宝洁怎么玩大数据

钟啸灵

快消行业对获得消费者数据最为迫切。宏观经济形式带来的消费低迷，让宝洁这家全球最大的日用品消费公司也必须更多地借助信息技术，来挽回颓势。宝洁信息与决策解决方案部商业智能主管莱昂纳德·罗宾森表示：中国市场的增长速度正在放缓，宝洁不能再像过去一样享受市场粗放式增长的成果。“我们需要把注意力放在如何利用有限的预算，取得更大的市场回报上。”

罗宾森负责的宝洁中国区商业智能部门成立于2006年，主要职责是通过数据分析帮助公司决策层及业务部门解决各种棘手的商业问题。宝洁内部沿用了传统的“商业智能”的称呼，虽然目前每天来自电商、经销商、门店等各个渠道的数据，已经称得上是传统公司中的“大数据”。

事实上，在快速消费品行业，大数据的利用一直让人心存疑惑：如何收集有效的数据？如何让这些数据发挥商业价值？如何在互联网时代做出快速的应对？公司如何建立有效的大数据人才机制和文化价值？在这些问题上，宝洁进行了先期探索并有了自己的答案。

宝洁的数据策略

任何基于技术进行的商业改善都需要有清晰的目标。宝洁的目标十分明确——销售增长、毛利润提高、资产利用率优化。要保持销售的增长，需要关注单店的增长情况；要提高毛利润率，宝洁在定价和营销上需要科学的设置；而为了保证公司内部各项资产的利用率做到最优，宝洁需要对产品线进行取舍和优化。

过去一年来，排在宝洁商业智能部门的首要问题是——如何促进单店产出。罗宾森表示，过去宝洁中国依靠不断进驻新店，保证增长比例。这样即使什么都不做，增长依然会持续。不过目前中国区新店的增长速度正在放缓，这种粗放的增长方式已经无法维系，为此宝洁将关注点转移到单店产出率上。

商业智能部通过收集供应商数据、渠道销售数据、库存数据等，对宝洁所有产品进行深入了解，随后与产品供应部、销售部、渠道商进行沟通，寻找货架优化的最佳方案，寻求产出和成本的平衡。以宝洁在中国市场不断丢失市场份额的沐浴产品为例，通过货架调整突出产品，宝洁在2013年下半年逐步扭转了这条产品线的市场颓势。

对于快消品公司而言，营销是一笔庞大的支出。宝洁通过优化门店促销以及广告投放提高投入产出比。“大数据带来的最大变化在于营销策略的转变。”宝洁商业智能首席分析师方垣表示。

作为最早入驻天猫的旗舰店之一，宝洁很早就催促淘宝提供交易类数据，现在随着淘宝数据的完善，他们可以收集消费者的购买行为数据、产品数据等多种交易数据，这些数据还包括消费者对产品的打分数据、评论数据等等。

方垣表示，这些数据会被商业智能团队进行分析，最后告诉市场、销售、研发等部门，这些产品的主要问题是什么，以及未来的机会在哪里，帮助宝洁形成新的营销和产品策略。比如，宝洁通过数据分析发现，天猫上的购物行为趋向于高端消费，于是在2013年中率先在网络渠道推出“东方季道”这款高端护肤产品。这种模式打破了宝洁过去在所有渠道一致铺货的方式。与此同时，这些策略在网店进行测试后，前期获得的市场经验会被用于帮助线下渠道用于优化货架陈列、店面促销。在某种意义上，这是网店和门店的一种联动发展模式。

当然，传统的方式也在应用。以门店促销为例，宝洁花费很大精力收集数据门店的执行情况。罗宾森认为，这种方式有利于破除快消公司营销不力的普遍现象。通过数据分析，可以真实了解到门店的执行效率是100%，抑或70%，或者50%。

事实上，宝洁在这方面花了大力气，他们和渠道商签订的协议中，提供真实数据是重要的一项。这样可以保证宝洁拥有每个渠道的销售相关数据。最后，宝洁会对业绩表现良好的门店进行核心驱动力的分析，寻找其背后的原因，这些经验会被复制到其他门店渠道上，激发后者的产出。

在对产品的调整方面，宝洁通过各种数据分析，确定哪些产品继续保留，哪些产品需要突出，哪些产品则要停产或者需要替代新品等问题。“我们在帮助公司形成一个新的价值导向——从关注销量到关注收入的转变。”方垣举例，在高端化妆品和低廉洗衣粉的品类上进行战略配置，保证公司在出售同样数量产品的情况下，获得更好的收入和利润。

罗宾森表示，2014年宝洁仍然继续坚持这三大战略，这也是商业智能团队的这一年的工作重心。

数据机制和文化

不少传统公司虽然积极应用各种大数据分析等新兴技术，但效果往往差强人意。方垣认为其中的最大误解在于：人们没有找到需要大数据解决的问题，而科技永远是为了问题而服务的。罗宾森的观点是——“关键在于能否采取行动。”

宝洁的运行机制保证了数据分析的执行效果。宝洁的决策层、销售等业务部门都有对应的商业智能负责人。比如方垣负责决策层的数据分析，他会和总裁进行定期沟通，沟通的方式包括邮件、电话和会面，也会定期参加公司的高层商业会议。他会根据总裁提出的问题，进行数据分析提供商业分析报告。在这里，他作为商业分析师，为决策层提供相关的商业建议，而非单纯基于数据进行简单分析。

除此之外，在日常的项目运作上，方垣和同事会和业务部门一起，不断进行各种深入探讨，将商业实践和数据分析视角进行多次碰撞，最终形成可行的实施方案。这些改进方案会首先进行小范围测试，被证明有效后再做更大范围推广。同时，商业智能部门会追踪最终的改进效果。“这是宝洁和其他公司不一样的地方，我们和业务部门的结合很紧密。”方垣表示。

即便如此，宝洁也并非没有挑战。“宝洁面临的最大挑战在于如何将分析方法和商业行动结合起来。”方垣表示，在这个领域，宝洁会不断摸索创立新的分析方法，比如对消费者进行聚类分析，根据消费者的购买行为制定不同的营销策略。不过，由于不断涌现的商业问题，所以方垣他们目前仍然需要花费很长时间进行处理。

作为一家非常重视数据的公司，宝洁所提倡的 “Data based decision making”（基于数据的决策）文化让其成为全球日化产品巨擎。2006年，宝洁中国区的商业智能团队开始组建，并将这种文化和运作机制复制到中国来。通过招聘和内部培养，目前宝洁中国已经组建起一支20人的商业智能团队。

对于方垣来说，这是一种终身学习，并非可以通过培训就完成。从2006年进入宝洁后，他就在不同的部门和领域进行轮岗学习，目前仍然继续学习大数据和商业方面的知识，希望将两者进行有效结合。“系统不会告诉你，你的机会在哪里”。为了保持内部创新，宝洁中国商业智能团队会与全球其他商业智能团队保持密切交流，彼此借鉴相互经验。

“我们的最终目标，是为每一位消费者提供定制化的服务和产品。”方垣说，在某种意义上，宝洁通过数据分析，逐步撬动了产品研发、市场部门、销售部门的联动，将各个部门的关注点都锁定在消费者身上，促进商业模式的不断优化。