數據分析在新零售物流體系中的應用探索*

□ 徐圣澤，浦東平

(1.上海理工大學 管理學院，上海 200093；2.上海理工大學 公共實驗中心，上海 200093)

1 引言

“新零售”是從我國高新技術飛速發展中衍生出的新興概念，不論是在理論研究還是實踐應用方面都離不開大數據和云計算等技術加持[1]。相比之下，以往傳統的線下零售模式有明顯的地域局限性，易被地理因素制約，而新零售以一種全渠道模式將線下體驗、線上服務、智慧物流相融合，形成了極為有效的市場資源配置。在不斷更新的移動通信技術助推下，移動購物、在線購物等方式逐漸成為主流趨勢，愈發凸顯線下零售等單渠道模式的邊界壁壘[2]。

新零售模式是對傳統零售模式的一次變革。與傳統零售以差價為利潤點、商品交易作為服務模式，依靠競爭博弈謀求合作關系的體系不同，新零售所孵化的“OFL”(線上、線下、物流三者相結合)商業模式體系，主要業務是將商品和服務捆綁銷售以滿足消費者需求，同時與合作伙伴利用消費者數據合作共贏，通過融合的全渠道，以增值服務作為盈利點，用下游數據對上游定制，以持續性交互社區模式作為服務模式。

目前，新零售模式變革下的物流趨于去中間化和多級分倉，故低價值和低附加值的中間環節逐漸減少。“新零售消費大數據平臺”正是順應新零售潮流的產物，與物聯網有著千絲萬縷的關系，是零售商家進行數據化轉型的最佳選擇之一。“新零售消費大數據平臺”以產品二維碼標識為入口形成一張巨網，把產品轉化成與消費者形成關系的觸點，因此可以把終端路線描繪成“蜂巢”，讓企業更好地洞悉產品走向，賦予產品本身營銷功能，減少中間環節費用的投入；同時對整合后的金融、運營商、交通、快消等數據進行分析建模，搭建多維度數據體系，與企業運營全流程進行融合，就可以根據自身數據輔助企業進行新品開發、產品優化、產品運營、洞察市場先機、科學決策依據、異業多場景營銷[3]。因此，唯有通過數據分析才能真正實現新零售中線下物流和線上商流的融合發展。

2 新零售模式下的智慧物流現狀

“智慧物流”的發展依托傳統物流已有的發展成果，彌補了“高人工、低效率、不智能”的不足，同時也在尋找新的拓展途徑以降低物流成本、增加物流效率。有數據指出，近年來智慧物流市場規模持續增加約一倍，同時每年增速逐漸下降趨于穩定，約在17%左右，表明我國在智慧物流市場開拓方面的可持續發展以及新零售形勢下智慧物流的需求量是穩定增長的[4]。

圖1 2016-2020年中國智慧物流市場規模及增長趨勢

在人工智能、大數據的背景下，“智慧物流”面對的是更廣闊的市場，與傳統低信息化物流不同的是其以客戶需求為導向，強調客戶體驗，著眼長期合作，不局限于散單式的經營體系，堅持追求關系營銷模式，以合作商之間的良好協同配合為目標[5]。智慧物流在運用高新信息技術確保全程供應鏈良性運轉的同時，也面臨著以下三方面的新挑戰。

2.1 客戶產品需求難匹配

目前，新零售所搭配的傳統物流常常會伴有以退換貨行為為主的逆向流轉，增加了物流成本。同時對于退換貨的原因，產品方只能通過反復地一對一交流來理清產品所存在的問題，無法進行智能、自動化的修正及分類來改善問題，因此也無法對多樣化的顧客進行個性化服務及推薦，導致顧客無法精準地購買到心儀的產品，從而造成顧客流失率高，同時也無法培養顧客對于產品、品牌的忠誠度，用戶體驗沒有得到滿足，導致回頭客占比下降。

2.2 平臺服務效率待提升

信息化物流企業最需要具備的硬實力就是能夠以客戶、用戶為對象構建信息與服務平臺。目前，發布信息是大多物流信息平臺的主要功能，但是卻不能完全發揮信息化平臺的信息共享、交易、一體化管理等優勢，導致信息類型繁多，不能對產生的信息進行有效智能識別、整合消除，存在一定程度的信息溝通障礙。而目前我國物流的信息標準未統一，信息接收端口不一致，對于用戶、供應商客戶、企業等多方物流發展需求難以滿足，主要表現在：一方面，客戶無法無差錯地將大量業務數據嚴格標準化錄入系統，另一方面，多樣化且大量的數據接口對物流企業的工作效率產生了消極影響[6]。雖然當前已有部分物流企業如菜鳥、京東等在完善物流信息體系，但是此類企業僅占物流類企業的10%左右[7]。

2.3 社會監管制度不健全

作為新零售模式下的新興物流模式，其新零售的核心是以消費者價值主張為核心的資源整合過程，通過信息挖掘滿足消費者的所有消費需求，并與之建立起良性互動關系以增加消費者黏性。而智慧物流作為一套閉環生態系統是互聯網大數據技術的產物，其更加強調網絡化的虛擬組織之間的合作，參與主體擴大，不僅是人與人之間的關系合作，更多是由陌生關系遵循著該市場的運轉守則進行常態化交易。由于其打破了邊界感，因此以稅收制度為首的相關監管制度無法與市場環境融為一體、制度對市場的作用不強，導致部分智慧物流仍處于“灰色地帶”，因此誠信考核體系的建設與相配套法律法規的制定落實仍需被重視[8]。

3 數據分析賦能新零售物流領域

3.1 數據分析的應用實例

3.1.1 “盒馬鮮生”的新零售模式

新零售本身在以消費者為中心的基礎上，通過數據和技術提高零售效率及推動供應鏈轉型，將線上線下體驗與現代智慧物流緊密結合的觀點已為大眾所接受。眾所周知，盒馬鮮生是運用新零售模式“出圈”的典型。

盒馬鮮生崛起最重要的因素在于線下給線上引流。“倉庫”與“體驗館”是線下門店扮演的兩個重要職能，線下門店接到線上顧客的訂單后，立即通過全流程物流帶運輸發貨，提高了出貨量、降低生鮮產品的養護和管理成本，因此極大地控制了倉儲成本。

針對消費者的“購-食”一站式服務也是其一大特色。顧客線下門店體驗這一營銷模式，不僅為顧客提供了方便，也使得顧客對超市環境和食品質量產生信任感，提升品牌好感度，易形成多次回購，同時其眾多顧客也是被智能物流的便捷配送所吸引，慕名前來。最終，形成了線下體驗拉動線上消費的典型新零售模式。

在技術上，盒馬鮮生具有極大的優勢，運營系統是其核心價值。盒馬鮮生在大數據分析、智能物聯網等先進技術設備上都實現了人、貨、場的三者匹配，從供應、儲存直至最后配送的高效流程，展現了十分完整的物流體系。

3.1.2 打造數字化基底，推動智慧化物流

線上購物的流行推動著物流配送的發展，線上線下的本地新零售便展露了頭角。線上指令可通過智能數據迅速匹配到距離消費者最近的倉儲或線下實體店，隨后接入物流運輸體系，高效送貨上門。

作為龐大的服務支持體系的核心，多家核心企業發揮各自的作用，構建出一個生態體系——智慧物流生態的中臺，打造及時、精準、完善的新物流服務。與此同時，線上線下“軟硬兼施、人機匹配”的基礎設施搭建了一個穩固的后臺，是穿插線上線下的一個關鍵連接樞紐[9]。

對于盒馬鮮生的物流而言，智慧物流相當于是現有供應鏈的延展，在新興科技的帶領下，逐漸使商流、物流、信息流、資金流一體化，將市場與企業、個人有機結合，帶動生活與管理的智能化。而智慧物流可以分為兩個端口，一是企業端，對企業未來的產品銷售情況進行預測，作必要的庫存安排以降低成本；二是消費端，把重心放在消費者體驗和需求上，不斷滿足消費者的個性化需求，將產品更快更準地送到消費者手中。

盒馬鮮生之所以能夠做到一應俱全，數據分析的地位舉足輕重。一方面，可以通過數據分析技術高效預知產品未來的情況，譬如過期、缺貨，使工作人員立即改善。另一方面，可以對顧客的消費行為及習慣進行準確直觀數據分析，進而對供貨量或是促銷策略采取調整措施,從而更好地保證產品質量和進行市場運營。

3.2 數據分析的應用價值

3.2.1 提升平臺價值，優化物資管控

一方面，要改善信息平臺落后的問題，就要借助數據分析的手段以協同化信息平臺為載體來對供應鏈體系、商業模式等方面進行變革、重構。強化智慧物流信息協同化思想，逐步推進、滲透，形成以產品生態圈簇擁區域信息平臺的放射式結構框架[10]。供求雙方信息匹配更加自主客觀，通過數據分析信息平臺進行統籌規劃，精確需求，對新零售體系下的商品實施精準調配，提高渠道效率。

另一方面，輕負擔庫存作為物流企業重要的運營目標，與高收入、高利潤、低貶值等關鍵詞相掛鉤。數據分析所得的預測銷量可作為安全庫存調整、優化配送頻率以及生產產品數量的重要依據[11]。同時也可以對計算機算法進行不斷優化,去計算物流調度中貨物的車輛裝配、運輸與卸載來達到低成本、高效率的目標。

3.2.2 減少逆向物流，增強客戶粘性

逆向物流通常指售出的貨物主體及其伴生物品的回流行為。由于會產生極高的成本費用，因此企業選擇放棄低值物品，不進行收回。若借助自適應數據分析來找到退換貨的原因，并測試與銷售方等一些因素的相關性,則可以制定相應的解決方案[12]。通過對海量數據進行分析，根據智慧物流的運量、貨物分布、時間分布、線路等不同維度因素的特點，分解出對應的二級細分領域，經聚類分析、用戶畫像等數據處理方法，可以實時具體地掌握顧客的習慣，從而對客戶施行分類精準推送。同時使用主成分或因子分析法，對外部負面反饋進行運營管理的分類，有針對性地改進以提升用戶體驗、增強客戶粘性。因此，新零售模式下智慧物流不僅要在技術方面因地制宜的實現，更要建設完備完整的生態系統模式閉環。

3.2.3 掌控全程信息，健全保障體系

為了實現供應鏈一體化戰略,企業依靠大數據分析，掌握上游甲方信息、下游終端信息，個性化定制整個供應鏈上不同企業的需求,在獲得精準用戶畫像的基礎上一并實現主動配送、補貨、開拓市場等功能。根據往期數據及相關性數據，建立回歸，當達到最佳擬合狀態時，用最小二乘法計算出各觀測點距離擬合圖形的數值。

同時，數據分析也能健全社會監管保障體系。智慧物流作為大數據技術的衍生產物，擴大了參與主體，在稅收等相關制度還未與市場環境相互完善的情況下，滋生了“灰色產業”，而數據分析能夠針對智慧物流所產生的一系列全過程數據進行程序分析，保證智慧物流在虛擬網絡中的合作能夠遵循市場運轉守則，進行常態化交易。

4 數據分析云平臺的架構設計

眾所周知，云服務已經深入人們數據儲存、處理的角落，因此亟需對新零售背景下智慧物流行業搭建數據分析云平臺，以進一步深入分析物流行業所產出的數據。這樣不僅能及時彌補用戶匹配度低、信息處理落后、監管不到位等短板，還能結合其應用價值，加速新零售模式下智慧物流的發展。

云計算是分布式計算的種類之一，可以通過“云”中網絡處理大量數據并通過程序進行分解。隨后，通過服務器系統進行數據處理和數據分析進而將結果反饋給用戶。通過這項技術可以在短時間內實現對萬、十萬計的數據進行處理，進而使網絡服務愈發強大。而現階段，其不僅是分布式計算，更是結合了效用計算、負載均衡等計算機技術混合演進并躍升的結果。

圖2為新零售物流數據分析云平臺的具體層次架構，其可分為應用層、仿真層、服務層、支撐層、數據層、終端層。

圖2 新零售物流數據分析云平臺的具體層次架構

應用層反映了新零售物流數據分析云平臺的整體架構模型，它不僅能對大數據物流信息進行深度分析，打下完善的數據和理論基礎，而且能夠與用戶進行直觀交互，其包含訂單功能、儲存功能、運輸功能、交易功能及系統管理功能五個功能模塊，可在交互界面將交互數據與相關接口進行定向自動綁定。由于其交互對象范圍廣，包含多方用戶，因此其所衍生出的物流信息可與商業信息等要素形成一張緊密的物流網絡，用戶可以以多身份通過在交互節點建立交易通道的形式與其他用戶進行交易，提高交易效率和信任度。

仿真層主要是為了呈現數據可視化功能，經過業務分類推動了不同業務之間的共同發展，系統將其劃分成四個層次。在用戶層中，用戶可以利用不同的瀏覽軟件對相關的應用進行瀏覽和下達各種指令來運行業務[13]。在性能層中，可對關鍵的數據信息進行整合與分析說明，并將結果反饋至客戶。數據庫的作用就是在整體平臺進行數據存檔、整體分析、動態更新。依靠數據可視化的功能模塊能夠進行邏輯鏈式的自適應數據處理，結合人類的數據結果識別能力以及數據分析能力對物流數據進行精準評估，從而對智慧物流模型方法進行調整。

服務層以經過處理的大數據所提取累積的模型和數據進行自動選擇匹配相適應的物流模式。模型的累積是為了通過對不同歷史數據的比對來決定采用的模型，同時優化算法模型以更好地匹配未來的物流數據，精確分析各類用戶需求，也可以對廢棄數據進行再利用。

支撐層在訪問者身份及數據權限獲取的安全管理、數據儲存及轉換的數據管理和服務器部署監控的服務管理三方面起到了重要作用，不僅承擔著整個平臺的橋梁作用，同時也是物流系統服務的提供者。其從客戶端通過平臺數據信息的傳輸與轉換向客戶提供數據訪問服務，其數據通過智能合約進行獲取、傳輸和驗證來實現物流數據的防偽與永久儲存。

數據層用來存放數據分析平臺所需要的基礎用戶信息、模型庫、基礎元件庫和物流數據等信息，主要由智能合約數據庫和星際文件儲存系統數據庫組成。在智能合約數據庫中分別有庫存貨物信息、倉儲信息、訂單信息等，而星際文件系統中主要存放大內存數據，如車輛圖片采集信息等大容量信息。

終端層是整個平臺運行的底層機制，各個銷售端將數據輸送至物流數據中心，再將數據匯總至數據分析段進行分析，最后可以在平臺的各個移動終端查看所得到的分析評估結果。

5 結束語

基于數據分析的新零售模式下的“智慧物流”具有強大的工作和處理能力，能夠有的放矢、緩解目前現狀中亟需解決的問題，并從中創造出新的財富，而我國正處于新零售行業迅猛發展的時代，物流行業也應緊緊抓住這一機遇，順應這一趨勢，在變革中不斷優化自身的運營發展模式。盡管我國對于物流行業的需求和要求在不斷提高，但是物流行業也應健全管理模式、完善人員體系。研究認為在后續的發展過程中，物流企業應充分利用大數據互聯網時代的浪潮，利用新零售物流所帶來的優點和數據分析所能帶來的優勢來彌補傳統物流的缺陷，真正做好物流管理、物流配送工作，為消費者提供更加良好、人性化的服務。