麥當勞選址如何運用大數據

㈠ 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

㈡ 大數據選址是如何實現的

大數據選址為零售業創業者獲得了深刻、全面的洞察能力，並提供了前所未有的空間與潛力。
何為大數據選址？
大數據時代下的精準選址是指通過大數據進行整合分析，獲取用戶的喜好和行為需求，對商圈消費群體的購買力進行分析，找出適合店面的絕佳位置。
大數據精準選址的核心可以概括為幾大關鍵詞：用戶、需求、峰值以及熱力分布。
以往的店面選址方式，是先根據當地的城市，對城市商圈、人口流動量、周圍的小區、以及實際住戶量等等， 做出詳細的對比和考察。然後再通過自身的經濟情況，選出一個自己能夠承擔得了，且地段好的店面位置。
而大數據選址，則為店面選址制定了更加詳細周密的計劃，將選址細化為兩個流程。
第一步先鎖定商圈，選址系統內有著全國熱力值分布的整合數據，系統根據加盟商提供的區域，根據外賣峰值的數據進行按比例分成，通過區域內外賣的需求量鎖定商圈。
根據外賣峰值鎖定商圈是有一定的科學依據，據研究發現，人們在追求高效率的生活中，存在一個就近原則。在食客選擇外賣的時候，無論是在配送時間或者是距離，都是優先考慮到的問題。
外賣峰值高的商圈有著大量的消費群體，也就蘊含著巨大的商機，而用外賣反襯堂食，在日常營業中有效的引流，更能刺激消費。
在鎖定好商圈以後，第二步就是確定店面的位置了，營運師傅會親自上門進行考察，對鎖定的商圈進行分析。
根據不同項目所針對的消費群體以及加盟商自身的經濟狀況，選出一個客流量旺盛且地段好的店面位置。
開啟餐飲作為最早一批大數據選址系統的嘗試者，在8月份正式全面上線，上線一月之內就受到其合作商的一致好評，幫助了加盟商快速精確地確定店面，縮短了開業前的准備時間。實踐證明，大數據選址系統確確實實存在著優越性！
大數據選址系統之所以受到合作商的關注，是因為他們深知選址的重要性。對開店創業者來說，選址關系著店鋪的發展前途，關系著店鋪經營目標的實現，關系著市場的火爆程度，還關系著顧客需求的滿足。可以說，做好了選址，開店創業就成功了一半。
阿拉丁智店「慧選址」在國內獨家實現了店鋪選址相關所有權威數據源的集成和整合。
數據方面，基於三大運營商15億去標識化的手機信令數據、BAT網民上網和搜索特徵數據、全國銀行卡消費數據，以及全國寫字樓數據、小區數據和全量POI數據，阿拉丁智店「慧選址」實現了任選地理區域全量用戶全時段、全方位覆蓋。通過3700個用戶標簽，可以精準篩選和鎖定目標客群。目前，我們日處理5480億條上網記錄信息、670億位置記錄信息，成功識別4200個手機品牌、20萬個互聯網產品、7000餘款APP、10.5萬個終端型號和4億個URL。
選址演算法和模型方面，我們通過核密度模型、空間插值模型、ODPA模型、力導向布局模型、商圈分析模型、價值因素模型等經典演算法和模型的開發，為零售企業的選址提供了智能化保障。
目前，阿拉丁智店已經為麥當勞、星巴克、工商銀行、武漢某知名連鎖超市、中國福彩、殘聯等上千家政府機構和企業提供了智能選址服務，取得了明顯收益和效果，受到客戶的高度評價。

㈢ 大數據將如何改造餐飲業

大數據將如何改造餐飲業_數據分析師考試

兩年前，用IPDA點餐對餐飲行業來說是一件新鮮事。但兩年後，這種新鮮也只是大巫見小巫了。最近麥當勞竟然在中國市場引入了自創漢堡的項目，給消費者提供24種食材，讓消費者在一個足有半平米的大PAD上自行搭配，然後刷卡支付。吃麥當勞叔叔的漢堡進入中國25年，還從來沒有像現在這么干過。

麥當勞也僅是一個案例而已。在移動互聯網、互聯網+等火爆概念之下，我們從來沒感覺到餐飲這樣一個熟悉的消費場景其實也是很「酷」很「爽」的。因為到餐廳吃飯以前只能銀聯刷卡，現在微信、支付寶等各種更便捷的支付已經逐步殺到。以前要出去吃飯，我們只能老老實實地到餐廳去，甚至繁忙時候還要排隊，但現在我們可以用手機輕松地叫個外賣，或者用手機提前訂好桌，順便把菜點好、把賬結好，到餐廳後菜已經滿滿地擺上桌。

餐飲行業數字化的改造已經普遍到來。但在這些數字化的體驗背後，還蘊藏著一個大大的空間--大數據的運用。

數據，已經滲透到現在每一個行業。企業對海量數據的挖掘和運用，預示著一個新的增長埠打開了。大數據究竟是什麼？以服裝行業為例，一家數十億規模的企業，其消費者起碼是百萬級的。如果能夠通過系統將這些消費者的數據一個個抓起來、並進行很好的分析，可以讓服裝企業很好地了解到不同區域的消費者的消費需求，從而讓企業能夠在生產上就能進行更有針對的研發，然而更精準地向市場投放個性化的產品，服務好消費者。

相對於服裝行業而言，即使同一個餐飲品牌不同門店的同一道菜或許都有口感的差異，因此餐飲並不是一個標准消費品。有人可能會懷疑，餐飲是隨意性消費很強的行業，大數據挖掘究竟能有多大意義？

我們不妨先從其他行業的發展軌跡倒推大數據在餐飲行業的用處。要搜集大數據，首先要生成顧客的賬戶信息。這個賬戶信息能記錄下客人對餐廳的出品和服務的評價；能記錄下消費者特殊的消費偏好、消費能力甚至消費者的等待時長、用餐時長等數據。這些數據在餐廳給客人做合理的食譜推薦時可提供依據。

具體而言，可能會觸及以下一些消費場景。比如一個餐廳推出牛肉新菜式，系統會自動將信息推送到有喜好牛肉的消費者的手機中。再比如餐廳發現其某款菜式特別熱銷，想開發成工業化產品進入家庭，那麼系統能精準地找到喜歡這道菜的消費者作意見反饋和消費測試，甚至這批消費者很可能就是這款新品未來的首批種子用戶。

總之，大數據在餐飲行業應用的意義在於為餐飲企業節省成本、增強管理、提升客源和業績、提升消費者的服務體驗。

不過有一點值得關注。所謂大數據，現在對於餐飲行業而言僅是小荷才露尖尖角。現在不少餐飲企業已經從會員管理系統搜集數據，但搜集信息只是第一步，後面還有大量的數據分析工作。而這一塊，大部分餐飲企業並不懂如何做。另外，要讓這些數據真正發揮功效，需要一個精細化運營的階段，這或許需要一個比較長的周期才能見效果。這一點，連麥當勞這樣成熟的餐飲連鎖也向筆者坦承，其目前對大數據的運用還只在起步階段。

不過我們也不妨大膽遙想一下。某天你下班路上飢腸轆轆，正准備打電話叫個香辣培根PIZZA外賣回家飽餐一頓，但餐廳的話務員可能告訴你：「女士，建議您點個其他PIZZA試試？因為後台監測到您前兩天喉嚨發炎去了趟醫院。」而如果你在猶豫究竟該點什麼PIZZA時，話務員可能又提醒你：「女士，您之前點過好幾次芝士PIZZA，您是要繼續點芝士PIZZA還是試試我們最近推的新口味？」當你下完訂單報上家庭住址後，話務員可能又會提醒你：「女士，根據您手機顯示的定位信息，您距離我們最近的門店大概300米，如果您選擇到門店自取，會比我們送餐提早半個小時吃到PIZZA哦。」

這種消費場景似乎有點「恐怖」，但未來也並非沒有可能。

以上是小編為大家分享的關於大數據將如何改造餐飲業的相關內容，更多信息可以關注環球青藤分享更多干貨

㈣ 大數據時代的提供依據

大數據是信息通信技術發展積累至今，按照自身技術發展邏輯，從提高生產效率向更高級智能階段的自然生長。無處不在的信息感知和採集終端為我們採集了海量的數據，而以雲計算為代表的計算技術的不斷進步，為我們提供了強大的計算能力，這就圍繞個人以及組織的行為構建起了一個與物質世界相平行的數字世界 。
大數據雖然孕育於信息通信技術的日漸普遍和成熟，但它對社會經濟生活產生的影響絕不限於技術層面，更本質上，它是為我們看待世界提供了一種全新的方法，即決策行為將日益基於數據分析做出，而不是像過去更多憑借經驗和直覺做出。
事實上，大數據的影響並不僅僅限於信息通信產業，而是正在「吞噬」和重構很多傳統行業，廣泛運用數據分析手段管理和優化運營的公司其實質都是一個數據公司。麥當勞、肯德基以及蘋果公司等旗艦專賣店的位置都是建立在數據分析基礎之上的精準選址。而在零售業中，數據分析的技術與手段更是得到廣泛的應用，傳統企業如沃爾瑪通過數據挖掘重塑並優化供應鏈，新崛起的電商如卓越亞馬遜、淘寶等則通過對海量數據的掌握和分析，為用戶提供更加專業化和個性化的服務。
最讓人吃驚的例子是，社交媒體監測平台DataSift監測了Facebook（臉譜） IPO當天Twitter上的情感傾向與Facebook股價波動的關聯。在Facebook開盤前Twitter上的情感逐漸轉向負面，25分鍾之後Facebook的股價便開始下跌。而當Twitter上的情感轉向正面時，Facebook股價在8分鍾之後也開始了回彈。最終當股市接近收盤、Twitter上的情感轉向負面時，10分鍾後Facebook的股價又開始下跌。最終的結論是：Twitter上每一次情感傾向的轉向都會影響Facebook股價的波動。
這僅僅只是基於社交網路產生的大數據「預見未來」的眾多案例之一，此外還有谷歌通過網民搜索行為預測流感爆發等例子。不僅在商業方面，大數據在社會建設方面的作為同樣令人驚嘆，智能電網、智慧交通、智慧醫療、智慧環保、智慧城市等的蓬勃興起，都與大數據技術與應用的發展息息相關。
「大數據」可能帶來的巨大價值正漸漸被人們認可，它通過技術的創新與發展，以及數據的全面感知、收集、分析、共享，為人們提供了一種全新的看待世界的方法。更多地基於事實與數據做出決策，這樣的思維方式，可以預見，將推動一些習慣於靠「差不多」運行的社會發生巨大變革。

㈤ 想開個餐飲店找門面選址。找的有點迷茫了。感覺總是找不到合適的門面咋么辦

開過餐飲店的人都知道，餐飲選址是一件耗時、耗力的苦差事。好的店鋪位置對於餐飲店來說至關重要，那麼，到底怎樣將心儀的門店選出來?有哪些工具可以協助我們選址呢?

微信搜索「開店選址評估經理」小程序，藉助選址小程序分析，好用而且不收費！

掃描進入小程序，填寫相關信息：開店位置，店鋪類型，商圈范圍，點擊開始選址評估。

餐飲選址的方法和途徑有很多，但是目前大家常用的還是人工選址和藉助互聯網工具選址。另外，通過確定參照標准選址，通過中介或找店公司選址，以及動用其 他各種可動用資源都是很好的選址途徑。

當然，現在更多的餐飲企業在選址上都是利用大數據進行分析，從而確定最 佳的商 圈地段和人手的。但是無論用什麼方式選址，都要先有自己的規劃和定位，這樣才能有的放矢。

㈥ 淺談基於大數據時代的機遇與挑戰論文

淺談基於大數據時代的機遇與挑戰論文推薦

在學習和工作中，大家總少不了接觸論文吧，論文的類型很多，包括學年論文、畢業論文、學位論文、科技論文、成果論文等。為了讓您在寫論文時更加簡單方便，以下是我精心整理的淺談基於大數據時代的機遇與挑戰論文，僅供參考，希望能夠幫助到大家。

淺談基於大數據時代的機遇與挑戰論文

1、大數據的基本概況

大數據(Big Data)是指那些超過傳統資料庫系統處理能力的數據，其具有以下四個基本特性，即海量性、多樣性、易變性、高速性。同時數據類型繁多、數據價值密度相對較低、處理速度快、時效性要求高等也是其主要特徵。

2、大數據的時代影響

大數據，對經濟、政治、文化等方面都具有較為深遠的影響，其可幫助人們進行量化管理，更具科學性和針對性，得數據者得天下。大數據對於時代的影響主要包括以下幾個方面：

(1)「大數據決策」更加科學有效。如果人們以大數據分析作為基礎進行決策，可全面獲取相關決策信息，讓數據主導決策，這種方法必將促進決策方式的創新和改變，徹底改變傳統的決策方式，提高決策的科學性，並推動信息管理准則的重新定位。2009 年爆發的甲型H1N1 流感就是利用大數據的一個成功範例，谷歌公司通過分析網上搜索的大量記錄，判斷流感的傳播源地，公共衛生機構官員通過這些有價值的數據信息採取了有針對性的行動決策。

(2)「大數據應用」促進行業融合。雖然大數據源於通信產業，但其影響絕不局限於通信產業，勢必也將對其他產生較為深遠的影響。目前，大數據正逐漸廣泛應用於各個行業和領域，越來越多的企業開始以數據分析為輔助手段加強公司的日常管理和運營管理，如麥當勞、肯德基、蘋果公司等旗艦專賣店的位置都是基於大數據分析完成選址的，另外數據分析技術在零售業也應用越來越廣泛。

(3)「大數據開發」推動技術變革。大數據的應用需求，是大數據新技術開發的源泉。相信隨著時代的不斷發展，計算機系統的數據分析和數據挖掘功能將逐漸取代以往單純依靠人們自身判斷力的領域應用。藉助這些創新型的大數據應用，數據的能量將會層層被放大。

另外，需要注意的是，大數據在個人隱私的方面，容易造成一些隱私泄漏。我們需要認真嚴肅的對待這個問題，綜合運用法律、宣傳、道德等手段，為保護個人隱私，做出更積極的努力。

3、大數據的應對策略

3.1 布局關鍵技術研發創新。

目前而言，大數據的技術門檻較高，在這一領域有競爭力的多為一些在數據存儲和分析等方面有優勢的信息技術企業。為促進產業升級，我們必須加強研究，重視研發和應用數據分析關鍵技術和新興技術，具體可從以下幾個方面入手：第一，夯實發展基礎，以大數據核心技術為著手點，加強人工智慧、機器學習、商業智能等領域的理論研究和技術研發，為大數據的應用奠定理論基礎。二是加快基礎技術(非結構化數據處理技術、可視化技術、非關系型資料庫管理技術等)的研發，並使其與物聯網、移動互聯網、雲計算等技術有機融合，為解決方案的制定打下堅實基礎。三是基於大數據應用，著重對知識計算( 搜索) 技術、知識庫技術、網頁搜索技術等核心技術進行研發，加強單項技術產品研發，並保證質量的提升，同時促使其與數據處理技術的有機結合，建立科學技術體系。

3.2 提高軟體產品發展水平。

一是促進以企業為主導的產學研合作，提高軟體發展水平。二是運用雲計算技術促進信息技術服務業的轉型和發展，促進中文知識庫、資料庫與規則庫的建設。三是採取鼓勵政策引導軟硬體企業和服務企業應用新型技術開展數據信息服務，提供具有行業特色的系統集成解決方案。四是以大型互聯網公司牽頭，並聚集中小互聯網信息服務提供商，對優勢資源進行系統整合，開拓與整合本土化信息服務。五是以數據處理軟體商牽頭，這些軟體商必須具備一定的基礎優勢，其可充分發揮各自的數據優勢和技術優勢，優勢互補，提高數據軟體開發水平，提高服務內容的精確性和科學性。同時提高大數據解決方案提供商的市場能力和集成水平，以保障其大數據為各行業領域提供較為成熟的解決方案。

3.3 加速推進大數據示範應用。

大數據時代，我們應積極推進大數據的示範應用，可從以下幾個方面進行實踐：第一，對於一些數據量大的領域(如金融、能源、流通、電信、醫療等領域)，應引導行業廠商積極參與，大力發展數據監測和分析、橫向擴展存儲、商業決策等軟硬體一體化的行業應用解決方案。第二，將大數據逐漸應用於智慧城市建設及個人生活和服務領域，促進數字內容加工處理軟體等服務發展水平的提高。第三，促進行業資料庫(特別是高科技領域)的深度開發，建議針對不同的行業領域建立不同的專題資料庫，以提供相應的內容增值服務，形成有特色化的服務。第四，以重點領域或重點企業為突破口，對企業數據進行相應分析、整理和清洗，逐漸減少和去除重復數據和噪音數據。

3.4 優化完善大數據發展環境。

信息安全問題是大數據應用面臨的主要問題，因此，我們應加強對基於大數據的情報收集分析工作信息保密問題的研究，制定有效的防範對策，加強信息安全管理。同時，為優化完善大數據發展環境，應採取各種鼓勵政策(如將具備一定能力企業的數據加工處理業務列入營業稅優惠政策享受范圍)支持數據加工處理企業的發展，促使其提高數據分析處理服務的水平和質量。三是夯實大數據的應用基礎，完善相關體制機制，以政府為切入點，推動信息資源的集中共享。

做到上面的幾點，當大數據時代來臨的時候，面臨大量數據將不是束手無策，而是成竹在胸，而從數據中得到的好處也將促進國家和企業的快速發展。

大數據為經營的橫向跨界、產業的越界混融、生產與消費的合一提供了有利條件，大數據必將在社會經濟、政治、文化等方面對人們生活產生巨大的影響，同時大數據時代對人類的數據駕馭能力也提出了新的挑戰與機遇。面對新的挑戰與發展機遇，我們應積極應對，以掌握未來大數據發展主動權。

結構

論文一般由名稱、作者、摘要、關鍵詞、正文、參考文獻和附錄等部分組成，其中部分組成（例如附錄）可有可無。

1、論文題目

要求准確、簡練、醒目、新穎。

2、目錄

目錄是論文中主要段落的'簡表。（短篇論文不必列目錄）

3、內容提要

是文章主要內容的摘錄，要求短、精、完整。

4、關鍵詞定義

關鍵詞是從論文的題名、提要和正文中選取出來的，是對表述論文的中心內容有實質意義的詞彙。關鍵詞是用作計算機系統標引論文內容特徵的詞語，便於信息系統匯集，以供讀者檢索。每篇論文一般選取3-8個詞彙作為關鍵詞，另起一行，排在「提要」的左下方。

主題詞是經過規范化的詞，在確定主題詞時，要對論文進行主題分析，依照標引和組配規則轉換成主題詞表中的規范詞語。（參見《漢語主題詞表》和《世界漢語主題詞表》）。

5、論文正文

（1）引言：引言又稱前言、序言和導言，用在論文的開頭。引言一般要概括地寫出作者意圖，說明選題的目的和意義, 並指出論文寫作的范圍。引言要短小精悍、緊扣主題。

（2）論文正文：正文是論文的主體，正文應包括論點、論據、論證過程和結論。主體部分包括以下內容：

a.提出問題-論點；

b.分析問題-論據和論證；

c.解決問題-論證方法與步驟；

d.結論。

6、參考文獻

一篇論文的參考文獻是將論文在研究和寫作中可參考或引證的主要文獻資料，列於論文的末尾。參考文獻應另起一頁，標注方式按進行。

7、論文裝訂

論文的有關部分全部抄清完了，經過檢查，再沒有什麼問題，把它裝成冊，再加上封面。論文的封面要樸素大方，要寫出論文的題目、學校、科系、指導教師姓名、作者姓名、完成年月日。論文的題目的作者姓名一定要寫在表皮上，不要寫裡面的補頁上。

㈦ 大數據技術及應用

大數據技術及應用
半個世紀以來，隨著計算機技術全面融入社會生活，信息爆炸已經積累到了一個開始引發變革的程度。21世紀是數據信息大發展的時代，移動互聯、社交網路、電子商務等極大拓展了互聯網的邊界和應用范圍，各種數據正在迅速膨脹並變大。互聯網（社交、搜索、電商）、移動互聯網（微博）、物聯網（感測器，智慧地球）、車聯網、GPS、醫學影像、安全監控、金融（銀行、股市、保險）、電信（通話、簡訊）都在瘋狂產生著數據。2011年5 月，在「雲計算相遇大數據」 為主題的EMC World 2011 會議中，EMC 拋出了Big Data概念。正如《紐約時報》2012年2月的一篇專欄中所稱，「大數據」時代已經降臨，在商業、經濟及其他領域中，決策將日益基於數據和分析而作出，而並非基於經驗和直覺。哈佛大學社會學教授加里？金說：「這是一場革命，龐大的數據資源使得各個領域開始了量化進程，無論學術界、商界還是政府，所有領域都將開始這種進程。」
二、什麼是大數據
大數據（Big Data）是指那些超過傳統資料庫系統處理能力的數據。它的數據規模和轉輸速度要求很高，或者其結構不適合原本的資料庫系統。為了獲取大數據中的價值，我們必須選擇另一種方式來處理它。數據中隱藏著有價值的模式和信息，在以往需要相當的時間和成本才能提取這些信息。如沃爾瑪或谷歌這類領先企業都要付高昂的代價才能從大數據中挖掘信息。而當今的各種資源，如硬體、雲架構和開源軟體使得大數據的處理更為方便和廉價。即使是在車庫中創業的公司也可以用較低的價格租用雲服務時間了。對於企業組織來講，大數據的價值體現在兩個方面：分析使用和二次開發。對大數據進行分析能揭示隱藏其中的信息。例如零售業中對門店銷售、地理和社會信息的分析能提升對客戶的理解。對大數據的二次開發則是那些成功的網路公司的長項。例如Facebook通過結合大量用戶信息，定製出高度個性化的用戶體驗，並創造出一種新的廣告模式。這種通過大數據創造出新產品和服務的商業行為並非巧合，谷歌、雅虎、亞馬遜和Facebook它們都是大數據時代的創新者。
（一）大數據的4V特徵
大量化（Volume）：企業面臨著數據量的大規模增長。例如，IDC最近的報告預測稱，到2020年，全球數據量將擴大50倍。目前，大數據的規模尚是一個不斷變化的指標，單一數據集的規模範圍從幾十TB到數PB不等。簡而言之，存儲1PB數據將需要兩萬台配備50GB硬碟的個人電腦。此外，各種意想不到的來源都能產生數據。
多樣化（Variety）：一個普遍觀點認為，人們使用互聯網搜索是形成數據多樣性的主要原因，這一看法部分正確。然而，數據多樣性的增加主要是由於新型多結構數據，以及包括網路日誌、社交媒體、互聯網搜索、手機通話記錄及感測器網路等數據類型造成。其中，部分感測器安裝在火車、汽車和飛機上，每個感測器都增加了數據的多樣性。
快速化（Velocity）：高速描述的是數據被創建和移動的速度。在高速網路時代，通過基於實現軟體性能優化的高速電腦處理器和伺服器，創建實時數據流已成為流行趨勢。企業不僅需要了解如何快速創建數據，還必須知道如何快速處理、分析並返回給用戶，以滿足他們的實時需求。根據IMS Research關於數據創建速度的調查，據預測，到2020年全球將擁有220億部互聯網連接設備。
價值（Value）：大量的不相關信息，浪里淘沙卻又彌足珍貴。對未來趨勢與模式的可預測分析，深度復雜分析（機器學習、人工智慧Vs傳統商務智能（咨詢、報告等）
三、大數據時代對生活、工作的影響
大數據，其影響除了經濟方面的，它同時也能在政治、文化等方面產生深遠的影響，大數據可以幫助人們開啟循「數」管理的模式，也是我們當下「大社會」的集中體現，三分技術，七分數據，得數據者得天下。
「大數據」的影響，增加了對信息管理專家的需求。事實上，大數據的影響並不僅僅限於信息通信產業，而是正在「吞噬」和重構很多傳統行業，廣泛運用數據分析手段管理和優化運營的公司其實質都是一個數據公司。麥當勞、肯德基以及蘋果公司等旗艦專賣店的位置都是建立在數據分析基礎之上的精準選址。而在零售業中，數據分析的技術與手段更是得到廣泛的應用，傳統企業如沃爾瑪通過數據挖掘重塑並優化供應鏈，新崛起的電商如卓越亞馬遜、淘寶等則通過對海量數據的掌握和分析，為用戶提供更加專業化和個性化的服務。
大數據在個人隱私的方面，大量數據經常含有一些詳細的潛在的能夠展示有關我們的信息，逐漸引起了我們對個人隱私的擔憂。一些處理大數據公司需要認真的對待這個問題。例如美國天睿資訊給人留下比較深刻印象的是他的一個科學家提出，我們不應該簡單地服從法律方面的隱私保護問題，這些遠遠不夠的，公司都應該遵從谷歌不作惡的原則，甚至更應該做出更積極的努力。
四、大數據時代的發展方向、趨勢
根據ESM國際電子商情針對2013年大數據應用現狀和趨勢的調查顯示：被調查者最關注的大數據技術中，排在前五位的分別是大數據分析（12.91%）、雲資料庫（11.82%）、Hadoop（11.73%）、內存資料庫（11.64%）以及數據安全（9.21%）。Hadoop已不再是人們心目中僅有的大數據技術，而大數據分析成為最被關注的技術。從中可以看出，人們對大數據的了解已經逐漸深入，關注的技術點也越來越多。既然大數據分析是最被關注的技術趨勢，那麼大數據分析中的哪項功能是最重要的呢？從下圖可以看出，排在前三位的功能分別是實時分析（21.32%）、豐富的挖掘模型（17.97%）和可視化界面（15.91%）。2012年也曾做過類似的調查，當時選擇豐富的挖掘模型（27.22%）比實時分析（19.88%）多7.34%。短短一年時間內，企業對實時分析的需求激增，成就了很多以實時分析為創新技術的大數據廠商。從調查結果可以看出：企業在未來一兩年中有迫切部署大數據的需求，並且已經從一開始的基礎設施建設，逐漸發展為對大數據分析和整體大數據解決方案的需求。與此同時，大數據還面臨人才的缺乏的挑戰，需要企業和高校聯合起來，培養數據領域的復合型人才，幫助企業打贏這場「數據戰」。
五、大數據的應用
（一）行業拓展者，打造大數據行業基石
IBM：IBM大數據提供的服務包括數據分析，文本分析，藍色雲杉（混搭供電合作的網路平台）；業務事件處理；IBM Mashup Center的計量，監測，和商業化服務（MMMS）。 IBM的大數據產品組合中的最新系列產品的InfoSphere bigInsights，基於Apache Hadoop。
該產品組合包括：打包的Apache Hadoop的軟體和服務，代號是bigInsights核心，用於開始大數據分析。軟體被稱為bigsheet，軟體目的是幫助從大量數據中輕松、簡單、直觀的提取、批註相關信息為金融，風險管理，媒體和娛樂等行業量身定做的行業解決方案。
微軟：2011年1月與惠普（具體而言是HP資料庫綜合應用部門） 合作目標是開發了一系列能夠提升生產力和提高決策速度的設備。
EMC：EMC 斬獲了紐交所和Nasdaq；大數據解決方案已包括40多個產品。
Oracle：Oracle大數據機與Oracle Exalogic中間件雲伺服器、Oracle Exadata資料庫雲伺服器以及Oracle Exalytics商務智能雲伺服器一起組成了甲骨文最廣泛、高度集成化系統產品組合。
（二）大數據促進了政府職能變革
重視應用大數據技術，盤活各地雲計算中心資產：把原來大規模投資產業園、物聯網產業園從政績工程，改造成智慧工程；在安防領域，應用大數據技術，提高應急處置能力和安全防範能力；在民生領域，應用大數據技術，提升服務能力和運作效率，以及個性化的服務，比如醫療、衛生、教育等部門；解決在金融，電信領域等中數據分析的問題：一直得到得極大的重視，但受困於存儲能力和計算能力的限制，只局限在交易數型數據的統計分析。一方面大數據的應用促進了政府職能變革，另一方面政府投入將形成示範效應，大大推動大數據的發展。
（三）打造「智慧城市」
美國奧巴馬政府在白宮網站發布《大數據研究和發展倡議》，提出「通過收集、處理龐大而復雜的數據信息，從中獲得知識和洞見，提升能力，加快科學、工程領域的創新步伐，強化美國國土安全，轉變教育和學習模式」 ；中國工程院院士鄔賀銓說道，「智慧城市是使用智能計算技術使得城市的關鍵基礎設施的組成和服務更智能、互聯和有效，隨著智慧城市的建設，社會將步入「大數據」時代。」
（四）未來，改變一切
未來，企業會依靠洞悉數據中的信息更加了解自己，也更加了解客戶。
數據的再利用：由於在信息價值鏈中的特殊位置，有些公司可能會收集到大量的數據，但他們並不急需使用也不擅長再次利用這些數據。例如，行動電話運營商手機用戶的位置信息來傳輸電話信號，這對以他們來說，數據只有狹窄的技術用途。但當它被一些發布個性化位置廣告服務和促銷活動的公司再次利用時，則變得更有價值。
六、機遇和挑戰
大數據賦予了我們洞察未來的能力，但同時諸多領域的問題亟待解決，最重要的是每個人的信息都被互聯網所記錄和保留了下來，並且進行加工和利用，為人所用，而這正是我們所擔憂的信息安全隱患！更多的隱私、安全性問題：我們的隱私被二次利用了。多少密碼和賬號是因為「社交網路」流出去的？
眼下中國互聯網熱門的話題之一就是互聯網實名制問題，我願意相信這是個好事。畢竟我們如果明著亮出自己的身份，互聯網才能對我們的隱私給予更好保護