大数据大卖场

『壹』 怎样理解互联网行业“数据分析”的意义

互联网企业拥有大量的线上数据，而且数据量还在快速增长，除了利用大数据提升自己的业务之外，互联网企业已经开始实现数据业务化，利用大数据发现新的商业价值。

以阿里巴巴为例，它不仅在不断加强个性化推荐、“千人千面”这种面向消费者的大数据应用，并且还在尝试利用大数据进行智能客户服务，这种应用场景会逐渐从内部应用延展到外部很多企业的呼叫中心之中。

在面向商家的大数据应用中，以“生意参谋”为例，超过600万商家在利用“生意参谋”提升自己的电商店面运营水平。除了面向自己的生态之外，阿里巴巴数据业务化也在不断加速，“芝麻信用”这种基于收集的个人数据进行个人信用评估的应用获得了长足发展，应用场景从阿里巴巴的内部延展到越来越多的外部场景，如租车、酒店、签证等。

因为客户的所有行为都会在互联网平台上留下痕迹，所以互联网企业可以方便地获取大量的客户行为信息。由互联网商务平台产生的信息一般具有真实性和确定性，通过运用大数据技术对这些数据进行分析，可以帮助企业制定出具有针对性的服务策略，从而获取更大的效益。近年来的实践证明，合理地运用大数据技术能够将电子商务的营业效率提高60%以上。

大数据在过去几年中已经改变了电子商务的面貌，具体来讲，电子商务行业的大数据应用有以下几个方面：精准营销、个性化服务、商品个性化推荐。

1.精准营销

互联网企业使用大数据技术采集有关客户的各类数据，并通过大数据分析建立“用户画像”来抽象地描述一哪孙个用户的信息全貌，从而可以对用户进行个性化推荐、精准营销和广告投放等。

当用户登录网站的瞬间，系统就能预测出该用户今天为何而来，然后从商品库中把合适的商品找出来，并推荐给他。图1显示了用户画像会包括哪些用户基本信息和特性。

图1用户画像

大数据支持下的营销核心在于，让企业的业务在合适的时间，通过合适的载体，以合适的方式，推送给最需要此业务的用户。

首先，大数据营销具有很强的时效性。在互联网时代，用户的消费行为极易在短时间内发生变化，大数据营销可以在用户需求最旺盛时及时进行营销策略实施。

其次，可以实施个性化、差异化营销。大数据营销可以根据用户的兴趣爱好、在某一时间点的需求，做到对细分用户的一对一的营销，让业务的营销做到有的放矢，并可以根据实时性的效果反馈，及时调整营销策略。

最后，大数据营销对目标用户的信息可以进行关联性分析。大数据可以对用户的各种信息进行多维度的关联分析，从大量数据中发现数据项集之间有趣的关联和相关联系。

例如，通过发现用户购物篮中的不答缓凳同商品之间的联系，分析出用户的其他消费习惯。通清旅过了解哪些商品频繁地被用户同时购买，帮助营销人员从用户的一种商品消费习惯，发现用户另外的商品消费规律，从而针对此用户制定出相关商品的营销策略。图2显示了网站会根据用户画像为不同客户推荐不同商品。

图2精准营销

例如，某电子商务平台通过客户的网络浏览记录和购买记录等掌握客户的消费模式，从而分析并分类客户的消费相关特性。如收入、家庭特征、购买习惯等，最终掌握客户特征，并基于这些特征判断其可能关注的产品与服务。

从消费者进入网站开始，网站在列表页、单品页、购物车页等4个页面，部署了5种应用不同算法的推荐栏为其推荐感兴趣的商品，从而提高商品曝光率，促进交叉和向上销售。从多个角度对网站进行全面优化后，商城下定订单转化率增长了66.7%，下定商品转化率增长了18%，总销量增长了46%。

在美国的沃尔玛大卖场，当收银员扫描完顾客所选购的商品后，POS机上会显示出一些附加信息，然后售货员会根据这些信息提醒顾客还可以购买哪些商品。沃尔玛在大数据系统支持下实现的“顾问式营销”系统能够建立预测模型，例如，如果顾客的购物车中有不少啤酒、红酒和沙拉，则有80%的可能需要买配酒小菜、作料。

2.个性化服务

电子商务具有提供个性化服务的先天优势，可以通过技术支持实时获得用户的在线记录，并及时为他们提供定制化服务。

许多电商都已经尝试了依靠数据分析，在首页为用户提供全面的个性化的商品推荐。海尔和天猫提供了让用户在网上定制电视的功能，顾客可以在电视机生产以前选择尺寸、边框、清晰度、能耗、颜色、接口等属性，再由厂商组织生产并送货到顾客家中。这样的个性化服务受到了广泛欢迎。

类似的定制服务还_现在空调、服装等行业。这些行业通过满足个性化需求使顾客得到更满意的产品和服务，进而缩短设计、生产、运输、销售等周期，提升商业运转效率。

企业要为用户提供理想的个性化服务，首先必须通过数据充分了解用户的个性，其次是合理地掌控和设计服务的个性。了解用户个性是为用户提供他们想要的产品和服务的基础。企业需要在庞大的数据库中，找出最具有含金量的数据，然后，通过数据挖掘方法对用户进行聚类，再依据用户类型的特征设计针对性的服务。

个性化分散的单位可大可小，大到一个有同样需求的客户群体，小到每一个用户都是一个个性化需求单位。企业必须掌握好个性化服务的粒度，过于分散的个性化服务，会增加企业的服务成本和管理的复杂程度，所增加的个性化成本和实际收益需要成正比。

图3提供个性化旅游服务

携程的大数据应用从用户的角度_发，分析基于携程所有用户的数据，包括用户在查询、浏览、预订、出行、评论等一系列旅行前后行为中所产生的数据。携程在剔除无效数据的同时，保证用户所留下的数据的真实性，然后将大量的数据进行实时筛选、分拣与重新组织并应用到用户的出行前、出行中、出行后的个性化需求中，如图3所示。

要做到个性化，明确用户的目标需求是至关重要的，不仅要看订单，还要关心用户所关心的内容。例如，同样是预订五星级酒店，有些用户对酒店设施十分敏感，有些看重酒店位置，有些则更在意酒店服务，对此，携程会根据用户的需求推荐不同的酒店。

美国塔吉特（Target）百货设立了一个迎婴聚会登记表，并对登记表中顾客的消费数据进行建模分析。他们发现，许多孕妇在第二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周会大量购买补充钙、锌之类的保健品。

塔吉特最终选出了25种典型商品的消费数据，构建了“怀孕预测指数”。通过这个预测指数，塔吉特能够在很小的误差范围内预测到顾客的怀孕情况，从而就能在合适的时间把孕妇优惠广告寄发给顾客。

“Nike跑鞋或腕带传感器”使耐克逐渐成为大数据营销的创新公司。运动者只要穿着Nike的跑鞋运动，与之关联的iPod就可以存储并显示运动日期、时间、距离、热量消耗值等数据。

Nike通过跑步者上传的跑步路线掌握了主要城市最佳跑步路线的数据库，而且组织城市的跑步活动效果更好。目前，Nike的运动网上社区有超过500万名活跃用户每天不停地上传数据，Nike借此与消费者建立了前所未有的牢固关系。同时，海量的数据对于Nike了解用户习惯、改进产品、精准投放和精准营销也起到了不可替代的作用，Nike甚至掌握了跑步者最喜欢听的歌是哪些。个性化服务离不开顾客的主动参与和分享，来源于客户的数据也能更精准地服务于客户。

“三只松鼠”近几年的快速发展，一方面是依靠品牌推广，另一方面是在数据分析的基础上不断完善细节，包括个性化的称呼、“三只松鼠”的卡通形象、赠品的差别化、不同的顾客标签分类以及用户体验等。“三只松鼠”通过ERP系统能够了解所有顾客在商城的购买记录，通过CRM系统能够准确抓取用户的评价，一些不经意的留言和评级会反映出他们的需求。

通过分析顾客过去在商城的购买习惯，用户的购买评价，来判断哪种口味的产品在哪个地区卖得最好，哪种产品是消费者最乐于接受的，从而进行更有针对性的产品首页推荐。同时，他们会对顾客进行个性化、人性化的标签分类和细化分析，从而根据这些分类，推送不同的产品类型。例如，爱老婆型顾客购买的产品主要是以老婆食用为主的，“三只松鼠”会在包裹里放上书信，以“松鼠”的口吻代替顾客给他老婆写一封信。

3.商品个性化推荐

随着电子商务规模的不断扩大，商品数量和种类快速增长，顾客需要花费大量的时间才能找到自己想买的商品。

个性化推荐系统通过分析用户的行为，包括反馈意见、购买记录和社交数据等，以分析和挖掘顾客与商品之间的相关性，从而发现用户的个性化需求、兴趣等，然后将用户感兴趣的信息、产品推荐给用户。

个性化推荐系统针对用户特点及兴趣爱好进行商品推荐，能有效地提高电子商务系统的服务能力，从而保留客户。

1）电子商务网站

随着电子商务的蓬勃发展，推荐系统在互联网中的优势地位也越来越明显。

在国际方面，Amazon平台中采用的推荐算法被认为是非常成功的。在国内，比较大型的电子商务平台网站有淘宝网（包括天猫商城）、京东商城、当当网、苏宁易购等。

在这些电子商务平台中，网站提供的商品数量不计其数，网站中的用户规模也非常巨大。据不完全统计，天猫商城中的商品数量已经超过了4000万。

在如此庞大的电商网站中，用户根据自己的购买意图输入关键字查询后，会得到很多相似的结果。用户在这些结果中也很难区分异同，难于选择合适的物品，推荐系统能够根据用户兴趣为用户推荐一些用户感兴趣的商品。电子商务网站利用推荐系统为用户推荐商品，方便了用户，从而也提高了网站的销售额。

2）电影视频网站

个性化推荐系统在电影和视频网站中的应用也很广泛，能够帮助用户在浩瀚的视频库中找到令他们感兴趣的视频。在该领域成功使用推荐系统的一家公司就是Netflix。

Netflix原先是一家DVD租赁网站，后来开始涉足在线视频业务。Netflix非常重视个性化推荐技术，并且在2006年开始举办著名的NetflixPrize推荐系统比赛，希望研究人员能够将Netflix的推荐算法的预测准确度提升10%。

该比赛对推荐系统的发展起到了重要的推动作用：一方面该比赛给学术界提供了一个实际系统中的大规模用户行为数据集（40万用户对2万部电影的上亿条评分记录）；另一方面，在3年的比赛中，参赛者提出了很多推荐算法，大大降低了推荐系统的预测误差。

图4是Netflix的电影推荐界面，包含了电影的标题和海报、用户反馈和推荐理由三部分。Netflix使用的是基于物品的推荐算法，即给用户推荐和他们曾经喜欢的电影相似的电影。Netflix宣称有60%的用户是通过其推荐系统找到感兴趣的电影和视频的。

图4Netflix电影推荐

YouTube作为美国最大的视频网站，拥有大量用户上传的视频内容。为了解决视频库的信息过载问题，YouTube在个性化推荐领域也进行了深入研究，现在使用的也是基于物品的推荐算法。实验证明，YouTube个性化推荐的点击率是热门视频点击率的两倍。

3）网络电台

个性化网络电台也很适合进行个性化推荐。首先，音乐很多，用户不可能听完所有的音乐再决定自己喜欢听什么，而且每年新的歌曲在以很快的速度增加，因此用户无疑面临着信息过载的问题。其次，人们听音乐时，一般都是把音乐作为一种背景乐来听，很少有人必须听某首特定的歌。对于普通用户来说，听什么歌都可以，只要能够符合他们当时的心情就可以了。因此，个性化音乐网络电台是非常符合个性化推荐技术的产品。

目前有很多知名的个性化音乐网络电台。国际上著名的有Pandora和?Last.fm|Playmusic,findsongs,anddiscoverartists，国内的代表则是豆瓣电台。这3个个性化网络电台都不允许用户点歌，而是给用户几种反馈方式：喜欢、不喜欢和跳过。经过用户一定时间的反馈，电台就可以从用户的历史行为中获得用户的兴趣模型，从而使用户的播放列表越来越符合用户对歌曲的兴趣。

Pandora的算法主要是基于内容的，其音乐家和研究人员亲自听了上万首来自不同歌手的歌，然后对歌曲的不同特性（如旋律、节奏、编曲和歌词等）进行标注，这些标注被称为音乐的基因。然后，Pandora会根据专家标注的基因计算歌曲的相似度，并给用户推荐和他之前喜欢的音乐在基因上相似的其他音乐。

Last.fm|Playmusic,findsongs,anddiscoverartists?记录了所有用户的听歌记录及用户对歌曲的反馈，在这一基础上计算出不同用户在歌曲上的喜好相似度，从而给用户推荐和他有相似听歌爱好的其他用户喜欢的歌曲。同时，Last.fm|Playmusic,findsongs,anddiscoverartists?也建立了一个社交网络，来让用户能够和其他用户建立联系，以及让用户给好友推荐自己喜欢的歌曲。Last.fm|Playmusic,findsongs,anddiscoverartists?没有使用专家标注，而是主要利用用户行为计算歌曲的相似度。

4）社交网络

社交网络中的个性化推荐技术主要应用在3个方面：利用用户的社交网络信息对用户进行个性化的物品推荐，信息流的会话推荐和给用户推荐好友。

Facebook保存着两类最宝贵的数据：一类是用户之间的社交网络关系，另一类是用户的偏好信息。

Facebook推出了一个称为InstantPersonalization的推荐API，它能根据用户好友喜欢的信息，给用户推荐他们的好友最喜欢的物品。很多网站都使用了Facebook的推荐API来实现网站的个性化。

著名的电视剧推荐网站Clicker使用InstantPersonalization给用户进行个性化视频推荐。Clicker现在可以利用Facebook的用户行为数据来提供个性化的、用户可能感兴趣的内容“’流”了，而更重要的是，用户无须在Clicker网站上输入太多数据（通过评分、评论或观看?Clicker.com?上的视频等方式），Clicker就能提供这样的服务。

除了利用用户在社交网站的社交网络信息给用户推荐本站的各种物品外，社交网站本身也会利用社交网络给用户推荐其他用户在社交网站的会话。每个用户在Facebook的个人首页都能看到好友的各种分享，并且能对这些分享进行评论。每个分享和它的所有评论被称为一个会话，Facebook开发了EdgeRank算法对这些会话排序，使用户能够尽量看到熟悉的好友的最新会话。

除了根据用户的社交网络及用户行为给用户推荐内容，社交网站还通过个性化推荐服务给用户推荐好友。

5）其他应用

因为电子商务企业基本上实现了业务流程的各个环节的数据化，所以可以充分利用大数据技术对这些数据进行挖掘分析来优化其业务流程，提高业务利润。除了前面介绍的几个应用之外，大数据在电子商务行业还可以应用在其他许多方面。

①动态定价和特价优惠

电子商务企业可以通过使用数据构建客户资料，并发现用户喜欢花费多少费用和喜欢购买什么产品，从而通过跟踪客户的消费行为，使用大数据分析来开发灵活的定价和折扣政策。例如，如果分析显示用户对特定类别商品的兴趣飙升，则电子商务企业可以提供打折或买一送一优惠。

②定制优惠

电子商务企业可以通过使用数据来确定客户的购买习惯，并根据以前的购买方式向他们发送有针对性的特价优惠和折扣代码。数据也可以用于在客户中止购买或只看不买时重新吸引客户，例如，通过发送电子邮件提醒客户他们查看过的产品或邀请他们完成购买。

③供应链管理

电子商务企业可以使用大数据更有效地管理供应链。数据分析可以揭示供应链中的任何延迟或潜在的库存问题。如果某个项目存在问题，则可以立即将其从销售中删除，以免破坏客户服务问题。

④预测分析

预测分析是指利用大数据技术分析电子商务业务的各种渠道，帮助企业制定未来运营的业务计划。数据分析可能会显示电商企业在线商店部门的新购买趋势或销售减缓的商品。

使用这些信息就可以帮助规划下一阶段的库存，并制定新的市场目标。随时了解电子商务的最新趋势具有一定的挑战性，但是利用大数据技术可以大大提高企业的利润，并帮助企业建立一个成功的前瞻性思维业务。如果不利用挖掘大数据的力量，就可能会错过市场成功的机遇。

『贰』 入苏一年，家乐福“千店千面”重新定义大卖场

这是一个再造家乐福的故事。投入苏宁大家庭1年的家乐福即将迎来周年庆：苏宁供应链、苏宁会员体系、苏宁物流……越来越多的苏宁系业务单元正在融入家乐福。

在数字时代的商超博弈中，苏宁家乐福的内在基因与性格也不断进化，少年剑客初长成，展现出中国式的智慧与勇气。故事的迷人之处在于，在中国，你会遇见一个比法国家乐福更年轻，正在二次创业的苏宁家乐福——从内到外的彻底变革，由内而外的蓬勃朝气。

如同马可波罗笔下的东方世界，让人充满期待，同时面临着漫长的 探索 路径。

重新定义大卖场

每个周末，在家乐福采购每周的生活必需品，不用排队，从选购到买单全程自助；然后，在家乐福旁边的苏宁影城看一部电影，喜欢逛街的则选择苏宁云店、 时尚 美妆，悠闲的度过周末下午同时等待孩子的培优课程放学……

这些生活中的小确幸，每个周末甚至每天都在家乐福精选上演。2020年4月底，苏宁家乐福首家精超业态“家乐福精选棚灶盯”正式登陆重庆，为山城带来不一样的生活方式。

这是苏宁入主家乐福半年后的第一家新店，也是第一家入驻苏宁易购广场的超市业态。家乐福精选重庆店推出超市+生活服务的组合形式，引入当地特色餐饮、 时尚 美妆、生活配套等服务，一站式的购物 娱乐 生活体验可以满足社区客群的全方位消费需求。辩锋

一直以来，苏宁对家乐福的改造都略显神秘。这是由于家乐福门店的改造工程，是基于门店所在商圈、门店客源及客流、门店租赁位置、租赁面积等因素的差异化改造，最终颠覆传统大卖场的刻板印象，形成千店千面。

当多个家乐福线下门店陆续揭开面纱，看得见的改变是对家乐福旗下门店进行深度整改升级。一方面颠覆性的陈列方式，打破传统类目摆放规则，营造体验式消费场景；另一方面，创新多品类同品牌的概念店模式，如苏宁电器店、衣购思、红孩子、乐购仕……

以重装开业的家乐福徐泾店为例，其改造的主要方向是把传统的大货架和笨拙的堆头进行优化：高低错落的厨具搭配原木色系的陈列台，在家中厨房的摆放效果触手可达；图书区被打造成图书馆，爱读书的大朋友小朋友可以从容的就坐……而在家乐福古北店，则引入上海农场、乐购仕、衣购思三店，形成大卖场里的店中店，在改造一新的品鲜工坊，顾客们在现场挑选中意的海鲜，交给工作人员现场烹饪、现场享用。

在中国，“变脸”是川剧的一项特技；在数字经济时代，传统大卖场也需要“变脸”，打造实时的店面画像，不断满足消费者的需求和期望。经过剔骨再造，家乐福正在呈现“千店千面”，重新定义大卖场。

近日，家乐福中国首席执行官田睿在接受媒体采访时透露，目前家乐福制定了“1+2+1”业态计划，即社区生活中心、标准超市、精选店和生鲜社区店，其中生鲜社区店为家乐福开发的新业态，今年家乐福拟在中国市场新开15家门店。

再造数字家乐福

2020年春节，家住上海北洋泾路的Lucy惊喜地发现，家乐福不仅可以随时下单、免费送货到家，而且能够在苏宁会员积分，她立即成为家乐福到家的忠实用户。此前，迫于购物距离、商品重量、购物时间等限制，Lucy经常懊恼少买或忘记买某样商品，而到家服务则解决了这些烦恼。

这一切都归功于苏宁家乐福的数字化转型。在加入苏宁大链和家庭之前，家乐福中国采用最传统的会员卡管理体系，这是传统大卖场的惯用模式，但在数字经济时代弊端明显。

当零售行业正向数字化加速变革，5G、人工智能、大数据等既是机遇也是挑战。幸运的是，家乐福背后是具备 科技 基因的苏宁。数字化改造的第一件事，是完成SKU的数字化改造，将家乐福、苏宁小店、苏宁超市的商品体系打通，从而将家乐福中国线下门店与其线上购买小程序，以及苏宁易购APP、苏宁小店APP实现商品和技术上的融合，从而打造了新的远场，成为家乐福中国线上、线下全新的重要增长极。

目前，在全国52个城市，家乐福提供3公里1小时达，还在试点城市开辟次日达（1店覆全城）新模式。水到渠成的，家乐福中国原本的在店用户转化为全渠道用户，由于离店销售延伸，原有业务得以迅速提升。这从一组数据可以略窥端倪：8月18日晚，家乐福发布818战报：7月31日至8月18日，到家服务订单量大幅攀升，环比增长280%，线上订单客单价124元，订单履约率维持在98%以上，业绩表现成色十足。

或许可以视作苏宁将家乐福资源排列组合，以求寻到数字经济最合适的位置。在苏宁的超级IP中，家乐福数字化不仅是家乐福的二次创业，也是苏宁在智慧零售的创新范本。

供应链开放样本

杰奥夫雷·帕克等人在《平台革命：改变世界的商业模式》一书中指出，平台的首要目标是匹配用户，并为所有参与者创造价值。

如果苏宁决意要成为一个超级平台，帮助生长在上面的所有参与者势在必行。作为一个“零售王国”，苏宁的打法则更为立体化。今年5月，苏宁家乐福供应链全面接入苏宁小店，通过店仓一体化建设完成家乐福与苏宁小店的打通，大快消供应链整合获得初步成效，使得家乐福中国的供应链和商品能力在远场能够发挥更好的协同效应。

目前，家乐福拥有SKU超6万个，其供应链接入苏宁小店，将使苏宁小店增加3万多个商品。受益于家乐福供应链开放，南京、上海等试点小店单店日销提高30%以上，同时，小店的整体毛利率实现5%-6%的提高。于消费者而言，家乐福开放供应链系统，中间商减少，则能够更好满足消费者多样化消费需求。

作为硬币的B面，苏宁借助家乐福快速获取优质线下场景资源，将家乐福成熟、专业化的采购能力和苏宁现有的快消品进一步结合，巩固其在大快消供应链的优势地位。8月18日, 苏宁易购发布818大快消1小时战报,快消订单20分钟增长511%，苏宁超市整体订单量同比增长187.8%……

苏宁供应链开放是一个样本，其勾画的初步轮廓，也为苏宁家乐福的营利模式打开新通道。截至今年上半年，家乐福中国已经实现经营性盈利。从时间线上看，家乐福正在完成剔骨再造，并且把这种变化一一展现，加速苏宁大快消品类的发展，改写了中国零售新格局。

当前中国的商超数字化之路，已经棋至中局。苏宁家乐福注定还有更多的仗要打，所幸并非孤身前行，背后还有强大的苏宁生态与供应链优势。当少年剑客初长成，势必经历创新与克制的磨砺，但只有在大风大浪里披荆斩棘，才有可能成为真正的大侠。

『叁』 大数据如何与零售业结合 在实战中应用

大数据如何与零售业结合 在实战中应用

一、“大数据”的商业价值

1、对顾客群体细分

“大数据”可以对顾客群体细分，然后对每个群体量体裁衣般的采取独特的行动。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。

2、模拟实境

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、提高投入回报率

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。“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。

4、数据存储空间出租

企业和个人有着海量信息存储的需求，只有将数据妥善存储，才有可能进一步挖掘其潜在价值。具体而言，这块业务模式又可以细分为针对个人文件存储和针对企业用户两大类。主要是通过易于使用的API，用户可以方便地将各种数据对象放在云端，然后再像使用水、电一样按用量收费。目前已有多个公司推出相应服务，如亚马逊、网易、诺基亚等。运营商也推出了相应的服务，如中国移动的彩云业务。

5、管理客户关系

客户管理应用的目的是根据客户的属性(包括自然属性和行为属性)，从不同角度深层次分析客户、了解客户，以此增加新的客户、提高客户的忠诚度、降低客户流失率、提高客户消费等。 对中小客户来说，专门的CRM显然大而贵。不少中小商家将飞信作为初级CRM来使用。比如把老客户加到飞信群里，在群朋友圈里发布新产品预告、特价销售通知，完成售前售后服务等。

6、个性化精准推荐

在运营商内部，根据用户喜好推荐各类业务或应用是常见的，比如应用商店软件推荐、IPTV视频节目推荐等，而通过关联算法、文本摘要抽取、情感分析等智能分析算法后，可以将之延伸到商用化服务，利用数据挖掘技术帮助客户进行精准营销，今后盈利可以来自于客户增值部分的分成。

以日常的“垃圾短信”为例，信息并不都是“垃圾”，因为收到的人并不需要而被视为垃圾。通过用户行为数据进行分析后，可以给需要的人发送需要的信息，这样“垃圾短信”就成了有价值的信息。在日本的麦当劳，用户在手机上下载优惠券，再去餐厅用运营商DoCoMo的手机钱包优惠支付。运营商和麦当劳搜集相关消费信息，例如经常买什么汉堡，去哪个店消费，消费频次多少，然后精准推送优惠券给用户。

7、数据搜索

数据搜索是一个并不新鲜的应用，随着“大数据”时代的到来，实时性、全范围搜索的需求也就变得越来越强烈。我们需要能搜索各种社交网络、用户行为等数据。其商业应用价值是将实时的数据处理与分析和广告联系起来，即实时广告业务和应用内移动广告的社交服务。

运营商掌握的用户网上行为信息，使得所获取的数据“具备更全面维度”，更具商业价值。典型应用如中国移动的“盘古搜索”。

二、“大数据”与零售业的结合运用

对于数据的使用，许多实体零售商同样表示非常重视，他们对企业积累的数据进行了各种预测和分析。然而，对具体的销售业务来说，往往存在理想与现实的纠结，前不久市场中一家知名的服装零售企业一方面在宣传盈利上市的同时，一方面曝出有近10亿元的库存。国内很多零售企业都知道“大数据”应用的好处，但他们一旦将“大数据”的应用结合到自己的企业经营中时，便会出现与目前经营有非常大的不适应问题，如此导致许多企业对此都持非常谨慎的态度。

1、将零售策略与“大数据”技术进行结合

零售企业谈的“大数据”的最大价值，是在零售策略上与“大数据”技术进行结合，最大程度地编制前置性的零售策略，确保销售计划的实现。“大数据”讲究四个“V”：一是数据体量大（Volume）；二是数据类型复杂（Variety），多涉及到各种结构性与非结构性的；三是价值密度低（Value），这和体量大是相对应的；四是数据更新与处理速度快（Velocity）。

根据这些特性主动地在业务数据产生的同时做出相应的策略应对，会为企业赢得更多的时间和市场策略调整空间。这类似于大江大河的洪峰预警，上游的洪峰出现什么状况，下游要做什么样的应对。数据用到这一层面上，才具有直接的业务价值，这不是那种销量同期比、环比、销售计划比数据能指导业务的价值能相比的。例如一家涉足线上业务的实体零售商，在一组货品的15分钟促销时间内，往往准备着3套应变策略，以确保货品能够按计划卖出。

在实体商业领域，有许多关于数据与营销的案例。一个较早的版本就是美国沃尔玛啤酒和尿布的数据关系。原来，美国的妇女在家照顾孩子，所以她们会嘱咐丈夫在下班回家的路上为孩子买尿布，而丈夫在买尿布的同时又会顺手购买自己爱喝的啤酒。

当分析师了解到啤酒和尿布销量存在正相关关系、并进一步分析的时候，发现了这样的购买情境，于是将这两种属于不同门类的商品摆在一起。这个发现为商家带来了新的销售组合。当然，即使再多的零售连锁企业知道这个故事，也极少从平时销售中能发现这样的组合，哪怕是牵强附会的。

所以，零售策略设计是零售业“大数据”价值最大的地方，也是“大数据”可以直接为其提供支持的业务。

2、零售企业对“大数据”应保持正确态度

企业的领导者首先要重视“大数据”的发展、重视企业的数据中心，把收集顾客数据作为企业营销运营的第一目标；第二，对企业内部人员进行培训及建立收集数据的软硬件机制；第三，以业务需求为准则，确定哪些数据是需要收集的；第四，确认在企业已有的数据基础上或者未来方向前提下，如何达成前三项目标的基础建设方案。

在这些IT基础工作需要企业有实实在在的投入和建设规范的信息化团队，作为中国商业最大的一分子——中小微型零售企业似乎是不可能也没有足够的能力来面对这样一场变化的。

大中型零售商因为本身业务及利润的积淀，已经能够承担这样一场需求趋势的需要成本。中小微型企业还处于快速发展过程中，如果也如同大中型企业进行全方面的投入，将很快会被新型的IT工具拖垮或者遭受重创。

但这并不意味着中小零售企业没有机会，实际上IT的发展为所有的企业都提供了平等的选择，云计算的广泛应用即是对这样一场变革带来的临时礼物。

作为中小微型零售企业，完全不必考虑自己建设一套“大数据”的IT系统，他们从精力、成本、能力上来说都不适合，因此此类企业可以将企业的IT建设外包给适合的服务商，企业本身的所有精力可以投入到对商圈的开发上。

目前，一些IT软件开发运营商也已经针对传统零售企业推出了云服务的基础平台，为中小微型商业企业提供了大型企业和超大型企业同样的基础环境及系统架构，小企业只需清晰地规划出自己的目标和适合的步骤，使用云平台按需付费即可，大可不必进行巨大的初始投入和不可预测的运行成本。

三、“大数据”在零售企业实战中的应用

1、Target

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。为此，Target的市场营销人员求助于Target的顾客数据分析部要求建立一个模型，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，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。

如何能够准确地判断哪位顾客怀孕？ Target想到公司有一个迎婴聚会（baby shower）的登记表，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Target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。

为了不让顾客觉得商家侵犯了自己的隐私，Target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。

根据这个“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。Target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Target使用“大数据”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。

2、ZARA

ZARA平均每件服装价格只有LVHM四分之一，但是，回看两家公司的财务年报，ZARA税前毛利率比LVHM集团还高23、6%。

（1）分析顾客的需求

在ZARA的门店里，柜台和店内各角落都装有摄影机，店经理随身带着PDA。目的是记录其顾客的每个意见，如顾客对衣服图案的偏好，扣子的大小，拉链的款式之类的微小举动。店员会向分店经理汇报，经理上传到ZARA内部全球资讯网络中，每天至少两次传递资讯给总部设计人员，由总部作出决策后立即传送到生产线，改变产品样式。

关店后，销售人员结帐、盘点每天货品上下架情况，并对客人购买与退货率做出统计。再结合柜台现金资料，交易系统做出当日成交分析报告，分析当日产品热销排名，然后，数据直达ZARA仓储系统 。

收集海量的顾客意见，以此做出生产销售决策，这样的作法大大降低了存货率。同时，根据这些电话和电脑数据，ZARA分析出相似的“区域流行”，在颜色、版型的生产中，做出最靠近客户需求的市场区隔。

（2）结合线上店数据

2010年，ZARA同时在六个欧洲国家成立网络商店，增加了网络巨量资料的串连性。2011年，分别在美国、日本推出网络平台，除了增加营收，线上商店强化了双向搜寻引擎、资料分析的功能。不仅回收意见给生产端，让决策者精准找出目标市场；也对消费者提供更准确的时尚讯息，双方都能享受“大数据”带来的好处。分析师预估，网络商店为ZARA至少提升了10%营收。

此外，线上商店除了交易行为，也是活动产品上市前的营销试金石。ZARA通常先在网络上举办消费者意见调查，再从网络回馈中，撷取顾客意见，以此改善实际出货的产品。

ZARA将网络上的海量资料看作实体店面的前测指标。因为会在网络上搜寻时尚资讯的人，对服饰的喜好、资讯的掌握，催生潮流的能力，比一般大众更前卫。再者，会在网络上抢先得知ZARA资讯的消费者，进实体店面消费的比率也很高。

这些顾客资料，除了应用在生产端，同时被整个ZARA所属的英德斯（Inditex）集团各部门运用：包含客服中心、行销部、设计团队、生产线和通路等。根据这些巨量资料，形成各部门的KPI，完成ZARA内部的垂直整合主轴。

ZARA推行的海量资料整合，后来被ZARA所属英德斯集团底下八个品牌学习应用。可以预见未来的时尚圈，除了台面上的设计能力，台面下的资讯/数据大战，将是更重要的隐形战场。

（3）对数据快速处理、修正、执行

H&M一直想跟上ZARA的脚步，积极利用“大数据”改善产品流程，成效却不彰，两者差距愈拉愈大，这是为什么？

主要的原因是，“大数据”最重要功能是缩短生产时间，让生产端依照顾客意见，能于第一时间迅速修正。但是，H&M内部的管理流程，却无法支撑“大数据”供应的庞大资讯。H&M的供应链中，从打版到出货，需要三个月左右，完全不能与ZARA两周的时间相比。

因为H&M不像ZARA，后者设计生产近半维持在西班牙国内，而H&M产地分散到亚洲、中南美洲各地。跨国沟通的时间，拉长了生产的时间成本。如此一来，“大数据”即使当天反映了各区顾客意见，无法立即改善，资讯和生产分离的结果，让H&M内部的“大数据”系统功效受到限制。

“大数据”运营要成功的关键，是资讯系统要能与决策流程紧密结合，迅速对消费者的需求作出回应、修正，并且立刻执行决策。

3、亚马逊

此前亚马逊并未大张旗鼓推展广告业务，直至2012年年底，有报道指出，亚马逊即将推出实时广告交易平台，从而向Facebook和谷歌发起挑战。这个实时广告交易平台又称“需求方平台”（Demand Side Platform，DSP），可以让广告与目标消费者相遇。广告商可以在“需求方平台”上竞标网站的闲置广告空间，而竞标标的包括广告版位，以及符合特定条件的消费者。

亚马逊开发的“需求方平台”可以“协助广告商接触网路上的众多用户，同时也帮助客户迅速找到想购买产品的相关资讯”，“需求方平台”概念虽非亚马逊首创，但以丰富资料为后盾。

亚马逊与广告商分享的资讯有两类，一是依用户网路行为所做的通用分类，例如热衷时尚、喜爱电子产品、身份为母亲、爱喝咖啡等，二是用户的商品搜寻记录。至于消费者的实际购物资料，亚马逊似乎尚未列入分享。广告商即使无法得知实际消费记录，能了解潜在顾客的商品搜寻记录；亚马逊如果全力进军网路广告市场，仍可能大大改变产业生态。

亚马逊2012年的广告收入约为5亿美元， 2013年的广告收入将达10亿美元。这会成为亚马逊未来几年内营收增长的新动力，更重要的是，它可能是亚马逊各项业务中利润率最高的业务之一。

4、沃尔玛

2011年，沃尔玛电子商务的营收仅是亚马逊的五分之一，且差距年年扩大，让沃尔玛不得不设法奋起直追，找出各种提升数字营收的模式。最终，沃尔玛选择在社交网站的移动商务上放手一搏，让更大量、迅速的资讯，进入沃尔玛内部销售决策。沃尔玛的每张购买建议清单，都是大量资料运算而出的结果。

2011年4月，沃尔玛以3亿美元高价收购了一家专长分类社群网站Kosmix。Kosmix不仅能收集、分析网络上的海量资料（大数据）给企业，还能将这些资讯个人化，提供采购建议给终端消费者（若不是追踪结帐资料，这些细微的消费者习惯，很难从卖场巡逻中发现）。这意味着，沃尔玛使用的“大数据”模式，已经从“挖掘”顾客需求进展到要能够“创造”消费需求。

沃尔玛本身就是一个海量资料系统，适用各种商业上的分析行为，它的综合功能，作为世界最大的零售业（专题阅读）巨人，沃尔玛在全球超过200万名员工，总共有110个超大型配送中心，每天处理的资料量超过10亿笔。由于资料量过于庞大，沃尔玛的“大数据”系统最重要的任务，就是在做出每一笔决定前，将执行成本降到最低，并且创造新的消费机会。

Kosmix为沃尔玛打造的“大数据”系统称做“社交基因组（Social Genome）”，连结到Twitter、Facebook等社交媒体。工程师从每天热门消息中，推出与社会时事呼应的商品，创造消费需求。分类范围包含消费者、新闻事件、产品、地区、组织和新闻议题等。同时，针对社交网络快消息流的性质，沃尔玛内部的“大数据”实验室专门发展出一套追踪系统，结合手机上网，专门管理追踪庞大的社交动态，每天能处理的资讯量超过10亿笔。

“社交基因组”的应用方式五花八门。举例来说，沃尔玛实验室内部软件能从Foursquare平台上的打卡记录，分析出在黑色星期五，不同地区消费者最常购买的品项，然后，针对不同地区送出购买建议。

以上是小编为大家分享的关于大数据如何与零售业结合 在实战中应用的相关内容，更多信息可以关注环球青藤分享更多干货

『肆』 零售业拥抱大数据:用数据读懂消费者

零售业拥抱大数据:用数据读懂消费者

在过去一年，"大数据"的概念持续加温，热度已经覆盖除互联网以外的各个行业。关于大数据的概念已经无需再多说，大数据不仅仅是“看起来很美”，如何有效运用大数据创造商机，让大数据更好的发挥其自身的价值，为企业带来更多的效益，成为了各个企业亟待解决的问题。

大数据的起源要归功于互联网与电子商务，但大数据最大的应用前景却在传统产业。一是因为几乎所有传统产业都在互联网化，二是因为传统产业仍然占据了国家GDP的绝大部分份额。

具体来讲，中国最需要大数据服务的行业就是受互联网冲击最大的产业，首先是线下零售业，其次是金融业。受电商的冲击，国内很多零售巨头都增长严重放缓，甚至遭遇负增长，线下零售已经到了不得不变革的危机关头。我们看到银泰百货、王府井百货、万达集团这些具有创新意识的传统巨头开始利用互联网和大数据来改造线下商业。坐拥成百上千门店的传统零售企业，该如何面对迅速兴起的互联网战场?拥有海量会员信息和购买记录的传统零售企业，在逐渐变革的消费市场中如何利用数据优势迅速抢占市场?

在所有的零售渠道中，实体店占据着绝大多数的市场份额，但是线上渠道的吸引力在迅速增强，并且以中国消费者尤为突出。随着线上线下购物逐步融为一体，生存和成功将取决于零售商通过各种渠道接触到消费者的能力，更重要的是其为消费者提供多渠道的无缝连接购物体验的能力。如今掌握主动权的消费者希望能同时享受线上线下两种渠道的优点，并将会到那些能够提供优异的多渠道购物体验的零售商那里购物。

如何建立一个线上线下无缝连接的品牌和购物体验方便消费者的选择，从而赢得顾客的忠诚度和持久的客户关系?这些曾经棘手的问题，如今都迎刃而解。国内大数据技术服务商百分点推出的大数据管理平台(BigDataManagement，以下简称“BDM”)通过整合第一、二、三方的用户数据，对数据进行清洗、加工和建模，为企业的战略、运营、管理、市场、营销等提供各种数据产品和应用。传统零售业拥有海量数据。每天，每笔交易、每个订单、每次促销、都会产生无数的数据。一个值得关注的现状是，目前大部分的企业还没有将这个数据利用起来。这些数据的整合和解读将是企业无形的资产，并成为企业最大的优势，帮助传统零售企业在瞬息万变的互联网市场迅速抢占一席之地。

那么，零售商们应该如何将大数据运用到商业活动中呢?来看看百分点是如何描绘的。

A用户是一位标准的摄影发烧友，我们知道他最常浏览的网站就是“摄影爱好者论坛”。某天当A用户打开一个网站准备浏览今天的新闻，却被相机厂商发布在网站首页的广告迅速的吸引。A用户发现正是他关注的“新款镜头”，于是A用户决定去实体店看看。是的，百分点BDM通过A用户的浏览习惯等知道他是个理智型消费者”。

当A用户来到实体店时，一场数字化旅程即将开始。作为某商城的会员，A用户用商城会员卡买了咖啡，发现购物小票上显示“会员今日购买数码类产品享受9.0折优惠。登陆该商城免费的Wi-Fi时，A用户又收到商城推送的个性化推荐信息“最新款镜头，今日购买可低价换购相机包”。最终，A用户以优惠的价格买下了心仪已久的“最新款镜头”，并得到了“x商城”低价换购的“相机包”。

在上面的故事中,“摄影爱好者论坛”、“相机厂商”、“网站”、“商城”都是百分点大数据家族的一员。百分点BDM收集社交媒体、论坛和第三方的海量数据，并加以分析整合，宏观用户画像显示“85%的消费者在购买单反之后的两年内会购买镜头。”

以上只是百分点BDM对用户分群、画像，并将这些信息利用到商业活动中的举例。事实上，98%的中国消费者希望零售商能够利用他们掌握的信息提供个性化的促销和建议。在这个领域中，百分点关注两方面的内容，一是将线上线下数据的打通，为用户提供一致的购物体验;二是将电商的经验运用到传统卖场，为他们提供新的营销手段。

百分点BMD通过对海量数据的整合和解读更好地了解和预测消费者行为，掌握消费者偏好和需求甚至终生客户价值，以便把握住全新的促销机会，为他们提供更多个性化的产品和服务。通过融合多方数据，零售商为消费者提供创新的购物体验，促进消费者的品牌忠诚度和重复购买，进一步实现零售商的利润和市场份额的增长。

作为大数据服务商百分点一直致力于大数据的技术的研发和应用。百分点利用大数据分析技术为用户画像，以及利用用户画像来帮助企业实现个性化服务。在任何一门生意中，能够读懂用户并分析用户数据来预见未来都是行之有效的，这也是未来商业创新发展的必由之路。

以上是小编为大家分享的关于零售业拥抱大数据:用数据读懂消费者的相关内容，更多信息可以关注环球青藤分享更多干货

『伍』 如何在大数据背景下提高顾客对物流的满意度.docx

价格低廉：在大多数消费者看来，价格永远是其做出购买判断的首要因素。生活中，我们经常会看到一些大型超市在海报上写着“惊爆价”等购物信息。也正是这些惊爆价，起到了吸引人气的作用。因此，价格常常是商家惯用的吸引人气的方法之一。那些能够与其他卖场相区分，又属于大众消费的产品，尤其能够吸引消费者的眼球。这就要求卖场能够根据其他卖场的价格体系，对自己的商品价格进行调整，争取付出较小的代价，吸引较多的卖场人气。
交通便利：卖场的位置是否在居民区和购物中心附近，往往是决定消费人群是否愿意光顾的一个重要条件。因此，卖场周边的自然客流量常常是决定该卖场选址的一个重要因素之一。
商品充足：大卖场商品的充足与多样化，常常被消费者视为大卖场竞争实力的象征。大卖场的商品种类越是丰富，消费者对其的认可度越高，反之则越低。因此，几乎所有大卖场都在想方设法满足消费者对商品的多样化需求，让消费者尽量能够体验一站式购物。
店内特色：大卖场的店内特色，往往是让消费者对大卖场形成印象的一个决定性因素。要想让顾客形成对自己卖场的特殊印象，就必须抓住特色来做文章。通俗地说就是打造店内风格和特性。
购物环境：购物环境是卖场提供给消费者的另一种利益形式。在一个好的购物环境中购物，会让人觉得身心愉悦，产生更多的购物欲望。简单说就是“来了不想走，走了还想再来”。因此，近几年许多大卖场都在想方设法提高自己的购物舒适度，尽量扩大内部空间，加宽购物通道，增加照明，提供优美的音乐，增加内部通风功能设施等等。其目的就是希望顾客在购物时得到一种享受，将购物休闲化。
优质服务：卖场提供的优质服务，往往是让顾客感到贴心的地方，也是让顾客对卖场产生感性认识的地方。从某种意义上讲，卖场服务做得好不好，在消费者满意度中占很大比重。当然，卖场能够提供给消费者的服务有很多，并不仅仅局限于购物之中的服务，还包括购物前、购物后的服务。一个卖场服务意识的强弱，很大程度上体现在其对一些细节的处理上，如收银时顾客等候的时间、零币的调换等等。

『陆』 大数据应用案例不可不看的7大领域

大数据应用案例不可不看的7大领域

在当前的互联网领域，大数据的应用已经十分广泛，尤其以企业为主，企业成为大数据应用的主体。大数据真能改变企业的运作方式吗?答案毋庸置疑是肯定的。随着企业开始利用大数据，我们每天都会看到大数据新的奇妙的应用，帮助人们真正从中获益。大数据的应用已广泛深入我们生活的方方面面，涵盖医疗、交通、金融、教育、体育、零售等各行各业。
健康医疗 温情暖意
同仁医院通过与IBM合作，同仁医院建立起了强大的分析能力和体系，包括对临床、运营、科研、考核等信息的分析，实现智慧的医院管理与考核;同时也能看到医疗设备的平均故障间隔周期，从而降低了设备的故障率、平均维修时间。这一切都让工作效率稳步提升，也缓解了病人看病难的问题，提高了患者就医满意度。
未来的医疗片段：由“可穿戴设备”或其他终端收集到人体生理数据，自动传入云端，进行数据分析与处理，再将其结果发给医生，后者给出诊断或康复建议。例如日常的健康监督、运动及饮食指导，或对高血压、糖尿病等慢性病进行日常管理，甚至有望为每个人定制出自己的健康全纪录。
智能交通 路路畅通
杭州诚道科技采用英特尔Apache Hadoop发行版，使得海量图像和视频数据不但实现了可靠和高性能的存储，而且还能被大量的使用者快速地访问和使用。浙江省某市可保存的历史违法数据从3个月延长到24个月，从24亿条过车数据中完成机动车的号牌精确查询和行车轨迹查询，仅需不到1秒的时间。
未来的交通片段：无人驾驶将释放驾驶者的双手，提前预知路况信息，并准确的控制车辆状态。呆在驾驶仓中的人们将享受与家中相同的娱乐休闲体验，车载应用尽在云端。例如挡风玻璃，类似于手机屏幕，可实现多点触摸、支持视频通话，在玻璃上比划几下就能导航、显示路况、查询天气和附近美食、阅读电子书、回复邮件、互动游戏等等。
魅力体育 完美呈现
IBM专门为中网设计了具有实时大数据分析功能的MatchTracker(赛事追踪系统)，可以为球迷提供数据呈现、计分等功能。 MatchTracker基于IBM SlamTracker分析技术，使球迷能够利用历史和实时性数据，洞悉比分之后的态势和策略。此外，IBM还为中网组委会构建了安全和敏捷的内联网。
未来的体育片段：今后，比赛日将会带给球迷们终身难忘的回忆。他们不仅能收到来自队员为其量身定制的信息，还能够通过手机支持的忠实度账户获得购买特许权，甚至在去洗手间排队的间隙都可以收到实时战况;如果遇上有人情绪失控，球迷们还能通过手机立即报告，专人将会迅速呼叫保安人员，以保证比赛顺利运行并提高赛场整体管理水平;你能想象从手机上投标赛后新闻发布会的座位吗?或者在衣帽间外和球员照相?这些都将不再是梦想。
智慧教育 创新源泉
为了满足爆炸式增长的用户和数据量，同济大学携手中科曙光，在全面整合云计算平台和现有资产的基础上，采用 DS800-F20存储系统、Gridview集群管理系统，以及Hadoop分布式计算平台构建出了业内领先的大数据柔性处理平台，使得同济大学在信息学科及其交叉学科研究领域迈上一个新台阶。
未来教育片段：未来个性化学习终端，将会更多的融入学习资源云平台，根据每个学生的不同兴趣爱好和特长，推送相关领域的前沿技术、资讯、资源乃至未来职业发展方向，等等，并贯穿每个人终身学习的全过程。
全面迎接金融大数据时代
华为向农行提供了良好的计算平台，基于华为RH2288 V2服务器的分布式并行计算集群进行测试，以及还提供了快速响应客户需求的研发能力，以及业界最快捷的售后服务。农行的测试结果表明，华为解决方案完全满足农行对海量数据进行分布式处理的要求。
未来金融保险片段：通过大数据处理对个人信用信息的完善管理，公共机构能够将风险降到最低，从而实现社会管理效率的最大化。
零售营销 极致体验
作为中国商务部重点扶持的最大零售企业之一，北京华联集团通过部署Oracle 零售应用解决方案，以优化运营管理，进而提高商业敏捷性，并提升关键货物、定价、存货、供应链和交易流程的管理和实施。全面支持其旗下各项业务的不断增长，包括大卖场、综合超市、百货公司以及商业地产等。
未来零售片段：当一位顾客踏进百货店大门的一刻起，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，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，比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。
电信大数据异军突起
北京信合运通科技有限公司选择IBM PowerLinux平台作为信合大数据解决方案的基础架构平台已在国内帮助十多家电信运营商完成了大数据和分析项目的实施，是电信行业最领先的独立软件开发商。
未来电信片段：电信运营商们可以利用大数据为自身的产品服务，通过大数据分析用户行为，改进产品设计，并通过用户偏好分析，及时、准确地进行业务推荐，强化客户关怀，这样就可以不断改善用户体验，增加用户的信息消费以及对运营商的黏度;还可以通过大数据分析网络的流量、流向变化趋势，及时调整资源配置，同时还可以分析网络日志，进行全网络优化，不断提升网络质量和网络利用率;还可以通过业务、资源、财务等各类数据的综合分析，快速准确地确定公司的经营管理和市场竞争策略;
上述7个领域是大数据应用最多的领域，当然，随着大数据技术的日益成熟，还会涌现出很多其他大数据应用领域，以及很多新的应用案例。

『柒』 大数据市场有多大 怎么利用大数据赚钱

大数据市场有多大 怎么利用大数据赚钱
“大数据的市场规模没有天花板。”国务院发展研究中心信息中心研究处处长李广乾认为。不过细想，这正是目前各大企业和资本疯狂追逐大数据产业的重要原因。
“单独讨论大数据意义不大，它是依附于具体业务，和各个行业密切相关的。”李广乾认为，大数据产业规模和两大因素相关：一是经济发展水平，需要大数据的业务越多，市场体量就越大;二是信息化发展水平，能够产生数据的终端越多，数据就会越聚越多，而数据的生产是没有上限的。目前，大数据的金矿还仅是开挖了“冰山一角”。全球来看，Gartner2016年最新的技术成熟度曲线显示，大数据作为新兴领域，已经进入应用发展阶段，基础设施建设带来的规模性高速增长出现逐步放缓的趋势，技术创新和商业模式创新推动各行业应用逐步成熟，应用创造的价值在市场规模中的比重日益增大，并成为新的增长动力。从总体规模看，2016年，全球大数据市场规模实现16.5%的增长，预计将连续3年保持增速在15%左右。同时，大数据成为全球IT支出新的增长点，2016年，有近40%的企业正在实施和扩大大数据技术的应用，另有30%计划在未来12个月内应用大数据。“说大数据产业是一张画得很大的饼显然是片面的。”工信部赛迪研究院软件所所长潘文预测，包括大数据硬件、大数据软件、大数据服务等在内的大数据核心产业环节，2016年达到3100亿元，将在2020年超过1万亿元;大数据关联产业规模2016年超过5万亿元，将在2020年超过10万亿元;大数据融合产业规模2016年达到3.5万亿元，将在2020年超过20万亿元。“从大数据核心产业结构看，基于大数据的服务是大数据核心产业的主体，其规模约占大数据核心产业规模的90%，未来，服务也将是大数据产业的最核心部分。”潘文说。做数据“搬运工”目前国内大数据公司分为两类：一类是已有获取大数据能力的公司，如网络、腾讯、阿里巴巴等互联网巨头及华为、浪潮、中兴等企业，涵盖了数据采集、数据存储、数据分析、数据可视化及数据安全等领域;另一类则是初创大数据公司，依靠大数据工具，针对市场需求，为市场带来创新方案并推动技术发展。不同的大数据公司，盈利模式也不相同。如果把大数据产业比作房地产开发，那么海量数据就是地产开发时的土地资源，数据挖掘开发就是地产搭建盖楼。大数据主要的盈利模式也是围绕这两方面展开，一是通过直接“搬运”数据赚钱，二是通过数据加工分析盈利。“我们就像一个自来水厂一样，用户要你提供干净的自来水，对方可能是酒厂、饭店、饮料厂，他把你的水做成饮料或酒。”聚合数据就是一家主要依靠为客户提供数据盈利的公司，公司创始人左磊对其商业模式作了一个形象的比喻。在开发APP应用过程中，左磊发现客户对于数据的需求非常大，但他们本身却没有能力去做这些事情。聚合数据的主营业务，就是整合市面上有价值的数据源，从车辆违章信息、航班火车查询、全国加油站实时油价，到在线试题、电影、股票，做成标准化的API(应用程序编程接口)，开放给开发者、企业及微信公众号用户等使用，为他们免除数据收集、维护等环节。简言之，聚合数据是一家数据源公司，充当的是数据“搬运工”的角色。在变现模式上，针对一些本身成本不高的服务，聚合数据会对用户实行免费，而对一些成本相对高的服务，会按照每个接口或服务的成本收取不同的费用。2016年，聚合数据光API接口一项营收就超过1000万元。聚合数据的盈利模式是数据买卖市场一个有代表性的类型。另一个代表性类型是，国内乃至全球第一家大数据交易所——贵阳大数据交易所，自2015年4月正式挂牌运营以来，仅用两年多时间，就实现了可交易数据总量超过150PB，内容涵盖政府、金融、交通等30大类领域，并于今年上半年实现正现金流，预计今年底累计交易流水将突破2亿元人民币。数据的“消化”和“利用”如果说搬运数据是秀肌肉的“体力活”，那么分析数据并提供解决方案就是拼智商的“脑力活”，相当于把收集来的数据“消化”“利用”好。直接售卖数据是比较底层的盈利方式，而对数据进行处理加工则在商业模式上具备更多的想象空间。数据分析可大致分为直接提供数据分析工具和输出解决方案两种模式。潘文说，数据分析工具通常可以实现情报挖掘、舆情分析、销售追踪、精准营销、个性化推荐、网站/APP分析等功能，收费方式采取按需购买，部分功能服务免费，部分功能服务收费。阿里云的“数加”平台就是典型的数据工具盈利模式。阿里云大数据事业部总监徐常亮表示，阿里云“数加”平台，承载着阿里巴巴集团、蚂蚁金服的数据，可提供一站式的数据计算、加工、处理等服务，用户不用自建计算平台。此外，基于“数加”平台，阿里云还提供数十款应用工具，覆盖数据采集、计算引擎、数据加工、数据分析、机器学习、数据应用等数据生产全链条。计算引擎之上，“数加”平台提供了最丰富的云端数据开发套件，包括数据集成、数据开发、调度系统、数据管理、运维视屏、数据质量、任务监控。在数据分析方面，通过移动数据分析产品，开发者可快速搭建日志采集、分析系统;通过“数加”平台BI报表产品，3分钟即可完成海量数据的分析报告。在机器学习方面，“数加”平台发布的机器学习工具，可基于海量数据实现对用户行为、行业走势、天气、交通等的预测。大数据公司百分点的展厅内有一面弧形墙，可以24小时实时更新数据资料和图谱。这面墙上有全网当日产品销售统计和热销产品榜单，每一个产品都有详情介绍。百分点研发总监苏海波介绍，5.5亿用户的“画像”汇总于此，包括购物偏好、网购金额变化趋势、阅读兴趣等。用户的任何网上行为都会成为大数据的一部分，经过筛选加入到用户的数据中。通过与百分点合作，商户可以根据用户消费偏好，定向推送商品;旅行社可以定向推送旅游行程信息和报价;新闻资讯APP则可以推送用户感兴趣的信息。在输出解决方案上，大数据还可以应用到医疗、教育、零售、通信等传统行业。通过大数据产生更多收益，节约成本，优化原有行业，衍生出新的商业模式。

『捌』 大数据究竟能给我们带来什么

1，大数来据改变了生产生活方式。

大数源据让企业拥有了增值的潜力与爆发力：通过对销售大数据的分析应用，企业可以对消费者的需求有更精准的把握，从而进行更对路的生产；通过对用户评价大数据的分析挖掘，企业能够更有针对性地改善用户体验，从而促进产品营销。

2，大数据改变了思维方式。

这种改变是双向度的：被动改变与主动改变相互交织，外在对手与内在对手共存共生。某种程度上，大数据促进了商业生态系统的重构，从产品供应、营销模式到竞争策略，谁掌握了大数据，谁就掌握了用户。

3，大数据将改变了管理模式。

理念创新必然带来技术创新，技术创新必然呼唤机制创新，管理模式的及时跟进将决定大数据价值的充分发挥。大数据的意义不在于数据本身，而在于对数据的分析与应用，从而释放出数据所蕴含的巨大价值。

(8)大数据大卖场扩展阅读：

已经有不少国家和企业开始在这一新领域谋篇布局。作为拥有庞大人群和应用市场的中国，也力争在这次科技变革中实现创新与引领，已经取得了大数据的三大理论创新成果——《DT时代——大数据如何改变世界》、《块数据——大数据时代真正到来的标志》、《创新驱动力》。

『玖』 大数据的市场规模有多大

发展历程：十年来大数据产业高速增长，我国信息智能化程度得到显著提升

我国大数据产业布局相对较早，2011年，工信部就把信息处理技术作为四项关键技术创新工程之一，为大数据产业发展奠定了一定的政策基础。自2014年起，“大数据”首次被写进我国政府工作报告，大数据产业上升至国家战略层面，此后，国家大数据综合试验区逐渐建立起来，相关政策与标准体系不断被完善，到2020年，我国大数据解决方案已经发展成熟，信息社会智能化程度得到显著提升。

—— 更多行业相关数据请参考前瞻产业研究院《中国大数据产业发展前景与投资战略规划分析报告》