2020年的新冠疫情，讓本該在春節期間厚積薄發的零售行業遭遇集體滑鐵盧。零售市場快速反應，開始通過線上營銷和數字化升級挽回損失，有些企業甚至實現新的業績增長。在不確定的危機面前，零售企業如何修煉數字化內功突圍制勝？

3月24日，觀遠數據創始人兼CEO蘇春園接受混沌大學研習社直播邀請，（https://v.qq.com/x/page/i0940lwzg6l.html）分享了零售消費企業通過數據賦能業務，實現快反制勝的方法與實踐。

以下是觀遠數據創始人兼CEO做客混沌大學研習社直播間期間的演講實錄：

1.數據戰疫：從一線品牌抗疫案例，看零售與消費企業如何應對危機。

2.轉危為機：疫情復盤，在不確定的環境下如何把握確定性的機會？

3.提升內功：零售、鞋服、快消等行業數據驅動管理的案例分享。

4.管理升級：如何從CEO、一線門店和數據分析師的視角搭建數據體系？

5.未來規劃：“看3年、做3個月” - 以終為始，為2020年構建數據驅動的決策體系。

一、數據戰疫：疫情黑天鵝前，企業可以做哪些數字化救贖？

疫情雖然是黑天鵝，但同樣也是一次危機并重的考驗，每個行業每個企業都在積極求生。 

Lily女裝千名店長變身微商，直播帶貨；奈雪的茶通過數據及時調整門店開閉店和營銷政策，加強小程序下單；生鮮傳奇小程序下單今日訂，次日提；聯合利華等消費品牌也開始通過社群賣貨。

前線的快速反應匹配的是后方的數字化能力。面對突發的疫情，觀遠數據也及時推出護航者計劃，幫助客戶伙伴通過數據分析，發現很多業務場景中存在的問題和商機，聚焦管理，快速對市場變化做出反應。

場景一：員工健康度分析，規避用工風險

員工健康度監控是很多企業尤其是勞動密集型企業在疫情期間非常重要的需求。及時了解員工健康狀況可以合理安排復工復產，減少企業損失。以觀遠數據自己為例，在疫情期間，每日通過釘釘提醒員工填寫健康日志，收集相關信息，制作成員工健康度看板，就可以知道員工的所在區域，整體的健康狀況，符合復工條件的比例，及時做好復工和員工返程安排，將用工風險最小化。

場景二：疫情大盤監控，聚焦重點管理

當企業整體的經營情況都在深受疫情影響時，對于決策層來說，更需要全局的數據監控，去發現局部受疫情影響較小，或者受疫情刺激需求更旺的門店或者品類。這樣，就可以聚焦管理，保證一些優質渠道和商品的供應和營銷活動力度，通過局部爆發拉動整體的營業額。

（疫情期間銷售分析看板）

場景三：開閉店分析，實現效益最大化

從疫情開始后的陸續關店到疫情快要結束時的有序開店，當企業門店數量多、分布廣時，要對整體的開閉店做出調整是比較困難的。企業可以通過監測不同渠道的數據，包括門店的來客數、營業額、可復工員工數等數據，快速、精準判斷哪些門店滿足開閉店條件。

場景四：私域流量運營，千人千面營銷

不管是朋友圈、社群還是小程序，我們發現，疫情極大釋放了私域流量的價值，助推了社交電商的發展。而社交電商對“人貨場”格局的重構，也使得企業在數據運營層面，對人與微商的追蹤分析變得尤為重要。企業可以通過數據監控整個線上渠道銷售鏈條里，哪些觸點能夠最大化去轉化成銷售機會。并根據不同線上渠道、不同時間段、不同商品的表現和對應的銷售額變化趨勢以及不同店長的帶貨能力，有針對性地做配補貨和營銷活動調整，強化激勵措施，加強業務培訓。

二、轉危為機：如何在不確定的環境下，抓住確定的機會？

疫情大潮即將退去，消費高潮也即將到來。那些在疫情下積攢的私域流量是否會和疫情一起退去？那些因為疫情下“人貨場”格局改變而改變的營銷策略，當疫情結束后是否又要重新規劃？一切都是不確定。

而唯一不變的是，零售企業一定要堅持以“人貨場”為核心，通過精細化運和快速反應，及時響應萬變的市場環境。

從“人”的層面，企業可以通過會員分析，精準識別消費者的偏好、消費習慣、消費能力。通過千人千面的營銷有針對性進行推薦，有效提升客單價和顧客的忠誠度。

從“貨”的層面，可以通過數據分析不斷優化商品結構，提高產品的客單價。并通過每天、每周的迭代，找到不同品類商品最優的表現條件，從而將商品的營業額貢獻率最大化，并提前做好供應鏈補貨準備。

從“場”的層面，企業要向全渠道轉型，通過精細運營，延續線上流量的“疫情紅利”。

總結來說，零售消費企業以“人貨場”為核心的數字化轉型，其實是一場顆粒度革命。誰分析問題的維度越細，發現問題解決問題的速度越快，誰將獲得比同類品牌更多的增長機會。這也是零售消費行業從流量時代進入到效率時代，對于精細化運營和快速反應能力的要求。

在一個企業內部，業務場景可能有幾十個甚至幾百個，對應每天要做的決策就有幾千幾萬條。 而數據分析可以幫助企業決策層，以上帝的視角去發現問題抓住機會，讓每一次的決策能夠比原來更加高效和科學。這也是數據驅動決策的本質，不是能給你帶來多少倍的爆炸式增長，而是持續產生比原來多百倍、千倍的增長機會。

三、提升內功：數據智能驅動管理升級的案例分享

在過去三年，觀遠數據也通過自己在零售數據分析領域的實踐經驗，陪伴很多企業書寫了數據驅動業績增長的精彩故事。

一、某電商平臺通過敏捷分析，用10倍速度進行“增長實驗”

觀遠合作的某電商平臺在前期的業務發展過程中，經歷了用戶數指數級增長的過程，同時對數據分析工作也提出了嚴峻的挑戰。數據分析師一半時間是在分析數據，一半的時間是在等報表。

在與觀遠數據合作之前，該公司的大數據部門大概每天可以做50個實驗，通過和觀遠數據共建智能數據分析平臺之后，每天運行的數量是500個，數量速度翻了10倍。只有這樣的敏捷分析才能夠及時響應跟上市場的步伐，快速更新迭代，從而能夠捕捉到更多客戶的信號。

二、某家居品牌聚焦零售核心場景 推動業務提升 

連鎖零售品牌普遍存在產品集群和門店環境一體化的現象，所以企業都很關注單店單品管理。觀遠數據通過幫某連鎖零售品牌搭建諸如銷售業績渠道／區域分布及排行、銷售業績商品類目分布及排行、銷售折扣趨勢分析、客流來源分布及排行、零售指標環比分析等指標分析體系，幫助其可以高效實時地獲取直觀的可視化數據分析結果，同時給出行動化的指導建議，提升門店營業能力和服務水平。

該品牌高層曾經針對一個核心指標排名拖后腿的門店做過一個實驗，將原來可能一周做一次商品、貨架調整的節奏提高了5倍甚至10倍去處理。并且聚焦核心場景，用數據發現問題解決問題，最終用了三個月時間，將該門店的核心指標排名提升到第一。

三、某時尚服裝品牌用數據追人，賦能一線店長優秀管理能力

很多連鎖門店都會存在優秀店長稀缺的問題，而這部分店長都有比較高的分析思路和決策水平。他們懂得通過看客流、看庫存去判斷經營出現了哪些問題。

觀遠數據通過將優秀店長的數據分析思路沉淀成數據分析模型，幫助某連鎖服裝品牌賦能1000多家門店店長。從終端出發，全面包圍，提高一線人員的業務能力，帶動整體營業額的提升。

四、某快消品：構建基于“數據分析”的核心競爭力

以觀遠合作的某全球500強的消費品公司為例，除了市場、品牌、渠道等硬實力，現在，數據分析已經成為該集團戰略層面認定的一個核心競爭力。并且已經和觀遠數據在營銷、物流分析甚至一些AI項目上取得了深度合作。

在營銷層面，通過推行一物一碼政策，追蹤商品在不同渠道的表現，優化渠道營銷策略，有針對性地推廣業務。在物流層面，借助觀遠“控制塔”方案，對物流全鏈路指標進行監控，深度分析問題及時改善，并通過預警功能，實現危機事件自動上報。而在AI項目上，也與觀遠數據共同探索了需求預測、智能稽查等深度應用，實現了ROI的大幅提升。

從敏捷分析到智能分析，觀遠正在探索的“AI+BI”的模式也正是未來數據智能發展的一個趨勢。

四、管理升級：如何從CEO、一線門店、數據分析師視角搭建企業的數據分析體系？

回歸到企業最為關注的如何用數據驅動管理升級這個問題中，可以從CEO、一線門店、數據分析師三個關鍵角色視角出發。確定他們對于數據分析的目標和訴求，搭建企業的數據分析體系。

以CEO視角搭建自上而下的數據分析體系

在公司的整體架構中，CEO是控制大局的核心角色，但同時也是距離一線最遠的角色。不僅難以掌握末梢的經營變化，很多時候對于不同業務核心指標的定義與各條線leader也會產生偏差。如何擴大CEO的管理半徑，讓公司上下都能嚴格圍繞CEO的目標去安排工作，成為這個視角最為關心的問題。

如果對CEO定下的核心指標層層拆解，傳達給各級領導層，再由領導層傳達給終端，將會強化整個公司的向心力，更有助于目標達成。

而在觀遠的解決方案中，目前是通過決策駕駛艙、CEO大屏等應用，幫助企業自上而下梳理業務指標。CEO通過數據的下鉆、聯動等交互就可以掌握各條業務線的發展進度是不是在自己的可控范圍內，對問題作出及時調整。并可以通過空中巡店等應用，足不出戶就能感受終端經營的異常。

（觀遠數據大屏demo）

以“傻瓜式”的應用，給業務終端做減法

因為門店端需要提供有溫度的服務，沒時間去消化數據，所以對于門店端的數據應用應該是越簡單越好，最好能夠直接告訴業務人員該怎么做。

除了通過門店管家等應用將5%優秀店長的數據分析思路復制給95%的其他店長，還可以通過移動端自動預警等功能可以實現數據追人，主動通知員工，促進產品價值最大化。

解放數據分析師的重復勞動，聚焦業務分析

回到數據的開發者層面，他們是整個公司數據系統的直接賦能者，卻經常在做一些數據清洗、融合的重復性工作。沒有時間專注業務和數據分析本身，自然就無法給決策層和業務端提供前沿的數據分析模型。

所以，企業的數據建設一定要考慮他們的體驗感，選擇部署簡單、分析靈活、響應速度快、能夠實現自助分析的平臺。讓他們可以有更多的時間專注業務場景本身，實現從借鑒到超越。

CEO、一線門店和數據分析師這三個角色是企業實現數據驅動決策的根據地。以這三個角色為核心進行數據布局，就完成了數據建設的第一步。 

五、未來規劃：看3年，做3個月

在此基礎上，企業可以分三步去落地自己的數字化轉型。首先是以終為始，有目的的規劃自己的數據分析體系；其次是看三年做三個月，分布構建；最后是在落地過程中，如果滿足條件可以實現人和算法的長期共存、相輔相成。

黑天鵝、灰犀�，F象頻繁出現，不確定性已成為常態；我們能做的，是抓住其中的確定性。精細運營、快速反應，讓決策更智能。這是未來十年的確定性。