中国连锁经营协会

得益于移动技术，消费者可常常进行网上购物，而不必大费周章前往实体店。要了解买家行为，预测需求和优化商品计划，零售商必须运用大数据技术分析消费者的数字记录。研究表明，大多数零售商都意识到了大数据的重要性。然而，许多零售商发现，发挥大数据的价值仍然是一件非常困难的事情。幸运的是，由日立数据系统、英特尔和 SAP 所推出的一些技术能够帮助各种规模的零售商有效利用大数据，并取得巨大的业务成效。

移动设备彻底改变了人们的购物行为，并为零售商带来了大量新数据

随着消费者持续采用最新技术，零售业当前迫切需要进行转型。借助智能手机，消费者现在可以 “将商店随身携带”，随时随地购物，与传统零售操作完全不同。过去，零售商可以通过对销售区进行分析来获取所需要了解的一切相关因素，从而进行销售和产品规划。现在，人们的购买渠道发生了巨大的变化。

消费者对数字领域的相关解决方案进行调查研究，选择最合适的解决方案并在线支付，通过店内购买或送货上门拿到商品，然后在 Facebook、Twitter、Pinterest 等网站上谈论购物体验。这些对话会对他人产生影响。

由于出现了众多有别于实体店的购买渠道，零售商不得不转向研究消费者的数字记录，以期了解买家行为。它们可能属于交易性记录，也可能属于非交易性记录。这些记录能够为零售商提供有关需求水平和需求来源等方面的早期迹象，进而帮助他们以全新方式达到供需平衡。

数字记录是零售行业 ‘大数据’ 不可或缺的一部分。零售行业大数据指从消费者数字购买渠道所收集的交易性或非交易性数据，可用于在适当的时机为消费者传递目标信息，以改善购物体验。相同的数据还可用于预测需求和优化商品计划。

零售商必须使用大数据来支持执行以消费者为本的战略

近几年来，零售行业开始专注于实现出色运营。公司通过重新调整商品分类和定价，并以最低的价格为配送中心和商店提供产品，持续优化供应端。零售商假定消费者会走进商店、购买产品，然后拿着商品走出商店。

2010 年左右，消费者突然开始要求零售商提供出色的响应能力和亲密性，使得零售商措手不及。传统模式注重商品化、价格和便利性。然而，消费者希望获得个性化并且与自身需求紧密相关的体验。这给零售商带来了严峻的挑战。

过去，公司主要采用以产品为本的战略，根据时间、地点和产品来安排数据。需求就相当于在销售点所达成的交易。运营系统为大型事实数据表馈送数据，供零售商分析，以确定最佳的未来产品组合。零售商创建预测、建立产品分类，并将产品分配至商店，认为只要有了这些，消费者就会不请自来。

现在，零售商必须重新整理大数据，以反映从以产品为本到以消费者为本的战略转变。在当今世界，商店必须以消费者为本。RSR 研究为此提供了重要依据：

· 巨大的业务挑战促使零售商开始关注商业智能(BI)和分析方法，以解决顾客的各种问题。零售商认识到，必须了解消费者的购买渠道、消费者趋势和需求的变化，以及竞争对手如何使用顾客信息赢得业务。充分利用大数据意味着零售商能够更快地响应消费者需求。

· 零售商将 “全渠道(omni-channel)” 功能视作保持未来增长的关键。零售商都在致力于 360 度全面了解产品、顾客和渠道活动。他们看到了单一集成式销售平台以及在电子商务和实体店活动中采用移动技术的巨大价值。

零售商看到了大数据的重要性，但如何发挥大数据的价值却挑战重重

2015年，Penton联合日立数据系统公司、英特尔与SAP对Penton的零售/餐饮市场进行了调查。Penton共收到了1,508 份调查回复，其中 415 份回复中涉及了大数据。此外，Penton 还开展了社交媒体研究，以了解零售商通过 Twitter、Facebook、博客、新闻和论坛对大数据发表了哪些看法。研究结果包括：

约半数企业的大部分业务在实体店完成。然而，约四分之一企业的实体店交易和在线交易各占一半，约 12%的企业在线运营大部分业务。

对大多数公司而言，大数据是取得成功的非常重要的因素。大多数零售商都意识到了大数据的重要性。然而这并不代表他们知道如何处理大数据。不论哪种运营方式，63% 的调查对象认为，使用大数据对企业获得成功来说 “非常重要”或 “至关重要”，还有另外三分之一的调查对象认为其 “一般重要”。

众多公司均认为，大数据能够转化成可行洞察。超半数(60%)公司希望跟踪访客和顾客的购买记录，近半数 (49%)公司希望分析访客和顾客并评估员工的工作有效性，还有 41% 的公司希望跟踪容量。

使用大数据的主要优势在于运营效率、业绩和顾客体验。约三分之二(65%)使用大数据的调查对象认为其主要优势是显著提高了运营效率。其他重要优势包括：提升业绩(63%)和改善顾客体验(62%)。零售商努力响应消费者的全渠道行为，但效率非常低下。他们希望了解如何定位产品，以最好地满足消费者需求。

零售商将大数据用于预测性建模。根据案例研究、社交对话和行业报告，Penton 发现零售商希望依据社交领域传来的交易前信息预测未来行动。这些预测可用于不同的用途，比如根据顾客行为对商店重新补货，通过优惠券营销手段交叉销售产品，以及为顾客提供售前和售后支持。

在线零售商也在其网站中使用了预测性搜索技术，对顾客的以往搜索记录和点击数据进行分析。

RSR 的近期研究为这些调查结果提供了重要依据。零售商将非交易性数据重点用于评估顾客行为和交叉渠道购买决策，以及交叉渠道促销活动的有效性和价格弹性。另外，零售商希望将非交易性数据用于产品采购和分类决策。

尽管大数据提供了许多机遇，但企业仍然对此存在顾虑。Penton的社交媒体调查研究发现，零售商担心匿名数据、数据整合和数据安全。例如，当顾客在在线研究和实体店浏览之间切换时，了解客户将变得非常困难，因为这要求采用适用于两种渠道的同一种数据系统。

零售业 IT 团队在大数据方面面临着巨大挑战。零售业首席信息官努力在不同的部门和渠道之间采用相同的数据系统。此外，他们还需要一款既能保护私有和匿名客户数据，又能简化数据管理的解决方案。从数据科学角度来看，零售商担心的是，员工太依赖预测算法，而不使用常识来解析数据。

大数据是支持零售商执行其增长战略的重要推动力量。RSR 研究发现，许多企业技术在支持零售商执行业务增长战略发面发挥着重要的作用。在时装和季节性商品细分市场，大数据处理功能发挥着最为重要的作用。排在重要性前列的还有非交易性客户数据和地理位置数据分析，以及数据预测性分析和可视演示，对时装和季节性公司尤其如此。

零售商使用这些技术来推进行为分析、个性化促销活动和定价、直销、面向客户的社交媒体活动，以及 A/B 测试等活动。

一些零售商在规划大数据举措和吸引人才方面先人一步

在问及公司的大数据行动长期执行计划时，超过三分之一(39%)的调查对象表示还不确定。这说明大数据对零售商来说仍然属于新兴事物。不过，43% 的调查对象表示他们正在构建内部能力，而 43% 的调查对象表示他们依靠外部供应商。尽管在如何开展大数据行动方面存在很高的不确定性，但一半的调查对象表示不关心吸引大数据人才。

尽管有许多大数据用例和技术可用，但对于正在应对这些全新机遇的零售商来说还为时尚早。

------Brian Kilcourse (RSR Research 公司执行合伙人)

日立数据系统、英特尔和 SAP 等科技公司通过通力协作，成功帮助零售公司发挥出了大数据的价值，并取得了重大的业务成效

许多零售商都采用了这些公司的技术，以分析大数据并将其转化成可行洞察。此类信息有助于零售公司增加收入、提升顾客满意度，并提高运营效率。Tim Hood 介绍了以下四个用例：

1. 红牛。红牛公司主要销售功能型饮料，以其与体育赛事的合作而知名。该公司希望形成以消费者为本的世界观，因此创建了中央数据库，以收集来自多个渠道的消费者资料信息。通过使用特定技术，红牛公司根据通过 14 个不同的 Web 渠道收集而来的信息创建了单一消费者资料。该信息支持公司根据消费者的偏好为他们提供最佳建议。这种建议可能是一张优惠券，也可能是消费者最喜欢的球队 T 恤。该举措帮助红牛公司增加了直销收入。

借助技术和大数据，零售商可以在适当的时机提供合适的产品。这并不是简单地提升顾客满意度，以推动长期收入。而是在增加收入的同时取得具体、可观的成效。

------Tim Hood(SAP 战略与技术部全球副总裁)

2. Bigpoint Games。这家德国公司推出了多款市场领先的游戏，并通过在游戏中销售更好的工具和武器获得了非常可观的收入。Bigpoint Games 每秒将 5,000个事件加载至其技术实例，并进行实时预测性分析。根据与游戏行为和过往购买记录相关的事件信息，只耗费几微秒就可为客户提供适合的产品。通过在适当的时机提供适合的产品，Bigpoint Games 将收入增加了 10%。

3. 墨西哥一家大型百货商店。该零售商拥有近 200 万种产品，希望了解各产品的情况。实施技术之前，运行一份报告需要耗费 36 个小时。因此，生成报告的频率非常低。通过实施相应的技术和平台，报告能够定期在一天内在子单位一级运行。这样有助于该公司分析它在库存方面的总投资金额，并制定库存投资决策。

4. Home Shopping Europe 24(HSE 24)。这家德国公司类似于 QVC 或家庭购物网络。HSE 24 拥有约600万客户，销售有 100 万种产品。该公司业务依赖于同消费者的实时交互，以及数量有限、必须实时更新的库存。通过分析大数据，该公司可实时提供相关产品。这样不仅带来了可观的投资回报，还显著增加了收入和消费者购买产品的数量。