虹科案例 | 对症下药，零售行业商业智能分析解决方案！

数据源多且难以整合？

无法实时访问数据？

数据分析难、价值共享难？

零售行业·商业智能分析解决方案

虹科Domo为零售、电子商务、物联网等提供数据洞察力。

利用数字增强数字程序的应用

1. 快速迭代并指导数字化程序的应用。
2. 有效管理“最后一公里”任务并降低交付成本。
3. 优化客户体验并不断适应客户的新需求，例如线下实体店可进行在线退货。
4. 促进跨部门协作以并分析利润率的影响因素。

通过数据洞察力指导销售策略

1. 识别并跟踪关键绩效驱动因素到 SKU 级别。
2. 在促销、定价和营销方面做出数据驱动决策。
3. 提高细粒度数据的可见性并通过过滤等确定销售数据的变化趋势。
4. 跟踪和分析关键 KPI，促进收入和利润增长。

随时随地获取库存信息

1. 实时有效地跟踪从生产到仓库、从店铺和销售的库存。
2. 优化全渠道库存，防止供应不足和货物堆积。
3. 更准确地预测库存量。
4. 提高运营效率控制供应链成本。

将数据的价值扩展到供应商

1. 提高供应商数据可见性，优化库存供应。
2. 支持数据付费服务，创造新的收入来源。
3. 准确预测需求并更好地安排产品品类与数量。
4. 根据数据分析与供应商分享产品相关的见解。

优化店铺运营

1. 优化销售和货架排列。
2. 有效管理促销、补货和订单周期。
3. 利用本地实时数据提高店铺绩效。
4. 准确预测人工，改善客户体验并减少人力成本。

超市销售数据分析·虹科Domo实操案例

超市销售数据分析

该项目用到的数据集主要有3个：超市订单、超市退货和超市销售人员。

数据预处理

在Domo中，首先需要对各数据表的字段进行备注和说明，然后通过Magic ETL对相关字段进行转换，将表中不需要的字段进行删除。根据表之间的关系，在ETL中进行表连接，最终导出数据源，在该数据源上进行分析和可视化。整个数据处理的流程如下：

1.拆分字段值：在超市订单数据表中，客户ID由名字和ID构成，产品ID由类别、子类别和产品ID构成，产品名称由制造商、产品名称和产品描述构成。为方便后续操作和阅读，需要将这三列数据进行拆分并修正，删除不必要的分隔符。在“折扣”字段中，由于带有百分比符号，该字段也被自动识别为文本类型，同样需要将其转换为数值类型。

2.更改字段类型：源数据中的“销售额”字段由于带有货币符号而被设置为文本类型，这不利于我们后续的计算和可视化，因此需要通过文本格式块修正销售额的值，使其显示为数值。

3.修正利润值：同样的，源数据中的利润也带有货币符号。与销售额不同的是，利润有正负，因此不能直接用文本格式修正，需要先使用拆分块，将利润值分为正负和利润绝对值两列，再使用合并列块，将利润符号与绝对值合并，形成一个新的带正负但是不带货币符号的利润值。

4.修正表结构：完成对表的基础处理后，需要使用Alert块将不需要的列删除，重命名字段或修改字段类型。

5.表连接：通过订单ID，将处理好的超市订单表与超市退货表进行左连接。通过“地区”字段，将上述表与超市销售人员表进行左连接。

6.填充空值：并不是所有订单最终都需要退货的，因此超市订单表与退货表连接后，在“退回”字段中存在大量空值，需要使用“否”进行填充。

7.更改字段类型：三表进行连接后，会存在一些重复字段，需要对重复字段进行删除。其次，需对个别字段进行重命名和修改字段类型。

8.移除重复项：对于同一订单，若是同一产品购买多件，会将其合并计算销售额和利润。因此，对于订单ID和产品ID均一致的记录，可以认为是重复记录，将其删除只保留一条。

9.选择列并导出数据集：通过选择列模块，选择后续需要使用的字段，并通过输出数据集块，将处理后的三个表连接的数据集进行输出。后续所有操作均基于该数据集—超市订单数据。

数据可视化

超市数据总览：从上述仪表板可以看到，该超市2020年的总销售额为545.62万，利润为68.15万，总客户总数为697位，总订单数是816，其中盈利的订单有624单，未盈利的订单有192单，超市需要对这些未盈利的订单进行深入分析。

超市数据变化趋势：通过左下角的Flex表，可以看到超市各指标的月度变化趋势。其中5月份是一年中的订单最高峰，达到了173笔订单，这个月也获得了一年中最高的销售额，但是没有带来最大的利润。通过Flex表中的第三行和第四行可以看到，5月份的利润是6.8万，利润率仅为11%。与同年其它月份相比，利润率排名倒数第四，超市需要考虑订单激增是否是过度的活动或降价等外力因素带来的呢？

客户区域分布：通过右下角的客户区域分布饼图，可以看到该超市的客户群主要集中在中南、华东、东北和华北地区，西南和西北地区仅占少量。因此，超市在做推广等活动时，就可以将精力集中在上述四个主要区域做针对性营销。

超市数据-销售分析

销售趋势分析：通过超市销售趋势分析图可以清晰的看到，2020年该超市各月份销售额的变化情况，其中销售额峰值是5月份，低值是1月份。销售额月平均值是45.5万，共有7个月销售额超过平均水平。

各地区销售情况：通过各地区销售情况表可以看到，中南和华东地区的销售额位列前二，但是中南地区获得的销售利润却远大于华东地区，说明中南地区的利润率较高，需要重点关注该地区的订单。

不同类别产品销售额：在产品类别销售额中，不管是哪个类别的客户，都是家具类产品的销售额较高，可能是家具类产品本身单价较高。同时还可以看到，不同的客户群体对办公用品的技术产品的需求不一样，与技术产品相比，个体消费者在办公用品上的消费额更高，企业在技术产品上的消费额比办公用品多。

不同类型客户销售额：不论在哪个月份，个体消费者贡献的销售额都高于企业类客户。因此，在超市运营过程中，要注重以客户体验为中心，每个小小的消费者汇聚起来的力量是巨大的。

超市数据利润分析

各地区利润分析

1. 地区利润贡献额：通过左上角的帕累托图可以看到，中南和华东地区贡献的利润最多，两个地区贡献的利润总额占比超过了60%。
2. 地区下钻：在此图表上进行下钻，可以看到中南地区中，广东地区贡献的利润额最高。值得注意的是，湖北地区无论是售卖哪类产品，其利润都是负的。因此，超市在后期做战略决策时，应该减少该地区的成本投入，尽可能在湖北地区找到新的销售点。
3. 城市下钻：基于地区下钻，再次下钻到湖北的城市级别，发现办公类产品，在武汉、恩施、黄州等5个地区是有盈利的，但是除武汉外，其它地区利润较低。因此，对于湖北地区，可以着重在武汉售卖办公产品。

产品类别的利润率分析

1. 产品利润率分析：在办公用品类别中，利润率排名前三的产品分别是收纳架、信封和纸张，分别为28%、25%和23%；对于技术类产品，利润率分布较集中，设备的利润率最高，为15%；在家具类产品中，用具的利润率最高。此外，还需注意，办公用品中的美术类产品和家具类产品的桌子，这两个子类别的利润率为负数，说明这些产品是亏损的，需要好好调研这两类产品，适时的做一些取舍。
2. 产品子类别下钻：在此基础上下钻到产品子类别，可以看到美术类产品中，记号笔、画布、铅笔刀的利润率位列前三，通过数据标签可以知道这三类产品利润率是正的，而速写本、荧光笔和钢笔则是负的，这三个子类别产品正是导致美术类产品总体利润率为负的主要原因。因此，对于超市而言，需要拓展这三个产品的替代品去提高美术类产品的盈利。对于桌子类产品，下钻后发现，不论是什么类型的桌子，其利润率都为负。因此，超市需要仔细调研该产品是哪个环节导致的亏损，可能是高昂的运费、人工安装成本、材料损耗等等。

子类别产品的利润贡献率分析

对于产品子类别利润贡献率，图中不同的条形代表了不同的地区。绝大多数地区和产品子类别中，利润均为正数。但需要注意的是，西北地区销售的电话、西南地区销售的复印机、以及东北地区销售的器具都是亏本的。从美术类产品来看，虽然其总体利润为负，但在华北地区是盈利的。而桌子类产品，无论在哪个地区，都是亏损的。在此基础上再次下钻到具体产品，发现在西北地区销售的电话类产品中，耳机是盈利的。在西南地区销售的复印机类产品中，个人复印机是盈利的。在东北地区销售的器具类产品中，搅拌机、Beach和咖啡研磨机这三个产品是盈利的。

客户产品利润贡献率分析

对于大型企业和个体消费者，利润贡献最多的产品类别是书架，其次是收纳架，然后是电话。而对于中小型企业来说，椅子贡献的利润是最多的，达到了3W+元。

超市数据-客户分析

1. 各地区客户数据概览：首先是对各地区客户情况的概览，无论是客户数、购买的产品数量、贡献的利润以及销售额，基本都是华东和中南地区位列前二。不过对于平均每名客户贡献的销售额，华北地区则超过了中南，排名第二，华东地区位列第一。
2. 客户利润贡献率：在客户利润贡献率的图表中，我们可以快速识别出大客户，他们购买的产品数据多，贡献利润也高。徐禅、秦淑芳和朱丽丽，这三名客户是本年度贡献利润最多的前三名，均超过了一万元。超市可以与这些客户建立良好的关系，例如VIP折扣、产品赠送、生日礼券等。
3. 客户交易量排名和客户交易次数：在客户交易量排行和客户交易次数统计图表中，统计了客户的总交易额和交易次数。通过这两个表，可以快速识别出回头客。其中交易额最高的前三名分别是徐禅、武明媚和秦淑芳。徐禅购买椅子、电话和器具这三类产品的交易额在其购买的所有产品中排名前三。另外，在客户交易次数统计方面，前三名分别是黄磊、邓惠和唐忠，2020年累计交易次数分别达到了42次、38次和36次。

超市数据-配送分析

1. 全部订单的整体配送情况：通过左上角的三个饼图可以知道2020年全部订单的整体配送情况，平均发货周期是4天，45.3%的订单能够提前发货，28%的订单发货延迟。因此，超市需要重点提高其订单的发货速度。在邮寄方式统计上，超过一半的订单是标准级，即在6天内发货。在订单退货统计方面，2020年共有95笔订单退货，占比11.64%，超市需要对这些订单进行调研，了解客户退货的原因并改进相应的服务。
2. 各地区商品发货周期统计：右上角各地区商品发货周期统计图表中，可以发现不同产品在不同地区的发货周期是不同的。例如，复印机在华北地区平均需要4.72天才发货，但是在中南地区仅需3.6天。超市可以仔细对比两个地区发货流程有什么区别，进而优化发货流程，提高发货速度。
3. 地区发货情况统计：在地区发货情况统计中，可以清楚看到各地区的发货情况。在2020年延迟发货的865笔订单中，有236笔是华东地区的，227笔是中南地区的。
4. 产品发货情况分析：在产品发货情况分析中，可以看到延迟发货的订单中，办公用品的占比是最高的，其次是家具。在办公用品中，装订机是导致订单延迟发货的“最大元凶”。而在家具类别的延迟发货订单中，椅子的占比最高。

5.延迟发货订单统计日历：上图是延迟发货订单的统计日历，颜色越深代表当天延迟发货订单越多，从该日历可以一眼看到需要处理的订单ID，进而及时跟进处理订单。通过这个日历也可以发现，每月下旬比较容易造成订单堆积，所以超市可以在该时间段增派人手，提高订单的处理速度，提升客户的体验感。

零售行业·客户应用案例

在线零售商通过Domo整合数据源

【One Click Ventures在管理数据方面面临的挑战】

1. 重要数据分散在多个第三方工具中;
2. 决策者无法看到全局情况；
3. 业务分析师忙于编制报告，难以提供有价值的数据分析。

【使用Domo后】

1. 实现即时访问：可在任何地方访问Domo，访问数据；
2. 完成数据整合：直接通过Domo完成数据诊断，无需其他第三方工具；
3. 精简数据：从不同渠道获取不同数据集创建一个数据源；
4. 执行可见性：通过Domo了解团队工作进展；
5. 提高效率：实时跟踪客户情况，从半天时间缩短到几分钟。

阅读案例详情：​​https://hongcloudtech.com/domo-online-retail/​​

时尚精品连锁店使用Domo后提高销售额增长15%

【Bohme在数据方面面临的挑战】

1. 数据分散：有多个数据源，难以进行整合；
2. 数据访问慢。

【使用Domo后】

1. 更好的决策：在 Domo中拥有实时数据，让“快时尚”的设计、制造、采购、销售等决策过程更清晰、更简单；
2. 数据整合：Domo将财务、销售、库存、采购等方面的数据进行整合，CEO及管理层可随时-随地查看，无需等待；
3. 移动访问：可在手机端跟踪最新的指标情况并进行监督改进；
4. 提高员工责任感：Domo让数据更透明，提升员工的责任感并对数据负责。

阅读案例详情：​​https://hongcloudtech.com/domo-fashion-product/​​

零售商通过Domo促进内部沟通

【Express Locations在数据管理方面面临的挑战】

1. 内部员工沟通有限；
2. 内部工作流程效率低下。

【使用Domo后】

1. 个性化访问：无论是iPhone、Android、移动网络、平板电脑还是台式电脑，每个人都可以-通过不同方式访问Domo；
2. 实时通讯：Domo的Buzz聊天工具提高了销售人员的工作效率；
3. 细粒度的见解：在几秒内发送Domo卡片分享销售业绩情况；
4. 业务驱动的协作：通过Buzz提高团队凝聚力，聚焦核心业务，相互协助；
5. 跨区域沟通：通过Buzz可以在商店、地区或部门层面保持联系。

阅读案例详情：​​https://hongcloudtech.com/domo-retail/​​

虹科Domo商业智能分析解决方案

帮助企业实现业务翻倍增长

挑战：为了将销售范围从电子商务扩展到实体零售商，Blueair需要一个数据平台来帮助公司扩大规模。

解决方案：Blueair使用Domo跟踪其销售渠道的业绩、库存、促销活动等。

影响：借助Domo，Blueair现在可以全面了解其产品在商店中经营情况。在2500多个地点扩展了5000+的实体分销点，对比过去两年其业务增长了6倍。

帮助企业唤醒数据价值

挑战：Forty Winks零售商在数据收集方面步履维艰。 

解决方案：借助Domo，Forty Winks现在可以自动从商店收集数据，并能够通过仪表板和报告共享业务见解。 

影响：Domo帮助Forty Winks 利用数据制定商业计划，以提高营业额和利润率。

帮助企业精准定位客户

挑战：Intermix精品零售商正在努力将其网站、店铺和营销数据整合在一起，却造成了脱节的客户体验。

解决方案：Domo将Intermix的客户数据集中在一个仪表板中，Intermix现在可以精确定位每个客户。

影响：利用其洞察力，其设计师可以客户数据进行时尚洞察，而营销人员可以通过客户画像降低营销成本。

想要了解更多【零售行业商业智能分析解决方案】，欢迎评论区进行讨论或者联系我们！