零售大数据的实战应用22

零售大数据的实战应用一、零售大数据的实战定义1.二、零售大数据四部曲2.三、实战案例分析3.目录一、零售大数据的实战定义1.二、零售大数据四部曲2.三、实战案例分析3.1、大数据的一般定义（1）、大数据(bigdata,megadata)，或称巨量资料，指的是需要新处理模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资产。（2）、在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》中大数据指不用随机分析法(抽样调查)这样的捷径，而采用所有数据进行分析处理。大数据的4V特点:Volume(大量)、Velocity(高速)、Variety(多样)、Value(价值)、大数据的一般定义•Volume(大量)——公司、区域、门店、类别、单品、时段•Velocity(高速)——系统智能运算和手工纠错•Variety(多样)——多渠道获取信息的方法•Value(价值)——用宏观及微观甄别有提升业绩价值的信息二、零售大数据四部曲2.一、零售大数据的实战定义1.三、实战案例分析3.2、零售大数据四部曲잠재고객（4）、以点带面（3）、由表及里（2）、去伪存真（1）、去粗取精甄别重点剔除“垃圾”纵向切入横向复制2、零售大数据四部曲잠재고객（1）、去粗取精海量的数据分解、提取、浓缩快速判别“异常数据”节点根据“异常数据”的后续发展结果，集中优势资源整合处理根据企业自身资源条件，按“急”；“轻”；“重”；“缓”原则循序渐进2、零售大数据四部曲잠재고객（2）、去伪存真剔除或屏蔽垃圾信息——商品状态商品归类纠错——类别清理类别角色定义——类别定义法商品基本信息补偿——规范系统格式区分系统设置缺陷及人为制错因素2、零售大数据四部曲잠재고객（3）、由表及里利用零售三要素的基本原理，从实际业绩数据的表现来分析商品的内在关联利用各种系统业绩报表，来甄别各类数据表象的内在问题通过数据异常摘选和透视，分列出各类影响业绩状况的关健问题所在通过已设定的标准数据结构模型来对比寻找异常问题的解决方法2、零售大数据四部曲잠재고객（4）、以点解面以单品角色定义来组合类别成份以类别角色定义来区隔门店类型以门店类型来定义业态组合以业态组合来集成公司运作模式及盈利模式目录三、实战案例分析3.一、零售大数据的实战定义1.二、零售大数据四部曲2.3、实战案例分析）购物行为趋势分析商品数结构比销售额结构比库存额结构比A类B类C类实体店结构1）购物行为趋势分析类B类C类20%30%50%网店结构商品数结构比销售额结构比库存额结构比1）购物行为趋势分析类20%30%50%VS20%A类C类-20%库存周转效益提升40%库存额占比(实)A类库存额占比(网)B类1）购物行为趋势分析目标客群互补：50后60后70后80后85后90后目标客群网店销售贡献度20%80%30%70%50后60后70后80后85后90后目标客群实体店销售贡献度3、实战案例分析品类互补：个性化商品比例30%同制化商品比例70%实体店商品结构实体店个性化商品比例60%同制化商品比例40%网店商品结构网店1:53、实战案例分析大数据应用——优品覆盖ABCABCABCABC门店1门店2门店3门店4ABC公司ABC门店1门店2门店3门店4ABCABCABCABC调整前调整后3、实战案例分析大数据应用——自动与半自动补货半自动补货案例分享门店1门店3总部门店2门店4门店6门店5门店7门店9门店8门店10门店12门店11•精准营销与服务模糊•小而全——全而美日全食现象