同样希望认识更多的业内朋友交流，可以加我QQ：15124676   Email：findreal2004@163.com

其实联商博客里面某咨询公司老大的一片文章可以和楼主相呼应：

-----------------------------

国内零售百货业的ERP怎么了？

2010-5-31 17:11:00
------谁可以实现零售企业信息化从业务层到决策层的最后一公里?

作为国内零售业的百货公司，如果在高度信息化的今天，你还完全依赖于ERP［Enterprise Resource Planning 企业资源计划系统］，那我们不得不说，你已经OUT了！

回顾众多国内百货企业的信息化历程，在ERP建设时都没少吃苦头，可以说都是买进来容易用起来难，林林总总的报表、密密麻麻的数字，使使用者陷入极度困惑……从而导致企业对目前ERP应用的满意程度普遍不高。在市场研究公司针对ERP系统应用的专项客户满意度调查中，获得的结果是令人惊愕的。其中，不满意的比例竟然占到72%，很不满意的占15%......

更令人费解的是，纵观这些ERP品牌，虽然有一些是小厂商的产品，但其中也确实不乏一些很有实力厂商开发的产品，并已具有一定的业内知名度。那么，我们不得不问：

国内零售业百货的ERP，你们究竟怎么了？

当业内众多零售企业和百货公司纷纷大力声讨这些ERP产品和厂商的进候，我很想站出来为这些产品和厂商正正名。当然，我们确实无法否认的是，目前国内零售百货业ERP产品领域出现了一个怪圈，为提升其产品的所谓附加价值，进而为了与同类产品进行更有力的竞争，众厂商都在不遗余力、尽其所能地全力扩展着其产品的应用范畴与展现能力，而这正是让使用者困惑的症结所在，是那些永远看不懂、看不完也不愿意看的制式报表产生的原因所在。但鉴于此，我不得不说，这虽然是有利益驱使使然，但不能忽视的是，导致这一误区的最关键因素来源于百货业用户的需求误导，用户本着科学管理的目标向这些ERP产品要方法、要效益，而孰不知，真正能为百货企业解决这些管理过程中遭遇的问题与瓶颈的，并不是这些ERP产品，而是凌驾于ERP这一基本业务管理信息平台之上的数据分析系统，那就是作为新一代管理工具已在其他行业被广泛认知、而在国内零售百货业尚属萌芽期的BI------商务智能。

下面我将从ERP产品在零售百货企业管理中所能够实现的应用角度，为大家具体阐述一下BI是什么？BI与ERP有什么不同？BI能为企业带来什么？

ERP目前在国内零售百货业已是耳闻能详，众所周知，它是将企业所有资源进行整合集成管理，简单的说是将企业的三大流：物流、资金流和信息流进行全面一体化管理的管理信息系统。让我们以下面几个典型的零售百货业ERP系统功能模块为例：

1． 销售分析：

销售是零售企业价值得以实现的过程，企业销售管理中的各类问题都可以通过剖析销售数据得以展现。基于ERP系统的销售分析主要是通过查询分析功能来实现一个由条件推导结果的过程，基于BI分析系统的销售分析则是从结果着手，通过层层剖析，探询并暴露问题的过程。

基于BI分析系统的销售分析，其分析的主要指标有销售额、销售量、毛利率、毛利额、坪效、同比分析、环比分析、贡献度、客单价、客单数、客品数等；分析的主要维度有零售业态、零售渠道、组织结构、类别划分、品牌结构、供应商结构、人员结构、日期时间等；分析的数据源主要来自POS、MIS、CALL-CENTER、WEB等各子系统。

另外，基于BI分析系统的销售分析，还可以包括如下：

某段时间内的产品销售流向情况分析
某产品在某段时间内的可答合同情况分析
同一种产品如何根据不同情况制定不同的价格策略
产品退货情况分析，何种退货最多？
产品销售收入及获利情况分析，何种产品在给定的分析条件下的销售量最大？
哪种产品被哪个客户订购多少？
哪种产品哪类客户购买的最多？
销售员销售绩效分析，销售员收回款分析
仓库某一批产品销售给哪些客户？
多角度分析销售成绩
基于BI分析系统的销售分析主要是根据企业需要解决的问题，帮助企业建立相应的销售分析主题和销售分析指标，从业务系统的基础数据库中抽取需要的数据，按预先建立的业务模型进行销售分析决策，分析结果显示直观、形象。决策者只需要简单地点取操作，便可以从BI分析系统强大的销售分析工具中获得所需的决策信息。

2、商品分析

　　商品是零售企业最重要的管理对象，是实现经营理想的载体，对商品的评价和分析必须基于对目标消费群的认识和了解，这也是利用BI分析系统对商品的分析不同于ERP系统对商品分析的地方，BI分析系统的数据来源不仅限于ERP这一业务系统，其还可以从CRM等系统中抽取相关数据，因此数据既有来自于企业内部的，又有来自市场、竞争者及行业分析和研究的，通过对比分析，不仅能了解企业经营的实际指标，还能帮助管理者观察与其它企业存在的差距。

　　基于BI分析系统的商品分析主要包含定性与定量两方面：定性分析主要考查商品的成长性、商品的价格竞争力、商品的市场占有率、商品的质量与价值、顾客投诉率、物流与促销支持度等内容。定量分析主要是考查商品的类别结构、价格带分布、品牌结构、毛利结构、周转率等，结合对商品的销售额、销售量、贡献度、点击率、流动性等指标的分析，从而调整和优化商品的深度与宽度，准确、科学地定义商品的重要程度，基于消费者的体验和企业运营目标，不断优化各品类商品的组成及其价格带分布。

通过这一综合分析，实现动态地评价商品的流动性和盈利能力，从而科学制定品牌与商品的导入及替换计划，指导经营者有区别地对待商品，有目的地策划营销活动。

3、　　供应商分析

　　当前，零售企业之间的竞争已经不再是企业和企业之间的竞争，而是企业联盟与企业联盟之间的竞争，供应商是企业联盟中的重要组成部分，面对最终消费者，双方有共同的利益诉求，因此，零售商、供应商之间应当建立竞争和合作的良性关系。

基于BI分析系统的供应商分析主要指标包含订货量、进货量、库存、退换量、销售额、毛利率、周转率、送货及时率、贡献度等，通过这些指标的综合分析，对供应商进行更精确的识别和分类。

4、　　顾客分析

　　基于BI分析系统的顾客分析主要包含顾客结构、客单价、客流量、客品数、顾客购物频度，在此基础上，还可结合时间、金额等不同维度，构建顾客危险度分析、顾客忠诚度分析、顾客四象限分析等模型。

　　危险度分析模型：应用于重点顾客的分析，主要参数有考察期间、平均购物金额、购物次数、毛利贡献度、最后消费日等，据此分析顾客流失趋势，开展挽留高端客户行动。

　　顾客忠诚度分析：主要参数有考察期间、顾客类型、集中购物品类、购物次数分布、累计购物金额、平均购物金额等。

　　顾客四象限分析模型主要考察购物次数及购物金额，据此，把所有顾客分成知已型（购物次数、购物金额都达标）、蝴蝶型（购物次数不达标、购物金额达标）、藤葫型（购物次数达标、购物金额不达标）、过客型（两者都不达标），通过商品品类、品牌、价格的配置，引导顾客的消费心理，协调顾客消费行为，为实现企业经营目标运筹帷幄。

5、财务分析：

基于BI分析系统的财务分析满足企业领导对各业务部门费用支出情况查询的要求，并实现了对应收款、应付款的决策分析。企业决策层通过使用这一功能，进一步提高从现金流量、资产负债、资金回收率等角度决策企业运营的科学化水平。可具体包括如下功能：

各部门费用支出情况分析，辅助决策进一步的预算
多角度，多层次，多条件立体帐务查询
跨科目级别明细帐务查询
财务历史数据查询
客户欠款时间及细节查询
 欠款的时间段分析
客户购货金额及付款情况查询
客户现金折扣分析
多条件，多角度查询收款及欠款情况
客户信用等级分析
 企业对供应商欠款时间及细节查询
企业对供应商欠款的时间段分析
从各供应商采购情况分析
多条件，多角度查询付款及欠款情况

6．人力资源分析：

国内ERP系统受大环境的影响，人力资源模块加入到ERP系统较之其它三个功能模块最晚，大多现行的ERP系统人力资源模块是由于便于与企业外部交往的记录而存在的，真正能实现企业内部人力资源管理与系统的集成的很少。而基于BI分析系统的人力资源分析，是在企业详实的人力资源数据基础之上，完成决策者多视角的人力资源统计分析，并通过对现有的人力资源的使用状况，能预测劳动满员和紧缺，分析超时和工作量，鉴别无效的工作和优秀的的雇员，计算出某段时间内劳动的收益率等，使劳动资源得到最大的利用。具体功能包括：

 按部门，职称，专业，学历，性别等的员工统计和查询
从职称，学历，工作量等方面进行人才能力综合评介
多角度员工工资查询，按不同视角进行员工工资统计分析
 实际完成工作量和工时对比分析
人力工作量负荷分析
分析各类员工所获奖利、惩罚等个人特性与共性之间的关系。
 

综上所述，零售百货业要想真正提升自身的管理水平，必须采用先进的BI分析系统对其经营和管理中产生的数据进行有效管理与分析，它能带给用户的将是真正的效益！而这种效能，是任何价位、任何品牌的ERP产品都无法提供和涵盖的。作为基本业务系统的ERP产品和凌驾于基础业务管理之上的BI分析系统，在纷繁的零售百货企业的经营过程中各自扮演着不同的角色。而对于那些真正想要突破目前所面临的管理瓶颈的零售企业来讲，可能是时候该用心研究一下强大的BI分析系统了……

是的，数据挖掘是属于BI实现的基础

谢谢楼上的，可否把此博客的链接发过来

前文提要

   现今已经在国内有些进取心强的企业发生着未雨绸缪的变化，他们的特点是以顾客为主导意识的服务式模式，其特点就是关注顾客的消费习惯的研究同时优化其服务细节，利用会员机制对客户进行不同的分类，增加顾客的粘性，利用B2C电子商务平台增加产品品类和积分兑换等等。在他们看来，经营顾客比经营商品更重要。

由于我国计划经济的深远影响和市场经济的快速发展，目前传统百货零售业所有的问题集中在一个根本矛盾点上，即急剧变化和竞争激烈的市场经济与滞后的经营管理观念和模式的矛盾。计划经济时期，物资匮乏，人们购买商品选择的余地不大，商家们以经营商品为主，商家们争夺的是好的品牌是好的经营位置；在向市场经济过渡的当今，物资供应丰富，供大于求，人们购买商品的选择变多，而商家们依然提供的还是商品，并没有转向争夺顾客，经营顾客。就算有些公司虽然上市，虽然每年有几亿，十几亿和几十亿的营收，也难以说明其对市场发展趋势的真正理解，就更不要说诸多二、三线城市的业内人士的固有观念，他们苦于价格战，不能自拔，最后伤了顾客，更伤了自己。正是因为这种以商品为核心竞争力的传统观念已经不符合市场发展的需要，传统的经营观念和模式让他们裹足不前，难以以充分的信心面对未来市场。当然，这种缺乏的信心可能也来自于对新的理念、模式、实施方法和技术的不熟悉，甚至一些相关失败的探索经历。

另一方面，金融危机以来，国家商务部已经开始鼓励传统零售企业进行经营模式的创新，并且也投入巨资向一些品牌效益好，规模大的一些百货公司，特别是向以王府井为代表的三大百货公司100亿启动资金，以期获得新的发展思路和商业模式。其实，按照市场客观的发展规律，现在是时候提出逐步抛弃以商品和地租为主，服务为次的核心竞争力的战略思想，进而转向以服务为主，商品和地租为次的核心竞争力的战略思路。这种转变是需要渐进的过程，不能一蹴而就。那么，能够来交流，来看这篇系列文章的朋友，一定是想了解如何转变的问题，而不是该不该转变的问题。

我们的企业在根据自身情况进行转型时，会采取很多的方法、模式和实施策略的尝试和创新。下面我们围绕这个主题，提出一个战略思维，一种技术，一套解决方案，一系列实施经验，仅供参考，旨在和大家切磋交流，欢迎大家拍砖指导。

主动防御战略，前文已提过，不再累述。

让我们详细了解数据挖掘技术。我们很多企业朋友都很熟悉数据分析这个词，很多ERP也具备有数据分析的功能。在我们数据挖掘领域也有被简称为数据分析，但为了便于理解，我们分为数据挖掘和数据分析，他们区别在哪里？

数据分析主要是查询已在的数据，用汇总、简单的算法和简单的预测方法，完成对宏观的销售经营数据进行分析或预测，通过软件的集成方法，实现固定静态的公式化后产生结果，它的最终形态大多就是一个软件。所以数据分析的算法和工具是固定静态的。比较符合规模较小，内部管理倾向保守的企业，也比较符合传统并不激烈的商业环境。

而数据挖掘则主要挖掘未知的、潜在的信息，其主要特点是对商业数据库中的大量业务数据进行挖掘，是由诸多拥有数据分析的软件为基础（CMS管理系统），以极具个性化的算法和工具为过程，将计算机技术分析和人工选择相结合，生成的动态的模型，其最终的形态是一套一套的解决方案，符合规模较大，内部管理倾向开明的企业，也比较符合未来激烈的商业环境。

也有很多朋友熟悉商业智能，数据挖掘和数据分析都属于商业智能，如果将商业智能中的运用层次、重要程度、影响深度、对企业效益的影响分出级别，那么数据挖掘处于高端。而数据分析则是处于低端。根据我们对目前的市场经验，判断其是否是数据挖掘，有以下一些判断标准，

1、数据挖掘并非纯软件式的，软件只是构建数据挖掘的环境之一。他提供的服务是否是一套一套的解决方案，其中有软件也有专业数据数学专家的人工分析，并不仅仅是一个冰冷的软件。

试想，一个软件能解决企业多少问题呢？一个软件能使用多久？特别是现在变化复杂的商业环境里，当然你可以说软件升级，但你真正做到符合企业变化的升级，无疑是重新再买一套软件，其服务生命期是有限的，且升级成本高昂。

2、数据挖掘中建立的模型是否是根据企业实际情况提出命题，并生成最终的只适用于这个企业的解决方案。即数据挖掘是个性化的不是大众化的。

3、数据挖掘是动态的，并非固定不变的。根据企业和商业环境的变化而变化，是一个持续渐进的过程。

因此，数据挖掘是数学专家小组根据每个行业、企业及其产品或商品的特点建立的复杂的商业模型，是商业智能的高端运用，它把数据的应用从低层次的简单查询，提升到从数据中挖掘知识，提供决策支持。在商业领域，就是一种新的商业信息处理技术，其主要特点是对商业数据库中的大量业务数据进行抽取、转换、分析和模型化处理，从中提取辅助商业决策的关键性数据，并根据这些数据指导相应的商业实施和经营管理，它最终提供的是一套套的运营解决方案，并不是一个软件，而诸多的软件只是数据挖掘的环境之一而已。

数据挖掘的典型案例：

1、  中国移动的话费套餐的制定，基于的就是数据挖掘技术

2、  交行的信用卡的等级评分机制的制定，基于的也是数据挖掘技术

3、  生物制药行业中的方剂配伍规律研究和制定，基于的也是数据挖掘技术

4、  沃尔玛的啤酒和尿布的故事，基于的还是数据挖掘技术

5、  Tesco的会员营销，基于的仍是数据挖掘技术

那么，数据挖掘是怎么挖掘的？能解决哪些问题呢？它在百货零售企业具体运用在哪里呢？它对我们的企业有哪些实际意义呢？且听下回分解。

就像超市业态，有人提出：颠覆品类管理。其实是一个道理，转向顾客为中心是有道理的。有了MIS-POS，SCM和财务，谁的CRM好用，可能就会占有先机！

问题是，哪家可以提供好用的CRM和BI？

可以考虑下我们，若有兴趣可加我QQ,15124676

EMAIL（MSN）：findreal2004@163.com

其实，市面上有很多CRM，但大多只是一个软件而已，并没有为数据挖掘提供数据基础，更不用谈它能为营销做什么。

因为我们首先定位的是观念，在你正确的观念引导下为你提供技术，在实现技术的过程中需要一些工具和平台。所以，这些工具和平台的目的是为了实现技术，并不是为了做CRM而做CRM。技术实现了，经过对团队资源的整合，才能达到目标。

前文提要

数据挖掘是数学专家小组根据每个行业、企业及其产品或商品的特点建立的复杂的商业模型，是商业智能的高端运用，它把数据的应用从低层次的简单查询，提升到从数据中挖掘知识，提供决策支持。在商业领域，就是一种新的商业信息处理技术，它最终提供的是一套套的运营解决方案，并不是一个软件，而诸多的软件只是数据挖掘的环境之一而已。

首先，我们要了解数据是什么？做数据挖掘需要哪些数据？

众所周知，在商业领域，数据就是包含着商业信息的一段段的字符。而我们现在所说的数据挖掘的对象就是这些商业数据，当然由于商业目的不同，目前，我们对数据挖掘提供的数据有明确的界定，就是会员卡信息数据、销售记录数据和场内品牌信息数据。

那么，数据挖掘是怎么对数据进行挖掘的呢？大致的流程如下：

1、初步判断和检测现有数据阶段。经过对现有销售数据信息的完整度，细致度，体量和基本规律进行初步的判断和检测，确定挖掘对象，是否适合做数据分析

2、对现有不同系统中的数据通过进行汇集，打通和输入，进行数据准备。

3、利用各种技术性工具，展开数据处理，包括选择，预处理，转换模型，此时的模型为商业假设模型。

4、对处理出来假设模型进行验证，得出正式模型。

5、将模型和企业的销售业务模块进行对接，推出营销方案，经过讨论后执行,通过内部培训，运用到业务信息系统中进行实施。

    大家有可能要问，数据挖掘出来有什么用，解决什么问题呢？我们把这些解决的问题分成两大类，直接问题和间接问题：

一、直接问题包括：

1、分类问题，根据事先定义好的类别，对数据进行分类。例如：某银行根据用户信用记录，对信用卡、贷款等用户数据进行挖掘，区分出信用风险分别为高、中、低的三类人群。

类似给你一个客户的相关信息，预测一下他未来一段时间是否会不再消费？信用度是好/一般/差？是否会使用你的某个商品？将来会成为你的高/中/低价值的客户？是否会响应你的某个促销活动？等等

2、估值问题，把分类的结果用连续数值的方式表示。例如：某银行根据用户信用记录，对信用卡、贷款等用户数据进行挖掘，给每个用户进行信用评分（0-1之间）。0.7以上的为高风险，0.3以下的为低风险。

3、预测问题，用分类或者估值的结果，估计将来会发生的情况。

例如：某银行根据用户信用卡消费记录，对用户信用卡消费记录进行挖掘，预测用户下一年的信用卡消费估值，并提供更好的个性化服务。

二、间接问题包括：

1、关联问题，判断两件事情同时或者顺序发生的可能性。

例如：京东上，客户买完刻录光盘后，往往会购买光盘套。

中国鲜花网上，买鲜花的客户往往可能会买花瓶。

2、聚类问题，在没有预先定义类别的情况下，根据数据的自有特征进行分类。

例如：购买不同类别玩具的用户，聚类成为不同“亚文化商品”消费的人群

以上五大问题，其实表明了首先有正确的方法，其次才是正确的算法，最后才能得出正确的结论，形成合理的个性化商业模型。由于当前的市场情况复杂，变化多端，因此在商业领域得数据挖掘往往是多种不同方法的算法在不同层次的组合。试举一例，如果一个商城或百货公司要针对老客户进行促销，首先要通过聚类区分客户群，其次才是对应不同的客户群采取不同的预测促销策略。这就是聚类和分类的综合应用。

数据挖掘具体到百货零售企业目前则有两大更具体的运用，一个是精确营销，包括会员营销、偶发顾客营销和促销营销；另一个则是内部管理系统优化，包括招商品牌管理、场内品牌管理、库存管理、商品上架下架管理和其他。我们先看看数据挖掘对精确营销的具体体现是什么？

在此之前，让我们了解一下精确营销是什么含义，其实大家可以看以下三个特点就明白了。

1、真正以客户为向导，通过分析每个客户的消费行为和偏好，具体解决有哪些精确的客户群问题和怎么向这些客户群进行营销的问题

2、是基于数据挖掘的量化过程，以事实为依据，实现对客户的精准定位和对不同客户不同业务内容的精准推荐

3、其推广营销群体是有针对性的一部分的目标用户，提供个性化的服务。同时，有效增大广告营销投资收益比。

由此可见，其实精确营销两个词就可囊括其义，即精准、深度。

到此，大家可能会对数据挖掘，有了初步的认识和了解。那么，接下来，可能会问，数据挖掘在百货零售企业中怎么做精确营销的呢？表现在哪些方面？且听下回分解……

前文提要

     数据挖掘和一般的商业分析的一大特点是：首先有正确的方法，其次才是正确的算法，最后才能得出正确的结论，形成合理的个性化商业模型，它更具体的运用，一个是精确营销，包括会员营销、偶发顾客营销和促销营销；另一个则是内部管理系统优化，包括招商品牌管理、场内品牌管理、库存管理、商品上架下架管理和其他。

       我们先来看看数据挖掘对百货零售企业的精确营销是怎么体现的。

      会员卡和销售记录是数据获得的两大重要渠道,也是精确营销的基础，我们可以在自己的B2C电子商务网站上，也可以在实体卖场中获得。会员卡记录着会员的基本信息；而消费记录是具体数据的载体，两者缺一不可。

       无论是百货还是超市，还是百货+超市，无论是不是招商机制为主的引进品牌的商业模式，他们只要有会员制，就会有切入点，那就是会员制营销。当前，区域性零售市场发展很快，在很多城市的中心成熟区，而在二三线城市，这种中心成熟区则是全城商战的主战场，竞争日趋激烈，那么，占领和巩固市场，主要就要靠自己的高质量顾客。  

    简单的说，我们将两大重要渠道中获得这些数据进行汇总，匹配，预处理，分析，测试，建模等过程，将提供给企业一整套的营销解决方案，类似移动公司的话费套餐，就是要告诉作为企业经营管理层，哪个客户该要做回访了，要不然会流失；哪个（类）客户应该提供什么样的促销套餐会有很大的吸引力；哪两类或三类的商品捆绑起来销售会达到很好的效果等等一些具体的营销咨询建议，当然还有另一部分，就是优化内部管理建议，这个我们在下一章可以详细说明。

      还有一个更重要的目的，由于现实情况是很多企业没有真正重视会员机制的功效，一味的打折促销或积分制，那么，个性化的服务就无从谈起，我们在盲目的投放传统媒体广告时，应该认真思考过这个问题。因此，以会员为导向和核心的精确营销，可以以数据挖掘为一个契机，真正将会员体系完善起来，体现企业对顾客已经不光是口号和环境的硬成本投入，而将服务做到实处，为你的高质量顾客提供更贴心，更个性化的服务。

       那么，我们现在知道了精确营销其实就是通过会员卡和自己的B2C电子商务网站的会员（可以将这两个平台的会员数据打通）提供基本信息和消费记录，对其进行类别分析预测、折扣利润分析、交叉销售分析、消费行为习惯分析、消费异常行为防范、会员流失预警分析等几个方面。

      1、顾客类别分析，通过基本信息和销售记录，了解顾客购买的能力，频度，数量，购买周期等，找出不同种类顾客的特征，预测顾客的购买趋势

      2、消费行为习惯分析，将顾客消费行为划分为不同的聚集，在同一聚集内部的顾客有相同的消费行为，不同聚集的消费行为差异明显，可对不同聚集的顾客采取不同的市场营销策略。 

      3、折扣利润分析，分析顾客消费的折扣和利润分布情况，即愿意接收的价格水平和支付能力等数据，通过这些历史汇总数据，可以预测其能接受的折扣和产生的利润。

      4、最绝的是交叉销售分析预测，通过分析顾客的消费记录，得出其在消费时的不同品类，将一次的消费行为建立为暂时性的关联，当这种行为经常出现，则说明顾客具有这样的消费习惯，形成固定性的关联，可以将这些关联性的商品打包销售的分析过程。即如果一个顾客在一个商店购买一套时装，那么在同一个商店再买一双鞋，就可以得到比较大的折扣，这样，商家可以把不同的这样不同的组合做成类似套餐，制定不同的套餐优惠券的形式来销售，这样可以有效增加商家的销售量。

      5、消费异常行为防范，对有异常情况的顾客提高关注或警觉。

      6、会员流失预警分析，对有可能流失的会员进行提醒，帮助商家抓住顾客。

      从以上几点，大家可以清晰看出精确营销和一般营销分析的重大区别。即精确营销重视包括企业前后端的所有精细的数据信息，并将其挖掘出来为企业实际的具体的和精准深度的经营管理服务。

      当然，数据挖掘不光就这一点能耐，数据挖掘还可以帮助企业优化内部的管理环境，他主要是从招商品牌管理、场内品牌管理、库存管理、商品上架下架管理和其他等几个方面体现的，哪具体又是怎么做的呢？且听下回分解……

多谢楼上的关注，我也会加你的。

消费周期和会员区域分析，都是说到点子上。但是现在很多数据的分析也是在这里显示出缺陷，因为他们太宏观了，你把握不到实质的东西，也就是说你无法对每一个顾客或者每一类顾客做精准深度的营销。那么，如果做不到这一点，你前面的所有周期啊，区域会员分析啊，都不能转化为实实在在的销售策略。。。这就是目前会员营销的一大不成熟的地方。

对于市场的定位，一般都是先入为主的，以自己的行业经验和资源来判断，但是如果是在一个地区已经有几年，十几年，几十年的企业来说，他更需要知道自己的高质量用户在哪里，怎么抓住和巩固他们，不至于被竞争对手拉跑，而目前的主流营销手段已经不适合激烈变化而竞争压力大的市场，特别是二三线城市的企业已经陷入重围。因此，还会有这篇系列文章给与详细阐述。

很多人认为一套ERP软件能规范流程，但是否能帮企业做好运营和管理，不得而知，如果一套软件就能解决企业所有的商业问题，花点钱买套软件，哪岂不是很简单？数据挖掘不是卖你一套软件就完事了，如果那样，根本就不叫数据挖掘，现在很多国内所谓的数据挖掘公司就干这个事情，挂着数据挖掘的头衔，做着一般软件就能达到的数据分析的事情，这点是需要澄清的。

重申一点，数据挖掘的本质并不是一个软件能解决的，他是一个商业实体持续稳定运营的解决方案和宝典，所有的软件和挖掘工具，技术团队和运营团队，以及百货业主（甲方）的营销和内部管理，都是实现数据挖掘不可缺少的。

第五章 内部管理优化怎么体现？

前文提要
    数据挖掘在零售企业的一大运用是精确营销，他的具体体现就是通过会员卡和自己的B2C电子商务网站的会员（可以将这两个平台的会员数据打通）提供基本信息和消费记录，对其进行类别分析预测、折扣利润分析、交叉销售分析、消费行为习惯分析、消费异常行为防范、会员流失预警分析等。

    实际上，数据挖掘的本质就是工具，或者说一个商业实体持续稳定运营的解决方案和宝典，所有的软件和挖掘工具，技术团队和运营团队，以及百货业主（甲方）的营销和内部管理，都是实现数据挖掘不可缺少的。 
    对于数据挖掘的第二大运用内部管理优化，包括招商品牌管理和场内品牌管理，库存管理和商品上架下架管理来说，百货业主（甲方）的主流大多的做法是依靠的是宏观的数据分析，以及依靠的是经验判断及其自身品牌知名度和影响度来决定。虽然市场上有“高端品牌不愁嫁，中端品牌着急嫁”的现状，但这些传统的管理方式依然是一种粗放式和模糊式的，这种管理方式也是我国长期的计划经济体制下形成的思维惯性，它符合物质贫乏，相对稳定的市场环境，符合注重以商品和品牌为核心判断价值的商业时代。现在，我们却面对一个新的商业时代里未来越来越有变数的市场，越来越复杂的资讯显现，越来越难以琢磨的顾客需求时，这就更需要我们回归本源，而不能再光死死盯在商品和品牌上了，而更重要是抓住和巩固顾客，以顾客的需求为中心。

    所以，我们提出，将行业经验判断和理性数据挖掘结合起来，就是将以多年行业经验的敏锐直觉和通过各种渠道采集的顾客消费数据信息，发现规律和趋势，经过动态模型数学模型定型确认后提供的内部管理优化咨询报告相结合，及时调整卖场内的品牌布局情况，并与卖场内的代理商家或厂商进行信息分享和指导，提升整体卖场的营销策略、价格和促销策略，依此独占商机，先发头筹。其中的具体运营方式，文中不便透露，可以加我详细了解。

    如果运营的合理，将改变高端品牌不愁嫁，中端品牌着急嫁的现状；将减轻以招商为主的百货企业对高端品牌的依赖度，将改变百货业主（甲方），从企业的运营根本出发来把握市场和顾客，在与品牌代理商和厂商打交道的势态中更加运用自如，游刃有余；将改变百货业主（甲方）只能做平台不能做顾客的窘境；让卖场的顾客真正转化成为百货业主（甲方）的顾客。

    通过以上对数据挖掘两大运用的阐述，对大家可能会有些触动，但心中可能也有会有些疑虑，是不是所有的百货零售企业都可以做数据挖掘呢？答案是非也。如果一个百货零售企业想做数据挖掘，必须满足以下几个条件：

    1、大体量的商业体和海量的销售数据，是数据挖掘的最基本条件

    数据挖掘在商业领域中的零售企业运用也不例外，就是需要海量的数据做支持，才能发现有规律的，隐含的，不可知的数字规律和趋势，为商业企业经营决策提供客观的依据。

    数据挖掘也必须依靠大体量的商业体，包括实体和目前流行的电子商务虚拟体（所谓“轻公司”类似京东商城、麦包包、凡客），一些的所拥有的跨行业的资源，多元化的业态，丰富的商品品类，多层次的服务和顾客的商业实体，在此基础上产生海量的数据，包括一种业态里的多个商业实体的数据，不同业态之间的多个商业实体的数据，每个商业实体的数据，通过数据挖掘，发现这些数据之间潜在的联系，通过商业各种手段，刺激这些联系，使其产生更多联系，最后常态化。这是一种新的商业模式的思路。

    2、以顾客为中心的经营理念，重视顾客行为数据对经营决策影响，具备数据分析环境

    零售业竞争的日益激烈和信息技术的突破性进展，业界正在爆发一场意义深远的革命，无论零售业的营销理论和实践都面临着一种结构化的转型：从传统的、大众的和粗糙的方法变到深度化、细分化和精准化得模式。任何一家零售业企业要在这场革命中占领先机，获得更多竞争优势，都必须坚定不移地聚焦客户，并开始向精准和深度营销转型。

    数据，将成为支撑精准和深度营销的最重要的手段和依据之一。数据挖掘，将利用统计方法和工具对具体数据进行分类、聚类、关联、导出和结论。

    这些数据的获得途径，就是通过对每一次顾客具体的消费商品的业种、品类、规格、价格、购买周期等数据进行综合和分析，发现顾客消费习惯，对零售业进行营销管理提供数据依据，依此为契机，坚持数据分析下的长期的观察和分析还可以决定零售企业经营决策。

前文提要

将行业经验判断和理性数据挖掘结合起来，就是将以多年行业经验的敏锐直觉和通过各种渠道采集的顾客消费数据信息，发现规律和趋势，经过动态模型数学模型定型确认后提供的内部管理优化咨询报告相结合，及时调整卖场内的品牌布局情况，并与卖场内的代理商家或厂商进行信息分享和指导，提升整体卖场的营销策略、价格和促销策略，依此独占商机，先发头筹。

如果一个百货零售企业想做数据挖掘，除了前一章中提到的两个条件，必须还要满足以下几个条件：

3、拥有基本的会员机制和客户管理系统。比如，优化的会员卡办理流程，获得关键客户信息；畅通的会员互动信息渠道，通过各种方式可与会员顾客取得联系；多样化的会员等级分层和会员激励机制，丰富的促销手段和活动；对于老客户的订单和消费进行分析，定期给予期信息和反馈；基于客户行为习惯、喜好，对客户群体进行相关的促销活动；通过预订和在线客服，提高为客户服务和沟通的质量。

4、数字信息化管理体系，规范的内部管理。场内代理商的库存管理和商品上架下架的数字信息管理；场内代理商的物流模型，减少物流消耗，提高周转效率；代理商优化的供应链，根据销售调整配货比，减少库存损失；零售专柜、自营店的销售记录，专营店和自营店的信息交流和共享。

5、支持在线商务功能的界面精美，强大稳定的电子商务网站系统。由于电子商务网站有天生的进行数据挖掘的数据收集基础，通过会员注册收集会员信息，通过其在网站上的在线交易记录获得其消费信息，再通过会员评价机制获得其对商品的满意度，从中发现和获得站内用户的消费习惯和趋势，并可将其数据库直接与CMS的数据库对接，以便于进行整体的动态数据模型的形成。

有了以上五个条件，则具备了实现数据挖掘的基本环境，由于每个企业的实际状况不同，因此其在对数据挖掘这些条件的搭建中是会出现不同的问题和困难，但只要是能坚定信心的一步一步做下去，一定会建立起一套企业独有的数据挖掘体系，不断的优化和完善就是接下来的主要工作，在一套动态的数据模型的指导下，也一定能够做到逐步提升数据挖掘的水平和层次，最终达到成熟的专用企业版的数据挖掘体系。

    至此，我们已经将一个战略思维，一种技术，一套解决方案做了大致的阐述，那么，数据挖掘的一系列实施方案会是什么呢？

首先，简单介绍一下实施数据挖掘的基本流程：

1、首要阶段。初步判断和检测现有销售数据，确定实施目标是首要的工作。经过对现有销售数据信息的完整度，细致度，体量和基本规律进行初步的判断和检测，确定挖掘对象，是否适合做数据挖掘。如果适合则需要确定从哪些方面切入和如何切入，建设哪些初步的环境和具体工作，制定细致的实施计划和步骤。如果不合适，根据情况采取很长时间间隔的分布实施方式。

2、前期阶段，理解业务知识、理解数据、清除无用的数据。对现有数据进行输入至特制分析系统中，进行数据准备

3、计算阶段，利用各种工具，展开数据处理，确定分析方法，算法，建立模型，评估模型，提出假设

4、应用和验证阶段，对处理出来的数据的结果汇总后，在做出假设和解释，进行初步应用。通过检验应用，修正假设和模型，进行可视化（即图形，表格，套餐方案等），和企业的销售业务模块进行对接

5、实施阶段，经过检验后效果较好的模型应用于实施，推出营销方案，经过讨论后执行,通过内部培训，运用到业务信息系统中。

于是，我们在对每个企业开始实施之前，都会做充分的沟通，而我们实施方案的原则也会遵循十六字原则：目标统一，整体规划，分布实施，三方共赢（百货甲方和乙方，我们服务商）。

目标统一，就是在实施之前，要对实施的目标有统一的认识，这个目标在战略上，帮助企业从被动防御型转变为主动防御型的转变；在经营模式上，帮助企业从地租式经营到服务式经营的转变；在经营理念上，帮助企业从经营商品和品牌到经营顾客的转变；在实体的经济体性质上，帮助企业从纯粹的旧经济实体到新旧经济相结合的实体的转变。

整体规划，数据挖掘是一个庞大的信息管理体系，它不是一套软件能够替代的，而是一套解决方案系统，里面可以包含很多的软件系统支持和优化，也包括所有内部管理体系和部门的支持和优化，它的产出就是一本本的、一条条的营销建议书，以及企业独一无二的动态的商业数据挖掘模型。因此这个庞大信息管理系统的投入也是不菲的，整体规划的方案一般以5-10做一个时间节点。其5-10年的总投资还不及投资一个实体分店的十分之一，但其能效益则是不会比任何实体店面的效益差。

分布实施，数据挖掘是如此的重要和对企业的营收有实际影响，而企业现实的情况有多种多样，我们再实施的时候根据整体规划的需求，为了契合企业每个阶段性的发展，可以提供适用于不同发展阶段的投入方案，在尽量降低企业运营成本和风险的同时，让企业自身熟悉数据挖掘模型及其商业运作的概念，慢慢帮助企业提高自身运用数据挖掘进行精确营销和内部管理优化的水平。因此，在每个企业开始做数据挖掘的时候，我们一般就会提供1-2年内的一个细致的实施方案，确保企业在数据挖掘系统构建时的软着陆。

三方共赢，根据我们的部分项目的实施经验和市场调查，目前主流的模式仍然是“招商+自营”的方式，因此针对前文提到的“高端品牌不愁嫁，中端品牌着急嫁”的情势，面对这些代理商和厂商（乙方），为了降低百货公司（甲方业主）的风险，体现代理商和厂商（乙方）、百货公司（甲方业主）、我实施方等三方共同的利益，我们执行着三方共赢的利益支付、分配和获取的方案，因文中不便透露，可加本人QQ详细了解（QQ15124676）。

第七章

前文提要

    满足了数据挖掘的五大条件，就具备了实现数据挖掘的基本环境，由于每个企业的实际状况不同，因此其在对数据挖掘这些条件的搭建中是会出现不同的问题和困难，但只要是能坚定信心的一步一步做下去，一定会建立起一套企业独有的数据挖掘体系，同时，我们实施方案的原则也会遵循十六字原则：目标统一，整体规划，分布实施，三方共赢。

本系列文章已近尾声，大家可能对数据挖掘有了一定的了解，也可能还是比较模糊，因为它不像一套软件那么直观，也不像一种仪器可以触摸。但不管结果如何，希望这一系列的阐述，会让大家对数据挖掘有一个基本的认知和了解。

数据挖掘到底是什么？对于百货零售业来说，实际上就是它是为企业适应新的市场发展需要，转型成基于主动防御战略思想下的服务型企业必不可少的工具和技术，在使用这个工具和技术以前，需要建设一个数据挖掘的环境，包括各种软件（ERPCRM）、电子商务网站、企业内部管理的对接等几个大的方面，然后根据这些方面获得数据，再进行处理和挖掘，形成了针对每个企业个性化的动态数据模型之后，再为实施精确营销和优化内部管理做决策的目的，让数据为企业指导服务细节和管理细节，如此，以便于我们的企业可以将多年行业经验的直觉判断和理性的数据挖掘相结合来有效提升营运收入目标，最终完成企业的转型，以适应未来市场的发展需要。

在写这篇系列文章的同时，有很多业内人士加了我的QQ，其中有一些目前也在深入沟通中，但说了这么多，可能大家对我们不是很了解。下面我简单介绍一下我们公司：

我们公司是华院分析技术（上海）有限公司(以下简称“华院分析”)，网址：www.huaat.com。是国内目前为数很少的以高水平的数据挖掘和数据分析为核心能力的专业服务公司。提供基于数据挖掘的面向营销分析和管理、客户关系管理和决策支持的应用软件和咨询解决方案。目前，公司主要服务于金融和电信行业，客户包括多家国内著名的大型银行企业和移动通信运营商。
        华院分析是一家高速成长的九年高科技企业，拥有金融、电信等行业市场营销和风险管理实践的独特解决方案，特别在数据分析对企业经营决策方面有丰富经验，大大提高了客户整体的科学营销的水平，为客户带来了显著的投资回报。        

华院分度和无锡嘉旅是华院分析投资成立的全资子公司，分别专注于大型零售零售业和旅游业，提供极具行业和企业特点的电子商务解决方案，通过帮助对企业诸如ERP、会员机制、库存管理等内部管理的完善和优化，建立电子商务平台和经营管理数据分析基础，为企业的精准营销和深度营销，以及其合作方的品牌选择提供数据依据和决策支持，使得被服务企业在本地化的商战中取得先机，获得开拓、拓展和巩固市场，成为本地行业巨头的强大利器。

根据我们九年的数据挖掘和两年的百货零售行业的客户接触经验，我们归纳了一些百货零售行业客户较为关心的话题和大家先分享一下，或许对大家有一些启发：

1、数据挖掘需要哪些数据？

会员卡信息  销售记录和数据 ，场内品牌信息。

2、数据挖掘核心商业目的是什么？

     明确商业经营模式的转型（由场地营销转型到服务营销），帮助企业进行主动的战略防御，包括线下高质量用户的挖掘和分类，消费预警（升级预警和流失预警） 等等精确的管理和销售。

     有效增强商场会员的粘性，抓住和巩固高质量用户——有很强消费能力，高频率消费次数，很强的顾客边际消费能力

     持续梳理、优化和改善商场的管理环境，主要是会员机制，品牌管理，库存管理和商品上架下架的管理

3、ERP软件中的数据分析功能和数据挖掘的区别？

ERP软件中的数据分析功能只能分析经营报表中宏观的方面，比如某个品类或者某个商品的销售额，增长比率等等。

而数据挖掘，则是精细到每个客户群类，甚至精确到每个客户身上，对这类或者这一客户的消费行为规律进行分析处理后，达到精确的促销和套餐销售效果；另外，还可以通过这些客户所消费的品牌情况，对场内的品牌进行数据化精细管理，指导品牌的出入场工作以及帮助场内的各代理商进行具体商品的精确的上架下架的管理。

4、顾客资料如何保密？

若卖场内有专柜，则由专柜人员对其自身专柜的商品进行管理。至于商场担心顾客信息保密的问题可以使用黑匣子技术，即在专柜的管理系统的接口进入后，专柜服务员看不到顾客的联系方式，专柜只看到顾客的等级和推荐的营销方法，比如邮件、手机联系等，至于促销信息可以由专柜人员提供。而卖场则配备人员进行统一的顾客服务，卖场客服人员可看到顾客的等级和联系方式，并采取相应的客服内容和策略。 

5、由于客户资料不全、数据不能用等原因，现在做数据挖掘的是否条件不成熟？

会员机制现在已然是各大百货零售企业的竞争法宝，正是因为客户资料不全，才更应在我们的协助下建立和完善会员机制，在提高客户的忠诚度和获得高质量客户的同时，以期达到数据挖掘的条件要求。

对于数据不能用或是软件原因，我们可以帮助打通或提取软件数据库，以便进行数据挖掘。

细致的产品划分是个方向，也是要这样做的，但鉴于在前期的运营需要，可这样的操作：

先分析用户对品牌的倾向，不必区分产品类别和具体型号，然后根据其在电子商务平台积分的消耗情况判断其对产品的消费习惯，通过其积分消费习惯的反馈，来细化其对此品牌下产品的消费倾向

7、如果做数据挖掘，我们双方合作方式有哪些？

（1）贵方提供数据和自主运营，我方只提供电子商务平台构建、CRM管理环境优化和咨询方案。

（2）贵方提供数据，我方提供电子商务平台构建、管理环境优化和咨询方案，并且双方共同运营电子商务平台，协助贵方达到约定目标。

     8、数据挖掘和电子商务（网上商城）的关系是什么？

电子商务和终端POS机一样，是获得销售数据的渠道之一，这些销售数据是进行数据挖掘的重要部分。电子商务比终端POS机更具有采集销售数据的优势，比如

（1）页面浏览量和停留时间，获得每位浏览者对网站内某一具体页面的浏览次数和停留页面的时间的数据，说明了其对某一内容的关注。有利于对平台运营的整体情况进行分析。

（2）商品的关注和购买量，获得每位浏览者对商品的关注度、购买数量和消费记录的数据，有利于进行销售数据提取和挖掘，进行精确营销和商品上架下架管理。

（3）用户的评价，获得每位商品购买者（正式）对商品的意见、评分等数据，有利于进行数据挖掘后的商品品牌管理和精确营销。

      9、数据挖掘和CRM管理系统的关系是什么？我们提供的CRM管理系统的特点？

        CRM管理系统是进行整体数据挖掘的重要组成部分。CRM管理系统中所提供的用户数据信息，将作为进行前期数据挖掘的先决条件，在后期进行动态数据模型的生成有重要影响。我们提供的CRM管理系统的特点是：

（1）商品下架分析模块：

以月份为单位，给出商品的下架分析和提示；帮助对于产品的淘汰进行决策；

（2）基于商品和顾客的周期化预警提示模块：

针对每一个商品，从每一种商品、品牌整体，分析每一个顾客的消费周期性，并据此划分新老顾客，进一步区分活跃顾客，流失顾客和睡眠顾客；

同时，基于顾客的消费特点，通过预警的方式提示顾客人员对顾客进行售后跟踪和访问，比如如果是皮包，可以在预警后采用赠送免费保养的方式，而如果是服装，则可以在预警后邮寄相关的彩页资料，来获取顾客的兴趣；

        消费预警是CRM的最核心内容，通过消费预警，有效提高用户黏性，防止用户流失，并建立良好的互动关系。高档消费品的消费者并不是不愿意留下联系方式，关键在于如何提供一个服务模式去引导顾客。以LV为例，它们早就建立了以总部为核心的客服体系，顾客到几乎任何一个LV专卖店去购买皮包，销售员都可以实时的获取顾客相关的信息，并提供针对性的服务；

（3）用户行为分组：

     对于用户划分不同消费倾向组别，用于积分和促销规则的推荐

（4）、销售管理工具

A、预警后电话回访提示以及成单跟踪；

B、新老顾客业绩划分；

C、商品推荐单打印功能，对于新来的订单选取符合用户消费行为的商品，产生推荐商品宣传单，打印后可以邮寄给顾客；

10、数据挖掘的运用到底包含哪些内容？

目前来说，数据挖掘通过包括由百货零售企业里诸多软件的信息化体系、电子商务网站的平台和企业的前端和后端各个管理环节的资源信息等三方面的数据进行整合，运用数据挖掘技术，其成果是两个方面，一方面形成针对与这个企业的动态数据模型，一方面是具体而富有可操作性的经营建议书或商业操作解决方案，以此两大成果指导企业进行精确营销和反哺内部管理的优化，这些成果的目的就是提供给企业有效提升对顾客的服务层次和水平，为企业抓住和稳固企业之本——顾客资源，促使企业完成向以服务顾客为主，经营商品和品牌次之的经营模式的转变，最终完成主动防御式的战略布局。

      根据我们对国内一些大小项目的操作，我们把数据挖掘细中精确营销的部分化为以下一些具体环节和内容：

      主要成果有四大块：

第一大块：客户洞察

第二大块：交易洞察

   第三大块：营销绩效管理

   第四大块：促销活动管理