如何进行大数据统计分析？——九数云

1.现代渠道的数字化程度很高

现代渠道包括四个渠道，大卖场（例如沃尔玛）、超市（例如华润标超）、便利店（例如7-11）、现购自运（山姆会员店和麦德龙）。与上述渠道比较具有以下非常鲜明的特点。

1）全国性连锁客户都是专业化管理的公司，有着企业文化、管理理念以及标准化的操作流程，有着现代化的进销存系统，简单讲，在业务中使用数据很多。

2）客户采购部门和门店的KPI成体系且专业，为了能实现收入和利润目标，设置了包括前台毛利、后台毛利、订单满足率、营业额等等指标，采购在跟企业谈判的时候会始终围绕着关键指标展开。这些指标都需要用到大数据统计分析。

3）在门店布局上，充分考虑到消费者从进店到离店的路线图，按照客流的动线设计和布置货架、端架、地堆等，将消费者在动线上进行多次“拦截”，这种拦截就是消费者抓去商品放入购物篮的动作，提高抓去率就意味着提高销量！这些操作一部分用到消费者数据，一部分用到经验数据。

4）专业客户的POS数据、会员数据、供应链数据包含了大量的生意信息，具有完整性、系统性、多样性的特点，通过大数据统计分析可以获得执行、计划和评估效果。

2.在现代渠道有哪些数据？

主要分为三个大类：

1） 按照公司分：分为供应商和零售商。供应商的一线团队普遍习惯于使用自己的销售数据、执行数据、供应链数据，与之相对应的是客户的销售数据、消费者数据、供应链数据。

2） 按照性质分：分为系统数据和经验数据，系统数据是从ERP、CRM等系统中获取的数据，具有完整性、系统性、准确性等特点。经验数据是团队在不同岗位上通过长期积累的数据，可以作为对系统数据的补充。

例如，理货员在一家卖场每天需要进行2到8次数量不等的补货频率，每次补货多少数量，还有一个堆头每周装转0.5次或0.9次。

3） 按照功能分：

①销售数据：分品类、分品牌、分包装、分SKU、单价、数量、金额；

②消费者数据：包括会员数据、购物篮数据、客单价等等；

③执行数据：排面、端架、地堆、设备的位置、数量、执行的情况等等；

④供应链数据：（供应商和客户）库存、有货率、订单满足率、货龄等等；

⑤财务数据：分为两类，一类是账款和账期，一类是效益，毛利、利润等数据。

时俊：平时大部分数据都接触过，现在团队对大数据统计分析上主要在销售数据，很少分析客户的数据，而且销售数据也仅限于我们自己的数据。

刘总：这就是问题所在，团队不清楚利用各类数据的目的和好处。

3.大数据统计分析的目的和作用

分析数据的目的大致有3个：对现状和趋势的判断，找到问题分析原因，制定计划。

①对现状和趋势的判断：对现状判断好还是不好，或者是输了还是赢了。主要是跟目标的比对，对份额输赢的判断。另外从现在看未来几个月的趋势是增加还是减少。

②找到问题，分析原因：对比差距，无论是跟目标比还是跟历史数据比，或跟竞品比较，需要找到问题，最典型的情况是销量下降，下降在门店还是品牌或包装？下降的原因是什么？

③制定计划：不论是新计划或者是改善计划，大数据统计分析都有助于制定一个切实可行，可以达成目标的计划。