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 CONTENTC O N T E N T 目录零售企业数字化转型趋势解读01.02.企业实现数据决策精细化运营要素解析03.数据赋能门店端数据应用介绍 疫情情况下零售企业面临困境及数字化转型趋势解读数据思维、数据运营、数据平台、数据组织、数据文化门店选址、门店获客、智能补货、门店健康体检等 01.零售企业数字化转型趋势解读D I G I T A L S A I L 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。 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4.重塑管理，构建高度数据掌控的数字化运营体系零售企业数字化转型框架：l触达消费者：建立多渠道触点接触目标消费者l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l锁定消费者：综合会员计划，提高消费者忠诚度l创建无界工作环境，促进沟通和协作l支持前端员工与消费者的互动，提升消费者体验l支持后端员工提出洞察，并在数据指导下做出决策l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l打造以消费者为中心的购物环境，提升购物体验l店内营销，开拓店内新收入渠道l通过数据平台实现门店的精细化运营消费者互动员工赋能智慧供应链智慧门店零售行业数字化转型四大支柱：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市场需求是什么什么人什么时间什么地点需要什么怎样做怎样卖供应链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如何有效的控制库转，降低库转的前提下，怎样控制缺货采什么，从哪里采，采多少，什么时候采，采多了怎么办如何实现供应链透明化，如何降本，如何监控成本异常门店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如何降低门店销售机会损失如何降低门店废弃损失异常业务如何及时预警如何高效评判门店健康状况督导如何高效巡店商品怎样定义畅销品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品类毛利如何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 零售企业数字化建设的本质业务采购渠道库存门店APP高低数据价值ERPOMSTMSCRMPOSHR汇聚清洗转换建模销售预测效率提升促进增长 02.企业实现数据决策精细化运营要素解析D I G I T A L S A I L 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...... ONE TWO THREE FOUR FIVE 数据文化44%40%39%26%25%25%22%21%12%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企业数字化实践面临的挑战资料来源：红杉中国2021年首席信息官调查报告数字化最大挑战：组织文化、流程与人文化一词的定义是：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。 数据组织：组织结构及岗位职责大数据中心数据治理组数据研发组技术运营组商业智能组l负责顶层设计、建章立制、流程管理、主数据管理等岗位职责l数据化管理：辅助管理层制定KPI,构建围绕KPI的分析体系l接需求：对接各业务线数据分析需求，输出数据分析结论l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l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l能力输出：负责培养业务的数据意识和数据文化l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lAI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l接需求：对接来自商业智能组的数据开发需求l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、优化资源利用率组织机构协作流程可视化分析报告业务方分析师BI工具数据开发工程师数据中台工具数仓 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010203 数据运营：定标准&管运维指标常见问题相同指标名称，口径不一致01相同口径，指标名称不一致02指标口径描述不清晰03指标命名难以理解04指标数据来源和计算逻辑不清晰05定标准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计算逻辑SQL/或者伪码管运维需求评审提交指标需求模型设计与代码开发数据验证与发布上线应用接入已存在表设计逻辑模型数据验证与发布模型产品经理、分析师产品经理、分析师、数据开发、应用开发数据开发数据开发、产品经理、分析师应用开发 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。Ø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Ø指标和公司方向保持一致 明确业务目标.Ø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）Ø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？上架不及时等等以业务流程驱动.Ø归因到具体的部门或人员中，才更容易推动落地Ø了解各部门的职能是什么，将归因分解到不同部门、环节去优化改进需要落到具体的执行层 数据开发平台：数据中台+BI①②③④⑤⑥ 03.数据赋能门店端数据应用介绍 D I G I T A L S A I L 利润增长单店盈利增长门店数量增长单店成本降低单店销售额增长客单价增长销售笔数增长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品牌宣传服务提升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市场营销顾客关系商品利润达成率商品销售目标达成率售罄率ü售罄进度差ü库存周转天数ü.......ü折扣率ü正价率ü........ ü畅平滞表现ü商品缺货率ü店均销量ü....... 如何选址如何防止畅销品缺货如何获客智能选址智能补货门店损益平衡分析搭建指标体系识别数据应用场景战略指标影响要素拆解战略指标行动举措执行部门战术指标战斗指标难点重点数据应用降低商品成本降低商品成本零售企业核心战略指标拆解如何实现门店精细化管理消费者运营门店健康诊断 门店选址：传统线下选址l信息层面: 定量数据少,依赖更多的主观经验l操作层面: 全人工统计,工程量大l时效层面: 搜集信息时间久,且准确度难以衡量l效果层面: 决策周期长,分析维度少,洞察深度不足l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大数据选址l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l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l同行竞争分析:周边区域同行分布情况l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l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 Step1:洞察分析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 Step2:问卷设计ü调研业务专家对选址目标因子,选择决策因子ü设计问卷,轮次调研业务专家对选址决策因子重要性系数ü人口属性•性别•年龄•职业•婚姻•常驻地•消费能力•...ü设备信息•汽车品牌•手机设备•手机型号•...ü兴趣偏好•教育偏好•娱乐偏好•POI偏好•资讯偏好•...门店选址： Step3:评估体系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 Step4:决策建议ü选址区域\点位综合分值评估ü区域\点位画像分析ü综合选址分值及画像分析,输出决策报告建议指标层目标层交通情况同业竞争权重a1权重a2权重a3权重a4目标=a1*人流+ a2*目标人群+ a3*同业竞品+ a4*交通情况+a5周边消费力人口密度常住人口数商城数量便利店数量餐饮店数量幼儿园数量小学数量初高中数量院校数量同行数量公交站数量地铁站数量停车场数量周边房价权重a5权重a11 权重a12权重a21权重a22权重a23权重a24 权重a3n权重a41 权重a42 权重a43权重a51 权重a52 权重a53 权重a54人流量= a11* 人口密度+a12*常住人口数目标人群= a21* 幼儿园数+a22*小学数+a23*初高中数+a24*院校数交通情况= a41* 公交站数+a42*地铁站数+a43*停车场数周边消费力= a51* 商城数+a52*便利店数+a
