1. 创业头条
  2. 前沿领域
  3. 大数据
  4. 正文

零售企业增长受限,智能BI如何成为破局之道

 2019-10-17 13:52  来源:A5专栏  我来投稿 撤稿纠错

  【推荐】海外独服/站群服务器/高防

近两年,伴随流量红利消失和供给过剩,从粗放扩张走向精细化运营,已成为诸多消费零售企业的共识。其中,数字化、智能化作为业务的重要引擎,也在被越来越多地提及。

但在落地时,大多数消费零售企业还是一筹莫展,他们普遍存在以下疑虑:

如何判定数据对企业的具体价值,什么时候落地系统最合适?在不同阶段怎么做升级迭代?未来通过数据化、智能化,可以做成什么样的公司?

为此,浪潮新消费专访了观远数据创始人苏春园 ,他曾任微策略中国区产品研发总裁,在商业智能领域有多年专业积累。

2016 年创立观远数据,深耕零售和消费领域,围绕数据分析决策,服务超过一百家头部消费零售公司,包括联合利华、沃尔玛等五百强企业。 而在最近,「观远数据」也获得了襄禾资本、红杉资本等机构的上亿元B轮融资。

过去大家关注的都是流量问题:怎么做电商的投放、流量增长,但零售最终比的就是精耕细作,这才是未来企业的核心竞争力。 ”在苏春园看来,未来好的零售企业,一定也是科技企业。

“你不能指望它马上就能产出多么大的结果。但只要你愿意持续地投入,每天都在基于新的数据不断迭代,在你更新365天之后,一定能甩别人十条街。”

1 、数据发生重要价值,需要时间的积累

最近几年,我们看到一个大趋势,就是现在已经不是流量的时代了,而是效率的时代。 如何持续地创新,更敏捷地反应,更精准地选品……这些问题都建立在效率基础之上。

对企业来说,这是一个从2C到2B的过程,过去大家关注的都是流量增长问题,比如怎么做电商投放、流量运营等等,但现在比的是精耕细作,比的是效率。

无论是大数据,还是人工智能,其实解决的都是效率问题,这才是未来企业的核心竞争力。

相比于国内,美国企业在这方面发展得很好。最大的区别在于,他们的基础非常扎实。 像星巴克这些五百强企业,它们的数据化工作坚持了很多年,到今天已经形成非常规范的数据口径和很好的数据质量。这其实非常难得,需要很长时间积累。

国内零售企业很典型的一类问题是什么呢?大家都说要拥抱大数据,拥抱人工智能,但很少能坚持下来。

因为大数据未必能一下子产生多么宏大的价值,它需要持续积累。有一些客户,上来就想做预测和指导,但其实没有历史上的促销、门店、货架等数据,很难一下子做出多么大的优化。

所以数据化这个东西,越早启动越好。把该沉淀的数据沉淀下来,该规范的管理规范起来,包括数据的质量,也要一步一步优化。就像盖楼一样,你不可能不要第一层第二层,直接就盖到第五层。

而且技术没什么捷径,美国的整个信息化,也是过去30年循序渐进发展起来的。国内是最近10年才开始,还有很多不规范的地方,比如会员到底是不是本人消费的,二维码扫得合不合规等等。因为数据是有口径的,不是采集上来就行,还涉及到各个环节数据的规范统一。

2 、中国零售的创新、迭代,将催生DT时代SAP的机会

虽然国内的基础比较弱,但基本也以三到五倍的速度在赶超,尤其是在新技术的拥抱和处理上。

我发现我们的一些五百强客户,像沃尔玛、百威、联合利华等等,他们在全球范围内,只有跟中国才有这么前沿的合作,包括他们很多全球的高管都来参观。

中国在全球最能拿得出手的,就是在消费零售领域的各种创新玩法。 各种线上线下的融合、体验的迭代,还有各式各样的线下门店,像社区生鲜,在美国根本就没有这种概念。

这跟中国的商业环境有关,移动互联网加上新生代的消费主力军,创造了一个复杂又非常有活力的市场。在C端的倒逼下,你必须源源不断地创新,在国内如果你不按照最高的要求去做,肯定活不下去。

在这种市场环境的教育下,创新已经成为主流的群体,尤其是消费零售行业,这几年讲的新零售、社交电商、小程序,如果你没有做过这些创新,企业可能都不在了。

这样的压力,推着国内的零售和品牌力量变得越来越强,迭代越来越快。它们需要最新的技术,技术也永远是跟着商业去服务,这对于我们来说是个巨大的机会。

回到一个例子,就在二三十年前,制造业蓬勃发展的时候,SAP诞生在哪?德国。全球最牛逼的制造大国。SAP 把德国最先进的的产品和理念提炼出来,输出到全球,再牛的企业也得用,而中国现在也有类似的机会。

像SAP、IBM做的都是千亿美金的市场,但为什么中国企业服务领域还没有出现同等实力的公司呢?因为中国本质上已经不是IT的时代了,而是DT时代(Data Technology),企业需要的是DT时代的SAP、IBM。

1 、通过数据,寻找100倍迭代改进的机会

如果说IT是帮企业上数据,那DT本质上就是帮企业去用数据,挖掘数据价值。在这个大趋势下,观远数据的核心定位就是做一个数据分析平台,通过分析业务数据,让企业更好地发现问题,给出决策建议。

它是一个决策大脑的问题,是企业未来的核心竞争力所在,也是我们所有商业合作的大门。

因为企业每天都要做几百上千个决策,补货是不是要调整,现在表现是不是异常等等,都不好判断。原来怎么解决的呢?可能是一周开一次会,去分析哪些商品卖得好,货架怎么去调整,怎么做促销。但很多时候你会发现人流量没问题,货架也OK,但销量为什么不好,你找不到原因。

如果我们能通过规则、算法,让这件事情自动化,每半个小时就让算法过一次,每天按8个小时算,一周就多了一百多次发现问题的机会。

从每周一次变成每周一百次,这100倍发现问题的机会,就等于有了100倍迭代改进的机会,最后就是100倍的增长机会。 一年之后,你跟隔壁店的竞争力就完全不一样。

所以我们从第一天开始就很明确,要做的是分析平台,要让不同的客户都能在这个平台上解决共性问题。而非做项目,最后没法规模化,还要拖累客户,因为每个客户都要开发不同代码,很多很好的行业实践就没法共享。

这样的话,就要求产品本身要高度抽象,一些独特的需求再通过配置来解决。它不是定制,是配置。这种抽象化的产品能力也是我们的核心能力,它的要求其实很综合:

一是对数据分析的理解 ,企业到底应该怎么分析数据,用哪些模型算法;

二是对业务的理解 ,因为所有的分析都是辅助完成业务的,不同的业务需要什么样的决策方式;

三是产品技术能力 ,用什么样的技术来解决对应的问题,怎么处理海量的数据、拓展等等。

当然,还需要你正儿八经地去服务一百个大客户,只有踩过足够的坑,交过足够的学费,才能知道企业在不同阶段,不同的数据源情况下,怎么抽象出产品。说白了也没什么捷径,坐在办公室,找几个技术,肯定解决不了企业的问题。

2 、只有数据才能解决的零售问题

落到数据分析在消费零售企业的具体实践,我们关注三个问题:

第一是精细。消费零售这个行业,说破天就是看谁更精细。什么是真正的颗粒度革命?从单店、单品,到单客、单时(每个小时的数据),没有这样的颗粒度,企业很难做好。

甚至我们还有个概念叫「单度」,比如到了八月份,气温每上升一度,对你每个商品的销售会产生怎样的影响。

这种细微的变化和规律,没有算力,光靠人工,是把握不了的。除非遇到一个超级店长,但你一千个店里能有几个超级店长?这是很客观的问题。

第二是快速反应。怎么快?比如前面提到的,通过算法,把一周开一次讨论会,变成每周一百次的算法决策。

当然,前提是你到了一定的体量,如果只是一个夫妻老婆店,那肯定不是我们的目标用户。本质上,我们解决的还是规模化的管理效率问题,而不是帮大家去开一个小店。

第三叫智能决策。你能基于预测,给出行动建议。 比如我未来四小时怎么供货?它可能跟天气、时期、门店的画像、库存和供应链情况都有关系,其中核心就是要养数据,把分析指标体系构建出来。

只有在你积累了半年一年,数据质量越来越高,口径越来越规范的时候,才能做到真正的预测。所以我们走到这一步的合作伙伴还很少,基本只有五百强企业才有这个基础。

这也涉及到零售企业跟技术公司协作的问题,我认为最合适的一定是战略合作伙伴关系,而不是简单的甲乙方。因为数字化这个事情,不光是一个工具或者产品就能改变,企业更需要的你告诉他行业有哪些最佳实践,给他们做一些轻度咨询,然后再接入服务。

当然,我也接触过一些想自己做数据分析系统的企业,最后都会发现跟想象的不一样,一是慢,二是因为自己做,就意味着缺乏行业视角的指导。

还有一点,零售企业要招高水平的技术团队,最后其实留不住。因为基因不一样,真正想做技术的人,最希望的都是源源不断地接触新技术,一个便利店你说我要天天尝试新技术也不可能。

所以我的建议是很明确的,最后一定是专业分工,要跟外部合作。 当然,同时你也可以有自己的技术团队,他未必要直接下手,但因为熟悉业务,在出问题的时候,大概能知道是什么问题,就够了。

1 、看三年做三个月,针对零售场景的五步法(5A)路径

对于零售企业的数字化,我们提出一个方法论叫「看三年做三个月」。什么意思呢?我们根据很多领先企业的做法,帮他去推演未来三年,构建数据化能够在哪些场景,以什么样的形态产生多大的价值。然后再根据你数据的基础,去规划眼下三个月应该怎么去构建。

具体就是围绕一个企业的生命周期来展开,我们称之为从BI到AI的「5A五步法路径」:

第一步是敏捷化(Agile)。 企业不管是新业务还是传统业务,都需要不断去发现问题,然后迭代优化。比如你哪个产品进了微商的群,或者在线下做了一个扫码购,第一步就是要分析它的效果。

「敏捷化」的意思就是,从经营分析这个核心场景去切入,监测你在不同渠道和不同场景的表现,能够快速地把你基础的数据分析体系给建立起来。

第二步叫场景化(Accurate)。 就是人货场、进销存的全面覆盖,通过产品复购数据,不断地分析你的同款比、七天流水、复购等等,再借鉴行业最佳实践,帮你搞清楚这个单店到底该怎么做。

比如你有一千家店,在场景化之后,我能告诉你每个店应该怎么监控,缺货指标有哪些,缺货时具体应该怎么分析决策等等。

这个问题看似简单,但在连锁业态真正落地的时候,你是不知道什么时候缺不缺货的,它有很多关联的要素和指标,可以被不断梳理出来。

第三步叫自动化(Automated)。 当你基础的数据分析体系构建好了,整个全场景的监测和分析指标也梳理出来之后,怎么做到每隔半个小时就自动处理和监测,怎么让它自动去完成数据分析。

第四步叫增强化(Augmengted)。 就是AI增强分析,基于不同的SKU,不同的库存和物流时间,不同的客流等等,找到里面千丝万缕的联系和规律,然后给出预测。

第五步行动化(Actionable)。 就是基于预测,给出决策建议,比如我应该怎么补货、怎么调整品类、货架等等。

这是我们独创的针对零售场景的智能数据分析路径。你未必要严格按照这个来,因为不同的企业,数字化基础不一样。如果你的基础比较好,我们也推荐你直接进入后面的步骤。

但国内的企业一般都处在前三步的阶段,跟我们走到第四第五步的基本都是五百强。

2 、数字化的「大脑」和「五官」,做深决策分析

数字化的工作大家可能都在做,但差异很大。我们最初做观远数据,也是看到很多大公司,包括外企,还在用Excel报表的形式在处理数据。这种方式只做到了数据最基础的一层,你能看到数据,但没有分析,没有决策,也不智能。

这些需求其实一直都有,但为什么原来没有做到?核心就是2016年开始的三波技术浪潮:算力、算法、数据。 只有这几个结合起来,才能解决前面提到的问题。

比如一线门店的订单,你怎么实时监测,快速处理?你怎么去分析海量数据形成的千万种组合,对销售产生的影响?

这就是我们做分析决策,和很多其他做数据分析公司最本质的区别。 我们碰到很多专门做门店数据采集,专门做供应链优化,以及专门做用户行为的等等,但我们的定位是数据分析平台,解决的是决策问题。

任何一个重要的决策,都要融合企业的各个环节来看,不管门店数据,还是供应链,都只是其中一个环节。如果你只有门店数据,比如你知道张三来了,但如果没有其他数据,没有分析,你也不能怎么样?

可是针对历史数据,你知道他不同的时间点喜欢干什么,再结合库存、货架的情况,以及是不是处于促销的状态等等,就能做出分析预测,而不是推荐你本来就缺的产品。

当然,不管是从什么角度做数据分析,大家都是有价值,并且是互补的。比如你在门店装了一个「眼睛」,可以实时监测动态,但同时你要跟其他数据结合分析,才能知道,货架到底要怎么摆放,动态地监控怎么转化成和销量的关系?

他们相当于是支持我们的一个个五官,我们更像是最终汇聚数据做决策的大脑,这是我们的核心能力。

未来我们也会聚焦这一块,把各种分析决策做深入,怎么把预测做得更精准,而不是胡乱延伸。 因为每个企业都要面临会员的流失,商品的补货,门店的动销等等问题,这些场景都需要预测,所以做好预测还是非常有价值的。

3 、未来好的零售企业,一定也是科技企业

从2017年服务第一个用户到现在两年多,我们每年大概都有5倍以上的增长,到现在已经服务一百多家消费零售的新经济企业。

未来三年,我们希望能服务更多的创新公司,但这也没什么捷径,只能一家一家地去服务好,而不是快速扩张。反而更需要慢,因为我们主要服务中大型的企业,如果能把头部服务好,无论是对需求理解,还是产品提炼,都能产生更多的效益。

当然,我们也不着急,因为未来每一个牛逼的零售企业,一定也是科技的企业,否则一定跑不出来。现在对于领先的企业来说,数据分析可能是一个差异化的竞争手段,但未来肯定会成为企业的标配,是你必须要具备的能力。

所以我经常说要有信仰,你不能指望它马上就能产出多么大的结果,觉得自己马上就可以取代谁。但它有一个复利效应,如果你持续地投入,每天都在基于新的数据不断迭代,更新365天之后,一定甩别人十条街。

现在很多零售企业,会花很多时间做前端做增长,比如网红店,通过各种营销活动、创意玩法,很受关注,但大部分其实缺一个底层的东西,去支撑它持续地做下去。

当然,对于前端的创意,我们肯定要尊重,特别是要利用每个企业家独有的审美,形成他的判断,这个没毛病。但与此同时,你一定也有科技的一面。

科技本质上是解放创业者的脑力,把每天大量的分析和决策通过算法来实现,把你在前端创意的优势放大。 因为真正有智慧做决策的人一定不到百分之一,如果能通过技术去完成这一步,其实大大地减轻了创业者的负担。

所以同样的企业,通过把算法算力的作用发挥出来,每天去迭代,就能比过去多发现十倍百倍的增长机会。 这就是智能时代跟工业时代、IT时代最大的区别。

(文章来源:浪潮新消费)

申请创业报道,分享创业好点子。点击此处,共同探讨创业新机遇!

相关文章

编辑推荐