零售業大數據的管理與應用探析

沈陽工學院經濟與管理學院 張穎

自人類社會進入信息時代，隨著信息技術的發展，信息的傳播速度越來越快，由此產生的數據可以用“海量、爆炸性增長”來形容。一份來自IBM日本公司的調查報告顯示，全球每天生成的數據量已達到2.5EB，而且，全球數據將保持每年50%的增長速度。因此，人類已進入大數據時代。傳統零售業近年來受到電子商務嚴重沖擊，業績逐年下滑，個別企業瀕臨破產甚至倒閉，很多零售商紛紛轉向網絡平臺扭轉局面。在如今大數據環境下，零售業又一次面臨新的機遇和挑戰，如何管理并應用大數據是零售業必須考慮的重大問題。

1 大數據與零售業大數據的內涵

1.1 大數據的概念

關于大數據的概念，各界所持觀點不一，目前尚未有公認的準確定義。互聯網數據中心(IDC)提出了一個概念，即“大數據技術描述了一種新一代技術及其構架，用于以很經濟的方式，以高速的捕獲、發現和分析技術，從各種超大規模的數據中提取價值”。國內學者李文蓮認為，大數據作為一種社會變革大背景，基本上包括三方面含義：第一，社會生活泛數據化。受眾的各種信息數據都將暴露在網絡之上，他們的行為可以被監測，整個社會生活都可以用數據來表示。第二，數據規模很大及生成速度很快。數據信息傳播方式由單中心、單向傳播向多中心、網狀裂變轉化，使數據呈爆炸式增長。 第三，大數據技術之“大”。隨著數據量級的飛躍，數據處理從關系型數據庫，到數據倉庫，再到聯機分析、數據挖掘、數據可視化，在不斷發展與演變的基礎之上，大數據技術出現。

1.2 大數據的特征

大數據具有“4V”特征，即海量性(Volume)、多樣性(Variety)、即時性(Velocity)、價值性(Value)。其中，第四個V在IBM公司看來被認定為真實性(Veracity)。

1.2.1 數據的海量性

大數據的數據量級別是以EB和ZB計算，而且，數據增長速度飛快。根據學者調查預測顯示，到2020 年數據量將是現在的44倍，全球數據使用量將達到約35.2 ZB。

1.2.2 數據的多樣性

除了傳統的結構化數據，大數據包括網絡日志、圖片、音頻、視頻、地理位置信息等半結構化和非結構化數據。其中70%～80%屬于非結構化數據。

1.2.3 數據的即時性

大數據產生和流動的速度非常快，具有很強的時效性。因此，要求對數據的處理和應用要快速有效，才能保證數據計算要素成本降低，形成相比競爭對手更好更快的競爭優勢。

1.2.4 數據的價值性/真實性

數據的價值性往往呈現低密度稀疏性特點，組織通過對海量數據的挖掘，發現數據里隱含的價值并加以有效利用。數據的真實性則強調有利于建立一種信任機制，有利于領導者的決策。

1.3 零售業大數據演變過程

零售業數據的產生、存儲與應用等方式的變化大致經歷了四個階段：手工記錄和電子收款機階段；PC機和POS(Point-of-sales)系統階段；用戶原創的互聯網階段；移動和感知式物聯網階段。每個階段數據特點如表1所示。

表1 零售業數據演變階段與特點

零售業數據演變的四個階段是零售業大數據產生的來源，其中，第四個階段是零售業大數據形成的最直接的根源。零售業有價值可拓展的大數據大體可以分為兩個方面：一方面是大交易數據，即零售業交易產生的數據，包括商品數據、市場競爭數據、運營數據、銷售數據、顧客關系數據和財務數據；第二個方面是大交互數據，零售企業與顧客之間通過POS機、互聯網、物聯網、移動終端、智能終端、傳感器和觀測設備等產生的交互信息，主要包括社交網絡數據、射頻識別數據、時間和位置數據、文本數據和觀測數據。

2.零售業大數據管理流程

大數據環境下，對于零售企業來說，無論是交易產生的大數據還是企業與顧客之間交互產生的大數據，其應用價值都很大。但如何處理這些大數據是零售業首要面臨的挑戰，大致可以分為三個管理流程，即數據獲取、數據分析以及數據解釋。

2.1 數據獲取

大數據的多樣性特征意味著數據來源廣泛而復雜，企業在獲取數據方面需要投入很大時間和精力去尋找并篩選出有價值的信息。沃爾瑪作為零售業巨頭，是大數據應用和從中獲益的先驅者。沃爾瑪收購了幾家精通數據挖掘和移動社交的中小型公司，其中一家叫Kosmix公司的一個獨特優勢是能夠對實時數據流中的關系進行搜索并分析，讓企業能夠深入了解消費者個體。這些數據主要來源于網絡社交軟件中的數據以及沃爾瑪App客戶端中產生的數據。沃爾瑪還在試圖采用一些更為前沿的大數據采集技術，如在服裝人體假模的眼睛里安裝攝像頭，通過圖像識別技術判斷顧客的停留時間、目光關注熱區、高矮胖瘦甚至是否懷孕等。

2.2 數據分析

數據分析是利用大數據進行價值分析的核心。從第一步獲取的數據源中抽取和集成部分有應用價值的數據，運用合適的方式和工具進行分析。能夠有效挖掘數據并進行深入精細分析的企業將獲得巨大的競爭優勢。沃爾瑪通過一種巨型知識庫即“社交基因庫”能夠快速分析數以十億社交媒體信息，從而針對不同消費者的消費偏好創造需求，向線上線下的消費者推薦他們需要的產品或服務。需要注意的是像統計分析、機器學習、數據挖掘等常用的傳統分析方法在大數據時代需要作出調整，因為大數據具有不同于傳統數據的一些特點，比如數據量增大同時意味著干擾數據的增多，因此在分析數據之前需要對數據進行“清洗”等預處理工作，這往往對分析工具都是嚴峻的考驗。

2.3 數據解釋

數據分析是大數據處理流程的核心，但是顧客往往更關心分析結果及對分析結果的解釋。如果分析的結果正確但是沒有采用適當的解釋方法，則所得到的結果很可能讓用戶難以理解，極端情況下甚至會誤導用戶。基于大數據的海量和多樣化特征，在解釋大數據時往往會比解釋傳統小數據要復雜很多，所以有兩種方法可以輔助對數據進行解釋。第一個是運用可視化技術，即用形象化的方式向用戶解釋數據分析結果，比文字更容易被理解和接受。第二個是運用人機交互技術，即讓用戶參與到數據分析過程中來，從而有助于用戶更清楚地理解數據分析結果的由來。

另外，在對大數據進行管理的過程中，還要注意數據安全問題。2013年10月，消費者權益和社會正義團體聯盟發表的“零售業消費者大數據在線跟蹤：沃爾瑪案例分析”報告中指出：大型零售商，特別是沃爾瑪，用多種方式檢查并收集消費者數據，如移動設備在線活動，并據此信息“梳理出有意義的內容”。意指沃爾瑪在獲取和分析消費者信息時會涉及個人隱私，比如個人種族、政治觀點、收入水平等敏感信息，而且這些消費者的隱私信息被拿來進行分析并不被告知。因此，零售企業需要明確如何處理大數據的流程之外，還要加強系統安全防范，更好地保護用戶的信息安全。

3.零售業大數據的具體應用

3.1 整合產業鏈資源

大數據時代的到來對傳統零售業來說是挑戰也是機遇，產業鏈整合是目前零售業進行轉型的核心問題。其中零售業產業鏈條，由零售終端開始往前推，包括售后服務提供商、經銷商、運輸商、生產商和供應商等幾個環節。在這些環節上產生的數據都將成為零售業大數據的一部分。如何通過產業鏈主體間的協調運作實現這些數據的共享與協同價值創造，以及如何實現大數據驅動的產業鏈協調運作機制等問題是零售業的當務之急。例如，2014年7月初沃爾瑪的WMX(Walmart Exchange)平臺投入試用，這個平臺會將消費者購買數據共享給沃爾瑪的供應商，協助供應商做出決策，為供應商節省成本，達到多方共贏。

3.2 利用社會化網絡輔助企業決策

以往的決策模式主要是企業一方單獨進行決策，大數據時代使得企業管理理念和決策模式發生轉變。零售企業可以主動引導網民群體和社會媒體參與其業務流程中的研發、設計、生產、市場推廣、銷售和客戶關系管理等環節，并根據網民群體的互動反饋完成產品優化與創新，實現企業與網民群體的協同發展。這同時也是體驗營銷的方式之一，即網民群體通過向企業傳達建議和心聲，一旦建議被采納并應用，會使這部分群體增加對企業品牌的認可，從而成為企業的實際消費者，促進產品銷售。

3.3 精準化洞察顧客需求

傳統數據庫中的數據大多為靜態結構化數據，無法準確判斷顧客真實需求，而基于云計算、物聯網產生的大數據多為動態的非結構化數據，對于這些大數據進行獲取、整理和分析能夠實時模型化顧客的行為，隨時隨地精準洞察顧客潛在的和最新的需求，能夠精準識別顧客購買決策，從而主動推薦產品或服務，順利完成交易。沃爾瑪“啤酒+尿布”的經典案例可以充分說明利用大數據可以精準化洞察顧客需求并可以取得巨大成功。沃爾瑪還通過大數據分析出兩家電子產品連鎖店的顧客購買意向的轉移，從而采取措施調整庫存，成功將銷售業績提升了40%。

總之，大數據時代已經到來，零售業必須抓住機遇實現轉型升級。沃爾瑪已經為零售業大數據的應用開了先河，雖然還存在諸多質疑和數據安全隱患，但成果是顯而易見的，大數據的管理和應用已是未來零售業不可逆轉的趨勢。

[1] 孟小峰,慈祥.大數據管理:概念、技術與挑戰[J].計算機研究與發展,2013(1).

[2] 馮芷艷,郭迅華,曾大軍,陳煜波,陳國青.大數據背景下商務管理研究若干前沿課題[J].管理科學學報,2013(1).

[3] 李文蓮,夏健明.基于“大數據”的商業模式創新[J].中國工業經濟,2013(5).

[4] 鄭淑蓉.零售業大數據:形成、應用及啟示[J].理論探索,2014(2).

[5] 周瑞華.沃爾瑪大數據WMX落地:零售渠道啟示性變革[J].成功營銷,2014(9).