背景：

現階段公司的數據分析體系以數據報表集合的方式呈現，系統是單純的從數據呈現思維來設計，難以從報表中直觀發現業務問題。

各層管理者為了制定決策就需要更多的人工制表，并且最終的決策也不能回流到系統中，決策量化和跟蹤也很困難。

零售中心是零售企業的前線和也是零售決策的中樞，為了實現完成數據驅動決策的愿景，筆者計劃通過設計服務于零售中心的數據分析和決策協同系統賦能企業數據決策，幫助數據分析和業務策略更好的融合。

1. 數據決策系統案例分析

大數據分析的意義不是呈現炫酷的報表，而是要條理清晰的層層撥開業務的真實面目，發現業務中的問題。

設計之前，我們可以先來看看，在已有的數據決策平臺建立起的數據決策是怎么樣的。

滿足的核心需求有哪些？

1.1 案例一：純商品管理系統—某合大商品

公司采購的零合大商品系統是建立在處理商品管理業務的基礎上，構建各工作節點的業務管控模型。

雖然是完全服務于商品的系統，但是最終商品的好壞還是在零售端體現的，一切商品的策略也是基于零售結果。

在零售數據分析方面，本系統中由分區監察、區店監察、品關監察、波段監察四個模塊完成；對零售結果的跟蹤，可以從大區，店鋪逐級鉆透，最終通過調撥來針對渠道匹配合適的商品。

商品的分析是全盤考慮的，以售罄和折扣控制論英雄。

在零售部門查看數據的時候，個體店鋪的微小變化一般不會影響大盤數據，但是個體店鋪的變化對于店鋪本身卻是致命的，不及時調整就會導致店鋪的衰落。

適合商品的管理系統，有利于商品的全盤調整，對零售數據分析的支撐略顯不足。

1.2 案例二：商品流管理咨詢管理—某某信睿（韓都模式）

基于TOC理論的商品流全生命周期運營管理系統，由生命周期系統、爆旺平滯、動態定價、預測系統四大核心引擎支撐銷控、庫控兩項業務模塊。

這個系統是典型的報表式系統，里面是四大核心引擎：

生命周期也是展示了一個商品的預上中季下五個階段的零售表現；

爆旺平滯是數據指標經過處理后以爆旺平滯的標簽進行分類分級，可以對商品的各個維度以爆旺平滯的方式評價；

然后如果發現商品的零售結果沒有按照預期的進行，業務人員就可以通過動態定價進行干預，以保證最后的目標完成；

預測系統一直沒啥實際功效。

本系統中考慮了商品和零售的結合，在數據分析的基礎上，并不單純的貨品調撥；而是通過零售運營策略的調整來實現規劃目標，并通過數據反饋滾動計劃，實現對零售結果的可控。

我是非常認同這個系統的設計思路的，可是筆者覺得這個系統步子邁的有些大。在以報表呈現為核心功能的系統上，已經開始研究如何通過Ai來預測業務，自動化調整經營策略，這似乎有些過于激進。

1.3 案例三：企業ERP—某供應商軟件報表中心

目前公司在了解業務情況時進行數據分析，主要的數據來源就是公司的ERP的報表中心。

報表中心提供了：零售匯總報表、零售匯總（總部成本）報表、店鋪營業日報表、店鋪營運分析、零售付款方式報表、零售價格段分析報表、店鋪時間段業績分析、店鋪月營業指標分析、店鋪日營業指標分析、店鋪日同環比報表、店鋪周同環比報表、店鋪月同環比報表、產品組合搭配銷售分析、天氣氣溫零售查詢報表、商品零售排行榜、店鋪好滯銷(按款)分析、店鋪好滯銷(按條碼)分析、店倉零售排行榜、營業員排行榜、員工業績分析、零售分析報表、門店客單分析報表、零售追蹤報表、門店客單分析報表（不含退換貨）、自營加盟零售分析報表、店倉零售商品季節占比報表、零售類別占比報表等。

這些報表從多個維度和統計口徑反映了各渠道具體商品的銷售額、銷件、款式、同比、環比、完成率、排名等數據指標。基于這些指標結合標簽數據，可以進行人、貨、場三個維度的分析。

經常用的是基于杜邦分析法進行業務拆解，基于數據上的判斷制定零售策略和商品策略，形成對問題的對應解決方案。

以上三個案例，分別從純商品管理、商品+零售、零售三種類型的系統的數據分析體系討論。我們可以明顯看到：商品和零售交融影響，但又需要層層剝離找到根源。

為增加零售業績、帶動業務增長可以通過規范化的協同做好逐級的數據分析，一切數據來源于系統，一切決策回歸于系統。數據決策系統的戰略是構建一個由BI>BA>AI逐級發展的決策輔助平臺，以上案例中的相關策略是否適合數據決策系統呢？

下文中，我將以零售數據分析體系為例，討論如何搭建數據分析體系。

2. 零售數據分析體系

2.1 為什么需要零售數據分析體系

“一切業務數據化，一切數據業務化”，企業發展的過程都在經歷著業務標準化和業務數據化。

而接下來的“數據業務化”則是將已經成為資產的數據作為生產資料融入業務價值的創造過程，使之持續產生價值，在數據與業務結合的過程中也遇到了很大的挑戰：

1）數據分析制表需求龐大

在零售企業中常規的數據分析能夠提供規范化的報表，用于初步判斷經營狀況。

當需要深入挖掘數據問題時就需要更多的數據指標結合，通過判斷多個變量的因果關系，找到引發業績變化的影響因素，進而制定活動策略。

但多個數據指標結合下來產生了報表量是驚人的，兩個維度下的兩個指標，可以繪制N張報表，這也是表哥表姐辛苦的原因。

2）分析與業務執行協同困難

數據分析的根本數據來源是終端，業務決策的最終執行是終端。業務決策人員需要一個完善的問題反饋路徑和策略追蹤路徑，觀察傾聽前線聲音，貫徹落實運營工作。

零售中心作為企業零售決策中樞，需要通過數據化分析發現問題科學決策，并推動策略完整落實。

而通過系統化的模塊服務于這條業務鏈，讓數據和決策可以從終端中來，到終端中去，形成數據和決策的完整閉環，助力數據驅動業務。

2.2 零售數據分析體系的目標

幫助業務了解經營現狀，追蹤零售動態，高效透析數據，形成店鋪診斷；

支持終端店員到區域經理到總部管理層的數據分析工作，并能將問題逐級傳遞；

將各層級制定的營銷計劃和應對方案反哺系統，形成數據和決策的閉環；

培養員工數據管理意識，帶動全員基于數據思考。

3. 零售數據分析體系框架設計

3.1 基于渠道的數據分析角色

在企業中，有很多種銷售渠道，品牌型企業會有自營、聯營、托管、分銷等。本文以自營零售為例，零售分析根據企業管理架構，由終端店員、區域經理、大區負責人、總部逐級分析匯報。

這種模式下通過組織架構層級劃分角色，依托組織結構的上下級關系，配置賬號數據權限，可以滿足業務需求。

如圖所示，在一個零售分析系統中，自上而下設立了4級組織分區：

賬號1是—總部管理角色，處于根節點的位置，數據權限范圍是“全部”部門；

賬號2是—大區管理角色，數據權限是“本部門及下級部門”；

賬號3是—分區主管角色，數據權限是“本部門及下級部門”；

賬號4是—店鋪員工角色，數據權限是“本店鋪和對比店鋪”。

根據不同角色有不同數據權限，并且由于各角色下關注的問題點不同，數據呈現方式也可能所不同。

3.2 數據分析各角色的業務需求

1）終端店鋪層級數據分析需求

店長對于數據的研究要致力于如何提升每一周的業績，有如下工作需要進行：

檢查本店業績的完成狀況；

查看本店TOP款與大區TOP的差異，尋找本店是否也可以做出突破；

查看各個款式的試銷成功率，并提出具體的補貨建議；

針對滯銷款進行原因分析，制定進一步的方案，如果有必要可以向區經和總部申請援助。

2）分區層級數據分析需求

分區在做工作總結時，主要要發現本區業績波動的原因：

分析本區的業績（單周同比環比，累計同比環比）差異：如果報表呈現的結果是增長的，就要總結業績好的理由，并復盤具體動作，把成功的經驗沿用到下一周；如果數字不夠樂觀就找到業績受挫的根源，有的放矢的采取措施，努力提升周的零售；

在款式上，要查看本區TOP款SKC清單與其他分區TOP有無差異，對于差異的款就要向其他分區學習經驗并內部傳播。

3）大區層級數據分析需求

大區在做工作總結時，主要要發現本區業績完成進度：

分析本區的業績（單周同比環比，累計同比環比）差異，根據完成進度進行動態定價，調整促銷策略和頻次；

在貨品方面，要查看本區年份季節品類等屬性的銷售占比是否合適，判斷銷售節奏是否正確，實施合理的補貨和清促計劃。

4）總公司層級數據分析需求

總公司在做工作總結時，主要要分析戰略目標的完成進度：

分析大區的業績進度，根據完成進度給予活動支持、折扣或清促活動授權；

確認財務現金流情況，保障財務健康；

在貨品方面，分析入庫進度和品類結構分布，適當追單調整；

跟進戰略項目進度，評估項目價值和成果。

5）信息反饋業務需求

各級管理層在數據分析過程中需要知道終端發生了什么，另外終端也有反饋需求的訴求，最后在管理層的決策傳達到終端也有必要跟蹤任務的執行情況：

終端業務自評信息提報；

終端競品經營情況提報；

管理層任務執行跟蹤。

3.3 各角色業務需求分析

1）終端店鋪用戶需求分析

2）分區主管用戶需求分析

3）大區經理用戶需求分析

4）總公司決策需求分析

3.4 數據匯總分析的關鍵指標

數據分析的最終呈現是關鍵指標，業務人員也是根據這些指標來把握經營的現狀的。

確定核心指標最重要的是找到正確的核心指標，零售業中一個商品在不同生命周期階段核心指標對經營結果的營銷比重在不斷變化，要針對業務需求重新考量權重。

通過數據的鉆取功能，可以讓業務人員根據需要鉆取到不同的顆粒度任意組合指標。

3.5?店鋪互動的積分體系

提升全員的數據分析能力對企業的價值有很多種，不一定是直接增加收入，也可能是降低運營成本，甚至更多時候是降低決策的風險及失敗率。

但很多員工，特別是終端員工可能沒有這種意識，為了更好的把握終端狀況，通過積分體系拉動員工參與企業數據化管理。

1）店鋪積分發放規則

在日常使用平臺中，很多產品都有會員等級的劃分，但B端產品為了提高員工的參與積極性也可以借鑒這種模式。

在數據分析系統中跟進互動情況分發積分，可以從為企業產生價值的角度進行積分發放，有如下情況：

自身分析結論和競品信息提報；

分析結論被采用。

本系統中的積分按照如下規則：

后期可根據實際情況增加項目或修改積分數量

2）店鋪積分權益

為了店鋪持續參與數據分析，也讓新開店積極參與，設計基于積分的兌換規則消耗積分。積分權益設計是引導員工參與，強化員工習慣的重要一步，將積分每月匯總作為當月表現評判參考值。

積分權益包括：

按月積分排行發放獎金或榮譽獎；

兌換專屬優惠券：一次性消費，會員專屬，不退還，存在有效期和消費限制；

參加總部數據分析培訓。

積分清空規則：

每個月滾動清空3個月前的積分。

3.6?風控設計

成本核算，企業直接成本在于積分的投入，最終會以優惠券等形式進行財務結算。

員工獲取積分主要通過提報分析報告和上報競品動態，在公司管理架構下，能夠正常約束，避免惡意刷積分。為防止不正當獲取積分的行為，可以數據埋點，監控提報信息量與信息采納量，當采納率過低時對店鋪進行警告或處罰。

3.7 功能模塊分解框架圖

4. 用戶使用流程圖

4.1 數據分析

1）終端店鋪用戶數據分析

2）分區主管用戶數據分析

3）大區經理用戶數據分析

4）總公司決策數據分析

4.2 決策協同

5. 用戶原型設計

選幾個典型功能做原型設計展示，更多原型還在繪制中：

5.1 零售分析-總部

5.2 零售分析-分區

5.3 決策協同-分區

6. 總結

零售業務處于不斷對上周的工作進行總結，對下周的工作制定策略的迭代過程中。對零售報表的解讀就是要從數據中分析問題，零售業的數據信息量非常大，多個指標有遞進有關聯。

筆者從多角色，從點-線-面 多角度反應經營結果，幫助分析人員了解現狀，發現經營問題。

在分析的同時通過決策協同模塊呈現終端對業務的判斷，讓決策者看到終端的見解；并且可以跟進策略執行追蹤業務的執行，讓終端了解決策者的想法，讓基于數據的決策融入業務流程中，讓零售策略的迭代有跡可循。