2022年零售行业BI商业智能应用白皮书

2022年零售行业BI商业智能 应用白皮书 APPLICATIONWHITEPAPER 北京永洪商智科技有限公司 永洪BI「更敏捷、更快速、更强大 YonghongTech TalkwithData 目录 CONTENTS 前言01 现状一市场持续低迷，数据成为突破口02 挑战-数据应用处于初级阶段，相关人才短缺严重 1、数据整合难度大07 2、数据质量差07 3、数据应用层次浅08 4、数据人才乏08 破局一一聚焦关键业务，应用由浅入深 1、打通业务系统，整合内外部数据11 2、聚焦核心业务场景，快速释放数据价值14 3、基于数据精准把控全渠道运营情况16 4、从面到点实现全域精细化管控20 实战一一零售企业数据应用典型场景24 未来一一数据价值逐步释放，灵活敏捷是重点31 关于永洪科技35 永洪BI 前言 REFACE 如今，越来越多的零售企业开始重新审视数字化转型，不再将转型等同于“线上开店”或是“线下布局”等纯渠道和流量概念，而是直面更为复杂和深度的数据赋能。 例如，面对消费者的个性化新需求，零售企业开始寻求通过数据实现有效的客群洞察，从而出现了更受年轻人喜爱的“新国货品牌”，以及层出不穷的自有品牌产品，以建立产品上的差异 化优势，提升利润空间；面对供应商和合作伙伴，零售企业希望基于数据建立科学的供应商管理机制，建立更加有效、深入且稳定的合作关系，增加毛利；面对门店运营，则希望通过数据实现“千人千面”的服务与营销，为店长提供有效的数据支撑以精细化经营管理门店，为导购 提供精准的用户画像以提供针对性的服务，并通过前端的与消费者接触反馈并优化后端体 系。 于是，诸多零售企业将目光重新放到了零售业的本质：产品、效率、体验等。通过数据赋能业 务和组织，全方位提升服务消费者的能力，打造核心竞争力。 永洪科技针对零售行业的数字化转型及数据应用情况进行了调研，结合对上百家零售企业十余年的服务经验，认为当前零售企业的数字化转型及数据应用的关键在于：一是找到关键业务作为突破口进行数据赋能，并逐渐围绕该业务对相关业务、组织和人员进行数字化转型；二是将原本的信息系统打通，使各系统串联，数据在各系统中自由流动；三是注重数据的真止价值，通过数据优化改善从管理者到一线员工的业务动作，基于数据完成经营判断和决策， 推动业务增长。 本白皮书基于零售行业数据应用现状，重点结合企业真实案例经验作为参考，寻找释放数据价值、赋能企业发展的破局之道，并对零售企业的数据应用典型场景进行了详细的拆解与分析，以期为零售企业数据应用及商务智能的实现提供思路、参考与启示。 01 01现状 市场持续低迷，数据成为突破口 零售业的发展一直离不开技术的进步。CRM、POS、EOS、EDI、EAS等信息技术的使用使实体 零售企业可以实现精细化管理，降本增效推动低成本战略的实施，造就了一大批成功的零售企业。互联网技术的到来，带动了电商的腾飞，线上零售一片繁荣，线下零售则积极拓展线上渠 道。 2016年，新零售的概念提出，线上线下开始融合发展，数字化则成为了融合的关键之一，从技 术、运营、服务、供应链、组织等方面对零售企业进行全方位的升级与赋能，推动企业进一步 精细化的科学发展。 2020年初新冠疫情爆发，包括零售在内的诸多行业受到了影响，零售市场的增速明显下滑 2020年全年社会消费品零售总额为39.2万亿元，比上年下降3.9%。2021年随着疫情基本稳 定，行业呈现良好的复苏趋势，全年社会消费品零售总额为44.1万亿元，比上年增长12.5%。 2019-2021年3年复合增速为3.9%，较上一个3年增速6.8%有大幅下降。 2011-2021年社会消费品零售总额 5016.00% 4514.00% 12.00% 3510.00% 308.00% 256.00% 4.00% 2.00% 0.00% -2.00% -4.00% 2011年2012年2013年2014年2015年2016年2017年2018年2019年2020年2021年 社会零售总额(单位：万亿)—增长率 面对相对低迷的市场和复杂的环境，那些提前布局数字化转型的零售企业展现出了韧性，成为了保障国民基本生活的支柱之一，并衍生出诸多新场景、新技术、新业态和新模式，零售这一传统行业再一次成为了焦点。 除疫情等突发状况外，线上流量的紧缩也成为了零售企业改变数字化策略的关键因素之一。 2021年，全国网上零售额130884亿元，比上年增长14.1%。相较于之前动30%-40%的增长 率，其增长速度直线下滑。 03 永洪BI 网上零售的增速下滑，带来的是获客成本高、销售利润薄等多重影响。诸多零售企业，尤其是实体零售企业开始发现，所谓的线上渠道拓展、全渠道建设等，效果并没有想象中理想，甚至导致了整体的利润水平和盈利能力降低 2013-2021年全国网上零售额 1460.0% 12 50.0% 10 40.0% 8 30.0% 6 20.0% 10.0% 0.0% 201320142015201620172018201920202021 全国网上零售额（单位：万亿）——增长率 越来越多的零售企业开始重新审视数字化转型，不再将转型等同于“线上开店”或是“线下 布局”等纯渠道和流量概念，而是直面更为复杂和深度的数据赋能。例如，面对消费者的个 性化新需求，零售企业开始寻求通过数据实现有效的客群洞察，从而出现了更受年轻人喜爱的“新国货品牌”，以及层出不穷的自有品牌产品，以建立产品上的差异化优势，提升利润空 间；面对供应商和合作伙伴，零售企业希望基于数据建立科学的供应商管理机制，建立更加有效、深入且稳定的合作关系，增加毛利；面对店运营，则希望通过数据实现“千人干面”的服务与营销，为店长提供有效的数据支撑以精细化经营管理门店，为导购提供精准的用户画像以提供针对性的服务，并通过前端的与消费者接触反馈并优化后端体系。 于是，诸多零售企业将目光重新放到了零售业的本质：产品、效率、体验等。通过数据赋能业 务和组织，全方位提升服务消费者的能力，打造核心竞争力。 区别于制造等行业重资产、重模式的数字化转型路径，零售企业更注重数据应用的敏捷性通过轻便的应用，激活数据资产，这得益于对各业务的信息系统建设与应用，奠定了数字化基础。例如，许多零售企业建立了轻便应用的App或小程序，实现商品在线、交易在线、服务 在线等，与消费者建立基本的交互和服务，并获得消费数据，改善商品结构和服务模式。 04 因此，当前零售企业的数字化转型及数据应用的关键在于： 永洪BI 关键业务 找到关键业务作为突破口进行数据赋能，并逐渐围绕该业务对相关业务、组织和人员进行数字化 转型; 信息系统 将原本的信息系统打通，使各系统串联，数据在各系统中自由流动； 注重数据的真正价值，通过数据优化改善从管理者到一线员工的业务动作，基于数据完成经营判 数据价值断和决策，推动业务增长。 可以看出，零售企业的数字化转型重点，从打基础、建渠道，逐渐转变为全方位的数据应用，对于外部，实现对消费者、供应链等的精细化管理；对于内部，则实现商品、门店、组织的持续优化。以此回归零售本质，实现零售企业高质量发展。 05 02挑战 数据应用处于初级阶段，相关人才短缺严重 数据整合难度大 在发展过程中，零售企业建设了ERP、CRM、POS等诸多信息化系统，提升了各业务口的效率。 而在数字化阶段，需要将数据进行统一，实现综合性的分析。由于前期缺之统筹性的规划，导致诸多零售企业没有建立起有效的数据管理机制和保障，不同系统的数据在企业内部形成了“数据孤岛”，同时在数据应用的过程中，需要引入大量的外部数据，例如第三方市场监测系 统数据、电商平台系统数据等，导致企业数据混乱，整合难度大。出现了数据来源复杂、数据质量参差不齐、基础数据分散、数据不一致、统计口径不统一等问题，导致在应用时数据质量得不到保障，数据无法匹配、数据不可识别、数据不一致、几余重复、时效性不强、精度不够 等问题频发，数据结果与实际情况不匹配，无法作为业务改善及经营决策的参考依据，难以支撑上层应用，无法完全释放数据的真正价值。 这就造成零售企业由于缺乏统一的数据平台，而导致相关人员在进行数据分析与应用时，需要耗费大量的时间与精力将不同系统、公司、内外部数据等进行整合、清洗，不仅效率低，而且无法满足快速变化的业务需求，尤其是业务数据的即时性要求变高，颗粒度要求精细，数据整合难的问题已经严重肘数据应用的深度和广度。 数据整合能力是数据深度应用、释放数据价值的基础，数据整合的不足是引发一系列数据应用问题的原因，例如引起数据治理困难，使得本身就匮乏的数据治理手段更加捉襟见肘，导致数据质量差，产生大量的数据亢余，数据结果与真实情况不符，基于数据的经营决策更无从谈起。此外，缺乏统一的数据平台，各个层级人员需求无法统一满足，也不利于数据分析体系 的标准化建设，阻碍了零售企业业务数据化管控链条完全打通的进程，使消费者、销售、采 购、供应链、库存、管理等在数据层面依然断层，且融合多元渠道数据困难，数据支撑力不 足，无法实现数据闭环管理与应用。 数据质量差 线上触点的增多、外部数据的引入，使零售企业积累了大量内外部数据，开始注重数据的应用。然而，由于数据庞杂、数据治理水平低，存在数据不规范、不完整、不一致等问题，导致了数据质量差，难以从源头把控数据质量，繁杂的数据又使得清洗加工处理的难度大。 标有看不同的理解，在输入时导致数据元描述和理解存在差异，导致数据冲突或矛盾。这类错误在清洗加工过程中很难得以修正，后期补充完善的成本高。 过程中，需要将业务的情况、规则、相关性等转变为正确的数据语言，构建合理的数据模型。当在建设初期或业务流程变更时没有做好统一工作，影响数据质量。 07 此外，数据质量涉及到采集、整合、清洗、加工、存储、维护等多个环节，需要进行全流程的管 理保障。然而，诸多零售企业尚未建立起数据质量管理体系，一方面，缺乏专业的数据人才，导致无法进行数据全流程保障；另一方面，缺少有效的管理和监督机制，没有建立起有效的流程和制度，数据质量问题难以解决，更无法持续改进优化。 数据应用层次浅 数据的价值已经成为共识。但在实践过程中，由于技术能力、思维观念等原因，诸多零售企业出现了数据应用层次浅的问题，导致数字化转型的结果是产生了大量的数据报表，只达到了数据可视化的阶段。 单独的数据报表的作用主要是了解已发生的业务情况，并通过系统建设提升了数据的即时性，使报表可以展现实时数据。但数据报表对于业务提升的效果不明显，使用者往往在查看报表后，依然根据过往经验解读数据结果，使得数据价值没有得到发挥，拍脑袋做决策的依然现象普遍存在。 数据的价值往往通过数据之间的关联性来展现，通过相关数据的融合与分析，发现业务现象更层次的原因，或者找到联合性的解决方案。当前诸多零售企业缺之数据关联分析能力，导致业务人员在分析原因、优化工作时难以得到深层次数据支持，数据应用时仅仅是发现和改善局部问题，无法从整个业务流程的角度进行降本增效，尤其是对于零售企业，需要了解商品与商品之间、商品与消费者之间以及各业务环节之间的情况，从而提升商品的精准性、服务能力、各环节效率等，因此数据关联性分析是重中之重。 数据应用层次过浅还表现在无法通过技术实现数据智能，以驱动业务的预警、预测、智能优化 等，以支撑实现“千人千面”、“千店千面”、洞察消费行为、精准营销、智慧供应链、产品创新等。 这便需要通过相应的数据智能系统，实现数据更深层次的应用，以真正驱动业务科学增长。 数据人才匮乏 数字化转型始于技术，成于人才。无其是在数据应用阶段，需要通过数据赋能全员，才能真正有效实现数据驱动业务。当前诸多零售企业面临着数据人才紧缺的情况，一方面专业的数字化人才匮乏，其原因主要是企业对这类人才的吸引力不足；另一方面，业务人员的结构复杂， 人才素质参差不齐，普遍缺之数据思维和基本应用能力，缺之有效的数据应用工具和意