友阿股份：我是這樣用數據驅動運營，全方位提高供應鏈效率的

雖然線上零售對線下零售造成了很大的衝擊，但在零售總額實際比例中，線下零售佔比依然高達90％。展望未來，線下零售依然會佔領零售行業的重要地位。

但大浪淘沙，在這前所未有的挑戰面前，線下零售如何才能在這浪潮中傲然屹立？多數企業都在努力突圍，將出路指向了數據驅動的精細化運營。

湖南友誼阿波羅商業股份有限公司（以下簡稱「友阿股份」）是2004年6月由湖南省商業龍頭企業——湖南友誼阿波羅控股股份有限公司發起設立的一家以商業零售業為主業的股份有限公司。公司旗下已擁有友誼商店AB座、友誼商城、阿波羅商業廣場、友阿春天長沙店、友阿百貨朝陽店、友阿春天常德店、常德友阿國際廣場、郴州中皇城、郴州友阿國際廣場和友阿電器連鎖等百貨業態門店；並成功構建了以長沙奧特萊斯購物公園及天津濱海新區奧特萊斯購物公園為代表的新型奧特萊斯業態，同時公司還在常德、邵陽等地開發建設新的大型城市整體項目，已然成為湖南商業的領跑者，雄居全國百強零售業商業前列。

挑戰頻頻，友阿股份如何迎難而上？

隨著移動互聯網終端的普及和80、90后成為主流消費體的現實，電商與實體多渠道并行發展、并行競爭的時代已經來臨，面對電商的價格與品類優勢，傳統商場百貨業的顧客正在逐步流失，而租金成本、人力成本卻在不斷上漲。

友阿股份隨勢而變，為了對抗互聯網的衝擊，新增跨境電商業務——海外購以及線上商城——友阿微店等互聯網+業務。這是友阿股份O2O全渠道又一次全新的嘗試，助力擴展了百貨店商品品類，優化了其現有百貨門店供應鏈。

面對湖南本地的競爭對手的快速崛起、同質化競爭激烈的場面，友阿股份積極借鑒國外市場，接連開闢出「奧特萊斯」、「國際廣場」新業態，並重金打造「國貨陳列館」等黃金珠寶直營店，增加商業機會。同時，友阿股份其他百貨門店也開始加大自營商品的範圍，許多利潤高、銷量好的商品慢慢由聯營轉為經銷，自營商品的銷售與庫存需求也隨之增加。

消費升級時代，線下零售業再次面臨轉型

在網路購物、智慧購物的新消費時代，傳統零售業需要轉型已經是行業共識。當處理信息和收集信息的成本大幅下降時，利用大數據來分析和洞察消費者，為消費者提供個性化服務，並以互聯網和大數據為工具，全方位提高供應鏈效率，強化企業競爭力，開始普遍被零售企業所接受。

友阿股份信息化現狀：經過多年發展，友阿股份的ERP、LSP、CRM、線上系統等應用系統的數據量不斷增長，積累了大量的經營數據和客戶信息；但由於各應用系統間缺乏系統的規劃，對數據沒有統一的定義，使得應用系統之間的數據無法共享，形成了信息孤島；並且數據顆粒度、準確性與及時性未達到企業需求。如何將海量數據轉化為利潤？這是友阿股份正面對的難題。

如何用數據驅動精細化運營，再造線下零售核心能力？

基於以上問題，友阿股份引入大數據時代的商業智能——海致BDP，用數據支撐日常決策、實現數據驅動的精細化運營。攜手海致BDP成為了友阿股份轉型的重要一步。

BDP為友阿股份提供一站式的大數據分析平台，打通了企業分散的數據，將系統數據歸集、整合、匯總，通過其靈活、低門檻、高性能、一站式的特性，幫助友阿建立數據驅動體系，讓友阿股份低成本的、高效的實現精細化管理和運營，從而為其帶來長期的、可持續的增長點。

如今，BDP已經深入運用到友阿股份的品牌招商部、運營策劃部、運營中心等多個部門和門店，為各部門與門店運營提供數據支撐和決策依據。

場景一：利用機器學習預測合同完成情況，調整運營策略，完成合同目標

每個合同當前年份銷售總額與使用BDP機器學習預測歷年同品牌的合同剩餘時間的銷售總額，二者求和得到預測合同完成情況。

預測合同完成情況，重點監控完成情況較差和較好的合同。針對完成情況較差的合同，督促供應商採取措施，完成年保底銷售額，為續約合同以及簽新的供應商提供數據參考。

合同完成情況（演示數據）

上圖藍色柱體為表示保底銷售額，黃色柱體表示預計銷售額，綠色折線表示預計完成率，根據系統預測可見，該合同明顯無法完成保底銷售額；接著通過聯動，可以直接找到該品牌詳細合同。

場景二：實時數據展示，隨時調整促銷方案，讓活動ROI最大化

BDP實時展示門店的銷售情況，更新頻次為3分鐘一次。實時數據支持從樓層—樓面—櫃組—品牌—供應商—合同的邏輯鑽取，快速定位問題所在。同時，BDP支持移動端實時查看和分享。

門店通過實時數據展示隨時了解活動的運營情況，門店運營人員在手機上隨時根據實時數據，調整門店活動券的發出和回收，讓活動ROI最大化。

門店實時銷售（演示數據）

場景三：實現單品管理，根據銷售情況轉移單品，降低庫存

友阿股份通過ERP升級，數據精細到單品。在BDP中能夠查看到每個單品每天的銷售情況和庫存情況。通過對單品數據的監控，幫助運營調整銷售策略，例如將自營商品從銷售不好的門店轉移到銷售好的門店中，形成銷售互補，擴大銷量，降低庫存。

場景四：構建會員畫像，精準營銷，保留核心高質量用戶，降低流失率

通過完善會員的信息數據，了解現有用戶並尋找目標用戶。通過用戶的靜態+動態數據，描繪用戶畫像，打上合理的個性化標籤；通過大數據機器學習演算法，將用戶分群，針對每類用戶採取精準營銷策略。

例如，結合用戶RFM行為數據，對用戶使用聚類演算法進行分群，對分群用戶進行畫像，探索忠誠、流失、高消費等人群特性，預測流失用戶，對每類群體進行個性化營銷，保留核心高質量用戶，降低流失率。

用戶畫像（演示數據）

傳統實體零售變革，在大數據的助力下重塑人與商業、人與商品、人與服務、人與體驗之間的關係。數據是新的賦能者，驅動傳統零售轉型。海致BDP作為大數據時代的商業智能，正在為越來越多的零售企業實現數據驅動型洞察與決策，推送零售企業長足發展。

數據驅動管理，提升經營績效！

更多精彩，敬請關註：海致BDP（haizhiBDP）