时尚行业应该怎么做数据分析？

周剑

11年商业智能系统建设经验，服务客户包括政府、烟草、制造、高科技等行业

专注于时尚行业及零售行业的数据分析及商业智能建设，在零售管理、供应链管理等方面有心得

曾开发《轻松上手，BI需求分析及管理》课程

近日，在永洪BI主板的数据化运营“百家讲坛”系列沙龙上海站上，资深BI专家周剑专门就时尚行业数据化运营的挑战和机遇，做了一番非常干货的分享，下面是其演讲全文。

1

2015服装零售业态新趋势

首先介绍一下2015年服装零售业态几个很重要的趋势，第一，针对性的顾客精准营销和促销活动决策科学化。以前促销是半价、季末五折等等，这并不人性化，这块我们会做一个数据分析决策。另一个趋势就是全渠道销售发展加速，O2O热点领域开始通过移动技术提升顾客在店体验，比如存货管理、库存管理、灵活调配等。

了解了趋势，也不能忽视的是，这个行业在数据分析方面面临了很多挑战。如何把数据利用起来保持系统的先进和系统信息的更新；如何把供应链信息利用起来应对市场变化。现在企业已经开始注重数据等。具体的，时尚企业的各个环节都会有一个相应数据分析模块。可以看到终端零售这块对终端业绩有监控，管理净销存、商品上市分析以及绩效管理等等。上游会看仓储、营销、生产以及订货控制和商品企划。另外就是预算计划。服装是比较非理性的一种消费，很多时候不能预知顾客喜欢什么，但可以从历史数据中分析出顾客不喜欢什么样的款式或喜欢什么样的颜色，或对什么不太感冒，以后的设计都要进行规避，以减少损失，即为真正的用户群体做一个标签的匹配，这也就是用户画像。

2

为什么时尚行业要做BI系统？

业务系统会有很多报表分析应用，查起来很慢，所以我们不做统计分析，要做BI系统。另外就是系统的效率或者跨年度、跨系统的统计，以及要做更好的图形，或者说系统要做迁移，不用业务系统做统计分析的应用，这就是BI产生最原始的动机。我们和客户甲方企业定位自己为什么要建设BI，可能有一些这样的理由，首先是释放各个层级的人员比较繁重的劳动。另外我们也经常会提到BI的三方面特性，即时性、准确性和一致性。挖掘数据资产的价值、提高数据的可信度。企业商品部那块拿出的报表和营销部拿出的报表同一个指标给出的口径不一样，所以要解决数据可信度的问题。

BI可以反过来推动数据完善和业务系统数据质量不好的问题。通过BI系统把数据质量剖析出来定义规则进行完善，这也是一个目的。另外有的企业觉得报表太多太乱了，迁移到一个更好更科学的系统里面去进行梳理，那么我们可以进行一个体系化的建设。另外我们对高层要建设一些特别的应用，这也是一个目的。比如时尚企业经常有一些智能调拨或买手测算等，另外还有一些管理理念的引入，比如精细化管理或精准化营销，比如现在可以做到单店的利润考核，可以细化到日级或者店级，或者做平衡计分卡以及全面预算管理时可以引入BI系统。另外还有一些运营模式的转变，如转型快时尚，要做数据支撑、系统支撑，分析快速反应商品的流动。另外还有一些集团绩效考核的需要。

2

时尚行业建设BI系统的流程是什么样的？

首先，借鉴行业应用模板，快速导入部署。从头开始定义需求，进入BI解析，时间较长，所以要尽快吸收一些行业模板，如果模板拿不到可以找外面的咨询厂商或实施公司。快速导入部署也可以降低用户等待，不然用户没有那么多的耐心。

其次，按需选择适合建设的方式，比如按主题、以KPI驱动或按角色、按场景进行建设。再次，注重持续建设，不断完善和扩展。如果是甲方企业，在项目最初甲方可能会进入，最后系统上线运行之后持续改善，其中需要甲方自己进行持续建设。另外有一些成熟的功能组件提升系统应用，比如需要地图的话可以直接引入一些成熟的功能组件，不用自己开发。

刚才是讲BI系统里面很重要的一块也就是前端应用，那我们到底做什么交付给用户去看？我们也知道数据处理功能可能占60%、70%，但是它可能不是最大的亮点，亮点在前端。所以是两种，一个是按主题，体系化的梳理、建立企业的分析体系，或者报表体系。另外一种就是以专题的角度去KPI驱动，从管控出发，去监控跟进问题，这是两种思路。一个是强调体系化，一个是从管控的一些关键点出发，实现一些专题的应用，并达到我们特殊的目的。

做时尚零售的建设，体系化首先可以标准化，比如财务分析可以进行四个核心主体建设。包括终端、货品、顾客、员工。终端就是我们跟顾客发生交流的场所，是线下的。货品就是我们卖的产品。人就是交易的双方，顾客和员工，把这四个核心拉出体系，就相对比较全面。

体系一旦建立起来后续可以不断成长，形成自己企业的知识库。比如说终端分析体系，首先看业绩达成，日、周、月、年。整体达成和相对达成都是必备的。另外也要看成长性，同比、环比、累计比等等。以及趋势、结构排名等等。然后还可以看指标，包括KPI薄，分析，趋势性分析，绩效类的比如折扣率等等。另外还有客流类指标，包括进店率、试穿率、试穿成交率等等，我们可以不断加入企业自己的特性，对这些KPI进行一些分析组合，比如行业分析、趋势分析、成长性分析等。

另外终端也会关注货品，可以列举一些我们需要的指标，比如零售结构，针对单店的进、销、存以及结构差异。终端也可以关注VIP，比如终端发款指标的达成，以及每个终端的消费占比等等。还有人员消费特点分析，比如做到某一个时段多品牌企业会在节假日有直线成长。

我们也可以把商品分成期间，和商品季累计，期间有月，有结构，波段季节结构以及品牌颜色、尺码，也可以利用分析指标分析出来。这种行业性的模板一定可以找得到。在我们具体实施的时候会做一些调整。VIP方面我们可以制订一个体系，比如说顾客数据的集成以及分析，按各种属性，静态属性、动态属性都可以梳理的，还有包括顾客活动，顾客的返回等等。还有的企业为顾客的生日做一些小效果加进去。

服装企业可以通过各个模块提炼很多指标，来作为一个基础，同时运用各种各样的分析方法进行结构分析、趋势分析和成长性分析，组合起来就可以形成丰富多彩的应用。指标加上很多维度就可以进行灵活的分析，比如BI式的组合分析、动态分析，让业务人员直接拖拉拽形成我们需要的一些业务应用。

刚才我们介绍了体系化，另外一个角度就是KPI驱动进行分析应用。比如用户率、零售率，搭成一个核心指标列举出来，然后做出来具体的可以跳转到详细报表，比如说有些企业每年的重量级应用就是库存率和消化率，那么我把它管控起来，比如库存率不能达到10%，消化率达到90%，那么可以看到商品季各个阶段是不是能达到，这样可以进行管控的应用。

这里有一个具体的案例，是一个终端的体系化的示例，首先是总览，之后是结构与排名，包括区域排名区域结构，整体排名整体结构。这是成长性分析，我们会把它搭建起来，把刚才那个数实现掉。包括这些主线图都是可以做出来的，包括目标管理、业绩达成、趋势分析。

比如说我们针对店员可以看到连带率指标和客单价指标，我们去分析有些店员是能卖掉一些价格比较高的货品，说明他可能有这方面的能力。但是他的成交率可能比较低，那么我们把他在这个象限里面拉出来，再制订一个专门的计划。比如说参加一个如何提高成交率或者搭配一些连带商品的搭配的培训，通过这种方式辅导店员的连带率。帮助他从这个象限里从一个区域往另一个区域发展。然后还可以对参加培训的人员再进行登记，看有没有提升，再结合分析。这样BI就进入了管理领域，形成闭环。

商品分析还可以加一些有特别需要的现有报表把它纳入进来，这也是比较重要的一块。这样的话终端管理的门店分析就形成了一个体系，可以不断的发展和完善，最终会形成适合企业自己实际情况的门店管理或数据分析体系。

这边也是基于一些KPI驱动管理的。比如说某企业当期的业绩，然后是同比增长率，我们知道在这种零售行业，增长是两类的，一类是通过开店，比如外延式的扩张。另外一种就是通过内部挖浅，提升单店的运营能力、同比增长率和可比增长率。通过外延和内生的对比，假设看到同比增长率是22.8%，但是平均单店可比增长只有16.3%，说明有一部分还是通过开店拉升的。最终我们会看关掉的店铺是不是真正低效的店铺，新开的店铺是不是效益要比以前好。

另外单店总体增长也包括两类。一个是提价，第二个真的是卖的多了。。曾经有一个公司在过会的时候被拒了，就是看他们的财务指标连续三年店铺面积增长的很大，但是销量基本没有增长，这就说明他们一路是靠提价涨起来的。说明品牌比较高端。所以通过数据我们可以发现这样的一些问题。

基于这块点击可以看到各个区域的情况，包括开店的情况，包括横向、纵向的比较，和各个区域外延和扩张的情况是什么样。以及内生增长有什么可以分析的。比如开了一到两年的店铺，和两到三年，和三到五年的店铺要求是不一样的，有的开了七、八年的店铺可能根本不怎么增长了，不往下走就很不错了。

除了这些我们还有很多角色和场景，角色就是企业的各种各样的角色，比如老板、总监、或是商品经理、运营经理、或一线操作人员。每个人树的旗帜是不一样的，差别也很大，关注的数据项和力度也是千差万别的。我们可以根据这些角色定一些相对比较好的应用。

另外一个就是可以按场景打造。比如说我们的季度商品运营总结或者企划，或者营销部门的营销周会，每一周拿一些什么模板或者数据讨论我们的运营情况，第一项什么数据？第二项什么数据？基于报表的分析应用逐步开展下来。