『壹』 零售业大数据说明应用案例
零售业大数据说明应用案例
跟着大数据期间的到来，数据说明已经成为了零售业很是重要的一环，也是风雅化运营的基本。零售业数据说明包罗：
跟着大数据期间的到来，数据说明已经成为了零售业很是重要的一环，也是风雅化运营的基本。零售业数据说明包罗：
本文将对这6个方面一一解读。
1 财政说明
1）说明企业的财政状况，相识企业资产的活动性、现金流量、欠债程度及企业送照旧非期债务的手段，从而评价企业的财政状况和风险；
2）说明企业的资产打点程度，相识企业对资产的打点状况，资金周转环境；
3）说明企业的赢利手段；
4）说明企业的成长趋势，猜测企业的策划远景；
同时，体系还应该凭证部分、职员、商品、供给商、时刻等各个维度综合说明各项财政指标，如：本钱、毛利、利润、库存、结算、盈亏均衡点、贩卖数目、贩卖金额、市场占据率等等。
2 贩卖说明
首要说明各项贩卖指标，譬喻毛利、毛利率、坪效（坪效是台湾常常拿来计较阛阓策划效益的指标, 指的是每坪的面积可以产出几多业务额(业务额÷专柜所占总坪数，以百货公司为例, 店里差异的位置, 所吸引的客户数也差异。一楼进口处, 凡是是最轻易吸引眼光的处所, 在这样的黄金地段必然要安排能赚取最大利润的专柜, 以是你会发明百货公司的一楼凡是都是扮装品专柜）、交错比、销进比、红利手段、周转率、同比、环比等等；
而说明维度又可从打点架构、种别品牌、日期、时段等角度调查，这些说明维又回收多级钻取，从而得到相等透彻的说明思绪；
同时按照海量数据发生猜测信息、报警信息等说明数据；
还可按照各类贩卖指标发生新的透视表，譬喻最常见的ABC分类表、商品敏感分类表、商品红利分类表等。
这些伟大的指标在原本的数据库中是难以实现的，老总们固然知道他们很是有效，但因为无法获得，使得这些指标的职位也如有若无。直到BI技能呈现之后，这些指标才从头获得了打点者和说明者们的宠幸。
3 商品说明
商品说明的首要数据来自贩卖数据和商品基本数据，从而发生以说明布局为主线的说明思绪。首要说明数据有商品的种别布局、品牌布局、价值布局、毛利布局、结算方法布局、产地布局等，从而发生商品广度、商品深度、商品裁减率、商品引进率、商品置换率、重点商品、脱销商品、滞销商品、季候商品等多种指标。通过对这些指标的说明来指导企业商品布局的调解，增强所营商品的竞争手段和公道设置。
4 顾主说明
顾主说明首要是指对顾主群体的购置举动的说明。譬喻，假如将顾主简朴地分成富人和贫民，那么什么人是富人，什么人是贫民呢？实施会员卡制的企业可以通过会员挂号的月收入来区分，没有奉行会员卡的，可通过小票每单金额来假设。好比大于100元的我们以为是富人，小于100元的我们以为是贫民。好了，此刻老总必要知道许多工作了，好比，富人和贫民各喜好什么样的商品；富人和贫民的购物时刻各是什么时辰；本身的商圈里是富人多照旧贫民多；富人给阛阓作出的孝顺大照旧贫民作出的孝顺大；富人和贫民各喜好用什么方法来付出等等。另外尚有商圈的客单量、购物岑岭时刻和沐日经济对企业影响等说明。
5 供给商说明
通过对供给商在特按时刻段内的各项指标，包罗订货量、订货额、进货量、进货额、到货时刻、库存量、库存额、退换量、退换额、贩卖量、贩卖额、所供商品毛利率、周转率、交错比率等举办说明，为供给商的引进、储蓄、裁减（或裁减其部门品种）及供给商库存商品的处理赏罚提供依据。首要说明的主题有供给商的构成布局、送货环境、结款环境，以及所供商品环境，如贩卖孝顺、利润孝顺等。通过说明，我们也许会发明有些供给商所提供的商品贩卖一向不错，它在某个时刻段里的结款也很是不变，而这个供给商的结算方法是代销。好了，说明昭示出，这个供给商所供商品贩卖风险较小，假如资金不求助，为什么不思量将他们改为购销呢？这样可以低落本钱呵。
6 职员说明
通过对公司的职员指标举办说明，出格是对贩卖职员指标（贩卖指标为主，毛利指标为辅）和采购员指标（贩卖额、毛利、供给商改换、购销商品数、代销商品数、资金占用、资金周转等）的说明，以到达查核员家产绩，进步员工起劲性，为人力资源的公道操作提供科学依据的目标。首要说明主题有，员工的职员组成、贩卖职员的人均贩卖额、对付开单贩卖的小我私人贩卖业绩、各打点架构的人均贩卖额、毛利孝顺、采购职员分担商品的进货几多、购销代销的比例、引进的商品销量如多么等。
以上是小编为大家分享的关于零售业大数据说明应用案例的相关内容，更多信息可以关注环球青藤分享更多干货
『贰』 大数据技术可以为零售行业带来那些重大变革
1、零售业的商品采购，不需要漫无目的，而可以根据购买习惯进行采购
2、商品溯源根据方便，倒闭零售的商品品质要求更高
『叁』 大数据人才储备对零售业未来有何影响
大数据人才储备对零售业未来有何影响
现在已经进入了大数据时代，所有的企业必然未来会触碰大数据。零售行业实际上是最早触碰大数据的，而且也是在所有行业中对大数据非常敏感的一个行业，最主要的原因，是因为零售行业与生俱来具有非常好的大数据基础。
中国的零售商们，很多年前就已经对企业的数据，企业内部的营运数据，销售数据进行了有效的存储，这些对于零售商而言，在进入大数据时代以后都是非常宝贵的财富。
零售业的数据融合
现在零售行业经常使用到的研究方法。第一个是用户画像功能，它是通过对大量的用户数据进行分析，把它进行分类，比如说年龄、性别、文化、收入，还有消费者的喜好。对消费者进行数据的建模和分析，帮助企业准确的对用户进行定位，进而引导销售。因此，零售商会使用到兴趣图谱，兴趣图谱是把人与人之间共同的兴趣绘画成图谱，分享他们共同的兴趣，找到同类客户相应的核心需求，进而引导零售行业准确地进行营销。
第二个是舆情分析，通过对社交大数据的研究，更好的了解客户对于产品各个方面的感受所带来的一些观点、评价、意见，提高客户的购物感受。
第三是动态定价，是通过对线上线下大量的数据，大量的价格数据进行判断。现在国外越来越多零售行业开始使用电子货架标签，这样通过线上线下价格数据的调整，使电子标签的普及，使动态定价成为了可能。
以上的功能全部是大数据作为支撑，大数据体量增长变得越来越快，最近两年所产生的数据量已经是人类历史数据的总和，五年以后每天甚至每一个小时产生的数据都可能是之前人类历史数据的总和，大数据已经进入到指数级增长的阶段，数据无所不在。
大数据已经成为了美国国家战略，奥巴马说过一句话：大数据是未来的石油。中国政府对于大数据方面也越来越重视，越来越关注。
6月24日，国务院发出《关于运用大数据加强对市场主体服务和监管的若干意见》，里面提出了很多扶持大数据，引导大数据发展的意见。而在年中李克强总理主持的互联网+会议上则明确提到要尽快构建自己的数据化服务平台，以免在大数据时代落伍。
大数据崛起
在麦肯锡在全球研究院的一份研究报告中，大数据对美国企业的影响，包括医疗、公共管理、制造业，当然还有很重要的是零售业。大数据的应用让美国的零售行业平均利润增长超过了60%，这个数据不是最新的。随着大数据的蓬勃发展，它给企业带来的影响会越来越大。
大数据为什么会产生？这是因为大数据体量的增长，使原来不可能找到的核心数据成为了可能，使原来不可能分析的决策结果成为可能。所以大数据直接影响到了企业的决策，它可以帮助企业做到更精准的决策，这意味着企业可以承担更低的营运风险，得到更多的利润。所以大数据不需要炒作，因为大数据给企业带来实实在在的价值。
中国才刚刚进入大数据时代，可以叫做大数据1.0时代，很多企业要应用数据进行分析，首先要构架自己的数据化存储的平台，而数据化存储的平台是依靠技术来实现因为大数据是对接企业最后一公里的服务，它是通过数据的深度分析来完成的，没有分析，只有数据，无法使企业创造价值。
随着开源结构越来越多，技术构建的费用门槛也会越来越低，甚至将来有些技术会免费。不少大数据平台应用了很多的技术，提供公益的，免费的服务。换言之，那就是说技术没那么重要，那么什么最重要呢?深度的分析和对企业未来的预测能力才是不可替代的。从这点上讲，大数据的核心不是技术，大数据的核心是分析能力。
很多人会说大数据离我们比较远，毕竟大数据很新，也许需要等一等，看一看，不必那么早的触碰。20年前，互联网刚刚进入中国，每一个人也会有这样那样的想法，觉得早、晚，在里面犹豫，但是互联网20年创造了太多的奇迹，大数据现在就在不断地创造奇迹。
如果和20年前一样等下去的话，无论是企业或是国家都可能会丧失新的发展和增长的机会。而且大数据能使企业经过应用，会看到立竿见影的作用。因此，明智的企业已经开始收集数据，分析数据，要从今天开始，要从现在开始。
企业现在运营的业务和所有行为都可以转化成数据，未来在大数据时代，对数据的营运就是对业务的营运。如果今天不收集数据，不应用数据，到未来没有数据的时候，就无法开展业务。
可以说，大数据真实可见，大数据不崇拜技术，它更关注企业未来的盈亏。大数据是一种技能，是从海量数据中去分析，发现巨大的能力。
大数据人才的价值
具有什么样能力的人才是所说的大数据人才。人才，第一个要具备对行业，对业务要熟知，不懂行业，不懂业务，其他具备是没有用的。其次，大数据变革的产生是由于技术的改革，技术的提升，所以懂一定的IT技能，懂一定的技术能力是应该的。第三个大数据不是简简单单的单一学科，它需要你掌握数学、统计、经济学、管理学、决策学等一系列的知识。这些知识可以说数据分析，如果你一定把它作为单独学科，它是一个边缘学科。
这三种能力的交集才形成了真正的数据分析能力。在国外已经把数据分析人才提到了更高的位置，把它叫做数据科学家。这一类的人才是企业将来必争的人才。
数据化人才将来可能是企业的标配，就像企业现在要有会计、财务，数据分析人才将来是企业也必须要具备的。
储备数据人才要早于储备数据和技术，这是大数据人才的应用决定的。首先大数据人才应用有三个方面：数据存储、分析数据、优化数据。不少企业已经开始关注数据存储了，找很多技术公司构建了自己的数据化分析平台，大数据的应用服务于企业的决策，第一件事情先要研究决策方法，研究各种算法，研究各种模型，要去找到数据的核心字段，要去判断数据的深度和广度，要查找互联网数据的来源，只有这样做才有价值。
第二个，有了数据以后，必须要分析。不分析，没有办法引导决策，所以优秀的分析人才可以帮助企业完成最后一公里的搭建。
第三个，优化数据，数据要不断地优化才有价值，模型需要优化，决策方法需要优化，这是需要企业不断地完善自己的研究能力，来提升数据带来的价值。可以说，数据人才对于未来企业的发展非常非常重要。
随着零售商行业发展越来越快速，线下数据已经远远不够，大数据能够帮助企业更好的把线上线下数据加以融合，大数据人才则能从这么数据当中为企业做出最有价值的方案，为企业创造越来越多的价值。
以上是小编为大家分享的关于大数据人才储备对零售业未来有何影响的相关内容，更多信息可以关注环球青藤分享更多干货
『肆』 新零售时代，大数据智能如何运用到销售业务
首先，声明一个观点，“不管是哪个时代，只要企业还是要创造客户价值，还需要人与人之间的沟通，销售就不会消亡”，借一句名言，“销售永远不死，只是需要不断修行”。说几点理由，
1）新零售时代，客户体验最重要。“无人便利店”等替代的不是销售员，而是只会做简腔核基单工作（如收款，野蛮推销）的店员。其实能与客户进行感情沟通，对商品和服伍谨务具备专业知识等，恰恰是各小区门口便利店的关键需求。好的体验离不开有“温度”的人，这点从星巴克，7/11等都有体现。
2）2C生意，很多人认为产品最重要，产品经理大行其道。但目前还没有一款“伟大产品”是埋头开发，一出来就大行天下的。产品需要收集客户需求（不是只做客户需求），需要让用户知道，需要用户使用转换，即使一切都通过线上完成，也要有“连接”把产品与用户连起来。大家都了解，最有效的连接是人，是人与人之间的关系，最有效的传播是建立在信任度连接之上的传播。网红就是一种变型过的销售，只不过从技能上多了一些社交，内容媒体等要求。以后的生意模式也许会流行S2B2C。S是大的品牌商，保证产品质量，提高效率，降低价格；B是一些由专业“达人”构成的小B，通过便利店，工作室，小众社群等手段运营用户，把S的商品或服务专业化，高体验地传递给C端用户，本质上是承接了S端的很多销售任务。（OPPO，vivo遍布在各零售终端导购员就是一种雏形）
3）流量越来越贵，大家会逐渐把运营重点从引流拉新转移到维护好老客户，销售既要做好产品销售转换，也需要能解决用户问题，维护氏兆好老客户，对其综合能力要求越来越高，以后的分工不会把岗位按用户不同阶段划分的那么细（以前分市场，销售，售后服务等，其实更多考虑的工业时代的企业内部效益，对最终用户的体验反而是不一致的，会有损害），而是把用户分群，由一个销售组织来完成用户全生命周期的运营。这对组织管理，绩效考核，任务协同等都提出了新要求。
4）新技术应用到销售管理中，不仅仅是为了规范流程，提高效率等作用，也会在增强体验，改善情感交流等方面有很大空间。游戏化销售技能培训和过程管理，智能匹配等大数据算法都是很好的一些尝试。
『伍』 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
『陆』 大数据技术在零售中可以发挥哪些作用
利用大数据进行新零售营销，能够有效的提高营销的效率和质量， 使营销模式向着信息化的方向发展。
大数据在新零售中的运用有利于提高产品的影响力，在传统的零售行业中，由于宣传模式存在缺陷，导致零售产品的影响力不足，人们对于产品不够了解，进而使得产品的销量受到影响。在大数据时代的影响下，企业利用大数据对产品的生产制造、销售渠道和销售方法进行分析预测， 进而使得企业能够及时的发现产品在营销过程中存在的问题，并及时的制定解决策略，完善产品的销售流程，进而提高产品的销量。
『柒』 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