北京2017年9月6日电 /美通社/ -- 本文来源于9月1日海致副总裁肖昆在“2017中国智慧零售商业发展高峰论坛”上的分享
正如马云所说：“很多人还没搞清楚什么是 PC 互联网，移动互联来了，我们还没搞清楚移动互联的时候，大数据时代又来了。”经过多年发展，大数据在各行各业已呈现遍地开花之势。在零售行业，大数据的创新应用正推动其走向智慧零售。
一、零售企业如何拥抱大数据时代？
如何拥抱大数据时代是零售企业共同面临的问题。海致 BDP 经过与3000多家客户的探讨和合作，总结出了让零售企业更加有效拥抱大数据时代的三个重要环节：
1、 全面触网
与零售企业相比，互联网公司拥有落地大数据应用的先天优势，因为它拥有更加丰富和全面的数据。
比如在电商环境里，可以优化每个环节的转化率。例如，数据显示支付环节的转化率低，已经提交订单却没有完成支付是为什么？通过查看支付页面的信息结构，也许是缺少订单商品信息、收货信息等，导致用户需要返回确认，同时加长了用户犹豫的时间，降低了转化。知道了原因后，就可以对支付页面进行优化。
但在线下门店，企业要如何知道是因为商品不好、店员态度不好，还是因为价格等相关原因导致用户没有购买呢？其实很难。企业没有触网就没有足够多的、有价值的数据；没有数据，也就没有之后的智能、智慧之说。
但到了万物互联时代，物联网实现了人与人、人与物、物与物之间信息交互和通信。零售企业能够与用户产生数字连接，实现消费流程的数字化，为数据驱动零售转型提供基础。
随着技术越来越成熟，很多零售企业开始在门店中安装物联网设备，可以监测人流、商品销售情况等。
举个例子，国内某品牌女鞋在门店、在每双鞋子中安装了一个物联网设备，纪录了有多少顾客进店、试穿了哪些鞋子、每双鞋子被试穿了多少次，最终是否形成购买等信息，采集了整个流程的数据，对这些数据进行挖掘、分析，为商品改良、门店优化等提供了决策依据，最终提高转化。
所以说，互联网+、物联网+是非常重要的大数据基础，需要尽早建设。
2、 积累数据资产
并不是说做了互联网+、物联网+，就等于拥有了很多宝贵的数据，数据资产需要积累，特别是在现在互联网平台非常之多的背景下。很多零售企业可能和京东、阿里，或其他第三方行业 SaaS 有合作，那么这些数据散落在各个地方，如何利用？企业只有将所有数据整合在一起，不断积累和清洗，才有可能真正为之后的大数据和人工智能的落地创造一个坚实的数据基础。
3、全方位数据应用
如何将数据进行全方位应用，切实发挥数据价值？这是包括零售企业在内所有企业关心的问题。随着大数据逐渐渗透到了各行各业，越来越多样化的落地成果证明了全方位的数据应用已经不是空谈，积累的数据是可以发挥巨大价值的，成为帮助企业经营决策更高效的手段。
这三个环节是零售企业拥抱大数据时代的非常重要的三个方面。
二、如何真正做到全方位的数据应用？
今天的主题是大数据应用，接下来着重看下全方位的数据应用。
与大数据应用相关的零售相关场景非常之多，这里重点挑选一些场景进行分享。
1、 实时查看经营状况
大数据时代除了数据量大以外，还有很重要的特点，就是数据的及时性也发生了很大的变化。曾经看数据是什么频次呢，是周、是月，是很多“表哥表妹”花了三、四天整理出一个月报来。月初才能看到上个月的业绩，这个数据是非常滞后的。
如果企业是以实时的视角看公司的经营状况会怎么样呢？
实时数据监测为过程管控提供了更有效的手段，如果当天发生业绩波动，企业就能够尝试当天进行挽回。例如某一商场做了促销活动，想要在第一时间获取到促销效果的反馈，实时数据就是一个很重要的支撑。现在海致的很多客户，例如蒙自源，就在海致 BDP 上以分钟级的频率来监控整个企业的经营数据。
2、 随时随地查看实时数据
除了实时性，还有一个很重要的需求 -- 移动。
目前大多数从业者对移动办公需求强烈，若必须使用电脑查看、分析数据，那么数据驱动将变得不切实际。所以，只有优秀的移动端体验，才能充分地发挥随时随地实时查看数据的优势。曾经有客户和海致 BDP 说：“其实企业里的很多人都想用好数据，但是门槛太高。在和海致合作之后，发现移动端非常受管理层与业务层欢迎，之前他们很少看数据也不知道如何去用好数据，但是有了移动端以后，可以让经营决策者、一线员工都能够从数据中获得价值。”
3、业绩异常智能预警
当企业有了实时数据，是否需要一直盯着数据来获得价值呢？显然这不是一个好的数据应用状态。
预警功能众所周知，原始的方式就是当业绩没有达到设定值的时候，就推送一条信息到手机上。如何设置预警呢？
固定的数值预警或者是同环比预警都不是真正有效的手段。海致BDP 利用机器学习预测销量，通过预测值进行预警，这样更加符合业务场景，能够更有效地达到预警目的。
4、异常原因深度定位
预警之后如何找到没有达标的原因呢？“异常原因深度定位”是一个非常灵活的追溯问题原因的方法。
自由下钻实现了异常原因的深度定位，这样可以快速找到数据波动的原因。
5、 智能要货
除了在业务的监控方面，降本增效也是零售企业的重点关注的问题，如何提高销售业绩？如何减少成本？
很多连锁零售企业有进货需求，那么每个商品到底需要进多少货，是很考验连锁门店的问题。 海致 BDP 利用机器学习技术，推出智能要货功能，在客户中获得了非常好的应用。
举个例子，克里斯汀是一家烘焙连锁企业，因为烘焙产品的保质期一般是一天，如果进货过多，就会造成商品过期浪费；如果进货过少，过早售罄，就错失了销售机会，降低了销售额。
海致 BDP 用机器学习为其进行销售预测产生的结果是什么呢？通过对3个门店进行实验，利用智能要货模型的精准预估，克莉丝汀可以降低30.35%的退货浪费，提升22.94%的销量。
当然，我们并不认为人工智能在现阶段能够解决所有问题，完全依靠机器预估的数据进行要货不是一个较好的解决方法，而是要依靠机器+人的方式。例如，机器学习预测明天销售100个面包，那么明天就是进货100个吗？其实不然，因为还有很多信息是机器不知道的，可能旁边门店明天开业，将带来大量的人流，而这个信息并没有采集成为数据，机器并不知道，这时候就需要发挥人的能动性，在机器预测的数值的基础上，加上人的经验。这就是人的智能+机器的智能，这样能够更好地发挥出数据驱动的价值。
6、商品深度分析 -- 热销组合、滞销捆绑
在大量的商品当中，基于所有的明细，在千万行、亿行的数据当中，去寻找到底哪些商品之间是可以进行搭配的，热销产品之间可以做组合销售，滞销产品可以做捆绑销售。如何做呢？想知道哪个品类的商品与某商品强烈相关等，都能够在海致 BDP 中直接获得这样的数据洞察。
7、智能会员画像及精准营销
除了商品维度，零售企业还需要链接用户，这之前在线下很难实现，现在互联网+、物联网+为企业提供了契机，会员数据、消费数据的积累可以帮助企业做到这一点。
以前如果只是一家门店，老板站在店门口，就可以观察到店内的人群特点、购买了哪些商品。但是现在是连锁企业，拥有几百家、几千家的门店，一年总的消费人数上千万，该怎么去分析这些用户呢？
这时仍然要借助到机器学习。例如，海致 BDP 通过机器学习算法做会员聚类分析。
例如聚类区分出了5个群集，通过对5个群集的分析，对其打标签，发现有高危高频高消费、高危高频低消费、低危中频高消费、低危中频低消费以及低危低频低消费。当知道了这5个群集，便可对其进行多维度分析。
如上图展示，性别对于该商品的销售没有影响；但是年龄、学历与职位对于该商品的销售影响很大：21~30岁这个区间的高危用户数很多，这代表着该商品对于该年龄段的人失去吸引力了吗？如果是的话，是放弃该年龄段用户，将重心移向中老年人，还是需要去推出一些新的商品挽回该年龄段的用户呢？
再有，上图显示高学历的用户对于产品的黏性非常之高，且高频、高消费。这样的人群是否应该成为下一步营销的重点，是否应该在各大高校、高科技企业、高层会议上去做营销呢？通过这样的分析，可以洞察很多之前通过人工方式所无法发现的问题。
那么，知道了这些信息后，如何行动呢？
上图是一个桑基图，如果只看中间两列数据，按照传统的思路分析，会发现这个公司不同群集之间的数据没有变化，非常稳定。但如果仔细分析，会发现用户在高活跃度、中活跃度和低活跃度之间的流转十分明显。对于运营而言，最需要关注的就是变化，哪些用户从高活跃度变成低活跃度、哪些用户从低活跃度变成高活跃度，这样才能够有针对性地进行营销。
例如从3月到4月，部分用户从高活跃度变成了低活跃度，直接点击这部分流转进行钻取，就可以查看到该部分用户的会员 ID，营销人员可以有针对性地对该部分会员进行激活，如针对该用户感兴趣的商品进行一定的折扣，促进消费，挽回用户。这不仅使得企业能够进行精准营销，提高销量，还能够提高用户黏性。在这个时代，谁把握住了用户，谁就是真正的赢家。
8、店铺&会员位置分析
除了之前说到的，地理位置数据对于零售快消企业也尤为重要。
开店前，门店选址需要花费很多的精力，在经营过程中，也同样需要关注位置信息。有的零售企业，既做门店的生意，同时还进行外卖和电商，用户和门店的位置关系到底是什么样的呢？如果是电商、外卖，那么拥有收货地址，就可以直接将位置显示出来，为接来下的门店选址提供一个很好的信息支撑。
总结一下，全面触网、积累数据资产、全方位的数据应用是强化零售企业、增强竞争力的很重要的手段。现在，行业内有很多供应商帮助零售快消行业解决不同的问题，那么海致 BDP 能够解决的问题是什么呢？
三、海致 BDP 驱动零售企业利润增长
海致 BDP 专注于帮助企业积累数据资产，促进全方位的数据应用，为客户提供一整套非常成熟的一站式大数据平台和完善的零售解决方案，让企业低成本的、高效的实现数据驱动的精细化运营，从而为企业带来长期的可持续的增长点。
经过多年发展，大数据已经从空洞的概念升级为落地的服务能力，海致 BDP 致力用数据帮助零售企业打开新的发展方向，提供数据洞察，助力打造智慧零售。
更多信息请查看链接 www.bdp.cn。
