“互聯網+”背景下大數據在零售業的應用

解萍?張朋勛

摘 要：隨著信息技術的飛速發展，人類進入大數據時代，“互聯網+”已經對傳統零售業產生了嚴重的沖擊，隨之而來的是大數據在零售業的應用可以幫助企業更加適應大環境的變化，順應市場、順應平臺需求，利用對相關數據的分析幫助企業做出正確的決策，制定可靠高效的營銷策略，進而為用戶提供個性化的服務。

關鍵詞：大數據;零售業;互聯網;數據分析;營銷策略

一、認識大數據

隨著信息技術的發展，“互聯網+”企業發展理念的深入，各個行業已經在探索新的發展模式、新的經營方式。大數據時代信息的傳播速度倍增，與此同時產生的數據也是海量的、爆炸性的增長。進入大數據時代后，傳統零售業也走入了新的困境，零售企業為了順應市場，轉向網絡平臺，把大數據應用于零售業，是在大數據環境下零售業必須要面臨的問題。大數據在零售業的應用，可以幫助企業更好地了解客戶，為他們提供更加個性化的服務。基于數據的洞察有助于企業做出正確的決策、了解市場趨勢并應對不確定性。

據互聯網數據中心（IDC）描述，大數據定義如下：“大數據技術描述了一種新一代技術及其交媾，用于以很經濟的方式、很高速的捕獲、發現和分析的技術，從各種超大規模的數據中提取價值。”接著在大數據技術不斷發展的過程中，總結出大數據具有4V的特征，海量性、多樣性、即時性、價值性。

大數據之所以有重大的戰略意義，不是因為具有龐大的數據信息，而是把龐大的數據“加工”后產生的效力。隨著云計算的進一步發展，大數據也迎來了更大更好的發展。適用于大數據的技術，包括分布式數據庫、分布式文件系統、云計算平臺，互聯網和可擴展的存儲系統，大規模并行數據庫，數據庫等。

大數據包括結構化數據、半結構化數據和非結構化數據。認知大數據可以從理論層面、技術層面和時間層面，通過各行各業的不斷創新，從大數據的概念和四個特征理解各行業對大數據的描述和總結;從大數據已經產生的價值進行探討和深入解析大數據產生的深遠價值。我們可以從分布式處理技術、云計算、感知技術、存儲技術的發展，來更加深入地理解大數據從采集，處理、到存儲再到輸出結果的一系列過程。最后，我們通過互聯網的大數據，在政府的大數據，在企業的大數據以及通過個人的大數據這些不同的方面，來體會大數據已經實現的美好景象，來憧憬未來大數據的美好藍圖。

二、零售業的演變

零售業數據的演變經歷了4個時代的演變，每個階段的數據特點也具有各自不同的特征。第一階段：數科技含量低、使用范圍小的手機記錄和電子收款階段。第二階段：數據實時顯示并處理的pc機以及pos系統階段。第三階段：全民制造并爆發性增長的用戶原創的互聯網階段。第四階段：數據智能產生與存儲、RFID高效應用的移動感知式物聯網階段。零售業的第四個階段是零售業大數據形成的最直接的根源。包括了交易大數據和交互大數據，分別指的是零售業交易產生的數據和零售業企業與客戶通過各種設備網絡產生的交互信息。

自從2016年馬云提出“新零售”，之后新零售就成為零售業發展的趨勢和標桿。在新的概念里，零售包括了依托網絡的電子商務模式，特點就是會把線下與線上渠道結合起來，進行方式上的改良和創新，比如進行數據驅動等。隨著網絡技術的飛速發展，我們獲得和利用數據信息的成本也會越來越低廉，這也是數據科技這促進經濟發展的重要因素。據麥肯錫國際咨詢公司專業測算，大數據的有效運用可以幫助很多零售企業提高達到60%以上的利潤率。

基于這些因素，企業和國家都對大數據產生了高度的重視，通過大數據為管理和決策理論帶來了新的機遇。但是與此同時，我們也可以看見，目前在應用中仍然存在很多問題：比如，當前對于數據驅動的零售業管理研究中，對于電子商務的研究比較多，對于大數據在零售行業中的管理模式研究不多;再比如，企業目前從管理和運營兩個方面比較成熟，企業挖掘的內容應用不夠深入，再有，就是研究成果的豐富和應用路徑的缺乏。

零售業里大數據在供應鏈角度，從產品的生產運輸，到上架、清倉等各個過程中，主要按照數據學習、模型、決策的過程，需要從海量數據中挖掘出來需求的產生機制以及消費者的不同特點，預測新的需求，最后根據結果對企業進行選址、配送和庫存等管理方面的決策支持。

三、大數據在零售業的應用分類

1.數據獲取方面

在數據的獲取方面，大數據的多樣性意味著數據來源非常的廣泛，而且負責零售企業在獲取數據方面需要投入很大的精力和時間去尋找并篩選出有價值的信息。信息是建立在數據的基礎上對我們感興趣的對象進行一定的量化處理，是對象的直接記錄，因此需要使用更為前沿的大數據采集技術可以讓我們獲取對零售企業更加有力的數據，從而對企業的運營和決策有所幫助。

因為數據的分析需要針對不同對象的數據組合，所以為了方便獲取數據，我們要對所有的數據按照一定規則進行分類，把能夠直接體現商業行為現象的數據稱為直接數據，比如進貨數據、銷售數據、庫存數據等，都屬于直接數據。另外的，把一些能夠在一定程度影響商業行為的數據稱為間接數據，比如客戶流量、生產成本，商品類別等數據都屬于間接數據。獲取的過程，我們要同時獲取到這兩種不同的數據信息。

2.數據分析

大數據的分析方面，主要是利用已經獲取到的大數據進行價值分析。這一階段，需要從數據源中抽取和集成有應用價值的數據，運用合適有效的方式和工具進行數據分析，如果可以有效地挖掘數據并進行精細深入的分析，零售企業可以從中獲得巨大的競爭優勢。

銷售業績分析、門店數據分析、人效數據分析、銷售商品分析、普通客戶和會員的分析，可以為我們提供數據的支持，幫助我們促進業務的創新，提高企業的效率。比如：根據某門店某商品的銷售額以及各類商品的銷售比例去統計某產品銷售趨勢的變化，趨勢的緩急，從而總結出現變化的原因，從而確定門店指導策略，增大或者是減少備貨量，是否需要調整店面陳列，做好敏感產品的價格策略等。

四、大數據在零售業中應用的優勢

1.更準確地了解客戶

通過收集客戶數據，零售企業可以獲取到目標用戶的偏好、購物習慣、地理區域等信息，然后將這些信息用于營銷策略，從而使用最有效的方法，向客戶提供個性化服務或推薦。

2.始終緊跟市場趨勢

零售企業可以使用有關用戶社交媒體活動和網絡瀏覽行為的數據來確定哪些產品最受關注。此外，分析圍繞某個項目的討論情況，這種預測分析可以幫助企業確定哪些產品會引起用戶的更大興趣。

3.幫助設定最優銷售價格

在大數據技術的支持下，零售企業可以轉向動態定價策略來分析市場變化并做出相應調整。在動態定價策略中，分析算法會分析競爭對手的定價和庫存當前水平，并選擇使零售企業保持競爭力并獲得更多利潤的最佳價格。

4.優化供應鏈

通過預測分析和有關產品的實時信息，零售企業可以避免供應短缺，優化倉儲，以便獲取最受歡迎的商品等信息，確保商品可用性也非常重要。

五、大數據在零售業的應用案例

1.大數據與營銷策略

在典型的美國沃爾瑪啤酒和尿布的案例中，大數據所提供的數據關系起到了決定性的作用。在美國，孩子小的時候，媽媽在家照顧孩子，而孩子的父親會在下班時給孩子買尿布，在這個時候，丈夫會同時購買自己喜歡的啤酒。而通過分析購買數據，進一步了解到啤酒與尿布銷量之間存在正相關關系、并且再做出總結，發現了存在規律的購買情境，從而設計出更加適應此類顧客的營銷策略，把這兩種看似沒有關系的商品擺在一起，通過數據分析，幫助人們總結的規律為商家帶來了新的可靠的銷售組合。當然，在平時的銷售策略中，即使有很多人已經知道這樣的事情，但基本不會發現這樣的組合。由此可見，零售策略的設計是零售業“大數據”非常有價值的地方，大數據可以直接為零售業企業提供可靠支持，拓展企業的業務。

零售企業中“大數據”的最大價值，是企業在零售策略上結合“大數據”相關技術，制定前瞻性的零售策略，最終確保企業銷售計劃的實現。根據大數據捕捉到的特性，能動實現業務數據產生的時候就做出相適宜的策略應對

我們把大數據用到這一層面上，具有更加直接的業務價值，這比傳統零售業的銷量同期比、環比、銷售計劃比等一系列數據更加具有指導業務的價值。一般來說，具有線上業務的實體零售商，在成組貨品促銷時會準備多套不同的應變策略，以確保貨品能夠按計劃賣出。由此可見，數據收集在大數據周期中起著最重要的作用。互聯網為不同的銷售主體提供了超級多的數據來源。零售業可以獲得更加豐富的外部數據來源，并將這些數據與交易數據相結合。

2.大數據與營銷方案

美國第二大超市塔吉特百貨對于孕婦顧客的情況，通過普通超市與孕嬰商店商品的顧客數據分析，建立數據模型，提前鎖定顧客，打破商家的“似牙膏、襪子和衛生紙之類的日常生活用品”的局限性，開拓出“購買孕期用品”的新局面。因為對于零售商，孕婦是個非常有價值的顧客群體。只要做到在孕婦妊娠期的前期就早一步確認鎖定這些顧客。那么早期提前定位，可以提前在其他零售商之前確定對應的顧客，市場營銷可以早早地為其量身定制相關的孕婦優惠廣告，從而盡早圈定寶貴的顧客資源。

接下來就是精準判斷顧客的問題了，通過對于新生兒歡迎聚會的登記表，對顧客的消費數據進行建模分析，從中發現對我們有價值的數據模式。例如，哪個時期需要買許多大包裝的無香味護手霜;哪個時期需要購買補充鈣、鎂、鋅的善存片之類的保健品等。通過這些具體的數據，最后選出一定數量的典型商品，分析這些商品的消費數據，從而構建“懷孕預測指數”，這樣就可以從較小的誤差范圍內預測到顧客的懷孕情況，這樣一來，就能早早地把孕婦商品優惠廣告寄發給有針對性的顧客。同時為了不讓顧客覺得商家侵犯了自己的隱私，通常把孕婦用品的優惠廣告夾雜在其他一大堆與懷孕不相關的商品優惠廣告當中。

由此可見，根據這個“大數據”模型，企業制定了全新的廣告營銷方案，最后使得Target 孕期商品銷售呈現了非常可觀的增長。“大數據”分析技術也從單一細分顧客群開始向其他各種細分客戶群推廣，從而提高了企業的銷售額。

3.對數據快速處理、修改、執行

ZARA 和LVHM服裝的銷售年報對比中，我們可以發現，銷售價格比LVHM 低四分之一的ZARA，稅前毛利率比 對方要高 23.6%。其中的原因主要可以總結為以下三點：及時分析顧客需求;結合線上數據;以及對數據進行快速處理、修改和執行。

首先，在 ZARA 門店的員工，除了常規的工作外，需要收集顧客意見，通過收集的海量數據，幫助企業做出生產、銷售的決策，而且大大降低了存貨率，根據行業模型在顏色、版型的生產中，做出最靠近客戶需求的市場區隔。這中間，在收集數據之后，需要對不同的數據源和不同的數據特點進行數據源同質化，從而繼續開發新的數據產品，同時需要根據不同的數據類型，確認是否實際。而結果需要在報告中體現出來，這也是大數據在這個過程中應用的最有價值的地方。需要不同的組織定期提供信息以支持其決策過程，而這項任務通常由具有SQL和ETL（提取、傳輸和加載）經驗的數據分析師進行處理。

2010年ZARA 網絡的成立，增加了網絡巨量資料的串聯性，因為這些商店是分布在六個歐洲國家。次年，又同時在美國、日本推出網絡平臺，線上商店強化了雙向搜尋引擎、資料分析的功能，與此同時增加了營收。這些分布在世界各地的，可以回收意見給生產端，以便讓決策者精準找出目標市場;同時可以讓企業為消費者提供更準確的時尚訊息，享受“大數據”帶來的好處。通過預估，這些網絡商店為 ZARA 至少提升了10%的營收。除此之外，還為活動產品上市做好提前營銷。我們總結：這些網絡上的海量資料其實是實體店面的前測指標。先在網絡上進行消費者意見調查，再從這些回饋中，提取顧客意見，從而改善實際出貨的產品。一般在網絡上注意到時尚資訊的人，都具有對服飾的喜好、資訊的掌握，更加潮流和前衛，而通過網絡上的資訊，消費者在實體店面消費的比例也會更高。

這些顧客的各種資料形成的數據，其中包括客服中心、行銷部、設計團隊、生產線和渠道等，應用在生產端以及整個 ZARA集團各部門，這些海量數據，完成 ZARA 內部的垂直整合主軸，形成各部門的KPI。可以推斷，在未來的時尚圈，除了傳統強調的設計能力，信息和大數據也是未來競爭的隱形戰場。

在這里，還要強調的是除了數據本身，需要更加地重視以積極的狀態利用“大數據”去改善產品的流程，也就是可以縮短生產時間，讓生產端根據顧客的意見和需求，完成第一時間的迅速調整。也就是說，無論從內部的管理流程，還是大數據的龐大信息支持，以及強大的供應鏈，都是大數據服務于零售業成功的關鍵因素，也就是說“大數據”運營要成功，資訊系統要能與決策流程緊密結合，迅速對消費者的需求做出回應、修正，并且立刻執行決策。

參考文獻：

[1]劉萍.基于Hadoop與Spark的大數據處理平臺的構建研究[J].通化師范學院學報，2018（6）：59-62.

[2]陳志泊.數據倉庫與數據挖掘[M].清華大學出版社，2009.

[3]張振虹，劉文，韓智.學習儀表盤：大數據時代的新型學習支持工具[J].現代遠程教育研究，2014（3）：100-107.