相比得到企業的數據分析指標體系，觀遠數據更注重從企業核心指標推解看數邏輯的過程。通過層層推解，可以重新梳理企業的核心要素指標，對重點運營業務構建數據關系模型，并且有可能發現之前ERP建設的時忽略的數據斷層，推動ERP系統的改善，驅動智能決策。

7月22日-24日，由中國電子商會商業信息化專委會、《智慧零售與餐飲》、中國零售（餐飲）CIO俱樂部聯合主辦的“第十三屆中國商業信息化行業大會”在長沙圓滿落幕。會議集中了智能智慧產品展示、數字化運營高峰論壇、服務轉型高層聯盟會議、行業優秀標桿企業頒獎典禮等環節。

觀遠數據作為新一代智能數據分析與決策服務商受邀參展，并在高峰論壇上分享了《數據驅動智慧零售精細運營方法與實踐》。

零售企業數據智能可以分五步走

數字化轉型是零售行業發展過程中的必經之路，而現階段，很多企業在數據驅動決策的過程中依然面臨著“數據、工具、組織、方法”各個層面的困境。

1.數據層面主要體現在數據口徑不統一，數據定義不清晰，數據業務價值低下；

2.工具層面主要體現在當前很多零售企業數據分析還都依賴于ERP報表和Excel，屬于站樁式看數據，無法深入挖掘數據業務價值；

3.組織層面主要體現在人的方面，每個業務部門都想做到數據賦能，但又缺失真正能看懂數據的人，數據決策的意識不夠；

4.方法層面主要體現在搭建的數據分析模型無法深入結合業務痛點和需求，更多的都是一些報表的可視化展現，無法體現業務分析的管理邏輯。

零售企業在數據智能轉型過程中需要逐一攻克這些難點，而第一步，就是要先確定零售行業數據驅動運營的目標：提升店效，坪效，品效，客效和人效。

憑借成熟的落地服務經驗，觀遠數據提煉了五步法可以幫助企業快速搭建數據驅動決策的閉環。

1.拉通底層數據，統一數據口徑；

2.以終為始，通過戰略目標，管理邏輯拆解，來構建企業數據分析體系；

3.根據指標拆解過程中涉及的業務痛點和訴求構建數據分析模型和場景；

4.在沉淀出的業務數據模型基礎上配合AI算法引擎，構建AI智能決策應用；

5.將BI和AI的數據分析模型打造成數據分析應用產品，在移動端、PC端、大屏端賦能給終端用戶。



從方法論到案例如何構建數據指標體系

零售企業的戰略目標首先體現在財務層面，如企業盈利的持續增長；而要想企業利潤持續增長，首先要考慮在終端能否給顧客帶來價值；而要想給顧客帶來價值，需要企業在內部流程層面做好商品運營，門店運營，會員運營等關鍵業務流程；而要提高這些場景的精細化運營和智能決策，則需要企業在員工學習成長層面加強培訓和教育。

從這四個層面歸納梳理出公司級的核心KPI指標，可以再進一步推導到部門級的指標。

以茶飲行業為例，單店營收是公司級的核心指標，而單店營收又是由客戶數、復購率、客單價構成。

客戶數主要體現在顧**務和會員營銷層面，因此需要營運部和品牌營銷部來負責。

復購率分為門店復購率和產品復購率，門店復購率主要受門店的QSC（衛生、服務、品質）影響很大，一般由營運門管部來主抓。產品復購率在茶飲行業受口味的影響最大，而口味又受食材品質、原料效期、操作這三方面影響；食材品質主要由產品研發部和采購供應鏈部門來負責；采購供應鏈部門又有三個核心指標：采購品質、采購計劃達成率、采購成本。

通過類似的邏輯推解方法論，企業就可以從公司級核心KPI指標推導出部門級核心KPI指標，從而構建相應的數據指標體系。

目前，觀遠數據在連鎖零售領域已經沉淀了門店業績診斷、基于消費場景的爆品分析、門店損失分析、生鮮商品損耗分析、會員復購專題分析、門店智能經營診斷等從BI到AI的全生態鏈數據分析模型，可以給企業提供真正可行動的決策建議，幫助企業在數字化與智能化升級的過程中建立可持續的競爭優勢。

企業實現數據智能不是一蹴而就的事情，BI是企業實現AI的必經之路。通過BI數據分析平臺可以沉淀業務模型，提升數據質量，在此基礎上尋找合適的AI切入點，通過數據分析模型搭配決策引擎，可以快速構建智能決策應用。



榮獲「數字化服務創新實踐獎」

活動現場，主辦方還針對2019年到2020年間，在零售行業里發揮了中流砥柱和先鋒實踐作用的零售餐飲企業、數字化服務商進行了頒獎。

觀遠數據憑借在零售餐飲行業的智能數據分析實踐，獲得了「2019-2020年度 數字化服務創新實踐獎」。


未來，觀遠數據將持續深耕零售消費領域，為更多零售企業提供成熟、前沿、快速落地的數據智能應用。

附件下載區：    鼠標左鍵單擊文件進行下載 附件：觀遠數據展位.jpg (127K)  下載次數:1 附件：道明2.jpeg (241K)  下載次數:0 附件：平衡積分卡 - 副本.png (148K)  下載次數:1 附件：獲獎 - 副本.jpeg (945K)  下載次數:0