前言
在零售行业做数据分析两年了，打算把自己的一些总结和收获记录一下，大部分都是在实际工作中用到的，涉及到的一些分析方法也都是在工作中总结出来的个人经验，不是权威。
为什么标题是『零售行业数据分析』而不是『数据分析』，个人在乙方公司的经验主要在零售行业，即使在行业内，不同的品牌调性差异面向群体的不同从原始数据到最后的数据分析的过程中都有很大的不同，对于其他行业更不敢妄言。
零售行业
零售行业是以销售业绩为导向，所有的数据分析从本质上来说都是为了产生销售业绩。这里先将数据分析中会涉及到的数据及一些常见的使用场景，本篇不涉及分析，分析在后续会单独讲到。
数据是对用户的行为与属性进行记录和总结的结果。常说的 Rawdata 就是一个数据陈述的结果集，而对于数据的总结洞察就是数据分析。
这里需要先区分一个很重要的概念，在日常工作中常有的误区，也是很多业务人员都常常犯的一个错误，认为顾客和会员是同一个概念，实际不是的。顾客通常指有消费的人，比如你到店消费就算这个店的顾客，但不一定是会员。而会员，大部分企业是以留资作为标准的，以企业角度来讲，留资代表对企业有印象，以后也是有渠道可以给会员发 offer 的，这才是会员。
零售行业中，不同的渠道也有很大的差异，后续也会区分电商与零售，后续会讲讲这两个渠道的差异。从数据层面上来说，实体零售店与电商有很大的差别。数据量的角度来说，电商的数据量远远大于实体零售店，实体零售店的数据主要集中在三方面：会员数据，销售数据，活动与营销数据；电商除了实体店的这三方面数据以外，还存在大量的行为数据。下面主要谈谈这几种数据。
原始数据
会员数据
会员数据指与会员信息和标签相关数据。
- 会员信息指会员的基础信息，如姓名、电话、手机、常用地址等，这都是可以直接通过收集就能获取的，主要用于会员的统计和区别。
- 标签相关数据是指会员通过一些计算和集合得出的信息，比较简单的有购物性别、会员年龄段等可用于帮助简单用户分群的标签信息。这里稍微提一下购物性别，购物性别和实际性别不一样，购物性别是指在购物的行为中表现出来的性别特征，举例来说，有的顾客可能是男士，但是在屈臣氏上大部分都是购买女性护肤品，那么在购物性别就将该男士归类为女性，这就是通过顾客的购买记录计算后的结果，通常也会用到 CRM 的标签中。
销售数据
销售数据大体上分为订单数据与商品数据。
- 订单数据主要是记录会员的购买行为，通常都会记录订单时间、金额、数量、会员等级、销售人员（服装行业通常称为导购）、销售店铺等，这些基本上都是具备的，精细化程度深一点企业会有订单时间与支付时间，可以用于分析购买所花费的时间，当然视企业做的程度不同还有一些其他的指标。
- 商品数据主要是关联订单的，通常企业会将订单的所有数据分为订单表与商品表，一个订单只有一条订单表的记录，但可能会有多条商品表的记录，如果顾客购买多件商品的话。商品数据中会通过不同的数据记录商品相关的信息，比如服装就会有版型、颜色、型号等信息，百货就会有不同层级的品类信息等。
活动及营销数据
零售行业的日常运营中经常会产生不同活动及营销数据。相信大家对于市场上大多数的活动都有不少的了解，也有不少的参与经验。那么对于这部分产生的数据也会成为数据分析的一部分。
- 活动相关数据，顾名思义就是活动的一些信息，比如活动推送的人群、活动形式、活动渠道等一些跟这个活动的属性相关的信息，主要是用于活动的记录以结束以后的分析不同的活动类型所带来的活动效果差异。
- 活动参与数据是指在活动中顾客参与情况的数据，主要用于后续分析人群的活动响应率、人群的活动差异等
- 沟通数据，这个是较少使用的，主要是记录品牌与会员间的沟通效果，这个沟通数据包括日常维护会员比如以短信形式发送的关怀信息，品牌资料、活动促销等信息，也有会员权益变化、积分变更、资料修改等产生的沟通数据。
行为数据
- 行为数据通常是电商平台会存储的信息。通常采集的方式是通过埋点记录，存储也主要是以非结构化数据为主。这类数据也是电商区别于实体门店的一个方面，采集难度高是实体店铺大都没有行为数据的主要原因。对于电商来说，行为数据的分析也是非常重要的一个部分。
下期内容
暂时没有想法，如果大家有想了解的也可以留言，尽量满足。没有的话我就想到哪写到哪吧。
