为什么说大数据是新零售的引擎？

大数据一词，想必大家已经习以为常了，但你能说出它的精准含义吗？大数据是英文单词Big Data的直译，我们看看百度百科当中对大数据的定义：

指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

其实这里面包含了两个层次对大数据的定义，一个是可利用的大数据，第二个是大数据价值的定义。大数据是海量数据的集合，但是大数据不是说数据越多越好，而是着重于对那些含有意义的数据的专业化处理，也就是说利用价值的大数据才是信息资产。麦肯锡全球研究所给大数据的定义当中有这么四个特征：海量的数据规模、快速的数据流转、多样的数据类型和价值密度低。

01

海量的数据规模

很久以前大家都听过这么一句话，互联网时代是信息大爆炸的时代，但是具体是一个什么概念呢？早在2012年的时候，IBM的研究称，人类文明所获取的所有数据，90%都是近两年产生的，而到达2020年，也就是明年，全世界所产生的数据规模将达到今天的44倍。

我小的时候用的移动储存介质是软盘，其容量不过1.44MB，后来使用的是几百兆的U盘，再到十多G的U盘，到现在用的是2T的移动硬盘。而大数据的数据量也在跃升，从TB到PB到EB到ZB，每个的差距是1024。人类产生的数据量越大，从中可以分析的也越多，所以大数据一定是有海量的数据规模的。毕竟一个人一天的数据当中，有太多的偶然性，也分析不出什么来。

02

快速的数据流转

社会的飞速发展，数据的产生和传播的速度也越来越快，而技术的飞速发展，数据的处理和储存的速度也越来越快，能够赶得上数据产生和传播的速度。比如在过去，我们用信件传达信息，需要几个月去等待，而现在用电子邮件，几乎可以秒速送达。

而我们过去在图书馆里寻找一本书当中的一句话，我们需要花几个月的时间去查找，但是现在我们有计算机的帮助，分分钟就可以找到。而大数据也是如此，如果需要花几百年去处理某些数据信息的话，这个将毫无意义，已经过了时效性了。

03

多样的数据类型

社会的多样性导致了数据的多样性的，文本，图片，语音，视频等等不同格式类型的数据。来自网页，搜索，社交平台，马路边的摄像头的不同渠道的数据，多元化的数据交叉，才能构建一个大数据库。

04

价值密度低

数据本身并不产生价值，海量的数据，混乱，无序，价值密度低，大数据的关键在于如何从这些数据当中提取出有价值的东西。比如通过安全合规的方式获取了一组数据，记录了一个人一个月的出行数据，饮食数据，购物数据，社交数据。但是这些数据大部分都是对我们来说是没有价值的，或许可以从中分析出一些东西，但它是没有价值的，需要对这些含有意义的数据进行专业化处理，，通过“分析”实现数据的“增值”。

接下来说说大数据的应用场景，以我们身边接触的比较多的为例：

电商的推荐系统

现在很多的网购平台，因为商品的类目很多，用户挑选起来也很费劲，为了抓住用户的痛点，促成交易，及时给用户推荐他们所需要的商品才是王道。怎么知道用户需要什么呢？这个就是要大数据了，根据用户的浏览行为，购买行为，同时匹配相同属性的用户的行为，进行分析计算，得出用户的兴趣偏好，为用户推荐他们可能感兴趣的商品，经过时间的推移，用户的画像也就越来越精准，推送的也就越精准，这对于商家和用户来说都是一个互利共赢的过程。

广告精准投放系统

我们经常在朋友圈或者在一些新闻APP等等浏览的时候，会看到一些的广告，比如“30-40岁的人必看”“XX城市的人看过来”等等类似于这样的正好符合用户条件的广告出现，这个在行业中一般被称之为是信息流广告。而信息流广告投放当中就有选择用户包，选择用户的年龄段、地域、可能的收入水平、男女、爱好、使用的手机类型等等。这些都是通过大数据整合以后提供的选项，也是对大数据的应用。

大数据一方面为大家提供了便利，但同时也是一柄双刃剑，因此一方面我们需要加强自己的隐私管理，另外一方面，企业也需要通过安全合规的方式去收集数据，让大数据真正做到，对人类生活有所裨益。

而大数据对现在的商业模式产生了非常大的影响。在大数据的加持下，未来的商业模式会是什么样的呢？其实不要说未来了，大数据对零售业的改革已经发生在当下了，从一个商超的选址，商品陈列，商品供销，客户关系管理等等各个方面都产生了影响，我们就简单的说一下。

1

店铺选址

在过去，大家开店在选址的时候，会出一套的选址方案，在什么地方，准备多大的面积，预估有多少的客流，客户的属性，消费能力，周边的竞争对手，城市的规划，物业条件大概是什么等等。不但需要大量的时间去调查，调查结果是否有偏差，选址确定后是否能达到预期的效果，只能凭借经验和运气了。毕竟在过去，做这种调查只能去现场看，和周边的人打听，找同行了解，半推测，半猜测。

在现在大数据的变革下，选址就更加精准和方便了。依托于强大人本数据、地理信息数据和商业经济数据，结合经典模型和预测算法，从商圈区位洞察、潜客浓度探索、职住通勤研究，以及商圈配套与经济研究等多种角度，就能帮助企业高效量化推动基于位置商圈的经营决策。

2

商品陈列

传统的零售当中，店主通过纵向陈列法，垂直陈列法，集中陈列，端头陈列等等陈列方式对商品陈列进行调整。同时通过销售情况去决定进货数量等，总体上来说，这种方式不会有太大的问题，但是想要提高商品销量的话，肯定是需要调整陈列方法的。

有一个比较著名的数据挖掘案例，某世界知名连锁超市，他们对顾客的购物篮进行分析的时候发现，和尿布一起购买最多的东西是啤酒。原来是因为美国的年轻父亲下班给孩子买尿布的时候，会有30%-40%的人会顺手买上自己喜欢的啤酒。于是该超市将尿布和啤酒两个不相搭的东西陈列在一块，两者的销量都提升了。这个就是一个很显著的大数据指导下的商品陈列案例。在现在，结合人工智能的智能化门店，能够做到的更多，可以根据店内的人流量热力图，计算出将热销品或者滞销品放置在更合适的位置。

3

用户画像

在传统的零售当中，想要实现导购一对一服务、对用户实行个性化服务是很困难的。其中一个原因就是店铺的客流量大，顾客流动频繁，基本上可以说没有哪一个导购能够记住用户是否来过这家店，顾客的喜好是什么。

但是在现代的零售当中，智能化门店能够比较容易的实现这一点了。智能化门店通过面部识别等功能可以检测到顾客来过多少次。同时通过店铺当中的门店管理系统，根据以往的购物数据反馈，顾客在不同的商品前的停留时间，猜测用户的喜好等等，智能为用户推荐商品，又或者将信息推送到导购端的移动管理系统当中，让导购更好的为客户服务。这个就是因为用户的购物数据，行为数据等等大数据勾勒出了一个用户画像。

当然，大数据在新零售领域中的作用肯定不仅仅是这三点，还有更多的优势这里就不一一例举了。未来的商业模式已经在逐步走向现实，高新技术正在改变我们的生活，零售业也正在改革，让我们一起见证吧。