超市数据分析的思维模式（二）

      1、提取数据分析思维步骤

       前面我们多次谈到：超市数据分析其实就是一个维度+度量的的世界，也讨论了如何将抽象的问题（提取维度）量化为具体的东西（度量）的思路。
       在进行之前，先再次引出该问题。提一下上一篇《超市数据分析的思维模式（一）》里提到的“利用量化思维解决抽象性业务问题”。其中所使用的“抽象物”，引用IBM前总裁郭士纳有一句名言：下属不会做你希望他做的事情，他们只会做你监督和检查的事情 。在这篇文章里，讨论了“作为抽象的这句话”，是如何运用数据思维将它“量化”出来的。我们再以该案例说明：

     第1步：引用抽象物与目标设定

       前面引用的一句话（抽象物），对于销售管理来说，我们设想一个业务场景：例如想要通过一系列不同的业务绩效，以便将销售人员的工作集中在某些重要的方面（目的是驱动业务）。正如俗话所说：“只有度量它，才能完成它”。这种度量的东西就是量化。这是目标设定。

       第2步：寻找关联维度+度量

       如是，我们模拟出针对“销售管理”而假设的一个“年度团队”奖，并考虑设置团队在其每个业务领域下的主要考核度量---销售额增长。参考常见的绩效业务逻辑，针对实际问题，设定该销售额结果下的关键计算参数：例如，为“年度团队”奖的度量--销售增长分配点数（分值），其中分配的业务规则如下:

       • 如果年度销售与去年相比有所下降，则团队不得分（零分）；
       • 与去年相比， 在0 - 1%之间，每增长0.1%，团队就会得100分；
       • 与去年相比，完成任务超过1%之后，再每超过0.1%，团队就会得200分。
       我们将这一步骤称为：设计决策（业务逻辑）

      第3步：工具选择与实现

       当然，学过Power BI、Power Pivot以及PowerQurey的，知道这些是完成此类报告的优秀工具（当然是有其他工具）。这里，因为不是讨论Power BI的好处以及使用它们的一大堆原因……。简而言之，为了搞个简单实用点的业务绩效考核度量。或者说：理清如何度量的问题。 

       第4步：系统化（建模+维护等）

         最后， 是如何设置以及维护好这些业务规则。实际上，是如何将第2步与第3步结合。这里就是将第2步的业务逻辑规则定义到销售额增长度量里以实现计算。这里略过数据的建模过程。附上销售额增长—Growth Points度量计算公式：

       当然，这里的4个步骤不一定合理，因为每个人解决此类问题都会有自己的方式方法以及步骤，这都不是问题。但很多时候，稍微能系统化处理一下，还是很有好处的。

     2、数据分析思维步骤的业务模式（1）

       我们首先从一个分析案例中介绍这些步骤的实现。    

     模式案例1

       每次开店伊始都会遇到这样的问题：面对越来越昂贵的店铺租金、越来越大的人事费用等经营成本，怎样才能知道：
     （1）这家店铺是不是赚钱？
     （2）怎样才能有效控制成本？等等。
       我们在《45分钟判断超市经营情况》一文中聊起过这个问题。也在《不忘初心》一文里提到经营里的一些问题，比如”拍脑袋思维”。我们并不是说“拍脑袋决定”就一定不好，这其实跟我们说的“抽象物”目标一样，很多情况下，可能都需要先“拍脑袋”，然后才是分析(略过解释部分，请参阅前面的两篇陋作)

       比如。就像在《45分钟判断超市经营情况》一文中提及的：从费用压力测试一项中，我们判断店面的好坏首先计算的度量可能是店铺的面积、租金价格以及由此产生的租金费用（当然你还会考虑人力等其他费用压力）。这是一般的、固有的、习惯性思维方向：即首先考虑各项压力测试基数是不是自己能承受的范围。
       然而，这种思维的一个最大的缺点，用通俗点的话来讲：就是不想着该商圈是不是有较好的发展，而是只顾眼前的想着如何去承受失败。通常一个店铺租金贵、面积大等这些费用压力其实是客观存在的，决定店铺好坏以及选择的决定性因素其实是我们通常所说的商圈，例如商圈的市场份额、消费层次、商圈人流量等。
       再次请出零售业里的一句民谚：很多超市有超越沃尔玛或国内任一家优秀超市的信心，但却从没有认真做个一次市场商圈分析！不知道顾客需求，这是很可怕的一件事！很多已倒闭或已濒临倒闭的超市，可能到最后都没有明白过来。
       因此，很多超市在开业前，化费最多的时间不是市调商圈，而是为每个月能减少一点点租金在竭尽所能。能减少租金当然最好，但这并不是最后的决定性因数。
        既然商圈最重要，那么，有没有办法量化出来？

      鉴于问题的严重性，我们将在后续文章中做一个专题介绍。

        这里，我们先用几个图，来说明其可行性：

    （1）将需要使用的“人流量”（商圈人数）通过市调手段，在Excel里记录下来。

    （2）运用市调结果--商圈人数，预估出商圈应有的销售。比如，用一个计算公式来计算出客流量与你开店销售及盈利多少的关系！
        注：上图市调表，是我比较成功的一次商圈市调。记得当时预估的销售是每月5万不到，但分析结论是潜力较大：2-3年内后预估值为13万多每月。租金也不便宜，记得当时老板也很犹豫，碰头会开了好几次，7、8个经理投票只有2、3个人觉得可以开。一年后还是开了，跟预期的结果差不多。
       问题是，我们如何通过市调结果，能计算出（量化）预估销售出来？不仅如此，如果你有一定的超市经验，还能“顺藤摸瓜”抓出一大堆的计算结果来。一两句话可能说不清（可能需要一个系列），还是放上一个度量之间的关系图：

        （本图度量之间的关联暂未做全部检验，但因为是原创，引用请注明出处）

        整理计算过程，并用公式表示如下（不同的行业其计算度量会不同）：
        客流量 = 全年费用÷毛利率÷平均成本÷（动销比-库存率×进货成本）×动销比×当期（月、季）销售占比÷60天（180天）÷平均件单价÷联单率÷成交率÷进店率…..。
       这个计算过程说明，当测出人流量，即商圈有效客流量后，通过反推的算法就可以计算出这家超市盈利水平、盈亏平衡点、毛利率设定、以及能够增加利润的度量、预估的客单、采购成本等等；
       更细的分析，可以就其中某个关心的度量设置计算（依据这些度量之间的关联）。
       比如，最关心的那些可能增加利润的方式方法（度量）：降低库存率、提高客单件、提高进店率、提高成交率等多种方法来增加利润。并且通过这些影响营业额的因素，可以预测到这些数值在不同时期、不同商圈、以及其他维度组合参与下对营业额的不同影响，从而可以对未来自己超市的营业业绩确立一个比较明确的目标，并针对影响营业额的这些因素预期判断，来关注不同的业务重点，最后形成数据决策报告，达到数据驱动业务的目的

       未完待续