掘金時尚大數據

在數字時代，大數據也衍生出一個大江湖。它正從媒體熱炒的概念落地為產生財富的產業，引發眾多大數據服務商爭相挖掘這個百億美元級別的市場。來自倫敦的大數據服務商Editd早在大數據概念剛剛萌芽的時候，就開始在這片熱土上精耕細作，用大數據來支持直覺，用數據驅動時尚預測，成為大數據時代的掘金者。

掘金之路

無論你是否承認，大數據正在改變著無數人的命運。亞馬遜前任首席科學家安德烈亞斯·維根曾經說過：“數據是新的石油。”大數據的價值堪比石油和黃金，越來越多的人開始在大數據上挖掘財富：華爾街的斂財高手們通過大數據先人一步預判市場走勢，銀行根據大數據分析就業率，對沖基金根據購物網站的顧客評論判斷產品銷售情況……

然而，就在六七年之前，大數據還是一個不為大多人所熟知的新興概念。2008年9月，《自然》雜志推出了名為“大數據”的封面專欄，次年大數據也僅僅是互聯網技術行業中的熱門詞之一。就在同一年，一家致力于用大數據推動時尚領域變革的創業公司成立了，這遠遠早于人們公認的大數據研究與應用先驅麥肯錫咨詢公司——其在2011年6月發布了長達150余頁的關于大數據的報告，探討網絡平臺記錄的個人海量信息的商業價值。

這家創業公司名為Editd，是第一個在時尚領域挖掘大數據價值的開拓者。2000年代初期，Julia Fowler在澳大利亞擔任時尚設計師，她常常在設計中遭遇一個令人苦惱的問題：由于信息源太少，導致她很難及時了解和響應最新的流行趨勢。在回憶那些年的工作經歷時，她說道：“我們手頭上有上一季產品業績的內部數據，也能夠通過一些時尚網站來獲得啟發，但是我們根本就沒有辦法知道我們到底在設計中錯過了哪些機會，更沒有具體的數據來告訴我們如何才能讓產品搭配更加完善。”

Julia Fowler想要尋求幫助，但她卻不知道該向誰求助。于是，她產生了自己開發一套大數據解決方案的想法。Julia找到了一位合伙人Geoff Watts，他是一位財務工程師，并且有著金融領域的從業經驗。兩個人對大數據解決方案有著相似的看法，一拍即合，于是很快便在2009年成立了利用大數據來進行時尚預測的創業公司Editd。Julia說他們希望能夠用數據來幫助時尚公司更好地進行產品開發和陳列，以減少錯誤的發生與避免市場機會溜走。從這一年開始，她和Geoff便帶領20多名員工開始了大數據掘金的旅程。

機器代替人工決策

Julia Fowler和Geoff Watts對于自己創立的智力型創業公司充滿野心，但他們并沒有將公司設在全球科技創業焦點的硅谷，而是設立在了倫敦。原因再明顯不過：倫敦有著在全球范圍內都具備優勢的創意產業，尤為重要的是這里還有著探索創意和技術交叉領域的傳統。

創意與技術的交叉正是Editd公司想要做的事情。 Fowler認為當消費者每次看到有產品在打折的時候，背后原因都是時尚品牌的某種錯誤決策。正是很多這種錯誤決策使得整個時尚行業出現了大量損耗，而Editd希望能夠解決這個問題，幫助時尚品牌做出更佳的營銷決策并快速補貨，來實現在對的時間、對的地方，提供對的產品給客戶。

錯誤決策源自傳統市場調查方法的局限性，它并不能讓時尚品牌和零售公司精準預測消費者的購買動向，尤其對于時尚這種趨勢變化非常快的產業來說，如果很多時候仍然依賴采購人員和代理商的直覺來進行商業決定，就會導致商品供應和消費者需求無法精準匹配，有時候會出現商品滯銷的情況，有的時候則會因為存貨不足而錯過銷售良機，讓企業遭受重大損失。

Fowler以公司某一個客戶為例，說明了傳統調查方式的局限性。這個客戶本身是非常重視數據的公司，但他們采用的是“競爭性購物”，也就是對競爭對手進行調查。這家公司的采購和銷售團隊會每隔6個星期，就到競爭對手的網站上搜集相關的銷售信息，比如網站上有多少款緊身牛仔褲正在銷售，它們的價格又是多少。他們會將這些收集到的信息匯總到Excel表格里，然后裝訂成冊散發到公司內的相關人員手中。在接下來的6周內，這個手冊就是這家公司的銷售法則了。

這種方式有什么缺陷呢？首先是非常耗時耗力，浪費了大量時間和人力，但這并非這種方式的最大缺陷。最為危險的是可能有些項目會被重復計算或者混用不同的數據收集方法，導致出現統計錯誤，而根據錯誤的手冊來進行決策，無疑是非常冒險的。

Editd所做的事情就是改變這種傳統數據收集方式，通過機器智能代替人工做出決策。每天和每周，Editd公司都會發布特定市場類別的新品和打折商品情況的零售報告，而且還提供一些分析工具幫助客戶追蹤競爭對手情況，來制訂自己的產品計劃和下一季的促銷策略。

具體來說Editd提供的大數據分析服務主要分為三個主要部分，最基礎的服務為數據，然后是社群監控，第三個服務部分則是創意。其中數據服務包含了市場分析、零售報告和廣告，Editd會通過對數據資料進行搜集和分析，向客戶提供現階段市場上產品的生命周期、定價策略、倉儲標準、折扣等信息，還包括競爭對手的營銷策略和手法。這些數據可以具體到競爭對手多久進行一次折扣、折扣的力度和折扣通常維持多久。

Editd提供的社群監控服務，會密切追蹤Facebook、Twitter、Tumblr、Blog等社交媒體上的相關信息，這些監控囊括了超過80萬名意見領袖與時尚專家的評論。有了這些社群監控資料，時尚品牌的從業者就可以用更短的時間快速掌握最新、最重要的資訊，并以此為依據進行相應的決策。

創意服務包括定制化的趨勢工具版、伸展臺和服裝秀。Editd會整合分析現在最熱門和最冷門的商品、不同產業或地區的宣傳營銷方式、不同地區與季節的潮流、不同的品牌形象以及它們的市場模式等。Editd提供的數據非常詳細，對于流行趨勢的走向，通過顏色、花紋與材質等趨勢與話題的交叉分析，為設計師、品牌商、零售商和生產商預測新品制造與采購的成本，從而避免產生不必要的庫存。尤其是如今時尚產業的季節性已經不像以前那樣涇渭分明，一切都變得更快，有的品牌甚至每幾周就推出一系列新品，這就讓Editd的數據服務更具價值。

客戶可以根據自己的實際需求，來選擇相應的服務。這樣他們就不用再依賴過去那樣簡單粗暴卻容易出錯的數據收集方式，可以根據更為準確的數據和更為清晰明了的分析報表來進行企業決策。

530億個數據點

Editd的服務如此誘人，可這些分析報表背后的大數據，是用什么樣的方式獲取的呢？Editd公司號稱有著目前全世界最大的服裝數據庫，120臺服務器中存儲著幾百兆兆字節的數據。這些數據匯總了全球各種來源的流行時尚數據和銷售信息，從零售網站到社交媒體，從設計師到T臺走秀報告，從流行博客到在線媒體，當然還有Editd自有的秘密資料。Editd的程序抓取的信息也十分詳細，從價錢、產品風格、存貨水平、折扣優惠到顧客情緒都一 一囊括。

或許一個數據可以說明Editd數據庫的龐大——這家公司的數據庫包含了至少530億個來自時尚行業的數據點。這些信息從時間上可以追溯到5年之前，從地域范圍上則覆蓋了全球1000多個零售商，并且保存著超過1500萬張高清圖片。

這些龐大的數據庫僅僅是未經開墾的沃土，要想讓其變為財富，Editd需要確保這些數據簡單易用。為了能夠隨時讀取這些數據，Editd并沒有將龐大的數據庫存儲在硬盤中，而是儲存在內存中。Geoff Watts對此解釋說：“這是非常重要的。我們需要以任何可能的方式讀取和查詢所有數據，它們必須具有超強的響應力。而且我們需要讓這些數據足夠簡單易懂，用戶不必非得是一名數據學家才能理解這些數據的含義。”

Geoff Watts也詳細解釋了公司提供的“社交監控”服務。服裝業內任何從事新品規劃、采購、貿易和戰略規劃工作的人員，都可以通過Editd提供的服務，在PC、移動端設置自己的社交監控器，然后就可以隨時隨地了解全球80多萬名有影響力的時尚潮人和專家的社交活動了。

社交監控服務涵蓋了男裝、女裝、童裝、配飾和美容等多個領域，輸出的信息也是可以定制的。比如一個高端服裝店中負責褲裝的業務員可以定制自己需要看到的數據，而另一家平價服裝店的采購員則可能看到完全不同的信息。這樣的定制服務對于客戶自然是十分便利的，但對于Editd來說卻是一件復雜的事情。因為時尚產業的邊界本身就比較模糊，如何為所有商品進行分類是一項極大的挑戰。比如單單是褲裝，就可以分為長褲、七分褲、短褲等類別，而靴子也可以分為及踝靴、長筒靴等類別。Editd采用計算機視覺和自然語言處理程序為服裝分類，Geoff Watts解釋說：“比如‘這是一件印花連衣裙或‘這是一件羊毛開衫等等。對于我們的工作來說，統一分類標準，生成一個干凈、一致的數據庫是一個極為重要的部分。”

這種分類方法令客戶使用數據更為方便，當Editd的用戶在手機上輸入“印花連衣裙”這幾個字進行查詢的時候，不到1秒鐘就能夠得到自己想要的結果了。而且這種對產品的追蹤可以非常詳細，Julia Fowler補充說，Editd的系統可以追蹤到5000多萬個SKU。SKU指的是庫存最小單位，對于服裝產業來說，某一款服裝的某一個顏色的某一個尺碼是一個SKU。

假如一個零售商不知道自己是否應該針對條紋服裝進更多的貨，那么Editd提供的數據可以告訴他條紋服裝在過去是用了多長時間賣完的，以及哪個尺寸和什么樣的價位賣得最快。再比如，如果一個設計師想要知道人們對藍色的感覺，那么Editd可以通過社交媒體收集人們的相關情緒，觀察人們對于顏色的態度是如何發生變化的。零售商可以根據這種分類數據，來進行相應的商品配置、促銷策略、定價、顧客情緒管理等。

Geoff Watts認為：“這項技術以及它給行業帶來的變革，使客戶能夠獲得他們真正想要的東西，而不是由別人決定給他們什么東西。它使客戶可以更加動態化地掌控他們的時尚格調，也使市場更加高效、綠色。”

400億美元級大生意

Editd的大數據魔法真的能夠為客戶帶來神奇的效果嗎？英國在線零售商ASOS或許會用“YES”來回答。這家在線零售商為公司200多名員工購買了進入Editd系統的權限，他們得到的回報是：在使用Editd服務后的2013年第四季度，銷售額躍升了33%。

超過三分之一的增幅足以令人稱奇，而Editd已經開始為眾多時尚產業的公司提供相應的大數據服務。目前，Editd的客戶包括ASOS、Gap、Target等時尚品牌和零售商，還包括一些2008年之后成立的新創型時尚公司。

Editd提供的收費方式是按數據的規模來進行計算的，企業授權費用的基礎價格為2000英鎊，而對于那些需求更為復雜的客戶，費用也要多得多。Editd的發展模式也受到了投資機構的認可，2011年夏天Editd得到了Index Ventures領軍的首輪160萬美元的種子投資。此外，Editd還曾經在Seedcamp新創公司大會中成為獲勝的10家新創公司之一，得到了另一輪數百萬美元的投資。

事實上，時尚預測是一門大生意，有人估計這個市場的產值高達360億美元。從過往的案例中也不難看出這門生意的增長速度，英國在線時尚預測和潮流趨勢分析服務提供商WGSN就是最好的案例。這家公司因為將過去紙質的時尚預測刊物轉變為在線的預測報告，而在市場之中掀起波瀾。他們擁有3萬家客戶公司，每一家公司每年會分別向GSN支付3萬美元的費用，來獲取圖片、報告和預測服務。Julian和Marc Worth在1998年初創立了這家公司，2005年兩個人以2.45億美元的價格出售了這家公司，從而實現了自己的創富夢想。

Editd有希望復制WGSN的成功，其對大數據的量化分析是足以顛覆這個行業的現有規則。相比傳統預測服務，Editd有著更為明顯的優勢：不但信息更為全面，而且瀏覽起來更為簡便，只需要一個手機移動端就可以獲知產業趨勢和社群信息；能夠將大數據實用價值最大化，客戶可以利用大數據對供需進行管理和避免過早的折扣；使用者可以通過大數據和社群監控真正地了解自己的客戶，從而做出正確的決策；創意與技術的交叉，比如視覺化的秀場信息和街頭風格分析資訊，可以為時尚公司提供更多靈感啟發；快速與精確的行動，大數據可以讓設計師、采購與零售商用最快的速度做出更為精準的銷售決策。

Editd從大數據中挖掘信息、需求來支持決策正在成為行業內的趨勢，就連傳統的預測服務商WGSN也正在計劃投資更多的量化分析工具。但Editd已經成為這條掘金道路上的先行者，在其Editd Blog上正發布著越來越多在主流媒體中少見的數據分析報告。而且Editd的兩位創始人有著更為宏偉的理想，他們并不想一直局限在時尚產業內，未來將會走出流行領域，拓展更多的可能性。既然他們已經擁有了機器學習和人工智能的核心技術，在未來更寬廣的領域挖掘大數據的價值也就是順理成章的事情了。

Geoff Watts認為：“這項技術以及它給行業帶來的變革，使客戶能夠獲得他們真正想要的東西，而不是由別人決定給他們什么東西。它使客戶可以更加動態化地掌控他們的時尚格調，也使市場更加高效、綠色。”