技術的發展，使得人類制造出的數據呈指數級增長，人類正從IT時代走向DT時代。都說有人的地方就有江湖，其實有人的地方還有數據。而快消品企業作為與消費者密切接觸的行業更不例外。快消零售品企業每天都需要處理大量的數據，這些數據分別來自內部：人員、費用和終端數據；外部：分銷商、批發商、代理商、消費者數據等等。
數據來源：IDC
快消品行業的一大特點就是擁有海量的消費者數據，對于擁有海量消費者數據的快消品行業而言，數據分析是助其獲取商業優勢的一大利器。例如一些領先的快消品企業在運營總部設有“作戰室”，實時監測銷售等經營數據，就像寶潔公司(P&G)著名的“業務水晶球”電視墻那樣，通過大屏幕上關鍵績效指標的圖形化呈現，隨時為新的市場決策提供依據。或者某些企業直接選擇數據分析工具進行數據挖掘與應用。比如一號店用大數據魔鏡幫助其對用戶進行深層分析。
一、快消品企業數據運用現狀剖析
然而埃森哲最近開展的一項針對快消品行業的研究卻發現： 盡管很多快消企業紛紛投資與數據挖掘和數據分析相關的人才、工具、數據和系統，但他們卻很難從這些投資中獲得最大價值。其重要原因在于，這些企業尚未采取上下協調一致的策略，企業的業務系統林立，缺乏統一分析體系難以有效驅動業務運營。
快消品行業的大數據價值為什么沒有得到最大體現
這主要體現在以下四個方面：
1、系統數據分散尚未打通。終端、經銷商、訂單，費用……未打通共享，影響業務高效運行。
2、數據未整合，缺乏全局標準。客戶、訂單等信息散落在各系統中，個體數據未打通、未整合 ，難以直接應用，缺乏全局標準；數據維度、統計口徑不統一，數據質量參差不齊。
3、數據化運營體系缺失、尚未構建數據業務化的閉環體系，缺乏整體經銷商、消費者洞察 分析框架，點狀、片段數據難以有效指導營銷運營；歷史營銷數據未沉淀，難以有效指導下次營銷活動。同時缺乏全局視角和運營模式為數據分析提供有力支持。
4、很多快消品企業的數據分析只能對已發生事件進行“事后諸葛亮式”的描述，根本不具備預測能力，因此無法獲得前瞻性的洞見。
海量的數據一直存在，而卻不能被完全釋放價值，這實在是大數據上的一大憾事。提高對數據挖掘與分析的價值利用，還需要快消品企業自上而下地提高對其的認識和重視。
二、快消品企業應當如何用好“大數據”
為了讓數據賦能，扭轉應用數據，發揮數據業務價值，BI數據分析的構建成為企業營銷管理不可或缺的一環。針對以上存在的問題，玄訊快消智研中心認為：未來快消品企業在大數據的應用上主要可以圍繞 “聚-通-用”挖掘生產大數據的價值，幫助企業降本增效，提升企業的綜合競爭力，精準預測市場趨勢，快速搶占市場先機。
1、聚：數據的收集和積累是基礎
“聚”主要體現在數據獲取方面，這是數據分析的基礎。而“聚”不僅僅是指盲目獲取數據，而是明確需要獲取的數據類型。這就需要根據快消企業的業務發展需求以及戰略，明確數據獲取的主要類型。一般來說，快消品企業主要集中的數據需求在人員、終端、渠道商、費用、資產、業務行為等方面，企業可根據企業實際情況進行具體數據類型收集。另外，快消企業可借助現代先進的技術進行高效全方位的數據收集，例如近年來快速發展的AI技術，其先進的算法能力，能夠高效并且全面地輔助快消企業掌握終端數據。
（圖片來源：玄武科技·玄訊）
2、通：不同維度數據打通是重點
“通”，主要體現在打通和共享。據玄訊快消智研中心通過長期調查發現，目前很多快消企業并非沒有部署業務分析系統，而是業務系統過于繁雜，并且各個業務系統之間孤立零散，無法形成有效的整合分析。于是這就需要一個平臺系統能夠將各個系統業務數據串聯起來，實現多個維度數據洞察，才能幫助企業管理者真正發現業務中存在的問題與起因的內在聯系，進而幫助管理者發現與問題解決相關的積極因素。
3、用：數據運用是目標
“用”就是充分發揮數據的價值，這是數據分析的終極目標。快消企業進行數據的收集和數據的分析，最終還是希望數據能夠運用起來，助力其業務增長。在未來，快消企業希望通過大數據的分析，助力企業高效洞察終端市場。例如通過數據駕駛艙，直觀清晰展示快消企業終端客戶的分布情況，費用投放情況、費用利用率以及終端業務員執行情況等等。通過終端市場的洞察，從而進行精準的市場趨勢預測，例如各類渠道終端訂單趨勢、終端數量的變化趨勢、產品終端表現情況等趨勢預測，從而能夠搶先一步布局市場，贏得終端市場。
（數據駕駛艙示例圖） 圖片來源：百家號
數據分析閉環圖
（圖片來源：玄武科技·玄訊）
阿里巴巴經濟體學術委員會主席曾鳴教授曾說過，在線化、數據化、智能化將是未來企業的重要特征。以往，企業并沒有察覺到一個微小的動作到底會產生怎樣不同的結果。但伴隨著數字經濟時代的到來，人們越來越相信，得數據者能得天下。顯然，快消行業的競爭，已從品牌、渠道和產品的競爭，轉為企業數據挖掘和使用能力的競爭。因此，快消企業需盡早部署適合企業業務發展要求的數據系統，才能有效挖掘所收集到的數據價值，從而最大程度發揮數據驅動業務增長的效能。
