零售行业相关资料.docx
《零售行业相关资料.docx》由会员分享，可在线阅读，更多相关《零售行业相关资料.docx（22页珍藏版）》请在冰豆网上搜索。
零售行业相关资料
沃尔玛：
大数据帮你选好购物单
吴德新 2013-05-2318:
35 1条评论
分享
标签：
app 大数据 沃尔玛 移动端
沃尔玛准备在app上用顾客平日的购物数据帮他们选好购物单。
GibuThomas，沃尔玛全球移动部门的掌门人，在周三的CTIAWirelessKeynote上表示：
随着移动相关的购买量赶超电子商务，这个全球最大的零售商将用大数据来改善消费者在店内的购物体验。
“零售业的未来将是关于提升每个消费者的个性化体验的竞争，而这一切都将发生在他们手中小小的屏幕上。
”
他还引用了美国的几项独立市场调研的结果，到2016年移动相关的店内购买量将达到电商销量的2倍。
现在W近1/3的流量来自移动端，而在去年的假日期间，这个数据跃升到了40%。
它旗下的手机app同时也在刺激着消费者的购买量：
安装了app的用户以更高的频率光临沃尔玛，而且在超市停留的时间也比普通顾客高40%。
沃尔玛的大多数顾客都有一台智能机。
他们的app目前已经含有购物单的功能，能告诉顾客他们想要货品的位置，而且还发放类似商品的电子优惠券。
沃尔玛现在还在测试一款“ScanandGo”的系统：
用户只要在手机上挨个扫描商品，然后在收银台扫一下手机就可以买单走人了。
再也不用排长长的队了。
而现在通过对用户过去购买数据的分析，他们希望在用户打开app之后就能自动生成用户的购物单，预判他们想买的商品。
“完美的购物单就是你根本不用动手去，你一打开它就在那里了，这就是我们想要的。
”Thomas说道。
沃尔玛等传统企业大数据投资开始产生回报
∙作者：
关志刚
∙星期五,四月26,2013
∙动态, 大数据
∙暂无评论
对大数据商业价值的质疑更多来自相关技术应用的成熟度，以及投资回报的不确定性，但是沃尔玛和洲际酒店等吃“大数据螃蟹”传统企业用现实的回报诠释了大数据的大价值。
事实上当沃尔玛投入巨资开发大数据工具并推动大数据技术发展的时候，我们发现对大数据最热心的企业不是IT厂商，而是能直接从大数据中获益的传统企业，他们已经迫不及待，甚至跑到了厂商的前面。
沃尔玛是最早开始投资和部署大数据应用的传统企业巨头之一，不但是大数据应用的吃螃蟹者，还设立沃尔玛大数据实验室投入大数据技术相关的研发工作。
如今，沃尔玛在大数据上的投资开始产生回报。
参考阅读：
沃尔玛掘金快数据
哈芬顿邮报最近的一篇报道指出沃尔玛的大数据项目以及开始产生效益。
文章还透露沃尔玛采用了一些奇特的大数据采集技术，例如在服装人体假模的眼睛里安装摄像头，通过图像识别技术判断顾客的停留时间、目光关注热区，高矮胖瘦，甚至消费者是否怀孕。
（编者按：
这听上去有些令人毛骨悚然）。
参考阅读 线下数据：
零售企业的数据金矿
沃尔玛还通过先进的大数据预测分析技术发现两个电子产品连锁店Source和CarlieBrown的顾客的购买意向正在向高档产品转移，并及时调整了两家店的库存，一举将销售业绩提升了40%。
大数据分析技术使得沃尔玛能够实时对市场动态做出积极响应。
此外，酒店行业也从大数据开始获利，例如洲际酒店集团（InterContinentalHotelGroup）部署的大数据应用能实时分析来自650个数据源的结构化和非结构化数据，甚至包括竞争对手的数据。
围绕大数据应用，洲际酒店重建了预定系统，据称已经可以为每位客户提供个性化的web体验，并大大提升了转化率，推动各预订渠道的业绩增长。
在澳大利亚，一份CIO调查显示84%的中型企业要么已经或准备在明年部署大数据应用，这些企业最看重的大数据价值是能够向高层决策制定提供支持服务。
在美国，阿拉巴马州的县级移动公共学校系统2008年以来辍学率高达48%，在实施了大数据分析应用后，通过对95所学校的学生数据进行深入挖掘，提炼出学生辍学前的“信号”，并制定有针对性的措施，该地区也因此成功将学生的毕业率提高了70%，学生的成绩也获得大幅增长。
沃尔玛掘金“快数据”
∙作者：
王萌
∙星期一,三月26,2012
∙大数据, 热点, 零售
∙无评论
【编者按：
通过分析社交媒体产生的”大数据“和”快数据“，零售巨头沃尔玛正在“重新发明”零售业。
事实上当沃尔玛投入巨资开发大数据工具并推动大数据技术发展的时候，我们发现对大数据最热心的企业不是IT厂商，而是能直接从大数据中获益的传统企业，他们已经迫不及待，甚至跑到了厂商的前面。
】
最近沃尔玛实验室全球电子商务总监斯蒂芬奥沙利文表示，沃尔玛正着手将全球十个网站整合成一个，同时将前期试点的10节点Hadoop扩展到250个节点，作为一家“砖块+水泥”的传统企业，沃尔玛甚至还计划开发迁移数据所需的大数据工具并开放其源代码。
这意味着零售巨头沃尔玛的大数据引擎已经完成热车，准备开足马力掘金大数据。
沃尔玛的社交基因库
在沃尔玛全力掘金大数据之前，曾进行了一系列的收购。
包括3亿美元收购的Kosmix（沃尔玛实验室前身）、OneRiot、SmallSociety、SocialCalenda、SetDirection、Grabble等多家中小型创业公司。
这些创业公司无一例外的要么精于数据挖掘和各种算法、要么在移动社交领域有其专长，这些都是沃尔玛全面开展社交媒体和移动应用大数据分析的铺垫。
作为一家传统的零售业企业，沃尔玛在社交媒体分析和大数据工具上投入如此多的财力物力，说明大数据已经不再是IT厂商虚张声势的营销概念，而是传统企业争相追逐的下一个商战“神器”。
Kosmix的团队被沃尔玛收购后被编入新成立的公司——沃尔玛实验室，沃尔玛看重的是Kosmix极为准确的文本语义分析技术，例如当消费者发了一条推文：
“IenjoyedSalt,”Kosmix能够判断出这条推文与安吉丽娜朱莉主演的一部影片有关，而与”食盐“无关。
通过对社交媒体进行语义分析，Kosmix能够分析出用户、话题、位置和产品之间的关系。
Kosmix的一个独特优势是能够对实时数据流中的关系进行搜索并分析，让企业对消费者个体的了解前所未有地深入。
Kosmix平台有一个针对事件的实时社交媒体过滤器——TweetBeat。
通过过滤器产生的情报，Kosmix正在建设一个巨型知识库——社交基因库（SocialGenome）。
这个巨大的知识库能捕获关于用户、事件、话题、产品、位置和组织等实体的各种关系和信息。
根据社交媒体分析结果调整库存
通过分析用户的社交媒体活动，社交基因库能向用户推荐他们感兴趣的产品和活动。
例如，通过公开的社交数据，包括Twitter和Facebook留言墙上的话题热点，沃尔玛的分店能有准对性地进行线上和线下的产品推荐活动。
沃尔玛高级副总裁AnandRajaraman表示，今天关于用户、产品、企业、品牌的数据规模空前庞大。
能够挖掘这些数据矿藏并能进行深入精细分析的企业将获得巨大的竞争优势。
沃尔玛已经领先一步，目前能够对这些数据进行过滤，从中了解与位置有关的用户消费趋向，同时在相应地区增加相关产品的库存。
通过对社交媒体的监控，沃尔玛将能够针对用户需求进行提前备货。
掘金”快数据“
通过社交媒体分析来提高运营效率和销售收入看起来非常诱人，但是沃尔玛要完全实现这一点还面临一大考验：
twitter信息、Facebook帖子和博客等信息产生的数据流速度很快（所谓的快数据），通过传统的Map-Reduce和Hadoop框架等大数据解决方案都无法对”快数据“进行及时有效的分析。
如今，社交媒体数据是增长最快的大数据源。
而且诸如twitter等社交媒体产生的数据不仅是”大数据“，还是”快数据“，具有实时特性。
随着移动设备的快速增长，位置数据成了有一个同时具备”大数据“和”快数据“特性的数据源。
这对沃尔玛来说是最大的挑战。
为了解决这个难题，沃尔玛实验室自行开发了一个解决方案——Muppet，能够通过大规模服务器集群以极高的速度处理”快数据“流。
今天Muppet每天能处理数以十亿计的社交媒体更新信息。
Rajaraman表示：
沃尔玛实验室如今已经能同时处理大数据和快数据。
沃尔玛通过Hadoop和其他开源工具分析来自Twitter、Facebook、Foursquare等社交媒体的数据源。
同时沃尔玛还开发了自己的专有技术Muppet来分析快数据，例如twitter所有的公开推文信息。
如果说Hadoop的基本要素是”Map“和”Reduce“，Muppet的基本要素就是”Map“和”Update“。
例如，基于FourSquare的签到数据，Muppet能实时分析哪家店在黑色星期五（感恩节后一天，是美国最大的购物节日）的客流量最大。
通过社交基因库和“快数据”分析技术，沃尔玛不但能够追踪社交媒体中对地点、用户和产品的提及信息，从而优化其选货和备货的准确性，还能分析产品、用户、品牌之间的关联，进行跟有针对性的线上和线下店面的产品推荐。
在社交口碑对购物决策影响力越来越大的今天，沃尔玛实验室被业界看做是零售业的未来，而通过社交媒体分析深入了解消费行为和消费心理，已经成为零售业提供全新消费体验的必由之路。
线下数据：
零售企业的数据金矿
∙作者：
王萌
∙星期一,十二月24,2012
∙动态, 大数据, 零售
∙暂无评论
线下企业只要能够利用好一些线下数据，如门禁数据，视频监控数据，POS数据等，一样也可以通过数据分析来提高运营效率或者减少运营成本。
我们在《七问大数据：
企业真的准备好了》一文中提到：
“
其实，中小企业也应该认真考虑他们的大数据战略了。
如果他们有网站，他们也能够产生大量的数据。
即使没有网站，其实，每天摄像头里产生的数据，如果能利用好，也有足够的分析价值。
”
传统企业能否像电子商务网站一样对实体店面的“访客”进行数据采集和分析？
答案是肯定的，而且这方面的技术已经趋于成熟。
一提到大数据和数据分析，人们首先想到的是Google，Facebook,等互联网公司，或者是亚马逊，淘宝等电子商务公司。
的确，相对传统的线下企业，互联网企业和电子商务企业，在数据的采集，业务流程的自动化方面，确实更容易实现数据分析。
不过，随着更多的传统零售企业越来越开始注重网络。
这些零售企业也开始更加重视多渠道的销售策略。
目前来看，在多渠道的零售企业中，线上部分的增长率都要高过线下部分。
而往往线上部分的数据分析所带来的效益，也促使零售企业在线下业务也开始更加重视数据分析的作用，并促成了对传统线下数据的崭新应用。
线上电子商务企业的数据来源很丰富，他们可以衡量用户的一切行为，包括用户数量，独立访问用户，用户回头率，点击率，转化率、客单价等等。
甚至不同产品在网页不同位置的点击率和转化率等等。
而传统零售业则不同了，它们的主要数据来源就是POS机的数据。
主要是各类交易数据。
包括购买品种，购买数量等等。
而对于用户行为来说，线下零售企业掌握的数据相比线上电子商务网站少得可怜，原因是线下的用户行为都是“模拟”的，无法量化分析。
不过，如今，随着一些新技术的采用，线下零售企业也可以获得比过去丰富的多的用户行为数据。
比如，ShopperTrak公司，就帮助它的零售企业客户进行用户进入店铺路径的监测。
根据公司CEOJanDavis介绍，这项技术已经非常成熟了：
有很多零售商通过购买访客流量监控的设备和服务，已经能把用户转化率从低于10%提高到50%以上。
如果结合POS数据，有的零售点甚至能够做到接近100%的用户转化率。
而且，通过对“高峰时段“的分析，很多零售店可以安排分配店内员工工作时间，或者在不同店面之间进行员工调配。
例如，有一家店铺，共有四个门。
原来，店长认为客户从每个门进出是随机的，平均的。
而通过加装了用户监测系统，他们发现，用户从某两个门进的比较多，而从另外两个门出去的比较多。
因此，他们根据用户进店的流量重新调整了货品摆放，并且把那两个用户出去比较多的门前增加了结帐出口。
不仅如此，这个店铺的客户监测统计还帮助店长确定了“强力时段“，即客户进店到转化为购买用户的转化率最高的时段。
店里根据这些，安排更多的店员，在“强力时段”前把货架的货尽量摆好，并尽可能帮助客户从货架拿货。
通过这些措施，使得这个店的用户转化率和单店销售都比以前大大提高了。
其实，对于数据分析来说，并不一定非要互联网企业才可以做。
类似这样的线下企业，只要能够利用好一些线下的数据，如门禁数据，视频监控数据，POS数据等。
一样也可以通过数据分析来提高运营效率或者减少运营成本，数据分析其实是无处不在的。
“沃尔玛通过1号店进入中国的电商市场。
”在日前召开的易观电商年会上，1号店董事长于刚表示。
自2012年沃尔玛实现控股以后，1号店被业界寄予厚望：
它将有可能创造零售业线上线下渠道完美结合的成功案例。
而“网上沃尔玛”更是业内人士对1号店的高度评价。
众所周知，沃尔玛的供应链是全球零售商中最先进的。
早在上世纪80年代，沃尔玛就率先开发数据交换系统（EDI）与供应商信息系统直接对接，实现了商品的自动补货。
为了加强数据的共享，沃尔玛还投资4亿美元发射卫星进行全球数据联网。
通过全球网络，沃尔玛数千家门店可在一小时内对每种商品的库存、在架以及销售盘点一遍。
作为“网上沃尔玛”，1号店同样注重利用信息技术对供应链进行整合。
1号店将供应商平台、结算系统、WMS（仓储管理）系统、TMS（运输管理）系统、数据分析系统以及客服系统集成于自主开发的1号店SBY（ServiceByYHD）平台，从而实现数据统一管理。
那么，有“网上沃尔玛”之称的1号店，与传统零售商在供应链上最大的不同在哪里？
1号店拥有500万会员，每个会员的关联信息为1号店形成了巨大的数据库，1号店如何利用这些数据使得其供应链更加快捷有效？
互联网的特性是共享与开放，1号店如何把控与供应商的合作？
请看本期案例。
收集顾客信息预测顾客需求
6月5日下午，家住西四环的北京女孩王晓楠从1号店网站订购了一套钢化玻璃咖啡壶。
王晓楠不知道，就在她点击“确定付款”，轻击鼠标的一瞬间，在整个1号店信息系统及供应链体系中就产生了复杂的变化。
首先，当王晓楠将自己购买的钢化玻璃咖啡壶放入购物车的一瞬间，1号店信息系统已经将该商品“冻结”了。
在1号店位于北京的配送中心库存里面，该商品数量减少了一套，尽管它的物理位置并没有发生变化。
其次，当王晓楠付款完成之后，她订购的这套钢化玻璃咖啡壶便形成一个订单，以每秒10G的速度迅速传输到仓储管理系统（WMS）。
由于仓储管理系统与1号店的购物平台数据进行无缝链接，收到订单后便形成一个拣货“任务”，根据系统的计算，安排人员以最佳的路径进行拣货、打包并发货。
次日稍晚一点的时候，王晓楠已经收到包裹，等确认商品完好，王晓楠便签收快递，而这一信息又被及时回传到1号店信息系统。
事实上，王晓楠通过鼠标触发的“蝴蝶效应”并不局限于此。
作为1号店的老顾客，王晓楠的购物习惯已被1号店信息系统记录并且分析。
因此，王晓楠登录自己的账号时，她之前的浏览记录，她经常购买的商品以及她有可能喜欢的商品都会被推荐在页面上。
仅王晓楠这一笔订单就引发了1号店整个系统的连锁反应，而目前1号店的会员数是3000万，其中每天都有500万在1号店网站进行浏览。
大量会员产生的巨大信息，使得1号店叩开了大数据时代的大门。
为了处理这样巨大的数据，1号店独立开发全套系统，并且有一支数量巨大的技术团队。
据了解，仅1号店在武汉的IT基地就有千人。
1号店的互联网基因使得其更加重视对数据的整理和挖掘。
“在传统门店，一个消费者拿起一瓶水，看了一下，然后又放回货架。
对于传统零售商而言，这一轻微的举动很容易被忽视掉，但其背后反映出消费者的购物习惯。
对于1号店而言，由于能够保存消费者的浏览和购买记录，从而能更加精准地预测订单，使得供应链相应更加快捷。
”1号店运营副总裁王海晖告诉《中国经营报》记者。
“比如，系统发现某顾客喜欢用某品牌的矿泉水，他上个月买了一箱，估计现在快喝完了，又该买水了。
我们就会提前预存该品牌矿泉水。
”王海晖表示。
“1号店在SBY平台上投入很大，因为它有大量顾客的数据，反映出很多规律性的东西。
1号店利用这些规律进行数据挖掘，把顾客过去的购买、搜索、收藏，甚至商品浏览的路径信息全部记录下来。
1号店把这样的记录作为顾客行为模型，用顾客行为模型去预测顾客会有什么样的需求。
同时为顾客开展个性化的服务，提醒顾客购买自己喜欢的商品。
这就是电子商务的优势，所有的电商都应该充分用到这个优势，让我们真正做到个性化服务。
”于刚表示。
波次拣货与路径优化
在位于上海浦东新区的1号店总部大厦，有一个数十平方米的监控中心。
在该监控中心，数十台显示器整齐排列在一面墙壁上，它们如同1号店的仪表盘，实时显示1号店的数据。
比如，首页和每个频道的浏览量、实时订单分布地图、订单趋势图、商品销售排行榜以及用户搜索关键词等。
“1号店每时每刻的运营状况都能在上面体现，比如，当显示屏上面呼叫中心变成红色的时候就说明排队的人太多了。
”1号店监控中心负责人告诉记者。
1号店每天有500万会员在线，甚至每一秒都有订单下达，每笔订单的商品品类、数量以及配送地址都不一样。
以王晓楠为例，在她订购一套咖啡壶的同时，与她同一小区的其他客户订购了别的东西，为了减少物流成本，当然将同一位置的订单归结在一起最好。
但问题是，1号店系统如何能够自动识别每个订单的关联性，并且将来自四面八方、杂乱无章的订单与配送中心整齐存放的商品一一对应？
为此，1号店发明了“订单池”概念。
1号店配送中心接收到订单之后并不是立即按照订单内容进行拣货，而是把订单投入订单池。
如同水池一样，订单池里面永远“沉淀”一定数量的订单，系统根据每个订单的关联进行“分波”，每15~20个订单为一个波次。
“所谓波次就是一项拣货任务。
理论上讲，一个订单也可能成为一个波次，但仓库人员有限，没有那么多人去一个订单一个订单地拣货，为了提高效率，我们将具有相同属性的订单归结为一个波次。
”王海晖告诉记者。
所谓的“相同属性”大有文章。
信息系统为了提高效率，将具有关联的订单合并为一个波次，这些关联度完全是从数学的角度计算而来的。
比如，有的同一波次的商品的共同属性是同样的商品，而有的同一波次的商品的共同属性是同一个地址等。
“我们有专业人才和专门的系统去研究算法，从而不断优化我们的拣货流程。
”王海晖表示。
当一个波次在订单池形成之后，拣货人员的RF枪（数据采集器）就会出现相应的指令，告诉他到什么位置去拣什么样的商品等。
这里面涉及一个路径优化的问题。
为了追求效率，电商的仓库一般是平面库，货位上的商品以销售的最小单位存放，而不是传统零售常用的立体库或托盘存放。
货位的优化很重要，它直接影响到拣货的效率。
传统零售仓库内的单次拣货量大、种类少，效率不是问题，而电子商务的单次拣货按波次，拣货量小、种类多。
据了解，1号店的库位按照商品的关联度和畅销度来决定。
一般有个畅销商品区，离包装区很近，以便快速拣货。
商品的关联度越大（顾客在同一订单里同时购买两个商品的概率越大）则放的越近，捡完一个马上可以捡另一个。
货品上架可按预先计算好配置的库位，也可动态地随机摆放（randomshow）。
后者库位的利用率要高不少，但需要RFID技术（射频识别技术）支持，实时定位。
随机摆放的另一个好处在于可以在上架现场根据实物商品的尺寸扩大或缩小库位，提高货架使用率。
“商品在入库前都会规划自己的位置，这些位置也将输入系统。
订单池形成一个波次之后，系统就会根据该波次中订单的情况以及商品的位置为拣货员规划一条最优路径。
一般情况下，最优路径是拣货员行走的最短距离，或者是先拣较轻的商品，后拣较重的商品，以节省拣货员的体力。
”王海晖表示。
当每个波次拣货完毕之后，拣货员就会将商品进行打包，随后该商品进入分拣中心，根据订单的地址通过自动滑轨进入相应的发货区。
在该发货区，早有车辆在等候。
事实上，拣货也是一个数据与实物的交互过程。
“拣货员手中的RF枪会告诉拣货员到某仓位拣某商品，拣完之后，还要扫描该商品。
这就意味着通知系统，该商品已经被拣完，在库存中不复存在。
”王海晖告诉记者。
通过波次分配和路径优化，1号店的拣货效率得到了很大的提高。
1号店提供的数据显示：
一个1号店仓库拣货员在上海单个面积约30000平方米毗邻的4个仓库里，从约30万件商品中拣出16.7件产品（16.7件是1号店平均每单的数量），需时不超过80秒。
共享机制与KPI考核
美国作家托马斯·弗里德曼在《世界是平的》一书中阐述了这样一个观点：
跨国公司的诞生带来了第二次全球化浪潮，而互联网的广泛应用催生了第三次全球化浪潮。
在互联网时代，共享机制与协同效应是最核心的理念。
问题在于，如何把控协作的每一个环节，从而使得工作更加卓有成效。
作为供应链整合者，1号店70%的配送订单自己配送，剩下的30%则交由40多家第三方快递公司来完成。
为了对40家第三方快递公司进行有效管理，1号店制定了严格的KPI考核机制。
据悉，1号店对第三方的快递公司考核分为及时送货率、拒收率、顾客满意度、破损率以及信息及时率等几个方面。
1号店采取加权平均的方式给40多家物流供应商进行打分和排名，每个月的排名及打分情况都要通过内部系统进行公布。
“对于排名靠前的供应商，我们的奖励就是给他更多的订单和业务，而对于排名后三位的供应商，我们实行末尾淘汰制，进行替换。
”王海晖表示，“事实上很多合作伙伴都是业内知名的企业，他们不希望自己排名靠后而被公开，影响到他们在业界的口碑，因此他们比较重视我们的考核。
”
据了解，在1号店的考核体系中，顾客满意度占到的权重最大。
“其实顾客满意度是一个综合表现，你的送货及时率高，服务态度好以及破损率低，顾客自然就会满意。
”王海晖告诉记者。
此外，在信息共享方面，1号店跟多个知名门户和搜索网站形成战略合作伙伴，包括腾讯、网易、GOOGLE、支付宝等。
“这些成功的合作模式优化了我们的营销方式，提升了我们的投资回报率（ROI）。
”于刚分析，以之前和天涯的合作为例，天涯给1号店带来流量、人气和高质量的顾客，1号店则给天涯用户带来更多黏性，比如将很多民生、独特商品提供给天涯用户专享，并冠之以“天涯1号店”，使用户不用离开天涯就可购买，等于是天涯开了超市。
这是一个双赢的局面，双方利益共享，让SNS也有了盈利空间。
“供应链管理是电子商务的核心竞争力，因为这个直接关系到顾客体验，关系到我们能够把成本足够降低，让商务模式改进。
一个是集成化，可以看到所有的系统在一个大平台上共享数据、共享服务。
还有就是所有的数据必须是实时的提供，让供应链透明，可以随时改变商务模式，随着规模做大成本要逐渐下降。
1号店的体验就是通过这几年持续改善，成本持续在下降，效率在提高，周转率也在增快，但是还有很大的改善空间。
”于刚表示。
零售业数据分析包括：
∙财务分析
∙销售分析
∙商品分析
∙顾客分析
∙供应商分析
∙人员分析
本文将对这6个方面逐一解读。
1财务分析
1）分析企业的财务状况，了解企业资产的流动性、现金流量、负债水平及企业偿还长短期债务的能力，从而评价企业的财务状况和风险；
2）分析企业的资产管理水平，了解企业对资产的管理状况，资金周转情况；
3）分析企业的获利能力；
4）分析企业的发展趋势，预测企业的经营前景；
同时，系统还应该按照部门、人员、商品、供应商、时间等各个维度综合分析各项财务指标，如：
成本、毛利、利润、库存、结算、盈亏平衡点、销售数量、销售金额、市场占有率等等。
2销售分析
主要分析各项销售指标，例如毛利、毛利率、坪效（坪效是台湾经常拿来计算商场
升级会员 