新零售企业以用户至上为宗旨，将“人、货、场”重新解构，为消费者提供全新的产品和服务。
新零售模式的技术关键在于建设数据中台。某零售企业通过搭建数据中台，构建了全域数据中心，融合线上、线下数据，形成了完整的智慧营销体系。
1.项目背景
某零售企业成立于2004年，专业从事国际、国内品牌代理及供应链服务，现已成为集品牌运营、渠道拓展、物流整合、贸易融资为一体的供应链服务整合平台。该企业现有员工600多名，年交易额已超过20亿，旗下有20多家附属公司及控股公司，服务品牌超过30个。近几年，由于市场环境变化和企业规模快速扩张，公司销售遭遇瓶颈，在拓展客户、精准营销、财务管理、人员成本、商城经营以及客服效率等不同方面的管理需求日益增多。
面对这种情况，该零售企业通过建设数据中台实现了业务效能的提升与优化。数据中台打破了该企业原有的信息孤岛，为业务创新和发展提供了数据动力，就分探索各业务与事业部之间的跨业务应用，深度挖掘数据价值和业务价值。
2.痛点分析
零售企业普遍面临销售业绩无法突破瓶颈、全渠道无法打通、精细化运营无法实现、供应链缺乏敏捷性等问题。该零售企业也不例外，其痛点既包含行业的普遍问题，又具有自身的特点，如外采多款软件无法发挥效用；IT部门疲于应付简单需求，效果却无法保证等。
零售行业普遍面临着线上获客成本高、线下门店客流少、客户需求个性化等挑战，其整体发展痛点如下。
01.总体消费趋缓，流量红利消失，客户触点分散
我们通过数据来直观感受零售行业面临的冲击。2019年，社会零售总额增长较低，消费流量被大型科技公司垄断，某科技公司的活跃买家数为6.93亿，某互联网企业的日活用户为10.89亿。消费者触点分散在社交、短视频等各个场景中，呈碎片化分布。
02.线上与线下、直营店与加盟店各个独立，无法形成全链路
企业的线上店铺和线下店铺没有配合，各自独立运营，会员数据也没有打通，有时甚至是竞争关系。直营店与加盟店呈分立局面，无法形成整体客户体验。门店管理全凭店长的工作经验和直觉，没有数据支撑。
03.缺乏全域数据，无法实现精细化运营
在拉新成本不断增长的情况下，企业只能通过对存量用户进行精细化运营提高复购率。如果企业没有全域视野，就无法对用户进行深刻画像，无法提供个性化服务。传统营销活动的效果无法反馈，就无法实现精细化运营。
04.缺乏敏捷的供应链，无法对用户需求做出快速反应
传统的产、供、销串行模式无法满足客户多样化的市场需求，无法给用户提供体贴、个性化的服务体验。此外，库存、配货、物流效率也有待提升。
该企业除了面临零售行业整体的发展问题外，自身也存在诸多问题。因为企业强于业务而短于技术，所以外采了很多软件产品和服务，但是依然有很多问题不能解决，如获客难、老用户流失严重、营销计划制定后难以通力执行，无法做到多触点营销与用户画像、无法进行全域营销等。
该零售企业的业务部门及旗下代理的品牌众多，对于业务部门提出的任意一个简单的需求，都需要创建较多数据接口才能实现数据应用之间的衔接。但是，当业务部门的需求得到满足后，随着消费场景的变化，业务部门的需求又发生了新的变化。技术部门总是处于疲于应付频繁的需求，又失望于发挥的作用并不令人满意的状态。
该企业亟需打造全面、一体化的零售数据中台架构，既能助其打破各业务部门的信息壁垒，让各个部门的员工可以在统一的数据中台上提取相关数据，又能实现数据共享、资源共享，实现数据和资源的无缝衔接和自由切换，确保企业管理统一而高效。
此外，该零售企业面临着复杂多变的市场环境和激烈的行业竞争，需要以服务业务为中心建设数据中台，以此优化企业管理并推动业务增长。
05.项目建设目标
该企业数据中台的建设目标可以从技术层面解读为如下几点：
1）需要建立业务数据管理规范、数据管理标准体系和数据安全访问机制，为数据访问提供安全保障。
2）需要配备数据智能检索技术、数据仓库元数据管理技术、元数据流程图形可视化技术、多数据库数据分发同步技术，这些技术能力不仅方便业务人员进行数据智能检索，还便于对数据存储进行有效管理，让数据浏览者可以通过可视化的方式快速浏览企业的数据结构，为数据的取用提供同步功能。
3）研发多维数据诊断算法、数据库数据冗余发现和消除算法、业务指标的异常自动发现算法，通过算法帮助数据使用人员进行智能诊断，提高数据质量，助力数据工具的研发。
4）配备丰富的可视化组件。企业运营、管理、业务等方面的工作人员较多，数据中台的建设需要良好的界面体验，能够展现信息、定位需求和支持决策的可视化组件必不可少。
5）数据中台的建设还要支持第三方应用集成，帮助第三方应用快速与数据中台进行无缝连接，帮助企业更好地掌握第三方应用的数据情况。
6）该零售企业的零售数据量庞大，需要通过数据中台建立完善的数据规范标准，打造多维度的数据管理规范和数据管理标准体系。
7）提供面向业务人员的快速取数、自助分析、门户定制等功能丰富的一站式管理；提供面向技术人员的可视化运维、自动化处理等工具；提供面向管理人员的各种评估告警以及决策支持手段。
8）建立监控业务数据的智能化过程，帮助工作人员根据数据实际使用过程进行智能化分析，并动态调整管理过程中的规则参数。由此，该企业建设的数据中台才能助力企业在现在、未来的数据应用过程中做到智能化。
该企业为了推动数字化转型，实现公司战略目标，借助专业的数据中台技术，打造适用于自身战略需求的数据中台。
解决方案
该企业致力于从传统的贸易经销商转型为共享业务服务商，建立一个高效的、可扩展的价值网商业生态圈。下图是该零售企业搭建的功能全面的数据中台架构，将有效提升公司管理效率、降低运营成本，激发更多业务潜能。
该企业在项目前期便进行了翔实的需求调研和数据调研，以便为后期的数据中台架构建设、数据资产体系构建、数据服务打造等夯实基础。该企业的智慧零售数据中台以清晰的中台基础平台架构、详实的数据资产体系、多维度的数据服务为特色，为该企业众多的业务体系提供强大的中台技术支撑，直击业务痛点。
01.需求调研
重点了解公司各业务应用系统之间的流程贯通情况、信息对接水平、数据共享具体场景和挑战；调研各业务条线的数据输入渠道和数据输出路径，需要提供的数据支撑工作类型，以及所需的外部数据类型，从而提升部门工作效率。
收集和分析各业务条线应用系统的数据源类型、数据采集和同步、数据计算和存储、数据调度任务、数据应用产品及数据控制权限等问题和诉求。
收集和分析各业务条线负责部门在组织架构与分工、核心业务流程、核心业务指标、核心业务系统及业务数据管控权限等方面的问题和诉求。
02.数据调研
基于该企业的数据中台项目的业务需求和实施目标，数据中台技术团队从其现有的业务系统及数据出发，对业务系统及数据进行调研，提炼零售、库存、分销、财务、供应链等业务模块的核心流程，摸清核心数据表的含义，为后续设计数据中台架构和分析场景提供更好的数据和决策支撑。
03.搭建数据中台基础架构
对于下游分销商、公司内部业务系统、第三方电商平台和线下零售门店等业务生态中存在的数据孤岛、数据标准不一致、数据循环赋能业务能力弱等问题，该企业通过搭建智慧零售数据中台基础架构，全面接入企业内部业务系统数据及京东、天猫等第三方平台的数据，快速、精确地完善数据标准体系及信息地图，保障财务数据应用和平台数据应用如期上线，并在数据中台强大的数据自循环能力的基础上，持续优化和扩展应用，为企业开发新的业务和产品线提供更多数据支持。
04.构建数据资产体系
在建设数据中心初期，中台建设的着力点在于帮助企业将不同平台的数据进行采集、打通、存储，为建设统一而完备的数据中心提供高质量的数据基础。
该企业的业务团队将各业务系统（如供应链系统、仓储系统、线下零售店、第三方电商平台）的数据也关联到数据中心，将全部数据归集统一。通过不同的数据分析、挖掘工具完成后台技术建设，同时根据前端业务需求变化随时对数据进行调整、抽取、同步等操作。最后依靠丰富、强大、多维的数据基础为调整业务体系和产品研发提供更多参考意见，根据不同的业务诉求及时调整产品应用，再对应用中的数据及时进行采集、清洗，并存储在当初始建的数据中心里，以达到数据采集端与数据使用端的数据循环回流的目的。
为了实现数据存储、数据打通、数据应用、数据智能的目标，该企业部署了大量采集系统、同步系统、调度系统。在建设数据中台时，首先搭建了数据中台基础平台，通过业务系统抽取工具将CRM、OA、WMS、OMS等前台业务系统中的运营数据导出并集成，通过人工将数据上报并录入系统，然后通过外部API接口将京东、国美、苏宁、拼多多、天猫、小红书等渠道的数据进行融合、覆盖，以此进行底层数据汇总，存放到自建的私有云环境里。
另外，该企业将分布在天猫、京东等第三方平台上的数据打通，将多个平台同类型、同款产品的商品数据进行汇总。汇总后，首先利用分布大数据存储系统、离线式大数据计算系统、准实时大数据计算系统等对数据进行存储，形成大数据平台；然后通过元数据管理工具等数据治理套件对存储的数据进行处理，在此基础上，利用ETL工具对已清洗、存储的数据进行分析、挖掘；最后通过大屏可视化工具、报表工具、数据自定义门户工具等数据可视化套件呈现为亮眼、简洁的数据分析结果。
05.提供多维数据服务
数据中台可以实现由业务数据化到数据业务化的循环数据应用流程，即提供多维数据服务。通过数据中台进行数据建模，实现不同的业务诉求，比如将多平台的产品数据进行关联、添加、汇总，并根据业务诉求查看数据分析结果，从而为线下门店或者线上旗舰店带来流量、提供营销参考。
再比如，通过数据中台可以对财务数据进行监控与预警额度设置，一旦达到某个额度，可以直接让最高领导审核，简化了中间各部门审批的烦琐流程，这样不仅简化了企业的运营流程，还节省了一定的时间和人力成本。同样的工作原理还可以应用到企业的其他部门，比如销售额达到一定数量时也可以发出预警。
智慧零售数据中台具有强大的数据自循环能力，可以对该企业的年度经营情况、季度/月度经营情况、运营和推广费用及转化、仓储物流和供应链状况、客服问答等人力成本情况，以及资金花费和后台费用等情况进行分析，提高每一个业务场景的效率，同时减少人工干预，帮助企业实现商业智能系统的运营决策和业务数字化。
4.最终效果
智慧零售数据中台以搭建基础技术架构、形成数据资产、开发数据智能应用为三大建设核心，实现内部数据整合与管控，建立统一的数字营销体系，将商户、供应链、库存、会员、电商等运营统统打通，全员依托数据统一行动，通力执行。
01.多平台数据联通，打造数据中心
智慧零售数据中台将业务系统、外部经销商、线下零售门店、第三方平台的进、销、存业务数据进行清洗和加工，形成数据中心。
02.为业务人员打造智能应用，驱动业务提升
根据业务体系要求，智慧零售数据中心将各业务版块的数据进行分类、抽象、归纳和总结，构建统一的数据标准和数据地图，由此形成中台决策系统。在经过前面的数据质量提升工作和数据逻辑地图打造工作后，根据前台各业务部门提出的需求梳理出业务模型和原生数据指标，开发可拓展、可完善的应用产品。在功能强大、质量优先的数据自循环能力支持下，业务人员可以根据用户的需求，随时对业务体系和产品做出优化与调整，以驱动业绩提升。
03.可多维度分析数据，真正实现数据驱动业务
智慧零售数据中台帮助该企业实现了业务数据全面覆盖和统一管理，同时形成了数据自循环能力，企业可以将更多精力投入业务创新，真正实现数据驱动业务。
04.加强会员黏性，了解经营状况，实现精细化运营
企业结合自身的业务发展和运营现状，通过用户（会员）画像、会员管理、线上线下融合，加强会员的黏性和活跃度，以防止会员流失；经营分析根据销售额、销量、毛利率、复购率、人效、坪效、品牌等指标，通过分析、算法、模型和预警等高阶分析功能建立终端经营分析模型；精细化运营可以建设人群、商品、门店、渠道等多维度标签，为提高营销的精准度打下基础，并利用数字化提升商品和渠道的运营效率，打造企业的数字化竞争力。
——–END——–
原文链接：https://blog.csdn.net/weixin_56128392/article/details/124968316?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522167034408116782428627412%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fblog.%2522%257D&request_id=167034408116782428627412&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~blog~first_rank_ecpm_v1~times_rank-17-124968316-null-null.nonecase&utm_term=%E5%88%86%E9%94%80%E7%A4%BE%E4%BA%A4%E7%94%B5%E5%95%86%E7%B3%BB%E7%BB%9F
暂无评论内容