搜索
零售大数据的实战应用一、零售大数据的实战定义1.二、零售大数据四部曲2.三、实战案例分析3.目录一、零售大数据的实战定义1.二、零售大数据四部曲2.三、实战案例分析3.1、大数据的一般定义（1）、大数据(bigdata,megadata)，或称巨量资料，指的是需要新处理模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资产。（2）、在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》中大数据指不用随机分析法(抽样调查)这样的捷径，而采用所有数据进行分析处理。大数据的4V特点:Volume(大量)、Velocity(高速)、Variety(多样)、Value(价值)、大数据的一般定义•Volume(大量)——公司、区域、门店、类别、单品、时段•Velocity(高速)——系统智能运算和手工纠错•Variety(多样)——多渠道获取信息的方法•Value(价值)——用宏观及微观甄别有提升业绩价值的信息二、零售大数据四部曲2.一、零售大数据的实战定义1.三、实战案例分析3.2、零售大数据四部曲잠재고객（4）、以点带面（3）、由表及里（2）、去伪存真（1）、去粗取精甄别重点剔除“垃圾”纵向切入横向复制2、零售大数据四部曲잠재고객（1）、去粗取精海量的数据分解、提取、浓缩快速判别“异常数据”节点根据“异常数据”的后续发展结果，集中优势资源整合处理根据企业自身资源条件，按“急”；“轻”；“重”；“缓”原则循序渐进2、零售大数据四部曲잠재고객（2）、去伪存真剔除或屏蔽垃圾信息——商品状态商品归类纠错——类别清理类别角色定义——类别定义法商品基本信息补偿——规范系统格式区分系统设置缺陷及人为制错因素2、零售大数据四部曲잠재고객（3）、由表及里利用零售三要素的基本原理，从实际业绩数据的表现来分析商品的内在关联利用各种系统业绩报表，来甄别各类数据表象的内在问题通过数据异常摘选和透视，分列出各类影响业绩状况的关健问题所在通过已设定的标准数据结构模型来对比寻找异常问题的解决方法2、零售大数据四部曲잠재고객（4）、以点解面以单品角色定义来组合类别成份以类别角色定义来区隔门店类型以门店类型来定义业态组合以业态组合来集成公司运作模式及盈利模式目录三、实战案例分析3.一、零售大数据的实战定义1.二、零售大数据四部曲2.3、实战案例分析）购物行为趋势分析商品数结构比销售额结构比库存额结构比A类B类C类实体店结构1）购物行为趋势分析类B类C类20%30%50%网店结构商品数结构比销售额结构比库存额结构比1）购物行为趋势分析类20%30%50%VS20%A类C类-20%库存周转效益提升40%库存额占比(实)A类库存额占比(网)B类1）购物行为趋势分析目标客群互补：50后60后70后80后85后90后目标客群网店销售贡献度20%80%30%70%50后60后70后80后85后90后目标客群实体店销售贡献度3、实战案例分析品类互补：个性化商品比例30%同制化商品比例70%实体店商品结构实体店个性化商品比例60%同制化商品比例40%网店商品结构网店1:53、实战案例分析大数据应用——优品覆盖ABCABCABCABC门店1门店2门店3门店4ABC公司ABC门店1门店2门店3门店4ABCABCABCABC调整前调整后3、实战案例分析大数据应用——自动与半自动补货半自动补货案例分享门店1门店3总部门店2门店4门店6门店5门店7门店9门店8门店10门店12门店11•精准营销与服务模糊•小而全——全而美日全食现象