存儲在線在消費升級、群體需求變化、疫情影響等多重因素的驅動下，實體母嬰店接受外部賦能、融入新零售發展的大潮成為必選出路。
不同于天貓、蜜芽等線上渠道，“線上零售場”是母嬰店與用戶的新觸點，在數據上表現為線上零售額遠不及線下門店銷售，無法完全取代線下門店的體驗和消費。如何促成用戶“到店二次消費”，幫助母嬰店促成會員轉化、提高會員復購率，盤活經營效率？
這些問題引起了網友“簡小凡”的思考。
傳統門店零售 PK新零售
“簡小凡”就職于南京某產業互聯網公司，主要從事數據分析工作，偶爾兼做數據產品經理，對產品方向的應用頗有興趣。根據經驗，他的對策主要是依托小程序與多場景有效融合，通過新零售為線下引流等等。這些不定期推出的新零售運營方案，可有效幫助客戶提升業績。
但是，由于每次運營方案都要耗費大量人力、時間從客戶系統導出數據進行分析，而客戶又遍布全國各地，區域的差異性導致方案復用性較低，因此，“簡小凡”所在的數據分析團隊決定提供一個固化報表，幫助客戶運營部門提升工作效率。
經過與品牌營銷部等部門詳細溝通了解后，“簡小凡”發現運營方案差異在于為目標客群選取合適商品，以采取新零售工具組合拳方式觸達會員，促成轉化是有效的對策，選品時在區域、客群和應用場景等方面做好上游合作品牌資源的匹配。
基于七問分析法（5W2H），“簡小凡”結合“人-貨-場”分析思路，找到本次分析的核心指標，采取對比分析法（看數據整體大小、時間趨勢變化，不同維度對比）、漏斗模型（看人群轉化）、ABC分析（找核心枚舉）、波士頓矩陣分析（找到可選項，如城市、商品）、品類關聯分析（參照購物籃分析系數，找到商品組合），TOP分析（找到頭部品牌）逐步拆解。
帆軟客戶經驗的匯總與“簡小凡”的創新
在此基礎上，“簡小凡”確定了具體分析框架并借助帆軟FineBI進行了開發實現。
本次分析的數據表處理邏輯見下圖：
(1) 基礎表?；诳蛻粜畔?、會員編碼、交易明細、總訂單數分析出每日流量、品類關聯、訂單商品明細數據等，應用于支付當日和多日后到線下核銷并產生連帶消費訂單兩個場景。訂單數據同時將會員屬性和客戶屬性信息一起通過SQL處理完成后導出到EXCEL，再上傳到FineBI系統中。
(2) 漏斗數據處理：從訂單表獲取每日會員明細后分組匯總，再按“線上消費-到店核銷-連帶消費”三個環節依次合并“每日會員明細表”。
(3) 品類關聯分析數據處理：首先采取“波士頓矩陣分析”，了解不同商品組合的到店人群轉化率和連帶消費貢獻度，隨后以“購物籃分析”方式將線上訂單和連帶的線下訂單作為一個整體，挖掘兩者之間的聯系，獲知線上訂單引流到店消費的連帶效果。
一份讓供需雙方都滿足的可視化報告
基于帆軟FineBI平臺，“簡小凡”在形成可視化報告的過程中首先構思好每一模塊用那哪類圖形進行表達，然后選擇合適的儀表板樣式，包括配色、組件背景等的預設，最終按照分析思路規劃原型圖和每個模塊圖表選擇、業務含義與目的。
“簡小凡”表示，對于同類型組件（如指標卡），采取在組件編輯界面切換數據集的方式，可以提高效率；漏斗圖的轉化率展示，可將“漏斗圖”、“轉化率指標卡”合并在一起；通過“閃爍”、“警戒線”、“注釋”去突出重要信息；通過標簽的“最大、最小值”減少標簽元素的視覺干擾；聯動效果處理，可先取消默認聯動，在整體看板制作完成后，根據每個組件的聯系和整體分析思路去調整。
看板制作完成后，一份名為“母嬰童行業之新零售連帶消費分析”的報告也隨之形成。首先保存一份作為日常使用的看板（不存在任何描述性、診斷性分析），用于滿足需求方使用；隨后，按照本次分析的命題，另存為一份儀表板，輸出給到需求方。
分析報告版本主要是針對需求發起方的分析問題進行輸出，通過數據分析給需求方選品策略提供思路和建議，達到給業務支撐的目的。
“簡小凡”將公司的客戶運營部、品牌營銷部確定為“母嬰童行業之新零售連帶消費分析”報告中的需求方，通過提供新零售連帶消費整體數據概覽，方便雙方組織平臺級活動或品牌資源投放，并選取合適區域與客戶群，以新零售運營方案賦能單個客戶。
這份作品完成后受到網友的熱捧，被贊為“零售行業典范之作，思路清晰，運用了多種分析方法和常見的模型，值得學習和借鑒”，“內容、外觀都無可挑剔，數據結合的分析方法也非常棒！太厲害了”……
在實戰中勝出
“母嬰童行業之新零售連帶消費分析”報告問世后，正好是2022年六一兒童節前夕。節日大促期間，“簡小凡”就職的這家南京公司將該報告中的理念進行了一場實戰演練。
“簡小凡”回顧了此次參賽過程：首先抽取上年同期數據與全年數據對比，了解從線上到線下的消費轉化率以及店連帶消費對門店業績的貢獻度情況，發現當時到店人群轉化率較低，單客產值較低，但由于線上消費會員數較多，該月連帶消費規模較高，且連帶消費貢獻度高于整體水平。
因此，“簡小凡”結合去年同時段大促策略、SA客戶的會員消費特征分析影響到店核銷的可能原因，對哪些場景、哪些商品、哪些客群的到店連帶消費效果進行判斷。
參照上述思路，公司重點選擇以下5個省份（連帶消費金額占2021年6月79%）的8個城市進行重點突破：
以揚州市作為代表進行分析后，做出了相應的對策：
——線上玩具車床圖書品類消費會員數、線上銷售金額均最高，因此，線上主推該品類的某地墊品牌；
——嬰童服飾、輔食、紙尿褲線下購買人數較多，從品類關聯角度采取了嬰童洗護+嬰童服飾，嬰童洗護+零食，嬰童服飾+嬰童服飾的組合方式；
——線下3段奶粉、紙尿褲和2段奶粉銷售金額占比較大，品牌也進行了推薦，結合關聯分析，嬰童洗護和3段奶粉組合搭配相對較好；
——查詢會員分析看板發現，已轉化人群中的嬰兒以1-3歲為主；結合社群和短視頻場景效果，針對女性群體及1-3歲年齡段人群偏好內容和品類，選擇下午17點、20-21點進行推送和觸達（這是女性會員偏好訪問小程序的時間）。
本次大促通過選品策略的調整，有效提升精準營銷能力，做到在合適時間通過合適渠道推送促銷商品給到目標客群。整個大促目標達成率超額完成，銷售業務相比去年同期增長22.38%。
通過FineBI接入多元化的上游品牌商，為母嬰童門店提供母嬰商品、親子、新家庭等全品類精選商品和服務，幫助他們增強了全渠道數字化會員經營能力，提升了整個產業鏈的效率。
值得一提的是，本次比賽數據涉及訂單、流量、會員、微信場景、城市等字段均來源于自身企業，但在報告中徹底脫敏處理。
為什么選擇帆軟BI
2020年秋，“簡小凡”第一次接觸FineBI，一年半多時間的應用，讓他自我感覺已經成為“一個有點經驗的老玩家”。在觀摩“2021BI數據分析大賽”的過程中，“簡小凡”發現眾多優秀的小伙伴在可視化、分析思路、數據處理、應用場景等方面大量的突破性思維，讓他找到了差距。經過一年的努力學習和應用，他的感受大幅度提升。
“2022BI數據分析大賽”消息傳出之后，“簡小凡”積極報名參加，希望通過比賽能準確評估自己當前的真正水平，同時也希望跳出日常工作需求，嘗試那些自己一直無法落地的設想和創意，并借鑒優秀的經驗運用到自己的工作中。
“這是一次向優秀作品的思路、BI處理關聯規則、可視化等方面進行學習，提升自己數分思維的好機會，同時也也通過比賽落地，形成了一個相對滿意的小作品，成為應用FineBI的一個階段性檢驗?！边@是“簡小凡”參加“2022BI數據分析大賽”的初衷。
目前為止，“簡小凡”最喜歡的功能點是切換自助數據集（配合復用，對工作效率提升非常有幫助），而Excel插件很好彌補了復雜式報表、系統數據和填報數據混雜的場景。
在“簡小凡”看來，FineBI易上手、做出來的效果也很美觀，對于新手而言是非常優化的自助分析工具，是企業內部推廣自助分析的一個理想的工具選擇。他強調，BI工具要走出IT部門，真正在業務部門中得到應用才能實現自身價值，無論是提升業務日常數據處理效率，還是讓業務進行探索分析，都十分必要。