揭秘茵曼自有BI系统，大数据原来可以这么玩

茵曼 BI系统大数据雪梨服装

丁雪娇 | 2016-08-04 16:15

【数据猿导读】在和雪梨的交谈中了解到，汇美集团BI团队目前包含工程师、产品经理和数据分析师在内一共是5个人的编制。而去年6月这个团队也才只有3个人，BI核心团队既要做码农又要做产品经理，既要搞懂分析又要吃透业务，最终经历5个月的不间断攻坚开发完成一般企业需要1~2年甚至更长时间搭建的BI系统...

BI核心团队既要做码农又要做产品经理，既要搞懂分析又要吃透业务。雪梨每天早上9点，雪梨所带领的BI团队，会准时打开BI系统数据监控模块，检查各个业务系统的数据是否按计划回流到集团数据仓库。因为接下来的一天里，来自集团各部门上千名员工都会使用BI，通过BI的数据支持来做出影响公司各个业务模块的决策。

在和雪梨的交谈中了解到，汇美集团BI团队目前包含工程师、产品经理和数据分析师在内一共是5个人的编制。而去年6月这个团队也才只有3个人，BI核心团队既要做码农又要做产品经理，既要搞懂分析又要吃透业务，最终经历5个月的不间断攻坚开发完成一般企业需要1~2年甚至更长时间搭建的BI系统。在我看来茵曼的BI系统和我见过的其它公司BI系统相比，完全是可以用“惊艳”来形容。

和茵曼的员工一样，茵曼的BI系统也有自己的花名“不漏”，取之于“天网恢恢，疏而不漏”，代表了雪梨希望她能海纳所有业务数据的没好愿景。雪梨曾经为非常多的企业完成BI项目的实施。但是在他眼中，不漏BI是目前是整个电商行业中，除了阿里巴巴、京东、唯品会等平台电商自有的BI系统以外，最领先的一套BI系统。

下面我为大家从四个方面揭秘这个雪梨眼中这个了不起的不漏BI。数——存储所有数据，实时运算数据是分析的基础，身处大数据时代，各个业务环节每一秒都在产生数据，而不漏BI对数据是异常的贪婪。不漏BI自建了一个庞大的分布式数据仓库，每天通过ETL程序从内部ERP、WMS、CRM、OA、财务等系统同步上百万条数据。

另一方面，不漏BI通过平台接口实时将淘宝、天猫、聚划算、京东、当当、唯品会、分销、直营店、加盟店、茵曼官网、APP等20多个不同渠道的订单、商品、会员数据回流到数据仓库之中。最后，不漏BI自建了一支凶悍的网络爬虫部队，每天不间断对行业、竞争对手、社会舆情等数据进行采集和存储。

不漏BI数据整合示意图为了让计算快起来，让数据更直观，所有报表在10秒内计算并展现是不漏BI要挑战的技术底线。为了达到这样严苛的用户体验，不漏BI放弃原有业务数据库行式存储的固有模式，创新的采用更适用于分析的分布式列式存储数据库，让上亿条数据的汇总运算从60秒降低到5秒之内。人——客户360度画像和生命周期管理所有品牌努力，最终都是为了提升客户生命周期的价值产出，不漏BI在客户画像和客户生命周期管理中扮演着非常重要的角色。

电商卖家因为只有自己店铺的交易数据，对客户画像的是非常局限的。一般只能通过RFM模型、会员等级、地域、产品偏好等有限的维度进行客户画像分析。而漏BI在客户画像的能力上相当惊人，她可以查看汇美集团旗下任一品牌消费者，他们购买其它女装的品牌人数和偏好度(如图2)，这对品牌负责人对品牌定位的思考有非常大的帮助。

不漏BI客户品牌偏好画像示意图

另外不漏BI还能对消费者在每一个品类对款式的偏好、流行元素的偏好、面料的偏好进行画像(如图3)。作为追求独特设计的设计师品牌，最难把控的是设计的独特性和客户需求之前的匹配。通过不漏BI，茵曼的设计师充分结合企划的特色和大数据下客户款式的偏好，能够很大程度上避免了“死款”的产生。

不漏BI客户商品属性偏好画像示意图

依托集团旗下12个品牌的900万客户，汇美洞察着整个互联网女装行业的流行趋势，一但从消费者轨迹中发现潜在的细分市场，便很可能产生第13个孵化的品牌。货——从企划端到销售端的全流程管理所有品牌的情感，最终都是通过产品传达给消费者。服装品牌一般从设计企划出发，细分到颜色、面料、品类、拍摄的企划，再经过样衣开发、大货生产、上架销售、物流配送这样漫长的环节最终达到我们的消费者，设计师与消费者之间在时空上产生了巨大的鸿沟。

互联网品牌的核心竞争力是对消费者需求的快速反馈。不漏BI承载着缩短设计师和消费者距离的实名，每个款式的首单商品在任何一个平台上架销售，该款式的转化率、主图点击率、销量、退款率、产品评分、老客户占比、买家年龄结构等数据，都会实时进行汇总计算。负责这个款式的设计师、板师、质检QA、采购跟单、摄影师、详情页设计都可以查看款式的实际数据进决定是否返单，以及产品返单时候所需要进行的优化。汇美集团借助不漏BI款式全链路持续的迭代优化，持续的保证产品体验与消费者期望的一致性，从而构建出互联网女装的核心竞争。

不漏BI每款式消费者的年龄结构

过去汇美集团12个品牌的上百位设计师每年至少开发上万个款式，每个部门都在零散的收集这些款式不同数据指标，大量时间花在无意义的数据收集而非分析与决策之上。而现在，任何一名员工都不需要收集数据，只要实时查看每个款式的全盘数据便可进行分析和决策。场——线上线下全渠道数据整合客户并没有线上线下之分，只是不同消费场景的切换。

工作日由于没有时间所以选择线上购买，周末由于有充足的时间更多希望在实体店试衣购买。通过整合线上和线下消费数据，可以识别出客户线上到线下、线下到线上的完整的消费轨迹。根据每个客户的收货地址，不漏BI能够精细的绘出客户在每条街道、每个小区中的分布情况。根据已有客户的分布情况，茵曼在加盟店的选址上有着非常不错的精准度，每个店铺开业都会短信推送给周边以后的茵曼粉丝。