共计 5251 个字符，预计需要花费 14 分钟才能阅读完成。
文末可收费下载 Kyligence Zen 批发场景数据集 + 行业指标模版
1. 数据分析仍深刻影响零售业
如果提到对数据分析需要最多的行业有哪些？零售业肯定占有一席之地。
批发企业广泛具备丰盛的数据积攒和大量须要通过数据分析给出优化倡议的场景，例如：客单价是如何影响整体营业额的、沉闷用户数是否在其中起到正向作用等等，数据分析已成为零售业日常改善经营的次要判断根据。
因为过来几年疫情的冲击，线下的实体批发禁受了继续的客源和老本压力；而与此同时，疫情期间以社区批发和社群团购为代表的新零售业态则失去了很大的倒退。在疫情向稳和常态化防控的局势下，越来越多的商家冀望通过传播有温度的社区型服务来稳步晋升营业额，在这一指标下：
- 局部商家关注商品组合的调整，选择性地扩充生活必需品如米面粮油的占比以进步客单价；
- 有些商家则致力于开发私域用户，并推出匹配其行为特色的促销流动以进一步坚固沉闷客户数。
然而这些零散的形式尚未串出一条主线，而不同动作在追赶业务指标的过程中如何协同跟踪成果也是商家广泛关注的焦点，这样的新零售业态迫切需要更具指导性的数据分析和指标体系来驱动治理和业务指标。
因为篇幅无限，本文将以社区批发和社群团购为代表的新零售业态为例，分享如何从一个简化的“北极星指标”体系登程，进行指标的设定和拆解，再从指标治理的角度来追踪设定的“北极星指标”和拆解后关联指标的执行状况，以上下对齐、统一口径的指标来驱动治理和业务指标。
2. 新零售业和北极星指标
传统零售业的数据分析实质上离不开“人 – 货 – 场”这一模型，“人 – 货 – 场”从不同角度对零售业做了数据指标和剖析维度的提炼，横向的完整性上有了充沛开展：
零售业“人 – 货 – 场”数据分析模型
但在各个指标中，哪些指标是主体的业务指标，指标间又是如何产生关联的，自顶向下的分级关系具体是什么等，“人 – 货 – 场”模型还不足纵向上的深度和必要的合成，这也就是前文所提到的 —— 如果没有串出一条领导业务前行的主线，对于零售商家来说仍会感觉一头雾水。
而新批发更强调用户体验的突出意义，之前提到的各种形式，无论是进步客单价还是坚固沉闷客户数，都是以用户为核心尝试推广精准营销，而这更须要对业务指标的聚焦和在纵深上对于各项指标关联性的思考，这也是越来越多的新批发企业抉择“北极星指标”来切入数据分析的原因。
“北极星指标”是指在以后阶段与业务 / 策略相干的相对外围指标，一旦确立就像北极星一样闪耀在地面，指引团队向同一个方向迈进。
北极星即便在暗夜中仍可引领前行方向
不同行业有不同的“北极星指标”参考体系，即便在同一行业也会依据业务指标的不同而设置齐全不同的“北极星指标”。例如，餐饮业会抉择客户满意度或翻台率，而连锁便利店则会更关注销量或毛利率等。这里咱们会看到很要害的一点：“北极星指标”是与业务指标强相干的。
顶层设计 – 业务指标要明确体现在指标剖析中。 然而在落地的过程中，通常的数据分析平台在展现报表或者监控指标时很难体现出业务指标，更谈不上对于治理的驱动意义。
进一步的挑战在于：当明确了“北极星指标”后，企业又该如何达成设定的指标，或者晋升过程中的可控水平呢？不难想到，咱们须要对确定的单个要害指标进行拆解、把指标细分，关联到具体的多个指标上，从而更不便地调配到不同部门或不同角色的人员来执行和跟踪。
指标拆解是“北极星指标”发挥作用的重要前提，而拆解后关联的这些指标要具备参考价值、成为可信指标，就必须保持一致的设计口径。
细项拆解 – 口径统一是可信指标的前提。 然而在指标拆解的过程中，往往会遇到上下级甚至同一级的指标在各个部门或扩散的数据加工链路上对于指标名称、统计口径或计算方法的不统一，这会很大水平上升高指标的可信度，影响决策应用。
3. 智能指标治理和剖析平台 Kyligence Zen
对于无论是“指标口径不统一”，还是“指标无奈与业务指标对齐”等问题，都会影响到业务决策和是否无效驱动治理指标。作为基于 Kyligence 外围 OLAP 能力打造的智能指标治理和剖析平台，Kyligence Zen 在这些焦点上有本身独到的解决方案。
Kyligence Zen 产品架构图
- 指标治理
Kyligence Zen 独创的指标治理与指标对齐性能，使得组织可能从管理者视角，将企业治理合成为相干指标，并设置正当的指标，并继续追踪、比照，进一步驱动组织的数字化转型。
- 指标目录
Kyligence Zen 通过指标目录能力，使得组织可能轻松定义和治理指标，造成对立的指标口径，同时加强数据的可信度。
当初只需三步，咱们就能感触到 Kyligence Zen 的神奇之处，这就开启体验旅程！
4. 应用 Kyligence Zen 为新批发行业找“北”
4.1 设定“北极星指标”
对于以社区批发和社群团购为代表的新零售业态，一方面，咱们能够依据商家对营业额晋升的关注，也就是其主体业务指标抉择总销售额（通常所说的 GMV）作为“北极星指标”，这是业务前行中的晴雨表。另一方面，这一业务指标的实现必然会受到多重因素的影响，除了最根本的总交易量外，也包含咱们之前所提到的：商家的不同动作所关注到的客单价和沉闷客户数。
这样咱们就能够构建出一个简略的“北极星指标”体系，以总销售额作为统一方向，并细化到对总交易量、客单价和沉闷客户数这几个指标的实现上来，去领导业务指标的执行打算和后续跟踪。
以总销售额为“北极星指标”并作拆解
当然“北极星指标”作为一套残缺的方法论，其确立和拆解势必是一个零碎且谨严的过程。这里咱们做了肯定的简化，是为了更快捷地过渡到后续的落地步骤上来。在上图中咱们也能够看到，拆解后的指标还能够进一步关联到其它指标，并对立设定可剖析的维度（工夫、空间和商品属性等）。
4.2 导入数据集和行业指标模板
从咱们设定的“北极星指标”体系上能够看到，咱们关注的指标集中在交易（总交易量、客单价）和客户（沉闷客户数）这两个次要的视角，因而咱们就须要首先导入相干的数据。
Kyligence Zen 反对对接多种类型的数据源，这里咱们以 CSV 文件为例，导入交易和客户这两个数据集。
【点击“文末链接”获取批发场景数据集，疾速体验 Kyligence Zen】
在数据入口上传 CSV 即可实现数据源导入
导入后的数据集能够在样本数据里预览
实现数据集的导入之后就能够发展指标的创立，之前咱们提到问题之一就是“指标口径不统一”，而这里 Kyligence Zen 的指标目录就能够撑持咱们构建一套对立的指标库：
- 基于前文导入的同一份数据集来创立指标；
- 在指标目录里依照对立的格局设计并保护指标，Kyligence Zen 还反对根底、复合和衍生等指标类型来层次化治理指标库；
- 按业务须要为一系列指标设置统一的剖析维度。
通过指标目录造成对立的指标口径
生成这样对立的指标库就和之前导入数据集一样简略疾速！
在 Kyligence Zen 中，大家能够通过 YAML 格局的文件来保护指标定义并一键导入，这里咱们曾经为大家筹备好了一套残缺的批发行业指标模板，蕴含交易体现和客户奉献这两大视角的 30 多个典型利用指标，当然也包含咱们设定的“北极星指标”里所须要的总销售额、总交易量、客单价和沉闷客户数。
批发行业指标模板概览
【点击“文末链接”获取批发行业指标模板，疾速体验 Kyligence Zen】
在指标目录里一键导入 YAML 指标模板
通过指标目录造成对立的指标口径
整个过程中能够直观地感触到：借助 Kyligence Zen 指标目录的能力，咱们能以统一口径实现指标的定义，而后续的数据分析都能基于这套口径统一的指标库来进行，让“北极星指标”体系里拆解后关联的不同指标充沛建设数据信赖，保障牢靠的业务决策。
4.3 融入业务指标，以指标驱动治理
指标建设之后，咱们会很天然地想到开始设计报表，然而传统报表的模式不能很好地解决上文提及的“指标无奈与业务指标对齐”这一问题。数据自身并不间接发明价值，而指标也同样，其价值须要通过赋能业务指标来传导和体现。
利用“北极星指标”的要害意义之一在于优先聚焦在最外围的业务指标上，所以在落地平台上就须要体现出业务指标和对应指标的联动。在 Kyligence Zen 里，咱们能够通过翻新的指标治理这一要害能力来追踪设定的“北极星指标”和拆解后关联指标的执行状况；更为重要的是，可能在建设业务指标并绑定到具体指标后，第一工夫看到以后差距和危险。
在指标治理里，能够创立业务指标并设置关联指标和目标值
咱们依据之前建设的“北极星指标”体系，在 Kyligence Zen 的指标治理里，将总销售额设置为一级指标，同时在这一指标下别离建设对应的 3 个子指标：总交易量、客单价和沉闷客户数，并为每一级的每一个指标都绑定对应的指标并设置业务指标的量化数值。
高效协同治理业务指标
这样，一个清晰的业务指标联动对应指标的追踪框架就建设起来了，即便是不同策略作用下的各个指标都能在同一处进行跟踪和监控；而且不难发现，这里的子目标甚至能够由组织内不同的人员独特合作来实现设置；最终，在这个指标看板上就轻松失去初步论断：
- “北极星指标”总销售量未达到预期，以后完成率不到 60%；
- 总交易量指标尽管达标，但另外两个指标客单价和沉闷客户数均离指标有肯定差距，尤其是沉闷客户数，以后仅实现目标的不到 2/3。
有了之前统一口径的指标目录做保障，这里推导的论断就具备了在不同部门或不同角色人员间的说服力，可能更疾速实现响应并调整商业策略。比方，下一阶段能够着重进步沉闷客户数，并通过铺设更多针对指标人群行为特色的促销流动来实现，这样就天然地达成了指标驱动治理和业务指标。
如果想去残缺匹配之前构建的“北极星指标”体系，咱们能够持续在子目标的根底上设置下一级指标，这样的构造也为进一步的归因剖析提供了明确的根据和方向。
Kyligence Zen 也同时提供传统的仪表盘模式来进行更多维度与组合的数据分析，和方才提到的指标治理一样，仪表盘同样基于对立治理的指标目录来实现设计。
这样咱们就能够从更贴合业务思维的角度登程，间接从指标库中抉择须要的指标：比方对于客单价剖析其关联指标连带率产生的影响；又比方对于沉闷客户数察看其关联指标复购率如何发挥作用；所有的这些指标口径统一，都能够按工夫维度（如订单日期）、空间维度（如门店地位）和属性维度（如商品分类）进行组合分析，大家能够导入咱们筹备的批发行业指标模板依据典型的批发场景来进一步摸索。
批发仪表盘 – 交易体现视角
批发仪表盘 – 客户奉献视角
除了“北极星指标”体系建设这一场景外，当新批发企业心愿在疫情新常态下更好地投合生产需要及生产模式的变动，更明确地聚焦设定的业务指标，更清晰地在纵深上梳理分明关联指标在实现目标上的依赖关系时，都不可避免地会遇到之前提到的问题：
- 指标无奈与业务指标对齐；
- 指标口径不统一。
Kyligence Zen 通过外围的要害能力指标目录建设起统一口径的可信指标，不同部门和不同角色的人员能够在同一套指标指标里实现指标的设计，彼此之间的合作更聚焦在业务自身，而非将反复的精力消耗于口径认知的对立上。
尔后，无论是指标治理还是仪表盘都可间接基于指标目录来打造，大幅度晋升指标的复用，也以更体系化的形式助力麻利合作的实现；同时，借助创新性的指标治理，企业能够直观地洞察到业务指标和对应指标的联动，为状态跟踪、危险预警和决策调整提供最间接、牢靠的根据。
指标是从数据快捷逾越到洞察的更优解，是在数据与决策间架起的高速通道。
Kyligence Zen 为指标可信和指标协同提供了平台和治理撑持，能无效助力当先企业构建对立指标体系，实现治理的可观测性，驱动治理和业务指标的实现；同时也为企业赋能本身更高效的经营和管理机制、发明更广大的商业价值奠定了坚实基础。
点击体验 Kyligence Zen
点击下方收费获取批发场景数据集及行业指标模版，疾速体验 Kyligence Zen。
下载批发行业数据集 + 指标模板
注：该数据集来自 Kaggle，作者是 Mohamed Harris，文章中应用的数据在原数据集的根底上做了局部列的调整。
对于 Kyligence
上海跬智信息技术有限公司 (Kyligence) 由 Apache Kylin 开创团队于 2016 年开办，致力于打造下一代企业级智能多维数据库，为企业简化数据湖上的多维数据分析（OLAP）。通过 AI 加强的高性能剖析引擎、对立 SQL 服务接口、业务语义层等性能，Kyligence 提供老本最优的多维数据分析能力，撑持企业商务智能（BI）剖析、灵便查问和互联网级数据服务等多类利用场景，助力企业构建更牢靠的指标体系，开释业务自助剖析后劲。
Kyligence 已服务中国、美国、欧洲及亚太的多个银行、证券、保险、制作、批发等行业客户，包含建设银行、浦发银行、招商银行、安全银行、宁波银行、太平洋保险、中国银联、上汽、Costa、UBS、MetLife 等寰球知名企业，并和微软、亚马逊、华为、Tableau 等技术领导者达成寰球合作伙伴关系。目前公司曾经在上海、北京、深圳、厦门、武汉及美国的硅谷、纽约、西雅图等开设分公司或办事机构。
