揭秘茵曼自有BI系统大数据怎么玩

标签:BI

访客:14865  发表于:2016-08-24 10:00:02

每天早上9点,雪梨所带领的BI团队,会准时打开BI系统数据监控模块,检查各个业务系统的数据是否按计划回流到集团数据仓库。因为接下来的一天里,来自集团各部门上千名员工都会使用BI,通过BI的数据支持来做出影响公司各个业务模块的决策。

揭秘茵曼自有BI系统 大数据怎么玩

在和雪梨的交谈中了解到,汇美集团BI团队目前包含工程师、产品经理和数据分析师在内一共是5个人的编制。而去年6月这个团队也才只有3个人,BI核心团队既要做码农又要做产品经理,既要搞懂分析又要吃透业务,最终经历5个月的不间断攻坚开发完成一般企业需要1~2年甚至更长时间搭建的BI系统。在我看来茵曼的BI系统和我见过的其它公司BI系统相比,完全是可以用“惊艳”来形容。

和茵曼的员工一样,茵曼的BI系统也有自己的花名“不漏”,取之于“天网恢恢,疏而不漏”,代表了雪梨希望她能海纳所有业务数据的没好愿景。雪梨曾经为非常多的企业完成BI项目的实施。但是在他眼中,不漏BI是目前是整个电商行业中,除了阿里巴巴、京东、唯品会等平台电商自有的BI系统以外,最领先的一套BI系统。

下面我为大家从四个方面揭秘这个雪梨眼中这个了不起的不漏BI。数——存储所有数据,实时运算数据是分析的基础,身处大数据时代,各个业务环节每一秒都在产生数据,而不漏BI对数据是异常的贪婪。不漏BI自建了一个庞大的分布式数据仓库,每天通过ETL程序从内部ERP、WMS、CRM、OA、财务等系统同步上百万条数据。

另一方面,不漏BI通过平台接口实时将淘宝、天猫、聚划算、京东、当当、唯品会、分销、直营店、加盟店、茵曼官网、APP等20多个不同渠道的订单、商品、会员数据回流到数据仓库之中。最后,不漏BI自建了一支凶悍的网络爬虫部队,每天不间断对行业、竞争对手、社会舆情等数据进行采集和存储。

1:不漏BI数据整合示意图为了让计算快起来,让数据更直观,所有报表在10秒内计算并展现是不漏BI要挑战的技术底线。为了达到这样严苛的用户体验,不漏BI放弃原有业务数据库行式存储的固有模式,创新的采用更适用于分析的分布式列式存储数据库,让上亿条数据的汇总运算从60秒降低到5秒之内。人——客户360度画像和生命周期管理所有品牌努力,最终都是为了提升客户生命周期的价值产出,不漏BI在客户画像和客户生命周期管理中扮演着非常重要的角色。

电商卖家因为只有自己店铺的交易数据,对客户画像的是非常局限的。一般只能通过RFM模型、会员等级、地域、产品偏好等有限的维度进行客户画像分析。而漏BI在客户画像的能力上相当惊人,她可以查看汇美集团旗下任一品牌消费者,他们购买其它女装的品牌人数和偏好度(如图2),这对品牌负责人对品牌定位的思考有非常大的帮助。

另外不漏BI还能对消费者在每一个品类对款式的偏好、流行元素的偏好、面料的偏好进行画像(如图3)。作

为追求独特设计的设计师品牌,最难把控的是设计的独特性和客户需求之前的匹配。通过不漏BI,茵曼的设计师充分结合企划的特色和大数据下客户款式的偏好,能够很大程度上避免了“死款”的产生。

依托集团旗下12个品牌的900万客户,汇美洞察着整个互联网女装行业的流行趋势,一但从消费者轨迹中发现潜在的细分市场,便很可能产生第13个孵化的品牌。货——从企划端到销售端的全流程管理所有品牌的情感,最终都是通过产品传达给消费者。服装品牌一般从设计企划出发,细分到颜色、面料、品类、拍摄的企划,再经过样衣开发、大货生产、上架销售、物流配送这样漫长的环节最终达到我们的消费者,设计师与消费者之间在时空上产生了巨大的鸿沟。

互联网品牌的核心竞争力是对消费者需求的快速反馈。不漏BI承载着缩短设计师和消费者距离的实名,每个款式的首单商品在任何一个平台上架销售,该款式的转化率、主图点击率、销量、退款率、产品评分、老客户占比、买家年龄结构等数据,都会实时进行汇总计算。负责这个款式的设计师、板师、质检QA、采购跟单、摄影师、详情页设计都可以查看款式的实际数据进决定是否返单,以及产品返单时候所需要进行的优化。汇美集团借助不漏BI款式全链路持续的迭代优化,持续的保证产品体验与消费者期望的一致性,从而构建出互联网女装的核心竞争。

过去汇美集团12个品牌的上百位设计师每年至少开发上万个款式,每个部门都在零散的收集这些款式不同数据指标,大量时间花在无意义的数据收集而非分析与决策之上。而现在,任何一名员工都不需要收集数据,只要实时查看每个款式的全盘数据便可进行分析和决策。场——线上线下全渠道数据整合客户并没有线上线下之分,只是不同消费场景的切换。

工作日由于没有时间所以选择线上购买,周末由于有充足的时间更多希望在实体店试衣购买。通过整合线上和线下消费数据,可以识别出客户线上到线下、线下到线上的完整的消费轨迹。根据每个客户的收货地址,不漏BI能够精细的绘出客户在每条街道、每个小区中的分布情况。根据已有客户的分布情况,茵曼在加盟店的选址上有着非常不错的精准度,每个店铺开业都会短信推送给周边以后的茵曼粉丝。

另外线上销售品类结构一般会提前于线下,双11是冬装线上销售的爆发点,而线下销售最火爆的时间是12月~1月,这对于库存的线上线下分配是一个巨大的考验。通过不漏BI同步的线上线下的品类结构数据动态计算调整。

区别于一般服装开店模式,茵曼一开始就选择的是以数据为核心的O2O之路,每个店铺的销量、品类结构、库存、进店流量都在实时监测范围之内。各区域的督导只需要通过不漏BI便可以查询店铺目前的销售情况和每个区域表现较好的店铺。通过标杆的分析又能迅速对区域内其他店铺进行调整。

评论(0)

您可以在评论框内@您的好友一起参与讨论!

<--script type="text/javascript">BAIDU_CLB_fillSlot("927898");