客户端
媒体矩阵
企业邮箱
工经号
升级公告
伴随消费升级，越来越多零售企业应用大数据、AI等前沿技术来支撑业务模式的持续优化与升级，数据驱动在消费品零售企业中扮演越发重要的角色。相比2015~2016年，企业越发重视数据资产积累与沉淀，这些企业希望通过全端的用户行为数据获取，实现线上和线下的数据打通和融合，还原多场景下的消费品客户全貌，精准勾勒用户画像，以便全部门与全场景实现数据驱动。
存在三方面问题
提供用户行为分析服务的大数据公司神策数据，在服务泛零售企业的过程中，发现传统零售企业经营管理模式需要变革，存在供应链僵硬、线上线下全线运营客户能力不足、数据决策能力弱等问题。
首先，传统消费品企业的供应链管理，在商品品类、存储与物流管理方面的问题较为突出。精细化的品类管理能够为市场提供高效的产品组合，实现高效的货架管理、商品定价与促销、补货及新品引进，并为后续需求预测、促销定价、补货翻单、采购计划、研发计划等提供决策基础。然而，神策数据在服务过程中发现，国内的品类管理多数仍停留在“货架管理”，约有50%~60%的零售商对采购策略不清晰，且数据无法共享造成销售预测不准确，导致断货与库存失衡问题高发。
其次，线上线下同时运营客户的能力不足。受产品线区隔、线上线下业务流程及IT系统未打通等影响，目前大多数零售企业的线上体系与线下体系割裂，导致无法实现针对性的用户运营。
再次，数据应用能力弱。数据驱动已是决策方面先进的生产力，是全渠道零售企业的生存法则。由于传统零售业的运营与销售的相关数据都比较分散，缺乏对决策执行过程中的数据收集、提取、分析，很难高效利用，因此目前绝大多数消费品管理者决策依旧停留在主观判断、消费者调研、市场同类商品参考等层面上。
建立深度的用户洞察能力
数据驱动包括驱动决策和驱动产品智能。在驱动决策方面，企业通过用户数据支撑全渠道业务模式的持续优化，为市场营销、产品设计、售后服务等方面决策指明方向，而非靠拍脑袋。在驱动产品智能方面，神策数据在快消品企业实现智能生产制造、智能物流仓储、个性化推荐等方面都已经有成功落地实践。
那么，消费品零售企业是如何实现数据驱动的？
从实现方式上来说，首先，实现全端数据采集是数据驱动的基础。全端数据采集包括线上线下的多种数据源、多种结构、多种内容、多种粒度的用户行为数据和业务数据。以便利店为例，对消费者发生的每一次购买行为进行实时监控和分析数据的采集应该包含基础数据采集、第三方数据库、POS系统、用户支付环节的订单信息等；其次，将这些采集到的数据按某种用户关联规则整合成可分析的数据集，建立用户行为数据仓库；最后，结合数据分析方法论与零售行业领域知识，建立灵活的消费者行为分析指标体系，基于用户行为和机器学习算法，设计精细化用户标签体系，勾勒用户需求和画像，同时帮助不同角色解读指标并满足自身需求。
从具体落地的应用场景来看，许多企业在全渠道营销、客户经营、品类管理、供应链管理等方面落地应用场景。
以商品品类的精细化管理为例，新零售时代，企业认知到品类的持续优化成为衡量消费品企业核心竞争力的重要标准。一些企业品类管理完成了从生产视角到消费视角的转化，围绕品类结构动态优化、品类结构与运营、商品采供销一体化等方面展开，经过多次市场调研、消费分析与评估，进一步精简原本繁琐的商品品类，并依据品类的实时数据进行更新。另外，商品的定位及相应决策也因为数据变化而不断处于动态变化中。
在大数据与消费品零售行业未来发展方面，数据与AI将变得紧密且融合，在消费品企业中，数据不再只是扮演“支持单业务、单角色的数据分析需求”的角色，而是围绕客户真实需求，贯穿于从消费品客户初次触点、客户培育、价值匹配到客户成功的全流程全接触点的运营过程中，形成从数据积累，到数据分析与应用，最终到实践验证的良性应用闭环。
（张乔）