大数据杠杆与零售业

近几十年来，信息技术和电子数据应用在美国零售业中发挥着举足轻重的作用——它们提升了整个行业的生产效率以及个人产业利润，这不得不引起人的注意力。为此我们开展了这项对美国零售业的研究，同时还结合了世界各地的公司的实践经验，我们所描述的美国的绝大部分大数据杠杆可以带来的潜在正面影响与其他发达国家是相似的。                                          

好不容易走出了凛冽寒冬，迎接它的却不是春天的故事。经历过经济危机的美国零售业不仅面临着收益持续性缩水的问题，还受到了来自各种新技术的冲击，这些新技术经常实时地给消费者提供有效的价格、促销和产品的信息。在线和移动电子商务的采用可能会使价格透明度得到良好的提高，毫无疑问这对消费者来说是个好消息。但在消费者跨零售商比较价格之时，零售商之间早已打着轰轰烈烈的价格之战，这种趋势很可能侵蚀零售商的利润率

而这其中大数据就是提供新技术发展的土壤。

不得不承认，那些与新技术相关的大数据在某些方面确实会挤压行业，但对零售业来说，它不仅仅是危机，它还是能创造价值的新机遇。疯狂增长的数据量不仅为零售商记录每一个客户交易和操作，也跟踪了新兴数据源，如RFID(射频识别)芯片跟踪产品和在线客户的行为和情绪。在如今的大数据时代，龙头老大们正在不断挖掘客户数据，以此作为商品供应链管理和定价的决策参考。如沃尔玛详细有效的客户跟踪为零售商提供了挖掘客户喜好和购买行为数据的渠道，从而使消费品公司在重要的定价和分配中做出让步。越来越多的客户数据被广泛使用，使零售商能够促进他们的营销和市场化。应用于运营和供应链的大数据杠杆将继续降低成本，并使零售商日益形成新的竞争优势和增长收益的策略。

·MGI已确定零售业的16个大数据杠杆

MGI将这些杠杆分为市场，销售，运营，供应链，和新的商业这五大类模式，零售商可以沿价值链采用它们。

市场

1.交叉销售。例如亚马逊使用协同过滤来产生“你可能还想要”的提示来为每个产品带来购买或访问量。通过先进的交叉销售数据，我们可以了解客户，包括他的购买历史、喜好、实时位置等其他信息，以此增长平均购买数量。亚马逊曾做过一个报告，其中指出有30%的销售额是由于其推荐引擎所带来的。

2.以定位为基础的市场营销。它的目标消费者是那些接近商店或已经在店内的人群。例如，当一个消费者接近一家服装店时，该店可以向客户的智能手机发送一个毛衣酬宾消息。新兴公司PlaceCast声称，有超过50%的用户由于这种定位广告而进行购买消费。近50%的智能手机用户使用或计划使用他们的手机进行移动购物。

3.店内行为分析。数据分析师通过对消费者店内行为数据进行分析，可以有助于改善店铺布局、产品结构和货架分布。一些零售商使用图像分析软件连接他们的视频监控摄像头去跟踪店内的路线模式和消费者行为。

4.客户微分割。随着大数据爆棚和分析工具的进步，客户微分割不再简单粗暴，而是变得更加微颗粒化。除了利用传统的市场研究资料和购买历史的数据，零售商现在已经可以跟踪和利用个人用户包括在Web产生的点击流数据在内的行为数据。他们现在还可以实时地更新这些日益增长的数据，以适应客户的变化。

5.意见分析。如今消费者越来越多地依赖于他人的意见和建议，来决定是否购买。在这种情况下，各种各样以实时监测和响应网络消费行为和选择的工具已经逐步诞生。意见分析则是利用消费者在这些在社交媒体上产生的大量数据，给各种商业决策提供信息帮助。例如，零售商可以使用意见分析来衡量市场营销活动的实时响应，并调整相应的策略。

6.加强多渠道的客户体验。加强消费者的多渠道体验，会成为提升销售业绩，客户满意度和忠诚度的强力驱动。零售商可以利用大数据为消费者无缝整合促销和价格的消息，无论这些消费者是在线，还是在商店，抑或在浏览目录。例如威廉索拿马(WSI)，它集成了6000万家客户的数据库信息，跟踪诸如收入、房屋价值，和子女数这类消息。由此公司能形成不同版本的商品目录，以适应不同的客户群的行为和喜好。

销售

1．优化分类。所谓的分类优化，就是在决定哪些产品的提供时，会根据在当地的人口统计，购物观念，和其他大数据的调查来计划，以实质性地增加销售为前提。

2．优化价格。零售商可以利用所得到的数据来分析促销活动和评估销售来源，以及这些行为可能带来的潜在成本。一个零售商需要在其不同类别的客户之间研究定价弹性。例如，农村的食品消费者，把黄油和大米看作较为优先的购买对象，因此，这些产品可能比城市消费者少了些价格弹性。同时，城市消费者更倾向于优先购买谷物和糖果。

3. 优化布局和设计。电商可以根据页面上的互动，如滚动，点击和鼠标旁白，来调整网站配置。

运营

1.业绩透明。零售商可以运用日常分析的功能，来收集和公布店铺销售，SKU销售报告以及员工人均销售额。如今，这些系统越来越具有实时性。零售商可以了解收银员工作的准确性和每小时的交易量，还有他们对于客户的服务质量，是否能用一通电话在一定程度上解决了客户的问题，以及客户投诉和满意度调查也可以为零售商提供参考。

2. 优化劳动投入。通过降低成本来创造价值，同时还要保持服务水平，这些都是围绕优化劳动投入来进行的，比如时间设置的自动化和考勤跟踪，以及改进人工调度。这个杠杆可以更准确地预测人员编制需求，特别是对于高峰期，可以避免产能过剩。

供应链

1. 库存管理。先进的零售商通过结合多个数据集，如销售历史，天气预测，和季节性的销售周期，来提高股值预测。随之而来的影响是，因为供应与需求信号联系的更加紧密，所以库存管理的改善将允许零售商持有一个较低的库存水平，同时还能减少因为商品断货造成的销售损失。

2. 优化配送和物流。领先的零售商还利用GPS大数据定位信息优化运输（例如，远程位置报告等）和优化路由来提高他们的车队和配送管理。运输分析可以提供优化燃油效率，预防性维护，驾驶行为，和车辆路径的方案来提高生产率。

3. 通知供应商谈判。在大数据的世界中，领先的零售商(数据分析师)可以分析客户的喜好和购买行为，然后通知供应商与他们谈判。例如，他们可以使用价格和交易数据来使谈判让步集中在关键产品上。

新的商业模式

零售业的数据雪崩，再加上其他业务的进展，给创新的商业模式出现提供了平台。这些模型是非常有趣和创新的，但也是最有可能威胁到传统零售商的。目前最具吸引力的两种新业务模式是价格比较服务和以网络为基础的市场这两种。

1.价格比较服务。如今消费者可以即时比较多个零售点的特定产品价格，零售商需要仔细地考虑如何应对这种价格比较服务。那些能进行价格竞争的商家需要确保他们是最可见的服务。不能在价格上竞争的零售商必须知道如何在价格透明的世界里区分自己和竞争对手。

2.基于网络的市场。基于Web的市场，可由大量的供应商提供可搜索的产品清单，例如亚马逊和eBay等。除了价格的透明度，他们还提供了大量利于零售商的通道，否则没有营销或销售力度来吸引消费者。他们还提供了大量有用的产品信息，包括消费者对商品的评论，向消费者提供更高的透明度。

我们相信，使用大型数据集将持续改变零售业的面貌。在最近的几十年，IT和数据被用于优化供应链，这帮助创造了以低价销售大量产品的大卖场零售商这一类别。同时这几年，如亚马逊、eBay的在线零售商和团购重新定义了零售的内容：消费者无须再从销售团队或广告接收关于产品和服务的信息，他们有了新的渠道——从他们关注的其他购物者那里得到他们需要的信息然后通过网上商城找到他们想买的东西。现如今，国内生产总值的缓慢增长、供应商和消费者之间的定价压力使零售商面临着重大的挑战，他们需要通过激烈的竞争来确保他们的生存机会，而这其中信息技术和数据产生的一波又一波的影响更是让人无法忽视。我们的研究表明，通过创新所产生的明显净空是零售商可以加以利用的。那些能锻炼和强化大数据“肌肉”的零售商，他们的胜出机率会大大提高，在未来的几年里淘汰掉那些不把握这次机会的同行。数据分析师培训