相比得到企業(yè)的數(shù)據(jù)分析指標(biāo)體系，觀遠(yuǎn)數(shù)據(jù)更注重從企業(yè)核心指標(biāo)推解看數(shù)邏輯的過程。通過層層推解，可以重新梳理企業(yè)的核心要素指標(biāo)，對重點運營業(yè)務(wù)構(gòu)建數(shù)據(jù)關(guān)系模型，并且有可能發(fā)現(xiàn)之前ERP建設(shè)的時忽略的數(shù)據(jù)斷層，推動ERP系統(tǒng)的改善，驅(qū)動智能決策。

7月22日-24日，由中國電子商會商業(yè)信息化專委會、《智慧零售與餐飲》、中國零售（餐飲）CIO俱樂部聯(lián)合主辦的“第十三屆中國商業(yè)信息化行業(yè)大會”在長沙圓滿落幕。會議集中了智能智慧產(chǎn)品展示、數(shù)字化運營高峰論壇、服務(wù)轉(zhuǎn)型高層聯(lián)盟會議、行業(yè)優(yōu)秀標(biāo)桿企業(yè)頒獎典禮等環(huán)節(jié)。

觀遠(yuǎn)數(shù)據(jù)作為新一代智能數(shù)據(jù)分析與決策服務(wù)商受邀參展，并在高峰論壇上分享了《數(shù)據(jù)驅(qū)動智慧零售精細(xì)運營方法與實踐》。

零售企業(yè)數(shù)據(jù)智能可以分五步走

數(shù)字化轉(zhuǎn)型是零售行業(yè)發(fā)展過程中的必經(jīng)之路，而現(xiàn)階段，很多企業(yè)在數(shù)據(jù)驅(qū)動決策的過程中依然面臨著“數(shù)據(jù)、工具、組織、方法”各個層面的困境。

1.數(shù)據(jù)層面主要體現(xiàn)在數(shù)據(jù)口徑不統(tǒng)一，數(shù)據(jù)定義不清晰，數(shù)據(jù)業(yè)務(wù)價值低下；

2.工具層面主要體現(xiàn)在當(dāng)前很多零售企業(yè)數(shù)據(jù)分析還都依賴于ERP報表和Excel，屬于站樁式看數(shù)據(jù)，無法深入挖掘數(shù)據(jù)業(yè)務(wù)價值；

3.組織層面主要體現(xiàn)在人的方面，每個業(yè)務(wù)部門都想做到數(shù)據(jù)賦能，但又缺失真正能看懂?dāng)?shù)據(jù)的人，數(shù)據(jù)決策的意識不夠；

4.方法層面主要體現(xiàn)在搭建的數(shù)據(jù)分析模型無法深入結(jié)合業(yè)務(wù)痛點和需求，更多的都是一些報表的可視化展現(xiàn)，無法體現(xiàn)業(yè)務(wù)分析的管理邏輯。

零售企業(yè)在數(shù)據(jù)智能轉(zhuǎn)型過程中需要逐一攻克這些難點，而第一步，就是要先確定零售行業(yè)數(shù)據(jù)驅(qū)動運營的目標(biāo)：提升店效，坪效，品效，客效和人效。

憑借成熟的落地服務(wù)經(jīng)驗，觀遠(yuǎn)數(shù)據(jù)提煉了五步法可以幫助企業(yè)快速搭建數(shù)據(jù)驅(qū)動決策的閉環(huán)。

1.拉通底層數(shù)據(jù)，統(tǒng)一數(shù)據(jù)口徑；

2.以終為始，通過戰(zhàn)略目標(biāo)，管理邏輯拆解，來構(gòu)建企業(yè)數(shù)據(jù)分析體系；

3.根據(jù)指標(biāo)拆解過程中涉及的業(yè)務(wù)痛點和訴求構(gòu)建數(shù)據(jù)分析模型和場景；

4.在沉淀出的業(yè)務(wù)數(shù)據(jù)模型基礎(chǔ)上配合AI算法引擎，構(gòu)建AI智能決策應(yīng)用；

5.將BI和AI的數(shù)據(jù)分析模型打造成數(shù)據(jù)分析應(yīng)用產(chǎn)品，在移動端、PC端、大屏端賦能給終端用戶。



從方法論到案例如何構(gòu)建數(shù)據(jù)指標(biāo)體系

零售企業(yè)的戰(zhàn)略目標(biāo)首先體現(xiàn)在財務(wù)層面，如企業(yè)盈利的持續(xù)增長；而要想企業(yè)利潤持續(xù)增長，首先要考慮在終端能否給顧客帶來價值；而要想給顧客帶來價值，需要企業(yè)在內(nèi)部流程層面做好商品運營，門店運營，會員運營等關(guān)鍵業(yè)務(wù)流程；而要提高這些場景的精細(xì)化運營和智能決策，則需要企業(yè)在員工學(xué)習(xí)成長層面加強培訓(xùn)和教育。

從這四個層面歸納梳理出公司級的核心KPI指標(biāo)，可以再進(jìn)一步推導(dǎo)到部門級的指標(biāo)。

以茶飲行業(yè)為例，單店營收是公司級的核心指標(biāo)，而單店營收又是由客戶數(shù)、復(fù)購率、客單價構(gòu)成。

客戶數(shù)主要體現(xiàn)在顧**務(wù)和會員營銷層面，因此需要營運部和品牌營銷部來負(fù)責(zé)。

復(fù)購率分為門店復(fù)購率和產(chǎn)品復(fù)購率，門店復(fù)購率主要受門店的QSC（衛(wèi)生、服務(wù)、品質(zhì)）影響很大，一般由營運門管部來主抓。產(chǎn)品復(fù)購率在茶飲行業(yè)受口味的影響最大，而口味又受食材品質(zhì)、原料效期、操作這三方面影響；食材品質(zhì)主要由產(chǎn)品研發(fā)部和采購供應(yīng)鏈部門來負(fù)責(zé)；采購供應(yīng)鏈部門又有三個核心指標(biāo)：采購品質(zhì)、采購計劃達(dá)成率、采購成本。

通過類似的邏輯推解方法論，企業(yè)就可以從公司級核心KPI指標(biāo)推導(dǎo)出部門級核心KPI指標(biāo)，從而構(gòu)建相應(yīng)的數(shù)據(jù)指標(biāo)體系。

目前，觀遠(yuǎn)數(shù)據(jù)在連鎖零售領(lǐng)域已經(jīng)沉淀了門店業(yè)績診斷、基于消費場景的爆品分析、門店損失分析、生鮮商品損耗分析、會員復(fù)購專題分析、門店智能經(jīng)營診斷等從BI到AI的全生態(tài)鏈數(shù)據(jù)分析模型，可以給企業(yè)提供真正可行動的決策建議，幫助企業(yè)在數(shù)字化與智能化升級的過程中建立可持續(xù)的競爭優(yōu)勢。

企業(yè)實現(xiàn)數(shù)據(jù)智能不是一蹴而就的事情，BI是企業(yè)實現(xiàn)AI的必經(jīng)之路。通過BI數(shù)據(jù)分析平臺可以沉淀業(yè)務(wù)模型，提升數(shù)據(jù)質(zhì)量，在此基礎(chǔ)上尋找合適的AI切入點，通過數(shù)據(jù)分析模型搭配決策引擎，可以快速構(gòu)建智能決策應(yīng)用。



榮獲「數(shù)字化服務(wù)創(chuàng)新實踐獎」

活動現(xiàn)場，主辦方還針對2019年到2020年間，在零售行業(yè)里發(fā)揮了中流砥柱和先鋒實踐作用的零售餐飲企業(yè)、數(shù)字化服務(wù)商進(jìn)行了頒獎。

觀遠(yuǎn)數(shù)據(jù)憑借在零售餐飲行業(yè)的智能數(shù)據(jù)分析實踐，獲得了「2019-2020年度 數(shù)字化服務(wù)創(chuàng)新實踐獎」。


未來，觀遠(yuǎn)數(shù)據(jù)將持續(xù)深耕零售消費領(lǐng)域，為更多零售企業(yè)提供成熟、前沿、快速落地的數(shù)據(jù)智能應(yīng)用。

附件下載區(qū)：    鼠標(biāo)左鍵單擊文件進(jìn)行下載 附件：觀遠(yuǎn)數(shù)據(jù)展位.jpg (127K)  下載次數(shù):1 附件：道明2.jpeg (241K)  下載次數(shù):0 附件：平衡積分卡 - 副本.png (148K)  下載次數(shù):1 附件：獲獎 - 副本.jpeg (945K)  下載次數(shù):0