零售企业做数据分析，先搞清楚“人货场”三类数据怎么用
零售数据的三个来源，结构差别很大
零售企业的数据大致可以归到人、货、场三条线上。“人”是会员与交易数据，结构相对规整，但更新频率高；“货”是商品与库存数据，层级多、属性杂，一个商品可能同时属于多个分类；“场”是门店与渠道数据，涉及位置、时段、客流等维度，采集难度最大。
雷速在零售行业的数据处理实践中发现，很多分析做不下去，不是方法不对，而是三类数据没有在同一个维度体系下打通。比如想分析某门店某品类的连带购买，会员数据和商品数据的主键对不上，分析就断了。先把关联字段和维度表整理好，是后续所有分析的前提。
三类数据各自的常用指标
人货场不是三个孤立的概念，而是三种观察角度。指标设计上要避免重复计算，也要避免只看单边。
- 人的维度：复购率、客单价、会员活跃度、新老客占比。雷速建议把新老客定义固定下来，否则趋势分析会失真。
- 货的维度：动销率、库存周转、品类贡献度、缺货率。商品分类体系要稳定，频繁调整会让历史对比失去意义。
- 场的维度：坪效、客流转化率、时段销售分布、渠道占比。客流数据如果靠人工统计，要注意采集口径的一致性。
这些指标单独看都有局限。复购率高但客单价低，说明促销依赖重；动销率高但缺货率也高，说明补货跟不上。雷速在统计报表开发中通常会把相关指标放在同一张分析视图里，方便业务人员交叉判断。
分析场景要贴着业务动作走
零售分析最常见的误区是报表做得很全，但没人用。原因往往是报表没有对应具体的业务动作。比如库存周转分析，如果只给一个周转天数，采购人员不知道该补什么、该清什么；如果拆到品类和门店，并标出异常项，才有行动价值。
数据可视化在这类场景里作用明显。雷速在做零售看板时，倾向于把异常门店、异常品类放在显眼位置，用颜色和排序引导视线，而不是堆满图表。看板的目标是让人三秒内找到该处理的事，不是展示数据量。
分阶段推进比较稳妥：先做交易与商品数据的整合，把基础报表跑顺；再接入客流与渠道数据，补充场的维度；最后做跨维度的关联分析。每一步都以业务能用起来为标准，而不是以数据接得全为标准。
