零售的外在形式纷繁复杂：从上万平方米的大卖场到几十平方米的便利店，从传统的实体门店到网上电子商场，从线上线下融合到如今的全渠道销售……在数字化与信息化的加持下，在可预见的未来，零售的外在形式仍然会持续不断地变迁。

不变的是，它一直是商业的一种基本形式，连接“生产”和“消费”领域。零售的核心价值在于通过不断升级的人货场，满足消费者日益复杂的消费需求，并实现经营利润的最大化 。

从流量时代、营销时代进入到效率、供应链时代，外在的商业业态在不断地发生变化，但零售的本质始终如一，围绕这一不变的本质，通过数字化的手段更好地识别消费者需求、实现零售行业精细化运营和快速反应的能力成为可能。

截至目前，观远数据已经服务了Today便利店、见福便利店、来伊份、鲜丰水果、锅圈食汇、kk馆、韩尚优品、王府井百货等近200 家连锁零售行业头部企业，沉淀了行业领先的数字化落地方案和路径，帮助企业实现数据从“看得到”、“看得懂”到“可行动”的落地路径方法论。

观远数据行业研究专家Teresa，深耕零售数字化行业研究7 年，7 月21 日晚分享《解锁数字化密码，重塑零售核心价值》，详细拆解零售行业数字化转型过程中的痛点难点，深入剖析「锅圈食汇」「蜜雪冰城」「汉堡王」三个典型案例，分析可落地的数字化项目有何特征，并分享了对应业务场景的零售行业解决方案，让我们一起来回顾一下。

01

零售的数字化究竟是什么？

以往，企业通过生产商品，铺设渠道或者自建门店的形式实现商品的售卖。随着消费者触达渠道越来越复杂，传统获知消费者需求和反馈的方式不再能满足需求，在疫情的推动下，几乎所有的企业都在强调需要做更精细化的运营，零售行业正在从盲目扩张的流量时代迈向2.0 效率时代：

●人：千人千面

人的维度，用户运营由碎片化的信息发展为用户画像，用户标签使企业能够更大程度挖掘用户的生命周期价值，通过数据能更好地识别不同的消费群体的潜力和偏好，更好地去进行产品的迭代或者和提升客单价。

●货：新品层出不穷

货的维度，在商品运营全流程中，不再基于人的经验，而是基于数据去跟踪新品上市，淘汰旧品；产品与服务的研发和营销围绕人的偏好展开，而供应链向柔性化、网络化发展。在观远数据服务的客户中，三顿半与元气森林都已经很好地做到了通过数据去做商品的迭代和优化。

●场：全渠道转型

品牌方与零售方都在进行全渠道的建设，零售场景演变为线上线下多渠道同步运营：线下出现了智能导购、数字化卖场等新业态，线上囊括淘宝、京东等传统电商平台与抖音、微博、小红书等社交媒体平台。

零售业态快速变动的同时，新的问题也随之显现：

●响应不及时

在原来几十家门店时，通过手工整理或报表的方式去采集数据，进行决策分析时还尚能响应，但伴随着销售入口、流量获取渠道的增加，如何快速获取全面的数据？传统的数据分析已难以响应。

●数据管理差

获取到了数据后，由于零售业务系统多，数据口径不统一，质量往往很差，难以真正运用到经营决策层面。

●工具较落后

零售重业务驱动，而缺少数据经营管理思维，数据分析依靠各业务系统报表和Excel表格，IT与业务部门难以做到敏捷分析与协同。

●管理局限性

缺少数据统一管理平台，各数据各自为政，管理层往往难以获得一线业务数据，信息难以传递一线业务人员。

●分析模型少

传统零售现有分析往往是对既有数据的描述性为主，缺少预测式分析，加上缺少体系化的知识积累，在销售预测和智能补货层面欠缺，从而导致业绩难以提升和消耗品损耗较大。

零售的数字化究竟是什么？

数字化的底层是沉淀数据，通过将所有的数据整合串联起来，精细化运营构建企业从前端到后端全链路的数字化体系：流量入口的数字化监控、产品的数字化驱动迭代、会员营销与转化数字化、门店管理与生产流程标准化、供应链柔性化。

02

能落地的数字化项目

有什么核心特征？

以一句话形容零售行业的数字化进程：理想很丰满，现实很骨感。数字化像漂浮在天边的云彩，美好却遥远，如何一步一步地实现数字化转型？

观远数据已服务了Today便利店、见福便利店、鲜丰水果、kk馆、锅圈食汇等200+连锁零售头部企业，沉淀了行业领先的数字化落地方案和路径。

企业在数字化的不同阶段所面临的痛点是不一致的，可以区分为5 阶段：

●Ⅰ阶段

数据孤岛，人工编制Excel费时费力，固化报表分析维度单一，代码编写要求高且不易上手。业务部门面对临时性的需求，需要借助IT部门从不同的系统里把数据提取、清洗处理后，再进行汇报，这一阶段需要做的就是数据整合与拉通。

●Ⅱ阶段

管理全靠人管人，数据作用小，目标考核机制缺失。决策过度依赖核心店长的能力，在快速扩张、跑马圈地的阶段，单点管理很难，经营的天花板很快就会抵达。因此，亟需把优秀经验通过数据去沉淀下来，摒弃完全依靠个人经验做数据决策与经营的现状。

●Ⅲ阶段

当企业的信息化建设已经到达一定高度、底层业务系统非常完善后，仍然需要面对日趋激烈的市场竞争格局。伴随着产品同质化程度越来越高，同一款产品会很快得被其他企业复制的市场环境，需要更好地通过数据的高效应用在市场竞争中稳操胜券，持续发展。

●Ⅳ阶段

第四阶段，强调的是数字化建设，不仅仅是技术、系统与工具的问题，更是人才、组织、思维的转变。当开发过程完成后，受困于旧有习惯，业务部门仍然习惯于使用原有的EXCEL，IT与业务之间仍然具有沟通壁垒，数据应用断层产生联动屏障，无法形成策略闭环。在这一阶段，需要强调企业与组织内部数字化思维与文化的成型，使数据应用的意识能够充分在企业内部生根发芽。

●Ⅴ阶段

当数据建设体系与数据分析应用已经足够完善，下一步需要探索的是如何让数据通过这种智能应用的方式，能够更好地去自动的去挖掘我这个数据当中的一些价值，不断构建企业数字化应用的一个能力，避免不必要成本支出，做出更明智的决策。

通过3 个案例更具象地剖析不同发展阶段企业的数字化落地路径：

●锅圈食汇

观远数据有幸在锅圈食汇（以下简称锅圈）仅有不到100 家门店时达成合作，在三年的跑马圈地下，如今，锅圈食汇已突破了7000 门店。锅圈副总裁安浩磊这么评价数字化：「做企业的数字化，是坚持把对的事情做正确，用业务思维去解决管理问题」。

消费者对锅圈的认知是专注火锅烧烤品类食材的社区连锁零售超市品牌，但它本质是一个以「供应链为核心」的企业，通过强大的供应链体系，整合上游原材料工厂、食品工厂，强化对产品能力的把控，并获取足够高的行业毛利润；同时，作为加盟为主的企业，强调向下为加盟商赋能，强化加盟商「快速回本」的能力。

在锅圈发展的不同阶段，对数据应用的需求和场景是完全不同的：

在不到百家门店的时候，如何快速进行门店的拓展，品类如何快速迭代，门店面积有限、货架有限，如何购买潜力最高的产品铺设到门店？是锅圈迫切的需求。在第一阶段，观远数据助力锅圈实现了包括门店运营、商品洞察、单品企划等维度的精细化运营，使锅圈在做决策时能够快速反应、有据可依。随着门店加盟商发展得越来越多、门店开设也越来越多的时候，对于财务水平、单店盈利模型的诉求会更迫切：加盟商选择是否加盟一个品牌时，判断的核心标准是需要通过多长的时间回本。面向财务场景，观远数据可以帮助企业把优秀店长的管理经验和看数方式沉淀为分析模型-“店长/督导助手”，赋能更多的终端运营者；会员复购决定了企业能否长期运营与发展，面向会员运营，观远数据可为锅圈呈现全生命周期的清晰会员用户画像，时刻掌握消费者需求变化，实现精细化会员运营。第三阶段，当数据整合、沉淀体系已经完善后，引入了更多AI场景：通过AI智能补货，去降低库存压力，提升配货的准确度；通过客户数据、产品数据、当地气候和门店模型等数据预测客户的未来需求；通过购买记录，分析动态的消费能力，并根据畅销商品组合，推荐菜品套餐。这也是锅圈未来的数字化重点。

●蜜雪冰城

蜜雪冰城在2017 年基本完成信息化建设的初步建构，并依旧在不断迭代，2019 年观远数据与其达成合作。蜜雪冰城依然是一家以供应链为核心的企业，其需求重点在于门店、供应链、营销端的拉通和协同。

围绕这样的诉求，观远数据助力蜜雪冰城打通数据，构建起全渠道的营运监控体系：门店运营上，打造总体业绩监控、区域门店画像、门店业绩诊断等业务模型，使总部能快速洞察区域门店异常并给出行动建议；商品运营上，通过商品运营监控、新品分析、时段分析、畅销分析等业务模型，通过数据洞察消费者消费偏好、新品效果与商品定价是否合理等问题；仓储物流上，通过订单可视化、缺货分析、三率分析等业务模型，打造可管理、可调节的供应链体系，迅速洞察缺货的原因与瓶颈。

●汉堡王

汉堡王的数字化实践是「BI+AI」共同作用下实现的。汉堡王中国有1300+门店，如此庞大的门店体量已不足一支撑其完全依靠人完成门店的运营和分析，也很难从门店运营大量关键的指标里及时洞察到哪些指标存在问题，需要针对性地调整和优化。

汉堡王的数字化聚焦在「如何通过数据及时地捕捉到门店运营过程中国的异常，判断异常指标是什么？这样的异常指标对应业务层面是什么样的业务动作？」在一定意义上，形成了数据应用的闭环：业绩表现-业绩评价-行动建议-业绩表现，「行动建议」将业务与数据无缝串联在一起。

数据应用的闭环

观远数据与汉堡王在2019 年共创了智能数据分析与决策系统，这个系统实现了运营优化落地。借助这个系统，汉堡王实现了千家门店表现，数据一键下钻直达，关键问题，可以拆解到最细颗粒度进行复盘。?详细案例可参考《1300 家+门店的国际大型连锁品牌是如何走过“七年之痒”的？》

通过以上三个案例，思考「能落地的数字化项目有什么核心特征」？

足够强硬的技术实力，才能面对更大体量的数据应用，这是数字化转型的基础。足够敏捷易用的工具，才能在内部更好地进行推广。数字化的思维能力和人员，数字化转型是一套组合拳，需要融合组织、人才、管理数字化的综合进程。

03

方法和实践

●产品技术是地基

从企业数字化建设全链路来看：

前端的数字采集，通过表单填报的方式可以进行数据的补录。解决企业数据可用性问题，底层复杂的业务系统和数据源，需要被清洗数据，并把数据口径统一；在这个过程中，实现数据的溯源和数据质量的管控，更好地管理数据。数据开发阶段，需要设计落地分析模型，并持续不断地迭代优化模型。数据应用阶段，管理层和业务用户看到的就是各种各样的分析场景，在大屏、移动端、PC端，去更好地匹配企业的业务诉求；引入AI环节，通过机器学习持续挖掘数据价值。

以上是我们所拥有的工具产品，这在数字化项目中是必备的“基础”，而数据的应用到底能够带来怎样的「业务价值」才是核心。

●业务价值是堡垒

A. 终端赋能，优化行动方案

在数据可视化应用场景层面，观远数据提供数据大屏、移动轻应用、数据门户等展现形式：无需编程，只需简单拖拉拽，即可根据业务需求轻松创建不同类型的可视化图表，快速完成兼具直观和美观的即席数据展示。

面向管理者，观远数据大屏为管理层提供高管视角解读核心指标，助其随时随地掌握从区域到门店的重点业务经营情况与实时数据指标，一手企业经营状况尽在掌握；

面向业务人员，各区域负责人乃至责任店长，可通过移动轻应用随时随地将空数据，掌握门店销量、业绩表现、服务速度和活动促销等经营情况，美观清晰的界面可培养其日常看数习惯；当门店出现异常时，异常预警消息将自动推送至移动端，方便随时随地对业务及时做出调整，也可根据某一指标变化下钻找寻其变化原因，达到「数据追人」的目的。

B. 实时追踪业务过程，实现决策闭环

门店分析

零售业态往往是“小店大连锁”的业务形态，而核心竞争力在于门店管理能力。观远数据移动轻应用可助力连锁零售企业掌握从总部到区域门店的实时经营数据。

同时，观远数据行业应用——零售经营助手，可帮助CEO进行「空中巡店」，帮助高管扩大管理半径，全方位监督企业目标达成，追踪经营问题，落实岗位职责，检查改善情况。

商品分析

高效精准的商品分析，有助于企业优化商品结构：观远数据可实时把控商品动态信息，对商品进行销售、动销、转化、销量、异常等维度的商品运营分析，助力品牌商为订单预测和库存准备提供预警支撑，进而精细化运营优化商品结构。

会员分析

观远数据可为企业呈现全生命周期的清晰会员用户画像，以此为基础深入到店级会员的消费偏好分析，洞察会员消费规律；并建立基于会员运营概览、拉新复购留存、顾客分群洞察、营销活动效果、会员价值RFM模型等全方位的深入分析视角，帮助品牌商时刻掌握消费者需求变化，并据以快速洞察更多潜在商机。

促销分析

观远数据活动分析模型可基于核心KPI对指标进行逐步拆解，精准判断活动各项指标是否达成，对整体销售业绩是否起到了拉升作用……通过多样的交互方式进行数据溯源，及时对问题进行定位与解决，事后数据分析复盘，也可为日后活动的改善优化提供数据支撑。

C. 智能预测，颗粒度革命，精细化管理

智能预测

生鲜果蔬易腐性造成高成本、高损耗的供应链管理特性，使得现代化供应链升级的需求变得更加紧迫。零售业巨头沃尔玛携手观远数据，结合销售、清仓、进货等数据，增加天气、节假日以及和中国国情紧密相关的节气等相关信息，实现按业务场景进行门店维度单品的按天预测。

同时，观远数据尝试多种模型，融合业务经验和统计数值、信号变换等特征，进行数据平滑等操作，经过对历史数据呈现趋势的学习调整参数，建立起完整的“数据清洗—特征工程—模型训练—结果输出—误差监控”的AI迭代流程，部署自动任务流程每日对接新数据，实现对未来4～6 天的预测输出，指引门店订货。

杜邦分析

自动化可以更聚焦业务环节，数据追人，提供决策建议。

判断销售数据是否异常？

高于正常值还是低于正常值？

应该采取什么策略？

通过杜邦模型，在后台通过算法，发现最有可能影响销售的原因，比如以社区生鲜店为例，某些店如果到了中午12 点，销量处于30%内，如果那天是周六，应该主动给门店店长促销决策建议，背后我们通过的是前面陆续构建的机器学习体系，结合业务逻辑的植入，最终落地决策建议。

简洁的背后是终极的复杂，在尽可能地缩短消费者决策链路、提升效率的背后，企业需要面对的是无数复杂性的问题：自有系统、电商后台、手工本地系统缺乏统一管理，各类数据标准化程度低、对接难，组织间存在信息壁垒与孤岛……直接导致应用层所获取的预测分析结果不精确、不及时。

以上问题，均需耗费企业心力一一解决，但在可预见的未来，以数字化创新技术降低供应链、仓储、营销等各项成本，数字将成为撬动零售行业快速增长的最大杠杆。