大数据在传统企业管理中的运用

雷禧旻 中央民族大学 北京市 100089

0 引言

在传统企业的经营管理中，挖掘用户群的文化观念、消费收入、消费习惯、生活方式等数据，通过数据分析，可将用户群体划分为更加精细的类别。根据用户群的不同制定不同品牌推广战略和营销策略，提高用户的忠诚度、培养能为企业带来高价值的潜在客户，提升市场占有率。本文尝试通过企业日常经营过程中产生的进销存数据，结合企业自身的固有属性，对进销存数据进行全面深入地数据分析和建模，从宏观和微观出发，反馈以清晰明了的各项可视化图表，为企业提供简洁明了的自身运营情况分析服务。

1 项目分析设计方法

1.1 本研究以某母婴店为例

采用RFM模型、关联规则、桑基图刻画、聚类等数据挖掘手段，从销售、商品及品牌、会员、退货等多个角度对店铺的实际运营状态进行分析，找出经营者无法直观了解，隐藏在数据背后不易被发现的运营问题。

1.2 数据分析指标

我们的数据分析诊断报告系统按照“人货场”的分析思路，结合对业务的深度理解，将分析指标分成以下五类：

表1 数据分析指标

?

1.3 数据分析方法

本文会用到以下的数据挖掘方法：

1.3.1 RFM模型

RFM模型是衡量客户价值和客户创利能力的重要工具和手段。在众多的客户关系管理(CRM)的分析模式中，RFM模型是被广泛提到的。该模型通过一个客户的近期购买行为、购买的总体频率以及花了多少钱3项指标来描述该客户的价值状况。根据美国数据库营销研究所Arthur Hughes的研究，客户数据库中有3个神奇的要素，这3个要素构成了数据分析最好的指标：最近一次消费 (Recency)、消费频率 (Frequency)、消费金额(Monetary)。

1.3.2 关联规则

常用的关联规则挖掘算法是Apriori算法，它主要利用了向下封闭属性：如果一个项集是频繁项目集，那么它的非空子集必定是频繁项目集。即频繁集的子集也一定是频繁集。比如，如果{A,B,C}是一个3项的频繁集，则其子集{A,B},{B,C},{A,C}也一定是2项的频繁集。它先生成1-频繁项目集，再利用1-频繁项目集生成2-频繁项目集。。。然后根据2-频繁项目集生成3-频繁项目集。。。依次类推，直至生成所有的频繁项目集，然后从频繁项目集中找出符合条件的关联规则。

1.3.3 桑基图刻画

桑基图，也叫桑基能量分流图，或者桑基能量平衡图。它是一种特定类型的流程图，图中延伸的分支的宽度对应数据流量的大小，所有主支宽度的总和应与所有分出去的分支宽度的总和相等，保持能量的平衡，非常适用于用户流量等数据的可视化分析。桑基图最明显的特征就是，始末端的分支宽度总和相等，即所有主支宽度的总和应与所有分出去的分支宽度的总和相等，保持能量的平衡。

1.3.4 聚类

聚类分析又称群分析，它是研究(样品或指标)分类问题的一种统计分析方法，同时也是数据挖掘的一个重要算法。在商业上，聚类可以帮助市场分析人员从消费者数据库中区分出不同的消费群体来，并且概括出每一类消费者的消费模式或者说习惯。它作为数据挖掘中的一个模块，可以作为一个单独的工具以发现数据库中分布的一些深层的信息，并且概括出每一类的特点，或者把注意力放在某一个特定的类上以作进一步的分析；并且，聚类分析也可以作为数据挖掘算法中其他分析算法的一个预处理。

2 实际应用案例

以我们服务过的一家母婴店为例，它2017年10月开业，门店开在一家大型商场内，店铺只有一个收银系统 ，我们采集了它从开业2017年10月至2019年11月的进销存数据，用我们的分析思路和分析方法对这家店铺的销售流水数据进行了分析，从数据层面找出经营管理中存在的问题并提出一定的解决方案。

2.1 销售额的分析

母婴店的消费存在一定的季节性，消费更多集中在春节和国庆节前后。从2017年10月至2019年11月，销售额呈上升趋势，2019年同比增长达46.5%，会员数2019年比2018年同比增长了11.9%，增长了98位，相比销售额的显著增长，活跃会员数的增长相对比较缓慢。客单价和消费频次的变化如下：

图1 平均客单价和消费频次分布

通过客单价和消费频次分析发现，高端消费群体（平均客单价高于500元）占比2019年同比提升了6%，忠实客群（消费频次高于10）2019年同比增长了5%，高端消费群体和忠实客群的增长是销售额增长的主要动力。我们又对高端消费群体的消费记录进行了分析,发现消费主要来自飞鹤这一品牌，同时发现在消费频次高于10次的消费记录中，零食对客户消费频次的带动非常明显。

2.2 商品分析

因为该门店位于商场内，通过分析发现衣裤是吸引顾客进店的热门商品，可以加强管理，如加快上新速度和陈列展示等；另外该母婴店一、二、三段奶粉的销售占比高达67%，且一、二、三段奶粉加总毛利占店铺整体毛利的56%，是店铺毛利的主来来源；所以我们又对奶粉品牌做了波士顿矩阵分析，发现飞鹤奶粉显示出良好的发展前景，是店内明星类产品；而美赞臣、君乐宝、惠氏稳定的销售额是店内的金牛产品。

图2 各类别产品首次购买人数

2.3 关联分析

我们根据Apriori算法，分析发现店铺中奶粉和其他商品的销售关联性不强，该店奶粉品类占全部销售额的67%，但带动其他商品销售的效果并不明显。

表2 提取频繁项集

2.4 购买路径分析

通过桑基图刻画用户购买路径可以看出，这家门店的客户下次进店购买的商品一般会选择之前购买过的商品，即复购之前购买过的商品，商品之间的购买路径比较弱。

图4 桑基图

2.5 会员管理

这家店铺2019年相比2018年活跃客户同比增长11.9%，但值得注意的是自2019年3月起，月活跃客户数开始呈现明显下降趋势，观察店铺近两年的新客数量可以发现，店内新客整体存在一定波动，但还是呈现出逐月下降趋势，所以加强会员管理势在必行。我们首先利用聚类算法对店铺内全部1482位记名客户进行粗分聚类，可以初步画出店铺内各类别用户群体分布情况：

表3 RFM模型

随后通过用户购买生命周期等角度对所有奶粉购买用户群体的宝宝进行月龄估算，围绕平均消费金额、购买频次、最近一次购买时间等维度对其构建RFM模型，对每个客户进行画像，截取部分画像如下：

表4 客户画像

2.6 退货分析

另外通过退货品类分析，我们发现一、二段奶粉以及米粉的退货率较高，经调查产生较高退货率的主要原因，一是存在婴儿奶粉适应问题，二是店家为配合品牌方促销活动先冲量后退回。

图5 商品平均退货额占比

2.7 企业数据分析诊断报告

综合以上的分析，我们现在可以对这家母婴店做一个完整的企业画像：虽然2019年这家店铺高端消费群体（平均客单价高于500元）同比增加6%，忠实客群（消费频次高于10）同比增长5%，是2019年销售额46.5%高速增长的主要动力，但也不能掩盖这是一家以中低端消费（客单价小于300）和中低频消费（消费频次小于10次）为主的一家母婴店，而且2019年的增长的主要是来自飞鹤奶粉的一枝独秀，因此为防范风险，应培养更多的明星产品。另外这家店铺奶粉销量占比高达67%，但拉动其他产品销售效果不明显，所以加强奶粉与其它商品的一些联合促销，用奶粉来带动其它商品的销售对于销量的提升也非常关键。童装是吸引顾客进店的热门商品，在拉新上是一个很好的抓手。近期活跃会员数与新客数日益减少，同时店铺还存在大量半流失客户，除了在拉新上需要多做工作以外，对该半流失客户的唤醒召回也尤为重要。

3 结束语

目前市场上很多传统企业只有一个进销存系统，管理者判断公司经营状况的好坏只能借助于财务报表和营业额数字，对于店铺存在的销售、商品、会员、退货、库存等管理问题，有一种无从下手的感觉。虽然有的企业管理者会采购BI运营分析软件，但这些软件只能助力于日常的经营管理。如果要对企业做一个全面深入地了解，数据分析诊断报告就能发挥作用。通过对连续几年的进销存数据进行分析，能反映企业经营发展变化趋势，找出其中存在的各种问题，制定或调整相应的运营策略。