大数据零售商

1. 大数据在餐饮行业的应用主要包括

主要包括以下几方面：

1、准时交货：通过各种大数据分析工具和技术，食品配送可以得到高度优化和定时。虽然这更多的是在物流大数据的作用下出现的，但有许多食品零售商专门从事食品配送，不要忘记有多少餐厅提供送货上门服务。

3、情绪分析：情绪分析是通过社交媒体网络对客户情绪的监测。利用自然语言处理等技术，数据分析工具对文本进行分类，将其分为积极的、消极的或中性的。这种大数据分析技术可以被食品公司用来分析顾客的情绪。任何负面评论都可以进行规模化分析，并采取预防措施防止负面言论的传播。

4、更好的质量：消费者总是希望在他们喜欢的地方吃到同样味道的食物。虽然保持相同的口味听起来很容易，但这是一项非常具有挑战性的任务。食物的味道不仅取决于配料的正确计量，还取决于它们的质量、储存和季节。大数据分析可以分析这些变化，预测每个变化对食品质量和口味的影响。数据分析还可以分析储运等因素对包装食品质量的影响。

2. 大数据分析:零售业谋变新路径

大数据分析:零售业谋变新路径

只有将客户数据转化为洞察，用数据指导营销计划和销售规划的制定，才能把这些冷冰冰的数字转化为客户亲密度，将零售商与客户紧紧绑定在一起。

数据显示，截止到2013年底，中国电子商务市场交易规模达10.2万亿，同比增长29.9%。在电商呈现如火如荼之势时，传统零售业受到挤压，线上线下遭遇截然不同：客流减少、业绩不佳、甚至被迫关闭门店……实体零售业经营陷入困局。面对来自电商的强烈冲击，实体零售商也开始思索如何谋变，进行了一系列新尝试。部分不甘沦为“试衣间”的零售商勇敢试水O2O，打通线上线下渠道。来自更多渠道的数据重塑商业模式的同时，也让零售商看到了其蕴含的商业价值。数据中的丰富客户洞察也推动了“以客户为中心”的业务转型。

大数据时代，亟待突围的零售商该如何在探索中把握先机，SAS公司结合国外零售商最佳实践给出了如下建议：

以客户为中心的数据驱动营销管理，从多种渠道获得成功转型

在技术的帮助下，零售商可以通过社交媒体、移动应用、定位服务和电子邮件等更多渠道与消费者交流。更多沟通桥梁也带来了更为丰富的客户信息，而仅仅获取这些信息是不够的，只有将客户数据转化为洞察，用数据指导营销计划和销售规划的制定，才能把这些冷冰冰的数字转化为客户亲密度，将零售商与客户紧紧绑定在一起。

1.梅西百货：有的话，只想说给你听

美国著名连锁百货公司梅西百货设立电商部门Macy’s.com，希望消费者无论在哪里，都能同步享受最新上市商品和促销活动，寻找购物魔力。Macy’s.com设立了互联网客户洞察部门，利用大数据分析改进个性化营销、广告策略等方面，迅猛发展在线渠道营销，从传统的线下经营成功转型为全渠道经营模式。面对激烈的竞争，Macy’s.com亟需关于客户偏好的更精准实时决策。梅西百货认为，获取跨越全渠道的客户洞察是提高顾客满意率和营收增长的关键。为了更高效地了解和评估在线营销活动对实体店销售额的影响，Macy’s.com采用SAS解决方案大大加强分析实力，自此改变了群发通用型电子邮件的低效营销方式，对客户进行更精细的分类，针对性地发送促销邮件。出乎意料的是，邮件发送频率的降低并没有减少网站访问量，邮件退订率反而减少了20%。

2.Harry & David：尝尝分析的甜头吧

在经历了经济衰退带来的业绩下滑之后，美国美食和礼物零售商领军Harry & David利用分析技术判断谁是目标客户，目标客户希望以何种方式以及何时接收促销信息以及哪类人群最有可能驱动销售额增长，从数据中理清未来发展的思路。在开始的几个月里，营销团队在获取顾客行为和偏好方面取得进展。一年内，在客户细分、客户生命周期和并发价值分析上更进一步。三年之内，Harry & David新的客户维系率上升了14%，顾客带来的销售额也增长了7个百分点，高质量忠诚客户增加了10%。使用SAS? Campaign Management之后，Harry & David获取了更多有价值的客户洞察，例如：通过导入外部数据和分析历史交易行为，他们得出了由社交网络渠道吸引而来的客户更值得进一步培养这一结论。客户档案建模和管理也为销售情况预测提供了可靠依据。由此，Harry & David尝到了数据分析的甜头，走上了数据驱动型的营销道路。

3.Chico’s：告别猜测，和直觉说再见

成衣女装零售商Chico’s FAS Inc.在全美境内拥有超过1000家门店。除了实体店外，Chico’s还通过商品目录和在线渠道开展营销活动。在面临行业衰退时，Chico’s决定好好利用多年积攒下来的客户信息，并由此驱动商业决策。但是，现实远比想象艰难，来自于Chico’s 旗下的多个品牌数据难以整合，且公司并不具备海量数据处理能力。相较于真实可靠的客户数据，营销人员更多倚赖的是直觉。Chico’s需要一个为管理和整合海量数据提供可靠追踪记录的系统，并希望业务人员在没有数据工作人员和程序员的情况下也能使用数据。Chico’s选择了随需应变解决方案：营销自动化（SAS? OnDemand：Marketing Automation）。这是一个包含了一整套预测分析和数据挖掘工具、允许营销人员计划、测试和执行任意规模营销活动的企业级解决方案。

该解决方案帮助Chico’s策划节假日促销活动。数据显示，在使用该解决方案后，Chico’s季度利润达到1700万美元，而在上一年同一季度中，Chico’s亏损了4200万美元。在营销自动化解决方案的帮助下，Chico’s将客户进行精细分类，并区别不同推广活动达到的效果。Chico’s将目标群体划分为三类，并采取相应行动：第一类顾客为希望第一时间购买新品的消费者。这类顾客能收到包括所有尺寸和价位商品、并标注出新品的商品目录和邮件。第二类顾客是热衷于折扣商品的顾客，Chico’s向这类顾客邮寄针对性更强的更薄的商品目录和促销传单。第三类为网站用户，Chico’s向线上客户推送符合其消费偏好的电子邮件。

一旦发现销售不佳的商品，Chico’s即可迅速调整促销策略。Chico’s挽回了更多的流失客户，成功率是此前的三倍。通过大数据分析，Chico’s从过往交易记录中鉴别更受欢迎的商品，并选择相应的促销手段。作为一家拥有多个品牌的零售商，通过判断消费者喜好，如今Chico’s能够通过策划促销活动引导某一品牌忠实顾客也能会光临旗下另一品牌，带来了更多潜在销售机遇。过去需要30天才能出炉的营销计划现在只需4天就能策划完成。团队也拥有了更快创造精准营销活动的能力。

通过大数据分析，零售商可以用过往交易记录指导营销活动，创造切实符合客户所需的深入人心的营销活动，用个性化的消费体验建立更紧密的客户关系，最终促进营收增长。

洞察中的精准预测，指导策略规划

从总结过去和观察现在中预测未来，是大数据的另一魔力。这也启发了零售商从一开始的供应环节就在大数据的指导下进行精准且具有可行性的需求预测，由此优化客户的购买体验。

DSW：7码还是9码，我知道！

不同于成衣的尺码灵活性，消费者在购买鞋类时必须选择合脚的尺码，这对鞋类零售商的供应体系提出了更高要求。美国鞋业零售巨头DSW利用SAS解决方案整合采购和供货系统。有了SAS解决方案的合理分配逻辑，DSW对于尺码供应有了更精准的判断。这让“按店铺所需分配尺码（size by store）”模型开发成为可能。从前，DSW实行统一标准供货，12箱包含各个尺码鞋子的包裹被寄送到各个门店。事实上，有的门店仅仅需要7码和8码的鞋子，而它们依然会收到6码和9码的货品。数据分析能够计算出在减少促销活动并且无缺货情况下每个地区所需的特定鞋码和款式货品数量和订单补给量，确保门店内供应充足的正确尺码货品，并能实现及时补货。门店运作更为高效，顾客更少等待，满意度也大幅上升。

减少IT开支，增加系统灵活性，高性能分析技术创造更高价值

大数据的蓬勃发展催生了具有高度灵活性的技术，例如可视化分析、高性能分析和云端应用等。得益于随需应变的高度灵活的技术，零售商大大减少了IT运营的开支，并从更高级的分析中获取了更有价值的洞察。

SM-MCI：“亚洲百货之王”的分析利器

“亚洲百货之王”SM集团旗下的SM Marketing Convergence Inc.（SM-MCI）运作着全菲律宾最大的客户忠诚度计划。这一计划中记录了每一名顾客在SM集团旗下购物中心消费中所获积分的情况，存储了超过十亿次的消费记录，却并未得到有效利用。SM-MCI需要一种可以促进销售，改善运营，同时也能增进顾客忠诚度的解决方案。最终，SM-MCI选择了融合内存分析技术和商业智能高级数据可视化的SAS可视化分析（SAS? Visual Analytics）解决方案。它不仅拥有无与伦比的统计计算能力和速度，还能通过直观的方式展示分析结果。在新变量添加时也不会产生多余的数据规划和提取转化加载流程。从更加深度的报告中，SM-MCI能够更加深入地了解消费模式，并鉴别趋势，以此来及时策划促销活动，传递更优质服务，提升顾客满意度，吸引新会员加入，发现有利可图的追加销售机会。

在发达国家，电子商务的崛起早已证明其对实体零售业的强烈冲击，而国外零售商们在对抗冲击中也累积了更多经验。这些实践经验带给近年来饱受电商威胁的中国实体零售商更多思考：云服务、数据可视化和Hadoop等新兴技术在零售业落地应用并发展迅猛，为行业注入了活力。

以上是小编为大家分享的关于大数据分析:零售业谋变新路径的相关内容，更多信息可以关注环球青藤分享更多干货

3. 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

4. 零售企业如何面对“大数据时代”

零售企业如何面对“大数据时代”

当“物联网”、“云计算”我们都还没有理解清晰时，又出来了一个新名词——“大数据”，这些IT名词仅仅是概念，还是与我们所处的商业环境有直接关系？笔者认为，大多数的零售从业者都不能清晰地回应。

首先我们需要明白，商业行为的本质是什么？就是企业发现和挖掘客户需求，并提供有价值的服务以满足客户需求。最佳的商业行为就是企业通过提供不同形式的服务超越客户的需求，让客户的物超所值的感觉持续下去；这样的商业行为将能够获得更高且持续的利润。

“物联网”、“云计算”或“大数据”都是帮助我们发现和挖掘客户需求，提供快速和准确的市场数据以便客户及时决策的工具。相对传统的工具，它们更高效率、更低成本、更准确。笔者认为作为商业信息领域的从业人员，可以不需要过多地了解其内在核心技术及方式，但它们能够给零售用户和行业带来哪些变革或趋势是我们不能忽视的。

2008年马云成功地预测了经济危机，并帮助成千上万的小制造商准备了过冬的粮食。此举让马云在业内赢得崇高荣誉的同时，更为阿里巴巴带来持续的客户。马云如何做到这些事情的呢？是“大数据”给了他启示。马云对未来的预测是建立在对用户行为分析的基础上。一般而言，买家在采购商品前，会比较多家供应商的商品。此举反应到阿里巴巴的统计数据中，就是查询点击的数量和购买点击的数量相对会保持一个数值，综合各个纬度的数据能够建立用户的行为模型。因为淘宝网用户样本量巨大，从而保证了用户行为模型的准确性。“大数据”为阿里巴巴清晰地预测了用户需求和市场变化。

什么是大数据

相信马云的案例已经给我们一些启示了。

那么什么是“大数据”呢？谈到大数据，离不开物联网和云计算的关系。物联网、云计算和大数据实际上是不可分割的三大技术，不可孤立而言；物联网的快速发展为大数据提供了广泛的数据来源，云计算为大数据的诞生创造了基础环境，脱离物联网和云计算的层面，就没有大数据存在的巨大价值。

从数据的角度来看，物联网仅仅是数据的来源或者承载的方式，我们可以简单地认为是收集信息和数据的一种更加简单和有效的终端方式。

云计算是一种新的IT业务模式，这种模式的特点在于提供极低的成本、极快速的交付手段、极简单的使用方式，并且让各个关联的系统协同变得异常简单和轻松。云计算的蓬勃发展，客观上开启了大数据时代的大门，如果用高速公路来形容比喻云计算，那么大数据就是所有汽车中的货物。云计算为大数据提供了存储空间、访问渠道及运算能力。大数据是云计算的灵魂。

大数据技术简单来讲就是从各种类型的数据中，快速获取有价值信息的能力；在互联网时代，我们的数据已经不单单是传统的结构化数据了，非结构化数据、半结构化数据开始占据了我们数据的大部分内容，我们从中找到有价值的信息，已经变得不是那么容易。大数据技术的发展开始让这些问题的解决变得简单。

大家可以清晰看出，我们提及的智慧商业脱离了大数据是不可能实现的，大家熟悉的商业智能离开了大数据就是一个忽悠人概念了。

大数据具备四大特征：第一，数据量巨大，从TB跃升到PB级别；第二，数据类型丰富，包含日志、视频、音频、图片、地理信息、文档等等；第三，数据价值密度低，以视频数据为例，一个超过一小时的视频，可能有价值的信息不到三秒；第四，数据处理速度快，要达到秒极，需要能够实时获取有价值的数据。

这些还都是大数据的概念和特征，回归到我们实际的商业行为中，大数据能够为我们带来什么益处？

以往我们进行商业判断时，大多靠我们的经验和直觉，所以会出现不是很确定的判断或者走一步看一步的探路式情况发生。大数据时代很多企业的正确决策是依靠数据分析得出，从而为企业带来巨大的运营效益。麦当劳、肯德基以及苹果公司等旗舰专卖店的位置都是建立在数据分析基础之上的精准选址。在零售业中，数据分析的技术与手段更是得到广泛的应用，传统企业如沃尔玛通过数据挖掘重塑并优化供应链，新崛起的电商如卓越亚马逊、淘宝等则通过对海量数据的掌握和分析，为用户提供更加专业化和个性化的服务。

各类企业如何应对大数据时代发展

我们怎样来面对大数据时代？笔者认为可以分为几步来考虑。

首先企业的领导者要重视大数据的发展、重视企业的数据中心，把收集客户数据做为企业运行第一目标；第二，对企业内部人员进行培训及建立收集数据的机制；第三，以业务需求为准则，确定哪些数据是需要收集；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。

看完这些，很多人会认为，这些IT基础工作需要巨大的投入和庞大的信息化团队，做为中国商业最大的一份子——中小微型零售企业不可能或没有足够的能力来面对这样一场变化。

大中型企业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投入，将很快会被新型的IT工具拖垮或者遭受重创。幸运的是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。做为中小微型零售企业，完全不必考虑自己建设一套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投入到客户的开发上。

亚马逊在全球率先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，小企业只需清晰规划自己的目标和适合的步骤后，使用云平台按需付费即可，大可不必进行巨大的初始投入及不可预测的运行成本。目前国内已经出现一批在为国内中小微型零售企业提供类似服务的信息服务商，比如基于客户关系管理的“XTOOLS”，基于客户服务的“迅鸟”云呼叫平台，基于连锁店面管理的“甩手掌柜”等等。至于各中小微型企业怎么选择适合自己的发展平台，则需要依靠该企业领导者本人的智慧。

以上是小编为大家分享的关于零售企业如何面对“大数据时代”的相关内容，更多信息可以关注环球青藤分享更多干货

5. 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

6. 零售行业大数据技术如何应用

1、实时进行管理交付
作为零售商，开展业务和获利的关键要素是尽快收到货物，并确保货物也能迅速交付给商店或客户。大数据通过使零售商能够实时管理交付而提供帮助，这是零售供应链管理的关键。零售商可了解交通和天气状况最新信息，以及正在运输的货物所在的位置。
2、拣选更好的时间
许多零售商的另一个重要组成部分是拣选和包装订单。这是一个传统的劳动密集型流程，在以往，只有大型零售商才能通过自动化拣选机器人或组织大量员工来加快拣选速度。如今采用大数据，即使是小型零售商也可以改进其流程，并在更好的拣选时间进行拣选。
3、将供应链细分
消费者比以往任何时候都期待获得更加个性化的购物体验和客户服务。零售商可以通过数据对供应链进行细分，更好地迎合不同的目标市场，提高转化率。通过记录数据分析告诉零售商在不同渠道(例如，网络、移动和社交)与购物者的互动，从而使其向购物者提供个性化服务。
4、供应商管理常改善
零售商可能与供应链中的多家公司合作。可能会有直运供应商、物流供应商、包装供应商和其他供应商，他们需要组织、管理和审查。反过来，试图提高盈利能力和可靠性也可能是一项挑战。大数据技术可以提供帮助。