服务器 频道

国云数据张粤磊:数据分析与价值变现

  讲师介绍:

  张粤磊,北京国云数人教育科技COO。毕业于中国科技大学,原平安壹钱包大数据架构师。业内知名大数据专家,多部大数据畅销书作者。

  2016年以来每年都以高级专家和咨询顾问身份深入参与大数据,人工智能技术在行业的落地应用。已交付企业培训数百场,培训学员数万名,在数据人才实战型场景型培训培养方面具有丰富的实践经验。

  分享大纲:

  1,应用场景

  2,价值度量

  3,算法模型

  演讲正文:

  应用场景

  如今,传统企业越来越难,都在寻求数字化转型,整个时代变革的拐点已经到来。坦白讲,过去只需要胆量+堆人+资源就可以,而现在则需要科技+人才+效率。没有传统企业,只有传统行业,今天各行业迎来大洗牌,传统企业、低效能企业必将被数字化企业颠覆、淘汰。

  谈到数字化转型,新零售是比较典型的行业,第二是新金融,其次还包括智慧校园、智慧城市、智能商业等等。

  数字化转型已经贯穿了各个行业,那么各个行业具体怎么用呢?如政府,核心是宏观经济预警,最直接的就是这次防疫工作,三大运营商集体连接起来反馈行为轨迹,为防御疫情提供统一的管理。除此之外,还可以利用数据做反恐与安全预测、税务及财务服务等等。

  在银行方面,从几大行到商业银行,都在推行金融科技,通过数据化的产品设计,风险控制的模型实现优化服务产品与交叉销售,还包括智能客服,通过大数据数据化优化提升呼叫中心效率,这些应用都是以数字化的转型业务为主。

  在电信方面,大数据分析也有很深度的应用,如套餐设计,客户挽留,还包括智能运维网络的分析,基于LBS接位置服务,电信行业会和旅游、公安等部门做近一步的结合。

  保险方面实现精准营销和欺诈与滥用监管;航空航天与国防方面实现产品维护和服务;化工与石油方面实现运行监测,分析和优化;零售方面,基于新零售的客户洞察做到商品优化和动态智能定价,从而实现精准营销。

  接下来把新零售行业进行深度展开:

  新零售核心就是底层门店,对于门店影响业绩的核心包括三方面:人、货、场。人是门店人员,货是卖的商品,场是门店场景,需要这三方面结合在一起促进门店的收益。

  在人员管理方面包括员工管理、服务管理和顾客管理。员工管理包括排版和个人能力可以通过数据化实现。顾客管理包括会员运营和非会员运营。服务管理包括服务类型和销售技巧。数字化转型要做到精准营销,员工要基于不同的顾客,采用不同的服务管理方式,从而建立员工跟顾客更精准的数字化运营场景。

  在货品管理方面包括清货管理、采购管理、销货补货管理。以前可能都是人工处理,现在可以利用数据分析通过数字化实现更智能的处理。如通过智能定价将门店的销售利润实现最大化;通过智能补货让门店实现智能运维等等。

  在卖场管理方面包括区位管理、门店形象和店务管理。通过数据化分析可以得出什么样的商品摆放在什么位置更容易落单,再加上门店形象的设计和店务管理加持,最终实现齿轮化运转,提高门店落单率。

  价值度量

  对于门店而言,人管理和数据管理到底价值度量差异在什么地方?如何去度量?

  例如阿里,很早就上架了超级店长这个应用,超级店长是用AI技术帮助连锁门店的管理运营,让管理者“听”见服务声音,“看”见门店实景,感知顾客需求,提升顾客满意度,打造最优门店服务。

  一个有经验的人毕竟是有限的,我们可以利用数字化的手段采用智能的数据管理,基于海量的数据得到决策,远比人通过现场短期信息、经验等获得的收益要高。

  再举几个例子:

  例如JACK & JONES,过去企业需要安排多名专职客服,以人肉机械的方式的筛选处理评价信息。现在用云+超级店长应用的大数据分析技术,实现语义自动识别产品各类评价并进行归类,减少客服 工作量,可以为企业节省30-50%客服成本。

  例如创维电视,当时我们这个旗舰店运营得很不错,后来服务市场的小二向我们提出建议,能不能给类似创维这样的家电企业来做代运营服务?经过商谈,我们和创维真的合作了,并且给它带来的变化是:销售额从原来的400万提升至一亿元。

  再例如韩都衣舍,韩都动力整合了韩都衣舍10年互联网品牌运营经验以及支撑多品牌运营的九大系统,专门为处于1到 10,10到100这个阶段的国际品牌、线下品牌、互联网品牌、个人品牌提供互联网全案运营解决方案,帮助他们加速发展。 服务内容包括品牌线上代运营,品牌定位,品牌策划,数字化精准营销,渠道定制化管理服务,OMS、 WMS、ERP信息化解决方案,仓储物流一体化解决方案,客服全托管解决方案,众筹托管、品牌官网 搭建及代运营服务等。

  刚刚提到的成本、销售、行业赋能是要通过一套对应的数据分析方法论来实现。首先依赖于几个方面:第一要有对应的数据应用场景;第二通过数据中台让数据越用越活、越用越多;第三实现业务数据的积累。

  在战略定位方面,数据中台推动需要从高层的战略上明确企业对数字化转型和建设中台的明确意图,才有可能真正获得落地。

  在组织保障方面,企业需要提供配套的组织保障,包括CXO为主的中高层配套中层管理层、基层执行层,建立数据人才架构。

  在一站式工具方面,选用完整、成熟的一站式平台工具,对整个战略进行保障,并对全流程数据采集,开发。

  算法模型

  在销售逻辑方面,销售额等于成交单数乘以客单价。成交单数包括进店人数和成交率,进店人数包括进店率和客流量。客单价包括产品单价和连带率,产品单价又包括销售折扣和零售价。

  在经营分析方面,可以拆分为时间维度、层级维度、渠道维度、商品维度、指标维度。时间维度可分为日、周、月、季、年;层级维度可分为可比、总比、关闭、拓展;渠道维度可分为商场、地铺、总体;商品维度可分为部门、品类、款式、颜色、尺码、老品;指标维度可分为零售指标、坪效、售罄率、库存率。

  最终,零售业绩等于客流量*进店率*成交率*零售价*销售折扣*连带率。

  因此,我们可以看到数据分析师与数据分析模型和算法的关系。业务系统实现数据化,给数据仓库制定指标,为机器学习制定规则,最终实现人工智能。

  从数据层来说,包括数据层、处理层、服务层。数据层包括企业现有数据和新的数据源,通过数据存储在处理层进行批处理和流处理,打造数据中台,最终产生业务分析消费数据和业务应用消费数据。

  再举例校园智脑场景,底层是业务系统,其次是数据资产,大数据计算,数据治理,数据工具,数据模型,数据应用,数据场景。

2
相关文章