商业零售业数据分析师

岗位职责：
一、 数据提取、处理与监控
1、数据整合： 从ERP、CRM、POS系统、电商平台、小程序等不同数据源提取和整合数据，构建和维护数据分析数据集。
2、数据清洗与处理： 确保数据的准确性和一致性，处理缺失值、异常值，为分析做好准备。
3、报表开发： 设计、开发和自动化日常业务报表（如日/周/月销售报表、库存报表、客流报表等），确保关键业务指标（KPI）能及时、准确地触达相关团队。
二、 核心业务场景分析与洞察
1、销售分析：
（1）分析整体、区域、门店、渠道的销售表现、趋势及达成情况。
（2）进行人、货、场分析：追踪店员人效、商品坪效、门店场效等关键指标。
（3）分析促销活动的效果（Uplift Analysis），评估ROI，为未来促销策略提供建议。
2、商品与库存分析：
（1）商品生命周期管理： 分析新品表现、老品衰退迹象，为商品企划提供输入。
（2）库存优化： 分析库存结构、周转率、售罄率、缺货率，识别滞销和快缺商品，提出补货、调拨或清库存建议。
（3）定价分析： 监控价格弹性，参与竞争性定价分析，优化定价策略。
3、客户分析：
（1）客户画像： 基于交易数据构建客户画像，分析客户 demographics 和消费行为特征。
（2）RFM模型： 运用RFM模型进行客户分群，识别高价值客户、流失风险客户等，并针对不同群体制定精准营销策略。
（3）复购与流失分析： 分析客户复购率、流失率及原因，提出客户忠诚度提升方案。
4、市场与客流分析：
（1）分析门店客流量、转化率、连带率、平均客单价等指标。
（2）结合外部市场数据和竞对信息，进行市场份额和趋势分析。
三、 深度分析与建模
1、预测分析： 构建销售预测模型、需求预测模型，为采购、库存管理和目标制定提供科学依据。
2、关联分析： 运用购物篮分析（Market Basket Analysis）发现商品关联规则，优化商品陈列组合和交叉销售策略。
3、根因分析： 当关键业务指标出现异常波动时，进行深入的下钻分析（Drill-down），快速定位问题根源。
4、专题研究： 针对重要业务问题（如新店选址模型、会员积分体系效果评估、全渠道策略等）进行深度专题分析，输出策略报告。
四、 协作与赋能
1、跨部门沟通： 与商品、运营、市场、财务等业务部门紧密合作，理解业务痛点，将数据分析结果转化为清晰的、可落地的业务建议。
2、数据赋能： 培训和支持业务人员使用数据工具和报表，提升整个团队的数据化运营能力。
3、报告呈现： 向管理层和业务团队清晰、简洁地呈现数据分析 findings，讲述数据背后的故事。
任职要求：
1、学历专业：本科及以上学历， 统计学、数学、计算机科学、经济学、商业分析等相关专业。
2、工作经验： 2年以上数据分析相关经验，有零售、电商、快消行业经验者优先。
3、硬技能：
（1）SQL： 必备技能，精通SQL进行复杂数据查询和处理。
数据分析工具： 熟练使用Python或R进行数据清洗、分析和建模（如Pandas, Numpy, Sklearn等库）。
（2）数据可视化： 熟练使用至少一种主流BI工具，如 Tableau, Power BI, FineBI 等。
（3）Excel： 精通Excel，熟练使用数据透视表、函数、图表等。
（加分项）了解大数据平台（如Hadoop, Spark）和数据库知识。
4、软技能：
（1）强烈的业务洞察力： 对零售业务有浓厚兴趣，能理解“人、货、场”逻辑，而不只是数字的搬运工。
（2）逻辑思维与解决问题的能力： 能够定义问题、拆分问题、分析问题并得出结论。
（3）沟通表达能力： 能将复杂的技术分析结果用非技术语言向业务部门解释清楚。
5、注重细节： 对数据有极高的敏感度和准确性要求。