零售行业比较关注数据化运营,在我的一些客户当中也会不断探索这些新的东西。但是大家还是有这一个共同的困惑,在讲之前,我想讲一个历史。大家都知道,爱迪生发明了电灯,在1870年代,就发明了电灯,紧接着又发明了发电机,然后在城市中进行供电,最后也发明了电动机。整个从电到电灯,再到我们的电动机和发电机,其实他给到我们制造业新的动力来源,可以取代当时的蒸汽系统。但是非常困惑的是,在美国他们已经是工业制造大国,大家还是不用电。甚至到了1890年代的时候,只有5%的企业在用电,其他的在用蒸气的方式。为什么不用电?肯定有很多好处,没有污染,不用烧煤,随时可以用,不用就关掉。但实际到了20年代之后,才开始在企业普及用电。经济学家总结,在当时的情景下,工厂并没有根据电来重新组织他的生产,他只是简单把原来蒸气设备提供的动力换成了电,并没有围绕电的核心重新组织。
第一个方面通过信息孤岛的消除,解决我们以前信息各系统各自为阵的情况,就需要构建数据中心。
第二个方面通过数据化运营来提高我们决策水平,这些观点在前面的分享嘉宾当中都有提到。
第三个方面做精准的营销,特别是零售行业,精准的营销非常重要。
第四个方面在生产环节,我们希望做出更符合市场要求,并且整个生产过程中,我们质量和安全更加有保障。
所以我们要想清楚四个问题:第一个我们大数据能够为谁服务,或者为谁做这些事情。第二个解决什么问题。第三个数据从哪里来。第四个会运用在哪些场景中。这四个问题是我们认为要做大数据大家一定要想清楚的。
首先为谁服务,我们做那么多的信息系统,真正给到总经理和董事长用的很少,现在移动OA普及以后,可能会给领导有一点安慰,在手机端可以看到一些数据了,只是数据的丰富性是不够满意的。我们原来从BI整个的发展应用场景来说,很多是满足一些初级的表格,做报表的需求,还是要满足一些运营部门,包括生产部门,包括电商部门等等。其实我们会发现,只要跟数据打交道的部门,我们都应该为他们提供服务。提供服务最终的目标,我们要提高一个精准决策,在我们看来有5个步骤。
第二个这些问题具体情况是什么?比如销售目标没有达标,到底是哪些品类,哪些区域没有达标,这个是我要知道的。
第三为什么会出现这个情况,是因为我们促销的问题,还是客单价的问题,还是策略性的问题。
第四个我们要通过一个决策模型,要预演。碰到这种情况怎么办。
第五个方面,我们要预测到未来可能要发生的事情。这是精准决策的五个方面。
第三个方面思考我们数据从哪里来的问题,我们数据应该来自于很多的系统,特别是到现阶段,我们会更加重视我们外国的数据。毕竟现在很多大数据的服务公司,会给大家做一些数据服务,能够提供一些比较吻合市场竞争的数据,整个市场流量的数据等等。最后考虑一些应用场景,在我看来主要有几个方面,可视化,大屏监控,移动化,还有一些自助分析,智能分析,还有一些填报等等。
比如可视化的效果,包括我们整个改变的以前的一些类似Excel表格,怎么让它更智能发现一些问题,这些表格传统来做,不管你用什么工具做,其实给到决策者没有什么样的价值,因为他看不出发生了什么问题。我们如果通过一些可视化的工具,能够让他一眼发现问题,这是非常好的。其实我们在刚才的数据基础上面,做一些简单的变化就可以实现。
第一我们把它分成不同的角度去展现。第二我们通过可靠的工具,比如这样子,可以看到全国销售情况是好还是坏,颜色的深浅可以看出来。第二我可以看到销量和销售额的分布情况。第四看到全国这么多城市,哪些城市卖得最好,颜色的深浅代表利润的高低。第五我们可以看到销售的趋势是什么样子,是一眼可以看到的数据。同时我们可以通过一些数据的联动,我们可以立体化去分析,比如我们可以看到广东省,可以看到广东省前十名里面,广州作为省会级的城市,勉强挤进来的。这样我们可以看到的一些问题。四川可以看到右下角的趋势,明显跟全国性的趋势波段不一样,说明那边的消费有些不一样。再看一下山东,山东右上角可以看到,这么多城市,这么多门店,绝大多数的门店都在平均线以下,这都是有风险的。广西的前十名里面,我们可以看到来宾城市是第二。我们会发现第二名销售趋势是有风险的,销售趋势是在下降的。所有的风险都隐藏在大表格里面,我们现在绝大部分给到领导的,都是那张大表。
我们还可以任意去筛选,比如筛选茶叶,某一个品类,或者做一个品牌的筛选,可以看到四川重庆的茶叶卖得最好,符合大家基本的认知。如果这个时候,决策者突然想知道,哪种茶叶卖得好,其实在当前的报表里面,没有商品的维度,我们可以用这个工具,可以快速切换这个维度,把当前城市的维度改成商品的名称,我们可以看到前十名的商品是什么,比如铁观音和普洱茶是卖得最好的,其中铁观音的毛利相对高一些。
可以看到整个过程,跟着我们决策的思维习惯走,你可以任意把玩这些数据。数据中间有很多的东西在里面,有很多的角度在里面。
接下来应用场景智能分析,所谓的分析其实是一个过程,这里我想分享两个概念,一个是查询,一个是分析。查询是结果的展示,不管是图表还是表格都是结果,我们发现问题一定要做分析的,这是一个过程,过程存在很多的不确定性。所以我们维度的不确定性,分析思路的不确定性,都需要一个工具很好地去支撑他。
我们拿一个财务的例子来讲,我们在做预算分析的时候,发现了费用是超标了,1000多万的费用,我们花在哪里去了,我们对管理者来说,可以随便钻取,比如这个部门交际费是最高的,我们可能继续往下钻取,可以看到张三,李四,这边做了一个对比,某一个职员你是知道的,可以看到他到底花了哪些钱,整个过程相当于决策者伸了一只手到财务里面,可以看到最终的业务凭证。
再看一个自助分析,自助分析就是要解决全员参与的问题,其实我们跟数据打交道的管理者非常多,特别是我们的零售,可以到我们的导购,到我们的店长,每一个到运营总监,到我们的督导,我们每个人都会跟数据打交道。我们希望每个人都可以参与到其中。IT不能成为其中的一个瓶颈,传统状况下,IT做报表的时候,通常是要排队,业务部门慢慢等,我一边开发,一边交给你们。
假设当前在做一张报表的分析,我是可以任意改变我的角度,比如我要在基础上面做门店销售指标的环比分析。对于操作者来说,只要在其中找到我要的指标,我把他选择过来就可以看到,比如说我的金额,我的毛利率,我的客单价都可以做环比的分析,你马上就知道哪个指标有异常。并且我们可以很好地把这些报表的样式保存为方案,保存为方案的好处可以分享给别人,也可以自己重复使用,这个做到了全自助,不需要找IT。IT只要把分析模型建好,其他的数据由业务分析人员自己去玩。
另外还有我们的图文报告,这个解决了经营管理者每个月,每个季度在准备一些经营会议的时候,快速去完成这些报告。
接下来我们讲第二个阶段是产品选型。后面我们不会花太多的时间去讲,在座各位都是产品选型的高手,在供应商面前你们是很厉害的。你们在选型的过程中你们有很多的招。我换位思考一下,给大家一个参考。
第一我们认为形式不重要,大家知道直播都可以美颜,别说给大家一个PPT,基本上都是可以PS的。第二个建议大家尽量去做一些POC的测试,测试能够让你比较好的让你想清楚,你到底想要什么,你要的东西能不能做到。因为有时候你要的东西,你本身连数据都没有。第三个易用性,你通过POC的形式可以验证这个产品有没有易用性,不是易上手,而是易深入。这很简单的,很多的工具很容易上手,但是用不下去。
第三部分就是实施,实施这一块,实施的方法论,在座的各位都是一些专家,我从我们的角度把它比喻成建房子,分四步,第一步,规划图纸,做蓝图,第二步打地基,建数据仓库,然后第三步做主体架构,规划KPI,最后每个角色做精装修,就是每个人的报表长得不一样。
最后总结一下几个要点:
1、首先要解决数据中心,让大家的数据是一致的,否则,各说各话,图表再漂亮也没用;
2、全员参与,只有当每个管理者都基于数据做决策,才真正可能提升决策能力;
3、数据运营的核心是分析,只有做到任意维度的分析,任意报表间的钻取,才能真正将数据的价值挖掘出来。
4、要建立数据化运营的管理制度,设置数据分析师专岗,信息中心变成一个数据生产中心,让数据成为一种动力,一种能源。
以上观点出自奥威软件,文字内容整理自华南CIO时尚联盟。第三方平台转载引用需告知并务必注明出处!违者必究!