引 言

在社會(huì)提倡數(shù)據(jù)化，追求數(shù)據(jù)化轉(zhuǎn)型的今天，各大品牌公司即將或已經(jīng)把數(shù)據(jù)化管理提上日程。經(jīng)濟(jì)學(xué)人也提出了“Data is the new oil.”

數(shù)據(jù)化發(fā)展至今時(shí)今日，大家對(duì)數(shù)據(jù)分析和洞察的理解是什么呢？在日常工作中數(shù)據(jù)的助力是如何體現(xiàn)的呢？數(shù)據(jù)化發(fā)展的未來又將是什么樣？每個(gè)人又需要做好什么樣的準(zhǔn)備呢？今天，就讓我們來探討這一系列的問題。

以下討論來自于冷蕓時(shí)尚圈群友討論。更多關(guān)于課程的資訊，請(qǐng)見文中與文末。

參與者?


冷蕓時(shí)尚圈討論5群
時(shí)間：2019年11月16日
主題：傳統(tǒng)服裝行業(yè)的數(shù)據(jù)洞察探討

討論大綱?

一、數(shù)據(jù)分析和數(shù)據(jù)洞察的定義和范疇分別是什么？
1、數(shù)據(jù)分析
2、數(shù)據(jù)洞察

二、數(shù)據(jù)洞察在實(shí)踐中的應(yīng)用
1、傳統(tǒng)行業(yè)的應(yīng)用現(xiàn)狀
2、數(shù)據(jù)洞察的主要應(yīng)用場景
3、電商中數(shù)據(jù)洞察的應(yīng)用
4、新零售會(huì)帶來什么變化？

三．探討企業(yè)數(shù)據(jù)化發(fā)展的未來

以下討論僅代表討論者個(gè)人觀點(diǎn)，并不代表本公眾號(hào)及冷蕓的觀點(diǎn)。

//////////

一、數(shù)據(jù)分析和數(shù)據(jù)洞察的定義和范疇分別是什么？

1.1 數(shù)據(jù)分析

Rachel-上海-Digital:
那咱們先從第一個(gè)概念開始：什么是數(shù)據(jù)分析？大家理解的數(shù)據(jù)分析是什么呢？其實(shí)大家多少對(duì)此有一部分了解，基本上“5W1H”就可以回答數(shù)據(jù)分析的工作內(nèi)容：

What？——分析什么數(shù)據(jù)？
When？——什么時(shí)候進(jìn)行數(shù)據(jù)分析？
Where？——從哪里獲取數(shù)據(jù)？
Which？——采用什么分析工具來處理分析數(shù)據(jù)？
Who？——采用哪個(gè)供應(yīng)商的基礎(chǔ)數(shù)據(jù)服務(wù)，幫你構(gòu)建數(shù)據(jù)產(chǎn)品或處理數(shù)據(jù)？
How？——如何進(jìn)行數(shù)據(jù)分析？

多數(shù)時(shí)候，大家都是從拿到的原始數(shù)據(jù)開始的，是沒有清洗過的，其中可能存在異常值的數(shù)據(jù)。我們先把“5W1H”的幾個(gè)要素展開一下，我相信每一個(gè)要素里都有很多故事是大家踩過的坑。

What？——分析什么數(shù)據(jù)？與數(shù)據(jù)分析的目的有關(guān)，通常確定問題后，然后根據(jù)問題收集相應(yīng)的數(shù)據(jù)，在對(duì)應(yīng)的數(shù)據(jù)框架體系中形成對(duì)應(yīng)的決策輔助策略，這個(gè)過程也是一個(gè)反復(fù)博弈的過程。

比如說做商品的小伙伴，要分析的就是商品相關(guān)的數(shù)據(jù)，比如庫存，售罄，價(jià)格等等。

When？——什么時(shí)候進(jìn)行數(shù)據(jù)分析？
數(shù)據(jù)分析基本上貫徹了業(yè)務(wù)運(yùn)營的各個(gè)環(huán)節(jié)，也就是在業(yè)務(wù)運(yùn)營過程中要做到全程數(shù)據(jù)跟蹤。例如電子商務(wù)中的商品選擇、商品陳列、更新、廣告投放引流跟蹤、效果評(píng)估、客戶跟蹤等等都需要數(shù)據(jù)支撐。

Where？——從哪里獲取數(shù)據(jù)？
企業(yè)通常的數(shù)據(jù)來源可分為兩大類：內(nèi)部來源數(shù)據(jù)和外部來源數(shù)據(jù)。內(nèi)部數(shù)據(jù)主要包括庫存數(shù)據(jù)，客戶信息數(shù)據(jù)、業(yè)務(wù)流程數(shù)據(jù)等，而外部數(shù)據(jù)則主要包括各類第三方監(jiān)測數(shù)據(jù)、企業(yè)市調(diào)數(shù)據(jù)、行業(yè)規(guī)模數(shù)據(jù)等。

Which？——采用什么分析工具來處理分析數(shù)據(jù)？
數(shù)據(jù)處理分析的工具非常多，也非常的細(xì)。用什么樣的工具常常取決于企業(yè)的具體需求，不管怎樣，相對(duì)于各類工具而言，操作工具的人更加重要。通常，企業(yè)在人與對(duì)應(yīng)的工具上的投入比大約為9：1，也就是說當(dāng)你投入10元錢在數(shù)據(jù)分析工具上的時(shí)候，那么你的企業(yè)對(duì)入在對(duì)應(yīng)的人上的成本大約90元。大家最常用的就是Excel，有些小伙伴還會(huì)用到SQL、Tableau等。
Alice-廣州-文案策劃 :
那結(jié)合現(xiàn)實(shí)來看，我們?cè)撛谑裁磿r(shí)候獲取數(shù)據(jù)呢？
Rachel-上海-Digital:
這個(gè)問題，你要先想清楚要獲得什么數(shù)據(jù)，達(dá)到什么目的？比如說要做雙11復(fù)盤相關(guān)的商品分析，那么在次日訂單完全生成后基本就可以開始了，后續(xù)退貨完成后還有相關(guān)的退貨商品的分析。我們先說眼下剛結(jié)束的雙11，整體大盤服飾運(yùn)動(dòng)板塊名詞后退了2名，銷售額下降20%左右，同比去年雙11的數(shù)據(jù)。
Alice-廣州-文案策劃 :
如果老板要看雙十一賣得好不好不能單獨(dú)只看銷售額吧？這個(gè)數(shù)據(jù)分析是需要數(shù)據(jù)分析師本身懂，還是運(yùn)營會(huì)給到具體參數(shù)呢?
Rachel-上海-Digital:
雙11之前我們就有幾個(gè)指標(biāo)，電商的話一般會(huì)看銷售額、流量、轉(zhuǎn)化率、折扣、售罄率等。
Alice-廣州-文案策劃 :
這個(gè)數(shù)據(jù)來源分析全靠生意參謀嗎？那么這樣會(huì)不會(huì)使得數(shù)據(jù)分析師的工作量大幅度減少？外部數(shù)據(jù)一般又是如何獲得呢？我很想知道外部數(shù)據(jù)該去哪里獲得？
Rachel-上海-Digital:
數(shù)據(jù)分析就像剝洋蔥，需要一層層剝開表面看本質(zhì)。比如我們說銷售不好，那么什么叫不好？是同比還是環(huán)比？銷售額由什么影響？然后我們具體再拆開看是流量不夠，還是轉(zhuǎn)化太差的原因，再分別去細(xì)分來看。零售應(yīng)該都有ERP系統(tǒng)，主要用來做庫存管理，有時(shí)做后端的分析也會(huì)用到ERP系統(tǒng)里的數(shù)據(jù)配合來看。

外部數(shù)據(jù)包括競品數(shù)據(jù)和大盤行業(yè)數(shù)據(jù)。競品數(shù)據(jù)的話，生意參謀本身就有，可以參考。大盤和行業(yè)的數(shù)據(jù)可以通過很多Research公司或者知識(shí)社區(qū)網(wǎng)站獲得。像Kantar在雙11結(jié)束當(dāng)天就已經(jīng)出了復(fù)盤白皮書。

大跌原因在于整體經(jīng)濟(jì)大盤影響，傳說中的“口紅效應(yīng)”，對(duì)于服裝這種非必需品或者客單價(jià)較高的商品影響較大。電商的話應(yīng)該說拼多多的異軍突起對(duì)整個(gè)電商行業(yè)都是有影響的，從下沉城市到小鎮(zhèn)青年，折扣戰(zhàn)也成了今年雙11的關(guān)鍵詞。

1.2 數(shù)據(jù)洞察

Rachel-上海-Digital:
我們?cè)賮砜匆幌?，什么是?shù)據(jù)洞察？數(shù)據(jù)是沒有經(jīng)過過多處理的原始信息。數(shù)據(jù)分析是從這些信息中發(fā)現(xiàn)規(guī)律、趨勢等，而數(shù)據(jù)洞察則是通過數(shù)據(jù)分析所能得出的價(jià)值，包括決策運(yùn)營、預(yù)測機(jī)會(huì)等。對(duì)于未來的預(yù)測，其實(shí)就是在做數(shù)據(jù)洞察了。
鈴鐺-杭州-7群副群主:
原始數(shù)據(jù)的全面性和準(zhǔn)確性是基礎(chǔ)。
Yihan-杭州-3群副群主:
現(xiàn)在我們都生活在數(shù)據(jù)中，哪里都是數(shù)據(jù)。
丁育欽-武漢-6群副群主:
樣本要多，方差要大，數(shù)據(jù)的共線性和自相關(guān)要減少。所以經(jīng)濟(jì)學(xué)人里講“Data is the new oil.”
Rachel-上海-Digital:
但沒有數(shù)據(jù)，很多決策也無從談起。通過看均值和方差，我們還可以甄別哪些是異常值從而需要剔除。

小結(jié)：?

1.1 數(shù)據(jù)分析

“5W1H”基本回答了數(shù)據(jù)分析的工作內(nèi)容：

What？——分析什么數(shù)據(jù)？
分析什么數(shù)據(jù)與數(shù)據(jù)分析的目的有關(guān)，通常確定問題后，然后根據(jù)問題收集相應(yīng)的數(shù)據(jù)，在對(duì)應(yīng)的數(shù)據(jù)框架體系中形成對(duì)應(yīng)的決策輔助策略，這個(gè)過程也是一個(gè)反復(fù)博弈的過程。

When？——什么時(shí)候進(jìn)行數(shù)據(jù)分析？
數(shù)據(jù)分析基本上貫徹了業(yè)務(wù)運(yùn)營的各個(gè)環(huán)節(jié)，也就是在業(yè)務(wù)運(yùn)營過程中要做到全程數(shù)據(jù)跟蹤。例如電子商務(wù)中的商品選擇、商品陳列、更新、廣告投放引流跟蹤、效果評(píng)估、客戶跟蹤等等都需要數(shù)據(jù)支撐。

Where？——從哪里獲取數(shù)據(jù)？
企業(yè)通常的數(shù)據(jù)來源可分為兩大類：內(nèi)部來源數(shù)據(jù)和外部來源數(shù)據(jù)。內(nèi)部數(shù)據(jù)主要包括庫存數(shù)據(jù)，客戶信息數(shù)據(jù)、業(yè)務(wù)流程數(shù)據(jù)等，而外部數(shù)據(jù)則主要包括各類第三方監(jiān)測數(shù)據(jù)、企業(yè)市調(diào)數(shù)據(jù)、行業(yè)規(guī)模數(shù)據(jù)等。

Which？——采用什么分析工具來處理分析數(shù)據(jù)？
數(shù)據(jù)處理分析的工具非常多，也非常的細(xì)。用什么樣的工具常常取決于企業(yè)的具體需求，不管怎樣，相對(duì)于各類工具而言，操作工具的人更加重要。通常，企業(yè)在人與對(duì)應(yīng)的工具上的投入比大約為9：1，也就是說當(dāng)你投入10元錢在數(shù)據(jù)分析工具上的時(shí)候，那么你的企業(yè)對(duì)入在對(duì)應(yīng)的人上的成本大約90元。大家最常用的就是Excel，有些小伙伴還會(huì)用到SQL、Tableau等。

Who？——采用哪個(gè)供應(yīng)商的基礎(chǔ)數(shù)據(jù)服務(wù)，幫你構(gòu)建數(shù)據(jù)產(chǎn)品或處理數(shù)據(jù)？

How？——如何進(jìn)行數(shù)據(jù)分析？
數(shù)據(jù)跟著業(yè)務(wù)走，數(shù)據(jù)分析的過程就是將業(yè)務(wù)問題轉(zhuǎn)化為數(shù)據(jù)問題，然后再還原到業(yè)務(wù)場景中去的過程。

1.2 數(shù)據(jù)洞察

我們要從數(shù)據(jù)中得到價(jià)值，首先得弄清楚數(shù)據(jù)分析和洞察的區(qū)別。簡言之，數(shù)據(jù)是沒有經(jīng)過過多處理的原始信息，數(shù)據(jù)分析是從這些信息中發(fā)現(xiàn)的規(guī)律、趨勢等，而數(shù)據(jù)洞察則是通過數(shù)據(jù)分析所能得出的價(jià)值，包括決策運(yùn)營、預(yù)測機(jī)會(huì)等。

（圖片來自螞蟻金服）

#不斷學(xué)習(xí)，才有能力改變當(dāng)下#
冷蕓開設(shè)以下培訓(xùn)課程，歡迎報(bào)名！
長按二維碼查看詳情??

二、數(shù)據(jù)洞察在實(shí)踐中的應(yīng)用

2.1 傳統(tǒng)行業(yè)的應(yīng)用現(xiàn)狀

Rachel-上海-Digital:
大家現(xiàn)在所在的公司用數(shù)據(jù)用的多嗎？
丁育欽-武漢-6群副群主:
Big Data很大的一個(gè)局限是只找相關(guān)性，背后的原因沒有提供可靠的工具，而要靠公司自己來挖掘。
鄒粦珂-廣州-買手:
其實(shí)都是初始數(shù)據(jù)錄入需要完善，銷售才能導(dǎo)出實(shí)用的數(shù)據(jù)。你初始錄入的數(shù)據(jù)不完善，也無從分析。

小結(jié)：

麥肯錫的一項(xiàng)對(duì)700+家企業(yè)的調(diào)查顯示，許多公司、尤其是傳統(tǒng)公司還沒有從大數(shù)據(jù)項(xiàng)目獲得預(yù)期的結(jié)果，或者還沒有獲得相當(dāng)高的投資回報(bào)率。大數(shù)據(jù)項(xiàng)目投入后收入平均僅增加了6%。其中一個(gè)很大的原因是傳統(tǒng)企業(yè)大多是業(yè)務(wù)流程驅(qū)動(dòng)，數(shù)據(jù)更多是作為一個(gè)報(bào)表使用。
他們很少挖掘數(shù)據(jù)價(jià)值對(duì)企業(yè)流程的驅(qū)動(dòng)，而是依靠個(gè)人經(jīng)驗(yàn)進(jìn)行決策。即使在使用數(shù)據(jù)分析的公司也多是停留在驗(yàn)證假設(shè)、監(jiān)控效果的層面，通過數(shù)據(jù)分析獲得洞察的很少，用分析直接指導(dǎo)行動(dòng)的案例更是少之又少。


2.2 數(shù)據(jù)洞察的主要應(yīng)用場景

Rachel-上海-Digital:
初始數(shù)據(jù)是否完善正確會(huì)影響后期的分析決策。
BINGO·常州·時(shí)尚創(chuàng)客:
今年雙十一服裝銷量下降跟天熱也有關(guān)系，以后天氣也要作為一個(gè)分析維度。
丁育欽-武漢-6群副群主:
哈哈，活學(xué)活用。天氣算遺漏變量了。
Rachel-上海-Digital:
對(duì)的哈哈，確實(shí)跟天氣也有關(guān)系。羽絨服是今年天貓認(rèn)為會(huì)漲蠻多的一個(gè)小類呢。
鄒粦珂-廣州-買手:
有的。每個(gè)大的節(jié)點(diǎn)，必須要有溫度同期對(duì)比圖，結(jié)合業(yè)績分析圖就可以知道同比是否準(zhǔn)確。
碧蝶-廣州-5群副群主:
天氣很重要，像我們做跨境電商的一般在上新前會(huì)要考慮當(dāng)?shù)貒业奶鞖狻?br/>Rachel-上海-Digital:
說到天氣，天氣預(yù)報(bào)也是種數(shù)據(jù)洞察，而且隨著時(shí)間變化這個(gè)預(yù)測值會(huì)不斷調(diào)整，無限接近真實(shí)值的一種預(yù)測值。
鄒粦珂-廣州-買手:
系統(tǒng)并不是萬能的，最終還需要加上人對(duì)系統(tǒng)和數(shù)據(jù)的理解與認(rèn)知。
玲玲_合肥_采購+陳列:
那你們針對(duì)各地區(qū)做天氣分析，然后提前規(guī)劃上貨時(shí)間是嗎？
鄒粦珂-廣州-買手:
天氣這點(diǎn)我們也還沒找到很好的辦法去對(duì)比，只能簡單看預(yù)報(bào)和店訪銷售同事作為反饋。
Rachel-上海-Digital:
零售分析里主要涉及的因素包括人，貨，場。針對(duì)不同的因素大家應(yīng)該都會(huì)做一些對(duì)應(yīng)的分析吧？
碧蝶-廣州-5群副群主:
系統(tǒng)是輔助性的，只是理性讓你去看待一個(gè)事物，畢竟有一些時(shí)候人看一個(gè)東西比較主觀。
BINGO·常州·時(shí)尚創(chuàng)客:
現(xiàn)在零售分析人貨場都不夠了，還要加上技術(shù)，協(xié)助零售應(yīng)用技術(shù)。
Rachel-上海-Digital:
促銷的方法每年都是層出不窮，歸根結(jié)底還是要看生意的本質(zhì)——賣什么？賣給誰？通過什么渠道賣？

小結(jié):?

數(shù)據(jù)洞察結(jié)合零售來說，主要應(yīng)用場景就在于人，貨，場的場景中。

2.3 電商中數(shù)據(jù)洞察的應(yīng)用?

2.4 新零售會(huì)帶來什么變化？?

三、探討企業(yè)數(shù)據(jù)化發(fā)展的未來

...

掃描下方【二維碼】
可獲取全文鏈接哦~

莊主簡介

Rachel-上海-Digital：
畢業(yè)于上海財(cái)經(jīng)大學(xué)（信息管理與信息系統(tǒng)專業(yè)，學(xué)士學(xué)位）及香港浸會(huì)大學(xué)（資訊管理系統(tǒng)，碩士學(xué)位）；主要從事電商數(shù)據(jù)管理與分析，合作過的品牌包括歐萊雅，寶潔，雀巢，瑪氏等快消品牌?，F(xiàn)任狼爪貿(mào)易服裝有限公司數(shù)據(jù)洞察經(jīng)理，主要負(fù)責(zé)線上市場的數(shù)據(jù)分析與洞察。

跟莊副群主簡介

Butterfly-廣州-5群副群主：
日常關(guān)注護(hù)膚小知識(shí)，由服裝設(shè)計(jì)轉(zhuǎn)做買手，現(xiàn)在在一家女裝快時(shí)尚跨境電商shein，負(fù)責(zé)選品的開發(fā)方向，商品企劃，商務(wù)談判，未來想往運(yùn)營方向發(fā)展。

凱麗—杭州-5群副群主：
目前在商場從事男裝招商工作，熱愛時(shí)尚，喜歡實(shí)體商業(yè)和新零售。

加友請(qǐng)注明“冷蕓時(shí)尚圈+姓名”

非誠勿擾！否則拉黑！

————

總結(jié)整理人：Rachel-上海-Digital
文字編輯：Yoonam
審核：Cherika Chen

感謝您的閱讀，
期待今后更多的討論也歡迎大家來分享！