大数据对零售行业影响调研报告

-回复 -浏览
楼主 2020-01-01 00:57:22
举报 只看此人 收藏本贴 楼主
档案馆监控

大数据对零售行业影响调研报告

一、大数据是转型升级的核心竞争力

对于中国的零售行业,特别是线下传统零售行业,大数据分析还处于刚刚起步的阶段。企业已经认识到大数据的重要性,多数企业正在着手进行大数据探索以及相关项目的试点。

IBM 认为,零售企业的大数据分析是与云计算、移动和社交化紧密结合的系统工程,需要从战略层面系统规划。

零售大数据分析主要应用在智慧的购物体验、智慧的商品管理和供应链网络,以及智慧的运营三个领域。大数据分析是零售企业向未来转型升级的核心竞争力。

大数据通过打造智慧的购物体验,构建智慧的商品管理和供应链网络,以及实现智慧的运营,来帮助零售企业实现价值。

零售企业对未来如何利用大数据以及大数据的发展构想可以分为三个层面

第一层面是支持零售业运营

零售企业可以通过对价值链上多方数据的分析挖掘, 提高供应链、物流等方面的运营效率,并利用大数据分析的结果支持领导层决策。

第二层面是形成大数据产品

即形成独立的大数据产品,采用免费、出售或合作方 式提供给内外部客户。

第三层面是构建大数据平台

即部分向平台型企业转型的零售商将利用大数据搭建企业生态平台,为平台上的企业服务,促进共同的繁荣。我们认为大数据主要通过以下三个方面帮助零售企业提升自我,创造价值。包括:打造智慧的购物体验;构建智慧的商品管理和供应链网络;以及实现智慧的运营;

具体来说,零售企业大数据分析应用可以归纳为如下几个方面:在智慧的客户体验领域的全方位的顾客洞察、提升客户服务、基于位置的营销和服务、以及精准营销;在智慧的商品管理和供应联网络领域的供应链优化和商品优化;

以及在智慧的运营领域的财务管理、劳动力管理和防损 / 防偷盗管理。零售企业已经充分意识到大数据分析对其未来业务发展的战略意义,他们需要从这三个方面规划战略和实施步骤,将大数据分析作为向未来转型升级的核心驱动力。

二、中国零售大数据的现状和挑战

我们的调研结果表明,中国零售行业的大数据分析处于刚刚起步的阶段,相当一部分企业还未开始考虑使用大数据分析,或仅仅进行概念讨论和计划。

在少数已开展大数据项目的企业中,应用范围、方式也处于早期状态,大数据的实践刚刚起步。然而,也一部分领先的零售企业已经在利用大数据应对明确的业务挑战。

零售企业目前主要利用大数据分析进行精准营销和客户洞察

从组织机构来看,零售企业大数据分析还是较多的分散在各个部门业务中,只有不到1/3企业有独立的部分负责整体的大数据分析。

调查发现,有35%的零售企业的大数据分析工作分散在不同部门完成,如客户关系部、销售部、运营部等。各部门根据掌握的数据和自身需求进行相关数据分析,不设立统一的大数据分析部门。另外有26%的零售企业,数据分析主要由信息和IT部门配合业务部门完成。

信息和IT部门根据业务部门的需求负责数据的抓取、过滤等前期工作,业务部门进行具体的分析。在被访企业中,只有30%设置设置职能专一的部门全面负责大数据分析工作。

在已经开展大数据分析的零售企业中,分析主要集中在精准营销、客户洞察、商品优化和供应链完善等几个方面

在已经开展大数据分析的零售企业中,有接近半数的企业利用分析进行精准营销,如分类营销、决策支持和营销效果分析等。

在分类营销中,有些企业利用大数据分析进行营销需求挖掘、有些企业对营销目标进行分类和贴标签,后期根据标签筛选特定顾客进行营销,还有的企业根据大数据分析进行O2O促销。

在决策支持中,部分公司进行营销活动的预测和分析,部分公司利用大数据分析为经营评估等业务提供可视化的数据支持。41%的企业利用大数据进行顾客洞察,如打通不同区域间会员管理体系、建立大会员系统,进行针对性调研,将线上线下数据相结合,利用大数据进行顾客形象分析等。

另有24%的企业利用大数据进行商品优化,包括订单预测、选品与陈列优化、运营状态分析等方面。18%的企业利用大数据进行供应链完善,包括仓库选址、产品追溯和统一管理等。

现阶段,零售企业表示最需要利用大数据提升客户洞察,开展精准营销和实现商品优化。将企业最需要利用大数据提升的业务与已经实施的大数据项目进行对比发现,提升客户洞察是零售企业最需要进一步利用大数据提升的领域。

在调查中,74%的企业表示最需要利用大数据帮助解决的业务问题是准确理解客户行为和消费习惯,进行全面的顾客洞察。42%的企业表示需要在精准营销方面运用大数据,基于需求预测及顾客特点进行有针对性的营销,提高成交率和客单价。

37%的企业表示需要运用大数据帮助解决商品优化问题,找出畅销、滞销款商品,提高售罄率,降低过期损耗,同时优化商品组合与陈列。

零售企业对大数据分析整体整体表现的自我评价结果一般,特别是在数据分析和基于数据洞察采取行动方面

完整的大数据生命周期包括数据获取和整合、数据分析和根据数据洞察采取行动三个阶段。整体来看,中国零售企业对大数据分析各个阶段的自我评价一般。

在“获取和整合数据”阶段,只有36%的企业评价良好。在“数据分析” 和“依据洞察采取行动” 阶段,评价良好的比例分别只有32%和24%。可见,企业对自身的大数据分析和利用满意度不高。即使在数据分析意识较强的企业中,对数据的利用也仍集中于初级阶段。

在数据获取和整合阶段,企业面临的问题主要是来自多源系统的数据不一致、传统信息架构阻碍数据收集和难以整合内部数据。在数据分析方面,缺乏软硬件工具、数据可信性和缺乏必要的分析技能是企业面临的最大挑战。

在依据数据洞察采取行动方面,最大的挑战来自于缺乏能将业务知识与数据分析相结合的技能与人才,以及企业普遍缺乏对利用分析提升业务的理解。

零售企业希望分析手段方面更加深化和多样性

数据分析方法,按照由浅至深的程度可以分为以下五个种类:描述性分析; 诊断性分析; 预测性分析;规定性分析;认知性分析。

描述性分析就是从历史交易数据中分析过去,反映出已经和正在发生什么;诊断性分析就是了解发生的原因,分析为什么发生;预测性分析是预测未来,指出什么可能发生;规定性分析是在分析过去和预测未来的基础上对行为的指导,即建议应该采取什么行动。

以上分析均为静态,而认知性分析与之不同,认知性分析就是通过交互式学

我要推荐
转发到