中國連鎖經營協會

得益于移動技術，消費者可常常進行網上購物，而不必大費周章前往實體店。要了解買家行為，預測需求和優化商品計劃，零售商必須運用大數據技術分析消費者的數字記錄。研究表明，大多數零售商都意識到了大數據的重要性。然而，許多零售商發現，發揮大數據的價值仍然是一件非常困難的事情。幸運的是，由日立數據系統、英特爾和 SAP 所推出的一些技術能夠幫助各種規模的零售商有效利用大數據，并取得巨大的業務成效。

移動設備徹底改變了人們的購物行為，并為零售商帶來了大量新數據

隨著消費者持續采用最新技術，零售業當前迫切需要進行轉型。借助智能手機，消費者現在可以 “將商店隨身攜帶”，隨時隨地購物，與傳統零售操作完全不同。過去，零售商可以通過對銷售區進行分析來獲取所需要了解的一切相關因素，從而進行銷售和產品規劃。現在，人們的購買渠道發生了巨大的變化。

消費者對數字領域的相關解決方案進行調查研究，選擇最合適的解決方案并在線支付，通過店內購買或送貨上門拿到商品，然后在 Facebook、Twitter、Pinterest 等網站上談論購物體驗。這些對話會對他人產生影響。

由于出現了眾多有別于實體店的購買渠道，零售商不得不轉向研究消費者的數字記錄，以期了解買家行為。它們可能屬于交易性記錄，也可能屬于非交易性記錄。這些記錄能夠為零售商提供有關需求水平和需求來源等方面的早期跡象，進而幫助他們以全新方式達到供需平衡。

數字記錄是零售行業 ‘大數據’ 不可或缺的一部分。零售行業大數據指從消費者數字購買渠道所收集的交易性或非交易性數據，可用于在適當的時機為消費者傳遞目標信息，以改善購物體驗。相同的數據還可用于預測需求和優化商品計劃。

零售商必須使用大數據來支持執行以消費者為本的戰略

近幾年來，零售行業開始專注于實現出色運營。公司通過重新調整商品分類和定價，并以最低的價格為配送中心和商店提供產品，持續優化供應端。零售商假定消費者會走進商店、購買產品，然后拿著商品走出商店。

2010 年左右，消費者突然開始要求零售商提供出色的響應能力和親密性，使得零售商措手不及。傳統模式注重商品化、價格和便利性。然而，消費者希望獲得個性化并且與自身需求緊密相關的體驗。這給零售商帶來了嚴峻的挑戰。

過去，公司主要采用以產品為本的戰略，根據時間、地點和產品來安排數據。需求就相當于在銷售點所達成的交易。運營系統為大型事實數據表饋送數據，供零售商分析，以確定最佳的未來產品組合。零售商創建預測、建立產品分類，并將產品分配至商店，認為只要有了這些，消費者就會不請自來。

現在，零售商必須重新整理大數據，以反映從以產品為本到以消費者為本的戰略轉變。在當今世界，商店必須以消費者為本。RSR 研究為此提供了重要依據：

· 巨大的業務挑戰促使零售商開始關注商業智能(BI)和分析方法，以解決顧客的各種問題。零售商認識到，必須了解消費者的購買渠道、消費者趨勢和需求的變化，以及競爭對手如何使用顧客信息贏得業務。充分利用大數據意味著零售商能夠更快地響應消費者需求。

· 零售商將 “全渠道(omni-channel)” 功能視作保持未來增長的關鍵。零售商都在致力于 360 度全面了解產品、顧客和渠道活動。他們看到了單一集成式銷售平臺以及在電子商務和實體店活動中采用移動技術的巨大價值。

零售商看到了大數據的重要性，但如何發揮大數據的價值卻挑戰重重

2015年，Penton聯合日立數據系統公司、英特爾與SAP對Penton的零售/餐飲市場進行了調查。Penton共收到了1,508 份調查回復，其中 415 份回復中涉及了大數據。此外，Penton 還開展了社交媒體研究，以了解零售商通過 Twitter、Facebook、博客、新聞和論壇對大數據發表了哪些看法。研究結果包括：

約半數企業的大部分業務在實體店完成。然而，約四分之一企業的實體店交易和在線交易各占一半，約 12%的企業在線運營大部分業務。

對大多數公司而言，大數據是取得成功的非常重要的因素。大多數零售商都意識到了大數據的重要性。然而這并不代表他們知道如何處理大數據。不論哪種運營方式，63% 的調查對象認為，使用大數據對企業獲得成功來說 “非常重要”或 “至關重要”，還有另外三分之一的調查對象認為其 “一般重要”。

眾多公司均認為，大數據能夠轉化成可行洞察。超半數(60%)公司希望跟蹤訪客和顧客的購買記錄，近半數 (49%)公司希望分析訪客和顧客并評估員工的工作有效性，還有 41% 的公司希望跟蹤容量。

使用大數據的主要優勢在于運營效率、業績和顧客體驗。約三分之二(65%)使用大數據的調查對象認為其主要優勢是顯著提高了運營效率。其他重要優勢包括：提升業績(63%)和改善顧客體驗(62%)。零售商努力響應消費者的全渠道行為，但效率非常低下。他們希望了解如何定位產品，以最好地滿足消費者需求。

零售商將大數據用于預測性建模。根據案例研究、社交對話和行業報告，Penton 發現零售商希望依據社交領域傳來的交易前信息預測未來行動。這些預測可用于不同的用途，比如根據顧客行為對商店重新補貨，通過優惠券營銷手段交叉銷售產品，以及為顧客提供售前和售后支持。

在線零售商也在其網站中使用了預測性搜索技術，對顧客的以往搜索記錄和點擊數據進行分析。

RSR 的近期研究為這些調查結果提供了重要依據。零售商將非交易性數據重點用于評估顧客行為和交叉渠道購買決策，以及交叉渠道促銷活動的有效性和價格彈性。另外，零售商希望將非交易性數據用于產品采購和分類決策。

盡管大數據提供了許多機遇，但企業仍然對此存在顧慮。Penton的社交媒體調查研究發現，零售商擔心匿名數據、數據整合和數據安全。例如，當顧客在在線研究和實體店瀏覽之間切換時，了解客戶將變得非常困難，因為這要求采用適用于兩種渠道的同一種數據系統。

零售業 IT 團隊在大數據方面面臨著巨大挑戰。零售業首席信息官努力在不同的部門和渠道之間采用相同的數據系統。此外，他們還需要一款既能保護私有和匿名客戶數據，又能簡化數據管理的解決方案。從數據科學角度來看，零售商擔心的是，員工太依賴預測算法，而不使用常識來解析數據。

大數據是支持零售商執行其增長戰略的重要推動力量。RSR 研究發現，許多企業技術在支持零售商執行業務增長戰略發面發揮著重要的作用。在時裝和季節性商品細分市場，大數據處理功能發揮著最為重要的作用。排在重要性前列的還有非交易性客戶數據和地理位置數據分析，以及數據預測性分析和可視演示，對時裝和季節性公司尤其如此。

零售商使用這些技術來推進行為分析、個性化促銷活動和定價、直銷、面向客戶的社交媒體活動，以及 A/B 測試等活動。

一些零售商在規劃大數據舉措和吸引人才方面先人一步

在問及公司的大數據行動長期執行計劃時，超過三分之一(39%)的調查對象表示還不確定。這說明大數據對零售商來說仍然屬于新興事物。不過，43% 的調查對象表示他們正在構建內部能力，而 43% 的調查對象表示他們依靠外部供應商。盡管在如何開展大數據行動方面存在很高的不確定性，但一半的調查對象表示不關心吸引大數據人才。

盡管有許多大數據用例和技術可用，但對于正在應對這些全新機遇的零售商來說還為時尚早。

------Brian Kilcourse (RSR Research 公司執行合伙人)

日立數據系統、英特爾和 SAP 等科技公司通過通力協作，成功幫助零售公司發揮出了大數據的價值，并取得了重大的業務成效

許多零售商都采用了這些公司的技術，以分析大數據并將其轉化成可行洞察。此類信息有助于零售公司增加收入、提升顧客滿意度，并提高運營效率。Tim Hood 介紹了以下四個用例：

1. 紅牛。紅牛公司主要銷售功能型飲料，以其與體育賽事的合作而知名。該公司希望形成以消費者為本的世界觀，因此創建了中央數據庫，以收集來自多個渠道的消費者資料信息。通過使用特定技術，紅牛公司根據通過 14 個不同的 Web 渠道收集而來的信息創建了單一消費者資料。該信息支持公司根據消費者的偏好為他們提供最佳建議。這種建議可能是一張優惠券，也可能是消費者最喜歡的球隊 T 恤。該舉措幫助紅牛公司增加了直銷收入。

借助技術和大數據，零售商可以在適當的時機提供合適的產品。這并不是簡單地提升顧客滿意度，以推動長期收入。而是在增加收入的同時取得具體、可觀的成效。

------Tim Hood(SAP 戰略與技術部全球副總裁)

2. Bigpoint Games。這家德國公司推出了多款市場領先的游戲，并通過在游戲中銷售更好的工具和武器獲得了非常可觀的收入。Bigpoint Games 每秒將 5,000個事件加載至其技術實例，并進行實時預測性分析。根據與游戲行為和過往購買記錄相關的事件信息，只耗費幾微秒就可為客戶提供適合的產品。通過在適當的時機提供適合的產品，Bigpoint Games 將收入增加了 10%。

3. 墨西哥一家大型百貨商店。該零售商擁有近 200 萬種產品，希望了解各產品的情況。實施技術之前，運行一份報告需要耗費 36 個小時。因此，生成報告的頻率非常低。通過實施相應的技術和平臺，報告能夠定期在一天內在子單位一級運行。這樣有助于該公司分析它在庫存方面的總投資金額，并制定庫存投資決策。

4. Home Shopping Europe 24(HSE 24)。這家德國公司類似于 QVC 或家庭購物網絡。HSE 24 擁有約600萬客戶，銷售有 100 萬種產品。該公司業務依賴于同消費者的實時交互，以及數量有限、必須實時更新的庫存。通過分析大數據，該公司可實時提供相關產品。這樣不僅帶來了可觀的投資回報，還顯著增加了收入和消費者購買產品的數量。