曹菲

◆ 中图分类号：F713 文献标识码：A

内容摘要：“大数据”网络方兴未艾，但是其实践价值却已经凸显出来。本文通过介绍零售企业“大数据”的基本内涵和外延，给予读者一个更加清晰的概念认识。继而分析得出顾客需求是驱动整个零售行业模式创新的原动力，也是指导大数据应用的重要依据。最后阐述运用“大数据”分析现有数据并参与实践的运营要求和资源前提，为零售企业创新发展模式提供参考。

关键词：大数据 零售企业 创新模式

引言

随着时代的迅速发展，社会的信息网络逐渐完善，信息交换系统和协作系统都发生了较大的变化，信息技术和网络技术以及移动互联技术的迅速发展和创新已经颠覆了整个世界交易和交流的方式。在这种大背景下，传统的数据分析方式已经不能满足日益复杂的发展需要，“大数据”正是在这种强烈需求下产生的，麦肯锡认为：“大数据”作为一种日渐发达和成熟的信息网络分析工具，已经成了生活生产中重要的数据支撑工具，这种超越社会不充分经验归纳的数学工具已经远远超越了人脑所能到达的领域，逐渐成为一种指导生产方向、模式、发展趋势的重要生产要素之一，这种全新的生产要素成为带动其他传统产业特别是工商业发展的重要工具。传统的产品订购、原材料采购、商品生产、销售模式很大程度上会造成产品过剩和资源浪费，而在大数据的支持和分析下，传统制造业可以根据未来可能出现的产品需求和产品销售群体定制商品数量和定制特定的服务，这就极大地提高了机械化水平，提高了劳动附加值，降低了产品的资源消耗比例。“大数据”的正确应用甚至可能带动整个第四次产业革命的爆发，新的企业在新一轮的产业改革中，必将以“大数据”为依托，在生产和消费中不断平衡，缩小规模，减少成本，增加利润，减少消耗。在新的商业模式下，零售市场必将发生巨大变革，原有的商业模式正在渐渐失去活力，劳动密集型和低附加值的销售模式已经不能够持续，原先依靠规模经济取胜的销售理念和发展理念已经逐渐被时代抛弃，定制化和人格化的商品销售模式正在各行各业发展的如火如荼，并逐渐占据整个销售市场的大半利润来源，以极少的销售量获得了极大产品利润。

Viktor-Mayer-Schonberger提到：“大数据”与传统的数据分析方法不一样的地方在于，随机选取大量实验样本分析抽样的方法已经不能够满足对数据全面性的要求。因为在现今的数据网络中，各种各样的相关的和不相关的数据实在是过于繁杂，传统的依靠数据规律分析的方法并不能反映数据的全貌，仅仅只能依靠随机抽样本进行分析，这种分析得出的结论存在着片面性，另一方面，数据的真实性和可靠性并没有其他方法进行验证和比较，数据分析结论正确性存疑。而且，传统的数据分析方法总量上的局限性、分析方法工作量相对人力来说巨大、数据分析方向单一等特点已经不再适应当前数据分析的要求。在这种情况下，“大数据”分析是时代的需要，更是不得不采纳的数学分析方法。面临大数据的冲击，传统行业如果合理利用则会增进自身发展，不合理使用则会被时代淘汰。具体到零售行业，整个零售批发产业正在面领着极大的挑战，究其原因，就是因为资本的盲目生产和需求之间的差距导致的。面对日益多样化的消费需求，只有充分利用“大数据”环境下的数据分析方法，驱动零售产业创新发展，才能在新的时代抓住商机。

“大数据”的特征和数据来源

（一）“大数据”的特征

“大数据”的关键特征是在于数据总量的极其庞大，与原来的定量抽取调查不同，“大数据”数据量的庞大已经超越了原先的普通的数据库系统，在信息的收集、信息的采样、信息的归纳、信息的处理、信息得出的结论方面都更加准确及时高效。这种体量上的庞大更预示着其前景可期，能够带来许多意想不到的创新模式和创新利润，具体包括四个方面：

其一，搜集的数据总量巨大（volume），在信息化时代，我们生活的方方面面以及生产的总过程已经超越了传统的经验可及的范围，现行的生产过程是将其数据化并且通过计算机系统加以分析，实际工作效率远远超越了人类的速度。这种庞大的数据带来的不同的组合常常会应用于传统行业比如会计和审计行业，并且取得了很多意想不到的效果。

其二，构成数据要素的多样性，除了传统的文字、图片、语音等信息，还涵盖了视频、地理环境、产业状况等非结构化构成要件要素。这种非结构化数据可以帮助我们从不同角度深度挖掘不同数据背后的含义，通过多样化的认证方式验证实验结论，这种认知上的多维性会极大地开拓我们的认知视野，增加认知准确性让我们不至于局限在单一的思维模式里。

其三，数据价值高，这种高价值的数据往往可以通过数学分析的方式得到不同的深度结论，如何利用数学模型深度挖掘其背后的重要信息应用于日常生活和生产实践，是当前重要的课题。这些隐藏在“大数据”背后的有价值的理论一旦应用于实践，将会发生产值的爆炸式增长，所以现在众多的互联网企业开始重视“大数据”的作用，开始着力于建立自己的数据库系统。

其四，数据时效性强，传统的数据分析系统是通过数据采样、数据收集、数据分析、数据验证的方式才能获得最终的结论，这种信息分析手段已经过时，因为要求实验数据的准确，数据搜集时间会很长，这种长期的分析一般情况下只能作为事后分析，时效性上的差距减少了数据分析的实践价值。而在“大数据”的支持下，利用计算机系统的快速运转可以极大地增强数据的时效性，为当下的生产和生活提供及时准确的指导，从而极大地提高了生产效率。

（二）“大数据”的数据库来源

1.企业交易数据。交易数据来源有很多，最主要的还是来源于企业的交易数据，因为企业是资本市场的竞争者，它对于“大数据”的需求是最旺盛的，“大数据”最先运用的领域也必然是商业领域，由于信息的不通畅，企业并不知道消费者的真实需求和真实想法，在原来的物质匮乏商品稀缺的时代，企业完全可以依靠大批量的生产和销售来获取高额利润，但是当前商品供应系统已经很完善，资本已经在逐渐贬值，，企业的交易数据、销售数据、采购数据都成为企业严格管理成本、增加利润和减少消耗的重要指标。在零售企业内部，企业的数据主要分为两部分：营销数据和内部管理数据。前者主要包括顾客消费数据、销售总量数据、购买趋势数据、价格趋势数据、产品研发数据、市场竞争情况数据等，主要是反映企业在销售的过程当中销售的具体情况、未来消费者购买趋势和消费者偏好等，企业内部管理数据则主要包括企业的产品成本、人力资源成本、设备损耗、财务运营状况等。这种大数据下的企业交易数据是“大数据”重要的来源，也是推动发展的主要资本动力。

2.用户交互数据。交互数据主要区别于交易数据，指的是普通的消费者、用户、移动端等在交流的过程当中所产生的数据。比如在网上购物的过程中，就会产生购买倾向的数据、购买产品的数据以及心理比价的过程，这种全方位的记录使得数据更加全面和完善，从而可全面深入了解消费者的心理需求和实际需求，这样网站和商家就可以推荐很多适合消费者的商品，这就使得广告运营更加具有针对性。原来的报纸、电视台和广播等传统媒体是主要的广告方式，现在则是主要通过电子商务网站和搜索引擎来发布广告，这种改变主要是基于大数据的方式来选取的，消费者的点击、购买以及浏览反映了其购买区间和购买欲望，已经成为商家销售的重要依据。同样地，这种交互不仅仅在于每一个单独的个体之间，更在于消费者使用信息交流软件和互联互通软件过程中，在使用这些手机软件时，消费者分享自己喜欢的商品，这样就获得了链式效应，一次购物产生的效果会波及消费者的朋友圈和生活圈，这变相加大了数据产品的结构总量，无论是通过文字、图片、音频或者视频的方式，我们总是处于数据化所编制的数据网络中。

3.感知数据。感知数据的数据来源区别于企业数据或者人与人之间的交互数据，其来源于传感器和观测设备，特别是现代可穿戴设备的极大拓展，使得每一个个体的数据也被记录下来，通过记录运动数据，人们可以适当安排运动量，避免运动过量导致身体损伤，更主要是避免长期不运动导致的身体损害；通过地理位置数据的生成，可以安排运动轨迹，通过分享位置获得心理上的满足。这种通过传感器获得的数据往往比较分散，但是却极其准确和个性化，值得予以关注和收集。

以“大数据”为导向的零售创新

在现有的零售模式下，生产销售主要是靠经验预测，极大地影响了工作效率，大量的商品被生产出来，但是同质化的商品并不能满足客户的多样化需求。“大数据”在零售商业领域的创新根本标准是顾客的需要。顾客需求是“顾客价值主张的”专业化表达，这种需求至上、顾客至上的销售模式自古有之，但是在现代却遇到了其固有的难题，即企业所知信息和顾客所需信息之间的信息交流障碍和地位上的不平等。顾客价值主张的根本就是要深度挖掘顾客需求，实现生产与购买的无差别融合，只有这样，企业才能利用较小的资本获得较大的收益，才能有针对性地满足多样化的顾客需求，获得顾客的认可。“大数据”驱动下的的顾客价值主张是当下企业转型的重要突破口，具体分为四个方面：

（一）实现顾客的个性化需求

顾客的个性化需要是发掘大数据平台背后价值的原动力，在原来的生产销售网络中，顾客的取向被认为是统一的，因此才生产出大批量的无差别的产品，这种规模化的生产模式优势在于，其简单易行，容易操作，资本流转速度快，对于企业工人基本素质要求低，商品单价低，成本得到了很好的控制。但是当前商业极其发达，产品生产过剩成为商品零售业发展缓慢的重要原因，广大顾客的差异化需求明显，无法体现出“个性”的商品已经逐渐被时代淘汰。通过“大数据”对于客户实际需求的分析，可以清楚地知道顾客的差异化需求，从而调整产业线，增加不同的选择，增加产品附加值。现在越来越流行的贵重金属定制、高端酒类定制、西服定制等都是定制化的产物，区别在于原先的定制产业一般都是出现在高端的产业内，现在利用高度发达的数据支撑零售企业的价值选择，为客户提供更好地服务，极大地降低了人力成本，使我们能够敏锐地感知到顾客的价值取向和产品购买取向，精确定位购买需求，增加产品符合度，使顾客能够深度定制物美价廉的商品。

（二）准确把握顾客需求

顾客需求是产品的销售保障，只有真正满足顾客需求的商品才能够获得青睐，在这样的环境下，必须通过用户交互数据敏锐地察觉到顾客的实际需求以便指导生产环节。通过对各大企业获取的感知数据进行分析，可以知道顾客的真实心理需求和购买欲望，使需求定位更加精确，需求供给更加及时，整个基于“大数据”的供给网络才能真正形成并完善。

（三）细分化的需求市场

不仅仅要求大概了解顾客需求，更需要针对每一个个体进行精细化分析，每一个单独的个体需求必然会有不同，比较细微的区别在传统的行业很难发现，即使发现了，这种差别调整的成本是巨大的，首先需要抽样调查，然后了解需求，最后才能定制。现在基于“大数据”下的数据分析则完全不同，摆脱了原先效率低下的批量生产，并且可以根据不同客户的不同情况实现差异化营销。

（四）准确定位潜在顾客群

基于“大数据”可以建立各种各样的数据模型，从而将纷繁复杂的数据转化成为决策指导因素，通过模拟顾客购买行为和购买趋向，可以准确定位所在的潜在客户群，在原来的无差别的大众广告基础上，准确区分目标客户，寻找最有可能购买商品或者服务的人群，实现定向化营销。

利用“大数据”进行商业模式创新的举措

（一）基于体验、营销、管理的运营创新

1.创新用户体验。零售业务可以通过提供更加愉悦的用户体验来取悦客户，由于个体的价值取向、审美偏差都有不同，很难实现统一化的或者标准化的体验模式。利用“大数据”，可以明确消费者喜欢什么样的购物环境和购物商品，针对特定的爱好设立体验店或者试用服务，针对不同的用户习惯采取不同的销售策略，顾客的心理诉求本身就是一个可以创造高价值的产品。要做到更加优化的体验，可以从以下几个方面着手：其一是构建客户体验数据模型，通过数据模型的方式将用户的体验分类并细化，在大的方向不变的基础上做好细节，通过“大数据”的方法采集和剖析顾客的购物体验数据，判断顾客的体验状况，分析顾客不喜欢或者不满意的地方，并加以改正；其二是遇到吸引顾客的重要亮点，可以推而广之，只有这样才能成功分析出不同类别的客户所需要的体验，然后注意改进，最终会使得整个购物流程类型化，更方便地提供低成本的购物体验。并且要通过事后的体验调查了解用户反馈状况，预防客户体验不佳的情况，避免客户的流失。

2.创新销售方式。零售商家必须准确指导客户的购物偏好，根据不同的情况推送不同的服务，精准抓住客户心理，实现精细化营销。首先是要利用大数据技术整合行业资源，了解顾客需求，强化购物心理，实现群体性整合。其次是建立客户购物体验实时更新的数据模型，想顾客之所想，急客户之所急，积极主动提供优质服务，摒弃“等靠”思想，保持销售上的主动。最后是实施多渠道营销，现在的营销渠道还很单一，电子商务倾向于线上营销，实体店倾向于线下营销，这两种营销方式各有利弊，线上营销成本相对较低，且满足了年轻客户的需求；线下营销相对来说更加直接，能够给用户提供更加清晰的购物体验和更加及时准确地掌握客户的购物动态。

3.创新管理方式。零售企业主要的两种利润增长方式就是生产成本降低和销售价格的增加，但是现行状态下，由于国内零售企业大同小异，差异化竞争还没有形成，同质化竞争明显，大部分还只能依靠国内廉价的劳动力控制成本，销售价格始终上不去，这种供应与销售的失衡是当下存在的主要问题之一。利用大数据可以进行线上线下的无差别管理，将商品供应企业、商品交易平台、商品存储信息平台和运输服务系统整合起来，统一进行数据管理，共享数据信息，在一个相对公开透明的环境下实现科学预警、实时更新，保证供应链的完整、平稳和及时调整。

（二）基于“大数据”零售模式创新的资源前提

1.数据整合能力。首先是信息收集工作。是整个“大数据”架构的前提，这种信息的收集需要运用各种各样的方法，每一个方法都有其利弊，但是还必须要求尽量保证其数据的准确性，因为“大数据”的分析模型是基于这些数据的，只有数据准确才能保证结论的精准。其次是数据存储和数据集成。当前云储存技术已经相当完善，各大互联网公司已经将云技术运用到客户的日常生活中，通过对顾客日常浏览网站甚至是浏览偏好的分析，就可以总结出交易数据、用户交互数据以及感知数据所反映出的关键信息，再通过数据模型的整理分析、去除异常值以及建模等方式重构理想的数据库，按照科学的分类重建数据库以便于查找和利用。再次是组织数据。数据组织主要包括转化数据和抽取数据两个部分。转化数据是指将原来的非结构化的数据库总结成为有分类、有条理的数据网络；数据抽取则是检测相关数据的关联性，通过分析关联性找到适合一个企业经营决策相关的参考数据，从而将枯燥的数据转化为有价值的决策信息。比如在通过对消费者浏览次数和浏览倾向的定向分析中，就可以发现用户的心理价位、习惯偏好等，从而有针对性地提供符合客户心理价位的商品和服务。

2.敏锐的商业洞察力。商业敏感力是企业决策层在综合了各种各样的信息后，得出的对未来商业模式的估计和取舍。通过对敏感机会的把握，可以利用有限的企业资本、恰当的商品营销获得更大的投资利润比，并且通过数据分析获得潜在的市场运行规律，用来指导企业经营方向，优化销售网络和生产系统。

3.信息共享能力。“打破信息壁垒，实现信息共享”是大数据的目标，现代社会中，由于分工协作网络的过于复杂，我们的信息都是不完全的，以前依靠经验的积累便可以逐渐完全对整个世界的认知，当下的知识环境已经不可能了，过于复杂的分工使得部门间或者人与人间的信息沟通存在诸多制度性障碍，这种障碍也无法通过现有的框架来解决，而大数据就是一个很好的突破口。可以利用大数据突破行业壁垒，实现部门之间、人人之间、销售供应之间、生产营销之间的完美信息共联。只有这样，才能减少内部消耗，用最小的成本实现最大的价值。

基于“大数据”的零售创新建议

第一，准确把握顾客需求，实现转型方向的精准定位。零售企业当下面临的困境是其不断发展和进步的动力，应准确定位用户需求，妥善分析用户偏好，优化资源配置方式，创新提供服务项目，主动创新服务深度，调整不恰当的创新尝试，用一个开放兼容的心态去应用大数据。

第二，抓住个性化需求，实现服务因人而异。现有的零售企业之间的商品同质化竞争现象严重，这既是因为我国改革开放时间短，技术积累时间还很短，创新能力不足，创新人才缺乏的结果，也是因为产业信息不够透明、信息壁垒较高导致的。如何实现对产业内海量数据的甄别筛选，妥善利用关联信息，排除不相关信息，精确地洞察顾客个性化需求是“大数据”平台需要解决的重要难题。

第三，优化供应链条，妥善配置供销环节。零售企业必须根据自身生产实际情况，将企业原材料采购、商品存储和营销配送等结合起来，优化供应渠道，及时应对客户新的需求。

参考文献：

1.惠琳.大数据时代本土零售业精确营销探讨——基于数据挖掘的角度[J].商业时代，2014（4）

2.徐国虎，孙凌.基于大数据技术的线上线下电商用户数据挖掘流程分析[J].中国集体经济，2012（30）

3.魏炜，朱武祥.发现商业模式[M].机械工业出版社，2009

4.李飞.全渠道零售的含义、成因及对策——再论迎接中国多渠道零售革命风[J].北京工商大学学报（社会科学版），2013（2）

5.谭磊.大数据挖掘[M].电子工业出版社，2013

6.杨灿荣.“大数据”驱动的零售企业商业模式创新探究[J].商业时代，2014（27）