栏目编辑：梁丽雯E-mail:****************
连锁零售供应链金融数据集市建设思路
■ 湖南三湘银行 冯天驰
摘要：数据是银行为连锁零售行业提供个性化供应链金融产品与服务的基础。银行传统的数据集市相关内容主题建设方法是基于其自身的业务与业务逻辑，外部数据仅作为有限补充，因此无法满足需求。本文在当前银行数据集市建设的一般方法的基础上，加入新的工作思路和内容，以行业客户特征为对象，通过引入业务专家全面参与、基于行业研究设计数据主题和内容，构建动态的数据预警质量管理模式，实现银行数据与连锁零售行业数据的高质量深度融合，全面描述服务连锁零售店运营方与各加盟店的情况与特点，为相关的供应链金融服务提供高质量数据。同时，该方法充分考虑了数据开发人员已有的经验，在实施过程中节约了时间成本和相关人员的学习成本。
关键词：连锁零售；供应链金融；行业数据集市
一、业务与数据集市概述
（一）连锁零售行业现状
近年来，随着社会的发展、电商的普及，传统的居民社区零食店、小超市正逐渐被供应链能力更强、管理更加规范的连锁加盟店所替代。传统的以家庭成员为单位经营、独立负责进销存的“夫妻店”变为某连锁零售运营方的加盟店，由其统一进行供应链管理、营销推广和销售督导。运营方提供统一的经营和线上化运营系统和工具，加盟店则承担简单的商品分销职能。
连锁零售加盟店在经营过程中，支出包括开店的一次性费用与后续运营费用（包括进货、雇员、水电物业、损耗等），收入则包括销售差价、销售返利、加盟费分成等。在实际运营中，加盟店的主要资金压力来源于加盟时的一次性投入，包括加盟费、装修费用、租金等，一旦进入运营，主要的风险为市场经营风险，在不出现重大意外的情况下，经营一般是很稳定的。
从供应链金融场景的角度看，这是一个很典型的下游商户的场景，连锁零售运营方是供应链上游，加盟店是下游。上游对于下游在物流、信息流、资金流上有完全的把控能力，下游高度依赖于上游。下游有具体需求场景，商业模式成熟，在正常运营的情况下有着稳定的收入来源，具备还款能力。
（二）银行对于连锁零售业的金融服务现状
一直以来，由于缺少相关数据的支持，银行在对加盟店提供金融服务时，往往仅以连锁零售运营方作为向加盟店进行业务推广的渠道，完成获客动作，未
作者简介： 冯天驰（1983-），男，湖南长沙人，高级工程师，供职于湖南三湘银行，研究方向：产业链金融数据挖掘、产业链数据 集市。
收稿日期： 2020-10-30
栏目编辑：梁丽雯E-mail:****************
能充分发挥其在产业链上的价值；只能采用通用型的个人信用贷款产品进行适配，这导致了金额不匹配、账期不匹配等问题。最终，广大的加盟店无法获得符合其需求的银行贷款服务，大部分的加盟店会倾向于使用成本更高的民间借贷来获取资金。
现在，银行基于连锁零售的业界形态和需求，通过对双方数据进行挖掘和分析，构建了以大数据为基础、针对连锁加盟店的供应链新模式。在这种运营模式下，银行以合作的连锁零售运营方为核心数据节点，获取加盟店的相关经营数据和基础数据，通过数据反映“加盟-开店-进货-销售-回款”各环节，使银行从供应的角度深度了解加盟店的真实情况。银行基于加盟店真实的需求，设计专门的产品，为符合条件的加盟店提供贷款及其他金融服务。
（三）银行构建专门数据集市的必要性
银行为连锁零售加盟店设计专门的产品，为其提供金融服务，均是建立在真实经营数据基础之上的。为了动态、准确地获取这些数据并充分挖掘其价值，银行需要构建一个专门的数据集市，用于存储、加工来自连锁零售运营方的源头数据，并实时更新，为其供应链金融服务场景提供数据服务，支持其进行产品优化、风险策略调整、市场工作方式改进等操作，从而保证这一产品线长久健康地运作下去，为加盟商群体持续提供金融服务。
二、银行零售行业数据集市的需求与特点
与银行已有的数据仓库中的数据集市相比，用于描述零售加盟商的连锁零售行业数据集市（如无特殊说明，以下行业数据集市均指此类数据集市）在建设目标、内容和数据管理方面有明显的不同。
（一）数据来源不同
行业数据集市的数据主要来源于连锁零售运营方，银行通过相关接口进行认证后获取对方数据，再结合自有数据综合描述零售加盟方的经营情况。
（二）集市设计与建设规律不同
银行的数据集市设计过程和内容具有“长周期、广应用、逐步丰富”的特点，而行业数据集市的特点是“短周期、专应用、一次到位”。
（三）数据业务口径不统一
每个运营方都是一个独立的企业个体，因此对于同一个数据口径，都会根据自身的运营要求和管理要求进行业务口径定义和数据加工方式定义。
（四）数据质量管理难度更大
行业数据集市的数据标准和数据含义来源于连锁零售运营方的定义，不仅需要将数据标准管理、元数据管理整合进银行的数据质量体系，而且还需要区分各种不同原因导致的数据变化，并区别对待。
三、银行零售行业数据集市建设思路
（一）行业数据集市的建设思路
针对行业数据集市的特点，建设思路需要予以不同的考虑。
1. 从业务目标和对象出发，注重合作运营方的特性
由于银行不了解连锁零售的经营领域，因此充分了解对方的数据信息、理解数据含义、选取正确反映加盟店运营情况变化的数据，是行业数据集市数据有效的基石。
2. 引入“奥卡姆剃刀原则”，敏捷构建集市
由于行业数据集市的出发点和目的更加单一，因此，与银行内部数据集市在设计过程中追求描述对象的数据全面、丰富、多样相比，行业数据集市可以按照“做减法不做加法”的原则进行建设，科学规划相关的数据表内容与来源，从而在控制数量的同时提高数据质量。
3. 引入评估模型服务数据质量
行业数据集市由于数据来源于运营方系统，在业务沟通、信息传递、数据源管理等方面均存在不可控因素，且从运营方过来的数据口径复杂，数据变动随
栏目编辑：梁丽雯E-mail:****************
意，因此依靠评估模型来监控数据质量是更加高效的方式。
4. 业务专家深度参与
业务专家对于运营方的业务有着更加深入的了解，必然深度参与数据集市的设计，以弥补数据开发人
员在该方面的知识不足。
基于以上考虑，在构建数据集市的工作流程上，为了充分利用数据开发人员以往的项目经验和知识积累，应遵循一般的数据集市构建步骤，不对工作方法和流程作大改变，只在以下4个方面增加相关的工作，从而有效提升效率，降低风险：增加业务专家参与的深度和广度；需要对零售行业运营方数据进行深度研究；构建内外部数据有机融合的主题数据表；增加数据质量评估模型。
（二）业务专家深度参与
在以往的数据集市建设中，数据开发人员是熟悉银行业务的，因此，业务专家在参与时主要负责设计数据表、确认口径和核对数据。而在行业数据集市的构建中，数据需要按照业务过程来“纵向”整合，且大量有来自运营方的外部数据需要整合和使用，但银行数据开发人员既不了解对方的业务，也不理解对方数据的含义，无法独立完成数据集市的建设。这就需要业务专家深度参与，并扮演好3个角色。
首先，业务专家是老师。在数据集市设计中，需要业务专家将其了解的运营方的信息传授给数据开发人员，让数据开发人员理解自己要做的事情和外部数据的含义。
其次，业务专家是主设计师。由于业务专家非常熟悉来自运营方的数据，因此应深度参与集市表设计
、数据源分析与选择这两项涉及外部数据的工作。如连锁零售的合作项目，来自运营方的外部数据主要描述加盟方的经营状况、与连锁零售管理方的合作关系两个方面，这些数据正是业务专家设计金融服务和金融产品的依据业务专家清楚数据的业务含义和内部关系，利用自身的知识和经验进行设计，能大幅提高效率和集市中数据的准确率。
最后，专家人员是协调者。在金融服务延续的过程中，涉及的数据工作包括对接数据信息、接口开发、数据失真沟通等，需要业务人员进行沟通。而在集市完成建设进入运营过程中，一旦发现数据失真，需要业务专家与对方进行沟通，了解原因，并与数据开发人员共同解决问题。
（三）深化运营方数据研究
连锁零售运营方有对加盟商经营行为的全面数据记录，但数据往往产生于自身经营过程中，是以其经营逻辑进行构建的，分散在不同的系统中，无法直接使用。因此，对其数据进行研究，了解数据含义是保证行业数据集市数据准确可用的基础工作。在研究过程中，遵循着“系统-数据定义-数据选择-数据变化”的过程，一级一级深入，是理解对方数据的最佳途径。具体实现包括以下4个方面。
1. 将数据与业务系统一一对应
首先要了解某一个业务在哪一个系统上运行，背后产生或是依赖什么数据。不同的连锁零售运营方有
不同的系统规划，因此需要依据数据需求逐一核实。如果要找到加盟店的销售数据，应在运营方提供的CRM系统中的订单销售搜索相关数据表；如果要找到加盟店的利润，有时应从CRM系统中搜索数据记录，有时则需要从综合收银、CRM系统、线上营销系统等搜索数据再进行计算。
2. 明确数据定义
同样的连锁零售行业中，不同的运营方对于数据可能会有不同的定义，因此需要准确地了解当前合作的运营方对于某一个数据的业务定义是什么。数据的业务定义需要结合其生命周期来了解，往往包含几个方面：数据描述的对象是什么，数据由哪个业务环节产生，将会被应用到哪些业务环节，数据是否为最终数据（即在一个业务流程闭环后不再改变）。举例来说，加
栏目编辑：梁丽雯E-mail:****************
盟店的月销售金额可以从CRM系统、收银系统、财务结算系统中获取，但从银行的角度看，最终实收的金额才是衡量加盟店还款能力的关键，因此，最终需要的是财务结算系统的数据，并以收银系统作为佐证。
3. 关注异常值
所谓异常值是指在业务过程中产生的需要说明标注或是不符合常理的数据，共有两类。第一种是需要说明标注的数据产生于系统或运营的正常生产过程中，是业务规则导致的正常数据，如在加盟店的某些产品销售量上出现负值，即销售量小于0，这种情况往往是加盟店向运营方退货、换货、营销活动返销或由库存错误导致的，虽然初看觉得蹊跷，但实际是正常的。第二种是系统处理异常导致的，可能是业务处理过程中的异常，也可能是提供时的异常，如统计错误等。对于这两种异常值，应根据实际的情况选择使用，并固定异常值的处理规则。
4. 选取合适的数据源输入
在连锁零售行业中，绝大部分的企业只有生产系统，如CRM系统（有时和收银系统合一）、仓储物流系统、营销管理系统（有时会包括线上销售、线上商城）等，而没有数据仓库或是中台，这给数据源选取工作带来了一定的便利。因为在工作中，人们不需要去考虑加工过程中的数据失真和数据丢失问题，可以直接从生产数据获取第一手信息。生产系统中选择数据表时，最便捷的方式是和运营方的系统开发和运维人员一起核对运营方在生产过程中系统界面数据所对应的后台表字段，找到生产中所用数据的来源，进行统一梳理之后再寻找数据之间的关系，进而以业务对象为中心，将所有的数据串起来。如计算零售店的客户消费金额，其数据可能会是：
客户消费金额=客户购买销售子订单金额合计（CRM数据）-单店营销活动减免（CRM系统）-专项/通
用营销活动减免（CRM系统/营销管理系统，含线上下单减免）-支付方营销活动减免（CRM系统/收银系统）。
5. 关注数据变化规律
除了业务调整导致的数据变化外，经营情况也会导致数据的变化，这种变化往往是连续并有一定规律的，如夏季的水果销量会上升，但损耗也会上升，导致利润变化。这种数据变化规律在构建数据集市时，可以作为数据变动阈值设定的参考，用于发现异常情况，既可以帮助业务人员发现异常经营情况，也可以用于数据质量监控。
（四）构建内外部数据有机融合的数据主题表
数据集市的数据表直接向业务场景提供了数据，科学规划数据表的内容非常重要。在设计过程中，一方面需要最大限度地用好外连锁零售运营方的数据，另一方面则需要有效整合银行内部数据，做到真正的“客户全视”。
拆解可以反映加盟商特征的数据内容，并按照内容进行数据表设计是最常见的方式。如在描述加盟商时，可以一个加盟商为核心，将描述的内容划分为基础信息、经营信息、运营管理信息、金融服务4个模块，每个模块进一步拆分成不同指标，并分解为元数据及其加工方式，形成数据加工规则和数据标准的设计，如图1所示。
在数据表设计时，可以增加一些反映加盟商对象的加工指标，用于反映相关加盟商在连锁运营方所有店面中的经营水平，从而为评估客户质量和可能存在风险提供依据。
（五）数据质量评估模型建设
连锁零售运营方有可能因为主观或客观的原因造成数据的变化，其中有一些是正常市场经营所造成的正常数据变化，如加盟商正常的数量变化、销售金额和利润的变化等，这会正确指导该供应链金融业务的开展。而有一些变化则是不正常的，如系统功能调整、经营数据口径变化（如销售返利规则的调整），这将导致数据失真，一旦此数据用于生产，则可能误导业务开展。因
栏目编辑：梁丽雯E-mail:****************
此，数据集市需要进行符合自身特色的数据质量管理。
由于连锁零售运营方不可能准确无误地传递所有经营或内部系统调整的细节，且银行也不会投入大量成本来构建一个复杂的系统来实现这些事务，因此，构建一个统计型的数据质量模型，对数据值的分布进行跟踪分析，通过异常变化找到可能的数据失真点，再由业务人员向对方进行核实，会是更加高效的方式，即数据模型发现异常可能性，人工核实情况。实际中可以采用以下3个步骤来实现。
1. 确认建模的数据指标
一般优先选择与市场营销紧密相关、常用于市场管理手段的指标或是人工干预、处理较多的指标，如对营销返利、销售折扣等进行监控，因为这些指标很容易随着连锁零售运营方的政策进行业务口径调整，从而导致数据口径变化，数据失真。对于一些约定俗成的指标，如产品销量、产品价格、会员号码，或是基础数据，如加盟方名称、地址、加盟商联系电话等，由于其十分稳定，因此可以不用于监测模型建模。
2. 确定指标的异常阈值
应为这些指标异常判断设定相关的阈值。在设定
阈值时，可以综合考虑连锁零售运营方的建议和统计学上的概率分布。连锁零售运营方的建议来源于日常工作中的业务经验，具有较强的业务解释性，能使工作更加聚焦，减少统计研究的成本，但在数据可量化方面存在不足，需要数据统计进行验证。
3. 设定预警的规则
数据质量评估中的预警是指发现连锁零售运营方可能存在了的数据失真情况，规则来源于一系列对于业务过程的抽象，在模型视线中则是连续或是一系列相关联的异常值的组合。如单店的销售返利很可
能在12月与1月之间陡降，结合整体的营销返利、各类商品的销量分布、营销活动情况，才能判断是经营不善还是返利政策调整所导致，如果是后者，则需要考虑数据失真的问题。
四、数据集市运营与优化
（一）数据价值持续挖掘
相对于银行内部数据仓库的集市，行业数据集市整合了大量来自于合作方的数据。这些数据是来自特定行业和产业角度的生产数据，真实地反映了行业
图1 加盟零售商的数据集市中的数据内容划分示例
加盟店编号……
加盟零售单店
经营信息
基础信息
年限
店主信息
店铺信息
开店年限加盟年限姓名联系方式关联人店铺面积地理位置
参与模式物业信息
自有物业长期租赁物业短期租赁物业
销售情况销售金额
营销活动销售集中度会员客户办理情况
消费情况留存与活跃
订单信息利润
……
评级销售评级服务评级代理评级
运营管理信息
销售返利
处罚押金与待发货
……
理财信息金融服务
货款信息存款信息申请记录
……
账户信息
更多推荐
数据,运营,集市,零售,业务
发布评论