大数据分析——零售业

大数据应用案例之：零售业

零售业主要分析各项销售指标，例如毛利、毛利率、坪效（坪效是台湾经常拿来计算商场经营效益的指标, 指的是每坪的面积可以产出多少营业额(营业额÷专柜所占总坪数，以百货公司为例, 店里不同的位置, 所吸引的客户数也不同。一楼入口处, 通常是最容易吸引目光的地方, 在这样的黄金地段一定要放置能赚取最大利润的专柜, 所以你会发现百货公司的一楼通常都是化妆品专柜）、交叉比、销进比、盈利能力、周转率、同比、环比等等；

而分析维度又可从管理架构、类别品牌、日期、时段等角度观察，这些分析维又采用多级钻取，从而获得相当透彻的分析思路；

同时根据海量数据产生预测信息、报警信息等分析数据；

还可根据各种销售指标产生新的透视表，例如最常见的ABC分类表、商品敏感分类表、商品盈利分类表等。

这些复杂的指标在原来的数据库中是难以实现的，老总们虽然知道他们非常有用，但由于无法得到，使得这些指标的地位也若有若无。直到BI技术出现之后，这些指标才重新得到了管理者和分析者们的宠幸。

零售企业也监控客户的店内走动情况以及与商品的互动。它们将这些数据与交易记录相结合来展开分析，从而在销售哪些商品、如何摆放货品以及何时调整售价上给出意见，此类方法已经帮助某领先零售企业减少了17%的存货，同时在保持市场份额的前提下，增加了高利润率自有品牌商品的比例。