一、大数据是转型升级的核心竞争力

对于中国的零售行业，特别是线下传统零售行业，大数据分析还处于刚刚起步的阶段。企业已经认识到大数据的重要性，多数企业正在着手进行大数据探索以及相关项目的试点。

IBM 认为，零售企业的大数据分析是与云计算、移动和社交化紧密结合的系统工程，需要从战略层面系统规划。

零售大数据分析主要应用在智慧的购物体验、智慧的商品管理和供应链网络，以及智慧的运营三个领域。大数据分析是零售企业向未来转型升级的核心竞争力。

大数据通过打造智慧的购物体验，构建智慧的商品管理和供应链网络，以及实现智慧的运营，来帮助零售企业实现价值。

零售企业对未来如何利用大数据以及大数据的发展构想可以分为三个层面

第一层面是支持零售业运营

零售企业可以通过对价值链上多方数据的分析挖掘， 提高供应链、物流等方面的运营效率，并利用大数据分析的结果支持领导层决策。

第二层面是形成大数据产品

即形成独立的大数据产品，采用免费、出售或合作方 式提供给内外部客户。

第三层面是构建大数据平台

即部分向平台型企业转型的零售商将利用大数据搭建企业生态平台，为平台上的企业服务，促进共同的繁荣。我们认为大数据主要通过以下三个方面帮助零售企业提升自我，创造价值。包括：打造智慧的购物体验；构建智慧的商品管理和供应链网络；以及实现智慧的运营；

具体来说，零售企业大数据分析应用可以归纳为如下几个方面：在智慧的客户体验领域的全方位的顾客洞察、提升客户服务、基于位置的营销和服务、以及精准营销；在智慧的商品管理和供应联网络领域的供应链优化和商品优化；

以及在智慧的运营领域的财务管理、劳动力管理和防损 / 防偷盗管理。零售企业已经充分意识到大数据分析对其未来业务发展的战略意义，他们需要从这三个方面规划战略和实施步骤，将大数据分析作为向未来转型升级的核心驱动力。

二、中国零售大数据的现状和挑战

我们的调研结果表明，中国零售行业的大数据分析处于刚刚起步的阶段，相当一部分企业还未开始考虑使用大数据分析，或仅仅进行概念讨论和计划。

在少数已开展大数据项目的企业中，应用范围、方式也处于早期状态，大数据的实践刚刚起步。然而，也一部分领先的零售企业已经在利用大数据应对明确的业务挑战。

零售企业目前主要利用大数据分析进行精准营销和客户洞察

从组织机构来看，零售企业大数据分析还是较多的分散在各个部门业务中，只有不到1/3企业有独立的部分负责整体的大数据分析。

调查发现，有35%的零售企业的大数据分析工作分散在不同部门完成，如客户关系部、销售部、运营部等。各部门根据掌握的数据和自身需求进行相关数据分析，不设立统一的大数据分析部门。另外有26%的零售企业，数据分析主要由信息和IT部门配合业务部门完成。

信息和IT部门根据业务部门的需求负责数据的抓取、过滤等前期工作，业务部门进行具体的分析。在被访企业中，只有30%设置设置职能专一的部门全面负责大数据分析工作。

在已经开展大数据分析的零售企业中，分析主要集中在精准营销、客户洞察、商品优化和供应链完善等几个方面

在已经开展大数据分析的零售企业中，有接近半数的企业利用分析进行精准营销，如分类营销、决策支持和营销效果分析等。

在分类营销中，有些企业利用大数据分析进行营销需求挖掘、有些企业对营销目标进行分类和贴标签，后期根据标签筛选特定顾客进行营销，还有的企业根据大数据分析进行O2O促销。

在决策支持中，部分公司进行营销活动的预测和分析，部分公司利用大数据分析为经营评估等业务提供可视化的数据支持。41%的企业利用大数据进行顾客洞察，如打通不同区域间会员管理体系、建立大会员系统，进行针对性调研，将线上线下数据相结合，利用大数据进行顾客形象分析等。

另有24%的企业利用大数据进行商品优化，包括订单预测、选品与陈列优化、运营状态分析等方面。18%的企业利用大数据进行供应链完善，包括仓库选址、产品追溯和统一管理等。

现阶段，零售企业表示最需要利用大数据提升客户洞察，开展精准营销和实现商品优化。将企业最需要利用大数据提升的业务与已经实施的大数据项目进行对比发现，提升客户洞察是零售企业最需要进一步利用大数据提升的领域。

在调查中，74%的企业表示最需要利用大数据帮助解决的业务问题是准确理解客户行为和消费习惯，进行全面的顾客洞察。42%的企业表示需要在精准营销方面运用大数据，基于需求预测及顾客特点进行有针对性的营销，提高成交率和客单价。

37%的企业表示需要运用大数据帮助解决商品优化问题，找出畅销、滞销款商品，提高售罄率，降低过期损耗，同时优化商品组合与陈列。

零售企业对大数据分析整体整体表现的自我评价结果一般，特别是在数据分析和基于数据洞察采取行动方面

完整的大数据生命周期包括数据获取和整合、数据分析和根据数据洞察采取行动三个阶段。整体来看，中国零售企业对大数据分析各个阶段的自我评价一般。

在“获取和整合数据”阶段，只有36%的企业评价良好。在“数据分析” 和“依据洞察采取行动” 阶段，评价良好的比例分别只有32%和24％。可见，企业对自身的大数据分析和利用满意度不高。即使在数据分析意识较强的企业中，对数据的利用也仍集中于初级阶段。

在数据获取和整合阶段，企业面临的问题主要是来自多源系统的数据不一致、传统信息架构阻碍数据收集和难以整合内部数据。在数据分析方面，缺乏软硬件工具、数据可信性和缺乏必要的分析技能是企业面临的最大挑战。

在依据数据洞察采取行动方面，最大的挑战来自于缺乏能将业务知识与数据分析相结合的技能与人才，以及企业普遍缺乏对利用分析提升业务的理解。

零售企业希望分析手段方面更加深化和多样性

数据分析方法，按照由浅至深的程度可以分为以下五个种类：描述性分析； 诊断性分析； 预测性分析；规定性分析；认知性分析。

描述性分析就是从历史交易数据中分析过去，反映出已经和正在发生什么；诊断性分析就是了解发生的原因，分析为什么发生；预测性分析是预测未来，指出什么可能发生；规定性分析是在分析过去和预测未来的基础上对行为的指导，即建议应该采取什么行动。

以上分析均为静态，而认知性分析与之不同，认知性分析就是通过交互式学习的方式，让分析能力逐步成长、逐步提高认知的过程。在这个瞬息万变的大数据时代下，每天产生大量有价值的数据资源，数据分析也跨入认知分析的新阶段。

调研发现，零售企业对自身目前以上五种程度的分析的应用自评逐渐降低。在所有进行数据分析的企业中，71%的企业进行描述性分析，其预计未来12-18个月不会有明显变化； 41%的企业目前进行诊断性分析，并预计未来12-18个月会增加至65% ；

24%的企业目前进行预测性分析，这一比例在未来12-18个月会增加至63% ；百分之29%的企业目前进行规定性分析，这一比例在未来12-18个月会增加至59% ； 24%的企业目前进行认知性分析，未来将提高至35% 。

可以看出，零售企业希望在未来使用更多样化和更先进的数据分析方法，特别是诊断性、预测性和规定性分析，并将尝试认知性分析。

零售企业对未来大数据的构想和规划

企业对未来如何利用大数据以及大数据的发展构想可以分为三个层面

第一层面是支持大数据的运营

零售企业可以通过对价值链上多方数据的分析挖掘，提高供应链，物流等方面的运营效率，并利用大数据分析的结果支持领导层决策。部分零售企业已经或多或少地利用数据帮助提升内部运营，比如利用大数据收集分析，寻找更好的商品，提供更优质的服务，更全面 地满足客户需求。

零售企业通过对海量数据的整合和分析，形成独立的大数据产品，采用免费、出售或合作方式提供给内外部客户。零售企业通过对海量数据的整合和分析，形成独立的大数据产品，为企业和个人提供信息服务。

零售商可以发展多种大数据产品，比如，对购物者的个性化需求分析，智能匹配 ( 将顾客需求与供应商资源进行快速匹配 ) 等。

阿里巴巴近年来发布了包括“聚石塔”、“黄金策”、“淘宝指数”和“淘宝时光机”在内的多款大数据产品，提供店铺数据分析、数据备份、加速订单处理、消费者行为研究等多方面的大数据服务。百度也正式发布了“百度司南”，为市场营销人员提供更加真实、准确、快速和低成本的消费者洞察。

即部分向平台型企业转型的零售商可能利用大数据搭建企业生态，为平台上的企业服务，促进共同的繁荣。大数据将成为平台型零售企业的核心竞争力，数据的质量，如一致性、精细化程度等将成为关键。

中国的传统零售企业目前还没有出现搭建了完整企业生态系统并构建了大数

据平台的企业。网络零售商如阿里巴巴已经形成了这样的企业生态系统，并正将大数据作为其核心竞争力。

在调研中我们发现，部分零售企业表达了对构建大数据平台的需求和想法，比如“集团不同业务单元数据的整合”，“实现全面系统化管理”，“形成一个整体的对内对外服务、平台化的面向多行业的大格局”等。

三、大数据帮助零售企业实现价值

我们认为大数据主要通过以下三个方面帮助零售企业提升自我，创造价值。包括：打造智慧的购物体验；构建智慧的商品管理和供应链网络；以及实现智慧的运营。

零售企业在大数据分析具体的三大领域的具体运用

具体来说，在零售企业，大数据分析的应用可以归纳为如下方面：在智慧的客户体验领域的全方位的顾客洞察、提升客户服务、基于位置的营销和服务以及精准营销；在智慧的商品管理和供应联网络领域的供应链优化和商品优化；在智慧的运营领域的财务管理、劳动力管理和防损 / 防偷盗管理。

打造智慧购物体验的战略重点

在利用大数据帮助打造智慧的购物体验中，客户智能分析和全渠道营销是战略重点。具体包括：

A.客户智能分析：顾客识别，顾客行为分析

B.全渠道营销：基于位置的营销，精准营销，提升全渠道的购物体验

大数据为零售企业在打造智慧的购物体验方面所带来的商业价值主要包括以下几个方面：

360度顾客视图与细分；

增加顾客留存、新增顾客、降低顾客获取成本；

提高到店率、购买率与忠诚度；

减少活动与运营成本，提高投资回报。

案例：星巴克利用以大数据分析为支撑的移动营销与客户深度互动

从2012年开始，星巴克推出了一系列基于移动端和社交媒体的营销活动。比如， 2012年，星巴克早餐上市，为配合早餐推广星巴克推出“早安闹钟” App，使用该App的顾客在闹钟响起后的1小时内到达星巴克门店，就有机会在购买咖啡饮品的同时，享受半价购买早餐新品的优惠。

2013年，星巴克推出“ Tweet-a-Coffee ”，将自己的星巴克账户与Twitter账户绑定，就可以向自己的朋友赠送价值5美元的电子咖啡券。此前，星巴克在Facebook上推出过类似的服务。

2015年5月，在线音乐订阅服务Spotify宣布与星巴克成为长期合作伙伴，推出“音乐+咖啡”的服务。Spotify付费订阅用户将能够通过听音乐得到星星，在星巴克里兑换免费咖啡。星享卡会员则可以在Spotify 上表达自己的音乐意见，从而影响星巴克门店的歌单曲目。

在Spotify上还会开设一个星巴克专题，收录类似“ 20年中星巴克最受欢迎的音乐”等歌单。星巴克在其iPhone应用上增加“order” ( 订购 ) 功能，消费者可以在应用内完成预定和支付，然后到店提取即可。在北美地区的星巴克门店，用户可以将星享卡的二维码通过苹果Passbook应用添加到Apple Watch中，然后直接用来购买咖啡，整个过程都不必使用Apple Pay。

此前设计公司Impekable还为星巴克制作过一款应用，当消费者找到星巴克后，可以直接在座位上用Apple Watch点单，以此减少人们寻找门店与等候咖啡的时间。

星巴克还推出了“大数据咖啡杯”，在一些咖啡杯中装上传感器，收集常客喝咖啡速度等数据，从而为喝咖啡较慢顾客提供保温效果好的杯子，提高其满意度和忠诚度。星巴克的Clover咖啡机会将数据上传到云端，星巴克借此能够跟踪用户的喜好，对制作咖啡的配方随时进行更新，也能方便工作人员对咖啡机的性能进行远程监控。

星巴克改变用户被动接受的传统营销方式，其营销深深把握住“用户创造”的核心，让用户乐于运用星巴克提供的平台动手创建自己的服务，在这一过程中星巴克也获得了用户信息。当营销变得准确有趣，消费者不仅更加容易接受，甚至会自愿推广传播。

星巴克相信移动和数字平台将驱动公司未来业务的发展，因此以“移动战略”为方向，充分发挥移动端优势，将服务内嵌于顾客日常需求...

支付手段高度发达的支付时代，各种支付手段层出不穷，让人眼花缭乱！但无一不代表着技术水平的进步与强大，大数据时代的来临！

这个时代的开启，支付宝和微信，功不可没！

马云和马化腾

支付宝

马云当年其实只想做一个交易平台叫做淘宝，根本没想做支付。

但是线上交易平台做大后，支付局限了平台的发展，所以当年马云找到刚成立不久的银联，希望他们能提供一个线上支付系统。

当年银联的大当家，找人评估了下项目可行的性，得到的结果是：想法很好，但是我们不想参与。（想法很好，其实就是瞧不起马云，觉得他是异想天开）

别人不愿意合作，马云又是个不易轻言放弃的人，所以决定自己做一个支付系统，从而有了现在大名鼎鼎的支付宝。

可以说！是银联成就了马云！成就了支付宝！

假如当年银联从了老马今天的支付是个什么格局呢？

微信

微信跨界打服了短信，又简单粗暴的，用红包撬开了支付的大门！以绑定银行卡的快捷支付为基础，向用户提供安全、快捷、高效的支付服务！

微信支付

2017年第一季度《中国第三方支付移动支付市场季度监测报告》。数据显示，2017年第一季度，中国第三方移动支付市场交易规模达到188091亿，其中支付宝占比53.7%，财付通为39.51%。

微信和支付宝支付市场占比

二者联手拿下超9成份额，国内移动支付市场已经进入双寡头局面。随着两位霸主的相爱相杀，二维码支付进入了大街小巷！

二维码支付

随着支付手段的不断发展才有了共享经济的可行性，大到汽车，小到雨伞马扎，最值得一提的是共享单车！

随着支付手段的不断发展才有了无人超市

共享单车

随着无人零售的兴起，人脸识别作为支付手段也逐渐为人所知。阿里巴巴的淘咖啡、苏宁的无人零售店、京东的京东之家，iPhone X的Face ID，农行上线的刷脸取款等，让人脸识别成为支付新宠，新零售已经不是未来！

刷脸支付

也许在某天会实现，你走进入商场，系统已经根据大数据分析出你的消费层次，消费喜好！或许商场能够比你自己了解你自己！

但这一切的前提来源于支付手段的进步，数据的强大！

　　2017年，新零售异军突起，占据市场龙头，行业巨头均持重金布局，开展了社交营销、无人超市等各种零售模式。可以说，2017年开始，新零售正式来临。提到新零售，常常提到的关键词有全渠道营销、人工智能、大数据技术等。其中，基于大数据的个性化精准营销即零售数据分析，也是零售业未来发展的必然方向，零售业大数据分析工具等智能商业服务越来越盛行。

　　全渠道营销将是公司营销变革的必然方向，基于大数据的个性化精准营销成为趋势。全渠道营销模式是多种多样的，涉及到线上线下渠道以及内部数据与外部数据的交叉与融合，覆盖企业的信息展示、商品体验、订单、支付、物流配送、售后等不同环节。在每个环节充分的数据化之上，以大数据和人工智能技术为核心，可以深度洞察用户需求、建立精准用户画像，为不同客户提供不同的产品和服务，实现个性化和精准化营销。

　　随着越来越多的商业场景被数据化，零售业大数据分析工具等智能商业服务就越来越盛行。零售业大数据分析工具可以对商品、会员、门店、仓库、供应商等全面立体的零售百货超市数据分析可视化。在信息化及数据化的基础上，为上下游不同环节提供智能分析及决策辅助。

　　未来，企业将不再只是简单的展示商品信息给消费者，而是能够与消费者进行实时互动。这种互动不仅紧跟时代不断发展的技术，更是融入了消费者多样化的生活方式。可以说新零售更懂用户。这种“懂得”不是空穴来风，而是有数据依据的。国内BI厂商专业提供商业智能服务，引入一款零售业大数据分析BI工具，标准零售BI方案+专业数据分析指导，海量数据下实时响应，一步实现零售百货超市数据分析可视化、移动化。动态智能分析，满足零售用户多变的数据分析需求！

新零售最核心的竞争力就是数据驱动，这是新零售相对传统零售最大的优势。传统零售通常数字化程度不高，数据不完整，而且数据是孤岛式的，没有实现很好的数据贯通。无人零售是新零售的典型代表，无人零售从出生开始就是数字化的，也就是实现了商品数字化、用户数字化、消费数字化等，如果不实现数字化，它就一天也无法运营，因为店里没有人，只能全靠数字化智能运营。孚利购无人智慧店（哇嗒智慧店）在大数据分析和大数据应用上进行了有益的探索，并产生了良好的效果。

无人智慧店是新零售的典型代表

随着移动支付和智能化购物设备的普及，传统零售也在寻求转型升级，融入更多的科技元素，逐步实现门店的数字化。但数据本身是没有任何意义的，数据只有通过分析才能发现其中的含义；数据分析的结论也是没有任何价值的，只有把数据分析的结论应用到业务中才能产生价值。当然数据太小很难发现其中的规律，大数据才有分析价值。大数据处理分为四个步骤：大数据采集、大数据存储、大数据分析和大数据应用。

大数据处理的四个步骤

很多企业每天喊着数字化，其实还处于第一阶段，大数据的采集。数据的采集确实比较重要，要保证数据的正确性、完整性、一致性和有效性；但是最重要的还是数字化思维，要根据企业战略目标导出大数据业务战略，要明确大数据的用户和应用场景，要明确大数据分析的方法和目标，从而做好大数据的架构设计、实施和运维。新零售最关键的不是数据，而是数据分析的思想和方法，下图是大数据的实施方法。

大数据的实施方法

新零售，最重要的不是大数据分析，而是大数据应用。通过大数据应用提高效率、优化服务和科学决策。大数据是一个持续改进的过程，不断指导业务调整、服务改进、技术升级和架构优化。新零售的大数据平台设计也非常重要，大数据平台架构的设计原则：

（1） 数据对象统一；

（2） 数据质量控制（数据正确性、完整性、一致性、有效性）；

（3） 数据和应用分离；

（4） 数据异构；

（5） 多样化数据共存；

（6） 数据读写分离；

（7） 数据即服务。

新零售大数据平台的架构设计：

新零售大数据平台架构

新零售大数据实施策略：

新零售大数据实施策略

孚利购智慧店基于大数据平台实现了从传统零售的经验思维到新零售数字化思维的转变。传统零售一般是经验思维，比如货架怎么摆放，商品怎么选择、动线怎么设计，全凭经验。在传统零售店面，商品完全依赖供应链以及价格体系，促销活动做了很多，究竟是谁买的单都很难清楚，包括店面的消费动线设计也是完全以货为中心，消费者在厨具摊位买完咖啡壶，还要跑到食品区去购买咖啡。此外，诸如天气等社会公共信息等，其对于到店客流的影响也会十分显著，传统零售商仅仅通过销售数据是很难捕捉到消费者的行为变化，知其然并不知其所以然。而新零售是数字化思维，基于消费者为中心，比如借助门店的WIFI探针、蓝牙感知技术等，自动识别联网设备获得数据，可以在不惊扰客户的情况下，获取其信息。消费者在哪些货架停留了多久、经历了怎样的动线，这些数据对于店面的管理都起到重要的作用，可以通过数据分析和应用可以优化店铺商品配置和货架陈列。

（本文作者李颖悟，新零售专家、孚利购联合创始人兼CTO，专注智慧新零售的研究、实践与培训）

大数据将来自网络浏览模式，社交媒体，行业预测和现有客户记录的信息结合起来，预测趋势，定位客户并满足需求。随着移动设备数量的大幅增长，实体店必须跟上不断变化的零售环境。有鉴于此，大量实体零售商现在转向Wi-Fi分析等高级工具，以深入了解客户行为，并提供更加无缝和个性化的购物体验。

这种转变主要归功于数字，社交媒体，移动和基于位置的技术的进步。今天的消费者正在众多渠道购物，零售商正在争先恐后地想方设法采用单一，完美的方法，随时随地与客户进行互动。以下示例说明了大数据与零售业未来之间的联系。

收集更好的情报。有了正确的Wi-Fi分析工具，实体店可以收集有关客户行为的数据，并帮助回答以下问题：你商店外面有多少流量？有多少消费者进入您的商店？有多少消费者在商店的窗户旁停下来？这些新消费者还是回头客？这些数字与上周相比如何？

除此之外，这些解决方案还可以帮助收集和解释与员工绩效相关的店内指标。对于大数据，可以回答以下问题：商店中哪些区域吸引了最多的购物者？您将购物者吸引到商店的方法效果如何？客户经常访问您的商店多长时间？您的员工为客户提供的服务效率如何？您的结账队列管理效率如何？购物者智能分析可帮助零售商更好地了解他们的客户，并提供满足（甚至超过）他们需求的购物体验。

与商店访客联系。发表在哈佛商业评论博客上的研究表明，个性化可以使营销投资回报率提高五到八倍，并使销售额增加10％或更多。对于那些已经转向使用大数据分析工具来了解和服务器预约客户的零售商而言，这并不令人感到意外，他们会根据所收集的数据在手机上为他们提供个性化优惠。

大数据也被用来抵消陈列室的影响，这种行为是购物者在上网前查看商品中的商品然后发现它更便宜的行为。许多零售商已经开始提供成熟的移动网站以及智能手机应用程序，因此客户可以使用QR码轻松比较价格。总的来说，线下零售商正在使用大数据分析来获得稳固的立足点，特别是在当今竞争激烈的市场中，在线零售商开始占据更多的市场份额。毫无疑问，大数据将零售业务推向一个全新的水平，明智的零售商不应该停止利用零售业。

但这不是全部。商业智能（BI）的整合也在零售业中获得了动力，全球各公司都在意识到这一工具的重要性。正如Oracle零售业高级副总裁兼总经理Mike Webster所说，“这些规则正在被重写。关键在于零售商如何为客户提供无缝渠道的无缝体验。“

零售行业随着数据采集与存储技术的进步也逐步形成了零售业大数据。通过对这些数据进行挖掘分析，能够给零售企业带来巨大的商业价值以及服务创新，诸如能够更好地了解和洞察消费者，从而实现精准化营销，或者变革供应链模式，实现货品精细化管理等。

IBM商业价值研究院联合ECR中国，针对中国零售行业大数据应用的现状进行了调研。数据为王的时代，如何利用大数据分析提高企业生产经营效率？IBM商业价值研究院发布《大数据助力中国零售业转型》报告为大家解读。

中国的零售行业，特别是线下传统零售行业，大数据分析还处于刚刚起步的阶段。多数企业正在进行大数据的探索并进行相关试点项目。仅有少数领先的零售企业开始利用大数据应对明确的业务挑战。

从组织结构来看，零售企业大数据分析更多地分散在各个业务部门中，只有不到1/3的企业有独立的部门负责整体的大数据分析。在已经开展大数据分析的零售企业中，分析主要集中在精准营销、顾客洞察、商品优化和供应链完善几个方面。

现阶段，零售企业表示最需要利用大数据提升客户洞察，开展精准营销和实现商品优化。将企业最需要利用大数据提升的业务与已经实施的大数据项目进行对比发现，提升客户洞察是零售企业最需要进一步利用大数据提升的领域。在调查中，74%的企业表示最需要利用大数据帮助解决的业务问题是准确理解客户行为和消费习惯，进行全面的顾客洞察。42%的企业表示需要在精准营销方面运用大数据，基于需求预测及顾客特点进行有针对性的营销，提高成交率和客单价。37%的企业表示需要运用大数据帮助解决商品优化问题，找出畅销、滞销款商品，提高售罄率，降低过期损耗，同时优化商品组合与陈列。

完整的大数据生命周期包括数据获取和整合、数据分析和根据数据洞察采取行动三个阶段。零售企业对大数据分析整体表现的自我评价结果一般。

在“获取和整合数据”阶段，只有36%的企业评价良好。在“数据分析” 和“依据洞察采取行动” 阶段，评价良好的比例分别只有32%和24％。可见，企业对自身的大数据分析和利用满意度不高。即使在数据分析意识较强的企业中，对数据的利用也仍集中于初级阶段。

企业希望在分析手段方面更加深化和多样化，如使用预测性、规定性和认知性分析方法。

零售企业对未来如何利用大数据以及大数据的发展构想可以分为三个层面：

第一个层面是支持大数据运营，零售企业可以通过对价值链上多方数据的分析挖掘，提高供应链、物流等方面的运营效率，并利用大数据分析的结果支持领导层决策。

第二个层面是形成大数据产品，即形成独立的大数据产品，采用免费、出售或合作方式提供给内外部客户。

第三个层面是构建大数据平台，即部分向平台型企业转型的零售商将利用大数据搭建企业生态平台，为平台上的企业服务，促进共同的繁荣。

我们认为大数据主要通过以下三个方面帮助零售企业提升自我，创造价值。包括：

1. 打造智慧的购物体验

2. 构建智慧的商品管理和供应链网络

3. 以及实现智慧的运营

具体来说，零售企业大数据分析应用可以归纳为如下几个方面：

1、在智慧的客户体验领域的全方位的顾客洞察、提升客户服务、基于位置的营销和服务、以及精准营销；

2、在智慧的商品管理和供应联网络领域的供应链优化和商品优化；

3、在智慧的运营领域的财务管理、劳动力管理和防损/防偷盗管理。

零售企业已经充分意识到大数据分析对其未来业务发展的战略意义，他们需要从这三个方面规划战略和实施步骤，将大数据分析作为向未来转型升级的核心驱动力。

大数据对营销有非常大的价值。零售企业如果能够充分有效地利用消费者大数据，就能了解消费者的行为特征，实现精准营销，这有利于改善消费者体验，预测市场趋势，做出正确合理的决策; 还能够提前监测和防范品牌危机，维护品牌形象，并监测竞争对手的行为。

零售业大数据价值

1、利用大数据可以分析消费者的行为特征；

在全渠道零售模式下，消费者购物的所有行为在网上都留下了痕迹。一旦这些数据具有一定的规模的时候，商家就能就此大致地分析和判断出消费者的购物偏好和消费习惯，从而能够进行进行一对一的营销，以此增加新的消费者、提高消费者的忠诚度、降低消费者的流失率等。

2、利用大数据可实现个性化精准推送信息；

在过去，企业一切的宣传推广活动，都带有很强的主观盲目性，例如做广告，有一半广告费是被浪费了，这主要是因为企业缺少消费者特征数据的支撑及详细准确的分析。在全渠道零售模式下，消费者购买的结束恰恰就是营销的开始。商家通过对消费者信息数据进行整理和分析，能更精准地了解消费者的潜在需求，从而实现精准营销。

3、利用大数据有利于改善消费者体验；

通常情况下，消费者会利用自媒体平台发表对商品和服务的看法和评价，而通过对消费者对商品和服务的评论的解读，商家就能大致了解消费者的诉求和愿望，从而有利改进消费者体验。

4、利用大数据可以预测趋势；

利用大数据可以预测趋势，为企业提供决策支持。企业通过对已有数据的分析，能够预测未来的社会、经济发展趋势，从而做出合理、正确的决策。

5、大数据可用于监测和防范品牌危机，维护品牌形象。互联网时代是一一个自由、平等、开放而透明的时代，所有的人都可以在网络上发表看法，所有的信息都可能被别人看见，在这种情况下，各种负面的消息更会像病毒一样蔓延，企业如果对此不加以监控，势必会影响自身的品牌形象与口碑。

企业通过网络实时监测，能够及时发现各种负面信息，此时如果及时启动危机跟踪系统或报警，往往能抓住负面消息的源头和关键节点，快速有效地处理危机，进而保护企业、产品的声誉。

6、利用大数据可以监测竞争对手的行为。及时了解市场竞争对手的动向，是任何一个企业的必修课。企业通过对竞争对手实时情况的跟踪、了解，能判断对方的竞争战略和策略，从而有针对性地调整自己的战略和策略。互联网提供的海量信息数据，能够帮助企业了解竞争对手的市场行为，监测对手的动向。

实体店零售大数据

实体店是全渠道零售模式非常重要的组成部分，而实体店零售大数据的价值也不言而喻。在过去，实体店进行信息数据采集很困难。在移动互联网时代，实体店由于网络化趋势明显，进行数据收集具备了现实的可能。实体店的数据收集主要包括以下方面。

1、店内的临场数据。借助于无线技术，商家可以对店内的所有事情进行实时监测，包括消费者在店内的停留时间，常光顾的区域等，并据此实时做出调整。

2、库存量数据。企业可以通过分析库存量对业务进行调整，例如根据库存情况决定什么时候推出新的广告、什么时候促销、什么时候更新店内陈设等。

3、财务数据。财务数据对于研究店铺的现金流和利润情况以及它们的未来趋势而言至关重要。将店内的电子收款机系统与你的账户相连，这样你就可以对店铺的日常财务状况进行控制。通过对财务数据进行分析，你能对自己的生意有更透彻的了解，并能对业务的增长做出预测。

如何采集实体零售大数据

在全渠道零售模式下，消费者数据来源于线上和线下。在线上渠道方面，无论是通过电脑还是移动设备，消费者所有的线上行为都能被实时地记录下来，因此，线上数据的采集非常方便快捷。

线下实体店采集的主要数据类型有POS机销售数据、会员的个人数据以及消费数据、卖家的商品数据、整个库存数据等，这类采集主要是通过POS机、呼叫中心和企业资源规划系统等终端软件实现的。

值得注意的是随着商业无线网的兴起，越来越多的店铺、商场都部署了无线网，无线网已成为新的线下数据的采集入口；物联网射频识别技术将电子标签嵌入到会员卡中，用射频识别技术来记录用户的浏览行为数据也渐渐成为一种趋势;除此之外，以顾客的身份为切人点，将线上线下数据打通已成为一个热点;而通过对用户线上行为的分析，构建用户画像，并在线下开展相应的精准营销活动，大大提高了企业的成交率。

大数据是宝藏，对于零售企业更具有宝贵的价值。最为零售企业来说，要学会使用大数据的杠杆创造商业价值，不断地改善服务质量和水平，为消费者提供个性化的服务和极致的购物体验。

中国零售业所面临的最具挑战的竞争，就是顾客和市场需求的纷繁复杂及其飘忽不定的变化。而零售企业成功乃至存活的关键，就是如何采取灵活多变且机智的应对行动，这就要求管理者要能够顺应市场的变化、快速发现并处理问题，并且及时的制定解决方案和抓住市场机会。因此，基于数据和事实，质量更高、速度更快、成本更低的决策显现了前所未有的重要性。

中国零售企业在经历的十几年的信息化高度发展的历程，也积攒了大量的宝贵数据，但面对大数据这个“金矿”，各家企业由于经营模式、管理风格、重视程度、资金投入等不同，对于这个“金矿”的挖掘程度有极大的不同，零售大数据的分析应用均处在不同的阶段，甚至出现的“两极分化”的局面。

下面就是我在日常和零售企业接触的过程所总结出来的零售大数据分析应用的四个阶段，希望能够给大家指明方向。

第一阶段丨集成展示

有句话说的好“销售额首先是追踪出来的，其次才是分析出来的”。

ERP在中国普及进程已经有了10多年历史，没有ERP的企业可谓越来越少。零售企业利用ERP可以搜集和整合整个企业的数据，形成一个完整的数据流，把企业内不同来源的数据信息集中到单一的一个仓库中来，使各个职能在自己需要的时间和地点通过图表看板、计分板的形式看到自己所需要的数据，并且展现出决策者最为关注的运营要素—关键绩效指标如销售额、坪效、利润率、客单价、进店率、转化率、目标完成率、同比增长率等等，这些都可以以“商业报告”的形式出现，该报告的主题紧紧围绕着“过去发生了什么”以及“正在发生什么”而展开，这也是大多数BI系统和数据中心平台的核心功能。

这一阶段的最大的困难为数据的集成和整合，每个零售企业都有数十个大大小小的部门系统，而这些系统都是一个独立的数据源，他们都有自己的定义、标准和侧重，而对这些来源不同数据进行合并、清理、转换和简化，最终建立一致性的数据是非常有挑战性的。

第二阶段丨分析判断

在第一阶段整合了数据来源后，零售业决策者关心的重点发生了转移，从“发生了什么”转向“为什么发生”。分析判断数据的目的是了解数据报表、商业报告的背后的含义，以及这些过往行为发生的动机和原因，这就需要对更加详细的数据进行多维度的分析。这种分析判断更多的是建立在对于零售业务逻辑的理解之上，一般会采用简单有效的分析方法和简便的分析工具对数据进行处理。

该阶段数据分析师这一角色开始真正出现，数据分析师需要非常熟悉业务，最好有实际业务操作的背景，能够用业务的语言和逻辑把运营异常解释的通顺，此阶段不要求对算法、模型和工具的应用非常高深，而对于快速将数据分析结果进行落地，赢取各个业务部门的信任的要求非常高。

例如一个服装品牌的一款裙装销售好的超出预期，那就要找从“人、货、场”三个核心来找原因分析判断火爆原因：

是否有什么买赠、打折、捆绑、支付等促销活动，店员对该商品是否有特殊的推荐等；

该商品的陈列、包装、设计、款式等是否有特色、是否是限量销售、限时特价等等；

以及顾客购买此商品的动机是什么，是否要释放压力、还是从众心理、攀比心态等；

此外，还要考虑竞争对手是否有断货问题、大型企业客户是否有团购等因素，甚至出现了在排除各种原因之后才知道，这款裙装和当时热播电视剧中某个明星穿的比较相似，因电视剧热播而带动了该款裙子的热销，虽然在该款衣服上所投入过多的市场资源其实并不多。

第三阶段丨预测未来

企业在有了前两个阶段的基础之后，关注点会进一步超越当前，开始思考更贴近经营上的问题：“将来会发生什么”。

从本质上说预测就是根据零售企业所过去发生的事件以及当前实时的影响因素，对于销售额、利润率、成本等未来的取值做出自动化和智能化的估计。简单的分析对于估算畅销概率的作用有限，在大多数复杂的应用中，需要建立数学模型来还原零售的业务规律。

例如建立销售预测模型来量化销量的影响因素及各因素之间的交互影响、建立定价优化模型来还原价格与销量之间的关系并找到最科学的价格以实现经营目标。而建立模型的目的就是将之前各个角落里的经验用数学的形式表现出来，虽然并不是十全十美，但会无限逼近真实情况。

要建立数学模型要解决三个问题，首先是数据的量要达到一定的规模和质量；其实是用什么样的算法，如用时间序列还是回归或是人工智能算法；第三是“数据+算法”可以围绕什么业务场景，建立什么样的模型及参数。

例如Google的工程师从众多关于流感的关键词组合中，挑出45个重要检索词条作为特征，训练了一个线性回归模型来预测2007年和2008年流感传播的趋势、时间和地点，该模型预测结果的准确率最后高达97%，而该模型完全可以和关于流感的商品如口罩、营养食品、非处方药品等销售建立起联系，构建“流感商品销售指数”，来指导这些商品在特定时间、地点的具体销售数量。

再例如7-Eleven零售门店通过卫星云图了解到两天后气温将上升两度，会提前订购比平常销量多30%的矿泉水。

第四阶段丨指导决策

这一阶段侧重于对业务、营运、经营、战略的决策的指导，回答的问题其实就是：“我应该做什么”才能达到最佳的状态。前三个阶段都不是终极目的，例如销售预测不是为了预测而预测，预测准确率达到100%又如何，关键是做了预测以后能给企业的决策行为带来什么样的帮助，对于零售企业而言，销售预测以后紧接着的行为就是补货，补货过程中就会涉及到多级库存管理。

而补货行为又驱动了后续的采购、生产、物流、仓储等行为，同时企业的决策层可以根据未来的预测来做出是否要开设渠道、建立工厂、购买仓库等重要战略决策，这些行为的决策都是建立在前三个阶段之上的。同时决策模拟也是这个阶段的重要应用，针对零售流程中的随机因素，引入各种约束条件，构建出若干个相互关联的场景模型来全真模拟真实情景，从而事先预知各种决策可能的结果，提高决策准确性。

大数据时代已经悄然来临，不懂大数据就做不了大生意，未来甚至做不了生意。

我所接触的不少中国零售企业对于大数据的分析应用都处在第一或者第二阶段，也有少数企业如京东、华为处在第三甚至初步进入第四阶段，虽然不少企业所处的阶段还比较低，但是至少有两点让我看到了希望：很多企业的数据基础都很不错，积攒了大量的数据，同时很多零售企业对于大数据应用的意愿和兴趣都非常强烈和热切。

这些企业对于自身的业务也非常的精通，只是受制于算法、人才、技术等对于如何把业务和数据结合在一起产生价值还不甚清楚，但是这些未来都不会成为中国零售企业对于大数据孜孜追求的障碍，因为未来一定会出现大量的第三方公司来提供专业的数据分析、建模和优化服务，帮助企业早日迈入数据驱动决策阶段。

企业认识到收集客户相关数据的价值，懂得如何从这些数据中获得洞察力，继而创造智慧的、主动的、与客户相关的交互通路。公司明确如何有效地使用客户数据做决策，将洞察力转变为平台销售业绩的增长。对于他们而言，“大”并不是大数据中最重要的，最重要的应该是企业如何来驾驭这些大数据，企业对大数据进行分析，以及随之采取的业务改进措施才是最重要的。拥有大量的数据本身并不会增加任何价值，只有全面地利用数据、统计和定量分析以及基于事实的管理，才能在当前复杂的环境中做出更明智的决策。而数据也为企业带来了从未想象过的市场营销新变化。

公司的平台、客服和市场团队以及众多加盟商通常掌握着独特的顾客数据集，如果能很好地整合起来，就能提高整体绩效，并有助于通过更相关、及时的互动和沟通建立起客户接洽关系。借助数据营销，企业将数据、流程、人力、渠道和技术等内部和外部营销职能进行合并和简化。公司通过服务中心和加盟店共享客户数据，确定哪些客户是最好的业务来源。同时针对不同地区门店营销数据，结合其他一些相关因素，比如前几周的销售趋势，是否采取促销手段以及整个年度的经济形势等，对未来销售趋势生成预测然后将这些预测结果分享给所有市场部门和加盟商，营销人员可根据这些预测趋势进行适当的进货和补货调整，集中了解客户与公司所开展的所有互动，达到最好的销售成果。

企业在洞察大数据的结构和多元性的基础上，对其进行搜集、分析和执行，建立起以驱动客户参与为目标的市场推广模式。这种推广模式为公司内部职责建立可量化标准，协助营销人员整合市场化流程、更高效地制定计划、执行任务和证明其业务价值，从而实现市场推广营销成果量化。

数据整合赋予了供应链多种“灵活”值，其中制定计划应对变化尤其重要。零售行业经常会出现这样的情况：生成订单后找不到库存。关于货品的一些信息由于没有采用数据整合，企业无法得知究竟是在途还是在供应商手中，是还没发货还是刚刚成品状态，以及具有数量等。新型O2O企业在整合战略流程后，得以对海量信息及相关数据进行很好的管理。基于数据的可见和完整，平台可以准确的告知加盟商，这批货的具体位置、到达时间以及库存数量等方面的信息。加盟商可以依据这些具体且准确信息，实时做出销售方面调整，实现营销效果最大化。设定这个流程管理后，公司可以将供应链进行拆分和切割，把每一个计划切割成一小段，增强其管理弹性。

对于零售行业来说，流失是一个非常严重的问题。管理客户流失一直是而且以后仍将是理解客户使用情况和收益是关键。利用大数据来应对客户流失是最简单也是最合乎逻辑的方法。平台通过对会员消费领域的数据分析，甄别出哪些客户可能流失，了解是什么情况和什么问题导致客户不再平台消费。通过对客户消费数据记录进行分析，梳理出关键事件，确定客户流失前的行为模式，制定出提升客户体验战略，将客户流失率降到最低。

在每个行业，以及全球每个地区，企业高层领导都在寻求充分发挥企业内现有的海量信息价值的方式。企业利用新技术手机的数据达到了前所未有的量级，然而，只有对数据拥有更明确、更及时的洞察力，才能从现有的数据中获得价值并在市场上赢得竞争优势。

大数据可以更全面地了解客户偏好和需求，通过这种深入了解、所有类型地企业均可以找到新地方式与现有客户地潜在客户交互。这一原则尤其适用于零售业。大数据分析带有的价值体现在获取、处理和理解与客户相关数据，共享这些洞察力，并且将其转化为企业以前不可能开展的推广营销模式。更好地处理和使用客户数据，而不是面对大量数据无所适从。基于大数据分析结果地数据驱动型营销正式值得关注、投资和实验地领域，它可能正是传统零售行业正在寻求的转折点。

今天，还是想跟大家说说大数据的事，要知道，做新零售是离不开的大数据分析的，尤其是在线上，为什么今天想说这个呢，源于一条新闻——《微信：不留存任何用户聊天记录 不偷看你的聊天》

这个事，可算是火了，其实源于吉利汽车董事长李书福的一句话“我心里就想，马化腾肯定天天在看我们的微信”这不，关于微信的个人隐私保护和信息安全问题又被提及。

于是乎，微信赶忙澄清说，第一，微信不留存任何用户的聊天记录， 聊天内容只存储在用户的手机、电脑等终端设备上；第二、微信不会将用户的任何聊天内容用于大数据分析；第三、因微信不存储、不分析用户聊天内容的技术模式，传言中所说 “我们天天在看你的微信”纯属误解。

那么，好啦，问题来了，为什么腾讯不把聊天记录用于大数据分析。

我不知道您哪位喜欢看相声，德云社青年相声演员朱云峰（烧饼）、曹鹤阳（小四）的包袱里有这么一句话：“你有什么长处，我有什么短处”，这句话里有两个“什么”，当着两个“什么”同时重读和同时轻度时，表达的完全是两个意思，这就是中国话音调问题，而对于大数据采集来说，现代技术还采集不到音调的不同，再加上多音字，这些干扰，很难得的一个相对准确数据。

我知道，这个时候你一点会说分析语音啊，那好，现在市面上的语音输入识别的对于方言的识别呢？可以说是惨不忍睹，专门统计世界各地语言的机构《民族语》（Ethnologue）在2016年发布的各国语言数排名中，中国以301种语言排名全球第六。所以说要想完完全全的识别方言土语，任重而道远啊。就算是普通话，随着噪音的增长，语速的变快，识别的准确率越低，这也是无法取准语音确数据的原因之一。

那么最后一个，主观性，我们平时在与人聊天的时候会发现，同一个东西，可能跟张三说，这个东西多好多好，跟李四说这个东西糟透了，但是你对这个东西是否喜欢只有在你心里清楚，从文字中很难分辨，这就是人在不同的语境之下，语言的一个变化，更多的是一个心理学的东西，现代计算机对心理学的算法好像不太灵活，不然，测谎仪为什么要采集人体生理参量的变化信息。

其实，微信在聊天这一块采集的数据是一些客观的东西，例如我们发布的条数，发布的时间，语音的时长，发布的频率这些，主要分析的还是用户行为。这也是大数据要分析的主要内容。

尤其是对于线上新零售来说，当你无法面对用户时，想要把握用户流向，就一定要对用户行为进行分析。

通过分析用户访问网站流程，我们可以分析出客户浏览页面的行为方式，从而判断网站结构设计是否合理，是用户体验更加完善；

通过分析注册用户和非注册用户，我们可以通过分析两者之间的浏览习惯，来制定我们的活动方式，吸引客户关注；

通过分析用户选的入口形式，我们可更为合理分配广告资源，利用好每一分广告费；

通过分析用户所使用的搜索引擎、关键词、关联关键词和站内关键字，我们可以了解到用户的喜好，推送相应的产品或者服务给到用户；

通过分析用户的来源地区、来路域名和页面，再结合用户的基础属性，有利于我们做出差异化营销策略。

。。。。。。

当这些组合在一起时，我们线上新零售营销就可以做到定向营销，差异化营销，一站式营销等多种经营模式，这才是新零售种大数据分析的目的所在，从用户需求出发，为用户提供符合其需求的服务或者产品。