袁贵锋
(中国能源建设集团电子商务有限公司,天津 300162)
从2011年开始,国内企业越来越多地开始推行数据化管理,在企业内部的管理决策中使用数据进行分析[1]。例如有线电视网络运营商,通过对大数据的挖掘,进行数据分析和运营分析,从而将客户的行为进行模块化分析,从其类型细分、响应速度、本身价值、成长能力以及流失前兆等五大模块进行数据统计分析,在一定程度上做到了精细化管理,通过对客户提供以数据分析为基础的差异化、个性化服务,从而更好地提高客户的粘性与忠诚度,保障企业盈利。业内专家认为企业数据化管理来自泰勒的科学管理理念,一般来说是在管理过程中对数据进行采集、处理,然后用科学的统计方式对处理后的数据进行分析,最终得到有决策参考价值的数据结果[2],企业数据化管理不仅仅是管理模式,更是一种与时俱进的管理思想,推广到整个经济领域,也必然形成管理文化。
对于企业来说,销售数据的重要性自是不言而喻,在企业数据化管理过程中,通过对销售数据的总结和分析,区分出畅销产品和滞销产品,往下继续细分,可以从产品的销售周期、客户购买行为进行分析,为企业的采购及生产给出数据参考。
在众多企业当中,电子商务企业的数据优势较为明显,如淘宝店铺的首页数据、商品详情页数据、店铺评分以及订单转化率等数据,可以为企业的决策给出参考;其次,在电商大数据时代,网络消费已逐渐成为主流,对于网上消费者产生的各种交易数据和其他行为(如页面及商品浏览数据、关键词搜索数据等)数据的抓取和分析,能成为企业的决策参考。
电商企业本质上属于网络零售业,多为B2C模式,在电商仓储企业中实施品类管理,将品类作为战略经营主体,通过搜集消费者需求、以数据分析的方式对该需求进行高效率回应,在满足用户需求的同时,运用品类管理方式,将B2C模式转变为以消费者为核心的C2B模式,这对于电商仓储企业的发展有着积极的作用[3]。
数据调查显示,虽然品类管理对于电子商务仓储企业的发展有着重要的推动作用,但是目前存在的电商仓储企业及其他类型电商企业中,实施品类管理的企业占比较小,数据化运营管理模式的构建任重道远。
在电商仓储企业数据化运营管理进程中,系统的数据化运营管理分析体系必不可少,而电商仓储企业的数据化运营管理模式主要是建立在仓储配送业务上。目前电商仓储企业的业务范围是为电商企业提供第三方配送服务,如快递交接、电商客服以及仓储管理等,并不涉及到对电商企业的店铺代理运营。
从业务范围进行分析,电商仓储企业的数据源主要是买家消费者、商品销售数据以及供应链相关的服务类数据,数据来源较为单一,也缺少流量数据。通过对某家电商企业的第三方配送数据进行抽样统计后,可得出电商仓储企业数据化运营管理的分析体系表,如下图所示:
考虑到目前电商仓储企业与对应的服务企业能在分销平台共享的只有订单信息,即各分销平台上的消费者浏览数据、搜索数据等,电商仓储企业是无权限获取的,因此电商仓储企业的数据化运营分析体系只能根据数据来源进行设置,主要包括五个一级指标,细分到二级指标则多达25个,量化的时间范围可分为周、月度、季度、半年度、年度等区间。
五个一级指标中,总体运营指标的服务对象是电商企业管理层,该指标类型下可分为5个二级指标,主要作用是为了评估电商企业在某个周期内的整体运营效果,如下表所示:
五个一级指标中,买家价值的服务对象则是电商企业中层,通过其下的4个细分指标,对买家进行二八分层,增加创造80%销售总额的20%的买家的粘性。
五个一级指标中,细分类目商品销售情况指标的服务对象则是企业运营基层,通过其下4个细分指标,从品类管理的方向对某周期内某商品成交与否进行分析。
五个一级指标中,电商供应链服务情况的则面向电商仓储企业基层进行反馈,主要反映的是企业库存以及物流的服务质量。
五个一级指标中,特需分析的服务对象则是电商企业高层,从品类管理角度,对于买家的需求进行统计分析并实施决策,提高销售水平,最终使企业盈利。
值得注意的是,量化分析体系并非不可改变,而是需要根据数据分析需求进行相应的变化和调整,灵活地对量化分析体系加以运用。
电商仓储企业数据化运营管理体系建立后,通过中间商与各大平台进行数据对接,五大指标和25个量化指标的功能将得到最大的发挥。在数据化运营的同时,由于各大平台每天都会产生新的源数据,日积月累后数据量会增大,定期定时做好数据分析统计必不可少。
需要善用数据量化体系中的源数据导出功能,进行实时分析,及时掌握行业销售、运营、管理动态,对于出现的统计结果进行分析总结,为下一步决策给出有力的参考。
电商仓储企业目前处于发展初期,需要根据其业务类型不断进行整合以及完善,基于品类管理的数据化运营模式,不但需要定期、准确的源数据,也需要深入研发相关数据分析的功能,展开品类管理,有效对接相关信息,完成量化体系的建设,对于电商仓储企业发展的影响不可小觑。