零售快消IT架构（示意) icon

零售快消业务痛点

业代绩效考核计算复杂

由于数据量大，加工处理逻辑复杂，人工计算绩效，周期长，错误多，核对麻烦。

经销商库存管理不到位

库存覆盖周数计算复杂，无法自动计算出库存相关数据，并辅助优化库存结构。系统库存和盘点库存差异难发现。

活动、费用、预算计算复杂

大量的活动计划，费用，预算计算逻辑复杂，数据量大，核对麻烦，易出错。

门店分析管理不到位

无法进行多维度门店销售情况分析，发现并找出异常门店，高质量门店，并采取相应动作。

业代管理精细度不够

无法快速发现业代拜访过程中的问题和异常（拜访时间不够，同一频率过高等），分析定位麻烦。

零售快消行业痛点

数据来源复杂，口径不统一

由于历史遗留问题较多，不同部门数据统计口径不同，导致同一指标的结果不一致。

数据量大，加工流程复杂

需要投入大量的人力，物力，专门处理销售管理数据，进行相关统计分析核对工作。

数据呈现方式不直观

大多数时候使用纯Excel表格进行数据的交流和沟通，无法直观的查看并发现问题。

无法快速定位问题

数据表格，结果之间没有相关性，在看到异常时，无法快速直接的定位问题。

灵活性差，无法多视角分析业务

无法通过多种维度进行业务分析，每次视角维度切换，都需要重新加工数据制作表格。

DataHunter产品和服务架构 icon

经销商库存管理不到位 icon

痛点1：经销商的库存多少是合理？可以通过设定 “库存覆盖周数（WOC，Week of Cover）” 指标，即当前库存量预计可以覆盖未来几周的销量。通过时间趋势，判断指标是否有异常，再通过销售渠道逐级下钻到大区、省、市甚至具体经销商层面，也可以从产品层级逐级下钻查看，或者两个层级进行联动查看，最终定位到异常问题。

痛点2: 经销商库存真实情况是什么？有没有串货？通过监控经销商上期库存与进、出货量，计算出本期的逻辑库存，然后再对比实际盘点结构，即可大致看到其中的差异，如果差异超出正常损耗，那就需要去重点关注，这个经销商是否存在串货等情况。同样可以也通过销售渠道、产品层级逐级下钻，或者联动查看，定位库存差异。

活动、费用、预算计算复杂 icon

大量的活动计划，费用，预算计算逻辑复杂，数据量大，核对麻烦，易出错。通过设置，费用销量比（ Cost Ratio ）来更加准确的呈现费用投放情况。根据不同的活动、费用、预算类型进行分类，比如4P（陈列、产品、促销、价格）等类型，呈现每个类型的费用销量比及其同比情况。通过销售渠道、产品层级逐级下钻，或者联动查看，定位具体的费用销量比情况。

门店分析管理不到位

无法进行多维度门店销售情况分析，发现并找出异常门店，高质量门店，并采取相应动作。数据处理阶段，要保证数据粒度可以到门店和产品维度。通过设置目标、达成、达成率、增长率等指标来查看门店销售的情况。在常规分析或者发现指标异常时，可以通过销售渠道逐级下钻到大区、省、市到具体门店，也可以从产品层级逐级下钻查看，再通过两个层级进行联动查看，最终定位具体哪个门店哪种产品卖的怎么样。

业代管理精细度不够

无法快速发现业代拜访过程中的问题和异常（拜访时间不够，同一门店频率过高等），分析定位麻烦。通过拜访业务经验，设定拜访相关的异常数据阈值如：全天工作时间低于8小时、全天在店时间低于5小时、单店店内时间低于5分钟等指标，异常人员数据进行标记，并统计展示。可通过销售渠道逐级下钻到大区、省、市，并定位到具体哪位业代人员出现了拜访异常。

业代绩效考核计算复杂 icon

由于数据量大，加工处理逻辑复杂，人工计算绩效，周期长，错误多，核对麻烦。采用标准化的数据录入方式以及录入校验等措施保证源头数据准确无误。通过定时的数据加工任务，来替代人工重复工作。此内容可通过绩效、绩效完成百分比等指标来考核业代的绩效情况。同时可以根据实际情况设定异常阈值（比如业绩低于5万），将超过阈值的人直接过滤出来。另外可以对完成百分比进行分组，查看区域内完成情况的人数分布情况。再通过销售渠道逐级下钻到大区、省、市定位到具体业代人员。

数据需求演进过程

数据应用场景-整合异构数据源 icon

整合各业务系统数据

• CRM / ERP / MES/其他业务系统

• 各种类型数据库如关系型数据库、大数据体系等

在线表单填报数据

• 快速生成表单并分发，轻松汇总填报数据并分析

支持Excel、CSV等数据文件

支持导入互联网与外部数据

• 公共数据市场（天气、汇率等）

• 第三方互联网服务（微博等）

• 定制数据采集（如埋点采集、爬虫采集）

数据应用场景-配置型数据可视化大屏 icon

数据应用场景-监控告警 icon

通过设置个人，系统监控指标，获取异常状况预警。通过邮件 / 短信等方式，将异常第一时间通知到目标用户。通过数据可视化大屏实时展示异常状况。

数据应用场景-自助数据分析 icon

Gartner 2020 BI（商业智能）魔力象限报告：新一代自助探索式分析BI将成为趋势。IT负责平台建设，将数据分析能力还给业务部门。

数据应用场景-业务看板（设计示例) icon

可在系统中配置销售情况固定看板，图表化展示各部门的KPI，直观反映各部门现状和问题，便于及时调整。

应用场景示例-SFA管理看板（设计示例) icon

数据应用场景–经销商业务看板(设计示例) icon

数据应用场景-在线模板快速汇报 icon

通过数据看板、文本、图表等生成动态故事板。线上幻灯片播放，线下导出PPT，快速形成汇报文件。数据随时动态查看，即时应对业务疑问。

数据应用场景-报告订阅、推送 icon

数据看板/报告订阅、推送

• 用户可以通过门户，订阅相关的业务分析看板/报告

• 当业务分析看板/报告数据更新时或某个固定时间，自动获得报告推动通知

个人分析看板/报告发布共享

• 用户可以将自己的业务分析看板/报告共享给同事或团队

• 也可以通过链接的方式，将分析看板/报告嵌入其他业务系统

数据应用场景-移动端业绩浏览 icon

移动端业绩查看

• 区域各级人员均可以通过移动端，随时查看业绩完成情况

• 所有的数据均通过权限体系进行统一管控，确保数据安全

数据协同过滤

• 看板上的图表可以进行协同过滤

• 轻松应对灵活多变的可视化报表需求

自由的数据维度钻取

• 无需事先建模，无需预计算

• 随时查看明细数据

应用场景示例-通过内置预测算法赋能业务 icon

举例

Data Analytics预置时间序列预测分析算法：如ARIMA模型（自动为差分整合移动平均自回归模型）可根据历年历月的历史数据，在软件中根据场景需要开展多维度数据分析，并对预计销售指标、顾客行为等做出趋势预测。

应用场景示例–数据权限与安全保证 icon

本地部署模式

• 支持私有化部署，确保核心数据安全可靠

组织结构管理

• 支持常见的树形多层级管理结构

• 支持交叉动态的虚拟团队管理结构

• 支持组织结构和原业务系统进行同步

数据权限管理

• 支持数据层权限管理（行权限+列权限=单元格控制）

• 支持看板输出浏览权限管理

• 支持看板水印

数据运营体系建设思路 icon

业务逻辑梳理

（蓝图设计）
梳理业务过程中相关的数据点、指标、算法需求，打通业务逻辑；

数据基准梳理

（蓝图设计）
梳理业务系统数据基准，包括：数据来源，质量，维度等；

可视化方案设计

（蓝图设计）
针对数据的可视化方案进行设计确认；

数据中台及

数据应用系统建设
根据业务逻辑和数据基准，建立客户/业务为核心的统一数据体系；

业务数据确认

（数据闭环）
业务部门确认数据结果，并将标准化后的数据接入业务系统；

整体建设思路

以终为始：自上而下规划，自下而上实施

• 从公司管理层的决策分析需求出发，搭建经验管理指标体系，将管理决策语言转化为可量化的业务指标；

• 在明确数据现状的基础上，制定数据汇集、清洗、转换、加工方案，实现决策有用数据的关联聚合、统一管理；

• 以统一数据库为基础，以指标体系为依托 ,通过可视化平台实现BI报表分析和各终端展示；

指标选取原则

体现经济实质
具体经济含义

体现经营环节主要评价内容

涵盖全部主项经营环节

可分解执行
指标可逐级分解

承载主体可逐级分解到人

计算简便可执行

体系化
多维度分析

各模块指标视图联动

充分体现业财一体化

指标体系建设（示例） icon

数据指标梳理示例

最佳实践–雀巢Mirror经营管理分析平台 icon

雀巢希望打造一个经营分析平台，帮助经营管理层快速获知核心业务数据，以便于指导改进业务过程，快速提升销售业绩。

【范围】

数据源包括ECMS经销商/KA客户进销存系统数据总计5000多家经销商，40多万家门店；SFA系统总计4000左右名业务代表，2400多名驻店促销员拜访跟踪数据等；产品分析范围包括 Grocery 总计1400多个产品SKU。

【分析】

经销商Sell In/Sell Out/Stock分析、活跃门店分析、SFA业代拜访效率/成功率分析等。

【服务方案】

在遵循雀巢现有数据管理体系流程的基础上，通过数据清洗，数据开发，构建基础数据模型，数据仓库。通过 DataHunter 的 Data Analytics 敏捷型BI产品，进行业务分析看板的配置和搭建，提供经营分析平台。配合定制开发，打通用户及权限管理体系，将数据分析能力集成进雀巢整体管理流程。

最佳实践-雀巢Mirror经营管理分析平台 icon

Mirror平台应用程序架构

企业微信移动端展示

- 通过企业微信集成，提供移动端数据查询浏览入口

PC端业务看板

- 通过Data Analytics工具，提供灵活的业务分析看板

大屏业务监控展示

- 通过Data MAX工具，提供大屏可视化数据监控展示

最佳实践-雀巢Mirror 经营管理分析平台 icon

客户收益

将大量人工数据统计转为系统自动分析，总计节省500-700人天/月；数据及时性得到大幅度提升，统计周期从周为单位到以天为单位；数据呈现方式更加丰富，从单纯表格式展示扩展到数据图表，大屏展示；数据交互分析能力得到提升，可以快速定位异常数据和问题；

雀巢Grocery能力支持部门负责人

2021年DataHunter为雀巢Grocery部门搭建了Mirror经营分析平台，整体上非常成功，实现了三个目标。第一是把人工数据统计分析转为系统自动统计，节省了大量的人力和物力。第二是使得数据的及时性，分析展示能力得到大幅度的提升，更有利于发现问题，定位问题。第三是从经营管理角度，增加了数据的交流和透明度，让管理更加容易。在合作中，雀巢感受到DataHunter在数据业务方面具备非常专业的技能，可以提供可靠的数据处理服务和数据分析支持。总的说来，DataHunter是雀巢值得信赖的合作伙伴。希望在不久的将来，可以把这个平台做的更大，更强，服务更多的业务部门。