大数据的思维变革及其对零售业的推动

　　摘 要：信息随着时间的进程不断变化、传递与膨胀，这些信息相互渗透，组成了庞大繁杂的数据集合。在大数据时代的背景下，经济世界的每一个行业都会面对历史的新机遇——用大数据技术作为发展战略性技术。大数据技术是信息时代的新产物，它的出现会让商业决策更加智能。
　　关键词：大数据；零售业；思维变革
　　一、大数据的思维变革和传统零售业经营
　　1.大数据的思维变革
　　大数据对我们思维的变革体现在以下三个方面：第一，全数据思维模式。传统计量统计是运用一小部分的随机样本来推测总体，而全数据模式是指用总体来推测总体，即样本=总体。对整体数据进行剖析要比利用部分数据进行总体预测更加有力。第二，允许不精准。小数据时代的科学缜密性要求我们对研究要精益求精，但在大数据时代背景下，我们掌握大量新型数据时，就掌握了事情发展的总体走向，我们也就没有必要再为无法实现精确而遗憾。第三，由＂因果＂转为＂相关＂当我们发现一现象时，我们不需要再对其中间环节逐一分析，繁杂的中间工作我们交给机器来完成。我们只需要找到良好的相关关系，大数据分析会帮我们捕捉现在并预测未来。我们的观念也从＂为什么＂转换为＂是什么＂即有＂因果＂转为＂相关＂。
　　2.传统零售业经营
　　零售是指将商品和相关服务直接销售给最终消费者，从而实现商品和服务的价值的一种商业活动。同时，它还是商品分销过程中的最终环节。而零售企业是指从事零售活动，将商品和服务出售给最终消费者的商业企业。零售业态是建立在零售企业的基础上，是零售企業为满足不同的消费需求而形成的不同的经营形态。零售业态的分类主要依据选址、规模、目标顾客、商品结构、经营方式、服务功能等因素。目前有超市、便利店、大型综合超市、百货店、折扣店、专卖店等。
　　传统的零售企业制定经营战略时分为以下三个步骤：第一，选择公司经营的形态。要考虑社会是否需要、商品利润率的状况、市场竞争状况以及本企业的状况；第二，确定和调查潜在的消费者。在企业选择完零售业态后，必需判断消费者的特点和需要，并试图满足其目标市场（消费者群体）的需要。一家公司取得成功的关键在于它有能力确定自己的顾客，并以独特的方式迎合他们的需要。第三，制定全面战略。这种战略包括两个方面：一是企业在经营中可以直接施加影响的方面，如营业时间和销售服务，这称为可控因素；二是企业在经营中必须适应的方面，如法律、经济形势和竞争状况，这成为不可控因素。
　　当企业制定完经营战略后，在特定的环境中，就按照总体的策划过程所拟定的行动方案。然而，快速变化的商业环境，往往会使企业制定的目、策略、方案失去作用。因此，在零售战略实施过程中必须要进行战略分析。战略分析必须根据最新的情况重新评价计划和进展，因而传统的零售业经营困难比较大。
　　二、大数据技术对零售业的推动
　　1.销售规划
　　瑞士零售商Globus使用大数据内存计算和高级分析来获取宝贵的销售绩效洞察。目前，他们能够实时处理海量的产品数据，并在几分钟内分析不同时间范围、店铺和区域内数千种产品的销售模式与促销活动。改零售商还像管理人员提供了这些洞察的访问权限，一边他们能够迅速的相应市场状况。
　　此外，对庞大繁杂的数据库进行分析能够帮助商家改变定价策略，对竞争者实行相应的掠夺式、限制性定价；对消费者，大数据能够将消费群体细分，价格歧视的实行就更加方便了。
　　2.市场营销
　　依然是塔吉特百货公司，他们现在利用预测分析程序，通过搜集每个来过这里消费的顾客的数据信息，来推测他是否拥有成为塔吉特制定的某些特定营销项目客户的潜质。他们还成立客户营销分析部门，专注于全方位了解客户，获取一手信息资源，超越其他竞争者，获取稳定忠实的消费顾客。
　　海量的数据分析，还能够帮助企业提高运营效率，因为它能够根据以往的数据分析今天的客流量、销售量等，从而调整摆货员、管理人员的数量，合理配置人力资源，节约成本。预测出的销售量，则为今天的生产制定标准，防止产能过剩或库存积压。
　　3.供应链
　　英国零售商乐购（Tesco）引用数据分析模型，以历年来的销售数据模拟配送仓库工作，进而能够优化库存。该零售还有专业的内部数据分析团队，通过回归测试找寻各个因素之间的良好的相关关系，以此为基础进行大数据分析。
　　大数据在供应链上的应用最突出的环节就是优化库存。建立在大数据模型上，找寻相关因素，如天气、运输车辆、往期库存量、往期销售量等与优化库存管理的相关关系不再是难事。改进了库存结构，也就改善了供求结构。物理流环节在之前面对的交通堵塞、车辆供给有限等问题，也会因数据分析提前做好规划而改善。除了零售商与消费者的之外，供求还体现在供应商与零售商之间。零售商完全可以将对消费者进行数据分析时得到的反馈，作为订货量的依据和价格谈判的筹码。
　　4.实体零售与网上零售
　　实体零售在店铺选址方面可以根据城市总体数据分析进行规划，寻找潜质消费者的聚集区域。传统零售店选址也会分析客户群体聚集，但是实际上会造成很多偏差，这也就是为什么许多大型百货商店没有成功的原因，而大数据技术的预测是通过海量数据分析，因此会更准确。
　　当实体店选址完毕，大数据技术体现在店铺设计上的作用是迎合消费者的。室内的监控摄像会让我们获得一手数据信息，如根据顾客在店内的路线，某点停留的时间，然后根据大数据分析去预测消费者的购买计划。此外，现代通讯技术的发达，让我们很容易就能获取他们的地理位置，一旦他们接近某一商店，就可以自动为他们推荐商品。
　　网上零售自动记录消费者的浏览路径、商品等，即时为其更换界面或提供讯息。就像淘宝，他会给我们自动推荐我们最近想要购买的商品，甚至贴出＂你还可能想购买＂、＂附近的人都在买＂的字样。
　　无论是实体还是网售都要求他们要有无缝隙的渠道链接来保证销售与服务的质量，而渠道缝隙的结合点更需要大数据来
　　焊接。