零售业大数据分析应用案例

零售业大数据分析应用案例

随着大数据时代的到来,数据分析已经成为了零售业非常重要的一环,也是精细化运营的基础.零售业数据分析包括:

财务分析

销售分析

商品分析

顾客分析

供应商分析

人员分析

本文将对这6个方面逐一解读.

1财务分析

1）分析企业的财务状况,了解企业资产的流动性、现金流量、负债水平及企业偿还长短期债务的能力,从而评价企业的财务状况和风险；

2）分析企业的资产管理水平,了解企业对资产的管理状况,资金周转情况；

3）分析企业的获利能力；

4）分析企业的发展趋势,预测企业的经营前景；

同时,系统还应该按照部门、人员、商品、供应商、时间等各个维度综合分析各项财务指标,如:成本、毛利、利润、库存、结算、盈亏平衡点、销售数量、销售金额、市场占有率等等.

2销售分析

主要分析各项销售指标,例如毛利、毛利率、坪效（坪效是台湾经常拿来计算商场经营效益的指标,指的是每坪的面积可以产出多少营业额(营业额÷专柜所占总坪数,以百货公司为例,店里不同的位置,所吸引的客户数也不同.一楼入口处,通常是最容易吸引目光的地方,在这样的黄金地段一定要放置能赚取最大利润的专柜,所以你会发现百货公司的一楼通常都是化妆品专柜）、交叉比、销进比、盈利能力、周转率、同比、环比等等；

而分析维度又可从管理架构、类别品牌、日期、时段等角度观察,这些分析维又采用多级钻取,从而获得相当透彻的分析思路；

同时根据海量数据产生预测信息、报警信息等分析数据；

还可根据各种销售指标产生新的透视表,例如最常见的abc分类表、商品敏感分类表、商品盈利分类表等.

这些复杂的指标在原来的数据库中是难以实现的,老总们虽然知道他们非常有用,但由于无法得到,使得这些指标的地位也若有若无.直到bi技术出现之后,这些指标才重新得到了管理者和分析者们的

宠幸.

3商品分析

商品分析的主要数据来自销售数据和商品基础数据,从而产生以分析结构为主线的分析思路.主要分析数据有商品的类别结构、品牌结构、价格结构、毛利结构、结算方式结构、产地结构等,从而产生商品广度、商品深度、商品淘汰率、商品引进率、商品置换率、重

点商品、畅销商品、滞销商品、季节商品等多种指标.通过对这些指标的分析来指导企业商品结构的调整,加强所营商品的竞争能力和合理配置.

4顾客分析

顾客分析主要是指对顾客群体的购买行为的分析.例如,如果将顾客简单地分成富人和穷人,那么什么人是富人,什么人是穷人呢？实

行会员卡制的企业可以通过会员登记的月收入来区分,没有推行会员卡的,可通过小票每单金额来假设.比如大于100元的我们认为是富

人,小于100元的我们认为是穷人.好了,现在老总需要知道很多事情了,比如,富人和穷人各喜欢什么样的商品；富人和穷人的购物时间

各是什么时候；自己的商圈里是富人多还是穷人多；富人给商场作

出的贡献大还是穷人作出的贡献大；富人和穷人各喜欢用什么方式

来支付等等.此外还有商圈的客单量、购物高峰时间和假日经济对企

业影响等分析.

5供应商分析

通过对供应商在特定时间段内的各项指标,包括订货量、订货额、进货量、进货额、到货时间、库存量、库存额、退换量、退换额、

销售量、销售额、所供商品毛利率、周转率、交叉比率等进行分析,

为供应商的引进、储备、淘汰（或淘汰其部分品种）及供应商库存

商品的处理提供依据.主要分析的主题有供应商的组成结构、送货情况、结款情况,以及所供商品情况,如销售贡献、利润贡献等.通过分析,我们可能会发现有些供应商所提供的商品销售一直不错,它在某

个时间段里的结款也非常稳定,而这个供应商的结算方式是代销.好了,分析显示出,这个供应商所供商品销售风险较小,如果资金不紧张,为什么不考虑将他们改为购销呢？这样可以降低成本呵.

6人员分析

通过对公司的人员指标进行分析,特别是对销售人员指标（销售

指标为主,毛利指标为辅）和采购员指标（销售额、毛利、供应商更换、购销商品数、代销商品数、资金占用、资金周转等）的分析,以

达到考核员工业绩,提高员工积极性,为人力资源的合理利用提供科

学依据的目的.主要分析主题有,员工的人员构成、销售人员的人均

销售额、对于开单销售的个人销售业绩、各管理架构的人均销售额、毛利贡献、采购人员分管商品的进货多少、购销代销的比例、引进

的商品销量如何等等.