新零售的路上,人人都是数据分析专家-阿里云开发者社区

开发者社区> 1326030694821677> 正文

新零售的路上,人人都是数据分析专家

简介: -- 零售通自助分析平台实战分享 前言 零售通自助分析平台是服务于零售通业务线运营和产品同学,无需SQL无需配置快速分析数据,定制个性化报表的地方。 传统方式进行数据分析需要6步走,门槛高到拦下大部分到初学者:1. 申请数据项目空间;2. 查找对应数据底表并申请权限;3.D2中获取AccessID;4.DI中配置项目空间和AccessID;5.DI中用数据底表配置数据源;6. 开始数据分析
+关注继续查看

-- 零售通自助分析平台实战分享

前言

零售通自助分析平台是服务于零售通业务线运营和产品同学,无需SQL无需配置快速分析数据,定制个性化报表的地方。

传统方式进行数据分析需要6步走,门槛高到拦下大部分到初学者:1. 申请数据项目空间;2. 查找对应数据底表并申请权限;3.D2中获取AccessID;4.DI中配置项目空间和AccessID;5.DI中用数据底表配置数据源;6. 开始数据分析

而使用自助分析只需3分钟两步走,将入门门槛拉到了地板上:1. 申请自助分析平台权限;2. 选择标准化底表之一开始数据分析(例如交易数据)。

产品Demo长这样~ image.png

用户反馈长这样~
image.png

零售通自助分析平台上线3个月,取得了一定效果:
1. 报表阅读用户300+,月访问PV 7000+
2. BU 30%员工开始在线数据分析,注册自助分析用户已达到300人。其中,月活跃自助分析用户140人

image.png
为何各路表哥表姐都来投奔自助分析平台了,连平时不太看报表的王小二都开始自助分析了?
原因很简单,因为自助分析不用写SQL,0门槛上手只要1分钟,10分钟的工作顶过去1个小时!

一、背景

作为新零售的八路大军之一,零售通在过去的一年经历了迅猛的发展

  • 实仓销售额增长超过100%
  • 销售动销店增长30%
  • 商家和商品数增长50%
  • 成为快消行业No.1的B2B平台

生意规模的快速增长带来了大量新的场景和问题,管理复杂性大幅提高。为了达成“共建智能分销网络,让百万小店拥抱新零售”的使命,零售通将数字化能力定义为零售通致胜的四大能力之一。

在这样的背景下,人民日益增长的数据需求与落后的数据生产方式之间的矛盾越来越难以调和:传统数据驱动模型,即核心由BI/DA驱动,运营小二仅在外围作为需求方和最终用户的组织方式,已经很难满足业务的快速变化:

  1. 需求响应时间过长:场景多,需求杂,资源紧,排期长
  2. 产品时效性不高:技术团队难以快速充分了解变化的业务需求导致产品一期开发好之后,运维迭代成本高,无法满足运营当下的诉求,而让产品很难被运营广泛使用起来
  3. 新业务开展无大数据分析基础:新业务场景只能线下抽样数据估计个大概
  4. 老业务开展靠“表哥/表姐”:缺乏工具支撑的运营小二只能耗费大量时间在Excel数据分析中,低效低产

image.png

(传统的数据驱动模型)

二、解法

零售通自助分析平台就在这样的背景下诞生了。平台的定位是“数据驱动2.0,人人都是数据专家”,让业务运营小二成为数据驱动增长的核心力量。
image.png

(以自助分析为核心的数据驱动模型)

在构建自助分析平台之前,对数据驱动2.0时代、数据如何在业务中流转、不同岗位的人如何协作进行流程说明。

图中纵轴代表 数据建设的发展阶段,分四层:

  • Lv.0:底层建设:产品技术团队做好平台工具和数据底层支持
  • Lv.1:自助分析:运营小二实时分析
  • Lv.2:数据产品:日常工作流沉淀为数据产品
  • Lv.3:产品化:将数据产品与工作流打通,实现产品化

图中横轴代表 数据驱动增长过程中相关的人员角色,有四类:

  • 运营(普通用户&创新用户)
    1. 针对新业务场景实时自助分析
    2. 定制日常工作流提升效率
  • 产品/技术
    * 维护迭代自助分析平台,改进体验,给自助分析打磨工具
  • 数据团队DA
    * 维护迭代数据宽表,确保数据准确、充足,给自助分析提供弹药

image.png

三、方案实现

1. 平台选择

通过对比集团内的FBI、DeepInsight等各种产品,最终我们选择了DeepInsight来进行方案实现,核心3个原因:
1. 易用性强:熟悉Excel的同学5分钟即可上手
2. 配置门槛低:最终用户仅需申请一个权限即可完成全站配置,即刻开始使用,无需理解各种复杂的项目空间、表权限等概念
3. 功能强大:支持多种图表、计算字段,嵌入式Excel快速重现线下工作流

2. 产品结构

自助分析平台基于DeepInsight的门户模块搭建:
1. 即席数据分析:核心功能是将可编辑的工作簿嵌入到门户中,最终用户只需申请门户权限,即可拥有门户中所有工作簿及其对应数据的权限,即刻开始数据分析。
2. 产品运维和权限:所有的底层数据维护和权限管理工作,全部交由门户管理员统一管理,避免了每个最终用户都需要开通数据访问接口等步骤,降低了最终用户的使用门槛。

按照第二节中介绍的4层结构,Lv.0 由门户管理员和数据团队负责,创建整体门户结构和相应的底层数据集和工作簿,网站结构如下图所示:
image.png

Lv.1 的最终用户自助分析基于管理员提前制作好的案例开始,避免了新人上手不知从何下手的问题。
Lv.2 核心用户沉淀下来的工作流,汇总到“报表廊”板块集中展示,一方面供广大最终用户使用,另一方面也给大家提供分析思路借鉴
Lv.3 对于Top的数据产品,与产品合作打通与已有产品流程,数据看板嵌入到现有产品工作流,从数据分析直接触发业务动作
image.png

3. 流程步骤

有了依赖的工具、和产品框架,需要从哪些地方开始做起来?这步会带来解答,带您了解一个自助分析平台搭建起来的成本可能是怎样的。

序号步骤负责人关键点
1确定需要发布的数据集全体项目组与风控评估信息安全风险
2开发底层宽表DA数据应保持最细颗粒度
3创建底层宽表数据集与工作簿产品/技术调整字段类型;确定合适的加速方案,ADS默认加速上限1千万条
4为工作簿创建案例并设置为公开产品/技术创建必要的计算字段
5创建门户,并将工作簿嵌入门户产品/技术外部页面可通过链接嵌入
6根据需要创建合理的自动权限审批ACL产品/技术风控
7产品发布产品培训与推广

4. 案例分享

截止目前,平台已经沉淀出大量成熟的工作流并纳入报表廊,为BU工作效率和业务结果的提升带来帮助

  • 地区供应链的@知山 将自助分析全面推广到前线小二,通过使用数据可视化分析,每日跟进配送项目进展,配送费用节省29%

image.png

  • 品类供应链的@逍鸿 将品类计划的日常工作流整合在一起,从缺货、滞销、周转、拆零占比、单坑效能、OB后追踪等角度提供了一站式的汇总分析,并能快速定位当日需要跟进问题点,大大简化了品类计划同学的日常工作。
  • 商品中心的@旷达 在云仓战役中运用自助分析平台通过分析每个街道核心云仓品牌覆盖率,找到品牌发力点,提升云仓商家在各个街道的销售
  • 行业运营的@赵倩 对重货成本项进行拆解分析寻找降本机会环节,摸索重货创新模式,为符合买家需求的头部重货品类寻找有效降本方案提供数据线索
  • 4月迭代上线的拍档宽表,为零售通的咏春战役提供了个性化的数据支持,帮助小二精准定位问题点

image.png

5. 运营数据分析

为了便于运营,我们将用户访问分为4种类型,
1. 自助分析:通过自助分析平台进行数据分析;
2. 自建流程:访问自己创建的报表;
3. 独立开发:申请单独权限进行数据分析;
4. 报表阅读:阅读他人制作的报表

对于绝大部分用户,我们期望更多人采用1.自助实时分析;以及使用沉淀出更多的2.自建流程;对于能力较强的创新用户,鼓励其进行3.独立开发成熟的流程,并分享给团队4. 报表阅读 提升团队效率。

整体数据如图,上线3个月,注册用户300+,覆盖BU 30%员工。月活跃自助分析用户140人,报表阅读用户300+,月访问PV 7000+,其中分析PV占比49%,访问量迅速增长。
image.png

针对用户粘性的分析,从下图的访问数据可以看出:

  • 左图:在过去15天(包含51假期),对于自建流程的用户,平均访问天数达到11天,甚至不少人达到14、15天,说明适合自己的工作流才是最好的工作流;
  • 右图:自助分析的页面访问量部分人高达180+,核心用户的热情拦都拦不住
    image.png

四、未来规划

有了好的平台工具,只能是个好的开始,最终的业务价值还要运营。幸运的是数据能力作为零售通核心的四大能力之一,得到了自上而下从领导层到HR和产品数据团队到业务团队的大力支持。

1. 组织体系方面

在新的财年,我们将通过棒棒堂整合数据领航班的形式,从各部门选拔有一定数据分析和数据工具使用基础且数据驱动业务敏的感度高,业务理解能力突出的小二,作为领航班成员,参与数据能力体系化培养,参与零售通全域数据化项目建设,通过个人数据能力成长与数据驱动业务成果体现,将数据能力从内核向外圈病毒式传播,带动整个零售通数据思维和能力的整体提升。

2. 数据底层方面

基于用户反馈和生意变化,产品定期进行迭代,不断满足新的业务场景。目前我们已经覆盖了供应链进销存、前线销售、拍档营销、小店数据,未来会进一步拓展到前端App、后端仓储物流等领域,赋予自助分析更大的发挥空间。

3. 产品化方面

经过一段时间的运营,我们已经沉淀出了一些成熟的流程,其中库存相关的产品已经做到数据产品与现有产品的打通,实现了从看板分析定位问题,直接跳转到相关产品进行具体的操作,未来将进一步探索更加深入的产品化模式。
同时结合零售通新财年将服务好商家为核心的策略,将会整合产品,开发适合商家使用的数据产品,期望未来能把分析赋能给到商家。

五、结语

对于用户能力的培养,我们在提供线上视频与线下培训相结合的基础上,提供了线上答疑群,同时对于常见的问题:如何下载数据,如何分享制作的报表等问题,制作了FAQ,方便用户查询:
https://yuque.antfin-inc.com/docs/share/9a356434-252a-4378-8f25-322b4e10603f

最后,感谢DeepInsight团队的小伙伴做出如此出色的产品,让我们的业务有可能架构在这个平台上,感谢@源圆、@青夕、@嘉豪等诸位小伙伴忍受我不断的骚扰帮我解决各式各样的问题,才让零售通自助分析平台能顺利走到今天。也要感谢项目组的 @超晖、@化泥、@秋萍、@蒋小赛同学一起推动项目向前,更要感谢巫曼、怡文、乔石、玲玲、家华等各位老板的大力支持。

如果您也有类似的痛苦或者正在做类似的事情,欢迎在文章下方留言区交流或者钉钉搜索冯子睿,让“人人都是数据分析专家”不再停留于口号,变成现实!

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

相关文章
有前途的人工智能大数据分析相关职业:Python数据科学入门之路
为什么学习Python数据科学? Python是数据科学职业所需的宝贵技能之一。Python是数据科学的首选编程语言。 2016年,它超越了R on Kaggle,这是数据科学竞赛的首选平台。 2017年,它在KDNuggets对数据科学家最常用工具的年度调查中取代了R. 2018年,66%的数据科学家报告每天使用Python,使其成为分析专业人士的头号工具。
4286 0
iOS中CoreData数据管理系列三——添加与查询数据
iOS中CoreData数据管理系列三——添加与查询数据
26 0
案例详解|大数据上云助力新零售企业数智化转型,挖掘数据的价值
曾经风光无限的零售大型超市业态--大卖场,当初代表先进零售模式进入中国市场,激起零售行业蓬勃发展的大浪潮,但是近年来,随着人们消费方式的巨大转变以及来自电子商务的冲击,传统大卖场的发展发生逆转。传统的零售技术和模式已经无法满足顾客的需求,同时传统门店面临租金高,成本高,人流量减少等困境,亟需寻求新的发展。本篇文章将以D客户为案例,详解上云带来的核心价值以及上云方案和步骤,希望能给您的业务带来一定帮助。
189 0
FFMPEG + SDL音频播放分析
目录 [hide] 1 抽象流程: 2 关键实现: 2.1 main()函数 2.2 decode_thread()读取文件信息和音频包 2.3 stream_component_open():设置音频参数和打开设备 2.
897 0
利用python做数据分析(六)-reindex
参考文档:http://pda.readthedocs.io/en/latest/chp5.html http://pandas.
818 0
【云栖号案例 | 新零售】数据库RDS为跨境电商管理平台支撑亿级流水
智赢科技每天面对用户修改价格库存对更新即时性要求高,索引和表结构变更不易。RDS支持数组和分区,降低中间表的数量又可以自动分区,加快开发速度。
1686 0
1
文章
0
问答
文章排行榜
最热
最新
相关电子书
更多
《2021云上架构与运维峰会演讲合集》
立即下载
《零基础CSS入门教程》
立即下载
《零基础HTML入门教程》
立即下载