今年的“老朋友”双十一来的比去年早一些，10月20日的第一波预售落下帷幕，11月4日的第二波预售又将开启，消费者们在“甜蜜的折磨”中，“恨不得”重修数学，以获取优惠的最优解，而商家同样“不轻松”，时时需要关注销量的同时保障服务，确保配货和物流的及时无差错，以及面对海量数据处理的准确性，适时调整运营规划。

今天，奥维奥商务智能产品经理刘春光，将就SAP分析云为电商零售企业带来的切实利益为出发点，结合案例演示，深入剖析电商零售企业该如何挖掘销售数据中暗藏的正在宝藏，助力企业提升运营效率，快速反应市场以及赢得收益。

大家好，我是刘春光，再谈SAP分析云的数据分析之前，咱们先来聊聊商务智能，相信通过前几期的讲解，大家对于商务智能已经不再陌生。

目前，我国的商务智能处于初级发展阶段。一方面出于企业自身因素，比如说企业信息化水平比较低，没有大量的数据积累，而商务智能需要基于底层的大量数据。另一方面是因为对商务智能认知度不高，我曾经接触的很多客户，对于商务智能，大多会问“商务智能是什么、商务智能为企业带来什么、商务智能贵不贵、商务智能能为企业赚钱吗”等等问题。

这些问题有的来自于业务部门，有的来自IT部门，有的来自于管理层，由于职能的不同，他们所关注的点也是不同的，每个人、每个企业对商务智能的认知度，直接决定了对商务智能的认可度。

我个人认为造成这一现象的原因，一是没有了解分析的重要性，二是没有了解分析的发展路线。

下面，我举一个简单的例子，首先说明一下分析对企业的重要性。

这个故事发生在二十世纪九十年代的沃尔玛超市，有一天，沃尔玛超市的管理人员分析销售数据时，发现了一个非常奇特的现象，什么现象呢？他们发现啤酒和尿布这两种毫不相干的产品，经常出现在同一个购物车中，所以这就引起了管理人员的注意。通过调查发现，这种现象往往出现在一些年轻的父亲身上，这又是为什么呢？因为在美国有婴儿的家庭当中，一般是由母亲在家照顾孩子，父亲去超市买尿不湿，而父亲在买尿不湿的同时，通常会给自己买一些啤酒，所以就出现上述所说的啤酒和尿布经常出现在同一个购物车中的现象。

沃尔玛超市发现这一现象，就开始尝试将啤酒和尿布放在同一个区域进行售卖，这样，第一可以让父亲在购买尿不湿的同时，便利的买到啤酒，第二就是为沃尔玛超市提供了增加收入的机会。

这里就体现了分析对企业的重要性——第一，对业务的改进和优化；第二，帮助业务发现机会；第三，创造新的商业价值。

对于数据分析的发展路线，大概分为三个层次。第一个层次，报表的常规展现，何为常规展现呢？就是使用像柱状图、饼状图、折线图、二维表等图形可视化的方式，使企业日常的业务数据进行全面呈现，再通过各种维度的关联、钻取等方式来查看各类分析指标。图表是按主题来划分的，彼此之间有一定的逻辑关系。这个层次的报表分析，主要就是呈现，它的价值，第一可以让用户对日常业务有一个清晰、直接、准确的认知。第二解放了用户传统的Excel的工作方式。

第二个层次，数据的异常分析。何为异常？通常指的是一些不好的东西，也就是说我们可以通过数据的可视化，发现一些KPI指标反应出来的结果，超出日常经验的判断。如上图，是一个人力方面的分析，在这个仪表盘中可以看到，投递简历数在1到10月呈现的是相对平稳的趋势，在11月出现了断崖式下跌的趋势，这就是一种异常。

这里体验出的价值，就是对这些异常数据进行有目的的探索和分析，找出影响它的原因。我们可以利用SAC的智能洞察功能，直接发现引起断崖式异常的原因。经过数据洞察，我们发现原因包括两方面，第一是质量管理招聘岗位出现了问题，第二是内部招聘的招聘渠道出现了问题。

第三个层次，业务的建模分析，业务建模分析一般都是由精通业务的工作人员提出的，通过合理的建模，找到业务中可能存在的一些问题，将其反映出来，最终再回归到业务当中，形成决策并不断优化的一个过程。

下面，我将通过一个案例简单讲解业务模型的分析过程。我们都知道汽车4S店的收入主要由两个收入源组成，一部分是汽车销售的收入，一部分是汽车售后的收入。销售收入的利润非常有限，真正赚钱的部分是售后服务，比如保险、保养、维修、装饰等等业务，因此首保回店率、流失率、流失原因等等分析对其是极为重要的。

如上图所示，关于首保回店率的分析，这是一个很简单的模型，它的维度只有一个年份，它的分析指标包括销售数量、首保回店数、首保回店率。通过分析发现，2016年、2017年和2019年，首保回店率都在90%以上，而在2018年却只有66%左右，首保回店率很大程度上体现了购买新车的用户，在提车之后会不会经常回店的可能，新车用户在提车之后，如果第一次保养都不选择原店的话，那就意味着这个客户后续的保养可能都不会再回来，一两年之后呢，这个客户就永远流失了。

所以说需要对首保回店率低的原因做出分析，是因为汽车卖给其他的区域呢？还是因为客户对服务不满意呢？应该从哪些方面进行改善呢？是否可以通过一些促销手段，吸引客户以致挽回首保回店率降低的异常现象？通过这个案例可以看出，第三层次-业务建模的分析，是一个更深层次的数据主动性的设计和探索的分析。这个分析提出的是更加深入的业务，它是围绕着场景展开的。

对商务智能做一个简单的总结，我个人认为我们不应该质疑商务智能本身，我们质疑的应该是在这个过程中，我们个人、企业对商务智能的认知和推进到哪个层次，推进到哪个层次，商务智能的价值就会体现在哪个层次上，如何有效的和成功的推进商务智能建设和落地，才是我们BI服务商和客户一起共同面对的问题。