基于大数据的零售企业绩效评价体系构建

全福泉

内容摘要：在“大数据”背景下，消费品供需结构与流通周期不断变化，零售企业作为商品流通市场的主要环节，在面临新经济形势下的各种挑战时，需要对消费市场有更敏锐的感知力，需要对零售企业的各项经营活动进行适时改变。为适应新经济时代，企业需将“大数据”应用作为谋求新发展的方向，加强各项经营活动的管理，进一步规范企业行为，从而提升企业的经营绩效。在“大数据”时代，零售企业能够收集到的数据更全面，但是如何利用这些数据实现企业的增效，是零售企业面临的主要问题。本文以“大数据”经济生态为研究背景，通过分析和研究零售企业绩效的各项评价指标，来设计用以评价零售企业绩效的管理体系。

关键词：“大数据” 零售企业 绩效评价

零售企业应用“大数据”管理的必要性分析

（一）零售企业面临巨大的数据处理压力

互联网+、物联网、云技术、移动客户端、智能化等“新语言”已经逐步渗入我们生活的方方面面，这意味智慧经济时代已经到来。在技术发展背景下，商贸流通业发生了巨大的结构性改革，智慧经济时代更强调大数据的运用。在商贸流通领域，零售企业与商贸流通链条的末端消费者有着最直接的联系，所以零售企业所面临的数据处理压力要比其他经济主体更大。但是，如何借助发达的大数据技术来提升零售企业自身的经营管理效率，从而建立一套科学有效的企业绩效评价体系，来提高企业对各项经营活动的绩效管理，成为零售企业的当务之急。

（二）“大数据”技术对零售企业绩效管理的重要促进作用

第一，在大数据背景下许多零售企业纷纷尝试利用大数据技术，对企业员工的工作状况进行数据化的绩效管理，其管理数据包括图像、录像、数值、文本等。与传统绩效管理数据相比，大数据绩效管理能有效建立绩效评估数据库，更精准全面地对员工进行绩效评估，进而提高人力资源管理的科学性，丰富记录评价内容，而且数据库的精确性和共享性也能进一步提升企业组织绩效管理的信度；第二，对于数据的考评方式也将由原来的人工手动输入计算转变为数据智能分类、分析和跟踪，有效避免了数据在信息化过程中存在的疏漏和错误，而且数据的信息化还能有效地促进绩效管理的实时性和同步性；第三，由于大数据绩效管理采用的是平台化管理，为各种数据的汇合创造了条件，能促进绩效数据的搜集与整理，有利于建构更全面的绩效管理数据库。在平台开放的情况下，还能实现公司内部信息的公开透明化，减少信息不对称，实现数据资源共享，降低数据流通成本，各部门之间的协调合作管理机制也将被逐步建立，从而提高企业绩效管理效率。同时，运用开放式环境中的各用户数据，有利于企业对绩效管理做出预测，从而更科学的推行绩效管理。

总之，随着大数据技术的发展，零售业作为大数据应用最广泛与最深入的行业，应充分利用大数据技术对企业进行绩效管理，完善企业绩效测评体系，对员工与企业的目标进行全方位有效评估，方便企业对自身内部资源强化监督管理，有效地实现企业资源的优化配置，进一步促进企业提升绩效，提升企业的整体竞争力。

“大数据”背景下零售企业绩效评价指标体系设计

（一）设计思路

基于平衡计分卡的企业绩效管理体系是指企业以股东财务、客户市场、企业内部管理流程、学习与成长等维度为基础，以促使组织战略得以顺利、有效地落实为目标，包含了多项可衡量指标的企业绩效管理体系。第一，平衡计分卡能够促使企业制定战略和实施战略紧密联系、协调发展，并以此强化企业战略的有效执行，使得企业的绩效管理考核体系转化为企业战略实施的有效工具；第二，由于平衡计分卡考核指标包含多个维度，能有效改进企业以往只关注经营业绩指标的缺陷；第三，平衡计分卡还能有效防止企业管理机能失调

本文构建零售企业的基本指标，是在平衡计分卡的基础上，从零售企业内部基本运营工作的各个模块出发，建立企业财务、客户、业务管理及人员培养四个方面的绩效考核指标，并促使四个方面相互联系、相互影响，最终保证企业财务指标的实现。

（二）评价指标选择

企业股东财务维度。企业股东财务维度的财务评价指标包括盈利能力指标、偿债能力指标和成长能力指标。第一，盈利能力指标可以用总资产收益率、总资产净利率、纯资产收益比、销售毛利率税后纯利润、投资报酬率、纯利率、纯现值、资金投入产出比、人工成本产出率和边际资金成本等指标表示。在盈利能力指标中所提到的收益包括收入、可控边际贡献、可控企业利润、企业直接利润、税前企业利润、企业税后净收益等方面；第二，偿债能力指标可用负债比率、资产管理比率和变现能力比率表示；第三，成长能力指标包括销售增长率、净利润增长率、人均利润增长率、收入利润增长率、单股净资產、单股盈余、股票获利率和市盈率等。

客户市场维度。客户市场维度包括市场竞争能力、客户竞争能力两方面。第一，市场竞争力可从宏观环境指标、宏观经济增长指标影响下，用户数、用户数增长率、用户市场占有率、产品市场份额、产品市场占有率、市场增长率、产品销售收入和产品销售率几大方面考虑；第二，客户竞争能力可以用客户保有率、流失率、客户满意度、客户忠诚度、客户信用风险、客户总数、新客户增长数、顾客重复购买率、重复购买的顾客数量以及品牌知名度、产品美誉度、顾客对产品获得及时的满意程度等体现。

内部流程维度。内部流程维度主要从企业的生产能力、企业的市场销售能力两个指标考虑。第一，企业生产能力的体现可用效率性指标（可以细分为产品生产周期、存货周转率、应收账款周转率、资产周转率、成本费用率、生产准备周期、设备故障率、单位生产成本比率、原材料利用率、新产品开发生产周期、部门协调性等项目）和质量指标（细分为产品优质率、产品合格率和产品返修率等项）表示；第二，市场销售能力指标需考虑市场销售能力指标（细分为销售合同执行率、贷款回收率、营销计划编制、执行及控制、营销队伍建设等项）、营销能力指标（细分为营销强度、分销网络化程度、市场占有率的增长率、新产品的增长率、新产品的年度增长率等项）、产品分销、促销及定价效果。endprint

学习成长维度。学习成长维度常用评价指标包括关键员工流失率、员工流失百分比、员工决策参与程度、员工满意度等来分析。

上述四大维度的指标是评价企业绩效的具体参数，在设计相应的评价体系模型中，需要根据这些细项做数据对照，这些数据能够指导绩效管理的有效展开。

关于零售企业绩效评价的统计数据还未建立固定形态的结构。一方面由于统计数据会受企业经营战略内部环境和市场外部环境的较大影响，统计数据处于较大变动状态；另一方面不同行业的零售企业以及同一行业的不同零售企业在评价其投资决策绩效时，会根据各个指标在该行业、该企业中所扮演的不同权重，对数据的利用程度有所差异。因此，制定出一套具有固定标准的指标体系并不能满足所有企业的评价需求。在实际操作中要根据不同的零售企业和具体的行业特点，选择那些能反映其真实经营状况的数据作为体系指标。根据零售企业的特点，本文最终选择了14个指标组成具有普遍性的指标体系，如图1所示。

基于“大数据”的零售企业绩效评价体系应用

（一）总体功能与架构搭建

本文将连锁零售企业绩效评价系统分为信息管理、指标体系、权重体系和综合评价等四大方面，如图2所示。

零售企业各项指标其实就是企业绩效的体现。连锁零售企业需要对企业财务、顾客需求、企业内部经营与流程、学习与成长等内容所产生的数据信息，进行有效的数据编辑、平均值数据编辑、指标数据查询及样本数据编辑并形成数据库，为零售企业各项工作的展开提供数据支持。

在实际数据处理中，零售企业可以通过构建指标体系，来规范其数据处理过程。企业财务、顾客需求、企业内部经营与流程、学习与成长等内容，需要借助新建指标体系，打开、删除、浏览等指令完成数据的实时监控。营销企业还可以建立权重体系，对企业财务、顾客需求、企业内部经营与流程、学习与成长等内容的权重做分析，这一体系应该包括科学输入、一次直接输入、权重数据编辑等步骤。权重体系的设计应该由零售企业根据自身发展的方向与目标所决定。

对于连锁零售企业而言，其面临的实际环境是极其复杂的。借助大数据技术可以对企业的财务、顾客需求、企业内部经营与流程、学习与成长等内容进行量化管理、实时管理和深层创新管理，但囿于目前的信息技术，即便是已经建设得相当完善的大数据处理平台，对数据的处理能力还是有限的。这就要求零售企业建立综合评价，包括评价指标设定、模糊综合评价、神经网络训练和人工神经网络评价等。这一体系是对零售企业业绩数据量化定量处理之后的一种定性处理，将适应零售企业所面对的高度复杂、多变的环境。

（二）基于数据挖掘的零售企业绩效评价流程

数据挖掘指对海量数据中新颖和潜在有用的内容加以提取，建构起最终可理解的知识和模式的一种数据处理形式，是一种深层次数据分析法。而数据挖掘能为商业决策提供有价值的信息，实现有效信息的抽取、转换、分析和其他模型化处理。数据挖掘步骤主要包括问题陈述、数据选择、数据预处理、数据转换、运行数据挖掘算法和结果评价。数据挖掘是强化绩效管理的重要前提，对于零售企业绩效评价而言，数据挖掘一般是指零售企业借助计算机技术从大量的零售业务绩效管理数据中自动搜索隐藏于其中的有特殊供需关系信息的过程。

数据挖掘过程需要多个步骤、多个主体交互、反复对话。一个完整的数据挖掘过程一般包括问题描述、数据选择、数据预处理、数据转换、运行数据挖掘算法、结果评价。如图3所示，本文将数据挖掘的流程与企业绩效评价流程相结合，阐述了零售企业绩效评价流程。

第一是陈述问题，零售企业管理者要先明确在哪一方面存在管理问题。企业通过陈述问题，能够为相关数据的搜集提供一个范畴，提高解决问题的针对性；第二是搜集信息，企业管理者要针对所提出的问题，通过各种手段尽可能搜集好相关数据，这是问题解决的关键性支撑；第三是对信息的预处理，能够针对所陈述的问题挑选出有价值的数据信息；第四是通过数据挖掘建立评估模型，能够发现各种数据背后的特殊关系；第五是对建立的模型进行解释并得出结论。

以绩效评价为例，企业管理层可能提出的问题是“顾客满意度如何”，针对该问题，第一，需要进行相关数据的收集，如顾客对企业工作人员工作态度的认可程度，顾客对企业所提供服务的认可程度，以及顾客对企业所提供产品的认可程度等数据，而这些数据需要通过企业的特定部门进行收集和整理，这些信息可能来自企业系统后台，也可以来自问卷调查等方式。第二，进行数据预处理。数据预处理指借助不同的方法将收集来的数据中不完整、会造成干扰的部分加以排除。数据预处理能够提高数据挖掘算法的精度，能够提高数据的处理效率，提升数据挖掘的有效性，为构建高质量的数据挖掘模式打下基础。数据挖掘阶段的核心内容是评估模型的构建。构建起有效的评估模式是零售企业绩效评价体系的核心内容，需在数据挖掘之前对挖掘数据的类型、挖掘方法等要素进行确定。

综上，大数据技术为经济的发展构建了新的生态环境。在这种生态环境下，经济各领域都面临巨大的机遇和挑战。零售企业作为消费市场的直接参与者，其所处的海量數据生态环境就更明显，对绩效进行全面、有效的管理已经成为企业获取竞争优势的重要手段之一，因此如何充分利用大数据技术来设计和建立一套科学的、符合企业需求的绩效管理体系十分重要。加强对“数据”的挖掘和研究，借助数据处理技术，通过精细化分析，就能确定比较精准的绩效评价指标。在确定的评价指标条件下，构建起具有普遍适用意义，却又能适应各类企业性质的绩效管理评价体系，有利于进一步促进零售企业绩效管理的开展，进而促进零售企业目标的完成。

参考文献：

1.赵久红.循环经济背景下零售企业绿色经营绩效评价[J].知识经济，2013（3）

2.吉鸿荣.我国物流企业绩效评价指标体系模块化设计[J].物流技术，2012（3）

3.谭旭，薛飞，毛太田，邹凯.顾客满意度视角下的零售供应链协同绩效智能评价[J].工业工程与管理，2015（3）

4.刘冰，谢凤涛.基于价值链理论的大型零售企业绩效评价研究[J].中央财经大学学报，2011（8）

5.丁宁.基于流通创新的零售商产品服务体系构建[J].商业经济研究，2015（24）

6.蒋兰天.高校网站平衡记分卡绩效评价探索[J].阜阳师范学院学报（社会科学版），2015（3）

7.孙世敏，罗娜.三层六维供应链平衡记分卡体系构建[J].东北大学学报（社会科学版），2005（5）endprint