1、数字化时代，数字化决策取代经验决策的必然趋势

在过去，企业的决策基于经验，工作越久的人对行业、对业务、对客户有更多更深的认知，积累的经验能帮助他们做出更为恰当的决策。

因此，企业也将更高的薪酬、职权赋予给他们，让他们在经营管理岗位上做出相应的判断与抉择。

但是在数字化时代，直觉经验式决策将逐渐被数据分析式决策所替代。

业务决策的依据，将从人为主观的经验判断、业务经验转变为主要靠客观的数据分析、数据预测、数据预判。

谁能掌握更多的数据基础，通过数据的梳理、分析和判断，从数据中获取到决策依据，继而做出决策，谁就将掌握未来发展空间更广的业务。

2、如何利用数据驱动做业务决策？

那么在商超行业如何通过数据指导业务决策呢？

首先需要通过数字化运营平台，比如通过众超数科搭建的数据中台，实现内部海量数据的标准化、模型化和体系化，让数据从原料变成资源和资产，为数据驱动决策提供基础要件。

数字化决策流程

（1）对于基层人员，通过事件的数据积累和复盘，发现联系顾客购物过程中的流程问题，找到联系不同用户群最精准的方式，匹配精准的信用修复方案，更新工作流程，进而改进业务运营方案以实现数字化运营；

（2）对于中层人员，通过数据探寻高转化路径的规律，调整客户运营、线上线下的产品和各项资源的组合，重构业务经营体系以实现数字化经营；

（3）对于高层人员，通过数据挖掘企业未来的空间和发展机会，迭代公司战略规划，增加营收和效益以实现数字化经营；

（4）对于公司的决策层，将通过数据洞察行业发展趋势，优化公司内部资源统筹和配置，连接客户、商业伙伴和供应链上下游，重塑商业模式以实现数字化决策。

在整个过程中，数据将自下而上、自上而下贯穿全流程，洞察全节点，对原流程实现完全的重构和再造。

3、三个维度的数据驱动运营

具体来说，我们可以从三个维度：经营、区域和人群的维度，帮助一线业务岗位、管理岗位、公司高层等各个职能岗位通过数据分析实现业务决策。

（1）经营的维度

针对高管层可以看到企业的整体经营情况，类似拥有一个“管理驾驶舱”；针对中层的业务leader或部门负责人等，提供主题分析的能力；针对一线的执行团队，根据具体的业务场景，提供专题分析的能力。

如针对营销负责人，可以看到营销各个活动的投资回报率(ROI)；负责客户运营的管理者可以看到客户分层里面各个人群的特征画像以及它们的分布、趋势、迁移情况等；

负责新零售运营的管理者可以看到从UV到首页/搜索到商详到加购到下单，进行端到端的转化链路整体分析，去做不同转化节点、步骤的持续性优化。

通过数据BI报表让相关职能人员心中有“数”

（2）区域的维度

一个线下实体门店的辐射范围一般在周边三公里，也就是我们常说的“三公里商圈”。在精细化运营之前我们要了解辐射范围的人群画像和渗透率。

假设附近的小区共有1万户，这些住户里面有多少已经是我们的消费者了，他们的画像是怎样的，主要是学生、白领、老年人还是宝妈？

顾客画像

然后再基于不同人群设计相应的商品推荐策略和促销活动策略。

另外，在促销活动的频率上也应该以周/双周为单位定期更新，比如本周主打海鲜水产，下周主打宠物食品，再下周主打母婴用品，根据时令和热点规划每周的活动主题，这样可以更好地提升门店的销售业绩。

这就要求企业要以区域作为维度进行精细化运营，不能完全按照全国统一的策略来执行，不同城市、不同门店的运营策略都应该基于数据分析而进行针对性设计。

（3）人的维度

在用户的精细化运营方面，主要通过分层、分群、分场景的三层下钻找到精准的目标人群。

我们可以将用户生命周期作为第一层，把用户按照消费次数、最近一次消费时间、消费频次等维度，划分为注册期、引入期、成长期、成熟期、沉默期、流失期几类人群，这是分层；

用户生命周期

然后下钻到第二层，做进一步的细分，比如按人群的属性、年龄等画像信息拆分人群，这是分群；

再到第三层，以场景和策略进行人群细分，以注册期为例：可以分为注册当天、注册2～7天、注册8～15天、注册15天以上，这是分场景。

针对不同细分的人群，匹配差异化的运营手段和玩法，这样才能真正做到精细化运营。

4、数字化决策的优势

第一，当然是因为快，“天下武功，唯快不破”，效率就是第一生产力，在速度的加持下，将极大地帮助商超提高整体效率。

数字化就是将所有数据都在系统里实时生成结果，如果有数据异常或者报错可以及时发现。

比如通过对商品进行畅滞销款分析，通过商品销售数量、销售周期来预测当前库存的消化时长，可以安排提前补货，提升销售业绩。

第二，主要还是因为精准。

手工作业最大的弊端就是难以避免错、漏、弊，但是更改为数字作业以后，手工填表变为数字记录，所有行为均可记录、可追溯，全程透明，系统一步到位。

比如，关于客户营销，通过数据模拟消费者画像，然后根据消费者画像挖掘需求，从而实现向客户的精准营销。

第三，可靠。

当我们通过数据模拟出一套数据算法，赋予系统数字化分析能力，他们就能给我们提供可靠的判断。

就好比我们用计算机计算加减乘除，一旦这个系统学会了加减乘除的运算方式，无论多么复杂的计算题，只要输入数据都能给到我们一个准确的答案。

而且这个答案是长期稳定可靠的输出，如果外部条件变化，我们可以通过更改运算规则，从而调整我们想要的结果。