大数据如何落地
2012年11月27日
评论数（2）不管你愿不愿意，大数据时代终究会到来的。
随着零售商超日积月累的数据累积，和各种分析模块的投入使用，以及现场操作分析的多元化和深层次化，海量数据就诞生了。当海量数据不断堆积，复杂化数据不断涌现，海量数据就锐变成大数据。在零售商场的BI里，大数据是把双刃剑，一方面大量的数据和信息为商超的战略制定和各种数据分析提供了参考信息和实践数据，另外一方面，研究和甄别、筛选、分析这些数据，给零售商场增加了人力物力等成本，这个对于一些成长中的中小零售商超来说，是难以承担之重，和无法企及的倚天剑。
为什么这么说，我们就要从大数据的几个特点与零售终端目前的状况进行结合分析。
一、 海量与零售商超的存储能力
零售商场面临着数据量的大规模增长。例如，每天的单品库存、每天的单品销售、每天的会员消费信息、每天的商品结构变化、每天的价格体系调整等等，加上监控视频数据、消费者客流及动线监控等等这些视频数据，信息单一数据集的规模范围大小不等，但日积月累下来，那就是PB级别的，简而言之，存储和分析这些数据，仅靠现在中小商超使用的服务器是不可能接受和处理的。
此外，各种意想不到的来源都能产生数据。例如，例如每次促销活动带来的各类信息、本店与外界交流进行的结构化数据和互相上传的图片等非结构性数据传输带来的数据累计等等。这些数据的存储需要大量的软件和硬件及大容量的服务器，这在很多单店连普通的服务器都舍不得投入的情况下，大数据带来的海量信息对于他们来说，可望而不可即。
二、多样性与中小型商超的BI系统承载能力
商界认为，零售终端的数据多事结构性数据，是在商超管理软件模块框架下形成的单一数据。其实这个观点部分正确，因为该观点是在零售商超摆脱零售商超经营的“冷兵器时代”（即依靠管理者经验而不是借助电脑等工具进行销售监控和分析的时代）时普遍存在的观点。然而现在很多的数据不是管理软件可以从数据库提取分析的，比如依靠监控视频进行动线分析、依靠音频设备进行客流大小分析等，这些分析都是非结构性的数据，区别于传统数据，也是现在SQL数据库难以承载的。这些，对于中小型零售商超的网管或者信息服务中心来说，工作范围超出了他们的能力范围，所以，如何升级数据库、或者依靠C++等语言进行结构性数据、半结构性数据以及非结构性数据之间的转化，并使这一过程进行简化成模块，使中小零售商超能够依靠BI系统对各种数据进行简单的分析操作。这个说说简单，目前很多的BI企业自身都无法完成这些，更不用说他们服务的对象零售终端了。
三、高速与中小型商超云计算能力
鲍里斯.埃韦尔松撰写的《首席信息官，请用大数据扩展数字视野》报告中说，大数据的高速描述的是数据被创建和移动的速度。在快时代，企业掌握了高速反应系统就等于占领了竞争的先机。通过基于实现软件性能优化的高速电脑处理器和服务器，创建实时信息反馈已成为流行趋势和必然。零售商超不但要快速搜集数据和信息，还必须对数据和信息进行快速处理、分析并返回决策者，以满足他们战略制定时第一手资料的需求。
然而在国内，制约运算能力特别是云计算能力的，不单单是商超的电脑配置和服务器性能，还有宽带带宽，国内的带宽和网速严重缩水，大大制约了商超数据通过网络进行数据的传输及云计算和分析。中小型商超的网络没有特殊性，也没有能力选择高配的宽带，所以在这方面大数据很难落地，并实现其真正价值。
四、易变性与中小型商超ERP系统的数据解析能力
大数据的特点是具有多层结构，拥有多层结构就会使大数据呈现出多变的形式和类型。相较传统的二进制业务数据，大数据存在不规则和模糊不清的特性，造成很难甚至无法使用传统的应用软件进行分析。传统业务数据随时间演变已拥有标准的格式，能够被标准的商务智能软件识别。但具有更加复杂更加多样性的大数据，如何使零售商超终端特别是中小零售商超终端轻松解析呢？目前，零售商超面临的来自大数据的最大挑战还不仅仅是前面所得大层面的技术原因，主要还是如何处理并从各种形式呈现的复杂数据中挖掘价值。
太复杂意味着缺乏市场，缺乏市场就让大数据这一工具无法实现价值的最大化，其存在与海量数据就没有太大的差别。大数据与海量数据的区别就是在于复杂性数据，如何更为简易化的转化和分析复杂性数据，使零售终端可以投入较小的成本，较少的时间，较少的人员就能够从大数据中获得自己的想要的即时性数据流，才是BI研发企业需要解决的重点问题。
五、价值密度低与中小型商超的投入产出比。我们说大数据的价值密度低，喜欢拿视频做参考事例。比方说监控录像，在连续不间断监控过程中，每天产生大量的GB级别的数据，这些数据是非结构性的，数量众多，但可能有用的数据仅仅有一两秒。从十几个小时或者上百个小时的视频数据中，抽出这一两秒的视频片段，如果没有专门的处理工具，是需要耗费大量的时间和人力物力成本的，而且即使耗费了这样的成本也不一定能在适当的时间内获得自己想要的数据。这还仅仅是视频数据，一些音频数据、安装在购物篮或者购物车上的动线监控记录数据等等，这些数据的分析不尽对于零售终端，即使是对于BI产品的生产商，也是不容易攻克的难点，所以，即使是BI生产商拥有了这方面的技术，其费用在短期内还是不容易被大多数零售终端接受的。现在很多的零售终端，在使用ERP系统进行数据分析的时候，很多智能分析工具都没有被运用到，而仅仅使用其中的一部分，如销售额统计、客单价客单量等等，有的连最基本的滞销畅销ABC分析都不做，所以更多的智能分析工具只会增加BI价格，让很多零售终端感觉在都市里买法拉利很多的速度是浪费的，无用的，没有市场需求，也让BI生产商们在这方面投入的资金和精力远没有兴趣大，这就从上游遏制了大数据对于零售行业的落地。
任何新鲜的事物，即使是最具前瞻性的，也要有一定的过程进行慢慢渗透，因为相关行业和技术也需要相同幅度的跟进和去繁就简化，在这种转化和优化的过程中，结合商业实践信息反馈，让大数据的处理更加模块化、一键化，具备复制性和简易性，并且成本在技术的提升中下降到大部分零售终端一线可以接受愿意接受的水平，这样的大数据才真正有了生命力和价值。
（已刊于《电脑与信息》2012年11月刊)
上一篇：阿图图书推荐之酒店服务
下一篇：雪拥蓝关