近两年，传统手机零售行业受到互联网电商冲击及手机、运营商业务增量市场到存量市场的转变，经营每况愈下，举步维艰。行业迫切需要转型升级，随之而来的“O2O、全渠道”成为手机行业新零售的代名词。而由于零售商与上游的供给端及下游的销售端的产品和服务需求不匹配，导致名词概念无法实施落地。

易零售-手机销售智能管理软件，利用大数据、人工智能及区块链等新技术，无缝对接手机零售和手机批发行业。通过更深度的手机行业定制化软件，实现手机零售和手机批发的“进、销、存”更为专业的管理功能，比如：运营商结算、串号管理、价格管理等；其次通过更为颗粒化的数据帮助手机零售和手机批发解决科学化快速决策，比如：行业动态价格提醒、到期应收及超长库存告警等；以此降低采购成本、较少库存积压、提高零售和批发效率、提升用户ARPU值，从而帮助手机零售商和手机批发商的经营效率。

线上线下融合与全渠道

新零售的主题是“线上线下与物流的结合”，因此线上线下融合和全渠道法则成为企业在新零售背景下的革新共识。线上电商纷纷拥抱线下市场，而线下传统企业也不断发力线上，企图抓住新零售契机，全面提升市场占比。如新零售最典型的案例——盒马鲜生，在其运营中对商品广泛使用了电子标签，将线上线下数据同步，如SKU同步、库存同步、价格同步、促销同步；实现线上下单，线下有货，后台统一促销和价格，这些都为新零售的线上线下融合打下了必要的数据基础。

人工智能与大数据

新零售得以从概念成为现实，背后蕴含着科技革命的推波助澜。Amazon Go，利用计算机视觉、融合感应器系统、生物识别、深度学习等人工智能技术，在店内使用大量的传感器进行实时监测，通过物联网将人、商品和场景连接起来，无需排队、无需结账的购物体验，使新零售业企业震惊。国内零售企业积极布局，并推出了样板店。从嵌入RFID、人脸识别等技术运用，到无人机配送、智能客服、线下实体零售智能化商品体验，人工智能和大数据在新零售中的场景化应用已经越来越普及。

什么是新零售

以消费者为中心，以数据为驱动的零售生态系统

新零售诞生的原因

一 技术 新商业基础设施初具规模：大数据、云计算、移动互联网、端； 智慧 物流、互联网金融；平台化统一市场互联网发展逐步释放经济与社会价值，推动全球化进程

二 消费者 消费者数字化程度高，认知全方位，购物路径全渠道 中国消费升级引领全球消费增长 ，新一代价值主张

三 行业 全球实体零售发展放缓，亟待寻找新的增长动力 中国实体零售发展处于初级阶段，流通效率整体偏低，缺乏顶级零售品牌，多元零售形态涌现

消费者数字程度化高

PWC：在中国，每天都网络购物的消费者增长速度远高于其他国家，预计全球将跟从中国网络购物趋势。 Aliresearch：伴随中国消费者数字化程度提高，消费品部分品类已达到50%以上的线上渗透率，消费者 购物独具全渠道特色。 平均看来，每个消费者的购买行为中均有多个可能与互联网有关的激发点，中国消费者与互联网的紧密 联系显著高于世界各国同龄消费者。 2016年“双11”阿里零售平台无线占比82%，远超两周后美国“黑五”无线占比36%。

掌握数据等于掌握了消费者的需求，传统的零售是从货场人，而新零售是从人到场在到货的一个转变，区别与以往任何一次零售变革，新零售将通过数据与商业逻辑的深度结合，真正实现消费方 式逆向牵引生产变革。它将为传统零售业态插上数据的翅膀，优化资产配置，孵化新型零售 物种，重塑价值链，创造高效企业，引领消费升级，催生新型服务商并形成零售新生态，是 中国零售大发展的新契机

在美国等商业发展较早且更为发达的地区，客流分析统计系统早已深入人心，并得到广泛的普及。为什么要用客流分析统计系统?说白了，客流统计系统就是关于你店铺的大数据系统。对零售商来说，这是他们了解店铺客流、了解顾客购买心理、安排员工工时，安排节假日促销活动的重要工具。同时还能分析他们店铺的经营表现及业绩。本文将从客流统计的应用场景及客流统计的技术发展进行展开，为读者展示服装业、大型商铺和购物中心客流统计的重要性。

购物中心作为一个以零售为主的商业组织形式，需要精细化管理，而精细化管理以事实为依据，用数字说话，决策者、管理者通过对购物中心各个硬软件得出的数字进行分析，并用这些数据为顾客与商户服务。客流量对大型购物中心来说是其核心元素，充足有效的客流才能提升购物中心的盈利能力，客流不仅是定位和招商的基础，更是购物中心是否能成功运营的关键。近几年来，精确地统计进入购物中心的顾客数量成了优化购物中心运营的必要手段。那么，客流统计系统对零售餐饮业的贡献究竟有多大呢。

客流统计分析能做什么？

如果没有准确的客流数据很难做出合理的、令人信服的划分。客流分析作用大体总结如下：

1．顾客画像分析，主要统计客流量总体的年龄段和性别、兴趣偏好、学历、收入水平等进行标签分类管理；

2．商圈消费能力，分析客群消费平均水平决定了商品定价的前提；

3．客流访问路径，汇总出一条或者多条主要顾客购物行为路径优化商场动线；

4．客流增长趋势，掌握客流量每一天变化趋势有利于营销工作的开展和进行；

5．回头客预测分析，及时识别回头客到店趋势，预测经营业绩。

技术发展

当了解客流统计分析的作用后我们首先看一看客流统计技术的技术发展。现在，运用的客流统计技术主要有三种：红外线客流统计、视频客流统计、WIFI探针客流统计，这三种客流统计技术，用哪种比较好?这个只能说，在不同的情况下，有不同的需求。

技术一： 红外线客流统计技术

传统的客流管理主要是总量上的统计，红外线客流统计技术可能更为常用。红外线客流统计技术依据人体的经过阻断红外线之间的对射进行客流量的统计，其统计客流数量方便，数据传输量小，成本较低，安装方便，对于光线要求不高。这种方式简单易实施，但缺点也显而易见，通过人体经过阻断红外线间的对射来测数，导致在多人经过时可能漏数，而不断进出的同一个体则会被重复计数等问题。这样测出来的客流数据存在着较大的偏差。

技术二：Wif探针客流统计技术

Wif探针技术能够根据手机统计出店内消费者的数量情况，还能够根据手机IP进行消费者在店内行动轨迹的追踪。对于手机不离身的现代人来说，这种统计方法已经能够相对精确地了解客流情况，当然，遇到没带手机、关闭无线等情况，这种技术也爱莫能助。

技术三：3d双目客流量统计系统设备

由于人工计数的准确率偏低且无法进行长期统计，红外方式又不能双向统计人流量，更无法统计并排时顾客人数，因此，借助视频分析技术，准确率高达95%的新型客流统计分析系统应运而生。

3d双目客流量统计系统的原理是基于嵌入式摄像镜头采集视频,然后对两个摄像头的视频图像进行视差计算,形成视频中人的3D图像,过对人体的形状和高度为分析目标,通过区域和方向的设定来统计通过人数。通过商场客流量的历史数据的对比，就可知道什么时间段的客流量变少，而在这个时间分析采用哪种营销方式可吸引增多客流量。

客流统计分析应用场景

应用场景一：Wifi探针为大型商铺、购物中心数据赋能

Wif探针技术能够根据手机统计出店内消费者的数量情况，还能够根据手机IP进行消费者在店内行动轨迹的追踪。对于手机不离身的现代人来说，这种统计方法已经能够相对精确地了解客流情况，并且 Wifi探针也是目前线下进行流量识别最好的手段，落地性、数据获取能力都很强。

通过客流统计我们可以对路径、频次和时长三个维度的数据对个体消费者进行识别和判断。比如，系统捕捉到消费者甲每个月要来商场两到三次，每次来了之后都直奔母婴区，而且在那停留很长时间。那么，系统就可以给他打上“母婴”的标签。以此类推，就可以根据消费者的行为习惯赋予其各种各样的标签。

此外，通过Wifi探针的客流统计系统还可以从用户生命周期的维度对消费者进行管理，给消费者打上高、低活跃度，新、老客户，流失客，回流客等标签。后台支持多种标签组合查询和统计分析，比如可以分析母婴类客户的新增和流失客户情况。让商场经营者对自己场内的客流变化一目了然，并有针对性地组织各类营销活动。

过去商场的营销活动都是围绕节假日展开的，缺少针对性。有了通过Wifi探针的客流统计系统，商场就可以更加有的放矢。营销活动结束后还可以根据后台数据分析目标客户的回流情况，评估营销活动的效果，并及时进行调整。甚至能够分析出不同的天气、活动对店铺客流的影响。

应用场景二：客流分析助力购物中心

第一，客流统计系统能够为购物中心确定铺位租金水平。只需在购楼物中心的各个出入口、各层、各通道、各商铺门前安装客流统计系统，就可以获得不同时段的客流分布情况，同一类型店中表现优异的租户立时可见，表现较差的营业区域可立即受到关注，而且从今往后，对于租户组合的调整不再盲目，完全可以通过客流数据来进行科学分析。更为重要的是，客流数据给购物中心的招商部门在确定具体楼层具体区位的铺位租金水平和今后的租金调整，提供了实实在在的数据支持。通过对出入口人流量数据的观测，可以帮助确定广告位定价，合理确定重要广告的摆放位置。

并且将客流统计系统得到的客流数据与租金水平结合，在租赁合同中设定可测量的运行参数，可以优化收入，展示投资者的绩效单。客流量数据还是购物中心资产的附加值，在如今竞争异常激烈的零售业，拥有更多人气的购物中心显然拥有较高的市场价值。

第二，客流统计系统为购物中心有计划地引进顾客分析，并制定合理的活动主题方案。由客流数据的日常统计使营运部门对整个购物中心的运营情况了然于心。其次，根据客流的变化，有效分配和安排物业管理人员、维护人员、安保人员、保洁人员等，合理利用人力资源。在活动期间，客流系统提供准确的人流数据，不但可以直观地对活动效果进行评估，结合其他数据报表亦可分析出营销活动和促销投资的回报情况，此外，结合历史同期活动的客流量数据，对比分析得出人流规律，为今后活动方案的制定提供依据。

第三，客流统计系统可为购物中心提供更详细的分析报表。客流统计系统，不但能够按时按需提供客流数据，将历史客流数据和当前客流信息进行对比分析，还能与购物中心现有的其他系统结合，对购物中心进行全方位多角度的分析，产生更为详尽的业绩报表，为管理人员分析现状、调整经营战术和确定未来经营方向，提供充分、有价值的信息。

应用场景三：视频探头在服装业、精品商铺的应用

通过客流统计系统的引进及双目摄像头的安装就可以统计进出店客流，并通过定制化客流报表来对运营KPI进行分析，为运营战略的调整提供强有力依据。

拿ETRO专卖店举例，ETRO在门店入口处安装22台双目摄像头摄像头进行监测，将进店客流传输至云端服务器，进而生成每日各时段、以及日/周/月汇总对比报表，店长及总部管理者可通过网页版轻松掌握各分店客流量、转化率。精准的客流统计，为门店的选址提供参考，更是改善了门店的管理效率、服务质量，最终促进成单量及客单价的提升。

虽然3d双目客流量统计系统成本远高于红外线客流统计技术和WIFI探针客流统计技术，但针对面向中高档消费群体的精品类商铺，客流量小，但对数据要求精准，此时并不需要安装过多双目摄像头，因此采用视频客流统计会远比其他两项更具优势，从而精准定位消费者，方便CRM管理，增加经营效益。

应用场景四：通过广告推送进行物流分析

实时客流统计分析，统计每日每时的实时客流信息，当用户在广告机前端停留1~2秒后，摄像头会抓拍人脸画像并可以精确统计任意时段内进店驻留人群的性别和年龄，商家使用客流统计用些信息分析出不同人群驻留店面时长、区域统计客流强度，产品关注度、不同人群关注的产品热度。通过大数据分析比对，有利于商家部署最佳的运营模式。

应用场景五：通过客流分析与消费者进行连接实现精准营销

当我们发现，有“女性-母婴亲子-童车童床”标签的客群，在“母婴亲子-辅食”“家居-家具”“家具-厨电耐用”也有不错的消费，后期在推送童车童床offer的同时，也可以同时考虑加上辅食、家具、厨电等活动。同时，我们可以发现，有酒类制品标签的客群，均有“购物-食品”的标签，后期在推送酒类制品offer的同时，也可以向他们推送食品的offer；另外支付的客群也有不错占比，后期也可以将支付融入到相关推送活动中。正是运用了客流统计分析系统实现了相关产品的精准营销。

应用场景六：客流统计是重新构建门店和消费者的连接

在实体门店中应用客流统计是重新构建门店和消费者的连接，运用客流统计系统，先进的人脸识别技术，捕捉进店的数量，并对人像进行分析，统计顾客的性别、年龄、身份等属性，通过后台生成的数据分析报表，呈现顾客的光顾频率和回头客分析，让店员第一时间了解顾客的消费行为习惯，摸清顾客消费偏好和消费心理，做出合适的商品推荐和提供专业的服务。

并与POS机无缝连接，有效计算出提袋率和客单价，让会员通过人脸实现自动积分，打折服务，专业巩固vip客户量和消费群，并预测客流动线，店员针对性调整商品及陈列布向，营造科学合理的消费场景完美实现门店与消费者的互动。

使用客流分析系统可能存在的问题

数据是否可信?可用？

您必须确信获取的数据具有高度的完整性和统计意义。一个值得信赖的数据门户还必须表明数据来源，以便您准确地向您组织内部的利益相关方进行数据汇报。

您的数据看起来像是难懂的数字堆砌，还是如叙事般清晰易懂?您是否能够将数据可视化?有时您仅需要原始数据，其他时候则需要通过高质量的数据可视化以助解读数据。因此，应确保您的分析解决方案两者皆备。

结语：

纵然面对一些问题的存在，客流分析统计系统还是好处诸多，甚至可以在选址落地前通过对顾客群体的了解和分析，从而对店铺面积大小、人员比例、预计成本比例、客单价、库存量有更准确地预估和调整。相信多维度数据的获取，能够为优化品牌商品结构、陈列布置、运营策略提供更多的支持。

会议预告：

中国电子商会商业信息化协会&零售CIO俱乐部 将于9月21-22日在石家庄国际展览中心举办2018第四届中国智慧商业与数字化运营高峰论坛，核心议题：

1、新零售下，重构人货场和新消费场景价值；

2、从经营商品到经营顾客，构建全新的数字化体验和数字化运营体系；

3、顾客数字化、商品数字化、服务数字化、营销数字化、供应链数字化、经营管理数字化，改造经营管理，重塑商业模式；

4、全域消费场景下的会员营销和CRM，构建数字化消费者运营平台；

5、AI、大数据新技术如何以人为本赋能智慧门店的运营管理？如何打造线上新零售智慧门店？

6、如何建设以门店为中心的新零售配送体系？

7、如何打通全渠道数据壁垒，挖掘大数据的核心价值？

8、如何形成一套自己的新零售+科技创新的打法，提升智能化、数字化的运营效益？

未来的时代是大数据的时代，互联网是基础设施，大数据是战略资源，云计算是核心竞争力。

阿里巴巴集团副总裁刘冰曾提到，“互联网+”有三个基础动力，第一个是云网电技术，第二个是数据资源，第三个是大规模的社会化协同。传统产业以云网单为代表的技术深度融合，才能让数据真正地流动起来，才能够通过数据运化和业务数据化，使数据产生新的商业价值，这样数据基本上变成了一个新的生产要素。同样对于需求方来说，别人从事的企业和单个公司是不能完全满足需求方的需要的，在这个时候让所有的社会劳动者参与进来形成大规模的社会化协同，就成为一个新的方向。云计算和大数据是一个硬币的正反两面，离开云计算谈大数据，或者离开大数据谈云计算都是毫无意义的，互联网解决的是人与人之间的连接，物联网解决的是万物互联，各种终端和APP提供的是流量入口，这三种提供了人类的基础设施。在“互联网+”环境下，这些基础设施是必不可少的。值得庆幸的是过去几年云计算、大数据技术在中国取得了突飞猛进的进步，互联网、物联网这些平台技术加速进入中国经济和人民生活的方方面面。随着各种智能终端和可穿戴设备的大规模使用，以及APP异军突起，已经初步形成了“互联网+”经济体的基础能力。

大数据在零售行业三大创新性应用

1、大数据有助于精确零售行业市场定位

企业想进入或开拓某一区域零售行业市场，首先要进行项目评估和可行性分析，只有通过项目评估和可行性分析才能最终决定是否适合进入或者开拓这块市场。如果适合，那么这个区域人口是多少？消费水平怎么样？客户的消费习惯是什么？市场对产品的认知度怎么样？当前的市场供需情况怎么样？公众的消费喜好是什么等等，这些问题背后包含的海量信息构成了零售行业市场调研的大数据，对这些大数据的分析就是我们的市场定位过程。

2、大数据支撑零售行业收益管理

大数据时代的来临，为企业收益管理工作的开展提供了更加广阔的空间。需求预测、细分市场和敏感度分析对数据需求量很大，而传统的数据分析大多是采集的是企业自身的历史数据来进行预测和分析，容易忽视整个零售行业信息数据，因此难免使预测结果存在偏差。企业在实施收益管理过程中如果能在自有数据的基础上，依靠一些自动化信息采集软件来收集更多的零售行业数据，了解更多的零售行业市场信息，这将会对制订准确的收益策略，盈得更高的收益起到推进作用。

3、大数据创新零售行业需求开发

作为零售行业企业，如果能对网上零售行业的评论数据进行收集，建立网评大数据库，然后再利用分词、聚类、情感分析了解消费者的消费行为、价值趣向、评论中体现的新消费需求和企业产品质量问题，以此来改进和创新产品，量化产品价值，制订合理的价格及提高服务质量，从中获取更大的收益。

大数据应用于营销主要体现在以下三方面　　

1、精确市场定位：通过商业智能分析企业销售经营数据，来对销售市场的环境有个全貌的数据了解。比如在某房地产业利用商业智能FineBI，分析一个或多个地区的人口分布，住房条件，交通情况，土地利用率等，来帮助帮助企业在后续开发中因地制宜地制定方案　　

2、创新挖掘客户需求:客户消费是盈利之根本，营销过程中要不断挖掘新用户，老用户要二次开发。我们可以通过商业智能数据分析，从客户的年龄，地域，收入水平，教育情况，消费方式，喜好等维度进行分析，将客户归类，潜在性地定位了用户需求，提高了销售的成功率。　　

3、优化产品与服务：前两种都是用于外部环境，通过数据分析，我们还可以分析出企业产品与服务所存在的问题，尤其是在互联网IT领域，这类数据的利用尤为明显。如优化网站结构，产品推送更新等等。

又一城网络科技有限公司，是一家以IT和大数据技术驱动零售业发展的高科技型企业。作为国内领先的全渠道零售服务商，致力于为商家、企业和区域提供一体化的零售服务。

凭借积极探索零售变化与商业变革，历经十多年的服务积累与经验沉淀，又一城根据零售商不同的行业和经营特点，输出多元化的零售服务，提供与之匹配的PMS全渠道零售技术，打通PC端、移动端、门店端的零售经营数据，为企业搭建数字化零售平台，实现线上线下深度融合。

本着服务零售的初心与责任，又一城率先践行，成功落地新零售样板工程，以此研究并输出品类管理、咨询培训、内容营销、门店工程等系列零售运营服务。同时，还构建了零售共享体系，提供商品、渠道、会员、第三方服务等商业资源共享，真正帮助零售商提升运营管理效率、降低供应链管理成本，共建高效的新零售模式，引领品牌变革。

随着零售行业的发展，遇到了越来越多的问题，如何在哪个环节能降低成本，产品的生命周期有多长，那个广告平台的投放效果有效，这在以前是很难进行处理的，随着大数据技术的发展，这些有望解决，那么哪些公司有零售行业大数据解决方案呢？对此，达普信基于多年的大数据积累给出了一站式的解决方案。

企业自身有很多的数据来源：有来自内部的客户资料、财务系统、销售系统、供应链管理系统等数据；也有来自外部的推广数据、客户反馈数据等。将各类数据源接入到平台，通过多维度的分析和可视化展示，向用户提供自助式的分析报告。

多种标准看板三步完成数据的分析，可以通过固定报表，即席查询，多维度分析，警报，预报等功能进行数据的分析，基于消费者的数据收集、分析和数据管理的闭环，可以通过以下几个环节，为零售行业提供更加精准的营销。

（1）用户画像

通过零售环节中，与用户的直接交流获取用户信息，以及根据社会化媒体下的用户行为，根据这些用户标签，可以对用户进行特征分析、用户偏好分析、用户消费频率分析等。

（2）优化生产

结合消耗量数据、库存数据，渠道数据、销售数据等供应链条上的关键数据，将数据进行融合，为生产提供量的依据，避免发生生产过剩，或者供应不足的情况。

（3）市场预测

根据全产业链的数据和外部数据，进行市场分析和舆情分析，充分理解市场需求和发展趋势，增强企业应变能力和竞争能力，为企业未来的发展决策做重要支撑。

以上就是达普信软件开发为大家介绍的有关哪些公司有零售行业大数据解决方案的分析，希望可以给大家提供参考。

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。

大数据，指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，需要新处理模式才能处理，具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

在《大数据时代》中，维克托·迈尔-舍恩伯格及肯尼斯·库克耶将大数据定义为不用随机分析法（抽样调查）这样的捷径，而采用所有数据进行分析处理。

阿姆斯特丹大学提出了大数据的5V特点：Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）、Veracity（真实性）。

大数据在零售行业的应用有哪些？

1.客户细分

基于大数据海量数据和分析技术的支持，零售企业可以对客户进行群体细分，针对不同的客户群体制定相应的营销计划，达到事半功倍的效果。

2.客户挖掘

通过客户日常行为数据分析挖掘新需求，智能手机的普及让企业获得的客户行为数据呈爆发式增长，各大社交平台的迅猛发展更是为之提供了一大助力。在云计算与大数据分析技术的支持下，企业可以将客户日常浏览行为和交易行为数据全部整合在一起，对客户进行深度分析，挖掘客户新的需求。

3.数据储存

随着互联网时代的发展和4G网络的普及，企业对于储存空间的需求日益增长，不论是企业经营数据还是用户消费数据，都需要长久储存才能发挥其价值。

4.客户关系管理

大数据时代飞速发展的背景下，越来越多的企业意识到客户管理的重要性，企业通过不同的角度去深度分析客户，通过分析数据来挖掘新客户、提升客户粘性、降低客户流失率等目的。

5.市场分析

根据已有的销售数据，对市场进行分析，从“人”、“货”、“场”三个角度来分析销售数据产生原因，比如：是否应该推出促销活动，产品的陈列、包装是否需要优化，客户购买动机等。

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。

　　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！