在应用场景中不断快速迭代BI在零售业的创新应用趋势

　　BI的创新方向和发展变化
　　BI的特点是可以把大量的多个系统的数据通过ETL(清理、转换、装载)变成统一格式的数据存储，再通过建模，将这些数据的维度特征和指标特征分门别类地用立方体存储，为后期的应用提供了一个快速的数据服务输出。BI很早就被应用于零售业中，但始终局限于专业人士的多维数据分析，通过数仓技术来建模，通过动态报表来分析，始终没有在应用理念上产生质的飞跃。
　　直到电商和移动电商的快速兴起，基于BI技术的一些应用才重新焕发光和热。首先是大数据的整体分析应用，使得BI分析达到了更深的层次；其次是展现形式的多样化，使得BI的结果更好的得到应用，如数控大屏分析、移动报告等等；最后在阿里、腾讯等商业科技巨头的推动下，数据中台和数据资产管理开始登上历史舞台。
　　零售大数据智能BI应用范围很广，包括：推荐系统、购物篮分析、保修服务分析、价格优化、库存管理、新店选址、消费者情感分析、采购（推销管理）、终生价值预测、欺诈识别等。
　　Gartner指出，企业要真正实现商业智能将经过三个阶段：报表型BI→自助型BI→智能型BI。在企业实现数据报表化以后，越来越多的企业开始青睐以业务用户为中心的自服务数据分析平台。市场从＂IT主导的报表模式＂往＂业务主导的自服务分析模式＂转化。
　　（上图：BI数据智能总体架构，来源: 石基）
　　建立以流程为中心的BI数据价值赋能
　　业务系统与分析系统有天然的区别： 业务系统是承载企业日常业务的，采销存都必须依靠业务系统才能够正常运转，而BI分析系统目的是指导经营，辅助决策，提升企业的运营效率。换句话说业务系统决定企业的下限，BI分析系统决定企业的上限。
　　BI系统的价值定位，就是打通各业务系统，进而提高数据获取效率，解决数据孤岛、信息孤岛、业务孤岛，优化业务流程，以实现提升业务价值、反补运营、进而面向决策。
　　流程是企业业务管理的精华，它的强大在于公司的粗放管理逐步的清晰化，管理能力细化到一个一个具体的项目中，而项目是企业存在的基础，也是业务管理的最小单元。BI核心是打通业务系统将数据串起来，但是却并没有将业务串起来，而建立以流程为中心的BI数据价值赋能，将业务与数据进行完美的融合，从而提升零售企业组织竞争力。
　　零售企业会员体系营销如何应用BI
　　会员数据分析的终极目标是通过研究消费者的购买行为数据，以达到比消费者本身更加了解自己的目的。最终实现对消费者的定向精准营销，最大化地刺激并且满足其消费需求甚至是超越用户需求，引导用户开始产生消费行为，并且尽量地产生二次/多次消费行为，最终为企业带来持续的利润回报。
　　BI体系下，整体会员运营流程如下：
　　1、 会员分类及维护
　　因为往往20%的客户贡献了80%的销售额，这就是常见的＂二八分析原则＂。绝大多数零售企业对于高价值会员的甄别都有着自己独特的理解，这里就简单介绍一个通用的方法：RFM模型。RFM模型就是通过一个客户的近期购买行为、购买的总体频率以及花了多少钱三项指标，来描述该客户的价值状况。
　　（来源：帆软）
　　2、 会员监控
　　对于消费会员，应重点加强对客户的消费习惯、消费偏好及会员价值的挖掘。其中消费习惯包括客户活跃度、连带销售及忠诚度。三个监控指标如下：
　　活跃度： 通过对会员消费金额、消费频次，最近消费时间等关键指标进行监控，把控会员的平均消费周期。
　　连带销售： 以商品为分析维度，了解购买该商品的会员还会去哪个门店，购买哪些商品。
　　忠诚度： 通过RFM报表我们可以清楚的看到每个会员的忠诚度，忠诚度是提高了还是降低了？哪些客户忠诚度降低了？哪些客户忠诚度提高了？
　　对于新会员及流失会员关注的内容则更加丰富。新会员重点关注新会员的开发、基本信息、客单价等内容，完成从新会员到消费会员的过渡。流失会员着重关注流失会员结构、最后一次的购买内容，客单价、会龄等信息。
　　3、 营销活动的制定： 比如对于常购买零食的客户可以组织线下蛋糕制作的活动，购买儿童用品较多的会员可以举办一些亲子比赛的活动。另外还可以通过一些特殊的日子：生日，周年庆等时机，给客户更大的折扣及积分，让客户心满意足的同时提升客户粘性，最终实现对流失会员的挽回。
　　4、 活动监控： 对于复购率的监控，可通过对活动期间销售次数、销售金额与总消费次数消费金额进行对比，查看整体活动情况，保证营销活动的有效进行。
　　上图为：华冠超市会员体系中的BI应用
　　BI的未来发展趋势
　　首先是业务数据化
　　零售行业在生产、营销、销售和服务整个流程当中，每一个环节都会产生大量的数据，需要通过设计数据采集场景和机制、完善数据采集流程、采用数据采集先进技术把这些业务数据捕捉下来。
　　如整个营销活动全流程进行数据采集，包括时间、金额、申请人、活动方案、物料、产品、客户等信息，进而根据活动投入范围展示不同维度指标，通过建立模型分析费用投入的标准额度，测算申请、总结费用金额的参考范围并进行预警提示。在此基础上，就可以让决策者看到不同的投入、不同的营销活动能够带来多大的价值，从而进行比对、搜索和分析决策。
　　下一步是数据资产化
　　业务环节产生的大量数据如果不进行治理，不仅杂乱而且产生不了价值，因此需要全渠道数据的拉通、进行数据治理、建立数据资源目录和标准，帮助零售企业实现数据洞见。
　　零售行业因独特的行业属性，数据非常杂乱，比如货品数据，消费者线上线下数据及交易数据等，都需要进行治理、整合和盘点，这之后才能形成数据资产。比如围绕一个个体消费者的全触点数据，需要打通停车系统数据、PC端和线上商城数据、线下门店数据、微商城数据，只有把这些数据全部拉通之后才能形成对于一个人的统一预判，这便是用户画像建立的过程。在数据资产化后，才能依托这些数据资产构建用户的宏观画像，以及基于不同的人做千人千面的营销。因此，数据资产化也是大数据应用的一个前置条件和基础。
　　接下来是资产应用化
　　将已经梳理好的企业自有体系内部数据及第三方数据，根据业务需求和优先级构建数据驱动的应用。比如招商选品、品类规划、门店选址、以及采购补货、库存管理、精准供应、高效物流等供应链环节应用。
　　如零售企业做销量预测之时就会用到一系列已经资产化的数据，包括订单、竞品、库存等已经梳理好的数据。在此基础上进行数据建模和输出，帮助预测不同的阶段、不同推广力度下的销量情况，让决策者在可视化系统上可以看到不同尺寸、不同价格、不同阶段的销量情况。基于销量预测指导生产，比如不同地区应该生产多少不同种类的产品，以及这些产品的库存在途调度情况，都可以需要基于销量预判进行优化。
　　业务部门细分场景成为BI应用的重要方向。＂数据仓库+BI工具＂的大平台模式在2021年基本构建完成，企业开始朝财务线、营销线等细分业务探索应用价值。而在企业的不同业务中，生产制造、研究与开发、人力资源管理、财务、营销等成为2021年BI市场需求增长最快的领域
　　最后是应用智能化
　　自动化和智能化的应用需要海量的数据，并在应用场景中快速迭代、不断优化，让零售各环节变得更加智能。
　　BI与数据中台、数据湖等应用将有望深度结合。随着越来越多的数字化产品与解决方案提供商不断推出数据中台、数据湖的理念和解决方案，和他们的深度结合将成为2021年国内BI市场的应用热点，但是需要注意的是，双方的结合要在业务层次有落地的效果闭环。
　　借助过去积累的成熟的商业模型和数字化运营经验，大量数据积累优化，基于数据驱动的业务流程优化，比如：智能营销、供应商的采购、发货、门店库存补货、品牌经营数据的业务生命周期流转，以及门店间的协同采购。
　　BI数据智能的应用案例
　　案例1：步步高自助分析模式应用价值
　　步步高针对不同事业部和部门的业务发展特征、对于数据应用的要求和不同人员的数据能力，形成＂简单应用+自助分析+自主开发＂多样化使用模式，同时借助多个外部应用，让数据找到管理层，找到一线工作人员，从而使得业务能够第一时间做出决策，采取业务动作；从而企业实现数据化管理。
　　步步高利用FineBI打造了步步高知微自助分析平台。 在企业信息化建设刚起步的阶段，打造信息化系统往往关注的是平台的访问量和报表的可视化程度。自助式BI不同于传统的报表型BI，系统的价值不再局限于关注平台的访问量，而是关注企业内部在发现业务异常后，有多少人能够在平台上利用数据解决自己的实际问题。
　　步步通过BI平台将分析、应用数据的部门扩展到了将近10个，编辑用户30+个，为企业培养了大量的数据分析人才。据相关报道。步步高业务部门月平均编辑模版300+次，对千余张模板进行过编辑，平均每天编辑10多次，相当于每天业务自行解决了10多个即时性问题，每月业务部门通过自助分析满足了800余个分析需求。
　　步步高通过自助式BI连接不同数据源，又能在PC、移动端多平台进行展示。业务人员也可以自己拖拽数据进行查看分析，相对便捷。
　　案例2：BI助力CoCo茶饮企业＂脱离困境＂
　　作为老牌的茶饮品牌，CoCo以产品力、运营力和管理力著称，也一直是国内茶饮市场的引领者。CoCo迈出＂数字化＂的第一步，一是被形势所迫。大家都在数字化，而且有的品牌还在实际运营中收到了好的效果。比如，喜茶、奈雪，还有蜜雪冰城。二是要解决两个实际问题。提供更优质的服务。一直以来，CoCo 门店的生意较好，排队现象也会经常有，出现诸多痛点：如高峰期前台压力大易出错；每次需与点餐员沟通确定时长久；高峰期需排队点单，容易造成体验感不足，引发顾客流失，等等。
　　构建BI平台后，消费者只需在微信小程序或App 搜索并进入 CoCo 的任意一家店铺页面，就可以根据喜好选择饮品，预约到店时间后即可完成在线点单。商家会根据消费者所选时间，提前制作奶茶，消费者到店后，即到即拿，获得不用排队想喝即买的流畅体验。
　　对于商家而言，预点餐服务则减轻了排队收银的压力，进一步提升了门店运营效率。值得一提的是，通过线上线下一体化的联动，直接带动门店动销率和品牌复购率。
　　提供对消费者胃口的产品。数字化之前，在消费者洞察上，更多停留于感观直觉。3500家门店积淀下来的大量数据，也有效地帮助CoCo 将消费数据更好地沉淀到线上。随着数据的完善，品牌能够根据对每一个消费者消费偏好等的分析，实现精准化运营，并实现加盟合作的有效管控以及全量门店的整体升级。
　　CoCo布局信息化之后，在采购、仓储、订单、渠道各个环节都积累了海量的数据资源。打破原有的数据孤岛，实现各个系统数据之间的互通互联，通过深入场景的智能数据分析方案快速定位问题、解决问题，找到增长点。
　　CoCo对于＂企业经营、门店、商品＂各条线的细分场景展开深入分析，并通过数据大屏、移动BI（数据智能）轻应用等载体为CoCo提供实时分析、动态交互的智能数据分析与决策平台，自上而下培养全员的数据决策意识。
　　在产品应用层面，数据公司可以为CoCo提供可视化自助分析、智能数据准备等能力，普通业务人员通过拖拉拽的方式就可以高效完成所在部门的数据分析工作，减少对IT 部门的依赖，提高数据分析效率和业务的洞察能力。
　　案例三：BI加码助力太平鸟疫情期间7亿逆袭
　　2020年快时尚服装市场遭到新冠肺炎疫情冲击的服装企业多不胜数，然而也有部分企业受疫情影响有限，在寒潮中实现逆势增长。在行业总体低迷的情况下，电商的稳健增长很大程度上弥补了线下门店无法正常营业带来的经济损失。数字背后，是太平鸟电商践行＂聚焦时尚、数据驱动、全网零售＂战略的结果。
　　为让消费者方便、快捷、足不出户就能享受到时尚、高品质的服饰，借助数字化提高运营效率，改善消费体验成为太平鸟电商升级变革的重点。早在两年前，太平鸟就已将企业内部的CRM、ERP、POS、WMS、OMS等众多业务系统数据，以及服务消费者的前端应用进行实时通融。历经7个月的时间，太平鸟完成了数字化平台搭建项目的前期准备、开发、测试、验收、上线，全渠道数据完成融合互通。数据拉通后，线下门店、天猫商城、公众号、积分商城的会员数据得以打通，实现了会员体系的统一。
　　为了提升会员服务体验以及门店服务能力，太平鸟上线了智慧门店新零售系统和全渠道会员服务中心。太平鸟传统的门店POS系统得到升级。同时，互道帮助太平鸟整合了线下门店会员，降低了会员入会门槛，缩短了会员注册流程，让会员拉新数得到显著提升。
　　目前随着企业数字化建设程度的不断加深，不仅积累了内部的会员、商品、交易等数据，也包括了外部的平台、市场等数据资源。数据的数量、维度和粒度在原有基础上实现了进一步地增加、扩展和细化。为能使数据最大化地赋能从生产到交易的各个环节，太平鸟电商开始从数字化建设转向更高维度的精细化运营。在此过程中，需要将数据从生产环境传输落地至数据仓库，在经过一系列处理计算后回馈到生产应用或支持决策。
　　鉴于数据使用方对数据实时性要求日益增高，全方位的实时数据收集和分析成为企业关注的重点。实时数据融合作为精细化运营的基础，更是不容忽视的环节。
　　会议预告
　　以＂赋能进化，在变革中赢得先机＂为主题的第十四届中国商业信息化行业大会暨第十四届智慧商业信息化展览会将于2021年3月25-27日落户在＂长三角、珠三角众多城市环绕的腹地城市＂南昌隆重召开。行业同仁在聚智交流合作中洞见未来零售及线下实体发展趋势，以及数字化对策、生态合作和供需解决方案。 参展企业预计近200家，包括：细分零售各业态数字化运营解决方案以及全链路数字化、新商业智能硬件的开发平台和技术服务、赋能新零售落地技术方案（中台系统、ERP、OMS、WMS、EHR）、小程序、自助收银、人脸识别、全渠道解决方案、零售(餐饮)POS软硬件、智能POS及聚合支付、云服务、云POS与SAAS、大数据（数据分析和BI）、SCRM（会员营销、社群营销。社交营销）CRM（会员管理）、供应链与物流配送、自助服务、电子秤及称重、无人店、打印、云打印、扫描、RFID、电子价签、电子货架、人工智能(AI)（智能摄像头、全息技术、智能机器人、智能终端、智能货柜、智能客服、智能安防、AR/VR）通信技术：5G技术新应用、AIoT+5G、区块链等。
　　报名请长按二维码