6年过去了，新零售该如何更进一步？
自2016年“新零售”的概念被提出后，各大零售纷纷开始部署转型措施。从零售业发展来看，从卖方市场向买方市场的转变，导致传统零售以线下门店为主导、商品为中心模式的瓶颈逐渐显现，这也迫使传统零售商纷纷向以顾客为中心的经营模式转变，并更加重视强化品类管理、优化供应链。
如今，新零售的探索已经过去6年，一些企业因为无力转型而被迫卖身，而另一些企业则探索出了符合自身情况的发展道路。当下，新零售的发展进入了新的阶段，如何基于大数据实现精细化运营、全面赋能各个环节，以解决“降本增效”这一零售企业面临的本质性问题，成为了重点。
接下来，我们从新零售的本质性变化，探讨如何真正的实现数据赋能。
变什么？新零售的三大关键——人+货+场
“人”——传统零售经营以采销为主，模式简单粗放，对消费者关注不足。在新供需关系下，回归消费者这一零售生态本源成为核心。零售商要挖掘数据价值，如基于目标客群的特征和行踪数据，整合品牌商数据，掌握不同消费客户群的行为变化和趋势。
“货”——零售业的发展客观原因造成零售供应链长期深度依赖供应商，采购团队把关注点放在了来自于供应商的收费和返点，而不是经营及提升门店坪效和毛利率，从而导致零售行业在品类管理和供应链专业能力培养上长期滞后，并形成了地方管理团队各自为营的分散式管理局面。但在新环境下，零售商想打破在与供应商谈判和合作中被动局面，需要统一管理的业绩考核分析体系整合供应链能力。
“场”——过去传统零售以线下门店为主导，现在是线上线下融合打通，多个场景融合；过去是以地理位置为中心的商业，现在是场景化的、以人为中心的商业。零售全渠道发展是大势所趋，通过大数据分析能力提升精细化运营，对目标客群消费场景洞察、通过品类运作配合创新促销活动等。
零售大数据分析面临的问题
零售企业内部的信息孤岛现象严重：不同业务部门，如运营、商品、生产、财务等内部均有大量数据产生，且系统独立，数据的获取和深度分析难度较大。通过建立统一的BI数据分析平台可以打破信息孤岛，让数据因分享产生价值。
业务部门主要任务是自己部门日常的经营，包括操作流程、考核指标、门店管理、人员管理等，对于大数据能给自己带来什么样的价值则认知程度不高。同时对于数据分析的技术和工具知之甚少，因此很难把对于本职业务的理解和数据分析做紧密的结合，转化为数据分析所需要的种种要求，导致IT团队、大数据团队很难深入理解业务，而最终IT部门交付的成果对业务带来的价值有限，而业务又提不出具体需求。
不少零售企业的整体性数据收集平台还不是很完善，数据提取、整合、可视化、探索分析等程度相对落后，定期的商业报告仍是通过抓取数据仓库里面的数据，组成固定格式的报表并用于简单分析。即便有的企业构建了数据平台，虽然能够实时地呈现业务分析报告，也只是停留在报表的提供层面。
如何变？敏捷BI助力新零售破局
通过以上分析，可以将数据分析的主要模块分解为用户、门店、商品、渠道四个方面，汇总成一套完善的零售数据应用体系。
用户分析
用户分析主要是对顾客群体的购买行为的分析。通过对用户的年龄、人均购买次数、购买总金额、消费地区、购买途径等数据进行分析，深入洞察消费者购物行为和偏好，寻找到高价值客户的消费规律，通过精准营销，提升销售额。
门店分析
实体门店仰赖营业额作为绩效指标，但对于营业额不佳的门店，却难以有更进一层的数字观察与改进。通过数据分析，进行门店客流追踪，不仅能根据日、周、月、年等做周期分析、跨门店分析，还能结合POS营业额等销售数据做整合分析，进而预测下一周期的营运绩效，助力零售商达到经营效益最大化。
商品分析
商品分析的主要数据来自销售数据和商品基础数据。主要分析商品的类别结构、品牌结构、价格结构、毛利结构、结算方式结构、产地结构等，从而产生商品广度、商品深度、商品淘汰率、商品引进率、商品置换率、重点商品、畅销商品、滞销商品、季节商品等多种指标。通过对这些指标的分析来指导企业商品结构的调整，加强所营商品的竞争能力和合理配置。
渠道分析
如果企业同时运营着线上渠道和线下渠道，需要对加盟商的情况做到心里有数，因为库存和缺货是所有的零售迫切解决的一个难题。如果零售商对用户的需求没有进行精准的预测，则会导致供需失衡，造成高库存或者是缺货状态，最终将造成成本上的浪费。通过对渠道数据进行分析，可以对供需平衡进行高效管控，降低成本。
可以看出，当前零售企业的数字化转型重点，从打基础、建渠道，逐渐转变为全方位的数据应用，对于外部，实现对消费者、供应链等的精细化管理；对于内部，则实现商品、门店、组织的持续优化。以此回归零售本质，实现零售企业高质量发展。
