观远数据苏春园「混沌大学」直播授课，谈数据驱动增长的制胜法则
2020年的新冠疫情，让本该在春节期间厚积薄发的零售行业遭遇集体滑铁卢。零售市场快速反应，开始通过线上营销和数字化升级挽回损失，有些企业甚至实现新的业绩增长。在不确定的危机面前，零售企业如何修炼数字化内功突围制胜？
3月24日，观远数据创始人兼ceo苏春园接受混沌大学研习社直播邀请 ，分享了零售消费企业通过数据赋能业务，实现快反制胜的方法与实践。
以下是观远数据创始人兼ceo做客混沌大学研习社直播间期间的演讲实录：
数据战疫：从一线品牌抗疫案例，看零售与消费企业如何应对危机。
转危为机：疫情复盘，在不确定的环境下如何把握确定性的机会？
提升内功：零售、鞋服、快消等行业数据驱动管理的案例分享。
管理升级：如何从ceo、一线门店和数据分析师的视角搭建数据体系？
未来规划：“看3年、做3个月” - 以终为始，为2020年构建数据驱动的决策体系。
一、数据战疫：疫情黑天鹅前，企业可以做哪些数字化救赎？
疫情虽然是黑天鹅，但同样也是一次危机并重的考验，每个行业每个企业都在积极求生。
lily女装 千名店长变身微商，直播带货；奈雪的茶 通过数据及时调整门店开闭店和营销政策，加强小程序下单；生鲜传奇 小程序下单今日订，次日提；联合利华 等消费品牌也开始通过社群卖货。
前线的快速反应匹配的是后方的数字化能力。面对突发的疫情，观远数据也及时推出护航者计划，帮助客户伙伴通过数据分析，发现很多业务场景中存在的问题和商机，聚焦管理，快速对市场变化做出反应。
场景一：员工健康度分析，规避用工风险
员工健康度监控是很多企业尤其是劳动密集型企业在疫情期间非常重要的需求。及时了解员工健康状况可以合理安排复工复产，减少企业损失。 以观远数据自己为例，在疫情期间，每日通过钉钉提醒员工填写健康日志，收集相关信息，制作成员工健康度看板，就可以知道员工的所在区域，整体的健康状况，符合复工条件的比例，及时做好复工和员工返程安排，将用工风险最小化。
场景二：疫情大盘监控，聚焦重点管理
当企业整体的经营情况都在深受疫情影响时，对于决策层来说，更需要全局的数据监控，去发现局部受疫情影响较小，或者受疫情刺激需求更旺的门店或者品类。 这样，就可以聚焦管理，保证一些优质渠道和商品的供应和营销活动力度，通过局部爆发拉动整体的营业额。
（疫情期间销售分析看板）
场景三：开闭店分析，实现效益最大化
从疫情开始后的陆续关店到疫情快要结束时的有序开店，当企业门店数量多、分布广时，要对整体的开闭店做出调整是比较困难的。企业可以通过监测不同渠道的数据，包括门店的来客数、营业额、可复工员工数等数据，快速、精准判断哪些门店满足开闭店条件。
场景四：私域流量运营，千人千面营销
不管是朋友圈、社群还是小程序，我们发现，疫情极大释放了私域流量的价值，助推了社交电商的发展。而社交电商对“人货场”格局的重构，也使得企业在数据运营层面，对人与微商的追踪分析变得尤为重要。 企业可以通过数据监控整个线上渠道销售链条里，哪些触点能够最大化去转化成销售机会。并根据不同线上渠道、不同时间段、不同商品的表现和对应的销售额变化趋势以及不同店长的带货能力，有针对性地做配补货和营销活动调整，强化激励措施，加强业务培训。
二、转危为机：如何在不确定的环境下，抓住确定的机会？
疫情大潮即将退去，消费高潮也即将到来。那些在疫情下积攒的私域流量是否会和疫情一起退去？那些因为疫情下“人货场”格局改变而改变的营销策略，当疫情结束后是否又要重新规划？一切都是不确定。
而唯一不变的是，零售企业一定要坚持以“人货场”为核心，通过精细化运和快速反应，及时响应万变的市场环境。
从“人”的层面， 企业可以通过会员分析，精准识别消费者的偏好、消费习惯、消费能力。通过千人千面的营销有针对性进行推荐，有效提升客单价和顾客的忠诚度。
从“货”的层面， 可以通过数据分析不断优化商品结构，提高产品的客单价。并通过每天、每周的迭代，找到不同品类商品最优的表现条件，从而将商品的营业额贡献率最大化，并提前做好供应链补货准备。
从“场”的层面， 企业要向全渠道转型，通过精细运营，延续线上流量的“疫情红利”。
总结来说，零售消费企业以“人货场”为核心的数字化转型，其实是一场颗粒度革命。谁分析问题的维度越细，发现问题解决问题的速度越快，谁将获得比同类品牌更多的增长机会。这也是零售消费行业从流量时代进入到效率时代，对于精细化运营和快速反应能力的要求。
在一个企业内部，业务场景可能有几十个甚至几百个，对应每天要做的决策就有几千几万条。 而数据分析可以帮助企业决策层，以上帝的视角去发现问题抓住机会，让每一次的决策能够比原来更加高效和科学。这也是数据驱动决策的本质，不是能给你带来多少倍的爆炸式增长，而是持续产生比原来多百倍、千倍的增长机会。
三、提升内功：数据智能驱动管理升级的案例分享
在过去三年，观远数据也通过自己在零售数据分析领域的实践经验，陪伴很多企业书写了数据驱动业绩增长的精彩故事。
一、某电商平台通过敏捷分析，用10倍速度进行“增长实验”
观远合作的某电商平台在前期的业务发展过程中，经历了用户数指数级增长的过程，同时对数据分析工作也提出了严峻的挑战。数据分析师一半时间是在分析数据，一半的时间是在等报表。
在与观远数据合作之前，该公司的大数据部门大概每天可以做50个实验，通过和观远数据共建智能数据分析平台之后，每天运行的数量是500个，数量速度翻了10倍。只有这样的敏捷分析才能够及时响应跟上市场的步伐，快速更新迭代，从而能够捕捉到更多客户的信号。
二、某家居品牌聚焦零售核心场景 推动业务提升
连锁零售品牌普遍存在产品集群和门店环境一体化的现象，所以企业都很关注单店单品管理。观远数据通过帮某连锁零售品牌搭建诸如销售业绩渠道／区域分布及排行、销售业绩商品类目分布及排行、销售折扣趋势分析、客流来源分布及排行、零售指标环比分析等指标分析体系，帮助其可以高效实时地获取直观的可视化数据分析结果，同时给出行动化的指导建议，提升门店营业能力和服务水平。
该品牌高层曾经针对一个核心指标排名拖后腿的门店做过一个实验，将原来可能一周做一次商品、货架调整的节奏提高了5倍甚至10倍去处理。并且聚焦核心场景，用数据发现问题解决问题，最终用了三个月时间，将该门店的核心指标排名提升到第一。
三、某时尚服装品牌用数据追人，赋能一线店长优秀管理能力
很多连锁门店都会存在优秀店长稀缺的问题，而这部分店长都有比较高的分析思路和决策水平。他们懂得通过看客流、看库存去判断经营出现了哪些问题。
观远数据通过将优秀店长的数据分析思路沉淀成数据分析模型，帮助某连锁服装品牌赋能1000多家门店店长。从终端出发，全面包围，提高一线人员的业务能力，带动整体营业额的提升。
四、某快消品：构建基于“数据分析”的核心竞争力
以观远合作的某全球500强的消费品公司为例，除了市场、品牌、渠道等硬实力，现在，数据分析已经成为该集团战略层面认定的一个核心竞争力。 并且已经和观远数据在营销、物流分析甚至一些ai项目上取得了深度合作。
在营销层面，通过推行一物一码政策，追踪商品在不同渠道的表现，优化渠道营销策略，有针对性地推广业务。在物流层面，借助观远“控制塔”方案，对物流全链路指标进行监控，深度分析问题及时改善，并通过预警功能，实现危机事件自动上报。而在ai项目上，也与观远数据共同探索了需求预测、智能稽查等深度应用，实现了roi的大幅提升。
从敏捷分析到智能分析，观远正在探索的“ai+bi”的模式也正是未来数据智能发展的一个趋势。
四、管理升级：如何从ceo、一线门店、数据分析师视角搭建企业的数据分析体系？
回归到企业最为关注的如何用数据驱动管理升级这个问题中，可以从ceo、一线门店、数据分析师三个关键角色视角出发。确定他们对于数据分析的目标和诉求，搭建企业的数据分析体系。
以ceo视角搭建自上而下的数据分析体系
在公司的整体架构中，ceo是控制大局的核心角色，但同时也是距离一线最远的角色。不仅难以掌握末梢的经营变化，很多时候对于不同业务核心指标的定义与各条线leader也会产生偏差。如何扩大ceo的管理半径，让公司上下都能严格围绕ceo的目标去安排工作，成为这个视角最为关心的问题。
如果对ceo定下的核心指标层层拆解，传达给各级领导层，再由领导层传达给终端，将会强化整个公司的向心力，更有助于目标达成。
而在观远的解决方案中，目前是通过决策驾驶舱、ceo大屏等应用，帮助企业自上而下梳理业务指标。ceo通过数据的下钻、联动等交互就可以掌握各条业务线的发展进度是不是在自己的可控范围内，对问题作出及时调整。并可以通过空中巡店等应用，足不出户就能感受终端经营的异常。
（观远数据大屏demo）
以“傻瓜式”的应用，给业务终端做减法
因为门店端需要提供有温度的服务，没时间去消化数据，所以对于门店端的数据应用应该是越简单越好，最好能够直接告诉业务人员该怎么做。
除了通过门店管家等应用将5%优秀店长的数据分析思路复制给95%的其他店长，还可以通过移动端自动预警等功能可以实现数据追人，主动通知员工，促进产品价值最大化。
解放数据分析师的重复劳动，聚焦业务分析
回到数据的开发者层面，他们是整个公司数据系统的直接赋能者，却经常在做一些数据清洗、融合的重复性工作。没有时间专注业务和数据分析本身，自然就无法给决策层和业务端提供前沿的数据分析模型。
所以，企业的数据建设一定要考虑他们的体验感，选择部署简单、分析灵活、响应速度快、能够实现自助分析的平台。让他们可以有更多的时间专注业务场景本身，实现从借鉴到超越。
ceo、一线门店和数据分析师这三个角色是企业实现数据驱动决策的根据地。以这三个角色为核心进行数据布局，就完成了数据建设的第一步。
五、未来规划：看3年，做3个月
在此基础上，企业可以分三步去落地自己的数字化转型。首先是以终为始 ，有目的的规划自己的数据分析体系；其次是看三年做三个月，分布构建 ；最后是在落地过程中，如果满足条件可以实现人和算法的长期共存、相辅相成。
黑天鹅、灰犀牛现象频繁出现，不确定性已成为常态；我们能做的，是抓住其中的确定性。精细运营、快速反应，让决策更智能。这是未来十年的确定性。