细说零售BI

零售企业在经营过程中产生了海量的信息，这些信息蕴藏了丰富的经营视点和市场规律。怎样有效地利用这些宝贵的信息，让它们更好地为企业经营服务，成为了零售企业的一个迫切愿望和现实难点。

普通的零售业信息系统只能够提供普通的分析数据，不能提供立体化的、多视角的、有渗透力的数据，更不能提供具有预测性的、潜在的市场信息。而BI(Business Intelligence，商业智能)恰恰弥补了一般零售业系统在分析上的不足。本文将从三方面去阐述BI在零售业中运用的背景、概念和作用。

分析危机

管理者对数据作分析，通常都会有不同的观察角度，以期通过这些角度来获得不同的信息，比如，表1是最常见的销售分析。

应该说，这个表算是做得不错了，它给出了各个分店在某一时间段里的综合经营情况。但如果要通过这张表去反映某段日期经营效益的详细情况，就只能把每天的经营情况打出来拼在一起去看了。这样，老总们就会说，太累。于是产生了以时间为主线索的分析表(见销售分析表2)。

这张表虽然将日期表达清楚了，但分店的信息又不全面，老总们还不满意，于是又产生了下一张表(见销售分析表3)。

这张表是以日期为线索的，除了稍长了一点以外，老总还挺满意，能不能以分店为线索呢?IT专家说，当然可以。好，又产生了销售分析表4。

“这下好了”，IT专家说：“我满足了老总的各种要求!”且慢，老总发现了该表的一个致命缺陷，销售分析表居然没有任何类别分析。这怎么行!于是，IT专家又搞出了分类销售表。等分类销售表做出来之后，老总认为太长，希望只有大类分析，于是IT专家又设计了大类销售表、中类销售表、小类销售表等，最后老总又希望将分店和日期分别加入。不仅如此，老总还要求加入同比、环比等等。IT专家或IT集成商最终会觉得老总或管理者们要求的分析报表真是没完没了，就算是按他们的要求完成了，管理者们还是觉得不好，因为在分析的时候思维不是连续的，没有一点乐趣。

这就是零售业的分析危机，老总越来越爱分析，而IT部门却越来越不能胜任分析!

以上这个举例只是选择了不同的观察角度，在BI中我们把它们叫作“维”，即日期维、地方维、类别维，而这个维又是分级的，比如日期可分为年、月、周、日，而地方可分为公司、分店、部门和柜组，类别也可分为大类、中类、小类、细类、系列等。

什么是BI

如果BI仅能给我们带来动态表这样一种新事物，那BI就不会成为零售业分析的宠儿，也就不能产生“啤酒与尿布”这样精彩动人的故事。

BI是一种运用了数据仓库、在线分析和数据挖掘技术来处理和分析数据的崭新技术。

BI的工作原理主要是通过对数据进行抽取、清洗、聚类、挖掘、预测等处理来产生可透析的各种展示数据。而这些数据可直观地显示分析者所要探询的某种经营属性或市场规律。

打个比方，市场上常见一些股票分析软件，这些软件对股票交易数据进行了各种数学模型的处理，产生了许多指标数据，如K线图等等。BI有些像这样的分析软件，只是分析的数据量要大得多，产生的指标也完全不同，当然数学处理模型也完全是两回事。

好的BI工具可以针对不同的“维”进行上下钻取、左右拖动及纵横旋转，通过连续的立体动态表来展现各种数据，并对这些数据进行聚类、排序等处理，给管理者带来一种得心应手的分析新感觉。

BI除了通过动态表示展现数据外，还可通过丰富多彩的图形去展现，也能对图形作拉伸、分块、旋转、透视等多种处理，以更直观可见的方式来展现规律。同时还可对数据作各种标志，比如特别好的销售数据用绿色表示，特别差的销售用红色表示等，它也可对数据进行跟踪分析。

BI还有一个很优秀的功能就是设定一个边界条件进行挖掘工作，从杂乱无章的数据中找出内在的联系，沃尔玛著名的“啤酒与尿布”的故事就是这样产生的。

BI的常见应用

决胜未来靠的是什么?是通过透析历史经营情况归纳成的经验和失败的教训，用数据来证明经营手段是否成功，来预测未来的发展趋势，快速准确地把握风云变幻的市场脉搏。而BI正是完成这项使命的有力武器。在国外，BI在零售业上已有了较好的应用，并产生相关的指标体系理论;在国内，BI虽还处于初级阶段，但其本身所具有的灵活性和强大功能，使得它在零售业界迅速崛起。

下面简单介绍BI在零售业中的一些常见应用情况。

BI最常见的应用就是辅助建立信息中心，通过BI来产生各种工作报表和分析报表。常见的分析有：

1. 销售分析：主要分析各项销售指标，例如毛利、毛利率、坪效、交叉比、销进比、盈利能力、周转率、同比、环比等等;而分析维又可从管理架构、类别品牌、日期、时段等角度观察，这些分析维又采用多级钻取，从而获得相当透彻的分析思路;同时根据海量数据产生预测信息、报警信息等分析数据;还可根据各种销售指标产生新的透视表，例如最常见的ABC分类表、商品敏感分类表、商品盈利分类表等。

这些复杂的指标在原来的数据库中是难以实现的，老总们虽然知道他们非常有用，但由于无法得到，使得这些指标的地位也若有若无。直到BI技术出现之后，这些指标才重新得到了管理者和分析者们的宠幸。

2. 商品分析：商品分析的主要数据来自销售数据和商品基础数据，从而产生以分析结构为主线的分析思路。主要分析数据有商品的类别结构、品牌结构、价格结构、毛利结构、结算方式结构、产地结构等，从而产生商品广度、商品深度、商品淘汰率、商品引进率、商品置换率、重点商品、畅销商品、滞销商品、季节商品等多种指标。通过对这些指标的分析来指导企业商品结构的调整，加强所营商品的竞争能力和合理配置。

3. 顾客分析：顾客分析主要是指对顾客群体的购买行为的分析。例如，如果将顾客简单地分成富人和穷人，那么什么人是富人，什么人是穷人呢?实行会员卡制的企业可以通过会员登记的月收入来区分，没有推行会员卡的，可通过小票每单金额来假设。比如大于100元的我们认为是富人，小于100元的我们认为是穷人。好了，现在老总需要知道很多事情了，比如，富人和穷人各喜欢什么样的商品;富人和穷人的购物时间各是什么时候;自己的商圈里是富人多还是穷人多;富人给商场作出的贡献大还是穷人作出的贡献大;富人和穷人各喜欢用什么方式来支付等等。此外还有商圈的客单量、购物高峰时间和假日经济对企业影响等分析。

4. 供应商分析：通过对供应商在特定时间段内的各项指标，包括订货量、订货额、进货量、进货额、到货时间、库存量、库存额、退换量、退换额、销售量、销售额、所供商品毛利率、周转率、交叉比率等进行分析，为供应商的引进、储备、淘汰(或淘汰其部分品种)及供应商库存商品的处理提供依据。

主要分析的主题有供应商的组成结构、送货情况、结款情况，以及所供商品情况，如销售贡献、利润贡献等。通过分析，我们可能会发现有些供应商所提供的商品销售一直不错，它在某个时间段里的结款也非常稳定，而这个供应商的结算方式是代销。好了，分析显示出，这个供应商所供商品销售风险较小，如果资金不紧张，为什么不考虑将他们改为购销呢?这样可以降低成本呵。

5. 人员分析：通过对公司的人员指标进行分析，特别是对销售人员指标(销售指标为主，毛利指标为辅)和采购员指标(销售额、毛利、供应商更换、购销商品数、代销商品数、资金占用、资金周转等)的分析，以达到考核员工业绩，提高员工积极性，为人力资源的合理利用提供科学依据的目的。主要分析主题有，员工的人员构成、销售人员的人均销售额、对于开单销售的个人销售业绩、各管理架构的人均销售额、毛利贡献、采购人员分管商品的进货多少、购销代销的比例、引进的商品销量如何等等。

当然BI对零售业的分析远不止这些，至少还有资金运转分析、库存分析、结算分析等等。这些分析在实际经营中确实有着重要的利用价值。谁对自己的经营做出了正确的分析，谁就会正确地修正自己的经营方针和政策，谁就赢得了未来!

微信扫一扫实时了解行业动态

微信扫一扫分享本文给好友