如何赋能新零售?用数据分析做好营收追踪,资产管控

在趣分析看来,零售业的升级是一个商业与技术不断激荡交错的过程中。其中,传统零售企业拥有行业视角的广度,而大数据技术公司手握单点技术的深度,两种不同基因的交汇融合将为行业发展提供更大的推力。

标签:数据分析 数据赋能 行业应用 零售业 | 发布时间: 2020-07-21 17:02:47

大数据推动时代发展的今天,传统零售行业面临着重大变革。

截至目前,Online&Offline的新零售模式,开启了零售行业的新篇章。那么新零售如何将传统的“人”“货”“场”三者进行高效的连接,达成更多、更快、更好、更省的目标呢?

答案毋庸置疑——利用数据赋能,将传统便利店的“人货场”模式进行全面升级。新零售本质上还是零售,它是一种更高效的零售,通过将数字技术应用到各个环节,将数据转变为新零售的内在核心驱动力。互联网擅长信息流的“高效维度”,更快、更全、更便宜;线下擅长信息流的“体验维度”,更复杂、更多感、更立体。用数据将信息流、资金流及物流融会贯通,打造新零售智慧门店,用数据创造利润。

在趣分析看来,零售业的升级是一个商业与技术不断激荡交错的过程中。其中,传统零售企业拥有行业视角的广度,而大数据技术公司手握单点技术的深度,两种不同基因的交汇融合将为行业发展提供更大的推力。

 

零售业行业数据分析应用背景

 

1.数据的统一性、完整性较差

由于数据整合系统的缺失,票务、餐饮、零售系统各自独立,没能对各个系统数据进行整合,导致数据相互独立,形成一个个数据孤岛,数据价值难以得到充分的发挥。很难得到统一、完整、直观,并能从各个业务主题与维度展现运营活动的管理数据。

同时,在企业经营管理、经营决策、战略决策、风险管控上,经常出现信息数据依据不足、不准确,判断困难的情况。如何有效进行数据整合以响应企业运行效率,也是零售行业数据决策的实际需求。

 

2.数据响应不及时

现在行业应用的业务系统比较多,随着业务系统的越来越多,收集的数据越来越细,使用系统的时间越来越长,数据量的增长越来越快。但现有的系统无法对数据量比较大的数据进行快速响应。

而且,传统的数据应用模式中,业务部门需要将数据需求提交给IT处理,但IT的人力不能保证对分析需求的及时响应,对一些报表的调整也十分不容易。

 

3.缺少多维度的数据分析平台

以顾客分析为例:

一、不能掌握顾客消费轨迹,无法对顾客的消费进行引导经营。通过对会员消费数据的积累,可以对会员消费轨迹、消费规律进行分析,以此来调整计划公司运营策略,提升会员的二次消费能力。

二、无法掌握顾客群体属性,导致缺少提升服务水平的重要参考项。服务业市场化充分,竞争压力相对较大,顾客对服务质量的要求相对较高,缺少对会员的有效管理,无法掌握企业顾客群体属性,企业难以走到消费者签名,提供更出色的服务体验

 

趣分析——解锁数据分析利器

 

倘若能解决零售行业业务人员分析数据“难上加难”的困境,对于提高内部企业人效和对外赋能都具有极其重要的战略价值

利用公司ERP和趣分析的结合,从最规范的财务数据分析,到各个业务部门的数据分析,再到公司投资企业的数据监控等等。趣分析可以快速应用于公司各个能产生有效数据的地方。

 

  • 业务人员通过新建自助数据集,可以从不同的表中取出自己需要分析的字段,通过趣分析内置的数据处理功能,进一步对数据进行简单处理加工。

如何赋能新零售?用数据分析做好营收追踪,资产管控插图

 

  • 数据处理好后,可以新建仪表板,趣分析的组件能够自动识别出哪些是维度,哪些是指标。通过简单的拖拽操作,将数据通过不同的图表类型展示出来。

如何赋能新零售?用数据分析做好营收追踪,资产管控插图1

 

应用趣分析后,数据分析境况会发生很大转变,数据的处理速度提高了40%,对于数据处理和数据呈现分配的员工资源节省了30%,同时:

1、 数据分析门槛降低,业务人员也能够对数据进行处理,无需大量的使用函数、复杂的公式或者是sql,需要做的就是思考清楚自己想要将数据处理成什么样的效果,趣分析中都有现成的功能,直接使用即可,这大大降低了数据分析的门槛;

2、 财经中心作为趣分析首先试水的部门,基本实现了财务共享中心的对账结算的自动化。财务结算人员只需要导入订单数据,便能够与业务数据进行对账和生成收入成本的核算数据。

3、 同时投融资部门通过趣分析导入数据,分析被投业务的经营损益,对于敏感业务能够做到每日跟踪被投单位的数据变化;

4、 对于业务部,趣分析可以每次在历史数据的基础上追加数据,做好的分析同步更新,业务部门省去了做日报、周报、月报的时间。大大解放了员工劳动力的同时,也增加了数据报出的及时性和准确性;

 

案例分享


以下,以便利店分门店类型营收监控、连锁超市运营监控、人资分析3个零售应用趣分析进行数据分析和监控的场景为例,和大家分享一下趣分析是如何助力新零售企业做大做强,快速探索优质的运营模式的。


1.优质的新型便利店不是将一家店简单地复制为N家


新型便利店的生长分为两部分,其一是水平生长,即新店数量的增加;其二是垂直生长,即单店日商的同比成长。如果只有水平生长而单店日商丝毫不动,则表示店铺的竞争力在衰退。如果只有单店的垂直生长而水平维度并没有延伸,则表示市场占有率不足。

优质的新型便利店并不是将一家店复制为N家,而是对不同类型门店进行实时监控,对比分析,优胜劣汰,不断探索适应市场需求的门店类型,不断更替效益更好的店铺,提高市场的竞争力,如此才能与当前瞬息万变的经济型社会进行紧密联系,不被时代所抛弃。

如何赋能新零售?用数据分析做好营收追踪,资产管控插图2

 

总体指标:

  1. 核心运营指标的展示,如营业额,订单量,客单价,日商(门店当月日均营业额)等等,这些核心指标由日期控件调节,可以查询不同月份的营业指标概览。
  2. 门店分布图,按月营业额的数值大小区间做为颜色区分,大于等于月60万的门店高亮动态显示。
  3. 营业KPI完成情况,实际的营业额与当月KPI指标作对比。
  4. 不同类型店铺的门店数量情况概览。
  5. 月营业额走势与环比分析。

细分指标:

  1. 不同类型门店的,营业额、定单量、客单价、日商的对比表。直观的对不同店铺类型进行营业数据的对比展示。
  2. 不同类型门店的日商占比分析。
  3. 不同店铺类型的结构化分析,把门店的日商水平分为4个等级进行追踪分析。
  4. 不同类型门店的月营业额环比分析。

对于业务的指导意义与决策意义在于:

  1. 上百家门店数据汇总的营业指标可以有效保存,方便查询;
  2. 将门店的分布及其营业额在地图上进行展示让人能够有很直观的感受,并且能够给新店选址提供参考;
  3. 将每月的预期KPI与实际完成情况进行实时动态对比展示;
  4. 对于不同门店的营业指标分析,可以看出哪些类型的门店有利于进一步推广和探索。例如:门店的日商指标分为4个等级,根据不同日商等级的不同类型店铺个数的差异,可以看出不同类型门店营收差异。如果A类型店铺是B类型店铺的改造版,经过一段时间的A/B测试,A类型店铺中大于12000元日商的店铺数量占比超过50%,远高于B类型店铺,说明门店改造有明显效果。

 

2.问题门店追踪——连锁店营收监控

 

连锁超市的营业分析,因为商品数量多,种类齐全,仅仅将月销售额进行对比分析,不能发现导致利润下滑的直接原因,究竟是哪些品类、商品甚至是订单出了问题,进而也无法进一步查明根本原因。

分析要精确到单门店,单商品的毛利分析等。除了宏观上对于各类型门店进行营业监控,还需要对问题门店进行精准分析,究竟是工作人员效率低下,服务品质有问题,还是商品更新换代慢,新鲜度供给不够,或者仅为单纯的季节因素……都希望能够从店铺的营运数据出发,追根溯源。

如何赋能新零售?用数据分析做好营收追踪,资产管控插图3

数据分析过程:

数据展示的过程还是由总体到局部。

  1. 各店分布及营业KPI数据展示门店的分布和营业额的分级和便利店的方式类似。KPI的主要数据包括:营业额,订单量,日商,毛利率,动销商品SKU数。
  2. 月营业指标环比分析对于以上关键指标有必要进行月度的环比分析
  3. 制作门店的单选框,对于单门店进行营业额,日商的环比分析。
  4. 商品大类的帕累托分析同时联动商品中类通过选择门店,单击商品大类,可以联动查看商品中类的毛利额与毛利率,同时可以联动查看商品销售明细表。
  5. 该门店商品中类毛利额和销售额top30的词云图。

对于业务的指导意义与决策意义在于:

  1. 首先可以宏观的对于门店核心营业数据进行监控与展示。零售店的管理人员对于销售额,毛利率,日商,订单量,客单价都是非常重视的;
  2. 通过对于单店的销售额,日商,商品的毛利额分析,可以有效的得出结论,比如:商品大类的帕累托图中单击瞰都国际店,可以查看该店的商品大类的销售构成,占比70%以上的商品大类显示红色,表示核心商品大类;占比其余20%的显示蓝色,表示次要商品;占比10%的显示灰色,表示边缘化商品。单击商品大类“日配冷藏”,所有属于日配冷藏商品中类的商品的毛利额与毛利率就会显示在组合图里,然后单击商品中类“酸奶”可以查询这家店所有酸奶明细表。若某一家门店销售额下滑是因为某部分商品的销售出现了下滑的趋势,可以重点针对这个趋势分析出具体原因,是因为季节因素、促销暂停、还是补货不及时,这就要去找门店人员了解情况了。


3.人资分析 做好企业核心资产的管控


HR部门产生的数据重要性并不亚于财务和市场两端,面对企业成千上万的员工,人力资源管理过程中会积累大量的数据,如培训记录、出勤记录、入离职数据、岗位薪资、在职人员信息数据、绩效评价等,每月的数据量在几万甚至几十万。

但若论数据的分析和对决策的驱动作用,HR则远落后于前两者。便利店在人才培育的部分,有一定路径,从正式职员、到店长、到大区经理等,无法一蹴而成。且有完整训练框架体系,选育用留、职业规划等,训练成本投资十分巨大。因此,人力资源数据是急需利用起来的。

对于人力资源数据的分析,此处对集团公司所有人员的在职人数、薪水情况、入职率、离职率等进行有效的分析与展示。因为公司用钉钉作为办公OA,技术部的同事通过钉钉的数据接口可以导入钉钉中的人力资源数据而无需手工处理。

如何赋能新零售?用数据分析做好营收追踪,资产管控插图4

数据分析过程:

人力资源数据分析仪表板分为4个部分:人力资源汇总指标预览、在职员工详情分析、入职员工详情分析、离职员工详情分析。

  1. 人力资源数据是以月度维度进行统计和展示的,当月汇总的指标数据包括,在职员工数、入职员工数、离职员工数、转正员工数、入职率、离职率、在职员工各类成本等。
  2. 根据公司的组织架构,分事业群对入、转、调离的各种比率进行展示。
  3. 在职/入职/离职数据分析:将事业群下探到部门,对于每个部门的在职/入职/离职人数,人工成本,学历占比,工龄占比进行分析。

对于人事的指导意义与决策意义在于:

  1. 通过人力资源数据仪表板,可以通过查看月度汇总的在职人数、薪水情况、入职率以及离职率,对当月的人事变动进行全方位的把控;
  2. 同时对于在职员工的详情分析,可以知道每个部门的在职人数、人工成本总额、学历工龄构成;对于入职和离职的员工详情分析,主要可以看到重要部门的入职率和离职率,判断我们人力资源部的招聘是否合格,员工的离职率可以侧面反映企业的人事政策,进而有针对性地进行决策管理,起到对企业的人力资产进行宏观与微观并行分析的效果。


上一篇:
下一篇: