零售及消费品行业大数据分析实践2022

零售及消费品行业大数据分析实践，2022 王丽萌，高级市场分析师卢言霞，助理研究总监 目录 1研究范围与核心观点 2行业正在面临的挑战 3应用大数据分析的主要优势 4最佳实践 5给技术买家的建议 本次研究对象以传统/在线零售商为主，也包括经销商、快速消费品（FMCG）的生产者品牌商和自有品牌（PrivateBrand，PB）商，在后文中将统称为“零售行业”或“零售企业”。例如：商超连锁便利店、电商、食品与饮料品牌商、家庭与个人护理品牌商等。 •这些企业的服务对象是包括个人和机构团体在内的终端消费者，以面向消费者的零售为核心业务，也可能涉及消费品的生 产制造、批发、物流供应链、送货安装服务等环节。 •这些企业的范围不包括上游的工业品及原材料制造商/供应商、下游的餐饮门店，以及核心业务横跨除生产、零售之外多个 行业的企业。 上游 消费品 零售 下游 研究范围 •工业品及原材料制造商 /供应商 …… •快速消费品的生产者品牌商和自有品牌商 •经销商 •传统/在线零售商 …… •餐饮门店 …… 背景变化 中国零售及快消品行业在近十年受到电子商务、新零售及疫情的影响，市场环境的变化塑造了行业的数字化转型。现实与数字化的商品、服务、体验的无缝融合对企业的生存和增长至关重要，其中所采用的大数据技术已成为精细化运营的基础。 关键挑战 零售企业在转型过程中的关键挑战主要包括业务价值、改造成本、组织战略与人才。 发展驱动力 零售行业大数据分析应用优势有：大数据应用场景整体趋于成熟，企业可用数据规模增大，业务对数据依赖程度提升，数据向价值转化难度降低。 行业大数据应用现状 大数据与分析方面支出快速增加，在智能应用方面更关注生产率、运营效率和处理速度。 行业实践 成立5年左右的企业对大数据技术的采用热情远高于行业平均水平，将技术与组织、业务模式结合打造竞争力；成立15年左右的企业经历了“数据中台”建设热潮，在亲身实践后深刻体会到采用新技术要跟上业务变动； 成立30年左右的企业正在谨慎尝试的过程中，不仅难以找到细分领域对应的同行实践或成熟方案，而且企业内部接受程度较低，在业务压力之下启动小规模探索单点应用场景。 给技术买家的建议（详见报告末尾） 目录 1研究范围与核心观点 2行业正在面临的挑战 3应用大数据分析的主要优势 4最佳实践 5给技术买家的建议 •作为产品消费市场终端，零售行业与居民基本生活密切相关。从2012年到2022年的十年间，中国零售行业受到电子商务、新零售及疫情的三大影响。在行业格局发生巨大变化的同时，其数字化水平总体领先于上游的制造业，但又落后于与消费者密切关联的互联网行业。 •随着消费者的需求偏好、消费习惯与场景的转变，传统零售企业面临线下客流急剧下降、销售增长乏力的困境，新型零售 企业也在探索发展模式的过程中，不断接受消费者数据隐私保护、供应链物流停滞、区域突发事件等新挑战。 •零售业态发生多元化变革，从垂直电商、社交直播电商，到前置仓生鲜电商、仓储会员店、社区团购。在这一过程中，数字化成为零售行业的核心能力，零售商亟需提升数字化能力以积极应对变化带来的挑战。 •在疫情防控常态化下，消费者行为转变趋势促使零售行业继续升级，行业关注点进一步向消费者转移，更关注消费场景、消费深层需求与体验，从“销售商品”转向“设计体验”。 电商 新零售 疫情 •现实与数字化的商品、服务、体验的无缝融合对企业的生存和增长至关重要，这种客户旅程（customerJourney）的方法将通过行业生态系统实现，其中所采用的大数据技术已成为零售企业精细化运营的基础。 2021年，中国多家零售商超斥巨资提升数字化能力。很多零售企业虽然已经积累了一定的用户消费行为数据以及供应链数据等，但在如何利用数据价值、统筹全渠道数据形成全面洞察方面仍存在一定挑战。 整个实体商超行业的数智化之路迫在眉睫，而大部分商超的数智化转型之路都很艰难。挑战主要在于： 业务价值:相较于金融、政府等行业，零售行业的整体利润率较低，缺乏内、外部动力替换/改造原有信息化系统，只有营收规模足够大、对业务扩张需求强烈的企业才有意愿投入。 改造成本:自建大数据平台等软件系统成本高。例如，开发数据中台、组建工程师团队等一系列投入，对于区域商超、便利店来说很少能 够承受得起，传统快消品牌商现有技术能力覆盖不全。 组织战略与人才:如果零售企业没有从公司整体上对原有商业模式和体系进行真正的重组，很难改变实体商业的困境，难以吸引互联网等行业的大数据与数据分析相关人才。即便投资建设线上渠道，很多商超、品牌商也不知道该怎么运营。 目录 1研究范围与核心观点 2行业正在面临的挑战 3应用大数据分析的主要优势 4最佳实践 5给技术买家的建议 互联网、金融等行业大数据应用场景成熟，积累了数据向业务价值转化的功能点、落地经验，也培养了相关人才，可结合企业自身特性参考吸收。 例如：云上大数据产品及服务接口方便易用，可引入数仓搭建、运营分析人才。 行业自身具备一定的业务系统信息化水平和数据分析基础，主要面向以自然人为单位的大规模终端消费者个体，所交易的实体商品的品类丰富，商品流转频次高，业务变化快，可用数据丰富，是传统数据分析的主流行业之一。 例如：ERP、CRM、BI报表等系统成熟运行多年，使用频率高，产品参数与业务流程相对标准，业务人员对数据的依赖程度和分析解读能力逐年提高。 全行业数字化程度提升，数据来源广泛。数据的采集、标注成本降低，数据治理理念逐渐深入人心，可用数据规模扩大，更容易获得丰富的数据产品和服务。 例如：除了更容易获得竞品的价格、品类、进销存等数据，消费者行为数据，还有外部的天气、房地产、社交平台内容等可用于分析挖掘的数据。 零售行业的数字化渗透程度正在快速加深，以大数据技术为代表的新兴技术助力零售行业升级，创新零售场景，重塑消费者的体验。 注：该行业范围包含零售（Retail）和批发（Wholesale），不含消费品制造，与下页调查的范围一致来源：IDC2022年V1全球大数据支出指南，2022年3月 问题：请描述您用来衡量效益的关键绩效指标（KPI） 生产率 收入 运营效率 利润 处理速度 节约成本 客户满意度 员工满意度 n=333 注：IDC将受访者的回答内容分为“KPI类别”，按受访者百分比计算比例。仅显示来自全球受访者的前12个KPI类别。来源：IDC’sAnalyticsandAIServicesSurvey,June2021 目录 1研究范围与核心观点 2行业正在面临的挑战 3应用大数据分析的主要优势 4最佳实践 5给技术买家的建议 零售 鲜食生产配送型企业从0到1完成平台搭建 成立约15年 传统 成立约30年 连锁品牌门店 统一数据分析 电商SaaS供应商 打造大数据分析应用工具 Ⅱ Ⅰ 连锁便利店 探索数据驱动决策 成立约5年 创业 Ⅲ Ⅳ 耐用消费品 在制造环节尝试应用 快速消费品 在大数据基础投资阶段 消费品 物流供应链场景 应用大数据技术 本页所列案例代表中国市场不同类型企业运用大数据分析的最佳实践，后面将展开介绍每个案例的具体情况 如右图所示，根据企业创立时间和主营品类两个维度，将7个典型案例放入四个象限中，分别是： I.船长BI和便利蜂都是零售领域的创业企业，成立5年左右。其中，便利蜂是数字化优先的探索者代表，自研自用；而船长BI则为亚马逊电商卖家服务 II.良品铺子和幸福西饼是相对传统的零售企业，成立15年左右，经历过数据中台探索后注重业务灵活性，更为务实 III.同样相对传统的还有大自然家居、欣和这两个消费品品牌，成立30年左右，分别代表耐用消费品和快速消费品，展现老牌国货的新尝试 企业服务的大数据技术供应商，近几年 IV.运荔枝与船长BI一样，也是为行业终端孵化于传统快消品集团旗下 成立时间：2016年 主营品类：连锁-便利店 经营模式：全直营，投资鲜食工厂和自有品牌，实行统一品牌、标准、管理、采购、配送。依据系统决策，公司扁平化管理，创新供应链体系。 融资：C轮（累计募资15亿美元） 应用效果 门店数量估计 （千） 2022 2021 2020 2019 2018 2017 0123 营收：2020年5月北京地区门店实现整体盈利 人效比和房租占比优于行业，每家店店员2-3人 店铺运营标准化，运营效率提升，实现高动销、低库存、 供应链贴合门店需求 扩张速度更快：约两年开店1,000家，三年达2,000家 客户满意度：保持稳定的服务品质，严控食品效期 数据采集、分析、决策运营执行面临挑战 自研数字化系统，对生产、物流、门店、消费者进行全链路数字化采集，应用于订货、销量预测和动态促销等场景。 以数据连通为基础，实现即时决策，所有业务SOP（标准作业程序）化 最终收益指标是门店毛利 长期价值在于用算法优化和覆盖营运 中的一切 在运营层面严格执行系统分配指令，决策权归属系统，店员不需要对经营指标负责 店内配有摄像头、电子价签、鲜度PAD和手持PAD等 个性化门店运营以算法为核心，而不是店长 数据采集隐私与合规性 数字化管理过度，灵活性不足。需优化运营执行过程中的拍照等流程，发挥店员作为“人”的优势 2022年出现裁员和暂时闭店 应用效果 成立时间：2008年 主营品类：快速消费品-烘焙食品-蛋糕 经营模式：卫星工厂模式，O2O电商+新零售线下门店 主营业务收入：年营收13亿元（线上占80%以上） 融资规模：累计融资近9亿元，2021年12月完成1亿元Pre-C轮融资 技术投资：累计投资数亿元（技术人员支出占一半以上） 2014 收缩实体店 累计融资4轮近8亿元 2019 2022 2018年销售额达到12亿元 新零售门店扩张 拓展县级市场 支撑业务快速扩张：销售、生产、配送三大业务模块全链路数字化，现已覆盖全国200多家城市、300多个卫星工厂，私域用户超过2,200万 生产管理决策优化：基于数仓实现的实时数据大屏可展示整个销售业绩、具体商品销售数量等信息，成为业务依赖最大的系统；减少损耗，周转率从20天缩减至10天以内；基于运营决策平台，新零售门店的智能决策生产计划将销售额提升10% 业务应用 转型电商重回线下数据平台建成 •数据大屏、运营助手等精准营销工具 智能数据平台（自研） •产量预测、生产计划和预定系统，线上渠道生产配送智能系统 线下高速扩张后进行改革，线上流量红利消失，获 目前已经完成系统搭建，以 •积累数据规模2–3TB，包括业务系统产生数据（MySQL数据 从线下实体店转型线上O2O蛋糕模式，通过分布式工厂实现快速生产、快速配送 IT部门只有电商系统研发 团队 采用金蝶云星空ERP 客成本不断提升，布局新零售门店，拓展县镇市场 从头搭建大数据平台，尝试多个项目，自研生产效能等算法 主营业务利润提升为目标， 优化现有系统 在生产环节，与中科闻歌合作开发运营决策平台，制定新零售门店生产计划的智能排产，现处于测试阶段。 下一阶段：生产材料周转 （现有供应链系统“金蝶ERP”和仓储系统“富勒WMS”） 库），埋点数据和用户评论文本数据 •大数据基础平台：阿里云Hive数仓、EMR集群、ADS数据库、 API平台、BI报表平台…… •中台：用户画像、商品画像、推荐系统、销售预测模型、指标库、数据服务、报表服务…… 云服务（阿里云） •公有云部署基础设施，服务器规模200–300台，其中约一半的资源用于大数据集群（十几台） 成立时间：2006年（2020年上交所A股上市） 主营品类：快速消费品-休闲食品，零食SKU约2,000个 经营模式：从事零食的研发、采购、销售、物流配送和运营。在生产环 节以外包代工为主，在销售环节以门店为主，多渠道并行发展 主营业务收入：2021年为91亿元，其中线下占47