零售业大数据的管理与应用探析

沈阳工学院经济与管理学院 张颖

自人类社会进入信息时代，随着信息技术的发展，信息的传播速度越来越快，由此产生的数据可以用“海量、爆炸性增长”来形容。一份来自IBM日本公司的调查报告显示，全球每天生成的数据量已达到2.5EB，而且，全球数据将保持每年50%的增长速度。因此，人类已进入大数据时代。传统零售业近年来受到电子商务严重冲击，业绩逐年下滑，个别企业濒临破产甚至倒闭，很多零售商纷纷转向网络平台扭转局面。在如今大数据环境下，零售业又一次面临新的机遇和挑战，如何管理并应用大数据是零售业必须考虑的重大问题。

1 大数据与零售业大数据的内涵

1.1 大数据的概念

关于大数据的概念，各界所持观点不一，目前尚未有公认的准确定义。互联网数据中心(IDC)提出了一个概念，即“大数据技术描述了一种新一代技术及其构架，用于以很经济的方式，以高速的捕获、发现和分析技术，从各种超大规模的数据中提取价值”。国内学者李文莲认为，大数据作为一种社会变革大背景，基本上包括三方面含义：第一，社会生活泛数据化。受众的各种信息数据都将暴露在网络之上，他们的行为可以被监测，整个社会生活都可以用数据来表示。第二，数据规模很大及生成速度很快。数据信息传播方式由单中心、单向传播向多中心、网状裂变转化，使数据呈爆炸式增长。 第三，大数据技术之“大”。随着数据量级的飞跃，数据处理从关系型数据库，到数据仓库，再到联机分析、数据挖掘、数据可视化，在不断发展与演变的基础之上，大数据技术出现。

1.2 大数据的特征

大数据具有“4V”特征，即海量性(Volume)、多样性(Variety)、即时性(Velocity)、价值性(Value)。其中，第四个V在IBM公司看来被认定为真实性(Veracity)。

1.2.1 数据的海量性

大数据的数据量级别是以EB和ZB计算，而且，数据增长速度飞快。根据学者调查预测显示，到2020 年数据量将是现在的44倍，全球数据使用量将达到约35.2 ZB。

1.2.2 数据的多样性

除了传统的结构化数据，大数据包括网络日志、图片、音频、视频、地理位置信息等半结构化和非结构化数据。其中70%～80%属于非结构化数据。

1.2.3 数据的即时性

大数据产生和流动的速度非常快，具有很强的时效性。因此，要求对数据的处理和应用要快速有效，才能保证数据计算要素成本降低，形成相比竞争对手更好更快的竞争优势。

1.2.4 数据的价值性/真实性

数据的价值性往往呈现低密度稀疏性特点，组织通过对海量数据的挖掘，发现数据里隐含的价值并加以有效利用。数据的真实性则强调有利于建立一种信任机制，有利于领导者的决策。

1.3 零售业大数据演变过程

零售业数据的产生、存储与应用等方式的变化大致经历了四个阶段：手工记录和电子收款机阶段；PC机和POS(Point-of-sales)系统阶段；用户原创的互联网阶段；移动和感知式物联网阶段。每个阶段数据特点如表1所示。

表1 零售业数据演变阶段与特点

零售业数据演变的四个阶段是零售业大数据产生的来源，其中，第四个阶段是零售业大数据形成的最直接的根源。零售业有价值可拓展的大数据大体可以分为两个方面：一方面是大交易数据，即零售业交易产生的数据，包括商品数据、市场竞争数据、运营数据、销售数据、顾客关系数据和财务数据；第二个方面是大交互数据，零售企业与顾客之间通过POS机、互联网、物联网、移动终端、智能终端、传感器和观测设备等产生的交互信息，主要包括社交网络数据、射频识别数据、时间和位置数据、文本数据和观测数据。

2.零售业大数据管理流程

大数据环境下，对于零售企业来说，无论是交易产生的大数据还是企业与顾客之间交互产生的大数据，其应用价值都很大。但如何处理这些大数据是零售业首要面临的挑战，大致可以分为三个管理流程，即数据获取、数据分析以及数据解释。

2.1 数据获取

大数据的多样性特征意味着数据来源广泛而复杂，企业在获取数据方面需要投入很大时间和精力去寻找并筛选出有价值的信息。沃尔玛作为零售业巨头，是大数据应用和从中获益的先驱者。沃尔玛收购了几家精通数据挖掘和移动社交的中小型公司，其中一家叫Kosmix公司的一个独特优势是能够对实时数据流中的关系进行搜索并分析，让企业能够深入了解消费者个体。这些数据主要来源于网络社交软件中的数据以及沃尔玛App客户端中产生的数据。沃尔玛还在试图采用一些更为前沿的大数据采集技术，如在服装人体假模的眼睛里安装摄像头，通过图像识别技术判断顾客的停留时间、目光关注热区、高矮胖瘦甚至是否怀孕等。

2.2 数据分析

数据分析是利用大数据进行价值分析的核心。从第一步获取的数据源中抽取和集成部分有应用价值的数据，运用合适的方式和工具进行分析。能够有效挖掘数据并进行深入精细分析的企业将获得巨大的竞争优势。沃尔玛通过一种巨型知识库即“社交基因库”能够快速分析数以十亿社交媒体信息，从而针对不同消费者的消费偏好创造需求，向线上线下的消费者推荐他们需要的产品或服务。需要注意的是像统计分析、机器学习、数据挖掘等常用的传统分析方法在大数据时代需要作出调整，因为大数据具有不同于传统数据的一些特点，比如数据量增大同时意味着干扰数据的增多，因此在分析数据之前需要对数据进行“清洗”等预处理工作，这往往对分析工具都是严峻的考验。

2.3 数据解释

数据分析是大数据处理流程的核心，但是顾客往往更关心分析结果及对分析结果的解释。如果分析的结果正确但是没有采用适当的解释方法，则所得到的结果很可能让用户难以理解，极端情况下甚至会误导用户。基于大数据的海量和多样化特征，在解释大数据时往往会比解释传统小数据要复杂很多，所以有两种方法可以辅助对数据进行解释。第一个是运用可视化技术，即用形象化的方式向用户解释数据分析结果，比文字更容易被理解和接受。第二个是运用人机交互技术，即让用户参与到数据分析过程中来，从而有助于用户更清楚地理解数据分析结果的由来。

另外，在对大数据进行管理的过程中，还要注意数据安全问题。2013年10月，消费者权益和社会正义团体联盟发表的“零售业消费者大数据在线跟踪：沃尔玛案例分析”报告中指出：大型零售商，特别是沃尔玛，用多种方式检查并收集消费者数据，如移动设备在线活动，并据此信息“梳理出有意义的内容”。意指沃尔玛在获取和分析消费者信息时会涉及个人隐私，比如个人种族、政治观点、收入水平等敏感信息，而且这些消费者的隐私信息被拿来进行分析并不被告知。因此，零售企业需要明确如何处理大数据的流程之外，还要加强系统安全防范，更好地保护用户的信息安全。

3.零售业大数据的具体应用

3.1 整合产业链资源

大数据时代的到来对传统零售业来说是挑战也是机遇，产业链整合是目前零售业进行转型的核心问题。其中零售业产业链条，由零售终端开始往前推，包括售后服务提供商、经销商、运输商、生产商和供应商等几个环节。在这些环节上产生的数据都将成为零售业大数据的一部分。如何通过产业链主体间的协调运作实现这些数据的共享与协同价值创造，以及如何实现大数据驱动的产业链协调运作机制等问题是零售业的当务之急。例如，2014年7月初沃尔玛的WMX(Walmart Exchange)平台投入试用，这个平台会将消费者购买数据共享给沃尔玛的供应商，协助供应商做出决策，为供应商节省成本，达到多方共赢。

3.2 利用社会化网络辅助企业决策

以往的决策模式主要是企业一方单独进行决策，大数据时代使得企业管理理念和决策模式发生转变。零售企业可以主动引导网民群体和社会媒体参与其业务流程中的研发、设计、生产、市场推广、销售和客户关系管理等环节，并根据网民群体的互动反馈完成产品优化与创新，实现企业与网民群体的协同发展。这同时也是体验营销的方式之一，即网民群体通过向企业传达建议和心声，一旦建议被采纳并应用，会使这部分群体增加对企业品牌的认可，从而成为企业的实际消费者，促进产品销售。

3.3 精准化洞察顾客需求

传统数据库中的数据大多为静态结构化数据，无法准确判断顾客真实需求，而基于云计算、物联网产生的大数据多为动态的非结构化数据，对于这些大数据进行获取、整理和分析能够实时模型化顾客的行为，随时随地精准洞察顾客潜在的和最新的需求，能够精准识别顾客购买决策，从而主动推荐产品或服务，顺利完成交易。沃尔玛“啤酒+尿布”的经典案例可以充分说明利用大数据可以精准化洞察顾客需求并可以取得巨大成功。沃尔玛还通过大数据分析出两家电子产品连锁店的顾客购买意向的转移，从而采取措施调整库存，成功将销售业绩提升了40%。

总之，大数据时代已经到来，零售业必须抓住机遇实现转型升级。沃尔玛已经为零售业大数据的应用开了先河，虽然还存在诸多质疑和数据安全隐患，但成果是显而易见的，大数据的管理和应用已是未来零售业不可逆转的趋势。

[1] 孟小峰,慈祥.大数据管理:概念、技术与挑战[J].计算机研究与发展,2013(1).

[2] 冯芷艳,郭迅华,曾大军,陈煜波,陈国青.大数据背景下商务管理研究若干前沿课题[J].管理科学学报,2013(1).

[3] 李文莲,夏健明.基于“大数据”的商业模式创新[J].中国工业经济,2013(5).

[4] 郑淑蓉.零售业大数据:形成、应用及启示[J].理论探索,2014(2).

[5] 周瑞华.沃尔玛大数据WMX落地:零售渠道启示性变革[J].成功营销,2014(9).