(xì)化運(yùn)營(yíng)和智能決策，則需要企業(yè)在員工學(xué)習(xí)成長(zhǎng)層面加強(qiáng)培訓(xùn)和教育。

從這四個(gè)層面歸納梳理出公司級(jí)的核心KPI指標(biāo)，可以再進(jìn)一步推導(dǎo)到部門級(jí)的指標(biāo)。

以茶飲行業(yè)為例，單店?duì)I收是公司級(jí)的核心指標(biāo)，而單店?duì)I收又是由客戶數(shù)、復(fù)購(gòu)率、客單價(jià)構(gòu)成。

客戶數(shù)主要體現(xiàn)在顧客服務(wù)和會(huì)員營(yíng)銷層面，因此需要營(yíng)運(yùn)部和品牌營(yíng)銷部來(lái)負(fù)責(zé)。

復(fù)購(gòu)率分為門店復(fù)購(gòu)率和產(chǎn)品復(fù)購(gòu)率，門店復(fù)購(gòu)率主要受門店的QSC（衛(wèi)生、服務(wù)、品質(zhì)）影響很大，一般由營(yíng)運(yùn)門管部來(lái)主抓。產(chǎn)品復(fù)購(gòu)率在茶飲行業(yè)受口味的影響最大，而口味又受食材品質(zhì)、原料效期、操作這三方面影響；食材品質(zhì)主要由產(chǎn)品研發(fā)部和采購(gòu)供應(yīng)鏈部門來(lái)負(fù)責(zé)；采購(gòu)供應(yīng)鏈部門又有三個(gè)核心指標(biāo)：采購(gòu)品質(zhì)、采購(gòu)計(jì)劃達(dá)成率、采購(gòu)成本。

通過(guò)類似的邏輯推解方法論，企業(yè)就可以從公司級(jí)核心KPI指標(biāo)推導(dǎo)出部門級(jí)核心KPI指標(biāo)，從而構(gòu)建相應(yīng)的數(shù)據(jù)指標(biāo)體系。

目前，觀遠(yuǎn)數(shù)據(jù)在連鎖零售領(lǐng)域已經(jīng)沉淀了門店業(yè)績(jī)?cè)\斷、基于消費(fèi)場(chǎng)景的爆品分析、門店損失分析、生鮮商品損耗分析、會(huì)員復(fù)購(gòu)專題分析、門店智能經(jīng)營(yíng)診斷等從BI到AI的全生態(tài)鏈數(shù)據(jù)分析模型，可以給企業(yè)提供真正可行動(dòng)的決策建議，幫助企業(yè)在數(shù)字化與智能化升級(jí)的過(guò)程中建立可持續(xù)的競(jìng)爭(zhēng)優(yōu)勢(shì)。

企業(yè)實(shí)現(xiàn)數(shù)據(jù)智能不是一蹴而就的事情，BI是企業(yè)實(shí)現(xiàn)AI的必經(jīng)之路。通過(guò)BI數(shù)據(jù)分析平臺(tái)可以沉淀業(yè)務(wù)模型，提升數(shù)據(jù)質(zhì)量，在此基礎(chǔ)上尋找合適的AI切入點(diǎn)，通過(guò)數(shù)據(jù)分析模型搭配決策引擎，可以快速構(gòu)建智能決策應(yīng)用。

榮獲「數(shù)字化服務(wù)創(chuàng)新實(shí)踐獎(jiǎng)」

活動(dòng)現(xiàn)場(chǎng)，主辦方還針對(duì)2019年到2020年間，在零售行業(yè)里發(fā)揮了中流砥柱和先鋒實(shí)踐作用的零售餐飲企業(yè)、數(shù)字化服務(wù)商進(jìn)行了頒獎(jiǎng)。

觀遠(yuǎn)數(shù)據(jù)憑借在零售餐飲行業(yè)的智能數(shù)據(jù)分析實(shí)踐，獲得了「2019-2020年度 數(shù)字化服務(wù)創(chuàng)新實(shí)踐獎(jiǎng)」。

未來(lái)，觀遠(yuǎn)數(shù)據(jù)將持續(xù)深耕零售消費(fèi)領(lǐng)域，為更多零售企業(yè)提供成熟、前沿、快速落地的數(shù)據(jù)智能應(yīng)用。

觀遠(yuǎn)數(shù)據(jù)（www.guandata.com）成立于2016年，以“AI+BI 讓決策更智能”為使命，深耕零售、消費(fèi)以及互聯(lián)網(wǎng)領(lǐng)域，致力于為客戶提供新一代智能數(shù)據(jù)分析平臺(tái)以及零售消費(fèi)行業(yè)的最佳數(shù)據(jù)分析實(shí)踐。目前服務(wù)聯(lián)合利華、沃爾瑪、全家、來(lái)伊份、生鮮傳奇、lily女裝、紅豆、小紅書、蜜芽寶貝等知名企業(yè)。公司總部位于杭州，并在北京、上海、深圳等地設(shè)有辦事處。

songjy