IDC：零售及消费品行业大数据分析实践2022（27页）.pdf

1、零售及消费品行业大数据分析实践，2022王丽萌，高级市场分析师卢言霞，助理研究总监2 IDC|目录15234应用大数据分析的主要优势研究范围与核心观点最佳实践给技术买家的建议行业正在面临的挑战3 IDC|研究范围本次研究对象以传统/在线零售商为主，也包括经销商、快速消费品（FMCG）的生产者品牌商和自有品牌（Private Brand，PB）商，在后文中将统称为“零售行业”或“零售企业”。例如：商超连锁便利店、电商、食品与饮料品牌商、家庭与个人护理品牌商等。这些企业的服务对象是包括个人和机构团体在内的终端消费者，以面向消费者的零售为核心业务，也可能涉及消费品的生产制造、批发、物流供应链、送货安

2、装服务等环节。这些企业的范围不包括上游的工业品及原材料制造商/供应商、下游的餐饮门店，以及核心业务横跨除生产、零售之外多个行业的企业。零售消费品上游下游 工业品及原材料制造商/供应商 快速消费品的生产者品牌商和自有品牌商 经销商 传统/在线零售商 餐饮门店研究范围4 IDC|报告核心观点背景变化中国零售及快消品行业在近十年受到电子商务、新零售及疫情的影响，市场环境的变化塑造了行业的数字化转型。现实与数字化的商品、服务、体验的无缝融合对企业的生存和增长至关重要，其中所采用的大数据技术已成为精细化运营的基础。关键挑战零售企业在转型过程中的关键挑战主要包括业务价值、改造成本、组织战略与人才。发展驱动

3、力零售行业大数据分析应用优势有：大数据应用场景整体趋于成熟，企业可用数据规模增大，业务对数据依赖程度提升，数据向价值转化难度降低。行业大数据应用现状大数据与分析方面支出快速增加，在智能应用方面更关注生产率、运营效率和处理速度。行业实践成立5年左右的企业对大数据技术的采用热情远高于行业平均水平，将技术与组织、业务模式结合打造竞争力；成立15年左右的企业经历了“数据中台”建设热潮，在亲身实践后深刻体会到采用新技术要跟上业务变动；成立30年左右的企业正在谨慎尝试的过程中，不仅难以找到细分领域对应的同行实践或成熟方案，而且企业内部接受程度较低，在业务压力之下启动小规模探索单点应用场景。给技术买家的建议

4、（详见报告末尾）5 IDC|目录15234应用大数据分析的主要优势研究范围与核心观点最佳实践给技术买家的建议行业正在面临的挑战6 IDC|市场环境变化塑造行业数字化转型，大数据分析助力消费洞察作为产品消费市场终端，零售行业与居民基本生活密切相关。从2012年到2022年的十年间，中国零售行业受到电子商务、新零售及疫情的三大影响。在行业格局发生巨大变化的同时，其数字化水平总体领先于上游的制造业，但又落后于与消费者密切关联的互联网行业。随着消费者的需求偏好、消费习惯与场景的转变，传统零售企业面临线下客流急剧下降、销售增长乏力的困境，新型零售企业也在探索发展模式的过程中，不断接受消费者数据隐私保护、

5、供应链物流停滞、区域突发事件等新挑战。零售业态发生多元化变革，从垂直电商、社交直播电商，到前置仓生鲜电商、仓储会员店、社区团购。在这一过程中，数字化成为零售行业的核心能力，零售商亟需提升数字化能力以积极应对变化带来的挑战。在疫情防控常态化下，消费者行为转变趋势促使零售行业继续升级，行业关注点进一步向消费者转移，更关注消费场景、消费深层需求与体验，从“销售商品”转向“设计体验”。现实与数字化的商品、服务、体验的无缝融合对企业的生存和增长至关重要，这种客户旅程（customer Journey）的方法将通过行业生态系统实现，其中所采用的大数据技术已成为零售企业精细化运营的基础。电商新零售疫情7 I

6、DC|零售企业在转型过程中的关键挑战在于价值、成本与组织人才2021年，中国多家零售商超斥巨资提升数字化能力。很多零售企业虽然已经积累了一定的用户消费行为数据以及供应链数据等，但在如何利用数据价值、统筹全渠道数据形成全面洞察方面仍存在一定挑战。整个实体商超行业的数智化之路迫在眉睫，而大部分商超的数智化转型之路都很艰难。挑战主要在于：业务价值:相较于金融、政府等行业，零售行业的整体利润率较低，缺乏内、外部动力替换/改造原有信息化系统，只有营收规模足够大、对业务扩张需求强烈的企业才有意愿投入。改造成本:自建大数据平台等软件系统成本高。例如，开发数据中台、组建工程师团队等一系列投入，对于区域商超、便