企业如何建立新零售（线上+线下）数据指标体系？

企业如何建立新零售（线上+线下）数据指标体系？

参与：冷芸时尚8群群友
时间：2022年10月22日
庄主：冷芸
参与者：周梦溪-上海-找工作中、Ruby就是啵啵-曼城-Merchandiser、jie-深圳-财务、杨毅-安阳-童装、Helen-上海-业务、amin-深圳-买手

▼ 以下的冷芸时尚圈讨论是就行业问题的讨论及总结。这些分享属于集体智慧的结晶。（它们并不代表冷芸个人观点）。希望通过此种方式能让更多行业人士受益！

很多企业做数据分析缺乏系统性思维，基本都是想哪儿是哪儿，既缺乏数据科学管理的意识，也没有树立指标体系的概念。没有这些标准的建立，企业的数据分析就是空中楼阁。

｜一｜

企业数据管理现状：如果用三个关键词
描述你们企业数据管理水平，你会如何描述？为什么？

虽然数字化好像已经普及进入我们工作生活与生产的方方面面，但各家企业数据管理水平不一，仍然有待完善和细致。芸友amin所在的企业主要是依靠丽晶系统，来进行一些粗放式的管理。数据主要包括进货，出货，销售额，基本的廓形，色彩的一些数据的统筹。就总体而言，目前鞋服企业的数据管理水平还处于“滞后，原始，不重视”的状态。

芸友Ruby所在的企业目前还处于单一性初级阶段，门店数量小于20家，主要依赖于线下门店POS业务销售数据，没有其它技术收集目标客户信息，企业仍使用基础数据分析方式。“我负责的工作主要由WSSI分析（预算比较分析）和产品品类分析两部分组成。按照已确定零售周每周每月，春夏季、秋冬季促销月的工作方式进行汇总总结报表，反馈的流程，会具体到每家门店在这些方面的表现。局部最优抓重点，小微公司资源有限，而且处于换系统的阶段。我们部门都在努力优化运营流程，有新的想法大家都会讨论先实践起来。帮助公司下季度拥有更合理的产品系列，提高公司销售增长为目标。”

不仅仅是以上两位芸友所在的企业，其实国内中小公司都很原始，尤其国内鞋服企业的数据管理能力普遍弱，做智慧店铺，RFID的店铺还比较少。

虽然在零售的数字化转型阶段中国走在世界前列，不过目前智能设备价格较高，在国内一般一家100平米的店要升级成智慧店铺，大约每家店要多花20万左右，成本较高。而且大家对公司数据管理的评价都比较低，因为管理系统很多都是定向设计，开发费用动辄几百万上千万，可是实际操作时有很多实际问题，也就是建系统和用系统不是一批人，他们之间的沟通常常也有巨大的鸿沟，这导致系统做出来使用效率很低。且客户的讯息资料有时候也很难统一，尤其是不同类型的国外客户或者做不同类目方向的客户。

另外一个极端就是虽然已经在硬件设备和信息系统上投入了很多钱，但是没什么效果。这主要是因为数字化转型仅仅靠技术是不够的，如果企业思维和管理不改变，只做硬件投入等于“白烧钱”。所以数字化转型是硬件和软件（管理）同步进行。

｜二｜

数据分析简介

1.数据分析目的

企业做数据分析和数据管理，必须落实到具体的人。如果你是具体负责数据分析的人，如果掌握数据分析的能力满分10分，你给自己打几分？为什么？

芸友给自己普遍打5分，“因为自己懂各大平台的营运逻辑，有自己的数据抓取和处理方法。设计基础扎实，能从研发角度提出有建设性的意见。但自己对数据工具的应用能力，统计学的基础知识需要加强。”这些能力也是企业在做数据管理系统时用人必须注重的能力。

为什么一定要做数据管理和分析？分析数据是为了达到什么目的，解决哪些方面的问题？几位芸友的回答给我们提出了新思路：商业洞察，创造价值。具体到部门就是测量产品系列的机会和风险，提前预知本应该发生什么，并且对差异做出反应，为下季度的设计产品规划以及采买预算提供数据支持。

数据分析目的也是为了更好的支持到商品企划和开发生产部门。通过数据跟进订单/采购/生产/销售等一链线环节，分析各节点数据的状况及异常原因，以便更有针对性的解决问题。

总结下来，数据分析目的可以分为以下4点：

（1）描述现状——描述分析；这些具体指数据的聚合程度（平均值等）以及离散程度（极差值、方差值等）

（2）分析原因——诊断分析；即诊断现象背后的原因。比如是什么原因导致了销售下降。

（3）预测未来——预测分析；销售预测就是一种预测行为。

（4）改善未来——预测分析。某些指标表现不好，如何改善这些指标未来的表现？

芸友拿文旅行业举例。描述性数据就是本年度或近五年的游客规模平均值是多少；预测分析就是推断明年的年游客量；诊断就是分析游客量异常的原因。

描述性分析

在这些数据分析中我们也要了解一些基础的数学概念和统计学知识，比如总数、平均数、中位数、平均方差（离散程度）、分位数等。

中位数，就是位子在中间的数字。比如，1，2，3，4，5，中位数是哪个？

分位数，比如，“1，2，3，4，5，6，7，8”将数值先按大小排列。如果将上述8个数字做4分位数，就是两个数字一组，它们分别是：1、2/3、4/5、6/7、8。将前25%数据，前50%数据，前75%数据，前100%数据进行分位组合，再统计评估数据。

离散程度理解起来其实也很简单，比如以年龄段来说，假如是年龄组分别是35±15岁VS 35±5岁，哪组数据离散程度更高？离散程度高说明什么？在这个年龄组，+-15肯定是离散程度高于+-5岁的。

再举例来说，今年夏天卖的款，同样100个SKU， 最高量在10000件，最低量10件，平均销量1000件。 这里，最大值-最小值就是极差，代表的是“离散程度”；平均销量1000件代表的是数据的“聚合程度”。 虽然这只是部分数据，但我们基本可以知道，今年销量数据很分散，这一般说明商品销售效率很低。有时大家卖的数量差不多，销量比较集中，这些都算是描述性统计分析，主要是先查看数据概况。如果爆的款很爆，但其他的可能几乎等于没有销量，这也算一种离散程度。

诊断性分析

那么对销售额降低的分析过程就是诊断性分析。诊断性分析用到的最基本的统计学知识是关联性分析。

当店铺销售下滑，第一步应该是列出影响销售的所有因素。销售可以被看作“因变量Y”，导致它下滑的是“自变量X”。自变量可能是多样的，比如天气、客流、营销、产品，这些可能都是多项因素，都属于X。首先要去看他们的关联关系强弱。这些通过统计学都可以得到答案。当然还有很多偶发因素，比如员工的失误，但是从宏观管理来说，我们要抓重点，找到X和Y的关系。大家不必被“统计学”这几个字吓到！现在我们不需要去记住统计学背后复杂的公式，这些公式都已经在软件（比如EXCEL, SPSS）里了。我们只要知道什么情况下要用什么公式或者功能即可。

预测分析

明年应该定多少销售目标？这就是预测未来。大部分人现在是根据上年销售增长20%-30%预测明年销售，这个方法不需要太多的统计学知识。就具体的销售预测而言，可以在冷芸时尚公众号上查看之前的关于“如何科学预测销售”的坐庄文章。

还有一种是用统计预测模型来做，专业搞数据分析的会理解怎么做。不是专业的也可以尝试。

不过，数据上的很多问题，不是技术问题，而是管理问题。比如数据的收集口径、数据质量与质量评估。很多企业首先数据收集就有很多问题。既不知道该收集什么数据，也不知道从哪里收集，以及收集了又如何评估数据质量。 甚至还有很多人为设置障碍，比如跨部门索要数据和登山一样难。 和前面使用软件系统一样，如果管理不到位，软件就是摆设。

2.业务数据分析流程

大家现在的分析流程如何？是否拿到数据就开始分析？以下是业务数据分析流程图：

解决问题需要先有全局观，再逐步深入局部。拿到数据后应该先清洗数据，绝大部分的数据都需要清洗，比如有的数据存在缺少值，异常值（瞎输入的，输错的等等），统一统计单位等等。数据分析有很多不同的统计方法，不同的分析目的要用不同的方法。大家如果确实感兴趣，可以关注冷芸时尚的线上买手课，中级买手课部分会加入具体的鞋服商品数据分析方法，今天的讨论庄主只是给大家一个概念与启发。

3.当下企业数据管理及分析常见问题

在讨论时，我们了解了大家目前经历的数据管理问题。芸友amin提到公司业绩体量小，线下门店20家，老板觉得数据样板不具有参考意义，基本不重视数据分析。芸友胡秀清之前入职公司是IT和财务做数据分析，但是他们不反馈给生产部门。芸友Ruby就是啵啵表示自己使用EXCEL挺多，一般会做模板，工作的流程如果有重复就上VBA。

而数据分析的主要问题有以下几点：

数据分析虽然不需要用软件，但EXCEL肯定需要的，EXCEL功能相当强大。冷芸时尚的买手升级课程会专门增加EXCEL，EXCEL可以做数据关联、线性回归、预测模型、方案模拟，用EXCEL应付中小企业数据足够了，只不过很多人不知道原来EXCEL那么强大。

｜三｜

指标体系

1.何为指标体系？

以体检报告为例，报告中指标旁边有一套数值，这个数字范围就代表了健康范围。而这个指标+健康范围就可以被视作指标体系。从指标体系中我们可以看到什么是好的售罄率？什么是差的售罄率？什么是健康库存？什么是糟糕的库存？商品管理、企业管理也需要一套数据指标体系。

2.为什么做数据分析一定要有指标体系才有意义？

还是以体检报告为例，人们去体检的目的是判断是否身体健康？有什么问题需要注意？所以应用到企业是一个道理。如果没有指标体系，你怎么判断好坏呢？不知道好坏，怎么知道采取什么措施呢？指标体系其实是一套参考值，通过数据能够告诉你什么时候的销售数据是正常的，当销售数据异常时，可以立刻采取措施补救。

比如，大家现在做促销规划是否还是对手促销你就促销？平台让你促销就促销？以被动促销为主，还是主动促销为主？大部分公司还是被动促销，芸友Ruby就是啵啵所在的公司就是发现卖货速度RATE OF SALE，算大概到某个时间点还有多少库存。如果库存多余则会前期开始准备促销，不会等到促销季。

而一个良好的公司是怎么做指标体系的？比如，当SKU上市X天，售罄率达到X%，立刻采取什么错失（补货、下架、换陈列位置）等等。换句话说，每个人对销售“好”、“坏”的定义是不一样的，这个不用依赖每个人不同的决策，而是依赖于一套“决策标准”来做。这就是有指标体系和没有指标体系的区别。

3.如何建立自己的指标体系

一般来说，有着良好数据管理能力的公司都会有指标体系。指标体系需要成为“用户手册”。问题是如何建立呢？

有的公司会有品类占比份额预算，WSSI，销售金额指标，折扣费用指标，期末库存指标，这些指标可以成为指标体系中的不同维度。有这些指标是一个开始，财务上也应该如此。

企业首先应该是有自己的年度战略目标。 可能群里很多人没做过战略管理，不是很明白它的意思。从数据而言，它至少包括：年度销售目标、年度人才招聘目标、年度开店目标、年度营销预算、毛利目标、成本目标等等，主要以销售及财务核心指标为主。其次，对照历史指标、同行指标、以及战略目标来确定今天指标体系。本公司历史指标容易理解，同行指标怎么找数据呢？中小公司可以通过调研、财报、证券公司、咨询公司的报告进行查阅。如果是大公司，则可以找咨询公司查询。

｜四｜

鞋服新零售指标体系包括哪些？

1.人

以上是企业关于“人”的指标，大家都应该给自己的公司建立指标体系，无论是做线上还是线下，都需要去做好薪资待遇，激励体制等管理问题。数据分析，不仅仅是技术问题，还有管理问题。管理不解决相应的问题，数据是做不好的。现在优衣库和ZARA是数据做得最好的鞋服公司。

2.货

上图都是商品最基本的概念。不过很多做了多年的人用的其实都是错误的公式，基本功不够扎实是现在买手中普遍出现的现象，甚至售罄率、OTB、毛利都是错误的计算。比如毛利的概念：销售收入减去进货成本是毛利，而毛利的计算公式是销售收入-COGS (COST OF GOODS SOLD)=毛利，而实际成交毛利率，基于实际成交价。进货成本包括产品成本+物流+关税。

数据指标还有很多可以细化。因为时间关系我们就分享到这里。如果大家有更多需求，欢迎扫码查阅下面的课程介绍。

文字整理：张怀楷

文字编辑：陈畅

美术编辑：李宁