北京2017年9月6日電 /美通社/ -- 本文來源于9月1日海致副總裁肖昆在“2017中國智慧零售商業(yè)發(fā)展高峰論壇”上的分享
正如馬云所說：“很多人還沒搞清楚什么是 PC 互聯(lián)網(wǎng)，移動互聯(lián)來了，我們還沒搞清楚移動互聯(lián)的時候，大數(shù)據(jù)時代又來了?！苯涍^多年發(fā)展，大數(shù)據(jù)在各行各業(yè)已呈現(xiàn)遍地開花之勢。在零售行業(yè)，大數(shù)據(jù)的創(chuàng)新應用正推動其走向智慧零售。
一、零售企業(yè)如何擁抱大數(shù)據(jù)時代？
如何擁抱大數(shù)據(jù)時代是零售企業(yè)共同面臨的問題。海致 BDP 經過與3000多家客戶的探討和合作，總結出了讓零售企業(yè)更加有效擁抱大數(shù)據(jù)時代的三個重要環(huán)節(jié)：
1、 全面觸網(wǎng)
與零售企業(yè)相比，互聯(lián)網(wǎng)公司擁有落地大數(shù)據(jù)應用的先天優(yōu)勢，因為它擁有更加豐富和全面的數(shù)據(jù)。
比如在電商環(huán)境里，可以優(yōu)化每個環(huán)節(jié)的轉化率。例如，數(shù)據(jù)顯示支付環(huán)節(jié)的轉化率低，已經提交訂單卻沒有完成支付是為什么？通過查看支付頁面的信息結構，也許是缺少訂單商品信息、收貨信息等，導致用戶需要返回確認，同時加長了用戶猶豫的時間，降低了轉化。知道了原因后，就可以對支付頁面進行優(yōu)化。
但在線下門店，企業(yè)要如何知道是因為商品不好、店員態(tài)度不好，還是因為價格等相關原因導致用戶沒有購買呢？其實很難。企業(yè)沒有觸網(wǎng)就沒有足夠多的、有價值的數(shù)據(jù)；沒有數(shù)據(jù)，也就沒有之后的智能、智慧之說。
但到了萬物互聯(lián)時代，物聯(lián)網(wǎng)實現(xiàn)了人與人、人與物、物與物之間信息交互和通信。零售企業(yè)能夠與用戶產生數(shù)字連接，實現(xiàn)消費流程的數(shù)字化，為數(shù)據(jù)驅動零售轉型提供基礎。
隨著技術越來越成熟，很多零售企業(yè)開始在門店中安裝物聯(lián)網(wǎng)設備，可以監(jiān)測人流、商品銷售情況等。
舉個例子，國內某品牌女鞋在門店、在每雙鞋子中安裝了一個物聯(lián)網(wǎng)設備，紀錄了有多少顧客進店、試穿了哪些鞋子、每雙鞋子被試穿了多少次，最終是否形成購買等信息，采集了整個流程的數(shù)據(jù)，對這些數(shù)據(jù)進行挖掘、分析，為商品改良、門店優(yōu)化等提供了決策依據(jù)，最終提高轉化。
所以說，互聯(lián)網(wǎng)+、物聯(lián)網(wǎng)+是非常重要的大數(shù)據(jù)基礎，需要盡早建設。
2、 積累數(shù)據(jù)資產
并不是說做了互聯(lián)網(wǎng)+、物聯(lián)網(wǎng)+，就等于擁有了很多寶貴的數(shù)據(jù)，數(shù)據(jù)資產需要積累，特別是在現(xiàn)在互聯(lián)網(wǎng)平臺非常之多的背景下。很多零售企業(yè)可能和京東、阿里，或其他第三方行業(yè) SaaS 有合作，那么這些數(shù)據(jù)散落在各個地方，如何利用？企業(yè)只有將所有數(shù)據(jù)整合在一起，不斷積累和清洗，才有可能真正為之后的大數(shù)據(jù)和人工智能的落地創(chuàng)造一個堅實的數(shù)據(jù)基礎。
3、全方位數(shù)據(jù)應用
如何將數(shù)據(jù)進行全方位應用，切實發(fā)揮數(shù)據(jù)價值？這是包括零售企業(yè)在內所有企業(yè)關心的問題。隨著大數(shù)據(jù)逐漸滲透到了各行各業(yè)，越來越多樣化的落地成果證明了全方位的數(shù)據(jù)應用已經不是空談，積累的數(shù)據(jù)是可以發(fā)揮巨大價值的，成為幫助企業(yè)經營決策更高效的手段。
這三個環(huán)節(jié)是零售企業(yè)擁抱大數(shù)據(jù)時代的非常重要的三個方面。
二、如何真正做到全方位的數(shù)據(jù)應用？
今天的主題是大數(shù)據(jù)應用，接下來著重看下全方位的數(shù)據(jù)應用。
與大數(shù)據(jù)應用相關的零售相關場景非常之多，這里重點挑選一些場景進行分享。
1、 實時查看經營狀況
大數(shù)據(jù)時代除了數(shù)據(jù)量大以外，還有很重要的特點，就是數(shù)據(jù)的及時性也發(fā)生了很大的變化。曾經看數(shù)據(jù)是什么頻次呢，是周、是月，是很多“表哥表妹”花了三、四天整理出一個月報來。月初才能看到上個月的業(yè)績，這個數(shù)據(jù)是非常滯后的。
如果企業(yè)是以實時的視角看公司的經營狀況會怎么樣呢？
實時數(shù)據(jù)監(jiān)測為過程管控提供了更有效的手段，如果當天發(fā)生業(yè)績波動，企業(yè)就能夠嘗試當天進行挽回。例如某一商場做了促銷活動，想要在第一時間獲取到促銷效果的反饋，實時數(shù)據(jù)就是一個很重要的支撐?，F(xiàn)在海致的很多客戶，例如蒙自源，就在海致 BDP 上以分鐘級的頻率來監(jiān)控整個企業(yè)的經營數(shù)據(jù)。
2、 隨時隨地查看實時數(shù)據(jù)
除了實時性，還有一個很重要的需求 -- 移動。
目前大多數(shù)從業(yè)者對移動辦公需求強烈，若必須使用電腦查看、分析數(shù)據(jù)，那么數(shù)據(jù)驅動將變得不切實際。所以，只有優(yōu)秀的移動端體驗，才能充分地發(fā)揮隨時隨地實時查看數(shù)據(jù)的優(yōu)勢。曾經有客戶和海致 BDP 說：“其實企業(yè)里的很多人都想用好數(shù)據(jù)，但是門檻太高。在和海致合作之后，發(fā)現(xiàn)移動端非常受管理層與業(yè)務層歡迎，之前他們很少看數(shù)據(jù)也不知道如何去用好數(shù)據(jù)，但是有了移動端以后，可以讓經營決策者、一線員工都能夠從數(shù)據(jù)中獲得價值。”
3、業(yè)績異常智能預警
當企業(yè)有了實時數(shù)據(jù)，是否需要一直盯著數(shù)據(jù)來獲得價值呢？顯然這不是一個好的數(shù)據(jù)應用狀態(tài)。
預警功能眾所周知，原始的方式就是當業(yè)績沒有達到設定值的時候，就推送一條信息到手機上。如何設置預警呢？
固定的數(shù)值預警或者是同環(huán)比預警都不是真正有效的手段。海致BDP 利用機器學習預測銷量，通過預測值進行預警，這樣更加符合業(yè)務場景，能夠更有效地達到預警目的。
4、異常原因深度定位
預警之后如何找到沒有達標的原因呢？“異常原因深度定位”是一個非常靈活的追溯問題原因的方法。
自由下鉆實現(xiàn)了異常原因的深度定位，這樣可以快速找到數(shù)據(jù)波動的原因。
5、 智能要貨
除了在業(yè)務的監(jiān)控方面，降本增效也是零售企業(yè)的重點關注的問題，如何提高銷售業(yè)績？如何減少成本？
很多連鎖零售企業(yè)有進貨需求，那么每個商品到底需要進多少貨，是很考驗連鎖門店的問題。 海致 BDP 利用機器學習技術，推出智能要貨功能，在客戶中獲得了非常好的應用。
舉個例子，克里斯汀是一家烘焙連鎖企業(yè)，因為烘焙產品的保質期一般是一天，如果進貨過多，就會造成商品過期浪費；如果進貨過少，過早售罄，就錯失了銷售機會，降低了銷售額。
海致 BDP 用機器學習為其進行銷售預測產生的結果是什么呢？通過對3個門店進行實驗，利用智能要貨模型的精準預估，克莉絲汀可以降低30.35%的退貨浪費，提升22.94%的銷量。
當然，我們并不認為人工智能在現(xiàn)階段能夠解決所有問題，完全依靠機器預估的數(shù)據(jù)進行要貨不是一個較好的解決方法，而是要依靠機器+人的方式。例如，機器學習預測明天銷售100個面包，那么明天就是進貨100個嗎？其實不然，因為還有很多信息是機器不知道的，可能旁邊門店明天開業(yè)，將帶來大量的人流，而這個信息并沒有采集成為數(shù)據(jù)，機器并不知道，這時候就需要發(fā)揮人的能動性，在機器預測的數(shù)值的基礎上，加上人的經驗。這就是人的智能+機器的智能，這樣能夠更好地發(fā)揮出數(shù)據(jù)驅動的價值。
6、商品深度分析 -- 熱銷組合、滯銷捆綁
在大量的商品當中，基于所有的明細，在千萬行、億行的數(shù)據(jù)當中，去尋找到底哪些商品之間是可以進行搭配的，熱銷產品之間可以做組合銷售，滯銷產品可以做捆綁銷售。如何做呢？想知道哪個品類的商品與某商品強烈相關等，都能夠在海致 BDP 中直接獲得這樣的數(shù)據(jù)洞察。
7、智能會員畫像及精準營銷
除了商品維度，零售企業(yè)還需要鏈接用戶，這之前在線下很難實現(xiàn)，現(xiàn)在互聯(lián)網(wǎng)+、物聯(lián)網(wǎng)+為企業(yè)提供了契機，會員數(shù)據(jù)、消費數(shù)據(jù)的積累可以幫助企業(yè)做到這一點。
以前如果只是一家門店，老板站在店門口，就可以觀察到店內的人群特點、購買了哪些商品。但是現(xiàn)在是連鎖企業(yè)，擁有幾百家、幾千家的門店，一年總的消費人數(shù)上千萬，該怎么去分析這些用戶呢？
這時仍然要借助到機器學習。例如，海致 BDP 通過機器學習算法做會員聚類分析。
例如聚類區(qū)分出了5個群集，通過對5個群集的分析，對其打標簽，發(fā)現(xiàn)有高危高頻高消費、高危高頻低消費、低危中頻高消費、低危中頻低消費以及低危低頻低消費。當知道了這5個群集，便可對其進行多維度分析。
如上圖展示，性別對于該商品的銷售沒有影響；但是年齡、學歷與職位對于該商品的銷售影響很大：21~30歲這個區(qū)間的高危用戶數(shù)很多，這代表著該商品對于該年齡段的人失去吸引力了嗎？如果是的話，是放棄該年齡段用戶，將重心移向中老年人，還是需要去推出一些新的商品挽回該年齡段的用戶呢？
再有，上圖顯示高學歷的用戶對于產品的黏性非常之高，且高頻、高消費。這樣的人群是否應該成為下一步營銷的重點，是否應該在各大高校、高科技企業(yè)、高層會議上去做營銷呢？通過這樣的分析，可以洞察很多之前通過人工方式所無法發(fā)現(xiàn)的問題。
那么，知道了這些信息后，如何行動呢？
上圖是一個桑基圖，如果只看中間兩列數(shù)據(jù)，按照傳統(tǒng)的思路分析，會發(fā)現(xiàn)這個公司不同群集之間的數(shù)據(jù)沒有變化，非常穩(wěn)定。但如果仔細分析，會發(fā)現(xiàn)用戶在高活躍度、中活躍度和低活躍度之間的流轉十分明顯。對于運營而言，最需要關注的就是變化，哪些用戶從高活躍度變成低活躍度、哪些用戶從低活躍度變成高活躍度，這樣才能夠有針對性地進行營銷。
例如從3月到4月，部分用戶從高活躍度變成了低活躍度，直接點擊這部分流轉進行鉆取，就可以查看到該部分用戶的會員 ID，營銷人員可以有針對性地對該部分會員進行激活，如針對該用戶感興趣的商品進行一定的折扣，促進消費，挽回用戶。這不僅使得企業(yè)能夠進行精準營銷，提高銷量，還能夠提高用戶黏性。在這個時代，誰把握住了用戶，誰就是真正的贏家。
8、店鋪&會員位置分析
除了之前說到的，地理位置數(shù)據(jù)對于零售快消企業(yè)也尤為重要。
開店前，門店選址需要花費很多的精力，在經營過程中，也同樣需要關注位置信息。有的零售企業(yè)，既做門店的生意，同時還進行外賣和電商，用戶和門店的位置關系到底是什么樣的呢？如果是電商、外賣，那么擁有收貨地址，就可以直接將位置顯示出來，為接來下的門店選址提供一個很好的信息支撐。
總結一下，全面觸網(wǎng)、積累數(shù)據(jù)資產、全方位的數(shù)據(jù)應用是強化零售企業(yè)、增強競爭力的很重要的手段。現(xiàn)在，行業(yè)內有很多供應商幫助零售快消行業(yè)解決不同的問題，那么海致 BDP 能夠解決的問題是什么呢？
三、海致 BDP 驅動零售企業(yè)利潤增長
海致 BDP 專注于幫助企業(yè)積累數(shù)據(jù)資產，促進全方位的數(shù)據(jù)應用，為客戶提供一整套非常成熟的一站式大數(shù)據(jù)平臺和完善的零售解決方案，讓企業(yè)低成本的、高效的實現(xiàn)數(shù)據(jù)驅動的精細化運營，從而為企業(yè)帶來長期的可持續(xù)的增長點。
經過多年發(fā)展，大數(shù)據(jù)已經從空洞的概念升級為落地的服務能力，海致 BDP 致力用數(shù)據(jù)幫助零售企業(yè)打開新的發(fā)展方向，提供數(shù)據(jù)洞察，助力打造智慧零售。
更多信息請查看鏈接 www.bdp.cn。
