如何分析零售数据？

大数据推动时代发展的今天，传统零售行业面临着重大变革，那么新零售如何将传统的“人、货、场”三者进行高效的连接，达成更多、更快、更好、更省的目标呢？

答案毋庸置疑——利用数据赋能，将传统便利店的“人货场”模式进行全面升级。新零售本质上其实还是零售，它是一种更高效的零售，通过将数字技术应用到各个环节，将数据转变为新零售的内在核心驱动力。

本文将以鲜生活(X'LIFE)的数据化改革为例，系统介绍一下零售行业如何充分为数据赋能，提高企业营业能力。

用到的数据分析工具是FineBI：

一、数据之困

1、业务数据和财务数据均是依靠Mysql数据库和Excel表进行信息的传递和保存，业务人员并不懂得数据在数据库中的存放规则；

2、技术人员和非技术人员对于数据的认知差异很大，纯开发工程师不懂得财务和业务的数据计算逻辑，需求响应不及时，业务人员又没有数据库基础和IT经验；

3、零售数据每天都以成十几万、几十万的速度产生，传统的ERP系统数据展示满足不了个性化的需求，数据导出以Excel为主，灵活性不够，且费时耗力；

4、数据量多、变化快、分析压力大，造成很多业务人员不敢尝试进行多元的数据分析，数据发挥的作用微乎其微，并不能做到人人都能以低成本进行数据分析。

二、解锁数据分析利器

为了解决业务人员分析数据“难上加难”的困境，经过慎重的考察BI市场，鲜生活(X'LIFE)集团决定和FineBI合作，一起探索新零售数字化所带来的价值，并逐步利用公司ERP以及FineBI的结合，从最规范的财务数据分析，到各个业务部门的数据分析，再到公司投资企业的数据监控等等，快速将FineBI应用于公司各个能产生有效数据的地方。

目前，IT人员将BI直接对接各个生产系统数据库，将不同的数据表分门别类地放入不同的业务包中，方便业务人员进行不同的分析需求取数，不用每次与IT人员沟通，反复、重复去数据库中取数，同时也提高了响应的速度，做到了想分析便有数可用的效果。

业务人员通过新建自助数据集，可以从不同的表中取出自己需要分析的字段，通过BI内置的数据处理功能，进一步对数据进行简单处理加工。

自助数据集处理数据

数据处理好后，可以新建仪表板，FineBI的组件能够自动识别出哪些是维度，哪些是指标。通过简单的拖拽操作，将数据通过不同的图表类型展示出来。

应用FineBI后，鲜生活的数据分析境况发生了很大转变，数据的处理速度提高了40%，对于数据处理和数据呈现分配的员工资源节省了30%，同时：

1、 数据分析门槛降低，业务人员也能够对数据进行处理，无需大量的使用函数、复杂的公式或者是sql，需要做的就是思考清楚自己想要将数据处理成什么样的效果，大大降低了数据分析的门槛；

2、 财经中心作为FineBI首先试水的部门，基本实现了财务共享中心的对账结算的自动化。财务结算人员只需要导入订单数据，便能够与业务数据进行对账和生成收入成本的核算数据；

3、 同时投融资部门通过FineBI导入数据，分析被投业务的经营损益，对于敏感业务能够做到每日跟踪被投单位的数据变化；

4、 对于业务部，FineBI直接从系统数据库每天定时抽取数据，业务部门省去了做日报、周报、月报的时间。大大解放了员工劳动力的同时，也增加了数据报出的及时性和准确性；

三、案例分享

鲜生活(X'LIFE)的BI数据构架师张晗（帆软BI工程师从入门到精通实战班学员）通过对新零售各经营数据进行多元化地分析，他做了很多数据分析和数据价值挖掘的工作。

1.优质的新型便利店不是将一家店简单地复制为N家

新型便利店的生长分为两部分，其一是水平生长，即新店数量的增加；其二是垂直生长，即单店日商的同比成长。如果只有水平生长而单店日商丝毫不动，则表示店铺的竞争力在衰退。如果只有单店的垂直生长而水平维度并没有延伸，则表示市场占有率不足。

优质的新型便利店并不是将一家店复制为N家，而是对不同类型门店进行实时监控，对比分析，优胜劣汰，为了分门店类型监控营收情况，我们制作了好邻居全店营收分析仪表板。

总体指标：

• 核心运营指标的展示，如营业额，订单量，客单价，日商（门店当月日均营业额）等等，这些核心指标由日期控件调节，可以查询不同月份的营业指标概览。
• 好邻居的门店分布图，按月营业额的数值大小区间做为颜色区分，大于等于月60万的门店高亮动态显示。
• 好邻居营业KPI完成情况，实际的营业额与当月KPI指标作对比。
• 不同类型店铺的门店数量情况概览。
• 月营业额走势与环比分析。

细分指标：

• 不同类型门店的，营业额、定单量、客单价、日商的对比表。直观的对不同店铺类型进行营业数据的对比展示。
• 不同类型门店的日商占比分析。
• 不同店铺类型的结构化分析，把门店的日商水平分为4个等级进行追踪分析。
• 不同类型门店的月营业额环比分析。

2.问题门店白夜追凶 连锁店的营收监控

连锁超市的营业分析，因为商品数量多，种类齐全，仅仅将月销售额进行对比分析，不能发现导致利润下滑的直接原因，究竟是哪些品类、商品甚至是订单出了问题，进而也无法进一步查明根本原因。

店型要分析精确到单门店，单商品的毛利分析等。除了宏观上对于各类型门店进行营业监控，还需要对问题门店进行精准分析，究竟是工作人员效率低下，服务品质有问题，还是商品更新换代慢，新鲜度供给不够，或者仅为单纯的季节因素……都希望能够从店铺的营运数据出发，追根溯源。

数据分析过程：

• 各店分布及营业KPI数据展示
• 月营业指标环比分析
• 制作门店的单选框，对于单门店进行营业额，日商的环比分析。
• 商品大类的帕累托分析同时联动商品中类
• 该门店商品中类毛利额和销售额top30的词云图。

通过对于单店的销售额，日商，商品的毛利额分析，可以有效的得出结论，比如：

商品大类的帕累托图中单击瞰都国际店，可以查看该店的商品大类的销售构成，占比70%以上的商品大类显示红色，表示核心商品大类；占比其余20%的显示蓝色，表示次要商品；占比10%的显示灰色，表示边缘化商品。

若某一家门店销售额下滑是因为某部分商品的销售出现了下滑的趋势，可以重点针对这个趋势分析出具体原因，是因为季节因素、促销暂停、还是补货不及时，这就要去找门店人员了解情况了。

3.24h动态KPI跟踪 助力企业风险投资

SQ业务是鲜生活(X'LIFE)集团投资孵化的一项业务，总部希望对于这个被投业务的情况进行以天为单位的跟踪，对于这项业务制定的一系列KPI指标都要进行预实对比，同时要反映这个业务的平均增长情况。业务被拆分为A业务线和B业务线，B业务线又被分为B1业务线和B2业务线。

数据分析过程：

• 对于GMV、订单量、毛利额和毛利率进行汇总展示。
• 对于不同业务线的GMV进行占比分析。
• 对GMV、毛利额、毛利率的总体完成率进行预实对比。
• 计算CAGR值，对业务的单日增量趋势进行计算。
• 三条细分业务线的净营业额、订单、毛利额的对比分析。
• 三条业务线近2周GMV和毛利额的走势分析

4.人资分析 做好企业核心资产的管控

HR部门产生的数据重要性并不亚于财务和市场两端，面对企业成千上万的员工，人力资源管理过程中会积累大量的数据，如培训记录、出勤记录、入离职数据、岗位薪资、在职人员信息数据、绩效评价等，每月的数据量在几万甚至几十万。

但若论数据的分析和对决策的驱动作用，HR则远落后于前两者。对于人力资源数据的分析，此处对集团公司所有人员的在职人数、薪水情况、入职率、离职率等进行有效的分析与展示。因为公司用钉钉作为办公OA，技术部的同事通过钉钉的数据接口可以读取钉钉中的人力资源数据而无需手工处理。

数据分析过程：

人力资源数据分析仪表板分为4个部分：人力资源汇总指标预览、在职员工详情分析、入职员工详情分析、离职员工详情分析。

1.人力资源数据是以月度维度进行统计和展示的，当月汇总的指标数据包括，在职员工数、入职员工数、离职员工数、转正员工数、入职率、离职率、在职员工各类成本等。

2.根据公司的组织架构，分事业群对入、转、调离的各种比率进行展示。

3.在职/入职/离职数据分析：将事业群下探到部门，对于每个部门的在职/入职/离职人数，人工成本，学历占比，工龄占比进行分析。

通过人力资源数据仪表板，可以通过查看月度汇总的在职人数、薪水情况、入职率以及离职率，对当月的人事变动进行全方位的把控；

我是 @帆软 ，专注BI商业智能领域十五年！

最后分享一些相关资料：