「室内地图」数据可视化,一张“卡片”容纳购物中心全局分析

春节后上班第一周,大家节后综合症还没有缓过来呢,在某大型购物中心营运部任数据分析师的Elsa已经加班两天了,为了节后第一个月的月会报告。

上个周末,小观与Elsa约了一次下午茶,聊聊她最近遇到的工作烦心事。

Elsa18年入职这家购物中心,这一年来的主要工作,是对接各部门的数据报表需求,尤其是财务部、营运部和招商部。

购物中心的数据分析主要是两大类:消费类的和经营类的。

 消费类的数据分析,主要和C端顾客相关,包括客流量、提袋率、客单价、消费频次等,一般营运部门、VIP部门关注较多。

 经营类的数据分析,主要和B端客户相关,包括铺位销售额、租金、租售比、坪效等,一般是招商部门、营运部门关注较多。

她去年一年来遇到的最棘手的两个问题,主要是和经营类的数据报表相关,小观听了之后,结合此前其他相关用户的反馈,发现这是大部分购物中心的数据分析人员经常遇到的,具有典型性。经和Elsa沟通后,我们将这两个问题抛出来,并提供观远数据目前针对这两个问题上的解决思路与方案,旨在与大家共同探讨。

典型问题1.购物中心/品牌经营报表包含信息太多,又长又宽

如下图所示(注:本文中所有配图的数据均已做脱敏处理),数据已有近30列,而且还只是完整报表的部分内容,这对报表接收者来说造成了两个阅读障碍:

1)内容太多,某些信息无论如何编排,都会被割碎。

从图1中我们可以看到,本月的信息如果放一起,那么客流量的相关指标就会被分开;如果客流量相关指标放一起,那么本月的信息就会被分开。

虽然受限于表格的形式只能这样,但仍不时有收件者来吐槽每次眼睛都看花了还看不全。

2)品牌在购物中心中所处的位置不明,看表需要靠记忆力和抽象能力才能还原。

购物中心里的铺位不定时常有变动,大部分人员没有办法很好地将品牌位置在脑内构建布局图、从而更直观地将营运数据在位置上进行投射和关联分析。

解决方案:

✔ 观远智能BI平台引入「3D室内地图」,可将购物中心的相关数据立体式展示。

  • 支持楼层切换,一张卡片可容整个购物中心。

  • 室内地图上的铺位支持各种维度的颜色分区。

如下图左是根据业态划分(橙色是服饰、绿色是甜品茶饮等等),下图右是根据店铺级别划分(橙色是次主力店铺,绿色是普通店铺等)。

如有需要,也可以根据销售额坪效等指标维度划分。

  • 可以将室内地图与其他数据联动,在观远看板里边“逛”边看数据,直观又清晰。

Elsa对室内地图的效果非常感兴趣,尝试做了几个看板分析后,连说“太实用了”,认为是营运部门报表优化的一个大利器。但她也提出了一个问题:“我担心这个对于招商部门来说仍不够,他们未必要3D效果、楼层切换等效果,但他们却经常有铺位调整的需求,因此需要室内地图的绘制非常方便,可以随时调整。”

典型问题2.铺位调整频繁,CAD制图难以和线上数据关联分析并及时调整

目前在做铺位调整的时候,很多招商部门的方式,仍是一手拿着打印出来的纸质CAD图纸,一手拿着电脑打开表格,在纸上确定一个铺位,转头在Excel表格上找到对应的品牌数据,来回查看铺位与坪效、租售比等信息,然后在图纸上直接圈划新的铺位调整。这种方式带来招商铺位调整工作中最直观的两个问题:

1)铺位调整的参考信息分散,铺位的位置、面积在线下,铺位的经营信息在线上,靠人工来反复核对查看。

2)调整好的铺位分布图更新到CAD图库中时间长,且无法方便快速查看每个铺位调整版本对应的经营信息(甚至有的招商中心历史数据是缺失的,全靠招商人员人脑记忆、经验支持)。

解决方案:

✔ 观远提供「自助绘制平面室内地图」功能,支持随时调整,并可和数据结合,即看即调,即调即生效。

1)可将平面地图上传到观远,并通过联动功能,查看每个铺位对应的经营现状,采取对应的策略。

2)调整地图后,即时生效,可持续观察调整效果。

接上图中的示例,招商人员准备对部分店铺进行调整,同时,招商部门引进了新店,需要确定铺位。

在观远智能BI的地图管理中心里,招商人员可以快速在原有室内地图基础上进行调整。

铺位调整后立即可用,等相关数据更新后,营运部门就可以对调整后的铺位分布进行经营分析。


以上就是观远智能BI中关于室内地图比较受欢迎的部分用法,与此同时,我们在购物中心的数据分析中还有很多使用场景等待大家去发掘。

观远数据
观远数据

观远数据提供新一代数据分析与商业智能(BI)解决方案,助力企业构建“决策大脑”。业内首次提出“从基础分析到智能决策”的方法论—5A落地路径,已服务中国银行、联合利华、百威等世界500强企业。关注我们,让观远数据成为您的“专属数据顾问”!

产业观远数据购物中心BI商业智能数据可视化数据分析大数据
2
相关数据
数据分析技术

数据分析是一类统计方法,其主要特点是多维性和描述性。有些几何方法有助于揭示不同的数据之间存在的关系,并绘制出统计信息图,以更简洁的解释这些数据中包含的主要信息。其他一些用于收集数据,以便弄清哪些是同质的,从而更好地了解数据。 数据分析可以处理大量数据,并确定这些数据最有用的部分。

暂无评论
暂无评论~