“互联网+”背景下大数据在零售业的应用

解萍?张朋勋

摘 要：随着信息技术的飞速发展，人类进入大数据时代，“互联网+”已经对传统零售业产生了严重的冲击，随之而来的是大数据在零售业的应用可以帮助企业更加适应大环境的变化，顺应市场、顺应平台需求，利用对相关数据的分析帮助企业做出正确的决策，制定可靠高效的营销策略，进而为用户提供个性化的服务。

关键词：大数据;零售业;互联网;数据分析;营销策略

一、认识大数据

随着信息技术的发展，“互联网+”企业发展理念的深入，各个行业已经在探索新的发展模式、新的经营方式。大数据时代信息的传播速度倍增，与此同时产生的数据也是海量的、爆炸性的增长。进入大数据时代后，传统零售业也走入了新的困境，零售企业为了顺应市场，转向网络平台，把大数据应用于零售业，是在大数据环境下零售业必须要面临的问题。大数据在零售业的应用，可以帮助企业更好地了解客户，为他们提供更加个性化的服务。基于数据的洞察有助于企业做出正确的决策、了解市场趋势并应对不确定性。

据互联网数据中心（IDC）描述，大数据定义如下：“大数据技术描述了一种新一代技术及其交媾，用于以很经济的方式、很高速的捕获、发现和分析的技术，从各种超大规模的数据中提取价值。”接着在大数据技术不断发展的过程中，总结出大数据具有4V的特征，海量性、多样性、即时性、价值性。

大数据之所以有重大的战略意义，不是因为具有庞大的数据信息，而是把庞大的数据“加工”后产生的效力。随着云计算的进一步发展，大数据也迎来了更大更好的发展。适用于大数据的技术，包括分布式数据库、分布式文件系统、云计算平台，互联网和可扩展的存储系统，大规模并行数据库，数据库等。

大数据包括结构化数据、半结构化数据和非结构化数据。认知大数据可以从理论层面、技术层面和时间层面，通过各行各业的不断创新，从大数据的概念和四个特征理解各行业对大数据的描述和总结;从大数据已经产生的价值进行探讨和深入解析大数据产生的深远价值。我们可以从分布式处理技术、云计算、感知技术、存储技术的发展，来更加深入地理解大数据从采集，处理、到存储再到输出结果的一系列过程。最后，我们通过互联网的大数据，在政府的大数据，在企业的大数据以及通过个人的大数据这些不同的方面，来体会大数据已经实现的美好景象，来憧憬未来大数据的美好蓝图。

二、零售业的演变

零售业数据的演变经历了4个时代的演变，每个阶段的数据特点也具有各自不同的特征。第一阶段：数科技含量低、使用范围小的手机记录和电子收款阶段。第二阶段：数据实时显示并处理的pc机以及pos系统阶段。第三阶段：全民制造并爆发性增长的用户原创的互联网阶段。第四阶段：数据智能产生与存储、RFID高效应用的移动感知式物联网阶段。零售业的第四个阶段是零售业大数据形成的最直接的根源。包括了交易大数据和交互大数据，分别指的是零售业交易产生的数据和零售业企业与客户通过各种设备网络产生的交互信息。

自从2016年马云提出“新零售”，之后新零售就成为零售业发展的趋势和标杆。在新的概念里，零售包括了依托网络的电子商务模式，特点就是会把线下与线上渠道结合起来，进行方式上的改良和创新，比如进行数据驱动等。随着网络技术的飞速发展，我们获得和利用数据信息的成本也会越来越低廉，这也是数据科技这促进经济发展的重要因素。据麦肯锡国际咨询公司专业测算，大数据的有效运用可以帮助很多零售企业提高达到60%以上的利润率。

基于这些因素，企业和国家都对大数据产生了高度的重视，通过大数据为管理和决策理论带来了新的机遇。但是与此同时，我们也可以看见，目前在应用中仍然存在很多问题：比如，当前对于数据驱动的零售业管理研究中，对于电子商务的研究比较多，对于大数据在零售行业中的管理模式研究不多;再比如，企业目前从管理和运营两个方面比较成熟，企业挖掘的内容应用不够深入，再有，就是研究成果的丰富和应用路径的缺乏。

零售业里大数据在供应链角度，从产品的生产运输，到上架、清仓等各个过程中，主要按照数据学习、模型、决策的过程，需要从海量数据中挖掘出来需求的产生机制以及消费者的不同特点，预测新的需求，最后根据结果对企业进行选址、配送和库存等管理方面的决策支持。

三、大数据在零售业的应用分类

1.数据获取方面

在数据的获取方面，大数据的多样性意味着数据来源非常的广泛，而且负责零售企业在获取数据方面需要投入很大的精力和時间去寻找并筛选出有价值的信息。信息是建立在数据的基础上对我们感兴趣的对象进行一定的量化处理，是对象的直接记录，因此需要使用更为前沿的大数据采集技术可以让我们获取对零售企业更加有力的数据，从而对企业的运营和决策有所帮助。

因为数据的分析需要针对不同对象的数据组合，所以为了方便获取数据，我们要对所有的数据按照一定规则进行分类，把能够直接体现商业行为现象的数据称为直接数据，比如进货数据、销售数据、库存数据等，都属于直接数据。另外的，把一些能够在一定程度影响商业行为的数据称为间接数据，比如客户流量、生产成本，商品类别等数据都属于间接数据。获取的过程，我们要同时获取到这两种不同的数据信息。

2.数据分析

大数据的分析方面，主要是利用已经获取到的大数据进行价值分析。这一阶段，需要从数据源中抽取和集成有应用价值的数据，运用合适有效的方式和工具进行数据分析，如果可以有效地挖掘数据并进行精细深入的分析，零售企业可以从中获得巨大的竞争优势。

销售业绩分析、门店数据分析、人效数据分析、销售商品分析、普通客户和会员的分析，可以为我们提供数据的支持，帮助我们促进业务的创新，提高企业的效率。比如：根据某门店某商品的销售额以及各类商品的销售比例去统计某产品销售趋势的变化，趋势的缓急，从而总结出现变化的原因，从而确定门店指导策略，增大或者是减少备货量，是否需要调整店面陈列，做好敏感产品的价格策略等。

四、大数据在零售业中应用的优势

1.更准确地了解客户

通过收集客户数据，零售企业可以获取到目标用户的偏好、购物习惯、地理区域等信息，然后将这些信息用于营销策略，从而使用最有效的方法，向客户提供个性化服务或推荐。

2.始终紧跟市场趋势

零售企业可以使用有关用户社交媒体活动和网络浏览行为的数据来确定哪些产品最受关注。此外，分析围绕某个项目的讨论情况，这种预测分析可以帮助企业确定哪些产品会引起用户的更大兴趣。

3.帮助设定最优销售价格

在大数据技术的支持下，零售企业可以转向动态定价策略来分析市场变化并做出相应调整。在动态定价策略中，分析算法会分析竞争对手的定价和库存当前水平，并选择使零售企业保持竞争力并获得更多利润的最佳价格。

4.优化供应链

通过预测分析和有关产品的实时信息，零售企业可以避免供应短缺，优化仓储，以便获取最受欢迎的商品等信息，确保商品可用性也非常重要。

五、大数据在零售业的应用案例

1.大数据与营销策略

在典型的美国沃尔玛啤酒和尿布的案例中，大数据所提供的数据关系起到了决定性的作用。在美国，孩子小的时候，妈妈在家照顾孩子，而孩子的父亲会在下班时给孩子买尿布，在这个时候，丈夫会同时购买自己喜欢的啤酒。而通过分析购买数据，进一步了解到啤酒与尿布销量之间存在正相关关系、并且再做出总结，发现了存在规律的购买情境，从而设计出更加适应此类顾客的营销策略，把这两种看似没有关系的商品摆在一起，通过数据分析，帮助人们总结的规律为商家带来了新的可靠的销售组合。当然，在平时的销售策略中，即使有很多人已经知道这样的事情，但基本不会发现这样的组合。由此可见，零售策略的设计是零售业“大数据”非常有价值的地方，大数据可以直接为零售业企业提供可靠支持，拓展企业的业务。

零售企业中“大数据”的最大价值，是企业在零售策略上结合“大数据”相关技术，制定前瞻性的零售策略，最终确保企业销售计划的实现。根据大数据捕捉到的特性，能动实现业务数据产生的时候就做出相适宜的策略应对

我们把大数据用到这一层面上，具有更加直接的业务价值，这比传统零售业的销量同期比、环比、销售计划比等一系列数据更加具有指导业务的价值。一般来说，具有线上业务的实体零售商，在成组货品促销时会准备多套不同的应变策略，以确保货品能够按计划卖出。由此可见，数据收集在大数据周期中起着最重要的作用。互联网为不同的销售主体提供了超级多的数据来源。零售业可以获得更加丰富的外部数据来源，并将这些数据与交易数据相结合。

2.大数据与营销方案

美国第二大超市塔吉特百货对于孕妇顾客的情况，通过普通超市与孕婴商店商品的顾客数据分析，建立数据模型，提前锁定顾客，打破商家的“似牙膏、袜子和卫生纸之类的日常生活用品”的局限性，开拓出“购买孕期用品”的新局面。因为对于零售商，孕妇是个非常有价值的顾客群体。只要做到在孕妇妊娠期的前期就早一步确认锁定这些顾客。那么早期提前定位，可以提前在其他零售商之前确定对应的顾客，市场营销可以早早地为其量身定制相关的孕妇优惠广告，从而尽早圈定宝贵的顾客资源。

接下来就是精准判断顾客的问题了，通过对于新生儿欢迎聚会的登记表，对顾客的消费数据进行建模分析，从中发现对我们有价值的数据模式。例如，哪个时期需要买许多大包装的无香味护手霜;哪个时期需要购买补充钙、镁、锌的善存片之类的保健品等。通过这些具体的数据，最后选出一定数量的典型商品，分析这些商品的消费数据，从而构建“怀孕预测指数”，这样就可以从较小的误差范围内预测到顾客的怀孕情况，这样一来，就能早早地把孕妇商品优惠广告寄发给有针对性的顾客。同时为了不让顾客觉得商家侵犯了自己的隐私，通常把孕妇用品的优惠广告夹杂在其他一大堆与怀孕不相关的商品优惠广告当中。

由此可见，根据这个“大数据”模型，企业制定了全新的广告营销方案，最后使得Target 孕期商品销售呈现了非常可观的增长。“大数据”分析技术也从单一细分顾客群开始向其他各种细分客户群推广，从而提高了企业的销售额。

3.对数据快速处理、修改、执行

ZARA 和LVHM服装的销售年报对比中，我们可以发现，销售价格比LVHM 低四分之一的ZARA，税前毛利率比 对方要高 23.6%。其中的原因主要可以总结为以下三点：及时分析顾客需求;结合线上数据;以及对数据进行快速处理、修改和执行。

首先，在 ZARA 门店的员工，除了常规的工作外，需要收集顾客意见，通过收集的海量数据，帮助企业做出生产、销售的决策，而且大大降低了存货率，根据行业模型在颜色、版型的生产中，做出最靠近客户需求的市场区隔。这中间，在收集数据之后，需要对不同的数据源和不同的数据特点进行数据源同质化，从而继续开发新的数据产品，同时需要根据不同的数据类型，确认是否实际。而结果需要在报告中体现出来，这也是大数据在这个过程中应用的最有价值的地方。需要不同的组织定期提供信息以支持其决策过程，而这项任务通常由具有SQL和ETL（提取、传输和加载）经验的数据分析师进行处理。

2010年ZARA 网络的成立，增加了网络巨量资料的串联性，因为这些商店是分布在六个欧洲国家。次年，又同时在美国、日本推出网络平台，线上商店强化了双向搜寻引擎、资料分析的功能，与此同时增加了营收。这些分布在世界各地的，可以回收意见给生产端，以便讓决策者精准找出目标市场;同时可以让企业为消费者提供更准确的时尚讯息，享受“大数据”带来的好处。通过预估，这些网络商店为 ZARA 至少提升了10%的营收。除此之外，还为活动产品上市做好提前营销。我们总结：这些网络上的海量资料其实是实体店面的前测指标。先在网络上进行消费者意见调查，再从这些回馈中，提取顾客意见，从而改善实际出货的产品。一般在网络上注意到时尚资讯的人，都具有对服饰的喜好、资讯的掌握，更加潮流和前卫，而通过网络上的资讯，消费者在实体店面消费的比例也会更高。

这些顾客的各种资料形成的数据，其中包括客服中心、行销部、设计团队、生产线和渠道等，应用在生产端以及整个 ZARA集团各部门，这些海量数据，完成 ZARA 内部的垂直整合主轴，形成各部门的KPI。可以推断，在未来的时尚圈，除了传统强调的设计能力，信息和大数据也是未来竞争的隐形战场。

在这里，还要强调的是除了数据本身，需要更加地重视以积极的状态利用“大数据”去改善产品的流程，也就是可以缩短生产时间，让生产端根据顾客的意见和需求，完成第一时间的迅速调整。也就是说，无论从内部的管理流程，还是大数据的庞大信息支持，以及强大的供应链，都是大数据服务于零售业成功的关键因素，也就是说“大数据”运营要成功，资讯系统要能与决策流程紧密结合，迅速对消费者的需求做出回应、修正，并且立刻执行决策。

参考文献：

[1]刘萍.基于Hadoop与Spark的大数据处理平台的构建研究[J].通化师范学院学报，2018（6）：59-62.

[2]陈志泊.数据仓库与数据挖掘[M].清华大学出版社，2009.

[3]张振虹，刘文，韩智.学习仪表盘：大数据时代的新型学习支持工具[J].现代远程教育研究，2014（3）：100-107.