自2016年“新零售”的概念被提出后，各大零售紛紛開始部署轉型措施。從零售業發展來看，從賣方市場向買方市場的轉變，導致傳統零售以線下門店為主導、商品為中心模式的瓶頸逐漸顯現，這也迫使傳統零售商紛紛向以顧客為中心的經營模式轉變，并更加重視強化品類管理、優化供應鏈。

如今，新零售的探索已經過去6年，一些企業因為無力轉型而被迫賣身，而另一些企業則探索出了符合自身情況的發展道路。當下，新零售的發展進入了新的階段，如何基于大數據實現精細化運營、全面賦能各個環節，以解決“降本增效”這一零售企業面臨的本質性問題，成為了重點。

接下來，我們從新零售的本質性變化，探討如何真正的實現數據賦能。

變什么？新零售的三大關鍵——人+貨+場

“人”——傳統零售經營以采銷為主，模式簡單粗放，對消費者關注不足。在新供需關系下，回歸消費者這一零售生態本源成為核心。零售商要挖掘數據價值，如基于目標客群的特征和行蹤數據，整合品牌商數據，掌握不同消費客戶群的行為變化和趨勢。

“貨”——零售業的發展客觀原因造成零售供應鏈長期深度依賴供應商，采購團隊把關注點放在了來自于供應商的收費和返點，而不是經營及提升門店坪效和毛利率，從而導致零售行業在品類管理和供應鏈專業能力培養上長期滯后，并形成了地方管理團隊各自為營的分散式管理局面。但在新環境下，零售商想打破在與供應商談判和合作中被動局面，需要統一管理的業績考核分析體系整合供應鏈能力。

“場”——過去傳統零售以線下門店為主導，現在是線上線下融合打通，多個場景融合；過去是以地理位置為中心的商業，現在是場景化的、以人為中心的商業。零售全渠道發展是大勢所趨，通過大數據分析能力提升精細化運營，對目標客群消費場景洞察、通過品類運作配合創新促銷活動等。

零售大數據分析面臨的問題

零售企業內部的信息孤島現象嚴重：不同業務部門，如運營、商品、生產、財務等內部均有大量數據產生，且系統獨立，數據的獲取和深度分析難度較大。通過建立統一的BI數據分析平臺可以打破信息孤島，讓數據因分享產生價值。

業務部門主要任務是自己部門日常的經營，包括操作流程、考核指標、門店管理、人員管理等，對于大數據能給自己帶來什么樣的價值則認知程度不高。同時對于數據分析的技術和工具知之甚少，因此很難把對于本職業務的理解和數據分析做緊密的結合，轉化為數據分析所需要的種種要求，導致IT團隊、大數據團隊很難深入理解業務，而最終IT部門交付的成果對業務帶來的價值有限，而業務又提不出具體需求。

不少零售企業的整體性數據收集平臺還不是很完善，數據提取、整合、可視化、探索分析等程度相對落后，定期的商業報告仍是通過抓取數據倉庫里面的數據，組成固定格式的報表并用于簡單分析。即便有的企業構建了數據平臺，雖然能夠實時地呈現業務分析報告，也只是停留在報表的提供層面。

如何變？敏捷BI助力新零售破局

通過以上分析，可以將數據分析的主要模塊分解為用戶、門店、商品、渠道四個方面，匯總成一套完善的零售數據應用體系。

用戶分析

用戶分析主要是對顧客群體的購買行為的分析。通過對用戶的年齡、人均購買次數、購買總金額、消費地區、購買途徑等數據進行分析，深入洞察消費者購物行為和偏好，尋找到高價值客戶的消費規律，通過精準營銷，提升銷售額。

門店分析

實體門店仰賴營業額作為績效指標，但對于營業額不佳的門店，卻難以有更進一層的數字觀察與改進。通過數據分析，進行門店客流追蹤，不僅能根據日、周、月、年等做周期分析、跨門店分析，還能結合POS營業額等銷售數據做整合分析，進而預測下一周期的營運績效，助力零售商達到經營效益最大化。

商品分析

商品分析的主要數據來自銷售數據和商品基礎數據。主要分析商品的類別結構、品牌結構、價格結構、毛利結構、結算方式結構、產地結構等，從而產生商品廣度、商品深度、商品淘汰率、商品引進率、商品置換率、重點商品、暢銷商品、滯銷商品、季節商品等多種指標。通過對這些指標的分析來指導企業商品結構的調整，加強所營商品的競爭能力和合理配置。

渠道分析

如果企業同時運營著線上渠道和線下渠道，需要對加盟商的情況做到心里有數，因為庫存和缺貨是所有的零售迫切解決的一個難題。如果零售商對用戶的需求沒有進行精準的預測，則會導致供需失衡，造成高庫存或者是缺貨狀態，最終將造成成本上的浪費。通過對渠道數據進行分析，可以對供需平衡進行高效管控，降低成本。

可以看出，當前零售企業的數字化轉型重點，從打基礎、建渠道，逐漸轉變為全方位的數據應用，對于外部，實現對消費者、供應鏈等的精細化管理；對于內部，則實現商品、門店、組織的持續優化。以此回歸零售本質，實現零售企業高質量發展。