指标平台加速零售数字化转型--Kyligence Zen 智能一站式指标平台

导读 宗正老师是大数据资深技术布道师，本次聚焦零售行业，分享如何利用指标平台及相应的技术方法，加速零售的数字化转型。

本文分为五个章节：

1. 零售数字化转型面临的挑战。

2. Kyligence Zen 智能一站式指标平台：聚焦零售行业各环节，如何实现指标的快速加工和落地，数据链路以及工具运用。

3. 低代码指标服务的核心价值：低代码在高效指标平台的应用，如何充分发挥核心价值。

4. 新零售绩效归因分析：从全渠道的新零售场景，以一个绩效的归因分析案例，看指标平台的实际应用。

5. 从数据驱动到指标驱动：从简单报表和数字，到指标驱动的转型。

分享嘉宾｜宗正 资深技术布道师 

编辑整理｜菊

内容校对｜李瑶

出品社区｜DataFun

---

“到 2025 年，绝大多数人将会使用数据来优化他们工作的几乎各个方面”—麦肯锡《2025 数据驱动企业》

01

零售数字化转型面临的挑战

零售企业在做数字化转型时，常会面临一些灵魂拷问。

AARRR 是零售行业的一个经典的增长模型，或称为增长漏斗，包括拉新、促活、留存、传播和转化。

拉新营销中，我们可以从不同的渠道（包括线上、线下）、在不同的平台进行拉新。面对的问题包括：

• 如何评估营销活动效果？

• 如何优化投放渠道配置？对于初创或中小型企业，存在多渠道配置，如何判断每个渠道需要投放多少人力和资金。

• 如何设计店铺引流产品和盈利产品？在单个渠道里，怎样设计店铺中的产品组合，比如有些利润相对较低，不求盈利，只作为引流产品，而其它更多的是盈利产品。

• 如何打造产品组合来提高连带率和总销售额？

用户运营角度面对的问题包括：

• 如何判断客单价和净利润间的波动关系？比如，如果过去 3 到 6 个月都是比较稳定的正向关系，如果突然出现反向波动，如何探知到？

• 如何策划大促和日常活动来缩短复购周期？零售行业中，常有高频次的日常活动，也有节日等针对性的大促，需要考虑如何合理设计以提高复购率，或者缩短复购周期。

• 如何刺激活跃客户的持续消费？

在这些问题中，涉及不少客户关心的关键指标，如营销相关的销售额、连带率，用户运营相关的客单价、净利润率、复购率、活跃用户数、客户终身价值等。

上面这些指标，在实际使用时，也会有一些具体的问题。比如，如何设计一个好的指标体系？如何高效取数保证指标落地？指标落地后，如何进行维度分析？基于维度进行指标分析后，如何快速地归因结果？找到原因后，如何支撑决策，进行运营调整？在多渠道多平台的运营过程中，实际数据常常来源于不同渠道，甚至可能是线下收集的，如何进行跨域对比和融合？

针对以上诸多问题，需要一个平台来进行更加充分的数智化赋能支撑。

以一个实际客户的例子来说明，指标平台如何带来效率的显著提升。

如上图所示，上面的链路是典型的指标加工需求的处理链路，耗时比较长。需求提出时，业务方和 IT 方都介入进来，同时还可能需要引入一些项目或产品相关的人一起，才能最终确定指标，然后进行开发。等到需求确定下来，可能已经过了一周甚至更久；之后是数据开发、报表制作，最终上线验收。从整体需求开始，到 ETL 开发，再到最后落地到大屏、报表或 BI 工具上，常常需要两三周甚至更长时间。

上图下方是我们优化过后的流程。众所周知，零售行业的经营决策在实现过程中常常需要按时间情况进行微调，或对一些业务策略进行调整。如零售企业常常以门店为基础，在不同地域有不同的优惠政策，相应的线上店铺的经营策略也会不同。

另一方面，由于客群常常是事先圈选出来的，在运营过程中，发现选中的人群所展现的特征与预期不一致，这时就要快速调整运营策略，或调整一些参数。一些大促活动的时效性很高，如果再用一个完整的开发周期来支持这些大促活动，两三周过后效果就会大打折扣。因此，我们需要在整个链路上，以指标为核心，建立指标体系，使用更多可复用的基础指标，以业务可介入的方式自主地建立衍生复合指标，实现快速上线。

02

Kyligence Zen 智能一站式指标平台

接下来介绍 Kyligence Zen 一站式指标平台如何应对上述挑战。

如上图所示，指标平台接入各种数据源，包括数据仓库或云上对象存储的数据；然后输出到分析工具、数据应用或协同工具中。

指标平台分为两层。上层指标应用，可以开放给业务、领导直接去看。下层是计算引擎，用来支撑维度设计、复杂计算，以加速查询。

Kyligence Zen 智能一站式指标平台，包括指标目录、指标自动化、指标治理和 AI 增强的 OLAP 引擎等模块。通过指标治理，可以统一不同部门对指标的认识。通过指标自动化，简化加工链路，支持指标实现和模型打通。最后，通过指标目录的方式，开放给应用，使业务人员也可参与到指标加工中。

指标目录，展现了一个已上线的完整的指标体系。指标目录和报表、数据目录不同，它直接体现了业务最关心的指标名称和对应的数字，如净利润、总销售额、复购率等。同时，也有净利润的一些加工，如移动平均，零售店铺关心的三日平均、七日平均等，都可以在同一张图上展示出来。

不同的内部部门在这个平台上可以快速看到统一的指标目录，以统一的口径呈现。

有了指标目录后，可以使用 ZenML 指标语言，来进行模型的维度和度量的加工。定义指标涉及的维度以及计算方法，在平台上有 ZenML 语言和 UI 界面点选两种方法。模型相关的计算，由平台的 OLAP 计算引擎来支持。

在零售场景里常用到归因分析，来实时或近实时地查看关键指标的变动及原因。如果净利润、销售额有波动，以天或小时为单位，我们希望可以分析对哪些渠道产生了比较大的影响。过去归因分析需要单独的 ETL 数据加工链路来进行。现在，通过一键分析，对于已经定义好的指标，平台可以查看某个小时、某几天，在这个指标下相关的一些维度变化。如，净利润下降波动，可以快速查看受哪些品类的影响，如上图示例中，可以看出是水果 fruits 品类下降较快。当然，在指标设计中，还可以增加相应的渠道、用户画像特征来进行分析。

通过目标管理，可以设定指标的目标值，并跟踪目标进展，同时设置不同状态的预警，以邮件或对接内部其它系统的方式，进行消息的推送。通过这个功能，可以直接将指标内容和直接相关人员的周报、月报等报表中的 KPI 达成及变化情况关联起来。

开放 API 功能，通过 API 的方式，提供了指标平台向前端消费应用开放的能力，可以快速打造和应用流行的数据产品。

同时，我们也以内嵌官方插件的形式，提供了 Excel、WPS 等常用工具的整合。可以通过这个平台，将指标的数据源、数据模型等串联起来，生成活跃用户、复购用户等 Excel 报表。

03

低代码指标服务的核心价值

通过一站式简化的数据加工链路，降低了开发门槛，指标的加工交付就在平台上高效的实现了。业务团队基于核心指标，自助式分析，快速决策和优化。通过体系化的指标管理，统一口径、按需复用，减少了资源耗费，提高了数据价值转化率。

我们的目标是通过技术，简化数据加工链路，提高加工效率。为了支撑业务，低层的表和数据模型都是必须的。在这些基础上，我们通过尽可能地借助平台和工具，聚焦指标，以业务的形式定义指标。指标关联对应的模型和表，并进行相应的计算，由平台完成。对于业务团队，通过指标可以更高效地提高对数据的解读能力，辅助业务决策判断。对于数据团队，降低了建模的门槛。原来需要大量手工去做的建模，比如一个需求可能需要十至二十个模型，对应非常多的表，要反复计划一些维度量；在业务变动时，相应的表和维度量都要做调整。现在，通过 ETL 串联，指标定义变动、指标和指标间的关联变动、底下数据模型的变动，平台都会自动完成整治。

04

新零售绩效归因分析

从全渠道的新零售场景，以一个绩效的归因分析案例，看指标平台的实际应用。

对于全渠道的新零售场景，我们有很多指标的模板，可能通过关键字查询业务模板。如盈亏分析指标，可以通过模板一键导入到平台指标目录中。同时还可以导入样例数据，以便替换成自己的数据。净利润环比分析指标，导入后可以点击查看各指标的详细信息，也支持多维度的查看。如果指标定义了多个维度，可以从不同维度进行分析，并导出到 Excel、WPS 做更多的分析。平台也可以直接进行一键式归因分析，如分析不同的品类对净利润波动的影响，并直接图形化呈现。

有了初始分析后，可以在目标管理中事先设定阈值（如 KPI）。之后，就可以自动计算进度，并支持风险提示和预警推送。

前文零售行业灵魂拷问中相应的指标，如连带率，全场景、多渠道复购分析等，平台都有相应模板，可以直接导入使用，不断完善指标目录。同时，不同部门不同业务条线也可以同时使用，不断丰富功能。

除此以外，还支持多指标的跨源对比分析。如复购率、连带率和净利润率，净利润和销售记录主表相关，而复购率需要和用户购买历史关联，这样就可能关联多张来自不同来源、不同渠道的表，平台对这样的对比也提供了支持。

05

从数据驱动到指标驱动

如上图的例子，左侧是原有的一些业务报表，右侧是零售相关的关键指标，大约有20-30 个，如 GMV、利润率、复购率等，以结构化的形式整理展示。对不同业务条线的运营或财务相关业务人员，直接看指标对应的数字，会更加熟悉，易于理解。

我们正在经历从数据驱动向指标驱动的转型过程，过去聚焦在数据报表，现在聚焦在指标上。通过高效的平台来承载相应功能，能够高效挖掘数据价值，促进业务数字化转型。

以上就是本次分享的内容，谢谢大家。

如果大家想体验智能一站式指标平台，欢迎直接访问「阅读原文」申请免费试用

分享嘉宾

INTRODUCTION

宗正

资深技术布道师 

主要负责围绕指标平台及大数据多维分析产品和解决方案的布道和培训，具备丰富的技术布道、培训体系搭建及企业级培训交付经验，对业界头部客户的数据分析场景有深入理解。

往期推荐

点个在看你最好看

SPRING HAS ARRIVED