在经历了20年的经济黄金发展期之后，中国的连锁企业正面临经济增速放缓、消费疲软、成本攀升和竞争激烈等前所未有的困难与挑战。曾经“一铺难求”的商业黄金宝地——上海淮海路商业街，近段时间更是出现“空铺潮”，35-65元/平方米的日租金使不少租户不堪重负。而随着商业从线到圈的发展趋势，类似淮海路的条状商街愈发受到徐家汇、五角场等块状商圈威胁，逐渐走下坡路。

淮海路商业街出现的“空铺潮”，集中体现了目前零售业面临的威胁。而在信息化快速发展和大数据应用逐步落地的今天，我们是否可以运用信息技术和数据分析技术，通过资源整合解决这一威胁呢？。

一、困境解析：成本推高、模式老套、缺乏精细化战略规划

1、成本逐步推高。根据中国连锁经营协会的数据显示，2012年，中国排名前100的零售企业租金、用工成本和电费等三项费用同比分别增长21%、20.5%和16%，尤其是在专业店、超市、百货等实体店零售企业销售增速放缓的同时，随着人工、租金等经营成本的快速攀升，利润空间受到挤压，盈利能力不断下滑，利润率增速出现较大幅度放缓。2013年，零售业成本继续呈现上涨态势。

2、运营模式老套。随着商业地产的发展，整个零售商业模式发生了变化，与城市综合体相比，百货店、电器店等专业连锁卖场在为消费者提供综合服务方面的确存在一定欠缺。大部分连锁企业的发展模式仍然停留在传统的运营模式当中，在连锁企业努力锻造规模经济的发展过程中，随着规模的扩张，风险也会逐步攀升。

3、缺乏精细化战略规划。目前精细化的战略发展还没有在连锁企业中受到重视。大部分连锁企业还停留在经验复制及粗放经营模式上。事实上，那些成功屹立在行业前沿的企业，其战略发展越来越精细化，每一步的发展都有各个方面的信息支撑。在大战略的顶层设计上如此，在各个部门、各个流程的具体执行上亦是如此。

二、建立专业的数据分析金字塔体系

随着信息的爆炸，企业不仅面对着自身内部数据的几何式增长，同时，越来越多的外部数据也被企业搜集，数据的“包袱”越来越沉重。想要利用数据分析进行突围，那么企业的数据分析就不能停留在点对点的问题之上，数据分析与战略发展应该是相辅相成的，通过数据分析挖掘到市场机会，从而定位战略，再顺着战略定位去挖掘分析运营手段，通过市场的反馈数据不断进行精细化的运营提升。因此，企业应该有一个良好的数据分析体系，这个体系应该是一个顶层设计，这个顶层设计是数据分析工作的基石，其构造的合理和牢固是提供正确战略的保障。

中颢润项目数据分析师事务曾经为零售企业梳理出一个顶层的数据分析体系，建立分析内容体系的框架。我们认为只有体系与分析内容合理，才能让数据说“真话”。大框架主要包含以下内容：

图注：零售企业数据分析“金字塔”

利用数据分析的“金字塔”，可以使得连锁企业在制定发展战略上信心更足、方向更准确，在日常的经营中，流程更清晰，工作更量化，管理更规范。同时，也能帮助企业更加了解客户的消费变化、体验变化以及未来诉求等。

三、数据分析能做什么？“数据化”的运营畅想

连锁企业一方面要加强精细化管理，采取多种措施增收节支，提高整体经营绩效，包括健全预算管理、激励机制以及优化商品结构等；另一方面要寻求供应链变革，通过整体供应链效率提升降低费用，增加各方利益，使增长方式逐步从以追求规模为主的粗放型扩张，向注重效率和效益提升的精细化管理方向转变，从而带动流通效率提升，引导生产发挥出积极作用。在这些措施的实施过程中，数据分析可以为企业提供思路和技术方面的支持。

目前，国内已经有一部分大型的商场开始加大对数据分析的投入并且初步取得了不错的效果，包括朝阳大悦城、物美超市等都开始组建自己的数据分析部门，通过顾客数据来分析顾客购物行为，提高顾客的购物体验；还有的连锁企业则在BI（商业智能）上加大投入。当连锁企业的“数据化”运营更加深入和成熟时，企业的运营思路、商业模式，产品创新，渠道以及配送，客户维护等各个环节都将打通。

1、改变商业模式

通过对不同门店优劣势的深入分析，连锁企业未来在产品选择以及各个门店的战略方向上都将有翻天覆地的变化。有的门店或许仅仅是作为消费体验存在的，有的仅仅是半仓储的配送站，有的仅仅是为某些单独的特殊群体量身打造的；而在产品上，不局限在产品的专营与多元化经营，而是更多地面向消费者提供更为集中的半主导半定制化的产品服务。

此外，开展线上线下的融合也是连锁企业未来的一个出路，苏宁已经在这一方面走在了前列。然而，从中国连锁经营协会所获得的最新报告显示，目前“触网”零售企业线上销售远未形成规模。从销量上看，2012年连锁百强中已有62家开展了网络零售业务，总销售额不到350亿元，还不及京东一家专业电商的销售额。在已经开展网络零售业务的企业中，有六成企业的网络销售额不足500万元。从日均订单和经营单品看，79%的企业日均订单小于500个，单品数也较少，71%的企业经营单品数在3000个以内，其中42%的企业单品数小于1000个。而从流量上看，传统百货线上商城与纯电商平台更是不可同日而语。造成这一现象的很大原因是很多传统企业对线上的运营模式、消费者偏好、供应链管理等还缺乏深入的了解，而数据分析可以帮助企业在这些方面做深入的研究。

2、加强品类管理

国内连锁零售行业开展品类管理已有多年，但大多存在无法深入的现象。主要表现在零售商对品类管理的系统性认识不足、品类技术没有新突破、零售商动力不强、投入产出不清晰等。品类管理既不是单纯几个节点的工作，也不是一项能够短期见效的工作，需要多方协调和长期不懈的努力坚持。连锁企业应更好地利用现有数据，结合会员信息、销售数据等进行深入的数据分析，从而提高品类管理水平。

在产品创新方面，消费者的诉求越来越多，如产品包含的内外指标更加丰富，产品的研发，功能属性制定更匹配等。在众多的功能诉求中，通过数据分析可以帮助企业找出一条可以对整个运营中效益最大化的产品企划方案或者产品组合方案等。产品创新的意义也更加广泛，或许是超市商品的摆放组合顺序，空间位置设计，或许是餐饮中的套餐组合，或许是家电、汽车等的功能设计。

3、改善渠道配送

在数据信息化的运营中，连锁渠道也不局限在过去的渠道选择上，通过商圈、电商、互联网、社交平台等的整体融合，通过数据分析确定营销人群，同时进行广告以及运营投放的具体操作流程和量化控制。

在配送上面，借助数据的整合分析，自营配送渠道，三方配送渠道以及可以满足客户诉求的配送方式也将越来越多。当消费者想买一瓶啤酒、一个汉堡和一份蛋花汤的念头出现在社交圈子里时，超市、肯德基和某快餐厅的联合配送员很快就会与其联系，这将前所未有地提升客户体验。

4、扩展客户维护

零售业的根本是了解并满足顾客需求。对连锁企业来说，锁定自身的会员，开展有针对性的服务，是实现差异化的重要手段。目前，大部分企业建立了会员管理系统，但存在重发卡轻管理、会员信息不完整、数据挖掘不深入、数据利用不充分等诸多问题。做好会员管理，首先要保证会员数据的准确性，在此基础上开展数据挖掘与分析，并根据分析结果开展低成本、高效率的针对性营销，通过精确营销、会员专享等，提高会员忠诚度。

此外，消费者对连锁企业的评价也将不仅停留在产品质量、服务态度等常规标准之上，消费者可能会越来越注重情感诉求的维护。例如，我们把餐饮消费者进行详细划分，怀旧型的做一些传统传承类的套餐，感情悲伤与感情兴奋的都有针对心情而设计的套餐等，通过这些消费体验和新的维护方式在消费者心中留下依赖的“烙印”。

总之，在大数据时代已然到来的今天，由于连锁企业天然是一个产生大量数据的行业，数据分析将会是助力连锁企业在困局突围的利器。如果能充分发挥数据的价值，完全可以借助数据分析技术提高企业的运营效率，实现行业的转型和发展。