最具影响力的数字化技术在线社区

168大数据

 找回密码
 立即注册

QQ登录

只需一步,快速开始

1 2 3 4 5
开启左侧

新零售行业下的数据模型建设

[复制链接]
发表于 2021-1-27 20:53:25 | 显示全部楼层 |阅读模式

马上注册,结交更多数据大咖,获取更多知识干货,轻松玩转大数据

您需要 登录 才可以下载或查看,没有帐号?立即注册

x

新零售行业作为2018年开始兴起的新产物不同于以往门店为主和纯电商,讲究线上线下会员,营销,商品,交易的打通和联动,具有交易次数多、平均客单价偏小、产品和服务双属性、品类宽度与深度满足商品组合条件、而且多种业态并存(百货、商超、便利店、购物中心、仓储式商场等)、集中管控、连锁经营的特征,相应地,零售行业企业需要对目标市场定位有明确的定义,对于经营策略(选址、商品策略、价格策略、门店设施与动线、服务方式)要有明确的衡量及优化手段,在保持目标客户群体满意度的同时,追求效率成本优先原则。
这就要求零售行业对于市场行业的趋势变化与洞察、自身运营过程的战略策略对焦与及时调整精细化到每一个最小运作单元,例如SKU单元。在精细化的背后,需要一整套战略性竞争力的数字化系统体系,支持复杂场景、多种业态直营联营加盟、全域消费者体验等。
阿里巴巴在多年电商领域经验中沉淀了线上数据采集解决方案、数据标准化与数据资产治理解决方案、全域营销解决方案、线上交易及支付解决方案、仓储及物流解决方案等,同时,在近几年的天猫超市、零售通、in-77银泰商城、大润发、盒马鲜生等业务开拓中,积极探索线上线下新零售体系融合解决方案、供应链解决方案、IOT解决方案、生态及服务解决方案等领域。其中,我们将成熟的电商体系解决方案输出赋能大零售领域品牌商,形成品牌商自有的企业数据中台,线上线下新零售解决方案体系也积极与业界翘楚分享与共同探索。
数据模型基础应该包含以下重要元素:
数据域:从业务的角度,对数据进行总体的归类和划分,形成数据域。数据域是面向业务分析,将业务过程或者维度进行抽象的集合。
业务过程:业务过程是指企业的业务活动事件,如下单、支付、退款等。业务过程是一个不可拆分的行为事件。
维度:维度用来反映业务的一类属性,这类属性的集合构成一个维度,也可以称为实体对象。维度属于一个数据域,如地理维度、时间维度等。
指标:是基于某一业务事件行为下的指数、规格、标准,一般是数字类型。指标是具有明确业务含义的名词,如支付金额、用户数等。
商品域数据模型
商品域数据模型是帮助产品经理和决策者分析商品销售、库存、价格和成本之间关系的数据模型,它可以帮助决策者实现商品更替和库存优化的业务价值。与传统零售行业相比,新零售行业里的“商品”,其属性和范围都获得了一定程度的扩充。本模型以“商品”为核心,将商品相关的产品、品牌等内容融合在一起,形成商品域。商品域的业务逻辑如下图所示:

其中,商品生产、库存、运输等环节涉及到的供应链内容,不在本模型考虑的范围内。商品购买、发货、退货等环节在本文交易域等阐述,本章节主要针对商品的属性以及商品发布、上下架等内容进行详细说明。
 维度
维度方面,商品的核心维度,包含SPU粒度的主维度,和SKU粒度的子维度。同时,围绕着商品维度,设计了商品的类目、系列等关联维度,用以精细的定义和区分商品的属性。同时,纳入了产品和品牌的维度,这样有利于在后续使用过程中,方便对相应分析粒度的支持。值得说明的是,此处在具体的模型设计中,对于商品的定义,包含了有形的可物质化的商品,也包含了无形的服务类型的商品。具体如下:
• 商品主维度,粒度为SPU级别,属性包含商品ID、名称、商品品类、商品系列、商品尺寸、零售价格等。
• 商品子维度,粒度为SKU级别,属性包含SKU编码、商品规格、商品颜色、商品款式等。
• 产品维度,属性包含产品ID、产品名称等。
• 品牌维度,属性包含品牌ID、品牌名称等。
• 商品类目、商品包装、商品系列等商品的附属维度等。
 业务过程
业务过程方面,商品交易的主要业务过程,会放入本文“交易”域中。因此商品域下的业务过程,主要针对商品的上架、下架等业务过程,具体如下:
• 商品上架
• 商品下架
• 商品发布
 模型构建
商品域数据模型的维度与商品上下架,发布,商品类目,品牌,产品表相关联组成雪花模型,通过事实表与业务过程挂钩组成事实逻辑表,事实逻辑表与维度挂钩形成商品域数据模型,其数据模型关联如下:

 指标体系
基于以上设计,本模型可支持商品域的原子指标94个,举例如下:

  • 以商品数为核心,可用于分析当前商品的运营情况和鲜活程度
  • 发布商品数
  • 下架商品数
  • 新增在线批发商品数
  • 有效发布商品数
  • 活跃商品数
  • 以商品价格为核心,可用于度量和评估价格体系
  • 平均一口价
  • 商品价格
  • 商品价格占比
  • 在线商品价格
  • 以时间为核心,可用于体现商品周转频率
  • 商品更换天数
  • 最近一次商品发布时间
  • 周转天数

 商品洞察
商品洞察是为了分析企业销售的商品状况,以商品销售和库存作为分析场景,分析商品矩阵的销售、营销类别、交易和库存状况。根据以上分析指标从商业智慧可视化角度出发,按企业组织架构或商品角色作为呈现视角,以时间、地域/渠道、品类、店铺为洞察切片,聚合商品交易、营销商品、商品组合、商品全矩阵探查等场景,利用数据可视化工具平台Quick BI,灵活产生各类角色仪表盘。
以商品全矩阵分析为例,商品分析以用户游览流量和最终交易成交转化为主要切入点,将商品分为四大矩阵,分别为明星商品、潜力商品、问题商品与淘汰商品,通过可视化分析方法对进行商品分类以辅助商品管理的决策。



图:商品洞察分析

2020年阿里对新零售有了新的诠释,发布了OneData数据模型白皮书,对新零售的核心数据模型和计算逻辑有进一步的揭秘,值得大家学习。有兴趣的大家可以点击下面链接了解一下

https://yq.aliyun.com/articles/742736



































楼主热帖
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关闭

站长推荐上一条 /1 下一条

关于我们|小黑屋|Archiver|168大数据 ( 京ICP备14035423号|申请友情链接

GMT+8, 2024-3-29 01:24

Powered by BI168大数据社区

© 2012-2014 168大数据

快速回复 返回顶部 返回列表