数字化时代，门店如何寻找运营突破点？

数字化时代，零售门店如何寻找运营突破点 --数据赋能门店数据化运营， 实现业绩增长 主讲人： 周道明网易数帆零售行业首席架构师 CONTENT CONTENT 目录 01. 零售企业数字化转型趋势解读 疫情情况下零售企业面临困境及数字化转型趋势解读 02.企业实现数据决策精细化运营要素解析 数据思维、数据运营、数据平台、数据组织、数据文化 03.数据赋能门店端数据应用介绍 门店选址、门店获客、智能补货、门店健康体检等 DIGITALSAIL 01. 零售企业数字化转型趋势解读 零售企业数字化转型趋势 从2020年以来对于中国零售企业来说压力重重，增速连年放缓的零售市场、跨界前来的竞争对手、日益挑剔的消费者，以及突如其来的新冠疫情，导致大多企业可谓步履维艰。但在阴霾之下我们却也能发现亮点。数字化转型的先行者用良好的表现凸显了企业技术强度的重要性。 零售企业数字化转型框架： 1.长短结合制定向智能化企业迈进的战略 5.打造协同机制，构建多元化数字化生态圈 零售行业数字化转型四大支柱： 2.借力技术强度，创新商业模式 3.围绕零售四大支柱(消费者、员工、供应链、门店)，打造数字化商业体系 4.重塑管理，构建高度数据掌控的数字化运营体系 消费者互动 员工赋能 智慧供应链 智慧门店 触达消费者：建立多渠道触点接触目标消费者吸引消费者：精准营销，用消费者真正想要产品和服务吸引消费者锁定消费者：综合会员计划，提高消费者忠诚度 创建无界工作环境，促进沟通和协作支持前端员工与消费者的互动，提升消费者体验支持后端员工提出洞察，并在数据指导下做出决策 采用涵盖产品可追溯性、物流、库存和交付的智能供应链，实现最先进的履约 打造以消费者为中心的购物环境，提升购物体验店内营销，开拓店内新收入渠道通过数据平台实现门店的精细化运营 资料来源：CCFA:论道零售企业数字化转型创新与发展之路 零售企业经营中面临的业务痛点及场景需求 店长管理水平参差不齐 一线缺少数据能力 优秀单店管理经验无法沉淀 市场需求是什么 商品 怎样定义畅销品 督导如何高效巡店 门店 如何高效评判门店健康状况 如何降低门店销售机会损失如何降低门店废弃损失 什么人 什么时间 什么地点 需要什么 怎样卖怎样做 怎样清除滞销品 品类品种数与货架陈 列是否匹配 各品类构成比如何 异常业务如何及时预警 品类毛利如何 供应链 营销如何快速刻画客群画像如何实现精准营销触达如何快速复盘营销ROI 采购入库计划管理库存管理售后管理品质管控供应链成本 采什么，从哪里采，采多少，什么时候采，采多了怎么办 如何有效的控制库转，降低库转的前提下，怎样控制缺货 如何实现供应链透明化，如何降本，如何监控成本异常 零售企业数字化建设的本质 高 销售预测 率 数据效 价值提 升 建模 汇聚清洗转换促进 增 ERPOMSTMSCRMPOSHR长 低 业务 采购库存渠道 门店APP DIGITALSAIL 02. 企业实现数据决策精细化运营要素解析 企业经营管理的本质 管理的本质就是决策 赫伯特·西蒙 赫伯特·西蒙的科学成就远超过他所教的任何一门学科——政治学、管理学、心理学和信息科学。他的研究成果涉及科学理论、应用数学、统计学、运筹学、经济学和企业管理等方面，在所有的这些领域中西蒙都发挥了重要的作用，人们完全可以以他的思想为框架来对该领域的问题进行实证研究。但西蒙首先是一位经济学家，因终生从事经济组织的管理行为和决策的研究而获诺贝尔经济学奖。 ——1978年瑞典皇家科学院贺辞 影响零售企业实现数据决策精细化运营的核心五要素 影响数据决策的核心要素 ONETWOTHREEFOURFIVE 数据文化 拥抱分享信任 用数据说话 …… 数据组织 数据开发工程师AI算法工程师数据分析师 数据BP …… 数据思维 数据认知报表思维数据资产决策思维 …… 数据运营 平台运维数据质量管理 模型开发产品推广 …… 数据平台 指标系统数据集成离线开发模型设计 …… 未普及数据文化 业务流程复杂，重构难度大 缺少数字化人才 数字化战略规划不清晰 缺少合理的组织或机制 缺少数据分析和数据应用能力 缺少管理层推动与支持 数字化资金投入不足 缺乏核心技术及应用能力 数据文化 44% 40% 39% 26% 25% 25% 22% 21% 12% 企业数字化实践面临的挑战 文化一词的定义是：一套共同的特性、价值观、目标和行为，能体现一个机构或组织的典型特点。 数据文化作为文化的延伸，则是 指对于在决策过程中使用的数据， 高层管理者和员工所推崇的价值观、展现出的行为和持有的态度。 数字化最大挑战：组织文化、流程与人 资料来源：红杉中国2021年首席信息官调查报告 数据组织：组织结构及岗位职责 业务方 数据开发工程师 分析师 数据中台工具 BI工具 数仓 可视化分析报告 组织机构 岗位职责 协作流程 数据治理组 负责顶层设计、建章立制、流程管理、主数据管理等 商业智能组 大数据中 心数据研发组 技术运营组 数据化管理：辅助管理层制定KPI,构建围绕KPI的分析体系 接需求：对接各业务线数据分析需求，输出数据分析结论 数据驱动：通过主动数据分析洞察业务的问题与机会点，驱动业务持续改进 报告体系输出:以上三种输出都需要使用BI平台来输出可视化报告 能力输出：负责培养业务的数据意识和数据文化 数仓建设：负责基于数据中台的数仓体系建设，仓分层建设、主题域建设、数据治理等 AI算法模型建设：机器学习的模型构建、数据采集和整理、特征抽取以及各种代码编写等 接需求：对接来自商业智能组的数据开发需求 负责系统的稳定性，确保系统可以7*24H不间断地提供服务，负责维护并确保整个系统的高可用性，同时不断优化系统架构提升部署效率、优化资源利用率 数据思维：数据、信息、知识 数据是原始的、未处理过的关于世界的事实，信息是被捕获并处理后的数据，而知识是通过长期汇集信息建立起来的关于世界的一套心智模型和信仰。 24°C 这是一个数字 2022年05月22日上午10 点杭州市的温度是24°C 这是一条场景化的数据 24°C比平时热 这是信息 24°C热死了，需要穿短袖 这是知识 数据思维-如何培养数据思维 提高数据敏感度识别问题 建立数据链条理解问题 掌握数据分析方法分析问题 010203 ①用数据描述问题，如转化率下降了，变为转化率持续下降，较上周下跌5%； ②理解数据背后的信息，了解用户转化涉及的业务流程点，指标背后的计算逻辑 ③要有初步的感知判断数据的真实性和合理性，对于数据的阈值，当前的业务情况有概念，能够判断当前数据是好是坏，是否真实 ①理解业务流下面的数据流 ②根据核心指标，不断递进反推找到影响指标，了解指标的关联关系和先后逻辑 ①对比思维，横向和纵向的对比，同比、环比、预实比 ②细分思维，通过产品、渠道、客户等维度进行拆分 ③溯源思维，梳理引起结果变化的原因，并向业务环节上游溯源，追踪到具体环节、产品等 ④相关思维，相关性不等于因果关系，如猪肉价格上涨影响鸡肉价格 ⑤假设思维，假设可能的原因是什么，搜集测试数据，然后验证 ⑥等等 数据运营：定标准&管运维 定标准 管运维 指标常见问题 01 相同指标名称，口径 不一致 02 相同口径，指标名称 不一致 03 指标口径描述不清晰 04 指标命名难以理解 05 指标数据来源和计算 逻辑不清晰 提交指标需求产品经理、分析师 已存在表需求评审 产品经理、分析师、数据开发、应用开发 设计逻辑模型 模型设计与代码开发 数据开发 指标展示名称 购买用户数 指标标识 buyer_num 业务口径 支付成功的购买用户数量，按统计周期去重 数据开发、产品经理、分析师 数据验证与发布模型数据验证与发布上线 数据来源 dwd_trd_bg_item_di 分析维度 商品、类目、流量来源、品牌 数据应用 报表连接 应用接入应用开发 计算逻辑 SQL/或者伪码 数据运营：实现数据赋能业务数据决策的价值 数据运营团队的核心价值是实现数据赋能业务数据决策的价值， 站在业务用户角度，挖掘数据应用需求，沉淀分析思路，最终助力业务业绩指标实现，另一方面研究当前业务流程中可优化提效的点，帮助企业降本增效。 明确业务目标. 以业务流程驱动. 需要落到具体的执行层 了解或与业务一起梳理梳理业务部门的核心指标、考核指标 指标和公司方向保持一致 业务流程既是了解业务的基础，也要清楚结果指标是由哪些环节导致的，明确各‘环节’可能与结果相关的因素（即归因分析） 如某商品出现缺货，可以梳理出商品供应的关键环节，评估各个环节可能出现的原因，再通过数据去论证，即有可能是销售预测低、还是下单环节为了控制库转，保守备货？还是到货延迟？上架不及时等等 归因到具体的部门或人员中，才更容易推动落地 了解各部门的职能是什么，将归因分解到不同部门、环节去优化改进 ③ 数据开发平台：数据中台+BI ② ① ④⑤⑥ DIGITALSAIL 03. 数据赋能门店端数据应用介绍 识别数据应用场景 难点 重点 如何选址 如何获客 如何防止畅销品缺货 如何实现门店精细化管理 数据 应用 智能选址 消费者运营 智能补货 门店损益平衡分析 门店健康诊断 零售企业核心战略指标拆解 单店盈利增长 门店数量增长 战略 指标 单店成本降低 单店销售额增长 降低商品成本 降低商品成本 客单价增长 销售笔数增长 行动 举措 品牌更具调性 具有竞争力的价格 品质优良 畅销品有货 商圈有客流 门店能聚客 服务提升 品牌宣传 利润增长 战略指标影响要素拆解 执行 部门 战略企划 产品研发 采购供应链 商品运营 门店运营 门店拓展 顾客关系 市场营销 战术 指标 商品利润达成率 商品销售目标达成率 售罄率 搭建指标体系 战斗 指标 折扣率 正价率 ……..     畅平滞表现 商品缺货率店均销量 ……. 售罄进度差 库存周转天数 ……. 门店选址： 传统线下选址 大数据选址 信息层面:定量数据少,依赖更多的主观经验 操作层面:全人工统计,工程量大 时效层面:搜集信息时间久,且准确度难以衡量 效果层面:决策周期长,分析维度少,洞察深度不足 沉淀层面:无法形成标准化的选址经验,后续推广难以规模化 客群洞察分析:帮助企业准确锁定目标客群，实现企业客群定位与商圈客流客群之间的精准匹配 商圈区域分析:丰富的数据支持面,向位置的决策因子可视化呈现 同行竞争分析:周边区域同行分布情况 实践效果上:快速产出决策报告,大数据选址决策周期短;有更多的定量决策因子,选址决策更科学 沉淀及推广上:形成一套选址决策的定性及定量的解决方案并沉淀,为后续规模化拓店的提供复用经验 门店选址： 人群洞察分析 调研及问卷设计 评估体系构建 决策分析建议 Step1:洞察分析   人口属性 •性别 •年龄 •职业 •婚姻 •常驻地 •消费能力 •… 设备信息 •汽车品牌 •手机设备 •手机型号 •… 兴趣偏好 •教育偏好 •娱乐偏好 •POI偏好 •资讯偏好 •… 调研业务专家对选址目标因子,选择决策因子 Step2:问卷设计   设计问卷,轮次调研业务专家对选址决策因子重要性系数 门店选址： 人群洞察分析 调研及问卷设计 评估体系构建 决策分析建议 Step3:评估体系 Step4:决策建议 目标=a1*人流+a2*目标人群+a3*同业竞品 O(XX教育类体验店选址评价指标体系）+a4*交通情况+a5周边消费力 权重a1 权重a2 权重a3 权重a4 权重a5 人流量 目标人群 同业竞争 交通情况 周边消费力 目标层 指标层 定性与定量相结合的层次化的评估体系 多层次的分析结构模型,确定最底层相对最高层的相对重