【科讯】超盟数据毛日宏：数据链接人、货、店、仓，AI赋能便利店精细化运营

本篇文章2366字，读完约6分钟

最近，由广东省连锁经营协会组织的第六届广东便利店快速发展研讨会在深圳大梅沙京基喜来登酒店圆满召开。 这次研讨会以开放共生共创共赢为主题，凝聚了广东省内便利店零售业连锁经营和相关业务的公司和领域资源，天福、乐站、喜洋洋、宝能零售、顺客隆、华润万家、壹加壱、益华万采购等12个城市共计52家便利店公司参加 活动旨在构建广东连锁便利店企业品牌之间的相互信息表达交流、商业合作、资源共享的快速发展平台。

在便利店主题峰会上，超联合数据cso毛日宏分享了题为“数据驱动型便利店决策闭环”的精彩演讲。

毛日宏表示，超联合数据致力于帮助连锁便利公司提高内部流通效率，也就是说致力于在不降低销售额的情况下更迅速地让顾客购买商品。 大家提出了数据驱动的概念，从经验驱动到数据驱动的转移是如何进行的？ 具体怎么落地？

从数据思维到数据驱动的转换

其次毛日宏说，新零售时代有三大优势，一是网上红利，二是技术改革创新，三是成本上升。 便利店公司的经营现状在管理商品供应链和新闻化方面有很大的提高空间，很多业主在管理上有数据思考，也经常给员工看报告，但在管理店铺时，如何与中层管理者进行沟通，在90后、60后之前的 非常困难，需要非常好的工具，需要设计非常不同的kpi标准，他们可以去。

另外，从零售店商品的结构、质量、价格方面来看有很大的优化空间。 新闻化和供应链的优化是现在的现状，可以看到各种各样的企业，去便利店。 是提高整个零售领域的流动效率，包括加强供应链库存管理，提高类别决定等。

自动补充不正确的理由是监视不足

第一个人需要数据。 第二个人必须使用这个数据，制定包括商品上架、下架、供应链效率等在内的kpi和基准，用数据稍微判断，进行监视。 现在国内很多公司都使用自动补充。 首先是指erp提供的供应链效率功能。 这包括自动补充，但很多上司反映自动补充不正确。 毛日宏经常问这些上司。 你知道有多少员工没有用自动补充的正常方法调整参数吗？ 你知道你下面有多少员工没有正确采用自动补充的模式订货，擅自在店里变更吗？

没有监视，上司永远得到的答案是不正确的，不知道他自动补充录用后和以前有什么区别，到底是人做得不好还是系统做得不好。 所以，在网络时代，最重要的是要进行监视，而且一定要进行落地试验。 也就是说，在狭窄的范围内，迅速地反复试验。 如果这个错了，迅速重复，判断在哪里错了，反复进行这个动作，看数据，用数据，监视，落地实践，判断，重复，旋转越快，重复的时候越快，公司

超联合数据聚焦于商品过剩不足、未销售、积压、负库存四大问题

毛日宏说，中台这个概念并不多，是从同步数据到数据库、商品、标准化确立的数据立方体和数据观察，核心是通过进行标准化、分类、标签化、索引化，可以迅速支持不同的业务 数据驱动便利店实际上有很多措施。 超联合数据集中在商品的流通上。 因为在人、商品、市场三个地方有专业的企业在做。 人的话蚂蚁、帐篷、京东将来会更完整吧。 但是，只有商品。 供应链中做的是所有公司面临的挑战。 便利店老板发现自己的大仓库和商店库存不能再降低一天。 其实是这个结构。

超联合数据很容易制造了工具。 许多业主认为这是报告工具。 但其实，店长和导演每天都去店里，除了看卫生的基本问题外，还关心销售品是否缺货，是否应该销售，应该销售的商品是否滞留在这家店里，还有是否有负库存。 每天和店长开店讨论的公司很少。 但这四个问题是客户最关心的四个问题。 负库存完全不能使用自动补充。 滞销的产品会恶化购物体验。 畅销品的缺货不能满足顾客。 未销售是补充的问题。 这个可以用数据凝结。

大数据选材落地实践实例

毛日宏随后向大家分享了大数据分拣品的落地实践实例。 很多人对大数据分拣品很有趣。 其实，内部数据加上顾客喜好的预测，包括天气、湿度等外部数据，提高新产品的推荐，提高内部的库存周转。 其实，没有什么特别厉害的地方。 正在建立和上司的机制。 没有标准机制，那很难用数据支撑。 自然会遇到漏网之鱼。 所以，在同一两家店中，映射到两个不同类别的人，与其对应的相似度完全不同。

在各集群中，导入功能饮料时，选择最适合功能饮料的试销店，也就是同类店中最有代表性的店。 我们经常试销时，要么开所有的店，要么自己决定。 例如，选择20家销量最好的店铺。 我们认为它适合商业集团。。 但是，无论如何，如果试销这么准确，为什么仓库里有这么多销路呢？ 那是因为从选择到淘汰的机制有问题。 同一家店根据品种的不同，对应的试销品应该不同。 这是一个真正的例子。

很多老板说茜卖得很好，毛日宏说茜的六个sku中其实差别非常大。 以中国北方省最大的连锁为例，这家连锁大约有500家店。 茜的茉莉花茶显然超过了其他5~7元的茶饮料销售额。 到了夏天，整个茶饮料很多人都会发现这个sku在扩大。 所以，同样铺着小茜，统一自己也不知道那个sku的区别这么大。 而且所有广东老板都知道维特尔·柠檬茶在广东点燃很久了。 结果，该产品去年进入东北，在哈尔滨直接脱销。

超联合数据的自动补充模型

毛日宏还与现场嘉宾简单共享自动补充的模式，大家经常交货时要考虑交货量、订单周期、安全库存。 中心的关键是日平均销售量。 这是中心预测的。 如果让一家店明天卖4头红牛，明天确实卖4头，你觉得费用预测正确吗？ 不，下午4点可能卖完了，但从下午4点到晚上10点买不到红牛，所以追求销量的预测是不对的。 追求的是预测。 到底需要多少人呢？ 你怎么决定这个比例？ 每天进店的人都有可以预测的数字。 例如，证明天下雨多少人，明天不下雨的人，在进店的人中，各自买不同类别的概率是固定的。 例如，一进店57%的人买烟，23%的人买点心，15%的人买水的概率，基于买水的概率，他买农夫山泉的概率是53%。