浅论数据分析在传统贸易企业中的应用

摘 要：对于企业而言，传统的经验主义对人的依赖过重，无法适应企业的快速发展和扩张。理性而客观的数据分析在企业的经营中越来越受到重视。在数据分析行业发展成熟的国家，90%的市场决策和经营决策都是通过数据分析研究确定的。在我国，数据分析更多的应用在网络企业，用以跟踪直接消费者的消费偏好，而贸易型企业对数据分析的认识还不足。本文主要从贸易企业出发，论述数据分析能结企业带来的好处，并以客户信息为例，初步探索如何搜集并分析数据，展现了数据分析对企业经营的重要意义。

关键词：数据分析;贸易企业;数据搜集;客户信息

本文索引：王会娟.<标题>[J].商展经济，2021（17）：-096.

中图分类号：F712.9 文献标识码：A

DOI：10.12245/j.issn.2096-6776.2021.17.30

随着网络科技的发展，网购成了人们日常生活中不可或缺的一部分。从工厂到客户的网络销售，扣除中间环节的时间和层层加价，网络的便捷使生产端和最终使用端获得了双赢。网购平台利用大数据深入分析客户需求，对每个消费者而言，打开的网购平台页面都是个性化定制的产品展示，对个人消费的偏向性进行针对性的产品推广，利用消费黏性使消费者成为网站的忠实客户，也使得生产商对网站的信赖度增强从而更加愿意在网站进行销售推广。但是，作为被取代的中间环节的贸易商该怎么面对这个现实？B2C的窗口被网络的发展关闭之后，在B2B的链条中如何才能顺应社会发展？利用大数据推动自身发展，从而在被淘汰的趋势中获取新生，成为了贸易商面临的新难题。

对于贸易商而言，利用数据分析能给企业带来的好处很多。

1 留住老客户

世界营销权威专家菲利普·科特勒认为，开发一位新客户的成本相当于维护一位老客户成本的5倍。换句话说，你在1位新客户身上投入的成本足够维护5位老客户。客户效应告诉我们，一个满意的客户会引发8笔潜在的生意，其中至少有1笔成交;而一个不满意的客户会影响25个人的购买意向。老客户对于企业的重要性毋庸置疑，稳住了老客户，也就等于保障了企业的基本运营安全。信息化时代，客户的联系方式不再是每个企业维护客户的秘密法宝，竞争对手很容易通过网络搜索到目标客户的联系方式，从而实现和客户的初步沟通。所以，留住老客户对于企业而言压力越来越大。根據大数据对客户进行细致的分析，将老客户按照需求模式或者合作偏好进行分类，针对不同种类的老客户提供有针对性的个别化服务，尽可能满足不同客户的特别需求，有效地提高客户的满意度，增加客户黏性，进一步发挥老客户对企业的价值。

2 开发新客户

作为一个企业，不能仅依靠老客户进行生存，开发新客户也有着同等的重要地位。新客户的开发拓展，为企业的经营提供新的血液，是企业发展壮大的必经之路。通过数据搜索帮助企业寻找潜在的客户群体，再利用数据分析对该群体进行进一步的细分，根据企业对客户管理的要求匹配出合适的客户源，从而进行沟通，达到事半功倍的效果。另外，数据分析还可以通过对客户行为模式的研究，对不同情况下相似行为的业务进行预测性分析，提前判断出潜在客户需求，快速反应，比竞争对手提前一步，从而达到抢占新客户的目的。同时，开发新客户不仅是跟新的合作伙伴进行合作，还包括了从老客户中开发出新需求和新的合作点。

3 保障供应渠道

贸易企业一直以来最被客户诟病或者不愿意合作的原因就是品质不稳定。由于贸易企业缺少自身的生产能力，在向客户提供货源的时候更多地依赖于供应商的稳定性，有的贸易企业向客户提供的前后两批货物可能品质都不一样，甚至来自于不同的工厂。有了数据分析，这个问题将得到有效的解决。企业可以首先通过数据分析，将不同的供应商进行级别划分，每个级别的供应商都至少准备2～3家。然后根据不同的客户需求偏好，选择合适的供应商的货物，即使某一个供应商出现问题，也能够快速寻找到同类同级别的替代工厂进行供货，而不是随机的选择一个供应商进行替代，从而降低供货的不稳定性。同时，通过稳定的订单和供应商之间建立信任，逐步增加合作，形成战略同盟，进一步增强贸易企业在客户方的竞争力，形成共赢局面。

4 风险预测功能

对于数据分析而言，不仅用于销售、采购等业务方面，还能在企业运营方面提供可靠的保障。利用数据分析可以对企业日常运营过程中搜集的信息进行处理。根据历史经验初步建立风险模型，不同的风险模型可以运用在企业经营的不同方面：利用信用风险模型对客户和供应商的数据进行测试判断信用安全;利用财务风险模型对企业资金、数据等进行风险研判;利用盈利风险模式对定价和促销方式等进行测试，从而有效制定相关业务模式，达到盈利最大化等。这些风险模型能够给企业管理者在经营过程中出现的问题进行预警提示，帮助企业针对可能存在的问题做好提前防范。

在B2B业务中充分使用大数据推动业务开展，要解决数据从哪儿来的问题。传统贸易商在做业务时通过展会和网络来寻找客户源和供应商。在过去交通和网络不便时，是一个非常好的信息来源，通过固定时间和地点的集会，把大家集中到一起。一方面，减少漫无目的的信息查询，降低时间耗费和交通费用，集中化的信息交换使得贸易企业短时间内获得相关客户源和供应商的信息。另一方面，通过集中的信息交换，使得整个行业都能对市场发展有个统一的判断和认知，不至于形成信息闭塞，从而影响企业发展。正是这种情况导致贸易企业对国际市场上产品的销售难以控制，不仅在价格方面难以知己知彼进行竞争，还在产品的生产工艺、需求变化上了解不够深入，往往在被取代之后才能有所反应，为时已晚，从而造成累时累力累心，却难以获得相应的回报，成功时利润率极低，一旦亏损则连本带利都赔进去，吃了不少亏。在信息时代，这些都不再是问题。国家政策、行业前景、企业发展状况随时随地能在网络上进行获取。对于贸易商而言，如果要想深挖数据功效，就要拓展更多的信息渠道，获取更全面的信息。对于客户和供应商的了解不能浮于表面，只要买方给钱就发货，卖方发货就付款的日子已经一去不返了。现在想要更好地拓展业务，需要更深入地了解客户需求并进行细分，明确客户需求痛点，有针对性地进行合作才能跟客户形成更好的战略关系，对供应商也要有更深入的了解，不仅要求发的这一批货符合质量，还要了解供应商的生产状态是否稳定，信誉是否良好，经营资金是否安全等。同时，大数据时代，各行业分析、企业海关进出口数据等都可以通过极低的成本获取，从而引领企业发展，指导业务开展方向。

有了数据以后，接下来要考虑的就是怎么才能让数据为我们服务。有效地利用数据，使数据发挥应有的贡献，才能真正实现数据对企业的价值推动。根据不同的数据可以获取不同的信息，供应商的生产比较稳定，告诉我们该供应商的产品稳定性较好，良好的信誉度使合作时不用太担心翘单、跳单等。

接下来让我们用客户信息作示例，看看数据是如何在企业运营中发挥作用的。

首先，我们对企业的客户信息数据进行搜集，包括客户自身的经营信息和客户与企业的历史合作信息等。原始数据来源的可信性和数据内容的准确性直接决定了数据分析的工作是否为空中楼阁。怎么样获取数据，获取哪些数据，对不同的企业来说，关注点不同。对于贸易企业而言，要想直接与供应商竞争客户资源，在产品技术方面缺少先天性的优势，这就要求企业不仅要了解客户对产品的质量要求，还需要在软实力软服务上下功夫。企业一方面要知道客户到底要什么，通过合作前期与客户的密切沟通，明确客户的合作需求，才能更加深入地和客户进行合作;另一方面通过企业自身的能力与合作客户的关键需求进行匹配，针对客户的需求痛点加大自身的竞争优势，同时要明确企业计划从客户那里获得什么，该客户对于企业而言地位如何，是薄利多销，还是战略联盟，还是量少利高。

其次，利用对客户的了解，通过从客户方收集来的信息，采取关键因素分析法，将客户信息进行归纳整理，设定客户区分界限，将客户进行分类。众所周知，通过分析客户管理的历史经验，20%的客户创造了80%的客户，80%的客户恰恰只能创造20%的利润。按照客户对企业的影响力，利用ABC分类法，将客户按照层级进行初次分类，分别为关键客户、主要客户和普通客户三个层级。同时，利用波士顿矩阵的变形将每一个层级的客户进行进一步细分。波士顿矩阵通常情况下用于自身产品的发展，即通过自营产品从销售增长率和市场占有率两个维度出发，设定4个象限，利用不同象限的维度特质，使企业采取不同决策，以保证其不断地淘汰无发展前景的产品，保持“问题”“明星”“金牛”产品的合理组合，实现产品及资源分配结构的良性循环，而不能直接用于客户细分。但是可以通过对该矩阵关键维度进行调整，设定客户所带来的利润率和自身所供产品占客户总需求的比率两个维度，将每一层级的客户细分后，才能根据客户对于企业的意义及未来合作前景采取有针对性的合作方案。

最后，将从客户方获取的信息进行系统性归纳分析。简单来说，企业可以从以下两个方面对客户信息数据进行分析：

（1）通过实地拜访确认客户的资质和生产情况，从生产情况了解客户的产能信息，根据客户产能大小测算出客户对所供产品的需求数量和频次，结合客户给己方下的订单数量确认己方产品在客户方的接受度。同时，拜访客户生产车间时和工人等沟通，确认己方产品在客户方的实际反馈，明确下一步的合作方向。如果企业的产品承担了客户该项采购的大部分，说明客户对企業产品的认可度高，接下来就需要在合作的深度和广度下功夫;如果客户方采购量小，但车间的工人接受度大，就告诉我们接下来的推动方向在于价格和服务等方面;如果客户方采购量尚可，但工人反馈实际使用中有些不顺畅，后续就要在产品质量上进一步的磨合和提高。

另外，客户产能的饱和度也直接反馈了客户的经营状态。客户生产萎缩，表明客户的产品销售很可能出现问题，就要密切关注客户采购合同的执行情况，避免临时取消合同给企业形成库存的可能性;而产能的持续增加，说明客户产品的市场接受度好，跟客户的合作有明显扩大的空间，从另一方面也提醒企业要注意客户后续的资金安全。

（2）根据客户以往合作的历史数据，通过客户的付款及时性、交货的紧迫性、索赔情况等，构建客户行为建模和评估体系，利用各项业务数据指标，挖掘客户属性，为企业的个性化服务提供支持。比如客户的付款出现多次延期，说明客户的资金状况出现问题，这一变动就会引发整个数据分析体系的警觉，从而开始结合其他相关数据进行接下来的分析;如果客户虽然付款延期但需求量增加，说明客户处于发展阶段，虽然短期资金紧张但长期来看仍处于可以增强合作的范畴，短期内对客户资金的支持可以为以后更加稳固的合作打下基础;如果客户付款延期的同时需求量下降，一方面说明客户的产品可能出现问题，市场对该客户的此类产品接受度下降，另一方面说明企业不再是该客户重视的合作伙伴，客户有可能选择了新的合作对象，或者企业的产品类型在逐步被替代。

通过上述对客户信息分析示例，可以清晰看到，数据分析能给企业的经营发展带来更加直观的效益。通过数据分析，可以更加完整、准确地反映当下的客观情况，避免人为因素影响，同时给企业经营发展过程中遇到的事情提供预警，还可以更好地承担对企业经营的侧面监督。数据分析在网络企业中已经得到了非常广泛的运用和认可，也给网络企业带来了可观的回报。传统的贸易企业还没有意识到这一点，更多的还是处在原始的人际沟通状态，企业的经营依靠的还是经验型“人治”，忽视了经验背后的数据支撑。经验也是来源于数据，但不够系统和完善，只有对采集的数据进行指标分析，建立一套完善的分析体系，利用有驱动力的数据分析结果，才能帮助企业更有效地提高营销和管理效率，从而实现快速发展。

参考文献

张敏，谷雨.大数据技术在企业战略管理中的应用分析[J].财经界，2020（32）：17-18.

]陈娟.国有企业进出口贸易公司内部控制相关问题探讨[J].今日财富（中国知识产权），2021（2）：105-106.

Abstract： For enterprises， the traditional empiricism relies too much on people and can not adapt to the rapid development and expansion of enterprises. Rational and objective data analysis has been paid more and more attention in the operation of enterprises. In countries with mature data analysis industry， 90% of market decisions and business decisions are determined through data analysis and research. In China， data analysis is more used in network enterprises to track the consumption preferences of direct consumers， while trade-oriented enterprises have insufficient understanding of data analysis. This paper mainly starts from trading companies， analyzes the benefits that data analysis can bring to companies， and takes customer information as an example to initially explore how to collect and analyze data， showing the importance of data analysis to the operation of companies.

Keywords： data analysis; trading enterprise; data collection; customer information