投稿指南
一、来稿必须是作者独立取得的原创性学术研究成果,来稿的文字复制比(相似度或重复率)必须低于用稿标准,引用部分文字的要在参考文献中注明;署名和作者单位无误,未曾以任何形式用任何文种在国内外公开发表过;未一稿多投。 二、来稿除文中特别加以标注和致谢之外,不侵犯任何版权或损害第三方的任何其他权利。如果20天后未收到本刊的录用通知,可自行处理(双方另有约定的除外)。 三、来稿经审阅通过,编辑部会将修改意见反馈给您,您应在收到通知7天内提交修改稿。作者享有引用和复制该文的权利及著作权法的其它权利。 四、一般来说,4500字(电脑WORD统计,图表另计)以下的文章,不能说清问题,很难保证学术质量,本刊恕不受理。 五、论文格式及要素:标题、作者、工作单位全称(院系处室)、摘要、关键词、正文、注释、参考文献(遵从国家标准:GB\T7714-2005,点击查看参考文献格式示例)、作者简介(100字内)、联系方式(通信地址、邮编、电话、电子信箱)。 六、处理流程:(1) 通过电子邮件将稿件发到我刊唯一投稿信箱(2)我刊初审周期为2-3个工作日,请在投稿3天后查看您的邮箱,收阅我们的审稿回复或用稿通知;若30天内没有收到我们的回复,稿件可自行处理。(3)按用稿通知上的要求办理相关手续后,稿件将进入出版程序。(4) 杂志出刊后,我们会按照您提供的地址免费奉寄样刊。 七、凡向文教资料杂志社投稿者均被视为接受如下声明:(1)稿件必须是作者本人独立完成的,属原创作品(包括翻译),杜绝抄袭行为,严禁学术腐败现象,严格学术不端检测,如发现系抄袭作品并由此引起的一切责任均由作者本人承担,本刊不承担任何民事连带责任。(2)本刊发表的所有文章,除另有说明外,只代表作者本人的观点,不代表本刊观点。由此引发的任何纠纷和争议本刊不受任何牵连。(3)本刊拥有自主编辑权,但仅限于不违背作者原意的技术性调整。如必须进行重大改动的,编辑部有义务告知作者,或由作者授权编辑修改,或提出意见由作者自己修改。(4)作品在《文教资料》发表后,作者同意其电子版同时发布在文教资料杂志社官方网上。(5)作者同意将其拥有的对其论文的汇编权、翻译权、印刷版和电子版的复制权、网络传播权、发行权等权利在世界范围内无限期转让给《文教资料》杂志社。本刊在与国内外文献数据库或检索系统进行交流合作时,不再征询作者意见,并且不再支付稿酬。 九、特别欢迎用电子文档投稿,或邮寄编辑部,勿邮寄私人,以免延误稿件处理时间。

大数据文摘:如何建立零售行业的数据分析模型

来源:海外文摘·学术版 【在线投稿】 栏目:综合新闻 时间:2020-07-18
作者:网站采编
关键词:
摘要:最近很多搞零售的朋友都向我抱怨,以前都说零售行业最赚钱,但现在却感觉越来越难做,尤其是实体零售,倍受互联网、微商、电商等线上零售业的冲击,竞争环境也越来越残酷,零

最近很多搞零售的朋友都向我抱怨,以前都说零售行业最赚钱,但现在却感觉越来越难做,尤其是实体零售,倍受互联网、微商、电商等线上零售业的冲击,竞争环境也越来越残酷,零售行业似乎根本看不到出路。

在我看来,零售行业的升级是一个商业与技术不断激荡交错的过程,拿实体零售企业和互联网零售企业来说,传统实体零售企业拥有行业视角的广度,而大数据技术公司手握单点技术的深度,两种不同基因的交汇融合将为行业发展提供更大的推力,双方的边界也将逐渐模糊。

简单一句话,未来的实体零售与互联网绝不仅仅只是单纯的甲乙方关系,它们还存在着更多的可能性。

零售业的问题到底出在哪里?

1、数据的统一性、完整性较差

零售行业一般不会拥有完整的数据整合系统,比如票务、餐饮、零售这些系统各自独立,各个系统的数据没有办法打通,形成一个个数据孤岛,数据价值难以得到充分的发挥,因此很难得到统一、完整、直观,并能从各个业务主题与维度展现运营活动的管理数据。

同时,在企业经营管理、经营决策、战略决策、风险管控上,经常出现信息数据依据不足、不准确,判断困难的情况,如何有效进行数据整合以响应企业运行效率,也是零售行业数据决策的实际需求。

2、数据响应不及时

随着零售业务系统的越来越多,收集的数据越来越细,使用系统的时间越来越长,数据量的增长越来越快,现有的系统已经无法对数据量较大的数据进行快速响应。

传统的数据应用模式中,业务部门需要将数据需求提交给IT处理,但IT的人力不能保证对分析需求的及时响应,对一些报表的调整也十分困难。

3、缺少多维度的数据分析平台

以顾客分析为例,零售主管不能掌握顾客消费轨迹,无法对顾客的消费进行引导经营。同时,也无法掌握顾客群体属性,导致缺少提升服务水平的重要参考项。

服务业市场化充分,竞争压力相对较大,顾客对服务质量的要求相对较高,缺少对会员的有效管理,无法掌握企业顾客群体属性,企业难以走到消费者签名,提供更出色的服务体验。

零售行业需要一个完整的大数据应用架构

如图所示,针对数据决策分析过程中的数据处理,整个零售行业大数据应用架构的建立需要经历四个阶段:源数据库数据抽取、ods数据库ETL转换、数据仓库和数据集市、最终用户界面。其中:

1、源数据库

用户需要采集的源头数据库或者数据仓库,本系统源数据库为crm系统和其他原有应用系统,以及一些可能的需要EXCLE导入的数据源。

2、ods数据库(预处理数据库)

用于存储从源数据库中获取的数据,中间使用ETL工具进行数据抽取、转换、清洗、装载,数据进入预处理数据库对数据进行清洗和架构,实现数据的可用性。

3、数据仓库/Cube文件

对目标数据库中的数据进行多次整合加工,形成面向主题的、集成的、稳定的、不同时间的数据集合,改数据库可根据业务情况,有选择的转义成可识别的字段名称,生成用户前端用户可直接拖拽使用的Cube文件数据。

4、前端页面(最终用户界面)

前端用户根据业务包转义名称,直接拖拽数据进行统计得到dashboard进行分析结果的展示。

建立分析模型

搭建好应用框架之后,就要进行数据分析模型的建立,为此我尝试用过很多数据分析工具,比如Tableau,但这些国外的厂商很难形成一套适用于国内企业的完整行业化解决方案,FineBI,如下图所示。

我曾经做过很多零售行业的数据分析工作,通过不断梳理零售业务,我找到了零售行业关注的重点,分别是商品、门店、库存、活动、会员等五个,然后我建立了每一个场景的分析模型,下面我一一介绍,供大家参考:

1、商品分析

商品分析应该是零售行业最最关注的点,无论是领导或是业务人员,都会面对以下问题:

到底哪些商品能够获得消费者青睐,一路飘红?哪些商品应该淘汰?应该淘汰的商品销售额占比是多少?同一种商品的价格区间分布是怎样的等等。

为此,我用FineBI整合了多个业务系统中的数据,进行数据加工、清洗后,进行下面三个分析,

ABC分析:根据商品对店面销售的贡献度及顾客对商品的本身的需求,按照70%,20%,10%将商品分为A,B,C分类,并进行分类数据分析,包括 SKU数量,销售金额,库存金额。

文章来源:《海外文摘·学术版》 网址: http://www.hwwzzz.cn/zonghexinwen/2020/0718/374.html



上一篇:『陇东诗群大展』石凌的诗
下一篇:大数据文摘:如何建立零售行业的数据分析模型

海外文摘·学术版投稿 | 海外文摘·学术版编辑部| 海外文摘·学术版版面费 | 海外文摘·学术版论文发表 | 海外文摘·学术版最新目录
Copyright © 2018 《海外文摘·学术版》杂志社 版权所有
投稿电话: 投稿邮箱: