您的浏览器禁用了JavaScript(一种计算机语言,用以实现您与网页的交互),请解除该禁用,或者联系我们。[永洪科技]:2022年零售行业BI商业智能应用白皮书 - 发现报告
当前位置:首页/行业研究/报告详情/

2022年零售行业BI商业智能应用白皮书

商贸零售2022-12-14永洪科技改***
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 永洪科技永洪BI 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 永洪科技永洪BI 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 永洪科技永洪BI 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 永洪科技永洪BI 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。 永洪科技永洪BI 2011-2021年社会消费品零售总额 5016.00% 4514.00% 4012.00% 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)一增长率 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%。相较于之前动辑30%-40%的增长 率,其增长速度直线下滑。 03 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% 1250.0% 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 永洪科技永洪BI 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。 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。 永洪科技永洪BI 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 永洪科技永洪BI BI 02挑战 数据应用处于初级阶段,相关人才短缺严重 O 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、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。 永洪科技永洪BI 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,产生大量的数据几余,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 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。 在数据输入和管理过程中,存在着数据输入规范不统一等问题,不同部门对于同一个数据指 标有着不同的理解,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。 数据质量与业务流程同样存在关系,数据来源于业务,并反馈业务真实情况,因此在数据管理过程中,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 O永洪BI 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。 永洪科技永洪BI 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乏数据关联分析能力,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。 四)数据人才匮乏 数字化转型始于技术,成于人才。尤其是

你可能感兴趣

hot

2022年零售行业BI商业智能应用白皮书

商贸零售
永洪科技2022-11-24
hot

2023年能源行业BI商业智能应用白皮书

化石能源
永洪科技2023-06-12
hot

2023年高校BI商业智能应用白皮书

文化传媒
永洪科技2023-02-23