六年过去了，新零售如何走得更远？

自2016提出“新零售”概念后，各大零售商开始部署转型举措。从零售业的发展来看，卖方市场向买方市场的转变，导致以线下门店为主导、以商品为中心的传统零售模式遭遇瓶颈，迫使传统零售商向以客户为中心的经营模式转变，更加注重加强品类管理、优化供应链。如今，新零售的探索已经过去了六年。一些企业因为无力转型而被迫自我出售，另一些企业则探索自己的发展道路。当前，新零售发展进入新阶段。如何实现精细化运营，基于大数据充分赋能各个环节，解决零售企业面临的本质问题，即“降本增效”，成为焦点。接下来从新零售的本质变化来讨论如何真正实现数据赋能。改变什么？新零售的三大关键——人+货+场“人”——传统零售管理以采购和销售为主，模式简单粗放，对消费者关注不够。在新的供需关系下，回归消费者这一零售生态原点成为核心。零售商要挖掘数据的价值，比如根据目标客户的特征和去向整合品牌数据，掌握不同消费客户的行为变化和趋势。“货”——零售业发展的客观原因造成了零售供应链长期以来对供应商的深度依赖。采购团队专注于向供应商收取费用和返点，而不是经营和提高门店的效率和毛利率，导致零售行业的品类管理和供应链专业能力培训长期滞后，形成了各地管理团队各自为政的分散管理局面。然而，在新的环境下，零售商想要打破与供应商谈判和合作的被动局面，需要一个统一的管理绩效评估和分析系统来整合供应链能力。“场”——过去传统零售以线下门店为主，现在是线上线下融合，多个场景融合；以前是以地理位置为中心的业务，现在是以场景为基础，以人为中心的业务。零售业的全渠道发展是大势所趋。可以通过大数据分析能力提升精细化运营，洞察目标客户的消费场景，通过品类运营配合创新推广活动。零售大数据分析面临的问题零售企业信息孤岛现象严重:运营、商品、生产、财务等不同业务部门产生大量数据，系统独立，难以获取数据并进行深入分析。通过建立统一的BI数据分析平台，打破信息孤岛，数据共享产生价值。业务部的主要任务是自己部门的日常运营，包括运营流程、考核指标、门店管理、人员管理等。，但对大数据能给自己带来什么价值的认知程度并不高。同时，我们对数据分析的技术和工具知之甚少，难以将对自身业务的理解与数据分析紧密结合，并转化为数据分析所需的各种需求，导致IT团队和大数据团队难以深入理解业务。最终，IT部门交付的结果对业务的价值有限，业务无法提出具体的需求。很多零售企业的整体数据采集平台并不完善，数据提取、整合、可视化、探索和分析的程度相对落后。常规的业务报表仍然是通过抓取数据仓库中的数据组成固定格式的报表，用于简单的分析。即使有些企业搭建了数据平台，虽然可以实时呈现经营分析报表，但也只是停留在提供报表的层面。怎么改？敏捷BI助力新零售突破以上分析，数据分析的主要模块可以分解为用户、门店、商品、渠道四个方面，总结为一个完善的零售数据应用系统。01用户分析用户分析主要分析客户群体的购买行为。通过分析用户年龄、人均购买次数、总购买金额、消费区域、购买路线等数据，深入洞察消费者的购物行为和偏好，找出高价值客户的消费规律，通过精准营销提升销量。店铺分析实体店是靠营业额作为业绩指标的，但是对于营业额不好的店铺，很难有进一步的数字观察和改善。门店客流追踪通过数据分析，不仅可以按照日、周、月、年进行周期分析和跨店分析，还可以结合POS营业额等销售数据进行整合分析，从而预测下一周期的经营业绩，帮助零售商实现经营效益最大化。03商品分析商品分析的主要数据来源于销售数据和商品基础数据。主要分析品类结构、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、商品替代率、重点商品、畅销商品、滞销商品、季节性商品等等各种指标。通过对这些指标的分析，可以指导企业商品结构的调整，增强我们所经营商品的竞争力和合理配置。渠道分析如果一个企业同时经营线上和线下渠道，就需要了解加盟商的情况，因为库存和缺货是所有零售商都迫切需要解决的问题。如果零售商没有准确预测用户的需求，就会导致供需失衡，造成高库存或缺货，最终导致成本浪费。通过分析渠道数据，可以有效控制供需平衡，降低成本。可以看出，目前零售企业数字化转型的重点已经从打基础、建渠道逐渐转变为全方位的数据应用，对外实现了对消费者和供应链的精细化管理；对内实现商品、门店、组织的持续优化。为了回归零售的本质，实现零售企业的高质量发展。