服裝零售店非財務指標的采集與應用研究

葉逢春

（湖南商學院工商管理學院，湖南 長沙410205）

一、文獻綜述

1.非財務指標

許多公司在業績評價中引進非財務指標是因為財務指標存在一個很大的缺陷——面向過去。財務指標反映的只是過去的績效，并不能提供創造未來價值的動因。非財務指標則相反，它們往往是面向未來的，比如開發和研制新產品投入市場，用一定的時間建立市場份額，提高對關鍵顧客的保持力等。[1]這些指標的改善往往需要管理層付出多年的努力，同時一旦上述指標順利完成，將明顯改善公司財務業績。瓦頓（Wharton）在1995年出版的《年度紅利契約中業績評價標桿的選擇》中指出，非財務指標是體現管理層績效和公司發展前景的更好指示器。對中低管理層使用激勵計劃同樣推動了非財務指標的應用。中層管理者、一線生產管理者甚至專業技術人員都成為激勵計劃的應用對象，他們并不能控制財務結果。于是，他們發現財務指標如每股收益對他們的激勵作用簡直與“國內總產值”指標相差無幾。與此同時，這些雇員對經營效率、成本管理、技術創新以及產品質量等影響公司效益重要變量的控制甚至超過了公司高級管理層。[2]

2.數據挖掘

數據挖掘（Data Mining），又稱為數據庫中的知識發現（Knowledge Discovery in Database，KDD），就是從大量數據中獲取有效的、新穎的、潛在有用的、最終可理解的模式的非平凡過程。簡單地說，數據挖掘就是從大量數據中提取或“挖掘”知識。它是數據庫研究中一個很有價值的新領域，融合了數據庫、人工智能、機器學習、統計學等多個領域的理論和技術。[3]它通過選擇數據對數據進行檢測，建立挖掘模型，挖掘出深層次的信息和知識。將其運用在銷售數據分析中就能在龐大的客戶數據庫中將看似無聯系的數據進行篩選和凈化，提煉出有價值的客戶購買模式，并且能對客戶未來的發展趨勢和行為進行預測，從而幫助決策者作出正確的決策。[4]

數據挖掘的一般流程為：[5]

（1）定義問題。清晰地定義出業務問題，確定數據挖掘的目的。

（2）數據準備。數據準備包括“選擇數據”——在大型數據庫和數據倉庫目標中提取數據挖掘的目標數據集；“數據預處理”——進行數據再加工，包括檢查數據的完整性及數據的一致性、去噪聲，填補丟失的域，刪除無效數據等。

（3）數據挖掘。根據數據功能的類型和數據的特點選擇相應的算法，在凈化和轉換過的數據集上進行數據挖掘。

（4）結果分析。對數據挖掘的結果進行解釋和評價，轉換成為能夠最終被用戶理解的知識。

（5）知識的運用。將分析所得到的知識集成到業務信息系統的組織結構中去。

二、服裝零售店可以采集的非財務指標類型分析

對剛剛進入服裝零售市場或中小型的服裝企業而言，對現實銷售情況的分析往往要比其他的銷售分析與預測方式來得更為重要。從服裝零售店的銷售情境來看，圍繞現實銷售情況可現場通過目測采集的非財務指標主要有以下幾類：

1.消費者人口統計指標

長期的研究實踐經驗表明，不同年齡段、不同性別的消費者，在消費心理、購買決策模式、受環境影響程度、價格敏感度等諸多方面均有較大差別，可將這兩個指標作為后期分析過程中的主要分類依據。這兩個指標通過目測即可輕松得到。

而消費者的家庭規模與其在家庭中的地位等指標，由于受營業員個人經驗的影響和制約太大，直接獲取的可能性低，獲取的時間與溝通成本較高，故不建議在零售店范圍內采集。有條件的服裝零售店，尤其是服裝品牌連鎖店可通過發放VIP貴賓卡的形式，在消費者填寫相關申請文件時獲得相關資料。

2.消費者地理指標

從國內的實際情況看，消費者的東西差異與南北差異較為明顯，尤其是身材、著裝偏好、人文習慣等指標均存在較明顯的差異。這就意味著，如果有哪個服裝公司試圖用同樣的產品提供給全國市場，失敗將不可避免。從這個意義上講，消費者的地理指標應該進行提取。

3.購買時間指標

服裝行業是一個季節性很強的行業，消費者在不同的季節的需求都各不相同，從而大大增加了營銷工作面臨的不確定性。說到因對季節與其相關的天氣判斷失誤造成重大虧損的例子，我們不能不提到國內羽絨服行業的第一品牌“波司登”。在連續經歷了兩個暖冬之后，其決策層認為2007年應該是個冷冬了，于是大規模備貨，然而當2007年冬季已過去大半，注定又是一個暖冬的時候，波司登的銷售情況讓人感到寒氣逼人。截止2007年3月底，因上年暖冬導致退回貨品增加，波司登進行了2.5億元的撥備，當年的存貨結余也達到12.4億元的歷史新高，較上年同期倍增，重大虧損則是無法避免。①

此外，對于具體的時點進行分析也是有必要的，我們必須認識到，在星期一至星期五等工作日購買服裝的消費者與在星期六、星期日購買服裝的消費者之間的生活形態存在重大差異。與此同時，具體到每一天而言，我們認為，在上午九點購買服裝的消費者與在晚上九點購買服裝的消費者之間也存在較大差異。此外，對不同時間段的分析，也有利于店鋪管理人員合理安排一線營業人員的配備與服務時間，從而在降低服務成本的同時，幫助店鋪取得更大的收益。

4.產品屬性指標

產品屬性是反映消費者購買心理及行為發生的主要指標，在主要處理現實銷售數據的情況下，數據的獲取相對容易，也比較容易標準化。就一般情況而言，服裝的款式、面料、顏色與尺碼都應該記錄下來，以幫助服裝公司探查相應的結構，有利于為消費者提供一個合理的產品線結構，規避產品單一的風險。值得一提的是，服裝行業有一半以上的庫存是因為尺碼問題造成的，這就意味著，如果尺碼不合適，哪怕是給予消費者相當優惠的促銷價格，消費者也不會將不適合自己的服裝買走，從而嚴重影響服裝銷售的整體盈利能力。

5.價格敏感性指標

如前所說，由于國內的地區差異較大，經濟發展水平不一，消費者在消費選擇方面就肯定是不盡相同的。尤其是在就業壓力大增的心理狀態下，消費者對價格的敏感提升到了一個相當的高度。而這種心理將影響服裝的銷售速度，不利于服裝企業的資金回籠與庫存流轉。基于這樣的理解，我們應該記錄的指標除了實際銷售價格之外，還應當有主動要求折扣的情況、其購買的是否是當前正在進行促銷的貨品等指標。

6.消費情境指標

據零點市場調查公司的行業經驗來看，消費者在進行購買決策時往往會因受到外部作用力的影響而發生改變。因此，我們至少應當記錄消費者的陪同人員情況，并判斷消費者是否是為自己選購服裝。有條件的可以進一步記錄貨品的擺放（展示）情況、店鋪的整潔程度，甚至是背景音樂的聲音大小及選擇的曲目等指標。

而對于消費者社會/經濟特征指標所包括的收入、階層、職業、教育狀況、宗教信仰、民族等指標，由于受營業員個人經驗的影響和制約大，直接獲取可能性低，獲取的時間與溝通成本高，可在有條件的情況下，通過發放VIP貴賓卡的形式，在消費者填寫相關申請文件時與消費者的家庭規模與其在家庭中的地位等指標一并收集。

三、服裝零售店非財務指標的應用方式

1.數據采集表設計

數據采集表的設計是實現采集上述非財務指標目標的重要環節，須給予充分重視。此外，還需體現不影響正常營業的秩序與客戶服務水平的原則要求，使此項工作的落實具有相當的可持續性。具體的數據采集表設計可依照調查問卷的模式設計，詳見表1。

2.銷售數據采集表填注及數據錄入

考慮到很多服裝零售店已經采用POS機及條碼掃描識別技術，建議在銷售數據采集過程中主要通過POS機，并配合使用鍵盤輸入，最終通過Microsoft Office Access數據庫導出相關數據，從而使需要人工輸入的數據大大減少，實現數據的快速填注，不致影響正常的營業秩序。如在POS系統不支持的情況下可采用CAPI技術（Computer Assisted Personal Interviewing，計算機輔助面對面訪問）進行替代，并使用Access數據庫導出相關數據。不建議完全使用人工進行數據采集工作。

3.數據分析

當數據轉化為可供分析的標準化形式時，就可以真正使用采集到的數據進行相應的分析工作了。建議使用SPSS軟件（Statistical Package for the Social Sciences，社會科學統計軟件包）進行分析。在進行正式分析前，還應當對不同的變量進行賦值，以適應數據分析的要求。

對于一些面向國內市場運作時間不長或不擅長銷售數據分析的服裝企業而言，前期主要可采用的分析工具有頻數分析和交叉分析兩種工具。通過頻數分析可以幫助企業了解某一個或幾個變量下各個變量值出現次數，從而實現了解不同指標的內在結構的目標，而通過交叉分析，則有助于幫助企業了解不同變量之間相互關系，得到同一變量中的不同變量值在某一或某幾項變量上的對比統計值，如不同性別的消費者在面對折扣時的對比情況。以SPSS15.0為例，頻數分析的實現方式是：Analyze→Descriptive statistics→Frequencies，然后選擇相應的分析數據框即可。而交叉分析的實現方式是：Analyze→Descriptive statistics→Crosstabs，然后選擇兩組進行對比的變量即可。

表1 服裝零售業務數據采集表

4.經驗曲線提取

服裝零售店尤其是服裝品牌連鎖店要想長期建立對消費者需求及行為趨勢的準確判斷，在市場競爭中保持優勢地位，對非財務指標的分析顯然不能止于數據分析，還應推動普通員工認識到分析這些數據的重要性，培養他們對銷售過程中一些平常并不注意卻很重要的非財務指標的敏感性，并逐步通過類似的分析積累經驗，形成相應的經驗曲線，從而幫助企業在新的市場趨勢剛剛出現的時候，就有機會識別它、把握它，使企業獲得更好的效益。

注釋：

①波司登國際控股有限公司2007-2008年度中期報告.

[1]劉永東.非財務指標在財務分析中的應用[J].硅谷，2009（13）：190.

[2]裘益政.全面業績評價方程——公司如何在報酬激勵計劃中引進非財務指標 [J].企業管理，2001（8）：76.

[3]潘燕.談企業客戶關系管理中數據挖掘的應用[J].科技信息，2009（7）：148.

[4]夏維力，王鑫，王青松.數據挖掘技術在企業客戶關系管理中的應用研究[J].科技管理研究，2007（6）：196.

[5]鄒友華.數據挖掘在財務決策中的應用[J].現代商貿工業，2008（4）：157.