DT時(shí)代，看舟譜數(shù)據(jù)如何運(yùn)用數(shù)據(jù)智能幫經(jīng)銷商驅(qū)動(dòng)業(yè)績(jī)?cè)鲩L(zhǎng)

　　近日，“數(shù)據(jù)智能”成為快消流通領(lǐng)域的經(jīng)銷商爭(zhēng)相討論的熱詞，但數(shù)據(jù)智能到底是什么，能為業(yè)務(wù)增長(zhǎng)帶來(lái)哪些幫助，可能對(duì)大部分經(jīng)銷商來(lái)說(shuō)都沒(méi)有一個(gè)清晰的答案。

 

　　想了解數(shù)據(jù)智能，首先要了解科技進(jìn)化的三個(gè)階段。第一階段是IT時(shí)代，經(jīng)銷商能夠在線實(shí)時(shí)查看一些數(shù)據(jù)信息，但是不明其價(jià)值。第二階段是DT1.0時(shí)代，數(shù)據(jù)經(jīng)過(guò)挖掘、清洗、篩選，并且套入了商業(yè)模型，經(jīng)銷商能看到數(shù)據(jù)之間的關(guān)系，并得到部分有價(jià)值的信息，比如能直觀地看到一段時(shí)間內(nèi)純利潤(rùn)的變化趨勢(shì)，輔助經(jīng)銷商做決策。第三階段是DT2.0時(shí)代，也就是數(shù)據(jù)智能的主場(chǎng)，不僅能讓經(jīng)銷商看到各個(gè)數(shù)據(jù)、數(shù)據(jù)變化的趨勢(shì)，還能讓經(jīng)銷商了解哪項(xiàng)數(shù)據(jù)起到關(guān)鍵作用，如何調(diào)整才能實(shí)現(xiàn)效果最大化。更進(jìn)一步，還能讓經(jīng)銷商知道后續(xù)是沿用目前的策略更好，還是應(yīng)該盡快做出調(diào)整。

 

　　今天，我們特別邀請(qǐng)舟譜數(shù)據(jù)的CTO慕巍先生，來(lái)為廣大經(jīng)銷商詳細(xì)講解數(shù)據(jù)智的價(jià)值。

 

　　慕?。浩鋵?shí)數(shù)據(jù)智能可以看成是大數(shù)據(jù)2.0時(shí)代。在1.0時(shí)代里，可以粗淺地認(rèn)為是大數(shù)據(jù)+人工智能，通過(guò)數(shù)據(jù)模型+梳理+機(jī)器學(xué)習(xí)，數(shù)據(jù)能夠可視化地展現(xiàn)出來(lái)，但是能夠讀懂其中價(jià)值的人很少，因?yàn)樽x懂這些數(shù)據(jù)需要比較專業(yè)的技能，要經(jīng)過(guò)繁瑣的數(shù)據(jù)清洗、篩選和拼接才能夠找到有價(jià)值的數(shù)據(jù)。普通人要想想看懂20到30個(gè)圖表的含義，就必須聘請(qǐng)專業(yè)的數(shù)據(jù)分析師。而且，在人力主導(dǎo)分析過(guò)程，不僅會(huì)帶來(lái)大量的人工成本，還會(huì)受到分析人員水平與能力不一的局限。所以說(shuō)，人們常說(shuō)數(shù)據(jù)就像是一座礦山，但是很少有人在礦山中找金子。

 

　　而大數(shù)據(jù)2.0時(shí)代，數(shù)據(jù)智能就是讓數(shù)據(jù)更平民化一些。讓更多的普通人不再囿于專業(yè)技能的局限，也能夠讀懂?dāng)?shù)據(jù)。而且在這個(gè)時(shí)代，給你的不僅僅數(shù)據(jù)，而是洞察，并且根據(jù)洞察你能夠迅速找出問(wèn)題出在哪里，自然地生成決策，換句話說(shuō)就是用數(shù)據(jù)驅(qū)動(dòng)決策。

 

 

　　慕?。弘S著新零售的到來(lái)，新生力量不斷地涌入，流通領(lǐng)域的競(jìng)爭(zhēng)愈發(fā)激烈，經(jīng)銷商們也知道增量越來(lái)越少，越來(lái)越難做，把握存量市場(chǎng)成為關(guān)鍵。而如何穩(wěn)固或提升自己的存量市場(chǎng)銷量，就需要你有更高的效率，能夠更快感知市場(chǎng)變化，更快速地觸達(dá)。但問(wèn)題的關(guān)鍵在于，經(jīng)銷商并不知道哪里效率低下，是人員、配送的問(wèn)題，還是選品有問(wèn)題，又或者是經(jīng)營(yíng)策略的問(wèn)題？即便是能夠看到數(shù)據(jù)報(bào)表，但因牽扯到的專業(yè)知識(shí)，經(jīng)銷商無(wú)法去比較，去深鉆，也就沒(méi)辦知道效率到底低在哪里。

 

　　這個(gè)時(shí)候數(shù)據(jù)智能的價(jià)值就體現(xiàn)了，數(shù)據(jù)智能為我們提供了行業(yè)數(shù)據(jù)以及你自身歷史數(shù)據(jù)，通過(guò)智能商業(yè)模型，在幫助我們消除不確定性的同時(shí)，逐步牽引這我們找到原因。在找到原因的基礎(chǔ)上，用數(shù)據(jù)帶給我們以洞察，并最終引領(lǐng)我們做出科學(xué)的決策。而且，隨著行業(yè)的復(fù)雜性的不斷提高，依靠數(shù)據(jù)來(lái)做決策的價(jià)值也會(huì)越來(lái)越高。

 

 

　　慕?。浩鋵?shí)新零售意味著門店會(huì)越來(lái)越貼近消費(fèi)者，越來(lái)越貼近消費(fèi)者的需求。而這對(duì)于經(jīng)銷商的精準(zhǔn)補(bǔ)貨就提出了要求。就拿補(bǔ)貨這件事來(lái)說(shuō)吧，門店當(dāng)然是需要越來(lái)越精準(zhǔn)的補(bǔ)貨，從而不占用庫(kù)存，保持比較科學(xué)的余量，所以這就需要更高頻次和更精準(zhǔn)的補(bǔ)貨。但是經(jīng)銷商有那么多SKU的產(chǎn)品，那么多門店，你沒(méi)辦法來(lái)精準(zhǔn)預(yù)測(cè)到底哪個(gè)產(chǎn)品在哪家需要補(bǔ)貨，哪個(gè)產(chǎn)品的余量在哪家店比較多，如果僅僅依靠業(yè)務(wù)員多跑門店獲知信息的話，這個(gè)就不太現(xiàn)實(shí)。這個(gè)時(shí)候數(shù)據(jù)智能就起作用了——智能補(bǔ)貨，它會(huì)依托市場(chǎng)動(dòng)態(tài)，行業(yè)數(shù)據(jù)，行為數(shù)據(jù)以及各個(gè)門店的歷史訂單數(shù)據(jù)等，洞察出門店之間品項(xiàng)、數(shù)量之間的差異，給出一個(gè)符合門店實(shí)際的補(bǔ)貨量，以保證門店不至于缺貨或者余量過(guò)多。

 

　　而在經(jīng)銷商最為在意的利潤(rùn)方面，數(shù)據(jù)智能的價(jià)值還在不斷顯現(xiàn)。比如在分析你銷量上漲或者是下跌的原因時(shí)，會(huì)具體到各個(gè)區(qū)域的銷量、各個(gè)品項(xiàng)的銷量；然后繼續(xù)拆分，在一個(gè)區(qū)域里，是商超（KA）的訂貨量下降了，還是夫妻老婆店的訂單下降了；然后繼續(xù)拆分出是哪個(gè)品項(xiàng)的下降了；然后繼續(xù)拆分是因?yàn)闃I(yè)務(wù)員的拜訪頻次不夠，補(bǔ)貨不夠還是選品上出了問(wèn)題......不斷地來(lái)拆解原因，層層剖析，讓經(jīng)銷商能夠洞察到根本的問(wèn)題，從而能夠自然地做出科學(xué)決策。

 

 

　　慕?。哼@里可以從兩個(gè)方面來(lái)談。首先是意識(shí)層面，在舟譜看來(lái)，一個(gè)優(yōu)秀的數(shù)據(jù)產(chǎn)品，帶給客戶的不只是數(shù)據(jù)，只是數(shù)據(jù)沒(méi)有任何的意義，一定是要給客戶帶來(lái)洞察，進(jìn)而給出客戶有價(jià)值的決策。這也是我們一直以來(lái)在做的事情——數(shù)據(jù)驅(qū)動(dòng)決策。其次是技術(shù)層面，在追求數(shù)據(jù)價(jià)值的道路上，舟譜一直用不斷擴(kuò)充的技術(shù)能力和行業(yè)深耕經(jīng)驗(yàn)，逐步縮短數(shù)據(jù)洞察到價(jià)值創(chuàng)造的距離，主要體現(xiàn)在三方面：

 

　　1.優(yōu)秀的數(shù)據(jù)可視化能力。在人機(jī)交互的界面上，舟譜通過(guò)高低不同的柱狀圖折線圖，豐富的數(shù)據(jù)看板等，讓用戶直接看出來(lái)數(shù)據(jù)的波動(dòng)和變化。

 

　　2.理解商業(yè)運(yùn)營(yíng)的模型。只有理解了經(jīng)銷商的商業(yè)模型，才能讓合適數(shù)據(jù)放在合適的位置呈現(xiàn)出來(lái)。比如說(shuō)，利潤(rùn)=營(yíng)收-成本，利潤(rùn)的計(jì)算會(huì)比較復(fù)雜，你的利潤(rùn)需要營(yíng)收-你的廣告投放-你的人力成本-你的損耗....，這些數(shù)據(jù)怎么關(guān)聯(lián)，一定要懂這些商業(yè)原理和真實(shí)的生產(chǎn)環(huán)境，舟譜擁有多年的行業(yè)深耕經(jīng)驗(yàn)，能夠給出合理的數(shù)據(jù)算法模型。

 

　　3.具備增強(qiáng)分析的能力。原先這些機(jī)器學(xué)習(xí)、數(shù)據(jù)準(zhǔn)備、洞察生成，都需要人來(lái)展現(xiàn)，而現(xiàn)在用機(jī)器學(xué)習(xí)和人工智能來(lái)自動(dòng)做成。但是在舟譜看來(lái)這些還不夠，舟譜在還運(yùn)用了目標(biāo)制定、異常檢測(cè)、數(shù)據(jù)地圖等技術(shù)進(jìn)一步輔助決策生成。

 

　　比如說(shuō)，你的利潤(rùn)同比下滑了10%，或者是你的利潤(rùn)同比增長(zhǎng)10%，但是你不知道這個(gè)到底是個(gè)好事還是壞事。那如果我告訴你，你的利潤(rùn)同比增長(zhǎng)10%，但你去年同期增長(zhǎng)是20%，那實(shí)際上你的利潤(rùn)是下降的。但是如果我告訴你，因?yàn)榻?jīng)濟(jì)衰退，整個(gè)行業(yè)的增長(zhǎng)只有2%，那你的10%就屬于比較強(qiáng)的增長(zhǎng)。所以，首先要有一個(gè)目標(biāo)。才能談這個(gè)數(shù)據(jù)是好是壞。

 

　　也正是基于此，舟譜運(yùn)用數(shù)據(jù)智能及時(shí)為你提供到行業(yè)數(shù)據(jù)、歷史數(shù)據(jù)多個(gè)維度的對(duì)比，來(lái)幫助用戶完成一個(gè)目標(biāo)的自動(dòng)制定；基于這樣一個(gè)目標(biāo)去找原因，通常一個(gè)商業(yè)流程很長(zhǎng)，中間會(huì)牽扯到很多的數(shù)據(jù)，但是你不知道是哪個(gè)數(shù)據(jù)在“搗亂”，這個(gè)時(shí)候就需要異常檢測(cè)，來(lái)幫你檢測(cè)到底哪個(gè)地方產(chǎn)生偏差；同時(shí)，構(gòu)建數(shù)據(jù)分層地圖，一層層導(dǎo)引出數(shù)據(jù)偏差的位置。經(jīng)過(guò)數(shù)據(jù)的分析和洞察的發(fā)現(xiàn)，通過(guò)底層數(shù)據(jù)能夠自然地產(chǎn)生決策。

 

　　一直以來(lái)，技術(shù)的發(fā)展是不可逆的，技術(shù)對(duì)于商業(yè)的影響也是任何一家企業(yè)無(wú)法回避的。因此，舟譜數(shù)據(jù)一直追求運(yùn)用更新、更智能的技術(shù)讓經(jīng)銷商掌握數(shù)據(jù)價(jià)值，幫助經(jīng)銷商在未來(lái)實(shí)現(xiàn)業(yè)績(jī)的可持續(xù)增長(zhǎng)！