零售及消费品行业大数据分析实践.pdf
《零售及消费品行业大数据分析实践.pdf》由会员分享,可在线阅读,更多相关《零售及消费品行业大数据分析实践.pdf(27页珍藏版)》请在咨信网上搜索。
1、零售及消费品行业大数据分析实践,2022王丽萌,高级市场分析师卢言霞,助理研究总监2 IDC|目录15234应用大数据分析的主要优势研究范围与核心观点最佳实践给技术买家的建议行业正在面临的挑战3 IDC|研究范围本次研究对象以传统/在线零售商为主,也包括经销商、快速消费品(FMCG)的生产者品牌商和自有品牌(Private Brand,PB)商,在后文中将统称为“零售行业”或“零售企业”。例如:商超连锁便利店、电商、食品与饮料品牌商、家庭与个人护理品牌商等。这些企业的服务对象是包括个人和机构团体在内的终端消费者,以面向消费者的零售为核心业务,也可能涉及消费品的生产制造、批发、物流供应链、送货安
2、装服务等环节。这些企业的范围不包括上游的工业品及原材料制造商/供应商、下游的餐饮门店,以及核心业务横跨除生产、零售之外多个行业的企业。零售消费品上游下游 工业品及原材料制造商/供应商 快速消费品的生产者品牌商和自有品牌商 经销商 传统/在线零售商 餐饮门店研究范围4 IDC|报告核心观点背景变化中国零售及快消品行业在近十年受到电子商务、新零售及疫情的影响,市场环境的变化塑造了行业的数字化转型。现实与数字化的商品、服务、体验的无缝融合对企业的生存和增长至关重要,其中所采用的大数据技术已成为精细化运营的基础。关键挑战零售企业在转型过程中的关键挑战主要包括业务价值、改造成本、组织战略与人才。发展驱动
3、力零售行业大数据分析应用优势有:大数据应用场景整体趋于成熟,企业可用数据规模增大,业务对数据依赖程度提升,数据向价值转化难度降低。行业大数据应用现状大数据与分析方面支出快速增加,在智能应用方面更关注生产率、运营效率和处理速度。行业实践成立5年左右的企业对大数据技术的采用热情远高于行业平均水平,将技术与组织、业务模式结合打造竞争力;成立15年左右的企业经历了“数据中台”建设热潮,在亲身实践后深刻体会到采用新技术要跟上业务变动;成立30年左右的企业正在谨慎尝试的过程中,不仅难以找到细分领域对应的同行实践或成熟方案,而且企业内部接受程度较低,在业务压力之下启动小规模探索单点应用场景。给技术买家的建议
4、(详见报告末尾)5 IDC|目录15234应用大数据分析的主要优势研究范围与核心观点最佳实践给技术买家的建议行业正在面临的挑战6 IDC|市场环境变化塑造行业数字化转型,大数据分析助力消费洞察作为产品消费市场终端,零售行业与居民基本生活密切相关。从2012年到2022年的十年间,中国零售行业受到电子商务、新零售及疫情的三大影响。在行业格局发生巨大变化的同时,其数字化水平总体领先于上游的制造业,但又落后于与消费者密切关联的互联网行业。随着消费者的需求偏好、消费习惯与场景的转变,传统零售企业面临线下客流急剧下降、销售增长乏力的困境,新型零售企业也在探索发展模式的过程中,不断接受消费者数据隐私保护、
5、供应链物流停滞、区域突发事件等新挑战。零售业态发生多元化变革,从垂直电商、社交直播电商,到前置仓生鲜电商、仓储会员店、社区团购。在这一过程中,数字化成为零售行业的核心能力,零售商亟需提升数字化能力以积极应对变化带来的挑战。在疫情防控常态化下,消费者行为转变趋势促使零售行业继续升级,行业关注点进一步向消费者转移,更关注消费场景、消费深层需求与体验,从“销售商品”转向“设计体验”。现实与数字化的商品、服务、体验的无缝融合对企业的生存和增长至关重要,这种客户旅程(customer Journey)的方法将通过行业生态系统实现,其中所采用的大数据技术已成为零售企业精细化运营的基础。电商新零售疫情7 I
6、DC|零售企业在转型过程中的关键挑战在于价值、成本与组织人才2021年,中国多家零售商超斥巨资提升数字化能力。很多零售企业虽然已经积累了一定的用户消费行为数据以及供应链数据等,但在如何利用数据价值、统筹全渠道数据形成全面洞察方面仍存在一定挑战。整个实体商超行业的数智化之路迫在眉睫,而大部分商超的数智化转型之路都很艰难。挑战主要在于:业务价值:相较于金融、政府等行业,零售行业的整体利润率较低,缺乏内、外部动力替换/改造原有信息化系统,只有营收规模足够大、对业务扩张需求强烈的企业才有意愿投入。改造成本:自建大数据平台等软件系统成本高。例如,开发数据中台、组建工程师团队等一系列投入,对于区域商超、便
7、利店来说很少能够承受得起,传统快消品牌商现有技术能力覆盖不全。组织战略与人才:如果零售企业没有从公司整体上对原有商业模式和体系进行真正的重组,很难改变实体商业的困境,难以吸引互联网等行业的大数据与数据分析相关人才。即便投资建设线上渠道,很多商超、品牌商也不知道该怎么运营。8 IDC|目录15234应用大数据分析的主要优势研究范围与核心观点最佳实践给技术买家的建议行业正在面临的挑战9 IDC|零售行业大数据分析应用优势:数据广泛、有信息化基础、场景成熟互联网、金融等行业大数据应用场景成熟,积累了数据向业务价值转化的功能点、落地经验,也培养了相关人才,可结合企业自身特性参考吸收。例如:云上大数据产
8、品及服务接口方便易用,可引入数仓搭建、运营分析人才。全行业数字化程度提升,数据来源广泛。数据的采集、标注成本降低,数据治理理念逐渐深入人心,可用数据规模扩大,更容易获得丰富的数据产品和服务。例如:除了更容易获得竞品的价格、品类、进销存等数据,消费者行为数据,还有外部的天气、房地产、社交平台内容等可用于分析挖掘的数据。行业自身具备一定的业务系统信息化水平和数据分析基础,主要面向以自然人为单位的大规模终端消费者个体,所交易的实体商品的品类丰富,商品流转频次高,业务变化快,可用数据丰富,是传统数据分析的主流行业之一。例如:ERP、CRM、BI 报表等系统成熟运行多年,使用频率高,产品参数与业务流程相
9、对标准,业务人员对数据的依赖程度和分析解读能力逐年提高。10、IDC、|零售行业的数字化渗透程度正在快速加深,以大数据技术为代表的新兴技术助力零售行业升级,创新零售场景,重塑消费者的体验。零售行业大数据与分析方面支出快速增加注:该行业范围包含零售(Retail)和批发(Wholesale),不含消费品制造,与下页调查的范围一致来源:IDC 2022年V1全球大数据支出指南,2022年3月11 IDC|零售行业在智能应用方面更关注生产率、运营效率和处理速度问题:请描述您用来衡量效益的关键绩效指标(KPI)生产率收入运营效率利润处理速度节约成本客户满意度员工满意度n=333注:IDC将受访者的回答
10、内容分为“KPI类别”,按受访者百分比计算比例。仅显示来自全球受访者的前12个KPI类别。来源:IDCs Analytics and AI Services Survey,June 202112 IDC|目录15234应用大数据分析的主要优势研究范围与核心观点最佳实践给技术买家的建议行业正在面临的挑战13 IDC|7个行业最佳实践本页所列案例代表中国市场不同类型企业运用大数据分析的最佳实践,后面将展开介绍每个案例的具体情况如右图所示,根据企业创立时间和主营品类两个维度,将7个典型案例放入四个象限中,分别是:I.船长BI和便利蜂都是零售领域的创业企业,成立5年左右。其中,便利蜂是数字化优先的探索
11、者代表,自研自用;而船长BI则为亚马逊电商卖家服务II.良品铺子和幸福西饼是相对传统的零售企业,成立15年左右,经历过数据中台探索后注重业务灵活性,更为务实III.同样相对传统的还有大自然家居、欣和这两个消费品品牌,成立30年左右,分别代表耐用消费品和快速消费品,展现老牌国货的新尝试IV.运荔枝与船长BI一样,也是为行业终端企业服务的大数据技术供应商,近几年孵化于传统快消品集团旗下消费品零售传统创业耐用消费品在制造环节尝试应用连锁便利店探索数据驱动决策电商SaaS供应商打造大数据分析应用工具连锁品牌门店统一数据分析快速消费品在大数据基础投资阶段物流供应链场景应用大数据技术鲜食生产配送型企业从0
12、到1完成平台搭建成立约5年成立约30年成立约15年14 IDC|连锁便利店探索数据驱动决策的典型案例:便利蜂成立时间:2016年主营品类:连锁-便利店经营模式:全直营,投资鲜食工厂和自有品牌,实行统一品牌、标准、管理、采购、配送。依据系统决策,公司扁平化管理,创新供应链体系。融资:C轮(累计募资15亿美元)应用效果营收:2020年5月北京地区门店实现整体盈利人效比和房租占比优于行业,每家店店员2-3人店铺运营标准化,运营效率提升,实现高动销、低库存、供应链贴合门店需求扩张速度更快:约两年开店1,000家,三年达2,000家客户满意度:保持稳定的服务品质,严控食品效期01232017201820
13、19202020212022(千)门店数量估计数据采集、分析、决策运营执行面临挑战自研数字化系统,对生产、物流、门店、消费者进行全链路数字化采集,应用于订货、销量预测和动态促销等场景。以数据连通为基础,实现即时决策,所有业务SOP(标准作业程序)化最终收益指标是门店毛利长期价值在于用算法优化和覆盖营运中的一切数据采集隐私与合规性数字化管理过度,灵活性不足。需优化运营执行过程中的拍照等流程,发挥店员作为“人”的优势2022年出现裁员和暂时闭店在运营层面严格执行系统分配指令,决策权归属系统,店员不需要对经营指标负责店内配有摄像头、电子价签、鲜度PAD和手持PAD等个性化门店运营以算法为核心,而不是
14、店长15 IDC|成立时间:2008年主营品类:快速消费品-烘焙食品-蛋糕经营模式:卫星工厂模式,O2O电商+新零售线下门店主营业务收入:年营收13亿元(线上占80%以上)融资规模:累计融资近9亿元,2021年12月完成1亿元Pre-C轮融资技术投资:累计投资数亿元(技术人员支出占一半以上)鲜食生产配送型企业从0到1完成平台搭建的典型案例:幸福西饼应用效果支撑业务快速扩张:销售、生产、配送三大业务模块全链路数字化,现已覆盖全国200多家城市、300多个卫星工厂,私域用户超过2,200万生产管理决策优化:基于数仓实现的实时数据大屏可展示整个销售业绩、具体商品销售数量等信息,成为业务依赖最大的系统
15、;减少损耗,周转率从20天缩减至10天以内;基于运营决策平台,新零售门店的智能决策生产计划将销售额提升10%201920142022转型电商重回线下数据平台建成 线下高速扩张后进行改革,从线下实体店转型线上O2O蛋糕模式,通过分布式工厂实现快速生产、快速配送 IT部门只有电商系统研发团队 采用金蝶云星空ERP 线上流量红利消失,获客成本不断提升,布局新零售门店,拓展县镇市场 从头搭建大数据平台,尝试多个项目,自研生产效能等算法 目前已经完成系统搭建,以主营业务利润提升为目标,优化现有系统 在生产环节,与中科闻歌合作开发运营决策平台,制定新零售门店生产计划的智能排产,现处于测试阶段。下一阶段:生
16、产材料周转(现有供应链系统“金蝶ERP”和仓储系统“富勒WMS”)新零售门店扩张拓展县级市场累计融资4轮近8亿元2018年销售额达到12亿元收缩实体店云服务(阿里云)公有云部署基础设施,服务器规模200300台,其中约一半的资源用于大数据集群(十几台)智能数据平台(自研)积累数据规模23TB,包括业务系统产生数据(MySQL数据库),埋点数据和用户评论文本数据大数据基础平台:阿里云Hive数仓、EMR集群、ADS数据库、API平台、BI报表平台中台:用户画像、商品画像、推荐系统、销售预测模型、指标库、数据服务、报表服务业务应用数据大屏、运营助手等精准营销工具产量预测、生产计划和预定系统,线上渠
17、道生产配送智能系统16 IDC|成立时间:2006年(2020年上交所A股上市)主营品类:快速消费品-休闲食品,零食SKU约2,000个经营模式:从事零食的研发、采购、销售、物流配送和运营。在生产环节以外包代工为主,在销售环节以门店为主,多渠道并行发展主营业务收入:2021年为91亿元,其中线下占47%投资:几乎每年为大数据后台开发投入近1个亿连锁品牌门店统一数据分析的典型案例:良品铺子应用效果已打通8,000多万来自30多个渠道的会员数据,数据化洞察分析用户的不同需求,精准匹配货品内容和触达渠道,建立粉丝与品牌的互动实现了业务多项指标提升,门店断货率下降1个百分点,公司整体库存周转减少3.4
18、3天20142022201020262018电商ERP数据分析数据、业务双中台数据治理 一仓多湖智能应用双中台架构门店增长到2,000家灵活敏捷门店数超过3,000家 2008年 门店信息化管理系统 2009年 仓库信息化管理系统(4小时内响应门店补货订单)2010年 管理信息化系统 2012年 电商业务快速发展,业务系统和流程面临挑战 2015年 与IBM、SAP合作,SAP ERP、CRM等上线 2014年开始投入采用大数据分析,驱动力来自电商业务发展和投后团队支持 2015年与IBM合作规划业务中台雏形,整合渠道、统一会员数据 2019年上线阿里云数据中台和各种业务中台,存算一体 经验教
19、训零售产品品类多,建造庞大完备的中台难以适应复杂多变的业务发展正在解决数据规则、指标、质量等问题,预计2022年底变成一仓多湖,将数仓和中台拆开,存算分离。“一仓”即一个数仓,沿用过去的数据平台;“多湖”即根据业务时效性分为主数据湖和业务数据湖。数据分析实践现状(2022年)敏感数据部分自研;非敏感数据部分经常根据业务决策改变,分模块交给服务商:数说故事:集成其NLP能力帮助洞察消费者,采用其LBS等门店外的数据洞察渠道,用于门店选址等场景 微软:日常经营分析报表从excel到低代码搭建的Power BI业务看板,应用于加盟商未来将持续投资,应用NLP、CV、RPA等技术提升消费者洞察能力电商
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 零售 消费 品行 业大 数据 分析 实践
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【宇***】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【宇***】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。