北京2017年9月6日電 /美通社/ -- 本文來源于9月1日海致副總裁肖昆在“2017中國智慧零售商業發展高峰論壇”上的分享
正如馬云所說：“很多人還沒搞清楚什么是 PC 互聯網，移動互聯來了，我們還沒搞清楚移動互聯的時候，大數據時代又來了。”經過多年發展，大數據在各行各業已呈現遍地開花之勢。在零售行業，大數據的創新應用正推動其走向智慧零售。
一、零售企業如何擁抱大數據時代？
如何擁抱大數據時代是零售企業共同面臨的問題。海致 BDP 經過與3000多家客戶的探討和合作，總結出了讓零售企業更加有效擁抱大數據時代的三個重要環節：
1、 全面觸網
與零售企業相比，互聯網公司擁有落地大數據應用的先天優勢，因為它擁有更加豐富和全面的數據。
比如在電商環境里，可以優化每個環節的轉化率。例如，數據顯示支付環節的轉化率低，已經提交訂單卻沒有完成支付是為什么？通過查看支付頁面的信息結構，也許是缺少訂單商品信息、收貨信息等，導致用戶需要返回確認，同時加長了用戶猶豫的時間，降低了轉化。知道了原因后，就可以對支付頁面進行優化。
但在線下門店，企業要如何知道是因為商品不好、店員態度不好，還是因為價格等相關原因導致用戶沒有購買呢？其實很難。企業沒有觸網就沒有足夠多的、有價值的數據；沒有數據，也就沒有之后的智能、智慧之說。
但到了萬物互聯時代，物聯網實現了人與人、人與物、物與物之間信息交互和通信。零售企業能夠與用戶產生數字連接，實現消費流程的數字化，為數據驅動零售轉型提供基礎。
隨著技術越來越成熟，很多零售企業開始在門店中安裝物聯網設備，可以監測人流、商品銷售情況等。
舉個例子，國內某品牌女鞋在門店、在每雙鞋子中安裝了一個物聯網設備，紀錄了有多少顧客進店、試穿了哪些鞋子、每雙鞋子被試穿了多少次，最終是否形成購買等信息，采集了整個流程的數據，對這些數據進行挖掘、分析，為商品改良、門店優化等提供了決策依據，最終提高轉化。
所以說，互聯網+、物聯網+是非常重要的大數據基礎，需要盡早建設。
2、 積累數據資產
并不是說做了互聯網+、物聯網+，就等于擁有了很多寶貴的數據，數據資產需要積累，特別是在現在互聯網平臺非常之多的背景下。很多零售企業可能和京東、阿里，或其他第三方行業 SaaS 有合作，那么這些數據散落在各個地方，如何利用？企業只有將所有數據整合在一起，不斷積累和清洗，才有可能真正為之后的大數據和人工智能的落地創造一個堅實的數據基礎。
3、全方位數據應用
如何將數據進行全方位應用，切實發揮數據價值？這是包括零售企業在內所有企業關心的問題。隨著大數據逐漸滲透到了各行各業，越來越多樣化的落地成果證明了全方位的數據應用已經不是空談，積累的數據是可以發揮巨大價值的，成為幫助企業經營決策更高效的手段。
這三個環節是零售企業擁抱大數據時代的非常重要的三個方面。
二、如何真正做到全方位的數據應用？
今天的主題是大數據應用，接下來著重看下全方位的數據應用。
與大數據應用相關的零售相關場景非常之多，這里重點挑選一些場景進行分享。
1、 實時查看經營狀況
大數據時代除了數據量大以外，還有很重要的特點，就是數據的及時性也發生了很大的變化。曾經看數據是什么頻次呢，是周、是月，是很多“表哥表妹”花了三、四天整理出一個月報來。月初才能看到上個月的業績，這個數據是非常滯后的。
如果企業是以實時的視角看公司的經營狀況會怎么樣呢？
實時數據監測為過程管控提供了更有效的手段，如果當天發生業績波動，企業就能夠嘗試當天進行挽回。例如某一商場做了促銷活動，想要在第一時間獲取到促銷效果的反饋，實時數據就是一個很重要的支撐。現在海致的很多客戶，例如蒙自源，就在海致 BDP 上以分鐘級的頻率來監控整個企業的經營數據。
2、 隨時隨地查看實時數據
除了實時性，還有一個很重要的需求 -- 移動。
目前大多數從業者對移動辦公需求強烈，若必須使用電腦查看、分析數據，那么數據驅動將變得不切實際。所以，只有優秀的移動端體驗，才能充分地發揮隨時隨地實時查看數據的優勢。曾經有客戶和海致 BDP 說：“其實企業里的很多人都想用好數據，但是門檻太高。在和海致合作之后，發現移動端非常受管理層與業務層歡迎，之前他們很少看數據也不知道如何去用好數據，但是有了移動端以后，可以讓經營決策者、一線員工都能夠從數據中獲得價值。”
3、業績異常智能預警
當企業有了實時數據，是否需要一直盯著數據來獲得價值呢？顯然這不是一個好的數據應用狀態。
預警功能眾所周知，原始的方式就是當業績沒有達到設定值的時候，就推送一條信息到手機上。如何設置預警呢？
固定的數值預警或者是同環比預警都不是真正有效的手段。海致BDP 利用機器學習預測銷量，通過預測值進行預警，這樣更加符合業務場景，能夠更有效地達到預警目的。
4、異常原因深度定位
預警之后如何找到沒有達標的原因呢？“異常原因深度定位”是一個非常靈活的追溯問題原因的方法。
自由下鉆實現了異常原因的深度定位，這樣可以快速找到數據波動的原因。
5、 智能要貨
除了在業務的監控方面，降本增效也是零售企業的重點關注的問題，如何提高銷售業績？如何減少成本？
很多連鎖零售企業有進貨需求，那么每個商品到底需要進多少貨，是很考驗連鎖門店的問題。 海致 BDP 利用機器學習技術，推出智能要貨功能，在客戶中獲得了非常好的應用。
舉個例子，克里斯汀是一家烘焙連鎖企業，因為烘焙產品的保質期一般是一天，如果進貨過多，就會造成商品過期浪費；如果進貨過少，過早售罄，就錯失了銷售機會，降低了銷售額。
海致 BDP 用機器學習為其進行銷售預測產生的結果是什么呢？通過對3個門店進行實驗，利用智能要貨模型的精準預估，克莉絲汀可以降低30.35%的退貨浪費，提升22.94%的銷量。
當然，我們并不認為人工智能在現階段能夠解決所有問題，完全依靠機器預估的數據進行要貨不是一個較好的解決方法，而是要依靠機器+人的方式。例如，機器學習預測明天銷售100個面包，那么明天就是進貨100個嗎？其實不然，因為還有很多信息是機器不知道的，可能旁邊門店明天開業，將帶來大量的人流，而這個信息并沒有采集成為數據，機器并不知道，這時候就需要發揮人的能動性，在機器預測的數值的基礎上，加上人的經驗。這就是人的智能+機器的智能，這樣能夠更好地發揮出數據驅動的價值。
6、商品深度分析 -- 熱銷組合、滯銷捆綁
在大量的商品當中，基于所有的明細，在千萬行、億行的數據當中，去尋找到底哪些商品之間是可以進行搭配的，熱銷產品之間可以做組合銷售，滯銷產品可以做捆綁銷售。如何做呢？想知道哪個品類的商品與某商品強烈相關等，都能夠在海致 BDP 中直接獲得這樣的數據洞察。
7、智能會員畫像及精準營銷
除了商品維度，零售企業還需要鏈接用戶，這之前在線下很難實現，現在互聯網+、物聯網+為企業提供了契機，會員數據、消費數據的積累可以幫助企業做到這一點。
以前如果只是一家門店，老板站在店門口，就可以觀察到店內的人群特點、購買了哪些商品。但是現在是連鎖企業，擁有幾百家、幾千家的門店，一年總的消費人數上千萬，該怎么去分析這些用戶呢？
這時仍然要借助到機器學習。例如，海致 BDP 通過機器學習算法做會員聚類分析。
例如聚類區分出了5個群集，通過對5個群集的分析，對其打標簽，發現有高危高頻高消費、高危高頻低消費、低危中頻高消費、低危中頻低消費以及低危低頻低消費。當知道了這5個群集，便可對其進行多維度分析。
如上圖展示，性別對于該商品的銷售沒有影響；但是年齡、學歷與職位對于該商品的銷售影響很大：21~30歲這個區間的高危用戶數很多，這代表著該商品對于該年齡段的人失去吸引力了嗎？如果是的話，是放棄該年齡段用戶，將重心移向中老年人，還是需要去推出一些新的商品挽回該年齡段的用戶呢？
再有，上圖顯示高學歷的用戶對于產品的黏性非常之高，且高頻、高消費。這樣的人群是否應該成為下一步營銷的重點，是否應該在各大高校、高科技企業、高層會議上去做營銷呢？通過這樣的分析，可以洞察很多之前通過人工方式所無法發現的問題。
那么，知道了這些信息后，如何行動呢？
上圖是一個桑基圖，如果只看中間兩列數據，按照傳統的思路分析，會發現這個公司不同群集之間的數據沒有變化，非常穩定。但如果仔細分析，會發現用戶在高活躍度、中活躍度和低活躍度之間的流轉十分明顯。對于運營而言，最需要關注的就是變化，哪些用戶從高活躍度變成低活躍度、哪些用戶從低活躍度變成高活躍度，這樣才能夠有針對性地進行營銷。
例如從3月到4月，部分用戶從高活躍度變成了低活躍度，直接點擊這部分流轉進行鉆取，就可以查看到該部分用戶的會員 ID，營銷人員可以有針對性地對該部分會員進行激活，如針對該用戶感興趣的商品進行一定的折扣，促進消費，挽回用戶。這不僅使得企業能夠進行精準營銷，提高銷量，還能夠提高用戶黏性。在這個時代，誰把握住了用戶，誰就是真正的贏家。
8、店鋪&會員位置分析
除了之前說到的，地理位置數據對于零售快消企業也尤為重要。
開店前，門店選址需要花費很多的精力，在經營過程中，也同樣需要關注位置信息。有的零售企業，既做門店的生意，同時還進行外賣和電商，用戶和門店的位置關系到底是什么樣的呢？如果是電商、外賣，那么擁有收貨地址，就可以直接將位置顯示出來，為接來下的門店選址提供一個很好的信息支撐。
總結一下，全面觸網、積累數據資產、全方位的數據應用是強化零售企業、增強競爭力的很重要的手段。現在，行業內有很多供應商幫助零售快消行業解決不同的問題，那么海致 BDP 能夠解決的問題是什么呢？
三、海致 BDP 驅動零售企業利潤增長
海致 BDP 專注于幫助企業積累數據資產，促進全方位的數據應用，為客戶提供一整套非常成熟的一站式大數據平臺和完善的零售解決方案，讓企業低成本的、高效的實現數據驅動的精細化運營，從而為企業帶來長期的可持續的增長點。
經過多年發展，大數據已經從空洞的概念升級為落地的服務能力，海致 BDP 致力用數據幫助零售企業打開新的發展方向，提供數據洞察，助力打造智慧零售。
更多信息請查看鏈接 www.bdp.cn。
