一站式管理上千连锁门店的北极星指标

本文作者：德措吉

背景

某新零售企业拥有数千家线上、线下门店，随着公司业务的快速扩张，公司的数据量也在不断上升，该公司数据分析师 James 主要进行公司这些门店的销售数据分析。近期他经常碰到指标数据查询耗时长，甚至失败的情况。本文将介绍 James 如何借助 Kyligence Zen 的智能缓存功能，实现大规模数据场景下的极速指标查询，进而快速支持企业决策的过程。

您可以访问 Kyligence Zen 指标集市获取新零售客单价分析指标模板，自行探索 Kyligence Zen 一站式云端指标管理中台、复现文中场景，无需下载或安装任何程序。

解决方案

连接到云上数据源

在将千家门店的零售销售数据处理以后，这些数据以 CSV 的文件形式存放在 AWS 的 S3 存储上；该数据文件约有 6 千万行数据。James 可以使用 Kyligence Zen 指标平台，通过连接到 AWS 的 S3 存储的方式来访问到该企业千家门店的销售数据。

 

一键导入来批量创建指标

在本次数据分析中，James 重点关注该新零售企业的北极星指标 -- 总销售额。关于新零售行业北极星指标的分析，可以参考另一篇博客：新零售进阶｜从“人-货-场”到“北极星指标”

James 导入包含总销售额指标的指标 YAML 模板文件，快速便捷地批量生成指标；从 Kyligence Zen 指标集市获取新零售客单价分析指标模板并直接导入，即可复现本文场景，对零售相关的三个指标进行分析：总交易量、总销售额和客单价。 

启用智能缓存，体验秒级查询响应

Kyligence Zen 提供智能缓存能力，依托 Kyligence 产品的“预计算”功能，在进行指标查询之前，提前计算好指标结果；在指标查询时，直接读取计算结果，不再需要遍历所有原始数据，从而实现大规模数据场景下指标查询的极速响应。

下面我们以指标总销售额为例，为该指标启用智能缓存，具体过程如下图所示：

 

预计算完成后，指标计算结果存放在智能缓存中；当 James 再去查询指标总交易额时，就可以在秒级的响应时间内获得查询结果。

此外，复合指标客单价的查询结果也同样能成功快速返回；因为客单价是基于基础指标总交易额和总交易量计算得出，所以当总交易额和总交易量指标的查询被智能缓存加速后，指标客单价的计算也被同样地加速了。指标卡片上的闪电标志 ⚡️ 表示该指标已启用智能缓存，完成指标计算。

客单价 = 总销售额 / 总交易量

 

在上面的示例中 James 选择了全量指标缓存，这意味着全部的指标数据将被预计算，并且存放在智能缓存中。在具体应用中，也可以根据企业的业务需要来选择智能缓存的增量计算；如果选择增量智能缓存方式，则需要指定时间分区列和指标计算的时间区间。可以按月、按年或者自定义时间区间，进行指标计算。

 对指标启用智能缓存后，James 现在可以顺利地对指标进行相关分析。下一步，James 对企业的北极星指标 -- 总销售额进行目标设定和分析。可以看到企业在总销售额和客单价两个目标上进展顺畅，而需要提升总交易量以达成目标。

 

如果您想深入了解 Kyligence Zen 指标平台的智能缓存技术，可以参考另一篇技术博客 《零代码也能玩转指标系列：针对TB 量级数据的秒级指标分析》。

即刻体验 Kyligence Zen

您可以访问 Kyligence Zen 指标集市获取新零售客单价分析指标模板，自行探索 Kyligence Zen 一站式云端指标管理中台、复现文中场景，无需下载或安装任何程序。

注1：该数据集来自 Kaggle，作者是 Mohamed Harris，文章中使用的数据在原数据集的基础上做了部分列的调整。