大数据对零售行业影响调研报告

一、大数据是转型升级的核心竞争力

对于中国的零售行业，特别是线下传统零售行业，大数据分析还处于刚刚起步的阶段。企业已经认识到大数据的重要性，多数企业正在着手进行大数据探索以及相关项目的试点。 

IBM 认为，零售企业的大数据分析是与云计算、移动和社交化紧密结合的系统工程，需要从战略层面系统规划。

零售大数据分析主要应用在智慧的购物体验、智慧的商品管理和供应链网络，以及智慧的运营三个领域。大数据分析是零售企业向未来转型升级的核心竞争力。

大数据通过打造智慧的购物体验，构建智慧的商品管理和供应链网络，以及实现智慧的运营，来帮助零售企业实现价值。

零售企业对未来如何利用大数据以及大数据的发展构想可以分为三个层面

第一层面是支持零售业运营

零售企业可以通过对价值链上多方数据的分析挖掘， 提高供应链、物流等方面的运营效率，并利用大数据分析的结果支持领导层决策。

第二层面是形成大数据产品

即形成独立的大数据产品，采用免费、出售或合作方 式提供给内外部客户。

第三层面是构建大数据平台

即部分向平台型企业转型的零售商将利用大数据搭建企业生态平台，为平台上的企业服务，促进共同的繁荣。我们认为大数据主要通过以下三个方面帮助零售企业提升自我，创造价值。包括：打造智慧的购物体验；构建智慧的商品管理和供应链网络；以及实现智慧的运营；

具体来说，零售企业大数据分析应用可以归纳为如下几个方面：在智慧的客户体验领域的全方位的顾客洞察、提升客户服务、基于位置的营销和服务、以及精准营销；在智慧的商品管理和供应联网络领域的供应链优化和商品优化；

以及在智慧的运营领域的财务管理、劳动力管理和防损 / 防偷盗管理。零售企业已经充分意识到大数据分析对其未来业务发展的战略意义，他们需要从这三个方面规划战略和实施步骤，将大数据分析作为向未来转型升级的核心驱动力。

二、中国零售大数据的现状和挑战

我们的调研结果表明，中国零售行业的大数据分析处于刚刚起步的阶段，相当一部分企业还未开始考虑使用大数据分析，或仅仅进行概念讨论和计划。

在少数已开展大数据项目的企业中，应用范围、方式也处于早期状态，大数据的实践刚刚起步。然而，也一部分领先的零售企业已经在利用大数据应对明确的业务挑战。

零售企业目前主要利用大数据分析进行精准营销和客户洞察

从组织机构来看，零售企业大数据分析还是较多的分散在各个部门业务中，只有不到1/3企业有独立的部分负责整体的大数据分析。

调查发现，有35%的零售企业的大数据分析工作分散在不同部门完成，如客户关系部、销售部、运营部等。各部门根据掌握的数据和自身需求进行相关数据分析，不设立统一的大数据分析部门。另外有26%的零售企业，数据分析主要由信息和IT部门配合业务部门完成。

信息和IT部门根据业务部门的需求负责数据的抓取、过滤等前期工作，业务部门进行具体的分析。在被访企业中，只有30%设置设置职能专一的部门全面负责大数据分析工作。

在已经开展大数据分析的零售企业中，分析主要集中在精准营销、客户洞察、商品优化和供应链完善等几个方面

在已经开展大数据分析的零售企业中，有接近半数的企业利用分析进行精准营销，如分类营销、决策支持和营销效果分析等。

在分类营销中，有些企业利用大数据分析进行营销需求挖掘、有些企业对营销目标进行分类和贴标签，后期根据标签筛选特定顾客进行营销，还有的企业根据大数据分析进行O2O促销。

在决策支持中，部分公司进行营销活动的预测和分析，部分公司利用大数据分析为经营评估等业务提供可视化的数据支持。41%的企业利用大数据进行顾客洞察，如打通不同区域间会员管理体系、建立大会员系统，进行针对性调研，将线上线下数据相结合，利用大数据进行顾客形象分析等。

另有24%的企业利用大数据进行商品优化，包括订单预测、选品与陈列优化、运营状态分析等方面。18%的企业利用大数据进行供应链完善，包括仓库选址、产品追溯和统一管理等。

现阶段，零售企业表示最需要利用大数据提升客户洞察，开展精准营销和实现商品优化。将企业最需要利用大数据提升的业务与已经实施的大数据项目进行对比发现，提升客户洞察是零售企业最需要进一步利用大数据提升的领域。

在调查中，74%的企业表示最需要利用大数据帮助解决的业务问题是准确理解客户行为和消费习惯，进行全面的顾客洞察。42%的企业表示需要在精准营销方面运用大数据，基于需求预测及顾客特点进行有针对性的营销，提高成交率和客单价。

37%的企业表示需要运用大数据帮助解决商品优化问题，找出畅销、滞销款商品，提高售罄率，降低过期损耗，同时优化商品组合与陈列。

零售企业对大数据分析整体整体表现的自我评价结果一般，特别是在数据分析和基于数据洞察采取行动方面

完整的大数据生命周期包括数据获取和整合、数据分析和根据数据洞察采取行动三个阶段。整体来看，中国零售企业对大数据分析各个阶段的自我评价一般。

在“获取和整合数据”阶段，只有36%的企业评价良好。在“数据分析” 和“依据洞察采取行动” 阶段，评价良好的比例分别只有32%和24％。可见，企业对自身的大数据分析和利用满意度不高。即使在数据分析意识较强的企业中，对数据的利用也仍集中于初级阶段。

在数据获取和整合阶段，企业面临的问题主要是来自多源系统的数据不一致、传统信息架构阻碍数据收集和难以整合内部数据。在数据分析方面，缺乏软硬件工具、数据可信性和缺乏必要的分析技能是企业面临的最大挑战。

在依据数据洞察采取行动方面，最大的挑战来自于缺乏能将业务知识与数据分析相结合的技能与人才，以及企业普遍缺乏对利用分析提升业务的理解。

零售企业希望分析手段方面更加深化和多样性

数据分析方法，按照由浅至深的程度可以分为以下五个种类：描述性分析；  诊断性分析； 预测性分析；规定性分析；认知性分析。

描述性分析就是从历史交易数据中分析过去，反映出已经和正在发生什么；诊断性分析就是了解发生的原因，分析为什么发生；预测性分析是预测未来，指出什么可能发生；规定性分析是在分析过去和预测未来的基础上对行为的指导，即建议应该采取什么行动。

以上分析均为静态，而认知性分析与之不同，认知性分析就是通过交互式学习的方式，让分析能力逐步成长、逐步提高认知的过程。在这个瞬息万变的大数据时代下，每天产生大量有价值的数据资源，数据分析也跨入认知分析的新阶段。

调研发现，零售企业对自身目前以上五种程度的分析的应用自评逐渐降低。在所有进行数据分析的企业中，71%的企业进行描述性分析，其预计未来12-18个月不会有明显变化； 41%的企业目前进行诊断性分析，并预计未来12-18个月会增加至65% ；

24%的企业目前进行预测性分析，这一比例在未来12-18个月会增加至63% ；百分之29%的企业目前进行规定性分析，这一比例在未来12-18个月会增加至59% ； 24%的企业目前进行认知性分析，未来将提高至35% 。

可以看出，零售企业希望在未来使用更多样化和更先进的数据分析方法，特别是诊断性、预测性和规定性分析，并将尝试认知性分析。

零售企业对未来大数据的构想和规划

企业对未来如何利用大数据以及大数据的发展构想可以分为三个层面

第一层面是支持大数据的运营

零售企业可以通过对价值链上多方数据的分析挖掘，提高供应链，物流等方面的运营效率，并利用大数据分析的结果支持领导层决策。部分零售企业已经或多或少地利用数据帮助提升内部运营，比如利用大数据收集分析，寻找更好的商品，提供更优质的服务，更全面 地满足客户需求。

第二层面是形成大数据产品

零售企业通过对海量数据的整合和分析，形成独立的大数据产品，采用免费、出售或合作方式提供给内外部客户。零售企业通过对海量数据的整合和分析，形成独立的大数据产品，为企业和个人提供信息服务。

零售商可以发展多种大数据产品，比如，对购物者的个性化需求分析，智能匹配 ( 将顾客需求与供应商资源进行快速匹配 ) 等。

阿里巴巴近年来发布了包括“聚石塔”、“黄金策”、“淘宝指数”和“淘宝时光机”在内的多款大数据产品，提供店铺数据分析、数据备份、加速订单处理、消费者行为研究等多方面的大数据服务。百度也正式发布了“百度司南”，为市场营销人员提供更加真实、准确、快速和低成本的消费者洞察。

第三层面是构建大数据平台

即部分向平台型企业转型的零售商可能利用大数据搭建企业生态，为平台上的企业服务，促进共同的繁荣。大数据将成为平台型零售企业的核心竞争力，数据的质量，如一致性、精细化程度等将成为关键。

中国的传统零售企业目前还没有出现搭建了完整企业生态系统并构建了大数据平台的企业。网络零售商如阿里巴巴已经形成了这样的企业生态系统，并正将大数据作为其核心竞争力。

在调研中我们发现，部分零售企业表达了对构建大数据平台的需求和想法，比如“集团不同业务单元数据的整合”，“实现全面系统化管理”，“形成一个整体的对内对外服务、平台化的面向多行业的大格局”等。

三、大数据帮助零售企业实现价值

我们认为大数据主要通过以下三个方面帮助零售企业提升自我，创造价值。包括：打造智慧的购物体验；构建智慧的商品管理和供应链网络；以及实现智慧的运营。

零售企业在大数据分析具体的三大领域的具体运用

具体来说，在零售企业，大数据分析的应用可以归纳为如下方面：在智慧的客户体验领域的全方位的顾客洞察、提升客户服务、基于位置的营销和服务以及精准营销；在智慧的商品管理和供应联网络领域的供应链优化和商品优化；在智慧的运营领域的财务管理、劳动力管理和防损 / 防偷盗管理。

打造智慧购物体验的战略重点

在利用大数据帮助打造智慧的购物体验中，客户智能分析和全渠道营销是战略重点。具体包括：

A.客户智能分析：顾客识别，顾客行为分析

B.全渠道营销：基于位置的营销，精准营销，提升全渠道的购物体验

大数据为零售企业在打造智慧的购物体验方面所带来的商业价值主要包括以下几个方面：

360度顾客视图与细分；

增加顾客留存、新增顾客、降低顾客获取成本；

提高到店率、购买率与忠诚度；

减少活动与运营成本，提高投资回报。

案例：星巴克利用以大数据分析为支撑的移动营销与客户深度互动

从2012年开始，星巴克推出了一系列基于移动端和社交媒体的营销活动。比如， 2012年，星巴克早餐上市，为配合早餐推广星巴克推出“早安闹钟” App，使用该App的顾客在闹钟响起后的1小时内到达星巴克门店，就有机会在购买咖啡饮品的同时，享受半价购买早餐新品的优惠。

2013年，星巴克推出“ Tweet-a-Coffee ”，将自己的星巴克账户与Twitter账户绑定，就可以向自己的朋友赠送价值5美元的电子咖啡券。此前，星巴克在Facebook上推出过类似的服务。

2015年5月，在线音乐订阅服务Spotify宣布与星巴克成为长期合作伙伴，推出“音乐+咖啡”的服务。Spotify付费订阅用户将能够通过听音乐得到星星，在星巴克里兑换免费咖啡。星享卡会员则可以在Spotify 上表达自己的音乐意见，从而影响星巴克门店的歌单曲目。

在Spotify上还会开设一个星巴克专题，收录类似“ 20年中星巴克最受欢迎的音乐”等歌单。星巴克在其iPhone应用上增加“order” ( 订购 ) 功能，消费者可以在应用内完成预定和支付，然后到店提取即可。在北美地区的星巴克门店，用户可以将星享卡的二维码通过苹果Passbook应用添加到Apple Watch中，然后直接用来购买咖啡，整个过程都不必使用Apple Pay。

此前设计公司Impekable还为星巴克制作过一款应用，当消费者找到星巴克后，可以直接在座位上用Apple Watch点单，以此减少人们寻找门店与等候咖啡的时间。

星巴克还推出了“大数据咖啡杯”，在一些咖啡杯中装上传感器，收集常客喝咖啡速度等数据，从而为喝咖啡较慢顾客提供保温效果好的杯子，提高其满意度和忠诚度。星巴克的Clover咖啡机会将数据上传到云端，星巴克借此能够跟踪用户的喜好，对制作咖啡的配方随时进行更新，也能方便工作人员对咖啡机的性能进行远程监控。

星巴克改变用户被动接受的传统营销方式，其营销深深把握住“用户创造”的核心，让用户乐于运用星巴克提供的平台动手创建自己的服务，在这一过程中星巴克也获得了用户信息。当营销变得准确有趣，消费者不仅更加容易接受，甚至会自愿推广传播。

星巴克相信移动和数字平台将驱动公司未来业务的发展，因此以“移动战略”为方向，充分发挥移动端优势，将服务内嵌于顾客日常需求，使服务随时随地唾手可得。在发展移动营销的同时，星巴克利用云技术为支撑，收集和分析用户数据，加深消费者洞察。

为优化运营，提升服务，降低运营成本和精准营销提供指导和依据。在美国的星巴克门店，有将近16%的收入来自手机客户端，星巴克App有将近1300万的活跃用户。在渠道有限的情况下，星巴克通过社交媒体对大数据的解构实现了精准营销。

构建智慧的商品管理和供应链网络的战略重点

在利用大数据帮助构建智慧的商品管理和供应链网络中，商品管理分析和供应链优化是战略重点。具体包括：

A.商品管理分析：组合优化、价格优化、布局和设计优化

B.全渠道营销：库存优化、分销和物流优化、存储空间管理

大数据为零售企业在构建智慧的商品管理和供应联网络方面所带来的商业价值主要包括以下几个方面：

基于客户洞察的商品管理和分类；

及时为客户供货和交付；

优化店面布局，提高购买率；

提升产品运输、降低缺货。

案例：某领先综合零售商充分利用大数据节约存储、管理成本

国内一家领先的综合零售商在拓展电商平台方面充分利用大数据打开市场，并与上游供应商协同联动，实现了较好的效果。比如，在“她经济”背景下，女性用户成为电商重要的收入来源。

在争取女性用户的战役中，为增强女性用户粘性和活跃度，该零售商根据大数据测算选定了奶粉、纸品、卫生巾作为拳头产品，并依据预测的不同地区销量来调整仓库布局，依据不同地区客户品牌使用习惯来调整仓库备货，最终实现了良好的效果。

该综合零售商还将大数据应用于和上游 供应商的联动协同。借助自身积累的会员资料、访问流量、订单信息等大数据，进行深入挖掘，与厂商一起研究用户需求，向上游供应商进行产品的定制。在大数据的帮助下，该零售商针对目标客户的选品准确，经大数据分析后选择的产品销售额大幅增长。

针对“她经济”的三大类产品促销活动中，其新增女性用户的数量达到580万，且新增用户多数是有着个性化、精准化标签的优质用户。此外，该综合零售商供应链铺货逻辑得到优化，效率提高，减少了因备货问题导致的用户体验下降。

实现智慧的运营

在利用大数据帮助实现智慧运营中，财务管理分析、人力管理分析以及止损和偷盗管理分析是战略重点。具体包括：

A.财务管理分析：控制、欺诈、现金管理，资产管理的预测和条件，财务状况的透明度和商店的盈利能力

B.人力管理分析：劳动力管理和优化，突出对关键员工和岗位变化管理的洞察

C.止损和偷盗管理分析：员工 /  客户欺诈检查，基于货物丢失的货架安全警报，基于对视频流分析的视频监控警报。

大数据在帮助零售企业实现智慧的运营方面所带来的商业价值主要包括以下几个方面：

提高员工生产率 / 每个渠道的销售；

有效地管理店内零售业务；

不影响服务的前提下劳动力最优平衡；

减少偷盗。

案例：台湾全联福利中心打造智慧的运营系统

全联福利中心 (Pxmart) 是台湾大型零售业者之一，成立于1998年10月，前身是台湾消费合作社全国联合社 ( 全联社 ) 。全联福利中心从66家干货门市开始发展到美妆、生鲜，现在全台已有超过700间门市，成为全台最大连锁超市。

为实现2020年营收2000亿台币的目标，全联规划了信息发展蓝图，提出打造智慧的总部，以快速高效的支持门店业务，以及打造智慧的门店，按计划推动门店业务快速高效的发展。全联应用新技术创新科技服务，通过社交媒体，移动装置，大数据分析，以及云计算来做到与客户的个性化互动。

同时，全联还可以提供端到端的供应链预测，提升供应链整体效率。初期全联进行了信息架构的整合，建立涵盖业务循环的信息整合架构。

在该信息系统的支持下，全联可以进行经营策略管理、营运监控、事业盈亏管理及预警。 全联建立了整合的运营平台，支持标准化作业循环、强化核心系统能力和有效的供应链管理。

全联已经推动的智慧的运营系统包括：新全联官网开发导入上线，消费者与全联门市信息即时互动，使营销活动更有效率，促进顾客到店率并使门店服务更便捷。

业绩仪表板：提供高级仪表版，包含商品、营运、访店、业绩、商品、档期等分析报表，让经理人员有效率的从单一平台实时获得每日业绩分析情报。

全联信息服务中心：全体用户适用，快速问题排除，知识累积与数据分享。

全联信息服务中心在2015年共处理44,835件讯问和请求，平均回应时间18分钟，支持自动解决问题，提高了门市运营效率，满意度达到了95.2% 。通过打造智慧的运营系统和数据分析，全联提高了顾客和门店的管理能力，有效的支持了战略目标的实现。

通过会员大数据分析，全联完成了2020客户体验地图。该地图以时间轴依序发展客户与全联的互动体验，将科技融入顾客生活场景。在2015年以消费者为中心的全新官网上线，成功吸引了25－44岁的新客户群。该官网的浏览率增加7倍，移动端占比达到70％，大大提高了移动营销的曝光率，促进了销售增长。

结语

零售企业重视并认可大数据分析对企业发展的战略意义。零售企业需要从打造智慧的购物体验，构建智慧的商品管理和供应链管理，以及帮助实现智慧的运营这三个方面，规划大数据分析的战略和实施路径。

另外，大数据分析与云计算，移动和社交化是紧密结合，互相依托的。零售企业需要全面规划面向未来的大数据战略，将大数据分析作为助力零售企业向未来转型升级的核心驱动力。