零售大数据共享

零售行业大数据分享苗文成 Allen

Miao，消费与流通行业价值工程顾问2017

年

8月

9

日SAP很早就致力于移动化、云计算、大数据、和物联网5种技术正在改变我们的工作、生活和交往互动的方法移其中，大数据的采集、存储、分析、应用是所有其它技术的依靠重整组织结构客户定级的用户体验服务自助能力实时协同人机共事认知世界与人工智能重构业务模式建立新的客户链接业务模式结果导向平台化新业态住企创业重建工作流程颠覆周期规律加速创新进程流程智能化流程精益化企业与价值链协同云物大技术趋势正改变世界SAP大数据解决方案在全球供应商中的地位SAP大数据解决方案处于领导者核心位置SAP大数据解决方案在平衡现有功能和未来发展上最优零售行业大数据面临的挑战线上企业缺乏零售和商品的基因，对于数据的分析简单线下企业以体验驱动经营，对于数据分析则以直接报表为主数据能够成为新零售新模式的根本，不是因为企业已有大量的数据，而是企业需要有效地使用数据，实现快而准的决策线上企业用计算机科技作为经营工具从而配备了大量的存储线下实体以门店为核心从而储备了门店的交易数据线上企业从产生的一开始就根植了用数据运营业务的基因线下实体在发展的过程中逐步积攒了各种的交易数据数据采集数据存储数据分析数据决策大数据是新零售、新商业、新消费的根本人工智能大数据大数据依赖全渠道和个性化才能凸显商业价值图像数据回归消费偏好门店特征营销设计APL统一需求商品配置品类计划顾客线上线下库存生产采购销售物流门店财务员工文本数据Walmart销售额：4,822亿美元客单数：2.45亿每周访客门店数：11,000/27个国家电商网站：11个国家员工人数：220万人当前的数据仓库只能交付标准报表，无法灵活自助定义分析不允许模拟分析试算场景，无法快速获得答复无法下钻到SKU级别的资料，只能获得品类级别数据获取速度慢，只能隔天获得关键KPI的报表，或者只能获得周级别的报表数据海量数据的烦恼超大型企业级数据量50+资料平台，30

PB数据量大数据应用案例介绍：沃尔玛–全球最大的零售企业2,500亿/3年销售单据凭证＋随时随地分析1,500

活跃用户可扩展容量：4,500用户以上94%的查询报表在2秒钟以内完成所有复杂报表满足8秒钟准则每小时24,000次查询，最细颗粒度工作方式的改变—完全透明、数据驱动、实时洞察每小时处理24,000次查询，第一次使得业务管理层获得近似实时的

SKU级别的查询需求使得业务使用前所未有的方式来获得不同特性的趋势以及规律在数据驱动下开始尝试使用新的业务模式，例如：在黑色星期五，东海岸的促销表现，西海岸门店开张是否要及时补充库存；不断尝试新的想法，在运行一周或一个月后，来调整修正并完善数据驱动模型使用可视化的分析组建，倡导自助服务，用户更加自主地创新使用，数据激发新的灵感大数据应用案例介绍：沃尔玛–全球最大的零售企业大数据建设需要打造五大关键能力预测能力外部数据分析能力辅助决策能力计划精准细能力精准营销能力大数据价值的核心在于数据挖掘销售榜利润率覆盖率时间区域分类消费行为数据地理位置信息社交网络数据历史销售数据聚类分析时序分析

相关性分析社交网络分析分类回归分析企业需要创建大量数据模型挖掘数据价值从已知的数据，探究未来的发生预测能力外部数据分析能力辅助决策能力计划精细化能力精准营销能力数据字典与数据标准化：数据的自动解析和智能匹配人资系统姓名张先生联系方式身份证号无性别男年龄段35-45公司SAP职务方案架构师售后系统姓名张三疯手机号身份证号100101....23性别1年龄39公司SAP职务无会员系统姓名张三手机号身份证号无性别男年龄无公司无职务无微信平台姓名Mr.zhang手机号身份证号无性别无年龄特征中年稳定型个人爱好出境游消费水平高端通过多个业务系统进行数据抽取、清洗、匹配，建立唯一识别的主数据编码，集中管理主数据信息，统一主数据描述，保证数据的真实性、准确性、完整性、一致性基础数据客户编号2435465姓名 张三丰联系方式身份证号

100101…23性别

男年龄

39关系数据房产关系联名关系家庭关系产品关系交易关系客户编号偏好数据渠道偏好活跃时间意向信息活动偏好产品偏好客户编号衍生数据客户等级客户价值家庭结构最近区域社会阶层客户编号预测能力外部数据分析能力辅助决策能力计划精细化能力精准营销能力面料材质厚薄拉链纽扣面料纹理产品定位领型廓形设计元素风格缝纫方法颜色预测能力品类设计元素分析–帮助选品更科学外部数据分析能力辅助决策能力计划精细化能力精准营销能力SAPHANAPlatform3rd

party

WebAnalyticsData

ProviderBeacon

Data数据应用层数据模型层数据执行层Marketing市场营销数据CAR商品进销存数据BW

on

HANA其他业务数据商品计划MerchandisePlanning品类计划AssortmentPlanning配货计划AllocationPlanning业务洞察Sales

Insight基于大数据平台的自开发应用智能分析BusinessObject第三方报表分析工具非结构化数据管理精细化的零售计划体系预测能力外部数据分析能力辅助决策能力计划精细化能力精准营销能力黄色格子为已经在购买手袋的客户，并在前两个月购买了鞋类的客户寻找已经有目标行为的客户的共同特征（如购买时间间隔与购买产品组合）运用已经有目标行为的客户

的共同特征，按照相似程度，给群中所有客户打分选出相似性高的客户（红色格子），得到本次营销活动的目标客户列表005

0

10

0015

0020

0025

0030

0035

0040

000022

5555

0077

5511

00

00目标客户列表编号

电话号码

姓名

住址1

85486643

A

XX街XX号2

97645756

B

XX街XX号3

59801486

C

XX街XX号4

21957216

D

XX街XX号5

59114637

E

XX街XX号6

96272059

F

XX街XX号7

60095245

G

XX街XX号8

57252087

H

XX街XX号9

54408928

I

XX街XX号10

51565770J

XX街XX号11

48722611K

XX街XX号12

45879453L

XX街XX号13

43036294M

XX街XX号14

40193136N

XX街XX号15

37349977O

XX街XX号16

34506819P

XX街XX号17

31663661Q

XX街XX号编号2

97645756

B3

59801486

CXX街XX号XX街XX号4

21957216

D5

59114637

EXX街XX号XX街XX号6

96272059

F7

60095245

GXX街XX号XX街XX号8

57252087

H9

54408928

IXX街XX号XX街XX号10

51565770J11

48722611KXX街XX号XX街XX号12

45879453L13

43036294MXX街XX号XX街XX号14

40193136N15

37349977OXX街XX号XX街XX号16

34506819P17

31663661QXX街XX号XX街XX号目标客户列表电话号码

姓名

住址1

85486643

A

XX街XX号对一部分测试目标客户推出营销活动考察测试客户的响应购买者不购买者根据市场测试响应的结果，优化预测模型5执行市场测试67适应性营销活动-试点营销活动-优化和智能化客户交互全面推广PhonePhoneWebWirelessWirelessMailKioskKioskFax/MailFax/MailFace

to

Face-定制顾客交互-活动2第一波活动1第一波活动2第二波活动1第二波821349预测能力以提升转化率和客户粘度为主旨的营销策划外部数据分析能力辅助决策能力计划精细化能力精准营销能力大数据平台建设的内部管理着力点零售企业现有的业务模式与信息系统跨部门业务协同消费者全面经营大数据零售管理供应商资讯建设商品企划与商品开发协同商品开发与商品调配协同商品调配与门店运营协同门店运营与门店拓展协同财务计划与业务计划协同官网微信和集市订单门店销售和POS收银消费者员工集成管理消费者画像支持跨品牌经营完善的商品计划、品类计划、配货补货、与需求预测结合的科学体系商品、门店、时间、顾客四维管理供应商商务网络建设供应商产品数据积淀完善以门店为焦点的渠道数字化建设大数据建设的落地方案–完善企业现有管理，甄别创新业务模式完善以顾客为核心的销售与营销运营完善以预测为灵魂的计划与调配体系三—

二大数据建设的落地方案（一）完善以门店为焦点的渠道数字化建设门店静态属性全面数字化：门店本身的物理状况，包括面积、最大款色组合数…气候、城市、商圈、位置、环境、竞争…各种时间信息：合同起止、装修起止…门店合同数字化：版本、元素…属性特征及时维护：拓展、店长、区总…门店动态属性全面实时化：多维度的门店分群多角度的门店画像动态门店尺码文件动态经营指标体系：销售、利润、客单、坪效…指标体系实时动态：预配置、业务人员自定义…大数据建设的落地方案（二）完善以预测为灵魂的计划与调配体系建立科学的预测机制：还原历史的真实需求 形成商品计划、品类 计划、和配货计划的 共同基线，生成单店- 单品-单日需求曲线定义长期商品、换代 商品和近似商品定义商品门店组合使用大数据平台的科 学算法与数据模型对 未来的销售进行基线 预测，生成店群-小类-单周级别…贯通商品、调配与市场：基于同一个大数据平台 借助同一个预测机制三个部门联动，市场部 的指标分解，可以准确 到地区-大类-月或者更 细，商品中心的品类计 划可以准确到店群-小 类-单周，调配中心的 配货计划可以准确到单 店-单品-单日层级供应链计划可以更加灵 活，除了原来的补单能 力，还会增加分段采购 能力…由后向前从小到大自下而上自上而下季中配货、补货将根据商品门店组合、使用实际销售数字的预测曲线、计划曲线、最小订货量和最小订货倍数、以及门店尺码文件、并结合当前库存情况进行综合计算从而获得基于SAP

CAR的统一预测分析应用，便于总结观察预测结果統一需求预测（UDF）StatisticalAnalystHANA需求预测基础（DDF）理解与审查报告出的有问题的预测，通过统一应用分析预测的可靠性，如果需要触发后续动作商品&市场营销计划一致的需求计划铺货、配货、库存优化门店商品管理需求铺货专员配货专员商品配置计划员库存/补货调配员铺货订单建议过低门店经理门店员工货架分析/门店补货促销计划员品类经理、买手配货计划分配的数量不及预期需求计划预测与计划以及历史差异，翻单测算促销计划更低的促销有效性单品组货计划回顾参考商品品类计划回顾整合计划/预测…顾客行为资料库（CAR）统一需求预测统一需求预测（UDF）是SAP新一代的专注于预测的解决方案UDF结合了原先SAP零售促销计划的预测的预测模型以及SAP预测与补货的预测模型；同时也采用了SAPHANA作为平台，利用内存计算的性能以及底层数据计算库获得下一代预测引擎解决方案范围UDF能够使用多种需求数据源用来进行建模，并且计算（例如POS

Tlog数据,销售订单，销售数据）分解影响因子，来预测未来UDF计算历史上影响销售的关键影响因数，例如促销，日历活动或者调价，然后基于贝叶斯统计分析，来填补历史发生时间的缺失数据UDF能够按照每个渠道来进行预测计算，引入新的灵活的多渠道数据模型按照商品，渠道，地点，按天(天内也可)计算销售UDF支持what-if的假设试算场景，用来比对不同场景的结果，支持最佳决策新的UDF控制板体系使得用户有能力从统计角度来检测预测结果，以及预测的正确性大数据建设的落地方案（三）完善以顾客为核心的销售与营销运营从以商品为核心到以消费者为核心：渐变会员制注册消费者推广结合传统营销，获取消费者信息引导消费者体验全渠道服务于商务目的：找到线上与线下畅销品的交集，通过线上提前预测线下门店网店交相辉映，实体数字异曲同工：同城门店库存整合异地互补通过线上网店弥补门店陈列实现商品多款少量顾客分群精准营销目的：保持当前状况不发生巨大变化，增加顾客粘性交易数据网络点击店内轨迹移动设备使用行为交流、客服和社区线下POS线上交易

ERP系统消费者基本属性,跨平台身份识别,社交媒体信息匹配社交媒体和论坛数据消费者行为数据消费者身份数据社交媒体DMP数据天网：线上触点地网：门店数字化升级人网：导购、客服、粉丝1.数据收集和画像：收集全渠道的消费者数据数据抽取，数据清洗，数据整合，数据转换客服导购自有官网/电商平台 APP/微商城

社交媒体

电视和直播

门店POS消费者数据全渠道触点大数据平台店内大屏媒体广告意见领袖消费者大数据群体画像（全国-地区-门店）将消费者数据融合，形成宏观视野内的消费者热力图通过舆情分析（微信公众号，微博，论坛），分析消费者喜爱的话题，节目，款式，颜色等分析消费者的消费行为，购买路径可无限扩展的消费者属性如何实现和消费者的个性化互动目标市场潜力金额客群竞争策略针对性营销活动推给谁客户标签客户价值分群客户特征分析怎么推活动策略内容/话术触达渠道推什么产品偏好品类偏好价位段关联性推的结果关键任务/KPI驱动组织与端到端流程优化KPI结果检视与考核持续改善闭环2.客户洞察和细分–采用多种分析模型进行客群分析归类灵活的细分模型，帮助企业精准归类定位客群每一个客户接触点，都是我们“相关性标签”获取的数据源大数据挖掘关键方法——寻找相关性标签细分维度特征KPI指标

标签指标公式内涵价值观/生活方式家庭情感倾向性所购品类覆盖完整率购买品类种类数/全H公司品类种类数冰箱、洗衣机、空调、热水器、PC、手机、厨卫、冷柜…上新平均购买时长购买平均时点-上新时点购买商品能耗集中度购买能耗区间数量/总数一级、二级、三级、四级……………………态度家庭意向态度品类偏好集中度购买品类种类数/全品类种类数冰箱、洗衣机、空调、热水器、PC、手机、厨卫、冷柜…商品偏好集中度购买商品种数/全部商品种类数冰箱、洗衣机、空调、热水器、PC、手机、厨卫、冷柜…品牌偏好集中度购买品牌的种类数/全部品牌数冰箱、洗衣机、空调、热水器、PC、手机、厨卫、冷柜………………………需求/动机/购买因素活动参与度客户活动购买总金额/总购买金额团购、店庆、节日大促、优惠券、积分、满减、满返、家电下乡、节能补贴……………………使用行为家庭使用特征报障数量占比报障数/总接触数冰箱、洗衣机、空调、热水器、PC、手机、厨卫、冷柜………………………产品/服务使用场合家庭流动性冰洗空热维修频率半年均维修次数冰箱、洗衣机、空调、热水器、PC、手机、厨卫、冷柜…冰洗空热调试频率半年均试频次数冰箱、洗衣机、空调、热水器、PC、手机、厨卫、冷柜…冰洗空热咨询频率半年均咨询次数冰箱、洗衣机、空调、热水器、PC、手机、厨卫、冷柜………………………利润潜力家庭的收入阶层最近购买价位段集中度购买价位段数/购买总数1000-1999/2000-2999/3000-3999/4000-4999/5000-6999/7000以上单客总价值及贡献率近半年购买金额/总共金额高性能占比(分辨率.)高性能数量/总数量……………………人口特征家庭人口密集度门数集中度买最多种类门数/总购买数单门/双门/三门/六门/多门/对开门冰箱容积段买最多种容积数/总购买数60L以下/61-100L/101-150L/151-190L/191-230L/231-280L/281L以上洗衣机洗涤容量买最多种容量数/总购买数2.1-4.5Kg/4.6-5.5Kg/5.6-6.0Kg/6.1-7.0Kg/7.1-8.0Kg/8.1Kg以上/2.0Kg以下电视数与尺寸均值买最多种尺寸数/总购买数19英寸/22-24英寸/26英寸/29英寸/32英寸/37英寸/39英寸/40-43英寸/46-48英寸/50-52英寸/55英寸/58英寸及以上……………………地理位置家庭物理地址城市级别城市购买最多数/总购买数直辖市、省会、地级市、县、乡、镇、村所在小区楼龄安装维修所在楼房年龄家庭空间集中度安装维修住址数量唯一安装维修住址数之和安装空调数与总匹数空调匹数之和1P（约8-14㎡）/1.5

P（约12-23㎡）/2P（约21-34㎡）/2.5P（约27-42㎡）/3P（约32-50㎡）/5P（约46-70㎡）/5P以上……………………最终取得客户价值分群——大数据带来“精准营销”的革命性变化3.智能的推荐引擎–基于场景化的实时的、个性化产品推荐不同客群的品类推荐建议4.方便的营销执行和监控营销活动针对不同客群，采取针对性策略SAP大数据方案的价值顾客画像门店画像精准开店商品画像精准开发精准营销精准配补SAP大数据方案的架构SAP

HANASAP

CARSAPHybrisMarketing商品规划品类计划配货计划定价促销优化营销促销管理大数据应用层大数据中层大数据底层SAP

VoraSAP

EIM基于开源软件进行开发的大数据方案的缺点