大数据实现对超市的

1. 未来零售商如何通过大数据圈住消费者

未来零售商如何通过大数据圈住消费者

现在的零售商都知道大数据对于他们商业运作的意义，例如可以分析消费者的大数据为他们量身定制服务，满足他们个性化需求。想象一下，当一位顾客踏进百货店大门的一刻起，你就知道他/她的名字、身高、在店内及网上的支付记录，甚至是他对生活、宇宙及一切事物的看法等等都了如指掌，那对于他接下来会对门店内什么商品感兴趣，会心甘情愿的为什么而掏腰包还会感到茫然吗？

数据分析对于消费者而言可能是“侵犯隐私”，但从商家角度来看，每个消费者都会享受到“名人”般的个性化定制服务待遇。消费者对于数据隐私问题的看法会直接影响零售业的未来，因为科技发展太快，而实时的大数据驱动着整个购物方式、零售业未来发展方向的变革。

关联性促销

自隶属于Tesco的Dunnhumby于1994年起帮助该超市设立会员忠诚卡项目以来，美国的消费者已经对零售商收集他们的消费数据习以为常。

超市除了利用消费者行为产生的大数据之外，现在还在其数据库中加入了历史季节性销售额、气候等数据，为其要在门店准备多少的“烤肉”、“啤酒”、或者“雨伞”作为参考值。

除了来自于用户实际在门店中产生的交易数据之外，超市还捕捉来自于社交媒体上的有用信息，包括用户定位显示的所在位置、发布的内容等等。

而有能力实时分析这些数据给了零售商一个前所未有的发展机会，无论何时何地，线上线下都可以为他们的消费者度身定制服务。

数据的分析及掌控对于门店的销售有举足轻重的影响力，除了顾客消费实力之外，天气因素也不可小视，举个例子，郊游季的周末气象预测会下雨，零售商可以在店铺首要位置将啤酒和雨具临近摆放做关联性促销。

“假如你知道你的顾客想要购买什么，而你的门店仓库有什么相关的库存，这样就能专门为他们做最适合的推荐，当然这要求商家‘及时’”来自于SAP大数据分析的Klaus Boeckle说道，“目前已经这么做的公司包括百安居和亚马逊。”

更深入的为顾客定制

门店的店员可以在便携式设备上查询这样的消费者大数据，他们可以轻松的检索消费者个人档案，并从其最近的社交媒体信息中了解该顾客的近况，例如，他是准备好好过个假期还是为寻找一件适合她的晚礼服而烦恼着。

然后，店员就能相应的推荐该顾客购买他们需要的产品，因为作为零售商的我们已经了解了他的需求，以及他购买商品的记录。

苹果对应的iBeacon技术——店内蓝牙位置跟踪被设计成可以与智能手机互动的应用，当消费者踏入百货店的那一刻起，零售商和应用程序开发方就能立马确认其身份。 然后那些相关的特别推荐的产品将被推送到该顾客的智能手机里，至于推送哪些商品还取决于该顾客所处百货店内的具体楼层及位置。

基于实时销售情况，Lush店的店员可以随时改变其卖场的布局

作出以上各种“个性化”定制的前提，首先要征得消费者的许可，同意商家、应用开发者获取他们的隐私数据。其实商家也只想将这些数据转化为更好的服务。

化妆品零售商Lush拥有大数据分析设备，供店员在门店内及仓库里使用，这样他们就能实时掌控销售情况。

这种做法可以刺激门店员工在销售业绩层面的互相竞争，从而达到最佳的工作状态，还能为消费者带来不一样的购物体验。

比如，当店员发现门店内的沐浴球和另外一款洗发露被消费者联同购买的次数比较多时，他们就可以自主改变这两样产品的陈列位置，将其就近摆放。

数据越多越好，越细越好

这种根据数据向消费者有正对性的推荐产品方式在网络零售商那里应用的相当普遍，且发展势头还在不断增长。

亚马逊全球的用户已经达到约2.4忆，年收入近750亿美元，他们已经实现了跟踪捕捉用户的信息，根据不同的数据分析结果调整其服务。事实上早在2004年时期的亚马逊数据收集、分析能力就超过了当前大多数零售商了。

当前，多数网络零售商都可以根据用户的搜索、浏览记录推送相应的产品至其预留的email中。

亚马逊的首席技术官Werner Vogels,告诉BBC称：“数据永远不嫌多，而且越细越好，只有获得一定量的数据才能对分析结果进行细致的划分。”

随着云计算和实时数据处理的崛起，让零售商们能更精准的锁定目标顾客，给他们推荐更适合他们需求的商品。

亚马逊网站内的“推荐购买”就是根据顾客之前的购买行为、评级作为依据，因为机器运算，总不能做到完美，但其运算的结果随着技术的升级也不断革新。

例如，消费者可能想购买一个水壶，亚马逊会根据其之前在网站购买过的厨具信息，推荐其一款最符合其心意的水壶。

传统零售商的反击战

传统零售商们高举大数据“武器”准备对亚马逊开展猛烈的反击。

玛莎百货，Boots, John Lewis, Argos, Dixons 及 Ann Summers都是RichRelevance的客户，RichRelevance利用从零售商那里收集来的大量数据为实体零售店提供个性化购物体验。

当零售商知道自己的顾客更青睐哪些品牌时，他就会向自己的顾客推送不同的商品和促销内容。Apache Hadoop根据顾客以往和当前的购物习惯，运用125种不同的运算，预测顾客在什么时间会购买哪些产品，且运算的时间仅仅只需20毫秒。

通过帮助消费者找到与他们最相关的产品的方法，零售商的销售额平均提高3％—10％。

最终的结果是，不管消费者喜不喜欢，个性化零售已经成为不可阻挡的发展趋势了。

以上是小编为大家分享的关于未来零售商如何通过大数据圈住消费者的相关内容，更多信息可以关注环球青藤分享更多干货

2. 大数据给零售行业带来的商业价值

大数据给零售行业带来的商业价值

在大数据推动的商业革命暗涌中，要么学会使用大数据的杠杆创造商业价值，要么被大数据驱动的新生代商业格局淘汰。

最早关于大数据的故事发生在美国第二大的超市塔吉特百货(Target)。孕妇对于零售商来说是个含金量很高的顾客群体。但是他们一般会去专门的孕妇商店而不是在Target购买孕期用品。人们一提起Target，往往想到的都是清洁用品、袜子和手纸之类的日常生活用品，却忽视了Target有孕妇需要的一切。那么Target有什么办法可以把这部分细分顾客从孕妇产品专卖店的手里截留下来呢?

为此，Target的市场营销人员求助于Target的顾客数据分析部(Guest Data & Analytical Services)的高级经理Andrew Pole，要求他建立一个模型，在孕妇第2个妊娠期就把她们给确认出来。在美国出生记录是公开的，等孩子出生了，新生儿母亲就会被铺天盖地的产品优惠广告包围，那时候Target再行动就晚了，因此必须赶在孕妇第2个妊娠期行动起来。如果Target能够赶在所有零售商之前知道哪位顾客怀孕了，市场营销部门就可以早早的给他们发出量身定制的孕妇优惠广告，早早圈定宝贵的顾客资源。

可是怀孕是很私密的信息，如何能够准确地判断哪位顾客怀孕了呢?Andrew Pole想到了Target有一个迎婴聚会(baby shower)的登记表。Andrew Pole开始对这些登记表里的顾客的消费数据进行建模分析，不久就发现了许多非常有用的数据模式。比如模型发现，许多孕妇在第2个妊娠期的开始会买许多大包装的无香味护手霜;在怀孕的最初20周大量购买补充钙、镁、锌的善存片之类的保健品。最后Andrew Pole选出了25种典型商品的消费数据构建了“怀孕预测指数”，通过这个指数，Target能够在很小的误差范围内预测到顾客的怀孕情况，因此Target就能早早地把孕妇优惠广告寄发给顾客。

那么，顾客收到这样的广告会不会吓坏了呢?Target很聪明地避免了这种情况，它把孕妇用品的优惠广告夹杂在其他一大堆与怀孕不相关的商品优惠广告当中，这样顾客就不知道Target知道她怀孕了。百密一疏的是，Target的这种优惠广告间接地令一个蒙在鼓里的父亲意外发现他高中生的女儿怀孕了，此事甚至被《纽约时报》报道了，结果Target大数据的巨大威力轰动了全美。

根据Andrew Pole的大数据模型,Target制订了全新的广告营销方案，结果Target的孕期用品销售呈现了爆炸性的增长。Andrew Pole的大数据分析技术从孕妇这个细分顾客群开始向其他各种细分客户群推广，从Andrew Pole加入Target的2002年到2010年间，Target的销售额从440亿美元增长到了670亿美元。

我们可以想象的是，许多孕妇在浑然不觉的情况下成了Target常年的忠实拥泵，许多孕妇产品专卖店也在浑然不知的情况下破产。浑然不觉的背景里，大数据正在推动一股强劲的商业革命暗涌，商家们早晚要面对的一个问题就是：究竟是在浑然不觉中崛起，还是在浑然不觉中灭亡。

大数据是谁?

大数据炙手可热，但是能说清楚大数据是什么的人却不多。要真正弄明白什么是大数据，我们首先得看看Target是怎么收集大数据的。

只要有可能，Target的大数据系统会给每一个顾客编一个ID号。你刷信用卡、使用优惠券、填写调查问卷、邮寄退货单、打客服电话、开启广告邮件、访问官网，所有这一切行为都会记录进你的ID号。

而且这个ID号还会对号入座的记录下你的人口统计信息：年龄、是否已婚、是否有子女、所住市区、住址离Target的车程、薪水情况、最近是否搬过家、钱包里的信用卡情况、常访问的网址等等。Target还可以从其他相关机构那里购买你的其他信息：种族、就业史、喜欢读的杂志、破产记录、婚姻史、购房记录、求学记录、阅读习惯等等。乍一看，你会觉得这些数据毫无意义，但在Andrew Pole和顾客数据分析部的手里，这些看似无用的数据便爆发了前述强劲的威力。

在商业领域，大数据就是像Target那样收集起来的关于消费者行为的海量相关数据。这些数据超越了传统的存储方式和数据库管理工具的功能范围，必须用到大数据存储、搜索、分析和可视化技术(比如云计算)才能挖掘出巨大商业价值。

大数据的商业价值

大数据这么火，因此很多人就跟起风来，言必称大数据，可是很多人不但没搞明白大数据是什么的问题，也不知道大数据究竟能往哪些方面挖掘出巨大的商业价值。这样瞎子摸象般的跟风注定了是要以惨败告终的，就像以前一窝蜂地追逐社交网络和团购一样。那么大数据究竟能往哪些方面挖掘出巨大的商业价值呢?根据IDC和麦肯锡的大数据研究结果的总结，大数据主要能在以下4个方面挖掘出巨大的商业价值：对顾客群体细分，然后对每个群体量体裁衣般的采取独特的行动;运用大数据模拟实境，发掘新的需求和提高投入的回报率;提高大数据成果在各相关部门的分享程度，提高整个管理链条和产业链条的投入回报率;进行商业模式、产品和服务的创新。笔者把他们简称为大数据的4个商业价值杠杆。企业在大踏步向大数据领域投入之前，必须清楚地分析企业自身这4个杠杆的实际情况和强弱程度。

1、对顾客群体细分，然后对每个群体量体裁衣般的采取独特的行动。本文开头Target的故事就是这个杠杆的案例，瞄准特定的顾客群体来进行营销和服务是商家一直以来的追求。云存储的海量数据和大数据的分析技术使得对消费者的实时和极端的细分有了成本效率极高的可能。比如在大数据时代之前，要搞清楚海量顾客的怀孕情况，得投入惊人的人力、物力、财力，使得这种细分行为毫无商业意义。

2、运用大数据模拟实境，发掘新的需求和提高投入的回报率。现在越来越多的产品中都装有传感器，汽车和智能手机的普及使得可收集数据呈现爆炸性增长。Blog、Twitter、Facebook和微博等社交网络也在产生着海量的数据。云计算和大数据分析技术使得商家可以在成本效率较高的情况下，实时地把这些数据连同交易行为的数据进行储存和分析。交易过程、产品使用和人类行为都可以数据化。大数据技术可以把这些数据整合起来进行数据挖掘，从而在某些情况下通过模型模拟来判断不同变量(比如不同地区不同促销方案)的情况下何种方案投入回报最高。

3、提高大数据成果在各相关部门的分享程度，提高整个管理链条和产业链条的投入回报率。大数据能力强的部门可以通过云计算、互联网和内部搜索引擎把大数据成果和大数据能力比较薄弱的部门分享，帮助他们利用大数据创造商业价值。这个杠杆的案例是关于沃尔玛的一个故事。

沃尔玛开发了一个叫做Retail Link的大数据工具，通过这个工具供应商可以事先知道每家店的卖货和库存情况，从而可以在沃尔玛发出指令前自行补货，这可以极大地减少断货的情况和供应链整体的库存水平。在这个过程中，供应商可以更多的控制商品在店内的陈设，可以通过和店内工作人员更多地接触，提高他们的产品知识;沃尔玛可以降低库存成本，享受员工产品知识提高的成果，减少店内商品陈设的投入。综合起来，整个供应链可以在成本降低的情况下，提高服务的质量，供应商和沃尔玛的品牌价值也同时得到了提升。通过在整条供应链上分享大数据技术，沃尔玛引爆了零售业的生产效率革命。

4、进行商业模式，产品和服务的创新。大数据技术使公司可以加强已有的产品和服务，创造新的产品和服务，甚至打造出全新的商业模式。这个杠杆将引用Tesco为案例。Tesco收集了海量的顾客数据，通过对每位顾客海量数据的分析，Tesco对每位顾客的信用程度和相关风险都会有一个极为准确的评估。在这个基础上，Tesco推出了自己的信用卡，未来Tesco还有野心推出自己的存款服务。

大数据的商业革命

通过以上4个杠杆，大数据能够产生出巨大的商业价值，难怪麦肯锡说大数据将是传统4大生产要素之后的第5大生产要素。大数据对市场占有率、成本控制、投入回报率和用户体验都会起到极大的促进作用，大数据优势将成为企业最值得倚重的比较竞争优势。根据麦肯锡的估计，如果零售商能够充分发挥大数据的优势，其营运利润率就会有年均60%的增长空间，生产效率将会实现年均0.5%-1%的增长幅度。在大数据这个概念炒热起来的当下，人们才发现像沃尔玛、Target、亚马逊、Tesco这样的商业巨头已经不声不响地运用了大数据技术好多年，用大数据驱动市场营销、驱动成本控制、驱动产品和服务创新、驱动管理和决策的创新、驱动商业模式的创新。许多商界骄子慨叹竞争不过Target们的不解之谜也终于告破。

在大数据推动的商业革命暗涌中，与时俱进绝不仅仅是附庸风雅的卡位之战，要么学会使用大数据的杠杆创造商业价值，要么被大数据驱动的新生代商业格局淘汰。这是天赐良机，更是生死之战。成功者将是中国产业链升级独领风骚的枭雄，失败者拥有的只有遗憾。

以上是小编为大家分享的关于大数据给零售行业带来的商业价值的相关内容，更多信息可以关注环球青藤分享更多干货

3. 便利店行业如何通过线下大数据实现快速精准拓店

烧烤摊、麻辣烫、大排档被定义为中国版的深夜食堂，然而随着写字楼的灯火蔓延，便利店也成为了年轻人的深夜栖息地。有别于传统杂货铺，90年代传入中国的现代便利店呈现规模化和统一管理，行业规模发展迅猛，2019年中国便利店行业实现销售额2556亿元。

随着行业规模的高速发展，一线城市消费市场开始饱和，外资连锁便利店也开始走向下沉市场，二三线城市的便利店竞争将会日渐激烈。大数据时代如何利用数据及人工智能赋能于线下品牌连锁将是实体零售从业者面临的难题之一，本文将从便利店现状及大数据如何赋能的角度，为从业者们提供思考方向。

便利店诞生于美国，因其小型化、高毛利、便利性、精简SKU等特性，逐渐成为一种新的零售业态。90年代中期，便利店概念开始进入中国。2019年中国便利店门店总数达到13.2万家，较上年增加了1万余家。

从单个便利店企业扩张表现来看，石油系便利店（易捷、昆仑好客）在门店扩张上表现抢眼，其次是本土品牌美宜佳和天福，外资便利店则主要分布与一二线城市。

但观察近年来外资便利店在中国的城市版图布局：从去年底开始，7-ELEVEn先后在福州、长沙、西安、合肥开设首店，另一家日资便利店罗森行动更为迅速，已于去年在长沙、沈阳、泰州等城市先后开出首店。

对于全国商业格局而言，此次外资便利店的布局，被认为是近年来“市场下沉”的又一个印证，同时也意味着下沉市场连锁便利店的竞争更加激烈。

随着 科技 和城市的发展，一线城市的消费市场逐渐饱和，而在二三线城市，连锁品牌便利店存在着拓店难、无法融入当地市场的问题。

传统夫妻店投入资本小、受地理位置限制小，经营的可控性比较强，且选址往往在居住地附近。而对于连锁便利店来说，店铺选址除了需要考虑周边的消费市场，更要考虑采购与进货问题（小街小巷无法统一配货，增大成本）、客群画像等。

这时候，传统的选址方法是通过人工到线下多个目标位置点进行观察测算，人力和时间成本非常高，且客群画像无法精准。试想一下如何能够短时间内通过一个人的外表确定其消费能力呢？

但在大数据时代，这些信息都可以高速便捷获取。

数位是国内最早一批涉足线下大数据智能应用的大数据 科技 公司，深耕线下人场大数据5年，能够实时洞察人和场的智能动态数据，高效为企业提供用户分析、客群画像和周边客流。数位对线下零售（如连锁便利店）有三大价值：

1 快速拓店选址： 数位拥有全维度动态的人场大数据，自有海量数据标签，覆盖200+城市，8000万POI库，能够为企业提供批量化的线下人场数据，利于连锁品牌的规模化拓展。

当品牌进入一个新城市，能够快速判断城市不同区域位置信息，帮助品牌根据自己的定位（如社区型/商圈型等）快速有效占领消费市场，并运用人工智能算法对周边客群、人流方向进行洞察分析，从而利于品牌在商品定位上更趋近于消费者心理。

2 老店数据实时监控： 对于品牌连锁店来说，许多经营多年的老店面临着周围市政或消费环境的变动，如新商场建立、老建筑拆迁等。

当老店营业额产生波动时，传统检验方式是线下踩点考证，但客流的变动易观察，客群画像的变动却无法短时间进行判别。数位大数据则能够第一时间反馈老店周边市场与客群画像的变动，及时做出经营方向和商品选择上的调整。

3 竞对商铺比较： 入驻前，同一片区域内原有的竞对商铺的数量及客流画像能够给品牌带来极高参考价值；开店后，区域内出现新的竞对商铺也是影响店铺营业额的重要原因。数位线下大数据能够帮助品牌实时观察周边竞对环境，分析优劣势，及时做出经营上的调整；

4 经营模型沉淀： 为什么同样开在市中心的两家店营业额却大相径庭？开在医院对面与开在学校对面哪一家营业额更佳？如何根据人群移动规律调整商品陈列？这些传统人力难以系统统计的数据，利用大数据可以快速帮助门店沉淀一套方法论，形成品牌自有的经营模型，对品牌进一步布局和拓店有重大参考价值，有效节省新店拓店成本。

品牌便利店"下沉"二三线城市，是城市发展的必然，也极有可能是一次再定义当地消费趋势的机会。在这样的前提下，品牌占领市场的时间显得尤为宝贵。

零售行业已从“货——场——人”转变为大数据时代的“人——货——场”，提前洞察客流及客群信息，加上当地场景数据，最后再结合品牌本身特性才能够快速打入当地消费市场，抢占消费份额。

连锁品牌入驻新城市时投入成本高，传统的选址方式已不足以支撑品牌的快速拓展，批量化的人场大数据才是现代品牌快速拓展版图的“秘密武器”。数位基于5年高精度技术的沉淀，拥有全国最大的识别数据库，在品牌选址、客群洞察及市场营销中，都能够为连锁品牌带来强有力的决策支持。

4. 大数据将推动零售业技术变革

大数据将推动零售业技术变革
建设强大的数据中台，实现线上线下数字化打通，重构“人、货场”，是新零售的重要内涵。业内人士指出，2018年将是大数据从技术阶段向应用阶段高速发展的一年，大数据未来在物联网、区块链、智慧城市、AR、VR、AI、语音识别等方面都值得关注，这在不久的将来或深刻改变零售业的未来。
线下零售大数据应用刚起步
近日高鑫零售公布年报，2017年实现营业收入1023.20亿元，同比增长1.9%；2017年净利润为30.20亿元，同比增长14.9%。这是阿里入住高鑫新零售的第一年，招商证券指出，虽然阿里入股高鑫在短期内并未给高鑫业绩带来大幅改善，但是阿里的互联网基因和大数据资源加速了高鑫的线上线下整合。
在阿里与高鑫的合作中，目前仍是线上大数据指导线下商品管理，大润发华东20个城市的167家门店上架了天猫超市百万件商品，这些商品由阿里大数据根据周边消费者喜好筛选商品，并由天猫供应链优化供货方案。招商证券指出，虽然这些商品销售状况有好有坏，但整体上调整了门店的经营体系和业务链路。
基于模式和技术优势，线上零售数据的采集和大数据技术的应用已相当成熟，相比之下，线下零售大数据技术的应用还处于起步阶段。中国连锁经营协会会长裴亮曾指出，大数据技术在零售业的应用还没有发挥出来，目前来看，零售企业不掌握大数据，如何与握有大数据的企业进行合作，共同开始大数据在零售业的应用，还处在探索的过程中。
从发展现状来看，线下零售应用大数据技术首先面临的技术难点是数据采集。专家指出，线下零售店由于技术限制和消费者更加碎片割裂的行为，很难根据消费者ID数据与商品销售、店铺库存、物流等数据进行打通连接，尤其消费者店铺行为偏好数据的获取。
这方面，同时拥有门店优势和互联网基因的零售企业将占据优势。苏宁易购向中国证券报记者表示，在苏宁易购云店内的已经开始全面打造线下门店客流数据分析的“苏宁北斗”系统。该产品的上线，标志着苏宁易购在门店端开始采用类似线上页面运营的流量运营逻辑，“从用户进店以及在门店内的动线变化，进行线上UV到四级页面浏览路径的分析，对门店商品布局、用户习惯分析将有巨大的帮助”。预计到2019年，苏宁易购将会把人脸识别系统和北斗系统相结合，使监测数据更加精准，并将为后期会员服务、会员运营的优化提供数据依据。
推动零售业技术变革
苏宁控股集团董事长张近东表示，2018年将是大数据从技术阶段向应用阶段高速发展的一年，“大数据未来在物联网、区块链、智慧城市、AR、VR、AI、语音识别等方面都值得关注，这在不久的将来或深刻改变零售业的未来”。
中国电子商务研究中心主任曹磊表示，过去数据只在销售端和营销端驱动，今后还将向商品端、供应链端、仓储物流乃至生产端来进行全方位驱动。过去商品和用户是零售商和电商最核心的资产，在大数据时代，大数据将成为他们最核心的资产。
基于对线上线下数据打通的重视，2017年国美落地蒲公英计划，完成国美在线、国美Plus、国美管家、国美海外购、国美酒窖整合成国美APP，连接线上线下，以互联网为基础、数据为核心，打造线上交易、线下体验的共享零售双平台。通过实施蒲公英计划，国美线上线下的供应链数据、交易数据、服务数据、会员数据全面打通，汇聚为国美的数据中台，形成大数据工厂。
在大数据的支持下，国美升级了后服务体系，推出“扬帆计划”，实现订单配送、安装服务、维修服务、客户服务全周期的可视化、标准化，打通厂家后台数据，首创保内维修一键预约功能。
从整个产业链来看，大数据的最高效应用将是从生产端开始就实现定制，对此，已有零售业开始布局。国美将大数据应用于供应链，用C2M反向定制、家生活品类和智能产品横向延展、驱动精准选品和营销，进而与第三方供应链形成补充，提升零售效率，满足消费者品质化、个性化、智能化的产品需求，促进品质升级，优化商品结构。

5. 超市怎么利用大数据分析客情

超市一般有用户的购买信息，通过这些信息能够了解商品的销售和变化，并结合商版品销售情况权和库存情况，管理好进货。根据客户的购买情况，推荐合适的商品，譬如有知名的啤酒和尿布的例子。
当然，如果数据量大，需要合适的大数据分析工具，否则简单的excel都能基本胜任。
目前性价比合适的大数据分析工具，有国内的永洪科技的大数据BI等。
当然开源的Hadoop也可以考虑，但非IT公司的超市，不建议使用开源产品，对技术要求高。

6. 大数据可以应用在哪些方面

可以应用在云计算方面。

大数据具体的应用：

1、洛杉矶警察局和加利福尼亚大学合作利用大数据预测犯罪的发生。

2、google流感趋势(Google Flu Trends)利用搜索关键词预测禽流感的散布。

3、统计学家内特.西尔弗(Nate Silver)利用大数据预测2012美国选举结果。

4、麻省理工学院利用手机定位数据和交通数据建立城市规划。

5、梅西百货的实时定价机制。根据需求和库存的情况，该公司基于SAS的系统对多达7300万种货品进行实时调价。

6、医疗行业早就遇到了海量数据和非结构化数据的挑战，而近年来很多国家都在积极推进医疗信息化发展，这使得很多医疗机构有资金来做大数据分析。

7、及时解析故障、问题和缺陷的根源，每年可能为企业节省数十亿美元。

8、为成千上万的快递车辆规划实时交通路线，躲避拥堵。

9、分析所有SKU，以利润最大化为目标来定价和清理库存。

10、根据客户的购买习惯，为其推送他可能感兴趣的优惠信息。

(6)大数据实现对超市的扩展阅读：

大数据的用处：

1、与云计算的深度结合。大数据离不开云处理，云处理为大数据提供了弹性可拓展的基础设备，是产生大数据的平台之一。

自2013年开始，大数据技术已开始和云计算技术紧密结合，预计未来两者关系将更为密切。除此之外，物联网、移动互联网等新兴计算形态，也将一齐助力大数据革命，让大数据营销发挥出更大的影响力。

2、科学理论的突破。随着大数据的快速发展，就像计算机和互联网一样，大数据很有可能是新一轮的技术革命。可能会改变数据世界里的很多算法和基础理论，实现科学技术上的突破。

参考资料：

网络--大数据

7. 大数据怎么在营销推广中起效

大数据对现在的商业模式产生了非常大的影响。在大数据的加持下，未来的商业模式会是什么样的呢？其实不要说未来了，大数据对零售业的改革已经发生在当下了，从一个商超的选址，商品陈列，商品供销，客户关系管理等等各个方面都产生了影响，我们可以简单的说一下。

店铺选址

在过去，大家开店在选址的时候，会出一套的选址方案，在什么地方，准备多大的面积，预估有多少的客流，客户的属性，消费能力，周边的竞争对手，城市的规划，物业条件大概是什么等等。不但需要大量的时间去调查，调查结果是否有偏差，选址确定后是否能达到预期的效果，只能凭借经验和运气了。毕竟在过去，做这种调查只能去现场看，和周边的人打听，找同行了解，半推测，半猜测。

在现在大数据的变革下，选址就更加精准和方便了。我们不说那些专业的大数据系统，比较简单的。我们可以在各类的导航地图上看到周边的商超布局，景点等等，同时还可以看到客流量，相对来说会方便很多了。同时我们还可以从外卖等APP的数据，观察周边的人群的喜好，人均消费等等，这个就是大数据的应用。

有一个比较著名的数据挖掘案例，就是沃尔玛超市的，他们对顾客的购物篮进行分析的时候发现，和尿布一起购买最多的东西是啤酒。原来是因为美国的年轻父亲下班给孩子买尿布的时候，会有30%-40%的人会顺手买上自己喜欢的啤酒。于是沃尔玛超市将尿布和啤酒两个不相搭的东西陈列在一块，两者的销量都提升了。这个就是一个很显著的大数据指导下的商品陈列案例。在现在，结合人工智能的智能化门店，能够做到的更多，可以根据店内的人流量热力图，计算出将热销品或者滞销品放置在更合适的位置。

用户画像

在传统的零售当中，想要实现导购一对一服务、对用户实行个性化服务是很困难的。其中一个原因就是店铺的客流量大，顾客流动频繁，基本上可以说没有哪一个导购能够记住用户是否来过这家店，顾客的喜好是什么。

但是在现代的零售当中，智能化门店能够比较容易的实现这一点了。智能化门店通过面部识别等功能可以检测到顾客来过多少次。同时通过店铺当中的门店管理系统，根据以往的购物数据反馈，顾客在不同的商品前的停留时间，猜测用户的喜好等等，智能为用户推荐商品，又或者将信息推送到导购端的移动管理系统当中，让导购更好的为客户服务。这个就是因为用户的购物数据，行为数据等等大数据勾勒出了一个用户画像。

未来的商业模式已经在逐步走向现实，高新技术正在改变我们的生活，零售业也正在改革，让我们一起见证吧。