“大数据”驱动的零售企业商业模式创新探究

杨灿荣+郑淑蓉+卢益

内容摘要：本文在介绍零售企业“大数据”含义和特征的基础上，提出顾客价值主张是“大数据”驱动的零售企业商业模式创新的内容，并阐述大数据分析技术驱动的零售企业商业模式创新的运营支撑条件和资源支撑条件，最后为零售企业商业模式创新提供建议。

关键词：大数据 零售企业 商业模式创新

随着信息技术、网络技术和移动设备技术的蓬勃发展，“大数据”应运而生。麦肯锡（2011）认为“大数据”逐渐成为重要的生产要素，其运用将带来新一轮生产率增长和消费者盈余浪潮，是创新、竞争的下一领域。“大数据”孕育着大量的市场机会和广阔的利润增长空间。近年来，零售企业面临网络零售带来的巨大挑战，销售利润不断下滑，被迫关闭的零售店与日俱增，在大数据浪潮下，零售企业传统商业模式因缺乏大数据共享机制，难以满足顾客的多样化需求，无法实时快速回应消费者需求，其弊端日益显露。由此，零售企业急需以“大数据”为驱动，创新商业模式，实现升级转型，从而求得生存与发展。

“大数据”的内涵及零售企业大数据源的内容

（一）“大数据”含义及特征

“大数据”是指大小超出了一般数据库软件收集、存储、处理和分析能力的大容量数据集（Bill Franks，2013）；其“大”不仅指数据规模大，还指通过对海量数据整合和分析发现新知识，转化为商业优势，带来大价值、大利润和大发展。“大数据”一般包括四个特征（四个V）：一是数据量大（volume），数据量级别以EB和ZB计算；二是数据类型多样（variety），除了传统结构化数据，还涵盖文本、图片、音频、视频、评论、地理位置信息等半结构化和非结构化数据；三是数据价值高、密度低（value），利用大数据技术对海量的数据进行挖掘，发现数据背后隐藏的价值；四是实时处理（velocity），“大数据”通常以数据流的形式动态、快速产生，具有很强的时效性，要求对数据进行有效和适时的处理。

（二）零售企业大数据源的内容

1.大交易数据。即零售企业内部因交易产生的数据，主要指来源于企业ERP、SCM、CRM和WEB交易系统并以SQL数据库来存储的数据，可以分为企业营销数据、企业管理数据两部分。前者是将企业产品或服务转移到顾客身上所产生的数据，有顾客数据、销售数据、价格数据、产品数据、市场竞争数据等；后者是对企业的产品、人员、设备进行管理而产生的数据，有财务数据、运营数据等。

2.大交互数据。主要是来自互联网、移动互联网中人与网站、人与人交互产生的数据，主要包括消费者在零售企业电子商务网站上进行商品搜索、浏览、比较、购买时产生的点击流数据、来自社交网络和即时通讯软件的分享推荐、交流沟通、咨询等社交数据，涵盖视频、即时通讯记录、录音、图片、帖子、点击动作等各种类型的非结构化数据。

3.感知数据。主要来源于物联网中的传感器、RFID、GPS芯片、观测设备等检测到的关于零售企业产品、设施、路线布局、柜台设置和顾客等信息的数据，包括传感数据、RFID数据、观测数据和由含有GPS芯片的各种智能终端等产生的地理位置信息数据。

“大数据”驱动的零售企业商业模式创新内容

顾客价值主张创新是“大数据”驱动的零售企业商业模式创新的核心内容。顾客价值主张是对顾客真实需求的深刻描述，是企业经营活动的起点，只有明确了企业的顾客价值主张，企业才能开展其他的活动（魏炜、朱武祥，2009）。“大数据”驱动的顾客价值主张创新，主要包括：

（一）以实现顾客个性化价值为战略目标

零售企业应以实现顾客个性化价值为战略目标，通过布局“大数据”战略，利用大数据技术整合和分析容量巨大、类型多样的数据，全面洞察顾客的需求偏好和购买行为，精准搜寻目标顾客，实时为顾客提供个性化的产品、服务和体验，保证顾客对企业活动的个性化、深度化参与，促使顾客个性化的价值主张得以实现。

（二）精确地洞悉顾客的真实需求

零售企业应利用基于大数据分析技术的平台，将顾客个性化参与融入传统价值链活动中，实时储存和整合顾客的大交易数据、大交互数据和感知数据，通过数据分析挖掘顾客真实需求信息，勾勒出一个360度顾客全景视图，获得全面、精确的顾客真实需求信息，设计精准、实时的需求响应系统，满足顾客个性化需求。

（三）精确到个体的顾客细分

零售企业应利用“大数据”获得全面精确的顾客需求和购买行为信息，借助大数据分析工具从多种不同的维度对顾客进行更精准的细分，形成每个顾客的购买需求、购买行为、购买偏好和购买决策的信息，从而实现对顾客的个性化营销。

（四）实时精准的定位

零售企业应通过大数据技术收集、整理、分析和反馈来源众多、类型多样的顾客数据，实时模型化顾客的行为，随时随地精准定位顾客潜在需求，快速精准识别顾客购买决策，主动推荐产品或服务促进交易的完成，实时满足顾客需求。

“大数据”驱动的零售企业商业模式创新的支撑条件

（一）创新的运营支撑条件—关键业务和流程创新

1.体验创新。零售企业需要利用大数据技术不断优化顾客的购物环境和购物内容，更加地符合顾客的购买习惯，更好地满足顾客的心理诉求和体验偏好，提高顾客体验水平。一是构建顾客体验分类模型。通过大数据技术收集和分析顾客购物过程中与企业及其产品的每一次接触行为数据，依此判断和评估顾客的购物体验状况，从中提取关键性的顾客体验指标，并对其指标进行聚类分析，归纳出顾客体验的主要类型，构建顾客体验差异分类模型，针对主要顾客进行深入的购物体验调查，依据调查结果进行业务流程设计，针对顾客交易过程中因体验不佳放弃购买的环节进行再设计，改进顾客购物流程和环境，提高顾客体验水平。二是构建顾客流失监测与预警模型。运用大数据技术，收集和分析流失顾客的行为特征和流失成因等信息，构建顾客流失监测与预警模型，提前发现流失顾客状况，及时、主动地关怀和挽留顾客，降低顾客流失率。endprint

2.营销创新。零售企业需要构建顾客购物行为模型，主动推荐个性化服务，实行精准营销。一要借助大数据技术，整合顾客需求、行为偏好的数据，根据数据分析结果构建顾客购物行为模型。二要在实时更新顾客购物行为模型基础上，主动向顾客提供优质的体验和关怀，精确推荐符合顾客需求的个性化产品或服务，实现精准营销，满足顾客个性化需求。三要实行全渠道营销。利用尽可能多的渠道与顾客互动（李飞，2013），除实行电商化策略外，还应通过网上店铺、移动店铺发起地面活动，邀请顾客到实体店消费、参加节日主题活动等，把网络购物和实体店购物体验完美融合起来，以满足顾客购物、娱乐和社交的综合体验需求，实现全方位的营销。

3.供应链管理创新。零售企业需要利用大数据分析技术将供应链所有环节（供应商平台、交易系统、仓储管理系统、运输管理系统、数据分析系统等）整合在一个供应链平台上，统一管理、全面共享各环节数据，实现供应链管理创新，包括根据顾客购物行为模型，控制企业产品的采购和销售；推动大规模产品定制预售活动；建立一套科学的库存管理预警机制，保证库存、价格信息的实时更新等。

（二）创新的资源支撑条件—关键资源能力创新

1.大数据分析技术。主要包括：大数据收集。零售企业需要运用大数据收集工具及不同收集方法，收集各种顾客需求偏好和购物行为的数据。大数据存储、集成及预处理。零售企业需要利用云存储的数据仓库系统对大交易数据、大交互数据和感知数据进行解析、清理和重构等，对缺失值、重复数据和噪声数据、异常数据进行有效处理，并按主题进行数据组织，便于数据查询和实时访问，为零售企业提供数据共享，提高企业经营决策效益（谭磊，2013）。大数据组织。零售企业需要对进行包括数据转化、数据抽取两方面的大数据组织（徐国虎、孙凌，2012）。数据转化是对数据进行预处理后，将结构化、半结构化、非结构化数据进行过滤或映射转化为模型和索引，提炼出有意义数据；数据抽取是检测数据的相关性，以发现关联的数据所蕴含更大的价值特征，从顾客行为数据和产品销售数据的关联性中，分析不同群体顾客购买模式。大数据挖掘和应用。零售企业需要通过挖掘顾客行为、需求和消费偏好等数据，实现顾客分类模型和顾客流失模型、基于位置和时间的精准化推送、产品关联推荐、市场交叉销售、预测顾客再次购买、商场布置、货架布置、货存安排、企业舆情分析等应用安排（惠琳，2014）。

2.商业洞察能力。商业洞察能力的本质是将大数据资源转化为企业预见力和决策力。零售企业需要在本企业市场、投资、运营等部门共同协作下，利用“大数据”预测顾客潜在需求和市场机会，指导企业的业务决策，将数据精确度和决策粒度相结合，优化企业经营管理方案。

3.大数据成果共享能力。大数据成果共享力直接影响零售企业的经营质量和经营效益。零售企业需要通过大数据战略部署，重新定位大数据分析部门的功能，通过将大数据分析部门和IT部门定位为大数据技术和成果服务提供者；加强大数据共享平台建设；不断完善大数据成果共享机制，打破信息部门、营销部门、客服部门、供应链部门和销售部门等各部门间的数据壁垒，实现跨部门顾客购买行为和需求偏好数据的共享等措施，增强大数据成果共享能力，实现精准营销和立体营销。

“大数据”驱动的零售企业商业模式创新建议

第一，零售企业进行商业模式创新，要充分利用不断发展的大数据技术，以顾客需求为核心，优化配置各运营要素和资源，促进顾客价值主张创新、关键流程创新和关键资源能力创新，采用合适的创新途径，调整和丰富商业模式，促使零售企业获得可持续的竞争优势。第二，零售企业的顾客价值主张创新活动要以实现顾客个性化价值为战略方向，利用大数据技术对类型多样的海量数据进行快速、实时分析，精确地察觉到目标顾客真实的需求，熟悉每个顾客的需求和行为模式，对每个顾客实施实时、精准的定位，通过构建实时、精准的需求响应系统主动为每个消费者推荐产品或服务，从而使得顾客个性化价值得以实现。第三，零售企业要将大数据技术运用到企业采购、仓储、物流配送、营销、销售和服务等价值链上的所有环节，优化企业运营流程，及时快速地回应顾客需求。第四，零售企业要采取与大数据技术供应商的合作、自主研发大数据处理技术、引进和培养大数据分析人才等方式，提高大数据分析能力，拓展大数据应用范围，不断提高企业的商业洞察能力；通过优化数据组织结构、构建大数据分享平台和制度等措施，完善大数据成果共享机制，实现大数据技术和成果跨部门跨职能流动，使企业的经营决策更趋智能化。

参考文献：

1.John G， David R. The 2011 Digital Universe Study： Extracting Value from Chaos[EB/OL]. EMC Corporation.http：//china. emc.com/collateral/analyst-reports/idc-extracting-value-from-chaos-ar.pdf.，2014-4-20

2.Mckinsey Global Institute. Big Data： The Next Frontier for Innovation， Competition and Productivity [R]. 2011.5

3.Bill Franks著.黄海，车皓阳，王悦译.驾驭大数据[M].人民邮电出版社，2013

4.魏炜，朱武祥.发现商业模式[M].机械工业出版社，2009

5.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）

6.谭磊.大数据挖掘[M].电子工业出版社，2013

7.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）

8.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）endprint