零售数据分析岗位规范

零售数据分析岗位规范范围本标准规定了连锁企业零售数据分析岗位要求及人员的任职素质。本标准适用于连锁企业各业种、业态零售数据分析人员岗位的通用型岗位要求，根据数据分析人员所处的业态及业务环节或部门不同，数据分析人员具体的工作重点和分析对象会有所差异，但工作职责与流程相近，各专业、业态零售数据分析人员岗位个性化要求可参考本标准制定附件，以补充完善各业种、业态对零售数据分析人员的特殊要求。中国连锁经营协会将据此标准开展零售数据分析人员培养和认证的工作。规范性引用文件下列文件对于本文件的应用是必不可少的。凡是注日期的引用文件，仅注日期的版本适用于本文件。凡是不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。SB/T10465连锁经营术语GB/T18106零售业态分类T/CCFAGS004-2018零售店店长岗位要求术语和定义SB/T10465、GB/T18106和T/CCFAGS004-2018中界定的以及下列术语和定义适用于本文件。零售店Retailingstore向\h消费者个人或团体出售商品与服务，以供其最终消费使用的商店。零售业态Retailformats指零售企业为满足不同的消费需求进行相应的要素组合，根据其经营方式、\h商品结构、服务功能、以及选址、\h商圈、规模、店堂设施、目标顾客和有无固定经营场所等因素，而形成的不同经营形态。[GB/T18106,定义2.2]零售业种Retailindustry指零售商业的行业种类，按经营商品和服务的类别作为区分依据。如服装店、食品店、药店、书店、家居店、电器店等。数据分析Dataanalytics指用适当的分析方法对收集来的数据进行分析，为提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。新零售Newretailing指企业以互联网为依托，通过运用大数据、人工智能等技术手段，对商品的生产、流通与销售过程进行升级改造，进而重塑业态结构与生态圈，并对线上服务、线下体验以及现代物流进行深度融合的零售新模式。消费场景Consumerscenarios特定的时间，地点和人物存在特定的场景关系，延伸到商业领域便会引发不同的消费市场。大数据Bigdata指大小超出常规数据库工具获取、存储、管理和分析能力的数据集，即大数据是现有数据库管理工具和传统数据处理手段很难处理的大型、复杂的数据集，涉及采集、存储、搜索、共享、传输和可视化等方面。数据采集Dataacquisition数据采集，又称数据获取，不同数据来源的对应的数据获取方式也不同，有的数据获取方式是利用一种装置，从系统外部采集数据并输入到系统内部的一个接口，数据采集技术广泛应用在零售行业数字化转型领域，比如摄像头，麦克风，都是数据采集工具。数据清洗Datacleaning数据清洗是对原始数据数据进行重新审查和校验的过程，目的在于删除重复信息、处理缺失值和异常值、纠正存在的错误，并提供数据一致性。数据集成Dataintegration数据集成是指将来自多个数据集或不同数据库中的不同结构的数据在逻辑上或物理上有机地集中，进行合并处理，从而为企业提供全面的数据共享。数据转换Datatransfer数据转换是指数据从一种系统转移到另一种系统的时候，需要将数据转换到系统能够识别的格式，如数据架构和数据存储形式等等。数据规约Datareduce数据归约是指在尽可能保持数据原貌的前提下，最大限度地精简数据量。数据归约主要有两个途径:属性选择和数据采样，分别针对原始数据集中的属性和记录。用户画像Userportrait用户画像又称用户角色，作为一种勾画目标用户、联系用户诉求与设计方向的有效工具，用户画像在各领域得到了广泛的应用。在大数据时代背景下，用户信息充斥在网络中，将用户的每个具体信息抽象成标签，利用这些标签将用户形象具体化，从而为用户提供有针对性的服务。精准营销Precisionmarketing就是在精准定位的基础上，依托现代信息技术手段建立个性化的顾客沟通服务体系，实现企业可度量的低成本扩张之路，是有温度的营销理念中的核心观点之一。精准的含义是精确、精密、可衡量的。包括但不限于精准的市场定位、商品规划、价格策略、渠道策略、促销策略等。品类管理Categorymanagement零售商和（或）供应商把所经营的商品分成不同的类别，并把每类商品作为企业经营战略的基本活动单位进行管理的一系列相关的活动，它通过强调向消费者提供超值的产品和服务来提高企业的运营效果。[SB/T10465，定义8.1.15]数据可视化Datavisualization数据可视化主要旨在借助于图形化手段，清晰有效地传达与沟通数据信息。它将数据库中每一个数据项作为单个图元元素表示，大量的数据集构成数据图像，同时将数据的各个属性值以多维数据的形式表示，以便从不同的维度观察数据，从而对数据进行更深入的观察和分析。数据资产DataAsset数据资产是企业及组织拥有或控制，能给企业及组织带来未来经济利益的数据资源。任职素质要求基本素质具有诚实、正直、守信品质，对本企业忠诚，热爱行业并愿意做出贡献；具有良好的身体素质。熟悉本行业有关隐私、侵权等方面的相关政策、法律法规和道德规范，具有遵纪守法的法治意识，遵守国家法律法规和企业各项规章制度。有责任心、具有团队合作精神，能承受一定的工作压力。具备良好的沟通、协调及解决问题的能力，较强的执行力和计划组织能力。对数字的敏感性，能够在数据报表中发现业务发展趋势的影响因素，并针对性的进行分析，提供相关报告。具有良好的商业敏感度和优秀的数据分析技能，能够熟练运用所掌握的分析方法以解决复杂的商业问题。具备较强的逻辑分析能力、学习能力、创新意识和创新能力，对零售行业新技术、新品类、新机制、新模式有较敏锐的认知与内在驱动力。较强的书面及口头表达能力，乐于接受挑战具有一定的英语读写能力。专业素质熟悉零售行业、公司业务及流程，深入理解业务和商业逻辑，关注业务动态，能够与业务需求层面及IT技术层面做好沟通衔接工作。熟练掌握Office软件的使用，能熟练运用PPT/Excel制作报告及数据处理。熟悉数据仓库，掌握数据分析、数据挖掘方法，熟练使用2-3种统计分析工具。能了解企业数字化进程，掌握已投入使用的相关数字化管理技术与工具，并对人、货、场及企业整体运营管理的数字化转型提出建议。了解本行业及相关行业基本知识与市场现状，具备一定的市场调研分析技能。掌握零售行业及所管理商品的知识及品类管理技能，能够利用数据优化品类结构、视觉营销、商品定价、商品促销、信息触达和供应链管理等具体业务。 掌握经营预算分解、落实、跟踪、核检并持续改进的技能，能够帮助预算编制及达成监控、业务运营现状、效果、问题分析、财务分析、组织效率、成本控制等决策建议。岗位要求岗位描述零售数据分析人员是指在零售行业对数据进行搜集、加工、分析并挖掘出有价值信息的专业人才的统称，他们通过数据挖掘出有价值结论或建议，找到优化产品/服务、驱动业务发展、提升效率的更好途径与方向。岗位职责确定项目需求和分析思路基于公司业务确定顾客数据分析的项目需求和分析思路，或提出改进建议。基于公司业务确定商品数据分析的项目需求和分析思路，或提出改进建议。围绕业务流程及各项营运活动确定项目需求和分析思路，或提出改进建议。围绕企业经营战略及经营预算确定项目需求和分析思路，或提出改进建议。围绕企业数据资产的外部变现确定具体项目需求和项目计划，或提出改进建议。数据采集与处理利用公司现有的数据采集渠道获取零售人货场等各种相关数据。对公司的数据来源、数据采集方式以及数据中台设计提出改进建议。对所采集的数据进行描述性分析，并为后续的预处理工作明确目标。对数据库中的原始数据进行数据清洗处理，提高数据质量。将不同来源的多个不同数据集或不同数据库中的不同结构的原始数据进行数据集成处理。进行数据转换，使不同数据之间具有相同的计算单位或者计量方式。进行数据规约，为后续的数据分析和挖掘提高效率。零售数据分析基于业务场景，选择适合的算法并构建或者优化相应的数据分析模型；基于消费场景，进行用户画像和顾客细分，在商品推荐、交叉销售、营销活动、营销效果、生命周期价值等方面进行深入分析。围绕用户在线行为进行流量、转化率、客单价、页面改版、客服等方面进行深入分析。进行目标顾客的预测（响应、分类等）分析、活跃度分析、路径分析等不同维度的深入分析。从供应链角度出发，进行商品采购、销售及供应环节的深入分析。监控预算达成、诊断经营状况，进行业务运营现状、效果、问题分析、财务分析、组织效率、成本控制等分析。分析有关宏观经济、行业政策、消费者、竞争情况、供应商、技术等因素，了解市场的现状及其发展趋势。数据可视化及报告撰写针对阅读对象和场合选择合适的图表对数据分析结果进行生动化的展示。基于数据分析结果，撰写数据分析