如今的零售卖场，商品跟别人差不多、价格跟别人差不多、布局也跟别人差不多，基本什么都差不多甚至有些方面还不如人的时候，如何去寻找突破？有一个至关重要但却被国内大多数零售企业忽略了的因素——那就是“顾客”，如今的零售企业，更加需要用心去了解自己的顾客，去思考 “将商品卖给谁”的问题。
实际上大部分商品制造商的所谓产品（品牌）管理以及品质（质量）管理，都与顾客需求是割裂的。但由于无法有效并准确把握顾客需求变化，商品制造商不得不想尽一切办法来夺取终端零售商的陈列空间。供应商依靠大量的促销和价格运作，可能还兼有商品品质的降低，给零售商带来大量的购买廉价货的低值顾客（只贡献销量不贡献毛利），并在高销量低毛利的虚假繁荣下向零售商要求更多货架、堆头，如此恶性循环。因此，只有那些进行顾客分类，并采取细分策略的零售商，才能有效把握不同顾客群体的购物需求，通过分析每个顾客群体购物需求变化进而指导卖场的实际促销营运。
以往零售企业做促销，其潜在的促销对象是本店所有顾客，于是在促销主题设计、折让、促销信息推广、销售分成等方面的投入，平均分配到所有顾客身上。不合理的分配，需要做顾客分类管理，通过顾客分类管理，可以准确地判断：高消费能力的顾客最喜欢什么样的商品？他们购买该商品时最有可能购买的关联品类有哪些？他们是不是该商品的目标顾客？哪些顾客群体为卖场贡献了主要的毛利额？他们喜欢什么时间光临卖场？……
BI与购物篮
购物篮指的是超级市场内供顾客购物时选装商品的篮子。所谓的购物篮分析就是通过这些购物篮商品的信息来分析顾客的购买行为。顾客的购物篮隐含着重要且有价值的信息等待发掘。如：可以得出顾客的购买习惯、产品偏好、品牌忠诚度等。购物篮数据分析是通过数据挖掘和BI分析技术，从海量购物篮数据中挖掘出顾客的历史消费行为，协助经营者调整商品结构、价格带结构、货架组织结构等，以达到针对性营销的目的。
BI（Business Intelligence，商业智能）通常被理解为将企业中现有的MIS系统数据转化为有用的信息，帮助企业做出明智的业务经营决策的工具。商业智能的关键是从许多来自不同的企业运作系统的数据中提取出有用的数据并进行清理，以保证数据的正确性，然后经过抽取（Extract）、转换（Transform）和装载（Load），即ETL过程，合并到一个企业级的数据仓库里，从而得到企业数据的一个全局视图，在此基础上利用合适的查询和分析工具、数据挖掘工具、OLAP工具等对其进行分析和处理（这时信息变为辅助决策的知识），{zh1}将知识呈现给管理者，为管理者的决策过程提供支持。
下面以一个案例具体谈一下BI是如何在零售企业中实现购物篮分析应用的。
山东某连锁超市是山东省的一家中型连锁超市，拥有十几家大型综合性超市，面积在3000～20000平米不等。随着国内零售行业的竞争日益激烈，作为经济实力较强的山东省零售市场也感觉到了前所未有的压力和挑战。2007年随着银座、家家悦、贵和等竞争对手在当地的陆续开店，这家超市的经营业绩急剧下滑。
为了提升门店的形象及销售业绩，他们提出了以顾客为导向的经营模式，进行门店顾客定位及消费体验的提升，找出最有价值的顾客群体并想办法挽留这些流失的顾客，初步确定了一整套的顾客营销方案。但是，这个方案的顺利实施要取决于一个关键因素：顾客群体的划分。如果不对门店顾客群体及其购物习惯进行研究，就无法弄清现在的商品结构是否合理，无法对门店的卖场布局、商品陈列、促销活动等作出改进计划。
集团中高层管理者经过多次讨论磋商，觉得无论从分析操作的灵活性，还是从海量数据的计算性能方面，仅仅依靠现有的MIS系统是无法完成的，他们迫切需要一套简单、灵活、高效的数据分析系统，于是最终大家一致认为有必要采用BI对门店进行数据挖掘分析。因为只有通过BI这种多维度灵活分析工具，才能为门店随时开发出各种新形式来分析顾客行为，才能更好的支持经营决策。
企业通过BI实现的目标
采用BI商业智能对该企业进行数据分析，需要达到如下目标：
1、分析超市总体顾客定位和贡献度等特点，了解当前顾客的组成结构和现状，掌握哪些顾客群贡献了毛利、哪些顾客群买走了促销品等关键信息。
2、分析各类门店的顾客组成、购物高峰和消费习惯等特点，为企业改善门店的经营策略提供参考依据。
3、分析各类顾客群体对各门店的贡献情况，找出门店自己的核心顾客，便于为这些顾客提供更好的服务。
4、分析各类顾客群体最关注的商品及关联商品，为门店制订促销主题、选择促销商品、货架商品陈列等提供切实有效的帮助。
5、分析会员的各类消费行为，了解各类会员对门店的贡献度及其比较关注的商品品类，为举行各种会员活动提供数据依据。
总之，项目的核心目的是通过一系列的顾客行为分析工作，为该企业门店今后的日常运营建立一套完整的分析指标体系，从而为推动门店提升销售业绩提供动力。
客类分析的具体方法
1、数据来源及技术工具
对顾客行为分析的{zj0}数据来源，就是POS机的销售流水数据，因为这是门店最真实、xxx的数据来源。从中可以得到顾客的销售时间、商品组合、销售金额、毛利等丰富信息。同时，该企业于2008年初实行了会员卡管理，所以还可以从销售流水中抽取会员的销售数据来进行专项分析。
为了让门店能够尽快体验到数据分析的益处，该企业首先选择了4家规模较大的门店（1号店、2号店、3号店、4号店）作为首批试点门店，提取了从07至08近一年的销售流水数据。采用一系列BI技术工具进行分析，这些工具包括：
（1）ETL数据抽取工具SSIS（SqlServer Intergration Services）；
（2）数据仓库SqlServer2005企业版；
（3）多维数据库SSAS（SqlServer Analysis Services）；
（4）前端展示工具采用了 七智BI数据分析平台2007版。
2、主要分析指标

（1）客类
顾名思义就是对顾客的划分归类（即购物篮），这里以收银小票（即前台交易小票）为基本单位，用每张小票的客单价、销售商品毛利率作为两大衡量指标，利用BI工具自动汇总计算后分成如下四类顾客群：金类顾客群：客单价>平均客单价、毛利率>平均毛利率；银类顾客群：客单价>平均客单价、毛利率<平均毛利率；铜类顾客群：客单价<平均客单价、毛利率>平均毛利率；锡类顾客群：客单价<平均客单价、毛利率<平均毛利率。
其中，客单价指标反映了顾客的消费能力高低、毛利率指标则反映了顾客对门店的价值高低。同时，根据数据分析的层次不同，还可以细分为总体金银铜锡顾客群、门店金银铜锡顾客群（即按照门店分类进行归类）。
（2）客单价、客流量
这两个指标可以作为衡量顾客贡献度的常用参考指标。客单价指的是每张购物小票上的付款金额；客流量指的是每天的收银小票数量。
（3）客品数、品单价
客品数是指一段时间里顾客购买商品的平均数量（累计各单交易品种数之和/交易笔数），可以用来分析门店商品的广度和顾客的购物习惯，是否有一站式购齐的便捷性；品单价=客单价/客品数。
（4）商品关联性计算
首先分析确定一个最受关注的商品M，然后再寻找与这个M商品出现在同一张收银小票上的其他商品，然后计算得出这些商品与M商品的关联度。
（5）销售毛利率
（销售金额 - 销售成本）/ 销售金额
3、主要分析内容
借助BI分析平台的多元化展现特性，分别从如下角度对其4家门店的顾客数据进行了全面分析（介于篇幅有限，在此仅列出主要分析形式）：
（1）各类顾客的整体构成分析