数据驱动：传统零售企业的新零售之路

大数据、数据分析、人工智能/机器学习等数据驱动的技术在市场上逐渐占据重要地位，对于数据的把控力度也使得很多企业收获巨大的拓展潜力。大多数企业相信，能够通过数据去改变业务前景，纷纷开始转型为数据驱动型企业，还有部分企业仍在探索数据驱动转型之路。对此，Monstarlab给出了一些关于打造数据驱动型企业的建议。

通过本文，快速了解企业如何利用数据价值，推动业务增长：

• 数据如何驱动业务增长
• 数据驱动转型痛点及机遇
• 企业数据驱动转型流程
  

数据驱动的数字化转型已成必然趋势

数字化转型、全渠道、消费者数字化体验、大数据…近年来越来越受到各行各业的关注。不少零售行业的头部及大型企业已顺应数字化趋势积极进行转型，持续发力新兴技术。

然而，绝大多数的零售企业并没有采取积极的方法进行数字化转型，把主要精力投入到实体店的线下体验中，只部署小部分的数字化资产，导致消费者体验没能得到整体、全面的提升。

2019年Gartner的一项调查报告发现，尽管有近90%的企业领导层表示数字化转型是企业的重要战略，但仅有40%的企业真正开始了数字化举措，并逐渐扩大数字化转型的战略规模[1]。

德勤也有一项重要的研究发现，近九成的企业认为数字化将对零售企业发展产生的颠覆性影响，但只有44%的企业表示已做好了应对准备[2]。

在我们的《消费者体验数字化——新零售下的消费者体验趋势（Customer Experience）》一文中也提到，疫情时代，新零售模式进一步整合人、货、场，传统零售企业面对的是飞速迭代的消费者体验。为应对新冠疫情导致的消费者行为突然改变及不断变化的消费者体验需求，许多零售企业相应地推出线上数字平台，但很容易就忽视了一个数字化转型战略中极具潜力的部分——数据价值及分析。

数据的价值有多大

早在疫情爆发前，就有很多企业已开始探求大数据之路。数据分析是痛点，是挑战，也是机遇。那么，企业能从数据中获取怎样的商业价值？

更深入更广泛的消费者洞察

借助数据分析，零售企业能够更多接触消费者数据。传统的实体零售模式在收集数据时往往有局限性，但通过数字化渠道，企业可以从购物行为、产品偏好、平台偏好等多维度获得关键信息，并帮助进行消费者分析，以提供更好的消费者体验。

研究表明，超过80%的消费者更愿意购买提供个性化体验的品牌产品[3]。若体验出色，消费者甚至愿意为该品牌支出高达16%的溢价[4]。而实现这一目标的唯一途径就是通过数据真正了解你的客户。

更敏捷的业务效率

传统零售企业的商业模式，往往是建立在各部门各司其职的前提下，给企业一体化决策带来不良影响。如何破局传统企业孤岛现象，需要通过组织数字化转型，实现开展跨部门、跨业务流程的数字化集成管理。

数据分析有助于企业发现业务流程和技术中的低效率问题，并得出具可行性的解决方案，实现业务流程的高效，并减少相应的开支。例如，预测消费者需求以改善库存管理，了解消费者喜好以研发更符合市场需求的产品。

更精准的市场预测

大数据包含产品、社会、行业、客户数据等多方面，帮助企业直面不断变化的消费者需求及行为。通过整合分析当下的流行趋势、搜索引擎数据、还有数字平台的使用情况，企业能够更精准地预见零售行业的变化，并有针对性地对业务进行运营和消费者管理。

更具可信度的决策

“数据驱动决策”。Forrester指出，74%致力于转型为数据驱动型的企业中，只有29%能够成功地通过数据分析中做出正确的行动[5]。而要实现真正的数据驱动，需要企业具备先进的数据收集、测量和分析能力，以获取真正有价值的数据，帮助管理层做出决策。

综上，将数据作为制定关键业务决策的基石，为企业创造新业务、把握市场趋势和整体业务增长提供了可能性。

是挑战，是痛点，更是机遇

2020年的新冠疫情，使中国的零售业尤其是实体零售业遭受冲击，但这场疫情也给零售业带来了新的启发，让行业看到了未来的新机遇。

挑战：零售行业消费者数据本质上回到了原点

疫情导致消费者购买行为的改变让零售企业毫无准备，也发现了自身的不足。虽然有部分准备充分且反应迅速的零售商，及时开发并推出电商渠道、APP等数字化销售渠道。但由于传统零售业在很大程度上依赖于线下购物体验，面对这些新渠道庞大的数据信息时，往往失去了判断力。

机遇：重塑数字化战略

全球疫情影响下,实体经济遭受重创,反而为企业调整并建立起数字化战略打开了大门：提升数据收集能力，调整数字化渠道，以得到新的消费者洞察，进一步提升消费者数字化体验。

实体零售和传统电商企业应该充分利用这个机会，化危机为机遇，打造以服务体验为核心的全渠道全链路的购物体验，最终实现数据驱动数字化消费。

实现数据驱动型企业的5个步骤

IBM的一项数据调查表明，62%的零售商认为数据分析为企业带来了竞争优势[6]。那么，当企业期望提升数据分析能力并推动实时决策时，应采取以下五个优先措施：

1.了解企业当前的数据分析情况

在展开数据驱动转型前，第一步是评估企业当前的数据：有哪些数据、正在收集哪些数据，以及采用何种方式收集数据，才能明确企业目前具备哪些数据分析能力，以及这些能力可以为企业带来什么价值。

2.达成以数据为中心的企业内部共识

业务部门与IT部门之间如果能建立起更强有力、更无缝协作的关系，将有利于信息的交付和使用。因此，必须让业务部门的高层认同以数据为中心的战略。为了使企业向更高级的数据分析迈进，所有利益相关者必须团结一致，否则将导致先行团队数字工作缺少协作响应，陷入数字化孤岛。

一个成功的数据驱动型战略需要得到高管的赞助和治理，以便与企业目标保持一致并得到遵守。同时，随着企业目标的发展，战略也应随之变化。

3.明确业务需求和优先事项。

这其中很大一部分是根据企业现有的数据分析资源，思考如何更高效地使用现有资产，及设定业务的优先级。经过第一步的审查步骤，企业已了解到了哪些地方的基础设施已经到位，哪些地方还有欠缺，接下来可以首先完善基础设施的优化，为长期数据分析成功的基础打好基础。

4.制定明确的监管体系

此步骤的另一个目标是确保IT部门与企业团队保持一致，专注于分析和思考如何实现业务目标。目的是要表明数据分析有利于企业上下的每个层面实现更优决策，而不是争辩数据分析到底是IT部门还是业务部门的责任。

重要的是教育利益相关者和数据管理人员去制定明确的指导方针和操作方式，以推动数据驱动转型。

5.建立一个灵活的转型架构

一个好的架构应具备足够的灵活性，能够根据情况的变化进行调整。值得注意的是，数据的规模并不是越大越好。

最好方法是从小起步，设计一个模块化的、开放的架构，只投资特定业务所需的数据——这能保证企业在数据方面付出的投资总是与价值回报相关联，同时可以帮助企业实现更快、更有效的数据访问，通过API与供应商、零售商和客户进行同步数据交换，并极大地节省成本。

结论

数据分析、数据驱动…早在疫情爆发前就被零售行业企业津津乐道。如今，数据所带来的洞察比以往任何时候都更能帮助企业直面不断变化的消费者行为及需求。

Monstarlab通过收集、分析真实和数字的信息，创造出一种机制（设计与技术结合），为消费者提供流畅的体验，从而提供数字和真实一样的服务流程。

Monstarlab数据分析专家介绍:

Tasnia Tareq，Monstarlab阿联酋销售总监（Engagement Director），是大数据和分析方面的数字化专家，在帮助企业品牌建立和优化数据结构并从相关洞察中推进业务增长方面有着丰富的经验。

Endnotes:[1] Gartner, Digitalization strategy for Business Transformation[2] Delloite, Moving Digital transformation Forward[3] Edelman.ca[4] PwC, Experience is everything: Here’s how to get it right[5] Forrester, Think You Want To Be “Data-Driven”? Insight Is The New Data[6] IBMOther references:Harvard Business Review, Retailers Face a Data Deficit in the Wake of the Pandemic, 2020