数据化管理－商品采购
关于这个系列扔下了好长时间，一方面是因为自己事情多，懒于再花时间来整理，更重要的是这段时间以来自己的认识和想法都有了些变化，回头看自己之前所整理的内容有很大的不足。这样我也是实在没法再写下去，虽然不至于让人看了我写的内容而损失惨重，但也是不如等自己想好之后再写出来有更大的价值。现在有了些时间，我想也是可以将这个系列补起来了。
上一篇文章(知乎专栏)我介绍到数据分析，是将管理规范化的一种体现，是比较保守的一个描述，以我的角度，做it系统，落地最为重要。可以有更加先进更加突出的体现，但是也应该是在将这些最基本的体系完善之后，才是考虑的时机。
接着这个目录(知乎专栏)的内容，应该是从商品的模块开始。我们可以将该模块的数据工作分成两个部分，一是通过数据来辅助日常工作，让日常工作中的选择判断更加规范，这是用数据来做事的。另一个是通过数据来评价工作业绩，让针对相关工作的管理更加规范，这是用数据来管理的。
我们先看做事的，商品在零售电商企业中一般都走过下面的几个过程：
商品从采购开始到最终卖出去，按照商品的流程走下去，但是商品的售卖情况、退货情况又反过来影响商品的采购选择。在每个节点是有不同的事情要做(运输这个节点，很多情况运输是由供应商来负责的，所以可能零售商没什么事需要做)，本篇先针对采购这一个模块来讨论。
关于采购所要做的事：
- 选择商品品类、规划品类结构，对于大部分企业来说，商品品类的选择直接决定了企业的零售战略了，并不需要在采购这一阶段来决定。
- 选择品类中的商品品牌，这个是采购决策中重要的一部分，这个工作也可以拆分成两个内容，引进品牌与淘汰品牌。
- 选择供应商，同一个品牌也可能会有多个渠道经销商，选择合适的供应商也是采购的重点工作。
而我们如何通过数据来让以上的工作变的更容易，下面我举两个例子。
选择商品品牌，一个是引进一个是淘汰：如果理论上看，引进一个商品品牌需要考虑该品牌的熟悉度、质量、消费者购买欲、品牌预期和独特性等等之后进行判断，但上述内容很难量化，判断参考难度大。而其实，上面的几项总之是可以通过销售情况来体现一下，可以通过商品的销售情况来判断该商品是否值得引进。
上图做了个简单的举例，我们通过另一个参考的数据集来寻找销售情况较好的商品，通过查看商品的毛利率、销量等信息来判断这个商品是否值得引进。根据实际的情况，该表可以有更多的变化，不同的对比集、不同的业态可以有更多的指标来判断，这个图只提供一个简单的思路。(不要问我对比集数据怎么获取，可选择的对比集很多，数据获取的方法也很多)
除了引进好的商品外，也需要剔除掉垃圾品牌，这一块就更简单了，选择品类拉出改品类中各品牌商品的库存、销售情况，计算库存可维持销售天数，就可以得出商品的畅滞销情况，并依此判断商品是否需要剔除。
或许有人会说，不同商品不能在一起比较，有的品牌月售1件就厉害了，有的卖10件也是滞销，这样做考虑不全面。我要说的是，人来用来干嘛呢，一共10步路程，数据完成7步，剩下的还是交给人。数据可以让人们的判断有更全面的依据，做出更合理的判断，而不是直接做出判断结果。我信一句话：如果你想把事情做到完美，那么多半是做不成的。这里做数据分析也是一样，平衡好数据和人的关系，对数据也不要想太多。
在完成品牌的选择之后，可能面临着供应商的选择，点击品名来直接调出该商品的供应商信息，列出供应商相关的指标数据，例如批次进价、售价、库存、销售额、到货及时率等。
上面介绍完关于采购日常工作中的数据应用，我们再来看管理。
管理的目的，是通过对一段时间工作业绩的回顾和分析，发现过程中的问题，促使相关的责任人更好的做事。其方式也一般是对采购相关指标进行展示，或者是根据指标数据进行排名、对比，以此来驱动相关负责人更好的完成工作。更复杂点的也就是整体到个体到节点的全面监控，通过数据的可视化展示，来达到更直观的体现效果。
针对采购模块，我们可以将指标分成两部分，一是过程指标，二是结果指标
- 过程指标：采购频率、采购费用、扩展供应商数量、新品引进率、商品淘汰率、新品到位率、采购品牌匹配度、价格匹配度、型号匹配度。。。。
- 结果指标：采购商品销售额、采购商品gmroi、商品毛利率、销售存货比率、商品采销率。。
通过上面我们看出，体现采购价值的结果指标，都是需要从商品的销售结果中来体现。所以商品分析可以作为一个综合的模块，所有的目的都是为了商品卖的更好，带来更高的利润，无论是采购、库存、销售都是为了这一目标，所以我这里也不针对单独的采购模块做报表demo了。
(以上内容只为大家提供一定的分析思路，真正好用的数据平台是一定要结合实际场景的)
最后，我这里还是要补充一下，我在这里真诚的建议，在类似以上，基本的判断、决策规范体系还没有做好时，还是不要轻易放大到商业智能了，把人的智能都发挥出来先。
原创文章，转载请私信作者
