干货长文分享：十年BI厂商带你解锁服装业大数据分析平台那些事

2018年1月20日，华南时尚行业CIO联盟在广东佛山举办了“智能·时尚·创新·共赢”华南时尚行业CIO联盟年终盛典。奥威软件受邀出席大会，并带来精彩的演讲分享。奥威软件是国内最早从事大数据与商业智能（BI）系统自主研发的厂商之一，始创于2006年，至今发展十余年之久，研发了面向中国企业级市场、最具性价比的商业智能产品Power-BI、免费大数据分析云平台SpeedBI、全新的跨平台大数据可视化分析平台OurwayBI等大数据与商业智能产品。在这场大型的时尚信息峰会上，奥威软件首席咨询顾问邹斌带来了《“从定位到运营”构建大数据分析平台》信息主题的演讲，分享自己十年的行业经验，案例丰富，解说细致，深入浅出。让到场的时尚CIO都受益匪浅，满载而归。全文约5千字，阅读时长约5分钟，干货满满，值得一看。

从定位到运营，快速构建大数据分析平台

演讲者：邹斌

零售行业比较关注数据化运营，在我的一些客户当中也会不断探索这些新的东西。但是大家还是有这一个共同的困惑，在讲之前，我想讲一个历史。大家都知道，爱迪生发明了电灯，在1870年代，就发明了电灯，紧接着又发明了发电机，然后在城市中进行供电，最后也发明了电动机。整个从电到电灯，再到我们的电动机和发电机，其实他给到我们制造业新的动力来源，可以取代当时的蒸汽系统。但是非常困惑的是，在美国他们已经是工业制造大国，大家还是不用电。甚至到了1890年代的时候，只有5%的企业在用电，其他的在用蒸气的方式。为什么不用电？肯定有很多好处，没有污染，不用烧煤，随时可以用，不用就关掉。但实际到了20年代之后，才开始在企业普及用电。经济学家总结，在当时的情景下，工厂并没有根据电来重新组织他的生产，他只是简单把原来蒸气设备提供的动力换成了电，并没有围绕电的核心重新组织。

　　在座的CIO也可能有一个困惑，我们做信息化做了很多年，价值肯定是有的，它越来越变成一个基础。但价值很难有形地把它说出来，可能跟大家的预期有差距。我想总结一下，其实跟电的例子有点相似，很少企业真正从组织架构方面，从整个运营的方面围绕信息化，围绕数据来做，所以今天的分享主题给大家带来一个思考。

　　今天我从定位，产品，运营，实施，四个方面做一个讲解。首先怎么样进行定位，每一个岗位，每一件事情第一想明白的就是定位。大家都会用百度地图，我昨天出发的时候要搜百度地图。其实大家可以看到，我需要选择两个东西，一个是我的目的地，还有我们的出发地，我还会选择我的工具，我的方式是开车。他会给我规划一条路线，同时这条路线会根据我实际的情况做一些选择。这里面包含了我们做定位的几个要素，你要知道你的目标在哪里，你的起点在哪里，你的工具是什么。

　　其实现在很多零售企业在讲，我要做大数据的东西，这是没问题。大家会做很多智能的，包括“新零售”，包括智能化的一些应用，这些都是大家的目标。但是大家千万不要忘记了，你目前的位置在哪里，你起点在哪里。大家一定要回到现实当中，信息化最怕的就是求大求新求全。大数据应用目标有四个方面：

第一个方面通过信息孤岛的消除，解决我们以前信息各系统各自为阵的情况，就需要构建数据中心。

第二个方面通过数据化运营来提高我们决策水平，这些观点在前面的分享嘉宾当中都有提到。

第三个方面做精准的营销，特别是零售行业，精准的营销非常重要。

第四个方面在生产环节，我们希望做出更符合市场要求，并且整个生产过程中，我们质量和安全更加有保障。

所以我们要想清楚四个问题：第一个我们大数据能够为谁服务，或者为谁做这些事情。第二个解决什么问题。第三个数据从哪里来。第四个会运用在哪些场景中。这四个问题是我们认为要做大数据大家一定要想清楚的。

首先为谁服务，我们做那么多的信息系统，真正给到总经理和董事长用的很少，现在移动OA普及以后，可能会给领导有一点安慰，在手机端可以看到一些数据了，只是数据的丰富性是不够满意的。我们原来从BI整个的发展应用场景来说，很多是满足一些初级的表格，做报表的需求，还是要满足一些运营部门，包括生产部门，包括电商部门等等。其实我们会发现，只要跟数据打交道的部门，我们都应该为他们提供服务。提供服务最终的目标，我们要提高一个精准决策，在我们看来有5个步骤。

　　第一个我们通过实时的预警，告诉你现在发生了什么，并且有没有问题。

第二个这些问题具体情况是什么？比如销售目标没有达标，到底是哪些品类，哪些区域没有达标，这个是我要知道的。

第三为什么会出现这个情况，是因为我们促销的问题，还是客单价的问题，还是策略性的问题。

第四个我们要通过一个决策模型，要预演。碰到这种情况怎么办。

第五个方面，我们要预测到未来可能要发生的事情。这是精准决策的五个方面。

第三个方面思考我们数据从哪里来的问题，我们数据应该来自于很多的系统，特别是到现阶段，我们会更加重视我们外国的数据。毕竟现在很多大数据的服务公司，会给大家做一些数据服务，能够提供一些比较吻合市场竞争的数据，整个市场流量的数据等等。最后考虑一些应用场景，在我看来主要有几个方面，可视化，大屏监控，移动化，还有一些自助分析，智能分析，还有一些填报等等。

比如可视化的效果，包括我们整个改变的以前的一些类似Excel表格，怎么让它更智能发现一些问题，这些表格传统来做，不管你用什么工具做，其实给到决策者没有什么样的价值，因为他看不出发生了什么问题。我们如果通过一些可视化的工具，能够让他一眼发现问题，这是非常好的。其实我们在刚才的数据基础上面，做一些简单的变化就可以实现。

第一我们把它分成不同的角度去展现。第二我们通过可靠的工具，比如这样子，可以看到全国销售情况是好还是坏，颜色的深浅可以看出来。第二我可以看到销量和销售额的分布情况。第四看到全国这么多城市，哪些城市卖得最好，颜色的深浅代表利润的高低。第五我们可以看到销售的趋势是什么样子，是一眼可以看到的数据。同时我们可以通过一些数据的联动，我们可以立体化去分析，比如我们可以看到广东省，可以看到广东省前十名里面，广州作为省会级的城市，勉强挤进来的。这样我们可以看到的一些问题。四川可以看到右下角的趋势，明显跟全国性的趋势波段不一样，说明那边的消费有些不一样。再看一下山东，山东右上角可以看到，这么多城市，这么多门店，绝大多数的门店都在平均线以下，这都是有风险的。广西的前十名里面，我们可以看到来宾城市是第二。我们会发现第二名销售趋势是有风险的，销售趋势是在下降的。所有的风险都隐藏在大表格里面，我们现在绝大部分给到领导的，都是那张大表。

我们还可以任意去筛选，比如筛选茶叶，某一个品类，或者做一个品牌的筛选，可以看到四川重庆的茶叶卖得最好，符合大家基本的认知。如果这个时候，决策者突然想知道，哪种茶叶卖得好，其实在当前的报表里面，没有商品的维度，我们可以用这个工具，可以快速切换这个维度，把当前城市的维度改成商品的名称，我们可以看到前十名的商品是什么，比如铁观音和普洱茶是卖得最好的，其中铁观音的毛利相对高一些。

可以看到整个过程，跟着我们决策的思维习惯走，你可以任意把玩这些数据。数据中间有很多的东西在里面，有很多的角度在里面。

接下来应用场景智能分析，所谓的分析其实是一个过程，这里我想分享两个概念，一个是查询，一个是分析。查询是结果的展示，不管是图表还是表格都是结果，我们发现问题一定要做分析的，这是一个过程，过程存在很多的不确定性。所以我们维度的不确定性，分析思路的不确定性，都需要一个工具很好地去支撑他。

我们拿一个财务的例子来讲，我们在做预算分析的时候，发现了费用是超标了，1000多万的费用，我们花在哪里去了，我们对管理者来说，可以随便钻取，比如这个部门交际费是最高的，我们可能继续往下钻取，可以看到张三，李四，这边做了一个对比，某一个职员你是知道的，可以看到他到底花了哪些钱，整个过程相当于决策者伸了一只手到财务里面，可以看到最终的业务凭证。

再看一个自助分析，自助分析就是要解决全员参与的问题，其实我们跟数据打交道的管理者非常多，特别是我们的零售，可以到我们的导购，到我们的店长，每一个到运营总监，到我们的督导，我们每个人都会跟数据打交道。我们希望每个人都可以参与到其中。IT不能成为其中的一个瓶颈，传统状况下，IT做报表的时候，通常是要排队，业务部门慢慢等，我一边开发，一边交给你们。

假设当前在做一张报表的分析，我是可以任意改变我的角度，比如我要在基础上面做门店销售指标的环比分析。对于操作者来说，只要在其中找到我要的指标，我把他选择过来就可以看到，比如说我的金额，我的毛利率，我的客单价都可以做环比的分析，你马上就知道哪个指标有异常。并且我们可以很好地把这些报表的样式保存为方案，保存为方案的好处可以分享给别人，也可以自己重复使用，这个做到了全自助，不需要找IT。IT只要把分析模型建好，其他的数据由业务分析人员自己去玩。

　　接下来的场景，我们讲其他的，比如数据填报，所谓的填报解决了我们零售当中很常见的场景，我们的进店率，我们的试穿率，这些指标有可能系统里面没有的，有可能需要我们手动的填报。怎么样快速采集过来，我们可以通过填报的模式，甚至我们在移动端也可以完成，快速进入一个填报的系统给到大家。

另外还有我们的图文报告，这个解决了经营管理者每个月，每个季度在准备一些经营会议的时候，快速去完成这些报告。

接下来我们讲第二个阶段是产品选型。后面我们不会花太多的时间去讲，在座各位都是产品选型的高手，在供应商面前你们是很厉害的。你们在选型的过程中你们有很多的招。我换位思考一下，给大家一个参考。

第一我们认为形式不重要，大家知道直播都可以美颜，别说给大家一个PPT，基本上都是可以PS的。第二个建议大家尽量去做一些POC的测试，测试能够让你比较好的让你想清楚，你到底想要什么，你要的东西能不能做到。因为有时候你要的东西，你本身连数据都没有。第三个易用性，你通过POC的形式可以验证这个产品有没有易用性，不是易上手，而是易深入。这很简单的，很多的工具很容易上手，但是用不下去。

第三部分就是实施，实施这一块，实施的方法论，在座的各位都是一些专家，我从我们的角度把它比喻成建房子，分四步，第一步，规划图纸，做蓝图，第二步打地基，建数据仓库，然后第三步做主体架构，规划KPI，最后每个角色做精装修，就是每个人的报表长得不一样。

　　持续深入的运用，这里有两个概念，运营和运维。很多的企业的IT，更多做后面的事情运维。我们如果要建一个以数据为中心的运营体系，其实IT一定要主动参与到运营当中来，我们输出的任何东西都要从业务里面得到积极的反馈和优化，持续去发挥作用，特别是对数据的利用，因为你会发现，今天做一个促销临时需要一个报表，明天做一个新品，可能又需要一些数据。我们需要积极参与进去，而不是消极等待那些需求。歌莉娅邓总刚才展示了一个信息化规划图的变迁，其中第一张图非常清晰地写了商业智能是在整个信息化顶端的设计。第二张图大家会发现，商业智能不见了。其实大家可以想象一下，如果一个东西，不再是独立存在，而是存在于每一个环节当中的时候，那才是真正有用的。我们也希望数据运营也好，商业智能也好，能够在大家整个IT建设中，都可以运用到。