Ⅰ 淺析零售業大數據構成要素
淺析零售業大數據構成要素
馬雲說人類社會已經從IT（信息技術）時代進入DT（數據技術）時代，《大數據時代》一書的大賣也昭示了大數據的重要性。各個行業都在研究大數據對自己行業的變革，作為精益零售研究工作者，我也來淺析一下零售業的大數據構成要素。
一、大數據的對象包括企業內部信息與外部信息
外部信息主要指的是市場信息、流行趨勢、廠商信息、消費結構的變化、政策與制度改變、新商品新技術的革新等；
內部信息主要指的是POS信息、商品銷售動向、顧客信息、競爭對手信息、公司的方針與指示、門店所在樓盤相關信息、銷售額與利潤的分析、門店周邊商圈分析等。
二、大數據使用者應該普及到所有基層員工
大數據不只是給企業高層經營分析用的，而是要普及到公司所有一線員工，包括訂貨、配貨、采購、物流、人事、財務等所有的基層員工，他們在做業務決策時如何通過大數據提高預測的准確性。
三、大數據應該是業務過程分析而不是財務結果分析
企業目前使用的BI系統大多是面向財務結果的分析系統，主要是企業高層分析財務指標用的，而大數據應該是面向業務過程分析，即貫穿於企業各職能部門的業務主線，在日常工作中就要活用大數據，如商品部與營運部每天都要分析商品構成評價、商品動向分析、ABC分析、趨勢分析、矩陣分析、商品動向的地區間對比分析、滯銷商品分析、新品與重點商品的銷售分析等等。通過每日分析就能及時發現問題所在，迅速調整經營決策。
四、大數據更強調的是業務模型而非技術本身
目前國內BI(一般稱為商業智能)系統應用好的企業遠低於ERP的應用，原因並非BI技術架構的問題，而是業務模型不知道如何建立，業務部門也很難說清楚他們要什麼樣的報表才是業務最優的報表，而IT技術構建者是很難理解業務模型的。對比日本與中國BI分析系統的特點，中國企業的領導者喜歡看類似於儀表盤、駕駛艙的很炫的界面，最好還要有智能報警器，而日本企業只看二維的數據表格，數據很枯燥，但卻很實用。
五、日本廣泛在用的零售業大數據分析系統
日本零售業到底在用什麼樣的大數據分析系統？最核心的有三點：1、一定要有銷售計劃或預算系統：通過預算的銷售額、毛利、折扣率、來客數與實際結果的對比，找出差異並分析原因，從而修正下一次計劃，日益精進，最終目的是提高計劃的精確性，從而在商品開發、生產、物流配送時就能精確地分配資源，不浪費，這也是精益零售的核心；2、一定是定型分析而非自由分析：中國的BI系統強調工具的靈活性與強大，可以讓企業自由拖拽，其結果分導致各業務部門拉出來的數據差異較大，無法形成統一的數據語言，而日本BI系統強調的是定型分析，將各業務部門要分析的報表固定成統一的報表格式，這樣每周開經營分析會議時各業務部門的數據就完全統一了；3、非結構化數據比結構化數據重要：結構化數據指的是ERP系統中能看到的信息，而非結構化數據來自於員工每一次假設-驗證後形成的經驗信息，相當於是員工經常試錯後的日誌記錄，這樣的日誌一定要記入系統，等來年同比時作為重要的參考信息，舉例來說，在做周同比分析時，某門店附近學校運動會去年與今年的春季運動會並不在同一周舉行，則同比分析時就要找出舉辦運動會的不同周數去對比。這個現象也能解釋一個問題：為什麼一家優秀的門店店長去了別的門店當店長後，業績不升反降，原因是這個優秀的店長不了解新門店的過去的試錯經驗，也就是說門店的知識沉澱工作不充分，知識都被原來的店長記在大腦里帶走了，沒有沉澱到IT系統中去。而市面上常見的KM知識管理系統流於形式變成OA辦公系統了，最好的做法是把日誌信息記錄到POS系統裡面，作為門店的知識管理系統。
以上是小編為大家分享的關於淺析零售業大數據構成要素的相關內容，更多信息可以關注環球青藤分享更多干貨
Ⅱ 大數據與更好的零售
大數據與更好的零售
敘說起來零售歷史經歷了幾個比較穩定的時期，但當中穿插了一些拐點或者說是——顛覆性改變。這些改變的核心無一例外都是數據：
首先，上世紀七八十年代EPOS的出現在品類管理發展中扮演了重要角色；
其次，在隨後的90年代零售商的忠誠度計劃或會員卡計劃創造了一個完全基於顧客洞察更好決策的營銷行業，美國的克羅格（Kroger）和英國的樂購（Tesco）在這方面引領全球零售行業；
第三，也是最近，電子商務革命為零售商提供了以前不可能獲得的數據及洞察——是關於顧客決策方面的。通過使用點擊流數據（Clickstream），在大多數時候，顧客是可以識別的，那麼品類就能了解當我買了產品C，我其實也看了產品A和產品B——這對銷售周期慢的行業來說是巨大的突破。另外，全渠道零售及社交媒體開辟了一個新的時代，讓顧客能夠佔有大量的信息去比較產品、服務及價格——即使他們可能最終還是在實體店購買。再一次，一個完全的行業出現了——通過顧客再定向（retargeting）技術及推薦引擎——電子商務可以做出實時的商業決策。
在21世紀的前幾年，大數據這個術語被用來描述整套新概念，比如很多的記錄（長數據）、很多的維度（寬數據）、文本或圖片（非結構化的數據）、實時或准實時（near real-time）。科技及社交媒體發展引發的大數據爆炸為零售商及品牌商提供了更多與顧客保持高度鏈接與做大生意的方式與方法。
所有零售的核心是為顧客創造更好的價值主張：無論它是為顧客省錢提供更低的定價，還是更與顧客相關的選品，更好的顧客服務，更有效的促銷，或者是更有效率的運營及配送等。
正因為有太多的新技術產生數據，有太多的新數據源，所以零售商必須要有一個框架去理解這些數據：購物之旅模型（the Shopping Trip Model）。購物之旅模型定義了產生數據的所有顧客觸點（touch point）以及觸點發生的場景（比如搜索、到訪/逛店、貨架取貨、支付、使用等等）。這樣，任何新的數據概念都會被理解為某些觸點的一個函數，有很多的觸點並且每一個觸點都會產生多種數據集。
舉例來說：
模型中的逛店（線上或線下）——就是指顧客在網站、在APP或者在實體店瀏覽的那些時刻里發生的行為。特別地，若是在實體門店，新興科技可以讓零售商了解顧客在門店裡怎樣逛，以及他們如何最終找到他們想找的商品。機場、酒店及餐館的WIFI應用相當普遍，在中國，門店裡WIFI 的應用也開始逐漸普及。這卻可能改變—最終的勝者可能是這樣一些數據收集技術——可能是beacon或其他基於藍牙技術的解決方案。無論誰將在技術上獲得統治地位，數據的機會依然一樣——只要具備了解顧客逗留時間及路徑的能力。如果能將逛店洞察通過顧客唯一識別碼（customer identifiable token）（如同自動登錄的APP）與取貨及支付等行為鏈接並分析，這將為零售商帶來真正的商業轉型。
那麼，這些數據到底怎樣落地並幫助零售商呢？以往的做法通常是，零售商給顧客打各種各樣的標簽（推斷或直接收集描述個人財富狀況、家庭狀況、購物行為等的數據）。然而，這只是管中窺豹。要讓數據能被實時使用，有必要在時間、地點及商品或品類等方面進行加強。
顧客可能對豆子價格敏感但卻願意花很多錢在護膚品上。一個上海的顧客可能周一到周五都在快節奏地工作但到周末會帶家人去購物中心度個休閑的周末，喜歡從容不迫地購物，所以，該顧客應該在那天受到特別對待。想想你該如何告訴門店導購使用顧客洞察。
未來五年，使用多種數據源來多維度了解顧客將會是零售業的標准實踐。那些取得大數據競爭優勢的公司將會是那些能在各種場景下准確描述顧客的公司。一旦擁有數據，差異化和個性化的可能性就只能是受制於該公司的想像力及基於顧客洞察的執行力。
千店千面或門店差異化（提供不同的促銷、個性化的定價、差異化的商品組合或者品牌體驗等等）給物流和運營帶來巨大的挑戰。未來幾年，會有零售商因為擁有數據能力從而可以為顧客提供個性化的購物體驗，但是卻缺乏運營能力來實施數據分析建議作出的改變。實際上，哪怕在今天，很多門店都知道調整一下晚上的選品就會有更好的銷售——商品調整的實施限制不在於能指導調整的數據洞察，而是在於貨架、場地空間或庫存控制等運營因素。與投資於數據同樣重要的是需要將門店智能化——讓門店能實時了解庫存狀況（可能是通過RFID）、物理屬性（溫度、照明、濕度等等）、門店員工（位置、語言、專長等）以及更為重要的到店顧客（畫像、購物偏好等等）。通過數據把「人（顧客）」和「場（門店）」鏈接就能為顧客提供個性化的購物體驗，從而差異化門店，無論是線上還是線下。
以上是小編為大家分享的關於大數據與更好的零售的相關內容，更多信息可以關注環球青藤分享更多干貨
Ⅲ 傳統零售業運用大數據思維的四大要點
傳統零售業運用大數據思維的四大要點
大數據不是一天冒出來的，不管是統計學還是模糊數學，做生意的人對概率是有心中有數的——什麼時間什麼地點投什麼樣的廣告差不多帶來多少收益他們明明白白清清楚楚的，他們更厲害的人，通過營造環境氛圍及訓練員工專業度熱情度來提高成交的概率，有的特厲害的，只要進來人，就不會讓人空手走出去。那為什麼這么厲害在大數據面前就敗得一塌糊塗了呢？我們先不揣測終端零售商對概率背後的「規律」進行分析的不夠，只邏輯倒推一下，想清楚幾個問題：
1、消費者從哪來的？
是自然流量？
是藉助大商場大商超？
商超是怎麼聚人氣的？
選擇什麼樣的地點才是科學的？
和您做同一品類商品的，哪家比您好？人家是怎麼吸引消費者的？
2、每日銷售數據是記賬用的，還是反饋到設計及生產部門？
各個商品品類數據細化到什麼程度？有沒有分析？
從數據是否能看出單店和全國各店所有單品排行情況？
根據排行情況，區域銷售走勢，如果放到全年裡是什麼情況？如果放到若干年裡，有什麼規律，波浪線的趨勢是什麼樣的？
3、產品是廠家生產的，是消費者需求拉動生產的，還是廠家設計人員創造了需求？
您是掌控了設計和終端渠道，還是只是銷售終端的售賣機器？還是從批發或是代理那拿貨？
您的企業移動互聯上展示的是什麼內容？是否引導挖掘消費者潛在的需求，從而設計開發系列主題產品，在批量生產的情況下滿足消費者的個性化需求？
在靈活反應上，您的新品從設計到生產再到消費者手中時間是一周是半個月？
如何讓所有商品在工業信息化時代都實現「前店後廠」那樣新鮮？
4、利益分配上是共享還是壟斷？
每售賣出一個單品，設計者、生產線上工人、終端消費員，廠家、代理商是否利益都掛鉤了？
不管是線上推廣線下體現後然後在線上購買，還是直接線上購買，還是線下傳統售賣，線上線下數據同步的同時，如何各方利益照顧得到且起到競爭作用？
總之，解決了上述問題，傳統零售業的冬天也有梅花怒放燃燒的迎春紅！
以上是小編為大家分享的關於傳統零售業運用大數據思維的四大要點的相關內容，更多信息可以關注環球青藤分享更多干貨
Ⅳ 零售業擁抱大數據:用數據讀懂消費者
零售業擁抱大數據:用數據讀懂消費者
在過去一年，"大數據"的概念持續加溫，熱度已經覆蓋除互聯網以外的各個行業。關於大數據的概念已經無需再多說，大數據不僅僅是「看起來很美」，如何有效運用大數據創造商機，讓大數據更好的發揮其自身的價值，為企業帶來更多的效益，成為了各個企業亟待解決的問題。
大數據的起源要歸功於互聯網與電子商務，但大數據最大的應用前景卻在傳統產業。一是因為幾乎所有傳統產業都在互聯網化，二是因為傳統產業仍然占據了國家GDP的絕大部分份額。
具體來講，中國最需要大數據服務的行業就是受互聯網沖擊最大的產業，首先是線下零售業，其次是金融業。受電商的沖擊，國內很多零售巨頭都增長嚴重放緩，甚至遭遇負增長，線下零售已經到了不得不變革的危機關頭。我們看到銀泰百貨、王府井百貨、萬達集團這些具有創新意識的傳統巨頭開始利用互聯網和大數據來改造線下商業。坐擁成百上千門店的傳統零售企業，該如何面對迅速興起的互聯網戰場?擁有海量會員信息和購買記錄的傳統零售企業，在逐漸變革的消費市場中如何利用數據優勢迅速搶占市場?
在所有的零售渠道中，實體店占據著絕大多數的市場份額，但是線上渠道的吸引力在迅速增強，並且以中國消費者尤為突出。隨著線上線下購物逐步融為一體，生存和成功將取決於零售商通過各種渠道接觸到消費者的能力，更重要的是其為消費者提供多渠道的無縫連接購物體驗的能力。如今掌握主動權的消費者希望能同時享受線上線下兩種渠道的優點，並將會到那些能夠提供優異的多渠道購物體驗的零售商那裡購物。
如何建立一個線上線下無縫連接的品牌和購物體驗方便消費者的選擇，從而贏得顧客的忠誠度和持久的客戶關系?這些曾經棘手的問題，如今都迎刃而解。國內大數據技術服務商百分點推出的大數據管理平台(BigDataManagement，以下簡稱「BDM」)通過整合第一、二、三方的用戶數據，對數據進行清洗、加工和建模，為企業的戰略、運營、管理、市場、營銷等提供各種數據產品和應用。傳統零售業擁有海量數據。每天，每筆交易、每個訂單、每次促銷、都會產生無數的數據。一個值得關注的現狀是，目前大部分的企業還沒有將這個數據利用起來。這些數據的整合和解讀將是企業無形的資產，並成為企業最大的優勢，幫助傳統零售企業在瞬息萬變的互聯網市場迅速搶佔一席之地。
那麼，零售商們應該如何將大數據運用到商業活動中呢?來看看百分點是如何描繪的。
A用戶是一位標準的攝影發燒友，我們知道他最常瀏覽的網站就是「攝影愛好者論壇」。某天當A用戶打開一個網站准備瀏覽今天的新聞，卻被相機廠商發布在網站首頁的廣告迅速的吸引。A用戶發現正是他關注的「新款鏡頭」，於是A用戶決定去實體店看看。是的，百分點BDM通過A用戶的瀏覽習慣等知道他是個理智型消費者」。
當A用戶來到實體店時，一場數字化旅程即將開始。作為某商城的會員，A用戶用商城會員卡買了咖啡，發現購物小票上顯示「會員今日購買數碼類產品享受9.0折優惠。登陸該商城免費的Wi-Fi時，A用戶又收到商城推送的個性化推薦信息「最新款鏡頭，今日購買可低價換購相機包」。最終，A用戶以優惠的價格買下了心儀已久的「最新款鏡頭」，並得到了「x商城」低價換購的「相機包」。
在上面的故事中,「攝影愛好者論壇」、「相機廠商」、「網站」、「商城」都是百分點大數據家族的一員。百分點BDM收集社交媒體、論壇和第三方的海量數據，並加以分析整合，宏觀用戶畫像顯示「85%的消費者在購買單反之後的兩年內會購買鏡頭。」
以上只是百分點BDM對用戶分群、畫像，並將這些信息利用到商業活動中的舉例。事實上，98%的中國消費者希望零售商能夠利用他們掌握的信息提供個性化的促銷和建議。在這個領域中，百分點關注兩方面的內容，一是將線上線下數據的打通，為用戶提供一致的購物體驗;二是將電商的經驗運用到傳統賣場，為他們提供新的營銷手段。
百分點BMD通過對海量數據的整合和解讀更好地了解和預測消費者行為，掌握消費者偏好和需求甚至終生客戶價值，以便把握住全新的促銷機會，為他們提供更多個性化的產品和服務。通過融合多方數據，零售商為消費者提供創新的購物體驗，促進消費者的品牌忠誠度和重復購買，進一步實現零售商的利潤和市場份額的增長。
作為大數據服務商百分點一直致力於大數據的技術的研發和應用。百分點利用大數據分析技術為用戶畫像，以及利用用戶畫像來幫助企業實現個性化服務。在任何一門生意中，能夠讀懂用戶並分析用戶數據來預見未來都是行之有效的，這也是未來商業創新發展的必由之路。
以上是小編為大家分享的關於零售業擁抱大數據:用數據讀懂消費者的相關內容，更多信息可以關注環球青藤分享更多干貨
Ⅳ 8個典型案例看懂零售巨頭的「大數據」戰略
8個典型案例看懂零售巨頭的「大數據」戰略_數據分析師考試
未來的零售分析要求零售商藉助集成式業務流程和信息系統，為客戶洞察提供支持，將客戶洞察發展成一種企業級的戰略能力，並根植於企業結構和企業文化中。在這種形勢下，零售商的所有業務職能部門在制定決策時，將把基於情景的客戶洞察作為一個重要依據。
分析公司 EKN 認為，為了真正實現以客戶為中心，零售商需要具備多項關鍵能力，而這些能力均由業務分析驅動。
全渠道集成。如果缺乏相關客戶洞察支持與客戶的互動，零售商將無法實現跨渠道無縫客戶體驗。零售商與客戶互動的聯絡點能為零售商提供豐富的客戶數據，因此，所有聯絡點也成為了零售商的最佳競爭利器。
個性化互動。與網上零售商相比，實體零售商具有兩大優勢：能與客戶進行個人接觸，以及擁有更豐富的歷史記錄和更多樣的客戶數據。如今，「個性化」購物體驗已成為人們津津樂道的話題，而如何巧妙地結合上述兩大優勢，即在行動中及時交付客戶洞察，將成為零售商打造「個性化」購物體驗的基礎。
持續的卓越運營。客戶洞察的應用並非僅局限於面向客戶的使用案例。事實上，如果零售商已經能夠在各個運營職能部門中更成熟地運用分析功能，那麼集成客戶洞察便是他們不容錯過的增量機會。
零售商用例
銷售
瑞士零售商 Globus 使用大數據內存計算和高級分析來獲取寶貴的銷售績效洞察。目前，他們能夠實時處理海量的產品數據，並在幾分鍾內分析不同時間范圍、店鋪和區域內數千種產品的銷售模式與促銷活動。該零售商還向其管理人員提供了這些洞察的訪問許可權，以便他們能夠更迅速地響應市場狀況。
美國零售商 Guess 使用高級分析向其高管提供暢銷產品和可用庫存的實時視圖。該零售商的分析解決方案基於大型客戶數據集，分析銷售額、細分目標客戶，並策劃促銷活動。
市場營銷
沃爾瑪的 Global.com 部門充分利用「快速的大數據」和社交分析，快速識別不斷變化的客戶喜好。該零售商的社交意識（Social Sense）項目能通過社交媒體確定商品的暢銷程度，並幫助顧客發掘潛在需求和感興趣的新產品。同時，藉助 ShoppyCat 工具，他們可根據 Facebook 用戶的愛好和興趣，為這些用戶推薦適合的產品。此外，Global.com 還使用社交基因組（Social Genome）技術，來幫助客戶為朋友挑選禮物。
塔吉特（Target）百貨公司利用預測分析程序，來推斷個體消費者是否具備成為該公司特定營銷活動優質客戶的特質。他們給每位顧客分配了一個獨一無二的客戶識別號碼。該號碼將客戶個人信息、購物行為和喜好整合到一個可跟蹤的實體內。塔吉特還專門成立了一個客戶營銷分析部門，致力於全面了解客戶，超越其他競爭對手，從而獲得競爭優勢。藉助動態數據倉庫（Active Data Warehouse），塔吉特可在整個企業的混合工作負載環境下，基於海量數據管理復雜的用戶查詢。
全渠道
英國零售商巴寶莉（Burberry）集成了旗下所有渠道，包括實體店、網上商店、移動終端以及各大社交網站。他們採用了創新技術和數據分析，用於分析來自所有數據源的數據，旨在實時識別個人客戶並建立客戶檔案。相比過去，巴寶莉的分析速度提高了 14,000 倍，以前需要 5 個小時的請求，現在 1 秒就能完成。不論店員處於什麼位置，他們都能在客戶踏入店內時立即識別客戶信息，了解他們過去的購買記錄，並提供個性化建議。
韓國零售商 NS Shopping 將移動渠道和社交渠道集成到零售環境中，並利用大數據分析，實時、集中地獲取所有渠道的客戶和產品數據。而公司的電子商務團隊和市場營銷團隊將利用這些數據，向顧客提供個性化的產品建議。
供應鏈
美國網上零售商亞馬遜基於非平穩隨機模型，構建了全新的供應鏈流程和系統。該方法能為訂單履行、尋源、產能和庫存決策提供鼎力支持。亞馬遜不僅開發了聯合和協調補貨的新演算法，還基於歷史需求、活動記錄和計劃、各履行中心的預測結果、庫存計劃、采購周期以及采購訂單，在 SKU 級別實施了全新的國家預測方案。
英國零售商樂購（Tesco）採用先進的建模工具，基於歷史銷售數據模擬配送倉庫的運作，從而達到優化庫存的目的。該零售商還組建了一個內部分析團隊，該團隊主要負責通過回歸測試掌握各要素之間的關聯，如天氣數據、特價優惠，及銷售模式等等。
以上是小編為大家分享的關於8個典型案例看懂零售巨頭的「大數據」戰略的相關內容，更多信息可以關注環球青藤分享更多干貨
Ⅵ 大數據如何與零售業結合 在實戰中應用
大數據如何與零售業結合 在實戰中應用
一、「大數據」的商業價值
1、對顧客群體細分
「大數據」可以對顧客群體細分，然後對每個群體量體裁衣般的採取獨特的行動。瞄準特定的顧客群體來進行營銷和服務是商家一直以來的追求。雲存儲的海量數據和「大數據」的分析技術使得對消費者的實時和極端的細分有了成本效率極高的可能。
2、模擬實境
運用「大數據」模擬實境，發掘新的需求和提高投入的回報率。現在越來越多的產品中都裝有感測器，汽車和智能手機的普及使得可收集數據呈現爆炸性增長。Blog、Twitter、Facebook和微博等社交網路也在產生著海量的數據。
雲計算和「大數據」分析技術使得商家可以在成本效率較高的情況下，實時地把這些數據連同交易行為的數據進行儲存和分析。交易過程、產品使用和人類行為都可以數據化。「大數據」技術可以把這些數據整合起來進行數據挖掘，從而在某些情況下通過模型模擬來判斷不同變數(比如不同地區不同促銷方案)的情況下何種方案投入回報最高。
3、提高投入回報率
提高「大數據」成果在各相關部門的分享程度，提高整個管理鏈條和產業鏈條的投入回報率。「大數據」能力強的部門可以通過雲計算、互聯網和內部搜索引擎把」大數據」成果和「大數據」能力比較薄弱的部門分享，幫助他們利用「大數據」創造商業價值。
4、數據存儲空間出租
企業和個人有著海量信息存儲的需求，只有將數據妥善存儲，才有可能進一步挖掘其潛在價值。具體而言，這塊業務模式又可以細分為針對個人文件存儲和針對企業用戶兩大類。主要是通過易於使用的API，用戶可以方便地將各種數據對象放在雲端，然後再像使用水、電一樣按用量收費。目前已有多個公司推出相應服務，如亞馬遜、網易、諾基亞等。運營商也推出了相應的服務，如中國移動的彩雲業務。
5、管理客戶關系
客戶管理應用的目的是根據客戶的屬性(包括自然屬性和行為屬性)，從不同角度深層次分析客戶、了解客戶，以此增加新的客戶、提高客戶的忠誠度、降低客戶流失率、提高客戶消費等。 對中小客戶來說，專門的CRM顯然大而貴。不少中小商家將飛信作為初級CRM來使用。比如把老客戶加到飛信群里，在群朋友圈裡發布新產品預告、特價銷售通知，完成售前售後服務等。
6、個性化精準推薦
在運營商內部，根據用戶喜好推薦各類業務或應用是常見的，比如應用商店軟體推薦、IPTV視頻節目推薦等，而通過關聯演算法、文本摘要抽取、情感分析等智能分析演算法後，可以將之延伸到商用化服務，利用數據挖掘技術幫助客戶進行精準營銷，今後盈利可以來自於客戶增值部分的分成。
以日常的「垃圾簡訊」為例，信息並不都是「垃圾」，因為收到的人並不需要而被視為垃圾。通過用戶行為數據進行分析後，可以給需要的人發送需要的信息，這樣「垃圾簡訊」就成了有價值的信息。在日本的麥當勞，用戶在手機上下載優惠券，再去餐廳用運營商DoCoMo的手機錢包優惠支付。運營商和麥當勞搜集相關消費信息，例如經常買什麼漢堡，去哪個店消費，消費頻次多少，然後精準推送優惠券給用戶。
7、數據搜索
數據搜索是一個並不新鮮的應用，隨著「大數據」時代的到來，實時性、全范圍搜索的需求也就變得越來越強烈。我們需要能搜索各種社交網路、用戶行為等數據。其商業應用價值是將實時的數據處理與分析和廣告聯系起來，即實時廣告業務和應用內移動廣告的社交服務。
運營商掌握的用戶網上行為信息，使得所獲取的數據「具備更全面維度」，更具商業價值。典型應用如中國移動的「盤古搜索」。
二、「大數據」與零售業的結合運用
對於數據的使用，許多實體零售商同樣表示非常重視，他們對企業積累的數據進行了各種預測和分析。然而，對具體的銷售業務來說，往往存在理想與現實的糾結，前不久市場中一家知名的服裝零售企業一方面在宣傳盈利上市的同時，一方面曝出有近10億元的庫存。國內很多零售企業都知道「大數據」應用的好處，但他們一旦將「大數據」的應用結合到自己的企業經營中時，便會出現與目前經營有非常大的不適應問題，如此導致許多企業對此都持非常謹慎的態度。
1、將零售策略與「大數據」技術進行結合
零售企業談的「大數據」的最大價值，是在零售策略上與「大數據」技術進行結合，最大程度地編制前置性的零售策略，確保銷售計劃的實現。「大數據」講究四個「V」：一是數據體量大（Volume）；二是數據類型復雜（Variety），多涉及到各種結構性與非結構性的；三是價值密度低（Value），這和體量大是相對應的；四是數據更新與處理速度快（Velocity）。
根據這些特性主動地在業務數據產生的同時做出相應的策略應對，會為企業贏得更多的時間和市場策略調整空間。這類似於大江大河的洪峰預警，上游的洪峰出現什麼狀況，下游要做什麼樣的應對。數據用到這一層面上，才具有直接的業務價值，這不是那種銷量同期比、環比、銷售計劃比數據能指導業務的價值能相比的。例如一家涉足線上業務的實體零售商，在一組貨品的15分鍾促銷時間內，往往准備著3套應變策略，以確保貨品能夠按計劃賣出。
在實體商業領域，有許多關於數據與營銷的案例。一個較早的版本就是美國沃爾瑪啤酒和尿布的數據關系。原來，美國的婦女在家照顧孩子，所以她們會囑咐丈夫在下班回家的路上為孩子買尿布，而丈夫在買尿布的同時又會順手購買自己愛喝的啤酒。
當分析師了解到啤酒和尿布銷量存在正相關關系、並進一步分析的時候，發現了這樣的購買情境，於是將這兩種屬於不同門類的商品擺在一起。這個發現為商家帶來了新的銷售組合。當然，即使再多的零售連鎖企業知道這個故事，也極少從平時銷售中能發現這樣的組合，哪怕是牽強附會的。
所以，零售策略設計是零售業「大數據」價值最大的地方，也是「大數據」可以直接為其提供支持的業務。
2、零售企業對「大數據」應保持正確態度
企業的領導者首先要重視「大數據」的發展、重視企業的數據中心，把收集顧客數據作為企業營銷運營的第一目標；第二，對企業內部人員進行培訓及建立收集數據的軟硬體機制；第三，以業務需求為准則，確定哪些數據是需要收集的；第四，確認在企業已有的數據基礎上或者未來方向前提下，如何達成前三項目標的基礎建設方案。
在這些IT基礎工作需要企業有實實在在的投入和建設規范的信息化團隊，作為中國商業最大的一分子——中小微型零售企業似乎是不可能也沒有足夠的能力來面對這樣一場變化的。
大中型零售商因為本身業務及利潤的積淀，已經能夠承擔這樣一場需求趨勢的需要成本。中小微型企業還處於快速發展過程中，如果也如同大中型企業進行全方面的投入，將很快會被新型的IT工具拖垮或者遭受重創。
但這並不意味著中小零售企業沒有機會，實際上IT的發展為所有的企業都提供了平等的選擇，雲計算的廣泛應用即是對這樣一場變革帶來的臨時禮物。
作為中小微型零售企業，完全不必考慮自己建設一套「大數據」的IT系統，他們從精力、成本、能力上來說都不適合，因此此類企業可以將企業的IT建設外包給適合的服務商，企業本身的所有精力可以投入到對商圈的開發上。
目前，一些IT軟體開發運營商也已經針對傳統零售企業推出了雲服務的基礎平台，為中小微型商業企業提供了大型企業和超大型企業同樣的基礎環境及系統架構，小企業只需清晰地規劃出自己的目標和適合的步驟，使用雲平台按需付費即可，大可不必進行巨大的初始投入和不可預測的運行成本。
三、「大數據」在零售企業實戰中的應用
1、Target
最早關於「大數據」的故事發生在美國第二大的超市塔吉特百貨（Target）。孕婦對於零售商來說是個含金量很高的顧客群體。但是他們一般會去專門的孕婦商店而不是在Target購買孕期用品。人們一提起Target，往往想到的都是清潔用品、襪子和手紙之類的日常生活用品，卻忽視了Target有孕婦需要的一切。為此，Target的市場營銷人員求助於Target的顧客數據分析部要求建立一個模型，在孕婦第2個妊娠期就把她們給確認出來。在美國出生記錄是公開的，等孩子出生了，新生兒母親就會被鋪天蓋地的產品優惠廣告包圍，因此必須趕在孕婦第2個妊娠期行動起來。如果Target能夠趕在所有零售商之前知道哪位顧客懷孕了，市場營銷部門就可以早早的給他們發出量身定製的孕婦優惠廣告，早早圈定寶貴的顧客資源。
如何能夠准確地判斷哪位顧客懷孕？ Target想到公司有一個迎嬰聚會（baby shower）的登記表，開始對這些登記表裡的顧客的消費數據進行建模分析，不久就發現了許多非常有用的數據模式。比如模型發現，許多孕婦在第2個妊娠期的開始會買許多大包裝的無香味護手霜；在懷孕的最初20周大量購買補充鈣、鎂、鋅的善存片之類的保健品。最後Target選出了25種典型商品的消費數據構建了「懷孕預測指數」，通過這個指數，Target能夠在很小的誤差范圍內預測到顧客的懷孕情況，因此Target就能早早地把孕婦優惠廣告寄發給顧客。
為了不讓顧客覺得商家侵犯了自己的隱私，Target把孕婦用品的優惠廣告夾雜在其他一大堆與懷孕不相關的商品優惠廣告當中。
根據這個「大數據」模型,Target制訂了全新的廣告營銷方案，結果Target的孕期用品銷售呈現了爆炸性的增長。Target的「大數據」分析技術從孕婦這個細分顧客群開始向其他各種細分客戶群推廣，從Target使用「大數據」的2002年到2010年間，Target的銷售額從440億美元增長到了670億美元。
2、ZARA
ZARA平均每件服裝價格只有LVHM四分之一，但是，回看兩家公司的財務年報，ZARA稅前毛利率比LVHM集團還高23、6%。
（1）分析顧客的需求
在ZARA的門店裡，櫃台和店內各角落都裝有攝影機，店經理隨身帶著PDA。目的是記錄其顧客的每個意見，如顧客對衣服圖案的偏好，扣子的大小，拉鏈的款式之類的微小舉動。店員會向分店經理匯報，經理上傳到ZARA內部全球資訊網路中，每天至少兩次傳遞資訊給總部設計人員，由總部作出決策後立即傳送到生產線，改變產品樣式。
關店後，銷售人員結帳、盤點每天貨品上下架情況，並對客人購買與退貨率做出統計。再結合櫃台現金資料，交易系統做出當日成交分析報告，分析當日產品熱銷排名，然後，數據直達ZARA倉儲系統 。
收集海量的顧客意見，以此做出生產銷售決策，這樣的作法大大降低了存貨率。同時，根據這些電話和電腦數據，ZARA分析出相似的「區域流行」，在顏色、版型的生產中，做出最靠近客戶需求的市場區隔。
（2）結合線上店數據
2010年，ZARA同時在六個歐洲國家成立網路商店，增加了網路巨量資料的串連性。2011年，分別在美國、日本推出網路平台，除了增加營收，線上商店強化了雙向搜尋引擎、資料分析的功能。不僅回收意見給生產端，讓決策者精準找出目標市場；也對消費者提供更准確的時尚訊息，雙方都能享受「大數據」帶來的好處。分析師預估，網路商店為ZARA至少提升了10%營收。
此外，線上商店除了交易行為，也是活動產品上市前的營銷試金石。ZARA通常先在網路上舉辦消費者意見調查，再從網路回饋中，擷取顧客意見，以此改善實際出貨的產品。
ZARA將網路上的海量資料看作實體店面的前測指標。因為會在網路上搜尋時尚資訊的人，對服飾的喜好、資訊的掌握，催生潮流的能力，比一般大眾更前衛。再者，會在網路上搶先得知ZARA資訊的消費者，進實體店面消費的比率也很高。
這些顧客資料，除了應用在生產端，同時被整個ZARA所屬的英德斯（Inditex）集團各部門運用：包含客服中心、行銷部、設計團隊、生產線和通路等。根據這些巨量資料，形成各部門的KPI，完成ZARA內部的垂直整合主軸。
ZARA推行的海量資料整合，後來被ZARA所屬英德斯集團底下八個品牌學習應用。可以預見未來的時尚圈，除了檯面上的設計能力，檯面下的資訊/數據大戰，將是更重要的隱形戰場。
（3）對數據快速處理、修正、執行
H&M一直想跟上ZARA的腳步，積極利用「大數據」改善產品流程，成效卻不彰，兩者差距愈拉愈大，這是為什麼？
主要的原因是，「大數據」最重要功能是縮短生產時間，讓生產端依照顧客意見，能於第一時間迅速修正。但是，H&M內部的管理流程，卻無法支撐「大數據」供應的龐大資訊。H&M的供應鏈中，從打版到出貨，需要三個月左右，完全不能與ZARA兩周的時間相比。
因為H&M不像ZARA，後者設計生產近半維持在西班牙國內，而H&M產地分散到亞洲、中南美洲各地。跨國溝通的時間，拉長了生產的時間成本。如此一來，「大數據」即使當天反映了各區顧客意見，無法立即改善，資訊和生產分離的結果，讓H&M內部的「大數據」系統功效受到限制。
「大數據」運營要成功的關鍵，是資訊系統要能與決策流程緊密結合，迅速對消費者的需求作出回應、修正，並且立刻執行決策。
3、亞馬遜
此前亞馬遜並未大張旗鼓推展廣告業務，直至2012年年底，有報道指出，亞馬遜即將推出實時廣告交易平台，從而向Facebook和谷歌發起挑戰。這個實時廣告交易平台又稱「需求方平台」（Demand Side Platform，DSP），可以讓廣告與目標消費者相遇。廣告商可以在「需求方平台」上競標網站的閑置廣告空間，而競標標的包括廣告版位，以及符合特定條件的消費者。
亞馬遜開發的「需求方平台」可以「協助廣告商接觸網路上的眾多用戶，同時也幫助客戶迅速找到想購買產品的相關資訊」，「需求方平台」概念雖非亞馬遜首創，但以豐富資料為後盾。
亞馬遜與廣告商分享的資訊有兩類，一是依用戶網路行為所做的通用分類，例如熱衷時尚、喜愛電子產品、身份為母親、愛喝咖啡等，二是用戶的商品搜尋記錄。至於消費者的實際購物資料，亞馬遜似乎尚未列入分享。廣告商即使無法得知實際消費記錄，能了解潛在顧客的商品搜尋記錄；亞馬遜如果全力進軍網路廣告市場，仍可能大大改變產業生態。
亞馬遜2012年的廣告收入約為5億美元， 2013年的廣告收入將達10億美元。這會成為亞馬遜未來幾年內營收增長的新動力，更重要的是，它可能是亞馬遜各項業務中利潤率最高的業務之一。
4、沃爾瑪
2011年，沃爾瑪電子商務的營收僅是亞馬遜的五分之一，且差距年年擴大，讓沃爾瑪不得不設法奮起直追，找出各種提升數字營收的模式。最終，沃爾瑪選擇在社交網站的移動商務上放手一搏，讓更大量、迅速的資訊，進入沃爾瑪內部銷售決策。沃爾瑪的每張購買建議清單，都是大量資料運算而出的結果。
2011年4月，沃爾瑪以3億美元高價收購了一家專長分類社群網站Kosmix。Kosmix不僅能收集、分析網路上的海量資料（大數據）給企業，還能將這些資訊個人化，提供采購建議給終端消費者（若不是追蹤結帳資料，這些細微的消費者習慣，很難從賣場巡邏中發現）。這意味著，沃爾瑪使用的「大數據」模式，已經從「挖掘」顧客需求進展到要能夠「創造」消費需求。
沃爾瑪本身就是一個海量資料系統，適用各種商業上的分析行為，它的綜合功能，作為世界最大的零售業（專題閱讀）巨人，沃爾瑪在全球超過200萬名員工，總共有110個超大型配送中心，每天處理的資料量超過10億筆。由於資料量過於龐大，沃爾瑪的「大數據」系統最重要的任務，就是在做出每一筆決定前，將執行成本降到最低，並且創造新的消費機會。
Kosmix為沃爾瑪打造的「大數據」系統稱做「社交基因組（Social Genome）」，連結到Twitter、Facebook等社交媒體。工程師從每天熱門消息中，推出與社會時事呼應的商品，創造消費需求。分類范圍包含消費者、新聞事件、產品、地區、組織和新聞議題等。同時，針對社交網路快消息流的性質，沃爾瑪內部的「大數據」實驗室專門發展出一套追蹤系統，結合手機上網，專門管理追蹤龐大的社交動態，每天能處理的資訊量超過10億筆。
「社交基因組」的應用方式五花八門。舉例來說，沃爾瑪實驗室內部軟體能從Foursquare平台上的打卡記錄，分析出在黑色星期五，不同地區消費者最常購買的品項，然後，針對不同地區送出購買建議。
以上是小編為大家分享的關於大數據如何與零售業結合 在實戰中應用的相關內容，更多信息可以關注環球青藤分享更多干貨
Ⅶ 零售行業大數據技術如何應用
1、實時進行管理交付
作為零售商，開展業務和獲利的關鍵要素是盡快收到貨物，並確保貨物也能迅速交付給商店或客戶。大數據通過使零售商能夠實時管理交付而提供幫助，這是零售供應鏈管理的關鍵。零售商可了解交通和天氣狀況最新信息，以及正在運輸的貨物所在的位置。
2、揀選更好的時間
許多零售商的另一個重要組成部分是揀選和包裝訂單。這是一個傳統的勞動密集型流程，在以往，只有大型零售商才能通過自動化揀選機器人或組織大量員工來加快揀選速度。如今採用大數據，即使是小型零售商也可以改進其流程，並在更好的揀選時間進行揀選。
3、將供應鏈細分
消費者比以往任何時候都期待獲得更加個性化的購物體驗和客戶服務。零售商可以通過數據對供應鏈進行細分，更好地迎合不同的目標市場，提高轉化率。通過記錄數據分析告訴零售商在不同渠道(例如，網路、移動和社交)與購物者的互動，從而使其向購物者提供個性化服務。
4、供應商管理常改善
零售商可能與供應鏈中的多家公司合作。可能會有直運供應商、物流供應商、包裝供應商和其他供應商，他們需要組織、管理和審查。反過來，試圖提高盈利能力和可靠性也可能是一項挑戰。大數據技術可以提供幫助。