當新零售擁抱數據可視化,一個案例帶你讀懂數據可視化的價值

2020-12-16 人人都是產品經理

編輯導讀:在「數智化」時代背景下,零售業轉型升級勢在必行,新零售也已經成為行業風口。然而,什麼是新零售?新零售與傳統零售的本質區別何在?新零售的底層支撐是什麼?本文針對上述內容展開,並運用實際案例分析數據挖掘和可視化技術在零售業轉型升級中的戰略意義。

一、五分鐘帶你看懂新零售是什麼

馬雲說:未來沒有電子商務,只有新零售。他坦言,近年來電商的崛起已然對傳統零售業造成了降維打擊,而傳統零售業態想要逆風翻盤就必須走「線上+線下」一體化的新零售道路。

阿里巴巴現任CEO張勇說:零售就是人、貨、場的連接。而新零售,就是對傳統零售業態下人、貨、場三要素的有序重構,就是藉助網際網路思維和技術把最終付錢的「人」和人所需要的「貨」連接在一起形成一個線上線下共融的「場」。

雷軍說:新零售,即用網際網路思維做線上線下融合的零售業態

劉強東說:我們馬上迎來「第四次零售革命」(前三次分別為百貨商場、連鎖商店、超級市場革命),這將把人類帶入智能商業時代。

看了上面那麼多大牛的講解,相信你也和我一樣一頭霧水,那麼如何簡單的理解新零售呢?

通俗的講,新零售於顧客而言就是四個字:「多、快、好、省」。作為顧客,我並不關心高深的商業模式升級,只希望我的購物體驗得到質的飛躍,而這一飛躍就可以濃縮概括為品類多、速度快、質量好、價格省。

而於零售商而言,為了滿足顧客這一需求,需要運用數位化技術使線上、線下渠道融合,最終實現運營的降本增效。

舉個例子,我們熟悉的盒馬鮮生其實就是新零售的典型代表,它極為巧妙的將「人」、「貨」、「場」三要素融會貫通,實現了線上線下的一體化,為用戶實現「多、快、好、省」的價值,同時也能為線下零售門店提供新的業務價值。我們可以這樣形象的去理解這個問題,盒馬鮮生APP就相當於一個「線上的虛擬場」,它利用阿里平臺的優勢和能力在線下搭建起實體門店(即「線下的實體場」),從而實現線上線下「場」的共融。而「貨」則指實體的商品,貨是連接「人」與「場」的橋梁,用戶為尋找特定的「貨」而訪問線上或線下的「場」,而場則為「貨」提供展示平臺(線上體現為APP的信息展示,線下體現為貨物的倉儲)。下單用戶、配送員、門店服務員這些「人」則都由圍繞「貨」和「場」有序展開活動,他們連接著商品需求、分揀、配送等核心環節。

二、新零售與傳統零售業的本質區別——數據價值的挖掘

有了上述盒馬鮮生的例子鋪墊,相信你對新零售的概念已經有了一個大致的了解。

那麼,新零售與傳統零售業的本質區別何在呢?

通過一個類比,我們就能通俗的理解這個問題。

一般而言,社區夫妻店規模較小,夫妻二人身兼多職,既是進貨員,還是收銀員、倉配員;歷史銷售數據不能發揮引導決策的作用,導致進貨鋪貨全靠直覺;倉儲數據不能實時線上化,故每次庫存復盤繁瑣且常有丟件、掉件。

而盒馬鮮生作為日化超商新零售的代表,可以說是把數據價值用到了極致。

盒馬通過大數據、移動互聯、自動化等先進技術,實現從線上APP下單,到門店打包,再到末端配送的全鏈路數據驅動。

通過上例,我們不難發現,當下數據已成為最重要的生產資料之一,而新零售與傳統零售業的本質區別即數據價值的挖掘。當數據價值得到挖掘後,如何讓它用「平易近人」的方式賦能行企工作人員,這是可視化技術需要做的事情。

三、一個案例,帶你看懂零售業的數據挖掘與可視化潛力

既然,傳統零售業向新零售轉型升級的底層支撐是數據挖掘與可視化技術,那麼它們又是怎樣賦能具體業務模塊的呢?下面我們從人、貨、場三個要素切入,逐一探討~

1. 人——消費者洞察,從B2C到C2M

俗話說,知己知彼,百戰百勝,對消費者的洞察是後續選品和引導消費的第一步。

過去,整個傳統零售業對客戶的洞察還浮於表面,大多數時候選品等一系列決策都是經營者「拍腦袋」想出來的。在這種傳統B2C模式下,零售一般以生產企業為中心,推行大規模、標準化的流水線生產,生產完成後通過一級分銷、二級分銷等流通環節最終到達終端客戶,這種模式下供應鏈上各主體缺乏溝通,很容易導致「生產與需求不對稱」的問題。

而C2M模式,則以客戶為中心,實現反向的「需求拉動式供應鏈」,廠商在進行客戶畫像繪製,需求調研預測等一系列前期工作後,再按照需求進行「柔性生產」,這能很好的避免產能過剩。

而消費者畫像應該聚焦哪些具體指標?這些指標又是怎樣被挖掘出來的呢?

舉個例子,如圖所示,是一個基於數據挖掘和可視化技術的消費者畫像數字大屏。其中聚焦了年齡、性別、城市、省份、會員等級等硬性指標,而這些指標都是由線下的「場」利用門店wifi、人臉識別、會員系統實現同步上傳的。除了上述指標外,還能夠通過大屏進行近一步的數據分析挖掘,例如會員同比增長數、銷售佔比、偏愛單品預測等。

2. 貨——選品、遞送與復盤

除了「人」以外,「貨」也要通過數據互聯實現線上線下的全鏈路打通。

而零售業圍繞「貨」的核心工作,可以按照時間順序,大致分為生產前的選品、生產後的遞送、再生產前的復盤三大環節。由於選品工作很大程度商取決於消費者畫像,而消費者畫像的刻畫在前篇已經描述過了,此處就主要闡述「貨」的遞送、復盤。

就遞送需求而言,可以通過搭建數據中臺的方式,幫助零售商來統一指揮各個門店的倉儲、庫存、物流的調度。通過平臺打通所有門店的倉儲、庫存、物流系統以及線上零售平臺(天貓、京東等),並和線下門店做到「貨」的打通。這樣一來,商品可以直接在全渠道上架,會員體系在全渠道打通,從而改造現有的零售商、品牌商內部的所有系統,讓大數據最大發揮應用。

就復盤而言,可以通過數據挖掘和可視化技術通過實時大屏展現產品銷售狀況,能夠敏捷的對產品策略進行調整。如下圖所示,零售商能夠結合旗下品牌各季主推SKU產品,對品牌產品進行直觀展示,包括品牌矩陣、品類銷售佔比、主推產品銷售情況、產品銷售排行榜。

3. 場——線上線下「場」的交互

過去,傳統零售商主攻線下實體門店渠道,而從傳統線下布局遷移到「線上+線下」後,對「場」的交互也提出了更高的要求。

就線上「場」的搭建而言,通過可視化技術將線下各實體門店與線上電商門店進行統一的數據整合進而賦能管理層級人員。如圖所示,大屏能夠展示全渠道的實時銷量、金額、流量等,且能夠同步顯示當月指標完成率,方便管理層級人員通過數據實現產品戰略的制定與迭代。

除了利用數位化大屏對線上「場」進行搭建以外,零售商也應加強線下「場」的數位化進程,例如通過智能設備(試穿評估、熱力動線等)採集顧客進店後的行為數據,進行針對性的店內導購。

四、結語

最後,零售業在未來還有很長的路要走,新零售也不會是零售行業迭代進步的終點。雖然,我們不能預見未來的零售業態會以怎樣的形式存在,但有一點是可以肯定的,即數據挖掘和可視化技術在助力零售業轉型升級之路上會起著愈發重要的作用。

以上新零售數字大屏案例來自於袋鼠雲

 

本文由 @小陳同學ing. 原創發布於人人都是產品經理,未經作者許可,禁止轉載。

題圖來自Unsplash,基於CC0協議。

相關焦點

  • 可視化後的零售數據分析,問題原因一眼揪出
    但如果將零售數據分析可視化,通過多圖聯動、任意智能鑽取等功能快速鎖定問題原因,那就能對症下藥,直接採用有效決策扭轉盈虧。 精準鎖定原因,輔助科學決策,是將零售數據分析可視化顯而易見的好處。除此之外,零售數據分析可視化還有另一個無法忽略的優勢:靈活貼近業務,基於業務實際展開分析。
  • 可視化數據分析的價值是什麼?
    一個完善的企業級數據分析平臺的價值是不可估量的,由於其數據來源於各個業務系統,所以其價值有時很容易和業務系統的價值混淆在一起,無法很好的量化。接下來小編給大家具體介紹一下datafocus可視化數據分析的價值是什麼?
  • 這16個數據可視化案例,驚豔了全球數據行業
    數據可視化可以幫你更容易的解釋趨勢和統計數據。  數據是非常強大的。當然,如果你能真正理解它想告訴你的內容,那它的強大之處就更能體現出來了。  通過觀察數字和統計數據的轉換以獲得清晰的結論並不是一件容易的事。必須用一個合乎邏輯的、易於理解的方式來呈現數據。  談談數據可視化。
  • 全球頂級的5個數據可視化案例及分析,美妙如畫卻價值巨大
    舉個銷售類的例子,Abate的團隊幫助他們的客戶整理數據。他們從數據集中刪除了任何不相關的或離群的數據,從而縮小到一個關鍵問題或用戶信息統計。這樣,他們就能分辨出哪一類產品出售的多,哪一類產品沒有出售,因此可能要被淘汰。他們關注4個主要的數據:收入、頻率、價值、年期。Abate先生強調,同一時間,在任何給予的可視化範圍內,超過4個數據就會讓人更難跟蹤。
  • 數據可視化與信息可視化怎麼搞?
    數據可視化的圖表類型簡介數據可視化有很多既定的圖表類型,下面我們分別來談談這些圖表類型,他們的適用場景,以及使用的優勢和劣勢。1.柱狀圖適用場景:它的適用場合是二維數據集(每個數據點包括兩個值x和y),但只有一個維度需要比較。優勢:柱狀圖利用柱子的高度,反映數據的差異。肉眼對高度差異很敏感,辨識效果非常好。
  • 案例解析:電商大屏數據可視化設計經驗分享
    本文結合大量實際案例,來與大家分享電商類大屏設計的經驗,帶你了解電商大屏的設計技法與思考。數據可視化大屏設計大多以藍色調為主,因為藍色比較容易營造大屏所追求的科技感,所以在眾多行業中運用最廣泛。例如公安系統、城市交通、科技公司、政企單位、製造業等眾多行業。
  • 大數據產品分析:淺析數據可視化
    大數據的絕大部分應用都將以可視化的形式呈現,可視化信息表、H5、視頻、動態應用等等。目前整個數據可視化大致可以分為兩個方向:注重展示注重分析如下的案例是較為優秀的數據可視化工具,基本是提供全平臺數據統一、二次開發簡單、定製化需求等。
  • Tableau介紹與上市企業的可視化數據分析案例
    軟體做了一個很漂亮的可視化分析報告。為了解決這個問題,人們開始在表單後面跟上文字撰寫的報告,用來解釋數據所表達的信息,這就導致了一邊看表一邊看字的情況,信息獲取的效率不高。而且當老闆需要你做一個新的數據分析時,你需要重新抓取數據,然後重新寫報告,時間很長,效率也低。其實這並不是只在中國出現的情況,許多國家對與表單的使用習慣和行政作風,都有自己的堅持。但這種情況在可視化分析出現之後,有了很大的改觀。
  • 從數據可視化到交互式數據分析
    當然,解釋性可視化也有助於人們理解某些事物。但這裡的主要區別在於,在解釋性的可視化中,作者已經知道了可視化的內容(在執行了一些分析之後),而在分析學中,可視化的主要價值是幫助人們第一時間理解數據。人們已經使用了一百萬個名字來定義此活動。最新和最時尚的名字是數字科學,更具體地說是數據科學的一部分,稱為「探索性數據分析」,這是幾十年前偉大的約翰·圖基(John Tukey)發明的術語。
  • 【數據可視化】新冠疫情數據可視化
    import Linefrom pyecharts.charts import Pieimport warningswarnings.filterwarnings("ignore")data = pd.read_csv('D:\\Course\\數據可視化\\我的數據可視化2\\COVID_19_data_China.csv',encoding
  • Python數據分析可視化教程學習
    來源:博學谷 作者:照照隨著數據分析與數據挖掘行業的日益火爆,Python數據分析可視化教程也成為了許多人提升職業競爭力的必修課。本文將詳細為大家介紹Python數據分析可視化教程的具體內容,全文會圍繞著為什麼學?學什麼?學了有什麼用?
  • 數據可視化設計系列(1): 數據可視化的定義
    有趣的是,託了中文強大構詞能力的福,「數據可視化」(Data Visualization)作為一個譯詞,隱隱顯得莫名地高端難解了。數據可視化的領域是廣博且在不斷擴展的,那用五個字去完整地整個領域終究稍顯單薄。本文旨在給數據可視化(Data Visualization)下一個定義,盡力為大家引入數據可視化的無窮趣味和無儘可能性。那麼,什麼是數據可視化呢?為了回答這個問題,我們可以從出色的數據可視化作品印證一番。
  • 數據可視化的十大優點
    根據估計,2020年全球年度數據生成率為40 Zettabytes。這幾乎是2017年三年後增長率的兩倍。   這些來源於人、機器和網際網路本身的數據並不能為管理人員和其他決策者提供有價值的見解,必須整理、規範和進一步解釋數據,然後進行分析和採取行動,才能提供有意義的價值。
  • 數據可視化的10大優點
    DataFocus君為大伙兒找到一篇大讚數據可視化的10大優點的文章,翻譯如下,希望能給你從事可視化工作的你帶來信心。數據可視化不僅僅是一個詞。讓我來告訴你為什麼。這些來源於人、機器和網際網路本身的數據並不能為管理人員和其他決策者提供有價值的見解,必須整理、規範和進一步解釋數據,然後進行分析和採取行動,才能提供有意義的價值。這是數據可視化的步驟,允許組織領導者實時訪問和解釋數據,以便他們能夠快速做出明智的決策。
  • 一個成功而有價值的數據可視化應該注意這25點技巧
    編輯導語:我們在工作中經常會分析數據,通過圖表等方式可以幫助我們更加清晰明了地看到分析結果,所以一個成功有價值的數據可視化能發揮到很大的作用;本文作者分享了關於數據可視化注意的25點技巧,我們一起來看一下。
  • 數據可視化,請回答2018之可視化乾貨推薦
    04 Comparing City Street Orientations玫瑰圖帶你漫遊城市街道圖片來源:Comparing City Street Orientations 作者:Geoff Boeing作為通勤一族,想必很熟悉家與公司之間的線路了,但是你了解這座城市的走向嗎
  • 大數據時代人民網可視化數據新聞研究
    但同時,與此相伴的是大數據價值密度較低的特性。「海量信息變得越來越冗雜和泛濫,能夠從瑣碎冗雜的非結構化數據中發現、整合和分析有價值的信息,挖掘和傳遞其中的深度價值,變成了媒體提供信息服務的首要任務。」[[1] 周冉冉. 大數據時代門戶網站數據新聞可視化探究[D]. 山東師範大學, 2015.][[1]這為數據新聞的誕生提供了契機。
  • 驚豔外網的15個數據可視化案例
    如果一張圖片價值一千個單詞,那麼數據可視化至少價值一百萬。數據分析師和科學家交流其發現的最有影響力的方法之一是通過越來越流行的數據可視化媒體。每個衛星都由一個圓形圖標表示,並按國家/地區進行顏色編碼,並根據發射質量確定大小。滾動瀏覽可視化文件,以單獨和匯總的方式探索每顆衛星的路徑。您還將學習哪種衛星可以提供寬帶Internet,GPS和Sirius XM。2.
  • Matplotlib數據可視化!
    數據可視化,就是指將結構或非結構數據轉換成適當的可視化圖表,然後將隱藏在數據中的信息直接展現於人們面前。相比傳統的用表格或文檔展現數據的方式,可視化能將數據以更加直觀的方式展現出來,使數據更加客觀、更具說服力。數據可視化已經被用於工作科研的方方面面,如工作報表、科研論文等,成為了不可或缺的基礎技能。現在,就讓我們一起來學習下數據可視化的基礎知識。
  • 數據可視化的5個步驟
    對於用戶來說,從這個數據海洋中抓到關鍵信息越來越難。這也是數據可視化的用武之處:用簡單易懂的可視化方式總結並呈現大型數據集,為讀者提供有價值的信息。許多先進的可視化方式(如:網絡圖、3D 建模、堆疊地圖)被用於特定用途,例如3D醫療影像、模擬城市交通、救災監督。