新零售企业构建智慧营销体系

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。

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。

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。

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。

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。 3.

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。

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。

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。

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.

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。

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。

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。

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。