技术的发展，使得人类制造出的数据呈指数级增长，人类正从IT时代走向DT时代。都说有人的地方就有江湖，其实有人的地方还有数据。而快消品企业作为与消费者密切接触的行业更不例外。快消零售品企业每天都需要处理大量的数据，这些数据分别来自内部：人员、费用和终端数据；外部：分销商、批发商、代理商、消费者数据等等。
数据来源：IDC
快消品行业的一大特点就是拥有海量的消费者数据，对于拥有海量消费者数据的快消品行业而言，数据分析是助其获取商业优势的一大利器。例如一些领先的快消品企业在运营总部设有“作战室”，实时监测销售等经营数据，就像宝洁公司(P&G)著名的“业务水晶球”电视墙那样，通过大屏幕上关键绩效指标的图形化呈现，随时为新的市场决策提供依据。或者某些企业直接选择数据分析工具进行数据挖掘与应用。比如一号店用大数据魔镜帮助其对用户进行深层分析。
一、快消品企业数据运用现状剖析
然而埃森哲最近开展的一项针对快消品行业的研究却发现： 尽管很多快消企业纷纷投资与数据挖掘和数据分析相关的人才、工具、数据和系统，但他们却很难从这些投资中获得最大价值。其重要原因在于，这些企业尚未采取上下协调一致的策略，企业的业务系统林立，缺乏统一分析体系难以有效驱动业务运营。
快消品行业的大数据价值为什么没有得到最大体现
这主要体现在以下四个方面：
1、系统数据分散尚未打通。终端、经销商、订单，费用……未打通共享，影响业务高效运行。
2、数据未整合，缺乏全局标准。客户、订单等信息散落在各系统中，个体数据未打通、未整合 ，难以直接应用，缺乏全局标准；数据维度、统计口径不统一，数据质量参差不齐。
3、数据化运营体系缺失、尚未构建数据业务化的闭环体系，缺乏整体经销商、消费者洞察 分析框架，点状、片段数据难以有效指导营销运营；历史营销数据未沉淀，难以有效指导下次营销活动。同时缺乏全局视角和运营模式为数据分析提供有力支持。
4、很多快消品企业的数据分析只能对已发生事件进行“事后诸葛亮式”的描述，根本不具备预测能力，因此无法获得前瞻性的洞见。
海量的数据一直存在，而却不能被完全释放价值，这实在是大数据上的一大憾事。提高对数据挖掘与分析的价值利用，还需要快消品企业自上而下地提高对其的认识和重视。
二、快消品企业应当如何用好“大数据”
为了让数据赋能，扭转应用数据，发挥数据业务价值，BI数据分析的构建成为企业营销管理不可或缺的一环。针对以上存在的问题，玄讯快消智研中心认为：未来快消品企业在大数据的应用上主要可以围绕 “聚-通-用”挖掘生产大数据的价值，帮助企业降本增效，提升企业的综合竞争力，精准预测市场趋势，快速抢占市场先机。
1、聚：数据的收集和积累是基础
“聚”主要体现在数据获取方面，这是数据分析的基础。而“聚”不仅仅是指盲目获取数据，而是明确需要获取的数据类型。这就需要根据快消企业的业务发展需求以及战略，明确数据获取的主要类型。一般来说，快消品企业主要集中的数据需求在人员、终端、渠道商、费用、资产、业务行为等方面，企业可根据企业实际情况进行具体数据类型收集。另外，快消企业可借助现代先进的技术进行高效全方位的数据收集，例如近年来快速发展的AI技术，其先进的算法能力，能够高效并且全面地辅助快消企业掌握终端数据。
（图片来源：玄武科技·玄讯）
2、通：不同维度数据打通是重点
“通”，主要体现在打通和共享。据玄讯快消智研中心通过长期调查发现，目前很多快消企业并非没有部署业务分析系统，而是业务系统过于繁杂，并且各个业务系统之间孤立零散，无法形成有效的整合分析。于是这就需要一个平台系统能够将各个系统业务数据串联起来，实现多个维度数据洞察，才能帮助企业管理者真正发现业务中存在的问题与起因的内在联系，进而帮助管理者发现与问题解决相关的积极因素。
3、用：数据运用是目标
“用”就是充分发挥数据的价值，这是数据分析的终极目标。快消企业进行数据的收集和数据的分析，最终还是希望数据能够运用起来，助力其业务增长。在未来，快消企业希望通过大数据的分析，助力企业高效洞察终端市场。例如通过数据驾驶舱，直观清晰展示快消企业终端客户的分布情况，费用投放情况、费用利用率以及终端业务员执行情况等等。通过终端市场的洞察，从而进行精准的市场趋势预测，例如各类渠道终端订单趋势、终端数量的变化趋势、产品终端表现情况等趋势预测，从而能够抢先一步布局市场，赢得终端市场。
（数据驾驶舱示例图） 图片来源：百家号
数据分析闭环图
（图片来源：玄武科技·玄讯）
阿里巴巴经济体学术委员会主席曾鸣教授曾说过，在线化、数据化、智能化将是未来企业的重要特征。以往，企业并没有察觉到一个微小的动作到底会产生怎样不同的结果。但伴随着数字经济时代的到来，人们越来越相信，得数据者能得天下。显然，快消行业的竞争，已从品牌、渠道和产品的竞争，转为企业数据挖掘和使用能力的竞争。因此，快消企业需尽早部署适合企业业务发展要求的数据系统，才能有效挖掘所收集到的数据价值，从而最大程度发挥数据驱动业务增长的效能。
