<menuitem id="bnags"></menuitem>

    <ins id="bnags"><video id="bnags"></video></ins><mark id="bnags"></mark>
  • <ins id="bnags"></ins>

      <tr id="bnags"><small id="bnags"></small></tr>

    1. 首頁 大數據百科行業大數據正文

      零售行業在大數據時代 怎樣找到新的發展機遇

        大數據時代,零售行業有哪些影響,讓我們看看如何從紛繁復雜的數據中,找到新的發展機遇。

      零售行業在大數據時代 怎樣找到新的發展機遇

        零售業擁抱大數據:用數據讀懂消費者

        在過去一年,“大數據”的概念持續加溫,熱度已經覆蓋除互聯網以外的各個行業。關于大數據的概念已經無需再多說,大數據不僅僅是“看起來很美”,如何有效運用大數據創造商機,讓大數據更好的發揮其自身的價值,為企業帶來更多的效益,成為了各個企業亟待解決的問題。

        大數據的起源要歸功于互聯網與電子商務,但大數據最大的應用前景卻在傳統產業。一是因為幾乎所有傳統產業都在互聯網化,二是因為傳統產業仍然占據了國家GDP的絕大部分份額。

        具體來講,中國最需要大數據服務的行業就是受互聯網沖擊最大的產業,首先是線下零售業,其次是金融業。受電商的沖擊,國內很多零售巨頭都增長嚴重放緩,甚至遭遇負增長,線下零售已經到了不得不變革的危機關頭。我們看到銀泰百貨、王府井百貨、萬達集團這些具有創新意識的傳統巨頭開始利用互聯網和大數據來改造線下商業。坐擁成百上千門店的傳統零售企業,該如何面對迅速興起的互聯網戰場?擁有海量會員信息和購買記錄的傳統零售企業,在逐漸變革的消費市場中如何利用數據優勢迅速搶占市場?

        在所有的零售渠道中,實體店占據著絕大多數的市場份額,但是線上渠道的吸引力在迅速增強,并且以中國消費者尤為突出。隨著線上線下購物逐步融為一體,生存和成功將取決于零售商通過各種渠道接觸到消費者的能力,更重要的是其為消費者提供多渠道的無縫連接購物體驗的能力。如今掌握主動權的消費者希望能同時享受線上線下兩種渠道的優點,并將會到那些能夠提供優異的多渠道購物體驗的零售商那里購物。

        如何建立一個線上線下無縫連接的品牌和購物體驗方便消費者的選擇,從而贏得顧客的忠誠度和持久的客戶關系?這些曾經棘手的問題,如今都迎刃而解。國內大數據技術服務商百分點推出的大數據管理平臺(BigDataManagement,以下簡稱“BDM”)通過整合第一、二、三方的用戶數據,對數據進行清洗、加工和建模,為企業的戰略、運營、管理、市場、營銷等提供各種數據產品和應用。傳統零售業擁有海量數據。每天,每筆交易、每個訂單、每次促銷、都會產生無數的數據。一個值得關注的現狀是,目前大部分的企業還沒有將這個數據利用起來。這些數據的整合和解讀將是企業無形的資產,并成為企業最大的優勢,幫助傳統零售企業在瞬息萬變的互聯網市場迅速搶占一席之地。

        那么,零售商們應該如何將大數據運用到商業活動中呢?來看看百分點是如何描繪的。

        A用戶是一位標準的攝影發燒友,我們知道他最常瀏覽的網站就是“攝影愛好者論壇”。某天當A用戶打開一個網站準備瀏覽今天的新聞,卻被相機廠商發布在網站首頁的廣告迅速的吸引。A用戶發現正是他關注的“新款鏡頭”,于是A用戶決定去實體店看看。是的,百分點BDM通過A用戶的瀏覽習慣等知道他是個理智型消費者”。

        當A用戶來到實體店時,一場數字化旅程即將開始。作為某商城的會員,A用戶用商城會員卡買了咖啡,發現購物小票上顯示“會員今日購買數碼類產品享受9.0折優惠。登陸該商城免費的Wi-Fi時,A用戶又收到商城推送的個性化推薦信息“最新款鏡頭,今日購買可低價換購相機包”。最終,A用戶以優惠的價格買下了心儀已久的“最新款鏡頭”,并得到了“x商城”低價換購的“相機包”。

        在上面的故事中,“攝影愛好者論壇”、“相機廠商”、“網站”、“商城”都是百分點大數據家族的一員。百分點BDM收集社交媒體、論壇和第三方的海量數據,并加以分析整合,宏觀用戶畫像顯示“85%的消費者在購買單反之后的兩年內會購買鏡頭?!?/p>

        以上只是百分點BDM對用戶分群、畫像,并將這些信息利用到商業活動中的舉例。事實上,98%的中國消費者希望零售商能夠利用他們掌握的信息提供個性化的促銷和建議。在這個領域中,百分點關注兩方面的內容,一是將線上線下數據的打通,為用戶提供一致的購物體驗;二是將電商的經驗運用到傳統賣場,為他們提供新的營銷手段。

        百分點BMD通過對海量數據的整合和解讀更好地了解和預測消費者行為,掌握消費者偏好和需求甚至終生客戶價值,以便把握住全新的促銷機會,為他們提供更多個性化的產品和服務。通過融合多方數據,零售商為消費者提供創新的購物體驗,促進消費者的品牌忠誠度和重復購買,進一步實現零售商的利潤和市場份額的增長。

        作為大數據服務商百分點一直致力于大數據的技術的研發和應用。百分點利用大數據分析技術為用戶畫像,以及利用用戶畫像來幫助企業實現個性化服務。在任何一門生意中,能夠讀懂用戶并分析用戶數據來預見未來都是行之有效的,這也是未來商業創新發展的必由之路。

        大數據推動商業銀行零售業務轉型升級

        伴隨金融自由化與金融創新不斷深入,全球金融業的發展出現了深刻的變化,國內外商業銀行發展理念和經營模式不斷調整。在商業銀行諸多業務中,零售業務是與個人和家庭聯系最為密切的銀行業務,由于具有龐大的客戶資源以及強大的價值創造能力,越來越受到商業銀行的重視,并逐漸成為商業銀行最具發展活力的業務領域。

        零售銀行業務集中體現了商業銀行以客戶為中心的經營戰略,銀行依托現代化管理手段為個人、家庭以及中小企業提供綜合性、一體化的金融服務。中國銀行業零售業務以20世紀90年代中期儲蓄卡的推廣為標志,正式進入高速發展階段,逐漸形成一套完善的零售業務體系,并成為中國銀行業未來發展的必然趨勢。對于國內商業銀行來說,當前正處于零售銀行業務發展的“黃金時代”。然而,現階段各家商業銀行零售業務的營銷手段存在同質化問題,產品結構單一化現象嚴重,導致巨大的成本投入稀釋了銀行收益。在信息技術、網絡技術和互聯網金融高速發展的現在,各商業銀行逐漸開始重視運用大數據分析與挖掘技術服務于零售業務的轉型升級。

        大數據推動零售業務轉型升級

        商業銀行同業競爭的日趨激烈以及互聯網金融的巨大沖擊“倒逼”傳統銀行加速轉型,零售轉型成為銀行轉型的核心任務。大數據體量巨大、種類繁多、價值密度低以及處理速度快的特點與銀行零售業務的發展高度契合。因此,作為未來銀行競爭核心的零售業務,其轉型升級的關鍵在于大數據分析與挖掘技術的深度應用。

        大數據推動零售負債業務轉型

        零售負債業務是商業銀行最主要的資金來源之一,是其賴以生存的基礎。儲蓄存款則是零售負債業務中最重要的組成部分。然而,隨著利率市場化的不斷推進,央行逐漸放寬存款利率上限,各大商業銀行爭相提高存款利率,零售負債市場競爭愈加激烈,商業銀行傳統的零售負債業務面臨著巨大的轉型壓力。

        儲蓄存款業務從本質上來說就是對客戶數據庫系統的分析與應用。業務人員只有在全面了解客戶的家庭、收入、興趣偏好以及風險偏好等信息之后,才能準確把握住客戶的存款需求。大數據分析技術不僅能對20%的結構化數據進行精確分析,還能有效運用80%的非結構化數據,提高數據分析的準確度。大數據不僅可以從內部掌握客戶的屬性數據、賬戶信息以及交易信息,還能通過外部網絡了解客戶的行為數據和渠道偏好等社會化數據,掌握客戶的真實需求,并在此基礎上設定產品,激發客戶的存款興趣。并通過多種渠道對產品的市場推廣度、受眾覆蓋率、盈利能力以及用戶的反應情況進行深度挖掘,在此基礎上進行產品的優化升級,發掘新的價值增長點。

        大數據推動零售資產業務轉型

        零售資產業務是商業銀行利潤的主要來源之一。當前國內銀行業零售資產業務以個人貸款為主,近年來呈現出規模增長迅速、產品結構多元化的發展態勢。以招商銀行(600036,股吧)為例,截至2014年上半年,招商銀行個人貸款余額為8630.54億元,比上年末增長7.85%。然而,國內各大銀行零售資產業務,尤其是個人貸款產品同質化現象比較嚴重,同時產品的風險管理不到位,導致銀行缺乏核心競爭力。在互聯網金融的大環境下,商業銀行運用大數據分析技術可以推動零售資產業務轉型。

        在個人貸款業務中,運用大數據可以實現個人貸款業務全周期各階段的轉型升級。首先,在產品設計階段,通過大數據綜合分析客戶的屬性數據與行為特征。通過對客戶賬戶信息的分析,了解客戶家庭、經濟、信用情況,洞悉客戶的消費行為偏好,制定差異化的貸款產品;其次,在貸款申請階段,大數據分析促進了大數據信用評級分析法的形成,如神經網絡信用評分法與支持向量機(SVM)信用評分法。銀行利用大數分析在極短的時間內對客戶的消費、收入、職業、信用狀況等信息進行整理,并迅速預測出其信用變動及未來行為狀況,以支持信貸審批。最后,在貸后預警風險管理階段,銀行可以通過收集客戶的交易記錄,并且綜合分析該客戶的微博、微信、郵件、視頻、語音等非直接交易數據,進行數據的二次挖掘,并與歷史信息進行對比,篩選出異常信息,加強對異常信息的關注度,實現實時監測。

        大數據推動零售中間業務轉型

        中間業務能夠為銀行帶來豐厚的非利息收入。在利率市場化的大趨勢下,商業銀行依賴傳統的利差收入難以維持長久穩定的發展。銀行為了實現利潤最大化的最優目標,必須大力發展中間業務。以財富管理與信用卡業務為例,在互聯網金融模式下,商業銀行加快零售中間業務的轉型升級,必須依靠大數據等高新信息技術。

        根據帕累托“二八定律”,銀行可以從關鍵的20%的客戶中實現80%的利潤。因此,有選擇地甄別出這20%的核心客戶,對提高銀行的經營效率至關重要。在傳統的客戶關系管理過程中,商業銀行缺乏對客戶信息的整合,個人消費貸款、信用卡以及個人理財業務被分散到各個不同的專業管理部門,客戶信息存在片面性,無法對客戶進行有效分類,缺乏差別化服務,直接導致客戶忠誠度下降。運用大數據,銀行可以全面了解客戶情況,將客戶的屬性數據、賬戶信息、行為偏好以及生活場景結合起來進行分析,形成更加清晰準確的客戶畫像,并通過深度學習,從海量的客戶數據中找尋復雜的規律,運用大數據的聚類功能進行客戶的精細化分類,并從中識別出真正能給銀行帶來收益的優質客戶。

        在財富管理業務中,商業銀行從財富、消費、年齡、教育、職業五個維度研究客戶的金融偏好,建立零售業務數據倉庫,為其提供有針對性的服務,提高客戶滿意度和忠誠度,維護客戶關系以防止客戶流失。在信用卡業務中,銀行可以從大量的屬性數據以及行為數據中,推斷出客戶不同的消費習慣與消費能力,從社交網絡平臺上分析客戶情緒,挖掘客戶的不同需求,將機器算法與人工預測相結合,準確地預測出客戶未來的消費行為,提高客戶使用信用卡的有效性。同時,通過數據分析對持不同卡種的客戶采取差異化營銷策略,對持卡消費者的消費行為進行實時監控和提前預測,通過大數據行為評分模型可以對持卡人的信用風險進行評估,以便及時調整客戶信用額度。

        構建零售業務大數據模式

        在未來的銀行業競爭中,對于數據的分析和挖掘將成為決定銀行經營成敗的關鍵。零售業務由于其本身擁有龐大的數據量,更能體現大數據分析的優勢。在當前經濟“新常態”背景下,隨著互聯網金融理念不斷深入,構建商業銀行零售業務大數據模式對推動銀行業轉型升級意義重大。

        搭建大數據平臺

        傳統的數據處理致力于對結構化數據的分析與整合,然而在大數據背景下,傳統的數據庫已無法滿足大量半結構化,甚至非結構化數據的處理要求。因此,必須加快建立零售業務的大數據分析平臺,整合銀行內部自然數據,協同外部社會化數據,完善大數據環境下的銀行數據分析,提高銀行決策效率。

        全面整合銀行內部數據?,F代金融生活中,零售銀行業務與個人、家庭聯系密切,儲蓄存款、個人消費信貸、投資理財以及家居生活無不涉及到零售業務。正是由于零售銀行業務的客戶基礎龐大、業務量巨大,商業銀行在與客戶聯系的過程中,積累了大量的信息數據。這些數據幾乎包含了市場和客戶信息的方方面面。從現有客戶的屬性資料、賬戶信息,包括客戶的性別、年齡、職業、收入和資產狀況,到客戶的交易信息、渠道信息和行為信息,包括交易時間、交易類型以及消費偏好。這些信息伴隨著客戶交易不斷更新與積累,并儲存到銀行內部的數據庫系統中,形成龐雜的分散化數據體。商業銀行必須以內部信息技術系統為基礎,整合銀行內部各業務單位的客戶關系信息,將各類渠道所有交易中的客戶信息綜合記錄起來,建立一個統一的數據分析平臺,為銀行經營決策奠定數據基礎。

        綜合運用銀行外部數據。商業銀行必須重視并加強對各類數據的收集和積累,打破傳統數據邊界,注重加強與社交網絡、電商企業等大數據平臺的交流與合作。商業銀行在完善自身數據的基礎上,積極建立與網絡媒體的數據共享機制,通過多渠道獲取更多的消費者數據信息。一方面,充分利用社交網絡、論壇、微博、微信平臺等新媒體工具,整合現代化客戶交流渠道,增強與客戶的互動聯系,打造人性化的銀行品牌形象,維護良好的客戶關系。另一方面,加強與互聯網金融企業的競爭合作。在眾多網絡交易的支付結算中,銀行往往處于支付鏈末端,難以獲取有效信息。因此,商業銀行必須與電信、電商等互聯網企業合作,加強數據信息共享互利,促進金融服務與電子商務、移動網絡的融合。例如,2009年中國建設銀行與阿里巴巴合作,共同開展網絡信貸業務,在“銀行—電商企業”的合作模式方面進行了有益的探索??傊?,商業銀行將內外部數據進行有效整合,以形成更加完整的客戶圖像,促進客戶管理的精細化與銷售的精準化,實現零售業務數字化管理。

        提升經營決策效率

        近年來,隨著各外資銀行進入中國市場,國內商業銀行面臨更加激烈的市場競爭,各大銀行紛紛進入轉型經營的深水區,普遍確立以客戶為中心的服務理念,致力于拓展客戶規模、增強客戶粘度。然而與國外發達銀行相比,國內銀行業產品服務同質化現象依舊嚴重,缺乏對客戶群的深度了解,造成客戶依存度不足,客戶流失概率大,嚴重影響了銀行的日常經營。

        因此,在大數據時代,商業銀行的經營決策重點必須轉向對客戶需求和客戶體驗的關注,提高客戶粘度。通過大數據平臺整合內外部數據資源,預測發現市場熱點和發展趨勢,樹立“以需求為導向”的經營理念。深入分析客戶行為和生活形態,勾勒客戶整個生命周期的價值曲線,洞悉客戶在金融產品、信貸、消費等方面的需求與客戶流失的原因。充分運用微博、微信等社交網絡平臺的非結構化社會信息,建立新型的數據化投資策略模型。微博、微信信息是一種典型的大數據,一般以文字、圖片、視頻和音頻的形式存在于互聯網平臺,由于其受眾廣泛、擴散速度快而逐漸成為人們日常生活中交流信息的重要方式。

        商業銀行應積極探索微博、微信與投資決策相結合的模式,不斷挖掘社交網絡信息中的“數據財富”。例如,根據微博中客戶的情緒判斷客戶對銀行產品的滿意度,并以此為基礎進行產品升級;根據客戶日常的微博關注判斷其興趣愛好和投資偏好;根據客戶手機定位信息判斷其所處的地理位置,實時推送促銷信息;搜集小微企業的微博動態,分析其企業聲明,并從中推斷出該小微客戶的日常經營狀況及信譽狀況。商業銀行應在對客戶充分了解的基礎上,有針對性地制定全流程的客戶經營策略,并應用數據分析提升客戶經營策略的持續優化能力。

        創新業務銷售模式

        零售業務,“渠道為王”,商業銀行通過銷售渠道創新可以吸引客戶,搶占市場先機。在互聯網思維和大數據分析技術的時代背景下,銀行應積極探索適應互聯網金融時代線上線下相結合的渠道經營策略。線上根據大數據分析結論創新移動金融產品、依托預測模型開展精準營銷;線下研究智能化、社區型銀行網點的布局和服務方式,實現基于身份識別的定制化信息推送、遠程智能開卡以及視頻服務等。

        2014年8月8日,江蘇銀行直銷銀行正式上線,打破時間和空間的限制,擺脫實體網點,向客戶提供純線上金融服務。然而其業務范圍僅限于個人理財、消費繳費等中間業務,難以真正實現嚴格意義上的網絡信貸(如P2P)等互聯網銀行業務。商業銀行應積極探索互聯網銀行模式,打造“大而全”的網絡金融平臺,充分利用人臉識別技術和大數據信用評級等新技術,將存款、融資、信貸、理財等功能融為一體,在大量客戶資源和強大數據系統的基礎上,實現供應鏈金融與互聯網金融的一體化銷售。

        此外,銀行還應積極打造基于大數據的金融服務平臺,應用多元化的產品銷售模式:一是拓寬渠道,綜合利用網上銀行、手機銀行、電商平臺、短信微信推送以及第三方平臺擴大受眾群體。二是建立機構投資者和大客戶的客戶信息網絡,實時跟蹤客戶投資偏好的變化,有針對性地進行產品服務實時推送,加快轉變傳統“跑馬圈地”的粗放經營模式,實現“精準營銷”集約化方式的創新升級。三是關注市場動態,準確預測市場變化,基于大數據分析與挖掘,充分利用信息平臺優勢、結合產品市場動向,及時反饋市場變化,以輔助銀行后臺進行有效的流動性管理。

        完善信貸審批模型

        平衡收益與風險是銀行維持長久發展的根本保障。隨著利率市場化程度不斷加深,外部市場環境日益復雜,商業銀行業務經營面臨的流動性問題愈加嚴峻。面臨不斷提高的風險管理要求,商業銀行應引入大數據思維,樹立“用數據防風險”的新型風險管理理念。在大量的金融及非金融數據中,通過不斷學習總結數據之間的內在關系,運用大數據相關關系分析法,結合機器算法模型找出隱藏在海量數據中的客戶與風險之間的量化關系。充分利用銀行內部歷史數據以及阿里巴巴B2B、人人貸、淘寶等電商平臺上積累的海量客戶信用信息與行為數據,通過互聯網數據模型和在線資信調查,結合第三方驗證形成交叉檢驗,確認客戶信息,進行信用評級,并根據客戶的信用等級實行差異化的貸款定價。

        數據規模的優勢可以彌補數據質量的不足,并在極短的時間內對海量原始數據進行分析,更精確地評估客戶的信用風險。同時,依托大數據,搭建風險計量與欺詐防范模型,實行現場跟蹤調查與非現場信息分析相結合、數據定量判斷與經驗定性判斷相結合,研究對授信客戶從貸前到貸后全生命周期的風險監測手段,建立綜合式的風險監控中心。由大數據系統根據客戶的歷史數據對其貸款額度和貸款利率進行每月動態調整,以大數據思維構建全面風險管理體系,淡化部門色彩,推行全銀行風險管理,深度挖掘客戶信息,真實展現授信客戶的信用狀況。注重貸后持續風險監測,實時跟蹤客戶交易,若出現交易、存款等大幅度變動的異常情況,及時進行現場審查,以確保貸款安全。

        從實踐的角度看,阿里金融充分利用淘寶、支付寶、余額寶、阿里巴巴B2B等平臺的先天優勢,積累了海量用戶信用和行為數據,并在此基礎上進行流動性管理,這為國內銀行業利用大數據分析技術進行風險管理提供了良好的借鑒。

        加強人才隊伍建設

        大數據時代,隨著海量數據信息的爆炸式增長,商業銀行內部數據不再僅限于客戶的基本自然數據,其數據的種類與規??焖倥蛎?,傳統的數據管理系統已很難做出準確的客戶分析。對于當前的大數據分析而言,需要分析人員具有更強的數據分析解讀能力和應變能力。他們不僅需要精通數據建模和信息挖掘,還需要具備良好的銀行業務知識,能夠將大數據分析技術與銀行業務完美的結合起來,其關鍵在于打造一支屬于銀行的專業化復合型大數據分析團隊。

        因此,各商業銀行應積極實施人才戰略,重點推進大數據人才隊伍建設。重視人力資源管理,完善員工收入分配制度,激發員工工作的積極性與創造性。加強對銀行員工的大數據分析培訓及文化培訓,增強團隊凝聚力,打造專業化的大數據分析團隊。商業銀行應完善崗位設置,在培養自己的大數據分析人才的同時,注重引進外界優秀的大數據人才,全面提高銀行整體的素質,營造良好的商業銀行互聯網金融文化氛圍。

        結論

        經濟“新常態”背景下,隨著利率市場化以及“金融脫媒”的不斷深入,我國商業銀行的發展面臨著巨大的轉型壓力。零售業務作為未來銀行競爭的焦點,是商業銀行創造核心競爭力的關鍵領域。推動零售業務的轉型升級對商業銀行的未來發展至關重要。而伴隨信息技術與網絡技術不斷普及,大數據金融思想逐漸深入人心。大數據由于其經濟性、時效性的特點,逐漸被應用于各類零售銀行業務中,掀起了商業銀行生產率增長的新浪潮,成為零售業務創新升級的關鍵?;趯ヂ摼W金融的深入了解,商業銀行逐漸明確了大數據時代的發展方向:基于大數據理念構建銀行大數據分析平臺,掌握客戶需求,提升價值創造能力,重塑零售業務銷售與收入模式,完善銀行信貸審批機制,加強大數據人才隊伍建設,提高銀行經營管理水平。

        為什么說不懂數據思維和零售思維就不要從事零售業?

        做零售行業誰都離不開數據,我一直認為數據和科技是改變未來行業的兩大主題。其中數據尤其重要,但是反過來看,不管是線上零售還是線下零售,對數據的重視程度是千差萬別,特別是傳統零售。數據思維和零售思維這塊基本上很弱的。

      為什么說不懂數據思維和零售思維就不要從事零售業?

        數據思維

        我說幾個問題大家可以自測一下,看你們知不知道自己的數據:

        1、你們知不知道這個月截止到現在為止,你們的店鋪或者說你們區域VIP卡的貢獻率是多少?

        2、上周你負責的店鋪和負責的區域或者你公司的退貨率是多少?

        3、上個月你的顧客的流失率是多少?

        4、你的店鋪銷售團隊的流失率是多少?

        這四個數據如果你們能在30秒鐘之內回答出來,證明你的數據化管理得不錯。如果回答不出來,說明你的數據思維還比較偏弱。實際上這幾個是我們平時不管是線上還是線下經常用到的數據,這些數據也許不是你本身工作內容,但是這些數據一定是每天的工作中,或者月會、周會上你經常聽到的數據?;卮鸩怀鰜碇徽f明當時你沒有把他們”存儲“下來。

        如果這幾個數據管理失效的話,會讓你的績效考核、團隊管理、企業數據化管理失效等等。有很多的危害。

        比如說VIP卡的管理,VIP卡的貢獻率,我曾經遇到一個店鋪,它一年銷售兩三千萬,而其中62%的銷量來源于同樣一張VIP卡,做過零售的大概應該知道這里面的問題是什么。問題就是,大家都用同一張VIP卡。表面看上去沒問題,大不了是店員刷點積分,年末拿點禮品,但是里面有天大的漏洞。

        會員卡一般都有打折的功能,如果一個顧客是現金買的,但店員按打折之后的價格錄入系統里面,這里面的差價就很有可能被店員吃掉了。如果你在企業里面不關注這個數據,有可能你的績效考核失敗,因為他從VIP卡里面拿到的差價就可能大于他通過績效拿的獎金,這樣他還會在乎你的目標?肯定不會。

        剛才問大家的數據里的第二個數據是退貨率。退貨率表面上沒什么關系,而實際上退貨率仍然存在秘密。一些零售店鋪的老手可以利用店鋪在搞促銷低價與正常售價之間的時間差,利用退貨單來賺差價,細節我就不說了。這也會讓你的績效考核失效。

        所以從這個方面來看,要想有數據化管理,首先是對數據的管理。首先把你平時常規要用到的一些指標、一些數據在你心中進行管理。像退貨率你需不需要每天、每周、每月都去統計?看哪些店鋪有異常,還有團隊的流失率你不關心嗎?

        所以數據思維的第一步就是進行數據的基本管理,先得有數,這里面第一個要有數據意識,看到一些重要的數據要把它記下來,不管是記在頭腦當中還是電腦里面,要有這種意識。同時也要求我們的店鋪或者下屬,或者我們的代理商要實時準確客觀地傳遞數據給你們,對企業來講如果店鋪沒有實時管理這些數據,談數據化管理就是白談。

        數據思維的第二步是要有養數據的意識

        我前兩天跟一個朋友聊天,他說他的企業要用大數據進行管理。我說你現在連數據都沒有,怎么進行大數據管理?我們現在大多數傳統零售暫時不需要大數據管理,我們現在只需要小數據管理。

        大數據化不是說數據多就叫大數據,千萬不要這樣誤解,是錯的。而我們傳統領域的數據往往都是小數據,離大數據還有很遠的距離。特別是我們很多零售店鋪連最基本的數據都沒有,比如有的店鋪某天做了10張單子,下班以后店長再把10張單子統一成一張單子錄到系統里面,這樣我沒辦法算出客單價和連帶率,而這是零售店鋪管理非常非常重要的指標。所以數據思維歸根結底先得有數據,再去積累數據,最后把數據運用到業務中去,我們才能談得上去做分析,去做績效考核,去做管理。

        養數據包括把現有的數據質量提高,或者是把有些目前看似無用的數據納入數據庫中去,第三是要有前瞻性養數據意識,提前布局。

        零售思維

        做零售行業的應該都知道,就是那三個字:人、貨、場。做零售的每個人都說,每天不說幾次就好像OUT。這三個字能化解我們零售行業遇到的絕大多數的問題,遇到問題之后我們都從這個角度去做思考。比如說某個區域的客單價下降,對很多傳統零售商來講,他想到的是什么原因客單價下降,而不是主動去思索里面的邏輯??蛦蝺r可能跟商品有關,也可能跟人有關,也可能跟場有關,所以我們需要從人、貨、場三個方面去思索客單價下降的原因是什么,才有找到背后的原因。而不是遇到一個數據出現問題,我們就去找答案,答案實際上是藏在邏輯里面。邏輯里面就是人、貨、場。

        回到剛才說的客單價的案例,跟人有關,第一個跟顧客有關,第二個跟店鋪員工有關,這樣就分成了兩維。而這兩維里面還可以細分,顧客可以分成新顧客、老顧客、會員顧客或者中端顧客、高端顧客、低端顧客,到底是哪些顧客在下降?這里面就需要數據分析,去做對比,這就是數據化思維和人、貨、場的結合。第二個是員工,我們也分成老員工、新員工。是老員工的問題還是新員工的問題?貨和場也可以都往下延伸。

        零售業90%的問題都可以歸納到人貨場的思維模式中

        我每次在給企業做培訓的時候,都會用一個案例,用人、貨、場的思維邏輯建立一個評價體系,將男朋友轉化成老公的評價體系。就看你能不能想到男朋友或者是老公跟哪些人有關,或跟哪些貨有關,這里面的貨難道是指的商品嗎?肯定不是商品,是指的貨幣和未來的價值,這是貨,所以人、貨、場之所以被稱為零售行業的基本思維模式,是因為它還可以擴大,還可以去延伸。

        這是一張圖,當我們發現店鋪或者區域數據出現異常的時候,應該有怎樣一種思維邏輯、思維方式。當我們發現店鋪的數據出現異常,例如成交率下降以后,很多人的思維就是直接去找背后的原因,而不是先去梳理數據和邏輯,這樣反而不容易找到背后的原因。所以我們去做零售思維的時候,一定要有邏輯。

        繼續用客單價來比喻,如果發現某個店鋪的客單價異常,我們第一步要想這里面數據源是不是有問題,是不是算錯了?如果建立在錯誤數據源基礎上去找委托的原因,自然就是拍腦袋做無用功。比如客單價的數據上很有可能是去年團購拉高了客單價,今年沒有團購客單價當然自然就下降了。這個時候你還得去找客單價下降的原因是不是就沒有任何意義?

        所以遇到數據異常的先要看數據源是不是有問題,如果數據源沒有問題,那么看同一個品牌下,A店鋪如果客單價下降,我們要看同一品牌下面B店鋪、C店鋪、他們有沒有客單價下降的情況,如果別的店鋪也有客單價下降的情況,說明這是一個品牌共性的問題,而不是單單這一個店的問題,你就不能只找這一個店的毛病,去找整個公司或者區域的品牌出現了什么客單價的原因。

        如果同一品牌下面別的店鋪,或同一個城市的別的店鋪沒有這種客單價下降的原因,只有這個A店鋪有客單價下降的原因,這個時候我們要過渡到第三步,要看本區域內其他對手有沒有此問題,A品牌客單價下降了,同一個商場里面B品牌客單價有沒有下降,C品牌有沒有下降,D品牌有沒有下降,如果整個區域里面大家的客單價都在下降的話,說明是整個區域出現問題了,而不是單單A品牌這個店的問題,思考問題的方式又不一樣了。

        如果說區域也沒問題,就是A品牌在這個店有問題,競爭對手沒問題,其他店鋪也沒有問題,這個時候才可以用人、貨、場進行思考了。找到和人、貨、場相關的一些數據進行分析,有沒有人的問題,有沒有貨的問題,有沒有場的問題,就回到剛才我們說的人、貨、場的那種思維邏輯里面。

        看趨勢、看對比,最終找到問題產生的原因,這就是將零售思維和數據思維相結合的一個非常好的一張圖片,你可以慢慢品嘗這張圖片。這張圖片很強大的,當然有時候我們發現某個店鋪的客單價出現問題,同時發現整個品牌也出現問題了,或者整個區域也出現這個問題了,也就意味著同時具有品牌共性和區域共性的問題。出現這種情況,那就說明一個問題,那就是市場出現了問題,那個時候就不是對一個店和一個品牌的問題,是整個大環境的問題,就需要用其他方法去解決。

        無論是數據思維還是零售思維都需要花時間去練習,讓他們變成一種思維習慣。

        相關閱讀:

        淺析零售業大數據構成要素

        傳統零售業的精準營銷:大數據的魅力

        注:本文系數據觀原創精編稿件,轉載請注明來源:數據觀www.www.boursojobs.com,百度一下“數據觀”,獲取更多大數據相關資訊。

        數據觀有相應的APP

        下載到手機請掃描以下二維碼

        數據觀APP手機安卓版下載,請掃下面的二維碼(安卓QQ掃描下載)

      ????

        數據觀APP手機蘋果版下載,請掃下面的二維碼

      ????

        下載到電腦請點擊以下兩個鏈接

        數據觀APP安卓版下載地址

        數據觀APP蘋果版下載地址

      責任編輯:張琰

      分享:
      延伸閱讀
        數博故事
        貴州

        貴州大數據產業政策

        貴州大數據產業動態

        貴州大數據企業

        更多
        大數據概念_大數據分析_大數據應用_大數據百科專題
        企業
        更多
        两个人的房间在线观看完整版