主题：新零售时代下的大数据智能应用

当我们回顾零售业的传统竞争格局，仍以商品同质化、价格大战、成本领先为导向，但新一轮的技术革命正为零售商带来新思路：关注顾客体验，提高回头率与转化率，强调服务增值等新的盈利点。

过去十年，大数据逐步成长为现代人生活中的血液。社交、移动APP、PC浏览器，甚至是家里的无线电视、便利店的POS机、个人电子钱包…等等。我们的每个举动，都被记录为数字，转化为数据被存储、被分析、被运用，这些数据在生成的时候是彼此独立的，貌似杂乱无章的，甚至在产生和收集的时候是没有特定目的的。

但是大量的数据聚集在一起后就有可能得到客观而又准确的统计结论，进而指导各种商业行为决策，甚至引发商业革命。这次以大数据为核心的智能革命也不例外，其催生了新的思维模式和商业模式。

然而，这只是一个时代巨幕的起始

当我们回顾零售业的传统竞争格局，仍以商品同质化、价格大战、成本领先为导向，但新一轮的技术革命正为零售商带来新思路：关注顾客体验，提高回头率与转化率，强调服务增值等新的盈利点，这一思路正在不断颠覆传统竞争格局，也必然最终彻底打破现有的局势。

深层次地，当所有的消费者、所有商品、所有线上线下（人货场）开始联动起来，进而被记录下来，这就为机器学习和人工智能打下了基础，而原有的价值创造体系将遭受巨大冲击，这意味着大数据不在简简单单的是企业的BI报表，不再是传统的ERP数据搜集和传输，更多的是数据驱动、算法驱动、模型驱动，它将充分利用更全新的方式形成更强大的“大数据智慧体系”：从大数据的产生、收集到大数据的分析应用、指挥商业智能决策乃至执行行为预警反馈，形成整个数据的完整闭环与升级。

作为零售企业，需要高度重视自己的和跨界伙伴的大数据资产，并加以充分利用，包括CRM顾客数据、社交媒体粉丝数据、供应商数据、企业运营数据、行业数据、天气数据等。企业需要逐步整合、不断扩大、有效积累并结构化大数据资产，通过数据分析不断挖掘大数据资产的价值，最终转化为用户价值、企业价值和社会价值。

因此，零售产业可以充分结合“大数据智慧体系”的特点进行四大角度的大数据创新性应用，分享数据经济时代的成果。

应用一：大数据预测

对大数据进行分析的核心目的就是预测顾客的下一步的需求，基于海量数据结构化分析的基础上，通过各种算法包括人工智能、机器学习等前沿技术和数学建模来进行预测并做出相应决策，进而创造更优的顾客体验、更多的交易、更多的业务创新，释放储存于数据之中的能量。

大数据预测的目的其实为更加精准的服务消费者，而这种精准的服务其实是建立在和消费者大量持续的互动基础之上的，其实一方面是让消费者产生更多更好的数据，另一方面是令产品和服务可被持续优化和迭代，这也是让消费者在海量信息选择中享受到和自己更加匹配适合的产品和服务的基础，同时也成为零售商提升利润降低成本的重要方法。

应用二：大数据营销

新时代下，零售商应该充分挖掘大数据的商业力量来提高商品的转化率。亚马逊等公司的发展和成功，并非因为他们向消费者提供信息，而是他们向用户提供快速决策和进行下一步行为的捷径。消费者是全渠道购物者，他们的购买旅程普遍是从一个渠道开始，最后在另一个渠道结束，例如在网店上浏览查看商品属性、价格、库存等信息，在线购买，线下提货。

用户的每一步行为都会留下大量的信息，通常各种类型的数据会混杂在一起。针对这些数据，公司需要充分将数据结构化并进行大数据挖掘，从而提供从“千人千面”的个性化购买建议和促销信息，提供全渠道的客户购买体验，激发他们的情感连接。

同样，不仅是电子商务和互联网公司可以根据大数据进行产品研发和服务开发，任何行业的任何公司都可以。每一个零售企业，每天都掌握着每个供应商以及顾客们海量、真实的交易数据，零售企业可以根据这些大数据分析了解消费者购买的关注点，开发很多创新业务，进行商业模式、产品和服务的创新，打开消费新市场。

应用三：商业仿真辅助智能决策

大数据智能时代为我们带来决策和管理的新方式，零售企业的决策者们需要习惯数据驱动的实验和测试，对任何重要项目进行小规模但系统的验证实验，使得制定出的决策更加可靠。

这其实就是要依据企业经营决策的基本原理和方法，借助计算机特有的功能，运用仿真技术，针对供应链流程中的随机因素，引入各种约束条件，构建出若干个相互关联的供应链场景模型，根据随机因素的特定概率分布，以真实供应链管理的情景为参照物，进行模拟、比较、优化，并通过反复的计算，全息模拟各种动态经营决策，给企业经营者再现真实的业务场景并进行管理决策、模拟和演练，为经营者最终的管理决策提供重要支撑。

比如运用大数据仿真实验室，通过仿真模型来研究不同地区、不同消费社群的不同促销方案，比较哪种最有效，哪种投入回报最高。通过全真模拟供应链中真实情景，事先预知各种决策可能的结果，提高决策准确性

应用四：数据服务

零售企业通过持续不断地推动数据开放和共享，建立与各种社交媒体、跨界合作伙伴联盟，与自己现有的和潜在的供应商、第三方软件开发商、第三方卖家平台、银行等形成数据合作，确立科学的数据标准和应用程序调用接口，以保证数据质量和可用性。零售商和互联网公司掌握着大量消费者数据、品牌商渠道商的销售数据、库存数据等，可以充分将大数据成果向各渠道、品牌商进行定期分享。

比如“智能补货”的应用，这不仅极大地减少门店断货的现象，更关键的是可以大规模减少整体供应链的总库存水平，提高整个供应链条和零售生态系统的投资回报率，创造非常好的商业价值。还有挖掘消费者数据价值，与广告商进行合作，精准广告投放与营销等，都是数据服务的缩影。

在今天的大数据和人工智能的时代，虽然每个公司都会得益于数据使用所带来的好处，但这并不意味这每家公司都要自己养着数据科学或者机器智能方面的专家，未来更加普遍的是付费使用第三方的服务。在未来，我们会看到，大数据和人工智能方面的工具就如同水和电这样的资源，由专门的公司提供给全社会使用。

新一轮更加深入的变革正酝酿航行，零售业必将转向将“大数据智能体系”植入消费产品和服务业务的新航线。

因此，对于那些想要在新的数据经济中获得成功的公司，要用全新的视角看待“大数据资产”的价值和作用，要从根本上重新考虑如何利用大数据为自己和客户创造价值的战略高度着手，规划调整企业核心竞争力，驱动新能力、新岗位和新业务的持续升级。

本文作者高峻峻，亿欧专栏作者；微信：gaojunjun253224（添加时请注明“姓名-公司-职务”方便备注）；转载请注明作者姓名和“来源：亿欧”；文章内容系作者个人观点，不代表亿欧对观点赞同或支持。