觀遠(yuǎn)數(shù)據(jù)《零售行業(yè)智能數(shù)據(jù)分析白皮書》正式發(fā)布，首次定義零售智能分析

2019-04-30 12:21 來(lái)源：A5專欄我來(lái)投稿撤稿糾錯(cuò)

新零售認(rèn)知2.0階段

進(jìn)入2019年，隨著新零售概念的逐步降溫，大家對(duì)零售的認(rèn)知經(jīng)歷了一個(gè)螺旋式的上升，并達(dá)成更高維度的共識(shí)：無(wú)論是什么業(yè)態(tài)的零售，本質(zhì)上依然圍繞著“人、貨、場(chǎng)”三個(gè)核心要素，這個(gè)從來(lái)沒有改變；不同的地方在于，因?yàn)榫€上線下的疊加，以及大數(shù)據(jù)與人工智能等技術(shù)浪潮的普及，“人、貨、場(chǎng)”三要素之間的多維互動(dòng)、靈活組合，比過去提升了若干個(gè)數(shù)量級(jí)。而這些變與不變的背后，卻又是殊途同歸，那就是為每一位用戶帶去更美好的產(chǎn)品與體驗(yàn)。

所以，如何有機(jī)打通“人、貨、場(chǎng)”？第四個(gè)要素應(yīng)運(yùn)而生：“腦”——如何構(gòu)建零售決策大腦，越來(lái)越成為企業(yè)的核心競(jìng)爭(zhēng)力。

零售決策大腦尤其需要解決這三個(gè)方面的問題：

1.精耕細(xì)作

• 如何做到單店、單品、單客的全息畫像？如何對(duì)每一次促銷活動(dòng)自動(dòng)進(jìn)行效果分析與評(píng)估？

• 如何從成百上千、成千上萬(wàn)個(gè)SKU中定位到本季度、CBD類型的門店內(nèi)最熱銷的關(guān)聯(lián)商品搭配？

2.快速反應(yīng)

• 當(dāng)下午3:00某時(shí)效類主力SKU如果銷售不及預(yù)期，如何第一時(shí)間預(yù)警，讓數(shù)據(jù)追人，產(chǎn)生行動(dòng)建議，并在可能錯(cuò)失第二波客流高峰之前，快速層層上報(bào)，拉動(dòng)及時(shí)干預(yù)？

• 當(dāng)新品推出的時(shí)候，如何做到“快反”，通過局部的實(shí)時(shí)趨勢(shì)，結(jié)合歷史的規(guī)律，探測(cè)新品的曲線，以最快的速度響應(yīng)市場(chǎng)的節(jié)奏？

3.預(yù)測(cè)決策

• 預(yù)測(cè)是任何一項(xiàng)決策的最重要入口。波士頓咨詢BCG最新的報(bào)告顯示，對(duì)于零售和消費(fèi)品行業(yè)，銷售預(yù)測(cè)的準(zhǔn)確度提升可以為企業(yè)帶來(lái)2.5%的潛在增長(zhǎng)。

• 如何基于歷史經(jīng)營(yíng)數(shù)據(jù)與外部公共數(shù)據(jù)，預(yù)測(cè)未來(lái)1-7天不同細(xì)分品類、乃至SKU的銷售額，進(jìn)而進(jìn)一步指導(dǎo)訂貨、促銷、生產(chǎn)、物流？

面對(duì)這些每天都在高頻發(fā)生的決策場(chǎng)景，過去的數(shù)據(jù)分析與決策方式早已無(wú)能為力。大數(shù)據(jù)與人工智能時(shí)代，新一代的智能數(shù)據(jù)分析產(chǎn)品與解決方案呼之欲出！

智能分析替代傳統(tǒng)BI的趨勢(shì)愈顯

今年，數(shù)據(jù)智能成為熱門詞匯，意味著數(shù)據(jù)應(yīng)用從業(yè)務(wù)洞察進(jìn)入業(yè)務(wù)決策階段。而智能分析對(duì)數(shù)據(jù)分析發(fā)展進(jìn)程各階段功能進(jìn)行了整合優(yōu)化，形成了從數(shù)據(jù)接入存儲(chǔ)、數(shù)據(jù)分析可視化、AI預(yù)測(cè)、分發(fā)與消費(fèi)等的數(shù)據(jù)分析-決策流程。因此，智能分析的優(yōu)勢(shì)也是多方面的，體現(xiàn)在進(jìn)一步促進(jìn)業(yè)務(wù)、提升用戶采用率以及提高預(yù)測(cè)的基準(zhǔn)和準(zhǔn)確度等，這將成為決定企業(yè)未來(lái)成功與否的核心競(jìng)爭(zhēng)力。

那么，與傳統(tǒng)BI相比，智能分析又有哪些特點(diǎn)呢？

• 產(chǎn)品使用門檻更低，向“重型武器”說byebye

即便是市面上最易用的BI產(chǎn)品，也往往是只面向?qū)I(yè)人士的。企業(yè)內(nèi)大約只有5%的專業(yè)人士（經(jīng)過培訓(xùn)的數(shù)據(jù)分析師）才能進(jìn)行BI的自主分析，大部分人在決策過程中無(wú)法使用數(shù)據(jù)支撐。

智能分析最核心的進(jìn)化，是通過自助式分析，簡(jiǎn)化操作難度，讓不懂技術(shù)的業(yè)務(wù)人員也能快速上手，自助、自動(dòng)地完成分析業(yè)務(wù)，實(shí)現(xiàn)全線賦能與管控。同時(shí)這個(gè)過程通常是“無(wú)感知”體驗(yàn)，因?yàn)橹悄芊治銎脚_(tái)已輕量地集成或嵌入業(yè)務(wù)人員日常決策的場(chǎng)景中——比如OA平臺(tái)免密登錄、手機(jī)自動(dòng)接收異常預(yù)警等，可大大促進(jìn)企業(yè)人員數(shù)據(jù)驅(qū)動(dòng)決策習(xí)慣的養(yǎng)成及內(nèi)部推廣。

• 整體解決方案而非單一工具，更貼近于業(yè)務(wù)場(chǎng)景使用

傳統(tǒng)BI停留在內(nèi)部報(bào)表與可視化工具層面，難以整合全量大數(shù)據(jù)，尤其缺乏分析模板、分析場(chǎng)景與指標(biāo)體系，實(shí)現(xiàn)的價(jià)值有限。

智能分析會(huì)根據(jù)企業(yè)數(shù)據(jù)應(yīng)用基礎(chǔ)的不同，提供相應(yīng)階段的解決方案，具備靈活適配性及強(qiáng)大的可延展性，既能滿足當(dāng)前所需，更能幫助規(guī)劃并落地面向未來(lái)的數(shù)據(jù)化賦能路徑；同時(shí)面向業(yè)務(wù)場(chǎng)景，提供與業(yè)務(wù)緊密結(jié)合的分析模型，并將行業(yè)專家的優(yōu)秀經(jīng)驗(yàn)固化到系統(tǒng)，持續(xù)接收反饋并改進(jìn)，從而打造出最佳數(shù)據(jù)分析實(shí)踐。

• AI智能應(yīng)用，跨越數(shù)據(jù)與決策的鴻溝

傳統(tǒng)BI難以有效指導(dǎo)下一步?jīng)Q策，停留在歷史業(yè)務(wù)的匯總統(tǒng)計(jì)，無(wú)法對(duì)業(yè)務(wù)實(shí)時(shí)快速反應(yīng)，無(wú)法對(duì)未來(lái)進(jìn)行業(yè)務(wù)預(yù)測(cè)。

智能分析可以基于數(shù)據(jù)分析結(jié)果作出預(yù)測(cè)、診斷、建議等行為，從而引導(dǎo)企業(yè)作出智能決策，形成完整的數(shù)據(jù)閉環(huán)。并且，智能分析中的預(yù)測(cè)不同于一些借助統(tǒng)計(jì)學(xué)技術(shù)的預(yù)測(cè)，而是基于機(jī)器學(xué)習(xí)等AI技術(shù)，將能夠輸出更高效且更高精度的預(yù)測(cè)結(jié)果，并極大釋放企業(yè)生產(chǎn)力。

那么，零售和智能分析在這一全新階段將怎樣有機(jī)融合？為了更好地解答大家的疑問，幫助零售企業(yè)梳理零售智能分析的演進(jìn)規(guī)律，并提供快速落地的建議指導(dǎo)，觀遠(yuǎn)數(shù)據(jù)集結(jié)了內(nèi)部眾多優(yōu)秀零售數(shù)據(jù)分析專家共同制作發(fā)布了這份《零售行業(yè)智能數(shù)據(jù)分析白皮書》。

該書作者平均具有十年以上零售大數(shù)據(jù)分析工作經(jīng)歷，同時(shí)他們結(jié)合了觀遠(yuǎn)數(shù)據(jù)與諸多500強(qiáng)零售客戶的合作經(jīng)驗(yàn)，將在這份白皮書中呈現(xiàn)「從敏捷分析到智能決策的企業(yè)數(shù)據(jù)化賦能路徑規(guī)劃」、「AI+BI智能數(shù)據(jù)分析知識(shí)圖譜」、「零售數(shù)據(jù)分析選型建議」、「觀遠(yuǎn)數(shù)據(jù)零售全棧式分析圖譜」、「零售各細(xì)分行業(yè)解決方案」等干貨分享。感興趣的讀者可登錄觀遠(yuǎn)數(shù)據(jù)官網(wǎng)查詢下載。