中国药店－你的大数据“金矿”挖到哪了

　　不同企业由于经营模式、管理风格、重视程度、资金投入等的不同，对大数据的挖掘程度也有极大的不同，零售大数据的分析、应用均处在不同的阶段，甚至出现“两极分化”的局面。

　　对于中国药品零售企业而言，目前所面临的最大挑战是顾客和市场需求纷繁复杂且飘忽不定的变化，而其成功乃至存活的关键取决于其灵活多变而且机智的应对行动，这就要求零售企业的管理者要顺应市场变化、快速发现和处理问题，并及时地制定解决方案和抓住机会。因此，基于数据和事实，质量更高、速度更快、成本更低的决策显示了前所未有的重要性。

　　在经历了十几年的信息化高度发展后，中国药品零售企业也积攒了大量的宝贵数据，但由于各家企业经营模式、管理风格、重视程度、资金投入等的不同，对大数据这个“金矿”的挖掘程度有极大的不同，零售大数据的分析、应用均处在不同的阶段，甚至出现了“两极分化”的局面。

　　根据实际情况，笔者将药品零售企业大数据的分析应用划分为四个阶段，希望能够给大家指明方向。

　　第一阶段集成展示

　　有句话说得好，“销售额首先是追踪出来的，其次才是分析出来的”。ERP在中国的普及已经有10多年历史，没有ERP的药品零售企业也是越来越少。药品零售企业利用ERP可以搜集和整合整个企业的数据，形成一个完整的数据流，把企业内不同来源的数据信息集中到单一的一个仓库中来，使各个职能部门在自己需要的时间和地点通过图表看板、计分板等形式，看到自己所需要的数据，并且展现出决策者最为关注的运营要素——关键绩效指标如销售额、坪效、利润率、客单价、进店率、转化率、目标完成率、同比增长率等等，这些都能以“商业报告”的形式出现，该报告的主题紧紧围绕着“过去发生了什么”以及“正在发生什么”而展开。

　　这一阶段的最大困难是数据的集成和整合，每个零售企业都有数十个大大小小的部门系统，而这些系统都是一个独立的数据源，他们都有自己的定义、标准和技术，而对这些来源不同的数据进行合并、清理、转换和简化，最终建立一致性的数据也是非常有挑战性的。

　　第二阶段分析判断

　　在第一阶段整合了数据来源后，药品零售企业的决策者关心的重点发生了转移，从“发生了什么”转向“为什么发生”。分析判断数据的目的是了解数据报表、商业报告背后的含义，以及这些过往行为发生的动机和原因，这就需要对更加详细的数据进行多维度的分析。

　　这种分析判断更多的是建立在对于零售业务逻辑之上，采用简单有效的分析方法和简单的分析工具对数据进行处理，数据分析师必须非常熟悉业务，有实际业务操作的背景，能够用业务的语言和逻辑把运营异常解释通顺，而对于算法、模型、工具的应用在此阶段要求不是非常高。

　　例如，一家大型连锁药店的一款保健品销售超出预期，那就要从“人、货、场”三个核心来分析判断火爆的原因，是否有什么买赠、打折、捆绑、支付等促销活动，店员对该药品是否有特殊的推荐等，该药品的陈列、包装、设计、款式等是否有特色、是否是限量销售等等，以及顾客购买此商品的动机是什么，是释放压力还是从众心理、攀比心态等。此外，还要考虑竞争对手是否有供应问题、大型企业客户是否有团购等因素，最后在排除各种原因之后，才知道这款保健品和当时热播电视剧中一个明星孝敬父母所购买的保健品疗效比较相似，虽然在该款保健品上所投入的市场资源其实并不多。

　　第三阶段预测未来

　　在有了前两个阶段的基础之后，药品零售企业的关注点会超越当前进而思考下一个问题：“将来会发生什么”。

　　从本质上说，预测就是根据零售企业过去所发生的事件以及当前实时的影响因素，对于销售额、利润率、成本等未来的取值做出自动化和智能化的估计。简单的分析来估算概率作用有限，在大多数复杂的应用中，需要建立数学模型来在零售的实际业务，例如销售预测、定价优化中使用。而建立模型的目的就是将之前各个角落里的经验用数学的形式表现出来，虽然并不是十全十美，但会无限逼近真实情况。

　　建立数学模型要解决三个问题：首先是数据的量要达到一定的规模；其次是用什么样的算法，比如时间序列、回归和分类算法等，建立什么样的模型；第三是模型参数的调整。例如，Google的工程师从众多关于流感的关键词组合中，挑出45个重要检索词条作为特征，训练了一个线性回归模型来预测2007年和2008年流感传播的趋势、时间和地点，该模型的预测结果准确率最后高达97%。该模型完全可以和关于流感的商品如口罩、营养食品、非处方药品等的销售建立起联系，构建“流感商品销售指数”，来指导这些商品在特定时间、地点的具体销售策略。再例如，7-Eleven零售门店通过卫星云图了解到两天后气温将上升两度，会提前订购比平常销量多30%的矿泉水。

　　第四阶段指导决策

　　这一阶段侧重于对业务、营运、经营、战略的决策指导，回答的问题其实就是“我应该做什么”才能达到最佳的状态。

　　前三个阶段都不是终极目的，例如销售预测不是为了预测而预测，预测准确率达到100%又如何，关键是做了预测以后能给药品零售企业的决策行为带来什么样的帮助，根据品类预测分析，同时借助大数据的力量就可以确定和优化门店货位数量，智能化给门店计算每类定多少品规，优化药品品类结构和内容以及门店陈列。同时，对于零售企业而言，销售预测以后紧接着的行为就是补货。而补货过程中就会涉及到多级库存管理，而补货行为又驱动了后续的采购、生产、物流、仓储等行为，企业的决策层可以根据未来的预测做出是否要开设渠道、建立工厂、购买仓库等重要战略决策。

　　这些行为的决策都是建立在前三个阶段之上的。同时决策模拟也是这个阶段的重要应用，针对零售流程中的随机因素，引入各种约束条件，构建出若干个相互关联的场景模型来全真模拟真实情景，事先预知各种决策可能的结果，提高决策准确性。

　　结语

　　大数据的时代已经悄然来临，不懂大数据就做不了大生意，未来甚至做不了生意。笔者所接触的不少中国零售企业对于大数据的分析应用都处在第一或者第二阶段，也有少数企业如京东、华为处在第三甚至初步进入第四阶段。

　　虽然不少企业所处的阶段还比较低，但是至少有两点让笔者看到了希望：很多企业的数据基础都很不错，积攒了大量的数据，同时很多零售企业对于大数据应用的意愿和兴趣都非常强烈和热切。这些企业对于自身的业务也非常的精通，只是受制于算法、人才、技术等，对于如何把业务和数据结合在一起产生价值还不甚清楚，但是这些未来都不会成为中国零售企业对于大数据孜孜追求的障碍，因为未来会有第三方公司来提供专业的分析、建模和优化服务。

中国药店(上半月刊)封面

中国药店(下半月刊)封面

健康社区杂志封面

你的大数据“金矿”挖到哪了

【2018年07月上半月刊总第244期】【作者：高峻峻】【阅读量：68210】【大 中 小】【打印】


·	健林精装产品亮相药品零售企业精英沙龙　[2013-04-18]

中国药店(上半月刊)封面

中国药店(下半月刊)封面

健康社区杂志封面

你的大数据“金矿”挖到哪了

【2018年07月上半月刊 总第244期】【作者：高峻峻】【阅读量：68210】【大 中 小】【打印】

【2018年07月上半月刊总第244期】【作者：高峻峻】【阅读量：68210】【大中小】【打印】