揭秘茵曼自有BI系统，大数据原来可以这么玩

　　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。

　　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。

　　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。

　　1：不漏BI数据整合示意图

　　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

　　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。