企業如何建立新零售數據指標體系？

企業如何建立新零售(線上+線下)數據指標體系？參與:冷雲時尚之友8組時間:65438+2022年10月22日業主:冷雲參與人員:-上海-找工作，露比是博博-曼城-跟單員，傑-深圳-財務，楊阿敏-安陽-童裝，海倫-上海-商務。這些分享屬於集體智慧的結晶。不代表冷雲個人觀點。希望這種方式能讓更多的業內人士受益！很多企業在數據分析上缺乏系統思維，基本上是想哪裏就是哪裏，缺乏科學數據管理的意識和建立指標體系的理念。沒有這些標準的建立，企業數據分析就是空中樓閣。| 1 |企業數據管理現狀:如果用三個關鍵詞來形容妳的企業數據管理水平，妳會怎麽形容？為什麽？雖然數字化似乎已經普及到了我們工作、生活、生產的方方面面，但是各個企業的數據管理水平不壹，還有待完善和細化。雲遊阿敏所在的企業主要依靠攝政系統進行壹些粗放式的管理。數據主要包括進貨、出貨、銷售、基本輪廓、顏色的壹些數據。總體來說，鞋服企業的數據管理水平還處於“落後、原始、不重視”的狀態。目前，雲遊紅寶石所在的企業還處於單身初級階段。門店數量在20家以內，主要依靠線下門店的POS業務銷售數據。沒有其他技術收集目標客戶信息，企業仍然使用基本的數據分析方法。“我負責的工作主要由WSSI分析(預算對比分析)和產品類別分析組成。按照零售周、周月、春夏、秋冬促銷月的既定工作方法，反饋過程會具體到各個門店在這些方面的表現。專註於局部優化，小微公司資源有限，處於換系統階段。我們部門正在努力優化操作流程，大家先討論和實踐新的思路。幫助公司在下壹季度有更合理的產品線，提高公司的銷售增長。”不僅是上述兩家雲遊所在的企業，國內的中小公司都非常原始，尤其是國內鞋服企業的數據管理能力普遍較弱，智慧店鋪和RFID店鋪還比較少。雖然中國在零售數字化轉型階段走在世界前列，但目前智能設備價格相對較高。總的來說，國內壹家100平米的門店需要升級為智慧門店，每家門店大約多花20萬元。而且大家對公司數據管理的評價也比較低，因為很多管理系統都是面向的，開發成本幾千萬。但實際操作中存在很多實際問題，即系統不是壹群人搭建的，他們之間的溝通往往存在巨大的差距，導致系統的效率低下。而且有時候很難統壹客戶的信息，尤其是不同類型的國外客戶或者不同類別的客戶。另壹個極端，雖然在硬件設備和信息系統上投入了大量資金，但沒有效果。這主要是因為數字化轉型僅僅依靠技術是不夠的。如果企業的思維和管理不改變，只投資硬件等於“白燒錢”。所以數字化轉型是硬件和軟件(管理)同時進行的。| 2 |數據分析入門1。數據分析的目的企業必須將數據分析和數據管理落實到具體的人。如果妳是數據分析的負責人，如果妳掌握了數據分析的能力，妳會給自己打多少分？為什麽？朋友壹般給自己5分，“因為了解各大平臺的運營邏輯，有自己的數據抓取和處理方法。”紮實的設計基礎，能夠從研發的角度提出建設性的建議。但是我應用數據工具的能力和統計學的基礎知識還有待加強。“這些能力也是企業在做數據管理系統時必須重視的能力。為什麽壹定要做數據管理和分析？分析數據的目的是什麽，解決什麽問題？幾位朋友的回答給了我們新的思路:商業洞察，創造價值。具體到部門就是衡量產品系列的機會和風險，提前預測本該發生的事情，應對差異，為下壹季度的設計產品規劃和采購預算提供數據支持。數據分析的目的也是為了更好地支持商品規劃和開發以及生產部門。通過數據跟進訂單/采購/生產/銷售等鏈條環節，分析各個節點的數據狀態和異常原因，以便更有針對性地解決問題。總結壹下，數據分析的目的可以分為以下四點:(1)描述現狀——描述分析；這些特指聚集度(平均值等。)和分散度(極值、方差值等。)的數據(2)分析原因——診斷分析；也就是診斷現象背後的原因。比如是什麽原因導致銷量下滑。(3)預測未來——預測與分析；銷售預測是壹種預測行為。(4)改進未來預測和分析。部分指標表現不佳。如何提高自己未來的表現？雲遊以文化旅遊產業為例。描述性數據是今年或過去五年的平均遊客人數；預測分析是推斷下壹年的年遊客量；診斷就是分析遊客數量異常的原因。描述性分析在這些數據分析中，還應該了解壹些基本的數學概念和統計學知識，比如總數、平均數、中位數、平均方差(分散度)、分位數等等。中位數是中間的數字。比如1，2，3，4，5的中位數是多少？分位數，例如，“1，2，3，4，5，6，7，8”首先按大小順序排列值。如果以上八個數是四分位數，則是壹組兩個數，分別是:1，2/3，4/5，6/7，8。將前25%的數據、前50%的數據、前75%的數據和前100%的數據進行分位數組合，然後統計評價數據。分散度其實很簡單理解。比如從年齡組來說，如果年齡組分別是35 15歲和VS35 5歲，那麽哪壹組數據的離散度更高？高度分散意味著什麽？在這個年齡段，+-15肯定比+-5歲更分散。再比如，今年夏天賣的錢也是100 SKU，最高數量10000件，最低數量10件，平均銷量1000件。這裏的最大最小值是極值範圍，代表“離散程度”；1000件的平均銷量代表了數據的“聚集度”。雖然這只是壹部分數據，但我們基本可以知道今年的銷售數據是非常分散的，這大體說明商品銷售的效率是非常低的。有時候大家賣的量差不多，銷量相對集中。這些都是描述性的統計分析，主要是先查看數據概況。如果爆款是爆款，但是其他的可能差不多等於沒銷量，這也是壹個離散度。診斷分析那麽銷售減少的分析過程就是診斷分析。診斷分析中使用的最基本的統計知識是相關性分析。當商店銷售下降時，第壹步應該是列出所有影響銷售的因素。銷售額可以看作是“因變量y”，導致其下降的是“自變量x”。自變量可能是多樣的，比如天氣、客流、營銷、產品，可能是多重因素，都屬於x，首先要看它們關系的強弱。這些都可以用統計數據來回答。當然也有很多偶然因素，比如員工失誤，但是從宏觀管理的角度來說，還是要重點找到X和y的關系，妳不用被“統計”這個詞嚇到！現在我們不需要去記憶統計背後復雜的公式，軟件裏已經有了(比如EXCEL，SPSS)。我們只需要知道在什麽情況下使用什麽公式或函數。預測分析明年應該定多少銷售目標？這是預測未來。現在大多數人都是根據上壹年20%-30%的銷量增長來預測下壹年的銷量。這種方法不需要太多的統計知識。關於具體的銷量預測，可以去冷雲時尚微信官方賬號查看之前“如何科學預測銷量”的文章。還有壹個統計預測模型，專門做數據分析的人會明白怎麽做。不是專業人士也可以試試。但是數據上的很多問題並不是技術問題，而是管理問題。如數據采集口徑、數據質量、質量評價等。很多企業首先在數據收集方面存在很多問題。不知道收集什麽數據，從哪裏收集，如何評價數據的質量。甚至還有很多人為的障礙，比如跨部門要數據就像爬山壹樣難。就像以前的軟件系統，如果管理不到位，軟件就是擺設。2.業務數據分析流程您當前的分析流程是什麽？要不要壹拿到數據就分析？以下是業務數據分析的流程圖: (