|
往期内容回顾：【数据重塑企业经营_01】消费行业企业数字化经营的趋势
第二节内容介绍消费零售行业的一些企业可能会面临的问题或挑战。
从消费零售的视角来看，消费零售行业想实现数据驱动运营，它的难点到底在哪？归纳总结一下核心主要在两个方面。
第一个挑战是指标体系的构建。
首先很多消费零售企业是没有一套完善的指标体系，他们不知道什么岗位应该看什么样的数据；其次看了数据后要做什么业务动作，这部分也是缺失的。其实我们的消费零售行业是一个劳动密集型行业，本身这个行业的入门门槛很低，大量从业者薪水不高，相对来讲学历也不高，本身对数据的认知、数据经营分析的意识、经营管理的能力相对来讲也比较弱，所以这都需要消费零售企业花大量的人力物力来培养。早期他们其实是人带人、人管人的方式来培养。门店规模在二三十家之内，靠人管人的模式去培养是可行的。但是如果门店规模上千，靠人管人的模式是很难继续进行的。所以能不能通过数据模型把优秀导购的经验数据模型化，然后通过数据模型，又通过数据的实际业务场景来赋能给导购、店长。数据把人的经验数据模型化给到那些只有60分、70分的导购，使之能够快速达到80分也不期望能做到90分。因为将这些导购、店长能够快速的从60分提高到80分，对整个门店的的营收也实现了很恐怖的快速增长。
举个最简单例子，像我们有些行业，假设单店的日销售额能做到5000块钱。但是如果说因为数据模型能提升店长的管理经验、导购经验后，每个店只增收一天，大概10 块钱，2万家一年下来的增长也是非常恐怖的，能够带来质变，投入产出完全不是一个量级的。
这也是我一直在数据行业深耕的原因，我觉得这个真的是有价值的。虽然其他行业做的也挺好，包括金融行业等。但是我为什么对于消费零售行业情有独钟呢？因为消费零售行业主要是量大，它的店多是消费品，经销商也多，如果说对于每个经销商我们只能提升500块钱，这么多经销商会由量变引起质变，所以业务场景比较多。
回归到刚刚的话题，那负责人员，包括商品总监、门店营运总监等应该看什么指标，看什么数据模型？再到区域督导、加盟商、店长，应该看什么样的数据？这个时候我们帮他用系统化的指标进行梳理的，用一体化的数据，这个时候就会完全不一样了，我觉得这是一个比较大的趋势。这点在指标体系里面，在消费营收行业很重要。
其实还有数据治理方面的，特别是像指标口径统一。举个例子，有个消费品客户，他的销售收入线上板块占比较高，只要客户下单付钱了，就算我的收入。但是从财务部门来看不是这样的。财务部门是仓库出库了，发货了转移，才能算收入。因此这些口径都是不统一的。
之前很多零售消费企业大量指标的重复建设，其实就是想到什么做什么，虽然有很多系统化的指标，但是对于这些系统化的指标没有进行系统化的管理，这也是一种比较常见的现象。
第二个挑战就是有了指标之后如何进行真正的数据应用。
很多时候数据应用层没做好不一定是工具平台的原因。根据以往触达的诸多客户，他仅把密集型BI当做一个取数平台，在上面做一系列报表导出，自己在Excel里做透视。以前访谈过不少消费零售行业的业务部门，他们就特别喜欢做这种透视表，他们反而不愿意在我们BI上面我们做一些探索式的分析。这种现象是在数据应用层感觉到比较大的。
其次是整个数据应用层没有体系化建设，就是说之前大量的数据应用侧要么在经营分析，要么在销售侧、营销侧、会员侧，没有做全域、全渠道的体系化的数据应用规划。像刚才提到的采购侧到供应链仓储物流，再到生产加工，没有体系化的数据应用体系就会体现出一堆的表。报表多，数据多，应用场景不深，报表复用性不高，复盘下来会发现真正能用的报表没有几个。应用场景不够深是说它可能只从几个纬度分析来讲，很少能到真正诊断级的一些深入的场景的洞察式的一些分析。虽然刚刚说的这个行业是强运营的，但是从实际数据应用的效果来看，还是有许多增长的空间。
总结来看，在整个消费零售行业的一些企业“数据驱动经营”面临的挑战是整个运营体系中指标体系的构建，是标体系建完后取数时发现口径不统一，这在每个行业里面应该都是一个非常普遍的一个状态。
视频课章节内容详见：2.“数据驱动经营”面临的挑战.mp4 | 
