大数据和新零售

小鱼儿 2023-07-23 03:57 13阅读 0赞

新零售，就是以消费者体验为中心的数据驱动的泛零售形态，依托大数据技术，使得零售商获得大量用户的精准数据，驱动“人”、“货”、“场”三者关系的重构。在《让人、货、场重构的新零售是什么？》这篇文章中，我们已经简单的给大家说明了什么叫做“人”、“货”、“场”三者关系的重构，今天我们就来讨论讨论，大数据在新零售领域中的作用。

大数据一词，想必大家已经习以为常了，但你能说出它的精准含义吗？大数据是英文单词Big Data的直译，我们看看百度百科当中对大数据的定义：

指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

其实这里面包含了两个层次对大数据的定义，一个是可利用的大数据，第二个是大数据价值的定义。大数据是海量数据的集合，但是大数据不是说数据越多越好，而是着重于对那些含有意义的数据的专业化处理，也就是说利用价值的大数据才是信息资产。麦肯锡全球研究所给大数据的定义当中有这么四个特征：海量的数据规模、快速的数据流转、多样的数据类型和价值密度低。

![format_png][]

1. **海量的数据规模**

很久以前大家都听过这么一句话，互联网时代是信息大爆炸的时代，但是具体是一个什么概念呢？早在2012年的时候，IBM的研究称，人类文明所获取的所有数据，90%都是近两年产生的，而到达2020年，也就是明年，全世界所产生的数据规模将达到今天的44倍。

我小的时候用的移动储存介质是软盘，其容量不过1.44MB，后来使用的是几百兆的U盘，再到十多G的U盘，到现在用的是2T的移动硬盘。而大数据的数据量也在跃升，从TB到PB到EB到ZB，每个的差距是1024。人类产生的数据量越大，从中可以分析的也越多，所以大数据一定是有海量的数据规模的。毕竟一个人一天的数据当中，有太多的偶然性，也分析不出什么来。

2. **快速的数据流转**

社会的飞速发展，数据的产生和传播的速度也越来越快，而技术的飞速发展，数据的处理和储存的速度也越来越快，能够赶得上   数据产生和传播的速度。比如在过去，我们用信件传达信息，需要几个月去等待，而现在用电子邮件，几乎可以秒速送达。

![format_png 1][]

而我们过去在图书馆里寻找一本书当中的一句话，我们需要花几个月的时间去查找，但是现在我们有计算机的帮助，分分钟就可以找到。而大数据也是如此，如果需要花几百年去处理某些数据信息的话，这个将毫无意义，已经过了时效性了。

3. **多样的数据类型**

社会的多样性导致了数据的多样性的，文本，图片，语音，视频等等不同格式类型的数据。来自网页，搜索，社交平台，马路边的摄像头的不同渠道的数据，多元化的数据交叉，才能构建一个大数据库。

4. **价值密度低**

数据本身并不产生价值，海量的数据，混乱，无序，价值密度低，大数据的关键在于如何从这些数据当中提取出有价值的东西。比如通过安全合规的方式获取了一组数据，记录了一个人一个月的出行数据，饮食数据，购物数据，社交数据。但是这些数据大部分都是对我们来说是没有价值的，或许可以从中分析出一些东西，但它是没有价值的，需要对这些含有意义的数据进行专业化处理，，通过“分析”实现数据的“增值”。

![format_png 2][]

接下来说说大数据的应用场景，以我们身边接触的比较多的为例：

**1. 电商的推荐系统**

现在很多的网购平台，因为商品的类目很多，用户挑选起来也很费劲，为了抓住用户的痛点，促成交易，及时给用户推荐他们所需要的商品才是王道。怎么知道用户需要什么呢？这个就是要大数据了，根据用户的浏览行为，购买行为，同时匹配相同属性的用户的行为，进行分析计算，得出用户的兴趣偏好，为用户推荐他们可能感兴趣的商品，经过时间的推移，用户的画像也就越来越精准，推送的也就越精准，这对于商家和用户来说都是一个互利共赢的过程。

**2. 广告精准投放系统**

我们经常在朋友圈或者在一些新闻APP等等浏览的时候，会看到一些的广告，比如“30-40岁的人必看”“XX城市的人看过来”等等类似于这样的正好符合用户条件的广告出现，这个在行业中一般被称之为是信息流广告。而信息流广告投放当中就有选择用户包，选择用户的年龄段、地域、可能的收入水平、男女、爱好、使用的手机类型等等。这些都是通过大数据整合以后提供的选项，也是对大数据的应用。

大数据一方面为大家提供了便利，但同时也是一柄双刃剑，因此一方面我们需要加强自己的隐私管理，另外一方面，企业也需要通过安全合规的方式去收集数据，让大数据真正做到，对人类生活有所裨益。而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，我们就简单的说一下。

![format_png 3][]

**1. 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。依托于强大人本数据、地理信息数据和商业经济数据，结合经典模型和预测算法，从商圈区位洞察、潜客浓度探索、职住通勤研究，以及商圈配套与经济研究等多种角度，就能帮助企业高效量化推动基于位置商圈的经营决策。

**2. 商品陈列**

传统的零售当中，店主通过纵向陈列法，垂直陈列法，集中陈列，端头陈列等等陈列方式对商品陈列进行调整。同时通过销售情况去决定进货数量等，总体上来说，这种方式不会有太大的问题，但是想要提高商品销量的话，肯定是需要调整陈列方法的。

有一个比较著名的数据挖掘案例，某世界知名连锁超市，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。于是该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。

**3. 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。

当然，大数据在新零售领域中的作用肯定不仅仅是这三点，还有更多的优势这里就不一一例举了。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。

PS：1. 对于传统服装类企业来说，库存问题尤为重要，大数据可帮助商家掌握消费者购买习惯，做到更有效率的生产与备货。  
     2. 而餐饮类则可以通过大数据更精准地指导原材料采购，分析客群来源和喜好，做到同时控制成本与提高服务质量。  
     3. 在新零售时代下，任何类型的业态都可以通过大数据做到更科学的选址与规划合理的开店计划。  
     4. 未来的零售业会更强调以需定产。商家通过线上大数据控制成本，线下体验与消费者进行互动，为消费者提供定制化服务。  
     5. 依托阿里系收集的大数据和人工智能，盒马鲜生能够准确识别区域内消费者的需求，并通过盒马鲜生的APP实现精准推送。

其它大数据和新零售文章:

[2019年的新零售与大数据][2019]

[新零售的本质是大数据精细化运用][Link 1]

[大数据在新零售中的作用][Link 2]

[大数据和人工智能 被“新零售”改变的城市生活][Link 3]

[大数据驱动新零售 线上线下融合重构商业变革][Link 4]

[【应用】大数据和新零售 ][Link 5]

[format_png]: /images/20230528/9c4f6e42fde74bf5acbb5ba750ac9b89.png
[format_png 1]: /images/20230528/f20fdf6857134ddfb09ecbf203f541c2.png
[format_png 2]: /images/20230528/60cf3bb50702491381200bb8549e4ed3.png
[format_png 3]: /images/20230528/bb1796133228431dbe92a37955e6980b.png
[2019]: https://baijiahao.baidu.com/s?id=1627313244560473767&wfr=spider&for=pc
[Link 1]: http://field.10jqka.com.cn/20181201/c608477740.shtml
[Link 2]: https://baijiahao.baidu.com/s?id=1633672338804284015&wfr=spider&for=pc
[Link 3]: https://baijiahao.baidu.com/s?id=1608914123079627011&wfr=spider&for=pc
[Link 4]: https://baijiahao.baidu.com/s?id=1599330977190514167&wfr=spider&for=pc
[Link 5]: https://www.sohu.com/a/223016881_295682