零售業(yè)大數(shù)據(jù)：形成、應(yīng)用及啟示

鄭淑蓉

〔摘要〕 數(shù)據(jù)是各種信息原始記錄的數(shù)值，零售業(yè)數(shù)據(jù)經(jīng)歷了手工記錄和電子收款機(jī)、PC機(jī)和POS系統(tǒng)、用戶原創(chuàng)的互聯(lián)網(wǎng)以及移動(dòng)和感知式物聯(lián)網(wǎng)四個(gè)階段的演進(jìn)，從而形成零售業(yè)大數(shù)據(jù)。零售業(yè)大數(shù)據(jù)的應(yīng)用，有利于新型數(shù)據(jù)競爭力的構(gòu)建、顧客需求的精準(zhǔn)化洞察以及數(shù)據(jù)創(chuàng)新思維的實(shí)現(xiàn)；云計(jì)算、關(guān)系數(shù)據(jù)庫、數(shù)據(jù)挖掘等技術(shù)，為零售業(yè)大數(shù)據(jù)應(yīng)用提供了強(qiáng)大的技術(shù)支撐；零售業(yè)大數(shù)據(jù)應(yīng)用的內(nèi)容包括大數(shù)據(jù)抽取與集成、數(shù)據(jù)分析及數(shù)據(jù)解釋。零售業(yè)大數(shù)據(jù)的形成和應(yīng)用給我們的啟示是：大數(shù)據(jù)意識(shí)與思維正成為零售業(yè)創(chuàng)新的知識(shí)準(zhǔn)備，大數(shù)據(jù)可以為零售企業(yè)提供精準(zhǔn)的顧客價(jià)值主張，零售業(yè)面臨著大數(shù)據(jù)管理的挑戰(zhàn)。

〔關(guān)鍵詞〕 零售業(yè)，大數(shù)據(jù)，物聯(lián)網(wǎng)，顧客價(jià)值主張

〔中圖分類號(hào)〕F49 〔文獻(xiàn)標(biāo)識(shí)碼〕A 〔文章編號(hào)〕1004-4175（2014）02-0090-05

新興信息技術(shù)與應(yīng)用模式的不斷滲透和推陳出新，使得全球數(shù)據(jù)量呈現(xiàn)出前所未有的爆發(fā)式增長態(tài)勢 〔1 〕。根據(jù)國際數(shù)據(jù)公司（IDC）的研究報(bào)告，2011年全球被創(chuàng)建和被復(fù)制的數(shù)據(jù)總量為1.8ZB（數(shù)據(jù)存儲(chǔ)單位，澤字節(jié)，等于1024艾字節(jié)或270個(gè)字節(jié)），且增長趨勢遵循新摩爾定律，預(yù)計(jì)到2020年，全球數(shù)據(jù)量大約每兩年翻一番，全球?qū)碛?5ZB的數(shù)據(jù)量 〔2 〕 （P15-16 ）。海量數(shù)據(jù)被收集、交換、分析和整合，將和企業(yè)的固定資產(chǎn)、人力資源一樣，成為企業(yè)生產(chǎn)經(jīng)營的一種基礎(chǔ)性資源，大數(shù)據(jù)所積蓄的價(jià)值將驅(qū)動(dòng)經(jīng)營和決策的管理變革，大數(shù)據(jù)將是創(chuàng)新、競爭和提高生產(chǎn)率的下一個(gè)領(lǐng)域 〔3 〕，大數(shù)據(jù)蘊(yùn)含著經(jīng)營創(chuàng)新的新市場機(jī)會(huì)和新利潤空間。

一、零售業(yè)大數(shù)據(jù)的形成

（一）零售業(yè)的數(shù)據(jù)演進(jìn)。人類歷史上從未有過哪個(gè)時(shí)代和今天一樣產(chǎn)生如此龐大的數(shù)據(jù)，零售業(yè)數(shù)據(jù)的產(chǎn)生已經(jīng)完全不受時(shí)間和地點(diǎn)的限制，從解放初期采用的手工記錄作為數(shù)據(jù)管理的主要方式開始，數(shù)據(jù)的存儲(chǔ)與產(chǎn)生方式大致經(jīng)歷了四個(gè)階段，由此最終導(dǎo)致零售業(yè)大數(shù)據(jù)的產(chǎn)生。

1.手工記錄和電子收款機(jī)階段。20世紀(jì)80年代之前，數(shù)據(jù)的產(chǎn)生主要依靠手工記錄、人工盤點(diǎn)、算盤結(jié)算，數(shù)據(jù)管理沒有太高的科技含量。20世紀(jì)80年代初，終端經(jīng)營網(wǎng)點(diǎn)引入電子收款機(jī)，電子收款機(jī)的實(shí)際使用有如下特點(diǎn)：（1）模仿重復(fù)手工勞動(dòng)和進(jìn)行簡單的計(jì)算；（2）僅在工資管理、合同管理和財(cái)務(wù)管理等小范圍內(nèi)使用；（3）僅限于前臺(tái)結(jié)賬收款，沒有形成與后臺(tái)連接的網(wǎng)絡(luò)系統(tǒng)。與今日的數(shù)據(jù)量比較，此階段的數(shù)據(jù)無疑是非常有限的。

2.PC機(jī)和POS（Point of sales）系統(tǒng)階段。20世紀(jì)80年代中后期，企業(yè)在大型機(jī)上部署財(cái)務(wù)、銀行等關(guān)鍵運(yùn)營式應(yīng)用系統(tǒng)，存儲(chǔ)介質(zhì)包括磁盤、磁帶、光盤等，PC機(jī)應(yīng)用后，企業(yè)內(nèi)部出現(xiàn)了以公文檔為主要形式的數(shù)據(jù)，包括Word、Excel文檔、圖片、圖像、影像和音頻等。20世紀(jì)90年代，數(shù)據(jù)存儲(chǔ)與產(chǎn)生進(jìn)入POS階段，POS系統(tǒng)是由電子收款機(jī)和計(jì)算機(jī)聯(lián)機(jī)構(gòu)成的經(jīng)營終端前臺(tái)網(wǎng)絡(luò)系統(tǒng)，該系統(tǒng)能直接入賬、實(shí)時(shí)處理，顯示即刻時(shí)點(diǎn)的所有銷售信息。90年代后期基于POS系統(tǒng)的條形碼技術(shù)、色碼技術(shù)、銀行卡互聯(lián)互通技術(shù)、POS服務(wù)的管理信息系統(tǒng)、財(cái)務(wù)管理軟件和系統(tǒng)集成產(chǎn)品廣泛應(yīng)用。2010年，基于智能手機(jī)和平板電腦的移動(dòng)POS開始在零售企業(yè)出現(xiàn)，老一代POS正在被新一代開放、全功能POS平臺(tái)所代替，全功能POS除滿足傳統(tǒng)的銷售管理外，能支持退貨退款、卡處理、執(zhí)行PCI安全標(biāo)準(zhǔn)、庫存查閱、員工培訓(xùn)、忠誠度計(jì)劃、網(wǎng)上銷售、人力管理、自助結(jié)賬、全渠道營銷、二維碼讀取、數(shù)字?jǐn)?shù)據(jù)、近場通信（NFC）、移動(dòng)商務(wù)等功能，新一代POS已成為現(xiàn)代零售企業(yè)無可替代的神經(jīng)中樞系統(tǒng)，POS的功能從Point of Sales逐漸演變?yōu)镻oint of Services，極大地促進(jìn)了零售業(yè)數(shù)據(jù)量的增長。

3.用戶原創(chuàng)的互聯(lián)網(wǎng)階段。進(jìn)入21世紀(jì)，互聯(lián)網(wǎng)的興起促成了數(shù)據(jù)量的大規(guī)模增長?；ヂ?lián)網(wǎng)時(shí)代，幾乎全民都在制造數(shù)據(jù)，然而真正的數(shù)據(jù)爆發(fā)產(chǎn)生于Web2.0時(shí)代 〔4 〕 （P286-287 ），參見表1。與此同時(shí)，數(shù)據(jù)的形成也極其豐富，一方面，既有社交網(wǎng)絡(luò)、多媒體、協(xié)同創(chuàng)造、虛擬服務(wù)等應(yīng)用所主動(dòng)產(chǎn)生的數(shù)據(jù)，另一方面，又有搜索引擎、網(wǎng)頁瀏覽過程中被記錄、被收集的數(shù)據(jù)。該階段數(shù)據(jù)的特點(diǎn)是用戶原創(chuàng)、主動(dòng)、交互。

表1 從Web 1.0到Web 3.0的演變

4.移動(dòng)和感知式物聯(lián)網(wǎng)階段。隨著移動(dòng)互聯(lián)網(wǎng)、感知物聯(lián)網(wǎng)和云計(jì)算的廣泛使用，數(shù)據(jù)存儲(chǔ)和產(chǎn)生實(shí)現(xiàn)了從手工被動(dòng)到原創(chuàng)主動(dòng)再到智能自動(dòng)的時(shí)空跨越。布置于社會(huì)各個(gè)領(lǐng)域的傳感器設(shè)備，能夠全天候監(jiān)控和源源不斷地自動(dòng)產(chǎn)生新數(shù)據(jù)。零售業(yè)無線射頻技術(shù)（RFID）的大規(guī)模應(yīng)用，不僅提高了數(shù)據(jù)采集的粒度，而且增強(qiáng)了數(shù)據(jù)采集的頻度，極大地推動(dòng)了零售行業(yè)數(shù)據(jù)量的增長。

（二）大數(shù)據(jù)的內(nèi)涵及零售業(yè)大數(shù)據(jù)的形成。零售業(yè)數(shù)據(jù)的存儲(chǔ)與產(chǎn)生經(jīng)歷了四個(gè)階段的演進(jìn)，這些手工被動(dòng)、原創(chuàng)主動(dòng)和智能自動(dòng)的數(shù)據(jù)共同構(gòu)成了零售業(yè)大數(shù)據(jù)的數(shù)據(jù)來源，其中自動(dòng)式的數(shù)據(jù)才是零售業(yè)大數(shù)據(jù)產(chǎn)生的最根本根源。

數(shù)據(jù)是信息的原始記錄，2011年，麥肯錫闡釋了大數(shù)據(jù)概念，認(rèn)為現(xiàn)在的數(shù)據(jù)相比30年前更大量、多樣和實(shí)時(shí)，即大數(shù) 〔5 〕。維基百科將大數(shù)據(jù)定義為“無法在一定時(shí)間內(nèi)用常規(guī)軟件工具對其內(nèi)容進(jìn)行抓取、管理和處理的數(shù)據(jù)集合”；美國國家科學(xué)基金會(huì)（NSF）將大數(shù)據(jù)定義為“由科學(xué)儀器、傳感設(shè)備、互聯(lián)網(wǎng)交易、電子郵件、音視頻軟件、網(wǎng)絡(luò)點(diǎn)擊流等多種數(shù)據(jù)源生成的大規(guī)模、多元化、復(fù)雜性、長期性的分布式數(shù)據(jù)集”。著名咨詢機(jī)構(gòu)IDC把大數(shù)據(jù)的技術(shù)定義為：通過高速捕捉、發(fā)現(xiàn)或分析，從大量數(shù)據(jù)中獲取價(jià)值的一種新型技術(shù)架構(gòu)。大數(shù)據(jù)的特點(diǎn)可以概括為4V，即Volume（能量）、Velocity（高速）、Vaviety（多樣）、Value（價(jià)值） 〔6 〕。大數(shù)據(jù)之大體現(xiàn)在數(shù)據(jù)規(guī)模、數(shù)據(jù)復(fù)雜性和數(shù)據(jù)產(chǎn)生速度三個(gè)方面均大大超出了傳統(tǒng)的數(shù)據(jù)形態(tài)，以至突破了傳統(tǒng)數(shù)據(jù)處理能力的極限，并帶來了產(chǎn)業(yè)融合、經(jīng)營創(chuàng)新、理念革新、流程變革、營銷決策等方面的巨大影響和挑戰(zhàn)。

由于數(shù)據(jù)收集意識(shí)的增強(qiáng)和新技術(shù)的出現(xiàn)，很多零售商擁有的數(shù)據(jù)量在過去3年里增加了5倍 〔7 〕。大數(shù)據(jù)的意義不在于數(shù)據(jù)量大，而在于數(shù)據(jù)價(jià)值的最大化。2008年卡內(nèi)基梅隆大學(xué)的R.E.Bryant、加利福尼亞大學(xué)伯克利分校的R.H.Katz、華盛頓大學(xué)的E.D.Lazows-Ka聯(lián)合業(yè)界組織“計(jì)算社區(qū)聯(lián)盟”，發(fā)表了白皮書《大數(shù)據(jù)計(jì)算·商務(wù)·科學(xué)和社會(huì)領(lǐng)域的革命性突破》 〔8 〕，使得企業(yè)界意識(shí)到大數(shù)據(jù)真正重要的是數(shù)據(jù)的新用途和帶來的新見解，而非數(shù)據(jù)本身，這些認(rèn)識(shí)是大數(shù)據(jù)分析和應(yīng)用的前提。

零售業(yè)有價(jià)值可拓展的大數(shù)據(jù)總體可以分為兩個(gè)部分：一是大交易數(shù)據(jù)，即零售企業(yè)交易產(chǎn)生的數(shù)據(jù)，包括商品數(shù)據(jù)、銷售數(shù)據(jù)、運(yùn)營數(shù)據(jù)、財(cái)務(wù)數(shù)據(jù)、顧客關(guān)系數(shù)據(jù)和市場競爭數(shù)據(jù)；二是大交互數(shù)據(jù)，即由POS機(jī)、互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、移動(dòng)終端、智能終端、傳感器和觀測設(shè)備等產(chǎn)生的關(guān)于零售企業(yè)與顧客信息的交互數(shù)據(jù)，主要包括社交網(wǎng)絡(luò)數(shù)據(jù)、射頻識(shí)別數(shù)據(jù)、時(shí)間和位置數(shù)據(jù)、文本數(shù)據(jù)和觀測數(shù)據(jù)。

二、零售業(yè)大數(shù)據(jù)的應(yīng)用

（一）應(yīng)用的必要性。大數(shù)據(jù)時(shí)刻都在源源不斷地滲入現(xiàn)代零售企業(yè)的日常管理和經(jīng)營運(yùn)作中，零售企業(yè)從不斷生成的交易與交互數(shù)據(jù)中獲取澤字節(jié)的有關(guān)消費(fèi)者、供應(yīng)商和運(yùn)營管理方面的信息，大數(shù)據(jù)的形成與應(yīng)用必將對現(xiàn)代零售業(yè)的數(shù)據(jù)競爭力、經(jīng)營運(yùn)作理念、組織業(yè)務(wù)流程、市場營銷決策以及新型商業(yè)模式等產(chǎn)生巨大影響，使得零售企業(yè)經(jīng)營管理決策越來越依賴于數(shù)據(jù)分析而非經(jīng)驗(yàn)甚至直覺 〔9，10 〕。零售業(yè)大數(shù)據(jù)應(yīng)用的必要性體現(xiàn)在以下三個(gè)方面：

1.構(gòu)建零售業(yè)的新型數(shù)據(jù)競爭力。麥肯錫報(bào)告指出：已經(jīng)有越來越多令人信服的證據(jù)表明，只要實(shí)施正確的政策和激勵(lì)，大數(shù)據(jù)將成為競爭的關(guān)鍵性基礎(chǔ)，并成為下一波生產(chǎn)率提高、創(chuàng)新和為消費(fèi)者創(chuàng)造價(jià)值的支柱。托馬斯·達(dá)文波特指出：要做到“低成本、高效率”的運(yùn)營及決策正確，企業(yè)必須廣泛推行以事實(shí)為基礎(chǔ)的決策方法，大量使用數(shù)據(jù)分析來優(yōu)化企業(yè)的各個(gè)運(yùn)營環(huán)節(jié)，通過基于數(shù)據(jù)的優(yōu)化和對接，把業(yè)務(wù)流程和決策過程當(dāng)中存在的每一分潛在的價(jià)值都“擠”出來，從而節(jié)約成本、戰(zhàn)勝對手、在市場上幸存。

2.實(shí)現(xiàn)零售企業(yè)對市場的實(shí)時(shí)化理解和對顧客需求的精準(zhǔn)化洞察。大數(shù)據(jù)背景下，零售企業(yè)記錄或搜集顧客在各種渠道和產(chǎn)品生命周期各個(gè)階段的行為數(shù)據(jù)和偏好數(shù)據(jù)，通過數(shù)據(jù)分析，宏觀上可以把握顧客的結(jié)構(gòu)、流量、購買周期以及不同顧客群的利潤率和貢獻(xiàn)率；微觀上可以具體到每一個(gè)顧客的購買頻率、購買興趣、忠誠度和流失的可能性。通過全息可見的消費(fèi)者個(gè)體行為與偏好數(shù)據(jù)的點(diǎn)、線、面齊全分析，可以確定最忠誠的顧客群體，預(yù)測其消費(fèi)意愿，主動(dòng)為其提供專屬性的個(gè)性化產(chǎn)品和服務(wù)。從接觸顧客、吸引顧客，到管理顧客、專題促銷，再到最終的銷售，整個(gè)過程只在數(shù)據(jù)交互中實(shí)現(xiàn)，通過了解用戶行為數(shù)據(jù)，從而實(shí)現(xiàn)精準(zhǔn)銷售。

3.實(shí)現(xiàn)零售企業(yè)基于大數(shù)據(jù)的創(chuàng)新思維。大數(shù)據(jù)環(huán)境下，零售業(yè)的創(chuàng)新思維涉及三個(gè)方面。其一，整合企業(yè)內(nèi)部與外部的大數(shù)據(jù)，分析多渠道、互聯(lián)網(wǎng)與移動(dòng)網(wǎng)、線上線下消費(fèi)者行為圖譜及其聯(lián)系，通過顧客的數(shù)據(jù)識(shí)別，設(shè)計(jì)潛在的個(gè)性化服務(wù)，滿足不同細(xì)分市場的需求。其二，基于大數(shù)據(jù)平臺(tái)的數(shù)據(jù)實(shí)時(shí)分析，預(yù)測顧客實(shí)際行為的動(dòng)態(tài)變化和設(shè)計(jì)與之適應(yīng)的銷售策略更新。其三，基于大數(shù)據(jù)平臺(tái)的零售業(yè)新型商業(yè)模式創(chuàng)新，這種商業(yè)模式創(chuàng)新的源泉依賴于從海量的可拓展數(shù)據(jù)中挖掘有價(jià)值的信息，以及這些信息真正影響零售企業(yè)運(yùn)營系統(tǒng)中的銷售模式、組織結(jié)構(gòu)調(diào)整、勞動(dòng)生產(chǎn)率、經(jīng)營績效、管理決策和管理效率，實(shí)現(xiàn)大數(shù)據(jù)的商業(yè)模式創(chuàng)新給零售企業(yè)帶來的價(jià)值提升。

（二）應(yīng)用的可能性。大數(shù)據(jù)價(jià)值的完整體現(xiàn)及其應(yīng)用需要多種技術(shù)的協(xié)同，多種技術(shù)分三個(gè)層面：平臺(tái)層（并行構(gòu)架和資源平臺(tái)，即硬件層面）、系統(tǒng)層（大數(shù)據(jù)存儲(chǔ)管理和并行編程模型與計(jì)算框架，即軟件層面）、處理層（數(shù)據(jù)挖掘與數(shù)據(jù)分析，即應(yīng)用開發(fā)層面）。三個(gè)層面技術(shù)逐漸成熟，為零售業(yè)的大數(shù)據(jù)應(yīng)用提供強(qiáng)大的技術(shù)支撐。

1.大數(shù)據(jù)的平臺(tái)層技術(shù)——云計(jì)算。大數(shù)據(jù)是存儲(chǔ)的內(nèi)容，云計(jì)算是存儲(chǔ)大數(shù)據(jù)的IT架構(gòu)，大數(shù)據(jù)的存儲(chǔ)與利用離不開IT計(jì)算資源池組織配置架構(gòu)的云模式，云模式中資源池的核心內(nèi)容是復(fù)雜的巨量數(shù)據(jù)。2006年，google首先提出云計(jì)算概念，支撐google內(nèi)部各種大數(shù)據(jù)應(yīng)用的正是其自行研發(fā)的一系列云計(jì)算技術(shù)和工具，包括文件系統(tǒng)、數(shù)據(jù)庫系統(tǒng)、索引與查詢技術(shù)、數(shù)據(jù)分析技術(shù)等，這些技術(shù)被廣泛了解并得到應(yīng)用。正是云計(jì)算技術(shù)在數(shù)據(jù)存儲(chǔ)、管理與分析等方面的支撐，才使得大數(shù)據(jù)有用武之地。

2.大數(shù)據(jù)的系統(tǒng)層技術(shù)——關(guān)系數(shù)據(jù)庫。目前，Hadoop是應(yīng)用最廣的大數(shù)據(jù)處理平臺(tái)，它已經(jīng)發(fā)展成為包括文件系統(tǒng)、數(shù)據(jù)庫、數(shù)據(jù)處理等功能模塊在內(nèi)的完整生態(tài)系統(tǒng)。實(shí)際上，Hadoop成為大數(shù)據(jù)處理工具的標(biāo)準(zhǔn)，其大數(shù)據(jù)處理主要集中在系統(tǒng)性能開放、高效查詢、索引構(gòu)建和使用、構(gòu)建數(shù)據(jù)倉庫、數(shù)據(jù)庫系統(tǒng)連接、數(shù)據(jù)挖掘和推薦系統(tǒng)等方面 〔11 〕。傳統(tǒng)數(shù)據(jù)庫技術(shù)面臨新的挑戰(zhàn)，一是大數(shù)據(jù)時(shí)代的數(shù)據(jù)量遠(yuǎn)超單機(jī)所能容納的數(shù)據(jù)量，需要系統(tǒng)具有擴(kuò)展性的分布式存儲(chǔ)方式。二是傳統(tǒng)數(shù)據(jù)庫比較適合結(jié)構(gòu)化數(shù)據(jù)①的存儲(chǔ)，但是除結(jié)構(gòu)化數(shù)據(jù)外，非結(jié)構(gòu)化數(shù)據(jù)②將是大數(shù)據(jù)的重要組成部分。在此背景下，關(guān)系數(shù)據(jù)庫應(yīng)運(yùn)而生，關(guān)系數(shù)據(jù)庫追求的是普適性目標(biāo)，希望將用戶從繁雜的數(shù)據(jù)管理中解脫出來，在面對不同時(shí)間、不同問題、不同數(shù)據(jù)類型時(shí)，從新理念出發(fā)，設(shè)計(jì)原子性、一致性、隔離性和持久性的新的數(shù)據(jù)管理方式。

3.大數(shù)據(jù)的處理層技術(shù)——數(shù)據(jù)挖掘。數(shù)據(jù)挖掘是指通過特定的計(jì)算機(jī)算法對大量的數(shù)據(jù)進(jìn)行自動(dòng)分析，從而揭示數(shù)據(jù)之間隱藏的關(guān)系、模式和趨勢，為決策者提供新的知識(shí)。在數(shù)據(jù)挖掘過程中，根據(jù)不同的應(yīng)用需求選擇不同的挖掘模型，對數(shù)據(jù)進(jìn)行深度挖掘。數(shù)據(jù)挖掘模型有兩類，一是分析模型，主要有關(guān)聯(lián)規(guī)則分析、分類與聚類分析、社會(huì)網(wǎng)絡(luò)分析、變化與偏差分析。二是用戶模型，以人的性別、種族、年齡和興趣為角度進(jìn)行分類，挖掘應(yīng)用包括排名與個(gè)性化推薦、異常檢測、Web挖掘與搜索、大數(shù)據(jù)的可視頻化計(jì)算與分析等 〔12 〕。數(shù)據(jù)挖掘有兩個(gè)側(cè)重點(diǎn)，如圖1所示。數(shù)據(jù)挖掘把數(shù)據(jù)分析的范圍從已知擴(kuò)大到未知，從過去推向?qū)?，通過揭示規(guī)律和預(yù)測未來，做到前攝的、基于知識(shí)的決策。

（三）應(yīng)用的具體內(nèi)容。大數(shù)據(jù)和新的數(shù)據(jù)技術(shù)為零售業(yè)的經(jīng)營提供支撐，通過各種平臺(tái)匯總的客戶消費(fèi)記錄和企業(yè)數(shù)據(jù)集的應(yīng)用與管理是個(gè)系統(tǒng)化工程，涉及眾多源系統(tǒng)的交互與協(xié)調(diào)，交互與協(xié)調(diào)的核心內(nèi)容是對數(shù)據(jù)抽取與集成、分析和解釋，提高數(shù)據(jù)采集分析的速度，提升數(shù)據(jù)的質(zhì)量與價(jià)值，為零售業(yè)的經(jīng)營創(chuàng)新提供依據(jù)。

1.大數(shù)據(jù)抽取與集成。零售業(yè)大數(shù)據(jù)源之間存在交互，數(shù)據(jù)內(nèi)容往往交叉，按照大交易、大交互的觀測數(shù)據(jù)進(jìn)行分類，通過Needlebase等工具在用戶消費(fèi)的過程或其他行為中收集數(shù)據(jù)。由于原始數(shù)據(jù)存在噪聲、冗余及缺失，所以需要分三步對數(shù)據(jù)進(jìn)行抽取與集成。

首先，清洗、重構(gòu)、填補(bǔ)數(shù)據(jù)，保證數(shù)據(jù)質(zhì)量及可信性。

其次，將半結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)處理成機(jī)器語言或索引，如自然語言——用戶評(píng)論、日志資料等，將結(jié)構(gòu)化數(shù)據(jù)進(jìn)行數(shù)據(jù)過濾，剔除無效數(shù)據(jù)，提煉出有意義的數(shù)據(jù)。

最后，檢測數(shù)據(jù)的相關(guān)性和關(guān)聯(lián)性，從用戶購買數(shù)據(jù)和時(shí)間數(shù)據(jù)中發(fā)現(xiàn)購買特定商品的頻率，關(guān)聯(lián)數(shù)據(jù)表現(xiàn)出更多的特定用戶活動(dòng)特征；數(shù)據(jù)融合是將相關(guān)聯(lián)的數(shù)據(jù)連接在一起，形成一個(gè)新的商業(yè)應(yīng)用；測算識(shí)別顧客之間關(guān)系所形成的圈子以及圈子中領(lǐng)袖者角色的判定，形成用戶影響力和價(jià)值的判斷，在此基礎(chǔ)上，幫助零售業(yè)經(jīng)營創(chuàng)新，實(shí)現(xiàn)相關(guān)銷售活動(dòng)和產(chǎn)品服務(wù)的推廣，提高零售業(yè)的運(yùn)營管理效率。

2.數(shù)據(jù)分析。大數(shù)據(jù)的價(jià)值產(chǎn)生于數(shù)據(jù)分析，從異構(gòu)數(shù)據(jù)源抽取和集成的數(shù)據(jù)構(gòu)成了數(shù)據(jù)分析的原始數(shù)據(jù)，根據(jù)不同應(yīng)用需求可以從這些數(shù)據(jù)中進(jìn)行三方面的分析。

首先，顧客分析。即分析前臺(tái)的記錄，這樣做宏觀上可以把握顧客的結(jié)構(gòu)、流量、購買周期以及不同顧客群的利潤貢獻(xiàn)率；微觀上可以確定每位顧客的購買頻率、興趣點(diǎn)、忠誠度和流失的可能性。有了這些點(diǎn)、線、面齊全的分析，零售商就可以確定顧客群體，預(yù)測其消費(fèi)意愿，主動(dòng)為其提供個(gè)性化的銷售和關(guān)懷指導(dǎo)服務(wù)，提高銷售額和利潤率。

其次，商品分析?；跀?shù)據(jù)分析，零售商可以確定以下幾個(gè)方面的商品問題：最佳的商品組合和庫存量；導(dǎo)入新商品，淘汰舊商品的時(shí)間；商品的分類上架和捆綁銷售；不同季節(jié)不同時(shí)段的商品定價(jià)；促銷形式；應(yīng)對突發(fā)事件的措施等。

最后，供應(yīng)鏈分析。具體包括選擇供應(yīng)商，優(yōu)化物流、現(xiàn)金流和配置人力資源等。利用大數(shù)據(jù)技術(shù)，優(yōu)化整合供應(yīng)鏈的各個(gè)環(huán)節(jié)，構(gòu)建一個(gè)統(tǒng)一的供應(yīng)鏈平臺(tái)，各部門共享供應(yīng)鏈平臺(tái)的數(shù)據(jù)和服務(wù)，快速靈活地應(yīng)對顧客消費(fèi)變化，降低供應(yīng)鏈成本，提高商品采購、倉儲(chǔ)管理、物流配送和最終銷售間的運(yùn)行效率。

3.數(shù)據(jù)解釋。如果數(shù)據(jù)分析的結(jié)果正確，但是沒有采用適當(dāng)?shù)慕忉尫椒ǎ敲此玫降慕Y(jié)果很可能讓人難以理解甚至起著誤導(dǎo)作用。小數(shù)據(jù)時(shí)傳統(tǒng)的數(shù)據(jù)解釋方法可以以文本形式輸出結(jié)果或者直接在電腦終端上顯示結(jié)果。但是，在大數(shù)據(jù)背景下，一方面數(shù)據(jù)分析結(jié)果海量，另一方面數(shù)據(jù)分析結(jié)果之間的關(guān)聯(lián)極其復(fù)雜，傳統(tǒng)的解釋方法不可行。這就需要從以下兩方面提升數(shù)據(jù)解釋能力：一是引入數(shù)據(jù)可視化技術(shù)，通過把復(fù)雜的數(shù)據(jù)轉(zhuǎn)化為直觀的圖形，在邏輯思維的基礎(chǔ)上進(jìn)一步激發(fā)人的形象思維和空間想象能力，吸引、幫助零售商洞察數(shù)據(jù)之間隱藏的密切關(guān)系和規(guī)律性；二是讓各部門能夠在一定程度上了解和參與具體的分析過程，具體方法是采用人機(jī)交互技術(shù)（利用交互式的數(shù)據(jù)逐步地進(jìn)行分析，使得各部門在得到結(jié)果的同時(shí)又能更好地理解分析結(jié)果的由來）和數(shù)據(jù)起源技術(shù)（該技術(shù)可以幫助追溯整個(gè)數(shù)據(jù)的分析過程，有助于零售商各部門理解數(shù)據(jù)的分析結(jié)果）。

三、啟示

大數(shù)據(jù)是創(chuàng)新、競爭和提高生產(chǎn)率的下一個(gè)領(lǐng)域，蘊(yùn)含著許多市場機(jī)會(huì)與利潤空間，大數(shù)據(jù)所蘊(yùn)藏的巨大價(jià)值必將引起零售業(yè)的經(jīng)營創(chuàng)新和企業(yè)管理的重大變革，零售業(yè)大數(shù)據(jù)的形成和應(yīng)用為零售企業(yè)下一輪競爭提供了如下啟示：

（一）大數(shù)據(jù)意識(shí)與思維正成為零售業(yè)創(chuàng)新的知識(shí)準(zhǔn)備。1.零售業(yè)大數(shù)據(jù)的形成是一個(gè)從量變到質(zhì)變的過程，零售業(yè)大數(shù)據(jù)存在著多源異構(gòu)、分布廣泛、動(dòng)態(tài)增長、時(shí)空特性等特點(diǎn)，它可以實(shí)現(xiàn)歷史數(shù)據(jù)與即時(shí)數(shù)據(jù)的匹配，行為方式與特殊情境的匹配，物理世界與虛擬世界的匹配，使許多不可能成為可能。2.大數(shù)據(jù)提供了一種新資源和新能力，為零售業(yè)發(fā)現(xiàn)和創(chuàng)造新價(jià)值，解決新問題提供了新的視野和路徑，它引發(fā)零售業(yè)對資源、顧客、價(jià)值、結(jié)構(gòu)、關(guān)系、邊界等傳統(tǒng)觀念的重構(gòu)。3.大數(shù)據(jù)催生由數(shù)據(jù)驅(qū)動(dòng)的零售業(yè)的運(yùn)營與決策，零售業(yè)傳統(tǒng)的憑經(jīng)驗(yàn)、直覺和視野決策所起的決定作用將日益減小，企業(yè)的決策越來越受到大數(shù)據(jù)的影響，數(shù)據(jù)驅(qū)動(dòng)決策制定，利用可控實(shí)驗(yàn)，能將驗(yàn)證假設(shè)、分析結(jié)果用以指導(dǎo)投資決策及運(yùn)作改變，避免高昂的人為干預(yù)成本，提高效益。4.大數(shù)據(jù)驅(qū)動(dòng)的商業(yè)模式創(chuàng)新，全息可見的消費(fèi)者個(gè)體行為與偏好數(shù)據(jù)等，使得實(shí)時(shí)個(gè)性化成為可能。徹底的個(gè)性化與定制化將顛覆一切傳統(tǒng)的商業(yè)模式，成為未來零售業(yè)發(fā)展的終極方向和新驅(qū)動(dòng)力。

（二）大數(shù)據(jù)可以為零售企業(yè)提供精準(zhǔn)的顧客價(jià)值主張。1.洞悉消費(fèi)者的真實(shí)需求。消費(fèi)者的真實(shí)需求具有隱蔽、復(fù)雜、易變和情景依賴等特點(diǎn)，歷史的靜態(tài)的結(jié)構(gòu)化的數(shù)據(jù)難以反映顧客的真實(shí)需求，而互聯(lián)網(wǎng)、物聯(lián)網(wǎng)等的顧客數(shù)據(jù)痕跡能直接反映他們的性格、偏好和意愿。2.準(zhǔn)確細(xì)分消費(fèi)者。傳統(tǒng)的以地理位置、人口統(tǒng)計(jì)特征為標(biāo)準(zhǔn)的劃分被以愛好興趣、生活方式、價(jià)值觀、溝通方式為標(biāo)準(zhǔn)的數(shù)據(jù)化細(xì)分所替代；本質(zhì)上講，每個(gè)人的興趣、愛好與需求都不同，每個(gè)人都是一個(gè)細(xì)分市場，大數(shù)據(jù)正在使零售企業(yè)向“微市場”邁進(jìn)，構(gòu)建基于大數(shù)據(jù)的顧客購買行為模型，主動(dòng)推薦個(gè)性化的產(chǎn)品和服務(wù)。3.動(dòng)態(tài)定位。零售業(yè)多來源、多格式數(shù)據(jù)的集成、分析與解釋能力使數(shù)據(jù)的反饋與響應(yīng)可在瞬間完成，快速識(shí)別消費(fèi)者購買決策和行為模式的變化趨勢，及時(shí)準(zhǔn)確地更新他們的偏好。

（三）零售業(yè)面臨著大數(shù)據(jù)管理的挑戰(zhàn)。優(yōu)質(zhì)高效的大數(shù)據(jù)管理將在16個(gè)方面改善零售業(yè)的運(yùn)營 〔13 〕，參見表2。

表2 大數(shù)據(jù)管理與零售業(yè)運(yùn)營的改善

為了實(shí)現(xiàn)大數(shù)據(jù)應(yīng)用的價(jià)值和質(zhì)量，零售業(yè)大數(shù)據(jù)管理重點(diǎn)在四個(gè)環(huán)節(jié)。（1）構(gòu)建數(shù)據(jù)管理體系，保障數(shù)據(jù)分析、規(guī)劃、設(shè)計(jì)、協(xié)調(diào)等環(huán)節(jié)的可行、落實(shí)和高效。（2）培養(yǎng)零售業(yè)的數(shù)據(jù)技術(shù)人員。大數(shù)據(jù)背景下，數(shù)據(jù)技術(shù)人員的價(jià)值逐漸凸顯，其中最重要的是具備清理和組織大型數(shù)據(jù)的能力，懂得數(shù)據(jù)格式商業(yè)語言的“數(shù)據(jù)科學(xué)家”，數(shù)據(jù)科學(xué)家?guī)椭闶蹣I(yè)管理者從數(shù)據(jù)的角度理解企業(yè)所面臨的新挑戰(zhàn)與新機(jī)遇。（3）實(shí)施制度化、流程化、規(guī)范化、標(biāo)準(zhǔn)化的數(shù)據(jù)管理，賦予專職機(jī)構(gòu)相應(yīng)的權(quán)責(zé)，保障零售企業(yè)數(shù)據(jù)從產(chǎn)生、加工、傳遞到使用、銷毀的全過程。（4）實(shí)現(xiàn)數(shù)據(jù)跨職能跨部門流動(dòng)。零售企業(yè)需具有一個(gè)靈活的數(shù)據(jù)組織架構(gòu)，最大化企業(yè)的跨職能合作，把信息和決策分配給不同的部門，避免數(shù)據(jù)孤島問題。

注 釋：

①結(jié)構(gòu)化數(shù)據(jù)，即行數(shù)據(jù)，指存儲(chǔ)在數(shù)據(jù)庫里，可以用二維表結(jié)構(gòu)邏輯表達(dá)實(shí)現(xiàn)的數(shù)據(jù)。

②非結(jié)構(gòu)化數(shù)據(jù)，指不方便用數(shù)據(jù)庫二維表結(jié)構(gòu)邏輯表現(xiàn)的數(shù)據(jù)，包括所有格式的辦公文檔、文本、圖片、XML、HTML、各類報(bào)表、圖像、音頻和視頻信息等。

參考文獻(xiàn)：

〔1〕Lycnc.Big data：How do you data grow？〔J〕.Nature，2008，455（7209）.

〔2〕GantzJ，ReinselD.2011 Digital Universe Study：Extracting VaLue from chaos〔M〕.IDC Go-to-Market Services，2011.

〔3〕Mckinsey Global Institute.Big Data：The Next frontier for Innovation，Competition and productivity〔R〕.2011，（5）.

〔4〕涂子沛.大數(shù)據(jù)〔M〕.南寧：廣西師范大學(xué)出版社，2012.

〔5〕ManyikaJ，chuiM，BrownB，etal.Big data：The next frontier for Innovation，competition and productivity〔R/OL〕.[2012-10-12〕.http：//www.mckinsey.com /Insights/MGI/Research/Technology.

〔6〕西 西.用數(shù)據(jù)說話的時(shí)代〔N〕.光明日報(bào)，2013-03-23（06）.

〔7〕Steve Lohr. A Data Explosion Remakes Retailing〔N〕.New York Times，2010-01-02.

〔8〕BryantRE，KatzRH，LazowskaED.Big-data computing：

Creating Revolutionary Breakthroughs in Commerce，science and Society〔M/OL〕 .www.cra.org，2008.

〔9〕Anderson C.The end of theory：The data deluge makes the scientific method obsolete〔J〕.wired Magazine，2008，16（7）.

〔10〕FrankelF，Reid R.Big data：Disitilling meaning from data〔J〕.Nature，2008，455（7209）.

〔11〕孟小峰，慈 祥.大數(shù)據(jù)管理：概念、技術(shù)與挑戰(zhàn)〔J〕.計(jì)算機(jī)研究與發(fā)展，2013，50（1）.

〔12〕John Gantz，David Reinsel.Extracting Value from chaos 〔EB/OL〕.http：//www.emc.com/digital universe，2012-11-16.

〔13〕Steve Lohr.A Data Explosion Remakes Retailing 〔N〕.New York Times，2010-01-02.

責(zé)任編輯 于曉媛